Synthèse des
résultats d'étude de stationnarité des séries.
L'étude de stationnarité est la principale
étape d'une étude portant sur les séries temporelles. Le
test statistique nécessaire pour cette étude est celui de
Dickey-Fuller Augmenté qui permet de voir si les séries sont
stationnaires ou non. Le tableau qui suit résume cette étude sur
les différentes variables retenues.
Tableau 3:
Résultats du test de stationnarité à niveau des
séries
|
Variables
|
T-statistic
|
Probabilité
(p-value)
|
Conclusion
|
|
Ln(XIU)
|
-2,398
|
-2,972
|
Non Stationnaire
|
|
Ln(PIB)
|
-0 ,606
|
-2,972
|
Non Stationnaire
|
|
Ln(TEC)
|
-0,478
|
-2,972
|
Non Stationnaire
|
|
Ln(XEU)
|
-1,161
|
-2,972
|
Non Stationnaire
|
|
Ln(IDE)
|
-1,421
|
-2,972
|
Non Stationnaire
|
|
Ln(K)
|
-2,076
|
-2,972
|
Non Stationnaire
|
Source : Réalisé
par les auteurs à partir de l'annexe 1-1,2-1,3-1,4-1,5-1,6-1
De l'analyse de ce tableau 1, il ressort que les séries
Ln(XIU), Ln(PIB), Ln(TEC), Ln(TXEU), Ln(IDE), Ln(K), ne sont pas stationnaires
en niveau. Le non stationnarité de ces séries nous conduit au
test de Dickey-Fuller Augmenté en différence première, ce
qui retrace le tableau 3 suivant :
Test
de racine unitaire en différence première
Tableau 4: Tests de stationnarité des
variables du modèle en différence première
|
Variables
|
T-statistic
|
Probabilité
(p-value)
|
Conclusion
|
|
Ln(XIU)
|
-9.229
|
-2,975
|
Stationnaire
|
|
Ln(PIB)
|
-5,623
|
-2 ,975
|
Stationnaire
|
|
Ln(TEC)
|
-6,072
|
-2 ,975
|
Stationnaire
|
|
Ln(XEU)
|
-5,493
|
-2 ,975
|
Stationnaire
|
|
Ln(IDE)
|
-5,647
|
-2,975
|
Stationnaire
|
|
Ln(K)
|
-7.194
|
-2 ,975
|
Stationnaire
|
Source : Réalisé
par les auteurs à partir de l'annexe1-2,2-2,3-2,4-2,5-2,6-2
On constate que nos variables : Exportation intra-UEMOA,
le produit intérieur brut ; la taxe et impôt sur le commerce,
les exportations extra-UEMOA, les investissements directs
étrangers etle stock de capital sont stationnaires en
différence première I(1) ; la probabilité
associée à chacune d'elle par le test de racine unitaire en
différence première est inférieure à 5%.
Toutes les variables sont stationnaires en différence
première. Nos séries sont toutes intégrées d'ordre
1, on peut envisager l'étude de cointégration.
Tableau 5 : Test de cointégration de
Johansen entre les variables
|
Sample : 1984-2017
|
|
Number of obs : 34
|
|
Lags : 2
|
|
Maximum rank
|
Eigenvalue
|
Trace statistic
|
5% critical value
|
|
0
|
.
|
100,4722
|
94,15
|
|
1
|
0,64362
|
65,3927*
|
68,52
|
|
2
|
0,61657
|
32,8002
|
47,21
|
|
3
|
0,34995
|
18,1563
|
29,68
|
|
4
|
0,27865
|
7,0510
|
15,41
|
|
5
|
0,12087
|
2,6712
|
3,76
|
|
6
|
0,07556
|
|
|
Source : Réalisé
par les auteurs à partir de l'annexe 7
Les résultats du test de cointégration de
Johannsen indiquent l'existence d'une relation de cointégration à
5% lorsqu'on prend pour méthode de décision la statistique de la
trace (Trace statistic). Il y a donc nécessité de réaliser
un Modèle à Correction d'Erreur(MCE). Pour le Modèle
à Correction d'erreur ; nous avons deux étapes. La
première étape va consister à estimer par les Moindres
Carrés Ordinaires, le modèle de long terme et
récupérer les résidus à second étape va
consister à estimer par les Moindres Carrées Ordinaires, le
modèle de court terme avec les résidus comme variables
explicatives
Etape 1 : Estimation de la relation de long terme
du modèle initial par les MCO
Tableau6:
Résultats des estimations du modèle de long terme
|
Variable
|
Coefficient
|
t-Statistic
|
Probabilité
|
|
-Cons
|
-0.977212
|
-0.03
|
0.973
|
|
Ln(PIB)
|
1.978529
|
4.54
|
0.000
|
|
Ln(TEC)
|
-0.7021522
|
-2.32
|
0.027
|
|
Ln(XEU)
|
-0.038458
|
-0.67
|
0.506
|
|
Ln(IDE)
|
0.6130624
|
2.29
|
0.029
|
|
Ln(K)
|
-1.199954
|
-3.07
|
0.004
|
|
R-squared
|
0.7230
|
|
|
|
Prob (F-statistic)
|
0.0000
|
|
|
Source : réalisé par
les auteurs à partir de l'annexe8
|
|
