Dynamique du PIB et prévision du rendement des impôts et taxes au Cameroun.

COMMUNAUTE ECONOMIQUE ET MONETAIRE DE L'AFRIQUE CENTRALE	MINISTERE DES FINANCES
Institut Sous-régional de Statistique et d'Economie Appliqué B.P. 294 Yaoundé/Cameroun, Tel: [phone] www.issea-cemac.org
	DIVISION DES STATISTIQUES, DES SIMULATIONS ET DE L'IMMATRICULATION www.impots.cm

MEMOIRE
PROFESSIONNEL

DYNAMIQUE DU PIB ET PREVISION DU RENDEMENT DES IMPOTS ET TAXES AU CAMEROUN

Rédigé par :

SA'A TANTCHI Sergiot Patrick

Élève Ingénieur Statisticien Économiste, 3^eannée

Soutenu publiquement en Janvier 2018 devant le Jury composé de :

Président du Jur_y

M. ONDO Jean Cléophas, PhD

Enseignant permanent à l'ISSEA

Examinateur

M. TCHOMTHE Sévérin
Ingénieur Statisticien
Economiste
Chef de cellule de la Recherche
Appliquée à l'INS du Cameroun

Encadreur professionnel

M. TOBO Noé Thierry
Ingénieur Statisticien
Economiste
Chargé d'Etudes Assistant à la
DGI du Cameroun

DÉDICACE

À toute la famille TANTCHI
Particulièrement à
Mon père M. TANTCHI André
Et
Àma mère Mme TANTCHI Monique

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

REMERCIEMENTS

La réalisation de ce mémoire a été possible grâce à Dieu et au concours de plusieurs personnes à qui nous voudrions témoigner toute notre reconnaissance.

Nous voudrions remercier tout d'abord l'ISSEA pour toute la formation de qualité dont nous en profitons, pour l'efficacité et la conscience professionnelle avec laquelle ses enseignants accomplissent leur travail. Les compétences acquises durant notre formation nous ont permis de satisfaire plus ou moins les exigences statistiques, économiques et professionnelles dont avait besoin le travail qui a été demande. Ainsi pour la qualité de leur enseignement, leurs conseils, et leur encadrement, nous désirons exprimer toute notre profonde gratitude au Dr. Francial Giscard Baudin LIBENGUE DOBELE-KPOKA, nouveau Directeur Général de l'Institut nommé par la conférence des chefs d'Etat de la CEMAC lors de sa session extraordinaire tenue le 31 octobre 2017 à N'djamena au Tchad, à M. Thierry MAMADOU ASNGAR, l'ancien Directeur Général, au corps administratif et enseignant, et au personnel d'appui de l'Institut. Un merci particulier à M. Jean Cléophas ONDO, PhD, Professeur correspondant, pour sa grande implication dans la réalisation de ce document, et à M. Marcel OPOUMBA, Directeur des études, pour ses conseils et encouragements.

Notre sincère gratitude va à l'endroit de M. Modeste MOPA FATOING, Directeur Général des Impôts du Cameroun, pour nous avoir gracieusement accueilli dans sa structure. A travers lui, nous remercions tout le personnel administratif de la DGI pour leur accueil et leur disponibilité. Nos remerciements vont à l'endroit de Mme Dorothy NKOM NDUM, chef de la division des statistiques pour son accueil chaleureux dans sa division. Nous remercions M. Edouard KALAWA, Sous-Directeur de statistiques et de simulations fiscales, pour l'intérêt qu'il nous a accordé, notre encadreur de stage M. Thierry NOE TOBO, Ingénieur Statisticien économiste à la DGI pour son encadrement.

Nous tenons également à remercier les camarades de classe avec qui nous avons partagé de bons moments et échangé sur nos difficultés respectives. Nous remercions aussi les amis qui de près ou de loin nous ont accompagnés dans la réalisation de ce travail.

La rédaction de ce mémoire aurait été sans doute plus difficile sans le soutien de la famille. Nous tenons à remercier ainsi la famille TANTCHI, pour l'inestimable soutien et les encouragements tout au long de la rédaction de ce mémoire.

Dynamique du PIB et prévision du rendement des impôts et taxes

SOMMAIRE

DÉDICACE i

REMERCIEMENTS ii

LISTE DES FIGURES v

SIGLES ET ABBREVIATION vii

AVANT PROPOS ix

RESUME x

INTRODUCTION 1

1. Contexte et justification 1

2. Problématique 3

3. Objectifs 3

4. Hypothèse de travail 4

5. Plan de travail 4

PREMIERE PARTIE : REVUE DE LA LITTERATURE 5

CHAPITRE 1 : RELATION ENTRE LA FISCALITE ET LA DYNAMIQUE MACROECONOMIQUE - REFORMES FISCALES POUR L'AMELIORATION DU

RECOUVREMENT FISCALE 6

1.1. Relation entre la fiscalité et la dynamique économique 6

1.2. Déterminants d'une amélioration du rendement fiscal 13

1.3. Réformes fiscales pour l'amélioration des rendements fiscaux 15

CHAPITRE 2 : CADRE GÉNÉRAL ET ETUDES EMPIRIQUES DE LA PREVISION

ECONOMIQUE-APPLICATION A LA PREVISION DES IMPOTS ET TAXES 22

2.1. Prévision économique 22

2.2. Etudes empiriques de la prévision économique 27

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

DEUXIEME PARTIE : ETUDE EMPIRIQUE 33

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P11B et prévision du rendement des impôts et taxes

CHAPITRE 3 : APPROCHE METHODOLOGIQUE ET DONNEES 34

3.1. Approche méthodologique 34

3.2. Données et traitement des données 39

CHAPITRE 4 : PREVISION DU RENDEMENT DES IMPOTS ET TAXES : ANALYSE

ET INTERPRETATION DES RESULTATS 46

4.1. Etude des propriétés stochastiques des séries 46

4.2. Analyse de la relation entre le P11B et le rendement des impôts et taxes 48

4.3. Analyse de la capacité prédictive du modèle VAR estimé 53

4.4. Evaluation de la capacité prédictive des modèles MCE et ARDL estimés et prévision du

rendement des impôts et taxes 55

CONCLUSION ET RECOMMANDATIONS 60

ELEMENTS DE BIBLIOGRAPHIE 62

ANNEXE 66

TABLE DES MATIÈRES 87

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

LISTE DES FIGURES

Figure 1 : Courbe de Laffer 10

Figure 2 : Evolution du rendement des impôts et taxes(en FCFA) 41

Figure 3 : Evolution des recettes fiscales, de la production des biens et services et des dépenses

publiques (En milliards) 42

Figure 4 : Valeurs observées et valeurs prévues des recettes fiscales de la DGI 54

Figure 5 : Comparaison des valeurs prévues aux valeurs observées 56

Figure A.1 : Boîte à moustache des variables à niveau 66

Figure A.2 : Graphiques saisonniers des séries à niveau 66

Figure A.3 : Evolution des séries corrigées des variations saisonnières 67

Figure A.4 : Boîte à moustache des séries CLTVA, CLIsnp et CLT 67

Figure A.5 : Corrélogramme des séries à niveau ou désaisonnalisées 68

Figure A.6 : Test ADF et test de PP sur les séries à niveau ou désaisonnalisées avec trend 69

Figure A.7 : Test ADF et test de PP sur les séries à niveau ou désaisonnalisées sans trend 70

Figure A.8 : Boîte à moustache des séries différentiées 71

Figure A.9 : Evolution des séries différentiées ou dessaisonnalisées 72

Figure A.10 : Test de Kwiatkowski-Phillips-Schmidt-Shin(KPSS) sur les séries différentiées

73

Figure A.11 : Test ADF sur les séries différentiées 73

Figure A.12 : Test de PP sur les séries différentiées 74

Figure A.13 : Estimation des relations de long terme entre le PIB et les différents impôts 75

Figure A.14 : Boîte a moustache de la série de résidus obtenue pour chaque équation de

régression sur le PIB 75
Figure A.15 : Evolution de la série de résidus pour chaque équation de régression sur le PIB

76
Figure A.16 : Tests KPSS, ADF et PP sur la série de résidus pour chaque équation de régression

sur le PIB 76

Figure A.17 : Estimation du modèle MCE pour l'ITS 77

Figure A.18 : Estimation du modèle MCE pour la série RF 78

Figure A.19 : Estimation du modèle MCE pour la TSPP 78

Figure A.20 : Estimation du modèle MCE pour la série 79

Figure A.21 : Estimation de la relation de court terme entre le PIB et la TVA 79

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.22 : Estimation de la relation de court terme entre le PIB et l'Isnp 80

Figure A.23 : Critère LR de sélection de l'ordre optimal du VAR 81

Figure A.24 : Estimation du VAR (4) 81

Figure A.25 : Tests de validation du modèle VAR (4) 82

Figure A.26 : Test de CUSUM et test de CUSUM 82

Figure A.27 : Fonctions de réponses impulsionnelles 83

Figure A.28 : Décomposition de la variance 83

Figure A.29 : Intervalle de confiance pour la prévision de l'ITS 84

Figure A.30 : Intervalle de confiance pour la prévision de la TSPP 84

Figure A.31 : Intervalle de confiance pour la prévision des DA 84

Figure A.32 : Intervalle de confiance pour la prévision des RF 85

Figure A.33 : Intervalle de confiance pour la prévision de l'Isnp 85

Figure A.34 : Intervalle de confiance pour la prévision de la TVA 85

Figure A.35 : Prévisions découlant du modèle VAR estimé pour les 12 prochains trimestres

86

LISTE DES TABLEAUX

Tableau 1 : Réformes de l'année 2015 21

Tableau 2 : Coefficients saisonniers 45

Tableau 3 : Prévisions de T, ITS, DA et RF pour les 12 prochains trimestres 58

Tableau 4 : Prévisions de TVA, TSPP et Isnp pour les 12 prochains trimestres 58

Dynamique du PI3 et prévision du rendement des impôts et taxes

SIGLES ET ABBREVIATION

ADF : Augmented Dickey Fuller

AIC : Akaike information criterion ARDL : AutoRegressive Distributed Lag ARFIMA : Auto Regressive Fractionally

Integrated Moving. Average

ARIMA : Autoregressive Integrated Moving Average

CDI : Centres Divisionnaires des Impôts CEE : Communauté Economique Européenne

CIME : Centres des Impôts de Moyennes Entreprises

COE : Council Of Europe

CT : Court Terme

DA : Droit d'Accises

DF : Dickey Fuller

DGE : Direction des Grandes Entreprises

DP : Direction de la Prévision

DPO : Direction Par Objectifs

DSGE : Dynamic Stochastic General

Equilibrium

FCFA : Franc de la Coopération

Financière en Afrique Centrale

FMI : Fonds Monétaire International

FPE : Final Prediction Error

G : Dépenses publiques

GARCH : Generalized AutoRegressive

Conditional Heteroskedasticity

HQ: Hannan-Quinn information criterion

ICAI : Impôt sur le Chiffre d'Affaires

Intérieur

INS : Institut National de la Statistique

IR : Impôt sur le Revenu

IRPP : Impôt sur le Revenu des Personnes Physiques

IS : Impôt sur les Sociétés

ISNP : Impôt Sur les Sociétés Non Pétrolières

ITS : Impôt sur Traitements et Salaires KPSS : Kwiatkowski-Phillips-Schmidt-Shin

LFI : Loi de Finances Initiale

LM : Lagrange multiplier

LR: sequential modified LR test statistic

LT : Long Terme

MCE : Modèle à Correction d'Erreur

MINFI : Ministère des Finances

MT : Moyen Terme

OCDE : Organisation de Coopération et

de Développement Economiques

PI3 : Produit Intérieur Brute

PP : Phillips-Perron

RF : Recettes des Forêts

RMSE : Root Mean Square Error SARIMA : Seasonal ARIMA

SC: Schwarz information criterion T : Recettes fiscales de la DGI TCA : Taxe sur le Chiffre d'Affaires TCT : Très Court Terme

TEC : Tarif Extérieur Commun TIP : Taxe Intérieure à la production TPG : Tarif préférentiel généralisé TSPP : Taxe Spéciale Sur les Produits

Pétroliers

vii

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

TU : Taxe Unique TVA : Taxe sur la Valeur Ajoutée UDEAC : Union Douanière Economique de l'Afrique Centrale

VAR : Vector AutoRegressive VARMA : Vector AutoRegressive Moving-Average

viii

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

AVANT PROPOS

L'Institut Sous-régional de Statistique et d'Économie Appliqué (ISSEA) est une institution spécialisée de la Communauté Économique et Monétaire de l'Afrique Centrale (CEMAC). Elle a vocation à former les cadres moyens et supérieures en statistique et en économie. L'ISSEA offre cinq filières de formation : Agents Techniques de la Statistique (ATS), Techniciens Supérieures de la Statistique (TSS), Ingénieurs d'Application de la Statistique (IAS), Ingénieurs Statisticiens Économiste (ISE), et le Master II en Statistique Agricole.

À la fin de la deuxième année de leur formation, les étudiants de la filière ISE doivent faire un stage professionnel dans une structure privée ou publique pour une durée minimale de 03 mois. Durant ce stage, l'étudiant a l'occasion de mettre en pratique les connaissances pratiques et théoriques acquises tout au long de sa formation. Ce faisant celui-ci découvre aussi les réalités du monde professionnel. Á la fin de ce stage, l'étudiant est tenu de rédiger un mémoire professionnel qui fera l'objet d'une soutenance publique à l'ISSEA.

Le présent document est ainsi le fruit d'un stage de quatre mois effectué à la Direction Générale des Impôts (DGI) du Cameroun du 03 juillet au 31 octobre 2017. Le thème retenu pour ce stage est : « Dynamique du PIB et Prévision du Rendement des impôts et taxes ».

ix

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

RESUME

L'objectif principal de ce travail est d'analyser la possibilité de prévoir le rendement des impôts et taxes à partir de la dynamique du PIB, les projections économiques représentant un enjeu majeur pour de nombreux pays optant pour une gestion rationnelle de leurs ressources. Les recettes fiscales en tant qu'élément du budget de l'État s'exécutent à posteriori d'un acte de prévision et un acte d'autorisation. Cependant, les impôts et taxes de la DGI prévus à ce stade ne sont pas effectués par la DGI elle-même et ne coïncident pas toujours avec la réalisation de l'année fiscale. Ainsi, dans le but de participer à la conception d'un premier modèle robuste de prévision des recettes des impôts et taxes au niveau de la DGI, le thème de cette étude porte sur : « la dynamique du PIB et la prévision des impôts et taxes ». Partant du fait que les impôts et taxes sont prélevés sur la production, l'étude analyse en effet adéquatement la relation qui existe entre le rendement fiscal et le PIB (Produit Intérieur Brute), et la possibilité de la prendre en compte dans la prévision du rendement des impôts et taxes agrégés ou pris séparément. Les techniques utilisées à cet effet ont mis en évidence l'existence d'une relation de long terme entre le rendement fiscal de certains impôts et le PIB, tout en faisant remarquer que la TVA et l'Isnp sont liés au PI3 qu'à court terme. Par ailleurs, les meilleurs modèles retenus pour l'estimation de ces relations présentent tous le PI3 comme une variable explicative du rendement fiscal. Sa présence améliore la prévision du rendement fiscal. Par conséquent, la prévision du rendement fiscal à partir de la dynamique du PI3 s'est avérée possible et assez satisfaisante, et l'on a abouti à des conjectures d'un horizon de 12 mois (1^er trimestre 2017-4ème trimestre 2019) à l'aide des modèles MCE (Modèle à Correction d'Erreur), ARDL (AutoRegressive Distributed Lag) et VAR (Vector AutoRegressive model). Ainsi au cours des prochaines années, il est prévu des variations à la hausse du rendement fiscal aux 4^ème et 1er trimestres de ces années. Sur une échelle logarithmique, le rendement fiscal agrégé sera de l'ordre de 26,909; 26,981 et 27,049 au 1^er trimestre de ces trois prochaines années respectivement. Par ailleurs, les recettes fiscales non saisonnières pourront évoluer continuellement de manière monotone globalement. Ainsi, tandis que la TSPP passera de 23,996 au 1^er trimestre 2017 à 24,100 au 4^ème trimestre 2019 sur une échelle logarithmique, les RF continueront à décroître dans l'ensemble pour atteindre 21,692 au 4^ème trimestre 2019.

Mots-clés : ARDL, Cointégration, Dynamique du PIB, MCE, Prévision, Rendement des impôts et taxes, Recettes fiscales, VAR.

x

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

INTRODUCTION

1. Contexte et justification

La prévision économique est une discipline qui se donne pour objet d'anticiper le contexte dans lequel des décisions de politique publique ou d'entreprise sont susceptibles d'être mises en oeuvre. Elle porte le plus souvent sur des variables telles que la croissance, l'inflation, l'évolution des finances publiques. Le terme (quelques mois ou quelques années), le niveau d'analyse (l'ensemble de l'économie ou un secteur particulier) et la précision vers laquelle elle doit tendre dépendent des besoins des décideurs qui peuvent être des dirigeants d'entreprises publiques ou privées, ou des responsables politiques. Si leurs besoins sont quelque peu différents, la méthodologie utilisée est généralement comparable et s'efforce d'être identique à celle des autres sciences expérimentales.

Il est cependant très difficile de construire des expériences dans la démarche prévisionnelle en matière économique ; on se contente souvent de celles que l'histoire a fournies et on en tire des hypothèses. Si celles-ci sont justes, le cours des événements les vérifiera. La prévision économique n'est pas une activité nouvelle, encore moins en Afrique. Dès leur accession à l'indépendance dans les années 1960, les pays africains y recourent pour l'élaboration de plans de développement. À partir de 1970, les besoins de prévision à court terme pour ces pays s'intensifient avec les importantes fluctuations des prix des matières premières et l'inflation dues à la crise mondiale. La demande croissante de modèles de prévision macro-économiques s'associe au désir des techniciens de travailler sur des modèles sophistiqués en phase avec le progrès et mettant en oeuvre les théories macroéconomiques les plus récentes ou les outils économétriques de pointe. L'importance des prévisions dans le processus de prise de décision dans nos pays de nos jours s'est ainsi opérée. Elles permettent aux Etats, organismes nationaux et internationaux de promouvoir une culture de la prévention et de la mise en place de stratégies de surveillance de l'activité économique, de projection à des fins d'alerte précoce et de diffusion en temps voulu d'informations utiles à la prise de décision. Outre ces intérêts, le cas particulier de la prévision des recettes fiscales s'inscrit généralement dans l'objectif de permettre aux finances publiques d'améliorer leur gestion, d'assurer leur soutenabilité et d'améliorer leur rendement. Dans ce cadre, les projections s'accompagnent souvent des reformes visant à remédier à une alerte ou à atteindre un but. Au Cameroun, on parlera de la réforme de 1994 où

1

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

dans la foulée de la dévaluation monétaire de 50%, le gouvernement camerounais entreprit une réforme majeure de sa politique fiscale et commerciale ; la mise en oeuvre de la TVA (Taxe sur la Valeur Ajoutée) en 1999 ; etc.

Les recettes fiscales sont indispensables dans l'exécution du budget de l'État, le Revenu National étant l'un des concepts les plus importants de toute économie. Elles permettent de construire et de contrôler la dynamique des indicateurs de résultats sur les dépenses relatives au financement des activités de l'État. Il existe plusieurs sources de financement de l'État, parmi lesquelles les recettes fiscales. Ces dernières servent à financer non seulement le fonctionnement de l'État, mais aussi le service public collectif. Depuis 2003 au Cameroun, les recettes fiscales constituent en moyenne plus 70% des recettes propres de l'État. En 2016, l'administration camerounaise des Impôts (DGI) a mobilisé des recettes de l'ordre de 1724,6 milliards FCFA (Franc de la Coopération Financière en Afrique Centrale) pour le Trésor, soit 60,0% des recettes budgétaires propres de l'Etat (hors dons et emprunts) contre 56% un an auparavant, selon le dernier rapport publié par ce service. La taxe sur la valeur ajoutée (TVA) restant le principal poste des recettes fiscales avec un montant mobilisé de FCFA 557,0 milliards, soit 34,5% des recettes fiscales non pétrolières. Cette rentrée financière est suivie dans les autres postes par ordre d'importance de l'impôt sur les sociétés non pétrolières (21,8%), de l'impôt sur le revenu des personnes physiques (17,8%), des droits d'accises (12,3%) et de la taxe spéciale sur les produits pétroliers (6,5%). N'étant seulement pas des ressources pour l'État mais aussi de véritables indicateurs de performance financière et budgétaire, la qualité des prévisions des impôts et taxes de la DGI s'avère donc primordiale et a une influence déterminante sur la sincérité des projets de lois de finances.

