Agriculture et croissance économique au Cameroun

4.3 Présentation des résultats

Cette section présente les résultats des estimations faites sur les données décrites, en utilisant la méthodologie présentée ci-dessus. Les estimations ont été faites à l'aide du logiciel Eviews dans la version 4.1.

4.3.1 Stationnarisation des variables

Les différents graphiques représentatifs des séries étudiées laissent croire que ces séries ne sont pas stationnaires. Une étude des relations structurelles existant entre les taux de croissance des performances économiques des différents secteurs d'activité au Cameroun nécessite au préalable d'effectuer des tests de stationnarité afin de déterminer l'ordre d'intégration de chaque série. Les tests ADF ont été utilisés. La détermination du nombre de retards utilisé pour effectuer le test s'est faite par l'examen des corrélogrammes partiels des séries différenciées à l'ordre 1 pour le test sur les séries à niveau et des corrélogrammes partiels des séries différenciées à l'ordre 2 pour le test sur les séries en différence première (Annexe 1).

Les résultats des tests de racine unitaire sont présentés en Annexe 2. Pour le TCPRH, la tendance et la constante ne sont pas significatives respectivement sur les modèles [3] et [2] appliqués à la série à niveau. Dans le modèle sans constante ni tendance, la valeur de la statistique ADF est de -1,786, supérieure à la valeur critique à 5 % qui vaut -1,950. Ainsi l'hypothèse nulle de non stationnarité n'est pas rejetée, on différencie la série et on reprend la procédure. La statistique ADF est significative dans le modèle [1] ; sa valeur (-3,667) est inférieure à la valeur critique au niveau de signification de 5 % (-1,950). La série TCPRH est ainsi intégrée à l'ordre 1.

En appliquant le même procédé à TCPRA, TCPRI, TCPRS, comme présentés en Annexe 2, les résultats montrent que les variables sont intégrées à l'ordre 1, on note qu'elles sont I (1).

L'égalité des ordres d'intégration conduit à effectuer un test de co-intégration. Ce test nécessite préalablement la détermination du nombre de retards sur le modèle VAR à niveau.

4.3.2 Nombre de retards du VAR à niveau

Pour des raisons spécifiques à la taille des données, la taille maximale est fixée à 4. Au-delà de 4, les estimations pourraient souffrir d'un manque de précision. Pour chaque valeur de p allant de 1 à 4, le modèle suivant est estimé :

Où

Ensuite les valeurs des critères d'information sont calculées. Les résultats sont présentés en annexe 3. Trois critères d'information (LR, FPE, AIC) donnent le retard optimal 2. Les critères SC et HQ donnent le retard optimal 1. Les critères SC et HQ conduisent à des estimateurs convergents de p alors que le critère AIC donne un estimateur efficace de p^34(*). La valeur retenue est à cause de la longueur de nos séries.

* ³⁴ LARDIC S., MIGNON V. (2002), page 97