L'audit financier€: historique, définition, objectif

Chapitre V – Résultats de la recherche quantitative – Section 2
Figure 5-7
Représentation graphique des résidus (I / S)
3
Régression Résidu standardisé
2
1
0
-1
-2
-3
-2
-1
0
1
2
3
Régression Prévision standardisée
Sur l’ensemble de ces graphiques, il n’apparaît aucune configuration anormale. La
répartition du nuage de points laisse voir que la valeur des résidus n’est pas liée à la valeur
de la prédiction. Nous pouvons donc en conclure que nos résidus ne présentent pas
d’hétéroscédasticité.
Enfin, le dernier critère à vérifier lié aux caractéristiques des résidus consiste à
s’assurer de l’absence d’autocorrélation des erreurs. Les statistiques d de Durbin-Watson
relatives à nos analyses de régression sont présentées dans le tableau 5-28. Les valeurs sont
le plus souvent proches de 2 et indiquent qu’il n’y a pas d’autocorrélation des résidus dans
nos analyses. La valeur de NPROF est plus faible, mais reste au-dessus de la valeur
minimale admise qui est de 1,65.
Tableau 5-28
Diagnostic d’autocorrélation : statistique de Durbin-Watson
Variable RQA NPROF EQUIP I / P I / S
d de Durbin-
Watson
2,015 1,664 2,078 2,004 2,007
270