2.2. Approche empirique et opérationnelle
2.2.1. Analyse statistique et
économétrique
Il est présenté ici les principaux
résultats obtenus suite à l'estimation des différents
modèles retenus. Pour se faire, la méthodologie d'estimation
utilisée est exposée ainsi que les principales étapes, les
résultats y relatifs et les principaux enseignements.
2.2.1.1. Méthodologie d'estimation
L'étude de la demande d'essence ici, invite à
rechercher si des variables (séries temporelles) ont des comportements
proches au cours du temps. Ces évolutions similaires sont
repérables en économétrie par une relation de
cointégration (Granger, 1989).
La théorie de la cointégration est la version
multivariée du concept de racine unitaire. Pour les économistes,
cette notion est importante puisque de nombreuses relations
macroéconomiques peuvent s'interpréter comme des relations
d'équilibre de long terme. D'un point de vue statistique, les
composantes d'un vecteur cointègrent lorsqu'il existe
une combinaison
linéaire stationnaire de celles-ci même si
individuellement les séries ne le sont pas.
Pour estimer l'élasticité-prix de la demande
d'essence et réduire l'incertitude qui entoure son calcul, nous
procédons à l'estimation du modèle en combinant des
techniques alternatives à base de séries temporelles.
Plusieurs approches sont proposées par la
littérature économétrique. Nous présentons quelques
unes : Approche de Engle et Granger (1987) ; Approche de Johansen (1988) ;
approche de Philips et Hansen (1990).
ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES
PRIX A COURT ET LONG TERMES Page 30
Dans un premier temps, on étudie la
stationnarité des différentes séries à exploiter
pour l'analyse. Les statistiques à utiliser sont celles de Dickey Fuller
(DF, ADF) et de Phillips-Perron.
Ces tests permettent de détecter la présence
d'une racine unitaire. En général, on débute par le
modèle le plus large (avec constante et tendance) en intégrant le
nombre de retards retenu après examen de la fonction
d'auto-corrélation partielle. Par la méthode des moindres
carrés ordinaires, on teste l'égalité à zéro
du coefficient de la tendance. Si l'hypothèse nulle est rejetée,
on poursuit avec le test de racine unitaire sinon on refait la
régression sans la tendance cette fois-ci pour tester
l'égalité à zéro de la constante. Supposé
que l'hypothèse nulle est rejetée, on poursuit avec le test de
racine unitaire autrement on procède au test de racine unitaire sur le
modèle sans constante et sans tendance.
Plusieurs cas peuvent se présenter. Seulement quelques
cas sont exposés
ici.
Si toutes les séries sont stationnaires, il s'en suit
qu'il n'y a pas de relation de cointégration et donc on procède
à l'estimation du modèle. Par contre, si toutes les séries
sont non stationnaires et cointégrées, alors, on utilise le
modèle à correction d'erreur pour estimer les dynamiques de long
et de court termes. Il se peut également que seulement quelques
séries cointègrent. Dans ce cas on procède d'abord
à l'estimation de la variable de cointégration Zt qui remplace
les séries cointégrées pour la suite de la
modélisation. Ensuite on inclut dans le modèle la variable de
cointégration Zt en remplacement des variables qui cointègrent et
on estime le modèle. Il est aussi possible que les séries
à étudier soient d'ordres d'intégration différents
et qu'aucune d'entre elles ne soient cointégrées. Alors, on fait
recours au modèle VAR sur variables stationnarisées et aux
fonctions de réponse impulsionnelles ou on utilise la méthode
ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES
PRIX A COURT ET LONG TERMES Page 31
d'estimation autoregressive distributed lag (ARDL)
développée par Pesaran et Shim (1996 et 1998), Pesaran et al.
(2001).
Pour cela, l'estimation des différentes
équations est réalisée à l'aide du logiciel
économétrique Eviews. Les principaux résultats sont
présentés dans la sous-section suivante.
| 
