1.3. Méthodologie d'estimation
1.3.1. Stationnarité des séries
Avant le traitement d'une série temporelle, il est
conseillé d'en étudier les caractéristiques stochastiques.
Parmi celles-ci, on peut citer notamment l'étude de la
stationnarité.
Il existe plusieurs tests pour détecter la
stationnarité d'une série. Nous utiliserons le test le plus
utilisé dans les travaux empirique, à savoir le test de
Dickey-Fuller Augmenté (ADF). En effet, si les variables sont
stationnaires, on peut s'assurer sur la fiabilité des résultats
des régressions, et ce test de stationnarité permet
d'éviter le risque de régressions fallacieuses entre les
variables endogènes et les variables exogènes.
Lorsque la statistique d'ADF est supérieure en valeur
absolue au moins à une des valeurs critiques de Mackinon, la
série est dite stationnaire. En appliquant le test d'ADF sur nos
différentes séries, nous avons trouvé les résultats
qui sont synthétisés sur ce tableau.
Page | 58
Tableau n° 8 : Synthèse des
résultats de test d'ADF
|
VARIABLES
|
ADF
|
VCM
|
PROBABILITE
|
|
LCRI
|
-3.946595
|
-4.420595
|
0.0191
|
|
|
-3.259808
|
|
|
|
-2.771129
|
|
|
LDP
|
-3.783546
|
-4.420595
|
0.0239
|
|
|
-3.259808
|
|
|
|
-2.771129
|
|
|
LEDU
|
-5.257829
|
-6.292057
|
0.0247
|
|
|
-4.450425
|
|
|
|
-3.701534
|
|
|
LENER
|
-7.123651
|
-5.521860
|
0.0022
|
|
|
-4.107833
|
|
|
|
-3.515047
|
|
|
LEPI
|
-5.050331
|
-4.297073
|
0.0035
|
|
|
-3.212696
|
|
|
|
-2.747676
|
|
|
LEXPORT
|
-3.926470
|
-4.420595
|
0.0196
|
|
|
-3.259808
|
|
|
|
-2.771129
|
|
|
LFBCF
|
-3.555112
|
-4.582648
|
0.0368
|
|
|
-3.320969
|
|
|
|
-2.801384
|
|
|
LIDE
|
-4.338570
|
-5.521860
|
0.0383
|
|
|
-4.107833
|
|
|
|
-3.515047
|
|
|
LPIB
|
-3.869585
|
-4.297073
|
0.0187
|
|
|
-3.212696
|
|
|
|
-2.747676
|
|
|
LPU
|
-24.05572
|
-4.200056
|
0.0001
|
|
|
-3.175352
|
|
|
|
-2.728985
|
|
|
LTCH
|
-5.140537
|
-4.420595
|
0.0040
|
|
|
-3.259808
|
|
|
|
-2.771129
|
|
|
LTX
|
-3.716132
|
-4.200056
|
0.0213
|
|
|
-3.175352
|
|
|
|
-2.728985
|
|
Page | 59
Après l'application du test, nous avons trouvé
que certaines séries étaient stationnaires à niveau,
d'autres ont été rendu stationnaires en différence
première et d'autres encore en différence seconde. (Voir les
douze premiers tableaux de l'annexe).
1.3.2. Méthode d'identification du
modèle
La méthode d'estimation dans le cadre des
modèles à équations simultanées dépend du
critère d'identification du modèle15. Ainsi, les trois
cas ci-après peuvent être distingués :
? Si le modèle est sous-identifié, il n'y a pas
d'estimation possible.
? Si le modèle est juste identifié, on peut
appliquer la méthode des moindres carrés ordinaires (MCO).
? Si le modèle est sur-identifié, on applique la
méthode des doubles moindres carrés ordinaires (DMCO).
Ainsi, l'estimation du modèle se fera en appliquant la
méthode des Doubles Moindres Carrés Ordinaires (DMCO) ou les
Two-Stage Least Squares. Dans un premier temps, il est retenu d'estimer les
déterminants des IDE (équation5). Dans un deuxième temps,
il est question d'évaluer les effets des IDE sur les différentes
variables.
| 
