|
INTRODUCTION GÉNÉRALE
L'activité économique d'un pays se
déploie suivant un certain nombre de phases (production,
commercialisation, consommation,...) formant un mouvement continu et
répété donc dynamique. Sur le long terme, on peut
observer qu'aux phases de croissance succèdent les phases de
dépression et vice-versa. Ceci rend de plus en plus délicate la
description à court terme de l'économie. La réalisation
d'études prévisionnelles et par conséquent la mise en
place d'un diagnostic conjoncturel exhaustif devient alors complexe.
Mais de plus en plus, la tendance s'améliore car comme
les pays développés, les pays en voie de développement
dont le Bénin mettent désormais en place quelques indicateurs de
croissance de l'activité économique réelle tels que le
taux de croissance du Produit Intérieur Brut (PIB) et l'indice de la
production industrielle pour ne citer que ceux-là, et dont
l'évolution peut sous-tendre celle de la conjoncture globale ou d'un
secteur d'activité.
C'est dans ce cadre de suivi de la conjoncture dans le secteur
industriel béninois que le Service de l'Information et de l'Analyse
Industrielle (SIAI) de la Direction Générale de l'Industrie
béninoise mène depuis 1999 une enquête semestrielle de
conjoncture industrielle auprès des chefs d'unités de production.
Cette enquête se base sur les variables telles que la
tendance de la production passée, les perspectives de la production
future, la tendance passée et les perspectives futures des chiffres
d'affaires, la tendance passée et les perspectives futures de l'emploi,
la masse salariale, les matières premières utilisées, etc.
afin de suivre la conjoncture dans le secteur industriel.
Cependant, du fait de la pluralité des variables
suivies par cette enquête, il est difficile de dégager une
tendance globale de l'évolution de la conjoncture à partir des
données obtenues car percevoir l'évolution d'un
phénomène devient complexe et délicat, lorsque ce dernier
est décrit, non pas par une variable unique, mais par plusieurs
variables pouvant se comporter de manières différentes, dans les
horizons spatial et temporel. Il est vrai que les changements qui surviennent
à court terme dans l'économie peuvent être perçus
à travers l'évolution d'un nombre élevé
d'indicateurs ou d'agrégats économiques. Mais l'analyse de
l'information commune conjoncturelle délivrée par ce groupe
d'indicateurs est souvent difficile. Ainsi, pour faciliter
l'appréciation d'ensemble de l'activité industrielle à
l'aide des résultats de l'enquête de conjoncture du SIAI, il
serait nécessaire de disposer d'un indicateur synthétique,
résumant l'information contenue dans les différentes
variables.
Compte tenu de l'importance qu'il peut avoir en matière
de prise de décision dans le secteur industriel, un indicateur
synthétique conjoncturel nécessiterait d'être construit
à l'aide d'informations statistiques disponibles dans de brefs
délais par rapport aux agrégats économiques usuels. Les
enquêtes de conjoncture sont de nature à fournir de telles
informations. La confection d'un indicateur synthétique serait dans ce
cas une des techniques pouvant servir à l'interprétation des
données issues de ces enquêtes.
Cet indicateur devrait permettre, en outre, d'apprécier
périodiquement la tendance (amélioration, stabilité ou
détérioration) de la situation de l'activité industrielle.
Il peut constituer une sorte de résumé de l'information contenue
dans les différentes réponses d'enquête de conjoncture
industrielle et permettre ainsi aux décideurs et opérateurs
économiques d'avoir une vision résumée et chiffrée
de la conjoncture industrielle ; ce qui pourra les aider à faire
des anticipations et à prendre de bonnes décisions en ce qui
concerne le secteur. C'est ce qui justifie le choix de notre thème
intitulé comme suit : « Construction d'un
indicateur synthétique de conjoncture
industrielle ».
Pour atteindre cet objectif, le présent mémoire
s'articule autour de deux points. Dans la première partie, nous
présenterons le cadre d'étude et les principales méthodes
couramment utilisées pour la construction d'indicateurs
synthétiques de conjoncture. La comparaison des méthodes ainsi
répertoriées permet de choisir celle qui apparaît la plus
appropriée dans le contexte de l'enquête de conjoncture
industrielle du SIAI puis l'application de la méthode retenue aux
données de cette enquête et l'analyse des résultats obtenus
font l'objet de la deuxième partie.
Chapitre 1 : CADRE INSTITUTIONNEL DE
L'ÉTUDE
Notre stage s'est déroulé à la Direction
Générale de l'Industrie (DGI) du Ministère de l'Industrie
et du Commerce (MIC) précisément au Service de l'Information et
de l'Analyse Industrielle (SIAI) de la Direction des Etudes et des
Stratégies Industrielles (DESI). Les attributions, l'organisation et le
fonctionnement de cette direction sont contenus dans l'arrêté
N°0021/MIC/DC/SG/DGI/SA du 26 mars 2007.
Section 1. Présentation de la Structure
d'accueil
Paragraphe1. Attributions
et organisation de la DGI
A. les attributions de la
DGI
La Direction Générale de l'Industrie a pour
mission de proposer la politique de développement industriel en rapport
avec les objectifs du Gouvernement et d'initier toute action visant à en
assurer la mise en oeuvre.
A ce titre, elle est chargée :
de promouvoir l'ensemble de l'activité industrielle
à travers la conception et la mise en oeuvre des instruments
appropriés ;
de veiller à l'amélioration continue de
l'environnement institutionnel et réglementaire des entreprises
industrielles ;
de renforcer les bases matérielles du
développement industriel ;
de contribuer à l'élaboration et à
l'application des textes régionaux ou internationaux en matière
d'industrie ;
d'assurer de concert avec les autres structures publiques ou
privées concernées la fonctionnalité de la zone franche
industrielle.
B. L'organisation de la
DGI
La Direction Générale de l'Industrie (DGI)
comprend :
un Secrétariat ;
un Service Administratif, Financier et du
Matériel ;
une Direction des Etudes et des Stratégies
Industrielles (DESI) ;
une Direction de la Promotion Industrielle (DPI).
Paragraphe2. Attributions
et organisation de la DESI
A. Attributions de la
DESI
La Direction des Etudes et des Stratégies Industrielles
(DESI) a pour mission de réaliser ou de faire réaliser des
études en vue d'élaborer et de mettre en oeuvre des
stratégies de développement du secteur industriel.
A ce titre, elle est chargée de :
de suivre l'évolution du tissu industriel national de
manière à orienter l'investissement en vue :
de la valorisation des matières premières
locales ;
du développement intégré des
filières porteuses ;
d'une émergence de pôles industriels compatibles
avec un aménagement rationnel du territoire et de la valorisation des
atouts de chaque région ;
d'assurer l'étude des dossiers d'autorisation
d'installation des entreprises industrielles ;
de formuler des programmes pour le soutien, la
création et le développement des petites et moyennes
industries ;
de veiller à l'amélioration continue de
l'environnement institutionnel et réglementaire des entreprises
industrielles ;
de contribuer à l'élaboration et à
l'application des textes régionaux ou internationaux en matière
d'industrie ;
d'assurer le secrétariat de la commission technique
des investissements ;
de suivre la fiscalité intérieure des
entreprises industrielles et de faire des propositions de sorte que cette
fiscalité contribue à rendre ces entreprises industrielles plus
compétitives.
B. L'organisation de la
DESI
La Direction des Etudes et des Stratégies Industrielles
(DESI) comprend :
un Secrétariat ;
un Service des Etudes, de la Stratégie et de la
Fiscalité (SESF);
un Service de la Vulgarisation des Technologies
(SVT) ;
un Service de l'Information et de l'Analyse Industrielle
(SIAI).
Paragraphe3. Organisation
et fonctionnement du SIAI
A. L'organisation du
SIAI
Le Service de l'Information et de l'Analyse Industrielle
comprend :
la Division de la Statistique et de
l'Information (DSI) ;
la Division des Etudes Economiques (DEE).
B. le fonctionnement du
SIAI
Le Service de l'Information et de l'Analyse Industrielle a
pour mission de suivre l'évolution du tissu industriel national. A ce
titre, il est chargé de:
collecter de traiter et d'analyser les informations sur le
secteur industriel ;
faire connaître la réalité du secteur
industriel à travers l'élaboration :
des répertoires des industries ;
des notes de conjonctures industrielles ;
des documents d'analyses structurelles ;
de toute autre publication pouvant contribuer à
l'amélioration de l'environnement des affaires notamment dans ses
aspects juridique judiciaire et surtout fiscal ;
réaliser ou de faire réaliser toutes
études visant la promotion du secteur industriel (étude
d'opportunités, de filière,....) et permettant aux
opérateurs économiques d'optimiser leurs décisions de
gestion ou d'investissement.
Section 2. contexte de l'étude
Paragraphe1.
Problématique
Le Bénin a connu de 1960 à 1972, de nombreuses
péripéties politiques qui se sont traduites par des coups de
forces répétés et de fréquents changements de
régimes. Ceci a valu à notre pays le sobriquet d'enfant malade de
l'Afrique surtout de l'Afrique au sud du Sahara.
La stabilité politique qui a suivi cette période
et qui a été marquée par le socialisme basée sur la
prédominance de l'intervention de l'Etat dans l'appareil productif n'a
pu résister à la grave crise des années 80.
L'activité économique a évolué sur cette
période en dents de scie. Les structures et infrastructures de base
étaient totalement délabrées.
