Taux de change réel et les parts de marché d'exportation du coton du Cameroun et du Nigeria

4-2- Méthodes Statistiques

Dans l'estimation de nos régressions, nous étudions les caractéristiques des séries temporelles de toutes les variables. C'est-à-dire qu'il importe de savoir si les variables sont stationnaires ou non.

4-2-1- Stationnarité

Une série chronologique est considérée comme stationnaire si son espérance et sa variance se trouvent inchangés dans le temps. Dans le cas contraire, elle est non stationnaire et peut conduire à des régressions fallacieuses. Dans ce cas, les résultats peuvent suggérer des relations significatives entre les variables du modèle alors qu'en réalité ce n'est qu'une indication qu'il existe une corrélation contemporaine entre les variables.

4-2-1- 1- Test de stationnarité

Le test de stationnarité ou de racine unitaire cherche à déterminer l'ordre d'intégration des séries. Dans la littérature, on distingue plusieurs tests de stationnarité à savoir : le test de Dickey Fuller, le test de Dickey Fuller Augmenté, le test de Phillips Perron, le test KPSS (Kwiatkowski, Phillips, Schmidt et Shin). Mais nous ne retiendrons ici que le test de Dickey Fuller Augmenté.

4-2-1-2- Les tests de Dickey Fuller Augmenté (ADF)

C'est une généralisation des tests de Dickey Fuller simple. Ils sont fondés sous l'hypothèse alternative, sur l'estimation par les MCO des trois modèles suivants :

(14)

Avec iid^7(*) et p un nombre entier qui peut être déterminé par les critères d'information (Akaike, Schwarz, Hannan-Quinn...) ou en estimant le modèle avec une valeur assez élevée de p, puis on estime un modèle à p-1 retards, ensuite à p-2 retards, jusqu'à ce que le coefficient du p^ième retards soit significatif. Le test se déroule de manière similaire aux tests de DF simple, seules les tables statistiques diffèrent. Les principes généraux sont les suivants :

i) Appliquer les MCO sur l'un ou l'autre modèle pour estimer le paramètre noté

ii) L'estimation des coefficients et des écarts types du modèle par les MCO fournit qui est analogue à la statistique de student.

iii) Si on accepte H₀ : il existe une racine unitaire, le processus n'est pas stationnaire.

Si on rejette H₀ : le processus est stationnaire

4-2-2- Cointégration

L'analyse de la cointégration permet d'identifier clairement la relation véritable entre deux variables en recherchant l'existence d'un vecteur de cointégration et en éliminant son effet, le cas échéant. La cointégration est une manière de décrire les relations d'équilibre entre les variables macroéconomiques qui ne sont pas stationnaires. L'idée de base étant que la plupart des séries économiques sont non stationnaires.

Selon la théorie de cointégration, deux séries X_t et Y_t sont dites cointégrées d'ordre d et b, pour d = b = 0, s'il existe un vecteur co-intégrant (á, â) tel que Z_t=áX_t+âY_t est intégré d'ordre (d-b). On distingue dans la littérature les travaux employant les procédures de test de cointégration en deux étapes de Engle et Granger (1987) et le test de cointégration multidimensionnelle de Johansen (1988).

4-2-2-1- Procédure d'estimation de la relation de long terme du modèle d'ajustement partiel par les MCO

Cette méthode consiste à spécifier d'une part la fonction de long terme, ensuite nous la transformons en une fonction de court terme. A partir de cette dernière, nous estimons tout d'abord par la méthode des moindres carrés ordinaires (MCO) la fonction de court terme, par la suite nous dérivons et estimons la fonction de long terme qui en découle en multipliant la relation obtenue par l'inverse du coefficient d'ajustement.

4-2-2-2- Procédure d'estimation de Engle et Granger

Dans cette méthode nous spécifions et estimons la fonction de long terme par les MCO. Le résidu extrait de cette relation de long terme est inclus comme regrésseur dans la spécification du modèle dynamique de court terme.

Un modèle à correction d'erreur (MCE) type est représenté par l'équation suivante :

Où v_t est un bruit blanc et ë > 0 est la force de rappel. Dans la relation précédente, toutes les variables sont stationnaires. Les tests de significativités habituel sur les variables s'appliquent à cet effet. Le coefficient de la force de rappel comporte un signe négatif. Ceci signifie que l'écart entre la variable endogène et les variables exogènes se réduit au fil du temps.

4-2-3- Sources de données

Nous utilisons dans cette étude les données secondaires provenant de la Banque Mondiale disponible sous le support CD-ROM " World Bank Africa Database 2005 ". Cette source a l'avantage de regrouper toutes les informations relatives à l'économie des pays africains, -cela dans un intervalle assez large. Cependant, les séries de notre étude couvrent la période allant de 1980 à 2003 pour les deux pays. Les données sur les exportations du coton ont été collectées à partir de la base de données du CCIC.

* ⁷ iid : identiquement et indépendamment distribuée ou appelé bruit blanc