Analyse des déterminants de la croissance économique au Burkina Faso. Quelles perspectives pour une croissance soutenue?

CHAPITRE II : LA PRESENTATION DES RESULTATS
ECONOMETRIQUES ET LEURS IMPLICATIONS ECONOMIQUES

Dans ce chapitre, il est présenté successivement les résultats économétriques et les analyses économiques qui en découlent.

Section I : la présentation des résultats

Avant de présenter les résultats de la régression il convient d'éclairer certaines notions théoriques. Nous élucidons successivement la stationnarité, la coïntégration et le modèle à correction d'erreur.

ü Le test de stationnarité : il consiste à déterminer à la fois la stationnarité ou non d'une série et son degré d'intégration. Les variables ou les séries doivent être stationnaires pour qu'elles soient utilisées sans biais à des fins de prédiction.

On appelle variable intégrée d'ordre d une variable Xt telle que sa différence d - ième soit stationnaire. On note Xt - I(d) qui signifie que Xt est intégré d'ordre d. Une variable non stationnaire a une variance croissante dans le temps de sorte qu'elle ne converge nullement vers une valeur d'équilibre, il faudrait pour cela la différencier un certain nombre de fois selon son degré d'intégration. Xt - I(1 ) signifie qu'il faut différencier une fois Xt pour qu'elle soit stationnaire. Toute combinaison linéaire de variables intégrées d'ordres différents est généralement intégrée à l'ordre le plus élevé. La stationnarité est testée sur Eviews avec la statistique de Dickey-Fuller Augmenté(ADF). Si les séries sont intégrées d'ordre d, on test leur coïntégration.

ü Le test de coïntégration : l'idée qu'une relation d'équilibre de long terme puisse être définie entre variables pourtant non stationnaire individuellement est à la base de la théorie de la coïntégration. Cette théorie permet d'étudier des séries non stationnaires mais dont une combinaison linéaire est stationnaire. Des variables

coïntégrées sont des variables intégrées du même ordre. Sur Eviews la coïntégration est testée grâce au test de Johansen (coïntégration test).

ü Modèle à correction d'erreur (MCE) : le modèle à correction d'erreur présente une propriété remarquable qui a été démontrée par Granger en 1983. Un

48

ensemble de variables coïntégrées peut être mis sous forme d'un modèle à correction d'erreur dont toutes les variables sont stationnaires et dont les coefficients peuvent être estimés par les méthodes de l'économétrie classique sans risque de corrélations fortuites. Le résultat connu sous le nom de théorème de représentation de Granger, valide de façon générale la démarche du MCE pour une classe importante de variables. Grâce au MCE, la théorie de la coïntégration permet de modéliser simultanément les dynamiques de long terme et de court terme des séries temporelles. Avant de présenter les résultats de la régression, nous nous proposons de conduire des tests préalables.

Paragraphe I : les résultats des tests préalables

Les tests sont effectués sous Eviews 6 et les résultats de la stationnarité sont consignés dans le tableau 1 précédent. Néanmoins, nous affichons ci-dessous le récapitulatif des tests de stationnarité.

49

Tableau 2: résultat des tests de stationnarité

Variable		TPIB	TINV	LTERAG RI	LPACTI V	LEMICO 2	LAPD	LCREDIP RIV	LGCON	LPRIX	LTCER
Test à niveau au seuil de 5%	ADF	-2.935
	prob	0,0000
	Décisi on	stationn aire	Non stationn aire	Non stationn aire	Non stationn aire	Non stationn aire	Non stationn aire	Non stationna ire	Non stationn aire	Non stationn aire	Non stationn aire
Test en différe nce 1ère au seuil de 5%	ADF		-2,938	-2,936	-2,943	-2,936	-2,936	-2,936	-2,936	-2,936	-2,936
	prob		0,0006	0,0000	0,0038	0,0000	0,0000	0,0019	0,0000	0,0000	0,0000
	Décisi on	stationn aire	stationn aire	stationn aire	stationn aire	stationn aire	stationn aire	stationna ire	stationn aire	stationn aire	stationn aire

Source : calculs de l'auteur avec Eviews

50

Le tableau précédent indique que la variable taux de croissance est stationnaire en niveau et les autres variables sont stationnaires en différence première. La décision de stationnarité ou non est prise en comparant la probabilité au seuil de signification. Si la probabilité est inférieure au seuil (5%) alors la série concernée est stationnaire. Cependant, si elle est supérieure au seuil, la série est non stationnaire. En rappel, on retiendra que des prévisions économétriques fiables ne peuvent être faites que sur des séries stationnaires. Si la série initiale(en niveau) n'est pas stationnaire, il faudra alors vérifier cette condition pour sa différence première et éventuellement, pour la différence seconde.

Nous présentons en annexe 2 les résultats du test de coïntégration.

L'analyse des résultats de l'annexe 2 contenant les résultats de la coïntégration indiquent qu'il existe au plus, dix relations de coïntégration entre les dix variables. De façon générale, avec des séries non stationnaires, on ne peut plus appliquer l'économétrie classique par l'utilisation des moindres carrés ordinaires. Puisque le nombre de relations de coïntégration est non nul, on peut utiliser un modèle à correction d'erreur qui permet d'avoir des effets à court terme et à long terme. Nous présentons à la suite, les résultats de la régression.