Gagne de la cryptomonnaie GRATUITE en 5 clics et aide institut numérique à propager la connaissance universitaire >> CLIQUEZ ICI <<

IV.2.7- Tests de validation du modèle

Non classé

– Test de l’autocorrélation de Breusch-Godfrey (BG):

L’autocorrelation des résidus rend caduque les commentaires sur la validité des modèles ou des tests statistiques, il convient de tester l’autocorrelation des erreurs par le test de BG.

– Test d’hétéroscédasticité de WHITE :

Il permet de voir si les erreurs sont homoscédastiques ou non.

L’hétroscédasticité qualifie les données ou les séries qui n’ont pas une variance constante. Or les séries doivent être homoscdastique pour présenter les meilleurs résultats.

– Test de Student :

Il est utilisé lorsque l’échantillon est inférieur à 30

H0 : le paramètre n’est pas significativement différent de 0
H1 : le paramètre est significativement différent de 0

Le tcal valeur estimée du paramètre =(valeur estimée – valeur réelle)/écart type de la valeur estimée du paramètre.

Le calcul de cette valeur nous permet de la comparer à la valeur lue dans la table qui est : tcal=tα/2(n-k-1) pour une valeur de α choisie. Si tcal– Test de significativité de Fisher

Il s’effectue sur la base de la valeur du coefficient de détermination R2, on a : FCal = (n-k)R²/(k-1)(1-R²), cette valeur est comparée à celle lue dans la table de Fisher à (k-1,n-k-1)degré de liberté.
H0 : tous les paramètres du modèle sont nuls
H1 : au moins un paramètre est différent de zéro.

– Test de normalité de Jarque-Bera :

Il permet de savoir si les variables du modèle suivent une loi normale ou non. L’hypothèse de normalité précise la distribution statistique des estimateurs.

Page suivante : CHAPITRE V : RESULTATS ET INTERPRETATIONS

Retour au menu : ACTIVITE D’OCTROI DE CREDIT ET RENTABILITE DES BANQUES COMMERCIALES AU CAMEROUN