Memoire Online - Modélisation et prévision des recettes fiscales de la Côte d’Ivoire.

Ce mémoire est rédigé en vue de l'obtention du diplôme de master de recherche dans le nouveau système LMD. Il permet à l'étudiant d'attester sa capacité à restituer les résultats de recherches et de connaissances diverses, et lui permet de concevoir et de rédiger un document scientifique à caractère économique.

Mes remerciements vont d'abord à l'endroit de mon directeur, le Professeur KEHO Yaya, qui m'a encadré depuis le début. Sans ses idées prémices, cette étude n'aurait pas été réalisée par ma personne.

Mes remerciements vont à l'endroit de l'UFR des Sciences Économiques et Développement de l'université Alassane OUATTARA de BOUAKE avec à sa tête le premier responsable leProfesseur Augustin ANASSE ainsi qu'à tous ses collaborateurs.

Mes remerciements vont aussi à l'endroit du Professeur AKA Bédia, Directeur de l'école doctorale, au Docteur Eugène KAMALAN, responsable du programme de master 2 Politiques Économiques et Modélisation et à tous les membres du secrétariat ainsi qu'au Docteur PRAO Yao Séraphin pour ses sages conseils et sa disponibilité.

Mes remerciements à tous les enseignants, qui ont disposés de leur temps pour nous donner depuis notre première année universitaire, le savoir nécessaire pour conduire ces travaux.

Mes remerciements s'adressent à nos devanciers pour leur assistance durant notre parcours (ALLANGBAAymar, KOFFI Valéry)

Merci également à tous les étudiants et amis du Master Politiques Économiques et Modélisation promotion 2015-2016 pour le soutien, l'entraide ou la motivation qu'ils ont pu m'apporter.

Je ne saurai terminer sans penser à ma famille dont le soutien infaillible m'a conduit à cette étape de mon cursus universitaire. Aussi, je n'oublierai pas tous mes amis qui de près ou de loin ont participé à obtenir une meilleure version de ma personne, ce remerciement spécial est dédié principalement à Bakayoko Mariam, merci pour tout.

ADF :	Augmented Dickey-Fuller
AR :	AutoRegressive
ARIMA :	Autoregressive Integreted Moving Average
ARIMAX :	Autoregressive Integreted Moving Avarage with Explanatory Variable
BCEAO :	Banque Centrale des Etats de l'Afrique de l'Ouest
IPC :	Indice des Prix à la Consommation
KPSS :	Kwiatkwoski-Phillips-Schmidt-Shin
PIB :	Produit Intérieur Brut
PP :	Phillips-Perron
MEF :	Ministère de l'Economie et des Finances
TES :	Tableau entrée-Sortie
TRE :	Tableau Ressource-Emploi
TVA :	Taxe sur la Valeur Ajoutée
UEMOA :	Union Economique et Monétaire Ouest Africaine
VAR :	Vector AutoRegressive

Graphique 1 :	Les recettes fiscales et les recettes non fiscales.........................................9
Graphique 2 :	Evolution des recettes fiscales..........................................................25
Graphique 3	Evolution du PIB par tête.................................................................26
Graphique 4 :	Evolution de l'indice des prix à la consommation.................................. 27
Graphique 5 :	Evolution du degré d'urbanisation.......................................................28
Graphique 6 :	Evolution des recettes fiscales et du PIB par tête....................................29
Graphique 7 :	Evolution des recettes fiscales et de la FBCF........................................30
Graphique 8 :	La série log RF(-1)........................................................................40
Graphique 9 :	Corrélogramme de la série Log RF(-1).................................................42
Graphique 10 :	Test de normalité des résidus.............................................................47
Graphique 11 :	Test sur la stabilité du modèle ....................................................... 51

Tableau 1 :	Récapitulatif des variables..................................................................24
Tableau 2 :	Résultats des tests de stationnarités sur les variables ....................................38
Tableau 3 :	Récapitulatifs des tests de stationnarité sur les variables .............................39
Tableau 4 :	Détermination du retard optimal .........................................................41
Tableau 5 :	Résultats des estimations des coefficients des modèles..................................43
Tableau 6 :	Résultats des estimations des coefficients des modèles (suite) ....................... 44
Tableau 7 :	Corrélogramme des résidus.................................................................45
Tableau 8 :	Test d'autocorrélation Breusch-Goldfrey ..................................................46
Tableau 9 :	Test d'hétéroscédasticité d'ARCH des résidus ............................................47
Tableau 10 :	Résultats du test de normalité des résidus du modèle ...........................................49
Tableau 11 :	Résultats des estimations avec les variables muettes...............................50
Tableau 12 :	Prévisions .....................................................................................52

L'économie nationale depuis le lendemain de la décennie de crise politico-militaire, a réalisé des avancées indéniables. Toutefois, elle semble souffrir d'importances insuffisances dans le domaine de son financement. Les recettes fiscales sont les recettes dominantes de l'Etat de Côte d'Ivoire. L'objectif de ce présent mémoire est de prévoir ces recettes fiscales. Pour se faire, nous avons utilisé le modèle ARIMA pur et le modèle ARIMA avec introduction d'autres variables explicatives ( ARIMAX) afin d'avoir de meilleurs résultats. Les résultats obtenus montrent que l'investissement privé et le niveau de l'activité économique stimulent les recettes fiscales d'où en matière de prévision des recettes fiscales le modèle ARIMAX est plus pertinent que le modèle ARIMA. Aussi, l'étude s'est déroulé de 1980 à 2016 c'est-à-dire sur des périodes de crise qui ont affecté le système fiscal de la Côte d'Ivoire mais, le caractère de notre modèle retenu dans le cadre de la prévision montre que ses chocs ne sont pas significatifs.

Mots clés :Modélisation ; Prévision ; Recettes fiscales ; Série chronologique.

The national economy has made undeniable progress since the end of the decade of political and military crisis. However, it seems to be suffering from significant shortcomings in the area of financing. Tax revenue is the dominant revenue of the state of Côte d'Ivoire. The objective of this paper is to forecast these tax revenues. To do this, we used the pure ARIMA model and the ARIMA model with the introduction of other explanatory variables (ARIMAX) in order to obtain better results. The results obtained show that private investment and the level of economic activity stimulate tax revenues, hence the ARIMAX model is more relevant than the ARIMA model in terms of tax revenue forecasting. Also, the study took place from 1980 to 2016, i.e. during periods of crisis that affected the fiscal system of Côte d'Ivoire, but the character of our model used for forecasting purposes shows that its shocks are not significant.

Avant-propos........................................................................................	I
Dédicace..............................................................................................	II
Remerciements......................................................................................	III
Sigles et abréviations................................................................................	IV
Liste des illustrations...............................................................................	V
Résume...............................................................................................	VI
Abstract...............................................................................................	VI
Sommaire.............................................................................................	VII
Introduction...........................................................................................	1
PARTIE I : CADRE THEORIQUE ET CONCEPTUEL.....................................	4
CHAPITRE 1 : CADRE CONCEPTUEL.......................................................	5
I.Définitions des concepts.........................................................................	5
II.Les fondements du système fiscal et les recettes budgétaires de la Côte d'Ivoire.......	7
CHAPITRE 2 : REVUE DE LITTERATURE.................................................	10
I.Revue théorique....................................................................................	10
II.Revue empirique.................................................................................	12
PARTIE II : CADRE QUANTITATIF.........................................................	17
CHAPITRE I : METHODOLOGIE ET ODELISATION.....................................	18
I. Présentation des résultats........................................................................	18
II. Données et methodologie......................................................................	22
CHAPITRE 2 : PRESENTATION ET INTERPRETATIONS...............................	35
I. Présentation des résultats........................................................................	35
II. Prévision et interprétation......................................................................	48
Conclusion...........................................................................................	51
Bibliographie........................................................................................	VIII
Annexes..............................................................................................	X
Table desmatières...................................................................................	XV

Depuis le début du 20^èmesiècle, la fiscalité fait partir des préoccupations majeures des États. En effet, son rôle dans l'économie est très capital, en tant qu'instrument de politiques économiques, la fiscalité peut permettre d'atteindre plusieurs objectifs à court, moyen et long termes, car elle permet de relancer l'activité économique et de financer les dépenses gouvernementales qui contribuent au développement économique.

