Université de Thiès

UFR Sciences économiques et sociales

Département d’Economie
Licence Economie, option Econométrie
Professeur : Amadou NGOM
Année universitaire 2012/2013

Examen TP Econométrie 1

Membre du Groupe

Ndèye Awa Kane

Daouda Pouye

Fatimata Kâ

Visionner les séries :

obs LINV LPIB INV PIB
1980 4.81218435537 6.6066501862 123 740
1981 5.37063802813 6.76041469108 215 863
1982 5.31320597904 6.92951677076 203 1022
1983 5.35185813348 6.96413561242 211 1058
1984 5.43372200355 7.07496319797 229 1182
1985 5.43372200355 7.1936858184 229 1331
1986 5.13579843705 7.28000825288 170 1451
1987 5.40267738187 7.32317071794 222 1515
1988 5.08759633523 7.30317005124 162 1485
1989 4.98360662171 7.35691824236 146 1567
1990 4.9558270576 7.34987370474 142 1556
1991 5.13579843705 7.36833968631 170 1585
1992 5.1416635565 7.37086016654 171 1589
1993 5.08140436498 7.38274644974 161 1608
1994 5.48063892334 7.67461749736 240 2153
1995 5.80513496892 7.79770203552 332 2435
1996 5.71702770141 7.85979918056 304 2591
1997 5.99893656195 7.90875473878 403 2721
1998 6.13122648948 7.99564360429 460 2968
1999 6.34035930373 8.06054004654 567 3167
2000 6.52502965784 8.11132800329 682 3332
2001 6.48920493133 8.18172045513 658 3575
2002 6.53524127101 8.22094116828 689 3718
2003 6.72383244082 8.28425179762 832 3961
2004 6.78558764501 8.34236350038 885 4198
2005 6.70318811324 8.41980084541 815 4536
2006 6.92853781816 8.48590890138 1021 4846
2007 8.56293108309 5234
2008 8.69030580912 5945
2009 8.70433643849 6029
2010 8.75888368002 6367
Graphe des séries
C our be de l'ev olution de l'inv es tis s e ment dans la per iode 1980- 2010
1200

1000

800

600

400

200

0
80 85 90 95 00 05 10

INV

Courbe de l'évolution du PIB dans la période 1980-2010

7000

6000

5000

4000

3000

2000

1000

0
80 85 90 95 00 05 10

PI B

Courbe de l'ev olution du taux d'interêt dans la période 1980-2010

30

25

20

15

10

5
80 85 90 95 00 05 10

TXINT

1.) Test de normalité et de log normalité des variable INV TXINT et PIB ( test de
Jarque Bera)
 La variable INV

Ho : INV N (m ;δ) prob> 0,05

H1 : INV N (m ;δ) prob< 0,05

 10
Series: INV
Sample 1980 2006
8 Observations 27

Mean 386.7407
6 Median 229.0000
Maximum 1021.000
Minimum 123.0000
4 Std. Dev. 274.1596
Skewness 0.936008
Kurtosis 2.459044
2
Jarque-Bera 4.271712
Probability 0.118143
0
200 400 600 800 1000

Prob=0,118143>0,05 donc on accepte Ho. La variable INV suit la normale

N (386,7407 ; 274,1596)

 La variable LINV

Ho : INV N (m ;δ) prob> 0,05

H1 : INV N (m ;δ) prob< 0,05

8
Series: LINV
Sample 1980 2006
Observations 27
6
Mean 5.733468
Median 5.433722
Maximum 6.928538
4
Minimum 4.812184
Std. Dev. 0.668781
Skewness 0.440869
2 Kurtosis 1.726204

Jarque-Bera 2.700021
Probability 0.259238
0
4.75 5.00 5.25 5.50 5.75 6.00 6.25 6.50 6.75 7.00

Prob=0,259238>0,05 on accepte Ho donc le log INV est normal d’où la variable

INV est log normale

 La variable PIB

Ho : PIB N (m ;δ) prob> 0,05

H1 : PIB N (m ;δ) prob< 0,05

8
Series: PIB
Sample 1980 2010
Observations 31
6
Mean 2784.774
Median 2435.000
Maximum 6367.000
4
Minimum 740.0000
Std. Dev. 1668.835
Skewness 0.709864
2 Kurtosis 2.335134

Jarque-Bera 3.174499
Probability 0.204487
0
1000 2000 3000 4000 5000 6000

Prob=0,204487>0,05 on accepte Ho donc la variable PIB suit une loi normale N(2784,774 ;
1668,835)

 La Variable LPIB

Ho : LPIB N (m ;δ) prob> 0,05

H1 : LPIB N (m ;δ) prob< 0,05

10
S eries: LP IB
S ample 1980 2010
8 Observations 31

Mean 7.752396
6 Median 7.797702
Maximum 8.758884
Minimum 6.606650
4 S td. Dev. 0.619806
S kewness -0.001894
K urtosis 1.851992
2
Jarque-B era 1.702334
P robability 0.426917
0
6.5 7.0 7.5 8.0 8.5 9.0

Prob=0,426917>0,05, on accepte Ho donc log PIB est normale d’où la variable PIB est log
normale.

