V.2.3 Troisième modèle
étudié
Le troisième modèle réalisé ne
prend pas en compte les variables corrélées fortement
positivement à la variable IPC. Les variables PIB_HAB, BENEF, BENEF_IMP,
SAL_HOR et DEP_SCO ne figurent donc pas dans ce modèle. Nous allons donc
effectuer la nouvelle estimation afin d'observer si notre modèle est
meilleur. En effet, ce choix est basé sur le fait que
l'intégration des variables corrélées positivement peut
entraîner une détérioration du modèle.
Tableau 14 : Régression 3 nommée « reg3
»
|
Variables
|
Estimate
|
Std.Error
|
T value
|
Pr (>|??|)
|
Significativité
|
|
CONSTANTE
|
79,586
|
1 104,672
|
0,072
|
0,943
|
|
|
TX_CHA
|
341,539
|
279,738
|
1,221
|
0,226
|
|
|
TX INT
|
-2,452
|
28,434
|
-0,086
|
0,932
|
|
|
IPC
|
-16,107
|
10,548
|
-1,527
|
0,131
|
|
|
EXP
|
-19,595
|
63,832
|
-0,307
|
0,760
|
|
|
IMP
|
59,810
|
50,997
|
1,173
|
0,245
|
|
|
DUMMIES EURO
|
92,999
|
85,681
|
1,085
|
0,282
|
|
|
DUMMIES_CRISE
|
82,229
|
77,542
|
1,060
|
0,293
|
|
|
Valeur
|
|
Multiple R-squared
|
0,217
|
|
Adjusted R-squared
|
0,137
|
|
F-statistic
|
2,701
|
|
P-value
|
0,016
|
D'après le tableau 14, nous remarquons que la
qualité du modèle semble décevante. En effet, le
coefficient de détermination (R2) est de 0,217. Cela signifie
qu'environ 21,7% de la variance de l'IDE est expliquée par les variables
explicatives choisies. De plus, aucune variable n'est significative. Enfin,
l'hypothèse H0 selon laquelle au moins une des variables explicatives
à un impact significatif permet d'accepter le test de Fisher car la
p-value est de 0,016 et elle est donc bien inférieure à 0,05. Ce
modèle n'est donc pas conservé. Les différents graphiques
de ce modèle (reg3) se trouvent en fin de dossier (annexe 4).
V.2.4 Quatrième modèle
étudié
Le quatrième modèle réalisé prend
en compte uniquement les variables qui étaient significatives dans le
cadre du premier modèle. Nous avons donc refait un modèle avec
uniquement les variables PIB_HAB et SAL_HOR. Le but d'enlever les variables non
significatives de notre meilleur modèle (reg1) est d'observer une
éventuelle amélioration du coefficient de
détermination.
55
Tableau 15 : Régression 4 nommée « reg4
»
|
Variables
|
Estimate
|
Std.Error
|
T value
|
Pr (>|??|)
|
Significativité
|
|
CONSTANTE
|
79,586
|
1 104,672
|
0,072
|
0,943
|
***
|
|
PIB_HAB
|
341,539
|
279,738
|
1,221
|
0,226
|
***
|
|
SAL HOR
|
-2,452
|
28,434
|
-0,086
|
0,932
|
***
|
|
Valeur
|
|
Multiple R-squared
|
0,337
|
|
Adjusted R-squared
|
0,319
|
|
F-statistic
|
18,57
|
|
P-value
|
3,022e-17
|
D'après le tableau 15, nous observons que l'ensemble
des variables du modèle est significatif au seuil de risque de 1%. En
revanche, le coefficient de détermination (R2) semble
légèrement moins bon que celui du premier modèle. Nous
n'allons donc pas conserver ce modèle car non seulement, le coefficient
de détermination est moins bon mais de plus, étant donné
que beaucoup de variables ont été supprimées, ce
modèle ne semble donc pas représentatif. Les différents
graphiques de ce modèle (reg4) se trouvent en fin de dossier (annexe
4).
|
|
