III.2.3 Estimation de long terme
Dependent Variable: LNDBC
Method: Least Squares
Date: 08/08/08 Time: 09:21
Sample(adjusted): 1991 2006
Included observations: 16 after adjusting endpoints
les tests ADF .
91
|
Variable
|
Coefficient
|
Std. Error t-Statistic
|
Prob.
|
|
LNIPC(-1)
|
1.306586
|
0.648887 3.013580
|
0.0417
|
|
LNM(-1)
|
-0.298091
|
0.605549 -4.492267
|
0.0332
|
|
LNDB
|
-0.299370
|
0.152508 -7.962976
|
0.0280
|
|
LNCE
|
0.110592
|
0.083124 5.330442
|
0.0129
|
|
I
|
-0.149544
|
0.087343 -1.712141
|
0.1177
|
|
C
|
7.386231
|
0.905602 8.156156
|
0.0000
|
|
R-squared
|
0.895669
|
Mean dependent var 10.78961
|
|
Adjusted R-0.843504
squared
|
S.D. dependent var
|
0.584866
|
|
S.E. of regression
|
0.231371
|
Akaike info criterion
|
0.190404
|
|
Sum squared 0.535324
resid
|
Schwarz criterion
|
0.480125
|
|
Log likelihood
|
4.476764
|
F-statistic
|
17.16978
|
|
Durbin-Watson stat
|
1.939022
|
Prob(F-statistic)
|
0.000127
|
Alors le modèle de long terme est :
LNDBC=1.3065LIPC-0.2980LNM-0.29937LNDB+0.110592LNCE
(0.00417) (0.0332) (0.0280) (0.0129)
-0.149544I+7.386231
(0.1177) (0.0000)
III.2.4 la Cointegration des variables
La Cointegration est une méthode statistique qui
vérifie la relation existante entre les variables non stationnaire ou
stationnaire au différent niveau en vérifiant la
stationnarité des résidus.
Pour tester la Cointegration des variables on procède
comme suit : Estimer le modèle.
Notre modèle est : LNDBC= a1LN_DB + a2 LN_CE + a 3I
+a4LN_M + a5LN_IPC +a0
On retire du modèle les résidus et on teste leur
stationnarité. On s'en serve encore
Les variable du modèle peuvent avoir les fluctuation au
cours du temps c'est pour cette raison que nous analysons cette fluctuation
à court terme pour
92
Etude de stationnarité des
résidus
|
ADF Test Statistic -
4.320978
|
1% Critical Value* -2.7411
5% Critical Value -1.9658 10% Critical Value -1.6277
|
*MacKinnon critical values for rejection of hypothesis of a unit
root.
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(RESIDLT)
Method: Least Squares
Date: 08/08/08 Time: 09:30
Sample(adjusted): 1992 2006
Included observations: 15 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
RESIDLT(-1) -1.063594 0.246147 -4.320978 0.0007
R-squared 0.566991 Mean dependent 0.026794
var
Adjusted R- 0.566991 S.D. dependent 0.270876
squared var
S.E. of regression 0.178246 Akaike info -0.546966
criterion
Sum squared 0.444802 Schwarz criterion -0.499762
resid
Log likelihood 5.102243 Durbin-Watson 1.634906
stat
Compte tenu des résultats trouvés nous
constatons que les résidus sont stationnaires à niveau dans le
modèle none. Leur probabilité est 0,0047 inférieur
à 10% et la valeur ADF (-3.313152) est inférieur à ADF
critique au seuil de 5%. Donc la relation à long terme est
prouvée.
| 