Située en région Ouest africaine, plus précisément dans l'espace UEMOA, la Côte d'Ivoire est l'économie la plus dynamique de l'union. Elle participe à hauteur de 40% de l'économie de l'union. Cette performance économique est impulsée par un système fiscal adéquat, attrayant et qui est mieux organisé, d'où la capacité de l'État Ivoirien à couvrir une grande partie de ces dépenses inscrites dans son cahier de charge.

Malgré toutes ces bonnes performances économiques enregistrées durant la fin de cette dernière décennie, l'économie ivoirienne connait une situation de déficit budgétaire car l'État n'arrive pas à couvrir convenablement avec ses recettes propres, les besoins de bases de sa population et à financer les investissements pour booster le processus d'émergence à l'horizon 2020 qu'elle s'est fixée. En effet, la DGI n'a pu atteindre ses objectifs de 2015 d'atteindre une recette fixée à 1672 milliards de f CFA. En effet, elle s'est plutôt retrouvée avec une recette fiscale de 1370 milliards de f CFA.

Les recettes fiscales constituent la principale source de revenu de l'État de Côte d'Ivoire, car elles représentent environ 90% des recettes totales du pays. Le pouvoir public ivoirien doit donc revoir ses méthodes de prévision des recettes fiscales qui sont basées sur des résultats empiriques, qui se font soit à la manière traditionnelle des administrations fiscales qui font que de simple prolongation des tendances observées sur le passé en apportant des corrections en fonction des modifications du dispositif institutionnel ou soit en essayant de relier les recettes budgétaires catégorie par catégorie aux grandeurs économiques projetées. Cependant une meilleure maîtrise des recettes fiscales mènerait à bien, les politiques économiques de la Côte d'Ivoire vue sa vision d'atteindre l'émergence économique à l'horizon 2020.

La prévision des recettes fiscales est donc une préoccupation majeure pour les services financiers du pouvoir public dans le cadre de l'élaboration du budget. La question centrale de cette étude est :

Quel est le meilleur modèle de prévision des recettes fiscales qui permettra à l'État de Côte d'Ivoire de mieux rationaliser ses dépenses inscrites dans son cahier de charge ? Autrement dit, les recettes fiscales dépendent-elles de l'activité économique de la population urbaine (PIB) Ou encore, les recettes fiscales antérieures influencent-elles celles de l'avenir ?

Cette vision s'inscrit dans la logique des politiques de développement et des administrations fiscales ivoiriennes.

L'objectif général de cette étude est d'évaluer un modèle de prévision des recettes fiscales pour l'économie ivoirienne. L'objectif général se décline en deux (2) objectifs spécifiques.

Au regard des objectifs ci-dessus énumérés, les hypothèses ci-après sont formulées :

H1 :les recettes fiscales dépendent de l'activité économique de la population urbaine (PIB) et des investissements privés ;

L'intérêt de cette étude se perçoit à deux différents niveaux qui se présentent ainsi :

Ø Exploiter de manière suffisante le potentiel que dispose la Côte d'Ivoire en matière de fiscalité ;

Ø Répondre au besoin du MEF en matière d'outil de prévision des recettes fiscales.

Pour atteindre les objectifs fixés, notre analyse sera menée à travers un plan qui se répartit en deux (2) parties composant chacune deux (2) chapitres :

Dans la première partie, le chapitre (1) expose sur la définition des concepts clés de notre étude suivi du débat théorique et empirique au chapitre (2). Dans la deuxième et dernière partie, on s'attellera de présenter l'analyse économétrique des différents tests et conditions d'identifications au chapitre (1), enfin le chapitre (2) présente les résultats des estimations, des interprétations et recommandations de politiques économiques utiles.

L'objectif de cette partie est de présenter la définition des différents concepts de l'étude, assortie d'une revue de littérature.

Dans ce chapitre, il sera question de définir les notions utiles dans notre étude. En effet nous allons d'une manière explicite et bien détaillée, donner le sens précis des différents concepts de l'étude. Pour ce faire, Nous portons l'accent sur la fiscalité et l'impôt.

I. Définitions des concepts

1.Fiscalité

L'origine de la fiscalité renvoie au latin ficus, désignant un panier pour recevoir de l'argent.La fiscalité comprend l'ensemble des réglementations relatives à la définition et aux modes de recouvrement des impôts prélevés au profit de l'État et des collectivités territoriales (Régions, départements, communes). Aux impôts s'ajoutent les cotisations sociales ou prélèvements sociaux, qui constituent la parafiscalité et qui sont versées notamment aux organismes de sécurité sociale. Les Impôts et les cotisations sociales ont augmenté dans la plupart des pays européens depuis le début des années 1980. Les économistes d'inspiration libérale, de même que certains groupes de pression, considèrent que la fiscalité a atteint un seuil critique, défavorable à la régulation de l'activité économique. Le système fiscal ivoirien est un système déclaratif.

2. Les attitudes des contribuables face à la fiscalité

La collète des impôts est fréquemment entravée par le comportement des contribuables appelé comportement d'évitement.

Ces comportements causés soient par la grandeur du poids fiscal qui est au-dessus du revenu des contribuables. Ainsi, ils évitent l'impôt sous la contrainte de leurs revenus ou soient de manière volontaire (dépourvue du civisme fiscal), cela entrave la politique fiscale et met en mal l'économie. On en distingue trois types :

· La fraude fiscale

C'est l'ensemble des attitudes illégales du contribuable à éviter l'impôt de manière volontaire. Selon la DGI, La fraude fiscale fait perdre à l'État ivoirien plus de 100milliards FCFA par an. Les pertes des recettes portent essentiellement sur la taxe sur la valeur ajoutée (TVA) et l'impôt foncier. Malgré l'arsenal juridique mis sur pied, il y'a la persistance de pratiques frauduleuses qui se manifestent de plusieurs façons concernant la TVA. Ce sont entre autres, les achats ou ventes sans factures, l'utilisation de plusieurs carnets par les commerçants, l'usage de factures non normalisées, la fraude sur le numéro de compte du contribuable, les ventes d'articles par des intermédiaires aux différents carrefours de la ville.

· L'optimisation fiscale

Elle peut être définie comme l'utilisation de méthodes légales, dans le but de minimiser la charge que le contribuable aurait à supporter. Autrement dit, l'optimisation fiscale est l'ensemble de décisions et de choix effectués par le contribuable, lui permettant de minimiser principalement la charge fiscale. Elle est à distinguer de la fraude fiscale qui est dite illégale.

· L'incivisme fiscal

C'est l'ensemble des attitudes légales du contribuable à éviter volontairement l'impôt. Elle comprend à la fois la fraude fiscale, l'évasion fiscale et l'optimisation fiscale.

3. Impôt

Pour définir l'impôt, nous pouvons nous en tenir à la définition de l'écrivain français Honoré De Balzac « L'impôt est un prélèvement d'argent fait sur les choses ou sur les personnes sous des déguisements plus ou moins spécieux » cf. les employés, tome VI, p. 880. En allant dans le même sens, selon le dictionnaire petit Larousse, l'impôt est un prélèvement effectué par les autorités et à titre définitif sur les ressources ou les biens des individus ou des collectivités, et payé en argent pour subvenir aux dépenses d'intérêt général de l'État ou des collectivités locales. Autrement dit, l'impôt est un prélèvement obligatoire sans contrepartie directe et à titre définitif que le pouvoir public effectue sur le revenu et les biens des contribuables dans le but de réaliser ces dépenses inscrites dans son cahier de charge.

En effet, le mot impôt existe depuis le moyen-âge.L'État avait pour rôle de s'en servir pour la construction d'infrastructures visant à améliorer la situation de vie des contribuables. À cette époque, les contribuables s'acquittaient de leurs impôts sous forme d'heure de travail ou en nature. Mais à partir du XVI siècle jusqu'à nos jours, l'impôt a changé de forme, elle est passée à une forme monétaire.

· L'impôt direct

L'impôt direct est l'impôt prélevé directement chez le contribuable sans l'intervention d'un troisième agent à intervalle de temps régulier (mensuel, annuel ...). En effet, tout se passe entre l'État et le contribuable.

