Les modèles classiques de demande
Pour Nasse(1973),l'étude des évolutions de la
consommation des ménages sur séries chronologiques, a conduit
à la mise au point de deux types de modèles :
-les modèles détaillés, décrivant
séparément l'évolution de chacun des biens pouvant
être isolé dans la nomenclature de consommation.
-les modèles complets donnant une représentation
simultanée pour une nomenclature fixée des évolutions de
la totalité des biens entrant dans la consommation des
ménages.
En raison de la spécificité de notre
étude qui est une analyse de la demande d'un bien précis, le
premier type de modèles nous sieds le mieux. Ainsi le choix du
modèle d'analyse approprié s'en trouve réduit. Selon
Koné Amadou(1992), un modèle d'analyse économique n'a de
valeur que par la pertinence des résultats qu'il fournit. Pour ce faire,
il est basé sur la théorie classique de la demande et introduit
des restrictions afin d'être simple et de réduire le nombre de
paramètres à estimer. On peut citer parmi les plus
importants :
-le modèle de demande différentiel de Rotterdam,
Theil et Basten.
-le modèle de demande indirecte logarithmique de
Leser
-le modèle de demande linéaire des
dépenses de Klein et Rubin.
Ces trois modèles sont des modèles complets pour
lesquels en 1969, Parks a fait une étude comparative afin de montrer
leurs avantages et inconvénients.
En plus de ceux ci l'on peut citer des modèles plus
récents tels que :
-Le système de demande presque parfait de Deaton et
Muelbauer qui selon ses auteurs offrent plus d'avantages que les modèles
Rotterdam et translog.
-Le système complet de fonction de demande de Fourgeaud
et Nataf.
-Le modèle translog utilisé par Christensen et
al et Jorgensen et Lau.
Ces modèles, bien que très performants, sont un
peu trop sophistiqués pour notre usage. En effet, en leur qualité
de modèles complets, ils sont conçus pour l'analyse de la demande
globale alors que notre étude ne concerne qu'un seul bien de
consommation(le gaz butane). Dès lors le modèle qui serait
nécessaire serait un modèle détaillé,
décrivant les évolutions du gaz butane dans l'ensemble des biens
de consommation. Un autre avantage de ce choix est selon Nasse(1973),
cité par Amadou Koné, que le premier type de modèles
n'admet le plus souvent qu'un support très simple et leur
spécification est essentiellement pragmatique. Il ne s'agit donc pas de
tester les qualités ou capacités d'estimation ou de
prédiction d'un modèle théorique, ni d'analyser le
comportement général des consommateurs de gaz butane.
L'objet de cette étude est plutôt la recherche
des paramètres qui expliquent le mieux possible la consommation globale
de gaz butane des ménages. Ce pourquoi, nous pensons que le premier type
de modèle est le mieux adapté à cette situation et qu'une
simple équation s'appuyant sur la théorie fondamentale de la
demande serait appropriée. Une analyse plus fine des hypothèses
et restrictions de l'étude permettra une meilleure spécification
du modèle retenu.
L'Identification des variables
Etant donné l'objectif principal de cette recherche, il
s'agit dans cette partie de notre travail, de savoir quelles sont les variables
qui, de manière pertinente, spécifient la demande globale de gaz
butane des ménages en Cote D'Ivoire.
Koutsoyannis(1973), dit qu'un modèle d'analyse comprend
habituellement, en plus de la variable dépendante, les variables
explicatives les plus pertinentes, l'influence des variables moins importantes
étant prise en compte par le terme de l'erreur. L'omission de variables
étant une source potentielle d'erreur de spécification du
modèle, la théorie générale de la demande
combinée avec les informations issues des études
antérieures et l'expérience du terrain, permettent de
réduire la probabilité d'occurrence de cette
éventualité. La contrainte du degré de liberté
n'encourage pas la prise en compte d'un grand nombres de variables dans le
modèle.
