5- 2- Résultat sur les fonctions des parts de
marché.
5-2-1- Test de stationnarité
Dans le but de garantir des estimations robustes, les
propriétés des séries temporelles des parts de
marché et de ses fondamentaux ont été
déterminées en procédant à des tests de racines
unitaires.
Tableau 21 : Test de racine unitaire sur les
séries en niveau et en différence pour le Cameroun
|
Variables
|
t-statistique
|
Valeur critique au seuil de
|
Nombre de retard
|
Avec trend
|
Avec constante
|
|
1%
|
5%
|
10%
|
|
Test sur les variables en niveau
|
|
LTCRM
|
-4,0843
|
-4,4691
|
-3,6454
|
-3,2602
|
0
|
non
|
oui
|
|
LTCRV
|
-1,9331
|
-4,4678
|
-3,6449
|
-3,2614
|
1
|
non
|
non
|
|
LPMC
|
-3,8447
|
-4,4472
|
-3,6328
|
-3,2546
|
1
|
oui
|
oui
|
|
LY
|
-2,6913
|
-4,6162
|
-3,7104
|
-3,2977
|
6
|
non
|
oui
|
|
Test sur les variables en différence
première
|
|
LTCRM
|
/
|
/
|
|
/
|
/
|
/
|
/
|
|
LTCRV
|
-4,4591
|
-4,4983
|
-3,6584
|
-3,2689
|
1
|
non
|
non
|
|
LPMC
|
/
|
/
|
/
|
/
|
/
|
/
|
/
|
|
LY
|
-4,8398
|
-4,4333
|
-3,6449
|
-3,2614
|
1
|
non
|
oui
|
Source : calculs de l'auteur
Tableau 22 : Test de racine unitaire sur les
séries en niveau et en différence pour le Nigeria
|
Variables
|
t-statistique
|
Valeur critique au seuil de
|
Nombre de retard
|
Avec trend
|
Avec constante
|
|
1%
|
5%
|
10%
|
|
Test sur les variables en niveau
|
|
LTCRM
|
-3,8354
|
-4,4691
|
-3,6454
|
-3,2602
|
0
|
non
|
non
|
|
LTCRV
|
-2,5452
|
-4,4678
|
-3,6449
|
-3,2614
|
1
|
oui
|
oui
|
|
LPMC
|
-2,1003
|
-4,4407
|
-3,6928
|
-3,2546
|
1
|
non
|
non
|
|
LY
|
-1,1322
|
-4,4678
|
-3,6449
|
-3,2514
|
2
|
non
|
non
|
|
Test sur les variables en différence
première
|
|
LTCRM
|
/
|
/
|
/
|
/
|
/
|
/
|
/
|
|
LTCRV
|
-4,31964
|
-4,4983
|
-3,6584
|
-3,2689
|
1
|
non
|
non
|
|
LPMC
|
-5,02133
|
-4,4407
|
-3,6328
|
-3,2546
|
0
|
non
|
non
|
|
LY
|
-3,43334
|
-4,4333
|
-3,6449
|
-3,2614
|
1
|
non
|
oui
|
Source : calculs de l'auteur
Le tableau ci-dessus montre que toutes les variables ne sont
pas stationnaires en niveau mais elles le sont toutes en différence
première.
5-2-2- Détermination des parts de marché
Une estimation du modèle des parts de marché
par les MCO nous donne le modèle suivant :
Tableau 23: Les déterminants des parts de
marché de coton au Cameroun
|
Dependent Variable: LPMC
|
|
Method: Least Squares
|
|
Sample(adjusted): 1981 2002
|
|
Included observations: 22 after adjusting endpoints
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
C
|
7.190862
|
6.743798
|
1.066293
|
0.3032
|
|
LTCR
|
-0.497393
|
0.387964
|
-1.282060
|
0.2193
|
|
LTCRM
|
0.126071
|
0.099471
|
1.267415
|
0.2243
|
|
LTCRV
|
0.012475
|
0.117688
|
0.106004
|
0.9170
|
|
LY
|
-0.575116
|
0.656348
|
-0.876237
|
0.3947
|
|
PAS
|
0.949317
|
0.468318
|
2.027078
|
0.0608
|
|
LPMC(-1)
|
0.012893
|
0.236396
|
0.054538
|
0.9572
|
|
R-squared
|
0.651862
|
Mean dependent var
|
-0.291194
|
|
Adjusted R-squared
|
0.512607
|
S.D. dependent var
|
0.488742
|
|
S.E. of regression
|
0.341208
|
Akaike info criterion
|
0.940721
|
|
Sum squared resid
|
1.746342
|
Schwarz criterion
|
1.287871
|
|
Log likelihood
|
-3.347934
|
F-statistic
|
4.681066
|
|
Durbin-Watson stat
|
1.668416
|
Prob(F-statistic)
|
0.007107
|
Source : calculs de l'auteur
Tableau 24 : Les déterminants des parts de
marché de coton au Nigeria
|
Dependent Variable: LPMC
|
|
Method: Least Squares
|
|
Sample(adjusted): 1981 2002
|
|
Included observations: 22 after adjusting endpoints
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
C
|
-89.14429
|
23.30932
|
-3.824405
|
0.0017
|
|
LTCR
|
-0.140745
|
0.481209
|
-0.292482
|
0.7739
|
|
LTCRV
|
0.407440
|
0.341310
|
1.193753
|
0.2511
|
|
LTCRM
|
-0.602590
|
0.267235
|
-2.254908
|
0.0395
|
|
LY
|
9.615496
|
2.508134
|
3.833725
|
0.0016
|
|
PAS
|
-2.454060
|
1.507423
|
-1.627984
|
0.1243
|
|
LPMC(-1)
|
0.098450
|
0.195437
|
0.503741
|
0.6218
|
|
R-squared
|
0.927386
|
Mean dependent var
|
-5.568745
|
|
Adjusted R-squared
|
0.898341
|
S.D. dependent var
|
3.942531
|
|
S.E. of regression
|
1.257037
|
Akaike info criterion
|
3.548763
|
|
Sum squared resid
|
23.70214
|
