CHAPITRE III :
Dans le présent chapitre, il sera question dans un
premier temps de faire l'étude de la stationnarité et de
cointégration sur les variables du modèle.
Ensuite, nous présenterons la mise en
évidence de la relation dette extérieure et croissance
économique au Bénin en analysant les résultats
obtenus. Dans ce contexte, nous ferons les recommandations et
suggestions que nous jugerons opportunes pour atteindre les objectifs d'une
croissance économique durable.
Section I : Etude de la stationnarité et
cointégration
Cette partie examine les explications empiriques de la
croissance du PIB du Bénin à travers l'étude de la
stationnarité et de la cointégration.
Il s'agit de présenter l'estimation de la relation de
long terme ainsi que la détermination de l'ordre d'intégration
des variables qui autorise l'étude de la cointégration et
l'élaboration de modèle à correction d'erreur.
Paragraphe 1 : Rappel du modèle et
détermination de l'ordre d'intégration des variables
Dans cette partie il sera rappelé le modèle
à estimer, avant la présentation et l'analyse des
résultats de l'estimation.
A- Rappel du modèle
Comme spécificité dans le chapitre 1, le
modèle retenu pour l'analyse de l'impact de la dette extérieure
sur la croissance économique dans le cadre du présent travail
est :
LDTpibt = á0 +
á1LSdexpt + á2LTcht
+ á3LVtet +
á4LTdbt + á5LTinvpt +
á6LTCROISt + á7OUVCt
+ çt (I)
Avec :
· LDTpib désigne l'encours de la
dette en fin de période en pourcentage du PIB en logarithme,
· LVte : les variations des termes de
l'échange en logarithme,
· LTdb : désigne le taux du
déficit budgétaire de l'administration centrale en logarithme,
· LTinvp : désigne le taux
d'investissement public en logarithme,
· OUVC : désigne
l'indicateur de l'ouverture commerciale,
. LTCROIS : désigne le taux de
croissance du PIB en logarithme,
. LTch : désigne le taux de change US
$ par rapport au FCFA en logarithme,
. LSdexp : désigne le service de
la dette par rapport aux exportations en logarithme,
· çt représente
les perturbations aléatoires,
. ái
(i=1,.......7) qui sont les paramètres à estimer.
B- Détermination de l'ordre d'intégration
des variables
Depuis que l'économétrie a perçu que la
validité des estimations est tributaire de la stationnarité des
variables, il est recommandé de toujours commencer par chercher l'ordre
d'intégration des variables dans tout travail
d'économétrie.
Cela est d'autant plus important et pertinent dans la
présente étude que les variables utilisées dans le
modèle, sont toutes des variables macroéconomiques, qui
d'ordinaire, sont non stationnaires.
Règle de
décision :
La détermination de l'ordre d'intégration des
variables est faite suivant les tests de racine unitaire. A ces tests
réalisés à l'aide du logiciel EVIEWS, sont
attachées des règles de décision précises qui
permettent de se prononcer sur l'ordre d'intégration des variables.
Dans les différents tests appliqués ici, le
nombre de retards retenus est celui correspondant au test pour lequel la
statistique AIC (Akaike Info Criterion) est la plus faible. Le nombre de
retards étant retenu sur la base de la statistique d'Akaike, la
stationnarité de la variable est jugée à partir de la
comparaison entre les statistiques ADF (Augmented Dickey Fuller test statistic)
et Critical value (Mackinnon Critical values).
Les hypothèses alternatives qui se présentent
à l'issue du test sont :
H0 : racine unitaire ou non
stationnarité
H1 : non racine unitaire ou
stationnarité
- Si ADF >valeur critique de Mackinnon alors
l'hypothèse H0 est acceptée. Par conséquent la
série est non stationnaire.
- Si ADF < valeur critique de Mackinnon alors
l'hypothèse alternative H1 est acceptée. Cela traduit
la stationnarité de la série.
Les tests sont appliqués à niveau, puis en
différence première, au cas où il y aurait présence
de racine unitaire au premier stade.
Si les séries sont stationnaires et
intégrées d'ordre différent, le test de
cointégration se fera par la méthode de JOHANSEN. Par contre si
elles sont intégrées d'un même ordre, ce test se fera par
la méthode de Engle Granger.
Des Modèles à Correction d'Erreur (MCE)
peuvent alors être élaborés et estimés. Les MCE
fournissent les élasticités des variables aussi bien pour le
court terme que pour le long terme. Ils traduisent le degré d'influence
des variables exogènes sur la variable endogène.
L'étude considère le seuil de 5% pour
la validation des hypothèses.
On rappelle qu'un coefficient est significatif ou
significativement différent de zéro lorsque la valeur absolue de
la statistique calculée (t-statistic) est supérieure à
celle lue dans la table de Student au seuil á
(á = 0,05) à n-k degrés de
libertés (n = nombre d'observations, k = nombre de variables
explicatives). Tout ceci est confirmé par la probabilité critique
qui doit être inférieure à 5%.
Pour se prononcer sur la significativité globale du
modèle, il est impérieux de faire recours à la statistique
de Fisher qui permet de voir si l'ensemble des variables explicatives est
pertinent pour expliquer le comportement de variable à expliquer. Le
logiciel EVIEWS fournit directement cette statistique et lui attache des
probabilités critiques, ce qui facilite davantage ce test.
Quant à la qualité des résidus, on se
réfère aux tests de Durbin Watson.
| 