Depuis l'historique conférence des forces vives de la
nation en février 1990, le Bénin a opté pour le pluralisme
politique et le libéralisme économique. La stabilité
politique ainsi retrouvée dans un contexte de renouveau
démocratique consolidé par le respect des différentes
échéances électorales, devrait faire du Bénin le
meilleur environnement politique propice à l'activité
économique.
Mais cette stabilité politique n'a pas
empêché la mise à nu de la fragilité de
l'activité économique nationale qui, conjuguée avec la
crise économique mondiale des années 80, a fini par plonger le
pays dans une catastrophe sans précédent. Il en est
résulté un ralentissement de la production, un
fléchissement des investissements productifs, bref une récession
économique qui n'a guère épargné aucun secteur.
Cette situation de morosité économique est
dû en grande partie au faible niveau du tissu industriel du Bénin
car l'industrialisation constitue la principale voie de développement
économique et social durable pour un pays dans la mesure où elle
permet de moderniser l'appareil de production, d'accroître la
productivité, d'améliorer les conditions de vie des populations
et de faire régresser la pauvreté1(*). L'industrie béninoise est en effet
principalement dominé par les usines d'égrenages de coton, les
industries alimentaires, les industries textiles, les industries de fabrication
du ciment, les industries de métaux, les industries de bois, de papier,
les industries fabriquant des objets en caoutchouc et plastique, une industrie
productrice d'énergie, des industries d'eaux et des industries
chimiques. La contribution du secteur au Produit Intérieur Brut (PIB)
est faible et est en moyenne de 13% de 1990 à 20072(*).
Face à cette dégradation de la situation
économique, le désengagement de l'Etat du secteur productif et la
prise de mesures idoines pour accompagner le secteur sont devenus les
principaux axes de développement du gouvernement pour la promotion de ce
secteur de relève.
Pour véritablement accompagner ce secteur, le
gouvernement a organisé en 1994 une table ronde sur la relance du
secteur privé. A l'issue de cette assise,un Programme de Relance du
Secteur Privé (PRSP) a été élaboré autour
de quatre axes qui visent à améliorer l'environnement des
affaires, à renforcer les institutions de dialogue, à dynamiser
l'appui aux entreprises et à améliorer les capacités
d'auto-développement des activités privées.
La création, à la Direction
Générale de l'Industrie, alors Direction du Développement
Industriel (DDI), d'un Système d'Information et d'Analyse Industriel
(SIAI) est une réponse à l'absence d'une banque de données
sur le secteur industriel.
Le SIAI est chargé de collecter, de traiter et
d'analyser au profit de l'Etat et du secteur privé les informations
relatives à l'industrie, indispensables à la prise de
décisions pertinentes dans le secteur. Pour ce faire, le SIAI
réalise des enquêtes auprès des entreprises industrielles
et édite les documents suivants :
le répertoire des entreprises industrielles ;
le rapport annuel sur l'industrie béninoise ;
la note de conjoncture industrielle.
La note de conjoncture industrielle a pour objet d'informer
les opérateurs économiques sur le secteur industriel mais
également sur la santé de l'économie nationale et
internationale. Les informations qu'elle véhicule leur permettent de
prendre de bonnes décisions en vue de faire des anticipations en ce qui
concerne l'évolution du secteur. Elle est réalisée
après les enquêtes de conjonctures qui permettent de recueillir
l'opinion des chefs d'entreprises sur leurs activités ainsi que leurs
perspectives futures d'une part et les performances du secteur industriel
d'autre part. Ces enquêtes initialement semestrielles sont trimestrielles
depuis 2007. Elles permettent d'apprécier la conjoncture industrielle
à partir des variables telles que : la production, le chiffre
d'affaires, les charges d'exploitation, l'investissement, l'emploi et la masse
salariale.
Les changements qui surviennent à court terme dans
l'industrie peuvent être perçus à travers
l'évolution d'un nombre élevé d'indicateurs. L'analyse de
l'information commune conjoncturelle délivrée par ce groupe
d'indicateurs est souvent difficile. Le problème est alors de savoir
comment construire à partir de ce groupe d'indicateurs, un indicateur
unique susceptible à lui seul de renseigner sur l'état de la
conjoncture ?
La confection d'un tel indicateur soulève un certain
nombre de questions, entre autres :
Comment choisir les indicateurs à synthétiser
?
Comment les agréger en un indicateur unique ?
Comment interpréter l'évolution de l'indicateur
synthétique obtenu et quel est le type d'information qu'il apporte ?
L'information apportée est-elle bien contenue dans les
principaux indicateurs industriels usuels ?
Telles sont les interrogations qui ont suscité notre
réflexion sur le thème.
Paragraphe2. Objectifs et
hypothèses de recherche
A. Objectifs
1. Objectif
général
Contribuer à la construction d'un indicateur
synthétique de conjoncture industrielle pour permettre aux
décideurs et opérateurs économiques d'apprécier
plus aisément la conjoncture industrielle au Bénin.
2. Objectifs
spécifiques
Pour atteindre cet objectif général, il nous
faut :
construire un modèle permettant de mieux
résumer l'ensemble des informations d'enquête de conjoncture
industrielle.
suivre l'évolution de la conjoncture à travers
les variables utilisées dans l'enquête de conjoncture.
B.
HYPOTHÈSES
1. Hypothèse
générale
La construction d'un indicateur synthétique de
conjoncture industrielle permet d'avoir une vision résumée et
chiffrée de la conjoncture.
2. Hypothèses
spécifiques
La production industrielle et les résultats
commerciaux permettent d'expliquer la conjoncture industrielle.
L'évolution des perspectives de la production et celle
de la trésorerie des entreprises industrielles permettent de
déduire celle de la conjoncture industrielle.
Chapitre 2 : Revue de
littérature
Section 1. DEFINITION DES CONCEPTS :
A. La
conjoncture
Nom féminin, la conjoncture désigne, selon Le
Petit Larousse, l'état, la disposition, ou le résultat d'une
rencontre de circonstances.
La conjoncture c'est aussi la situation
générale de l'économie d'un pays.
Le terme de conjoncture fait référence aux
évolutions
économiques de
court terme d'un
ensemble économique (en général un pays). Elle
s'apprécie à l'aide d'
indicateurs
économiques tels que le
taux de
croissance du PIB, le taux d'
inflation,
l'évolution du
taux de
chômage, la
balance
commerciale, etc. La conjoncture est liée aux
cycles
économiques, et ses durées types des changements
conjoncturels vont de quelques mois à quelques années. Elle est
étudiée au niveau d'un pays, d'une région, ou, à un
niveau plus fin, au niveau d'un
secteur
économique particulier. On peut parler alors de la conjoncture
économique d'une entreprise.
Par ailleurs, la conjoncture désigne ce qui est
changeant, ou susceptible de se modifier dans la courte période. Son
étude repose sur l'observation des faits chiffrés, objectifs et
des opinions, le diagnostic, et le pronostic ou prévision.
Les faits chiffrés et les opinions sont
constitués des suites d'observations dans le temps d'une ou de plusieurs
variables économiques sur une période plus ou moins longue. Il
peut s'agir par exemple des séries du PIB, du nombre d'heures de
travail, des soldes d'opinions, etc.
Le diagnostic intervient pour examiner ce qui ressort des
mouvements conjoints de toutes les variables observées. Il
nécessite de disposer d'un indicateur synthétique capable de
capter les évolutions du cycle d'activité et d'en
déterminer les principales phases. Différentes méthodes
permettent de construire un tel indicateur et leur choix peut dépendre
de la nature des observations à utiliser pour sa confection.
Le pronostic est la prévision de la prochaine phase de
l'activité étant donné le comportement de l'indicateur
synthétique sur la période antérieure. Si
l'activité est dans une phase de ralentissement, il s'agira de
déterminer à quelle période elle pourra
éventuellement amorcer une phase d'accélération,
c'est-à-dire la date du prochain retournement.
Jacky FAYOLLE, dans Pratique contemporaine de l'analyse
conjoncturelle (1987) définit l'étude de la conjoncture comme
l'estimation et l'analyse du mouvement économique sur le passé
récent (six mois à un an) et le présent, et la
prévision de ce mouvement sur un horizon qui peut aller également
de six mois à un an. Il ajoute par ailleurs que le diagnostic
conjoncturel est l'unité de ces deux mouvements.
Quant à Jean-Pierre CLING dans L'Analyse de la
Conjoncture (1990) : `'l'analyse conjoncturelle vise à
connaître l'évolution récente de l'économie, sa
situation présente et à prévoir son cheminement au cours
des tous prochains mois''.
Pour lui, l'analyse conjoncturelle est conduite à
soulever les problèmes qui se posent au sein de l'économie et
ceux qui risquent de se poser dans un avenir proche.
Pour Nicolas CARNOT et Bruno TISSOT dans La
Prévision Economique (2002) l'analyse conjoncturelle vise à
rendre compte des évolutions économiques récentes afin de
pouvoir appréhender l'activité dans l'horizon de court terme, de
l'ordre de quelques trimestres.
B. Enquêtes de
conjoncture
Dominique Ladiray et Gian Luigi Mazzi ont défini dans
le recueil du symposium 2002 de Statistique Canada les enquêtes de
conjoncture comme étant des enquêtes d'opinion, qualitatives,
très simples et très légères
réalisées mensuellement ou trimestriellement auprès des
chefs d'entreprises et des consommateurs, lesquels sont interrogés sur
leur appréciation de la situation économique récente et
future du pays.
Encore appelé par Piatier `' Statistiques sans
chiffres'' les enquêtes de conjonctures sont selon Jean Pierre CLING
dans L'analyse de la Conjoncture, des enquêtes
légères et rapides conçues pour les besoins
spécifiques de l'analyse et de la prévision conjoncturelles. Il
ajoute que ces enquêtes résument, à l'aide d'indicateurs
synthétiques, les réponses qualitatives des agents.
Selon Jacky FAYOLLE, la rapidité et la
légèreté sont les maîtres- mots de la technique des
enquêtes de conjoncture. Elles sont faites pour donner des
résultats selon des délais minimaux. Ces enquêtes devancent
ainsi la statistique classique lorsque les deux outils portent sur un
même objet. Cette rapidité est au demeurant une condition sine qua
non pour que les enquêtes de conjonctures puissent fournir des
séries susceptibles de jouer le rôle d'indicateurs
avancés.
La rapidité exige la légèreté.
Celle-ci concerne le questionnaire : un nombre limité de questions
principalement qualitatives (à deux ou trois modalités
exclusives, c'est-à-dire di ou trichotomiques).
Cette nature qualitative de la plupart des questions est une
garantie de rapidité : il est plus aisé à un
industriel de savoir si au cours des trois ou quatre derniers mois sa
production a augmenté, est restée stable, ou a diminué
plutôt que d'indiquer une variation quantifiée.
Pour Bruno TISSOT et Nicolas CARNOT, les enquêtes de
conjonctures sont des enquêtes menées auprès des agents
économiques, qui sont questionnés sur la situation en cours, soit
d'un point de vue `' général'' (par exemple les perspectives
d'activités en France) ou au contraire, `' personnel `' ( par exemple
les perspectives d'activités pour l'entreprise interrogée).
Souvent les réponses sont qualitatives ; elles donnent aussi lieu
parfois à des indications chiffrées sur certains aspects du
comportement des agents interrogés.
C. Solde
d'opinion
Pour interpréter les réponses aux enquêtes
de conjonctures, on agrège celles-ci sous forme d'indices
synthétiques appelés solde d'opinion pour les
réponses trichotomiques. Le solde d'opinion est calculé comme la
différence entre la proportion d'entreprise qui ont répondu que
leur tendance est en hausse et celles pour lesquelles la tendance est en
baisse. On néglige donc la proportion d'entreprises pour lesquelles la
tendance est déclarée stable.
(Jean Pierre CLING dans L'Analyse de la
Conjoncture).
D. Indicateur
D'une manière générale, un indicateur est
un outil d'évaluation et d'aide à la décision (pilotage,
ajustements et rétro-correction) grâce auquel on va pouvoir
mesurer une situation ou une tendance, de façon relativement objective
une activité, à un instant donné, ou dans le temps et/ou
l'espace. Un indicateur se veut être une sorte de résumé
d'une information complexe offrant la possibilité à des acteurs
différents (scientifiques, gestionnaires, politiques et citoyens) de
dialoguer entre eux.
Un indicateur est donc une quantité (peut-être
quantitative ou semi-quantitative) mesurable directement ou calculable
indirectement à partir de données de terrain, et dont
l'interprétation permet d'établir un diagnostic sur un
effet étudié. Un indicateur doit
« indiquer », par exemple un problème ou un effet qu'on veut
suivre au cours du temps.
E. Caractéristiques
des indicateurs3(*) :
Un indicateur efficace doit répondre à plusieurs
critères. Il doit être :
robuste, fiable, précis : il doit refléter
effectivement les variations de ce qu'il est censé
synthétiser ;
compréhensible et utilisable par tous les acteurs
(Protocole simple et applicable d'année en année).
F. Indicateurs
synthétiques :
Ils sont de plusieurs types. On distingue :
les indicateurs de confiance qui selon Nicolas CARNOT et
Bruno TISSOT dans La Prévision Economique sont calculés
à partir des enquêtes de conjonctures dont ils sont des
agrégations composites. Ainsi, la confiance des entreprises est
calculée comme la moyenne des soldes de réponses aux questions
sur les perspectives de production sur les carnets de commandes.
Les indicateurs de confiance permettent qualitativement de
sentir l'évolution psychologique des agents économiques
confirmant ou nuançant les résultats d'analyses plus
formelles.
les indicateurs composites qui cherchent à
caractériser l'état présent de l'économie. Ils sont
formés au départ de plusieurs séries chronologiques.
Parmi les indicateurs composites on distingue les indices de prix , les
indices de la production industrielle.... ;
les indicateurs avancés qui anticipent sur
l'évolution de l'économie et ou sur ses points de
retournements ;
les indicateurs synthétiques de cycle qui
résultent de la confrontation entre indicateurs composites et
indicateurs avancés.
Il est important de distinguer les indicateurs composés
d'une série individuelle des indicateurs composites. En effet, les
indicateurs composés d'une série individuelle sont des
indicateurs partiels c'est-à-dire qu'ils ne rendent compte que de
certains aspects de la réalité économique contrairement
aux indicateurs composites qui caractérisent tout le domaine
d'étude où ils sont calculés.
G. Les Indicateurs de
conjoncture
Ce sont des séries chronologiques
considérées comme représentative de la conjoncture ou
supposées capables de décrire le mouvement conjoncturel dans un
ou plusieurs secteurs d'activité économique voire dans l'ensemble
de ceux-ci. Il s'agit de la matière première de l'analyse
conjoncturelle.
Section 2. La Littérature sur le
thème
Paragraphe1.
Littérature sur les méthodes de construction des indicateurs
synthétiques
De nombreuses études ont déjà eu pour but
de confectionner des indicateurs synthétiques conjoncturels. Toutefois,
les théories développées sur les méthodes
d'élaboration d'indicateurs synthétiques permettant de
résumer l'information contenue dans des soldes d'opinion issus
d'enquêtes de conjoncture sont relativement peu nombreuses. Les
principales méthodes recensées sont les suivantes :
A. Méthode
appliquée par L'Association Suisse pour l'Approvisionnement et l'Achat
(ASAA)4(*)
1. Description de la
méthode
L'Association Suisse pour l'Approvisionnement et l'Achat
(ASAA) et le Crédit Suisse ont conjointement élaboré un
indicateur synthétique du climat des affaires, dénommé
indice PMI (Purchasing Manager's Index). Cet indicateur existe depuis 1995 et
utilise les soldes d'opinion d'une enquête mensuelle de conjoncture dans
l'industrie suisse. Chaque mois, plus de 200 chefs d'entreprises suisses sont
interrogés sur leurs performances par rapport au mois
précédent.
Les questions posées sont qualitatives et consistent
à demander si le niveau de l'activité est "supérieur",
"inférieur" ou "égal" à celui du mois
précédent. Elles portent sur les huit thèmes
ci-après :
production ;
carnets de commandes ;
volume des achats (matières premières et
prestations) ;
prix d'achat ;
délais de livraison ;
stocks de matières premières ;
stocks de produits finis ;
emploi.
Les soldes d'opinion (ou indices ASAA) qui résultent de
cette enquête mesurent ainsi le rythme et la tendance de chaque variable
observée.
L'indice PMI est un indice pondéré
composé de cinq des huit indices dans les proportions suivantes :
carnets de commandes (0,3), production (0,25), emploi (0,2), délais de
livraison (0,15) et stocks de matières premières (0,1). L'indice
corrigé des variations saisonnières est un bon indicateur des
tendances de l'évolution conjoncturelle. Cette correction est
effectuée indirectement par celle des sous indices qui le composent. Des
facteurs influençant les résultats des différentes
périodes d'observation sont déterminés pour chaque mois et
pris en compte pour obtenir les valeurs corrigées.
2. Avantages et
inconvénients
Le PMI est un indicateur d'une grande simplicité. En
effet, il est déterminé par une simple pondération de
soldes d'opinion. Par ailleurs, son concept est utilisé avec
succès aux Etats-Unis depuis plus de 50 ans. En outre, son
élaboration ne nécessite pas l'utilisation de méthodes
statistiques compliquées ou d'applications informatiques
sophistiquées.
L'inconvénient majeur du PMI est la
détermination presque arbitraire des pondérations
attribuées aux soldes d'opinion qui le composent.
B. Méthode
utilisée par la Banque Nationale de Belgique5(*)
Description de la
méthode
La Banque Nationale de Belgique publie, chaque mois, un
indicateur synthétique de conjoncture dénommé "indicateur
de confiance des chefs d'entreprises belges", élaboré à
partir de soldes d'opinion issus d'une enquête mensuelle de conjoncture
dans l'industrie manufacturière, la construction, le commerce et les
services. Le principe de l'élaboration de cet indicateur est
pratiquement identique à celui de l'indice PMI ci-dessus décrit.
Toutefois, à la différence de ce dernier, le
calcul consiste à appliquer une moyenne arithmétique simple des
soldes d'opinion corrigés des variations saisonnières,
pondérés et agrégés pour les principales branches
d'activité.
C. Méthode
employée par la Banque de France
1. Description de la
méthode
La Banque de France a élaboré un indicateur
synthétique qu'elle utilise comme instrument de projection de
l'activité, à fréquence mensuelle. Cet indicateur,
dénommé "Indicateur Synthétique Mensuel d'Activité
de la Banque de France (ISMA)" est publié depuis février 2000
dans la note d'analyse des résultats de l'enquête mensuelle de
conjoncture et dans le bulletin de la Banque de France.
A partir d'une Analyse en Composante Principale (ACP),
l'information contenue de façon diffuse dans l'ensemble des variables de
l'enquête de conjoncture dans l'industrie réalisée par la
Banque de France a été transformée en un nombre restreint
de facteurs. Dans un second temps, des étalonnages effectués
entre le taux de croissance du PIB en variation trimestrielle et les facteurs
issus de l'ACP ont permis d'obtenir un indicateur mensuel unique. L'ACP a
été réalisée à partir de séries
désaisonnalisées, disponibles de 1981 à 1999, portant sur
l'évolution de l'activité du secteur industriel dans son ensemble
et deux branches spécifiques considérées comme des
indicateurs précurseurs de l'activité (les biens
d'équipement et les biens intermédiaires), soit, au total,
quarante-deux variables.
Les principaux facteurs issus de l'ACP reflètent :
l'évolution passée et attendue de
l'activité ;
l'évolution des prix, qu'il s'agisse des prix des
produits finis ou de ceux des matières premières ;
les inflexions défavorables de la conjoncture (cet axe
ayant comme caractéristique d'être négativement lié
aux soldes d'opinion correspondant aux variations ultérieures des
carnets de commande et de la production) ;
l'état des stocks actuels et futurs ;
l'évolution prochaine de l'offre.
Ensuite, une série de régressions du taux de
croissance du PIB a été effectuée sur les
différents facteurs obtenus. Ces régressions ont
été limitées à la période 1981-1996, afin
d'éviter de prendre en compte les résultats de 1997 à
1999, qui étaient encore provisoires.
En raison de la périodicité du PIB disponible au
titre des comptes nationaux trimestriels, quatre équations ont
été retenues. A chaque mois de chaque trimestre correspond une
équation différente de prévision. Une estimation
supplémentaire est en outre disponible pour prévoir le taux de
croissance du trimestre suivant.
Ainsi, pour chaque trimestre, quatre estimations
différentes de la variation du PIB sont effectuées. L'ISMA permet
de ce fait, de fournir chaque mois, la variation trimestrielle anticipée
du produit intérieur brut. L'estimation réalisée au cours
d'un mois est révisée le mois suivant.
2. Avantages et
inconvénients
Il ressort de la description effectuée ci-dessus que
l'indicateur synthétique obtenu est construit par une méthode
combinant l'ACP et la régression, qui sont des techniques simples et
relativement faciles à mettre en oeuvre. Par ailleurs, la méthode
utilisée permet de prendre en compte une grande partie de l'information
contenue dans l'ensemble des variables de l'enquête. Cependant, lorsque
les données utilisées sont peu corrélées, le nombre
de facteurs significatifs issus de l'ACP est généralement
élevé, ce qui peut contraindre au choix des facteurs jugés
les plus pertinents et conduire, par la suite, à une perte
d'information.
D. Méthode
développée par DOZ et LENGLART6(*)
1. Description de la
méthode
Catherine DOZ et Fabrice LENGLART ont présenté
dans un article publié en 1999, une méthode pouvant permettre de
construire un indicateur synthétique à partir des soldes
d'opinion issus des enquêtes de conjoncture. Cet indicateur,
appelé "facteur commun", a pour objet de résumer en une variable
quantitative, l'information relevée par ces enquêtes. Un test
statistique permettant de vérifier la pertinence de cette approche est
préalablement effectué. Le modèle utilisé fait
partie des modèles factoriels dynamiques employés dans de
nombreux domaines de l'économie, notamment l'économétrie
financière (pour la modélisation des taux d'intérêt)
et la macroéconomie. Dans de tels modèles, les variables
temporaires observées sont supposées dépendre
linéairement d'un petit nombre de variables sous-jacentes inobservables,
appelées facteurs.
Deux méthodes sont principalement utilisées pour
l'estimation des modèles factoriels dynamiques. La première se
situe dans le domaine des fréquences et revient à effectuer une
décomposition particulière de la densité spectrale du
processus vectoriel constitué par l'ensemble des variables
étudiées. La seconde se situe dans le domaine des temps et
suppose une modélisation de la dynamique des facteurs, puis une
estimation par le filtre de KALMAN.
La méthode de DOZ et LENGLART repose sur
l'hypothèse sous-jacente de l'existence d'une composante commune qui
expliquerait la plus grande partie des évolutions de chacune des
variables utilisées. Ainsi, chaque variable est considérée
comme la somme d'un facteur commun et d'une composante spécifique
(propre à cette variable), ces termes étant inobservables.
L'estimation du modèle utilisé est
généralement réalisée à l'aide de deux
méthodes : l'analyse factorielle principale (principal factor analysis)
et la méthode du maximum de vraisemblance. Toutefois, en pratique, les
deux méthodes sont employées en les combinant. En effet, dans une
première étape, l'analyse factorielle principale est
utilisée pour choisir un nombre de facteurs qui semble pertinent pour
résumer toute l'information contenue dans les variables de
départ.
Ce choix, permet de mettre en oeuvre plus facilement la
méthode du maximum de vraisemblance, dans la deuxième
étape. Un test du rapport de vraisemblance est effectué, afin de
vérifier si le nombre de facteurs retenus est correct.
La méthode de DOZ et LENGLART a été
appliquée aux données de l'enquête mensuelle
d'activité dans l'industrie réalisée par l'Institut
National de la Statistique et des Etudes Economiques (INSEE). Les soldes
d'opinion utilisés dans ce cadre proviennent des réponses
à six questions de cette enquête, sur la période allant de
mars 1976 à mars 1997. L'indicateur synthétique obtenu est
publié par l'INSEE depuis juin 2000, sous la dénomination d'
"indicateur synthétique du climat des affaires". DOZ, LENGLART et
RIVIERE, ont par ailleurs utilisé la même méthode pour
construire un indicateur équivalent pour la zone euro.
2. Avantages et
inconvénients
Le principal avantage de la méthode
développée par DOZ et LENGLART est qu'elle repose sur une base
scientifique rigoureuse et une démarche bien structurée,
fournissant des éléments permettant de juger la qualité
des résultats obtenus.
Au titre des inconvénients, il faut signaler que la
méthode considérée ne peut conduire à un seul
indicateur que lorsque les données utilisées sont fortement
corrélées. Dans le cas contraire, une élimination de
plusieurs variables peut s'avérer indispensable. Il convient aussi de
souligner que sa mise en oeuvre requiert l'utilisation de logiciels
statistiques spécialisés pour l'analyse factorielle.
Cette même méthode a été
utilisée par la Banque Centrale des Etats de l'Afrique de l'Ouest
(BCEAO) pour construire en mars 2003 un indicateur synthétique
d'opinion sur la conjoncture dans la zone UEMOA (Union Economique et
Monétaire Ouest Africaine).
Paragraphe2. Application
de la méthode de DOZ et LENGLART à l'Enquête mensuelle
d'activité de l'INSEE
DOZ et LENGLART ont appliqué leur méthode aux
données de l'enquête mensuelle d'activité dans l'industrie
publiée par l'INSEE. Le test sur le nombre de facteurs a permis de
montrer qu'un seul facteur pouvait résumer l'information contenue dans
les séries (l'hypothèse nulle d'un modèle à un seul
facteur n'ayant pas été rejetée). Un "indicateur
résumé" de l'enquête a alors été
estimé par le filtre de KALMAN. Ils ont ainsi montré que le cadre
des modèles à facteurs dynamiques fournit une sorte de grille
d'interprétation de l'enquête mensuelle, passant par l'analyse des
évolutions de l'indicateur résumé et par l'utilisation, le
cas échéant, des informations supplémentaires
apportées par les composantes spécifiques de chaque solde
d'opinion. Les données utilisées sont les réponses
à six questions de l'enquête de conjoncture de l'INSEE dans
l'industrie sur la période allant de mars 1976 à mars 1997. Ces
questions concernent les opinions portant sur :
la tendance passée de la production ;
la tendance prévue de la production;
la demande et les carnets de commande globaux ;
la demande et les carnets de commande en provenance de
l'étranger ;
les stocks ;
les perspectives générales
d'activité.
L'indicateur ainsi calculé, apparaît comme une
sorte de climat général rendant compte de l'information commune
contenue dans les différents soldes d'opinion. Il figure depuis juin
2000 dans les notes mensuelles de conjoncture publiées par l'INSEE sous
la dénomination d'"indicateur synthétique du climat des
affaires". Son évolution est utilisée pour résumer la
phase conjoncturelle qui influe sur l'ensemble des soldes d'opinion de
l'enquête.
L'analyse factorielle présente également
l'intérêt d'isoler la part de d'information spécifiquement
apportée par chaque solde d'opinion (chacune des
composantesspécifiques estimées ne pouvant être
assimilée à un simple bruit blanc). Ce faisant, elle fournit une
sorte de grille de lecture complète de l'enquête.
Par ailleurs, Catherine DOZ, Fabrice LENGLART et Pascal
RIVIERE ont utilisé la même méthode pour construire un
indicateur équivalent pour la zone euro.
Chapitre 1 : Méthodologie de construction
de l'indicateur
Section 1. Présentation de la méthode de
construction
Paragraphe1. Choix d'une
méthode pour la construction d'un indicateur synthétique pour
l'enquête semestrielle de conjoncture du SIAI
Chacune des méthodes de construction d'indicateurs
synthétiques de conjoncture exposées ci-dessus présente
des avantages, mais aussi quelques inconvénients majeurs.
