Observations 39 39 39 39 39 39
𝛽2 = 0.385
Une augmentation de 10% du capital implique une augmentation de 3.85%
de la production, toutes choses égales par ailleurs.
(Ceste à dire si le facteur capital reste constant). CETERIS PARIBUS
- 𝛽3 est l’élasticité de la production par rapport au travail
𝝏𝐥𝐨𝐠(𝑸) 𝝏𝐐/𝐐
= = 𝒆𝑸⁄
𝝏𝐥𝐨𝐠(𝑳) 𝝏𝑳/𝑳 𝑳
𝛽3 = 1.448
Une augmentation de 10% du travail implique une augmentation de 14.48%
de la production, toutes choses égales par ailleurs.
(Ceste à dire si le facteur capital reste constant). CETERIS PARIBUS
4) Interpréter la valeur de coefficient de détermination R²
R² = variance expliquée / variance totale.
La valeur de coefficient de détermination : R² = 0.9946
R² : R-Squared
Interprétation
99.46% des fluctuations du log de la production sont expliquées par les facteurs
log(K) et log(L).
5) Effectuer les tests économétriques suivants :
a) Test de significativité des variables explicatives (Test de Student)
a1) On veut tester
𝐻0 : 𝛽2 = 0
𝐻1 : 𝛽2 ≠ 0
Note Important :
Sur les logiciels, les statistiques des tests sont assorties de leurs probabilités
critiques. Ce qui évite d’utiliser la table statistique.
On compare la probabilité des tests au seuil de signification alpha.
Les seuils conventionnels sont : 1%, 5% et 10%
On adopte la règle de décision suivante :
- Si la probabilité du teste est supérieur ou égale au seuil alpha, alors on ne
rejette pas l’hypothèse nulle𝐻0 .
- Si la probabilité du teste est inférieur ou égale au seuil alpha, alors on
rejette l’hypothèse nulle𝐻0 .
Cette règle est valable pour n’importe qu’elle teste et sur n’importe sûr qu’elle
logiciel.
La probabilité critique associe au teste de Student est donnée par la cinquième
colonne « Probe ».
La probabilité critique associe au teste 𝐻0 : 𝛽2 = 0 est nulle
Pour tous les tests, on choisit le seuil de 5% = 0.05
Prob =0 < 5%
On rejette l’hypothèse 𝐻0 au seuil de 5%.
Le capital a un impact positif significatif sur la production.
b) Test de significativité globale du modelé (Test de Fisher)
Nous voulons tester
𝐻0 : 𝛽2 = 𝛽3 = 0 (Le modèle n’est pas globalement significatif)
Contre
𝐻1 : Il existe au moins un coefficient différent de 0 (le modèle est globalement
significatif)
La statistique de Fisher (F-statistics) est :
𝒏−𝒌 𝑹²
F* = x = 3318.67
𝒌−𝟏 𝟏−𝑹²
Prob (F-statistics) = 0 < 5%
Nous rejetons l’hypothèse nulle au seuil de 5%.
Conclusion : le modelé est globalement significatif.
c) Teste de normalité des erreurs du modèle (Test de Jarque-Bera)
𝐻0 : Les erreurs suivent une loi normale
Contre
𝐻1 : Les erreurs du modèle ne suivent pas une loi normale.
Instruction Eviews
Apres l’estimation du paramètre par la méthode des MCO
View (à gauche) → Residuals Test → Histogram-Normality Test
La statistique de Jarque-Bera est 9.344704.
Sa probabilité (0.009) soit 0.9% est inferieur a 5%.
L’hypothèse de normalité des erreurs est rejette.
Conclusion : Les erreurs du modèle ne suivent pas une loi normale.
e) Test d’Homocédasticité des erreurs
Test de White
Définition 1 : Les erreurs d’un modèle sont dites homocédastiques si elles ont la
même variance.
Définition 2 : Les erreurs d’un modèle sont dites heterocedastiques si elles ont
des variances différentes.
𝐻0 : Les erreurs sont homocédastiques
Contre
𝐻1 : Les erreurs sont hétérocédastique
Apres l’estimation du paramètre par la méthode des MCO
View → Residuals Test → White heteroskedasticity (No cross terms)
No cross terms : sans termes croisés
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 01/06/17 Time: 12:40
Sample: 1929 1967
Included observations: 39
Variable Coefficient Std. Error t-Statistic Prob.
C -0.139775 0.467120 -0.299227 0.7666
LK -0.024361 0.062603 -0.389129 0.6996
LK^2 0.001917 0.006466 0.296460 0.7687
LL 0.071841 0.215584 0.333240 0.7410
LL^2 -0.005962 0.020658 -0.288617 0.7746
R-squared 0.130630 Mean dependent var 0.001117
Adjusted R-squared 0.028351 S.D. dependent var 0.002174
S.E. of regression 0.002143 Akaike info criterion -9.334195
Sum squared resid 0.000156 Schwarz criterion -9.120918
Log likelihood 187.0168 F-statistic 1.277197
Durbin-Watson stat 1.892814 Prob(F-statistic) 0.298146
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 01/06/17 Time: 12:49
Variable Coefficient Std. Error t-Statistic Prob.
C 0.202812 0.200740 1.010321 0.3193
LK 0.036072 0.040404 0.892775 0.3781
LL -0.070358 0.070434 -0.998912 0.3247
RESID(-1) 0.609177 0.142588 4.272300 0.0001
R-squared 0.342754 Mean dependent var 1.73E-16
Adjusted R-squared 0.286419 S.D. dependent var 0.033856
S.E. of regression 0.028600 Akaike info criterion -4.173917
Sum squared resid 0.028628 Schwarz criterion -4.003295
Log likelihood 85.39137 F-statistic 6.084182
Durbin-Watson stat 1.331205 Prob(F-statistic) 0.001914
Instruction EVIEWS
Test CUSUM