La loi de finances fait l'objet d'une préparation, d'une exécution et d'un contrôle au titre de chaque exercice budgétaire. Et l'exécution du budget de l'État nécessite un acte d'autorisation et un acte de prévision préalable. En effet, toute exécution budgétaire doit être prévue et autorisée en vertu de la loi de finances de l'année budgétaire. Le budget de l'État se décompose en recettes publiques et en dépenses publiques tant en respectant le principe de l'équilibre général de la loi de finances. Les recettes fiscales en tant qu'élément du budget de l'État s'exécutent à posteriori d'un acte de prévision et un acte d'autorisation.

Cependant durant les dernières années, les impôts et taxes de la DGI prévues à ce stade ne sont effectués pas par la DGI elle-même et ne coïncident pas toujours avec la réalisation de l'année fiscale. Par exemple les recettes issues de l'impôt sur les sociétés pétrolières ont connu un taux

2

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

de réalisation de 72,7% en 2016. Ainsi des écarts généralement appelés « GAP » sont constatés entre la prévision initiale et la réalisation des recettes. Cela entraîne la mise à jour de la prévision selon les conjonctures économiques de l'année. Cette instabilité de la prévision des recettes fiscales pose des problèmes du fait du changement très fréquent au niveau des chiffres prévisibles, alors que ces chiffres sont les références non seulement pour l'administration publique mais aussi pour les bailleurs de fond. D'où l'importance de cette étude portant sur la conception d'un premier modèle robuste de prévision des recettes des impôts et taxes au niveau de la DGI qui plus est : facilement analysable, exploitable.

2. Problématique

Plusieurs études sur la fiscalité notamment certaines études du Fonds Monétaire International confirment le rapport qui existe entre la pression fiscale et la croissance économique. Aussi, les impôts et taxes sont prélevés sur la production et le système fiscal dépend étroitement du système économique en vigueur dans la société considérée. Il convient donc pour tout organe en charge de la prévision des recettes fiscales, de réfléchir sur les modalités de prise en compte de l'évolution de l'activité économique dans la prévision du rendement des impôts et taxes. Ainsi le problème auquel l'étude tentera d'apporter une solution tout au long de ce travail s'articule autour de la question suivante : « Peut-on prendre en compte la dynamique du PI3 dans la prévision du rendement des impôts et taxes au Cameroun ? ».

3. Objectifs

L'objectif général de cette étude est de proposer un modèle de prévision du rendement des impôts et taxes au Cameroun qui prend en compte la dynamique de l'activité économique lorsque cela est possible. Plus spécifiquement, il s'agira :

? D'identifier la nature de la relation existante entre le rendement fiscal et le PI3 : Est-ce à court terme et/ou à long terme ?

? De concevoir un modèle de prévision du rendement des impôts et taxes à partir de la dynamique du PI3 lorsque cela est possible.

? D'évaluer les effets marginaux de la variation du PIB sur le rendement fiscal.

3

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

4. Hypothèse de travail

L'hypothèse de travail formulée pour cette étude est la suivante : Il existe un lien entre l'activité économique et les prélèvements fiscaux au Cameroun.

5. Plan de travail

Cette étude est structurée en deux parties. La première retrace le cadre théorique d'analyse de la relation entre le PI3 et les prélèvements fiscaux, et présente la prévision économique dans un cadre général avant de s'attarder sur la prévision du rendement des impôts et taxes. La deuxième partie quant à elle présente le cadre empirique de l'étude qui aboutit à la mise en place des modèles de prévisions susceptibles de prendre en compte la dynamique de l'activité économique.

4

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

PREMIERE PARTIE : REVUE DE LA LITTERATURE

5

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

CHAPITRE 1 : RELATION ENTRE LA FISCALITE ET LA DYNAMIQUE MACROECONOMIQUE - REFORMES FISCALES POUR L'AMELIORATION DU RECOUVREMENT FISCALE

Il est question dans ce chapitre de faire une revue de littérature sur le lien entre l'activité économique et les prélèvements fiscaux. Il fait état du fait que le niveau de recouvrement des recettes fiscales dans un pays peut dépendre principalement de deux facteurs : le niveau de la production et les réformes fiscales.

1.1. Relation entre la fiscalité et la dynamique économique

1.1.1. Généralité

Les théories sur la relation entre la dynamique économique et la fiscalité tendent à considérer que les masses budgétaires qui sont en jeu influent considérablement sur l'activité économique générale et réciproquement. Les recettes fiscales permettent de financer les dépenses publiques et de réduire les inégalités par la redistribution des revenus. Elles participent à la politique économique globale dans le but d'assurer la réalisation des grands équilibres (plein-emploi, stabilité des prix, équilibre du commerce extérieur). Et réciproquement, une amélioration de l'activité économique contribue à la hausse des recettes fiscales. Ainsi, afin de mieux élucider le lien entre la dynamique du PI3 et le rendement des impôts et taxes sur le plan théorique, il est généralement analysé les liens entre fiscalité et dépenses publiques, fiscalité et redistribution des revenus, fiscalité et politique économique. La place du marché y est souvent considérée prioritaire par la pensée des économistes libéraux qui s'en remettent prioritairement au marché pour la régulation de l'activité économique, et la liste des facteurs à l'origine de l'amélioration du rendement fiscal en résulte plus ou moins étendue.

1.1.2. Fiscalité et dépenses publiques

L'État remplit des missions d'intérêt général au service de la collectivité nationale. Pour s'acquitter de ces missions, il doit prélever des ressources sur les diverses activités qui ont lieu

6

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

au sein de la société civile. L'économiste britannique Adam Smith (1723-1790) définit dans Recherches sur la nature et les causes de la richesse des nations (1776), les trois devoirs qui incombent au souverain, c'est-à-dire à l'État :

· La défense du territoire national par l'entretien d'une force armée ;

· L'administration de la justice ;

· La création et l'entretien de biens et de services qui sont nécessaires au bien-être de la collectivité (infrastructures de communication, système d'enseignement).

Le recours à l'impôt est alors justifié, afin de permettre le fonctionnement des missions dites « régaliennes » de l'État.

Aux fonctions traditionnelles de l'État libéral d'autres fonctions se sont ajoutées au fur et à mesure du développement économique. Par ailleurs, les insuffisances de la régulation de l'activité économique par les seuls mécanismes du marché ont amené les gouvernements à développer leurs interventions. Comme le souligne l'économiste allemand Adolph Wagner (1835-1917), dans les Fondements de l'économie politique (1876) : « Plus la société se civilise, plus l'État est dispendieux ». Cette « loi de Wagner » traduit l'accroissement d'activité des administrations publiques dans le monde moderne avec une double mission de justice et de civilisation.

1.1.3. Fiscalité et redistribution des revenus

L'économie de marché ne prend en compte que la seule demande solvable des agents économiques, c'est-à-dire une demande de biens et de services assortie d'un pouvoir d'achat suffisant. Parallèlement, les sociétés industrielles se caractérisent par des inégalités économiques et sociales, qui se révèlent en contradiction avec les idéaux démocratiques. Ainsi en France par exemple, les textes constitutionnels stipulent que la puissance publique doit intervenir afin de permettre la satisfaction des besoins essentiels de tous ceux qui auraient à souffrir dans leurs conditions d'existence. Aussi les finances publiques constituent-elles un instrument de redistribution des revenus, afin d'atténuer les inégalités les moins acceptables au sein d'une nation développée. La fiscalité proprement dite, c'est-à-dire les impositions, est définie en fonction de la situation économique du contribuable. Ainsi, l'impôt sur le revenu est un impôt progressif et la TVA comporte un taux réduit pour les biens de première nécessité.

7

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

1.1.4. Fiscalité et politique économique

La politique fiscale fait partie de la politique économique des gouvernements des pays, au même titre que la politique monétaire qui gère la création de monnaie, que la politique de l'emploi qui vise à résorber le chômage. Les pouvoirs publics définissent la structure et le niveau des prélèvements obligatoires afin d'assurer le fonctionnement des services de l'État, mais aussi, parallèlement, afin de financer les différents volets de la politique économique.

Les économistes libéraux préconisent l'équilibre budgétaire : les dépenses publiques doivent se limiter au niveau des recettes fiscales. En revanche, l'économiste britannique John Maynard Keynes (1883-1946) s'oppose au dogme de l'équilibre budgétaire. Il recommande en situation de chômage d'utiliser le budget de l'État pour pallier l'inertie de l'activité économique, due à une faible demande des ménages en biens de consommation et à une faible demande des chefs d'entreprise en biens d'équipement. Dans la mesure où les masses budgétaires publiques sont très importantes par rapport au revenu national, une stratégie à contre-courant, orchestrée par l'État, peut être déterminante au plan de l'économie globale. Le budget n'est plus simplement la comptabilisation des ressources et des dépenses de l'État, il devient un instrument conducteur de la régulation économique.

L'État peut relancer l'activité économique, notamment la consommation et l'investissement. La relance de la consommation consiste à accroître le revenu disponible des agents économiques. Du point de vue fiscal, on peut procéder à une réduction de l'impôt sur la consommation (TVA) ou de l'impôt sur le revenu. Dans ce dernier cas, on allège la dette fiscale des contribuables modestes, étant donné que leur propension marginale à consommer est relativement forte. En effet, selon Keynes, la part du revenu destinée à la consommation est d'autant plus importante que le niveau de revenu est faible. La relance par l'investissement fait aussi appel à des procédures d'allégements fiscaux, mais, cette fois-ci, au bénéfice des entreprises. On peut réduire l'impôt sur les sociétés ou instituer une déduction fiscale spécifique pour les entreprises qui augmentent leurs investissements. Dans les deux cas, il s'agit de mesures incitatives pour amener les chefs d'entreprise à investir davantage. La puissance publique cherche, lors d'une relance par la consommation ou d'une relance par l'investissement, à accroître la dépense nationale afin de stimuler l'emploi et, ainsi, de faire régresser le chômage.

8

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Il est également possible de freiner la consommation, de manière à réduire d'éventuelles tensions inflationnistes, dans le cadre d'une politique dite « de stabilisation » ou « de rigueur ». Si, dans le contexte d'une relance, il est nécessaire d'augmenter le pouvoir d'achat des ménages, il convient de faire l'inverse dans la perspective d'une politique de stabilisation conjoncturelle. L'instrument fiscal est d'un grand poids dans ce type de stratégie, car il permet de réduire la demande, qui, si elle est supérieure au niveau de l'offre (production domestique), se traduit par l'inflation et le déficit extérieur. On peut augmenter l'impôt sur la dépense, c'est-à-dire accroître les taux de TVA, ou augmenter l'impôt sur le revenu.

1.1.5. Limites de la pression fiscale

1.1.5.1. Règles liées au recouvrement des recettes fiscales

Les économistes libéraux s'en remettent prioritairement au marché pour la régulation de l'activité économique. Dès 1776, Adam Smith définissait quatre grandes règles qui doivent présider au recouvrement des recettes fiscales :

· Les citoyens doivent contribuer au financement des activités publiques en fonction de leurs capacités contributives, c'est-à-dire de leurs revenus ;

· La perception de l'impôt doit s'appuyer sur des règles transparentes ayant pour objet d'éviter toute ambiguïté en ce qui concerne les rapports entre le contribuable et le percepteur ;

· La perception des contributions fiscales doit être aménagée de façon commode, de telle sorte que les contribuables puissent s'acquitter du montant de leur impôt sans supporter de gêne excessive dans la gestion de leurs affaires courantes ;

· Les recettes fiscales doivent être limitées à la hauteur des besoins de financement de l'État et ne doivent pas être accrues pour faire face à des problèmes de gestion du Trésor.

Ces règles simples rendent compte des limites qui s'imposent à la perception des contributions publiques. Il convient que l'État modère ses appétits fiscaux par rapport à l'économie, sous peine d'assécher la société civile de ses ressources. Par ailleurs, les économistes libéraux préconisent le principe de l'orthodoxie budgétaire, en vertu de laquelle les dépenses publiques doivent être

9

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

égales aux recettes fiscales. La puissance publique montrerait ainsi l'exemple, en se comportant comme n'importe quel individu avisé qui accorde ses dépenses au niveau de ses ressources.

1.1.5.2. Excès de la fiscalité

L'idée selon laquelle une fiscalité trop lourde peut à la fois appauvrir l'économie et nuire au rendement de l'impôt, à savoir entraîner une réduction des recettes fiscales, était déjà présente chez Adam Smith. Les effets pervers d'une fiscalité excessive ont été mis en évidence par les économistes de l'offre durant les années 1970. L'économie, ou l'économique, de l'offre (the supply side economics), mouvement libéral américain, a pour principaux représentants Martin Feldstein, qui fut conseiller économique du président Ronald Reagan, et Arthur Laffer (né en 1940), auteur d'une courbe qui porte son nom (figure 1).

Figure 1 : Courbe de Laffer

Source : Pierre Bezbakh et Sophie Gherardie (2000), Dictionnaire de l'économie de A à Z,

Larousse

Laffer introduit une relation entre l'augmentation des taux d'imposition et le niveau des recettes fiscales. Il souhaite démontrer que l'accroissement des taux d'imposition, qui frappent les revenus du travail et ceux du capital, se traduit paradoxalement, au-delà d'un certain seuil, par un amoindrissement des recettes fiscales, de même que par une diminution du niveau de la production et de l'emploi. Ainsi, selon une formule célèbre, « trop d'impôt tue l'impôt ».

10

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Pour un taux d'imposition de 0 %, les recettes fiscales sont nulles. Plus les taux d'imposition augmentent, plus les recettes de l'État augmentent, le point M représentant une sorte d'optimum fiscal. Ensuite, les recettes fiscales diminuent, malgré l'accroissement de la pression fiscale, jusqu'à devenir nulles lorsque le taux d'imposition atteint 100 % (personne n'accepterait de travailler ou d'épargner si son revenu était intégralement confisqué par la puissance publique). On peut néanmoins constater une égalité des recettes publiques pour des taux d'imposition situés au point B. Ainsi, l'État peut obtenir le même niveau de rentrées fiscales avec un taux modéré (zone admissible), ou en usant d'un taux prohibitif (zone inadmissible).

La diminution des recettes fiscales à partir du point M peut s'expliquer de différentes façons. Les agents économiques réduisent leurs activités professionnelles et augmentent leur temps de loisir. L'économie souterraine s'accroît (travail au noir, recours au troc, moindre utilisation de la monnaie scripturale), de même que la fraude fiscale.

1.1.5.3. Analyse de Von Hayek

Pour l'économiste libéral autrichien Friedrich August Von Hayek (1899-1992), l'hypertrophie du rôle de l'État conduit au despotisme. La croissance des interventions publiques, telle qu'elle se manifeste notamment par l'augmentation des prélèvements obligatoires, entraîne l'émergence d'une économie sous tutelle. Au fur et à mesure de la hausse des budgets publics, les choix individuels se trouvent limités d'autant. Ainsi, on assiste à la naissance d'une économie contrôlée ou, pourrait-on dire, d'une économie en « liberté surveillée ». Les décideurs, hommes de gouvernement, hauts fonctionnaires, bâtissent des stratégies économiques, monétaires et financières qu'ils imposent à l'ensemble des parties de la société civile.

Von Hayek montre que la gestion étatique de l'économie réduit, certes, la liberté des agents au sein du système économique lui-même, mais aussi l'ensemble des libertés qui s'attachent à la personne humaine, dans les sociétés qui se réclament pourtant de la démocratie politique. En effet, les libertés individuelles supposent des moyens d'exercer ces libertés. Dans une économie moderne, l'exercice des libertés implique la gestion individuelle des ressources monétaires pour que chacun puisse réaliser les choix qu'il s'est fixés. À partir du moment où le secteur économique est très largement entre les mains des agents de l'État, les moyens qu'auraient les particuliers de parvenir à leurs fins sont confisqués au profit des pouvoirs publics.

11

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

1.1.5.4. Théorie de l'économie de l'offre

L'« économie de l'offre » ou « politique de l'offre », est une école de pensée d'orientation libérale soutenant que la faiblesse de la croissance économique à certaines périodes ou dans certains pays réside dans les freins ou obstacles que rencontrent les acteurs économiques : prélèvements excessifs (cotisations sociales et impôts), etc. Pour les partisans de cette école, les producteurs sont étranglés par des surcoûts qui empêchent l'initiative privée de produire ses effets dynamiques, tandis que les travailleurs sont démotivés au travail du fait de l'existence de prélèvements fiscaux réputés confiscatoires.

Selon les partisans de « l'économie de l'offre », l'objectif de croissance ne peut être atteint qu'en levant le plus possible les freins fiscaux et réglementaires qui entravent leur développement. Il s'agit donc de lever les freins à l'initiative privée en diminuant l'impôt pesant :

· sur l'activité des entreprises (impôt sur les sociétés, taxe professionnelle, etc.) ;

· sur les revenus des travailleurs (comme les cotisations sociales).

Inversement, des subventions peuvent et doivent le cas échéant être accordées aux entreprises dans certains secteurs économiques, si les objectifs attendus le justifient.

Le courant de l'économie de l'offre se rattache à la pensée libérale. Il combat activement les écoles de pensée majeures à savoir :

· l'économie de la demande (le keynésianisme), qui voit la dynamique économique dans le principe de demande effective. Au point de stimuler celle-ci ou d'y suppléer le cas échéant par la dépense publique ;

· l'école monétariste, qui voit la dynamique économique à travers le prisme de la théorie quantitative de la monnaie. Au point de privilégier la gestion de la masse monétaire.

Cette école de pensée voit le jour dans les années 1970, alors que les politiques sont hésitants (la politique de la demande keynésienne ne semble plus être efficace dans les pays développés) et ne savent quelle ligne de conduite adopter pour faire face aux chocs pétroliers et pour remédier à la situation de stagflation (situation de stagnation combinée avec une poussée de l'inflation).

12

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

1.2. Déterminants d'une amélioration du rendement fiscal

1.2.1. Niveau de richesse et volume des ressources fiscales

Le système fiscal dépend étroitement du système économique en vigueur dans la société considérée. A ce propos, Maurice LAURE a formulé une loi selon laquelle la contribution globale d'une nation varie en fonction de la productivité économique. Exposant cette loi, MEHL et BELTRAME écrivent ce qui suit : « cette loi s'explique par le fait que lorsque le revenu national s'élève, le nombre de contribuables imposables ainsi que la fraction des ressources susceptibles d'être atteinte par l'impôt sur le revenu à des taux de plus en plus élevés augmentent. En outre, une partie des ressources supplémentaires non atteinte par l'impôt sur le revenu, est consommée et atteinte par l'impôt sur la dépense ».

Un accroissement de la richesse se traduit par une augmentation des recettes fiscales : TVA, impôts sur les sociétés, mais aussi impôt sur le revenu car le niveau des revenus distribués est aussi en hausse. En effet l'impôt est une fonction sur la richesse créée. L'amélioration des recettes fiscales permet ensuite à l'État de rembourser sa dette publique et/ou de dégager des marges de manoeuvre pour investir. Dans tous les pays, le budget de l'État est réalisé à partir d'une hypothèse de croissance annuelle. Une absence de croissance peut avoir des conséquences négatives sur les finances publiques : les recettes fiscales n'augmentent pas, l'État a donc plus de difficultés à réduire son déficit public, à rembourser sa dette publique ou à investir.

Théoriquement, on parle d'élasticité des recettes fiscales. D'un point de vue historique, on note que plusieurs auteurs se sont intéressés à la question de l'interdépendance des données et flux économiques. À la fin du XVII^e siècle, en particulier, Gregory King, puis Charles D'Avenant notent qu'une baisse de l'offre de blé conduit à un renchérissement bien plus que proportionnel du prix de cette denrée. C'est toutefois au XIX^e siècle que l'analyse se précise et devient plus formelle. Des descriptions mathématiques de l'offre et de la demande sont faites par William Whewell et Antoine-Augustin Cournot. Le terme « élasticité » (elasticity) apparait pour la première fois dans les Principes d'économie politique, l'ouvrage paru en 1890 d'Alfred Marshall qui restera pendant plusieurs décennies un des manuels de référence en sciences économiques. Au XX^e siècle, l'usage de la notion d'élasticité est étendu à de nombreuses autres variables économiques puis financière. L'élasticité mesure la variation d'une grandeur provoquée par la

13

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

variation d'une autre grandeur. Quand l'élasticité est nulle, les variations des « grandeurs causes » sont réputées ne pas avoir de conséquences sur les « grandeurs effets ».

On distingue différents types d'élasticités dans le domaine fiscal :

Ø L'élasticité de chaque prélèvement obligatoire à sa propre assiette : La « croissance spontanée », c'est-à-dire à législation inchangée, de chaque impôt, ou cotisation sociale, dépend de l'évolution de l'assiette sur laquelle il est prélevé.

Ø L'élasticité d'un prélèvement obligatoire au PIB qui rapporte sa croissance spontanée à celle du PIB en valeur pour une même année. Elle diffère de son élasticité à sa propre assiette pour deux raisons :

· La croissance de l'assiette d'un prélèvement obligatoire donné n'est jamais strictement identique à celle du PIB ; par exemple, la masse salariale, sur laquelle sont assises les cotisations sociales, n'évolue pas exactement comme le PI3 ;

· L'élasticité d'un impôt au PI3 rapporte son taux de croissance à celle du PI3 pour une même année, alors que l'élasticité de certains impôts à leur propre assiette rapporte leurs taux de croissance sur les années N et N-1.

