Académique Documents
Professionnel Documents
Culture Documents
Analyse descriptive
Tableau
Graphique
Test de stationnarité
Matrice de corrélation
1. Déclarer le Panel
2. Analyse descriptive
La majorité des obsérvations ont un grade de 12
Cette variable n’a pas de moyenne, elle a un mode
Le Panel n’est pas cylindré test de stationnarité : Fisher uniquement
PS : On ne peut pas effectuer les tests sur cette base de données car il y a des gaps
Regression Logistique
Test hausman :
Dans le modèle PA il a supposé que chaque observation est sur la même période reste
uniforme (l’effet temps n’a pas d’impact) pour mesurer l’impact de la variable on utilise
PA
PA : supprime l’effet temps.
On n’utilise le PA que dans le probit et logit, car la population est homogène.
Panel statique FE RE PA
dX/dY dX/dY
global Compact
Age 0.0015764 0.0015627
Grade 0.0114189 0.0116636
Not-smsa -0.0122089 -
South -0.1130381 -0.114802
Black 0.1297076 0,1316514
Margins=0.2107
P(succès)=0.2107
Les effets marginaux nous permettent de mesurer la contribution de chaque variable dans la
réalisation de l’événement union=1
Pour le cas du modèle global, les variables âge grade et black contribuent positivement à
l’augmentation de la probabilité que l’union se réalise. Contrairement à la variable South et
Not-smsa, où ces deux dernières agissent négativement sur la probabilité que l’événement 1
se réalise.
Lorsqu’on passe au modèle compact, on constate que les variables ont le même poids et le
même signe que celui obtenu dans le modèle global. A l’exception de la variable black où son
impact (sa contribution est plus importante).
Modèle PA
La différence principale se manifeste au niveau du grade, l’union est expliqué par un effet du
grade entre les observations et non pas le temps.
A partir de notre exemple on peut déduire que l’union est expliquée par les variables âge,
grade, south et black avec un impact de 1.359 et un rendement marginale de 12.97.
Les modèles logit et probit ne peuvent pas être des modèle à caractère dynamique