Aide alimentaire au Bénin: enjeux et perspectives sur la production céréalière

Paragraphe 2 : METHODOLOGIE

A- La méthodologie

1- Le modèle théorique

La spécification de notre modèle se basera sur les études effectuées par Lonège Ogisma (2004) en Haïti.

Le choix d'un modèle semblable à celui de Lonège Ogisma (2004) se justifie à plusieurs égards. En effet cette étude présente un modèle à trois (03) variables explicatives de l'aide alimentaire : X1t : le nombre de personnes qui en font la demande ; X2t : la pluviosité et X3t : les prix mondiaux et Yt : l'aide alimentaire reçue comme variable expliquée.

Ce modèle qui se présente sous la forme : Yt = F (X1t, X2t, X3t), présente l'avantage d'avoir été appliqué à un pays sous développé, qui présente des caractéristiques et réalités économiques communes avec le Bénin. Ce modèle a été modifié. Nous introduirons de nouvelles variables pour répondre à certaines spécificités de l'économie béninoise et au manque de séries statistiques.

2- / eN rolliIEIN IERDCDIDNI Pour la vérification de l'hypothèse n°1, nous utiliserons l'analyse graphique.

14

Pour vérifier les hypothèses n°2 et n°3, nous utiliserons un modèle économétrique. Ce dernier est linéaire et relie la production agricole béninoise à ses variables explicatives : AID (aide alimentaire); IMPOR (Importation); PLU (la pluviosité dans le pays) ; SUP (la superficie emblavée pour la production domestique).

Prodt= a0 + a1AIDt + a2IMPORt +a3PLUt +a4SUPt +a5 AIDt² + lit (1)

Avec a0 représentant la constante ; a1, a2, a3, a4 et a5 les coefficients respectifs des différentes variables ; t le temps et lit : terme d'erreur.

Tableau 1 : Définitions et signes attendus des variables du modèle

VARIABLES	SIGNIFICATION DES VARIABLES	SIGNE ATTENDU DES COEFFICIENTS
Prod	production nationale	Expliquée
a0	Constante	+ /-
IMPORT	Importation	+
SUP	La superficie totale emblavée pour la production nationale	+
PLU	Le niveau la pluviosité dans le pays	+
AID	Aide alimentaire	+

Source : réalisé par les auteurs compte tenu de nos hypothèses

B - Les données et la méthode d'estimation 1- La procédure de l'estimation

Pour l'estimation de notre modèle et les tests des hypothèses, nous avons utilisé la technique d'estimation des données des séries chronologiques, méthode à correction d'erreur par le logiciel Eviews 5.0. Les tests des hypothèses seront réalisés par le même logiciel Eviews.

Les travaux liés aux traitements économétriques (étude de stationnarité des variables, régression, tests statistiques...) seront également effectués. L'approche méthodologique adoptée pour l'étude économétrique comporte les étapes suivantes :

- Nous effectuerons l'étude de stationnarité de nos variables pour vérifier la présence de tendance déterministe ou de la tendance stochastique (racine unitaire). Pour étudier la

stationnarité de nos variables, nous utiliserons les tests de Dickey-Fuller augmenté (ADF). Si ADF > valeur critique alors on accepte H0 : la série a une racine unitaire. Si ADF = valeur critique alors accepte H1 : la série n'a pas de racine unitaire.

- Après les tests de stationnarité ou de racine unitaire, on passe aux tests de co-intégration, utilisés dans l'estimation de la relation de long terme entre les variables. Ce test est effectué lorsque les variables ne sont pas stationnaires au même degré.

Ils se font soit par l'approche d'Engle et Granger (1987), soit par l'approche de Johansen (1988).

L'approche de Johansen permet par la méthode de maximum de vraisemblance de tester l'existence d'une relation de long terme dans les séries temporelles stationnaires et d'obtenir tous les vecteurs de cointégration dans un cadre multi varié. Contrairement à l'approche d'Engle et Granger qui ne tient compte que d'une seule relation de cointégration, celle de Johansen paraît plus attrayante lorsqu'on veut tester la cointégration dans un système de plusieurs variables. Cette approche est basée sur deux (02) tests :

Le premier, appelé statistique de la trace, teste l'existence d'au moins n vecteurs de cointégration dans un système comportant N - n variables.

Le second dénommé statistique de la valeur propre maximale, teste s'il existe exactement n vecteurs de co-intégration contre l'alternative de n+1 vecteurs.

- Test de Ramsey : l'objet de ce test est de voir si le modèle souffre de l'omission d'une ou plusieurs variables pertinentes en introduisant une variable fictive.

