2.2. Analyse de la décomposition de la variance et
fonctions impulsion-réponses
2.2.1. Décomposition
de la variance
L'erreur de prévision à l'horizon
s est l'écart entre la série observée et la
prévision à l'horizon de t+h périodes obtenue à
partir de la représentation VMA du VAR. Cette erreur est tout autant le
fait le fait de la composante structurelle que non structurelle. Pour chacune
des séries, est donc calculé le pourcentage de la variance de
l'erreur de prévision dû aux chocs. Notre analyse va uniquement
s'intéresser aux variances de l'erreur de prévision relatives au
taux de pression fiscale.
Tableau 1: Décomposition de la
variance
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Period
|
S.E.
|
D(TXFISC)
|
D(TXFIN)
|
D(TXCOM)
|
D(TXAGRI)
|
D(TXINDU)
|
D(TXM2)
|
D(TXPIB)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
1
|
0.780839
|
100.0000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
1.008848
|
59.91054
|
1.754438
|
12.64968
|
6.489980
|
15.40632
|
0.318765
|
3.470273
|
|
3
|
1.069657
|
54.08835
|
5.579525
|
11.50228
|
7.886569
|
17.41460
|
0.355094
|
3.173584
|
|
4
|
1.108344
|
53.31226
|
5.343079
|
10.72219
|
9.954220
|
16.22037
|
1.285336
|
3.162546
|
|
5
|
1.120165
|
52.22572
|
5.388492
|
10.51018
|
9.853911
|
17.16393
|
1.697715
|
3.160066
|
|
6
|
1.127258
|
51.76311
|
5.429196
|
10.42467
|
9.815263
|
17.40295
|
1.933884
|
3.230923
|
|
7
|
1.134102
|
51.32691
|
5.364270
|
10.30133
|
10.08802
|
17.48397
|
2.242576
|
3.192919
|
|
8
|
1.135671
|
51.19640
|
5.411329
|
10.27689
|
10.09788
|
17.43812
|
2.391036
|
3.188356
|
|
9
|
1.137814
|
51.09934
|
5.397344
|
10.24044
|
10.17570
|
17.37281
|
2.525309
|
3.189056
|
|
10
|
1.139197
|
51.00216
|
5.392926
|
10.21569
|
10.21808
|
17.36472
|
2.624123
|
3.182295
|
|
11
|
1.140034
|
50.95101
|
5.396112
|
10.20220
|
10.23921
|
17.33946
|
2.690111
|
3.181894
|
|
12
|
1.140810
|
50.90621
|
5.392215
|
10.18862
|
10.26693
|
17.32250
|
2.743948
|
3.179587
|
|
13
|
1.141289
|
50.87513
|
5.392583
|
10.18042
|
10.28082
|
17.31153
|
2.781379
|
3.178138
|
|
14
|
1.141666
|
50.85315
|
5.391924
|
10.17403
|
10.29278
|
17.30137
|
2.809309
|
3.177431
|
|
15
|
1.141949
|
50.83575
|
5.391260
|
10.16914
|
10.30193
|
17.29512
|
2.830231
|
3.176571
|
|
16
|
1.142148
|
50.82360
|
5.391154
|
10.16577
|
10.30797
|
17.29009
|
2.845324
|
3.176098
|
|
17
|
1.142301
|
50.81444
|
5.390829
|
10.16315
|
10.31290
|
17.28634
|
2.856637
|
3.175712
|
|
18
|
1.142411
|
50.80766
|
5.390678
|
10.16125
|
10.31635
|
17.28370
|
2.864937
|
3.175413
|
|
19
|
1.142493
|
50.80273
|
5.390562
|
10.15986
|
10.31892
|
17.28166
|
2.871053
|
3.175214
|
|
20
|
1.142554
|
50.79904
|
5.390456
|
10.15882
|
10.32085
|
17.28019
|
2.875587
|
3.175054
|
|
21
|
1.142598
|
50.79634
|
5.390395
|
10.15806
|
10.32224
|
17.27911
|
2.878920
|
3.174940
|
|
22
|
1.142631
|
50.79434
|
5.390343
|
10.15750
|
10.32328
|
17.27830
|
2.881385
|
3.174856
|
|
23
|
1.142656
|
50.79286
|
5.390305
|
10.15708
|
10.32405
|
17.27771
|
2.883205
|
3.174793
|
|
24
|
1.142674
|
50.79178
|
5.390278
|
10.15678
|
10.32461
|
17.27727
|
2.884547
|
3.174747
|
|
25
|
1.142687
|
50.79097
|
5.390257
|
10.15655
|
10.32503
|
17.27694
|
2.885538
|
3.174713
|
|
26
|
1.142697
|
50.79038
|
5.390243
|
10.15638
|
10.32534
|
17.27670
|
2.886270
|
3.174688
|
|
27
|
1.142704
|
50.78994
|
5.390231
|
10.15626
|
10.32556
|
17.27653
|
2.886810
|
3.174669
|
|
28
|
1.142709
|
50.78962
|
5.390223
|
10.15617
|
10.32573
|
17.27640
|
2.887209
|
3.174656
|
|
29
|
1.142713
|
50.78938
|
5.390217
|
10.15610
|
10.32586
|
17.27630
|
2.887503
|
3.174645
|
|
30
|
1.142716
|
50.78920
|
5.390213
|
10.15605
|
10.32595
|
17.27623
|
2.887721
|
3.174638
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Source : Calculs de
l'auteur
Par construction, la somme des contributions des chocs des
différents variables du modèle sur les fluctuations du taux de
pression fiscale vaut 100%. La longueur de la période est étendue
jusqu'à trente ans pour nous situer dans le cadre
d'interprétation à long terme. Ici, les courts et moyens termes
ne sont pas contraints, ils seront pris en compte dans l'analyse des fonctions
de réponses impulsionnelles.
Les chocs sont censés écartés le taux de
pression fiscale observé de sa cible, c'est-à-dire de son niveau
tendanciel (prédiction du VAR).
Ainsi, comme nous le constatons, la contribution des chocs des
variables structurelles et conjoncturelles croît globalement avec le
temps pour rester à moins de 49,22% jusqu'à
l'échéance de 30ans. La contribution des secteurs industriel
(17,27%), agricole (10,32%) et commerce (10,15%) se révèle comme
la plus importante dans la mobilisation fiscale à long terme.
Plus de la moitié (soit 50,78%) de la variance de
l'erreur de prévision du taux de pression fiscale est donc
expliquée par des sources autres que celles considérées
dans notre étude. Ce qui signifie que d'autres facteurs non pris en
compte dans notre modèle expliquent aussi les fluctuations du taux de
pression fiscale au Cameroun. Nos travaux ultérieurs permettront sans
doute de combler ce gap.
| 