La variable dépendante
En supposant les ménages rationnels dans leur choix de
consommation, la fonction de demande domestique de gaz butane, s'obtient par la
maximisation de l'utilité retirée de la consommation du bien gaz
butane sous la contrainte budgétaire.
Un consensus semble se dégager entre les
économistes, concernant les déterminants de la demande
énergétique des ménages.
De manière générale, la demande
d'énergie des ménages dans la plupart des études
antérieures au notre, a été appréhendée par
les quantités consommées ou achetées du bien par les
ménages. Dans cette étude donc, la fonction de demande de gaz
butane par les ménages aura pour variable dépendante les
quantités mensuelles de gaz butane achetée par les
ménages.
Les
variables explicatives
En outre, les variables explicatives couramment
utilisées dans les études antérieures et sur lesquelles
les économistes demeurent unanimes, sont le prix du bien
étudié et le prix de produits substituts. Dans notre cas, le prix
du gaz butane entre comme variable explicative de notre modèle. Les
combustibles substituts ou complémentaires au gaz butane en Afrique
Subsaharienne sont principalement le bois de chauffe et le charbon de bois. Le
prix du bois de chauffe et celui du charbon de bois entrent comme variables
explicatives de notre modèle de demande de gaz butane.
En théorie microéconomique, le consommateur
maximise son utilité sous la contrainte budgétaire c'est à
dire dans la mesure où son revenu le lui permet. Il est donc intelligent
de percevoir l'effet que le revenu des ménages exerce sur leur
consommation globale de gaz butane. Le revenu des ménages est donc l'un
des principaux déterminants de la demande en général de
ceux ci et est prise en compte dans notre fonction de demande de gaz butane.
Les quatre variables explicatives définies ci-dessus
ont presque toujours figuré dans la plus part des études dans le
domaine. Par compte certaines variables explicatives de la demande d'un produit
sont plutôt liées au climat, au niveau de développement et
à l'environnement socio-politique du pays étudié. Ces
variables demeurent très importantes, car permettent l'adaptation de
l'étude aux réalités de la région dans laquelle
elle est réalisée. Dans le cadre de l'Afrique Subsaharienne, les
attributs qui perpètrent la particularité de la région
sont :la démographie galopante, le sous développement et les
incommodités climatiques.
Les populations africaines en général et celle
de la Cote D'Ivoire en particulier connaissent une très forte
croissance. Le taux de croissance moyen annuel est de : 3,2% en moyenne.
Or il est tout à fait normal que si la population augmente cela peut
irrévocablement entraîner une augmentation potentielle de la
demande du bien. Le volume de la population entre comme variable explicative de
notre modèle de demande. Aussi une autre variable socio-demographique
semble avoir une influence sur la demande de gaz butane :
l'éducation. Dans la mesure où une population
éduquée est plus réceptive à la modernisation et
aux avancées technologiques, le passage de l'utilisation des
combustibles ligneux à celui du gaz butane, peut être
expliqué par le niveau d'éducation de la population. Celui doit
donc être pris en compte dans notre analyse. Mais sa détermination
étant difficile d'autant plus que nous ne travaillons pas sur un
échantillon de population, nous substituons cette variable par le niveau
d'alphabétisation de la population.
En outre, le niveau de sous développement qui
caractérise la région Subsaharienne de l'Afrique soumet ses
populations à des caractéristiques communes aux PVD tels
que : Le faible niveau de revenu, un faible espérance de vie ;
un manque d'infrastructures socio-économiques, un faible niveau
d'accès à l'énergie etc.... .
Dans le contexte de notre étude, ce qui nous
intéresse de toutes ces caractéristiques, c'est
d'apprécier la dimension explicative que peut apporter le niveau
d'accès à l'énergie des populations à la demande en
énergie de ceux-ci. Mais cette variable est très difficile
à évaluer car soumise à différentes formes
d'énergies. Une population qui a accès au gaz et non à
l'électricité est différente de celle qui a accès
à l'électricité et non au gaz même si toutes les
deux ont accès à l'énergie.
