CHAPITRE II : METHODOLOGIE
DE L'ETUDE
CHAPITRE II : METHODE L'ETUDE
I. APPROCHE METHODOLOGIQUE
1.1. Choix et présentation
de la méthode
L'objectif de ce travail est de déterminer l'impact du
secteur agricole sur l'économie Béninoise. Cela se fera à
l'aide d'un modèle économétrique. Il s'agit d'estimer une
relation entre les performances économiques du secteur agricole, celles
des autres secteurs, et du niveau de vie au Bénin. Afin de s'affranchir
des aléas dus à l'application des méthodes de
régression linéaire classique sur des données
évoluant dans le temps, il sera utilisé les développements
récents sur l'économétrie des séries
temporelles.
Dans la littérature économique, l'approche
traditionnelle utilisée pour mesurer l'impact du secteur agricole sur la
croissance économique consistait à déterminer l'effet de
la croissance du secteur agricole sur les autres secteurs dits "modernes" et
sur l'économie dans son ensemble. Le secteur agricole est
considéré comme exogène. Ses performances servent à
expliquer une part de l'évolution du reste de l'économie. Mais
cette méthodologie sera critiquée. KANWAR (2000) a
suggéré que pour évaluer la relation entre l'agriculture
et le reste de l'économie, le secteur agricole ne devrait pas être
considéré comme exogène, le cas échéant,
cela doit être prouvé a priori. Il a également
proposé l'utilisation des méthodes de cointégration afin
d'éviter les problèmes de régression fallacieuse. De plus,
comme le souligne YAO (2000), des liens entre les secteurs peuvent exister dans
plusieurs sens. Si l'industrie bénéficie des ressources issues du
secteur agricole comme le montrent les différentes théories
présentées dans la revue de littérature, la
productivité du secteur agricole s'améliore aussi par
l'utilisation des machines et engrais issus du secteur industriel. Ainsi, le
développement du secteur non agricole peut également causer celui
du secteur agricole.
La prise en compte de toutes ces considérations nous a
amené à retenir pour cette modélisation un modèle
Vectoriel Auto Régressif (VAR), éventuellement un modèle
à correction d'erreur (MCE) en cas d'une seule relation de
cointégration ou un modèle vectoriel à correction
d'erreur (MVCE) en cas de plusieurs relations de cointégration entre les
variables. Les modèles VAR ne font pas de restrictions a priori sur
l'exogénéité des variables. Il s'agit d'une
« modélisation sans autre restriction a priori que le choix
des variables sélectionnées et du nombre de retard »
Cette approche se fera selon les étapes
ci-après :
v tests de racine unitaire ;
v tests de cointégration ;
v test de causalité ;
v estimation selon le cas d'un modèle VAR simple ou
d'un modèle à correction d'erreur ou encore d'un modèle
vectoriel à correction d'erreur
Après une présentation des données
à utiliser dans le modèle, nous ferons une description du
modèle VAR et ses applications, puis exposerons en détail, les
différentes étapes à suivre dans le cadre de ce travail.
| 