Parmi ces méthodes présentées, celle de
DOZ et LENGLART est la plus pertinente du point de vue de la rigueur
scientifique. Nous allons nous inspirer de cette méthode pour la
construction d'un indicateur synthétique de conjoncture industrielle,
à partir des données de l'enquête de conjoncture du
SIAI.
Paragraphe2.
Présentation de la méthode d'analyse factorielle pour la
construction d'un indicateur de conjoncture
L'hypothèse sous-jacente à la construction de
ces modèles est l'existence d'un faible nombre de composantes communes
qui expliqueraient la majeure partie des évolutions de chacune des
variables sous étude. La finalité de notre étude en termes
d'analyse économique nous amène à nous limiter à la
recherche d'un seul facteur. Le but est de savoir si c'est possible d'obtenir
un indicateur du climat conjoncturel. Les méthodes exposées dans
ce chapitre se proposent d'extraire le facteur commun reproduisant
l'information commune contenue dans les soldes d'opinion des enquêtes de
conjoncture.
A. L'analyse factorielle
L'analyse factorielle décrit un ensemble de
données. Elle consiste à représenter linéairement
les variables étudiées en terme de plusieurs variables latentes
appelées facteurs ou facteurs communs. Le cas le plus intéressant
est celui où il existe un faible nombre de facteurs pouvant expliquer la
majeure partie de l'information contenue dans les variables initiales. Nous
nous intéresserons au cas où l'on pourrait se limiter à un
seul facteur appelé facteur commun.
B. La Présentation
du modèle
Soient I un nombre de variables sous étude,
T le nombre d'observations disponibles pour chacune de ces variables,
et yit la valeur prise par la variable yi à la
date t. Le modèle qui décrit les variables, yi , i=
1,.., I en terme du facteur commun F, s'écrit :
yit=äi Ft+uit , pour i=
1,.., I .
Les termes du processus (uit )t z sont les combinaisons linéaires des termes des autres
facteurs. Toutes les variables sont centrées et réduites pour
éliminer l'influence de
l'hétérogénéité en moyenne et en variance
des séries utilisées. L'analyse s'intéresse aux
corrélations entre les variables de départ et non entre les
individus car c'est cette corrélation entre les séries initiales
qui est la principale hypothèse justifiant l'existence d'un facteur
commun significatif.
Le modèle ainsi décrit peut se
réécrire sous la forme matricielle :
yt= ä Ft+ut
yt= (y1t,....yIt)'
E(Ft)= 0 E(ut)= 0
 = (ä1....... äI)'
 (i, t) E (Ftuit)= 0 ut = (
u1t....... uIt)'
C. L'interprétation
des composantes et des paramètres
L'analyse factorielle simple est applicable seulement dans le
cas où il existe une plus ou moins forte corrélation entre les
variables. Il donne dans ce cas un moyen d'analyser ces corrélations.
Plus précisément, le facteur commun explique les
corrélations entre les séries initiales tandis que chaque
uit représente d'autres variations affectant yit ;
chaque uit est appelé facteur unique, composante
idiosyncratique ou composante spécifique.
On interprète äi comme le poids du
facteur F dans l'explication de la variable yi On
considèrera que le facteur est représentatif de l'ensemble des
variables si les äi sont tous élevés. Aussi, dans
la recherche d'un indicateur du mouvement conjoncturel nous retiendrons
uniquement l'ensemble de variables qui satisfont ce critère. Il
apparaît dans une telle formulation que le facteur n'est pas
déterminé de manière unique. En effet, une transformation
linéaire opérée sur les poids modifie également le
facteur. Dans la plupart des modèles classiques, le facteur est
supposé de variance unitaire (ce qui ne nuit pas à la
généralité). Une solution unique serait donc obtenue en
imposant une contrainte sur ce dernier.
Le modèle de base dans le cas où le facteur est
de variance unité permet une simple interprétation en terme de
variances et covariances des variables. Nous avons dans ce cas :
yt=ä Ft+ut
E(Ft)= 0 E(ut)= 0
E(Ft2)=1
 ( i, t) E(Ftuit)= 0
D. L'estimation du
modèle
Il existe deux manières d'estimer le modèle
ci-dessus :
La première est une analyse factorielle en composantes
principales et ne nécessite pas d'hypothèses préliminaires
sur le nombre de facteurs à utiliser. On retient ensuite le premier
facteur toujours le plus explicatif.
La deuxième est une estimation par maximum de
vraisemblance sous l'hypothèse de normalité des composantes
idiosyncratiques (Lawley et Maxwell, 1971), considérées comme
résiduelles. Elle nécessite de spécifier au départ
qu'un seul facteur est censé résumer la plupart de l'information
contenue dans les variables d'origine. Elle donnerait alors une meilleure
estimation des paramètres contrairement à l'analyse en
composantes principales.
Il est important de signaler que les paramètres i
ä sont d'abord estimés et ensuite, les approximations des
valeurs du facteur commun sont obtenues par régression linéaire
de ce facteur sur les variables initiales. Cela a pour but de minimiser la
variance de l'écart entre le facteur et son approximation.
Le modèle linéaire suivant sera alors
estimé après extraction du facteur commun considéré
par la suite comme observé :
Ft =  1 y1t+ 2 y2t+............+ I yIt+t
Une remarque importante est que cette méthode, bien que
rapide et facile à mettre en oeuvre, ignore la dynamique du facteur.
Elle n'est donc pas théoriquement utile à des fins de
prévisions, ce qui appelle à une analyse dynamique.
E. Le modèle
dynamique à facteur
L'analyse factorielle simple considère que les
variables sont statiques, c'est-à-dire qu'elle n'inclut pas dans sa
spécification le lien entre deux observations de la même variable
à deux dates différentes. Cette hypothèse est restrictive
d'autant plus qu'elle n'est pas justifiable dans la réalité
surtout concernant des séries temporelles.
Il convient alors de spécifier avant tout la dynamique
de ces variables. Le cadre adéquat semble être celui des
modèles à composantes inobservables car, les composantes commune
et spécifiques des variables d'origine ne sont pas directement
observées et peuvent suivre une dynamique temporelle ; dans ce cas, le
procédé d'analyse factorielle simple ne suffit plus à les
extraire.
F. Validation du
modèle
Une fois calculé, l'indicateur doit être
confronté avec l'histoire conjoncturelle passée dans le but
d'évaluer s'il reflète les phases précédentes de
l'activité économique. Dans le secteur de l'industrie, la courbe
de l'indicateur synthétique conjoncturel sera comparée à
celle des variables utilisées dans sa construction.
Section 2. CADRE METHODOLOGIQUE
Paragraphe1.
Présentation des enquêtes de conjoncture industrielles du
Système de l'Information et de l'Analyse Industrielle (SIAI)
Dans le cadre du suivi de la conjoncture industrielle au
Bénin, le Service de l'Information et de l'Analyse Industrielle (SIAI)
de la Direction Générale de l'Industrie réalise des
enquêtes de conjoncture industrielles dont une enquête qualitative
effectuée auprès des chefs d'entreprise. Ces enquêtes sont
réalisées périodiquement, depuis 1999. Son
échantillon est constitué de 10% des entreprises industrielles
enregistrées dans le répertoire des entreprises industrielles
du Bénin.
L'enquête est effectuée à partir des
questionnaires distribués aux entreprises et collectés à
dates fixes. Le questionnaire comprend une partie tendancielle où les
chefs d'entreprises sont amenés à apprécier
l'évolution du climat des affaires de leurs industries à partir
des variables telles que la production, les commandes, les prix de vente,
l'organisation institutionnelle, la corruption, le secteur informel...etc. Les
réponses à ces questions sont trimodales (hausse, stable ,
baisse).
Le questionnaire comprend aussi une partie chiffrée
où il est question de donner la production en une unité de mesure
appropriée (Tonne, Kilogramme....). Cette partie du questionnaire
mentionne également les ventes, les masses salariales ainsi que les
effectifs employés par les industries.
Paragraphe2. L'utilisation
des enquêtes de conjoncture
Le dépouillement des résultats de
l'enquête est effectué avec le logiciel statistique SPSS
(Statistical Package for Social Sciences). Chaque variable donne naissance
à un indicateur qui indique la proportion des entreprises ayant choisi
une modalité donnée.
Ces indicateurs permettent de suivre l'évolution de la
conjoncture industrielle globale et par branche d'activités.
L'enquête de conjoncture industrielle constitue donc un
outil de base du diagnostic conjoncturel dans l'industrie. Elle permet de
savoir a priori quels sont les facteurs pouvant expliquer
l'accélération ou le ralentissement de l'activité
industrielle. Toutefois, la multitude d'indicateurs calculés conduit
parfois le conjoncturiste à des réponses contradictoires. Ainsi,
pour pallier à cet état de chose, la mise en place d'un
indicateur de conjoncture à partir des soldes d'opinion serait la
meilleure approche pour mieux apprécier la conjoncture industrielle.
En effet, à partir des questions qualitatives et
trimodales (hausse, stable, baisse) une répartition des trois types de
réponse est faite en pourcentage et l'information relative à
chaque question est présentée sous forme de solde d'opinion qui
est la différence entre les pourcentages des modalités `'hausse''
et `'baisse''. Le solde d'opinion est considéré comme une bonne
synthèse des réponses et bien adapté à la
conjoncture. Son principal atout est qu'il élimine des réponses
qui pourraient être douteuses et correspondant à des opinions de
type « stable ».
Les indicateurs synthétiques sont construits en
combinant plusieurs soldes d'opinion dans le but de couvrir autant que possible
les différents aspects de l'activité économique.
