3.3.2 Justification du choix des variables et
méthodologie d'estimation
Justification du choix des variables
Le modèle retenu pour analyser le lien entre les
dépenses de sécuritésociale et la croissance
économique ne saurait être utlisésans que nous ne
justifions les variables que nous lui attribuons. Le choix des variables (ou
données) a étéguidépar la littérature
(théorique et empirique), la disponibilitéet la
fiabilitédes données dans le cadre du Cameroun.
La croissance du PIB par tête
Elle est la variable la plus utilisée dans les
modèles de croissance économique. Sa présence dans les
estimations économétriques est très importante pour
déceler des implications politiques, et de proposer des recommandations.
Nous avons optépour la mesure de la croissance économique, le PIB
par tête. En effet, elle a étéutilisée par beaucoup
d'auteurs43 dans le cadre du lien avec la
sécuritésociale. Elle est aussi par ailleurs recommandée
par la BM et le FMI pour les estimations.
L'investissement public
Cette variable est reconnue par les économistes comme
importante source de productivitéet de croissance économique
(Tanankem, 2010). Son utilisation dans notre modèle est
nécessaire pour percevoir le lien a` long terme avec la PIB par
tête. Dans la plupart des études, on l'utilise pour mesurer la
capital physique. Elle a étéen effet utilisée par Arjona
et al (2002).
Les dépenses de prestations sociales
Elle est considérée comme la variable
d'intérêt, non pas pour dire qu'elle est la variable
dépendante, mais qu'elle représente le centre du lien entre la
sécuritésociale au Cameroun et la croissance économique.
Sa présence dans le modèle est tout a` fait légitime, pour
capter le rapprochement qu'on peut faire avec la croissance
économique.
43Person et Tabelini(1994), Landau(1985),etc.
Les recettes de sécuritésociale
Cette dernière variable est très peu
utilisée dans les modèles économétriques de
croissance économique liée aux dépenses de
sécuritésociale. Néanmoins, son insertion dans le
modèle est d'une importance capitale. En effet, Pour examiner l'impact
économique des transferts sociaux, il importe de ne pas
considérer les seules prestations mais aussi les cotisations dont
l'évolution peut contrecarer celle des prestations (Raoul E. et
al(1982)). Cette variable a étéutlisépar Cashin, pour
estimer son modèle.
Nous venons de planter le décor, en formulant le
modèle économétrique qui nous permettra d'identifier
l'existence d'une relation entre les dépenses de
sécuritésociale et la croissance économique. Toutefois,
l'application d'un modèle économétrique avec des variables
temporelles, demande beaucoup d'attention et de rigueur. Pour mener a` bien nos
estimations, nous décrivons dans la suite la méthode d'estimation
de notre modèle.
Méthodologie d'estimation du modèle
Le modèle sur lequel nous cherchons a` faire des
estimations, tel qu'il est spécifié, est un modèle
linéaire de long terme. A cet effet, nous pouvons nous contenter de la
technique des MCO, pour estimer les coefficients de chaque variable
explicative, et ainsi vérifier celui des dépenses de prestations
sociales pour évaluer l'effet de cette variable a` long terme sur la
croissance économique. La validation de ce modèle passe alors par
la validation d'un certain nombre d'hypothèses du modèle
linéaire. Seulement, appliquer une telle technique nous donnerait des
estimateurs biaisés et donc des résultats falacieux.
A cet effet, pour résoudre ce problème,
plusieurs auteurs ont développéles notions de
stationnarité, de causalité, de cointégration, etc. Il est
bien vrai que lorsqu'on stationnarise les séries, la relation de long
terme est détruite, au profit de celle de court terme. Néanmoins,
la stationnarisation des séries garantit de meilleures estimations, et
la relation de long terme peut toujours exister, si l'hypothèse de non
cointégration entre les variables est rejetée.
La notion de cointégration a
étéutilisépour la première fois par Engle et
Granger (1987). Ces auteurs utilisent la cointégration entre deux
variables pour tester l'existence d'une relation de long terme entre elles. Ils
affirment que deux variables sont cointégrés, si elles
vérifient les conditions suivantes :
u les variables sont intégrés du même ordre
(I(0) ou I(1));
u il existe une combinaison linéaire entre les variables
qui soit stationnaire a` niveau;
Engle et Granger continuent en disant que si les variables
sont cointégrées (sous réserve que les deux conditions
précédemment citées sont validées), on peut estimer
un modèle a` correction d'erreur qui est une combinaison de la relation
de long terme et de court terme. Dans le cas o`u les variables sont
intégrées du même ordre, et qu'il n'y a pas
cointégration entre les variables, on estime un modèle VAR, sous
reserve de l'existence de causalitéentre les variables.
Johansen(1998) a développéla technique de
cointégration déjàmise en place par Engle et Granger en
1987, avec plusieurs variables. Johansen arrive a` cet effet a` montrer que
lorsque plusieurs variables sont intégrées du même ordre,
il peut exister une relation de cointégration entre elles. De même
que Engle et Granger, Johansen montre que si les variables sont
intégrées du même ordre, on peut estimer un modèle
VECM.
La méthodologie générale d'estimation des
modèles d'économétrie des série temporelles est la
suivante :
u identification de l'ordre d'intégration des variables du
modèle
u si les variables sont intégrées du même
ordre, on vérifie si elles sont cointégrées. u dans le cas
o`u les variables sont cointégrées, on estime un modèle a`
correction d'erreur. Dans le cas contraire, on estime un modèle
VAR44
u si toutes ces conditions ne sont pas vérifiées,
on estime le modèle ARDL45
Cette dernière technique a
étédéveloppée par Pesaran et al (2001). Elle est
moins contraignante que les deux premières techniques, du fait qu'elle
ne tient pas compte de l'ordre d'intégration des séries. Elle est
un cas particulier des modèles autoregressifs a` retards
échelonnés.
44dans le cas il y a causalitéentre les
variables 45technique de la cointégration de Pasaran
| 