· L'impôt indirect

Un impôt est dit indirect lorsqu'il y'a intervention d'au moins trois agents, c'est-à-dire que le payeur faire supporter la charge au consommateur finale. Autrement dit, le contribuable n'est pas le redevable. Ce type d'impôt est collecté à travers les dépenses de consommation, c'est-à-dire la taxe sur la valeur ajoutée (TVA).

II. Les fondements du système fiscal et les recettes budgétaires de la Côte d'Ivoire

Le dynamisme du système fiscal explique la performance de la mobilisation des recettes budgétaires.

1. Le système fiscal

· Le premier principe est relatif aux prérogatives publiques qui stipulent que seul l'État, en vertu de « droit général de réquisition » des personnes et des biens dont il dispose, peut exiger des citoyens des impôts de toute nature.

· Le deuxième principe met en exergue la théorie fiscale dont le but est l'étude des prélèvements et des effets qu'ils sont susceptibles de produire sur l'économie nationale et sur la société.

Le système fiscal ivoirien est un système plus moderne et modéré que celui des autres pays de l'UEMOA. Autrement dit, le taux d'imposition de la Côte d'Ivoire est l'un des plus bas de l'union.

2. Réforme fiscale ivoirienne de la décennie 2014-2016

Une réforme fiscale est l'ensemble des modifications relatives à l'impôt opérés ayant comme objectif principal, favoriser l'activité économique.

Les principaux axes de réformes qu'État de Côte d'Ivoire entend mettre oeuvre sont :

3. Les recettes budgétaires

Le ministère de l'économie et des finances ivoirien reparti les recettes budgétaires en deux parties :

Notre étude se limitera aux recettes fiscales car elles représentent environ 90% des recettes budgétaires de la Côte d'Ivoire.

3.1Les principales recettes fiscales de la Côte d'Ivoire

Elles se composent de taxes prélevées sur les marchandises, des impôts sur les revenus et salaires, du droit de sortie unique sur le cacao, des impôts sur les bénéfices, de la TVA, des revenus des taxes à l'importation sur les produits pétroliers et des droits d'enregistrement et de timbre.

3.2 Pression fiscale

La pression fiscale est la quantité d'impôt supportée par les contribuables dans une économie. Elle permet de mieux orienter la distribution des ressources d'une économie à travers des incitations fiscales et de modifier la redistribution des revenus et du patrimoine. La Côte d'Ivoire fait partie des pays ayant les pressions fiscales les plus faibles au monde. Donc la pression fiscale n'est pas saturée (les recettes fiscales sont en deçà de ce que les capacités lui permettent d'obtenir). Un taux élève de pression fiscale serait nuisible pour l'économie, aussi un taux très faible, réduirait les recettes fiscales. L'État doit donc trouver le juste milieu, donc c'est-à-dire, trouver un taux optimal qui permettra une mobilisation efficiente des recettes fiscales en vue d'accroître la croissance économique, pilier principal du processus de développement.

Ce chapitre passera en revue certaines études sur les recettes fiscales et les outils d'estimation. Ce chapitre comporte deux parties. La première sera consacrée à la revue théorique et à la deuxième, à la revue empirique.

I. Revue théorique

1. Pensée économique sur le rôle de l'État et utilité de l'impôt

Depuis toujours, il existe un débat entre les classiques et les keynésiens, tournant autour de l'intervention de l'État sur l'activité économique.

Pour les classiques comme Adams Smith dans son ouvrage « recherche sur la nature et les causes de la richesse des nations », l'État doit s'écarter de l'activité économique, car il existe « une main invisible » qui permet au marché de s'équilibrer lui-même. Le rôle de l'Etat doit se limiter qu'au rôle d'État gendarme, car l'intervention de l'État est toujours négative dans l'économie. Pour eux, l'impôt est la contrepartie liée à la satisfaction que le contribuable retire des dépenses publiques. Pour Adams Smith « la fiscalité, sous toutes formes, n'offre qu'un choix de maux » toujours dans son écrit, « l'impôt peut entraver l'industrie du peuple et le détourner de s'adonner à certaines branches de commerce ou de travail » David Ricardo quant à lui met l'accent sur la rente foncière. Pour lui, toute personne qui bénéficie des bienfaits d'une production publique doit en supporter les charges, mais il prône à l'Etat de réduire les taux d'imposition.

Pour les keynésiens, l'État doit jouer son rôle d'État gendarme car il doit orienter le comportement des agents économiques. Allant dans le sens de notre sujet, l'impôt doit donc soutenir la politique budgétaire expansionniste par des investissements destinés à combler les limites en matière d'investissement du secteur privé.

Les politiques économiques doivent prendre en compte les anticipations des ménages, car elles déterminent sa réussite ou son échec. Ainsi, selon Cécile (2007) il existe trois types d'anticipations :

· L'Anticipation extrapolative qui est fonction des tendances actuelle et passée de la variable d'étude ;

· L'anticipation rationnelle qui est fondée sur une maîtrise de l'information par les agents économiques.

2. L'imposition fiscale optimale

L'imposition fiscale optimale a beaucoup été débattue par les penseurs si bien que Ramsay (1927) appelle à une structure fiscale qui est basée sur l'évolution du taux de taxation. Dès lors, le problème de taxation optimal est devenu un objet majeur pour la réussite d'une politique fiscale efficace.

Laffer quant à lui met l'accent sur la stimulation de l'offre des biens et services par l'État en subventionnant les entreprises et en réduisant leurs charges fiscales à elles et celles des ouvriers.C'est ce qu'il appela « l'allergie fiscale » il élabora ses travaux par une courbe qui portera son nom plus tard « courbe de Laffer » Cette courbe traduit le faite qu'il n'est pas rentable de fixer un taux de prélèvement au-dessus 50% à 80% du PIB.

Allant dans le même sens que lui, Akessi (1993) travaillant sur la réduction du poids de la fiscalité extérieure et l'élargissement de l'assiette fiscale intérieure s'est focalisé sur le secteur informel. Il a présenté un modèle fiscal basé sur la TVA et des taxes spécifiques. Au terme de son analyse, il ressort clairement que « la baisse des impôts » serait nécessaire car pour lui, la réduction de la pression et de l'assiette fiscale stimulerait la croissance par une augmentation des recettes fiscale.

La relation entre taxation et la croissance économique en particulier en Côte d'Ivoire, à faire preuve de beaucoup d'études.

Keho (2009), en utilisant une méthode de modélisation à deux étapes sur une analyse portée de 1961 à 2006, à conclure qu'une augmentation de la pression fiscale engendre une réduction de la croissance économique qui est le pilier du processus de développement. Pour lui, le taux de pression optimale moyenne est de 11,4%. Il termine son analyse en montrant que la fiscalité optimale est source de croissance économique mais entraîne dans certains cas, une réduction des recettes fiscales.

3. Les déterminants des recettes fiscales

Karagöz (2013) a mis l'accent sur la composition sectorielle de l'économie pour étudier les déterminants des recettes fiscales de la Turquie. Il obtiendra comme résultat de ses travaux que les recettes fiscales sont sensiblement affectées par la part du secteur primaire et secondaire dans le PIB, le stock de dettes extérieures, le taux de monétisation et d'urbanisation. Pour lui, les recettes fiscales de la Turquie ne dépendent pas de l'ouverture du pays sur l'extérieur.

Cependant, les États africains se heurtent à des entraves à la bonne collecte des recettes fiscales, on peut énumérer la corruption. C'est pourquoi, Ghura (1998) affirme qu'une augmentation de la corruption est liée à une baisse du taux du ratio fiscal. Allant sur la même vision que lui, Friedman et al. (1997) ont affirmé que les payant ayant des niveaux élevés de corruption tendent à avoir une faible mobilisation des recettes fiscales.

II. Revue empirique

La modélisation du système des recettes fiscales fait l'objet de plusieurs études, mais rare sont celles qui s'appliquent à la Côte d'Ivoire. Étant donné l'importance capitale donnée à la prévision des recettes fiscales dans le processus de l'élaboration du budget, les organismes nationaux ivoiriens ont adopter des techniques de prévisions basées sur des analyses de l'économie en fonction du passé et du présent, des équations de régression simple ou multiples, des méthodes de série temporelles, des modèles macroéconomiques, etc....

