Paragraphe 2 : Méthodologie d'analyse et de
traitement
Elle consiste d'une part à dépouiller les
données collectées à travers une analyse descriptive de
celles-ci. Cette étape a permis de décrire l'évolution de
la production du maïs, et de la superficie emblavée dans les
différentes communes retenues pour cette étude ; puis de
l'évolution du prix du maïs et de la pluviométrie afin
d'avoir une vue sur les variations des différents facteurs susceptibles
d'influencer les prix du maïs.
A ce niveau, nous avons distingué trois grandes
périodes pour les analyses du prix.
En s'inspirant des travaux de Gilbert et Morgan sur la
volatilité des prix alimentaires nous avons calculé la
volatilité comme l'écart-type des rendements des prix,
c'est-à-dire l'écart-type des variations des prix logarithmiques.
Nous adoptons cette convention de mesure standard. Il est conventionnel de
citer des volatilités de rendement à un taux annuel. En effet,
les volatilités mensuelles peuvent être annualisées en
multipliant par v12 et les volatilités quotidiennes annualisées
en multipliant celles-ci par v250 (il y a environ 250 jours de
négociation dans l'année) (Taylor, 2008). Dans ce qui suit, nous
mesurons les volatilités par les écarts-types des variations des
logarithmes des moyennes mensuelles des prix à un taux
annualisé.
Marché de maïs au Bénin : une analyse des
prix
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
24
Volatilité = [Ecart-type (LnPt -
LnPt-1)]*v12
Pour plus de commodité dans les analyses, nous multiplions
cette valeur par 100. Ensuite dans un second temps, des analyses ont
été effectuées sous le logiciel STATA pour
l'identification des déterminants du prix sur les principaux
marchés retenus. Les données ont été
utilisées en Données de Panel avec comme individu les
marchés et les mois de Jan 2006 à Juin 2017 comme la dimension
temporelle.
1- Présentation du modèle
Le modèle utilisé est le modèle à
effets fixes. Ce modèle suppose que les relations entre la variable
dépendante et les variables explicatives sont identiques pour tous les
individus, observés sur Ti périodes de temps et K variables
explicatives, le modèle s'écrit alors :
yi,t = ái + k Xk,i,t + åi,t , i =1,....,N
et t=1,...., Ti
Pour k = 4, le modèle s'écrit :
Yi,t = ái + â1 X1i,t + â2 X2i,t +
â3 X3i,t + â4 X4i,t + åi,t
ái représente la
spécificité individuelle, supposée fixe.
2- Présentation des variables
Les variables utilisées dans cette étude pour la
modélisation se présentent comme suit :
Variable expliquée
(indépendante ou exogène)
La variable expliquée du modèle est le prix du
maïs que nous notons Price. C'est le
prix mensuel du maïs sur les différents
marchés.
Variables explicatives
(indépendantes ou endogènes)
Ce sont :
V' La pluviométrie rainfall
V' Les écarts de pluviométrie une période en
arrière e_rainfall
Marché de maïs au Bénin : une analyse des
prix
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
25
En plus de ces variables, nous avons utilisés le prix
retardé d'une période Price_1 qui est un
élément pris en compte par les producteurs dans la fixation du
prix du maïs et deux variables muettes :
- Dsais qui a servi à distinguer les
périodes de récolte des périodes de soudure. Les prix sont
généralement faibles pendant les périodes de
récolte à cause de l'abondance de l'offre ; tandis que les prix
sont élevés pendant la période de soudure ou l'offre est
faible. Cette situation peut être déterminante dans le niveau des
prix.
- D0810 qui a servi à mettre en
évidence les périodes de crise de 2008 et 2010 qui ont
été des moments de forte instabilité économique et
financière et qui ont touchées l'agriculture et surtout les
céréales dont le maïs.
Toutes ces variables ont été
présentées et manipulées en données de panel avec
les six marchés comme individu et les mois de jan 2006 à Juin
2017 constituent la dimension temporelle.
En effet, plusieurs tests économétriques ont
été effectués dans l'ordre suivant :
a- Test de stationnarité :
Le test de stationnarité des variables permet
d'identifier l'ordre d'intégration des séries ; il permet de
rechercher la présence ou non de racine unitaire. Ici le test de
Dickey-Fuller Augmenté (DFA) très usité en série
temporelle n'est pas adapté aux données de panel. Pour les
données de panel, les tests usuels de stationnarité sont ceux de
Im-Pesaran-Shin et de Levin-Lin-Shu. Dans notre étude c'est le premier
qui a été utlisé.
