Section 2 : Estimations et tests de
spécifications
L'étude empirique se porte sur des données de
panel traitées à partir du logiciel stata. L'analyse à
partir d'un modèle de panel permet d'obtenir trois modèles
différents à savoir le modèle sans effets, le
modèle à effets fixes, le modèle aléatoires avec
leurs estimateurs respectifs du MCO, du Within et du MCG. La méthode des
MCO permet de prendre en considération
MEMOIRE MASTER II/ METHODES STATISTIQUES ET
ECONOMETRIQUES/MAOULIDA SOUDJAY 41
MEMOIRE MASTER II/ METHODES STATISTIQUES ET
ECONOMETRIQUES/MAOULIDA SOUDJAY 42
CROISSANCE ECONOMIQUE ET PAUVRETE DANS LES PAYS DE
L'UEMOA
l'hétérogénéité des pays. Pour
cela, on se réfère au test de Hausman. Et la méthode de
MCG permet de contrôler en plus de
l'hétérogénéité,
l'endogénéité entre les variables.
2.1. Estimations économétriques
Compte tenu de la structure des données, nous avons choisi
l'approche par estimations en données de panel. Cette approche est
manifestée en raison de sa pertinence portée sur l'analyse des
données empiriques et également par la formation de
données qui sont sous la forme de données de panel. Elle a fait
l'objet d'étude importante porté par Fosu (2010).
? Estimation des paramètres
Le tableau ci-dessous représente les estimations des
paramètres des 3 modèles. Il se trouve que la relation entre la
variable dépendante et les variables explicatives sont identiques pour
tous les individus. Ci-dessous est représentée l'estimation des
paramètres du modèle logarithmique.
Tableau 4: Impact de la croissance sur la
pauvreté avec l'indice du Ratio de la population pauvre disposant de
moins de 1.90$ par jour (2011 PPA) en % de la population
nationale
|
Variables Modèle sans effet Modèle à
effet fixe Modèle à effet aléatoire
|
|
InPIBh
|
-0,701*
|
-0,779***
|
-0,669*
|
|
InGINI
|
0,672**
|
0,693**
|
0,727*
|
|
InDOUV
|
-0,102
|
-0,087
|
-0,107
|
|
InCPP
|
-0,518
|
-0,335
|
-0,387***
|
|
InTRC
|
0,508**
|
0,586
|
0,472***
|
|
Constant
|
6,290
|
2,731
|
5,818
|
|
R2
|
72,52%
|
83,44
|
84,35
|
N.B : Les notations (*), (**) et (***) indiquent
respectivement la significativité des variables aux seuils de 1%, 5% et
à 10%. (cf Annexe : A4, A5 et A6).
CROISSANCE ECONOMIQUE ET PAUVRETE DANS LES PAYS DE
L'UEMOA
2.2. Tests de spécification
Nous allons effectuer les tests de spécifications pour
déterminer l'estimateur le plus performant. Le rôle d'un test de
spécification en données de panel consiste à justifier et
garantir le choix optimal du modèle le plus performant entre les
trois.
2.2.1 Test de Fischer
Le test de Fisher nous permet de déterminer la presence
du modèle sans effet ou du modèle à effets fixes.
L'hypothèse de presence d'effets fixes est retenue si la P-value
(Prob<F) est inférieure au seuil de 5%. Ce test est effectué
automatiquement par l'estimation des paramètres du modèle
à effets fixes. Le logiciel Stata donne :
F test that all u_i=0: F(7, 14) = 3.93 Prob > F =
0.0141
Ainsi la statistique de Fisher vaut 3,93 avec une
probabilité critique (0,0141) inférieure au seuil de 5%.
L'hypothèse nulle d'absence d'effets est rejetée, donc la
pauvreté n'est pas la même pour l'ensemble de
l'échantillon, l'estimateur Within est meilleur que l'estimateur des
MCO. Le modèle à effets fixes est meilleur que celui sans
effets.
| 