- L'estimation avec la méthode des Moindres Carrés Ordinaires (MCO). Les variables non stationnaires en niveau sont pris en différence selon l'ordre d'intégration

La validation comporte deux (02) sous-étapes. La première est relative à l'aspect économique et permet de voir si les signes des paramètres estimés sont conformes à la théorique économique. La seconde est relative à la qualité statistique et économétrique de l'estimation. Dans ce cas, plusieurs tests seront effectués. Le test de Student, pour apprécier la qualité individuelle des coefficients (si _{|tcalculé>tthéorique|} alors le coefficient est significativement différent de zéro) ; le test de Fisher et le coefficient de détermination ajusté, pour apprécier la qualité globale du modèle (si _{|Fcalculé>Fthéorique|} alors le modèle est globalement bon) ; le test de Breusch-Godfrey et la statistique de DW de Watson seront utilisés pour vérifier s'il y a autocorrélation des erreurs et enfin la méthode de Cochrane Orcutt sera utilisée pour corriger l'autocorrélation des erreurs le cas échéant.

16

-Après l'estimation des coefficients du modèle par la méthode des MCO, Il convient de s'intéresser à la stabilité de ces coefficients.

La stabilité des coefficients est importante quand on cherche à comprendre les mécanismes économiques et à faire des prévisions. La non stabilité des coefficients peut refléter des phénomènes ponctuels dans le temps (crise, dévaluation, changement de politique...).

- Le test de normalité de Jarque-Bera

- Le test d'hétéroscédasticité de White

Les tests utilisés pour vérifier la stabilité sont au nombre de deux :

- Le CUSUM (Cumulative SUM) fondé sur la somme cumulée des résidus récursifs.

Il permet d'étudier la stabilité des équations de régression au cours du temps. Si les coefficients sont stables, alors les résidus récursifs doivent rester dans l'intervalle défini pour des seuils de confiance de 5%. Dans le cas contraire, le modèle est réputé instable.

- Le CUSUM SQ (Cumulative SUM Square) fondé sur la somme cumulée du carré des résidus récursifs permet de détecter des modifications aléatoires (ponctuelles) dans le comportement du modèle. Si les coefficients sont stables au cours du temps, alors, les résidus récursifs carrés doivent rester dans l'intervalle de confiance.

Ces tests sont fondés sur la dynamique de l'erreur de prévision. Ils permettent de déterminer les instabilités structurelles des équations de régression et d'étudier l'erreur de prévision normalisée au cours du temps.

-Après l'étude de la relation de long et de court termes entre les variables, nous nous sommes occupés à faire ressortir parmi ces variables (expliquée et explicative), celles dont les variations sont susceptibles de causer des variations d'autres variables une fois les effets déterminés. Le moyen le plus approprié pour cela est le test de causalité.

D'après Xt et Yt, deux (02) variables d'un modèle, si la série Yt contient à travers ses valeurs passées une information qui améliore la prédictibilité de Xt et si cette information n'est contenue dans aucune autre série utilisée pour calculer le prédicteur, alors on dira Yt cause Xt. La variable est causale si sa prise en compte améliore la prédiction d'une autre variable.

La causalité (ou non) au sens de Granger dépend du fait que les valeurs passées de Y améliorent (ou non) l'explication de X plutôt que de l'obtenir à partir des valeurs passées de X lui-même.

On peut alors effectuer un simple test en faisant la régression de X sur ses propres valeurs passées ainsi que sur les valeurs passées de Y. Si ces dernières sont significatives, alors on dit que Y cause X au sens de Granger. Toutefois, ce test est souvent sensible au nombre de décalages pris en compte dans la modélisation.

2- La définition des variables

Les deux (2) hypothèses de notre étude seront testées au moyen d'un modèle économétrique qui comporte six (06) variables.

Prod : (production nationale) : l'offre alimentaire dans un pays est fonction de la production domestique, des importations et de l'aide alimentaire. La production est exprimée en tonnes (t) ;

AID (aide alimentaire) :l'aide alimentaire dont bénéficie le Bénin exprimée en tonnes (t) ;

IMPOR (Importation) : la production agricole dans l'économie d'un pays est proportionnelle à l'importation ; cette dernière est supposée influencer positivement la production exprimée en tonnes (t) ;

PLU (la pluviosité dans le pays) : la production agricole est fortement dépendante de la pluviosité, la pluviosité devrait avoir un impact positif sur l'aide alimentaire exprimée en millimètre (mm) ;

SUP (la superficie emblavée) : la superficie totale entrant en ligne de compte dans la production exprimée en hectares (Ha).

3-Les sources des données et la période de l'étude

La collecte des données vise à regrouper toute la littérature sur l'aide alimentaire et la production ainsi que les données relatives aux autres variables nécessaires à l'estimation du modèle. Ce sont des données quantitatives et macroéconomiques relatives à l'économie béninoise. A cet effet, les principales sources ci-après ont été identifiées : INSAE, ONASA, Bibliothèque de la FASEG. Ainsi les ouvrages et publications ayant traité de la question de l'aide alimentaire. Aussi l'outil internet a été mis à contribution dans le cadre de cette recherche documentaire. Les données seront recueillies sur une période allant de 1982 à 2009.