Intégration sous-régionale et développement du commerce entre les états membres de la zone CEMAC.

1-2-2-2- Estimation du PROBIT

Ø(?????? ,??t)

La variable dépendante du modèle de gravité est par définition toujours positive ou nulle (car il n'existe pas de commerce négatif). Sous l'hypothèse d'un commerce nul, on a pensé à une technique d'estimation qui tient compte de cet aspect, à savoir le PROBIT. Cette méthode d'estimation permet de déterminer l'effet dû au hasard dans la modélisation ou dû à l'absence absence de commerce entre deux pays et de corriger les effets d'hétérocedaticité que l'on rencontre généralement dans les modèles de gravité. Amemiya (1985). Etant donné que la survenance d'une importation entre le Cameroun et l'un de ses partenaires peut être nul pour une année ou pour un produit précis La première étape consiste à estimer la probabilité d'avoir des flux de commerce non nul. Pour ce faire, nous calculons le ratio inverse de Mills (IMR) à partir d'un seuil. Dans les travaux de Nordas (2006), le seuil a été fixé à 1 milliards d'USD. Dans le cadre de nos travaux, nous allons fixer le seuil à 1 000 000 de XAF car c'est à partir d'une valeur en douane d'un million qu'on établit une déclaration en détail. Le ratio inverse de Mills s'interprète comme la probabilité prédite d'observer la variable exogène pour un pays pour une année donnée. L'équation du ratio inverse de Mills s'écrit :

IMRit= ??(??????,??t)

Avec,

Xit la variable explicative concernant le pays i à la période t ;

f3t coefficient estimé associé à la variable explicative Xit ;

Ø _(Xit, f3t) la densité de probabilité associée à la probabilité prédite d'observer la variable X

Et, CD (Xit,f3t) la fonction de distribution cumulative associée aux probabilités prédites.

Les hypothèses qui sous-entendent cette analyse sont les suivantes :

HO : Tous les paramètres sont nuls

H1 : Il y a au moins un paramètre nul.

67

Rédigé et présenter par Serge Guy BILOA

Intégration sous régionale et développement du commerce entre les états membres de la zone CEMAC

1-2-2-2- Estimation de l'équation par le MCO.

? Vérification de l'application du MCO par le test de HAUSMANN.

Le test d'Hausman (1978) nous permet de choisir entre un modèle à effet fixe et un modèle à effet aléatoire. Les deux modèles les modèles permettent de prendre en compte l'hétérogénéité des données mais les hypothèses sur la nature des effets spécifiques diffèrent d'un modèle à l'autre. Dans le modèle à effet fixe, on suppose que les effets spécifiques peuvent être corrélés avec les variables explicatives du modèle, et dans le modèle à effet aléatoire, on suppose que les effets spécifiques sont orthogonaux aux variables explicatives du modèle. Le test de spécification de Hausman permet de tester la présence d'une corrélation ou non entre les effets spécifications et les variables explicatives du modèle. Ainsi, il faut d'une part un estimateur convergent et asymptotiquement efficace sous l'hypothèse nulle et d'autre part, un estimateur convergent aussi bien sous l'hypothèse nulle et sous l'hypothèse alternative. Les hypothèses de ce test sont les suivantes.

H0 : Présence d'effets aléatoires

H1 : Présence d'effets fixes

? Application du MCO.

L'estimateur des moindres carrés ordinaires reste l'un des estimateurs les plus fréquemment utilisés car elles ont l'avantage d'être facile à implémente et est l'un des estimateurs les plus utilisés. Mais le véritable problème de cette Méthode réside dans le risque d'hétéroscédaticité Ce qui rend les paramètres estimés inefficients (Nordas, 2006) et remet en cause le choix des MCO comme méthode d'estimation. La littérature propose cependant une méthode corrective pour résoudre le problème d'hétéroscédasticité. L'option la plus simple consiste à tronquer les observations des flux des échanges et à estimer ln (1+Tij). Il s'est avéré que le problème d' hétéroscédasticité est résolu en procédant de la sorte. Estimé 1+Tij au lieu de Tij résulte simplement du fait qu'au cours de la période d'analyse, deux pays peuvent ne pas avoir échangé. Dans notre analyse, nous allons calcul le taux de hasard par l'inverse du ratio de Mills, que nous allons l'inclure dans l'estimation global par MCO, ça nous servira à corriger le problème d' hétéroscédasticité que l'on rencontre généralement dans le modèle de gravité.