WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

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


par Sergiot Patrick SAà¢â‚¬â„¢A TANTCHI
Institut Sous-régional de Statistique et d'Economie Appliquée ISSEA - Mémoire professionnel d'Ingénieur Statisticien Economiste  2018
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

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

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius