DEVOIR D’ECONOMETRIE

1.QU’EST-CE QUE LE LOGICIEL EVIEWS

EViews est un logiciel statistique et économétrique largement utilisé pour l'analyse de données
économiques, la modélisation économétrique et la prévision.

2.Création du workfile

3.Description du mode

Nous avons un modèle économétrique à estimer dont nous avons les variables
IDE ,DNB ,MM,IMPORT,EXPORT qui sont des variables explicatives et la variable endogène est PIB

4.Loguer les variables

Cela rend les relations non linéaires plus linéaires et faciliter l'analyse statistique.

5.Réprésentation simultanée des graphes

6.Evolution du Pib en fonction de DNB

Nous voyons clairement que le pib évolue en fonction de DNB alors il y a un lien entre PIB et DNB

7.Minimum et Maximum

Date: 11/28/23
Time: 20:46
Sample: 1980 2022

LIMPORT LMM LIDE

Mean 22.47401 3.196068 16.87245

Median 22.31026 3.279221 16.92638
Maximum 23.68075 3.660791 20.33175
Minimum 21.50031 2.573308 12.87638
Std. Dev. 0.686875 0.293862 1.583955
Skewness 0.131271 -0.815389 -0.174081
Kurtosis 1.461086 2.682370 3.183368

Jarque-Bera 3.858878 4.370521 0.245164

Probability 0.145230 0.112448 0.884633

Sum 854.0123 121.4506 641.1531

Sum Sq. Dev. 17.45648 3.195122 92.82976

Observations 38 38 38

Distribuions au seuil de 10%

Au seuil de 10% toutes les proba de Jarque-Bera sont supérieur à 0.1 alors les variables listées suivent
la loi normal
8.Matrice de coefficients de corrélation

LEXPORT vs. LPIB

Il y a une corrélation négative de -0.66 entre LEXPORT et LPIB. Cela suggère qu'il existe une relation
inverse entre les exportations (LEXPORT) et le produit intérieur brut (LPIB). En d'autres termes, lorsque
les exportations augmentent, le PIB a tendance à diminuer, et vice versa. La corrélation modérée
indique une relation linéaire relativement forte.

LPIB vs. LDNB

Il y a une corrélation positive élevée de 0.87 entre le PIB et la dette nationale. Cela indique qu'il y a
une forte relation positive entre le produit intérieur brut (LPIB) et la dette nationale (LDNB). En d'autres
termes, lorsque le PIB augmente, la dette nationale a tendance à augmenter, et vice versa.

9.Estimation du modèle

Voir le workfile

10.Générons les résidus

Voir le workfile

11.Test de normalité et commentaire

5
Series: RESID01
Sample 1980 2022
4 Observations 38

Mean 3.55e-15
3
Median -0.164622
Maximum 1.907609
2
Minimum -2.331115
Std. Dev. 1.069798
Skewness 0.234968
1 Kurtosis 2.504552

Jarque-Bera 0.738321
0 Probability 0.691314
-2.5 -2.0 -1.5 -1.0 -0.5 0.0 0.5 1.0 1.5 2.0

Nous avons une proba de 0.691314 qui est supérieur à 5% alors les résidus suivent la loi normale.
11.Test d’hétéroscédasticité

Heteroskedasticity Test: White

F-statistic 10.69443 Prob. F(20,17) 0.0000

Obs*R-squared 35.20211 Prob. Chi-Square(20) 0.0191
Scaled explained SS 18.77926 Prob. Chi-Square(20) 0.5362

Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 11/28/23 Time: 22:47
Sample: 1980 2022
Included observations: 38

Variable Coefficient Std. Error t-Statistic Prob.

C -659.4023 1093.146 -0.603215 0.5543

LMM^2 -3.621950 3.283532 -1.103065 0.2854
LMM*LIMPORT 6.346564 6.345595 1.000153 0.3313
LMM*LIDE -1.158166 0.470397 -2.462101 0.0248
LMM*LEXPORT -11.63261 12.47793 -0.932255 0.3643
LMM*LDNB -1.421313 5.693948 -0.249618 0.8059
LMM -16.44924 94.58858 -0.173903 0.8640
LIMPORT^2 -4.286781 4.361156 -0.982946 0.3394
LIMPORT*LIDE -0.231199 0.952088 -0.242833 0.8110
LIMPORT*LEXPORT -10.52336 12.24736 -0.859236 0.4022
LIMPORT*LDNB 2.969382 6.206336 0.478444 0.6384
LIMPORT 123.0412 86.16194 1.428022 0.1714
LIDE^2 0.148160 0.054571 2.714998 0.0147
LIDE*LEXPORT 2.045460 1.257801 1.626219 0.1223
LIDE*LDNB 0.478078 0.633769 0.754341 0.4610
LIDE -17.46739 9.370391 -1.864104 0.0797
LEXPORT^2 6.620016 9.751582 0.678866 0.5064
LEXPORT*LDNB 8.857344 9.714310 0.911783 0.3746
LEXPORT -70.07859 170.0479 -0.412111 0.6854
LDNB^2 -1.226592 2.208712 -0.555343 0.5859
LDNB -27.81046 79.76776 -0.348643 0.7316

R-squared 0.926371 Mean dependent var 1.114349

Adjusted R-squared 0.839750 S.D. dependent var 1.385211
S.E. of regression 0.554518 Akaike info criterion 1.959455
Sum squared resid 5.227330 Schwarz criterion 2.864437
Log likelihood -16.22964 Hannan-Quinn criter. 2.281440
F-statistic 10.69443 Durbin-Watson stat 2.277046
Prob(F-statistic) 0.000004

Interprétation du test

Hypothèses :

H0 : L'hétéroscédasticité n'est pas présente dans le modèle (les erreurs sont homoscédastiques).
H1: L'hétéroscédasticité est présente dans le modèle (les erreurs sont hétéroscédastiques).
On remarque la proba de Chi 2 est de 0.0191<5% alors nous acceptons H1 les erreurs sont
hétéroscédastique .

13.TEST D’ERREUR DE SPECIFICATION

Hypothèses :

H0 : L'hétéroscédasticité n'est pas présente dans le modèle (les erreurs sont

homoscédastiques).
H1 (hypothèse alternative) : L'hétéroscédasticité est présente dans le modèle (les
erreurs sont hétéroscédastiques).

14.TEST DE SPECIFICATION

Ramsey RESET Test

Equation: UNTITLED
Specification: LPIB LMM LIMPORT LIDE LEXPORT LDNB C
Omitted Variables: Squares of fitted values

Value df Probability
t-statistic 8.347583 31 0.0000
F-statistic 69.68214 (1, 31) 0.0000
Likelihood ratio 44.76329 1 0.0000

F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 29.30718 1 29.30718
Restricted SSR 42.34528 32 1.323290
Unrestricted SSR 13.03810 31 0.420584

LR test summary:
Value
Restricted LogL -55.97681
Unrestricted LogL -33.59516

Unrestricted Test Equation:

Dependent Variable: LPIB
Method: Least Squares
Date: 11/28/23 Time: 23:20
Sample: 1980 2022
Included observations: 38

Variable Coefficient Std. Error t-Statistic Prob.

LMM -0.466866 0.404331 -1.154663 0.2571

LIMPORT 8.017579 1.036846 7.732659 0.0000
LIDE -6.343442 0.696151 -9.112167 0.0000
LEXPORT -15.07002 1.846030 -8.163478 0.0000
LDNB 21.39495 2.368200 9.034264 0.0000
C -490.9520 55.44868 -8.854170 0.0000
 FITTED^2 -0.186159 0.022301 -8.347583 0.0000

R-squared 0.953776 Mean dependent var 27.21386

Adjusted R-squared 0.944830 S.D. dependent var 2.761045
S.E. of regression 0.648524 Akaike info criterion 2.136588
Sum squared resid 13.03810 Schwarz criterion 2.438248
Log likelihood -33.59516 Hannan-Quinn criter. 2.243916
F-statistic 106.6084 Durbin-Watson stat 2.032047
Prob(F-statistic) 0.000000

Ramsey RESET Test

Equation: UNTITLED
Specification: LPIB LMM LIMPORT LIDE LEXPORT LDNB C
Omitted Variables: Squares of fitted values

Value df Probability
t-statistic 8.347583 31 0.0000
F-statistic 69.68214 (1, 31) 0.0000
Likelihood ratio 44.76329 1 0.0000

F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 29.30718 1 29.30718
Restricted SSR 42.34528 32 1.323290
Unrestricted SSR 13.03810 31 0.420584

LR test summary:
Value
Restricted LogL -55.97681
Unrestricted LogL -33.59516

Unrestricted Test Equation:

Dependent Variable: LPIB
Method: Least Squares
Date: 11/28/23 Time: 23:20
Sample: 1980 2022
Included observations: 38

Variable Coefficient Std. Error t-Statistic Prob.

LMM -0.466866 0.404331 -1.154663 0.2571

LIMPORT 8.017579 1.036846 7.732659 0.0000
LIDE -6.343442 0.696151 -9.112167 0.0000
LEXPORT -15.07002 1.846030 -8.163478 0.0000
LDNB 21.39495 2.368200 9.034264 0.0000
C -490.9520 55.44868 -8.854170 0.0000
FITTED^2 -0.186159 0.022301 -8.347583 0.0000

R-squared 0.953776 Mean dependent var 27.21386

Adjusted R-squared 0.944830 S.D. dependent var 2.761045
S.E. of regression 0.648524 Akaike info criterion 2.136588
Sum squared resid 13.03810 Schwarz criterion 2.438248
Log likelihood -33.59516 Hannan-Quinn criter. 2.243916
F-statistic 106.6084 Durbin-Watson stat 2.032047
Prob(F-statistic) 0.000000

H0 : Le modèle de régression est correctement spécifié, c'est-à-dire qu'il ne présente pas d'omission
de variables importantes ou de formes fonctionnelles incorrectes.
H1 : Le modèle de régression présente une erreur de spécification, c'est-à-dire qu'il y a une omission
de variables importantes ou une forme fonctionnelle incorrecte

Nous avons

Probabilité du F-statistic (0.0000) : La probabilité est très faible, indiquant un rejet significatif de
l'hypothèse nulle d'absence de non-linéarité.nous acceptons H1

15.TEST DE STABILITE
20

15

10

-5

-10

-15

-20
90 95 00 05 10 15 20

CUSUM 5% Significance

La trajectoire du test des résidus récursifs reste dans les limites de confiance établies, on accepte
H0. Cela indique qu'il n'y a pas suffisamment de preuves pour conclure à un changement structurel
significatif dans les résidus du modèle.