WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Agriculture et croissance économique au Cameroun


par Hervé BELLA
Institut Sous-régional de Statistique et d'Economie Appliquée (ISSEA) - Ingénieur d'Application de la Statistique 2009
  

précédent sommaire suivant

4.3.4.3 Analyse de la causalité

Les tests de causalité ont été effectués à partir du VECM. Les résultats sont présentés en annexe 6. Seul TCPRI cause TCPRH. Le TCPRA est causé par le TCPRH. On remarque qu'il n'existe qu'une relation de causalité entre les taux de croissance des PIB sectoriels. Le graphe ci-dessous résume ces relations :

Figure 13: Graphe de causalité entre les secteurs d'activité au Cameroun

TCPRH

TCPRA

TCPRI

TCPRS

4.3.4.4 Analyse des chocs

Les résultats des chocs sont présentés en annexe 7. Un choc sur TCPRA a un effet négatif sur TCPRH sur les 10 périodes observées. L'effet reste quasiment invariant après deux périodes, il suit une tendance horizontale. L'effet sur TCPRI suit la même tendance. Après la première période, l'effet du choc suit une trajectoire horizontale. Un constat qui est observé après trois périodes sur TCPRS.

4.3.4.5 Décomposition de la variance de l'erreur de prévision

La décomposition de la variance permet de déterminer dans quelle mesure les variables ont une interaction entre elles, c'est à dire dans quelle « direction » le choc a t-il le plus d'impact. Les résultats sont présentés en annexe 8.

Sur un horizon de 10 ans,

· la variance de l'erreur de prévision du TCPRH est due à 76,7 % à ses propres variations et à 20,9 % à celles de TCPRI. Les variations de TCPRA n'expliquent que 2 % de cette variance

· la variance de l'erreur de prévision de TCPRA est due à 95 % à ses propres variations.

4.3.4.6 Validation des hypothèses sur les résidus

Les résultats des tests sur les résidus sont présentés en annexe 9. Ces résultats concernent la stabilité du modèle VAR, l'indépendance et la normalité des erreurs.

4.3.4.6.1 Stabilité du modèle

Trois racines du polynôme caractéristique ont été fixées à 1. Les autres racines sont en module inférieures à 1 (voir annexe 9). Le modèle est donc stable.

4.3.4.6.2 Autocorrélation des résidus

Le test a été fait en calculant la statistique de Box-Pierce/Ljung-Box. Les résultats figurent en annexe 9. Aucune autocorrélation sérielle n'a été détectée à l'ordre minimal 2.

4.3.4.6.3 Normalité

La normalité a été testée grâce à la statistique de Jarque et Bera. On teste l'hypothèse nulle de normalité des résidus. Les résultats du test sont présentés en annexe 9. L'hypothèse de normalité n'est pas rejetée.

précédent sommaire suivant