3-2-3 Spécification et estimations des
modèle
Compte tenu de l'objectif décrit dans la
méthodologie, nous adoptons une spécification en système
de deux équations :
Le premier modèle est celui de la croissance
endogène spécifié comme suit :
PIB = f(INVPR,INVINF,INVEDU,INVSAN,INVAGRI,POPW) (1),
Quand au deuxième modèle qui consiste à
évaluer l'impact de l'investissement public sur l'investissement
privé est spécifié de la manière suivante :
INVP= f(INVINF,INVEDU,INVAGR,INVSAN) (2)
Où PIB est le PIB en volume à prix constant de
2009, INVPR l'investissement privé à prix constant de 2009;INVINF
les dépenses d'investissements en infrastructures à prix constant
de 2009 ; INVEDU les dépenses d'investissements en éducation
à prix constant de 2009 ; INVSAN les dépenses
d'investissements en santé à prix constant de 2009 ;INVAGRI
les dépenses d'investissements public en agriculture à prix
constant de 2009 et POPW la population active qui représente le facteur
travail.
3-2-3 -1 : Le modèle 1, modèle de
croissance endogène
3-2-3 -1-1 Estimation de la relation de long
terme du modèle 1
Toutes les variables du modèle sont
intégrées d'ordre 1. Le test d'Engel et Granger reste donc
valable.
La forme du modèle 1 de long terme est donc la
suivante :
Log(PIBR)t=A0+a1log(INVINF)t+a2log(INVEDU)t+a3log(INVSAN)t+a4log(INVAGRI)t+a5log(INVP)t+a6log(POPW)
+ ut
où,
a1,a2, ...................................................a6 sont les
élasticité de long terme. Elles indiquent de combien varie le
volume du PIB, suite à une augmentation de 1% de la variable explicative
correspondante. Ainsi, par exemple, a1 indique l'effet sur la production d'une
augmentation de 1% du volume des dépenses d'investissement public en
infrastructure.
ut , le terme d'erreur qui capte l'ensemble des autres
variables explicatives pertinentes non prises en compte dans le modèle.
Il est supposé suivre une loi normale.
Les résultats du modèle, estimé par la
méthode des moindres carrés ordinaires, sont donnés dans
le tableau 13 en annexes.
L'estimation du modèle 1 dans le long terme nous donne
l'équation suivante :
L(PIBR)t=7.4+0.00008log(INVINF)-0.025log(DIEDU)-0.003log(INVSAN)
-+0.02log(INVAGRI)+0.11log(INVP)+ 0.56L(POPW)
  =97%   = 96% p =0.0000 DW = 0,96 N= 33
3-2-3 -1-1 Interprétation et Analyse des
résultats de la relation de long terme du modèle 1.
Eu égard au coefficient de déterminant
ajusté   nous pouvons dire que 96% des fluctuations du PIB sont expliques par le
modèle. La statistique de ficher est égale à 167.49 et
sa probabilité est presque nulle. Ce qui permet de dire que le
modèle est globalement significatif. Les tests de diagnostics sur les
erreurs ont été concluants au seuil de 5% (voir les tableaux
en annexes): les erreurs suivent une loi normale (test de Jarques Bera), elles
sont homoscédastiques (test de White) et non
auto-corrélées (test de Breuch Godfrey) car les
différentes probabilités associées a ces tests sont
chacune supérieurs à 5%. Le modèle est stable (test de
Cusum). (voir le différents test sur le modèle 1 dans le long
terme en annexes)
Les variables INVP et PA sont significatives et agissent
positivement sur la croissance économique En ce qui concerne les
investissements publics, celles des infrastructures et agriculture agissent
positivement sur la croissance économique, mais on constate que celles
d'agriculture ne sont significatives qu'au seuil de 10%, alors que la
significativité est absente pour celles des infrastructures. Cela peut
être expliqué par les crises que le pays a connu entre 1980 et
2011(absence de rationalité et de transparence), ce qui concorde avec
les travaux d'Easterly et Rebelo (1993), ainsi que les travaux d'Erik Offerdal
(1996).
Pour celles investies en capital humaine (santé et
éducation), elles agissent négativement sur la croissance
économique. Cela peut être expliqué par
l'improductivité de celles-ci dans un pays en
développement ; sans négliger d'autres facteurs comme la
corruption, le gaspillage et les différentes sortes de la mauvaise
gouvernance.
Les tests de ADF et de PP sur le résidu du
modèle montrent que la série des résidus est stationnaire
(voir tableau 14 en annexs). Les variables sont donc cointégrées,
comme le confirme le test de Johansen libellé comme suit :
H0 : non cointegration le rang vaut 0
H1 : cointegration rang =1
LR : likelihood ratio(rapport de vraisemblace)
VC : critical value (valeur critique)
On accepte l'hypothèse de cointegration si LR est
superieur à CV
On rejette l'hypothese de cointegration dans le cas
contraire.
Il est donc nécessaire de faire un modèle
à correction d'erreur.
| 
