Prévision du volume des carburants terrestres consommés en RD Congo (Modèle d'analyse d'interventions)

III.6.2 Evaluation des prévisions

Dans cette partie nous procédons à l'évaluation de la bonté de nos prévisions. Cette mesure porte sur la comparaison des prévisions réalisées à partir d'une partie de la série observée avec les valeurs réelles de la série en réserve.^25(*)

Pour effectuer cette mesure, nous utilisons les observations allant d'avril 1998 à avril 1999 pour lesquelles nous allons calculer certaines statistiques (le Mean Absolute Error, le Mean Absolute Percentage Error et le Theil Inequality Coefficient) qui nous permettrons de décider.

· l'Erreur absolue moyenne ("Mean Absolute Error") :

MAE(e) = = 3805,75 M

· l'Erreur absolue moyenne en pourcentage ("Mean Absolute Percent") :

MAPE(e) = = 12,02 %

· Critère de U de Theil :

U = = 0.067 0 < U=0,067 < 1

Au vu des résultats fournis par les statistiques ci-haut, nous affirmons que nos prévisions sont assez bonnes. En effet, le MAE représente 12 % ; ce qui est passable, car la limite (marge de tolérance) étant généralement établie à 15 %. Par ailleurs, le coefficient de Theil qui est proche de zéro confirme également la bonté de nos prévisions.

Actual: SER1 Forecast: SER1F

Sample: 1998:04 1999:04

Include observations: 13

Root Mean Squared Error 4270.008

Mean Absolute Error 3805.750

Mean Absolute Percentage Error 12.02121

Theil Inequality Coefficient 0.067427

Bias Proportion 0.011420

Variance Proportion 0.478842

Covariance Proportion 0.509738

* ²⁵ NSA BAKINDO, op. cit., p. 45.