Analyse de la demande d'essence au Bénin: effet des prix à court et long termes

TITRE IV : DE LA CAISSE DE PEREQUATION TRANSPORT

Article 10 : Il est autorisé la création par les opérateurs privés du secteur, d'une caisse de péréquation transport dont le règlement intérieur, la gestion et les modalités de fonctionnement relèvent exclusivement de ces opérateurs.

TITRE V : DES DISPOSITIONS FINALES

Article 11 : Le Ministre de l'Industrie, du Commerce et de la Promotion de l'Emploi, le Ministre des Finances et de l'Economie et le Ministre des Mines, de l'Energie et de l'Hydraulique sont chargés chacun en ce qui le concerne de l'application du présent décret qui abroge toutes dispositions antérieures contraires et sera publié au Journal Officiel.

Fait à Cotonou, le 04 août 2004

Par le Président de la République,

Chef de l'Etat, Chef du Gouvernement,

Mathieu KEREKOU.-

Le Ministre des Finances Le Ministre des Mines, de l'Energie

Et de l'Economie, et de l'Hydraulique,

Grégoire LAOUROU.- Kamarou FASSASSI.-

Le Ministre de l'Industrie, du Commerce
Et de la Promotion de l'Emploi,

Fatiou AKPLOGAN.-

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page IV

Annexe 2 : Le cercle des corrélations

Annexe 3 : Tableau des valeurs propres issues de l'ACP

Numéro	Valeur propre	Pourcentage	Pourcentage cumulé
1	2,2358	37,26	37,26
2	1,6263	27,11	64,37
3	1,1089	18,48	82,85
4	0,5071	8,45	91,30
5	0,4717	7,86	99,16
6	0,0501	0,84	100,00

Source : auteur

Annexe 4 : Tests de racine unitaire

i) Quelques détails sur la dessaisonalisation

Pour analyser des séries mensuelles, trimestrielles, il est important de retirer la composante saisonnière systématique. Une méthode courante pour corriger une série temporelle de ses variations saisonnières est la méthode de lissage exponentiel. Précisément, nous utilisons la méthode dite de lissage triple, aussi appelée méthode de Holt-Winters.

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page V

Concrètement, nous avons utilisé la commande exponentiel smoothing du logiciel Eviews qui permet de choisir la méthode de lissage (additive, multiplicative) et d'estimer les paramètres du lissage. Nous avons, dans le présent mémoire, opté pour un schéma saisonnier multiplicatif laissant le choix au logiciel d'estimer les paramètres de lissage.

Résultat 1: Résultats de la correction saisonnière de la variable LNPINFOR : Paramètres de lissage

Sample: 2005M01 2011M12

Included observations: 84

Method: Holt-Winters Multiplicative Seasonal

Original Series: LNPINFOR

Forecast Series: LNPINFORSM

Parameters: Alpha			0.8100
Beta			0.0000
Gamma			0.0000
Sum of Squared Residuals			0.359740
Root Mean Squared Error			0.065442
End of Period Levels:	Mean		5.685273
	Trend		-6.15E-05
	Seasonals:	2011M01	1.009335
		2011M02	0.999400
		2011M03	0.995649
		2011M04	1.000215
		2011M05	0.995537
		2011M06	0.999302
		2011M07	0.993360
		2011M08	0.993672
		2011M09	0.999807
		2011M10	1.001042
		2011M11	1.001873
		2011M12	1.010808

Source : auteur

ii) Examen de la fonction d'Autocorrélation Partielle

Pour déterminer le nombre de retards p à retenir dans les regressions des tests ADF, on va examiner le corrélogramme de la série en différence première.

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page VI

De l'examen des fonctions d'autocorrélation des six variables, on constate que la première autocorrélation partielle est significativement différente de zéro. Ceci nous conduit à retenir un nombre de retard égale à 1.

