3.2.2 - Recherche factorielle des déterminants des
flux d'IDE
La théorie économique consacrée aux IDE
suggère des variables susceptibles d'expliquer ceux-ci dans les faits,
il est difficile de disposer des données sur tous les facteurs
évoqués c'est donc sous réserve de l'absence de certains
de ces variables que nous postulerons un modèle explicatifs bien avant,
il conviendrait de rechercher au moyen de la méthode factorielle
discriminante (AFD) celles qui sont les plus corrélées aux flux
d'IDE en pourcentage du PIB.
Cette approche consiste à créer une variable
dichotomique (DUM) à partir des IDE cumulés des pays retenus pour
toute la période couverte par l'étude et de définir un
seuil z à partir des déciles de la distribution
du taux d'IDE. Concrètement la création de cette variable repose
sur l'hypothèse qu'au cours de la période 1970-1998 un pays
donné peut passer d'une situation où il a un taux relativement
faible ( IDE / PIB < z ) à une situation
où le taux est
élevé ( IDE / PIB = z
). Le tableau 5 présente les 9 déciles de la distribution du
taux d'investissement direct. L'écart entre le 9è
décile et le 8è décile étant le plus
élevé nous considérons que les observations dont les
valeurs sont les plus élevées sont celles qui sont audelà
du 8è décile. De la sorte, le seuil z se situe
à 1,66%.
Tableau 5 : Les neuf déciles de la
distribution de IDE/PIB
Décile
|
1
|
2
|
3
|
4
|
5
|
6
|
7
|
8
|
9
|
Valeur (%)
|
-0,07
|
0,05
|
0,14
|
0,3
|
0,48
|
0,72
|
1,11
|
1,66
|
3,14
|
|
Source : Nos calculs
la variable dichotomique DUM est définie comme suit :
DUM =
|
1" Moins d IDE si IDE PIB
' " / < 1,66%
0 " Plus d IDE si IDE PIB
' " / = 1,66%
|
|
L'AFD permettra de différencier ces deux groupes
grâce aux variables explicatives suggérées par la
théorie économique. Elle révèlera donc celles qui
sont les plus significatives pour expliquer le fait qu'au cours de la
période 1970-1998 un pays ait un taux d'investissement direct
élevé ou non.
3.2.3 - Analyse économétrique
Compte tenu du nombre de pays que prend en compte notre
étude et de la période (1970-1998), nous adopterons une
étude économétrique des données de panel. Les
modèles économétriques linéaires en données
de panel déclinent sous plusieurs formes de spécifications. Les
plus utilisées sont les suivantes :
Le modèle à effets communs (constante
unique)
y it = á + â x
it + å it t = 1, 2, ...T ; i =1, 2, K
'
E ( å it ) = 0 ? i ,
t
Où y it est la valeur de la
variable à expliquer de l'individu i à la date t et
xit est le vecteur des réalisations des K variables
explicatives de l'individu i à la date t. xit est
indépendant de åit .
Ce modèle suppose qu'il n'y a pas d'effets
spécifiques par pays. La constante est donc unique pour tous les pays et
le coefficient d'une variable explicative quelconque du modèle est le
même pour tous les pays.
· Le modèle à effets
fixes
y it = á i + â x
it + å it
'
Ce modèle suppose que chaque pays a un effet
spécifique. La constante n'est donc pas la même pour les pays,
mais le coefficient d'une variable explicative quelconque du modèle est
le même pour tous les pays.
· Le modèle à effets
aléatoires/à erreurs composées
y it = á + â x
it + ì i + å it
'
E (å it å i ' t
' ) = ? ii 'ó ì + ? ii ' ? tt
' ó å où 2
2 2 óì et
2
óå sont les variances
respectives des deux éléments ìi
et åit de la perturbation.
Ce modèle suppose l'existence d'une perturbation
aléatoire propre à chaque pays. Cette perturbation est constante
dans le temps. Par ailleurs, le coefficient d'une variable explicative
quelconque du modèle est le même pour tous les pays.
Pour connaître le modèle adapté à nos
données, parmi ces trois types de modèles, nous
procèderons à des tests économétriques. En effet,
il y a deux types de tests :
Les déterminants des investissements directs
étrangers en Afrique subsaharienne
+ Test d'existence de l'effet spécifique (test de
Fisher) permet de décider entre
le modèle à effets fixes et le modèle
à effets communs lequel permet la meilleure représentation des
données.
|
Encadré 5 : Principe du test de Fisher
d'existence d'effet spécifique
Il teste la significativité de l'effet de groupe
(pays pour cette étude) ou effet spécifique c'est-à-dire
qu'il teste l'hypothèse selon laquelle le terme constant est le
même pour tous les groupes. Les hypothèses du test sont :
H0 : Les effets spécifiques sont les mêmes. H1 :
Présence d'effets spécifiques.
( R R
2 2
- ) /( 1)
N -
u p
La statistique du test est la suivante : F N
( 1,
- N T N K
- - ) =
(1 ) /(
2
- R N T N K
- - )
u
N est le nombre d'individus (pays) et T le nombre
d'années ; ; K est le nombre de variables explicatives ;
NT est le nombre total d'observations ;
Ru est le coefficient de détermination du
modèle à effets fixes ;
2
Rp est le coefficient de détermination du
modèle à effets communs.
2
|
Si le test conclut à l'inexistence d'effets
spécifiques alors la procédure s'arrête et le modèle
approprié est le modèle à effets communs. Dans le cas
contraire (existence d'effets spécifiques) il faudra chercher à
savoir, grâce au test de Hausman ou de Breusch-Pagan, si ces effets ne
sont pas en fait des effets aléatoires.
+ Test d'existence d'effets aléatoires (test de
Hausman) permet de choisir entre le modèle à effets
fixes et le modèle à effets aléatoires.
Encadré 6 : Le test de Hausman
(1978)
Ce test permet de tester de la validité de la
spécification en termes de modèles à effets
aléatoires. Il repose sur la différence entre les estimateurs du
modèles à effets fixes et du modèles à effets
aléatoires. Les hypothèses du test sont :
H0 : Pas de différence systématique entre les
coefficients des deux modèles. H1 : Présence d'effets
aléatoires.
|
La statistique du test est donnée par :
|
W ( â f â r ) ( V
f V r ) ( â f â r )
' - 1
= - - -
|
âf est le vecteur des coefficients du
modèle à effets fixes ;
âr est le vecteur des coefficients du
modèle à effets aléatoires ; Vf est la variance
de âf ;
Vr est la variance de âr
.
Sous l'hypothèse nulle, W suit une loi du Khi-Deux
à K degrés de liberté. K désigne le nombre de
paramètres estimés hormis la constante.
Il est aussi possible d'utiliser le test du Multiplicateur de
Lagrange de Breusch-Pagan (1980) pour tester la présence d'effets
aléatoires dans un modèle.
| 
