3.2. Présentation des résultats et
commentaires
3.2.1. Test informel
Graphique n°7 : L'évolution du PIB
agricole
|
-1.0 -1.2 -1.4 -1.6 -1.8 -2.0
|
|
|
80 85 90 95 00 05
|
LPIBA
Le graphique ci-dessus donne une évolution peu stable
du produit intérieur brute agricole de 1977 à 1995 et
après elle a connue une forte évolution suite à la chute
du secteur minier et vers 2000 il y a une évolution moins que
proportionnelle du produit intérieur brute agricole.
Graphique n°8 : L'évolution des importations
alimentaires
|
0.96 0.94 0.92 0.90 0.88 0.86 0.84 0.82
|
|
|
80 85 90 95 00 05
|
LIMPA
Le graphique ci-dessus donne une évolution stable des
importations de 1977 à 1995 et de turbulence les années suivantes
de 2001 à 2008 une certaine constance.
Graphique n° 9 : L'évolution des aides
alimentaires
2.8 2.4 2.0 1.6
1.2 Le graphique ci-dessus donne une fluctuation
tellement forte d'aide alimentaire d
0.8
80 85 90 95 00 05
3.2.2.1. La stationnarité
Lorsqu'on utilise des données temporelles, il est
primordial qu'elles conservent une distribution constante dans le temps. Si une
série est non stationnaire, le différencier peut la convertir en
série stationnaire. Afin d'examiner la présence de la racine
unitaire, les tests de Dickey-Fuller Augmenté (ADF) et Philips-Perron
(PP) ont été appliqués. Le tableau ciaprès donne le
résultat du test de stationnarité.
ADF Test Statistic -4.487556 1% Critical Value* -3.6852
5% Critical Value -2.9705
10% Critical Value -2.6242
*MacKinnon critical values for rejection of hypothesis of a unit
root.
Augmented Dickey-Fuller Test Equation Dependent Variable:
D(LPIBA,2)
Method: Least Squares
Date: 01/20/11 Time: 08:26
Sample(adjusted): 1980 2007
Included observations: 28 after adjusting endpoints
|
Variable
|
Coefficient
|
Std. Error t-Statistic
|
Prob.
|
|
D(LPIBA(-1))
|
-1.327442
|
0.295805 -4.487556
|
0.0001
|
|
D(LPIBA(-1),2)
|
0.130610
|
0.189930 0.687676
|
0.4980
|
|
C
|
0.020730
|
0.025860 0.801634
|
0.4303
|
|
R-squared
|
0.593155
|
Mean dependent var
|
-0.003222
|
|
Adjusted R-squared
|
0.560607
|
S.D. dependent var
|
0.200154
|
|
S.E. of regression
|
0.132676
|
Akaike info criterion
|
-1.100860
|
|
Sum squared resid
|
0.440071
|
Schwarz criterion
|
-0.958124
|
|
Log likelihood
|
18.41204
|
F-statistic
|
18.22424
|
|
Durbin-Watson stat
|
1.993709
|
Prob(F-statistic)
|
0.000013
|
Source : nos calculs
Le principe de ce test de stationnarité consiste
à vérifier au seuil de 1%,5% et 10%, l'hypothèse de non
stationnarité contre l'hypothèse contraire en niveau, en
différentielle première ou seconde, à travers une
comparaison de la valeur calculée de la statistique de PP et ADF par
rapport à la valeur critique (critical values) lue de McKinnon.
Il ressort de ce tableau que, toutes les variables du
modèle sont stationnaires car la statistique d'ADF en valeur absolue est
supérieure aux trois valeurs critiques de Mackinnon.
3.2.2.2. Test de causalité
La causalité entre deux variables pouvait être
testée de deux façons :
1' soit par la statistique de ficher : si Fc<
Ftab, on rejette H0, donc on accepte l'hypothèse de
causalité ;
1' soit par prob-stat : si prob-stat < 0,05, donc nous
acceptons la causalité
entre deux variables avec 95 % de chance de ne pas se tromper.
Dependent Variable: LPIBA Method: Least Squares
Date: 01/21/11 Time: 01:29 Sample: 1977 2007
Included observations: 31
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
C
LAIDE
|
-2.651392
0.280154
|
1.770496
0.085192
|
-1.497542
3.288501
|
0.1454
0.0027
|
|
LIMPA
|
0.737587
|
1.998420 0.369085
|
0.7148
|
|
R-squared
|
0.288466
|
Mean dependent var
|
-1.392103
|
|
Adjusted R-squared
|
0.237642
|
S.D. dependent var
|
0.247383
|
|
S.E. of regression
|
0.215998
|
Akaike info criterion
|
-0.135334
|
|
Sum squared resid
|
1.306338
|
Schwarz criterion
|
0.003439
|
|
Log likelihood
|
5.097677
|
F-statistic
|
5.675791
|
|
Durbin-Watson stat
|
0.671639
|
Prob(F-statistic)
|
0.008526
|
Source : nos calculs
Test de Granger montre qu'il y a une relation
unidirectionnelle de la production intérieure brute agricole. Donc en
menant le test au seuil de signification de 5 %, on rejette l'hypothèse
de la causalité entre la production intérieure brute agricole,
l'aide alimentaire et l'importation alimentaire. C'est-àdire l'aide
alimentaire et l'importation alimentaire cause la diminution de la production
intérieure brute agricole.
Il ressort du tableau que l'aide alimentaire a un impact
positif sur le PIB du secteur agricole à court terme. Lorsque l'aide
alimentaire augmente de 10%, toute chose égale par ailleurs, le PIB du
secteur agricole augmente de 0,28%. A long terme, l'impact de l'aide
alimentaire sur le secteur reste positif et une augmentation de l'aide
alimentaire de 10%, toute chose égale par ailleurs, conduit à une
élévation du secteur agricole de 1%. S'agissant des importations
alimentaires, les résultats obtenus suggèrent que cette variable
ait un impact négatif sur le PIB du secteur agricole à court
terme et à long terme. Une augmentation des importations alimentaires de
10%, toute chose égale par ailleurs, réduit le PIB du secteur
agricole de 0,35% à court terme et 4,8 à long terme.
Les importations alimentaires ont montré qu'à
partir d'un niveau de 30.000 tonnes, l'effet sur la croissance du secteur
agricole devient négatif or les importations alimentaires
dépassent largement ce seuil depuis 1977 et elles n'ont fait que croitre
de manière très vite et le niveau atteint en 2001 est presque
quatre fois supérieures au niveau de seuil ou de tolérable pour
la croissance du secteur agricole.
Au niveau de l'aide alimentaire, les résultats obtenus
suggèrent que l'aide alimentaire accompagne la croissance du secteur
agricole jusqu'au niveau de 14.000 tonnes. Au delà, elle devient
néfaste pour la croissance de ce secteur. L'aide alimentaire est
très variable car elle dépend des situations d'urgence dans le
pays, mais on peut néanmoins relever qu'en RD. Congo elle est
supérieure à ce seuil depuis la crise économique de 1990
et les multiples conflits armés qu'à connu le pays. Au cours de
l'année 1980, l'aide alimentaire était de 14.200 tonnes et en
2000 elle se situe à 45.256 tonnes et aujourd'hui nous sommes à
environ 75.000 tonnes, ce qui ne représente plus six fois le seuil
compatible avec la croissance du secteur agricole.
| 
