L'économétrie - publié le 06/06/2023

Thèmes abordés

Données de l'étude, présentation des données, présentation des résultats, données économiques, erreur de spécification du modèle, modèle économétrique, variable explicative, taux d'intérêt réel, modèle linéaire général, lognormalité, normalité, intervalle de confiance, impact significatif du revenu, coefficient de corrélation linéaire, test de Jarque Bera, série temporelle, Test de Student, Test de Fisher, Test d'hétéroscédasticité, Test de white

Résumé du document

Cette étude de cas porte sur le test des données économiques d'une organisation à but non lucratif « COTRE » sur la période 2006 à 2021.
Ces données économiques concernent l'investissement, le revenu et le taux d'intérêt réel. La question de recherche est accentuée sur le niveau d'impact significatif du revenu et du taux d'intérêt réel sur le niveau d'investissement.
Pour étudier la fonction d'investissement, nous avons formulé deux modèles économétriques (modèle linéaire général et modèle autorégressif) afin de les tester.
Dans ce modèle économétrique, les variables explicatives sont le revenu et le taux d'intérêt réel, la variable à expliquer est l'investissement. Et enfin, le terme d'erreur qui désigne l'erreur de spécification du modèle.

Extraits

[...] L'erreur commise est grande. Le modèle a pas des chances d'avoir un bon pouvoir prédictif , car il ne reproduit pas « fidèlement » le passé. La simulation du modèle est mauvaise Prévision du modèle estimé par la méthode des moindres carrés ordinaires Intervalle de prévision et Critères de prévision MAPE : Mean Absolute Percentage Error (Erreur absolue moyenne en pourcentage) Theil Inequality Coefficient : Critère U de Theil Nous utilisons les critères de prévision MAPE et U de Theil pour apprécier les performances prévisionnelles. [...]

[...] Chi-Square(1) 0.3753 La statistique du test ARCH (Obs*R-squared) est égale à 0,786. Comme sa probabilité critique est supérieure à on ne rejette pas l'hypothèse nulle H0. Les résidus du modèle sont homoscédastiques. L'hypothèse d'hétéroscédasticité conditionnelle est rejetée Tests de corrélation des erreurs 8.5.1 Test de Breusch-Godfrey de corrélation des résidus du modèle H0 : les résidus du modèle ne sont pas corrélés H1 : les résidus du modèle sont corrélés Testons une corrélation d'ordre 1 des résidus Breusch-Godfrey Serial Correlation LM Test: F-statistic 0.125987 Prob. [...]

[...] Et enfin le terme d'erreur qui désigne l'erreur de spécification du modèle. PREMIERE PARTIE: Modèle linéaire général II°) PRESENTATION DES DONNEES DE L'ETUDE Fonction d'investissement du COTRE On dispose pour l'organisation à but non lucratif COTRE et sur la période 2006 à 2021, des données économiques Investissement Revenu (REV) et Taux d'intérêt réel (TXINT). Nous disposons des données annuelles du tableau 1. Investissement, Revenu et Taux d'intérêt réel Année Investissement (INV) Revenu (REV) Taux d'intérêt (TXINT) La période 2018 à 2021 est utilisée à des fins de prévisions. [...]

[...] Estimation des paramètres par la méthode des moindres carrés ordinaires L'estimation des paramètres par les MCO conduit aux résultats figurant dans le tableau ci-dessous : Dependent Variable: LOG(INV) Method: Least Squares Date: 01/15/22 Time: 22:33 Sample (adjusted): Included observations: 11 after adjustments Variable Coefficient Std. Error t-Statistic Prob. C LOG(INV(-1)) LOG(REV) TXINT R-squared 0.203574 Mean dependent var 6.225874 Adjusted R-squared -0.137751 S.D. dependent var 0.365753 S.E. of regression 0.390132 Akaike info criterion 1.230623 Sum squared resid 1.065419 Schwarz criterion 1.375312 Log likelihood -2.768425 Hannan-Quinn criter F-statistic 0.596424 Durbin-Watson stat 1.745278 Prob(F-statistic) 0.637220 Les paramètres estimés sont : 2. [...]

[...] Sa probabilité critique est 0,14. Comme cette probabilité est supérieure à on ne rejette pas l'hypothèse nulle. Le modèle n'est pas globalement significatif. Les variables revenu et taux d'intérêt réel n'ont pas globalement un impact significatif sur l'investissement Test de Jarque-Bera de normalité des résidus H0 : les résidus suivent une distribution normale H1 : les résidus ne suivent pas une distribution normale Comme la probabilité critique associée à la statistique de Jarque-Bera est supérieure à on ne rejette pas l'hypothèse nulle de normalité des résidus. [...]