Prévision du volume des carburants terrestres consommés en RD Congo (Modèle d'analyse d'interventions)

II.4 LA METHODE DE PREVISION DE BOX ET JENKINS

II.4.1 INTRODUCTION

L'approche de BOX et JENKINS (1976) consiste en une méthodologie d'étude systématique des séries chronologiques à partir de leurs caractéristiques. L'objectif est de déterminer dans la famille des modèles ARIMA, le plus adapté à représenter le phénomène étudié.^14(*)

Il s'agit, dans sa version originelle, d'une méthode de prévision extrapolative puisque seul le passé de la variable est utilisé à cette fin, sans apport d'information extérieure. Dans sa version évoluée, elle peut être utilisée dans le cadre plus général des méthodes de prévision explicatives en permettant l'inclusion de variables explicatives et d'information extérieure dans un modèle de séries chronologiques. Cette méthode est recommandée pour les prévisions à court terme.

II.4.2 ETAPES DE LA METHODE DE BOX & JENKINS

Cette approche comporte, en principe, 3 étapes fondamentales :

* le choix du Modèle (spécification ou identification);

* l'ajustement du Modèle (estimation);

* la validation du Modèle (adéquation).

Le diagramme suivant présente ces trois phases en parallèle avec les étapes de la démarche scientifique, où l'analyse exploratoire conduit à l'élaboration d'un modèle, et où l'analyse confirmatoire permet de confirmer ou d'infirmer la validité de celui-ci.^15(*)

DONNEES

Choix d'un

Modèle

Analyse

exploratoire

= = SPECIFICATION

Ajustement du

Modèle

MODELISATION

= ESTIMATION

Analyse

confirmatoire

= = ADEQUATION

Validation du

Modèle

Si Mauvais

Recommencer

Si Bon

Conclure

CONCLUSION

Figure 1 : Illustration de la démarche de BOX & JENKINS

En fait, il est préférable de voir la méthode constituée de sept étapes qui sont généralement répétées jusqu'à satisfaction ^16(*):

- la familiarisation avec les données;

- l'analyse préliminaire;

- la spécification du modèle (ou identification);

- l'estimation des paramètres;

- l'adéquation du modèle (ou validation);

- la prévision;

- l'interprétation des résultats.

II.4.2.1 LA FAMILIARISATION AVEC LES DONNEES

Connaissant le domaine dont relèvent les données, les théories existantes, les objectifs poursuivis (prévision ponctuelle ou par intervalle, détection d'un changement de comportement, etc.) et la qualité des données (précision, exactitude, périodicité inhérente au phénomène étudié, homogénéité dans le temps, événements qui ont pu influencer la série), nous devons représenter graphiquement les données.

Ensuite, nous examinerons cette représentation graphique (graphe en fonction du temps avec points reliés, éventuellement avec codification des trimestres ou des mois) qui, dans notre cas, peut nous révéler des conséquences d'interventions (changements législatifs ou économiques, accidents majeurs, grèves, etc.), des changements de structure dans la série, ...

* ¹⁴ BOURBONNAIS Régis, Econométrie : Cours et exercices corrigés, Ed. Dunod, Paris, 1993, p. 249.

* ¹⁵ Idem, p. 348.

* ¹⁶ Guy MELARD, op. cit., p. 348.