|
Intégration régionale et croissance économique de la zone CEEAC, étude théorique et empirique de 1995 àƒÂ 2018par Jacques SHUSU Université pédagogique nationale - Licence 2020 |
II.2. Résultats empiriquesIci, l'objectif est de vérifier les hypothèses du travail, c'est-à-dire, déterminer l'impact de l'intégration régionale (en effectuant une comparaison entre la participation de l'ouverture commerciale et du commerce intra-zone) dans la croissance de la communauté économique des Etats d'Afrique centrale. · Tests de spécification ou tests d'homogénéité Avant d'estimer le modèle de données de panel, il faut vérifier que sa structure est homogène ou hétérogène. Si la structure est hétérogène, il est recommandé d'abandonner la spécification du modèle de donnée panel et de d'estimer, pour chaque groupe d'individus, un modèle de MCO. L'idée du test d'homogénéité est de vérifier si les données de Panel sont homogènes ou hétérogènes. L'hypothèse de recherche (H1) stipule que la structure modèle de panel est homogène par contre l'hypothèse nulle (H0) stipule la structure du modèle de panel est hétérogène. Puisque la statistique de Fisher calculé est supérieure au Fisher lue dans la table (autrement La probabilité critique de la statistique de Fisher (0.000) est inférieure au seuil de signification), nous pouvons à conclure que la structure du modèle de donnée panel est homogène. Outre les données en coupe transversale (cross section) ou en série temporelle, il est aussi possible de s'intéresser à la combinaison ou au mélange de ces deux (2) séries et cela permet d'obtenir les données de panel. Elles peuvent être vues comme des modèles dans lesquelles les variables représentent les valeurs prises par un individu à intervalle de temps régulier. L'avantage de cette spécification est qu'elle prend en compte de manière simultanée l'effet temporel (23 ans) et l'effet individuel (indices pays). Avant de déterminer les effets de l'intégration régionale sur la croissance économique, il est impératif de vérifier la spécification des effets individuels en panel. Et le test permettant cette spécification, est celui d'Hausman (1978). Tableau 20.Modèle à effets fixes
Source : auteur, sur stata 14 Partant du tableau ci-haut, nos résultats montrent que l'intégration régionale à une influence significative sur la croissance économique des pays de la CEEAC, l'ouverture d'une économie nationale au commerce international présente des avantages évidents : les échanges permettent à chaque pays de se spécialiser dans ce qu'il fait le mieux et de consommer une grande variété de biens et de services produits dans le monde entier. La formation brute du capital fixe est significativement différente de zéro, ce qui veut dire que l'accès au marché régionalisé est facteur important d'attractivité des IDE. Plus ce nouveau marché est grand, plus il intéressera les détenteurs des capitaux ou les firmes multinationales On peut aussi remarquer que les dépenses publiques sont corrélées négativement mais de façon significative avec le PIB au seuil de 10%, comme quoi une baisse des dépenses publiques d'1% entraine une hausse de croissance de 0,7%, ceci est dû au non-respect des lignes budgétaire dans la grande majorité des pays de la CEEAC. Tableau 21.Modèle à effets aléatoires
Source : auteur Les résultats issus du modèle à effet aléatoire sont presqu'identique à celui du modèle à effet fixe, à l'exception de la non significativité des dépenses publique. · Test de spécification d'Hausman Après l'application du modèle à effets fixes et du modèle à effets aléatoires sur la base de données, nous effectuons le test de spécification d'Hausman afin de choisir le modèle le plus approprié à nos données avant toute interprétation des résultats. Le test de spécification d'Hausman (1978) est un test général qui peut être appliqué à des nombreux problèmes de spécification en économétrie. Mais son application la plus répandue est celle des tests de spécification des effets individuels en panel.22(*) Le test d'Hausman sert à faire l'arbitrage entre le modèle à effets fixes (estimation within) et le modèle à effet aléatoire (estimation MCG ; moindres carrés généralisés). En outre, il permet de déterminer si les coefficients des deux estimations (fixe et aléatoire) sont statistiquement différents. Le résultat suit une loi ÷2 avec K-1 degré de liberté. Le test suit une loi ÷² avec K-1 degré de liberté. Si la p-value de la statistique du test est supérieure au niveau de confiance, on choisit H0 des effets aléatoires et au cas contraire, le modèle adopté sera celui des effets fixes. Les résultats du test d'Hausman montrent confirment l'hypothèse d'absence de corrélation entre le terme aléatoire et les variables indépendantes. Le modèle à effets fixe représente alors le mieux la structure des données de l'échantillon car il est plus adapté, étant donnés que la p-value est inférieur au seuil de 5%. Au regard des résultats tableau 3 (modèle à effets fixes confirmé par le test d'Hausmann), les résultats des modèles 1 à 4montrent que les signes sont cohérents et statistiquement significatifs à 1%, la significativité de la valeur de Fisher s'améliore étape après étape (Pro = 0.0000 < 5%), et le coefficient de détermination s'améliore notablement, variant de 0,09 à 0,14. Il y a lieu de dire sur le plan statistique que ce modèle a un ajustement linéaire globalement satisfaisant. Donc, il peut valablement faire l'objet d'une interprétation économique sous réserve de test de vérification de et hétéroscédasticité et de l'autocorrélation des erreurs. · Test d'autocorrélation et hétéroscédasticité Il ressort de ce test, que nos résidus sont hétéroscedastique et autocorrélés. L'estimateur le plus approprié pour corriger ce problème d'autocorrélation est le moindre carré généralisé. · Estimation du modèle à effets fixes par la méthode GLS L'estimateur des effets fixes encore appelé « Within » qui fixe les effets individuels et effectue alors une régression sur les moyennes individuelles de sorte à obtenir une plus grande précision dans l'estimation. Cet estimateur ne permet toutefois pas d'estimer les variables invariantes dans le temps. La régression sera donc faite avec l'estimateur des effets aléatoires encore appelé « modèle à erreurs composées » qui utilise les moindres carrés généralisées pour palier à cette insuffisance de la méthode des effets fixes. Tableau 22.Estimation par moindre carré généralisé (GLS)
Il ressort de cette estimation que seul le commerce intra-zone à un impact significatif au seuil de 10% sur la croissance économique de la communauté économique des Etats d'Afrique centrale. Une variation de 1% du commerce entre les Etats de la CEEAC entrainera une augmentation de la croissance de l'ordre de 0,09%. Une augmentation faible qui s'explique par le fait que les pays d'Afrique centrale échange moins entreeux, la grande majorité privilégie le commerce avec les pays appartenant à des organisations concurrentes. Tableau 23: Les signes attendus et signes obtenus
Source : Auteur * 22 Christophe H. L'économétrie des données de Panel, P 49 |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