Ø L'élasticité de l'ensemble des recettes publiques au PIB.

Ces élasticités des différents impôts, ou cotisations, au PIB permettent, en tenant compte de la part de chacun d'eux dans le total des prélèvements obligatoires, d'estimer une « élasticité de l'ensemble des prélèvements obligatoires au PIB » qui rapporte leur croissance spontanée à celle du PIB en valeur pour une même année :

????/?????? = ? ??????/?????? ????

?? ??

??????/?????? étant l'élasticité de la recette ou du transfert ???? au PIB.

1.2.2. Amélioration du système fiscale et volume des ressources fiscales

Il s'agit de reconnaitre que la hausse des recettes peut résulter aussi de l'élargissement de l'assiette, la modernisation des méthodes de gestion, la restructuration des services extérieurs,

14

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

la déconcentration des émissions et l'amélioration du contrôle fiscal¹ ; bref de la réforme fiscale. Ainsi, d'après Anton Op de Beke², les stratégies de réforme développées avec l'assistance technique du FMI (Fonds Monétaire International) pour renforcer la capacité des administrations fiscales en matière de mobilisation des ressources ont généralement pour objectif :

· D'Améliorer le civisme fiscal ;

· D'Alléger les coûts des particuliers et des entreprises pour remplir leurs obligations fiscales ;

· De garantir un traitement fiscal équitable des contribuables ;

· De Réduire les coûts de gestion de l'impôt pour les administrations ;

· Renforcer la transparence et l'intégrité au sein des administrations ;

· D'Améliorer la gestion du risque et réduire la fraude fiscale;

· D'Améliorer l'action en recouvrement et la gestion des arriérés fiscaux.

1.3. Réformes fiscales pour l'amélioration des rendements fiscaux

1.3.1. Aperçu générale du système fiscal camerounais

De l'indépendance jusqu'au début des années 1980, le Cameroun a connu un taux de croissance soutenu, associé essentiellement au boom du secteur pétrolier. L'augmentation des ressources budgétaires et extrabudgétaires générées par ce secteur a contribué à augmenter le taux d'investissement dans l'économie et à maintenir un niveau raisonnable d'endettement extérieur. Mais après cette période d'expansion, le pays a connu un développement économique défavorable causé par une baisse successive des termes de l'échange, entraînant des déséquilibres profonds, notamment dans les finances publiques et le compte externe, et conduisant à la crise de 1994. Toutefois, comme le rappelle le Docteur OPOUMBA Marcel³, « La dévaluation du franc CFA de janvier 1994 a marqué un tournant important dans l'évolution de l'économie des pays africains de la zone franc ... ». Au Cameroun cette

¹ Salah Agueniou, http://lavieeco.com/news/economie, consulté le 21/09/2017

² Anton Op de Beke, Reformes de l'administration fiscale -- Approche FMI, Réunion CIFAM 19 Juin 2014

15

³ Dr. Marcel OPOUMBA (1997)

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

dévaluation s'est suivie d'une série de réformes visant à réformer son système fiscal et à l'adapter aux réalités économiques nationales.

1.3.2. Système fiscal camerounais avant la réforme de 1994

Avant la réforme, le Cameroun avait essentiellement recours à un système d'imposition directe et indirecte, ce dernier visant principalement les prélèvements sur le pétrole, dont l'exploitation a commencé en 1977. Il est toutefois important de noter que le Cameroun est à la fois importateur et exportateur de pétrole ; il est donc exposé aux fluctuations des cours du baril et du dollar. La fiscalité indirecte, qui générait plus de 50%⁴ du chiffre d'affaires hors pétrole, était composée des éléments suivants: les taxes à l'importation, les taxes à l'exportation, les taxes de vente sur les biens et services intérieurs, et les impôts spécifiques, notamment, sur la consommation de produits pétroliers. Une part importante des impôts indirects était soumise à des protocoles régionaux et aux dispositions du Traité de Brazzaville. Trois des quatre principales taxes à l'importation perçues par le gouvernement faisaient partie du tarif extérieur commun (TEC) de l'UDEAC (Union Douanière Economique de l'Afrique Centrale) et ne dépendaient pas des autorités locales. De même, l'impôt sur le chiffre d'affaires intérieur (ICAI) était soumis à des accords régionaux de l'UDEAC sur l'harmonisation fiscale et reposait en partie sur les autorités camerounaises. Le Cameroun, comme d'autres pays de l'UDEAC, avait le droit de fixer le taux de l'ICAI, qui était basé sur un système d'incitation complexe visant à offrir un allégement fiscal à certaines entreprises (Gauthier, Soloaga, & Tybout, 2002; Fambon, 2006).

Avant la réforme fiscale, plusieurs arrangements fiscaux spéciaux et un système de négociation des taux d'imposition au cas par cas entre les entreprises individuelles et les autorités fiscales étaient à la mode. Ce système fiscal a conduit à de nombreux problèmes analysés par le Réseau pour la Justice Fiscale - Afrique (RFJ-A). Tout d'abord, ces régimes spéciaux hautement politisés administrés de manière discrétionnaire conduisirent à la corruption. De plus, les entreprises investirent des ressources importantes, notamment pour faire du lobbying afin de recevoir et de maintenir ces avantages fiscaux spéciaux. Deuxièmement, les exonérations fiscales généralisées réduisaient l'assiette fiscale, forçant ainsi le gouvernement à taxer plus lourdement les entreprises non-exemptées. En conséquence, ces entreprises étaient mises dans une position défavorable, contribuant ainsi à une évasion fiscale généralisée. Enfin, les

16

4 RFJ-A (2013)

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

dérogations accordées au cas par cas rendirent le système fiscal difficile à administrer (Fambon, 2006; Gauthier, Soloaga, & Tybout, 2002; Khan S., 2010).

A partir du milieu des années 1980, plusieurs chocs extérieurs négatifs hâtèrent l'effondrement de ce régime fiscal. En 1985, le dollar américain, monnaie dans laquelle la plupart des prix des matières premières primaires étaient libellés, se déprécia fortement. Puis les prix du pétrole (en dollars) chutèrent en 1986, et ceux des autres produits exportés (cacao, café et caoutchouc) emboîtèrent le pas l'année suivante. L'effet combiné de ces chocs a été d'induire des déficits budgétaires massifs. Entre 1985 et 1991, les recettes totales diminuèrent de 51%, en grande partie parce que les recettes fiscales et douanières baissèrent de 49%. Le gouvernement finança ce manque à gagner par l'accumulation d'arriérés de paiement à des fournisseurs nationaux et des fonctionnaires ; ce qui résultât à une crise du secteur bancaire et un fort effet récessif sur l'économie. Malgré la mise en oeuvre d'un programme d'ajustement structurel en 1989, le revenu par habitant chuta en 1993 à la moitié de sa valeur de 1986 (Gauthier, Soloaga, & Tybout, 2002).

Tous ces évènements conduisirent l'Etat à se recentrer sur la fiscalité interne jusque-là sous utilisée et rendirent l'introduction de réformes fiscales impérative.

1.3.3. La réforme fiscale des années 1994

Le 24 janvier 1994, dans la foulée de la dévaluation monétaire de 50%, le gouvernement camerounais entreprit une réforme majeure de sa politique fiscale et commerciale. Les réformes furent initiées dans un contexte de recettes publiques en baisse, de hausse du déficit budgétaire, d'une croissance des inégalités, et de la corruption parmi les administrateurs fiscaux. Les observateurs du système fiscal comme Khan Sunday, font remarquer que ces réformes n'étaient pas seulement motivées par la nécessité de rétablir l'équilibre fiscal, mais étaient largement en conformité avec les conditionnalités du FMI et de la Banque Mondiale et de la nécessité de favoriser l'intégration régionale entre les pays membres de l'UDEAC. Les innovations majeures des réformes à partir de 1994 étaient, entre autres, de réduire le nombre de taxes, d'éliminer les traitements spéciaux et les exemptions, de réduire la fraude et l'évasion fiscales, d'introduire une quasi-taxe sur la valeur ajoutée et de réduire les droits de douane.

Certes pour cette étude la priorité est mise sur les réformes fiscales, mais il est fait le choix d'y inclure les reformes commerciales (douanières) puisqu'elles ont visé le même objectif : Celui

17

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

d'accroitre les recettes budgétaires et de relancer l'activité économique. Les principales réformes de politique fiscale et commerciale mises en oeuvre par le gouvernement camerounais pour ces années 1994 sont :

+ Les réformes des politiques commerciales : Comme reformes de politiques commerciales, il faut citer :

Ø Le Tarif extérieur commun (TEC) : Les quatre types de droits de douane existants avant 1994 furent remplacés par un système unique et unifié connu sous le nom du TEC, applicable aux importations en provenance des pays non-UDEAC. Tous les privilèges du commerce extérieur dans le cadre du Code des investissements et les régimes spéciaux de production (Taxe unique ou TU ; Taxe intérieure à la production ou TIP) furent éliminés ;

Ø La Réduction des taux de droits de douane : Les importations ont été classées en quatre catégories avec des taux tarifaires allant de 5 à 30 pour cent, en baisse de 0 à 500 pour cent sous le régime précédent.

Ø Le Tarif préférentiel généralisé (TPG) : Un tarif préférentiel généralisé a été introduit pour le commerce avec les pays UDEAC avec un taux initial fixé à 20 pour cent du TEC applicable. Ce taux fut ramené à 10% le 1er janvier 1996 et éliminé le 1er janvier 1998.

Ø L'établissement d'une surtaxe temporaire : Afin de tenir compte de la nature fragile de l'environnement industriel, chaque État membre de l'UDEAC fut permis d'imposer une protection supplémentaire sous la forme d'une surtaxe temporaire et fixée librement par les Etats à un taux ne dépassant pas 30 pour cent, et d'un droit d'accise sur certains biens de consommation courante, en particulier les biens de luxe importés, ou ceux fabriqués localement sous licence étrangère.

+ Les Réformes des politiques fiscales : Comme reformes de politiques fiscales, il faut citer :

Ø Élimination de la plupart des privilèges associés aux impôts indirects : L'élimination de tous les privilèges associés aux impôts indirects dans le cadre des régimes spéciaux de production (TU, TIP) et le code d'investissement, à l'exception de la zone de libre-échange.

Ø Introduction de la taxe sur le chiffre d'affaires (TCA), un prélude à la mise en oeuvre d'une TVA : L'introduction d'une taxe sur le chiffre d'affaires (TCA), c.-à-d. une quasi-taxe sur la valeur ajoutée applicable à la production nationale et aux intrants importés et intermédiaires, et remplaçant les anciens impôts sur la production et taxes de vente (ICAI, TU, TIP).

18

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Ø Imposition des taxes d'accise sur certains produits .
· il s'agit de la création d'un mécanisme pour l'imposition des taxes d'accise sur certains produits.

Ces réformes fiscales avaient pour but de simplifier les impôts indirects et d'élargir l'assiette fiscale en réduisant les exonérations et rationalisant les taux, tout en éliminant les distorsions du régime incitatif (RFJ-A (2013)). Un impact positif sur l'accroissement des recettes fiscales et la croissance économique était donc attendu.

1.3.4. Mise en oeuvre de la TVA

L'application effective de la taxe sur le chiffre d'affaires (TCA) au Cameroun a eu un impact négatif non seulement sur les recettes fiscales, réellement recouvrées, mais aussi sur les entreprises manufacturières et les exportateurs. C'est dans ce contexte que la TVA a été introduite au Cameroun. Entrée en vigueur le 1er janvier 1999, la TVA est une taxe récupérable indirecte qui a remplacé la taxe sur le chiffre d'affaires (TCA). La TVA a été imposée au taux unique de 18,7% sur les activités économiques telles que la production, les importations, la fourniture de services, la distribution, la construction, l'exploitation minière, l'agriculture, l'agro-industrie, la foresterie, les arts et l'artisanat, et les professions libérales.

La loi de finances pour 1999 exempta de la TVA les intrants agricoles tels que les insecticides, les engrais et leurs emballages. La TVA fut accompagnée des droits d'accise sous forme d'une taxe ad valorem de 25% pour certains produits particuliers. Les principaux produits soumis aux droits d'accise sont : le tabac/cigarettes, boissons alcoolisées, parfums et eaux de toilette, cosmétiques et produits de maquillage, lotions pour les cheveux, pierres et métaux précieux, bijoux, etc.

En 2005, le taux de TVA fut augmenté de 18,7 à 19,25% en réponse à la stagnation des recettes fiscales. A noter aussi que depuis 1999, d'autres reformes ont suivi : Réforme de l'impôt général sur le revenu, Réforme des fiscalités spécifiques par le transfert des compétences à la DGI (forêt, mines, élevage...), Réforme de la fiscalité locale (institution des impôts locaux (IL, patente...), transfert de certaines ressources d'Etat et des compétences aux collectivités Territoriales Décentralisées).

19

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

1.3.5. Amélioration de l'organisation et du fonctionnement de l'administration fiscale

Des progrès significatifs ont été également réalisés au cours des années 1990 dans l'amélioration de l'organisation et du fonctionnement de l'administration fiscale du Cameroun d'une part, et dans l'augmentation de sa capacité à gérer le système fiscal d'autre part. Parmi les principales mesures mises en oeuvre au cours de cette période, on peut citer en particulier la création d'un service chargé de gérer les questions fiscales des contribuables importants et des grandes entreprises. Jusque dans les années 1990, les grandes entreprises, à partir desquelles la majeure partie des impôts étaient recueillis, n'étaient pas suivies de près par les autorités fiscales (Fambon, 2006; Khan S., 2010).

Depuis 1999, les réformes de l'administration de l'impôt comprennent le transfert du recouvrement à la DGI, la modernisation de la Brigade des Enquêtes Fiscales, le développement d'un logiciel de gestion des renseignements fiscaux, la segmentation de la population fiscale(création de la DGE (Direction des Grandes Entreprises ),création des CIME (Centres des Impôts de Moyennes Entreprises) pilotes, création des CDI (Centres Divisionnaires des Impôts) pilotes, introduction du système de management basé sur la DPO, la mise en place d'un cadre de concertation avec les contribuables, la mise en place d'un cadre de concertation avec les contribuables (discussions préalables des projets de LF...), l'informatisation avec le développement de l'application MESURE pour la gestion des impôts-taxes et l'interconnexion des applications Impôts/Douanes ,etc. . Ces initiatives qui ont été mise en place pour face à la baisse des revenus pétroliers, à l'accord de démantèlement tarifaire, à l'ampleur du secteur informel, et à l'insuffisante mobilisation des ressources (Alfred Bagueka ASSOBO (2011)).

1.3.6. Réformes de l'exercice 2015

Le contexte dans lequel s'inscrit les reformes de 2015 est marqué par une conjoncture nationale et internationale peu favorable. Au plan national en effet, le Cameroun doit relever les défis sécuritaires aux frontières septentrionale et orientale. Au plan mondial, la tendance, déjà perceptible au début du second semestre 2014, s'est confirmée en 2015 avec l'effondrement des cours du prix du baril du pétrole, affectant négativement les ressources de l'Etat attendues de la vente de cette matière première. Le Cameroun a donc intensifié sa stratégie budgétaire axée sur l'amélioration de la mobilisation des ressources fiscales intérieures.

20

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Cette stratégie s'est manifestée à travers la mise en oeuvre de réformes volontaristes tant en matière d'administration de l'impôt que de politique fiscale. En matière d'administration de l'impôt, les réformes de réorganisation des services et de modernisation des procédures, entamées depuis 2013 et qui portaient déjà des fruits ont été renforcées. Pour ce qui est de la politique fiscale, autorités ont opté pour une fiscalité qui privilégie une assiette large et des taux d'imposition modérés. La baisse de 5 points du taux de l'impôt sur les sociétés en est la parfaite illustration. Au-delà de l'imposition des personnes morales, les réformes de politique fiscale ont également touché à l'imposition de la consommation avec la réforme des droits d'accises, qui introduit dans le système des droits spécifiques.

Le tableau ci-dessous présente les principales réformes en matière de fiscalité en 2015 au Cameroun.

Tableau 1 : Réformes de l'année 2015

Source : DGI et nos travaux

21

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

CHAPITRE 2 : CADRE GÉNÉRAL ET ETUDES EMPIRIQUES DE LA PREVISION ECONOMIQUE-APPLICATION A LA PREVISION DES IMPOTS ET TAXES

Ce chapitre a pour but de présenter la prévision économique dans un cadre général, les études y afférant ainsi que son application dans la prévision des grandeurs économiques notamment des impôts et taxes.

2.1. Prévision économique

2.1.1. Définitions

2.1.1.1. Prévision économique

La Prévision économique est l'estimation, généralement par des méthodes économétriques, des valeurs actuelles ou futures de grandeurs économiques.

_G ( _y ) ? _{Pr ob} ( Y _t + h ? _y ? t )

La prévision économique est toujours incertaine, et aux estimations des valeurs futures sont toujours associés des intervalles de confiance. L'incertitude sur les décisions politiques, les chocs économiques et les réactions en chaîne qui en découlent) et l'ampleur des cycles économiques rend l'exercice de prévision périlleux.

Une prévision peut être définie comme un ensemble de probabilités associées à un ensemble d'événements futurs (Fischhoff, 1994). Cette prévision est basée sur un ensemble d'informations disponibles à l'instant t où elle a été effectuée. Cet ensemble qu'on peut noter

(l'indice temporel t correspond à l'instant t représente les données disponibles, les

connaissances et les théories concernant le phénomène que l'on souhaite prévoir. La prévision au temps t d'horizon h de la variable Y, considérée comme une variable aléatoire, peut donc s'écrire (Granger et Newbold, 1997) sous la forme d'une fonction de distribution conditionnelle

(à l'ensemble d'informations ) : .

En ce qui concerne les variables numériques (les plus rencontrées en économie), il est plus fréquent que l'on se contente en pratique de fournir une valeur centrale des prévisions, comme la moyenne ou la médiane. On qualifie cette prévision de ponctuelle et on la note . L'autre

22

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

façon d'exprimer sa prévision est de donner un intervalle de confiance des prévisions que l'on

note . Cela revient à révéler une information partielle sur la fonction de distribution
attendue.

Voici des exemples formulés pour mieux comprendre ces définitions :

V' Exemple de prévision centrale: La croissance du PIB sera de l'ordre de 5,26 % en 2020 au Cameroun.⁵ .

V' Exemple d'intervalle de prévision : Le taux de croissance du PIB variera et sera compris entre 4 et 6 % au Cameroun en 2020.

V' Dans la pratique, on rencontre des formes hybrides de prévision. Ainsi, un cas fréquent est l'évocation d'une borne supérieure des prévisions : la croissance de l'activité économique ne devrait pas dépasser 6 % en 2020.

2.1.1.2. Horizon de prévision

L'horizon de prévision (noté h) varie de l'immédiat au long terme. Cette notion dépend du domaine étudié ainsi que de l'intervalle de temps s'écoulant entre deux observations successives. Pour des données industrielles mensuelles, le court terme exprime en général un horizon allant de 3 à 15 mois. Pour des données macroéconomiques annuelles, le court terme est utilisé pour les prévisions d'horizon 1 et 2 ans (que l'on appelle aussi prévisions conjoncturelles). En finance, pour des données journalières ou disponibles en temps réel, le court terme évoque plutôt l'heure suivante ou le lendemain.

2.1.1.3. Planification

Le prévisionniste n'a en général pas de contrôle sur le phénomène qu'il essaye de prédire. Dans ce cas, on dit qu'il formule des anticipations. Il existe cependant quelques exceptions. Un entrepreneur qui veut connaître la valeur des ventes futures de sa société a un certain contrôle sur la variable à prédire, dans la mesure où il peut agir directement sur certains de ses déterminants (la politique de prix, le budget de publicité). On parle alors de planification.

⁵ Selon les estimations du Fond monétaire international( https://fr.statista.com International Cameroun)

23

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Formellement, si représente l'ensemble d'informations couvrant l'intervalle de temps

, le planificateur possède le contrôle sur un sous-ensemble de .

2.1.2. Classification des techniques de prévision

Les méthodes sont regroupées en catégories, de la façon suivante:

? Les approches basées sur le jugement, ou informelles ? Les méthodes extrapolatives ou univariées

? Les méthodes explicatives ou causales

? Les méthodes systémiques et économétriques

Afin de pouvoir mieux comprendre la portée de ces méthodes, on mentionnera un exemple typique d'application de chaque méthode ainsi que l'horizon (ou les horizons) de prévision recommandé pour l'utilisation de chaque méthode (TCT: très court terme, CT: court terme, MT: Moyen terme, LT: long terme). Les méthodes peuvent être combinées. C'est d'autant plus pertinent de recourir aux combinaisons lorsque les méthodes sont jugées complémentaires et qu'il existe une grande incertitude sur le meilleur modèle à employer.