Nous retenons deux groupements de thèmes dans notre littérature. Dans notre premier cas, les articles traitent la procédure idoine à la modélisation et prévision des recettes fiscales et dans notre second cas, d'autres articles traitent l'importance de ses prévisions sur l'activité économique.

1. L'impôt, revenu et activité économique

Le service d'étude et de documentation belge (2005) analyse le lien entre l'impôt sur le revenu des personnes physiques et la croissance écobomique avec pour méthode d'estimation, les moindres carrés ordinaires qui suppose que toute politique fiscale susceptible d'affecter l'impôt sur le revenu est adoptée périodiquement. Pour pouvoir prendre en compte les différents transferts influençant l'évolution du revenu, notre auteur utilise le taux de croissance.

Keho (2009) évalue donc l'effet de la politique budgétaire sur l'activité économique en Côte d'Ivoire en utilisant les modèles à changement de régimes markoviens. Le professeur affirme à la suite de ces travaux que les déficits sont favorables dans les périodes de récession économique seulement à très court terme et pour lui, en dehors de ce régime conjoncturel, la politique budgétaire n'a aucun effet significatif sur l'activité économique. Il a par la suite entamé des travaux en (2013) sur l'élasticité globale des pays de l'UEMOA en calculant l'élasticité revenu des taxes individuelles dans chacun des pays de l'union de 1996 à 2008. De ces travaux, il en résulte que le système global ivoirien manque de dynamisme. À la suite de ces résultats, il aboutir au fait que toute augmentation du PIB de 1% provoque une augmentation de 0,64% des recettes fiscales.

Dozio et al (2000), s'intéressent plutôt à la relation entre l' impôt sur les revenus, l'indice des salaires et le niveau de chômage en utilisant un modèle de régression comme leurs outils de prévision fiscale pour la ville de Lausanne et le canton de Vaud. Pour les auteurs, la modélisation ne saurait se substituer ni à la connaissance intime du tissu économique et démographique que les responsables des services fiscaux et financiers des administrations peuvent mettre en exergue, ni aux pratiques basées sur l'analyse fine des flux de trésorerie. Ils avancent aussi que pour aboutir à un système d'anticipation fiable, on doit confronter des prédictions résultant de démarche méthodologiques complémentaires. Les modifications fiscales n'ont aucun effet sur ce modèle.

Andrew (2001), applique la méthode d'ajustement proportionnel à la série des recettes fiscales pour analyser la structure des droits d'accises au Kenya, il a fini par montrer que le système de la taxe d'accises a été efficace au cours de la période 1979 à 1996 cela est dû à :

· Élargissement de l'assiette de la taxe d'accise avec l'intégration d'une nouvelle gamme de produit

· Augmentation et la redéfinition de la base de taxe d'accises à une base ad-valorem.

· Le coefficient d'élasticité automatique qui est égale à 1,13 qui est supérieur à 1 cela implique que les effets des changements discrétionnaires ont également pu produire des revenus supplémentaires et cela même si la croissance de la taxe d'accise est principalement imputable à la croissance du PIB.

Ariyo étudie la productivité du système fiscal nigérien sur une période de 1970 à 1990. Il en déduit que les élasticités automatiques pour:

· Les recettes fiscales du gouvernement nigérien par rapport au PIB est égale à 1,18 ;

· La performance des droits d'impositions et la composante non pétrolière sont inférieures à 0,94 ;

Il montre par la suite que le boom pétrolier impact significativement l'élasticité globale de l'ensemble des sources de revenu.

Ahmed (2012) a tenté d'analyser l'impact de la fiscalité indirecte (notamment la TVA) sur les conditions de vie des populations du Niger et par conséquent sur la réduction de la pauvreté dans ce pays à travers le modèle linéaire général et le modèle pondéré. Ces travaux aboutissent à un résultat selon lequel, Cet impact peut se traduire à la fois sur la croissance mais également sur la redistribution. Ces études ont montré que la fiscalité (la TVA en particulier) a un impact négatif sur le niveau de vie des ménages. Par ailleurs, l'augmentation des impôts a une incidence plus marquée sur les dépenses de consommation des ménages que l'augmentation de leur revenu.

Kargbo (2013) en utilisant la méthode des variables muettes de singer (2012) des données annuelles couvrant la période 1977- 2009 pour analyser l'élasticité de base du système fiscal en sierra Leone, obtiennent comme résultat : les estimations de l'élasticité globale étaient plus élevées que les estimations de l'élasticité automatique. Ils signifient aussi que les mesures fiscales discrétionnaires étaient efficaces pour mobiliser des recettes fiscales supplémentaires et que le système fiscal était inélastique tout au long de la période d'étude. En parlant de l'élasticité globale.

Muet (2016) focalisent leurs études sur un modèle (MEGA) élaboré pour le ministère du plan et le ministère de l'Économie et des finances de la République gabonaise, dans ce modèle, ils intègrent les comptes nationaux (TES et TEI), les finances publiques, la balance des paiements et l'endettement public extérieur et intérieur. Ce modèle présente des limites car il se limite à la sphère réelle de l'économie (TEI ou TES).

2. Technique de prévision

Pour Teresa et al (2008), la modélisation et prévision est un art et non une science. Ils pensent qu'elles devraient être basées sur des méthodes et des procédures claires et transparentes de sorte que les agents économiques aient une image précise de l'évolution budgétaire. Dans l'article, les auteurs prônent l'analyse technique des évolutions budgétaires devraient s'étendre sur plusieurs domaines telle que l'information financière à court terme, un deuxième domaine suggéré par les résultats dispersés dans la littérature est lié à la mise en place des techniques utilisées dans l'analyse à moyen terme.

Dans le cadre des prévisions, plusieurs modèles se ont vu le jour notamment le modèle autorégressif (AR), les moyennes mobile (MA), les modèles mixtes ARMA et ARIMA. Et aussi le modèle ARIMA et ARIMAX qui résulte du modèle mixte ARIMA auquel on introduit d'autres séries chronologiques comme variables explicatives.

Yang et Huange (1995) ont confronté le modèle ARIMA pur et le modèle ARIMA avec ajout d'autres variables explicatives. Espinoza et al(2007) dans le même sens ont étudié la relation entre la charge d'électricités et les variables exogène en Belgique à partir d'un modèle non linéaire autorégressif avec l'ajout de variables explicatives (le modèle NARX). Ils obtiennent que les variables explicatives influencent la variable expliquée, et pour eux, cette technique permet d'obtenir de meilleurs résultats en comparaison à la méthode des moindres carrées ordinaires.

Soares et al (2008) fondent leurs travaux sur la prévision de la consommation d'électricité des régions du Sud du Brésil durant la période allant du 1er Janvier 1990 au 31 décembre 2000. pour se faire, ils utilisent un modèle autorégressif saisonnier à deux étapes dont ils comparent la performance prédictive à celle d'un modèle ARIMA saisonnier .La première étape du modèle autorégressif saisonnier ,consiste à décomposer les séries en (i) une partie déterministe qui prend en compte les effets de long terme, les saisonnalités annuelles et les évènements particuliers à l'aide de tendances (linéaires et non linéaires) et de variables muettes et la deuxième vise à consiste à avoir (ii) une composante stochastique dans laquelle le terme d'erreur suit un processus autorégressif. En appliquant leur modèle sur les données par tranche horaire (la charge horaire, pour chaque tranche horaire étant traitée comme une série chronologique séparée). Leurs résultats indiquent que la subdivision des données en plages horaires améliore significativement la performance prédictive.

Kagan et al (2009) ont mené des études sur la prévision de la consommation d'électricité en Turquie sur la période de janvier 1997 à décembre 2005. Dans leur analyse, ils mettent trois modèles en confrontation : le modèle ARIMA ajusté de la saisonnalité, le modèle SARIMA et un modèle de régression avec variables binaires séquentielles. Pour définir le modèle ARIMA, ils ont extrait la saisonnalité par la méthode des moyennes mobiles multiplicatives et ils ont intégré la série d'ordre un pour la rendre stationnaire en différence première. Par les fonctions d'autocorrélation et d'autocorrélation partielle, ils ont pu identifier respectivement l'ordre des processus MA et AR. Quant au modèle SARIMA ils ont conservé l'effet de la saisonnalité qu'ils ont identifié par régression linéaire. Le modèle de régression avec variables binaires séquentielles est proposé comme une méthode alternative à la méthode Box-Jenkins. Les chocs structurels ont identifiés dans ce modèle par les tests CUSUM et CUSUM-SQ sur les résidus de la régression et définis par les variables binaires dans le modèle de régression. Pour nos auteurs, la méthode de régression avec variables saisonnières latentes (binaires) est une méthode alternative à la méthode Box-Jenkins (ARIMA ou SARIMA) en cas de forte saisonnalité et de rupture structurelle dans la variable étudiée. Elle fournit une meilleure prédiction avec l'erreur absolue moyenne en pourcentage la plus faible.

