3.1.3 Estimation du modèle
3.1.3.1 Présentation du modèle
empirique
Pour confirmer la validité de nos hypothèses
citées auparavant, nous estimons un modèle
économétrique inspiré des travaux de RAHJ (2016) pour
expliquer et vérifier la présence d'un effet de la
spécificité des actifs sur le ratio d'endettement. En effet,
notre modèle contient sept variables explicatives, auxquelles en
ajoutant une constante et un terme d'erreurs :
Yit = J1 + J2 RENT + J3 LQD + J4 AUT + J5 SA + J6
TAILLE + J7 DFRS + J8 INT + ôit
Avec : i = 1 25 (entreprise) et t = (2011) (2018)
(année)
? La variable dépendante
Y : est le ratio d'endettement net mesuré par le rapport
entre les dettes de financement
nettes (LT + CT - disponibilité) sur les capitaux propres
(DFn
???? ).
? Les variables explicatives
SA : la spécificité des actifs
mesurée par le ratio des immobilisations corporelles sur le total
d'actif (IMBC
???? ). La remise en cause du choix de
la mesure de la spécificité des actifs des
entreprises de l'échantillon est liée à
la capacité et la tangibilité de ces actifs à
déterminer le choix de la structure de financement.
RENT : la rentabilité économique
mesurée par le ratio des résultats nets sur l'actif total
(???????
?).
~ 57 ~
TAILLE : la taille de l'entreprise mesurée par
le logarithme du chiffre d'affaires (?????? ????).
LQD : la liquidité mesurée par le ratio
de la somme actifs liquides (TVP + TA) sur les
fonds propres (? ??????+????
???? ).
AUT : le degré d'autofinancement mesuré
par le ratio des fonds propres sur les capitaux
engagés (financement permanant)( ????
????????).
DFRS : les dettes fournisseurs mesurés par le
ratio des dettes fournisseurs sur
l'endettement globale (dettes financières + dettes
commerciales)(????????
???? ).
INT : le taux d'intérêt mesuré par
le ratio des charges financières sur le chiffre
d'affaires(??????
???? ).
ô : Le terme d'erreur.
3.1.3.2 Spécification du modèle
Pour identifier la nature des effets individuels des
observations de notre échantillon, effets fixes ou effets
aléatoires, nous allons procéder aux tests de
spécification de Fisher et celui de Hausman afin de déterminer le
modèle le plus adéquat à notre problématique.
3.1.3.2.1 Test de spécification de
Fisher
L'objectif de ce test est de vérifier l'existence d'un
effet spécifique pour chaque entreprise. En effet, le test de
spécification de Fisher suppose que l'effet de la constante est fixe
pour toutes les entreprises. En outre, les effets spécifiques de chaque
entreprise peuvent être corrélés avec les variables
explicatives du modèle. Pour ce faire, nous testons sous
l'hypothèse nulle (H0) l'absence des effets individuels contre
l'existence de ces effets sous l'hypothèse alternative (H1).
La décision est faite sur la base d'une comparaison de
la probabilité de la statistique de Fisher au seuil de signification.
Nous rejetons H0 si la probabilité est inférieure à 5%.
~ 58 ~
Résultats :
|
Effects Test
|
Statistic
|
d.f.
|
Prob.
|
|
Cross-section F
|
1.619928
|
(24,168)
|
0.0418
|
|
Cross-section Chi-square
|
41.633305
|
24
|
0.0142
|
Source : réaliser sur la base de nos estimations sur
EViews
En effet, la probabilité de la statistique est de
0.0418 < 5%, et l'hypothèse nulle d'absence des effets
spécifiques est rejetée, ce qui montre qu'il existe bien des
effets individuels, par conséquent et pour déterminer la nature
de ces effets on procédera par la suite au test de spécification
de Hausman.
3.1.3.2.2 Test de spécification de
Hausman
En fonction des résultats présentés
auparavant, il convient de procéder au test de Hausman pour
déterminer le modèle le plus adéquat à notre
étude. En effet, l'objectif de ce test est de déterminer la
nature des effets individuels. Pour ce faire, nous allons tester les
hypothèses suivantes :
H0 : les paramètres du modèle ont des effets
aléatoires H1 : les paramètres du modèle ont des effets
fixes
Le test est significatif au seuil de signification, si et
seulement si, la probabilité du test est inférieure à 5%
Et donc nous acceptons l'hypothèse alternative H1. En effet, nous
retenons les estimateurs du modèle à effets fixes.
Résultats :
|
Test Summary
|
Chi-Sq. Statistic
|
Chi-Sq. d.f.
|
Prob.
|
|
Cross-section random
|
32.561993
|
7
|
0.0000 < 5%
|
Source : réaliser sur la base de nos estimations sur
EViews
En effet, d'après le résultat
présenté ci-dessus, l'hypothèse nulle de l'absence de
corrélation entre le terme d'erreur individuel et les variables
explicatives du modèle devra être rejetée, ce qui montre
que le modèle devra être spécifié avec des effets
individuels fixes.
~ 59 ~
| 
