L ? i m p a c t d e s d é p e n s e s p u b l i q u e s e n e d u c a t i o n s u r l a c r o i s s a n c e e c o n o m i q u e e n r d c d e 1 9 8 0 à 2 0 1 2

3.3.1.3. Estimation du modèle retenu de l'estimation du modèle vectoriel autorégressif VAR (-1) avec la constante.

Vector Autoregression Estimates
Date: 09/15/13 Time: 16:55
Sample (adjusted): 1982 2012
Included observations: 31 after adjustments
Standard errors in ( ) & t-statistics in [ ]
	DTPIB	TPRIM	TSEC	DDEPCAH
DTPIB(-1)	-0.120691	0.554986	12.41863	0.006116
	(0.19604)	(0.52364)	(14.6639)	(0.00990)
	[-0.61566]	[ 1.05986]	[ 0.84688]	[ 0.61778]
TPRIM(-1)	0.056248	-0.262688	-6.080605	-0.001360
	(0.06891)	(0.18407)	(5.15479)	(0.00348)
	[ 0.81623]	[-1.42708]	[-1.17960]	[-0.39073]
TSEC(-1)	0.001398	-0.002767	0.205017	0.000163
	(0.00251)	(0.00671)	(0.18783)	(0.00013)
	[ 0.55661]	[-0.41245]	[ 1.09148]	[ 1.28486]
DDEPCAH(-1)	0.370240	13.60800	-59.77445	-0.375207
	(3.53693)	(9.44768)	(264.572)	(0.17861)
	[ 0.10468]	[ 1.44035]	[-0.22593]	[-2.10075]
C	0.348764	0.766530	-124.4712	0.034114
	(0.82381)	(2.20051)	(61.6229)	(0.04160)
	[ 0.42336]	[ 0.34834]	[-2.01989]	[ 0.82004]
R-squared	0.042198	0.155672	0.127589	0.208570
Adj. R-squared	-0.105156	0.025776	-0.006628	0.086812
Sum sq. resids	408.0979	2911.805	2283486.	1.040652
S.E. equation	3.961827	10.58265	296.3552	0.200063
F-statistic	0.286370	1.198433	0.950619	1.712983
Log likelihood	-83.93865	-114.3965	-217.6991	8.622072
Akaike AIC	5.737978	7.702999	14.36768	-0.233682
Schwarz SC	5.969266	7.934287	14.59897	-0.002394
Mean dependent	0.151613	1.070323	-162.3877	0.006474
S.D. dependent	3.768631	10.72173	295.3779	0.209356
Determinant resid covariance (dof adj.)		5357403.
Determinant resid covariance		2650946.
Log likelihood		-405.2000
Akaike information criterion		27.43226
Schwarz criterion		28.35741

C'est le modèle par principe de parcimonie qui comporte moins des paramètres possibles.

3.3.1.4. Test de Causalité d'Engel et Granger

L'un des inconvénients des modèles économétriques est de déceler les corrélations superflues, qui sont simplement fausses ou sans significations. C'est ainsi que la corrélation ne signifie pas nécessairement causalité (entre deux ou plusieurs séries économiques).

En effet, au sens de Granger, on dit : « qu'une variable y cause la variable x au sens de Granger si et seulement si la connaissance du passé de y améliore la prévision de x à tout horizon ».

Pairwise Granger Causality Tests
Date: 09/15/13 Time: 17:15
Sample: 1980 2012
Lags: 1
Null Hypothesis:	Obs	F-Statistic	Prob.
TPRIM does not Granger Cause DTPIB	31	0.56379	0.4590
DTPIB does not Granger Cause TPRIM		0.66886	0.4204
TSEC does not Granger Cause DTPIB	31	0.20486	0.6543
DTPIB does not Granger Cause TSEC		0.60978	0.4414
DDEPCAH does not Granger Cause DTPIB	31	0.01261	0.9114
DTPIB does not Granger Cause DDEPCAH		0.48039	0.4940
TSEC does not Granger Cause TPRIM	32	0.01846	0.8929
TPRIM does not Granger Cause TSEC		1.37537	0.2504
DDEPCAH does not Granger Cause TPRIM	31	1.64637	0.2100
TPRIM does not Granger Cause DDEPCAH		0.29076	0.5940
DDEPCAH does not Granger Cause TSEC	31	0.08605	0.7714
TSEC does not Granger Cause DDEPCAH		2.11680	0.1568

La relation entre les variables peut être définie en terme de relation unidirectionnelle, lorsque la causalité entre deux variables se définit dans un seul sens. Et une relation bidirectionnelle en ce sens que la causalité entre deux variables s'identifie dans les deux sens (relation symétrique). Ainsi les hypothèses sont posées comme suit :

H₀ : Il n'y a pas causalité au sens de Granger

H₁ : Il y a causalité au sens de granger

Le tableau ci-haut montre qu'a court terme la relation entre le taux de croissance économique du PIB et le taux de scolarité primaire, secondaire, dépenses publiques d'investissement en éducation n'est pas justifiée. Car on remarque que la probabilité de la statistique de Fisher est supérieure à 5%. D'où, nous sommes tentés d'accepter H₀ soutenant l'absence de la causalité au sens de granger.