Vous êtes sur la page 1sur 9

Projet Autriche

« Méthodes quantitatives pour la prise


des décisions dans les affaires »

Professeur coordonnateur : Prof. Petre Caraiani

Projet réalisé par :


Ivanov Martha
Manole Theodora

Faculté d’Administration des Affaires – filière francophone

- 2018 -
Contenu

Introduction ........................................................................................................................................ 3

Partie 1 ................................................................................................................................................ 3
Evolution du produit intérieur brut en fonction de la dépense de consommation finale des
ménages en Autriche ...................................................................................................................... 3

Partie 2 ................................................................................................................................................ 7
Evolution du produit intérieur brut aux prix de marché et l’inflation ............................................ 7
en Autriche ..................................................................................................................................... 7

2
Introduction

A travers ce projet nous nous proposons d’analyser l’évolution économique d’Autriche en


prenant en compte des indicateurs économique significatifs. Par conséquent, nous allons utiliser
Rstudio pour interpréter les données et mettre en évidence l’impact des événements sur le
développement économique d’Autriche.

Partie 1

Evolution du produit intérieur brut en fonction de la dépense de


consommation finale des ménages en Autriche

Définition du produit intérieur brut

Le PIB ou produit intérieur brut constitue un indicateur économique qui a la capacité de mesurer la
richesse d’un pays durant un an. Cet indicateur représente la valeur ajoutée totale des biens et des
services produits sur le territoire national et montre la croissance économique d’un pays.

Définition de la consommation finale des ménages

La consommation effective des ménages inclut les biens et les services acquis par les ménages
résidents pour la satisfaction de leurs besoins, que ces acquisitions aient fait, ou non, l’objet d’une
dépense de leur part.

Graphiques Rstudio

3
Pearson's product-moment correlation

Cor = 0.9913922

Vue la valeur obtenue nous pouvons affirmer qu’entre les deux indicateurs économiques, produit
intérieur brut aux prix de marché et la dépense de consommation finale des ménages, il y a une
forte liaison. En plus, cette liaison est une liaison directe tenant compte du fait que la valeur est
positive.

Pour conclure, il s’agit d’une forte relation directe entre le PIB et la consommation finale des
ménages comme nous pouvons le remarquer dans le troisième graphique fournit par le programme
Autrement dit la consommation augmente, alors le PIB augmente et à l’inverse, quand le PIB
augmente cela signifie que la consommation finale des ménages augmente aussi dans le cas de
cette pays, Autriche, chose montré à la fois par le premier graphique ci-dessus.

Tcritique = 1.987 (conformément au tableau statistique officiel, calculé en fonction de « df », qui est
égale à 89 dans notre cas, et de « l’intervalle de confiance » de 95%)

Tcalc = 71.436

Prenant en compte le fait que Tcritique = 1.987 est plus petit que Tcalc = 71.436

4
 Nous allons accepter l’hypothèse alternative ce qui veut dire que les coefficients sont
significatifs de point de vue statistique.
 True correlation is not equal to 0

Kendall's rank correlation tau

Tau = 0.9096459

Entre les deux indicateurs économiques, produit intérieur brut aux prix de marché et la dépense de
consommation finale des ménages il y a une concordance forte, une liaison linéaire, une réelle
correspondance.

Partant du fait que l’intervalle de confiance de 95%, Zcritique = 1.96, et l’intervalle de confiance de
99%, Zcritique = 2.58

Dans notre modèle statistique Zcalc = 12.77 et p-value < 2.2e - 16

 Zcalc = 12.77 > Zcritique


 Niveau de confiance de 99%
 Nous allons accepter l’hypothèse nulle, ce qui veut dire, comme indiqué dans le code
fournit par Rstudio que « true tau is equal to 0 » et donc que le modèle statistique est
correct.

Régression simple

R-squared = 0.98 – cela montre le fait qu’en proportion de 98% la variation de la dépense de
consommation finale des ménages est expliquée par le produit intérieur brut aux prix de marché.

La valeur du coefficient de régression qui est égale à 3.912 va renforcer et compléter le coefficient
de corrélation PEARSON et va mettre en évidence le fait que la dépendance entre ces deux
variables, produit intérieur brut aux prix de marché et la dépense de la consommation finale des
ménages est caractérisé par une liaison directe ayant en considération le fait que ce coefficient de
régression a une valeur positive.

