Etude prévisionnelle de la consommation nationale du gaz en Algérie

5.3 Etude de la serie de consommation industrielle (CI)

5.3.1 IdentiÖcation

La série O It représente líévolution mensuelle de la consommation nationale du gaz naturel

de líindustrie algérienne sur une période allant de janvier 1997 a décembre 20 0 4.

^{a-Representation graphique de la serie brute ' *} t

^{FIG.III.1ó Graphe de la serie brute O I}t

Globalement, la représentation graphique de la série présente des variations montrant un mouvement ascendant suivis par díautres descendants áuctuant entre des valeurs 10 ^, et

1, 9E ) 08 ainsi que de nombreux pics compensés souvent par des creux. Pour absorber le

phénomène de variabilité líintroduction díune transformation logarithmique est nécessaire pour la suite de notre étude.

b-Introduction du logarithmique

^{FIG.III.2ó Graphe de la serie brute LB : O I}t

Cette représentation, a une allure similaire a celle de la série brute O It, mais la transformation logarithmique a amorti les pics et les creux, líéchelle de mesure est réduite (les valeurs áuctuent entre 18 .4 et 19.1), on peut remarquer que la série est a§ectée díune tendance qui peut être stochastique ou déterministe.

c-Analyse preliminaire de la serie + - ) ' * t

Examen du correlogramme de la serie

Líanalyse du corrélogramme simple et partiel nous indique une non stationnarité de la série. Pour la saisonnalité, le corrélogramme ne montre aucun signe de sa présence, néanmoins un test de saisonnalité sera entrepris pour e§acer équivoque.

En e§et, la fonction díautocorrélation simple ne décroÓt pas de manière rapide vers zéro

et le premier terme du corrélogramme partiel est très important (0 .5 90 ) ceci nous mène a tester líexistence díune tendance déterministe ou stochastique par líemploi du test de racine unitaire.

^{FIG.III.3ó Corrélogramme de la série + - ) ' *} t

^{Etude de la saisonnalite de la serie LB : O I}t

Source des variations	SO	d.liberté	M O	F	P _o b	F critique
Lignes	1250 .5	11	15 2.1	1.3 2	1.23 E 4	1.8 7

11

Etant donné que F 6 1.3 2 < F ^{0 ) 05}

6 1.8 7, nous pouvons dire que la série en question

est dépourvue díun caractère saisonnier. La consommation industrielle, contrairement a la

consommation publique et celle des centrales électriques níobéÓt pas au phénomène saison- nier, elle est plutôt tributaire de líétat socio-économique du pays.

Test de racine unitaire (Dickey-Fuller) sur la serie + - ) ' * t

Donc a líaide du logiciel EVIEWS, les paramètres des modèles [ 4] , [ 5 ] et [ 6] sont estimés par la méthode des moindres carrés ordinaires avec p 6 0 , les résultats díanalyse sont repré- sentés ci-dessous.

, 9 6 7 8 7 [ % ] A LB : O It 6 b LB : O It 1 ) O ) b t ) t t

, 9 6 7 8 7 [ $ ] A LB : O It 6 b LB : O It 1 ) O ) t t

Les statistique t^X' associées aux modéles [ 5 ] et [ 6] respectivement sont supérieurs a toutes

les valeurs critiques relatives aux seuils 1% , 5 % et 10 % : líhypothése H0 est rejetée la série + - ) ' * t ne posséde pas de racine unitaire, elle est donc stationnaire.

La probabilité de nullité du coecents cient de la tendance est supérieure au seuil 5 % , la va- leur empirique t-statistic est inférieur aux valeurs critiques tabulées par Dickey-Fuller. On accepte donc líhypothése de nullité du coecents cient de la tendance et le processus níest pas de type T S. La probabilité de nullité de la constante est inférieure au seuil 5 % , et sa valeur em- pirique t-statistic est supérieure aux valeurs critique tabulées par Dickey-Fuller. On rejette donc líhypothése de nullité de la constante.

La série + - ) ' * t níadmet ni tendance déterministe ni stochastique donc le processus est stationnaire.

SpeciÖcation du modèle

Díaprés le corrélogramme nous sommes amenés a avoir plusieurs modéles candidats ARM A(1, 1), ARM A(4, 4), ARM A(6, 6), ...., suivant les Critéres de pouvoir prédictif et les critéres díin- formations nous avons choisi le modéle ARM A(1, 12)

5.3.2 Estimation des paramètres du modèle ARM A(1, 12)

ARM A(1, 12)

Remarques

1-Le modéle ARM A(1, 12) est le modéle qui présente les meilleurs critéres de pouvoir prédictif (a savoir R² , R² : maximum ; et SSR, AI O, SO : minimum)

2- La statistique de Durbin-Watson 6 2.14, présage un bon ajustement.