Ainsi Peter (2012) dans ces travaux à mis en opposition les modèles ARIMA et ARIMAX, pour lui, le modèle ARIMA semble être un peu précis que le modèle ARIMAX.

L'objectif de cette deuxième partie est de présenter le meilleur modèle de la série des recettes totales puis de procéder à des prévisions à l'horizon N.

Pour une meilleure appréhension de ce qui suit, il est primordial de commencer par un rappel de certains concepts clés avant de procéder à la modélisation de notre série.

I. Rappels des concepts techniques

1. Série chronologique ou série temporelle

Encore appelée chronique, une série chronologique est une suite finie d'observation des variables à des intervalles de temps réguliers. Autrement dire, une étude chronologique est une suite de nombres réels indexées par le temps. Pour chaque instant du temps, la valeur de la quantité étudiée

est appelée variable aléatoire. L'ensemble des valeurs

quant t varie est appelé processus aléatoire :

Exemple : dans le cas de cette présente étude, les recettes fiscales forment une série chronologique. Il s'agit d'un nombre annuel de recettes fiscalespour les années 1980-2016. Il y'a donc une donnée chaque année soit 37 observations.

2. Les composantes d'une série chronologique

Avant d'étudier des séries temporelles, il est primordial de déterminer ces composantes qui tiennent compte de ses évolutions temporelles.

2.1. La tendance (ou trend)

Noté

elle désigne l'évolution à long terme de la série. Elle traduit le comportement moyen de la série. On distingue certaines formes de tendance :

2.2. Le cycle

Noté

ce phénomène est un concept qui définit les fluctuations de l'activité économique en les décomposant en une succession de phases clairement identifiables qui se répètent dans le temps de manière ordonnée. Ceux sont des mouvements ascendants appelés période de prospérité ou des mouvements descendant appelés période de dépression

NB : la période de la dépression se distingue de la période de récession qui est un mouvement descendant qui est passager.

2.3. La saisonnalité

Noté

elle correspond à un phénomène qui se répète à intervalles de temps réguliers (périodique) et est relative aux séries infra-annuelles (mensuelle, bimensuelle, trimestrielle, semestrielle...) et se répété à un intervalle de temps régulier.

Exemple : la série de vente de boisson alcoolisée. Communément au mois de décembre, la demande en boisson alcoolisée est plus grande que celle des onze (11) autres mois de l'année.

NB : Dans le cas de notre étude, nous n'avons aucune composante saisonnière car les données sont annuelles

2.4. Les erreurs(ou aléas)

Les erreurs résultent des fluctuations irrégulières ou accidentelles, généralement de faible intensité mais de nature aléatoire.

3. Les processus stationnaires

L'étude de la stationnarité est indispensable pour la validité d'une régression sur les séries chronologiques.

Un processus est stationnaire lorsqu'il ne comporte ni tendance, ni saisonnalité. C'est-à-dire que sa moyenne, sa variance et sa covariance restent invariantes au cours du temps.

Par opposition, un processus non-stationnaire est un processus dont la moyenne et la variance varient. Pour l'étude d'une série chronologique telle que la série des recettes fiscales, il est conseillé de travailler avec une série stationnaire. De prime abord, on fera des tests de stationnarité tels que le test de Dickey-Fuller (DF), le test de Dickey-Fuller Augmenté (ADF), le test de Phillips-Perron (pp), le test de Schmidts-Phillips, le test d'Eloitt-Rothenberg-Stock (ERS) et celui de KPSS, pour voir si la série est stationnaire ou non-stationnaire.si après le test, il en ressort que la série est non-stationnaire, on cherchera donc le type du processus. On en distingue deux types :

3.1. Le processus TS (Trend Stationnary)

Appelé en français processus Tendance Stationnaire, sa formule générale est :

1.1. Différenciation

La différenciation ou intégration, qui consiste à ôter la tendance dans notre série chronologique. D'oùon aura :

II. Données et méthodologie

1. Les données

1.1. Présentation des données

Les données utilisées dans notre étude, sont des recouvrements des recettes fiscales, données secondaires issues du site de la BCEAO. Les autres données de notre étude nous viennent de la Banque mondiale. Elles sont annuelles et couvrent la période allant de 1980 à 2016.

1.2. Choix et justification des variables

· L'Indice des prix à la consommation : permet de mesurer l'inflation dans une économie.il permet aussi d'estimer la variation moyenne des prix des produits consommés par les ménages entre deux périodes.

· Le taux d'urbanisation de la population : C'est la portion de l'évolution de la population dans l'environnement urbain. En Côte d'Ivoire, la collecte de l'impôt est plus fructueuse dans la zone urbaine que dans la zone rurale.

· Les recettes fiscales : elles sont la variable à modéliser et à prévoir.

· Le PIB par tête : désigne la part du PIB affectée à chaque citoyen à une période donnée (généralement an).

· L'investissement (La Formation brute de capital fixe) : qui est l'agrégat qui mesure, en comptabilité nationale, l'investissement (acquisition de biens de production) en capital fixe des différents agents économiques résidents. Elle prend en compte certains investissements immatériels tels que les dépenses de logiciels considérées avant 1999 comme des consommations intermédiaires.

Les notations suivantes sont adaptées dans notre analyse économétrique pour désigner les différentes variables :

Dans la suite de nos travaux, nous allons examiner à partir d'une étude descriptive, les graphes et certains tests statistiques usuels.

1.3. Statistique descriptive

Nous allons montrer les évolutions des variables qui sont l'objet de notre étude, puis l'évolution comparée de notre variable à prévoir. C'est-à-dire des recettes fiscales et du PIB par tête dans un premier temps, puis dans un second temps l'évolution comparée des recettes fiscales et de la formation brute de capital fixe, afin d'analyser visuellement une éventuellecorrélation qui existe entre elles.

Les données sont indiquées en milliard de F CFA pour les recettes fiscales, et sont observées annuellement.

D'un point de vue visuel, nous observons une tendance haussière de la série de la recette fiscale. Par ce graphique, nous pouvons décomposer l'évolution des recettes fiscales en six (6) phases entre 1970 et 2015.

Nous observons une croissance des recettes fiscales de 80 milliards à 670milliards en dépit de la période de récession économique frappant toutes les économies du monde. Cette performance économique est l'objet de l'effet prix qui est la résultante de l'inflation.

L'on observe une chute brutale des recettes fiscales d'où une aggravation de la récession économique observée à la première phase. Les recettes fiscales passent alors de 600milliards à 450 milliards en 1993 soit une baisse de plus de 200milliards. Cela est dû à la crise économique marquéepar la baisse du prix de pétrole sur le marché international.

L'on observe une reprise de l'activité économique boostéepar la dévaluation du franc CFA.

À cette période, on constate une légère augmentation de la recette sur la basse de 1997.

En cette phase, l'économie ivoirienne fut frappée par une crise militaro-politique d'où un ralentissement des activités économiques. La recette totale passe donc de 1149 milliards en 2009 à 2011.

Les recettes fiscales ont connu un essor considérable dû à un climat sociopolitique apaisé qui est beaucoup attractif aux bailleurs de fonds.

Nous observons un faible niveau de cette variable qui demeure constant tout au long de la période considérée. En effet, cette période marque la période de récession économique, dont le ralentissement de l'activité économique.

L'évolution du PIB par tête croit ce qui signifie que la Côte d'Ivoire est passée d'une période de récession économique à une période de relance économique. Cette situation est corrélée à une augmentation du revenu par tête qui est aussi corrélé positivement à l'évolution des recettes fiscales.

