Déterminants des échanges commerciaux en RDC

CHAPITRE III : PRESENTATION ET INTERPRETATION DES RESULTATS

Dans ce chapitre, il sera question de tester empiriquement le modèle d'analyse des échanges commerciaux donné dans le chapitre précèdent ensuite passer à l'interprétation des résultats.

En fait nous présentons en premier lieu les résultats de nos estimations avant de passer aux interprétations.

III.1. Présentation des résultats

En fait pour éviter les régressions fallacieuses entre la variable à expliquer d'une part et les variables explicatives d'autre part, une analyse préliminaire des données est faite.

En ce qui concerne les données chronologiques, les risques d'estimer les relations fallacieuses, d'interpréter les résultats de manière erronée sont élevés. De ce fait nous recourons au test de stationnarité et de coïntégration étant donné que nous travaillons avec les données chronologiques.

Compte tenu de la particularité de nos données, lesquelles sont du type de série temporaire, il y a une nécessité d'un traitement particulier, spécifique des séries chronologiques, diffèrent du traitement appliqué aux autres types des données telles que les données en panel ou en coupes instantanées. On tient sur cette spécificité car les séries chronologiques sont caractérisées par la violation de l'hypothèse d'absence d'autocorrelation des erreurs dans la régression, tout en sachant que l'erreur d'une période peut influencer de manière plausible celle des autres périodes. D'où les estimations obtenues par la méthode de moindres carrés ordinaires ne sont plus à variance minimale.

Comme nous l'avions énoncé au début de ce chapitre, deux opérations sont effectuées pour arriver à l'estimation proprement dite, il s'agit notamment de la stationnarité et de coïntégration.

III.1.1 test de stationnarité

Concernant l'analyse de la stationnarité, l'utilisation des séries temporelles conduit à rechercher des régularités dans les valeurs passées de la série. Pour que cette démarche ait un sens pour la prévision, il faut que le processus présente une certaine stabilité ou un certain degré d'invariance au cours du temps (Haudeville, 1996).

Le test de Dickey-Fullere augmenté (ADF) est généralement utilisé pour tester la stationnarité des variables. Il consiste à déterminer le t-statistique de la variable et à le comparer à sa valeur critique (Mc Kinnan-value) qui est choisie en fonction du nombre d'observations et des options d'estimation, si t-statistique est petit nous ne pouvons pas rejeter l'hypothèse de non stationnarité et l'existence d'une racine unitaire. Dans ce cas, il est conseillé de remplacer la variable par sa différentielle et cette dernière soit stationnaire.

Tableau N^O III.1 : Test de stationnarité

	Constante	Tendance	Valeur du test ADF	Valeur critique 1%	Valeur critique 5%	Conclusion
ECH	Non	Non	-3.292216	-2.6227	-1.9495
D(ECH)	Non	Non	-5.209831	-2.6243	-1.9498	I (1)
L(Conspub)	Non	Non	0.398929	-2.6227	-1.9495
DL(Conspub)	Non	Non	-4.102474	-2.6243	-1.9498	I (1)
L(conspriv)	Non	Non	-0.801574	-2.6227	-1.9495
DL(conspriv	Non	Non	-6.228545	-2.6243	-1.9498	I (1)
L (INDPM)	Non	non	0.932197	-2.6227	-1.9495
DL (INDPM)	Non	Non	-3.739937	-2.6243	-1.9495	I (1)
L (INDPX)	Non	Non	-0.084211	-2.6227	-1.9495
DL(INDPX)	non	Non	-5.567607	-2.6243	-1.9498	I (1)
L(invpub)	Non	Non	-1.736687	-2.6227	-1.9495
DL(invpub)	Non	Non	-6.768762	-2.6243	-1.9498	I (1)
L(invpriv)	Non	Non	-0.291833	-2.6227	-1.9495
DL(invpriv)	Non	Non	-5.381736	-2.6243	-1.9498	I (1)
L(txcdemo)	Non	Non	-0.675200	-2.6227	-1.9495
DL(txcdemo)	Non	NON	-7.031603	-2.6243	-1.9498	I (1)

Source : ces résultats ont été obtenus sur base des données (Cfr annexe 3) et grâce au logiciel E-views

Cette analyse montre que les variables sont non stationnaires en niveau mais elles sont plutôt stationnaires en différentielle première, ce qui nous conduit à supposer une relation de coïntégration.