L'agrégation de ces soldes en un indicateur unique réduit les
risques de faux signaux, c'est-à-dire des changements qui pourraient
affecter un solde d'opinion pris seul et qui sont dus à des mouvements
irréguliers ne correspondant pas à l'évolution
réelle de l'activité.
Les indicateurs synthétiques calculés doivent
satisfaire à un certain nombre de critères :
la signification économique :
ces séries doivent être relatives aux variables
qui causent les fluctuations de l'activité économique.
elles doivent exprimer les anticipations des agents
économiques
elles doivent s'ajuster rapidement suite aux changements dans
l'activité économique.
le comportement cyclique : elles doivent être des
indicateurs avancés des variables économiques réelles.
la qualité des données : elles doivent
être facilement disponibles et à temps, et ne doivent pas
être sujettes à des révisions fréquentes.
Ces critères expliquent que certains soldes d'opinion
de l'enquête de conjoncture soient retenus pour le calcul des indicateurs
synthétiques conjoncturels.
Une fois calculé, les indicateurs doivent être
confrontés avec l'histoire conjoncturelle passée dans le but
d'évaluer s'ils reflètent les phases précédentes de
l'activité économique.
Chapitre 2 : Analyse des
résultats
Section 1. APPLICATION DE LA METHODE RETENUE AUX DONNEES
D'ENQUETE DE CONJONCTURE DU SIAI
Paragraphe1. Mise en
oeuvre de la méthode
A. La base de
données du SIAI
Les enquêtes de conjoncture du SIAI ont commencé
depuis 1999 mais la première note de conjoncture a été
publiée pour le compte de l'année 2001 en 2002. Cette
première édition et toutes celles qui l'ont suivie étaient
semestrielles. Par ailleurs, la note de conjoncture a connu une rupture en 2005
pour ne reprendre qu'en 2007. Aussi, est-il important de souligner que les
travaux d'élaboration des notes de conjoncture étaient
confiés à un cabinet sélectionné par appel
d'offres ; ce qui fait que le SIAI ne dispose pratiquement pas d'une base
de données digne du nom sur les enquêtes de conjoncture
industrielles.
Tout ceci nous a obligé à utiliser, dans le
cadre de notre mémoire, la base construite par l'Institut National de la
Statistique et de l'Analyse Economique (INSAE). En effet, l'INSAE étant
la structure habileté à traiter les données sur
l'économie béninoise, réalise également des
enquêtes de conjoncture industrielle auprès des chefs
d'entreprises afin de disposer des données fiables sur
l'évolution du secteur industriel. Aussi, la méthodologie
d'enquête utilisée est analogue à celle du SIAI. Par
ailleurs, depuis le premier trimestre de l'année 2008, le SIAI a mis en
place un comité d'élaboration de ses notes de conjonctures,
composé des cadres de l'INSAE ; de la Direction
Générale des Affaires Economiques (DGAE) ; de la Cellule
d'Appuis Technique (CAT) ; de la Chambre de Commerce et d'Industrie du
Bénin (CCIB) ; et de la DGI. Ce comité a
procédé à l'harmonisation des enquêtes de
conjoncture du SIAI avec celle de l'INSAE. Il faudra aussi souligner que la
taille de l'échantillon des entreprises enquêtées est
pratiquement la même au niveau de ces deux structures.
B. Choix des
variables
Les données utilisées sont les réponses
aux questions de l'enquête de conjoncture industrielle de l'INSAE sur la
période allant du premier trimestre 2004 au deuxième trimestre
2008.
Il s'agit des soldes d'opinion.
Afin d'obtenir une synthèse complète des
données, certaines variables pertinentes disponibles dans la base sont
retenues. Ces variables sont présentées dans le tableau
ci-dessous.
Tableau N°1 : Liste des variables
sélectionnées pour la construction de l'indicateur
synthétique de conjoncture industrielle
|
N° d'ordre
|
Variables
|
libellés
|
|
1
|
Tendance-PRD
|
Tendance de la production
|
|
2
|
Perspect-PRD
|
Perspectives d'évolution de la production
|
|
3
|
Capact-PRD
|
Capacité de production
|
|
4
|
Carnet-COM
|
Carnets de commandes
|
|
5
|
Carnet-ETRG
|
Carnets de commande en provenance de l'étranger
|
|
6
|
Stock-PRDF
|
Stock de produit fini
|
|
7
|
Perspect-PV
|
Perspectives d'évolution des prix de vente
|
|
8
|
Perspect-EMP
|
Perspectives d'évolution de l'emploi
|
|
9
|
Commd
|
Commandes enregistrées
|
|
10
|
Perspect-COM
|
Perspectives des commandes
|
|
11
|
Competivt
|
Compétitivité
|
Source : Construit à partir des
variables de la base de données.
Paragraphe2. Analyse
préliminaire des données
A. L'indice
d'adéquation de Kaiser-Meyer-Olkin (KMO)
L'indice KMO permet de mesurer l'adéquation des
variables utilisées dans une analyse factorielle. Il permet de juger de
la pertinence ou non de recourir à l'analyse en composante principale.
Il est calculé pour l'ensemble des variables (KMO) et pour chaque
variable (MSA c'est à dire Kaiser's Measure of Sampling Adequacy).
C'est donc un indicateur résumé permettant de savoir pour
l'ensemble des variables et pour chaque variable prise individuellement, si les
corrélations originales sont supérieures aux corrélations
partielles. Ainsi, une variable qui ne serait corrélée à
aucune autre devrait certainement être retirée de l'analyse,
puisque nous nous intéressons à la variance commune
partagée entre les variables. Les valeurs de KMO et des MSA
supérieures à 0,8 sont jugées bonnes alors que celles qui
sont inférieures à 0,5 sont inacceptables.
La recherche de l'amélioration des résultats,
sur la base des valeurs repères suggérées par Kaiser, a
conduit à éliminer progressivement certaines variables de
l'analyse. Ce qui a permis d'obtenir le tableau N°2
L'indice KMO (Kaïser-Meyer-Olkin) vaut 0,64 ; cette
mesure supérieure à 0,5 confirme l'acceptation de
l'échantillon de variables obtenues.
Tableau N°2 :L'indice MSA des
variables retenues
|
N°
|
VARIABLES
|
LIBELLES
|
MSA de
Kaiser
|
|
1
|
Perspect-PRD
|
Perspectives d'évolution de la production
|
0,63
|
|
2
|
Stock-PRDF
|
Stock de produit fini
|
0,61
|
|
3
|
Perspect-PV
|
Perspectives d'évolution des prix de vente
|
0,55
|
|
4
|
Commd
|
Commandes enregistrées
|
0,63
|
|
5
|
Perspect-COM
|
Perspectives des commandes
|
0,65
|
|
6
|
Capact-PRD
|
Capacité de production
|
0,87
|
|
Ensemble des variables
|
Mesure de l'échantillonnage de Kaiser-Meyer-Olkin
(KMO)=0,64
|
Source : Nos calculs sur la base de nos
données
Toutes les variables du tableau ont leurs MSA
supérieures à 0,50. Ce qui montre que ces variables sont
corrélées entre elles. Elles seront donc retenues dans la suite
de l'analyse.
B. Stationnarité
des variables retenues
Les variables utilisées dans notre étude sont
des suites d'observations indicées par le temps. Nous sommes donc en
présence des séries chronologiques et il est important de savoir
si les valeurs prises par les variables à chaque date sont
corrélées entre elles. D'où l'étude de la
stationnarité de ces variables.
La stationnarité joue un rôle central dans la
théorie des processus, car elle remplace (de façon naturelle)
l'hypothèse d'observation identique et indépendamment
distribué (i.i.d) en statistique. Deux notions sont
généralement considérées. La première notion
de stationnarité peut se définir de façon forte par une
stabilité en loi du processus : quel que soit n, t1,.......
.,tn et h, on a l'égalité entre les lois jointes
L (Yt1,.....,Ytn ) = L
(Yt1+h,....,Ytn+h)
Cette définition peut toutefois être affaiblie :
le processus est dit stationnaire au second ordre si :
la moyenne du processus est constante : E (Yt) = m
pour tout t  Z
les autocovariances ne dépendent que de la
différence entre les observations : cov (Xt ; Xs )
=  (t-s )
Cette dernière propriété implique en
particulier que la variance de Yt est constante :
V (Yt) =  2
Le test de stationnarité mis en oeuvre est le test ADF
(Augmented Dickey Fuller).Ce test permet de tester l'hypothèse H0 :
la série est intégrée d'ordre au moins 1
c'est-à-dire qu'elle n'est pas stationnaire ; contre
l'hypothèse alternative H la série suit un modèle AR(P)
c'est-à-dire qu'elle est stationnaire. Les résultats de ce test
sont présentés dans le tableau ci-dessous.
Tableau N°3 : Résultat du test
de Dickey Fuller Augmenté sur les variables retenues
|
Variables
|
ADFc
|
ADFL
|
Trend
|
Constante
|
Conclusion
|
|
Perspect-PRD
|
-4,00
|
-3,73
|
oui
|
oui
|
Stationnaire à niveau
|
|
Stock-PRDF
|
-2,29
|
-1,96
|
non
|
non
|
Stationnaire à niveau
|
|
Perspect-PV
|
-3,90
|
-1,97
|
non
|
non
|
Stationnaire en différence première
|
|
Commd
|
-4,31
|
-3,73
|
oui
|
oui
|
Stationnaire à niveau
|
|
Perspect-COM
|
-3,30
|
-3,06
|
non
|
oui
|
Stationnaire à niveau
|
|
Capact-PRD
|
-4,39
|
-1,96
|
non
|
non
|
Stationnaire en différence première
|
Source : Nos calculs sur la base de nos
données
Les résultats du tableau ci-dessus montrent que les
variables Perspect-PV et Capact-PRD ne sont pas stationnaires à niveau
au seuil de 5% et de 10% ; elles seront donc retirées de
l'analyse.
