Chapitre 9 ■ Éléments d’analyse des séries temporelles
Sous H0, les règles habituelles de l’inférence statistique ne peuvent pas être appliquées pour tester cette hypothèse, en particulier la distribution de Student du paramètre f1 ; Dickey et Fuller ont donc étudié la distribution asymptotique de l’estimateur f1 sous l’hypothèse H0. À l’aide de simulations de Monte-Carlo, ils ont tabulé les valeurs critiques pour des échantillons de tailles différentes. Ces tables sont des tables1 analogues aux tables du t de Student. Les auteurs ont choisi de tester la valeur (φˆ1 − 1) au lieu de φˆ1 pour des raisons purement statistiques. Cela n’est pas gênant pour le test. En effet, xt = f1xt−1 + et s’écrit aussi :
www.scholarvox.com:ENCG El Jadida:200362993:88852368:41.140.234.62:1592938892 xt − xt−1 = f1xt−1 − xt−1 + et ∆ xt = (f1 − 1)xt−1 + et Il est donc équivalent de tester comme hypothèse H0 : f1 = 1 ou f1 − 1 = 0. Les principes généraux du test sont les suivants. On estime par les moindres carrés ordinaires le paramètre f1 noté φˆ1 pour les modèles [1], [2] et [3]. L’estimation des coefficients et des écarts types du modèle par les moindres carrés ordinaires fournit tφˆ qui est analogue à la statistique de 1 Student (rapport du coefficient sur son écart type). Si tφˆ ≥ ttabulè, alors on accepte 1 l’hypothèse H0 ; il existe une racine unité, le processus n’est donc pas stationnaire.
Remarque Les principaux logiciels d’analyse de séries temporelles calculent automatiquement les valeurs critiques tφˆ . 1
2.2 Les tests de Dickey et Fuller Augmentés
Dans les modèles précédents, utilisés pour les tests de Dickey-Fuller simples, le processus et est, par hypothèse, un bruit blanc. Or il n’y a aucune raison pour que, a priori, l’erreur soit non corrélée ; on appelle tests de Dickey-Fuller Augmentés (ADF, 1981) la prise en compte de cette hypothèse. Les tests ADF sont fondés, sous l’hypothèse alternative |f1| < 1, sur l’estimation par les MCO des trois modèles : p Modèle [4] : ∆ xt = ρ xt −1 − ∑ φj ∆ xt − j +1 + ε t j=2 p Modèle [5] : ∆ xt = ρ xt −1 − ∑ φj ∆ xt − j +1 + c + ε t j=2 p Modèle [6] : ∆ xt = ρ xt −1 − ∑ φj ∆ xt − j +1 + c + bt + ε t j=2 avec et → i.i.d.
