Capital humain et croissance au Tchad

Section 1 : Le processus d'estimation du modèle

L'analyse économétrique d'un phénomène économique impose une discipline dans la démarche à suivre. De ce point de vue, après avoir collecté les données, il convient de les analyser afin d'éviter des régressions fallacieuses.

1.1 Analyse des données

Les variables de notre modèle sont observées annuellement. Les données sur ces variables proviennent des statistiques de la Banque Mondiale ( www.databank.worlbank.org et de CD-ROM 2007). Les autres observations ont été complétées par les statistiques issues des annuaires du ministère de l'éducation et de la santé du Tchad.

Ainsi, nous obtenons une base de données qui couvre une période de 22 ans (1989 -2010)¹¹.

1.2 Démarche économétrique

Il s'agit ici de tester l'ordre d'intégration des variables et d'estimer la relation de cointégration (relation de long terme). En économétrie, deux grandes approches ont été développées (GREENE, 2005 et DOUCOURE, 2008) : d'une part, la méthode de ENGLE et GRANGER (1987) qui cherche à déterminer si l'estimation par une seule équation des erreurs d'équilibres se présente sous une forme stationnaire et, d'autre part, la méthode de JOHANSEN (1988 ; 1991) s'appuyant sur une approche en terme de VAR.

11 Les données de 2008 à 2010 ont été complétées par la méthode de moyenne mobile.

Dans notre cas, nous allons utiliser les tests de cointégration de JOHANSEN (1988) dont l'avantage est de convenir à tous les cas de figure, que les ordres d'intégration des séries soient les mémes ou différents (GREENE, 2005).

1.3 Le test de cointégration de JOHANSEN

Le test de JOHANSEN (1988) permet de vérifier s'il est possible d'établir une relation d'équilibre entre différentes variables explicatives et expliquée d'un phénomène donné. Dans notre cas, ce test a été réalisé en deux principales étapes :

Premièrement, il a été question d'effectuer le résumé du test de rang de cointégration (summary) tel que indiqué dans le tableau 1.

Tableau 1 : Résumé du test de rang de cointégration

Data

Trend: None None Linear Linear Quadratic

No

Test Type Intercept Intercept Intercept Intercept Intercept No Trend No Trend No Trend Trend Trend

Trace	1	1	1	1	1
Max-Eig	1	1	1	1	1

La lecture de ce tableau, montre qu'il y a présomption d'une (1) relation de cointégration.

Les critères d'information d'AKAIKE et de SCHWARZ nous permettent alors de choisir le modèle 2, c'est-à-dire un modèle non linéaire avec constante et sans trend (cf. annexe 1).

Deuxièmement, il s'agit de vérifier le test de cointégration de JOHANSEN (1988) fondé sur le critère de la valeur de la trace et de la valeur propre.

L'hypothèse du test est formulée de la manière suivante :

: il existe une relation de cointégration ;

: il n'existe pas de relation de cointégration.

Règle de décision du test de cointégration de JOHANSEN(1988) :

Pour un seuil de significativité de 5 %, l'hypothèse nulle situant l'existence de relation de cointégration entre les variables du modèle est acceptée si la valeur de la trace (TR) est inférieure à sa valeur critique tabulée (OSTERWALD-LENUM, 1992). En revanche, une valeur de la trace supérieure à sa valeur critique implique qu'il n'existe pas de relation de cointégration entre les variables.

Résultat du test

Ainsi, on conclut que la trace et la valeur propre qui sont inférieures à la valeur tabulée au seuil de 5 % (16.472<24.276 et 10.522<17.797) indiquent qu'il existe une (1) relation de cointégration (cf. annexe 2). Etant donné l'existence de relation de cointégration, nous pouvons estimer par le modèle vectoriel à correction d'erreur (MVCE).

Section 2 : Les résultats d'estimation du modèle vectoriel à correction d'erreur (MVCE)

Dans cette partie, il faut tout d'abord présenter la relation estimée du MVCE avant de procéder à des commentaires économétriques.