Dès lors, pour éviter cette
indétermination, nous préférons utiliser le niveau de
l'urbanisation des populations pour mesurer cet effet. Certaines études
antérieures, ont utilisé l'urbanisation comme variable
explicative, (soit directement (Villa( )), soit indirectement(Azam et Hawdon
(2003)) de la demande globale d'énergie. Dans leur travail sur la
demande d'énergie en Jordanie, Azam et Hawdon introduisent le taux de
construction comme variable indépendante à titre d'indicateur de
l'urbanisation.
En Afrique Subsaharienne, la précarité des
constructions surtout en milieu rural, fait que l'énergie est le moyen
privilégié d'avoir accès à l'énergie.
L'urbanisation entre ainsi comme variable explicative dans notre
modèle.
Aussi, certains biens sont influencés par le climat en
ce qui concerne leur disponibilité sur le marché et leur demande
par les ménages. C'est le cas par exemple de produits saisonniers. Dans
le cas du gaz butane, ce ne sera pas la disponibilité du produit sur le
marché qui sera influencée par le climat mais la demande. On peut
simplement remarquer qu'en saison de pluie, le stockage et fabrication du bois
de chauffe et du charbon de bois étant difficile, sa faible
disponibilité sur le marché qui se traduira par la structure des
prix, pourrait détourner l'attention de potentiels acheteurs vers des
combustibles substituts. La demande de gaz butane peut donc indirectement
être influencée par le climat. Pour attester ou réfuter
cette éventualité, nous prenons en compte dans notre analyse le
climat comme variable explicative de la demande de gaz.
Après avoir identifié et justifié de la
pertinence de nos variables, il convient maintenant de déterminer de
manière plus palpable les données qui serviront à leur
mesure.
Les données
L'un des principaux problèmes que rencontrent les
chercheurs dans leurs activités en Afrique est le manque d'informations,
de données sur les phénomènes qu'ils étudient.
Cette situation revêt beaucoup de contraintes et conditionnent
très souvent les méthodes utilisées et les
résultats obtenus.
Le domaine du gaz butane en Cote D'Ivoire, fait l'objet de
très peu de statistiques, ce qui semble justifier la réticence
des études économiques dans ce domaine et qui dès lors
pourrait rendre caduque l'appréhension effective du
phénomène étudié.
La décision d'utiliser un modèle de
séries chronologiques apparaît lorsque selon Pyndick et
Rubinsfield (1976) :
-On sait très peu de choses sur les déterminants
de la variable étudiée.
- On dispose d'un important nombre de données.
-On utilise essentiellement le modèle pour les
projections de court terme.
Ces conditions permettent d'apprécier ce type de
modèle qui correspond bien au contexte du gaz butane.
En effet, excepté les données
macroéconomiques, nous savions très peu de choses sur ce
combustible ; l'un des objectifs spécifiques de cette étude
ne consistait il pas à identifier les déterminants les plus
pertinents de la demande globale de gaz butane ?
Aussi, nous travaillons dans cette étude avec des
données secondaires mensuelles, partant de la période de janvier
1998 à décembre 2004. Nous disposons d'un nombre non
négligeable d'observations (84 observations).
Le choix de données secondaires répond à
la contrainte temporelle et aux difficultés techniques et
financières qu'aurait suscité une enquête auprès
d'un échantillon de ménages. De plus, il ne serait pas possible
de prendre en compte dans une telle étude certaines variables tels que
le taux d'urbanisation qui pourtant à notre humble avis, sont des
facteurs explicatifs de la consommation globale de gaz des ménages.
Néanmoins, les données d'enquête sur un
échantillon de ménages, nous auraient permis d'apprécier
la relation entre la consommation de gaz butane et certaines
caractéristiques propres aux ménages tels que sa taille, son
revenu, le niveau d'éducation, la structure de l'habitat etc. ...
Mais ces caractéristiques bien que très
explicites, ne sont pas facilement flexibles et ne se prêtent pas
toujours à la mise sur pied de politiques économiques de court
terme.
