|
Déterminants de l'octroi de crédit dans les coopératives d'épargne et de crédit. Cas de la Mecrebu/Nyawera de 2014 à 2015.( Télécharger le fichier original )par Joachim LUBAGO MULIRI Institut supérieur pédagogique de Bukavu - Licence 2016 |
Graphique N°1: Visualisation de la série résiduelle servant de base au test de normalitéSource : traitement des données à partir du logiciel Eviews 3.1.Les résultats de ce graphique nous permettent de tirer deux conclusions : D'une part, les hypothèses à vérifier pour ce test sont les suivantes :Ho : X suit une loi normale ;H1 : X ne suit pas une loi normale Ainsi, on acceptera au seuil de 5% l'hypothèse de normalité si JB est inférieur à 5,99 ou de manière équivalente si la probabilité est supérieure à 0,05. On rejettera l'hypothèse de normalité si JB est supérieur ou égal à 5,99 ou de manière équivalente si la probabilité est inférieure ou égale à 0,05. Le graphique des résidus indique que ces derniers sont fortement biaisés à droite.Dans le cadre du cas présent, on est en présence d'un JB de 114,5060>5,99, d'où on rejette l'hypothèse Hode normalité de la distribution au seuil de 5%. D'autre part, on sait aussi que « Skewness » représente le coefficient de dissymétrie et que « Kurtosis » représente le coefficient d'aplatissement. La notion de voussure ou aplatissement concerne la concentration des fréquences autour du mode. Ainsi, l'indice de voussure « Kurtosis » indique dans quelle mesure une courbe est plate ou étirée vers le haut. On peut remarquer que Skewness (0,29?0) et Kurtosis (8,98?3), ainsi le modèle de régression logistique est recommandé dans le contexte de cette étude. Ainsi, La fonction de distribution des résidus ne suit pas une loi normale1(*). Elle est gouvernée par un processus non Gaussien. Par conséquent, la méthode appropriée pour en estimer les paramètres est le Logit. III.3.2. La corrélationLe but de cette partie de l'étude est d'examiner les relations unies variées entre la variable dépendante et les variables indépendantes et de déceler l'existence de problème de multi colinéarité entre les variables indépendantes. Ainsi, le tableau suivant présente les matrices de corrélation entre les différentes variables. Les analyses de corrélation sont établies selon la méthode de Pearson.
III.3.2.1. Tableau n° 19 : Matrice de corrélation entre les variablesSource :traitement à partir du Logiciel Eviews 3.1 L'examen des matrices de corrélation de Pearson et de Tau-B de Kendall montre qu'aucune corrélation critique n'est relevée entre les variables indépendantes continues et discrètes. En effet, tous les coefficients de corrélation sont sensiblement inférieurs à 0,8 ce qui correspond à la limite proposée par Kennedy (1985) et à partir de laquelle, on commence généralement à avoir des problèmes sérieux de multi-colinéarité dans les modèles de régression. Ainsi les différentes corrélations entre la variable dépendante et les variables indépendantes sont décrites au point qui suit. * 1 Cela est confirmé par la probabilité associée à la statistique de décision qui est largement inférieure à 0,05. |
|
