|
Lien entre soldes d'opinion et production industrielle: une modélisation VAR de l'enquête de conjoncture dans l'industrie béninoise( Télécharger le fichier original )par Wilfried ADOHINZIN et HONDI ASSAH Morel Ecole nationale d'économie appliquée et de management Bénin - Ingénieur des travaux statistiques 2011 |
3.2.2- Validation du modèleDans cette partie, les résidus issus de l'estimation du modèle VAR ont été testés dans le cadre de la validation du modèle. Ce tableau résume les résultats de ces tests sur les trois équations du modèle. Tableau 4 : Récapitulatif des tests de validité du modèle VAR estimé
Source: Nos estimations sur la base de la BCEAO · En effet, pour ce qui est de test de normalité des résidus, les statistiques de J-B relative aux erreurs du modèle var sont respectivement égales à 0,41 ; 2,12 ; 4,67 pour les variables VPMP, IPI, VVMP. Ces valeurs sont toutes inférieures à 5,99 et les probabilités associées sont toutes supérieures à 5%. Les erreurs sont donc normalement distribuées. · Le test d'homoscédasticité de White révèle que les erreurs sont homoscédastiques puisque les probabilités associées sont toutes supérieures au seuil de 5%. · Enfin, en ce qui concerne l'autocorrélation entre les erreurs, le test de Breush-Godfrey révèle que tous les résidus sont non autocorrélés. Les probabilités associées sont égales à 0,09 ; 0,22 ; 0,12 et sont toutes supérieures à 5%. 3.2.3-Etude des chocsCette partie aborde l'étude des fonctions de réponses impulsionnelles en s'intéressant aux différents impacts de chocs qui se remarquent sur les variables. Pour chaque variable, le choc est égal à l'écart-type de ses erreurs. L'horizon temporel des réponses est fixé à dix mois dans le cas de données mensuelles, cet horizon représente le délai nécessaire pour que les variables retrouvent leur niveau de long terme5(*). Elle s'intéresse aussi particulièrement au degré de sensibilité de l'Indice de Production Industrielle aux chocs effectués sur les perspectives de production et sur le volume de ventes du mois passé par l'analyse de la décomposition de la variance des erreurs. La décomposition de la variance de l'erreur de prévision a pour objectif de calculer pour chacune des innovations sa contribution à la variance de l'erreur totale en pourcentage. Lorsqu'une innovation explique une part importante de la variance de l'erreur, on en déduit que l'économie étudiée est très sensible aux chocs affectant cette série6(*). 3.2.3.1-Etude des fonctions de réponses impulsionnelles.Tableau5:Matrice de Variance Covariance des résidus du modèle
Source: Nos estimations sur la base de la BCEAO La matrice ci-dessus nous permet de connaître l'ampleur du choc et de la quantifier. Comme nous l'avons dit plus haut, le choc est d'amplitude égale à l'écart-type des erreurs de la série « choquée ». Les graphiques ci-dessous extraits d'Eviews 5.0 permettent de faire les interprétations qui suivent : · Un choc positif des valeurs passées de l'IPI d'amplitude 16,83 produit un effet positif sur la valeur courante de l'IPI jusqu'au cinquième mois, mois à partir duquel la variable en s'amortissant retrouve son niveau de long terme. · Un choc positif d'amplitude 30,82 des perspectives de production a un effet positif sur la valeur courante de l'Indice de Production Industrielle jusqu'au cinquième mois. Dès lors, l'effet est négatif et commence à se stabiliser. · Un choc positif d'amplitude 39,68 sur le volume des ventes du mois passé induit un effet négatif sur l'IPI et ceci jusqu'au huitième mois où l'effet commence à se stabiliser. Ces résultats permettent de valider l'hypothèse 2 et d'infirmer l'hypothèse 3. Graphique 5 : Réponse de l'IPI suite à un choc sur l'IPI
Source: Nos estimations sur la base de la BCEAO Graphique 6 : Fonctions de réponses de l'IPI suite à un choc sur DVMPSA
Source: Nos estimations sur la base de la BCEAO Graphique 7 : Fonctions de réponses de l'IPI suite à un choc sur DVMPSA
Source: Nos estimations sur la base de la BCEAO * 5 F. Doucouré, Méthodes Econométriques * 6 F. Doucouré, Méthodes Econométriques |
|
