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

 > 

Consommation d'électricité et croissance dans l'uemoa : une analyse en termes de causalité

( Télécharger le fichier original )
par Idrissa Yaya DIANDY
Université Cheikh Anta Diop de Dakar - D.E.A Economie, Spécialité Macroéconomie Appliquée, option Economie Internationale 2007
  

précédent sommaire suivant

2.5. ESTIMATION DU MODÈLE À CORRECTION D'ERREUR

La théorie postule qu'on peut associer un modèle à correction d'erreur à des variables cointégrées (cas de la Côte d'Ivoire). Le théorème de représentation de Engle et Granger démontre que les séries non-stationnaires, plus particulièrement celles qui possèdent une racine unitaire, doivent être représentées sous forme de modèle à correction d'erreur si elles sont cointégrées, c'est-à-dire s'il existe une combinaison linéaire stationnaire entre elles. L'estimation du modèle vectoriel à correction d'erreur passe par la détermination de la relation de long terme ci-dessous :

LPIB = 2,597 LCKWh - 19,413 (No trend)

D'après cette relation, à long terme, le PIB et la consommation d'électricité vont de pair car le coefficient de la consommation d'électricité est positif. Ainsi, à long terme, une augmentation de 1% de la consommation d'électricité entraîne une augmentation de près de 2% du PIB. L'estimation du modèle à correction d'erreur est donnée dans le tableau ci-dessous.

Modèle vectoriel à correction d'erreur

Sample(adjusted): 1974 2005

Included observations: 32 after adjusting

Endpoints

Standard errors & t-statistics in parentheses

Cointegrating Eq:

CointEq1

 

LPIB(-1)

1.000000

 
 
 
 

LCKWH(-1)

2.597852

 
 

(1.42244)

 
 

(2.92333)

 
 
 
 

C

-19.41324

 
 

(7.04700)

 
 

(-2.75482)

 

Error Correction:

D(LPIB)

D(LCKWH)

Zt-1

-0.059165

-0.021675

 

(0.01921)

(0.04832)

 

(-3.07942)

(-0.44858)

 
 
 

D(LPIB(-1))

0.316407

0.629596

 

(0.18978)

(0.47728)

 

(1.66725)

(1.31913)

 
 
 

D(LPIB(-2))

-0.070927

-0.098487

 

(0.18499)

(0.46525)

 

(-0.38340)

(-0.21169)

 
 
 

D(LCKWH(-1))

0.026093

-0.164163

 

(0.09480)

(0.23841)

 

(0.27526)

(-0.68859)

 
 
 

D(LCKWH(-2))

0.074477

0.167464

 

(0.08646)

(0.21743)

 

(0.86143)

(0.77018)

R-squared

0.405939

0.115885

Adj. R-squared

0.317930

-0.015095

Sum sq. resids

0.038693

0.244731

S.E. equation

0.037856

0.095206

F-statistic

4.612464

0.884754

 
 
 

La première ligne contient les variables expliquées du modèle et la première colonne les variables exogènes, le terme de correction d'erreur, le coefficient de détermination et la statistique de Fisher. Les deux équations estimées peuvent donc s'écrire :

(0.275) (1.667) (0.861) (-0.383) (-3,079)

(1.319) (-0.688) (-0.211) (0.77) (-0.448)

La qualité de l'estimation de ce modèle semble bonne au regard de la statistique de Fisher et du coefficient de détermination.

De plus, le paramètre du terme à correction d'erreur (Zt-1) est négatif et significatif dans l'équation du PIB (première équation), confirmant ainsi l'existence d'une relation de long terme entre la consommation d'électricité et la croissance. Le modèle à correction peut être validé dans ce cas. La valeur de ce paramètre indique, en outre, qu'en cas de déséquilibre de court terme, le PIB semble revenir plus lentement de son sentier d'équilibre (la vitesse de convergence est estimée à près de 6% seulement).

La validation de la première équation permet d'affirmer qu'il est mieux d'expliquer le PIB par la consommation d'électricité que d'expliquer cette dernière par le PIB.

précédent sommaire suivant











9Impact, le film from Onalukusu Luambo on Vimeo.



Visitez Arcy sur Cure

Camping du Saucil a(Villeneuve sur Yonne)