Au lendemain de la crise post-électorale qu'a connu le pays plus précisément de janvier au mois d'avril 2011, le pays a connu une augmentation vertigineuse de son PIB par habitant.

Pour l'ensemble de la période 1980-2016, on constate une augmentation vertigineuse due à un excès de la quantité de monnaie en circulation dans l'économie. Avec cette forme linéaire, l'indice de prix à la consommation peut être formalisé par :

Sachant qu'en 2014, cette valeur était égale à 111,99 et 113,38 l'année suivante, on a :

D'où par cette formule, la valeur prévue pour 2016 sans tenir compte des perturbations socio-économiques est égale à 114,77 contre 114,19 observées. Partant de cela, la valeur prévue en 2020 est de 120,33.

La Côte d'Ivoire, pour propulser son processus de développement a changé sa stratégie de développement basée sur le secteur primaire. Cette stratégie d'industrialisation (secteur secondaire) a provoqué un exode rural qui s'est beaucoup intensifié ces dernières années.Avec cette forme linéaire, le degré d'urbanisation peut être formalisé par :

Sachant qu'en 2014, cette valeur était égale à 53,479 et 54,18 l'année suivante, on a :

D'où par cette formule, la valeur prévue pour 2016 sans tenir compte des perturbations socio-économiques est égale à 54,886 contre 54,869 observées. Partant de cela, la valeur prévue en 2020 est de 57,69.

Le graphique ci-dessus montre que les recettes fiscales évoluent parallèlement avec le PIB par tête. Cela montre que les recettes fiscales dépendent fortement du niveau de l'activité économique, ce qui confirme les dires de Keho (2009) qui stipule que toute augmentation du PIB de 1% provoque une augmentation de 0,64% des recettes fiscales. Ainsi, le niveau de l'activité économique en Côte d'Ivoire détermine la capacité de l'Etat, à mobiliser ses ressources fiscales qui vont servir au recouvrement de ses dépenses.

Graphique 7 : Évolution des recettes fiscales et de la formation brute de capital fixe

Bien que ses deux graphiques suivent la même tendance évolutive croissante, l'évolution de la formation brute de capital fixe est bien plus régulière que celle des recettes fiscales. On peut en déduire de cette observation que la capacité de mobiliser les recettes fiscales pour l'Etat de Côte d'Ivoire dépend du niveau d'investissement privé.

2. Méthodologie de travail

Cette partie consistera à présenter la démarche économétrique utilisée pour l'estimation de nos modèles et les principaux tests utilisés.En effet, nous présentons une application directe des données réelles des recettes fiscales de Côte d'Ivoire en utilisant la méthode de box et Jenkins à l'aide d'un modèle ARIMA (p, d, q), nous terminerons par des prévisions à l'horizon « n » à déterminer avec le logiciel Eviews 9.

Cette méthodologie vise à formuler un modèle économétrique permettant de représenter une série chronologique avec pour objectif de prévoir des valeurs futures à court terme, d'où l'objet de notre étude. Cette démarche se fonde sur le modèle ARIMA.

C'est une étape délicate qui conditionne la prévision d'une chronique. Elle est fondée sur l'analyse des corrélogrammes (représentations graphiques des fonctions d'autocorrélation) simple et partiel. Avant de modéliser par un processus ARIMA, la série doit être stationnaire après cela nous passons à l'identification des paramètres p et q du modèle de type ARIMA (p, d, q) le modèle adéquat.

Cette phase consiste à estimer les paramètres du modèle retenu, puis à vérifier à parti de certains tests statistiques que le modèle est valide.

On doit d'abord vérifier que le modèle n'a aucun défaut à travers des tests statistiques qui consistent à tester que les résidus du modèle estimé ne suivent pas le bruit blanc autrement dit qu'ils soient non corrélés et ne présentent pas d'hétéroscédasticité (variance constante).

Si plusieurs modèles réussissent cette dernière phase, on passe au choix du modèle. Deux critères de choix de meilleur modèle existent :

3. Modélisation

Les modèles choisis pour ce présent travail sont Le modèle ARIMA et le modèle ARIMAX, car selon Peter (2012) et al, le modèle ARIMA est plus précis que le modèle ARIMAX.

3.1. Le modèle ARIMA

Il est constitué par une combinaison linéaire finie des valeurs passées d'un processus aléatoire. Il est noté AR(p) ou p désigne le degré autorégressif.

Avec c, une constante. Cette formule peut aussi être ramenée par une simple translation. Cette translation consiste à considérer :

Aussi appelé moyenne mobile en français, ce processus tient compte des valeurs passées du bruit blanc. On la note MA(q) avec q, l'ordre de moyenne mobile.

L'incorporation simultanée des composantes AR et MA dans un même processus conduit à un processus mixte nommé ARMA (p, d) d'où p est l'ordre autorégressif et d est l'ordre des moyennes mobiles. Le modèle s'écrit :

Si le processus est non stationnaire donc il convient de le rendre stationnaire par passage aux différences selon l'ordre d'intégration I. le processus devient alors un processus Auto Régressive Integreted Moving Average ARIMA (p, d, q) avec d, le nombre de fois qu'il a fallu différencier la série pour la rendre stationnaire.

3.2. Le modèle ARMAX

Ce modèle résulte du modèle ARMAX, auquel on ajoute une variable exogène. Sa formule générale devient :

Si le processus est non stationnaire et qu'on a eu recours à l'intégrer pour la rendre stationnaire, alors on aura un modèle ARIMAX (p, d, q) :

I. Présentation des résultats

1. La phase d'identification d'un modèle préliminaire

1.1. Résultat des tests de stationnarité

Les données étant annuelles, notre démarche visera à vérifier si la variance, la moyenne et l'espérance de la série des recettes fiscales ainsi que celles des autres variables dont porte notre analyse, restent stables (invariants) pour tout changement de l'origine du temps, en vue de garantir une bonne régression. D'où la notion de stationnarité ou de non-stationnarité. Pour se faire, plusieurs tests peuvent être utilisés :

NB : les variables tels que les recettes fiscales et le produit intérieur brut par tête ont été générées en logarithme pour réduire l'échelle de variation des données.

Variables

Niveau

ADF PP

Différence première

ADF PP

Différence seconde

ADF PP

LOG (Recettes fiscales)

2,5953

(0,9970)

-1,8641

(0,6521)

-5,775 **

(0,0004)

-5,4775 **

(0,0004)

-6,7508**

(0,000)

-17,1346**

(0,000)

LOG (PIB par tête)

2,7605

(0,9980)

2,2901

(0,9925)

-4,2532 **

(0,0098)

-4,2232 **

(0,0105)

-7,8860**

(0,000)

-8,0704**

(0,000)

Degré d'urbanisation

1,630

(0,9725)

9,0007

(1,000)

-1,2530

(0,6396)

-1,2530

(0,6396)

-4,0964**

(0,0146)

-3,8842**

(0,0238)

Formation brute de capital fixe

-2,8155

(0,0661)

-2,7935

(0,0692)

-7,4174 **

(0,000)

-7,5210 **

(0,000)

-7,5820 **

(0,000)

-24,3239**

(0,000)

Indice des prix à la consommation

-0,2312

(0,9253)

-0,2582

(0,9214)

-4 ,4863 **

(0,0055)

-4,4863 **

(0,0055)

-6,8327**

(0,000)

-11,5366**

(0,000)

Les résultats des différents tests indiquent que les séries ne sont pas stationnaires en niveau au seuil de 5% car chaque variable, que ce soit le test de Dickey-Fuller Augmenté (ADF) ou le test de Phillips-Perron (PP), la statistique du test est inferieure en valeur à la valeur critique pour chaque variable.

Les variables n'étant pas stationnaires en niveau, notre démarche consistera à les différencier (intégrer). Les variables différenciées sont donc notées : D(lpibt), D(du), D(lrf), D(fbcf) et D(ipc).

Les résultats des différents tests indiquent que toutes les variables sont stationnaires en différences premières (intégrées d'ordre 1) car les statistiques des tests sont supérieures en valeurs absolue à la valeur critique au seuil de 5% excepté la série (du). La variable (du) en différence seconde est stationnaire, car que ce soit le test de Dickey-Fuller Augmenté (ADF) ou le test de Phillips-Perron (PP), la statistique du test est inferieure en valeur à la valeur critique pour de la variable.

