Kurtosis

43 3,11 2,52 3,35 3,13 2,26 2,19 3,19 93 ,771 1,139 ,713 ,826 ,878 ,669 ,842 ,923 ,706 ,770 ,770 Skewness Statistic Std. Error ,050 ,250 -,986 ,250 ,651 ,250 -,008 ,250 -,213 ,250 ,051 ,250 -,644 ,250 -,601 ,250 -,034 ,250 -,057 ,250 -,203 ,250 Kurtosis Statistic Std. Error -,430 ,495 ,123 ,495 -,076 ,495 -,514 ,495 ,192 ,495 -,173 ,495 ,571 ,495 ,316 ,495 -,368 ,495 -,741 ,495 -,191 ,495 A.3 Tests of Normality Confiance Economique Luxe Valorisant Jeune Sécurité Simplicité Raison Garantie Innovateur

Joint Skewness 0.293152 -0.426442 0.393972 0.520673 0.264766 0.249826 Chi-sq 0.515628 1.091118 0.931283 1.626604 0.420607 0.374479 4.959718 df 1 1 1 1 1 1 6 Prob. 0.4727 0.2962 0.3345 0.2022 0.5166 0.5406 0.5490 Component 1 2 3 4 Kurtosis 2.668906 1.934292 1.792765 2.098909 Chi-sq 0.164435 1.703601 2.186125 1.217947 df 1 1 1 1 Prob. 0.6851 0.1918 0.1393 0.2698 MEMOIRE PROFESSIONNEL GPE 9 DEMBELE ALASSANE MAKAN XXVII IMPACT DES INVESTISSEMENTS DIRECTS ETRANGERS

Analyse factorielle confirmatoire (AFC). Les AFC ont été réalisées à l’aide du logiciel LISREL 8,30 (Jööreskog & Söörbom, 1993) et, présumant d’une non-normalité de la distribution des variables (Skewness multivarié = 96,13 (109,01), p < 0,0001; Kurtosis multivarié = 91,16 (110,91); p < 0,0001), à partir d’une matrice de covariance asymptotique en utilisant la méthode des moindres carrés pondérés Weight Least Square (WLS). Afin d’évaluer la validité des modèles proposés, plusieurs indices d’ajustement

Il est utile de vérifier la normalité des erreurs surtout pour le calcul des intervalles de confiance et aussi pour effectuer le test de Student sur les paramètres. Le test de Jarque Bera (1984) fondé sur la notion de Skewness (asymétrie) et de Kurtosis (aplatissement), permet de vérifier la normalité d’une distribution statistique. L’alternative d’hypothèses qui se présente à l’issue du test est la suivante : H0 : X suit une loi normale N (m, 2) H1 : X ne suit pas une loi normale

9148% Médiane 0.2864% Écart-Type 9.3088% Assymétrie (Skewness) 0.9635 Applatissement (Kurtosis) 6.4826 Ratio de Sharpe 0.0983 Omega 1.3249 Croissance du capital 2.7853 Paramètres des facteurs Fama-French: Alpha -0.0824 Beta (Marché) 1.1273 Grandeur (SMB) -0.2173 Évaluation (HML) -0.5021 BAD (PF 1 à PF 4) Moyenne 1.2097% Médiane 1.3142% Écart-Type 6.3077% Assymétrie (Skewness) -0.0016 Applatissement (Kurtosis) 5.2367 Ratio de Sharpe 0.1918 Omega 1.6916 Croissance du capital 7.8031 Paramètres des

: Y = Xa + ε. Les hypothèses du test sont les suivantes : ⎧⎪ H0 : εt ~>N(0, σ2ε ) ⎨ ⎪⎩ H1 : les erreurs ne suivent pas une loi normale. Une loi normale a un coefficient de symétrie (ou skewness) égal à 0 et un coefficient d’aplatissement (kurtosis) égal à 3. Le coefficient de symétrie est donné par : α3 = µ3 σ3ε où µ3 est un moment d’ordre 3 et σε est l’écart-type de l’erreur. Le coefficient d’aplatissement est donné par : α4 = µ4 σ4ε où µ4 est un moment d’ordre 4. Tester

nécessaires : 3.3La condition de la normalité. 0 1 2 3 4 5 6 -1.5 -1.0 -0.5 0.0 0.5 1.0 Series: Residuals Sample 1989 2019 Observations 27 Mean 3.60e-17 Median -0.093144 Maximum 0.754931 Minimum -1.364858 Std. Dev. 0.542785 Skewness -0.603995 Kurtosis 2.963623 Jarque-Bera 1.643133 Probability 0.439742 Le test de Jarque-Bera montre que le résidu est distribué normalement puisque la probabilité associée au test est supérieure à 5%. 3.4L’homoscédasticité : Heteroskedasticity Test: Breusch-Pagan-Godfrey

7492 19 668 82 133 1700 -219 712032 3 ANNEXE 3 : RÉSULTATS DÉTAILLÉS DES TESTS ISEME/AUTRES INDICES DE DÉVELOPPEMENT: DE CROISEMENT a. Test de normalité DBUSINES S GCI GOUVERN ANCE IDH ISEME Mean Median Maximum Minimum Std. Dev. Skewness Kurtosis 0.487154 0.483767 0.716583 0.285333 0.115447 0.199801 2.248166 3.942963 4.010000 5.130000 2.940000 0.497608 -0.004013 2.962707 -0.113851 -0.181054 1.230511 -1.368893 0.699994 0.319483 2.198114 0.664852 0.724000 0.912000 0.342000 0.155464 -0.485701

ordre k à l’ origine d’ une variable aléatoire est dé…ni par k moment centré d’ ordre k est dé…ni par mk = E(X 1) : Le coe¢ cient d’ asymétrie (en anglais skewness) est dé…ni par = m3 m2 3=2 k = E(X k ):Le Le coe¢ cient d’ aplatissement (ou kurtosis du grec "kurtos", arrondi) normalisé est dé…ni par = m4 m2 2 3 La "normalisation" du coe¢ cient d’ aplatissement est liée à la proposition Proposition 1.4 Pour une variable aléatoire normale, = 0; =0 La nullité du coe¢ cient d’ asymétrie exprime

distributions étalées à gauche. Si A est proche de 0; la distribution est approximativement symétrique. Si la distribution est symétrique par rapport à sa moyenne (loi normale), ce coef cient est nul. h i 4 E (X X) 4 ii. Le coef cient d'aplatissement (kurtosis), K = = 4 4 X X Ce coef cient est une mesure du caractère plus ou moins "pointu" de la densité. On démontre que pour une loi normale quelconque, K = 3: Par référence à la loi normale, si K > 3; on parle de distribution leptocurtique (plus pointue