Schwarz criterion
|
3.895913
|
|
Log likelihood
|
-32.03640
|
F-statistic
|
31.92881
|
|
Durbin-Watson stat
|
2.974087
|
Prob(F-statistic)
|
0.000000
|
Source : calculs de l'auteur
5-2-3- Estimation de la relation de long
terme
A long terme on suppose que
LPMCt=LPMCt-1 si bien qu'à partir des
tableaux 23 et 24 nous obtenions les relations de long terme
suivantes :
- cas du Cameroun
 (26)
En arrangeant cette équation, on obtient :
(27)
- Cas du Nigeria
 (28)
En réarrangeant, on obtient :
 (29)
Les résidus des régressions des parts de
marché sont également testés et l'hypothèse nulle
de non cointégration est rejetée de manière significative
au seuil de 1% sur la base des statistiques ADF pour ces deux pays, nous
pouvons accepter que les variables seront cointégrées.
Tableau 25 : Test de stationnarité sur le
résidu des PMC du Cameroun
|
ADF Test Statistic
|
-3.922202
|
1% Critical Value*
|
-2.6819
|
|
|
5% Critical Value
|
-1.9583
|
|
|
10% Critical Value
|
-1.6242
|
|
*MacKinnon critical values for rejection of hypothesis of a unit
root.
|
Source: calculs de l'auteur
Tableau 26: Test de stationnarité sur le
résidu des PMC du Nigeria
|
ADF Test Statistic
|
-7.351877
|
1% Critical Value*
|
-2.6819
|
|
|
5% Critical Value
|
-1.9583
|
|
|
10% Critical Value
|
-1.6242
|
|
*MacKinnon critical values for rejection of hypothesis of a unit
root.
|
Source: calculs de l'auteur
Autres tests diagnostics
-le test ARCH
Pour effectuer ce test nous comparons la statistique du
multiplicateur de Lagrange
LM= n x R2 à la valeur de
÷2(ñ) lue dans la table au seuil á
n= nombre d'observations servant au calcul de la
régression de l'équation 
R2= le degré de liberté correspondant
au nombre de retard du résidu (résidu décalé)
Si LM> ÷2(ñ), on rejette
H0 : on considère que le processus est justifiable d'un
modèle ARCH(ñ).
Ce test montre l'absence d'un ARCH(2) sur le résidu des
parts de marché comme l'indique la statistique LM=0,64 pour le Cameroun
et LM=0,06 pour le Nigeria inférieur à ÷2(2) au
seuil de 5%.
-Test de Breusch- Godfrey (Test LM)
Ce test permet de tester une autocorrelation d'un ordre
supérieur à 1. Pour mener ce test, nous comparons
également la statistique LM à celle de ÷2
à ñ degré de liberté. R2
étant le coefficient de détermination issu de l'estimation par
les MCO de l'équation
Si LM> ÷2(ñ) on rejette
l'hypothèse H0 d'absence d'autocorrelation des erreurs.
Ce test indique ici une absence d'autocorrelation des erreurs
sur les séries des parts de marché pour les deux pays, car la
statistique LM donne respectivement pour le Cameroun et le Nigeria 4,74 et 3,17
inférieur à la valeur de ÷2(2) et
÷2(1) à 5 %.
A partir des tableaux 23 et 24, on observe que le coefficient
du TCR est négatif ; cependant il n'est pas significatif pour les
deux pays. La variable du mésalignement du TCR présente un signe
attendu pour le Nigeria. Ceci nous indique que le mésalignement du TCR
présente des risques aux exportateurs du Nigeria. L'indice de
volatilité de TCR qui se mesure par l'écart type mobile
centré d'ordre 3 du TCR attire un signe positif pour les deux pays. Ce
signe est inattendu et nous mène à l'observation que la
volatilité du TCR serait plutôt un atout pour les exportateurs. Ce
résultat traduit l'ambiguïté du sens de la relation entre
l'instabilité du taux de change et le volume du commerce.
Le revenu des partenaires commerciaux a un effet positif sur
les parts de marché du Nigeria. Celui-ci possède un coefficient
significatif au seuil de 1%. Par contre, au Cameroun, cette variable affecte
négativement les parts de marché du coton. Une augmentation des
revenus réels des partenaires commerciaux permettrait au Nigeria de
gagner d'importantes parts de marché sur les exportations du coton.
La variable représentant les programmes d'ajustement
structurel (PAS) affecte les parts de marché de coton de manière
significative pour le Cameroun. Elle a un effet négatif et non
significatif au Nigeria. Ce qui suggère que l'enveloppe des reformes du
PAS tarde à se faire ressentir sur les parts de marché du coton
pour ce pays.
| 
