II - Les données et la méthode
d'estimation
Les données sont des observations des variables
quantitatives. Les variables retenues dans le cadre de notre étude
rendent compte de l'évolution dans le temps et surtout dans l'espace
retenu pour ce travail. Le temps retenu pour nous c'est la longue
période et l'espace concerne le Cameroun. Les valeurs des variables qui
nous serviront de base dans notre analyse sont des données secondaires
issues des différentes bases de données.
a) Le taux d'inflation
L'indice des prix à la consommation est l'un des
indices qui mesure la hausse (inflation) ou la baisse (déflation) du
coût de la vie et donc l'évolution de la valeur de la monnaie (la
valeur de la monnaie diminue lorsque les prix augmentent). Le taux annuel
d'inflation, sans désignation d'indice, désigne
généralement le pourcentage d'augmentation de cet indice
particulier durant l'année.
L'observation des prix se fait par enquête et
échantillonnage permanent. La grande difficulté pour
réaliser cet indice est l'innovation avec l'apparition des nouveaux
produits ou services ou d'une nouveauté dans un ancien produit. Une
autre difficulté peut être le changement dans la
répartition des achats des consommateurs.
Sources : BEAC, Banque Mondiale et Banque de
France-Rapport zone franc
On constate qu'au cours de cette période le Cameroun a
connu une forte inflation en 1994 (17,7%) avec la dévaluation. Depuis
cette année c'est-à-dire après la dévaluation, le
taux d'inflation a diminué pour se situer à 0,4% en 2004. Or tout
juste avant la dévaluation, le taux d'inflation était
négatif de l'ordre de -3,7% en 1993.
b) les taux d'intérêt
directeurs
Les taux d'intérêts directeurs sont les taux
d'intérêt pratiqués par les banques centrales pour leurs
opérations sur le marché monétaire.
En Afrique Centrale, ils sont au nombre de deux :
- le taux d'intérêt d'appels d'offres (TIAO), il
est fixé par le gouverneur de la banque centrale. Pour injecter des
liquidités dans l'économie, la banque centrale lance un appel
d'offre auprès des banques commerciales et accorde les liquidités
à l'établissement qui a fait l'offre la plus intéressante,
c'est-à-dire le taux le plus élevé.
- Le taux d'intérêt de prise en pension (TIPP),
il est aussi fixé par le gouverneur et doit être supérieur
au TIAO. Le TIPP sert à ponctionner la liquidité dans une
économie donnée.
Source : BEAC
Le graphique 3 représente l'évolution
simultanée du TIAO et du TIPP de 1994 à 2004. Sur ce graphique,
on constate que les taux d'intérêt directeurs de la BEAC restent
en baisse. Ceci est le résultat du recul de l'inflation et vise à
encourager l'investissement et la croissance dans un contexte de
libéralisation. L'effectivité du marché monétaire
dans la zone a commencé en 1994, c'est ainsi que de 1990 à 1993
le TIAO et le TIPP n'étaient pas déterminés. Nous
utilisons les valeurs du taux d'escompte normal (TEN) pour remplacer les
valeurs manquantes du TIPP et la moyenne pour remplacer les valeurs manquantes
du TIAO.
c) L'indice des prix à l'importation
(IPM)
L'indice des prix à l'importation est un indice qui
mesure la hausse les variations de prix des biens venant de l'étranger.
Comme une partie de l'inflation se trouve importée, l'IPM
représente alors cette inflation importée dans l'IPC. Lorsque le
prix de l'importation augmente par rapport au PIB, l'inflation importée
sera d'autant plus importante. L'IPM se calcule comme l'indice des prix
à la production.
Sources : BEAC et Banque de France-Rapport zone franc
D'après le graphique 4, l'on constate que les
importations au Cameroun sont allées croissante. Ceci peut être
expliqué par l'augmentation du PIB du pays et de la sous région
.
d) Le taux de croissance du PIB
réel
Est un indicateur économique qui permet de rendre
compte de l'évolution de la richesse d'un pays. La croissance du
produit intérieur brut est une croissance qui garantit à priori
le niveau de vie et de l'emploi. Une trop faible croissance du PIB comprimera
le pouvoir d'achat d'une économie (Greffe, 1993). Il y a plusieurs
manières de mesurer le taux de croissance. Le taux de croissance du PIB
réel se calcule à partir du taux de croissance nominal moins
l'indice des prix à la consommation. Le graphique 5 nous montre
l'évolution du taux de croissance réel au Cameroun de 1990
à 2004.
