III. ESTIMATION
A. Modèle empirique
S'inspirant du modèle théorique et tenant compte
des particularités de notre étude, nous choisissons un
modèle linéaire simple formulé comme suit :
T_banct = a0 + a1X1t + a2X2t + . . . . +Y
ak--kt où :
T_banct : le taux de bancarisation du
Bénin au temps t ;
X1t, X2t, . . ., Xkt : les variables
explicatives au temps t ;
a1, a2, . . ., ak : les coefficients
associés aux variables explicatives respectives X1t, X2t, . . ., Xkt
;
a0 : la constante du modèle.
B. Signes attendus des variables retenues
Tableau N°9 : Signes attendus des variables.
|
Type de
variable
|
Variables
|
Signe
attendu
|
Explication
|
|
Variable
à
explique
r
|
T_banc
|
|
|
|
Pib_hbt
|
+
|
Plus il y a de création de richesse, plus il y a de
création de compte(s) bancaire(s) entraînant ainsi une
augmentation du taux de bancarisation.
|
|
B_petit
|
-
|
Du fait du manque d'économie d'échelle, les
coûts d'ouverture et de fermeture des comptes sont élevés
et découragent la création de compte. Ce qui entraîne une
diminution du taux de bancarisation.
|
|
T_crd_clt
|
-
|
Plus le taux de crédit à la clientèle des
banques est élevé, moins on est encouragé à ouvrir
de compte(s) en banque, il y a donc réduction du taux de
bancarisation.
|
|
P_demo_imf
|
+
|
Plus les IMF installent leurs guichets, plus les populations
s'accoutument aux services financiers et désireront
ouvrir de compte(s) bancaire(s) lorsque les IMF ne seront plus en mesure de
satisfaire leurs besoins en ces services. Il s'en suit un accroissement du taux
de bancarisation.
|
|
Prog_clts_i
mf
|
+
|
Au fur et à mesure que s'accroit le nombre de
bénéficiaires de microcrédit, le potentiel latent de
bancarisation augmente et, à chaque fois, le besoin d'utiliser des
services bancaires est exprimé. Ce qui entraîne un accroissement
du taux de bancarisation.
|
Source : Elaboré par nous-mêmes.
Il ressort de l'Analyse multidimensionnelle que chacune des
variables explicatives ont un impact soit positif ou négatif sur le taux
de bancarisation. Cet
68
APPROCHE ANALYTIQUE DE LA FAIBLE BANCARISATION DANS LES PAYS DE
L'U.E.M.O.A : CAS DU BENIN
impact se traduit en terme de signe du coefficient associé
à chacune de ces variables. Nous récapitulons les signes attendus
dans le tableau N°9 ci-dessus.
C. Résultats de l'estimation
L'estimation du modèle de l'étude à l'aide
du logiciel Eviews a donné les résultats suivants :
Variable dépendante : t_banc
Méthode : Moindres carrés ordinaires Echantillon :
1999T1 2006T4
Observations incluses : 32
|
Variable
|
Coefficient
|
Erreurs t-Statistique
|
Prob.
|
|
c
|
-12.80525
|
0.416992 -30.70858
|
0.0000*
|
|
b_petit
|
0.009247
|
0.001720 5.376785
|
0.0000*
|
|
p_demo_imf
|
0.085718
|
0.029366 2.918962
|
0.0072*
|
|
pib_hbt
|
0.206822
|
0.005750 35.96617
|
0.0000*
|
|
prog_clts_imf
|
0.046868
|
0.006215 7.540587
|
0.0000*
|
|
t_crd_clt
|
-0.038438
|
0.027302 -1.407892
|
0.1710
|
|
R carré
|
0.997643
|
Moyenne t_banc
|
2.591997
|
|
R carré ajusté
|
0.997190
|
Ecart type t_banc
|
1.072034
|
|
Som. err. de la régression
|
0.056831
|
critère d'info. d'Akaike
|
-2.730093
|
|
Som. du carré des résidus
|
0.083975
|
critère de Schwarz
|
-2.455267
|
|
Vraissemblance
|
49.68148
|
Statistique de Ficher
|
2200.931
|
|
Stat. de Durbin-Watson
|
1.156630
|
Prob. de la Stat. de Ficher
|
0.000000
|
Source : Estimation sur la base des données
utilisées dans le logiciel Eviews. *
: La variable correspondante est significative au seuil de
1%.
L'équation du modèle s'écrit donc :
T_banc = -12.80 + 0.0092*B_petit + 0.0857*P_demo_imf +
0.2068*Pib_hbt + 0.0468*Prog_clts_imf - 0.0384*T_crd_clt
| 
