3.3.1.6. Décomposition du modèle VAR
La décomposition de la variance totale de l'erreur de
prévision est important dans ce sens que si celle-ci augmente, nous
montrerons sa contribution à sa variable endogène, mais ici si
l'innovation est de 1% sur la valeur de la prévision quel serait
l'impact de l'autre variable en observant son évolution dans le
temps.
|
|
|
|
|
|
|
Period
|
S.E.
|
DTPIB
|
TPRIM
|
TSEC
|
DDEPCAH
|
|
1
|
3.961827
|
100.0000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
4.025881
|
97.59505
|
1.393617
|
0.978383
|
0.032952
|
|
3
|
4.044287
|
96.93092
|
2.007292
|
0.969991
|
0.091795
|
|
4
|
4.047766
|
96.77392
|
2.055151
|
0.999286
|
0.171644
|
|
5
|
4.048653
|
96.73222
|
2.065114
|
1.003258
|
0.199412
|
|
Period
|
S.E.
|
DTPIB
|
TPRIM
|
TSEC
|
DDEPCAH
|
|
1
|
10.58265
|
2.702396
|
97.29760
|
0.000000
|
0.000000
|
|
2
|
11.28885
|
3.540740
|
90.39773
|
0.400032
|
5.661494
|
|
3
|
11.46493
|
3.442620
|
88.08318
|
0.938537
|
7.535665
|
|
4
|
11.50464
|
3.418897
|
87.56574
|
1.009963
|
8.005399
|
|
5
|
11.51381
|
3.414277
|
87.43659
|
1.030688
|
8.118441
|
|
Period
|
S.E.
|
DTPIB
|
TPRIM
|
TSEC
|
DDEPCAH
|
|
1
|
296.3552
|
1.084048
|
7.377078
|
91.53887
|
0.000000
|
|
2
|
316.0974
|
3.151459
|
12.90153
|
83.80768
|
0.139326
|
|
3
|
317.0170
|
3.153048
|
12.86676
|
83.66254
|
0.317646
|
|
4
|
317.1996
|
3.157134
|
12.90827
|
83.56736
|
0.367236
|
|
5
|
317.2472
|
3.156228
|
12.90795
|
83.54812
|
0.387708
|
|
Period
|
S.E.
|
DTPIB
|
TPRIM
|
TSEC
|
DDEPCAH
|
|
1
|
0.200063
|
2.582242
|
0.006773
|
0.066903
|
97.34408
|
|
2
|
0.223082
|
5.125804
|
1.572412
|
3.989009
|
89.31278
|
|
3
|
0.224552
|
5.289043
|
1.579545
|
3.965277
|
89.16614
|
|
4
|
0.224787
|
5.320491
|
1.598595
|
3.978923
|
89.10199
|
|
5
|
0.224807
|
5.324176
|
1.600551
|
3.978812
|
89.09646
|
|
|
|
|
|
|
Cette situation traduit que la relation entre croissance
économique et les autres variables se situe dans le long terme.
3.3.1.7. Prévision
Dans ce cadre nous nous contentons de prévoir
l'indicateur du modèle dégagé par le tableau de
stationnarité de TPIB, TPRIM, TSEC et DEPCAH soit un modèle ARIMA
(1, 1, 1). Ainsi, pour faire une prévision
L ' I m p a c t des dépenses publiques e n
Education sur l a croissance Economique e n RDC d e 1 9 8 0 à 2 0 1
2
Page 72
fiable de ces quatre variables, il faudrait une analyse Uni
variée. Sur ce, nous avons estimé d'abord notre variable TPIB
comme l'indique le graphique ci-après :
|
2013
|
1.615154981194868
|
|
2014
|
1.615088395864208
|
|
2015
|
1.615035857572295
|
|
2016
|
1.614994402914193
|
|
2017
|
1.614961693653656
|
Ce tableau nous indique une prévision assez
rapprochée des valeurs de TPIB pour les 5 ans.
Forecast: TPIBF
Actual: TPIB
Forecast sample: 1980 2017 Adjusted sample: 1981 2017 Included
observations: 32
Root Mean Squared Error 5.504260
Mean Absolute Error 4.441999
Mean Abs. Percent Error 128.7667
Theil Inequality Coefficient 0.757380
Bias Proportion 0.015615
Variance Proportion 0.929616
Covariance Proportion 0.054769
15 10 5 0 -5
1985 1990 1995 2000 2005 2010 2015
TPIBF #177; 2 S.E.
L'Impact des dépenses publiques e
n Education sur l a croissance E c o n o m i q u e e n R D C
d e 1 9 8 0 à 2 0 1 2
Page 73
L'Impact des dépenses publiques e
n Education sur l a croissance E c o n o m i q u e e n R D C
d e 1 9 8 0 à 2 0 1 2
Page 74
| 
