2.3 Estimation de la « demande incertaine »
à l'aide du PANEL : cas de la compagnie d'assistance TAV Handling
2010-2013
Afin de déterminer la demande incertaine du trafic
aérien à l'aide d'un modèle de données de panel,
nous faisons appel à des méthodes économétriques
permettant d'aboutir à des conclusions présentant une certaine
robustesse. Ainsi, il est important de noter que les données de panel
consistent à regrouper les données en coupes transversales (un
échantillon aléatoire d'unités (les Vols) observées
à un moment donné (par jour) à travers le temps (Ex :
pendant chaque jour des années 2010-2013, voir Annexe 2 qui contient une
partie de la matrice). Ces données ont donc une double dimension: la
dimension en coupe transversale et la dimension chronologique.
Figure 14. Exemple d'une partie de matrice des facteurs de
retards par jour : 2010-2013
42
43
Dans cette partie empirique, nous choisissons d'utiliser le
logiciel Eviews. En effet, Eviews est un logiciel de système
d'exploitation Windows qui donne une prévision de l'analyse des
données scientifique, l'analyse financière, les prévisions
des ventes et les prévisions économiques.
Nous vérifiions, tout d'abord, la stationnarité
de nos variables. L'étude de la stationnarité des séries
temporelles est incontournable, dû au fait que la plupart des analyses se
faisant sur des séries longues subissent des perturbations d'origine
diverses qui tendent à modifier la variance des données.
Ainsi, selon les résultats obtenus à l'aide du
logiciel Eviews (voir Annexe 3) nous conclurons que toutes les variables sont
globalement stationnaires en niveau du fait que valeur-p < 5 %. Toutefois,
afin de formaliser ces estimations sous forme d'équation avec des
grandeurs économétrique, il faut procéder par quatre
étapes.
Étape 1 : Estimer un Modèle Pooled
(modèle homogène)
Cette étape consiste à vérifier la
capacité du modèle à interpréter les données
disponibles. Le but est de voir si le modèle théorique est
homogène pour tous les individus étudiés ou au contraire,
il existe des spécificités. La fonction générale du
modèle homogène se présente sous la forme suivante :
Ainsi, à l'aide des résultats abstenus à
l'aide du logiciel Eviews nous comparons la valeur-p à un seuil
préalablement défini (traditionnellement 5 %) :
44
- Si la valeur-p est inférieure à ce seuil, on
rejette l'hypothèse nulle en faveur de l'hypothèse alternative,
et le résultat du test est déclaré « statistiquement
significatif » et par conséquent le modèle est
homogène.
- Dans le cas contraire, si la valeur-p est supérieure
au seuil, on ne rejette pas l'hypothèse nulle.
Table 2. Estimation du modèle homogène sous
Eviews
Nous remarquons que valeur-p (F-statistic) < 5% confirme
l'homogénéité du modèle. Nous passons par la suite
à estimer le modèle à effet fixe.
45
Étape 2 : modèle à Effets
Fixes
La fonction générale du modèle à
effets fixes se présente sous la forme suivante :
Table 3. Estimation du modèle à Effet Fixe sous
Eviews
Nous remarquons que valeur-p (F-statistic) < 5% confirme
l'hétérogénéité des individus sous la forme
d'un effet fixe. Nous pouvons donc retenir ce modèle.
Étape 3 : modèle à Effets
Aléatoires
La fonction générale se présente sous la
forme suivante :
dont les résidus sont décomposés en une
partie spécifique à l'individu et une partie variant
au cours du temps. Avec et sont distribuées selon une
loi normale d'espérance nulle.
Table 4. Estimation du modèle à effets
aléatoires sous Eviews
46
47
Les résultats de l'estimation du modèle à
effets aléatoires consignés dans le tableau 4 démontrent
que le modèle à effets aléatoires ne peut pas être
rejeté.
Ainsi, afin de choisir entre les modèles à effets
aléatoires et ceux à effets fixes, qui fournissent des
résultats extrêmement proches, nous appliquons le test de Hausman
:
Étape 4 : test
d'Hausman
Le test de spécification d'Hausman (1978) est un test
général qui peut être appliqué à des nombreux
problèmes de spécification en économétrie. Le test
de spécification de Hausman repose sur le corps d'hypothèses
suivant :
H0 : E ( effets aléatoires )
H1 : E ( (effets fixes)
À l'aide du logiciel Eviews nous obtenons les
résultats suivants :
Table 5. Test d'Hausman
Nous remarquons que Prob < 5% : donc nous rejetons H0. Par
conséquent, nous devons retenir seulement le modèle à
Effets fixes.
3 Les contraintes et L'écart entre l'offre et la
demande
Les estimations et la prévision de demande sont
limitées par certaines contraintes qui peuvent génère des
écarts entre l'offre et la demande :
| 
