B/ Modèle de court terme
La dynamique de court terme est représentée par
l'équation suivante :
 
Où D est l'opérateur de différence
première et RESID01 les résidus de l'équation de long
terme.
Tableau 4: Résultat d'estimation
du modèle dynamique de court terme
|
Variables
|
coefficients
|
Std-Error
|
t-Statistic
|
Prob
|
|
C
|
26612.79
|
31047.11
|
0.857175
|
0.4040
|
|
D(E)
|
2.208998
|
11.32831
|
0.194998
|
0.8478
|
|
D(TR)
|
-42423.56
|
116241.7
|
-0.364960
|
0.7199
|
|
D(PA)
|
124.3418
|
166.4517
|
0.747014
|
0.4659
|
|
PP
|
3.705726
|
1.654658
|
2.239572
|
0.0397
|
|
PS
|
2.185224
|
1.270450
|
1.720039
|
0.1047
|
|
PS2
|
-0.003198
|
0.001680
|
-1.904261
|
0.0750
|
|
TP
|
103.8308
|
231.6443
|
0.448234
|
0.6600
|
|
TS
|
-2443.419
|
2583.168
|
-0.945900
|
0.3583
|
|
TP2
|
-2.203685
|
4.670647
|
-0.471816
|
0.6434
|
|
TS2
|
50.46188
|
52.19962
|
0.966710
|
0.3481
|
|
PP2
|
-0.002436
|
0.001077
|
-2.261823
|
0.0380
|
|
RESID01(-1)
|
-0.109584
|
0.267369
|
-2.409860
|
0.0273
|
|
R2
0,653469
F-stat
11,06298
Prob(F-stat)
0,000800
|
Source : Construit par les
auteurs à partir des résultats du test sous Eviews
Le modèle est globalement significatif à 5%
(Prob (F-statistic)=0,000<0.05). La variation de la valeur ajoutée
agricole entre deux années successives serait expliquée à
65% environ par le modèle. Le coefficient associé au terme
d'erreur (force de rappel à l'équilibre) est négatif. Il
existe bien un mécanisme à correction d'erreur, le modèle
à correction d'erreur est donc valable. On peut donc effectuer tous les
tests classiques puis ensuite l'utiliser à des fins de
prévision.
v Test de validation du modèle
· Test de la normalité :
(Test de Jarque Bera)
La valeur de la probabilité 0,946762 (voir annexe 7)
est supérieure à 5%. On accepte Ho. Par suite, nous
pouvons dire que les erreurs suivent une loi normale.
· Test d'omission d'une variable (test
de Ramsey)
La valeur de la probabilité attachée à la
statistique à cette étude est 0,219871 (cf. annexe 7)
supérieure à 5%. D'où le modèle de court terme ne
souffre d'omission de variables importantes.
· Test
d'hétéroscédasticité de white
La valeur de la probabilité obtenue 0,977785 est
supérieur à 5%. Nous pouvons conclure que les erreurs sont
homoscédastiques
· Test d'auto corrélation des erreurs
(Test de Breush-Godfrey)
La probabilité de la statistique de Fisher (0,478177)
est supérieure à 5% nous pouvons donc dire que les erreurs ne
sont pas auto corrélées. (cf. annexe 7)
· Test de Cusum et Cusum Carré
Le test de Cusum et Cusum carré confirme la
stabilité du modèle car la courbe ne sort pas du corridor
(détail en annexe 7).
Impact des projections des variables climatiques
sur le rendement agricole
Considérons le scénario de changement climatique
effectué par le GIEC sur l'Afrique de l'ouest à l'horizon 2100.
Soit une hausse de 1,4 à 5,8°C pour les températures et une
baisse de 5 à 10% pour les précipitations. Comment se
répercute ce changement climatique sur les rendements agricoles ?
Nous savons que le rendement agricole engendré par le changement
climatique à l'instant t est égale à :
Et que les rendements agricoles au temps t+n c'est
à dire lorsque viendra les changements climatiques est égale
à :
La différence est donc égale à :
En remplaçant les coefficients par les coefficients
estimés cela nous donne le résultat suivant (confère
annexe 8) :
Tableau 5 : impact futur du changement
climatique sur la valeur ajoutée agricole
|
Baisse des précipitations de 5%
|
Baisse des précipitations de 10%
|
|
Variation de la valeur ajoutée à l'hectare
|
- 176,76
|
-359,08
|
|
Variation de la valeur ajoutée en pourcentage
|
- 10,77
|
-21,87
|
| 