2.1.2.1. Les approches basées sur le jugement, ou informelles

Les méthodes informelles ou de jugement (judgemental) sont très répandues dans le monde de l'entreprise. Plus généralement, elles sont particulièrement utiles dans toutes les applications caractérisées par une information quantitative déficiente (données non mesurables, peu fiables ou trop peu nombreuses) alors qu'un certain nombre de connaissances, d'informations qualitatives sont disponibles.

Les Principales méthodes informelles sont :

Q Réunions d'experts ;

Q Planification, politique de prix (évolution des ventes, du budget promotionnel). Horizon: CT, MT, LT ;

Q Confrontation des forces des ventes (sales force composite). Exemple : évolution des

ventes pour l'ensemble d'une firme qui vend différents produits). Horizon: CT ou MT ; Q Développements de scénarios. Ex: déchets produits par une firme, une région. Horizon:

MT ou LT ;

24

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Q Approche Delphi. Variables qualitatives, planification, politique de prix. Horizon: CT MT, LT.

2.1.2.2. Les méthodes extrapolatives ou univariées

Les méthodes extrapolatives utilisent les observations quantitatives du passé de la variable

pour prédire son futur. Autrement dit: . Elles sont utilisées

principalement pour la prévision à court terme ainsi que lorsque des variables explicatives ne sont pas disponibles ou manquent de fiabilité. Elles permettent notamment de modéliser l'inertie propre à de nombreuses variables économiques. Des informations contextuelles concernant le phénomène étudié permettent en général d'améliorer l'application des méthodes extrapolatives.

Les principales méthodes extrapolatives ou univariées sont :

r Prévision naïve : Phénomène incertain à prévoir (ex: prévision du cours d'une action), horizon : TCT (très court terme)

r Lissage exponentiel (simple, double, adaptatif, amorti, etc.) : Séries courtes, de nature industrielle, microéconomique, de fréquence mensuelle ou trimestrielle (ex: production du secteur textile au cours des trois prochains mois), horizon : TCT / CT

r Courbes de croissance (régression linéaire, logistique, Gompertz, etc.) : Séries annuelles, peu cycliques, assez régulières (ex: cycle de vie d'un produit), horizon: MT / LT

r Décomposition saisonnière (moyennes mobiles, X-11, X-11 ARIMA (Autoregressive Integrated), X-12, etc.). Séries trimestrielles et surtout mensuelles qui présentent d'importantes fluctuations saisonnières (ex: consommation de biens alimentaires), horizon : CT

r Modélisation ARIMA (méthodologie de Box et Jenkins, etc.) : Séries longues (ex: production industrielle trimestrielle). Horizon: CT

r Décomposition spectrale (composantes non observées) : Séries longues (ex: production industrielle trimestrielle). Horizon: CT

r Modèles ARFIMA (Auto Regressive Fractionally), mémoire longue : Séries très longues, séries annuelles (ex: évolution des prix pétroliers). Horizon: MT / LT

25

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

r Modèles stochastiques non linéaires (à seuil, bilinéaire, à erreurs GARCH (Generalized AutoRegressive Conditional Heteroskedasticity), à coefficients dépendant du temps, etc.) : Séries longues, de nature financière (données journalières, en temps réel), séries économiques volatiles (variables monétaires) (ex: taux de change $/DM, taux d'intérêt). Horizon: TCT / CT

r Modèles dynamiques linéaires bayésiens : Séries longues et pour laquelle on dispose des informations à priori (ex: ventes de la société). Horizon: CT

r Méthodes chartistes (basées sur l'analyse de courbes) : Données financières (ex: cours des actions). Horizon: CT.

2.1.2.3. Les méthodes explicatives ou causales

Les méthodes explicatives utilisent les valeurs passées d'une ou de k variables, y compris, éventuellement, la variable étudiée Y (appelée variable dépendante). Formellement,

où ????[1, ..., K] avec K est le nombre total de variables explicatives.

Ceci implique que la qualité des prévisions obtenues à l'aide de ces méthodes dépend entre autres de la qualité de prévision ou d'estimation des variables explicatives sur l'horizon de prévision. Cette catégorie de méthodes est particulièrement recommandée lorsqu'il existe des variables explicatives dont les observations sont disponibles plus rapidement que la variable dépendante. Pour la prévision conjoncturelle, on se base notamment sur ce qu'on appelle des indicateurs avancés ("leading indicators") de l'économie.

Les principales méthodes explicatives sont :

r Régression multiple pour la planification (ex: prévision des ventes en fonction de la politique de prix et du budget consacré à la promotion). Horizon: CT / MT / LT

r Modèles de fonction de transfert pour les séries longues (ex: prévision de l'activité en fonction d'indicateurs avancés). Prév : CT MT

r Modèles à correction d'erreurs, modèles VAR, VARMA (Vector AutoRegressive Moving-Average) pour les séries longues et variables économiques qui interagissent toutes entre elles (ex: variables macro-économiques, consommation privée et produit intérieur brut). Horizon: CT / MT

26

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

? Modèles dynamiques linéaires bayésiens pour les séries longues pour lesquelles on dispose des informations à priori (ex: ventes de la société). Horizon: CT

2.1.2.4. Les méthodes systémiques

Les méthodes systémiques tendent à considérer le système économique dans sa totalité. Elles utilisent les relations et les interactions possibles entre de nombreuses variables. Ces méthodes sont utilisées pour la modélisation macro-économique et méso-économique principalement. Elles servent d'instrument de simulation (planification, politique budgétaire, politique monétaire) et de prévision à moyen et long terme.

Ces méthodes sont :

? Les équations simultanées (double moindres carrés, triple moindres carrés, etc.) : Quand la distinction entre variables exogènes et endogènes est possible (ex: offre et demande en fonction du prix d'un bien). Horizon: CT / MT / LT

? Les modèles macroéconomiques : Variables macroéconomiques pour lesquelles il existe un cadre théorique bien défini (équilibre général). Horizon: LT

On peut ainsi spécifier que la prévision est calculée généralement à partir d'un modèle ou une formule, quand cette information est disponible.

2.2. Etudes empiriques de la prévision économique

2.2.1. Part de l'aspect technique et prévision non conditionnelle

Aucune prévision n'est purement technique, au sens où même les prévisions issues d'un modèle sont corrigées par le prévisionniste ; c'est le cas par exemple des prévisions de l'OCDE (Organisation de Coopération et de Développement Economiques) ou de la CEE (Communauté Economique Européenne). McNees (1981) précise qu'un modèle ne pèse que pour 45 à 80 % dans la prévision, le reste étant dû à l'intuition. Certains organismes comme le COE (Council Of Europe) utilisent même depuis longtemps l'intuition du prévisionniste à 100 %, puisque leurs prévisions sont purement informelles, c'est-à-dire inspirées du jugement formulé par des experts et/ou basées sur une extrapolation logique d'indicateurs conjoncturels. En conséquence, ainsi que le précisent Braun et Zarnowitz (1992), on pourrait raisonnablement s'attendre que les

27

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

prévisions soient différentes, étant évaluées par différentes méthodes, et l'habitude et la compétence des prévisionnistes ainsi que les théories auxquelles ils se réfèrent différant aussi.

Selon Karine Bouthevillain, il est à noter aussi que le standard de précision recherché est relatif à l'objectif pour lequel les prévisions sont nécessaires. D'une façon générale, on peut dire que l'objectif des prévisionnistes appartenant à des organismes nationaux est de produire en moyenne des prévisions plus précises et plus explicites que les résultats obtenus par des modèles univariés ou multivariés de séries temporelles (Zarnowitz, 1991). Pour les organismes internationaux, l'objectif est plutôt de proposer des scénarios conditionnels mettant en évidence d'éventuelles déviations économiques (Artis, 1988). De plus, ces organismes doivent garantir un environnement international homogène pour tous les pays, et effectuent donc un bouclage par l'intermédiaire des balances commerciales et des balances des paiements.

Toutefois, comme l'expliquent Borowski, Bouthevillain, Doz, Malgrange et Morin dans leur article Économie et Prévision, l'on s'intéresse de manière générale qu'au résultat final du travail des prévisionnistes sans tenir compte de la méthode utilisée lors de prévisions ex ante. En d'autres termes, il est considéré généralement que les prévisions sont un ensemble d'anticipations macro-économiques non conditionnelles. Cela veut dire qu'on ne préjuge pas du mode de représentation de l'économie du prévisionniste, plus particulièrement des éléments considérés comme exogènes par ce dernier (environnement, instruments de la politique économique), supposant comme seule restriction que les prévisions sont comptablement équilibrées.

2.2.2. Culture de la prévision économique

Les chercheurs issus d'organismes nationaux ou internationaux développent régulièrement des modelés de prévisions. Qu'il s'agisse de la prévision du niveau général des prix, des recettes fiscales ou de toute autre grandeur économique, les techniques utilisées sont celles déjà rappelées précédemment au paragraphe 2.1.2. Des articles et publications font aussi états de plusieurs travaux en matière de prévisions économiques.

A titre d'exemple, René Lalonde et Patrick Sabourin de la banque du Canada développent en 2003 dans leur article « Modélisation et prévision du taux de change réel effectif américain » un modèle simple de prévision du taux de change réel effectif américain. Parmi un grand nombre de modèles à correction d'erreurs, ils choisissent celui dont la qualité des prévisions

28

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

hors échantillon, réalisées sur la période 1992T3-2002T1, est la meilleure. Au sein du modèle retenu, le taux de change réel effectif est coïntégré avec la productivité relative et le prix réel du pétrole. La dynamique de court terme est fonction de l'évolution du différentiel des taux de croissance du PIB réel, de la première différence du ratio des actifs nets à l'étranger au PIB, du différentiel des taux d'intérêt réels et, finalement, des chocs ayant un effet temporaire sur le prix réel du pétrole et la productivité relative. Les exercices de prévision hors échantillon montrent que le modèle génère des erreurs quadratiques moyennes systématiquement et statistiquement beaucoup plus faibles que celles issues d'une marche aléatoire ou d'un modèle auto-régressif. Ils expliquent que leur résultat est, en grande partie, attribuable à la grande stabilité des paramètres de la relation de coïntégration.

Catherine Doz et Pierre Malgrange en 1992 évaluent l'aptitude d'un modèle VAR, utilisé comme une simple « boîte noire », à prévoir. Les résultats des estimations conduisent à retenir un modèle VAR avec relations de coïntégration, estimé par la méthode de Johansen. Il inclut les variables suivantes : PIB, consommation, importations, exportations, investissement. Pour les années étudiées, les performances de ce modèle sont assez voisines, pour certains horizons, de celles effectuées par les organismes de prévision (Direction de la Prévision en France DP, etc.). Ils développent un modèle permettant d'obtenir des résultats apparemment comparables à ceux de la DP pour les variables de la sphère des biens et services. En revanche, ils précisent que les résultats obtenus pour les variables de prix ne sont pas satisfaisants, et pensent qu'ils pourraient être améliorés en utilisant les techniques spécifiques pour les variables intégrées d'ordre 2, ou en spécifiant un modèle inspiré de la boucle prix-salaires, et prenant donc en compte un nombre réduit de variables.

Mpatna Hans Cacharel Barenz en 2007 réalise une étude sur la modélisation d'un système de prévision des recettes budgétaires du Cameroun. L'objectif principal de son travail est de faire des projections économiques. A partir d'un Panel de Données issues de la Direction Générale des Impôts, l'auteur mène une étude dynamique endogène à l'aide des séries chronologiques qui lui permet d'analyser adéquatement les principales recettes budgétaires du Cameroun. Les techniques de Box et Jenkins utilisées à cet effet ont abouti à des conjectures d'un horizon de deux ans (2007-2008) à l'aide du modèle ARIMA implémenté sous le logiciel R.

En 2015, Quentin Lafféter et Mathilde Pak font une étude de trois impôts sur la période 19792013 en France. L'étude documente prioritairement sur la période 1979-2013 la réaction au cycle économique des trois principaux impôts d'État en France : l'impôt sur le revenu (IR), la

29

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI13 et prévision du rendement des impôts et taxes

TVA et l'impôt sur les sociétés (IS). En référence à l'épisode budgétaire qualifié de « cagnotte » et qui a été une conséquence de la sous-estimation des recettes en 1999, et en référence à l'année 2014 où les principaux prélèvements d'État ont rapporté moins de recettes qu'on ne le prévoyait la LFI (les recettes ont été surestimées de près d'un point de PIB), l'étude des auteurs s'attèlent aussi à évaluer la performance d'un modèle de prévision mettant en relation la dynamique du PI13 et le rendement fiscal.

La performance du modèle de prévision construit est évaluée sur sa capacité à reproduire la recette brute observée. Il s'agit d'estimer la capacité du modèle à s'ajuster statistiquement à la recette brute observée. En effet, les coefficients sont estimés sur l'ensemble de la période et dépendent notamment de variables, comme les chocs non anticipés, qui ne sont pas disponibles au moment de la prévision des recettes dans les Voies et Moyens. Les taux de croissance « spontanés » de la recette fiscale estimés par le modèle sont utilisés pour reconstituer la recette brute. Cet exercice d'ajustement statistique est mené à partir de l'ensemble d'informations disponibles au moment où les recettes fiscales sont prévues dans les Voies et Moyens. Lors de la prévision de la recette R en t+1, seule la recette R en t-1 est connue, ainsi que les mesures nouvelles pour l'année t et pour l'année t+1. La série de recettes corrigée des mesures discrétionnaires est « déchaînée » pour reconstituer la série de recettes brutes estimée par le modèle, année après année. MN étant une variable permettant de mesurer l'effet des mesures nouvelles la relation suivante explicite le lien entre Rt+1, Rt-1, MNt et MNt+1 :

??^{^}t+1 = exp{Ôln(????_t+1) + ln[exp(Ôln(????_t) + ln(??_t-1)) + ????_t]} + ????t+1

^

Où ??

t+1 est le niveau de recette brute, ??t-1 est le montant de recettes observé à la date t-1, et

ES la série de recette corrigée de manière à neutraliser l'effet des mesures nouvelles. Le modèle permettant d'estimer les valeurs futures de la variable ES est un modèle à correction d'erreur qui s'écrit :

{

ln(????_t) = ?? + ??ln(??????t ???? t-1) + ??_t ? ln(????_t) = ?? + ??? ln(??????t ???? t-1) + ????t-1

Pour comparer la performance des modèles, les statistiques usuelles (RMSE (Root Mean Square Error), erreur absolue moyenne, ...) sont dérivées de l'écart entre la recette observée et la recette estimée sur la période 1981-2013. Les écarts d'ajustement sont exprimés en point de PI13

30

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P11B et prévision du rendement des impôts et taxes

nominal, cette normalisation permettant de rendre comparables l'ensemble des années de la période.

2.2.3. Etudes évaluant les effets de la politique fiscale sur l'activité économique et le

rendement fiscal

En 2005, Elie Girard et Olivier Biau s'inspirent selon eux de la méthodologie de Blanchard-Perotti [2002] basée sur le modèle de type « VAR Structurel », pour analyser les effets désagrégés à court terme de la politique fiscale ou budgétaire sur l'activité économique, l'inflation et les taux d'intérêt. Appliquée à l'économie française, le modèle est basé sur les relations et les interactions possibles entre le P11B, les recettes fiscales, les dépenses publiques, l'inflation, et le taux d'intérêt. Le modèle fournit pour une élasticité des recettes publiques (cotisations sociales salariales impôts sur le revenu, impôts indirects etc.) par rapport au P11B égale à 0.8, des résultats qui attestent l'efficacité macroéconomique à court terme d'une hausse structurelle de la dépense publique en France (multiplicateur proche de 1,4) qui, au-delà de son impact mécanique sur la demande globale, stimule la consommation et l'investissement privés. De même, l'effet estimé sur l'activité d'une hausse structurelle des recettes publiques est négatif, en raison essentiellement de la contraction de la consommation privée ; cependant, cette réponse est faible (multiplicateur proche de -0,1 seulement) et n'est significative qu'à très court terme, même si ce résultat varie selon le type de recettes considéré. Par ailleurs, l'effet du choc structurel de recettes sur les recettes elles-mêmes est assez persistant (mais non cumulatif): le multiplicateur se stabilisant autour de 0,8 en-dessous de 1, sous l'effet probable de la légère contraction de l'activité.

Vladimir Borgy et Jean-Olivier Hairault en 2001, étudient le lien entre les chocs fiscaux et les fluctuations économiques en France sous l'hypothèse de la non-équivalence ricardienne. En effet, la propriété d'équivalence ricardienne constitue une des hypothèses les plus controversées en macroéconomie bien qu'elle ait fait l'objet de nombreuses tentatives de tests empiriques (Cardia (1997), Evans (1993) et Leiderman et Razin (1988)). L'objectif de ces auteurs est d'analyser la dynamique induite par d'autres types de chocs budgétaires dans un cadre de non-équivalence ricardienne et d'évaluer leur capacité à rendre compte des fluctuations observées de l'économie française. La prise en compte de ces chocs fiscaux est-elle susceptible d'améliorer l'explication des fluctuations de l'économie française ? Ces auteurs insistent au préalable sur le fait que depuis le développement du courant des cycles réels, différentes sources d'impulsion ont été privilégiées pour tenter d'expliquer ses principaux faits stylisés : Hairault(1992)

31

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

considère uniquement des chocs technologiques, Fairise et Langot(1994) introduisent en plus des chocs de dépenses publiques, Hairault et Portier (1993) des chocs monétaires. En outre, ces travaux considèrent le cadre d'une économie fermée. Le travail de Vladimir Borgy et Jean-Olivier Hairault est alors en cela différent à la fois par les sources d'impulsion considérées et par le cadre d'économie ouverte qui est retenu.

Le modèle utilisé est un modèle d'équilibre général dynamique stochastique (de l'anglais Dynamic Stochastic General Equilibrium, DSGE) qui est une extension de la théorie d'équilibre général. Il apparait que dans un cadre où l'équivalence ricardienne n'est pas respectée, des chocs fiscaux, qu'ils portent sur la structure du financement ou qu'il s'agisse d'une taxe distorsive sur la production, ont des effets réels. Les auteurs rappelant le résultat des travaux de Hairault (1992) selon lequel l'introduction de chocs fiscaux permet d'améliorer les prédictions du modèle de cycles réels canonique, insistent sur le fait que leur modèle simulé avec chocs technologiques et chocs fiscaux reproduit un certain nombre de faits stylisés observés pour la France de manière plus convaincante que le modèle de cycles réels canonique uniquement perturbé par des chocs de productivité. À cet égard, il convient de noter le rôle primordial que joue le choc de taxe sur la production. En effet, ce dernier permet d'améliorer sensiblement la reproduction des faits stylisés relatifs aux heures travaillées et à la productivité. A côté des chocs conjoncturels traditionnels, chocs monétaires ou de dépenses publiques, des chocs fiscaux apparaissent comme une source de fluctuations conjoncturelles, ce qui rend encore plus nécessaire des travaux sur la politique fiscale optimale nécessaire à un rendement fiscal optimal.

32

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

DEUXIEME PARTIE : ETUDE EMPIRIQUE

33

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

CHAPITRE 3 : APPROCHE METHODOLOGIQUE ET

DONNEES

Il est question dans ce chapitre fait en deux parties de présenter la méthodologie de travail et les données. La première partie justifie le choix d'une méthode de prévision, présente l'approche méthodologique de construction de la méthode choisie et le principe des différents tests de stationnarités qui y seront utiles. La deuxième partie décrit les variables et les sources de données, étudie le comportement dynamique des différentes variables afin de se familiariser avec les données, et effectue le traitement des données pour la modélisation (identification des valeurs aberrantes, étude de la saisonnalité, etc.).

3.1. Approche méthodologique

3.1.1. Choix de la méthode

Il a été vu précédemment qu'il existe plusieurs méthodes pour prévoir l'évolution d'une grandeur économique : les approches basées sur le jugement ou informelles ; les méthodes extrapolatives ou univariées ; les méthodes explicatives ou causales ; et les méthodes systémiques et économétriques.

Dans le cas de notre étude, il sera considéré l'une des méthodes explicatives, plus précisément celle basée sur l'estimation d'un modèle à correction d'erreur (MEC) ou d'un modèle autorégressif à retards échelonnés ou distribués ARDL (AutoRegressive Distributed Lag). En effet au regard de la revue de la littérature qui a été présentée, l'on peut partir sur l'hypothèse que l'évolution de l'activité économique est susceptible d'expliquer les fluctuations du rendement des impôts et taxes. Le PI3 est une variable susceptible d'expliquer le rendement fiscal. Ainsi, contrairement aux méthodes univariées, ces méthodes ont l'avantage de ne pas se restreindre aux observations quantitatives du passé du rendement d'un impôt pour prédire son futur, et prennent donc en compte aussi les observations passées du PI3.

