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

 > 

Impact du risque politique sur les investissements directs étrangers en Afrique subsaharienne

( Télécharger le fichier original )
par Didier Jol Kama N'GBESSO
Université d'Auvergne Clermont- Ferrand1, centre d'études et de recherches sur le développement international - Master 2 2010
  

précédent sommaire suivant

II.3.2 Specification empirique et methodologie

L'estimation empirique de notre étude se focalise sur l'étude de la relation entre le risque politique et les flux nets d'IDE en Afrique Subsaharienne. Nous utilisons une spécification empirique « ad hoc »36(*), dans laquelle nous mettons en relation les IDE (la variable endogène de notre étude) avec les différentes variables explicatives dont notre variable d'intérêt, le risque politique. Nous avons privilégié l'utilisation de l'indicateur agrégé du risque politique car comme le soulignent Kolstad & Villanger (2007), les indicateurs désagrégés sont souvent « remplis » d'erreur de mesure, et en plus ils mettent en relief que très peu de variations à l'intérieur des pays au cours du temps, ce qui complique l'estimation par les modèles à effets fixes37(*). Comme cela a été fait dans la littérature empirique sur les flux d'IDE, nous utilisons logarithme pour les flux d'IDE et pour certaines variables explicatives de notre modèle. Nous utilisons cependant une spécification particulière du logarithme pour les variables de notre modèle (à savoir IDE/PIB, GROWTH, DEFICIT) qui comportent un grand nombre d'observations nulles et négatives38(*) :

Son avantage est qu'en plus de prendre en compte les valeurs nulles et négatives des variables, elle maintient le signe de la variable, contrairement à la transformation logarithmique standard.

La spécification de notre modèle est :

+ +

Où les sont les paramètres estimés.

Les méthodes d'estimation utilisées sont les suivantes :

Tout d'abord, nous commençons par estimer notre modèle sur données de panel par les moindres carrées ordinaires, comme cela se fait couramment dans la littérature. On suppose ainsi une homogénéité des comportements dans le temps et dans l'espace, ce qui permet l'utilisation des MCO sur données de panel. On parle aussi de « pooled data »39(*). Selon Schmidt (1997), l'analyse MCO pooled permet de tester l'impact d'un grand nombre de prédicteurs du niveau et de la variation de la variable dépendante à l'intérieur d'une analyse de la structure multivariée ; pour Hicks (1994), les régressions basées sur les données pooled combinent le temps et l'espace, et ainsi permettent de fortes variabilité du temps et de l'espace en comparaison à un échantillon de séries temporelles ou à un échantillon de coupes transversales40(*).

Ensuite, nous ajoutons la dimension temporelle aux coupes transversales en utilisant des données de panel cylindrées. Cette double dimension, généralement individuelle et temporelle, permet d'étudier simultanément la dynamique et l'hétérogénéité des comportements des agents (Nerlove et Balestra, 1995)41(*). Nous utiliserons le modèle à effet fixe ou le modèle à effet aléatoire selon les résultats que nous donnerons le test de spécification de Hausman.

Nous soupçonnons une endogénéité de notre variable explicative d'intérêt (le risque politique). Nous testons cette endogénéité avec le test de Durbin, Watson et Wu dans sa version Nakamura Nakamura. En cas d'endogénéité effective, nous utiliserons la méthode des Doubles Moindres Carrées, qui est plus efficace dans un tel cas.

Il pourrait avoir une autocorrélation des résidus dans notre modèle. Dans un tel cas, nos estimateurs seront biaisés. Nous utiliserons la méthode Feasible Generalised Least Squares (FGLS) réduire ce biais éventuel. Cette méthode a notamment été utilisée par Dutta & Osei-Yeboah (2008).

Enfin, nous reprenons la même démarche en utilisant un indicateur autre que celui de l'ICRG pour justifier la robustesse de nos résultats obtenus.

* 36 En effet, Busse & Hefeker (2007) soulignent que contrairement à la procédure standard il n'existe pas de modèle théorique commun sur les déterminants des flux IDE, qui intègre les indicateurs du risque politique et leurs effets estimés. Selon eux, les chercheurs qui font un travail empirique sur les déterminants des IDE utilisent un modèle ad hoc dans lequel ils essaient divers indicateurs pouvant expliquer les différences dans les flux d'IDE entre pays, et ils utilisent ceux qui correspondent le mieux à l'objectif de leur recherche.

* 37 Kolstad & Villanger (2007), Desbordes R. (2007) ont utilisé cet indicateur.

* 38Cette spécification est tirée de Busse & Hefeker (2007).

* 39 Agnès Bénassy-Quéré, Coupet & Mayer (2005) ont utilisé cette méthode.

* 40 Dutta & Osei-Yeboah

* 41 Araujo, Brun & Combes (2008)

précédent sommaire suivant







9Impact, le film from Onalukusu Luambo on Vimeo.



Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour



BOSKELYWOOD from Ona Luambo on Vimeo.