I.4. Cas d'une seule variable explicative, modèle
à correction d'erreur (MCE)
Le modèle à correction d'erreur se
présente, dans le cas simple de deux variables (y) et (x), comme
suit :
(1)
Ce type de modèles décrit un processus
d'ajustement vers un équilibre de long terme. Nous cherchons à
modéliser la variable endogène afin de la faire coïncider
avec une cible qui constitue l'objectif de long terme. Il combine alors une
relation de cointégration (cible de long terme) et une
spécification d'une dynamique de court terme comme rappel à la
cible. est la vitesse de convergence ou la force de rappel vers
l'équilibre de long terme.
Pour que cette écriture (1) soit possible et
interprétable, tous les termes de la régression doivent
être stationnaires (I(0)). Si c'est le cas, cela veut dire que le terme
entre crochets est une relation de cointégration.
Les MCE facilitent ainsi l'interprétation des
résultats en offrant donc la possibilité d'emboîter les
deux modèles, le modèle en taux de croissance représentant
une spécification de court terme et celui en niveau représentant
la dynamique de long terme.
I.5. Synthèse de la procédure de test de
cointégration et d'estimation du MCE
Ø Etape 1 :
Test de stationnarité sur les séries pour
déterminer s'il y a possibilité de cointégration ou
non.
Ø Etape 2 :
Si le test de stationnarité montre que les
séries sont intégrées d'un même ordre, il y a alors
risque de cointégration. On peut envisager l'estimation d'un
modèle MCE. Pour ce faire, on commence par déterminer le nombre
de retards p du modèle VAR(p) à l'aide des critères
d'information (Akaike et Schwarz).
Ø Etape 3 :
Mise en place du test de Johansen permettant de
connaître le nombre de relations de cointégration.
Ø Etape 4 :
Identification des relations de cointégration,
c'est-à-dire des relations de long terme entre les variables.
Ø Etape 5 : Estimation par la
méthode du maximum de vraisemblance du modèle MCE et validation
des tests usuels : significativité des coefficients.
II. Application du modèle à correction
d'erreur
Présentations
des différents déterminants du nombre de lignes
téléphoniques pour 100 habitants.
Dans cette partie, il nous est utile de présenter les
données qui vont nous servir à estimer notre modèle. Les
enquêtes réalisées sur les TIC ont pour la plupart
identifié certaines variables sociodémographiques et
économiques comme étant un frein à l'accès des TIC
par les populations des pays en voie de développement. Ainsi,
pouvons-nous émettre l'hypothèse selon laquelle, les variables
socio-économiques et démographiques influencent
l'évolution d'un certain nombre d'indicateurs des TIC en l'occurrence le
nombre de lignes téléphoniques pour 100 habitants.
Dans le souci de mieux opérationnaliser cette
hypothèse, nous avons choisi un certain nombre de variables pour
lesquelles nous essayons de montrer le lien existant entre ces variables et le
nombre de lignes téléphoniques pour 100 habitants.
Les données de ces variables sont annuelles et couvrent
la période 1980 à 2008. D'une manière
générale, l'évolution de données
présentées dans cette partie sera expliquée sous forme de
graphiques.
· Nombre de lignes téléphoniques
pour 100 habitants : NLT_100_Hab
Il s'agit de lignes téléphoniques reliant
l'appareil d'un client à un réseau téléphonique
public.
Figure 12 : Evolution nombre de lignes
téléphoniques pour 100 habitants
( NLT_100_Hab).
Source : ANRT-Rabat
· Taux d'inscription aux études
supérieures :Tx_insc_ET
Le taux brut d'inscription vise à déterminer le
% de la population totale ayant été inscrite au niveau
d'étude -ici le teritiaire- au moment où les personnes se sont
retrouvées dans le groupe d'âge correspondant au niveau
d'étude en question. Par niveau tertiaire, on inclut ici tous les types
d'enseignement de niveau post-secondaire. Source spécifique: UNESCO.
Figure 13 : Evolution du taux d'inscription aux
études supérieures (Tx_insc_ET).
Source : Ministère de l'Education
· Taille de la population urbaine :
Taille_Pop_Urb
Il s'agit du pourcentage de la population totale qui vit dans
un milieu défini comme urbain. Les définitions peuvent varier. Le
plus souvent, les organismes entendent par population urbaine: «toutes les
personnes domiciliées dans les villes et les villages d'au moins 1000
habitants, que ces villes et villages soient constitués ou non en
municipalités» (Atlas du Canada). Rappel historique: en 1800,
à peine 2% de la population mondiale vivait dans une zone urbaine. En
2000, c'est la moitié de la population mondiale qui se regroupe dans ces
zones.
Figure 14 : Evolution de la taille de la
population urbaine (Taille_Pop_Urb).
Source : Direction de la Statistique ;
RGPH
· PIB par habitant : PIB_Hab
Le Produit intérieur brut (PIB) est l'indicateur le
plus retenu pour évaluer la production de biens et services d'un pays
pendant une année. Il illustre l'importance de l'activité
économique d'un pays ou encore la grandeur de sa richesse
générée. Quand il est formulé en Dirhams constants,
comme c'est ici le cas, on peut procéder plus adéquatement
à des comparaisons à travers les années puisqu'on tient
alors compte de l'inflation ou de la déflation. Cette information tient
compte de l'importance de la population. Enfin, pour des comparaisons
internationales plus adéquates on doit examiner les données
formulées en PPA (parité pouvoir d'achat).
Figure 15 : Evolution du PIB par habitant
(PIB_Hab) .
Source : Direction de la Comptabilité
Nationale-Rabat
· Dépense dans l'éducation :
Dép_Educ
Il s'agit des dépenses consacrées à
l'éducation publique en plus des subventions aux écoles
privées de niveau primaire, secondaire et tertiaire, en pourcentage du
Produit intérieur brut.
Figure 16 : Evolution des dépenses dans
l'éducation (Dép_Educ).
Source : Direction de la Statistique
· Taux de chômage : Tx_Ch
Le taux de chômage exprime la part des chômeurs
dans la population active âgée de 15 ans et plus. Ce taux est
obtenu par le rapport de l'effectif des chômeurs à celui des
actifs âgés de 15 ans et plus.
Figure 17 : Evolution du taux de chômage
( Tx_Ch).
Source : Direction de la Statistique
Nous constatons après observation graphique que
l'évolution des variables n'est pas constante dans le temps ; on
peut donc émettre l'hypothèse selon laquelle ces variables sont
non-stationnaires.
Partant de l'analyse théorique nous allons tester
économétriquement les différentes variables
déterminantes de l'évolution du nombre de lignes
téléphoniques pour 100 habitants (NLT_100_Hab),
et leur pouvoir explicatif sur cette variable, à savoir :
Taux de chômage: Tx_Ch
Dépense dans l'éducation :
Dép_Educ
PIB par habitant : PIB_Hab
Taux d'inscription aux études
supérieures : Tx_insc_ET
Taille de la population urbaine :
Taille_Pop_Urb
| 