Ce tableau montre que toutes les variables sont stationnaires en différence première (elles sont marquées I(1)) pour les tests d'ADF et de PP, excepté le degré d'urbanisation qui est stationnaire en différence seconde (la variable est marquée I(2)). Dans la suite de notre étude, il ressort clairement que toutes les variables sont stationnaires en différence première.

Par analyse visuelle, on peut conclure que la série est stationnaire car elle tourne autour de sa moyenne.

1.2. Détermination du nombre de retard

Concernant les tests de d'Akaike (AIC), Scharz (SC) et celui de hannan-quinn, le retard optimal est celui qui minimise le critère du test, tandis que pour le test du maximum de vraisemblance (LR), ce retard maximise la log-vraisemblance. Les résultats

Lag	Log L	LR	FPE	AIC	SC	HQ
0	-595 ,7950	NA	2,47e+10	35,28206	35,46163	35,34330
1	-370,3937	384,5082	111459,9	22,96434	23,86219 *	23,27053
2	-344,7217	37,75296 *	65876,42 *	22,39539 *	24,01154	22,94655 *
3	-332,5117	15,08288	92088,65	22,61834	24,95277	23,41445

Note : *indique l'ordre du retard sélectionné par les critères considérés. (Chaque test est au seuil de 5%)LR : le rapport de vraisemblance ; AIC : Critère d'Akaike ; SC : Critère de Schwarz ; HQ : critère d'Hannan-Quinn ; FPE : Erreur de Prédiction Final.

Ces résultats montrent qu'à p=2, les critères d'information AIC, HQ et FPE sont minimisés à l'exception du test de SC pour lequel celui-ci est égal à 1. Dans la suite de notre analyse il ressort clairement que le retard optimal est égal à 2 (p=2).

Le retard optimal étant connu, nous pouvons passer à l'analyse du corrélogramme.

1.3. Analyse du corrélogramme

La série étant stationnaire en différence première, on recherche un modèle ARIMA (p, d, q) ou ARIMAX (p, d, q) qui représente au mieux notre série. Pour ce faire, on examine les autocorrélations simples (pour la détermination de retards de MA) et les autocorrélations partielles (pour déterminer le nombre de retard d'un processus AR).

En analysant ce corrélogramme on en déduit que seules les deux premières fonctions d'auto corrélation et la première fonction d'auto corrélation partielle sont significativement différentes de zéro.Les modèles adéquats sont : ARIMA(1, 1,0) ; ARIMA(2, 1,0) ; ARIMA(0, 1,1). ARIMA (1, 1,1) et ARIMA (2, 1,1). Aussi en prenant en compte des variables exogènes nous obtenons les modèles :

ARIMX(1, 1,0) ; ARIMAX(2, 1,0) ; ARIMAX(0, 1,1) ; ARIMAX (1, 1,1) et ARIMAX (2, 1,1).

2. Estimation du modèle

On procède à l'estimation des dix processus précédemment identifiés. Le résultat de ses estimations nous est présenté dans le tableau ci-dessous :

Coefficients	Modèle 1	Modèle 2	Modèle3	Modèle 4	Modèle 5
Coefficients	ARIMA(1,1,0)	ARIMA (2,1,0)	ARIMA (0,1,1)	ARIMA(1,1,1)	ARIMA(2,1,1)
Dpibt	-	-	-	-	-
Dfbc	-	-	-	-	-
C	0,059* (0,048)	0,056* (0,020)	0,056* (0,047)	0,053* (0,023)	0,056* (0,050)
AR	0,066 (0,643)	-0,019 (0,941)	-	0,839 (0,000)	-0,021 (0,943)
MA	-	-	0,070 (0,619)	-1,000 (0,999)	0,069 (0,651)
	0,0045	0,0003	0,0047	0,0815	0,0052
ajusté	-0,0558	-0,0601	-0,0555	-0,0045	-0,0879
Erreur standard	0,1357	0,1360	-0,1357	0,1324	0,1377
Somme des carrés de résidus	0,6080	0,6105	0,6079	0,5610	0,6076
Log vraisemblance	22,3740	22,3013	22,3781	23,1140	22,3868
Mean dependent var	0,05653	0,0564	0,0565	0,0565	0,0565
S.D.dependent var	0,1321	0,1321	0,1321	0,1321	0,1321
AIC	-1,0763	-1,0722	-1,0765	-0,6189	-1,0214
SC	-0,9443	-0,9403	-0,9446	-0,8859	-0,8455

Tableau 6 : résultats des estimations des coefficients des modèles (suite)

Coefficients	Modèle 6	Modèle 7	Modèle 8	Modèle 9	Modèle 10
	ARIMAX(1, 1,0)	ARIMAX(2, 1,0)	ARIMAX(0, 1,1)	ARIMAX (1, 1,1)	ARIMAX(2, 1,1)
Dlpibt	1,063* (0,000)	0,986* (0,000)	1,075* (0,000)	1,081* (0,000)	1,076* (0,000)
Dfbc	0,009* (0,010)	0,009* (0,054)	0,008* (0,0149)	0,007* (0,024)	0,007* (0,017)
C	0,013 (0,169)	0,017 (0,230)	0,011* (0,013)	0,011* (0,023)	0,011* (0,015)
AR	-0,446* (0,012)	-0,107 (0,690)	-	-0,063 (0,812)	-0,086 (0,715)
MA	-	-	-0,694* (0,000)	-0,660* (0,000)	-0,661* (0,007)
Sigma	0,005* (0,000)	0,006* (0,003)	0,004* (0,000)	0,004* (0,000)	0,004* (0,000)
	0,69326	0,6234	0,745358*	0,7458*	0,7467
ajusté	0,6536	0,5748	0,7125*	0,7034	0,704564
Erreur standard	0,0777	0,0861	0,0708*	0,0719	0,071805
Somme des carrés de résidus	0,1873	0,2300	0,1555*	0,1552	0,154678
Log vraisemblance	43,4555	39,862	46,588*	46,62062	46,6849*
Mean dependent var	0,0565*	0,0565*	0,0565*	0,0565*	0,05653*
S.D.dependent var	0,1321*	0,1321*	0,1321*	0,1321*	0,1321*
AIC	-2,1364	-1,9368	-2,3104*	-2,2567	-2,260275
SC	-1,9164	-1,7168	-2,2336*	-1,9927	-1,996355

Note :* indique la significativité au seuil de 5%. Les valeurs entre parenthèses sont les p-values.

Ayant tous ses coefficients significatifs hormis pour les variables INF et DU ; avec unesignificativité globale la plus élevée (R² ajusté = 0,71), des critères d'informations (AIC= -2,310 et SC= -2,233) minimum, le modèle ARIMAX (0, 1,1) donne de flair des bons résultats. En conséquence, à l'issue de l'étape d'estimation, seul le modèle ARIMAX (0, 1,1) est apte à la prévision des recettes fiscales.

De manière visuelle, nous constatons qu'aucun pic n'est à l'extérieur des deux intervalles de confiance. D'où les résidus se trouvent à l'intérieur de l'intervalle de confiance. De plus, la probabilité des Q-stat est proche de 1 ce qui signifie quele résidu peut être assimilé à un bruit blanc, le modèle est validé et peut être représenté par ARIMAX (0, 1,1).

La détection de l'autocorrélation par le processus Breusch-Godfrey se fait avec comme hypothèse :

La probabilité calculée est supérieure à la probabilité critique de 5%, on accepte H0. Il ya donc absence d'autocorrélation des erreurs.

La détection de l'hétéroscédasticité par le processus de white se fait avec comme hypothèse :

Les résultats du test d'ARCH où 2 est le retard optimal, sont reportés dans le tableau suivant :

La probabilité calculée est supérieure à 5% donc on accepte l'hypothèse nulle. Le modèle est homoscédastique.

Le test de normalité de Jarque-Bera est un test d'hypothèse qui cherche à déterminer que les données suivent une loi normale. Ce test est fondé sur les coefficients d'asymétrie et d'aplatissement. Pour appliquerce test, nous allons dans un premier temps procéder au calcul du coefficient d'asymétrie de Skewness et celui d'aplatissement de Kurtosis puis dans un second temps à comparer sa probabilité au khi deux avec 2 comme degré de liberté

Selon l'histogramme

et n (le nombre d'observation) est égale à 36. Par conséquent :

Comme la probabilité critique (0,97) est supérieure à 0,05, on peut en conclure que les résidus du modèle ARIMAX (0, 1,1) Suivent une loi normale.