L'utilisation de variables secondaires, permet au contraire de
statuer sur des variables qui pourraient facilement faire l'objet de politiques
économiques.
Ainsi donc, la variable de consommation de gaz butane, qui est
la variable expliquée de notre modèle sera mesurée par le
volume total mensuel en Kg de gaz butane mis sur le marché par les
différentes entreprises distributrices du secteur en COTE D'IVOIRE.
L'une des questions que l'on pourrait se poser serait de
savoir si les quantités de gaz butane mises sur le marché par
les différentes entreprises distributrices du secteur sont effectivement
les quantités consommées par les ménages ?
La réponse à cette question trouve sa
justification dans la durée du stockage du butane chez les
distributeurs qui réalisent la mise en bouteille. Le stockage du butane
chez les distributeurs est de 10 jours en moyenne. Et même la
société Petroci gaz qui appartient à l'Etat et qui est
leader dans la distribution avait voulu en 2002 renforcer ses capacités
de stockage pour bénéficier d'au moins 15 jours avant la rupture
de stock.
Ceci pour dire que la durée du stockage traduit
fondamentalement la vitesse de consommation du gaz par les ménages. Les
quantités mises sur le marché par une entreprise distributrice
sont en moyenne dans les dix jours qui suivent, achetés par les
ménages.
De plus, le volume total mensuel de gaz butane que nous
utilisons ici représente surtout les quantités vendues par les
entreprises distributrices de gaz butane et donc achetées par les
ménages. Ces quantités ne sauraient en aucune manière
constituées l'offre(production) de gaz butane, mais plutôt la
demande.
Aussi, la période de notre étude (1998-2004) est
une période relativement sensible pour le gaz butane, marquée par
de fréquentes ruptures d'approvisionnement et des pénuries
récurrentes. Chose qui témoigne d'une forte demande et donc d'une
consommation presque égale aux quantités produites
destinées à la consommation domestique.
Le volume de gaz butane pris en compte dans cette étude
ne concerne exclusivement que celui destiné à l'usage domestique.
Les quantités affectées au secteur industriel
« distribués en vrac » ont été exclues
de ce volume.
Les quantités de gaz butane utilisées ici sont
les quantités vendues par les principales entreprises du secteur
constituées en GPP(ex SHELL gaz devenu Oryx gaz ; Total ;
Texaco gaz, Mobil gaz et Petrocigaz). Des sociétés tels que
Lubafrique ;Elf oil Cote d'Ivoire elles exercent surtout dans la
« distribution en vrac » et donc n'ont aucune incidence sur
la consommation en butane des ménages. Seules les sociétés
précitées ont pour activité principale la distribution du
gaz. Leurs quantités vendues sont représentatives de la
consommation réelle des ménages en gaz butane.
Toutes ces données nous sont fournies par les
différentes sociétés par l'intermédiaire de la
DCE de la SIR.
Pour ce qui concerne les variables de prix, à
savoir : le prix du gaz butane, le du charbon de bois et
du bois de feu, seront contrairement aux prix officiels, c'est à dire
fixés par les autorités publiques, des prix directement
prélevés sur le marché.
La préférence que nous accordons à ces
prix est due à leur forte flexibilité qui est fonction de la
structure de l'offre et de la demande et qui représentent
également les prix auxquels les ménages sont effectivement
confrontés sur le marché.
Les données de prix proviennent de la cellule de
l'INS du ministère de l'économie et des finances
et représentent le prix au kilogramme moyen mensuel de chacun des
produits sur la période de notre étude. (janvier1998-
décembre 2004)
Les variables population, urbanisation et
alphabétisation seront respectivement mesurées par le volume
mensuel de la population totale, le volume de la population urbanisée et
le taux d'alphabétisation.
Malheureusement ces données étant
généralement annuelles, leur usage dans notre étude doit
être préalablement soumis à modification. Nous
décidons donc de les harmoniser de sorte à les transformer en
données mensuelles.
