WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Attractivité territoriale et stratégies de localisation des entreprises industrielles dans les collectivités territoriales de la région du centre au Cameroun


par Marius Trésor MENGUE OYONO
Université de Yaoundé 2 - SOA - Master 2 en Economie du Territoire et de la Décentralisation 2015
  

précédent sommaire suivant

SECTION II : RESULTATS DES ESTIMATIONS ECONOMETRIQUES ET ANALYSES

Pour estimer notre modèle, nous avons construit deux modèles comme nous l'avons précisé plus haut. Dans ces deux modèles nous avons une seule variable expliquée qui est le nombre d'entreprises présent dans le secteur industriel au centre. C'est ainsi que notre modèle est un modèle à effet aléatoire par rapport au secteur industriel. Les deux modèles définis ont la structure suivante suivant :

Y : est la variable expliquée

ÓX : est la somme des variables explicatives du modèle

å : est le terme d'erreur

i : est le secteur considéré, c'est-à-dire le secteur industriel

t : est la série temporel ou la période d'étude (05 ans)

Les modèles sont donc présentés comme suit :

Modèle 1  (1)

Modèle 2 : (2)

Test de spécification de Hausman

Dans un modèle de régression linéaire sur données de panel, le test d'Hausman permet de tester la différent entre le modèle à effet fixes et supposé convergent sous l'hypothèse nulle et l'hypothèse alternative ; et le modèle à effet aléatoire, supposé convergent et efficace sous l'hypothèse nulle mais non convergent sous l'hypothèse alternative.

Les hypothèses du test sont donc les suivantes :

- H0 : Absences d'effet fixes

- H1 : Présence d'effet fixe

La statistique de Fisher calculé suit sous l'hypothèse H0 une loi de Fisher. A cet effet l'hypothèse de présence d'effets fixe ne sera pas rejetée lorsque la statistique calculée est supérieure à la valeur critique lue sur la table de Fisher.

La statistique du test est : , elle suit une loi de fisher.

Le principe du teste consiste à régresser les deux modèles (modèle à effets fixes et modèle à effets aléatoires) et d'étudier le comportement de résidus afin de retenir le modèle le plus approprié.

II.1. Résultats des estimations économétriques

Nous allons présenter et interpréter les principaux résultats obtenus lors de l'estimation du modèle de Berger et Nitsch [2008], qui met en exergue l'influence des certaines variables sur le niveau d'attractivité des régions.

Il est important de rappeler que nous n'avons pas trouvé nécessaire de vérifier la stationnarité des variables sur données de panel. Car ; la composante temporelle n'est que de 5 ans (2008-2012). Les estimations ont été faites par la méthode des Moindres Carrées Ordinaires (MCO) avec écart-types robustes sur la période, Ceci par la méthode de White ; afin de corriger l'hétéroscédasticité des erreurs et rendre les écart-types ainsi minimales. Car, il est conseillé dans le cas où le panel est non cylindré d'utiliser l'option robuste de manière à tenir compte de l'hétéroscédasticité des erreurs, puisque la variance des erreurs du modèle transformé n'est pas constante.

Modèle 1

Le modèle 1 a été estimé sans effets fixes période ; étant donné la longueur des séries (effets temps), mais en corrigeant l'hétéroscédasticité. Il est globalement significatif à 1%. On peut noter qu'excepté le niveau de commerce illicite non compressible et le coefficient du niveau technologique et de compétences que nécessitent les produits, toutes les variables explicatives sont contributives, ou que tous leurs coefficients sont significatifs à 1% au plus.

De l'estimation des modèles à effet aléatoire et fixe, il ressort après réalisation du test de Hausman que le meilleur modèle est le modèle à effet aléatoire.

Le coefficient de la variable EFFECTIF_TOTAL est significatif et positif à 1%. Aussi, l'effectif des employés dans les entreprises du secteur industriel de l'économie Camerounaise, dans la Région du centre contribue à accroitre le nombre d'entreprise de cette Region. Ce qui est normal, ceci d'autant plus que le nombre d'employé est susceptible d'augmenté avec le nombre d'entreprise peu importe la taille de cette dernière.

MODELE 1

Modèle aléatoire

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel EGLS (Cross-section random effects)

Date: 10/04/16 Time: 15:18

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 

Swamy and Arora estimator of component variances

White cross-section standard errors & covariance (d.f. corrected)

 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

-364.7758

2.22E-11

-1.64E+13

0.0000

EFFECTIF_TOTAL

0.096262

6.77E-15

1.42E+13

0.0000

SERVICES_EXTERIEURS

3.86E-10

2.15E-23

1.79E+13

0.0000

CHIFFRE_D_AFFAIRES

9.79E-10

2.06E-22

4.75E+12

0.0000

CAPITAL

-1.82E-09

2.35E-21

-7.73E+11

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 

S.D.  