Hypothèses et mode de décision
{H0 : Hypothèse de non stationnarité ;
présence de racine unitaire
{H1 : Hypothèse de stationnarité ; Absence de
racine unitaire
Si le p-value est inférieur au seuil de 5%, on rejette
H0 alors la série est stationnaire. Par contre si le p-value est
supérieure au seuil de 5%, on ne rejette pas H0, alors la série
n'est pas stationnaire.
Marché de maïs au Bénin : une analyse des
prix
b-
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
26
Test de présence d'effets individuels :
On estime le modèle à effets fixes et le logiciel
Stata effectue par la même occasion le test d'existence des effets
individuels.
Hypothèses et mode de décision
{H0: ui = 0 ; les effets individuels ne sont pas
nécessaires {H1 : les effets individuels sont nécessaires
Si (Prob>F) < (seuil = 5%) alors on rejette H0 et on
conclut que l'introduction des effets individuels est nécessaire.
c- Test de Hausman :
Le test de spécification de Hausman est un test
général qui peut être appliqué à de nombreux
problèmes de spécification en économétrie. Mais son
application la plus répandue est celle des tests de spécification
des effets individuels en panel. Il permet de choisir entre le modèle
à effets fixes et le modèle à effets aléatoires.
Hypothèses et mode de décision
{H0 : Pas de différence systématique entre les
coefficients par conséquent, le modèle à effets
aléatoires est approprié.
{H1 : Le modèle à effets fixes est
approprié
Si (Prob > chi2) < (seuil = 5%) alors on rejette H0 et
on conclut que les effets fixes sont appropriés.
d- Test de normalité des résidus :
Marché de maïs au Bénin : une analyse des
prix
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
27
Le test de normalité des résidus se fait de la
même façon que pour les données
transversales. Il s'agit de déterminer si les
résidus d'une régression linéaire suivent une
distribution normale.
Elle se fait en trois étapes :
- Régresser le modèle ;
- Prédire les résidus ;
- Appliquer le sktest, test de normalité de
Jacque-Béra au résidu.
e- Test
d'hétéroscédasticité :
L'homoscédasticité qualifie une variance
constance des résidus de données composant l'échantillon.
A l'inverse, on dit qu'il y a hétéroscédasticité
lorsque la variance des résidus du modèle n'est pas constante.
Pour les régressions en panel, le test
d'hétéroscédasticité s'effectue en quatre
étapes : - Régresser le modèle structurel ;
- Récupérer le résidu du modèle,
puis l'élever au carré ;
- Régresser le carrée du résidu sur
l'ensemble des variables du modèle structurel ;
- La statistique du test est n*R2 qui, sous
l'hypothèse H0 d'homoscédasticité suit une loi chi2
à k-1 degré de liberté ; n et R2 sont
respectivement le nombre d'observations et le coefficient de
détermination du modèle, k est le nombre de variables
explicatives y compris la constante.
f- Test de Ramsey-Reset :
Le test de Ramsey-Reset n'est pas disponible pour les
régressions en panel après la commande de xtreg, il faut
donc le faire étape par étape comme suit :
- Régresser le modèle à l'aide de la
commande xtreg, puis récupérer les valeurs prédites de la
variable dépendante ;
- Estimer de nouveau le modèle structurel en
introduisant comme variables explicatives additionnelles la variable
dépendante prédite au carré, au cube et à la
puissance 4 ;
Marché de maïs au Bénin : une analyse des
prix
- Faire un test de Fisher sur la significativité
globale de ses nouvelles variables introduites. Si la probabilité F du
test est supérieure à 10%, on ne peut donc pas rejeter
l'hypothèse H0 d'une bonne spécification du modèle.
|
CHAPITRE III :
|
|
|
ANALYSE DES RESULATS ET
|
|
|
RECOMMANDATIONS
|
|
28
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
Marché de maïs au Bénin : une analyse des
prix
Présenté par Confort HOUNTON et Francky
KOUDJROHEDE
29
Ce chapitre est traité en deux parties à savoir
l'analyse descriptive et l'évolution des
variables.
| 