Toutefois, il faudra insister sur le fait que la qualité des prévisions obtenues à l'aide de ces méthodes dépend entre autres de la qualité de prévision du PIB sur l'horizon de prévision. Lorsque cela n'est possible, il est recommandé de se limiter aux méthodes extrapolatives ou

34

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

univariées dont la plus populaire est celle qui s'effectue à l'aide de l'estimation d'un modèle SARIMA (Seasonal ARIMA.) L'objectif de cette étude de prévision étant cependant d'analyser la possibilité de prendre en compte la contribution de l'activité économique au rendement fiscal, l'on se doit d'atteindre un tel but. Pour ce faire, la prévision du PIB (ainsi que celle des recettes fiscales totales) sera faite à l'aide d'une méthode systémique et économétrique, plus précisément en recourant à un modèle VAR. Il s'agira alors de considérer le système économique dans sa totalité. En s'inspirant des travaux de Girard Elie et Biau Olivier, l'on supposera que l'évolution de l'activité économique est bien approchée par le comportement dynamique de trois variables à savoir le PIB, les dépenses publiques et les recettes fiscales.

Au final, la méthodologie de ce travail se trouve obliger de combiner deux grandes méthodes : les méthodes explicatives ou causales et les méthodes systémique et économétriques. Cela semble d'autant plus pertinent puisque ces deux méthodes sont complémentaires.

3.1.2. Approche méthodologique de construction

La spécification du modèle ARDL utilisé considère qu'il existe une relation de court terme entre le PI3 et le rendement I de l'impôt, matérialisée par une régression où ???? est la variable dépendante :

?????? = ? ????

?? ??=1 ??????-?? + ? ????

??=0 ??????????-?? + ???? (ARDL (p, q))
??

La spécification du modèle MCE quant à elle considère qu'il existe un lien entre le PI3 et le rendement I d'un impôt autour d'une relation de long terme (la variable ???? étant la variable dépendante du modèle de régression retenu) :

?? ??

?????? = ??(????-1 - ??????????-1) + ? ???? ??????-?? + ????? ??????????-?? + ????

??=1 ??=0

L'estimation du modèle MCE se fera à l'aide de la procédure en deux étapes d'Engel-Granger, la première étant celle qui permet de vérifier l'hypothèse d'existence d'une relation de long terme. Il sera étudié d'abord la stationnarité de chacune des séries. Cela passe par l'appréciation des graphiques, des fonctions d'autocorrélations, des tests de Dickey Fuller Augmentés (après détermination du nombre de retards optimal), etc. Par la suite, il sera examiné l'existence d'une

35

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

relation de long terme entre le PIB et l'impôt étudié grâce à l'analyse de relation de cointégration.

Quant-t-à la modélisation VAR, la spécification retenue repose sur l'hypothèse que l'évolution de l'économie est bien approchée par la description du comportement dynamique du vecteur X à trois variables (T, PI3 et G supposées intégrées d'ordre 1) dépendant linéairement du passé de sorte que l'on peut modéliser le vecteur X sous la forme d'un AR(p) vectoriel :

??

?????? = ??+ ? ??D????-?? + ????

??=1

Dans le cas où il existerait une relation de long terme entre le PI3, les recettes fiscales et les dépenses publiques (hypothèse possible de vérifier empiriquement à l'aide du test de cointégration de JOHASEN), la spécification deviendra :

??

?????? = ?? + _Ð????-1 + ? ??D????-?? + ????

??=1

Cette nouvelle spécification régit l'évolution de l'activité économique selon une relation vectorielle de long terme Ð???? = ???? où ???? est un processus stationnaire.

3.1.3. Principe de l'analyse de la stationnarité des séries

3.1.3.1. La notion de stationnarité

Une des grandes questions dans l'étude de séries temporelles (ou chronologiques) est de savoir si celles-ci suivent un processus stationnaire. On entend par là le fait que la structure du processus sous-jacent supposé évolue ou non avec le temps. Si la structure reste la même, le processus est dit alors stationnaire.

La notion de stationnarité est importante dans la modélisation de séries temporelles, le problème de régression fallacieuse montrant qu'une régression linéaire avec des variables non-stationnaires n'est pas valide. Ainsi les travaux empiriques sur les séries temporelles débutent généralement par une analyse de la stationnarité. Et c'est d'ailleurs le cas pour cette étude.

Il existe de nombreux types de non-stationnarité, dont deux sont généralement exposés : la stationnarité en tendance et la stationnarité en différence. Une série est stationnaire en tendance

36

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

si la série obtenue en « enlevant » la tendance temporelle de la série originale est stationnaire. Et une série est stationnaire en différence si la série obtenue en différenciant les valeurs de la série originale est stationnaire. Une série temporelle est dite intégrée d'ordre d, que l'on note I(d), si la série obtenue après d différenciations est stationnaire.

Plusieurs tests statistiques existent pour confirmer toute hypothèse de stationnarité ou de non stationnarité des séries : le test de Dickey-Fuller, le test de Dickey-Fuller Augmenté et le test de Phillips-Perron, le test de Kwiatkowski-Phillips-Schmidt-Shin, etc.

3.1.3.2. Principe du test de Dickey-Fuller et test de Dickey-Fuller Augmenté

L'ancêtre des tests de non-stationnarité est le test de Dickey-Fuller (DF). Il en existe trois principaux. Dans les trois cas, la procédure de test consiste à effectuer la régression ?????? = ???? + ??????-1 + ???? où ???? est une fonction déterministe du temps. On a alors trois modèles possibles :

Modèle (1) : ????= 0 ;

Modèle (2) : ???? = ?? où a est une constante ;

Modèle (3) : ???? = ?? + ???? où a et b sont des constantes.

En pratique, on choisit le modèle (3) lorsque série semble contenir une dérive temporelle. Ce choix peut être déterminé par un examen visuel ou par un jugement économique a priori.

L'hypothèse nulle de racine unitaire est rejetée si la statistique du test (statistique de Dickey-Fuller) est inférieure à la valeur critique du test.

L'hypothèse nulle d'une marche aléatoire pure (avec ou sans dérive) est peu réaliste ; il convient de prendre en compte la possibilité que ???? soit autocorrélé. Pour ce faire, Dickey et Fuller ont proposé le test Augmented Dickey-Fuller (ADF) qui consiste à effectuer la régression :

?????? = ???? + ? ??????????-??

?? + ??????-1 + ???? (ADF)

??=1

Bien entendu, le nombre de retards p est choisi pour éliminer l'autocorrélation des ????.

37

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

3.1.3.3. Principe du test de Phillips-Perron (PP)

Phillips et Perron ont proposé une autre façon de traiter l'autocorrélation éventuelle du processus DX_t (approche semi-paramétrique). Les modèles considérés ont la même forme que ceux du cadre DF : DX_t = d_t + _{pXt_1} + p_t, mais on admet la possibilité que les p_t soient autocorrélés. Comme précédemment donc, on teste l'hypothèse nulle de non stationnarité (présence d'une racine unitaire). La présentation détaillée y compris toutes les démonstrations relatives à ce test se trouvent dans la plupart des manuels consacrés à l'économétrie des séries temporelles (Bresson et Pirotte, 1995). On retient alors que les corrections effectuées par Phillips-Perron permettent de prendre en compte l'autocorrélation éventuelle des p_t. Et l'hypothèse nulle de racine unitaire est rejetée si la statistique du test (statistique de Phillips-Perron) est inférieure à la valeur critique du test.

3.1.3.4. Principe du test de Kwiatkowski-Phillips-Schmidt-Shin test statistic(KPSS)

Contrairement à Phillips-Perron et Dickey-Fuller, Kwiatkowski, Phillips, Schmidt et Shin (KPSS) ont proposé un test fondé sur une hypothèse nulle de stationnarité. C'est d'ailleurs le principal test fondé sur une hypothèse nulle de stationnarité. Son calcul est très simple. On commence par régresser DX_t sur une constante (cas sans dérive) ou sur une constante et un trend (cas avec dérive). Et on rejette la stationnarité quand la statistique du test (statistique de KPSS) est supérieure aux valeurs critiques du test.

3.1.4. Principe d'analyse de la propriété de cointegration des séries

La cointégration est une propriété statistique des séries temporelles introduite dans l'analyse économique, notamment par Engle et Newbold (1974). En des termes simples, la cointégration permet de détecter la relation de long terme entre deux ou plusieurs séries temporelles. Sa formalisation rigoureuse est due à Granger (1981), Engle et Granger (1987) et Johansen (1991, 1995). Techniquement, la notion de cointégration implique implicitement celle d'intégration.

Formellement, si les séries temporelles X et Y sont intégrées d'ordre 1 et que par ailleurs, une combinaison linéaire de ces séries est intégrée d'ordre zéro (stationnaire), on dira alors que X et Y sont cointégrées d'ordre (1,1) : X, Y ~ CI(1,1).

38

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

La littérature économétrique distingue différentes techniques permettant de tester la cointégration parmi lesquelles l'algorithme de Granger - Engel (1987) décrit précédemment et qui sera appliqué dans le cadre de ce travail, les approches de Johansen (1988, 1991), le test de Stock - Watson (1988) ; le test de Phillips - Ouliaris (1990).

3.2. Données et traitement des données

3.2.1. Description des données et choix des variables

Les données de cette étude proviennent du Ministère des Finances (plus précisément de la Direction Générale des Impôts) et de l'Institut Nationale de la Statistique pour ce qui est du PIB. Elles ont trimestrielles et couvrent la période de 2002T1 à 2016T4. On a donc :

? L'impôt sur les sociétés(IS) : C'est un Impôt direct sur les bénéfices réalisés par les personnes morales, qui est prélevé sur l'ensemble de ces bénéfices

? L'Impôt sur le Revenu des Personnes Physiques(IRPP) : L'IRPP est un Impôt direct assis sur les gains réalisés par toute personne physique imposable

? La TVA : C'est un impôt sur la consommation qui frappe la dépense ; C'est un impôt indirect, car il n'est pas payé directement au Trésor public par le consommateur, redevable réel, mais par les personnes qui ont en charge sa collecte, redevables légaux

? Les Droit d'Accises(DA) : Le droit d'accises est un Impôt ad valorem assis sur la dépense de consommation et perçu lors de la livraison sur le marché local de certains produits spécifiques

? L'Impôt sur Traitements et Salaires(ITS) : Sont imposés à l'ITS, les traitements et salaires désignant tous les éléments qui participent à la rémunération du salarié. Il s'agit des salaires de base, les primes et indemnités divers, les majorations pour heures supplémentaires, les avantages en nature, les congés payés. Sont également imposables dans cette catégorie les pensions et les rentes viagères

? Les Recettes des forêts(RF) : L'activité forestière est soumise à la fiscalité de droit commun et à des prélèvements particuliers(la redevance forestière annuelle ; la taxe d'abattage; la taxe d'entrée usine ; la surtaxe à l'exportation ;les droits de sortie ; la taxe de transfert ; le précompte sur achat)

? L'Impôt sur les sociétés non pétrolières(ISNP) : Concerne tout impôt se rapportant aux activités non pétrolières

39

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

? La taxe spéciale sur les produits pétroliers (TSPP) : Tout comme l'activité non pétrolière, l'activité pétrolière est taxée

? Le PIB : représente la valeur ajoutée totale des biens et des services produits sur un territoire national au cours d'une année. Il reflète donc l'activité économique interne d'un pays et sa variation d'une période à l'autre est censée mesurer le taux de croissance économique

? Les recettes fiscales de la DGI(T) : recettes fiscales totales recouvrées à la direction générale des impôts du Cameroun.

? Les dépenses publiques (G) : ensemble des dépenses réalisées par les administrations publiques.

Les dépenses publiques ont été trimestrialisées via la méthode de Goldstein et Kahn que l'on peut retrouver dans le document de méthodologie pour les comptes nationaux trimestriels de l'INS (Institut National de la Statistique).

3.2.2. Comportement dynamique des différents grandeurs économiques

3.2.2.1. Analyse de l'évolution du rendement des impôts et taxes

La figure 2 présente l'évolution du rendement des impôts et taxes, la droite en pointillée représentant la tendance. Sur la période 2002T1-2016T4, le rendement des différents impôts et taxes évolue selon une tendance croissance, sauf en ce qui concerne les RF où le rendement évolue plutôt de manière décroissante. Ainsi, le recouvrement fiscal qui se situait au premier trimestre 2002 au niveau de 1.04 milliards de FCFA en ITS, 26.7milliards en Isnp, 53.9milliards en TVA, 8.3 milliards en DA, 15,6 milliards en TSPP et 4,7 milliards de FCFA en RF, se situe désormais à 40.8 milliards, 148.7 milliards, 132.6 milliards, 54.3 milliards, 27.1milliards et 4.4 milliards (respectivement) en 2016.

Par ailleurs, les fluctuations du rendement fiscal autour de cette tendance semblent être régulières et périodiques, surtout en ce qui concerne l'Isnp : le deuxième trimestre affichant généralement les valeurs les plus basses, et le quatrième trimestre affichant les valeurs les plus hautes chaque année. Il a remarqué que le quatrième trimestre est toujours marqué par plusieurs événements dans le pays qui poussent à la hausse les dépenses de consommation des ménages. Il s'agit de la rentrée académique dans les établissements scolaires, les fêtes de fin d'année, etc. Ce qui pourrait expliquer la hausse du rendement fiscal observé chaque année en ce trimestre.

40

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI13 et prévision du rendement des impôts et taxes

Figure 2 : Evolution du rendement des impôts et taxes(en FCFA)

^ITS

^Isnp

^TVA

^4,1E+10 3,6E+10 3,1E+10 ^2,6E+10 2,1E+10 1,6E+10 ^1,1E+10

^1,6E+11 ^1,4E+11 1E+11 8E+10 6E+10

^1,86E+11 ^1,66E+11 1,46E+11 ^1,26E+11 1,06E+11 8,6E+10 6,6E+10 4,6E+10 ^2,6E+10

^6E+09

^6E+09

^4E+10 ^T1_02 T1_04 T1_06 T1_08 T1_10 T1_12 T1_14 T1_16

^DA

^TSPP

^RF ^1,8E+10

^6E+10 ^5E+10 ^4E+10 3E+10 ^2E+10 ^1E+10

^4E+10 ^3,5E+10 ^3E+10 2,5E+10 ^2E+10 1,5E+10

^1,2E+11 ^1,4E+10 ^1,2E+10 ^1E+10 ^8E+09 ^4E+09 2E+09 ^0

^06

^0

^1E+10

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

Source : DGI et nos travaux

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

^1,6E+10

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

3.2.2.2. Analyse de l'évolution de l'activité économique globale

^6E+09

^T1

^{02 T1}

^{04 T1}

^{T1 08 T1 10 T1 12 T1 14 T1 16} L'analyse de l'évolution du PIB, des dépenses publiques et des recettes fiscales est susceptible de donner une idée sur l'évolution de l'activité économique et la situation financière du Cameroun depuis 2002.

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

L'économie camerounaise semble évoluer globalement autour d'une tendance croissante depuis 2002(figure 3). Le graphique PI13 représente l'évolution annuelle du PI13 au Cameroun. Il est à noter la présence d'une tendance croissante dans l'évolution de cet agrégat. Il s'agit d'une croissance régulière de la production intérieure brute au Cameroun depuis 2002. Ce qui peut s'expliquer par la diversification de son économie et des efforts menés pour le développement de l'agriculture, de la sylviculture, de chaînes de valeurs agro-industrielles ainsi que la réduction des importations au profit de la production locale.

Il est fait la même observation en ce qui concerne les recettes fiscales et les dépenses publiques (Graphique T et G). Les recettes fiscales totales sont passées de 182,1 milliards au premier trimestre 2002, à 376,4 milliards au premier trimestre 2016. Ce qui correspond à une augmentation de 107%. Autrement dit, le niveau de recettes fiscales recouvrées a été multiplié

41

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

par deux. La première explication de cette évolution croissante serait la hausse de la production des biens et services car comme on peut le constater sur la figure 3, la croissance économique observée depuis 2002 semble s'accompagner d'une hausse des prélèvements fiscaux. La seconde explication fait état de l'apport de la politique fiscale dans le recouvrement des recettes fiscales et l'amélioration du rendement des impôts et taxes. En effet le Cameroun depuis 1994, a opéré une série de réformes fiscales (confère chapitre 1) visant à améliorer le rendement fiscal sans nuire à l'évolution de l'activité économique. L'on rappellerait la mise en place d'une commission nationale de réforme fiscale et douanière en 2007 par exemple.

Figure 3 : Evolution des recettes fiscales, de la production des biens et services et des
dépenses publiques (En milliards)

^4,8E+11

^4,3E+11

^3,8E+11

^3,3E+11

^2,8E+11

^2,3E+11

^1,8E+11

^1,3E+11

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

^T

^4,5E+12

^3,5E+12

^2,5E+12

^1,5E+12

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14 T1 16}

^PIB

^5E+11

^2E+11

^8E+11

^{T1 02 T1 04 T1 06 T1 08 T1 10 T1 12 T1 14}

^G

Source : DGI et nos travaux

3.2.3. Traitement des données

3.2.3.1. Traitement des valeurs aberrantes

Afin d'obtenir une meilleure description des phénomènes et d'améliorer la qualité prédictive des modèles (les rapprocher le plus possible des données observées), la transformation logarithmique des variables est effectuée (Jean-François Bickel, Statistique II). Un « L » est désormais ajouté aux abréviations des variables. Fonction réciproque de la fonction exponentielle, la fonction logarithme est d'ailleurs reconnue comme étant fondamentale en analyse mathématique et y rend plus aisés les calculs. Par ailleurs, la boite à moustache des différentes séries assure l'absence des valeurs aberrantes dans la distribution des variables autres que la variable LRF (Figure A.1 en Annexe). Cette dernière possède en effet une valeur aberrante qui est imputée par la suite par l'upper inner fence à savoir Q3+1,5 (Q3-Q1).

42

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

3.2.3.2. Etude de la saisonnalité et dessaisonalisation des séries

3.2.3.2.1. Analyse de la saisonnalité

L'observation des figures 2 et 3 laisse penser que les séries LT, LIsnp, et LTVA présentent un comportement saisonnier, étant données leurs fluctuations apparemment régulières et périodiques autour d'une tendance. Les graphiques des différentes séries permettent d'observer directement un phénomène saisonnier régulier qui caractérise les séries T, Isnp, TVA et DA. Pour asseoir ce soupçon, il établit le graphique saisonnier des séries (figure A.2). La saisonnalité se manifeste alors par des pics et des creux pour le même trimestre d'année en année. Pour les séries LT, LIsnp, par exemple, les pics semblent apparaitre régulièrement au 1^er trimestre, révélant une concentration des recettes fiscales assez forte pendant cette saison. Et les creux au 3^ème. Par contre l'évolution des séries LT, LITS, LTSPP et LRF, ne semble pas laisser soupçonner la présence d'une quelconque saisonnalité. Pour ces séries, l'apparition des creux et des pics semble irrégulière selon les années.

3.2.3.2.2. Choix de la méthode de désaisonnalisation et désaisonnalisation des séries

Les séries LT, LTVA et LIsnp semblent présenter une composante saisonnière. Il est essentiel de les désaisonnaliser, d'obtenir la série corrigée des variations saisonnières ainsi que les coefficients saisonniers. Deux modèles de décomposition sont généralement considérées dans la pratique : le modèle multiplicatif et le modèle additif. Mais l'on se concentre le plus souvent sur des décompositions additives du fait qu'un modèle multiplicatif se ramène à un modèle additif en passant au logarithme. Les composantes principales qui peuvent apparaître à un moment ou à un autre de la décomposition sont : La tendance qui représente l'évolution de long terme de la série ; la composante saisonnière qui représentant des fluctuations trimestrielles qui se répètent plus ou moins régulièrement d'année en année; et la composante irrégulière.

Les séries LT, LTVA et LIsnp semblent être engendrées par des processus non stationnaires dont la saisonnalité peut être d'origine déterministe ou stochastique. En effet, la saisonnalité tout comme la tendance, peut être déterministe ou stochastique. Une composante saisonnière purement déterministe de période s, s étant le nombre d'observations par an, est décrite par s variables muettes saisonnières définies comme suit :

?????? = {1 si t = ?? ??????[s] 0 ailleurs

??= 1,...,s

43

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Dans tous les cas, pour désaisonnaliser les séries, on recourt le plus souvent aux moyennes mobiles. Elles constituent l'outil de base des méthodes de désaisonnalisation. De même que la moyenne mobile (1 - L)^?? permet d'éliminer tout polynôme de degré d ou de stationnariser tout processus intégré d'ordre d, la moyenne mobile 1 - L^s permet d'éliminer toute saisonnalité stochastique de période s. On compare donc les résultats obtenus pour le trimestre de l'année courante (glissement), en calculant le taux de variation par rapport à la même période de l'année précédente. Selon Danielle Bilodeau de l'Institut de la statistique du Québec, cette façon simple de désaisonnaliser présente toutefois un problème d'interprétation des données. La comparaison des trimestres homologues (mêmes trimestres que l'année précédente) établit un bilan des variations encourues au cours de l'année, alors que l'on voudrait plutôt tout au long de l'année pouvoir comparer le trimestre précédent et savoir si la tendance est à la hausse ou à la baisse. Ainsi les instituts de statistique notamment l'Institut de la statistique du Québec ou Statistique Canada, adoptent de nos jours d'autres moyennes mobiles judicieusement choisies de façon à faire ressortir des variations obtenues tout au long de l'année. La démarche courante consiste à partir des moyennes mobiles qui conservent les tendances linéaires, élimine les saisonnalités constantes et minimise la variance de la partie irrégulière. L'une de ces moyennes mobiles est la moyenne mobile suivante :

??(X)_?? = (0,5_X??+2 + _X??+1 + _X?? + _X??-1 + 0,5X??-2)/4

Elle est symétrique, annule les saisonnalités de période 4 et de moyenne nulle, préserve les polynômes de degré 1 et de manière générale les séries liées aux racines de l'équation caractéristique définie pour. En outre, elle possède des propriétés d'optimalité concernant la réduction du rapport de variance.