Section 2. Validation des résultats et
construction de l'indicateur
Paragraphe1. Validation
des résultats
La méthode d'Analyse Factorielle Exploratoire sera
utilisée pour la construction de l'indicateur.
En effet, l'Analyse en Composantes Principales (ACP) est une
méthode qui cherche une solution à l'ensemble de la variance des
variables où les composantes sont orthogonales c'est-à-dire
indépendantes entres elles. L'ACP maximise la variance expliquée
alors que l'Analyse Factorielle Exploratoire (AFE) cherche une solution
à la covariance entre les variables ; elle tente d'expliquer la
variance qui est commune à ces variables et présume que chaque
variable possède une variance unique représentant son apport
propre.
L'AFE ressemble beaucoup à l'ACP et on peut faire de
nombreux parallèles entre les deux techniques: dans les deux cas, les
analyses portent sur des matrices de corrélation pouvant comporter un
nombre élevé de variable; de plus, dans les deux cas, il s'agit
d'expliquer une portion importante de variance présente dans les
données en ayant recours à un nombre limité de
dimensions.
La différence fondamentale entre les deux techniques
concerne la portion de variance que l'on cherche à expliquer. Alors que
l'ACP s'intéresse à la variance totale
présente dans la matrice de corrélation, l'analyse
factorielle exploratoire quant à elle se concentre strictement sur la
portion de variance commune partagée par certaines
variables. L'AFE est disponible sur le logiciel SPSS.
A. Examen des
résultats obtenus
Proportion de la
variance commune
Le tableau ci-dessous présente la proportion de
variance commune de chaque variable.
Tableau N°4 : Variance totale et
commune des variables retenues
|
Variables
|
Variance totale
|
Variance commune
|
|
|
Perspect-PRD
|
1,000
|
0,848
|
|
|
Perspect-COM
|
1,000
|
0,582
|
|
|
Stock-PRDF
|
1,000
|
0,408
|
|
|
Commd
|
1.000
|
0,405
|
Source : Nos calculs sur la base de nos
données
Les valeurs 0,848; 0,582 ; 0,408 et 0,405 correspondent
à la proportion de la variance totale expliquée par chaque
variable.
Autrement dit, 0,848 unité de variance de la variable
Perspect-PRD (Perspective de production) correspond à la variance
importante partagée par les autres variables, alors que 0,152
unités, c'est-à-dire 1,0 - 0,848 serait de la variance
négligeable, puisque correspondant soit à de la variance
spécifique de cette variable, soit à son erreur de mesure. Les
variables Stock-PRDF (Stock de produit fini) et Commd (commande) semblent
avoir une proportion plutôt passable de variance unique.
La somme des variances communes donne un total de 2,243
correspondant à 56,075% de la variance totale. C'est cette proportion de
variance commune qui sera éventuellement
répartie de façon décroissante entre les différents
facteurs retenus.
B. Détermination du
nombre de facteurs communs à extraire
Le tableau ci-après présente les valeurs propres
de la matrice de corrélation réduite obtenue.
Tableau N°5 : valeurs propres des
facteurs
|
Composantes
|
Valeurs propres initiales
|
Extraction somme des carrés des facteurs retenus
|
|
Total
|
%de la variance
|
%cumulé
|
Total
|
%de la variance
|
%cumulé
|
|
1
2
3
4
|
2,244
0,795
0,743
0,218
|
56,089
19,867
18,586
5,459
|
56,089
75,956
94,541
100,000
|
2,244
|
56,089
|
56,089
|
Source : Nos calculs sur la base de nos
données
La détermination du nombre de facteurs communs à
extraire se fait en considérant le critère de Kaiser indiquant la
limite inférieure du nombre de facteurs à extraire. Selon ce
critère, seul les facteurs ayant une valeur propre supérieure
à 1 sont à retenir. Il apparaît donc à travers le
tableau ci-dessus que le premier axe factoriel est à retenir ; car
ayant sa valeur propre égale à 2,244 qui est supérieure
à 1,00. Ce facteur résume la majeure partie de l'information
apportée par les variables utilisées. En effet, la valeur propre
de cet axe correspond à 56,089% de l'information totale contenue dans
ces variables. Il est donc suffisant pour résumer l'information contenue
dans les variables retenues. Par conséquent, l'indicateur
synthétique de conjoncture industrielle peut être construit
à partir des données retenues.
Paragraphe2. Construction
et pertinence de l'indicateur synthétique
A. Construction de
l'indicateur synthétique
L'analyse a permis de mettre en évidence le facteur
commun, qui n'est pas directement observable, mais qui peut être
estimé. Le modèle mathématique à la base de
l'analyse factorielle s'exprime dans l'ensemble des équations obtenues
à partir des coordonnées des variables sur l'axe factoriel.
Tableau N°6 : Corrélations des
variables avec le facteur commun
|
Variables
|
Intitulés
|
Coordonnées des variables sur l'axe factoriel
|
|
Perspect-PRD
|
Perspectives d'évolution de la production
|
0,921
|
|
Perspect-COM
|
Perspectives des commandes
|
0,763
|
|
Stock-PRDF
|
Stock de produit fini
|
0,639
|
|
Commd
|
Commandes enregistrées
|
-0,636
|
Source : Nos calculs sur la base de nos
données
Ces équations sont les suivantes :
Perspect-PRD = 0,921 F + U1
(1)
Perspect-COM = 0,763 F + U2
(2)
Stock-PRDF = 0,639 F + U3
(3)
Commd = -0,636 F + U4
(4)
Où Ui est la variance non
expliquée pour chacune des variables.
L'équation (1) montre que l'augmentation d'une
unité du facteur commun entraîne une augmentation de la variable
Perspect-PRD de 0,921 unité.
Par contre l'équation (4) montre que l'augmentation
d'une unité du facteur commun entraîne une diminution de 0,636
unité des commandes enregistrées.
Les coefficients de pondération estimée des
variables sont présentés dans le tableau ci-après:
Tableau N°7 : Pondérations des
variables
|
Variables
|
Intitulés
|
Coefficients de pondération
|
|
Perspect-PRD
|
Perspectives d'évolution de la production
|
0,410
|
|
Perspect-COM
|
Perspectives des commandes
|
0,340
|
|
Stock-PRDF
|
Stock de produit fini
|
0,285
|
|
Commd
|
Commandes enregistrées
|
-0,284
|
Source : Nos calculs sur la base de nos
données
Ainsi, le facteur commun F obtenu est déterminé
par :
F=0,41Perspect-PRD +0,34Perspect-COM +0,285Stock-PRDF
- 0,284 Commd
F représente l'indicateur synthétique de
conjoncture industrielle recherché.
Il dépend des variables perspectives d'évolution
de la production ; perspective des commandes ; stock de produit fini
et des commandes enregistrées ; ceci montre que notre
première hypothèse spécifique selon laquelle la production
industrielle et les résultats commerciaux expliquent la conjoncture
n'est pas vérifiée.
B. Représentation
graphique de l'indicateur synthétique
L'indicateur synthétique obtenu est construit à
l'aide d'une combinaison linéaire des variables, en utilisant les
coefficients de pondération du facteur de l'analyse. Ses valeurs sur
la période de l'étude sont présentées dans le
tableau ci-après :
Tableau N°8 : Valeurs de l'indicateur
synthétique de conjoncture industrielle sur la période
d'étude
|
Années
|
trimestre
|
F
|
|
2004
|
1
|
33,56
|
|
2
|
-1,34
|
|
3
|
25,35
|
|
4
|
29,86
|
|
2005
|
1
|
29,86
|
|
2
|
48,17
|
|
3
|
-29,88
|
|
4
|
25,25
|
|
2006
|
1
|
21,10
|
|
2
|
23,69
|
|
3
|
26,35
|
|
4
|
28,10
|
|
2007
|
1
|
-14,22
|
|
2
|
14,86
|
|
3
|
22,78
|
|
4
|
4,44
|
|
2008
|
1
|
-34,27
|
|
2
|
4,80
|
Source : Nos calculs sur la base de nos
données
Le graphe ci après illustre l'évolution de
l'indicateur sur la période d'étude
Source : Nos calculs sur la base de nos
données
L'indicateur construit a ses valeurs comprises entre -100% et
+100%. Ses valeurs sur la période d'étude sont comprises entre
-40% et +60%. Sa valeur moyenne est de 14,36% sur la même
période ; ce qui montre que la conjoncture industrielle est
passable au Bénin. En effet, la conjoncture est très mauvaise si
l'indicateur construit a ses valeurs inférieures à
zéro ; mauvaise si l'indicateur a ses valeurs comprises entre 0 et
10% ; passable si ses valeurs sont comprises entre 10% et 20% ; bonne
si les valeurs de l'indicateurs sont comprises entre 20% et 50% et favorable
à la croissance économique si l'indicateur a ses valeurs
supérieures à 50%. La valeur moyenne de l'indicateur sur la
période d'étude (14,36%) ne motive pas les opérateurs
économiques à investir dans le secteur industriel au
Bénin.
