B.3. Traitements des données et validation de
modèle
Le traitement de nos données se fait à l'aide du
logiciel EVIEWS 9
B.3.1 validation économétrique
Dans notre modèle le coefficient de corrélation
ou le degré d'explication du modèle R2 est
égale 85% et R2 ajusté 80%. Ce qui signifie qu'ils
sont largement supérieurs à 50%, cela pourrait justifier notre
modèle théorique car les variables explicatives expliquent
favorablement la variable expliquée ou endogène.
? Test de Klein
Ce tableau indique la matrice de corrélations simples
entre les variables.
|
LTCH
|
LPPTN
|
LPIBH
|
LTXINF
|
LMM
|
|
LTCH
|
1
|
0.678
|
0.738
|
-0.121
|
-0.388
|
|
LPPTN
|
0.678
|
1
|
0.423
|
-0.522
|
-0.60
|
|
LPIBH
|
0.738
|
0.423
|
1
|
-0.268
|
0.115
|
|
LTXINF
|
-0.121
|
-0.522
|
-0.268
|
1
|
0.219
|
|
LMM
|
-0.388
|
-0.60
|
0.115
|
0.219
|
1
|
Il y a absence du risque de multi-colinéarité
parce que les coefficients de corrélation simples élevés
au carré sont tous inférieurs à R2 = 0,85. Cela
se justifie par le fait sont moins élevés par rapport au
degrés du modèle de la régression.
69
? Test de stationnarité
TEST DE STATIONNARITE DE DUCKEY-FULLER AUGMENTE
|
|
valeur en niveau
|
valeur à différence
|
Déc.
Stat.
|
|
séries
|
|
ADF
|
stationnari
Valeur té
|
ADF
|
Valeur
|
Stationnari
té
|
|
none
|
0,32
|
-1,955
|
Non
|
-4,192
|
-1,956
|
oui
|
I(1)
|
|
LTCH
|
intercept
|
-0,674
|
-2,991
|
Non
|
-4,28
|
-2,998
|
oui
|
I(1)
|
|
intercept et
trend
|
-3,781
|
-632
|
Oui
|
-4,24
|
-3,622
|
oui
|
I(1)
|
|
none
|
-1,894
|
-1,955
|
Non
|
-4,494
|
1,956
|
oui
|
I(1)
|
|
LPTN
|
intercept
|
-2,231
|
-2,991
|
Non
|
-4,553
|
-2,998
|
oui
|
I(1)
|
|
intercept et
trend
|
-2,175
|
-3,612
|
Non
|
-3,804
|
-3,69
|
oui
|
I(1)
|
|
none
|
0,7
|
-1,956
|
Non
|
-7,878
|
-1,956
|
oui
|
I(1)
|
|
LPIBh
|
intercept
|
-0,265
|
-2,998
|
Non
|
-7,887
|
-2,998
|
oui
|
I(1)
|
|
intercept et
trend
|
-3,682
|
-3,612
|
Oui
|
-8,159
|
-3,622
|
oui
|
I(1)
|
|
none
|
-13,79
|
-1,96
|
Oui
|
-6,213
|
1,961
|
oui
|
I(1)
|
|
LTXINF
|
intercept
|
-12,795
|
-3,029
|
Oui
|
-5,085
|
-3,04
|
oui
|
I(1)
|
|
intercept et
trend
|
-9,473
|
-3,673
|
Oui
|
-3,607
|
-3,69
|
Non
|
I(1)
|
|
none
|
-4,31
|
-1,955
|
Oui
|
-4,99
|
-1,961
|
oui
|
I(1)
|
|
LMM
|
intercept
|
-4,663
|
-2,991
|
Oui
|
-4,884
|
-3,04
|
oui
|
I(1)
|
|
intercept et
trend
|
-5,285
|
-3,612
|
Oui
|
-4,687
|
-3,69
|
oui
|
I(1)
|
Source: tableau conçu par nous même avec la base
des données de calcul sur
Eviews 9
D'après nos analyses, nous constatons que toutes les
variables sont stationnaires à différence première pour le
modèle avec constance et sans tendance
et le modèle avec constance et tendance à
l'exception du taux d'inflation puis pour le modèle sans constance et
tendance la stationnarité est observé pour la masse
monétaire et le taux d'inflation à niveau et à
différence pour toutes les variables.
Le taux de change est stationnaire à différence
1 car nous avons -4.28 qui est inférieur à -2.998 au seuil de
0,05 au niveau du modèle avec constance seulement et celui avec
constante et tendance -4,24 inférieur à -3,622 à 5% mais
la stationnarité à niveau se justifie uniquement pour le
modèle avec constance et tendance avec -3,781 inférieur à
-6,32, le progrès technique trouve sa stationnarité à
différence 1 avec une valeur de -4,553 inférieur à -2.998
à 5% au niveau du modèle avec constance seulement et celui
avec
70
constante et tendance -3,804 inférieur à -3,69,
le PIB par habitant trouve sa stationnarité à différence 1
avec une valeur de -7,887 inferieur -2.998 au seuil de 0,05 au niveau du
modèle avec constance seulement et celui avec constante et tendance
-8,159 inférieur à -3,622. Pour le taux d'inflation, la
stationnarité est à niveau pour le modèle avec constante
et sans tendance avec -12,795 inférieur à -3,029 et le
modèle avec constance et tendance -9,473 inférieur à
-3,773 et la stationnarité s'explique de même à
différence pour les deux modèles avec -5,085 largement
inférieur à -3,04 et -3,697 inférieur à 3,691 et
enfin la masse monétaire qui est stationnaire à niveau et
à différence pour les modèle avec constance sans tendance
et le modèle avec constance et tendance car à niveau -4,663 est
inférieur à -2,991 et -5,285 inférieur à 3,612 puis
à différence -4,884 inférieur à -3,04 et -4,687
suffisamment inférieur à - 3,69. D'où tous les variables
dont stationnaires, c'est ainsi que nous faisons la régression pour
estimer les paramètres.
? Test d'autocorrélation des erreurs
Le test de Durbin Watson est effectué au seuil de 5%,
la statistique de DW est de 1,68 et K= 4. D'où DL = 1,038 et DV= 1,767.
Notre DW est dans la zone de doute c'est-à-dire entre 1,038 et 2,233.
|
dL dU 4-dL 4-dU
|
|
Valeur de DW*
|
1,038
|
1,038 à
1,767
|
DW*
|
2,962 à
2,233
|
2,233
|
|
Résultat du test
|
Autocorrélatio n positive
|
doute
|
Autocorrélatio n nulle
|
doute
|
Autocorrélatio n négative
|
Source: d'après nos calculs sur EVIEWS
9
Ainsi, comme le test de DW indique que notre valeur est dans
la zone de doute, il est difficile pour nous de conclure la présence de
l'autocorrélation des erreurs ou non. Cependant, nous faisons recours au
test de Breusch-Godfrey dont a probabilité est de 0,6357 qui est
suffisamment supérieur à 0,05. Ce qui signifie que qu'il n'y a
pas d'autocorrélation des erreurs d'ordre 2.
71
|
|