Pour la première estimation des coefficients saisonniers, on calcule X?? - ??(X)_??. En faisant la moyenne des coefficients saisonniers trimestre par trimestre, on obtient les coeffients saisonniers provisoires. Afin de satisfaire le principe de conservation des aires, on retranche à chacun de ces coefficients leur moyenne, ce qui nous fournit les estimateurs finaux des coefficients saisonniers (Tableau 2). La série corrigée des variations saisonnières est la série X?? - S??, qui n'est pas nécessairement linéaire (figure A.3 en Annexe). On obtient les séries CLT, CLTVA et LIsnp, le préfixe « C» étant ajouté aux abréviations pour préciser qu'il s'agit des séries ajustées, i.e. corrigées des variations saisonnières. Par ailleurs, la figure A.4 nous assure l'absence de valeurs atypiques dans les nouvelles séries.

44

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Tableau 2 : Coefficients saisonniers

Série	S1	S2	S3	S4
LT	0,194557	-0,044949	-0,134871	-0,014737
LTVA	-0,109738	-0,045004	-0,090525	0,245267
LIsnp	0,980126	-0,254885	-0,491461	-0,233779

Source : DGI et nos travaux

45

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

CHAPITRE 4 : PREVISION DU RENDEMENT DES IMPOTS ET TAXES : ANALYSE ET INTERPRETATION DES

RESULTATS

Ce chapitre est consacré à l'analyse et à l'interprétation des résultats. L'on commence par l'analyse des propriétés stochastiques des séries. L'étude estime ensuite la relation entre les différentes variables et les effets l'un sur l'autre des différents agrégats retenus, et analyse la qualité de la prévision du rendement des impôts et taxes obtenue en prenant en compte la dynamique du PIB. L'analyse se fait au seuil de 5% qui est le seuil habituel dans la littérature.

4.1. Etude des propriétés stochastiques des séries

Il est consacré dans cette étude l'étude de la stationnarité des séries et à l'issu des conclusions des différents tests, il en résulte l'ordre d'intégration des différentes séries.

La désaisonnalisation des séries conserve leur évolution et il semble au regard des figures 2, 3 et 4 du chapitre précèdent que les séries CLT, LITS, CLTVA, LDA, LTSPP, LPIB, CLIsnp et LG évoluent de manière croissante tandis que LRF décroît légèrement. Elles semblent toutes non stationnaires. Ce soupçon est confirmé par l'analyse du corrélogramme des séries (la figure A.5 en Annexe) où on peut constater que les corrélations partielles ne sont pas celles d'une série stationnaire. Sur le graphique, on peut constater que les réalisations des séries sortent de l'intervalle de confiance matérialisé par des traits verticaux. Nous pouvons observer que les autocorrélations sont toutes significativement différentes de 0 pour toutes les séries, car la probabilité critique est toujours inférieure au seuil de 5%. On peut même ajouter qu'elle est nulle, ce qui signifie que l'on a 0 % de chances de rejeter à tort l'hypothèse nulle de nullité des coefficients d'autocorrélation. Ce qui confirme encore une fois que les séries étudiées ne sont pas stationnaires.

Le test ADF (Augmented Dickey Fuller) et le test de Phillips-Perron(PP), figure A.6 en Annexe, permettent d'asseoir ces résultats. Dans un premier temps le modèle retenu pour les deux tests est celui avec un trend comme composante déterministe (au regard de leur évolution des séries). Les deux tests acceptent l'hypothèse de la non-stationnarité pour la série LG et suggèrent ainsi la présence de racine unitaire dans la série. Par contre, ils rejettent la présence de racine unitaire

46

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

dans les autres séries, suggérant que ces dernières seraient stationnaires en tendance et donc marquées par une non persistance des chocs. Autrement dit, elles possèdent une tendance déterministe linéaire qu'il faudrait enlever pour les rendre stationnaires. Toutefois, les résultats des deux tests s'opposent en ce qui concerne les séries CLT et LPIB. Pour le test ADF, la série CLT possède une racine unitaire tandis que la série LPIB elle, non.

Dans un second temps, le modèle retenu pour les deux tests est celui sans trend comme composante déterministe. En effet, l'évolution des séries autre que LRF semble être représentée au regard des figures 2, 3 et 4 du chapitre précèdent, par une courbe reliant les points d'une suite numérique croissante. Les deux tests acceptent alors l'hypothèse de la non-stationnarité pour toutes les séries (figure A.7 en Annexe) et suggèrent ainsi la présence d'une racine unitaire. Autrement dit telle une marche aléatoire, les séries seraient marquées par une persistance des chocs à long terme. La mise en évidence ici de la non stationnarité d'origine stochastique conduit à une mise en cause des schémas de décomposition tendance / cycle auxquels l'étude a eu recourt dans les tests précédents (Cours de C. Hurlin, Economie Appliquée). Supposer le contraire pourrait donc conduire à des modélisations totalement fallacieuses.

On connait les enjeux statistiques et économiques associés à la distinction entre les notions de non stationnarité déterministe et de non stationnarité stochastique, mais on sait aussi que l'operateur 1 - ?? est sensé théoriquement permettre d'éliminer à la fois les polynômes de degré 1 et les racines unitaires. On peut donc penser que pour stationnariser ces séries, qu'elles soient de type TS ou de type DS, il suffit de les différencier.

Pour la suite, nous passons à l'étude des séries différentiées. Nous commençons par analyser la distribution des différentes variables obtenues. L'information qu'on retient de l'observation de la figure A.8 en Annexe est que les variables (autres que LPIB ou LRF) en différence première possèdent des valeurs aberrantes ou atypiques. Après traitement de ces valeurs (imputation par les lower inner fence Q1- 1,5(Q3-Q1) et upper inner fence Q3+1,5(Q3-Q1)), l'analyse de l'évolution des séries finalement retenues (figure A.9 en Annexe) amène à penser que les séries DCLT, DLITS, DCLTVA, DLDA, DLTSPP, DLRF, DLPIB, DCLIsnp et DLG sont stationnaires.

Les séries obtenues semblent en effet ne pas avoir de tendance marquée à long terme : les séries semblent toujours revenir à leur valeur moyenne. Le test de Kwiatkowski-Phillips-Schmidt-Shin(KPSS) effectué en prenant comme composante déterministe une constante, permet de vérifier cette hypothèse de stationnarité et de confirmer nos soupçons (Figure A.10). Pour toutes

47

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

les séries autres que DLTSPP et DLDA, l'hypothèse de stationnarité des séries est acceptée, la statistique de KPSS étant inférieure aux valeurs critiques. Par ailleurs le test ADF (Figure A.11) ainsi que le test de PP (Figure A.12) permettent d'asseoir ces résultats, le bon modèle retenu pour les tests étant le modèle (2) au regard de l'évolution des séries. Pour ces tests, toute hypothèse de présence de racine unitaire dans les séries qui pourrait être émise doit être rejetée. Et puisque finalement deux des trois tests effectués concluent à une absence de racine unitaire dans les séries DLTSPP et DLDA, on retiendra par la suite que ces deux séries sont aussi stationnaires.

Il ressort de cette analyse des propriétés stochastiques que toutes les séries sont non stationnaires. Et en conformité avec les schémas de décomposition tendance/cycle/saisonnalité auxquels l'étude a eu recourt pour la désaisonnalisation des séries (chapitre 3), on retiendrait que les séries CLT, CLTVA, et CLIsnp sont stationnaires en tendance. C'est un résultat auquel on s'attendait sur le plan théorique, mais qui nécessitait une vérification empirique. Par ailleurs, les séries LDA LITS, LRF, LTSPP, LG et LPIB sont intégrées en raison de la présence de racine unitaire. Elles sont stationnaires en différence, et donc intégrées d'ordre 1. Ce qui amène à penser que la série LPIB serait cointégrée avec chacune des séries LDA LITS, LRF et LTSPP.

4.2. Analyse de la relation entre le PIB et le rendement des impôts et taxes

4.2.1. Analyse de la cointegration entre le PIB et les différents impôts et taxes pris

séparément

Pour analyser la cointégration de la série LPIB avec chacune des séries LDA, LITS, LRF et LTSPP, l'on recourt au test de cointégration d'Engel et Granger. La première étape du test d'Engle et Granger consiste à estimer la relation de long terme. Les différents résultats obtenus (figure A.13 en Annexe) permettent d'écrire :

LDA = 1,743*LPIB - 26,541 + p₁; LRF = -0,572*LPIB + 38,509 + p₂ ;

LTSPP = 0,556*LPIB + 7,803 + p₃ ; LITS = 1,385*LPIB - 16,087 + p₄.

La deuxième étape du test d'Engle et Granger consiste à récupérer les résidus afin de tester la stationnarité des erreurs. Pour chaque impôt, il est donc récupéré les résidus issus de cette régression linéaire qu'on analyse. L'on commence par analyser la distribution des données pour

48

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

chaque variable obtenue. La boîte à moustache (figure A.14) des variables ainsi obtenues laisse apparaître des valeurs aberrantes ou atypiques au sein de leur distribution, sauf pour rLRF. Après traitement des différentes variables, l'on s'aperçoit que les nouvelles séries rLDA, rLFR, rLTSPP et rLITS semblent évoluer de manière constante (Figure A.15). Le test de KPSS confirmerait ce soupçon (figure A.16), la statistique de KPSS étant inferieure aux valeurs critiques du test. De même que les tests ADF (avec la statistique de MacKinnon) et de Phillips-Perron qui sans exception, rejettent toute hypothèse de présence de racine unitaire dans les séries, le modèle retenu pour les deux tests étant le modèle (1) au regard de l'évolution des séries. Ainsi, les séries LDA, LTSPP, LITS, et LRF seraient chacune cointégrées avec la série LPIB. Par conséquent au Cameroun, il existerait une relation de long terme entre la production intérieur et le rendement de ces impôts et taxes pris séparément. Mais encore faut-il que les modèles à correction d'erreur estimés empiriquement soient valides.

Pour chaque impôt, partant de cette relation de cointégration, le modèle à correction d'erreur qui permettrait de prévoir la variation du rendement fiscal en prenant en compte la dynamique du PIB est estimé (figures A.17, A.18, A.19 et A.20 en Annexe). Le nombre de retards optimal a été choisi de façon à minimiser le critère AIC (Akaike information criterion) du modèle. Ainsi la partie ARDL du modèle est un ARDL (1,1) pour l'ITS et la TSPP, un ARDL (3,1) pour la RF, et un ARDL(2,1) pour DA.

Le modèle estimé par impôt ou taxe se présente comme suit :

DLITS_t = -0,877(LITS_t-₁ - 1,385LPIB_t-₁ + 16,087) + 0,542DLIPB_t - 0,711DLPIB_t-₁ + 0,348DLITS_t-₁ + 0,013 + E_t

DLRF_t = -0,456(LRF_t-₁ + 0,572LPIB_t-₁ - 38,509) + 0,906DLPIB_t - 0,207DLRF_t-₁ - 0,194DLRF_t-₂ - 0,204DLRF_t-₃ - 2,050DLPIB_t-₁ + 0,001 + E_t

DLTSPP_t = -0,574(LTSPP_t-₁ - 0,556LPIB_t-₁ - 7,803) + 0,104DLPIB_t - 0,288DLTSPP_t-₁ + 0,098DLPIB_t-₁ - 0,014 + E_t

DLDA_t = -0,401(LDA_t-₁ - 1,743LPIB_t-₁ + 26,541) - 0,181DLPIB_t - 0,071DLDA_t-₁ - 0,255DLDA_t-₂ - 0,878DLPIB_t-₁ + 0,048 + E_t

Pour chaque régression, la série des résidus est stationnaire (d'après les corrélogramme des résidus) et ne dépend donc pas du temps. Ce qui est un résultat attendu puisque toutes les variables du modèle à correction d'erreur sont elles mêmes aussi stationnaires. Le test de de

49

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

normalité de Jarque Berra permet de confirmer l'hypothèse de normalité des erreurs du modèle. La probabilité (probability) associée à la statistique de Jarque-Bera est en effet supérieure à 5%. Par ailleurs, les tests effectués pour la validation des hypothèses d'homoscedasticité (le test de Breusch-Pagan-Godfrey) et d'absence d'autocorrélation (le Breusch-Godfrey Serial Corrélation LM Test) des erreurs sont toutes concluants, les p-values obtenues étant largement supérieures à 5%.

Les forces de rappel sont belle et bien négatives et valent -0,574 pour la TSPP, -0,455 pour les RF, -0,401 pour les DA et -0,877 pour l'ITS. Elles sont significativement différentes de 0. Ce qui traduit la validité des modèles à correction d'erreur ainsi estimés. Pour l'TS par exemple, le modèle suggère qu'après un choc, il faudrait environ 1/0,8771 = 1,14 trimestres seulement pour revenir à l'équilibre de long terme.

Par ailleurs, l'élasticité de court terme des impôts et taxes est de 0,104 pour la TSPP, 0,906 pour les RF, et 0,542 pour l'ITS. Une hausse de la production à court terme s'accompagne donc d'une hausse du rendement des impôts et taxes. Le résultat semble conforme à la théorie économique et traduit la capacité du rendement des différents impôts et taxes à surréagir à une hausse du PIB. Toutefois cela n'est pas le cas pour les DA où l'on obtient plutôt une élasticité de court terme négative. Ce qui semble coïncider avec le fait que pour un seuil un peu plus élevé que 5%, le modèle estimé pour les DA n'est plus valide. En effet, on rejetterait au seuil de 10% l'hypothèse de normalité des erreurs du modèle obtenu, et par conséquent l'existence d'une relation de long terme entre le PIB et les droits d'accises au Cameroun.

Aussi, la principale information qui ressort de la validité des relations de long terme estimées est qu'une augmentation de la production intérieure se traduit à long terme par une amélioration du rendement fiscal pour les impôts autres que les recettes de forêts. Pour les traitements et salaires par exemple, le coefficient d'intérêt est en effet positif et vaut 1,385. Ainsi, l'ITS est élastique au PIB (élasticité supérieure à 1).

4.2.2. Relation entre le PIB et le rendement de la TVA et de l'Isnp

Les séries CLTVA et CLIsnp ne possèdent pas de racine unitaire et sont plutôt stationnaires en tendance. On ne court donc pas le risque d'une régression fallacieuse dans une régression

50

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

linéaire de ces variables sur le temps. Cette dernière constitue leur composante de long terme. Par ailleurs, Il semble par conséquent qu'il ne se pose pas la question d'une cointegration entre la série LPIB et les séries CLTVA et CLIsnp, ou même de l'existence d'une relation de long terme entre le PIB et le rendement des impôts TVA et Isnp. La relation entre le PIB et ces impôts se réduirait donc à une simple relation de court terme que matérialiserait la régression des variables DCLTVA et DCLIsnp sur DPIB. Ces dernières sont en effet I(0). Les résultats de la régression sont présentés dans les figures A.21 et A.22 en Annexe. Le nombre de retards sur les variables est choisi de manière à minimiser le critère AIC (modélisation ARDL). Le meilleur modèle ARDL (p, q) finalement retenu est un modèle ARDL(2,0) pour la TVA et un ARDL(3,0) pour l'Isnp. Les modèles estimés s'écrivent :

DCLTVA = -0,747DCLTVA -1 - 0,345DCLTVA _-2 + 0,566DLPIB + 0,022 + å_t

DCLISNP_t = -0,717DCLISNP_t-₁ - 0,522DCLISNP_t-₂ - 0,167DCLISNP_t-₃ - 1,471DLPIB_t + 0,090 + å_t

Comme attendu, une hausse de la production à court terme se traduit par une hausse des recettes fiscales issues de la TVA. L'élasticité de court terme de la TVA est positive et vaut 0,566. Mais cela n'est pas du tout le cas en ce qui concerne l'impôt sur les sociétés non pétrolières. Les prélèvements fiscaux issus de cet impôt souffriraient d'une difficulté à s'ajuster à une hausse de la production à court terme.

4.2.3. Analyse de la relation entre le PIB, les dépenses publiques et le rendement fiscal

agrégé

4.2.3.1. Modélisation de la relation entre le FIB, les dépenses publiques et le rendement

fiscal agrégé

Les séries LPIB et LG sont intégrées de même ordre. Il existerait de ce fait une relation de long terme entre elles. La série CLT quant à elle est stationnaire en tendance et ne possède pas de racine unitaire. Contrairement aux séries LPIB et LG, elle est donc caractérisée par une non persistance des chocs. Sous l'effet des chocs, elle s'éloigne de la tendance, mais lorsque le temps passe, l'effet des chocs s'estompe et elle rejoint sa tendance de long terme qui est de nature déterministe. Ainsi, la dynamique reliant à la fois le PIB, les dépenses publiques et les recettes fiscales est une dynamique de court terme.

51

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

La revue de littérature sur le lien entre les recettes fiscales et l'activité économique (Chapitre 1) montre que tout comme une hausse de l'activité économique aurait un effet positif sur le rendement fiscal, une augmentation des impôts et taxes n'est pas sans effet sur l'évolution de l'activité économique globale semble-t-il. Cette simultanéité peut être analysée à l'aide d'un modèle VAR de façon à mettre en évidence la dynamique de court terme qui relierait le PIB, les dépenses publiques et les recettes fiscales.

Pour l'estimation du modèle VAR, le nombre de retards maximal est fixé à 8 (on suppose que les variables ne peuvent avoir d'impact les unes sur les autres après deux années). Il est alors déterminé le retard optimal en choisissant le retard compris entre 1 et 8 qui minimise la majorité des critères d'information (figure A.23). Le nombre de retards optimal est de 4 d'après la minimisation des critères d'information FPE, AIC et LR. Autrement dit pour la minimisation de la majorité des critères d'information. On conclut que l'ordre du VAR optimal est égal à 4. Ce nombre est cohérent avec les décalages usuels entre assiette et imposition pour certains impôts et avec les délais de diffusion de la politique budgétaire. Le modèle estimé est présenté en annexe (figure A.24), et s'écrit :

???????? = -0,672????????-1 - 0,496????????-2 - 0,338????_????-3 + 0,070????????-4 - 0,282????????????-1 + 0,491????????????-2

+ 0,507????????????-3 - 0,106????????????-4 + 0,583????_????-1 + 0,120????_????-2 + 1,731????????-3

- 1,262????_????-4 + 0,009 + ????¹ (E1)

???????????? = 0,033????_????-1 + 0,017????_????-2 + 0,039????_????-3 + 0,062????????-4 - 0,609????????????-1

- 0,230????????????-2 - 0,174????????????-3 - 0,351????????????-4 + 0,014????_????-1 + 0,023????????-2

+ 0,081????_????-3 + 0,053????_????-4 + 0,032 + ????² (E2)

???????? = - 0,012????_????-1 + 0,026????_????-2 + 0,031????????-3 - 0,010????????-4 - 0,003????????????-1

+ 0,011????????????-2 + 0,190????????????-3 + 0,040????????????-4 + 0,604????_????-1 + 0,150????????-2

- 0,118????????-3 - 0,300????_????-4 + 0,008 + ????³ (E3)

Les résidus canoniques obtenus avec ce modèle à 4 retards ne sont pas autocorrélés d'après les résultats du Serial Correlation LM Test (figure A.25), la p-value obtenue étant supérieure à 5%. Pour tous les tests de normalité (Skewness, Jarque Bera, Kurtosis) qui ont été effectués, la p-valeur obtenu est supérieure à 5% et donc on accepte l'hypothèse nulle de normalité des erreurs. Le test de normalité de Jarque Bera lui par exemple accepte l'hypothèse de normalité des erreurs

52

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

du modèle avec une p-valeur = 31,36%. En fin l'Heteroskedasticity Tests confirme l'homoscedasticité des erreurs avec une p-valeur de 76,84%.

4.2.3.2 Analyse de la causalité

Le modèle VAR précédemment estimé permet de comprendre les variations des différents agrégats PIB, T et G. On peut constater que dans le court terme une augmentation de 1% du PIB entraine une diminution de 0,28% du rendement fiscal au trimestre suivant, mais une augmentation de 0,49% et 0,51% respectivement au deuxième et au troisième trimestre suivants. Par ailleurs, après une hausse des dépenses publiques de 1%, la production s'accroît tout au long des trois trimestres suivants ainsi que les recettes fiscales.

