Memoire Online - Investissement dans le secteur agricole et la croissance économique

Ces processus affectés d'une tendance appelés TS (trend stationary) lesquels présentent une stationnarité déterministe. Le processus le plus simple de ce genre est celui exprimé par l'équation^5(*) :

(4.12)

Si le processus est affecté d'une tendance, la stationnarisation se fait par les moindres carrés ordinaires^6(*)

1.2.2 Les Processus DS (DifferencyStationary)

Ces types de processus peuvent être stationnarisés moyennant un filtre aux différences tel que exprimé par l'expression :

(4.13)

Une série non stationnaire à niveau peut le devenir en prenant des différences entre valeurs consécutives. Si une série qui, au départ n'est pas stationnaire à niveau mais en la différenciant une fois elle devient stationnaire, nous dirons que la série original est intégré d'ordre 1 et nous écrivons I(1). S'il faut intégrer une série d fois pour la rendre stationnaire, nous dirons que la série originale est intégrée d'ordre d et nous l'exprimons par I(d).

Pour le cas de ce travail, les différents graphiques représentatifs des séries étudiées laissent croire que ces séries ne sont pas stationnaires. Une étude des relations structurelles existant entre les performances économiques de deux secteurs d'activité en RDC nécessite au préalable d'effectuer des tests de stationnarité afin de déterminer l'ordre d'intégration de chaque série. Les tests ADF ont été utilisés à cet effet. A part la série concernant la production agricole les autres séries ne sont pas stationnaires à niveau.

A. TESTS FORMELS : TEST DE RACINE UNITAIRE ( ADF ET MacKinnon)

Les valeurs de la statistique ADF (tendance et intercepte, intercepte) en valeur absolue sont inférieures aux valeurs critiques de la statistique de Mackinnon en valeur absolue. D'ou la série sous étude est non stationnaire. Cette non stationnarité est de type DS car le coefficient associé à la tendance est non significatif au regard de la t-stat. (Cfr Tableau 2 en annexe)

La série est stationnaire (tendance et intercepte) car, la valeur de la statistique ADF en valeur absolue est supérieure aux valeurs de la statistique de Mackinnon en valeur absolue à tous les seuils.(Cfr Tableau 3 en annexe)

La série est non stationnaire au regard de la valeur de la statique ADF en valeur absolue qui est Inférieure aux valeurs critiques de Mackinnon .Et étant donné que la valeur de la statistique t-stat associée à la tendance est non significatif au seuil de 5%. Cette non stationnarité est aussi du type DS.(cfr Tableau 1 en annexe)

On Remarque que la série devient stationnaire après la différence première ( Cfr tableau 5 en annexe).

La série est stationnaire au regard de la statistique ADF qui est supérieure à toutes les statistiques de Mackinnon en valeur absolue après la différence première (Cfr Tableau 4 en annexe).

Pour déterminer le décalage optimal, il faut passer par les critères d'AKAIKE et de SCWHARTZ spécifiées aux équations (4.10) et (4.11).

En d'autres termes, il faut passer par les lignes sur lesquelles figurent les valeurs minimales de ces deux critères, c'est sur ces régressions que l'on prend le décalage optimal. Pour notre travail, cinq régressions ont été tentées au moyen du logiciel Eviews 5-0 en utilisant les commandes suivantes :

Le tableau ci-après résume toutes les étapes pour déterminer ce log optimal.

Commandes evews	K	AIC	SC
Varest(1,1)	1	20.75069	21.30578
Varest(1,2)	2	19.54928	20.53012
Varest(1,3)	3	19.15156	20.56601
Varest(1,4)	4	19.34237	21.19794
Varest(1,5)	5	18.84811	21.15182

Le critère AIC est minimisé au 5^ème décalage par contre le critère de SC est minimisé au 2^ème décalage, ce qui nous place dans un dilemme mais selon le principe de la parcimonie, on accepte le modèle qui comprend les moins de paramètres estimés. De plus, économiquement il est plus facile d'interpréter un VAR dont le décalage est 2 que celui qui a un décalage plus élevé. C'est ainsi que nous optons pour VAR(1,2)

Nous venons de trouver que le modèle adapté à nos données est un VAR(1,2). Cela étant nous allons dans un premier temps spécifier économiquement, mathématiquement et économétriquement le modèle VAR(1,2).

L'analyse économique postule qu'une relation positive existe entre les dépenses en capital dans le secteur agricole et le niveau de la production agricole. Toute augmentation des dépenses en capital dans le secteur agricole peut conduire à l'augmentation du niveau de production agricole. Il en est de même pour la production agricole et la croissance économique, selon la théorie économique il existe une relation positive entre les deux.

§ Comme indicateur de la croissance économique nous utilisons les accroissements de PIB par tête symbolisé par DGP ;

§ Le niveau annuel de la production de agricole (en dollars) que nous noterons PROAGR (Banque mondiale) ;

§ Les dépenses en capital dans le secteur agricole sont mesuré par CDF, noté par DEPAGR (ministère de l'agriculture) ;

DDEPAGR_t = â₁₀ + â₁₁DDEPAGR_t-1 + â₁₂DDEPAGR_t-2 + â₁₃DDGP_t-1+ â₁₄DDGP_t-2+â₁₅PROAGR_t-1 + â₁₆PROAGR_t-2+ u_1t

DDGP_t = â₂₀ + â₂₁DDEPAGR_t-1 + â₂₂DDEPAGR_t-2 + â₂₃DDGP_t-1+â₂₄DDGP_t-2+â₂₅PROAGR_t-1 +â₂₆PROAGR_t-2 + u_2t

PROAGR_t = â₃₀ +â₃₁DDEPAGR_t-1 + â₃₂DDEPAGR_t-2 + â₃₃DDGP_t-1+ â₃₄DDGP_t-2+ â₃₅PROAGR_t-1+ â₃₆PROAGR_t-2 + u_3t

Ce modèle estimé dans le cadre de ce travail est un VAR(1,2). Le modèle VAR (Vecteur autorégressif) est un modèle à équations simultanées dans lequel une variable dépend non seulement des ses valeurs passées mais des valeurs passées et présentes des autres variables. Après estimation du modèle VAR(1,2) ci-haut nous obtenons l'output de l'estimation (cfr tableau 6)

(-4,60454) (-5,07227) - 8540.505993*DDGP(-1)-5739.592614*DDGP(-2)-42.08029118*PROAGR(-1)

(0,22942) (0,78260) -.08207693164*DDGP(-1)+0.1429850987*DDGP(-2)+0.005521961363*PROAGR(-1)-

(0,10086) (2,06778) -61.5364243*DDGP(-1)-68.10712952*DDGP(-2)+0.3421328785*PROAGR(-1)

Investissement dans le secteur agricole et la croissance économique

1.2.1 Les Processus TS (Trend Stationary)

1.2.2 Les Processus DS (DifferencyStationary)

A. TESTS FORMELS : TEST DE RACINE UNITAIRE ( ADF ET MacKinnon)