Utilisation des politiques économiques dans la lutte pour la réduction du niveau de chômage en RDC de 1990 à 2010

B. Hypothèse de tests économétriques

Dans ce sous point nous allons nous débarrassé des paramètres pour voir la qualité de l'estimation que cela nous amène à la correction des certains problèmes.

a) Test de normalité^27(*)

Ce problème se cause lorsque l'hypothèse N (0, ) est violée. En cas de violation de cette hypothèse, on peut corriger par l'augmentation de la taille de l'échantillon, mais aussi si n>30 on peut procéder à l'approximation par la loi normale, si n<30 on calcul une régression multiple par la MCO puis on génère les résidus à une distribution plus ou moins normale.

En effet, cette hypothèse permet de définir la loi de probabilité des estimateurs. Pour tester cette hypothèse on fait souvent appel au test de Jarque-Bera.

H₀ : il y a normalité des résidus

H₁ : il n'y a pas normalité des résidus

<

Si |JB|<0,5, on rejette H₀, cela veut dire que les erreurs ne sont pas normalement distribués.

Si |JB|>0,5, on accepte H₀, il y a normalité des résidus.

Pour corriger on peut soit recourir à l'augmentation de la taille de l'échantillon, soit on corrige ces résidus anormaux de manière à ramener à une distribution plus ou moins normale.

b) Autocorrélation^28(*)

Il y a autocorrélation lorsque les l'hypothèse ( est violé. Ici nous avons préféré utilisé le test de LM-Test de Breusch-Godefrey. Ce dernier permet de tester une autocorrélation supérieure à 1 et test valide en présence des variables dépendante décalée en tant que variable explicative. La statistique F-LM est générée automatiquement dans le logiciel EViews la probabilité. Si la probabilité associée à la statistique F-LM est supérieure à 0,05, cela veut dire qu'il y a absence d'autocorrélation. 

Pour corriger l'autocorrélation, il y a plusieurs méthodes :

v La méthode basée sur la statistique de Durbin Watson. L'inconvénient de cette méthode est que, elle ne présente pas de garantie pour les petits échantillons ;

v La procédure itérative de Cochrane Orcutt : il s'agit d'une procédure de réestimation jusqu'à la stabilité des coefficients.

Notons que le logiciel Eviews permet d'arriver automatiquement à la fin de la procédure, pour se faire, il suffit tout simplement d'insérer, à la commande de l'estimation, la variable AR(1) ou MA(1) pour corriger l'autocorrélation. La correction de l'autocorrélation est acceptée que si le coefficient associé à la variable AR(1) est significatif.

c) Hétéroscedasticité

Il y a hétéroscedasticité lorsque la variance des erreurs n'est pas constante. Dans ce cas, l'hypothèse Var . Pour détecter, nous avons utilisé les tests de White et Arch-test qui sont incorporés dans le logiciel Eviews dont les probabilités sont comparées à 0,05. Si elles sont supérieures à cette barre, il y a donc absence d'hétéroscedasticité.

H₀ : il y a homoscedasticité ( )

H₁ : il y a hétéroscedasticité ( )

Pour corriger on fait la régression par la méthode de moindre carrée pondérée.

* ²⁷ www.eco.univ-lyon2.fr/ricco/cours/Test_Normalite.pdf (consulté le 10/04/2011)

* ²⁸ www.gate.cnrs.fr/perso/fournier/.../2_Autocorrelation.pdf (consulté le 7/04/2011)