2.2.1. Test d’indépendance des variables explicatives

Une des hypothèses de base afférente au choix de notre méthode d’estimation est l’indépendance des variables explicatives. La violation de cette hypothèse engendrerait un problème de multicolinéarité qui pourrait causer des estimations biaisées des coefficients du modèle et risquerait de gonfler les valeurs de leurs variances respectives.

Le tableau 3 présente la matrice des coefficients de corrélations entre les différentes variables explicatives de notre modèle.

Nous remarquons que tous les coefficients de corrélation sont nettement inférieurs à 0,5. Toutefois, la corrélation élevée entre les deux variables Tcomp et Fcomp, qui est égale à 0,466, pourrait éveiller les soupçons de la présence d’un problème de multicolinéarité, ce qui nous a poussé à recourir à des tests plus robuste de multicolinéarité.

Afin de nous assurer de l’absence de ce problème nous avons recouru au test de Farrar et Glauber (Farrar et Glauber, 1967) qui teste l’hypothèse nulle de l’orthogonalité des vecteurs des variables explicatives contre l’hypothèse alternative de la dépendance de ces variables*.

*Note :