Rho  

 
 
 
 
 
 
 
 
 
 

Cross-section random

0.000000

0.0000

Idiosyncratic random

6.74E-12

1.0000

 
 
 
 
 
 
 
 
 
 
 

Weighted Statistics

 
 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

6.03E-12

    Sum squared resid

7.64E-21

F-statistic

5.42E+27

    Durbin-Watson stat

0.635654

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 
 
 
 
 
 
 

Unweighted Statistics

 
 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Sum squared resid

7.64E-21

    Durbin-Watson stat

0.635654

 
 
 
 
 
 
 
 
 
 


Modèle fixe

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel Least Squares

 
 

Date: 10/04/16 Time: 15:18

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 

White cross-section standard errors & covariance (d.f. corrected)

 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

-364.7758

2.56E-11

-1.43E+13

0.0000

EFFECTIF_TOTAL

0.096262

7.34E-15

1.31E+13

0.0000

SERVICES_EXTERIEURS

3.86E-10

2.56E-23

1.51E+13

0.0000

CHIFFRE_D_AFFAIRES

9.79E-10

2.29E-22

4.28E+12

0.0000

CAPITAL

-1.82E-09

2.64E-21

-6.89E+11

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 
 
 
 
 
 
 
 

Cross-section fixed (dummy variables)

 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

6.74E-12

    Akaike info criterion

-48.41825

Sum squared resid

7.63E-21

    Schwarz criterion

-47.68141

Log likelihood

5251.962

    Hannan-Quinn criter.

-48.12054

F-statistic

3.78E+26

    Durbin-Watson stat

0.636532

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 
 
 
 
 
 

Test de Hausman (Absence d'effet fixe)

Correlated Random Effects - Hausman Test

 

Equation: Untitled

 
 

Test cross-section random effects

 
 
 
 
 
 
 
 
 
 
 

Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob. 

 
 
 
 
 
 
 
 
 
 

Cross-section random

0.000000

4

1.0000

 
 
 
 
 
 
 
 
 
 

** WARNING: robust standard errors may not be consistent with

        assumptions of Hausman test variance calculation.

** WARNING: estimated cross-section random effects variance is zero.

 
 
 
 
 

Cross-section random effects test comparisons:

 
 
 
 
 

Variable

Fixed  

Random 

Var(Diff.) 

Prob. 

 
 
 
 
 
 
 
 
 
 

EFFECTIF_TOTAL

0.096262

0.096262

0.000000

1.0000

SERVICES_EXTERIEURS

0.000000

0.000000

0.000000

1.0000

CHIFFRE_D_AFFAIRES

0.000000

0.000000

0.000000

1.0000

CAPITAL

-0.000000

-0.000000

0.000000

1.0000

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Cross-section random effects test equation:

 

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel Least Squares

 
 

Date: 10/04/16 Time: 15:18

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 

White cross-section standard errors & covariance (d.f. corrected)

 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

-364.7758

2.56E-11

-1.43E+13

0.0000

EFFECTIF_TOTAL

0.096262

7.34E-15

1.31E+13

0.0000

SERVICES_EXTERIEURS

3.86E-10

2.56E-23

1.51E+13

0.0000

CHIFFRE_D_AFFAIRES

9.79E-10

2.29E-22

4.28E+12

0.0000

CAPITAL

-1.82E-09

2.64E-21

-6.89E+11

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 
 
 
 
 
 
 
 

Cross-section fixed (dummy variables)

 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

6.74E-12

    Akaike info criterion

-48.41825

Sum squared resid

7.63E-21

    Schwarz criterion

-47.68141

Log likelihood

5251.962

    Hannan-Quinn criter.

-48.12054

F-statistic

3.78E+26

    Durbin-Watson stat

0.636532

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 
 
 
 
 
 


MODELE 2

Le modèle 1 a été estimé sans effets fixes période ; étant donné la longueur des séries (effets temps), mais en corrigeant l'hétéroscédasticité. Il est globalement significatif à 1%. On peut toujoursnoter ici qu'excepter le niveau de commerce illicite non compressible et le coefficient du niveau technologique et de compétences que nécessitent les produits qui ne toutes les variables explicatives sont également contributive, ou que tous leurs coefficients sont significatifs à 1% au plus.

De l'estimation des modèles à effet aléatoire et fixe, il ressort après réalisation du test de Hausman que le meilleur modèle est le modèle à effet aléatoire.

Ici le coefficient des variables CLIENTS et PRODUITS_FABRIQUES sont significatives et positif à 1%. Ainsi, l'effectif des clients dans les entreprises des secteurs industriel de l'économie camerounaise de la région du Centre jumelé à l'augmentation de la production des secteurs, contribuent à accroitre le nombre d'entreprises de cette région. Ce qui est normal, car d'autant le nombre de clients du secteur est susceptible d'augmenter, d'autant les entreprises sont susceptibles d'accroitre leur niveau de production pour satisfaire la demande. Ce qui a pour conséquence d'entrainer l'augmentation du nombre d'entreprises dans la région, peu importe la taille de ces dernières.

