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 + åt
DCLISNPt = -0,717DCLISNPt-1 -
0,522DCLISNPt-2 - 0,167DCLISNPt-3 -
1,471DLPIBt + 0,090 + åt
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%.
| 