4.2.3.3. Stabilité des coeffients du modèle

Les coefficients du modèle sont stables, notamment les coefficients de l'équation E1. D'après la figure A.26 en effet, on peut constater que le test de CUSUM et de CUSUM carré sont concluants, car la courbe est à l'intérieur de la bande.

4.3. Analyse de la capacité prédictive du modèle VAR estimé

4.3.1. Evaluation de la capacité prédictive du modèle VAR estimé

L'évaluation de la capacité prédictive du modèle VAR estimé s'opère à l'aide d'une comparaison des valeurs prédites et des valeurs observées.

Il semble que le modèle permet d'anticiper efficacement les variations futures des recettes fiscales (figure 4). Toutes les variations à la hausse sont biens anticipées par le modèle, de même que toutes les variations à la baisse. Sur ce point, le modèle s'avère être un bon instrument d'alerte susceptible de prévenir les décideurs en charge du recouvrement des impôts et taxes au Cameroun. On peut savoir en recourant à ce modèle si les recettes fiscales vont augmenter ou diminuer aux prochains trimestres. Par ailleurs les valeurs prévues sur la période 2002-2016 tendent à bien s'ajuster aux valeurs effectivement observées. Ce qui laisser penser que le modèle serait bien adapté pour prévoir les valeurs futures des recettes fiscales. Toutefois, il

53

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

faudra prendre en compte dans ces prévisions que les valeurs prévues paraissent toujours un peu inferieures en valeur absolue aux valeurs effectivement observées.

Figure 4 : Valeurs observées et valeurs prévues des recettes fiscales de la DGI

-0,04

-0,14

-0,24

0,26

0,16

0,06

2003Q2 2005Q1 2006Q4 2008Q3 2010Q2 2012Q1 2013Q4 2015Q3

DCLT DCLT_prévue

Source : DGI et nos travaux

4.3.2. Analyse des fonctions de réponse impulsionnelle

Les fonctions de réponses impulsionnelles permettent ici de mettre en évidence la nature des effets des différents chocs (positifs) sur les variables. Pour le prévisionniste, c'est une manière d'anticiper l'effet des politiques économiques et des évènements inattendus de l'activité économiques sur le rendement fiscal. On analyse l'effet des chocs sur 15 trimestres.

Les graphiques de la figure A.27 montre que les dépenses publiques et la production n'ont pas d'effet instantané sur les recettes fiscales. La courbe relative aux réponses du rendement fiscal suite à un choc sur la production ou les dépenses publique part de l'axe des abscisses. Toutefois en cas d'une hausse du PIB, la réaction des recettes fiscales face à ce choc commence dès le trimestre suivant. Un choc positif sur la production(PI3) se traduit alors par un effet négatif sur les recettes fiscales pendant le deuxième trimestre. L'effet devient positif au troisième trimestre de l'année avant de s'amortir et progressivement disparaître. On peut constater en effet que les conséquences (sur le rendement fiscal) d'un choc sur la production disparaissent au bout de huit périodes environ.

54

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Un choc positif sur les dépenses publiques se traduit par un effet positif sur les recettes fiscales pendant tous les trois derniers trimestres de la première année. En effet, en cas d'une hausse des dépenses publiques, la réaction des recettes fiscales face à ce choc commence dès le trimestre suivant pour donner une réponse claire vers le quatrième trimestre. Elle devient négative au cinquième trimestre avant de disparaître quasiment au sixième trimestre.

4.3.3. Décomposition de la variance

Les résultats relatifs à la décomposition de la variance ont été reportés en Annexe (figure A.28). La variance de l'erreur de prévision de DCT est due pour 84% à ses propres innovations, pour 4% à celles de DLPIB et pour 12% à celles de DLG. La variance de l'erreur de prévision de DLPB est due, quant à elle pour 10 % aux innovations de DCLT, pour 2% à celles de DLG et pour 87% de ses propres innovations. Du point de vue de ce test, on peut conclure qu'un choc sur le PIB a un impact moins important sur les recettes fiscales qu'un choc sur les prélèvements fiscaux a sur la production intérieure brute.

4.4. Evaluation de la capacité prédictive des modèles MCE et ARDL estimés et prévision du rendement des impôts et taxes

4.4.1. Evaluation de la capacité prédictive des modèles MCE et ARDL estimés

Comme précédemment, l'étude compare les valeurs prédites par les modèles aux valeurs effectivement observées (Figure 5). Et comme dans le cas de la série T, le modèle de prévision construit en prenant compte la dynamique du PIB semble anticiper de façon satisfaisante le sens de variation du rendement des différents impôts RF, ITS et TSPP. Les variations à la hausse sont biens anticipées par le modèle, de même que les variations à la baisse. Sur ce point, le modèle s'avère être un bon instrument d'alerte susceptible de prévenir les décideurs en charge du recouvrement des impôts et taxes au Cameroun. Par ailleurs, l'écart entre le niveau de variation prévu et celui observé semble faible. Pour chaque série, on constate que les valeurs prévues par les modèles tendent à bien s'ajuster aux valeurs observées. Ainsi la prévision si elle devait se limiter à une prévision ponctuelle ne serait pas parfaite, mais serait assez satisfaisante puisque l'ajustement tend à se réaliser et le sens de variation prévue semble très satisfaisant. Les modèles semblent bien anticiper une augmentation ou une baisse du rendement même si

55

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

les valeurs prévues sont généralement un peu inferieures en valeur absolue aux valeurs effectivement observées.

Figure 5 : Comparaison des valeurs prévues aux valeurs observées

-0,1

-0,2

-0,3

-0,4

-0,1

-0,2

-0,3

-0,4

-0,5 DLDA_prévue DLDA

-0,1

-0,2

-0,3

0,4

0,3

0,2

0,1

0,5

0,4

0,3

0,2

0,1

0,3

0,2

0,1

0

0

0

2002Q3 2004Q2

2002Q4

2002Q3

2004Q3

2004Q2

2006Q

2006Q2

2006Q1

DLTSPP_prévue DLTSPP

1 2007Q4

DLITS_prévue DLITS

2008Q1 2009Q4 2011Q3 2013Q2

2007Q4 2009Q3

2009Q3

2011Q2 2013Q1 2014Q4 2016Q3

2011Q2 2013Q1

2015Q1 2016Q4

014Q4

2016Q3

56

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure 5 : (Suite)

0,6

0,1

2003Q1

2004Q4

2006Q3 2008Q2

-0,4

-0,9

-1,4

0,6

0,4

0,2

0

2002Q4

2004Q3 2006Q2 2008Q

1

2009Q4 2011Q3

2013Q2

2015Q1 2016Q4

-0,2

-0,4

-0,6

DCLTVA_prévue DCLTVA

DLRF DLRF_prévue

2010Q1 2011Q4 2013Q3 2015Q2

0,8

0,6

0,4

0,2

0

2003Q1 2004Q4

-0,2

-0,4

-0,6

-0,8

-1

2006Q3 2008Q2 2010Q1 2011Q4 2013Q3 2015Q2

DCLISNP DCLIsnp_prévue

Source : DGI et nos travaux

57

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Toutefois une manière de rendre plus que satisfaisantes les prévisions serait d'y associer les intervalles de confiance ou de prévision. Les intervalles de prévision calculés (figures A.29, A.30, A.31, A.32, A.33 et A.34 en Annexe) montrent que les valeurs prévues, additionnées aux observations supplémentaires attendues, sont très proches des valeurs observées. Les intervalles de prévisions semblent donc améliorer la qualité prédictive des modèles estimés.

4.4.2. Prévision du rendement des impôts et taxes pour les douze prochains trimestres Tableau 3 : Prévisions de T, ITS, DA et RF pour les 12 prochains trimestres

^Trimestre	^DCLT	^CLT	^LT	^DLITS	^LITS	^DLDA	^LDA	^DLRF
^2016Q4	^-0,072	^26,669	^26,654	^-0,069	^24,189	^0,083	^24,635	^-0,856
^2017Q1	^0,046	^26,715	^26,909	^0,133	^24,322	^-0,067	^24,569	^0,407
^2017Q2	^0,035	^26,750	^26,705	^0,115	^24,436	^-0,046	^24,522	^0,209
^2017Q3	^0,014	^26,764	^26,629	^0,021	^24,457	^0,016	^24,538	^-0,020
^2017Q4	^-0,005	^26,759	^26,744	^-0,009	^24,448	^0,018	^24,556	^-0,167

^2018Q1

^0,027

^26,786

^2018Q2

^0,019

^26,805

^2018Q3

^0,025

^26,830

Source : DGI et nos travaux

^26,981

^0,008

^24,456

^0,001

^24,557

^0,037

^26,760

^0,020

^24,476

^0,008

^24,565

^0,014

^26,695

^0,031

^24,507

^0,024

^24,589

^0,025

^2018Q4

^0,009

^26,839

^26,824

^0,024

^24,531

^0,019

^24,609

^-0,045

Tableau 4 : Prévisions de TVA, TSPP et Isnp pour les 12 prochains trimestres

^2019Q1 ^2019Q2	^0,016 ^0,017	^26,855 ^26,872	^27,049 ^26,827	^0,020 ^0,021	^24,551 ^24,572	^0,021 ^24,630 ^0,024 ^24,654	^-0,008 ^0,001
^2019Q3 ^Trimestre	^0,018 ^DCLTVA	^26,890 ^CLTVA	^26,755 ^LTVA	^0,020 ^DLTSPP	^24,593 ^LTSPP	^0,024 ^24,678 ^DCLIsnp	^-0,008 ^CLIsnp	^LIsnp
^2019Q4 ^2016Q4	^0,012 ^-0,188	^26,902 ^25,451	^26,887 ^25,696	^0,023 ^-0,012	^24,615 ^23,958	^0,026 ^24,704 ^-0,271	^-0,007 ^25,159	^24,925
^2017Q1	^0,179	^25,629	^25,520	^0,038	^23,996	^0,074	^25,233	^26,213
^2017Q2	^-0,034	^25,595	^25,550	^0,005	^24,001	^0,107	^25,340	^25,086
^2017Q3	^-0,007	^25,587	^25,497	^0,019	^24,020	^0,002	^25,342	^24,851
^2017Q4	^0,045	^25,632	^25,878	^0,007	^24,026	^0,006	^25,348	^25,114
^2018Q1	^0,003	^25,635	^25,526	^0,011	^24,037	^0,035	^25,383	^26,363
^2018Q2	^0,011	^25,646	^25,601	^0,010	^24,047	^0,044	^25,427	^25,172
^2018Q3	^0,023	^25,669	^25,578	^0,008	^24,055	^0,013	^25,439	^24,948
^2018Q4	^0,010	^25,679	^25,924	^0,010	^24,066	^0,029	^25,468	^25,235
^2019Q1	^0,015	^25,694	^25,584	^0,008	^24,074	^0,034	^25,502
^2019Q2	^0,017	^25,711	^25,666	^0,009	^24,083	^0,022	^25,525

^2019Q3

^0,012

^25,723

^2019Q4

^0,016

^25,739

Source : DGI et nos travaux

^25,984

^0,008

^24,100

58

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Les modèles estimés pour les séries T, ITS, TSPP, RF, DA, TVA et Isnp semblent satisfaisants. Ils peuvent par conséquent aider à anticiper les valeurs futures de ces différents impôts. Cependant, la qualité des valeurs à prévoir pour les 12 prochains mois dépend de la qualité du PI3 prévu pour. Les prévisions du PI3 pour les 12 prochains trimestres à l'aide du modèle VAR estimé précédemment sont présentées dans le tableau A.35 en Annexe. Les prévisions de l'ITS, de la TSPP, de la RF, des DA, de la TVA, de l'Isnp et de T en découlent (Tableaux 3 et 4). Pendant les trois prochaines années, le modèle prévoit une baisse des recettes fiscales au deuxième et troisième trimestre des années 2017, 2018 et 2019. Mais des variations à la hausse pourraient être enregistrées au 4^ème et 1^er trimestre de ces années, avec des pics au 1^er trimestre. Ce qui n'étonnera vraisemblablement personne puisque c'est généralement le cas. Sur une échelle logarithmique, elles pourraient être respectivement de l'ordre de 26,629; 26,695 et 26,755 au 3ème trimestre de ces trois prochaines années, de 26,909; 26,981 et 27,049 au 1er trimestre. Il semble que l'Isnp affichera le même comportement tandis que la TVA présentera des pics plutôt au 4^ème trimestre. Par ailleurs, il semble que les recettes fiscales non saisonnières, c'est-à-dire celles issus de la TSPP, de l'ITS, des DA ou des RF, évolueront continuellement de manière monotone globalement. Ainsi, tandis que la TSPP passera de 23,996 au 1^er trimestre 2017 à 24,100 au 4^ème trimestre 2019 sur une échelle logarithmique, les RF continueront à décroître dans l'ensemble pour atteindre 21,692 au 4^ème trimestre 2019.

59

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

CONCLUSION ET RECOMMANDATIONS

Il était question dans ce travail d'analyser la possibilité de prévoir le rendement des impôts et taxes à partir de la dynamique du PI3. Au regard de la panoplie de méthodes possibles, l'étude procède à une combinaison de deux méthodes à savoir les méthodes explicatives ou causales et les méthodes systémiques et économétriques, et aboutit à l'estimation d'un modèle à correction d'erreur, d'un modèle autorégressif à retards échelonnés ou distribués, et d'un modèle vectoriel autorégressif. Les résultats obtenus mettent en évidence la pertinence de la relation de long terme qui existe entre le rendement fiscal de certains impôts et le PIB, tout en faisant remarquer que la TVA et l'Isnp, caractérisés par une tendance de type déterministe, sont liés au PI3 qu'à court terme en raison de la présence d'une racine unitaire dans cette dernière. Par ailleurs, les meilleurs modèles retenus pour l'estimation de ces relations présentent tous le PI3 comme une variable explicative du rendement fiscal. Sa présence améliore la prévision du rendement fiscal. En outre, les principaux résultats à retenir sont les suivants :

? Si certains impôts comme la TVA ou l'impôt sur les sociétés non pétrolières semblent présenter une saisonnalité, cela ne parait pas du tout le cas pour d'autres comme l'impôt sur les traitements et salaires, ou la taxe spéciale sur les produits pétroliers.

? La prévision des recettes fiscales à partir de l'évolution de l'activité économiques peut paraître assez satisfaisante. Les modèles semblent prévoir de manière satisfaisante le sens de variation du rendement fiscal et les valeurs prévues tendent à s'ajuster aux valeurs observées.

? Et pour les trois prochaines années, les prévisions obtenues montrent une baisse des recettes fiscales aux deuxième et troisième trimestres des années 2017, 2018 et 2019. Mais des variations à la hausse pourront être enregistrées aux 4^ème et 1^ers trimestres de ces années. Sur une échelle logarithmique, le rendement fiscal agrégé serait de l'ordre de 26,909; 26,981 et 27,049 au 1^er trimestre de ces trois prochaines années respectivement. Par ailleurs, il semble que les recettes fiscales non saisonnières évolueront continuellement de manière monotone globalement. Ainsi, tandis que la TSPP passera de 23,996 au 1^er trimestre 2017 à 24,100 au 4^ème trimestre 2019 sur une échelle logarithmique, les RF continueront à décroître dans l'ensemble pour atteindre 21,692 au 4^ème trimestre 2019.

Ce mémoire constitue une base de travail à partir de laquelle peut se faire les premières prévisions économiques au niveau de la Direction Générale des Impôts. Les recommandations

60

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PI3 et prévision du rendement des impôts et taxes

que nous proposons ont pour objet principal de donner lieu à diverses applications des méthodes de prévisions. Ainsi à la DGI, la mise en place des premières méthodes de prévision des impôts et taxes peut s'orienter sur les grandes directions suivantes :

? Songer à bien choisir la méthode de désaisonnalisation des séries T, TVA et Isnp car la suite de la modélisation en dépend. Si l'on décide de recourir à une désaisonnalisation par moyenne mobile, il serait préférable soit d'envisager une estimation de la tendance de ces séries par régression linéaire et d'en déduire les prévisions, soit de recourir à un modèle ARDL par la suite si l'on pense prendre en compte la dynamique du PIB. En outre, la modélisation VAR serait alors plus appropriée pour prévoir le rendement fiscal agrégé T.

? Le rendement fiscal des différents impôts et taxes DA, TSPP, ITS et RF pris séparément présente une non stationnarité de type stochastique. Par conséquent, le recourt à un modèle MCE pourrait s'avérer indispensable pour améliorer la qualité des valeurs prévues. D'autant plus qu'elle permet d'exploiter la relation de long terme qui existe entre le PI3 et le rendement de ces impôts.

Cette étude n'est pas sans avoir quelques limites, notamment la trimestrialisation des données annuelles des dépenses publiques a peut-être influencée certains résultats. Ainsi, une analyse plus poussée avec une base de données bien meilleure doit être faite, pour vérifier les résultats obtenus.

61

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

ELEMENTS DE BIBLIOGRAPHIE

[1] Alfred Bagueka Assobo (2011), « La réforme de l'administration fiscale au Cameroun », Conférence sur la mobilisation des recettes fiscales dans les pays en développement, Washington, 17-19 Avril 2011.

[2] Anton Op de Beke (2014), « Reformes de l'administration fiscale - Approche FMI », Réunion CIFAM, 19 Juin 2014.

[3] Arthur Charpentie (2011), « Modèles de prévision des séries temporelles ».

[4] Baruch Fischhoff (1994), « What forecasts (seem to) mean, International Journal of Forecasting », pp. 387-403.

[5] Blanchard, Olivier and Robert Perotti (2002), « An Empirical Characterization of the Dynamic Effects of Changes in Government Spending and Taxes On Output ».

[6] Catherine Doz, Pierre Malgrange (1992), « Modèles VAR et prévisions à court terme », pp. 109-122.

[7] Christophe Hurlin (2012), « UFR Economie Appliquée ».

[8] Clive Granger and Paul Newbold (1997), « Forecasting Economic Time Series ».

[9]Danielle Bilodeau, « La désaisonnalisation: pourquoi, quand, comment? », Institut de la statistique du Québec.

[10] DGI Cameroun (2015), « Rapport Annuel », MINIFI.

[11] Didier Borowski, Carine Bouthevillain, Catherine Doz, Pierre Malgrange, Pierre Morin (1991), « Vingt ans de prévisions macro-économiques : une évaluation sur données françaises ».

[12] Emanuela Cardia 1997, « Replicating ricardian equivalence tests with simulated series ».

[13] Gauthier, Bernard; Soloaga, Isidro; Tybout, James (2002), « A Firm's-Eye View of Commercial Policy and Fiscal Reforms in Cameroon », Washington, DC: World Bank, 449472.

62

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

[14] George W. Evans (1993), « Sectoral imbalance and unemployment in the United Kingdom: 1963-84 ».

[15] INS Cameroun (2012), « Les comptes nationaux trimestriels-Document de méthodologie », Décembre 2012.

[16] James D. Hamilton (1994), « Time series analysis ».

[17] Jean-Christophe Carret (2000), « La réforme de la fiscalité forestière au Cameroun ».

[18] Jean Cléophas Ondo (2002), « Etude comparative des tests de stationnarité ».

[19] Jean Francois Verne (2007), « La causalité entre la croissance économique, le chômage et les impôts: une analyse revisitée de la loi d'Okun ».

[20] Jean-Olivier Hairault (1992), « Présentation et évaluation du courant des cycles réels ».

[21] Jean-Olivier Hairault and Franck Portier (1993), « Money, new-Keynesian macroeconomics and the business cycle ».

[22] Jean-Paul Bodin (2012), « Modernisation de l'administration fiscale dans les pays en développement: Impact de la TVA ».

[23] Julie Picard, Maude Vigneault et Luc Godbout (2007), « Analyse financière des réformes fiscales au Mali ».

[24] Karine Bouthevillain (1993), « La prévision macro-économique : précision relative et

consensus ».

[25] Katheline Schubert and Pierre-Yves Letournel (1991), « Un modèle d'équilibre général appliqué à l'étude de la fiscalité française ».

[26] Leonardo Leiderman, Assaf Razin (1988), « Testing ricardian neutrality with an intertemporal stochastic model ».

[27] Marcel Opoumba (1997), « Stabilisation macro - économique et dévaluation du franc CFA ».

[28] Michael John Artis (1988), « How Accurate is the World Economic Outlook? A Post-Mortem on Short-Term Forecasting at the International Monetary Fund », Staff Studies for the World Economic Outlook, International Monetary Fund.

63

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

[29] Mpatna Hans Cacharel Barenz (2007), « Modélisation d'un système de prévision des recettes budgétaires du Cameroun ».

[30] Neelam Timsina (2006), « Tax Elasticity and Buoyancy in Nepal: A Revisit ».

[31] Olivier Biau and Élie Girard (2005), « Politique budgétaire et dynamique économique en France: l'approche VAR Structurel ».