(Intercept) 7.838e+03 3.565e+02 21.98 <2e-16 ***

GDP 3.912e-01 5.476e-03 71.44 <2e-16 ***

Signif. codes : 0 ‘***’ – les coefficients sont significatifs de point de vue statistique

5
Multiple R = 0.9899

Ce coefficient renforce de nouveau l’idée de liaison forte entre les deux variables.

F-statistique = 5103 et Fcritique = 3.95 (conformément au tableau statistique officiel)

 F-statistique = 5103 > Fcritique


 Nous allons rejeter l’hypothèse nulle ; cela signifie que le modèle est valide de point de vue
statistique pour un niveau de signifiance de 5%

Pearson's product-moment correlation

Cor = 0.2558609 – nous pouvons affirmer qu’entre « dy » et « dc » il y a une faible liaison directe.

Tcalc = 2.4828 et p-value = 0.01493

 Nous allons accepter l’hypothèse alternative et comme indiqué aussi en Rstudio « true
correlation is not equal to 0 »

Kendall's rank correlation tau

Tau = 0.203995 – entre « dy » et « dc » il existe une concordance faible, une liaison linéaire.

Pour un intervalle de confiance de 95% (Zcritique = 1.96) ou pour un intervalle de confiance de 99%
(Zcritique = 2.58) – Zcalc = 2.8475 > Zcritique et p-value = 0.004407 :

 Nous allons accepter l’hypothèse nulle – comme indiqué dans Rstudio « true tau is equal
to 0 »

Model2

R-squared = 0.06546

Cela indique le fait que la variation de « dc » est expliquée par « dy » seulement en


proportion de 6%. Le reste jusqu’à 100% sera justifié par d’autres facteurs qui ne sont pas
inclus dans le modèle.

6
Coefficients:
Estimate Std. Error t value Pr(&gt;|t|)
(Intercept) 0.0020642 0.0007949 2.597 0.0110 *
dy 0.2622877 0.1056405 2.483 0.0149 *

La valeur du coefficient de régression de 0.2622877 a comme rôle de compléter la corrélation


Pearson et de montrer que la liaison entre les deux variables est effectivement une liaison directe
vue qu’il s’agit d’une valeur positive/plus grande que 0.

Signif. codes : 0.01 ‘*’ - les coefficients sont significatifs de point de vue statistique

Fstatistique = 6.164 > Fcritique = 3.95 et p-value = 0.01493 < 0.05

 Nous allons rejeter l’hypothèse nulle ce qui veut dire que le modèle est valide pour un
niveau de signifiance de 5%.

Partie 2

Evolution du produit intérieur brut aux prix de marché et l’inflation


en Autriche

Définition de l’inflation :

Le terme inflation désigne une augmentation durable, générale et auto-entretenu des prix des
biens et des services. L’Inflation est aussi caractérisée par l’accroissement de la circulation de la
monnaie ou de la masse monétaire.

7
Graphiques Rstudio

Pearson's product-moment correlation

Tcritique = 1.98 > | tcalc | = 0.7

 Nous allons rejeter l’hypothèse alternative et nous allons accepter l’hypothèse


nulle
 Comme indiqué par le programme Rstudio « true correlation is equal to 0 »

8
Cor = - 0.07

Conformément à cette valeur, nous pouvons conclure qu’entre « dc » et « pie » il y a une faible
liaison. Plus que cela, cette liaison faible est à la fois inverse vue la valeur négative de cette
coefficient.

Regression 3

Estimate Std. Error t value Pr(>|t|)


(Intercept) 0.002359 0.001086 2.172 0.0326 *
dy 0.256422 0.107154 2.393 0.0189 *
pie -0.067934 0.169608 -0.401 0.6897

 Entre « dy » et « Intercept » il y a une liaison directe parce que Estimate = 0.25 – valeur
positive
 Entre « pie » et « Intercept » il y a une liaison inverse parce que Estimate = -0.06 – valeur
négative

Signif. codes : 0.01 ‘*’ - les coefficients sont significatifs de point de vue statistique

Multiple R-squared = 0.06718

Cela nous montre le fait que seulement en proportion de 6% les variations sont basées sur le « dy »
et « pie » ; le reste des variations jusqu’à 100% sont influencées par d’autres facteurs qui ne sont
pas inclus dans notre modèle.

F-statistique = 3.133 et p-value = 0.04854

 Fcritique = 3.10 < F-statistique


 Nous allons rejeter l’hypothèse nulle et nous allons affirmer que le modèle est
valide/correct
 De plus, p-value < 0.05, donc pour un niveau de signifiance de 5% le modèle est
valide/correct