La variable explicative x2,t
n'est pas significative, son ratio de Student (0,8)
étant très inférieur à 2, en revanche, les variables x1,t
et x3,t
sont significatives. La variable x2,t
doit donc être éliminée de l'équation de régression, puis le modèle
réestimé.
La nouvelle estimation de ce modèle après
avoir retiré la variable x2,t
est la suivante :
n = 54 R² = 0,81 DW = 1,88
A la lecture des résultats, nous observons que
:
le R²
a légèrement diminué puisqu’un facteur explicatif a été retiré,
les valeurs des coefficients sont modifiées par
rapport à la première estimation,
les ratios de Student des variables explicatives
ont tous augmenté en particulier pour x3,t,
ce qui signifie que la corrélation entre x2,t
et x3,t
est importante (elles expliquent le même phénomène, c'est l'effet
de masque). Le fait d'avoir retiré la variable x2,t
améliore considérablement l'estimation du coefficient de x3,t,
le ratio de Student du terme constant est inférieur
à 2, le coefficient a0
n’est donc pas significativement différent de 0, cela n’a pas
d’importance,
le DW de
Durbin et Watson ne laisse pas présager d'une autocorrélation
des résidus (k = 2,
la lecture de la table de Durbin et Watson indique : d1 = 1,49
; d2 = 1,64),
ce qui est favorable quant à la spécification du modèle,
le coefficient de détermination R²
traduit un ajustement correct en regard du nombre d'observations
:
Puisque F*>3,15
(valeur de F lu sur une table
de Fisher à 2 et 51 degrés de liberté pour un seuil à 95 %), alors
on rejette l’hypothèse H0.
En conclusion, ce modèle s'avère maintenant satisfaisant.