Modèle aléatoire

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel EGLS (Cross-section random effects)

Date: 10/04/16 Time: 15:27

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 

Swamy and Arora estimator of component variances

 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

184.7818

2.48E-10

7.44E+11

0.0000

CLIENTS

3.33E-09

3.84E-21

8.67E+11

0.0000

MATIERES_PREMIERES_ET_AU

-5.68E-08

3.24E-20

-1.75E+12

0.0000

TRANSPORTS

4.33E-08

1.36E-20

3.18E+12

0.0000

PRODUITS_FABRIQUES

5.02E-08

3.54E-20

1.42E+12

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 

S.D.  

Rho  

 
 
 
 
 
 
 
 
 
 

Cross-section random

0.000000

0.0000

Idiosyncratic random

1.24E-10

1.0000

 
 
 
 
 
 
 
 
 
 
 

Weighted Statistics

 
 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

1.11E-10

    Sum squared resid

2.60E-18

F-statistic

1.60E+25

    Durbin-Watson stat

2.619085

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 
 
 
 
 
 
 

Unweighted Statistics

 
 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Sum squared resid

2.60E-18

    Durbin-Watson stat

2.619085

 
 
 
 
 
 
 
 
 
 


Modèle fixe

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel Least Squares

 
 

Date: 10/04/16 Time: 15:28

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 
 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

184.7818

2.48E-10

7.44E+11

0.0000

CLIENTS

3.33E-09

3.84E-21

8.67E+11

0.0000

MATIERES_PREMIERES_ET_AU

-5.68E-08

3.24E-20

-1.75E+12

0.0000

TRANSPORTS

4.33E-08

1.36E-20

3.18E+12

0.0000

PRODUITS_FABRIQUES

5.02E-08

3.54E-20

1.42E+12

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 
 
 
 
 
 
 
 

Cross-section fixed (dummy variables)

 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

1.24E-10

    Akaike info criterion

-42.58843

Sum squared resid

2.60E-18

    Schwarz criterion

-41.85160

Log likelihood

4625.257

    Hannan-Quinn criter.

-42.29072

F-statistic

1.11E+24

    Durbin-Watson stat

2.619108

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 
 
 
 
 
 

Test de Hausman (Absence d'effet fixe)

Correlated Random Effects - Hausman Test

 

Equation: Untitled

 
 

Test cross-section random effects

 
 
 
 
 
 
 
 
 
 
 

Test Summary

Chi-Sq. Statistic

Chi-Sq. d.f.

Prob. 

 
 
 
 
 
 
 
 
 
 

Cross-section random

0.000000

4

1.0000

 
 
 
 
 
 
 
 
 
 

* Cross-section test variance is invalid. Hausman statistic set to zero.

** WARNING: estimated cross-section random effects variance is zero.

 
 
 
 
 

Cross-section random effects test comparisons:

 
 
 
 
 

Variable

Fixed  

Random 

Var(Diff.) 

Prob. 

 
 
 
 
 
 
 
 
 
 

CLIENTS

0.000000

0.000000

0.000000

1.0000

MATIERES_PREMIERES_ET_AU

-0.000000

-0.000000

0.000000

1.0000

TRANSPORTS

0.000000

0.000000

0.000000

1.0000

PRODUITS_FABRIQUES

0.000000

0.000000

0.000000

1.0000

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Cross-section random effects test equation:

 

Dependent Variable: NOMBRE_D_ENTREPRISE

 

Method: Panel Least Squares

 
 

Date: 10/04/16 Time: 15:28

 
 

Sample: 2008 2012

 
 

Periods included: 5

 
 

Cross-sections included: 43

 
 

Total panel (balanced) observations: 215

 
 
 
 
 
 
 
 
 
 
 

Variable

Coefficient

Std. Error

t-Statistic

Prob.  

 
 
 
 
 
 
 
 
 
 

C

184.7818

2.48E-10

7.44E+11

0.0000

CLIENTS

3.33E-09

3.84E-21

8.67E+11

0.0000

MATIERES_PREMIERES_ET_AU

-5.68E-08

3.24E-20

-1.75E+12

0.0000

TRANSPORTS

4.33E-08

1.36E-20

3.18E+12

0.0000

PRODUITS_FABRIQUES

5.02E-08

3.54E-20

1.42E+12

0.0000

 
 
 
 
 
 
 
 
 
 
 

Effects Specification

 
 
 
 
 
 
 
 
 
 
 
 

Cross-section fixed (dummy variables)

 
 
 
 
 
 
 
 
 
 
 

R-squared

1.000000

    Mean dependent var

90.96175

Adjusted R-squared

1.000000

    S.D. dependent var

60.71268

S.E. of regression

1.24E-10

    Akaike info criterion

-42.58843

Sum squared resid

2.60E-18

    Schwarz criterion

-41.85160

Log likelihood

4625.257

    Hannan-Quinn criter.

-42.29072

F-statistic

1.11E+24

    Durbin-Watson stat

2.619108

Prob(F-statistic)

0.000000

 
 
 
 
 
 
 
 

précédent sommaire suivant