III.1.3 Estimation du relation à long terme
Dependent Variable: LNDBC Method: Least Squares Date: 08/08/08
Time: 09:57 Sample: 1990 2006
Included observations: 17
|
Variable
|
Coefficient Std. Error t-Statistic
|
Prob.
|
|
LNIPC
|
1.520420
|
0.408657 3.720523
|
0.0023
|
|
LNPIB
|
0.854829
|
0.175182 4.879676
|
0.0002
|
|
LNTCH
|
-0.636718
|
0.438774 -1.451131
|
0.1688
|
|
R-squared
|
0.740572
|
Mean dependent var 10.72087
|
|
Adjusted R-squared
|
0.703511
|
S.D. dependent var
|
0.633256
|
|
S.E. of regression
|
0.344813
|
Akaike info criterion
|
0.867157
|
|
Sum squared resid
|
1.664546
|
Schwarz criterion
|
1.014195
|
|
Log likelihood
|
-4.370838
|
Durbin-Watson stat
|
1.578571
|
La relation à long terme est
LNDBC=a1 lnpib+a2lntch+a3lnipc
LNDBC = 0.854829*LNPIB -0.636718*LNTCH + 1.520420*LNIPC
(0.0002) (0.1688) (0.0023)
III. 1. 4 Cointegration des variables
Plusieurs séries économiques consistent à
mettre en relations les variables qui sont stationnaires dans différent
modèle. Alors la Cointegration est considéré comme une
méthode statistique qui vérifié la relation existante
entre ces variables et que les résidus de cette relation soient
stationnaires75.
Pour tester la Cointegration des variables on procède
comme suit :
75 G. KUERSTEINER , Op- cit lesson 8
78
Estimer le modèle.
Notre modèle est : LNDBC= a1 LNPIB +a2 LN TCH+a3
On retire du modèle les résidus et on teste leur
stationnarité. On s'en serve encore les tests ADF.
Stationnarité des résidus
ADF Test Statistic -3.116242 1% Critical Value* -2.7275
5% Critical Value -1.9642 10% Critical Value -1.6269
*MacKinnon critical values for rejection of hypothesis of a unit
root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RESID01LT)
Method: Least Squares
Date: 08/08/08 Time: 10:23
Sample(adjusted): 1991 2006
Included observations: 16 after adjusting endpoints
|
Variable
|
Coefficient Std. Error t-Statistic
|
Prob.
|
|
RESID01LT(-1)
|
-0.805349
|
0.258436 -3.116242
|
0.0071
|
|
R-squared
|
0.391050
|
Mean dependent var 0.022826
|
|
Adjusted R-squared
|
0.391050
|
S.D. dependent var
|
0.417873
|
|
S.E. of regression
|
0.326088
|
Akaike info criterion
|
0.657164
|
|
Sum squared resid
|
1.595004
|
Schwarz criterion
|
0.705451
|
|
Log likelihood
|
-4.257315
|
Durbin-Watson stat
|
1.870844
|
D' après les résultats de cette analyse nous
trouvons que les résidus sont aussi stationnaires à niveau dans
le modèle none la probabilité est 0,0071 inférieur
à 10% est sa Valeur ADF(-3.116242) est inférieur à ADF au
seuil de 5%. Donc la relation à long terme est prouvée.
III.1.5 Estimation Du Modèle à Correction
d'Erreur
Les variables du modèle peuvent avoir les fluctuation
au cours du temps c'est pour cette raison que nous analysons cette fluctuation
à court terme pour dégager les statistiques permettant de
déterminer le temps qu'il faut pour observer les chocs qui peuvent
frapper les variables du modèle.
79
Alors le modèle ECM est :
Dependent Variable: DLNDBC
Method: Least Squares
Date: 08/08/08 Time: 15:07
Sample(adjusted): 1992 2006
Included observations: 15 after adjusting endpoints
|
Variable
|
Coefficient Std. Error t-Statistic
|
Prob.
|
|
DLNIPC
|
1.358763
|
0.428586 3.170342
|
0.0100
|
|
DLNPIB
|
-0.403285
|
0.277427 -1.453662
|
0.1767
|
|
DLNTCH
|
-0.458962
|
0.355650 -1.290489
|
0.2259
|
|
RESID01LT(-1)
|
-0.961348
|
0.215742 -4.456005
|
0.0012
|
|
DLNDBC(-1)
|
0.376782
|
0.195278 1.929463
|
0.0825
|
|
R-squared
|
0.860779
|
Mean dependent var
|
0.149317
|
|
Adjusted R-0.825090
squared
|
S.D. dependent var
|
0.287131
|
|
S.E. of regression
|
0.197872
|
Akaike info criterion
|
-0.141187
|
|
Sum squared resid
|
0.391535
|
Schwarz criterion
|
0.094829
|
|
Log likelihood
|
7.255321
|
Durbin-Watson stat
|
2.199406
|
Alors le modèle général ECM à estimer
est : Lndbc=a0lnipc+a1lnpib+a3lntch+a4Rt (-1)+a5 Le modèle ECM
estimé est : Lndbc=1.3587lnipc-04032lnpib-04589lntch+0,376 dlndbc(-1)
-096Rt(-1)
| 