 La Variable TXINT

Ho : TXINT N (m ;δ) prob> 0,05

H1 : TXINT N (m ;δ) prob< 0,05

8
Series: TXINT
Sample 1980 2010
Observations 31
6
Mean 17.08710
Median 17.90000
Maximum 28.30000
4
Minimum 9.100000
Std. Dev. 5.329024
Skewness 0.182370
2 Kurtosis 2.112386

Jarque-Bera 1.189488
Probability 0.551704
0
7.5 10.0 12.5 15.0 17.5 20.0 22.5 25.0 27.5 30.0

Prob=0,551704>0,05 on accepte Ho donc la variable TXINT suit une loi normale

N(17,08710 ; 5,329024)

2.) Estimation par MCO

Dependent Variable: LINV

Method: Least Squares
Date: 03/22/13 Time: 17:50
Sample(adjusted): 1980 2006
Included observations: 27 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -3.041668 0.099907 -30.44500 0.0000
LPIB 1.015961 0.013301 76.38154 0.0000
TXINT 0.065481 0.001607 40.75451 0.0000
R-squared 0.997338 Mean dependent var 5.733468
Adjusted R-squared 0.997116 S.D. dependent var 0.668781
S.E. of regression 0.035913 Akaike info criterion -3.710968
Sum squared resid 0.030955 Schwarz criterion -3.566986
Log likelihood 53.09807 F-statistic 4496.129
Durbin-Watson stat 1.655315 Prob(F-statistic) 0.000000

 Les coefficients
â=-3.041668 est la constante du modèle qui impacte négativement sur
l’investissement.
b̂= 1.015961 : représente l’élasticité de l’investissement par rapport au PIB. Si le
PIB augmente de 10% alors l’investissement de 10,15%.
ĉ= 0.065481 : c’est une semi-élasticité de l’investissement par rapport au taux
d’intérêt.
Log(INV)= -3.041668 + 1.015961 Log(PIBt) + 0.065481 TXINT
 Les écarts types
δ̂â=0.099907
δ̂b̂=0.013301
δ̂ĉ=0.001607
 la statistique de student ( T-student)
 â
=-30.44500
δ̂â
b̂
=76.38154
δ̂b̂
ĉ
=40.75451
δ̂ĉ
R²=0.997338
3.) Interprétation de R²

R²=99,73% c’est-à-dire 99,73% des fluctuations de l’investissement sont expliquées

par le PIB et le niveau de taux d’intérêt.
4.) On effectue les tests suivants
a) Test de significativité des variables explicatives ( test de Student)
 La Constante a
𝐻𝑜: 𝑎 = 0 𝑝𝑟𝑜𝑏 > 0,05
{
𝐻1: 𝑎 ≠ 0 𝑝𝑟𝑜𝑏 < 0,05
Prob=0,0000<0,05 donc la constante est significative

 Log(PIB)
𝐻𝑜: 𝑏 = 0 𝑝𝑟𝑜𝑏 > 0,05
{
𝐻1: 𝑏 ≠ 0 𝑝𝑟𝑜𝑏 < 0,05
Prob=0,0000<0,05 donc la variable LPIB a une influence significative sur la variable
investissement.

 TXINT
𝐻𝑜: 𝑐 = 0 𝑝𝑟𝑜𝑏 > 0,05
{
𝐻1: 𝑐 ≠ 0 𝑝𝑟𝑜𝑏 < 0,05
Prob=0,0000<0,05 donc la variable TXINT a une influence significative sur la
variable investissement.

b) Test de significativité globale du modèle ( test de Fisher).

𝐻𝑜: 𝑚𝑎𝑢𝑣𝑎𝑖𝑠 𝑚𝑜𝑑è𝑙𝑒 𝑝𝑟𝑜𝑏 > 0,05

{
𝐻1: 𝑏𝑜𝑛 𝑚𝑜𝑑è𝑙𝑒 𝑝𝑟𝑜𝑏 < 0,05
Prob(F-Statistic)=0,00000<0,05 donc le modèle est bon.

c) Test d’hétéroscédasticité des erreurs ( Test de White)

𝐻𝑜: 𝑙𝑒𝑠 𝑒𝑟𝑟𝑒𝑢𝑟𝑠 𝑠𝑜𝑛𝑡 ℎ𝑜𝑚𝑜𝑠𝑐é𝑑𝑎𝑠𝑡𝑖𝑞𝑢𝑒𝑠 𝑝𝑟𝑜𝑏 > 0,05

{
𝐻1: 𝑙𝑒𝑠 𝑒𝑟𝑟𝑒𝑢𝑟𝑠 𝑠𝑜𝑛𝑡 ℎé𝑡é𝑟𝑜𝑠𝑐é𝑑𝑎𝑠𝑡𝑖𝑞𝑢𝑒𝑠 𝑝𝑟𝑜𝑏 < 0,05

White Heteroskedasticity Test:

F-statistic 6.175776 Probability 0.001728
Obs*R-squared 14.28136 Probability 0.006449
Prob=0.001728<0,05 on accepte H1 donc les erreurs sont hétéroscédastiques.