[32] Pierre Bezbakh et Sophie Gherardie (2000), « Dictionnaire de l'économie de A à Z », Larousse

[33] Quentin Lafféter et Mathilde Pak (2015), « Elasticités des recettes fiscales au cycle économique: étude de trois impôts sur la période 1979-2013 en France », INSEE.

[34] Rafael Ravnik and Ivan Zilic (2010), « The use of SVAR analysis in determining the effects of fiscal shock in Croatia financial theory and practice ».

[35] René Lalonde et Patrick Sabourin (2003), « Modélisation et prévision du taux de change réel effectif américain », Banque du Canada.

[36] RFJ-A (2013), « Etude sur la fiscalité au Cameroun: identification des problèmes clés liés à la justice fiscale ».

[37] Samuel Fambon (2006), « Taxation in developing countries case study of Cameroon ».

[38] Søren Johansen (1992), « Determination of cointegration rank in the presence of a linear trend ».

[39] Søren Johansen (1988), « Statistical analysis of cointegration vectors ».

[40] Søren Johansen (1995), « A statistical analysis of cointegration for I (2) variables ».

[41] Søren Johansen (2004), « Coïntegration: an overview », Department Of Applied Mathematics And Statistics, University Of Copenhagen.

[42] Søren Johansen and. Katarina Juselius (1990), « Maximum likelihood estimation and inference on cointegration--with applications to the demand for money ».

[43] Stephen K McNees (1981), « The Recent Record of Thirteen Forecasters ».

[44] Sunday Khan (2010), « Domestic Resource Mobilization in Sub-Saharan Africa: The Case of Cameroon ».

64

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

[45] Victor Zarnowitz (1991), « Has Macro Forecasting Failed? ».

[46] Victor Zarnowitz & Phillip Braun (1992), « Twenty-two Years of the NBER-ASA Quarterly Economic Outlook Surveys: Aspects and Comparisons of Forecasting Performance ».

[47] Vincent Belinga, Dora Benedek, Ruud de Mooij, and John Norregaard (2014), « Tax buoyancy in OECD Countries », FMI.

[48] Vladimir Borgy et Jean-Olivier Hairault (2007), « Non équivalence ricardienne, chocs fiscaux et fluctuations dans une petite économie ouverte ».

[49] Xavier Fairise and François Langot (1994), « Labor productivity and the business cycle: Can R.B.C. models be saved? ».

WEBOGRAPHIE

? fr.statista.com

? fr.wikipedia.org/

? www.impots.cm

? www.larousse.fr

? www.lavieeco.com/news/économie

? www.memoireonline.com

? www.minifi.gov.cm

65

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

ANNEXE

Toutes les figures présentées ici en Annexe ont été faites par l'étude à partir des données de la Direction Générale des Impôts, du MINFI et de l'INS (2017).

Figure A.1 : Boîte à moustache des variables à niveau

^{LDA by Season}

^25.0

^24.5

^24.0

^23.5

^23.0

^22.5

^{2002 2004 2006 2008 2010 2012 2014 2016}

^{LRF by Season}

^23.5 ^23.0 ^22.5 ^22.0		^Q1 ^Q2 ^Q3 ^Q4
^21.5 ^21.0

^{2002 2004 2006 2008 2010 2012 2014 2016}

Figure A.2 : Graphiques saisonniers des séries à niveau

^27.0

^26.8

^26.6

^26.4

^26.2

^26.0

^25.8

^25.6

^{LT by Season}

^{2002 2004 2006 2008 2010 2012 2014 2016}

^{LISNP by Season}

^{2002 2004 2006 2008 2010 2012 2014 2016}

^{LTVA by Season}

^{2002 2004 2006 2008 2010 2012 2014 2016}

^{LITS by Season}

^{2002 2004 2006 2008 2010 2012 2014 2016}

^26.0

^25.6

^25.2

^24.8

^24.4

^24.5

^24.0

^23.5

^23.0

^22.5

^26.0

^25.5

^25.0

^24.5

^24.0

^23.5

^23.0

^{LTSPP by Season}

^24.50 ^24.25 ^24.00 ^23.75 ^23.50 ^23.25 ^23.00

66

^{2002 2004 2006 2008 2010 2012 2014 2016}

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.3 : Evolution des séries corrigées des variations saisonnières

^25.8

^26.8

^26.6

^25.6

^25.4

^26.4

^25.2

^26.2

^25.0

^26.0

^24.8

^25.8

^24.6

^25.6

^24.4

^CLISNP

^{CLT CLTVA}

^25.5

^25.0

^24.5

^24.0

^23.5

^23.0

Figure A.4 : Boîte à moustache des séries CLTVA, CLIsnp et CLT

^CLT ^CLTVA ^CLISNP

^{22.8 23.2 23.6 24.0 24.4 24.8 25.2 25.6 26.0 26.4 26.8}

67

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.5 : Corrélogramme des séries à niveau ou désaisonnalisées

68

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.6 : Test ADF et test de PP sur les séries à niveau ou désaisonnalisées avec trend

69

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.6: (Suite)

Figure A.7 : Test ADF et test de PP sur les séries à niveau ou désaisonnalisées sans trend

70

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.7: (Suite)

Figure A.8 : Boîte à moustache des séries différentiées

^1.5 ^1.0 ^0.5 ^0.0 ^-0.5 ^-1.0 ^-1.5 ^-2.0 ^-2.5

71

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

^.3

^.2

^.1

^.0

^-.1

^-.2

^-.3

^.08

^.06

^.04

^.02

^.00

^-.02

^-.04

^-.06

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.9 : Evolution des séries différentiées ou dessaisonnalisées

^DCLT

^.06

^.05

^.04

^.03

^.02

^.01

^.00

^-.01

^-.02

^-.03

^DLG

^DCLTVA

^.6

^.4

^.2

^.0

^-.2

^-.4

^-.6

^DLITS

^.4

^.3

^.2

^.1

^.0

^-.1

^-.2

^-.3

^-.4

^DLTSPP

^.4

^.3

^.2

^.1

^.0

^-.1

^-.2

^-.3

^-.4

^DLPIB

^1.00

^0.75

^0.50

^0.25

^0.00

^-0.25

^-0.50

^-0.75

^-1.00

^DCLISNP

^DLDA

^.6

^.4

^.2

^.0

^-.2

^-.4

^-.6

^DLRF

^1.0

^0.5

^0.0

^-0.5

^-1.0

^-1.5

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

72

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.10 : Test de Kwiatkowski-Phillips-Schmidt-Shin(KPSS) sur les séries

différentiées

Figure A.11 : Test ADF sur les séries différentiées

73

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.11 : (Suite)

Figure A.12 : Test de PP sur les séries différentiées

74

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P11B et prévision du rendement des impôts et taxes

Figure 12 : (Suite)

Figure A.13 : Estimation des relations de long terme entre le P11B et les différents impôts

Figure A.14 : Boîte a moustache de la série de résidus obtenue pour chaque équation de régression sur le P11B

^RLTSPP ^RLRF ^RLITS ^RLDA

^{-1.2 -1.0 -0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4 0.6 0.8 1.0 1.2 1.4}

75

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P113 et prévision du rendement des impôts et taxes

Figure A.15 : Evolution de la série de résidus pour chaque équation de régression sur le P113

^rLRF

^1.5 ^1.0 ^0.5 ^0.0 ^-0.5 ^-1.0 ^-1.5

^{2002 2004 2006 2008 2010 2012 2014 2016}

^rLDA

^.4 ^.3 ^.2 ^.1 ^.0 ^-.1 ^-.2 ^-.3

^{2002 2004 2006 2008 2010 2012 2014 2016}

^rLITS

^.3 ^.2 ^.1 ^.0 ^-.1 ^-.2 ^-.3

^{2002 2004 2006 2008 2010 2012 2014 2016}

^rLTSPP

^.3 ^.2 ^.1 ^.0 ^-.1 ^-.2 ^-.3 ^-.4

^{2002 2004 2006 2008 2010 2012 2014 2016}

Figure A.16 : Tests KPSS, ADF et PP sur la série de résidus pour chaque équation de régression sur le P113

76

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.16 : (Suite)

Figure A.17 : Estimation du modèle MCE pour l'ITS

Autres tests sur les residus de la régression :

77

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.18 : Estimation du modèle MCE pour la série RF

Tests sur les résidus :

Figure A.19 : Estimation du modèle MCE pour la TSPP

Tests sur les résidus :

78

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P113 et prévision du rendement des impôts et taxes

Figure A.20 : Estimation du modèle MCE pour la série

Autres tests sur les résidus :

Figure A.21 : Estimation de la relation de court terme entre le P113 et la TVA

79

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.19 : (Suite)

Tests sur les résidus :

Figure A.22 : Estimation de la relation de court terme entre le PIB et l'Isnp

Tests sur les résidus :

80

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.23 : Critère LR de sélection de l'ordre optimal du VAR

Figure A.24 : Estimation du VAR (4)

81

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.25 : Tests de validation du modèle VAR (4)

^-20

Figure A.26 : Test de CUSUM et test de CUSUM

⁰

^-10

^1.4

^1.2

^1.0

^0.8

^0.6

^0.4

^0.2

^0.0

^-0.2

^-0.4

^{05 06 07 08 09 10 11 12 13 14 15 16}

^{CUSUM 5% Significance}

^{05 06 07 08 09 10 11 12 13 14 15 16}

^{CUSUM of Squares 5% Significance}

²⁰

¹⁰

82

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.27 : Fonctions de réponses impulsionnelles

^{Response to Cholesky One S.D. Innovations} #177; ^{2 S.E.}

^{Response of DCLT to DCLT}

^{2 4 6 8 10 12 14}

^{Response of DLPIB to DCLT}

^{2 4 6 8 10 12 14}

^{Response of DLG to DCLT}

^{2 4 6 8 10 12 14}

^{Response of DCLT to DLPIB}

^{2 4 6 8 10 12 14}

^{Response of DLPIB to DLPIB}

^{2 4 6 8 10 12 14}

^{Response of DLG to DLPIB}

^{2 4 6 8 10 12 14}

^.10

^.05

^.00

^-.05

^-.10

^.03

^.02

^.01

^.00

^-.01

^-.02

^.02

^.01

^.00

^-.01

^-.02

^.10

^.05

^.00

^-.05

^-.10

^.03

^.02

^.01

^.00

^-.01

^-.02

^.02

^.01

^.00

^-.01

^-.02

^{Response of DCLT to DLG}

^.10 ^.05 ^.00 ^-.05 ^-.10

^{2 4 6 8 10 12 14}

^{Response of DLPIB to DLG}

^.03 ^.02 ^.01 ^.00 ^-.01 ^-.02

^{2 4 6 8 10 12 14}

^{Response of DLG to DLG}

^.02 ^.01 ^.00 ^-.01 ^-.02

^{2 4 6 8 10 12 14}

Figure A.28 : Décomposition de la variance

83

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.29 : Intervalle de confiance pour la prévision de l'ITS

^{Forecast: DLITSF}

^{Actual: DLITS}

^{Forecast sample: 2002Q3 2016Q4}

^{Included observations: 58}

^Root Mean Squared Error ^Mean Absolute Error ^Theil Inequality Coefficient ^Bias Proportion ^Variance Proportion ^Covariance Proportion
^.6 ^.4 ^.2 ^.0 ^-.2 ^-.4 ^-.6

^{02 03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DLITSF #177; ^{2 S.E.}

^{Mean Abs. Percent Error}

Figure A.30 : Intervalle de confiance pour la prévision de la TSPP

^{0.123139 0.091159 159.3569 0.575001 0.000000 0.332814}

^0.667186

^{Forecast: DLTSPPF}

^{Actual: DLTSPP}

^{Forecast sample: 2002Q3 2016Q4}

^{Included observations: 58}

^Root Mean Squared Error ^Mean Absolute Error ^Theil Inequality Coefficient ^Bias Proportion ^Variance Proportion ^Covariance Proportion
^.6 ^.4 ^.2 ^.0 ^-.2 ^-.4 ^-.6

^{02 03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DLTSPPF #177; ^{2 S.E.}

^{Mean Abs. Percent Error}

Figure A.31 : Intervalle de confiance pour la prévision des DA

^{0.105908 0.081421 131.0736 0.398426 0.000000 0.158940}

^0.841060

^{Forecast: DLDAF}

^Actual: DLDA ^Forecast sample: 2002Q4 2016Q4 ^Included observations: 57 ^Root Mean Squared Error ^Mean Absolute Error ^Mean Abs. Percent Error ^Theil Inequality Coefficient ^Bias Proportion ^Variance Proportion ^Covariance Proportion		^0.139285 ^0.105323
^.6 ^.4 ^.2 ^.0 ^-.2 ^-.4 ^-.6

^{02 03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DLDAF #177; ^{2 S.E.}

84

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.32 : Intervalle de confiance pour la prévision des RF

^{Forecast: DLRFF}

^{Actual: DLRF}

^{Forecast sample: 2003Q1 2016Q4}

^{Included observations: 56}

^Root Mean Squared Error ^Mean Absolute Error ^Theil Inequality Coefficient ^Bias Proportion ^Variance Proportion ^Covariance Proportion
^2.0 ^1.5 ^1.0 ^0.5 ^0.0 ^-0.5 ^-1.0 ^-1.5 ^-2.0

^{03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DLRFF #177; ^{2 S.E.}

^{Mean Abs. Percent Error}

Figure A.33 : Intervalle de confiance pour la prévision de l'Isnp

^{0.432257 0.344407 105.4074 0.496438 0.000000 0.247749}

^0.752251

^{Forecast: DCLISNPF}

^{Actual: DCLISNP}

^{Forecast sample: 2002Q2 2016Q4}

^{Adjusted sample: 2003Q1 2016Q4}

^{Included observations: 56}

^Theil Inequality Coefficient
^1.0 ^0.5 ^0.0 ^-0.5 ^-1.0 ^-1.5 ^-2.0

^{03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DCLISNPF #177; ^{2 S.E.}

^{Root Mean Squared Error}

^{Mean Absolute Error}

^{Mean Abs. Percent Error}

^{Bias Proportion}

^{Variance Proportion}

^{Covariance Proportion}

Figure A.34 : Intervalle de confiance pour la prévision de la TVA

^{0.250746 0.197256 221.8747 0.434382 0.000000 0.189257 0.810743}

^{Forecast: DCLTVAF}

^{Actual: DCLTVA}

^Forecast sample: 2002Q2 2016Q4 ^Adjusted sample: 2002Q4 2016Q4 ^Included observations: 57 ^Root Mean Squared Error ^Mean Absolute Error ^Mean Abs. Percent Error ^Theil Inequality Coefficient ^Bias Proportion ^Variance Proportion ^Covariance Proportion		^0.165039
^.8 ^.6 ^.4 ^.2 ^.0 ^-.2 ^-.4 ^-.6 ^-.8

^{02 03 04 05 06 07 08 09 10 11 12 13 14 15 16}

^DCLTVAF #177; ^{2 S.E.}

85

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

Figure A.35 : Prévisions découlant du modèle VAR estimé pour les 12 prochains trimestres

86

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

TABLE DES MATIÈRES

DÉDICACE i

REMERCIEMENTS ii

SOMMAIRE iii

LISTE DES FIGURES v

SIGLES ET ABBREVIATION vii

AVANT PROPOS ix

RESUME x

INTRODUCTION 1

1. Contexte et justification 1

2. Problématique 3

3. Objectifs 3

4. Hypothèse de travail 4

5. Plan de travail 4

PREMIERE PARTIE : REVUE DE LA LITTERATURE 5

CHAPITRE 1 : RELATION ENTRE LA FISCALITE ET LA DYNAMIQUE MACROECONOMIQUE - REFORMES FISCALES POUR L'AMELIORATION DU

RECOUVREMENT FISCALE 6

1.1. Relation entre la fiscalité et la dynamique économique 6

1.1.1. Généralité 6

1.1.2. Fiscalité et dépenses publiques 6

1.1.3. Fiscalité et redistribution des revenus 7

1.1.4. Fiscalité et politique économique 8

1.1.5. Limites de la pression fiscale 9

1.1.5.1. Règles liées au recouvrement des recettes fiscales 9

87

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du PIB et prévision du rendement des impôts et taxes

1.1.5.2. Excès de la fiscalité 10

1.1.5.3. Analyse de Von Hayek 11

1.1.5.4. Théorie de l'économie de l'offre 12

1.2. Déterminants d'une amélioration du rendement fiscal 13

1.2.1. Niveau de richesse et volume des ressources fiscales 13

1.2.2. Amélioration du système fiscale et volume des ressources fiscales 14

1.3. Réformes fiscales pour l'amélioration des rendements fiscaux 15

1.3.1. Aperçu générale du système fiscal camerounais 15

1.3.2. Système fiscal camerounais avant la réforme de 1994 16

1.3.3. La réforme fiscale des années 1994 17

1.3.4. Mise en oeuvre de la TVA 19

1.3.5. Amélioration de l'organisation et du fonctionnement de l'administration fiscale 20

1.3.6. Réformes de l'exercice 2015 20

CHAPITRE 2 : CADRE GÉNÉRAL ET ETUDES EMPIRIQUES DE LA PREVISION

ECONOMIQUE-APPLICATION A LA PREVISION DES IMPOTS ET TAXES 22

2.1. Prévision économique 22

2.1.1. Définitions 22

2.1.1.1. Prévision économique 22

2.1.1.2. Horizon de prévision 23

2.1.1.3. Planification 23

2.1.2. Classification des techniques de prévision 24

2.1.2.1. Les approches basées sur le jugement, ou informelles 24

2.1.2.2. Les méthodes extrapolatives ou univariées 25

2.1.2.3. Les méthodes explicatives ou causales 26

2.1.2.4. Les méthodes systémiques 27

2.2. Etudes empiriques de la prévision économique 27

2.2.1. Part de l'aspect technique et prévision non conditionnelle 27

2.2.2. Culture de la prévision économique 28

88

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P11B et prévision du rendement des impôts et taxes

2.2.3. Etudes évaluant les effets de la politique fiscale sur l'activité économique et le

rendement fiscal 31

DEUXIEME PARTIE : ETUDE EMPIRIQUE 33

CHAPITRE 3 : APPROCHE METHODOLOGIQUE ET DONNEES 34

3.1. Approche méthodologique 34

3.1.1. Choix de la méthode 34

3.1.2. Approche méthodologique de construction 35

3.1.3. Principe de l'analyse de la stationnarité des séries 36

2.1.3.1. La notion de stationnarité 36

3.1.3.1. Principe du test de Dickey-Fuller et test de Dickey-Fuller Augmenté 37

3.1.3.2. Principe du test de Phillips-Perron (PP) 38

3.1.3.2. Principe du test de Kwiatkowski-Phillips-Schmidt-Shin test statistic(KPSS) 38

3.1.4. Principe d'analyse de la propriété de cointegration des séries 38

3.2. Données et traitement des données 39

3.2.1. Description des données et choix des variables 39

3.2.2. Comportement dynamique des différents grandeurs économiques 40

3.2.2.1. Analyse de l'évolution du rendement des impôts et taxes 40

3.2.2.2. Analyse de l'évolution de l'activité économique globale 41

3.2.3. Traitement des données 42

3.2.3.1. Traitement des valeurs aberrantes 42

3.2.3.2. Etude de la saisonnalité et dessaisonalisation des séries 43

CHAPITRE 4 : PREVISION DU RENDEMENT DES IMPOTS ET TAXES : ANALYSE

ET INTERPRETATION DES RESULTATS 46

4.1. Etude des propriétés stochastiques des séries 46

4.2. Analyse de la relation entre le P11B et le rendement des impôts et taxes 48

4.2.1. Analyse de la cointegration entre le P11B et les différents impôts et taxes pris

séparément 48

4.2.2. Relation entre le PIB et le rendement de la TVA et de l'Isnp 50

89

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA

Dynamique du P11B et prévision du rendement des impôts et taxes

4.2.3. Analyse de la relation entre le P11B, les dépenses publiques et le rendement fiscal

agrégé 51

4.2.3.1. Modélisation de la relation entre le P11B, les dépenses publiques et le rendement

fiscal agrégé 51

4.2.3.2 Analyse de la causalité 53

4.2.3.3. Stabilité des coeffients du modèle 53

4.3. Analyse de la capacité prédictive du modèle VAR estimé 53

4.3.1. Evaluation de la capacité prédictive du modèle VAR estimé 53

4.3.2. Analyse des fonctions de réponse impulsionnelle 54

4.3.3. Décomposition de la variance 55

4.4. Evaluation de la capacité prédictive des modèles MCE et ARDL estimés et prévision du

rendement des impôts et taxes 55

4.4.1. Evaluation de la capacité prédictive des modèles MCE et ARDL estimés 55

4.4.2. Prévision du rendement des impôts et taxes pour les douze prochains trimestres 58

CONCLUSION ET RECOMMANDATIONS 60

ELEMENTS DE BIBLIOGRAPHIE 62

ANNEXE 66

TABLE DES MATIÈRES 87

90

Patrick SA'A, Elève Ingénieur Statisticien Economiste, CEMAC-ISSEA