Sources : BEAC et Banque de France- Rapport zone franc
Au cours de cette période, après la
restructuration dans plusieurs domaines d'activités économiques,
il y a eu la reprise de la croissance. C'est ainsi qu'on est parti d'un taux de
croissance négatif (- 6,11%) en 1990 pour un taux de croissance qui va
s'établir autour de 4% dans les années 2000. De plus on constate
que l'évolution du taux de croissance se fait avec plus ou moins 0,5%.
La croissance maximale a été atteinte en 2000 (5,2%) et la
croissance minimale en 1990 (-6,11%)
e) Le taux de croissance de la masse
monétaire
Le taux de croissance de la masse monétaire est un
indicateur qui permet d'évaluer l'évolution de la quantité
de monnaie en circulation dans une économie. En ce qui concerne notre
travail, nous retiendrons le taux de croissance de la masse monétaire
M2. On aura alors le graphique suivant :
Source : BEAC
Durant cette période, on constate que la masse
monétaire est allée décroissante de 1992 à 1996,
pour une reprise de la croissance de 1997 jusqu'à 2004. La baisse qu'il
y a eu dans la première moitié des années 90 se justifie
par la crise économique.
2) La méthode d'estimation
Une théorie économique est valide lorsque
celle-ci est vérifiée empiriquement. L'économétrie
est une branche de la science économique qui sert à
établir des lois ou à vérifier des hypothèses
à partir des données chiffrées. Elle est un outil
important pour tout économiste. Cette branche de la science
économique permet aux économistes d'établir les relations
entre les variables économiques, de déterminer les
paramètres du modèle et de tester la validité de tout ce
travail. Dans une méthode économétrique, une fois les
paramètres du modèle estimés, plusieurs tests doivent
être faits. Parmi ces tests, on a :
- Le test de Student : il permet de
tester la validité du coefficient du modèle. Souvent, on
formule une hypothèse selon laquelle le coefficient est nul et une autre
alternative où le coefficient est différent de zéro. Il
faut toujours déterminer un seuil d'acceptabilité pour conduire
ce test. On calcule un ratio t* appelé t empirique de Student. Puis, on
compare le t* à la valeur lue sur la table de Student. Si la valeur
empirique est supérieure à la valeur lue, le coefficient
considéré est significativement différent de zéro,
on rejette alors l'hypothèse nulle. La variable explicative à
laquelle est lié le coefficient contribue à l'explication de la
variable endogène. Par ailleurs le signe du coefficient indique le sens
de la relation entre les variables.
- Le test de Fischer : c'est un test qui
permet de vérifier la significativité globale du modèle. A
travers ce test, on peut détecter les variables non significatives dans
l'explication de la variable endogène. Il s'agit en fait de savoir si
l'ensemble des variables explicatives a une influence sur la variable
endogène. Pour ce test, on émet deux hypothèses, une
hypothèse zéro où tous les coefficients sont nuls et une
hypothèse où il y a au moins un coefficient non nul. On compare
alors le F* ou F calculé à la valeur du F lu sur la table de
Fischer. Si le F* est supérieur au F lu, on rejette alors
l'hypothèse zéro ; le modèle est alors globalement
significatif. Plus la probabilité de F est faible, plus la
significativité du modèle est grande.
- Le coefficient de
détermination : ce coefficient permet de mesurer la
qualité d'ajustement entre les variables. Si R² est proche de son
maximum qui est 1, le modèle est supposé bon, c'est-à-dire
l'ajustement est meilleur.
- Le test de Durbin Watson : ce test
permet de détecter une auto corrélation des erreurs d'ordre un.
Il est sensible à l'ordre des données, ce qui n'est pas le cas
pour les autres estimateurs. Le modèle doit comporter
impérativement un terme constant, le nombre d'observation doit
être supérieur ou égal à quinze (15) et la variable
endogène ne doit pas figurer parmi les variables explicatives. Si
d1 < DW < d2, le test n'est pas concluant. Si DW
< d2, il existe une auto-corrélation positive entre les
erreurs. Si DW > d2, il n'y a pas auto-corrélation
positive. En pratique, on considère qu'il n y a pas
auto-corrélation positive lorsque DW > 2.
|