d) i ) Test d’autocorrélation des erreurs de Durbin Watson

DW=1,65 , k=2 et n= 31, Dinf=1,3, Dsup=1,57, 4-Dsup=2,43, 4-Dinf=2,7

Dsup≤DW≤4-Dsup (1,57≤ 𝐷𝑊 ≤2,43) il n’y a pas de corrélation des erreurs.

 e) Test de spécification (test Reset de Ramsey)

𝐻𝑜: 𝑚𝑜𝑑è𝑙𝑒 𝑏𝑖𝑒𝑛 𝑠𝑝é𝑐𝑖𝑓𝑖é 𝑃𝑟𝑜𝑏 > 0,05

{
𝐻1: 𝑚𝑜𝑑è𝑙𝑒 𝑚𝑎𝑙 𝑠𝑝é𝑐𝑖𝑓𝑖é 𝑃𝑟𝑜𝑏 < 0,05

Ramsey RESET Test:

F-statistic 2.123276 Probability 0.158594
Log likelihood ratio 2.384115 Probability 0.122574

Test Equation:
Dependent Variable: LINV
Method: Least Squares
Date: 03/22/13 Time: 20:26
Sample: 1980 2006
Included observations: 27
Variable Coefficient Std. Error t-Statistic Prob.
C -5.174034 1.466639 -3.527817 0.0018
LPIB 1.380139 0.250263 5.514758 0.0000
TXINT 0.088973 0.016198 5.492808 0.0000
FITTED^2 -0.030432 0.020884 -1.457147 0.1586
R-squared 0.997563 Mean dependent var 5.733468
Adjusted R-squared 0.997245 S.D. dependent var 0.668781
S.E. of regression 0.035101 Akaike info criterion -3.725194
Sum squared resid 0.028339 Schwarz criterion -3.533218
Log likelihood 54.29012 F-statistic 3138.416
Durbin-Watson stat 1.983140 Prob(F-statistic) 0.000000

Prob=0,158594>0,05 on accepte Ho donc le modèle est bien spécifié.

f) Test de Stabilité des coefficients du modèle.
i) Test de CHOW
𝐻𝑜: 𝑚𝑜𝑑è𝑙𝑒 𝑆𝑡𝑎𝑏𝑙𝑒 𝑃𝑟𝑜𝑏 > 0,05
{
𝐻1: 𝑚𝑜𝑑è𝑙𝑒 𝑖𝑛𝑠𝑡𝑎𝑏𝑙𝑒 𝑃𝑟𝑜𝑏 < 0,05
Chow Breakpoint Test: 1986
F-statistic 5.212694 Probability 0.007564
Log likelihood ratio 15.02728 Probability 0.001793

Prob=0,007564<0,05 on accepte H1 donc le modèle est instable

ii) Tests de CUSUM de Brown, Durbin et Evans

 Test de CUSUM
 15

10

-5

-10

-15
84 86 88 90 92 94 96 98 00 02 04 06

CUSUM 5% Significance

Le modèle est instable sur la période 1989-1995.

Stabilisation du modèle dans le cas où il est instable

On introduit dans le modèle une variable DUMMY ( DUM=1 sur la période 1989-
1995 et DUM=0 ailleurs)

Dependent Variable: LINV

Method: Least Squares
Date: 03/22/13 Time: 20:52
Sample(adjusted): 1980 2006
Included observations: 27 after adjusting endpoints
Variable Coefficient Std. Error t-Statistic Prob.
C -2.956119 0.092879 -31.82758 0.0000
LPIB 1.014644 0.011704 86.68883 0.0000
TXINT 0.061624 0.001961 31.42369 0.0000
DUM -0.055311 0.019502 -2.836125 0.0094
R-squared 0.998028 Mean dependent var 5.733468
Adjusted R-squared 0.997771 S.D. dependent var 0.668781
S.E. of regression 0.031577 Akaike info criterion -3.936792
Sum squared resid 0.022934 Schwarz criterion -3.744817
Log likelihood 57.14670 F-statistic 3879.794
Durbin-Watson stat 2.049219 Prob(F-statistic) 0.000000

15

10

-5

-10

-15
90 92 94 96 98 00 02 04 06

CUSUM 5% Significance
5.) La prévision d’investissement pour les années 2007 à 2010
8
Forecas t: LINVF
Ac tual: LINV
Forecas t sample: 1980 2010
7 Included observations: 27

Root Mean Squared Error0.029145

Mean Abs olute Error 0.024171
6
Mean Abs . Perc ent Error
0.438263
Theil Inequality Coeffic
0.002525
ient
Bias Proportion 0.000000
5 Variance Proportion 0.000494
Covarianc e Proportion
0.999506

4
80 85 90 95 00 05 10

LINVF ± 2 S.E.

La prévision de l’investissement(INVF) pour les années de 2007 à 2010.

Années LINVF INVF

2007 7,112579991 1227,309914
2008 7,383554649 1609,300109
2009 7,484064007 1779,45783
2010 7,674982313 2153,785592