Notre modélisation par la méthode Box et Jenkins de la série des recettes fiscales est donc représenté par ARIMAX (0,1, 1).

II. Prévision et interprétation

1.Prévision

Avant de prédire notre série, nous allons analyser l'influence des chocs sur notre série étudiée. Pour se faire nous allons utiliser des variables muettes (Dummy) qui prendront la valeur 1 à la période de choc (1984,1994, 2002 et 2011) et 0 en période de stabilité.

Coefficients

1984

1994

2002

2011

Dlpibt

1,065*

(0,000)

1,163*

(0,000)

1,077*

(0,000)

1,163*

(0,000)

Dfbc

0,008

(0,054)

0,009*

(0,000)

0,008*

(0,014)

0,009*

(0,000)

0,011*

(0,013)

0,012*

(0,000)

0,011*

(0,025)

0,012*

(0,000)

Dummy

0,021

(0,739)

-0,134

(0,0749)

0,012

(0,883)

-0,134

(0,074)

MA(1)

-0,695*

(0,000)

-0,999

(0,999)

-0,697*

(0,000)

-0,999

(0,999)

SigmaQ

0,004*

(0,000)

0,003

(0,990)

0,004*

(0,000)

0,003

(0 ,990)

R ajusté

0,794

0,74

0,745

0,794

Note : * indique la significativité au seuil de 5%. Les valeurs entre parenthèses désignent les p-values.

Les variables muettes (Dummy) ne sont pas pertinentes dans la modélisation de la série des recettes fiscales.

On constate que le coefficient d'inégalité de Theil tend vers 0 et nous avons aussi une faible variance de proportion 0,086956. Ceci témoigne de la bonne qualité de notre modèle de prévision.

Les données des variables lpibt et fbcf pour les années futures sont prises en supposant que les sériessont maintenuesstationnaires durant les périodes2015-2020 respectivement

2. Interprétation

Cette présente étude montre que les recettes fiscales ne sont pas forcément influencées par la population urbaine. Aussi, l'indice des prix à la consommation (l'inflation) n'a aucun effet significatif sur la mobilisation des dites recettes.

En effet, seul de niveau de l'activité économique et l'investissement sont susceptiblesd'expliquer cette série.

Le coefficient des variables lpibt et fbcf étant significativement positif, alors les recettes fiscales évoluent dans le même sens que ses variables. Ainsi lorsque l'économie ivoirienne est en période de récession économique, l'Etat a tendance à réduire les impôts et taxes. En outre, une augmentation de 10% du PIB par tête, entraine une augmentation de 9,36% des recettes fiscales et une augmentation de 1 point de pourcentage des investissements privés s'accompagne d'une augmentation de 0,01 point des recettes fiscales.

La non significativité des variables muettes (Dummy) stipule que les chocs structurels n'ont pas d'impact directe sur la mobilisation des recettes fiscales.

Cette étude nous a permis de mettre en place un modèle de prévision des recettes fiscales de la Côte d'Ivoire. Elle a aussi permis de mettre en relation, les recettes fiscales et d'autres variables macroéconomiques telles que l'investissement privé et le PIB par tête à travers la confrontation de deux modèles de prévisions : ARIMA et ARIMAX.

Les recettes fiscales représentent plus de 90% des recettes budgétaires de la Côte d'Ivoire. Toutefois, ces atouts seraient importants si l'Etat opte pour une politique de lutte contre les pratiques des contribuables visant à outrepasser leurs charges fiscales (évasion fiscale, fraude fiscale).

Aussi, la présente étude a démontré l'importance capitale de la prise en compte de certaines variables macroéconomique dans le cadre des prévisions des recettes fiscales.

Toutefois, le degré d'urbanisation et l'inflation n'ont pas pu être pris en compte dans notre modèle. Par conséquent, il convient dans une future étude, de vérifier la pertinence des prévisions avec l'ajout de plusieurs variables susceptibles d'influencer les recettes fiscales.

L'Etat devrait donc sensibiliser la population à l'entreprenariat en facilitant la population à avoir accès à des emprunts leurs permettant de créer des activités génératrices de revenus.

Pour pouvoir mobiliser plus de recettes fiscales, l'Etat devrait mettre en place une politique visant à incité l'investissement privé et à élargir son assiette fiscale (en prenant en compte le secteur informel).

Bourbonnais, R. Econométrie: Manuel et Exercices Corrigés 7e edition. Paris: DUMOD.

Dozio, A., Enz, C., Peretti, M., & Ritschard, G. (2000). Un Modèle de Prévision des Impôts sur le Revenu: le cas de Lausanne et du Canton de Vaud. Revue Economique et Social, 58 (2), 98-102.

Espinoza, M., Suykens, J. A., & Moor, B. D. (2006). LS-SVM Regression with Autocorrelated Errors. 14th IFAC Symposium on System Identification .

Ghura, D. (1998). Tax Revenue in Sub-Saharan Africa: Effects of Economic Policies and Corruption. IMF Working Paper, 98/135, 1-25.

Girardin, E., & Marois, W. (1987). Déficit Budgétaire et Déficit Externe: Une Analyse Empirique. Revue d'Economie Politique, 97 (1), 51-71.

Jondeau, E. (1992). la Soutenabilité de la POlitique Budgétaire. Economie et Prévision (104), 1-17.

Karagöz, K. (2013). Determinant of Tax Revenue: Does Sector Composition Matter? Journal of Finance, Accounting and Management, 4, 50-63.

Keho, Y. (2006, Avril). Cointégration et Modèle à Correction d'Erreur :DE la Théorie à laPratique. Les Cahiers de la Statistique et de l'Economie Appliquué , 39p.

Keho, Y. (2013). Déterminant of Tax Yied in UEMOA Countries: The Effets of Institutions and Economic Structure. Abidjan: paper to be presented at the International Centre for Tax and Development's Annual Meeting, Lomé.

Keho, Y. (2008). Guide Pratique d'Introduction à l'Econométrie sur Eviews. Abidjan: Ecole Nationale Supérieur de Statistique et d'Economie Appliquée ( ENSEA).

Keho, Y. (2006, Janvier). Modélisation Var et Application. Les Cahiers de la Statistique et de l'Economie Appliquée , 34p.

lenoir, t. (2006). Révision de la méthode macroéconomique d'estimation des recettes fiscales. Service Public Fédéral FINANCES-Belgique.

Mbusa, M. (2015). Transition Fiscale et Regressive des impots Domestiques Indirects en Afrique Sub-Saherienne. Munich Personal Repec Archive.

Schubert, k., & Letournel, P.-Y. (2016). Un Modèle d'Equilibre Général Appliqué de la Fiscalité Francaise. Economie & Prévision , 83-99.

Tanimoune, N. A., Combes, J.-L., & Plane, P. (2005, Mai). Les Effets non Linéaires de la Politique Budgétaire: Le cas de l'Union Monétaire Ouest Africaine. Economie du Developpement et de la Transition , 24 pages.

Teresa, L., Javier, J. P., Mika, T., & Vidal, J.-P. (2008). Fiscal Forcasting: Lessons from the Literature and Challenges. Journal of Applied Public economics, 29, 347-386.

Yang, H., & Huang, M. (1995). Identification of ARMAX Model for Short Term Load Forecasting: An Evolutionary Programming Approach. Power Industry Computer Application Conference .

Annexes 3 : Estimation du modèle ARIMAX (0 ,1,1) avec les variables muettes

Tableau 11 : Estimation du modèle ARIMAX (0, 1,1) avec la variable DUMMY 1994

Tableau 10 : Estimation du modèle ARIMAX (0, 1,1) avec la variable DUMMY 1984

Tableau 12 : Estimation du modèle ARIMAX (0, 1,1) avec la variable DUMMY 2002

Tableau 13 : Estimation du modèle ARIMAX (0, 1,1) avec la variable DUMMY 2011

3.2. pression fiscale........................................................................................9