Mean squared error

Variable | Coefficient | Std. Error | t-Statistic | Prob. |   | | | | | C | -5.38841 | 0.577918 | -9.32383 | 0 | LM2HAITI | -6.03065 | 0.400878 | -15.0436 | 0 | LM2USA | 1.048804 | 0.195939 | 5.352708 | 0 | LPIBHAITI | 0.049831 | 0.027751 | 1.795657 | 0.0752 | LPIBUS | 1.167894 | 0.272182 | 4.290857 | 0 | LIPCH | 0.117932 | 0.009605 | 12.2776 | 0 |   | | | | | R-squared | 0.990886 | Mean dependent var | | 3.163503 | Adjusted R-squared | 0.990487 | S.D. dependent var

derivs=accurate mixed (linear) Initial Values: C(1)=-0.19329, C(2)=0.97953, C(3)=-0.19660, C(4)= -46.2822, C(5)=-44.0486 Convergence achieved after 7 iterations Covariance matrix computed using second derivatives AGE ENFANTS REV_MARI Coefficient Std. Error z-Statistic Prob. -0.055710 0.320552 -0.061818 0.005562 0.050025 0.004894 -10.01574 6.407794 -12.63189 0.0000 0.0000 0.0000 -14.75740 -12.66185 0.0000 0.0000 Limit Points LIMIT_1:C(4) LIMIT_2:C(5) Akaike info criterion Log likelihood Restr

Probabilités : Fonctions particulières : Calculs de variables Générer des distributions aléatoires Calculer des cumulés Les vecteurs (array) de variables Gestion des erreurs et arrêt conditionnel d’une étape DATA Afficher des messages d’erreur : Instruction ERROR Stopper une étape DATA : Instruction STOP Etape DATA sans création de table Axelle Chauvet-Peyrard 3 Année 2006-2007 LANGAGE SAS Présentation PARTIE II 31 31 31 33 33 34 35 35 36 37 37 37 37 38 38 38 38 40 40 41 42 42 42 42 43

adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. C -1.197900 0.469015 -2.554079 0.0194 RDPG(-2) 0.068139 0.026329 2.587937 0.0180 RDPG2(-2) -0.000940 0.000365 -2.573690 0.0186 INF 0.006534 0.001458 4.483143 0.0003 V88 0.066577 0.018926 3.517752 0.0023 R-squared 0.772504 Mean dependent var 0.054765 Adjusted R-squared 0.724610 S.D. dependent var 0.033417 S.E. of regression 0.017536 Akaike info criterion -5.066020 Sum squared resid 0.005843 Schwarz criterion -4

Std. Error t-Statistic Prob. C(1) 1.469612 0.711235 2.066282 0.0428 C(2) 0.205846 0.081667 2.520556 0.0142 C(3) 0.618191 0.055892 11.06054 0.0000 C(4) 0.844439 0.050094 16.85717 0.0000 C(5) 4.997295 0.832752 6.000941 0.0000 C(6) 0.890903 0.115765 7.695781 0.0000 C(7) 0.296158 0.059126 5.008964 0.0000 Determinant residual covariance 5.86E-07 Equation: y= C(1) + C(2)* k1 + C(3)*k2 + C(4)*l Observations: 36 R-squared 0.99879 Mean dependent var 12.74636 Adjusted R-squared 0.99867

corrélée avec d’autres régresseurs 39 4. impacts de l’omission d’une variable explicative significative MAIS NON corrélée avec d’autres régresseurs 42 5. Inclusions de variables Explicatives non significatives & corrélées aux AUTRES : overspecification error 44 VI. les problèmes de spécifications du modèle 45 1. Sélection des variables 45 2. Erreurs de mesure 45 3. Relation fonctionnelle 46 VII. Conclusion de la partie introductive 49 D. PARTIE 2 SERIE TEMPORELLE 51 I. Présentation des objectifs

adjustments Variable Coefficie nt Std. Error t-Statistic Prob. C 1.353524 0.113895 11.88396 0.0000 LINFLATION -0.075210 0.125476 -0.599396 0.5548 LINFLATION(-1) 0.192983 0.124247 1.553218 0.1340 LINFLATION(-2) 0.107782 0.141210 0.763276 0.4531 R-squared 0.138811 Mean dependent var 1.39996 3 Adjusted R- squared 0.026482 S.D. dependent var 0.58489 6 S.E. of regression 0.577099 Akaike info criterion 1.87434 9 Sum squared resid 7.660005 Schwarz criterion 2

| | | | | | | | | | | | |Coefficient |Std. Error |t-Statistic |Prob.   | | | | | | | | | | | |

126 after adjusting endpoints Variable Coefficient Std. Error t-Statistic Prob. RES(-1) - 0.205904 0.056679 - 3.632802 0.0004 D(RES(-1)) 0.412661 0.091786 4.495909 0.0000 D(RES(-2)) 0.094185 0.087864 1.071934 0.2859 D(RES(-3)) - 0.302470 0.087707 -3.448666 0.0008 D(RES(-4)) 0.159370 0.089954 1.771686 0.0790 C 0,001904 0.014673 0.129734 0.8970 R-squared 0.312378 Mean dependent var 0.838590 Adjusted R-squared 0.283727 S.D. dependent var 1.509737 S.E. of regression

que les résidus suivent une loi normale. 3) Test d'hétéroscédacticité des résidus : test de White Tableau 18 : Test d'hétéroscédacticité des résidus : test de White. White Heteroskedasticity Test:     F-statistic 1.039604 Probability 0.437108 Obs*R-squared 7.477394 Probability 0.380919 Les deux probabilités sont supérieures à 5% donc on accepte l'hypothèse d'homoscédasticité des erreurs. Les estimations obtenues par les moindres carrés ordinaires sont optimales. 4) Test de spécification Il existe