Analyse des déterminants de la sécurité alimentaire en république Centrafricaine.

II. RESULTATS EMPIRIQUES

II.1 Maximum de vraisemblance

Tableau 14: Estimation par le modèle logit

VARIABLES	Yi (insa)
X1 (Invpub)	0.667*
	(0.371)
X2 (Instpo)	-0.676
	(1.136)
X3 (proagri)	0.194**
	(0.0888)
X4 (Import)	-0.266**
	(0.131)
X5 (Ipc)	-0.146**
	(0.0569)
X6 (pib_tete)	-0.0397**
	(0.0156)
X7 ( demo)	-0.784
	(1.367)
Constant	25.89*
	(15.70)
Observations	28

Robust standard errors in parentheses; *** p<0.01, ** p<0.05, * p<0.1. Pseudo R²=36%

Source: Auteur à partir de STATA 14

Les résultats d'estimation montrent que les coefficients signalés en étoile sont statistiquement significatifs, on a le coefficient de la variable X₁ (â₁) qui est significatif au seuil de 10%, â₃ a un coefficient significatif au seuil de 5%, â₄ est significatif au seuil de 5%, â₅ est quant à lui significatif au seuil de 5% et â₆ est significatif au seuil de 5%. Le Pseudo R² nous donne la qualité d'ajustement du modèle, la qualité d'ajustement pour ce modèle est de 36%. Selon la théorie le Pseudo R² de 30% est égal au R² de 80%, ce qui revient à dire que la sécurité alimentaire peut être déterminée à 36% par les variables sélectionnées.

II.2 calcule des Effets marginaux

Tableau 15: Calcule des effets marginaux

Marginal effects after logit y = Pr(Y_i) (predict)

= 0.4855269

Variable	dy/dx	Std. Err.	Z	P>|z|	[ 95% C.I. ]	X
Invpu (X1) Instp (X2)* Proagri (X3) Impor (X4) Ipc (X5) Pib/t (X6) Demo (X7)	0.1665861 -0.1672541 0.0485302 -0.0664604 -0.036517 -0.0099168 0.195856	0.09411 0.27575 0.02212 0.03293 0.01451 0.00397 0.3429	1.77 -0.61 2.19 -2.02 -2.52 -2.50 -0.57	0.077 0.544 0.028 0.044 0.012 0.012 0.568	-0.017875 0.351047 -0.707705 0.373197 0 .005181 0.091879 -.130992 -0.001929 -0.064954 -0.00808 -0.017698 -0.002135 -0.867937 0 .476225	11.273 0.5 100.456 22.2026 91.5355 806.204 1.72706

(*) dy/dx is for discrete change of dummy variable from 0 to 1

Source: construit par l'auteur à partir de STATA 14

La relation à long terme s'écrit de la manière suivante :

Y_i = 0.1665861*X₁ - 0.1672541*X₂ + 0.0485302*X₃ - 0.0664604*X₄ - 0.036517*X₅ -0.0099168*X₆ +0.195856*X₇

II.3 validation du modèle

La validation du modèle passe par l'analyse de pseudo R², dans le calcul de maximum de vraisemblance nous avons pu constater le pseudo R² est égal à 36% ce qui nous confirme la bonne qualité d'ajustement du modèle.