3.4. Analyse économétriquee du lien
entre IFEE et le revenu
Pour &passer le cadre descriptif precedent, nous abordons
ici l'analyse dans un sens plus explicatif dans le but de resumer l'ensemble
des resultats graphiques dans une equation. Nous essayons de construire un
modele econometrique qui permet d'evaluer l'effet de chacun des sept
indicateurs correspondants aux differents aspects du cadre reglementaire
decrits precedemment sur le niveau de revenu par tete. Ensuite, nous analysons
de nouveau le lien entre l'IFEE et le revenu par tete en contrOlant la
correlation par d'autres variables.
16 Effet des differentss aspects du cadre reglementaire
sur le revenu
Cet exercice est fait a partir de l'estimation des
coefficients d'un modèle économétrique. 11 est
confronté au problème de présomption de
multicolinearité puisque les variables explicatives (différents
indicateurs élaborés pour chaque domaine) sont
corrélées entre elles (cf. annexe 2). La force de la liaison est
toutefois différente entre ces variables.
Pour estimer l'équation dont la variable
dépendante est le logarithme du revenu par tete (LREV) et les variables
indépendantes les sept indices définis pour les sept domaines
couverts par le WDBS de 2004, nous avons utilise la méthode des moindres
carrée ordinaire en adoptant la procedure de selection de variables dite
selection progressive ou 2« Forward Regression"» qui
11i Pour plus de precision sur la methode, l'on pourrait se
reporter a R. Bourbonnais (1998)
permet de corriger le probleme de multicolinearite et de
retenir l'equation donc la vraisemblance est la plus elevee. Cette
approche12 est une parade qui permet d'eliminer lors de la
specification du modele les variables susceptibles de representer les memes
phenomenes. La mise en ceuvre de cette procedure a permis de retenir quatre
variables et les resultats de l'estimation sont repris dans le tableau 4.
L'annexe 3 fournit les differentes estimations des coefficients de correlations
partielles13 qui ont permis de specifier le modele de regression
finale.
Tableau 5 : Resultats de la regression apres application
de la procedure s Forward Regression »
Variables independantes
|
Coefficients
|
t-statistics
|
p-value
|
(Constant)
|
11,292
|
37,5 68
|
,000
|
IFAC
|
-,020
|
-4,114
|
,000
|
IRF
|
-,011
|
-3,031
|
,003
|
IFEB
|
-,015
|
-3,331
|
,001
|
IPI
|
-,007
|
-2,191
|
,031
|
|
Le coefficient de correlation multiple de la regression est
de 0, 60 et la statistique F-test est de 38,51 avec une p-value de l'ordre de
0,001. Les differentes variables retenues sont toutes significatives et les
erreurs sont homoscedastiques. La statistique du chi-square du test de Breush
Pagan14 est de 0,33 avec une probabilite de non rejet de l'hypothese
nulle de 0,5 655. Le modele estime est donc globalement satisfaisant et les
coefficients peuvent etre interpretes en terme d'impact sur le revenu par tete
des variations dans les variables independantes.
Les resultats de regression viennent renforcer les resultats
des analyses de correlations simples. Les coefficients des differentes
variables explicatives sont negatifs. Ce qui veux dire que la relation entre
les differents aspects du cadre reglementaire et le revenu national par tete
est positive dans la mesure ou la regression indique que s'il y a amelioration
de la qualite des reglementations des activites (c'est-a-dire diminution des
indices) vers une plus grande efficacite, alors le revenu augmenterait. Cette
estimation permet de voir egalement ce qui se passe lors des changements dans
les formes de reglementations du marche de credit, de la distribution des
droits de proprietes, de la protection des investisseurs et de la faillite des
entreprises. Les aspects obtention de credit et les droits de proprietes
semblent les plus importants, les indicateurs associes a ceux-ci presentant les
plus grands coefficients en valeur absolue.
| 