Résultat 2 : Corrélogramme de la variable désaisonnalisée LNPINFORM en première différence

Sample: 2005M01 2011M12 Included observations: 83

Autocorrelation		Partial Correlation			AC	PAC	Q-Stat	Prob
. | .	|	. | .	|	1	-0.017	-0.017	0.0237	0.878
.*| .	|	.*| .	|	2	-0.110	-0.111	1.0862	0.581
.*| .	|	.*| .	|	3	-0.059	-0.064	1.3963	0.706
.*| .	|	.*| .	|	4	-0.146	-0.164	3.3120	0.507
. |*.	|	. |*.	|	5	0.146	0.128	5.2434	0.387
. | .	|	.*| .	|	6	-0.044	-0.083	5.4180	0.491
.*| .	|	.*| .	|	7	-0.153	-0.148	7.5784	0.371
. | .	|	. | .	|	8	-0.020	-0.052	7.6170	0.472
. | .	|	. | .	|	9	-0.032	-0.037	7.7119	0.563
. | .	|	.*| .	|	10	-0.004	-0.077	7.7131	0.657
.*| .	|	.*| .	|	11	-0.104	-0.168	8.7801	0.642
. | .	|	. | . |		12	0.032	0.034	8.8841	0.713
. | .	|	. | . |		13	0.049	-0.013	9.1249	0.763
. | .	|	. | . |		14	0.026	-0.023	9.1927	0.819

Source : auteur

On voit clairement que la première autocorrélation partielle est significativement différente de zéro.

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page VII

iii) Test de stationnarité sur variables désaisonnalisées Cas de LNPINFORSM

Résultat 3 : Résultat de la régression du modèle 1

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNPINFORSM) Method: Least Squares

Sample (adjusted): 2005M02 2011M12 Included observations: 83 after adjustments

Variable	Coefficient	Std. Error t-Statistic	Prob.
LNPINFORSM(-1)	-0.149441	0.058169 -2.569082	0.0121
C	0.876140	0.340219 2.575220	0.0119
@TREND(2005M01)	-0.000159	0.000276 -0.574775	0.5671
R-squared	0.076637	Mean dependent var	0.000463
Adjusted R-squared	0.053552	S.D. dependent var	0.061346
S.E. of regression	0.059680	Akaike info criterion	-2.764148
Sum squared resid	0.284941	Schwarz criterion	-2.676720
Log likelihood	117.7121	F-statistic	3.319885
Durbin-Watson stat	1.705928	Prob(F-statistic)	0.041201

Source : auteur

La tendance n'est pas significativement différente de zéro. Alors on passe au modèle 2 (sans tendance avec constante).

Résultat 4 : Résultat de la régression du modèle 2

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNPINFORSM) Method: Least Squares

Date: 08/27/12 Time: 18:39

Sample (adjusted): 2005M02 2011M12 Included observations: 83 after adjustments

Variable	Coefficient	Std. Error t-Statistic	Prob.
LNPINFORSM(-1)	-0.144522	0.057298 -2.522300	0.0136
C	0.840862	0.333251 2.523207	0.0136
R-squared	0.072823	Mean dependent var	0.000463
Adjusted R-squared	0.061377	S.D. dependent var	0.061346
S.E. of regression	0.059433	Akaike info criterion	-2.784123
Sum squared resid	0.286118	Schwarz criterion	-2.725838
Log likelihood	117.5411	F-statistic	6.361998
Durbin-Watson stat	1.707826	Prob(F-statistic)	0.013618

Source : auteur

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page VIII

Le modèle retenu est le modèle 2. On procède à présent au test de racine unitaire à partir du modèle 2.

Résultat 5 : test de racine unitaire sur la variable lnpinforsm

Null Hypothesis: LNPINFORSM has a unit root Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=1)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.522300 0.1139

Test critical values: 1% level -3.511262

5% level -2.896779

10% level -2.585626

*MacKinnon (1996) one-sided p-values.

Source : auteur

Conclusion: la série lnpinformsm est non stationnaire en niveau. Elle est de type DS.

Résultat 6 : test de racine unitaire sur la variable lnpinforsm différenciée

Null Hypothesis: D(LNPINFORSM) has a unit root Exogenous: Constant

Lag Length: 0 (Automatic based on SIC, MAXLAG=1)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -10.00388 0.0000

Test critical values: 1% level -3.512290

5% level -2.897223

10% level -2.585861

*MacKinnon (1996) one-sided p-values.

