La problématique de l'efficacité de l'aide internationale en Haà¯ti pour la période allant de 1995 à 2018

6 - Résultat de l'estimation

Les résultats de l'estimation présentent pour chacune des deux équations du modèle un coefficient de détermination (R²) respectivement de 0.38 et 0.74. Ce qui signifie que les variables explicatives de l'équation 1 expliquent la variable dépendante à 38% et celles de l'équation 2 expliquent la variable dépendante à 74%. (Voir l' annexe 7)

Le modèle estimé se présente ainsi :

D(LAPD)= -0.9409 - 0.5631 * CCOR + 0.4371 * CN - 0.1380 * D (STABPOL,2)

[-1.63] [-1.35 ] [3.21 ] [ -0.69]

( 0.11 ) ( 0.18 ) ( 0.00) ( 0.49 )

D(LPIB) = 0.0616 - 0.0442 *D(LAPD) + 0.0397 *CCOR + 0.0116 *CN+0.0198 * D (STABPOL,2)

[ 2.44] [ -4.60 ] [2.23] [ 1.67 ] [ 2.41 ]

( 0.01 ) ( 0.00 ) ( 0.03 ) ( 0.10 ) ( 0.02 )

[...] : t-Statistic (...) : Probabilité

7 - Analyse statistique des résultats

7.1- Test de normalité

Le test de normalité porte sur la distribution de l'écart aléatoire å_t. Il permet de vérifier que les éléments aléatoires sont distribués selon une loi normale. Dans cette étude nous utilisons le test de normalité de Jarque-Bera. Les hypothèses sont les suivantes :

H₀ : Les résidus suivent une loi normale (å_t~ N (u, ??²⁾)

H₁ : Les résidus ne suivent pas une loi normale

Dans le cadre de notre étude, l'hypothèse de normalité des erreurs n'est pas confirmée pour la première équation du modèle. Par contre pour la deuxième équation du modèle, l'hypothèse de normalité des erreurs est acceptée au seuil critique de 5%. Pour la première équation, la probabilité associée à la statistique de Jarque-Bera est de 0.0055 et celle de la deuxième équation est de 0.8675 (Voir l' annexe 8). En conclusion, la deuxième équation de notre modèle à système triangulaire respecte l'hypothèse de normalité des termes d'erreur contrairement à la première équation. Ce qui peut constituer une limite à notre travail. .

7.2- Test de significativité globale : Test de Fisher

Le test de Fisher permet de déterminer si l'ensemble des variables explicatives prises simultanément permet d'expliquer les variations de la variable dépendante. Il mesure le rapport entre la variance de la variable dépendante expliquée et non expliquée par le modèle de régression (SCE/SCR).

Les hypothèses sont les suivantes :

H0 : á1= á2= ... = á5 = 0 (l'ensemble des coefficients du modèle est non significatif)

H1 : il existe au moins un coefficient non nul

La statistique de ce test est :

La règle de décision : l'hypothèse nulle est rejetée si la statistique calculée est supérieure à la statistique lue dans la table de Fisher-Snedecor au seuil de 5% à (K-1) et (N-K) degrés de liberté. Pour chaque équation de notre modèle, la statistique lue dans la table de Fisher-Snedecor est inférieure à celle calculée.

Pour la première équation : F*= 3.7325 > Ftab=3.1599 (Rejet de H₀ )

Pour la deuxième équation : F*= 12.4164 > Ftab=2.9647 (Rejet de H₀ )

Dans chacune des équations de notre modèle, pour un niveau de confiance de 95%, les coefficients sont globalement significatifs.