Impact économique du changement climatique sur l'agriculture au Bénin.

Graphique 7 : Analyse comparée des valeurs ajoutées et précipitations

Source : Construit par les auteurs à partir des données de la BM et de l'ASECNA (2010)

Le graphique précédent montre l'évolution simultanée de la valeur ajoutée et les précipitations moyennes annuelles sur les périodes 1975-2008. L'examen de ce graphique révèle que les précipitations moyennes annuelles connaissent une évolution en dent de scie et paraissent stationnaires alors que celle de la valeur ajoutée agricole indique une tendance haussière. La période 1975-1989 suggère que les précipitations moyennes annuelles et la valeur ajoutée agricole ont connu une même évolution avec des taux de croissance de précipitations moyennes annuelles moins élevés que ceux des valeurs ajoutées. En revanche l'évolution de la valeur ajoutée au cours des périodes 1990-2008 semble être différente de celle des précipitations. Ceci implique l'importance d'autres facteurs dans la formation des rendements agricoles tels que les engrais, les pesticides, l'introduction de nouvelles variétés de cultures, la fertilité des sols et d'autres facteurs écologiques.

SECTION 2 : Vérification des conditions préalables et résultats de l'estimation du modèle

Paragraphe 1 : Vérification des conditions préalables à l'estimation du modèle

A/ Etude de la stationnarité des variables

Plusieurs tests sont utilisés pour déterminer la stationnarité des variables d'un modèle. Dickey et Fuller (1979 ; 1981) ont mis au point un test permettant non seulement de détecter l'existence d'une tendance mais aussi de déterminer la bonne manière de stationnariser une série. Nous utilisons le test de stationnarité de Dickey-Fuller Augmenté (ADF). L'alternative d'hypothèse qui se présente à l'issu du test est la suivante :

H_o : Présence de Racine unitaire (série non stationnaire)

H₁ : Absence de racine unitaire (série stationnaire)

La statistique est automatiquement fournie par le logiciel Eviews.

ADF: ADF Test Statistic (Test de Dickey Fuller Augmenté)

CV: Critical value (valeur critique)

Si ADF est supérieur à la valeur critique de Mackinon, alors H_o est acceptée. Par conséquent la série est non stationnaire. Dans le cas contraire H₁ est acceptée. Cela traduit la stationnarité de la série. Les tests sont appliquées en niveau, en différence première ou seconde au cas où il y aurait présence de racine unitaire à ce premier stade.

Tableau 1 : Résultat des tests de stationnarité (valeur critique au seuil de 5%)

Variables	Valeur critique d'ADF	Valeur théorique (5%)	Ordre d'intégration	Observation
VA	-6,12	-2,98	1	Non stationnaire
E	-5,38	-1,95	1	Non stationnaire
PA	-3,02	-1,95	1	Non stationnaire
PP	-5,09	-2,97	0	Stationnaire
PS	-5,52	-2,95	0	Stationnaire
TP	-3,71	-2,97	0	Stationnaire
TS	-4,11	-2,98	0	Stationnaire
TR	-3,9	-2,97	1	Non stationnaire

Source : Construit par les auteurs à partir des résultats du test sous Eviews

Les résultats du tableau précédent nous donnent des informations suivantes : Les variables valeur ajoutée agricole, consommation d'engrais, population agricole ont un ordre d'intégration égale à 1. Les séries correspondant à ces variables sont par conséquent non stationnaires. Par contre, les séries correspondant aux variables climatiques ont un ordre d'intégration égale à 0. Elles sont donc stationnaires.

Puisque nos variables ne sont pas tous stationnaires en niveau, toute régression sur ces dernières court le risque d'une régression fallacieuse car il existe une possibilité de cointégration entre ces variables. L'idée sous-jacente d'une possible existence d'une relation de cointégration entre les différentes variables de notre modèle est la suivante : A court terme, elles auraient une évolution divergente (elles sont non stationnaires), mais elles vont évoluer ensemble à long terme. Si tel est le cas alors il existe une relation stable entre ces variables à long terme. Pour s'assurer de l'existence ou non de la cointégration, nous réalisons le test de cointégration de Johansen.