3.2-Résultats des
estimations
3.2.1-Estimation du
VAR
3.2.1.1-Ordre optimal et
estimation
Ici nous utiliserons essentiellement les deux
critères pour déterminer le nombre de retards optimal à
savoir le critère d'AKAIKE et de Schwarz. Le choix de l'ordre optimal
ici n'est pas aisé en ce sens que les deux critères ne suivent
pas une même chronologie. Cependant, il est possible de trancher sur
cette question en examinant la significativité des coefficients
estimés. Le nombre de retards optimal ici est de 3 si on prend en compte
toutes ces considérations :
Tableau 2 : Critères d'Informations
AKAIKE et SCHWARZ pour l'estimation de VAR à 3variables.
|
Décalages
|
AIC
|
SC
|
|
1
|
28,55
|
28,82
|
|
2
|
28,56
|
29,03
|
|
3
|
28,44
|
29,12
|
|
4
|
28,46
|
29,35
|
Source: Nos estimations sur la base de la BCEAO
Nous pouvons donc estimer le VAR sur les trois
variables. Les résultats de cette estimation sont résumés
par le tableau suivant:
Tableau 3 : Estimation du VAR(3).
|
DVPMPSA
|
IPIr
|
VVMPSA
|
|
DVPMPSA (-1)
|
-0,657713
|
0,028692
|
0,049514
|
|
Standard errors
|
-0,09231
|
-0,05024
|
-0,11846
|
|
T-statistics
|
[-7,12476]
|
[0,57107]
|
[0,41797]
|
|
DVPMPSA (-2)
|
-0,328813
|
0,071776
|
0,033423
|
|
Standard errors
|
-0,10452
|
-0,05689
|
-0,13413
|
|
T-statistics
|
[-3,14589]
|
[1,26172]
|
[0,24919]
|
|
DVPMPSA (-3)
|
-0,128531
|
0,127392
|
0,095341
|
|
Standard errors
|
-0,08695
|
-0,04732
|
-0,11158
|
|
T-statistics
|
[-1,47827]
|
[2,69201]
|
[0,85448]
|
|
IPIr(-1)
|
-0,23564
|
0,513588
|
0,424023
|
|
Standard errors
|
-0,17213
|
-0,09368
|
-0,22088
|
|
T-statistics
|
[-1,36901]
|
[5,48225]
|
[1,91966]
|
|
IPIr (-2)
|
-0,238945
|
0,060012
|
-0,392737
|
|
Standard errors
|
-0,20063
|
-0,1092
|
-0,25746
|
|
T-statistics
|
[-1,19098]
|
[0,54959]
|
[-1,52541]
|
|
IPIr(-3)
|
0,234324
|
-0,070408
|
0,039737
|
|
Standard errors
|
-0,17857
|
-0,09719
|
-0,22916
|
|
T-statistics
|
[1,31219]
|
[-0,72442]
|
[0,17340]
|
|
VVMPSA (-1)
|
0,029845
|
-0,038876
|
0,305817
|
|
Standard errors
|
-0,07622
|
-0,04149
|
-0,09782
|
|
T-statistics
|
[0,39154]
|
[-0,93707]
|
[3,12640]
|
|
VVMPSA (-2)
|
-0,098755
|
-0,006774
|
-0,116753
|
|
Standard errors
|
-0,07811
|
-0,04251
|
-0,10024
|
|
T-statistics
|
[-1,26429]
|
[-0,15934]
|
[-1,16476]
|
|
VVMPSA (-3)
|
-0,102055
|
-0,022073
|
-0,062226
|
|
Standard errors
|
-0,07564
|
-0,04117
|
-0,09706
|
|
T-statistics
|
[-1,34929]
|
[-0,53619]
|
[-0,64110]
|
|
C
|
2,050453
|
1,1584
|
8,444506
|
|
Standard errors
|
-2,92631
|
-1,59269
|
-3,75526
|
|
T-statistics
|
[0,70070]
|
[0,72732]
|
[2,24871]
|
|
R-squared
|
0,369031
|
0,323179
|
0,162541
|
|
Adj, R-squared
|
0,319218
|
0,269746
|
0,096426
|
|
Sum sq, resids
|
109038,2
|
32299,92
|
179564,3
|
|
S, E, equation
|
30,92694
|
16,83249
|
39,68785
|
|
F-statistic
|
7,408279
|
6,048274
|
2,458458
|
|
Log likelihood
|
-596,2571
|
-520,8258
|
-627,1848
|
|
Akaike AIC
|
9,77834
|
8,561706
|
10,27717
|
|
Schwarz SC
|
10,00578
|
8,789148
|
10,50462
|
|
Mean dependent
|
0,599005
|
0,937394
|
9,447348
|
|
S, D, dependent
|
37,48287
|
19,69751
|
41,75185
|
|
Determinant resid covariance (dof adj,)
|
3,58E+08
|
|
Determinant resid covariance
|
2,78E+08
|
|
Log likelihood
|
-1733,324
|
|
Akaike information criterion
|
28,44071
|
|
Schwarz criterion
|
29,12304
|
Source: Nos estimations sur la base de la BCEAO
Commentaire
Les résultats de l'estimation du vecteur
autorégressif d'ordre trois montrent que les signes des coefficients
sont positifs entre l'IPI et les perspectives de production. Ils sont par
contre négatifs entre l'IPI et le volume de ventes du mois passé.
Ces résultats confirment les observations faites à partir de
l'analyse visuelle.
|
|
