PARAGRAPHE
2 : Méthode d'analyse
Pour apprécier les relations qui existent entre les
différentes variables de notre modèle, nous allons estimer le
modèle vectoriel à correction d'erreur - après avoir dans
un premier temps fait les tests de diagnostic sur les données
(stationnarité et cointégration) - par le logiciel E.Views.
Ensuite, nous allons vérifier la justesse des résultats du MVCE
par l'analyse des fonctions de réponses impulsionnelles et de la
décomposition de la variance. Pour finir, nous comptons utiliser le
modèle d'équilibre partiel de Goreux (2003a) pour évaluer
l'éventuelle perte des recettes d'exportation des producteurs de l'AOC
en 2001/2002.
A. Tests de diagnostic sur les
données
Notre analyse débute par l'étude de la
stationnarité des variables. Pour ce faire, on procède aux tests
de racine unitaire développés par Fuller (1976) et Dickey et
Fuller ( 1979, 1981). Cette analyse nous permet de déterminer l'ordre
d'intégration des différentes variables retenues. On dit qu'une
série est intégrée d'ordre (d) si sa différence
d ième est stationnaire ; c'est-à-dire
intégrée d'ordre 0. Après la détermination de
l'ordre d'intégration, si les variables en scène sont
intégrées d'ordre1 [I(1)], cela voudrait dire qu'il existerait un
risque de cointégration entre les variables. Cette présomption de
cointégration ne serait confirmée qu'après étude de
la stationnarité du résidu obtenu à l'issue de
l'estimation par les MCO de la relation de long terme ( LT )
suivante :
LPRCt = á0 + á1
LNSUBt + á2 LCONSt + á3
LPROt + á4 LPRPt + åt
Où åt est le terme
d'erreur.
Le test ADF permet de juger de la stationnarité du
résidu. A la suite de la confirmation de la stationnarité du
résidu, on peut conclure que les variables sont
cointégrées. Du fait qu'il s'agit d'un modèle
multivarié on pourrait ne pas avoir un seul vecteur de
cointégration. Ce qui fait appel à la représentation
vectorielle à correction d'erreur qui n'est rien d'autre que l'approche
cointégrée du VAR.
B. Estimation du
MVCE
Les grandes étapes relatives à l'estimation d'un
MVCE sont les suivantes :
Etape1 : détermination du
nombre de retards p du modèle. Plusieurs critères servent
à discriminer entre les retards (Akaike, Hannan- Quinn, Schwarz). Nous
retenons le critère de Schwarz qui donne un nombre de retard
inférieur à celui de Akaike. Ce choix se justifie par le fait que
dans le modèle VAR un nombre élevé de retards
réduit le nombre d'observations. Ceci est d'autant plus ressenti lorsque
les séries ne sont pas longues. Le nombre de retards obtenu est donc
celui qui minimise la fonction de Schwarz :
SC(h) = Ln( SCRh / n) + hLn n /n
SCRh = somme des carrés des
résidus pour le modèle à h retards
n = nombre d'observations
Ln = logarithme népérien
Etape 2 : test de Johansen
permettant de connaître le nombre de relations de cointégration.
Johansen a proposé deux statistiques pour déterminer le nombre de
vecteurs de cointégration : le test de la Trace et le test de la
valeur propre maximale. Nous retenons celui de la Trace qui est plus
usité par rapport à l'autre.
L'hypothèse nulle testée est : r = q,
c'est-à-dire qu'il existe au plus r vecteurs de cointégration. On
rejette l'hypothèse nulle de r relations de cointégration lorsque
la statistique de la Trace est superieure à sa valeur critique.
Plusieurs cas pourraient se présenter : r = 0 ; 0 < r <
K ; r =K avec K = nombre de variables du modèle.
Lorsque 0< r < K, cela signifie que les variables sont
cointégrées de rang r et qu'il existe donc r relations de
cointégration. Un modèle à correction d'erreur peut alors
être estimé.
Par ailleurs pour effectuer le test de la Trace, la
spécification à retenir dépend de :
- L'absence ou la présence de constante dans le
modèle à correction d'erreur,
- L'absence ou la présence de constante et de tendance
dans les relations de cointégration.
Etape 3 : Identification des
relations de cointégration, c'est à dire des relations de long
terme entre les variables. A cette étape, on choisit les relations de
long terme qui nous donnerons des écarts types relativement faibles et
les relations adéquates.
Etape 4 : estimation par la
méthode du Maximum de Vraisemblance du modèle vectoriel à
correction d'erreur et validation avec les tests usuels :
significativité des coefficients et vérification du signe et de
la significativité des termes à correction d'erreur. A cette
étape, la méthode du Maximum de Vraisemblance reprend
l'estimation de la relation de long terme estimée par les MCO et fournit
les équations de court terme.
Après l'estimation du MVCE, on s'intéresse
à l'analyse dynamique par les fonctions de réponses
impulsionnelles et à la décomposition de la variance de
manière à voir si ces deux outils d'analyse
supplémentaires confirment les résultats du MVCE.
Enfin, pour mesurer l'éventuelle perte de recettes
d'exportation des pays de l' AOC producteurs de coton en 2001/2002, on compte
procéder comme suit :
- utiliser l'élasticité prix des subventions
fournie par la relation de court terme (du MVCE) estimée par la
méthode du Maximum de Vraisemblance pour déterminer le nouveau
prix p' sans subvention.
-Ensuite, intégrer ce nouveau prix p' dans le
modèle d'équilibre partiel développé par L.Goreux
(voir annexe 2) pour apprécier l'augmentation des recettes d'exportation
à la suite de la suppression des subventions.
Chapitre II :
RESULTATS DE L'ETUDE ET ENJEUX
| 