Source : auteur

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page IX

Résultat 7 : résultat de l'estimation du modèle 2 pour la variable Dlnpinformsm

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LNPINFORSM,2) Method: Least Squares

Date: 08/27/12 Time: 19:04

Sample (adjusted): 2005M03 2011M12 Included observations: 82 after adjustments

Variable	Coefficient	Std. Error t-Statistic	Prob.
D(LNPINFORSM(-1))	-1.015450	0.101506 -10.00388	0.0000
C	0.003296	0.006223 0.529558	0.5979
R-squared	0.555747	Mean dependent var	0.003060
Adjusted R-squared	0.550194	S.D. dependent var	0.084026
S.E. of regression	0.056354	Akaike info criterion	-2.890243
Sum squared resid	0.254061	Schwarz criterion	-2.831542
Log likelihood	120.5000	F-statistic	100.0775
Durbin-Watson stat	2.032530	Prob(F-statistic)	0.000000

Source : auteur

La constante n'est pas significative après différentiation de la variable lnpinforsm. Il faut reprendre le test en retirant du modèle la constante. Le résultat obtenu révèle que lnpinformsm est stationnaire en première différence.

Résultat 8 : test de racine unitaire sur la variable différentiée dlnpinformsm à partir du modèle 1

Null Hypothesis: D(LNPINFORSM) has a unit root Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=1)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -10.04667 0.0000

Test critical values: 1% level -2.593468

5% level -1.944811

10% level -1.614175

*MacKinnon (1996) one-sided p-values.

Source : auteur

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page X

LNPINFORMSM est stationnaire en première différence sans tendance ni constante.

Des résultats analogues sont aussi obtenus à partir du test de racine unitaire de Phillips-Perron. Les principaux résultats se présentent comme suit :

Résultat 9 : test de racine unitaire de Phillips-Perron sur la variable lnpinformsm en niveau (modèle 1)

Null Hypothesis: LNPINFORSM has a unit root Exogenous: None

Bandwidth: 6 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 0.042798 0.6937

Test critical values: 1% level -2.593121

5% level -1.944762

10% level -1.614204

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.003718

HAC corrected variance (Bartlett kernel) 0.002577

Source : auteur

Résultat 10 : test de racine unitaire de Phillips-Perron sur la variable LNPINFORSM en première différence

Null Hypothesi: D(LNPINFORSM) has a unit root Exogenous: None

Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -10.17201 0.0000

Test critical values: 1% level -2.593468

5% level -1.944811

10% level -1.614175

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.003109

HAC corrected variance (Bartlett kernel) 0.002761

Source : auteur

ANALYSE DE LA DEMANDE D'ESSENCE AU BENIN : EFFET DES PRIX A COURT ET LONG TERMES Page XI

La même démarche est observée pour toutes les autres variables. Les principaux résultats sont consignés dans le tableau ci-dessous.

Résultat 11 : structure des différentes séries de l'analyse

Variablesde désaisonnalisées	nombre retards	ADF			Phillips-Perron
		stat (prob)	I(d)	Structure de la série	stat (prob)	I(d)	Structure de la série
Niveaux
LNIMMAUTSM	1	-4.167915 (0,0076)	1(0)	Avec trend et constante	-2.933110 (0,1578)	1(1)	Sans trend ni constante
LNIMMOTOSM	1	-0.716063 (0.4760)	I(1)	Sans trend ni constante	-1.550964 ( 0.1130)	I(1)	Sans trend ni constante
LNPFORMSM	1	-3.027984 (0.0364)	I(0)	Sans trend avec constante	-2.384687 (0.1491)	I(1)	Sans trend avec constante
LNPINFORSM	1	-2.522300 ( 0.1139)	I(1)	Sans trend avec constante	0.042798 (0.6937)	I(1)	Sans trend ni constante
LNVENTFORSM	1	-3.727177 (0.0053)	I(0)	Sans trend avec constante	-3.939639 (0.0028)	I(0)	Sans trend avec constante
LNVENTINFOSM	1	-2.723506 ( 0.0744)	I(1)	Sans trend avec constante	-2.991762 ( 0.0398)	I(0)	Sans trend avec constante
Différences premières
DLNIMMAUTSM	1	-	-	-	-7.374571 (0,0000)	I(0)	Sans trend ni constante
DLNIMMOTOSM	1	-10.00592 (0,0000)	I(0)	Sans trend ni constante	-12.46781 ( 0.0000)	I(0)	Sans trend ni constante
DLNPFORMSM	1	-7.613359 (0,0000)	I(0)	Sans trend ni constante	-7.613359 (0.0000)	I(0)	Sans trend ni constante
DLNPINFORSM	1	-10.04667 (0.0000)	I(0)	Sans trend ni constante	-10.17201 (0.0000)	I(0)	Sans trend ni constante
DLNVENTINFOSM	1	-9.384430 ( 0.0000)	I(0)	Sans trend ni constante	-	-	-

Source : auteur