La méthode d'interpolation linéaire sera
utilisée à cet effet et est décrite dans la section
suivante. Les données utilisées pour mesurer ces 03 variables
sont obtenues auprès de l'INS.
La variable climat sera mesurée par le niveau moyen
mensuel de la pluviométrie sur la période de janvier 1998
à décembre 2004.
Les informations pluviométriques dont nous disposons
proviennent de la station météorologique
d'Abidjan.(ASECNA)
Enfin, la dernière variable qui est d'autant importante
qu'elle est difficile à déterminer est le revenu global des
ménages. La mesure de cette variable diffère selon les
études.
Dans la plupart des études sur la demande
d'énergie des ménages, ayant portées sur des
données d'enquête auprès d'un échantillon de
ménages, les dépenses de consommation de ceux ci ont
été utilisées pour mesurer la variable revenu des
ménages. Amadou Koné (1992), avait justifié cet usage par
la réticence des ménages face à la déclaration de
leur niveau de revenu.
D'autres études réalisées dans le domaine
telle que celle de Hazzam et Hawdon (2003), et portant surtout sur la demande
globale en énergie de la Jordanie, le revenu annuel par tête a
été utilisé pour prendre en compte la variable revenu.
Notre étude portant sur des données mensuelles
il sera inopportun d'utiliser revenu annuel par tête pour mesurer la
variable revenu des ménages. De même, l'utilisation des
dépenses de consommation des ménages à cet effet comme
dans l'étude de Amadou Koné, serait très difficile, les
données étant uniquement disponibles de manière
annuelle.
Dans le cadre de notre étude et dans le but de
satisfaire le mieux possible aux exigences économétriques de
notre travail, nous définissons un revenu global des ménages
essentiellement constitué de la masse salariale de différents
secteurs définit comme suit :
-Le revenu des fonctionnaires et agents de l'Etat,
définit par la masse salariale mensuelle payée par l'Etat
à l'ensemble des fonctionnaires. Ces données sont obtenues
auprès de la direction de la solde.
- Le revenu des agents du secteur privé,
définit par la masse salariale mensuelle déclarée à
la CNPS par les différentes entreprises du secteur privé. Les
données concernant cette variable, proviennent de la direction de la
CNPS.
- Le revenu des retraités, définit par la masse
salariale annuelle payée par CGRAE pour le compte de l'Etat.
- Le revenu annuel des agents exerçant dans le secteur
informel évalué par l'INS.
- Le revenu annuel des agriculteurs pour prendre en compte
les populations rurales, qui le plus souvent vivent essentiellement de
l'agriculture et surtout de la culture du café et du cacao. Cette
donnée est disponible à l'INS.
Les trois derniers blocs étant des données
annuelles, elles sont transformées en données mensuelles par la
méthode d'interpolation linéaire définie dans la section
suivante.
Notre variable revenu des ménages est donc la somme des
différents revenus mensuels définis ci-dessus, selon
l'illustration :
Y = Smf +Smp + Smr +
Rsi + Rsa
Smf : salaire mensuel des
fonctionnaires.
Smp :salaire
mensuel des personnes exerçant dans le secteur
privé
Smr : salaire mensuel des personnes
retraitées.
Rsi : revenu dans le secteur
informel
Rsa : revenu dans le secteur
agricole
Mensualisation des
données : la méthode d'interpolation
linéaire.
Le reprofilage des données que nous faisons ici, n'est
pas inhérente à notre seule étude. Elle a
été utilisée dans plusieurs travaux où les
données étant annuelles, l'indispensabilité de
données mensuelles a conduit soit à leur trimestrialisation
soit à leur mensualisation.
La méthode d'interpolation linéaire que nous
utilisons ici, n'est pas unique. Il y a en dehors de cette méthode, la
méthode dite de retropolation et celle de profilage. (voir annexe).
Mais devant la complexité de ces deux dernières,
la méthode d'interpolation nous a parut plus adaptée à
notre analyse.
