Secteur informel et recouvrement fiscal à la dgrtang - kalemie

Section 2 : ANALYSE DES DONNEES ET INTERPRETATION DES RESULTATS

Tableau n°2 Corrélations entre variable

RECETTES PREVISIONS

1,000

-,255

Corrélation de Pearson RECETTES

PREVISIONS

PREVISIONS

PREVISIONS

-,255

.

,067

36

36

Sig. (unilatéral) RECETTES

N RECETTES

1,000

,067

.

36

36

Source : nous-même à travers nos traitements avec le logiciel SPSS à partir données du tableau N°1.

Interprétation : le tableau n°2 démontre que dans la période de trois exercices soit 36 mois d'où N=36, les prévisions influencent les recettes réalisées à la direction générale des recettes du Tanganyika négativement soit à -0,255 soit -25,5%.

Tableau n°3 Récapitulatif des modèles

				Modifier les statistiques
				Variation				Sig.
	R-	R-deux	Erreur standard	de R-	Variation			Variation	Durbin-
Modèle R	deux	ajusté	de l'estimation	deux	de F	ddl1	ddl2	de F	Watson

a.

1	,255 a	,065	,038	107621659,5286 3	,065	2,368	1	34	,133	,943

Prédicteurs : (Constante), PREVISIONS

b. Variable dépendante : RECETTES

Source : nous-même à travers nos traitements avec le logiciel SPSS à partir des données du tableau N°1.

Interprétation : ce tableau démontre que les valeurs estimées des paramètres de notre modèle sont économiquement pertinentes et statistiquement valides. Notre modèle est de un (1), et l'influence des

KASONGO KIYAMBI FAUSTIN ((SECTEUR INFORMEL ET RECOUVREMENT FSCA A LA DGRTANG/KALEMIE			Page 47
KASONGO KIYAMBI FAUSTIN	j(( SECTEUR INFORMEL ET RECOUVREMENT FISCAL A LA DGRTANG/KALEMIE]

prévisions sur les recettes (R) est de 25,5% ; le coefficient de détermination (R²) est de 0,65 d'où avec ce carré des résidus nous confirmons l'hypothèse selon laquelle, il y a absence d'héteroscédasticité avec H0 : P > 0,05 c'est-à-dire H0 : 0,65 > 0,05 avec l'Erreur standard de l'estimation de 107621659,52863; notre modèle est significatif avec le test de Ficher dans un sens où la statistique calculée de Ficher dans ce tableau soit 2,368 est supérieure au seuil d'acceptabilité de 0,05, les paramètres estimés sont statistiquement significatifs au seuil prédéfini, ce qui se vérifie avec l'intervalle de Durbin-Watson compris entre 1 et 2 d'où, dans notre modèle, Durbin-Watson représente 0,94. Comme 0,943 est bel et bien dans l'intervalle de Durbin-Watson ceci nous conduit à dire la significativité globale des paramètres de notre modèle auquel les prévisions influencent le résultat.

Tableau n°4 es coefficients des recettes

Coefficient s

Coefficients standardisés

non

standardis és

Intervalle de 95,0% pour B

confiance

à

Erreur

Borne

Borne

Modèle

B

standard

Bêta

T

Sig.

inférieure

supérieure

1 (Constante)

PREVISIONS

512414286,

	99837132,0		5,133	,000	309520822,6	715307749,41
02	30				3
-,087	,057	-,255	-	,133	-,202	,028
			1,539

a. Variable dépendante : RECETTES

Source : nous-même à partir de nos traitements avec le logiciel SPSS sur les données du tableau N°1.

Interprétation : ce tableau s'explique par le coefficient lieu aux recettes réalisées par la DGRTANG ; les coefficients non standardisés dans notre modèle est de 512414286,02 sur les recettes et -0,087 ;

Si la statistique calculée de student est supérieure au seuil de 0,05, le paramètre estimé est statistiquement significatif au seuil prédéfini. Pour ce faire, Le test de student (t) est de -1,539 >0,05.

? Test d'auto corrélation des erreurs

KASONGO KIYAMBI FAUSTIN ((SECTEUR INFORMEL ET RECOUVREMENT FSCA A LA DGRTANG/KALEMIE			Page 48
KASONGO KIYAMBI FAUSTIN	j(( SECTEUR INFORMEL ET RECOUVREMENT FISCAL A LA DGRTANG/KALEMIE]

Il y a auto corrélation des erreurs lorsque ceux-ci sont liés suivant les unes des autres. L'estimation d'un modèle qui admet ce biais sans pour autant le corriger, conduit à des résultats fallacieux. Pour ce qui concerne la règle de notre décision, nous partons Hypothèses de validation suivantes :

H0 : 0,06 > 0,05 ; il y a absence d'auto corrélation des erreurs. Donc nous rejetons Hypothèses H1 où P< 0,05.

Histogramme n°1 les recettes réalisées

Source : nos traitements avec le logiciel SPSS à partir des données du tableau N°1.

Interprétation : cet histogramme permet à visualiser la forme de la distribution de notre modèle qui est légèrement étalé vers la gauche. C'est ce qui fait que la statistique calculé de student soit négative soit -0,255 et ceci rend notre modèle statistiquement significatif.