Réglémentation prudentielle, rentabilité et productivité des banques de la CEMAC

II.1.2. Les données

Les données utilisées dans le cadre de nos estimations sont annuelles et proviennent de différentes sources. Il s'agit de World DevelopmentIndicators, les rapports d'activités de la COBAC et de la BEAC. Ce sont les données globales des banques des 06 pays qui figurent sur les détails des postes de l'actif et du passif y compris les comptes de résultats.

L'échantillon est composé des six (06) pays de la sous-région (Cameroun, Centrafrique, Congo, Gabon, Guinée Equatoriale et Tchad). La période de notre étude est limitée de 1999 à 2012. il convient de préciser qu'en raison de l'indisponibilité des données sur une longue période et de manière individuelle, la présente est contrainte à évaluer l'effet des ratios prudentiels sur une période de 14 ans.

II.1.3. La méthode d'estimation

L'estimation du modèle se fait à travers la technique des données de panel. Les données de panel offrent ainsi un avantage incontournable parce qu'elles prennent en compte au moins deux dimensions, spatiale et temporelle. Nous utiliserons les modèles à effets fixes/aléatoires à l'instar deThangavelu et Findlay (2011).Les modèles à effets fixes (fixedeffects) qui supposent que u_i, et v_t sont des effets constants non aléatoires, qui viennent donc simplement modifier la valeur de l'ordonner de l'équation selon les valeurs de i et de t. Ce modèle ressort la variabilité intra-individuelle (estimateur within). Si on suppose que les perturbations aléatoires croisées w_itsatisfont aux hypothèses classiques des MCO c'est-à-dire centrées, homoscédastiques, indépendantes, et normales, les estimations sont optimales. Enfin, il peut être important d'estimer un modèle à effets aléatoires encore appelé modèle à erreur composée, qui suppose les u_i et v_t aléatoires. Dans ce modèle, l'hypothèse nulle est la non corrélation entre les termes d'erreur et les variables explicatives. On aboutit à une variabilité inter-individuelle (estimateur between).

Le test qui permet de sélectionner le modèle est celui de Hausman. Ce test est fondé sur l'hypothèse de non corrélation entre les termes d'erreur et les variables explicatives

H0 : modèle à effets aléatoires contre H1 : modèle à effets fixes

Si la probabilité du test est inférieure au seuil choisi de 10%, alors on conclut au non rejet de l'hypothèse nulle.  Nous utiliserons pour notre estimation le logiciel STATA dans sa version 12. Il convient ensuite de présenter les résultats et de les commenter.