L'interpolation
linéaire
Partant d'une série temporelle annuelle, la
première façon de la rendre mensuelle est de
considérée que sur une année, son taux de variation
mensuel est constant. Il faut remarquer que la série étant
annuelle, les points la constituant sont des points en fin d'année.
Soit donc la série annuelle X
où Xt est une donnée fin d'année.
On note Xit
la série mensualisée à comprendre
ainsi : Xit est la
valeur de la série à la fin du mois i de l'année t(donc
i=1 ; 2 ; 3.......12)
Pour t quelconque, puisque l'on veut un taux de variation
mensuel At+1 constant sur l'année
(t+1), on doit avoir :
X1t+1
/X12t =A t+1avec X12t =
Xt puisque les données sont en fin
d'année.
X2t+1/
X1t+1=At+1
.
.
.
.
.
X12t+1
/X11t+1 = At+1 avec
X12t+1 = Xt+1
La multiplication de ces douze égalités nous
donne :
Xt+1/Xt
=A12t+1
D'où At+1=
(Xt+1/Xt)(1/12), avec
Xt+1/Xt qui n'est rien d'autre que le
taux de croissance annuel Gt+1 de la série
initiale augmentée de 1.
Ainsi, la seule connaissance de
Gt+1, suffit à mensualiser la
série.
On peut même écrire que pour t et i
quelconque :
Xit+1 = [( Gt+1
+1)(1/12)i]Xt
Sur la base de cette méthode, nous calculons le volume
mensuel de la population ivoirienne, en partant du volume annuel de la
population de l'année 1997.
Une application toute simple sur l'année 1998 :
X11998 =[(G1998
+1)1/12]*X1997
Structure de la
fonction de demande
Le choix d'une fonction de demande, ne se fait pas de
manière fortuite. Il faudrait qu'elle reflète effectivement les
réalités du phénomène étudié et qu'en
plus elle soit plus représentative (explicative),concernant la
robustesse de ces coefficients estimés.
Amadou Koné(1992), avait justifié l'utilisation
d'une fonction de demande semi logarithmique(variable expliquée) par
l'estimation de plusieurs fonctions de demande et avait trouvé que
celle-ci rendait mieux compte de la structure de la consommation de charbon de
bois des ménages ivoiriens.
Notre contexte, bien que plus général,
s'apparente à celui de Koné.
En effet, le pays est le même (Cote D'Ivoire) et
l'analyse porte sur la demande d'un bien énergétique(charbon de
bois) plus ou moins substitut ou complémentaire au notre (gaz butane).
La seule différence est que son étude a porté sur un
échantillon de ménages alors que la notre porte sur l'ensemble de
la population. Cette nuance se traduit par la structure des variables qui ne
sont pas toutes les mêmes. (taille du ménage ;dépense
de consommation........). En dehors de ce fait, l'objectif recherché est
le même, à savoir identifier et quantifier la nature de la
relation entre la demande du bien et ses principaux déterminants.
Alors notre modèle s'inspire de celui de Amadou
Koné et s'illustre comme suit :
Ln Q = a0+a1Pg+ a2Pc+
a3Pb+a4Yt +a5Pop+ a6PL+
a7Alp+ a8URB+t
Qt = Consommation globale
mensuelle de gaz butane des ménages au mois t.
Pgt = prix nominal moyen mensuel
du Kilogramme de gaz butane au mois t.
Pct = prix nominal moyen mensuel
du Kilogramme de charbon de bois au mois t.
Pbt = prix nominal moyen mensuel
du Kilogramme de bois au mois t.
Yt = revenu global mensuel des ménages
au mois t.
Popt = Volume mensuel de la
population au mois t.
PLt = niveau moyen mensuel de
pluie au mois t.
Alpt = taux moyen mensuel
d'alphabétisation
URBt = Taux moyen mensuel
d'urbanisation
t = terme de
l'erreur
Analyse
économétrique
| 