L'indicateur construit atteint son maximum au deuxième
trimestre de l'année 2005 avec une valeur de 48,17%. Cette valeur est la
plus haute atteinte par l'indicateur sur la période d'étude puis
il chute brutalement pour atteindre
-30% au troisième trimestre de la même
année. Cette situation serait due aux mesures restrictives prises par le
Nigeria7(*) sur la fermeture
de ses frontières en ce qui concerne avec le Bénin. De
même, l'indicateur synthétique présente un pic
négatif au premier trimestre de l'année 2008 ; ce qui
s'explique par la hausse généralisée et continue du niveau
des prix des matières premières observées au cours de
cette période dans le monde entier.
C. Pertinence de
l'indicateur construit
Evolution
comparée de l'indicateur et des variables
utilisées
Une comparaison des évolutions de l'indicateur
synthétique à celles des variables utilisées dans sa
construction est effectuée ci-après.
Evolution comparée de l'indicateur et de la variable
Perspective de production
De façon générale, l'évolution de
l'indicateur synthétique sur la période de l'étude
(premier trimestre de l'année 2004 au deuxième trimestre de
l'année 2008) est en phase avec celle de la variable Perspect-prd
(Perspectives de la production).Ceci montre qu'une partie de notre seconde
hypothèse spécifique selon laquelle l'évolution des
perspectives de la production et celle de la trésorerie des entreprises
industrielles permettent de déduire celle de la conjoncture. Toutefois,
il est à noter qu' au quatrième trimestre de l'année 2004
l'évolution de la variable est contraire à celle de l'indicateur
(la variable décroît alors que l'indicateur
croît).L'indicateur résume correctement cette variable.
(Confère graphique N°2)
Source : Nos calculs sur la base de nos
données
Evolution comparée de l'indicateur et de la variable
Perspective des Commandes
L'évolution de l'indicateur construit est globalement
en phase avec celle de la variable Perspect-commd (Perspectives des commandes).
Toutefois, les deux courbes ont des évolutions contradictoires au
quatrième trimestre de l'année 2004, et sur toute la
période de 2006. Ici aussi l'indicateur construit résume
correctement la variable utilisée dans sa construction. (Confère
graphique N°3)
Source : Nos calculs sur la base de nos
données
Evolution comparée de l'indicateur et de la variable
stock de produits finis
La comparaison des évolutions de l'indicateur et de la
variable Stock-prdf (Stock de produits finis) montre que ces deux courbes
présentent globalement la même tendance sur la période
d'étude. Néanmoins, l'indicateur affiche une croissance moins
prononcée que celle de la variable sur la période allant du
premier trimestre 2006 au quatrième trimestre de la même
année. Aussi, les évolutions de ces deux courbes sont-elles
contradictoires sur la période allant du deuxième trimestre au
quatrième trimestre de l'année 2007. (Confère graphique
N°4)
Source : Nos calculs sur la base de nos
données
Evolution comparée de l'indicateur et de la variable
commandes enregiistrées
La variable Commd (commandes enregistrées) et
l'indicateur synthétique construit présentent des profils
opposés à plusieurs dates, au cours de la période de
référence. De même, les variables commande et stock de
produit finis présentent des profils opposés. En effet, une
augmentation des commandes est généralement suivie d'une
diminution des stocks. Aussi, les coefficients de pondérations
étant respectivement de -0,284 et 0,285 alors l'information
apportée par la variable stock de produits finis est beaucoup plus
importante que celle apportée par la variable commande
reçue ; ceci fait que l'indicateur synthétique a pu
résumer plus correctement l'évolution de la variable stock de
produits finis que celle de la variable commande reçue. (Confère
graphiques N°5 et N°6°)
Source : Nos calculs sur la base de nos
données
Source : Nos calculs sur la base de nos
données
Au total, l'indicateur synthétique construit
résume de manière globalement satisfaisante les variables
utilisées dans sa construction. Il pourrait donc être
utilisé pour apprécier la conjoncture dans le secteur
industriel.
D. Difficultés et limites
La difficulté essentielle rencontrée est
l'absence de base de données sur les soldes d'opinion. A ceci s'ajoute
la non disponibilité des bases des enquêtes de conjonctures
réalisées par le SIAI.
Les séries utilisées pour la construction de
l'indicateur n'étant pas assez longues, il est difficile
d'apprécier la stabilité et la significativité des
variables retenues pour la construction dudit indicateur. Cette même
raison nous a obligés à ne pas établir une relation entre
l'évolution de l'indicateur synthétique et celle de
l'activité économique. Ainsi, les résultats obtenus
devront être annuellement mis à jour afin d'intégrer de
nouvelles données notamment celles des enquêtes de conjoncture du
SIAI.
CONCLUSION ET RECOMMANDATIONS
Les enquêtes de conjonctures industrielles constituent
une source précieuse d'informations permettant de suivre les
fluctuations à courts termes dans l'industrie. Face à la
multitude de variables utilisées dans cette enquête, la
construction d'un indicateur synthétique constitue une solution
nécessaire et utile pouvant faciliter le suivi de l'évolution du
secteur.
Cet indicateur synthétique construit à partir
des soldes d'opinions issus des enquêtes de conjonctures industrielles
par la méthode d'analyse factorielle résume de manière
globalement satisfaisante les variables utilisées dans sa construction.
Il pourrait donc être utilisé pour apprécier
l'évolution à court terme de la situation industrielle
béninoise. Toutefois, il convient de souligner que ce mémoire a
été une initiation à l'utilisation de l'analyse
factorielle avec le logiciel SPSS pour la construction d'un indicateur de
conjoncture industrielle avec les soldes d'opinions. Nous souhaitons que
l'approfondissement du travail effectué ici s'inscrive dans les
prochaines préoccupations de l'Institut National de la Statistique et de
l'Analyse Economique (INSAE) et du Service d'Information et de l'Analyse
Industrielle (SIAI) en matière de recherche de bons indicateurs de
l'activité industrielle. Pour cela, un grand intérêt doit
être accordé à la maîtrise et à l'utilisation
des logiciels Gauss et Stamp, spécialisés dans la recherche dans
ce domaine. Par ailleurs, nous pensons que l'utilisation de l'indicateur
calculé doit rester prudente jusqu'à la disponibilité de
données sur de longues séries de soldes d'opinions.
En attendant de disposer de séries longues et
homogènes qui pourront améliorer la qualité de
l'indicateur conjoncturel, des efforts doivent être entrepris par le SIAI
et l'INSAE pour effectuer régulièrement (tous les trimestres) et
à bonne date les enquêtes de conjoncture industrielle. Ils doivent
aussi oeuvrer en faveur de l'amélioration de la qualité des
enquêtes de conjoncture industrielle par l'augmentation de la taille de
l'échantillon des entreprises industrielles. Nous pensons finalement que
le degré de méfiance et la mémoire des entrepreneurs
béninois, déterminants de l'exactitude des réponses
fournies, nécessitent éventuellement plus de sensibilisation sur
l'importance des enquêtes de conjoncture.
BIBLIOGRAPHIE
BCEAO : Note d'information et
statistiques N°534,Mars 2003
Boutaina Antari et Zineb Bouba : Essai
d'établissement d'un indicateur synthétique pour le Maroc,
Document de travail N° 88, Mai 2003
Bruno Tissot et Nicolas Cournot : La
Prévision Economique, 2002
Charpentier A. cours de séries
temporelles : théorie et application volume1
Chr. Ost, C. Hamaide, P. Dupriez N. Van
Droogenbroeck : L'économie en mouvement ;
outils d'analyse de la conjoncture, 2e édition février 1996
Dominique Ladiray et Gian Luigi Mazzi :
Modélisation des données d'enquêtes pour la recherche
économique et social ; Symposium de statistique Canada ;
2002
Doz C.et Lenglart F. : Analyse
factorielle dynamique : test du nombre de facteurs estimation et
application à l'enquête de conjoncture dans l'industrie ;
1999
INSEE : Enquête mensuel de
conjoncture dans l'industrie : note méthodologique, 2004 et 2008
Jacques Baillargeon : L'Analyse
Factorielle Exploratoire ; Janvier 2003
Jacky FAYOLLE, Pratique contemporaine de
l'analyse conjoncturelle, 1987
Jang Schiltz : Un indicateur
avancé pour la zone EURO, 2000
Jean Pierre CLING L'Analyse de la
Conjoncture, 1990
SIAI : Note de Conjoncture
Industrielle : 2002, 2003, 2005,2007 et 2008
SIAI : Répertoire des Entreprises
Industrielles du Bénin, édition 2001
Tedongap Ngefack Roméo Raymond :
Enquête de conjoncture : confession d'indicateurs
synthétiques d'activité à partir des modèles
à composantes inobservables et d'un modèle probabiliste ;
Rapport de stage, Octobre 2002
http://fr.wikipedia.org/wiki/Indicateur
WWW.INSEE.fr
* 1 Source:Répertoire des
Entreprises Industrielles du Bénin page5 ; édition 2001
* 2 Source: INSAE séries
de PIB
* 3
http://fr.wikipedia.org/wiki/Indicateur
* 4 Notes d'information et
Statistiques n°534 de Mars 2003
* 5 Notes d'information et
Statistiques n°534 de Mars 2003
* 6 Notes d'information et
Statistiques n°534 de Mars 2003
* 7 Confère note de
conjoncture industrielle du premier et deuxième semestre 2005
| 
