Colinéarité

(HOMOSCEDASTICITE). E (Ԑt2)= σt2, t=1,…., nH4 : les erreurs sont non corrélées (ou encore indépendantes). E (Ԑt, Ԑt’)=0,t≠ t’.H5 : l’erreur est indépendante des variables explicatives. COV (xi t, Ԑt)=0.· Hypothèses structurelles :H6 : absence de colinéarité entre les variables explicatives, cela implique que la matrice (X’ X) est régulière et que la matrice (X’X)-1 existe.H7 : (X’X)-1/n tend vers une matrice finie non régulière.H8 : le nombre d’observations est supérieur au nombre des séries explicatives

Fonds mutuels 1,000 -0,070 0,065 1,000 -0,007 1,000 (1) Notons que toutes les corrélations entre les variables explicatives sont sensiblement plus petites que 0,6 (seuil à partir duquel on commence à rencontrer des problèmes sérieux de multi colinéarité). Le test de Pearson ainsi que l'indice de conditionnement nous ont révélé que ces variables sont aussi distinctes les unes des autres et sont non significatives (seuils de corrélations supérieurs à 10 % et l'indice de conditionnement est inférieur

Commercial Bank - Cameroun | 2010 | | | | | H5 : X est certaine, c'est-à-dire que les valeurs xit sont observées sans erreur. Les hypothèses structurelles quant à elles s'énumèrent de H6 à H8H6 : Absence de colinéarité entre les variables explicatives ;H7 : soit X la matrice des variables explicatives. X'X/n tend vers une matrice finie non singulière ;H8 : n > k + 1, le nombre d'observations est supérieur au nombre de variables explicatives2.2.3 Les procédures

et dans ces conditions les propriétés de dispersion ont autant d'importance que les propriétés des valeurs moyennes. Les résultats de Basmann sont relatifs à un modèle correctement spécifié. Mais la plupart du temps il y aussi des problèmes de colinéarité, d'autocorrélation,... Que peut-on dire quand il y a l'un ou l'autre de ces problèmes ? Les résultats sont un peu différents et pas toujours faciles à interpréter. En présence de forte collinéarité, les estimateurs des MCO sont meilleurs que ceux

doivent pas être fortement corrélées entre elles).Selon les balises de Cohen(1988) : si t(la tolérance) se situe autour de 0,10 la corrélation est faible, autour de 0,30 elle est moyenne et autour de 0,50 elle est forte. Dans notre cas il n’ya pas de colinéarité. Ce qui est une bonne nouvelle. Nous allons maintenant évaluer la qualité du modèle de régression. Pour qu’un modèle soit de qualité, l’amélioration obtenue avec la variable indépendante doit être grande et les résiduels entre

étaient comprises entre – 0,11 et – 0,75, ce qui implique qu’il n’y aura pas de problème de multicolinéarité dans les analyses en cluster dans la mesure où seules les corrélations supérieures à 0,90 suggèrent que les variables présentent une forte colinéarité (Hair et al., 1998). Des analyses préliminaires ont également montré qu’une observation se trouvait à plus de trois écarts-types en dessous de la moyenne. Étant donné que l’analyse en cluster est sensible aux valeurs extrêmes, cette observation

marché la marque Lane et + 0,32 % Base d’une exten- entre juin (–320,– 60) + régres(familiarité) Jacobson (0,1) Predicasts 1989 et fin sion de sions + corrélations (1995) significatif • attitude envers Promt marques 1990 (AMEX, (test colinéarité) la marque NYSE) Annonce de décision Bhagat et judiciaire liée à des Umesh (1997) atteintes aux droits de marque 36 annonces – 1 %* (défendeur) / (–2,1) 43 (plaignant) • sens du verdict défendeur / entre 1975 et (décision –

cela provient de l'extrême difficulté de délimiter ces deux concepts qui sont fondamentalement liés. Et c'est ce qui explique la faible qualité de l'analyse de régression (les facteurs corrélés impliquent une erreur standard élevée). 49 Cette colinéarité provoque un manque de stabilité des coefficients de régression et leur valeur variera donc d'un échantillon à un autre. Ainsi, je pense qu'en regroupant la qualité de la relation avec l'échelle de la qualité de service, cela améliorerait l'erreur

les coefficients de corrélation associés aux variables VMCD, Bloc et SO ne sont pas significatifs. Par ailleurs, Le test de multicolinéarité via le calcul des facteurs d’inflation de la variance (VIF) nous permet de rejeter l’hypothèse de multi-colinéarité puisque toutes les valeurs du VIF associées aux variables explicatives sont inférieures à 10. 4.2.1. Le système de gouvernance d’entreprise et la décision de couverture Le tableau (5) présente les résultats de l’estimation des régressions Probit

monnaie fiduciaire + monnaie scripturale) c'est-àdire, l’ensemble des avoirs des agents économiques non financiers. Une première exploration descriptive des données relatives à ces variables a permis d’éviter la construction de modèles avec des colinéarités très fortes.15 Plusieurs modèles intégrants les variables les plus plausibles ont été retenus16. Après plusieurs tests d’usage, quatre seulement sont statistiquement satisfaisants. Deux expliquent l’efficience stock les deux autres l’efficience