04.01.2015 Views

L'audit financier€: historique, définition, objectif

L'audit financier€: historique, définition, objectif

L'audit financier€: historique, définition, objectif

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Chapitre V – Résultats de la recherche quantitative – Section 2<br />

Par la suite, nous avons effectué nos tests de détection d’individus influents sur les<br />

traitements définitifs afin de vérifier qu’il n’y a plus d’anomalie. Les statistiques<br />

concernant le bras de levier et la distance de Cook sont fournies dans le tableau 5-26. Nous<br />

avons indiqué pour chaque analyse et chaque indice les valeurs maximales données par<br />

SPSS.<br />

Tableau 5-26<br />

Détection des individus influents<br />

RQA NPROF EQUIP I / P I / S<br />

Bras de levier 0,144 0,106 0,126 0,113 0,057<br />

Distance de Cook 0,064 0,082 0,120 0,070 0,066<br />

On voit que les résultats sont satisfaisants pour nos cinq analyses de régression.<br />

Aucun bras de levier n’est supérieur à 0,20 et aucune distance de Cook n’est supérieure à 1.<br />

Nous pouvons en conclure que nos résultats sont dûs aux caractéristiques de l’ensemble de<br />

la population étudiée et non à l’influence anormale de certaines observations.<br />

3.3 Analyse des résidus<br />

Les résidus de nos analyses de régression doivent vérifier trois critères relatifs à leur<br />

distribution, à l’absence d’hétéroscédasticité et à l’absence d’autocorrélation. La première<br />

condition à vérifier concerne la distribution des résidus. Les résidus doivent être répartis<br />

selon une loi normale de moyenne nulle. Afin de vérifier cette hypothèse, un test de<br />

Kolomogorov-Smirnov à une variable a été réalisé sur les résidus des régressions (tableau<br />

5-27). Ce test a pour <strong>objectif</strong> de vérifier l’hypothèse nulle que la variable étudiée à une<br />

répartition différente de la loi spécifiée, c’est-à-dire ici une loi normale de moyenne zéro.<br />

Les résultats montrent que l’hypothèse nulle est rejetée pour tous les résidus, qui sont donc<br />

distribués normalement avec une moyenne de zéro.<br />

Tableau 5-27<br />

Test de Kolmogorov-Smirnov : distribution des résidus<br />

Résidus Différences les plus grandes Signification<br />

en valeur<br />

absolue<br />

valeurs<br />

positives<br />

valeurs<br />

négatives<br />

Z<br />

du test<br />

RQA 0,046 0,044 - 0,046 0,597 0,868<br />

NPROF 0,032 0,031 - 0,032 0,411 0,996<br />

EQUIP 0,048 0,048 - 0,039 0,575 0,896<br />

I / P 0,074 0,074 - 0,042 0,958 0,317<br />

I / S 0,077 0,066 - 0,077 1,010 0,259<br />

267

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!