SECTION 2 : ANALYSE DES RESULTAT ET PROPOSITION DE
SOLUTION
II-1- Résultats de l'estimation et
interprétation des résultats.
II-1-1- Présentation des résultats.
? Estimation du model PROBIT
68
Rédigé et présenter par Serge
Guy BILOA
Intégration sous régionale et
développement du commerce entre les états membres de la zone
CEMAC
De façon générale, L'analyse de nos
données se fera principalement en deux phases. Dans une première
phase, nous avons procédé à l'estimation du Probit en
déterminant le ratio inverse de Mills-IMR. Le résultat se
présente comme suit :
Tableau N°7 : Résultat de l'estimation du model
PROBIT.
|
Seuil d'importation
=1 000 000
|
Coef.
|
P>|z|
|
Interval de confiance à 95%
|
|
Lpib y
|
0.3466794***
|
0.000
|
0.1539538
|
0.539403
|
|
Ldist
|
-1.913706 ***
|
0.000
|
-2.301753
|
-1.525658
|
|
IndigouvCMR
|
0.538318
|
0.353
|
-0.5983523
|
1.674988
|
|
Ndigouv Y
|
-1.96147***
|
0.000
|
-2.726811
|
-1.196128
|
|
Diver Y
|
-1.049358 **
|
0.016
|
-1.905645
|
-0.1930724
|
|
Diver CMR
|
-0.3833555
|
0.507
|
-1.515286
|
0.7485754
|
|
SPS
|
.0328084
|
0.699
|
-0.1332431
|
0.1988598
|
|
OTC
|
-0.3385225 *
|
0.022
|
-0.6292079
|
-0.0478371
|
|
LangY
|
3.303809 ***
|
0.000
|
2.343719
|
4.2639
|
|
Enclav Y
|
0.7123016 ***
|
0.000
|
.3747362
|
1.049867
|
|
IndperflogistCMR
|
0.428573
|
0.159
|
-0.1679246
|
1.025071
|
|
Indperflogist y
|
0.1030954
|
0.689
|
-0.4019806
|
0.6081715
|
|
Constante
|
3.7214 ***
|
0.000
|
1.752638
|
5.690163
|
|
RESULTATS GLOBAUX DU TEST
|
|
Wald chi2(12)
|
218.21
|
|
Prob > chi2
|
0.0000
|
Sources : auteur.
(***), (**) et (*) traduisent respectivement le fait que le
coefficient estimé est significatif au
seuil de 1%, 5% et 10%.
Le modèle est globalement significatif au seuil de 5%,
en effet, la p-value associée à la statistique de Wald est
inférieure à 0,05.
? Test de HAUSMAN.
La notion d'hétérogénéité
est centrale en économétrie des panels. La forme la plus simple
d'hétérogénéité est celle qui consiste
à postuler l'existence de constantes spécifiques à chaque
individu. Ce qui revient entre autre à savoir si la source de
l'hétérogénéité est fixe ou
aléatoire. Pour cela, nous procédons ensuite au test de
Hausman.
Le test de Hausman permet de faire un choix entre le
modèle à effets individuels fixes et le modèle à
effet individuels aléatoire qui prend en compte
l'hétérogénéité des données. Dans le
premier cas on suppose que les effets spécifiques peuvent être
corrélés avec les variables explicatives du modèle, et
dans le second cas on suppose que les effets spécifiques sont
orthogonaux aux variables explicatives du modèle. Lorsque la
probabilité de ce test est
69
Rédigé et présenter par Serge
Guy BILOA
Intégration sous régionale et
développement du commerce entre les états membres de la zone
CEMAC
inférieure au seuil retenu, le modèle à
effet fixe est privilégié. Dans le cas contraire, on retient le
modèle à effet aléatoire. Les hypothèses sont les
suivantes :
H0 : présence d'effet fixe
H1 : présence d'effet aléatoire
Le résultat du test de Hausmann se présente comme
suit : Tableau N°8 : Résultat du test de Hausmann
|
Chi 2
|
1.48
|
|
prob>chi 2
|
0.9606
|
Sources : auteur
Ainsi, la p-value associée à ce test est
supérieure à 0,05 permettant ainsi de retenir le modèle
à effets aléatoires. Pour vérifier d'avantage si nous
sommes en présence d'un modèle à effet aléatoire,
nous allons effectuer le test de BREUSCH PANGAN.
? Test DE BREUSCH PANGAN ou LAGRANGE
La statistique de Breusch-Pagan est obtenue après
l'estimation du modèle à effets aléatoires. Elle permet de
tester la significativité du modèle à effets
aléatoires et corriger si la covariance entre les effets
aléatoires est nulle. Le test est basé sur les
hypothèses suivant :
H 0 : Absence d'effets aléatoires
H 1 : Présence d'effets aléatoires
Tableau N°9 : Résultat du Breusch-Pagan
|
VARIABLE
|
Chibar 2 (01)
|
Prob > chibar2
|
|
Limport
|
38 901.30
|
0.000
|
Sources : auteur
Les effets aléatoires sont significatifs au seuil de 1%.
Alors le test de panel avec effet aléatoire
est le plus approprié pour notre étude.
? Test de stationnarité de
LEVIN-LIN-CHU.
L'analyse des données de panel non stationnaires s'est
développée très rapidement depuis les travaux pionniers de
Levin et Lin (1993). Leur démarche est directement inspirée de
celle des tests de racine unitaire en séries temporelles de Dickey et
Fuller (1979).Les données de panel présentent une double
dimension d`analyse qui constitue un avantage par rapport aux données
sur séries temporelles ou en coupe transversale. Cette double dimension
permet de prendre en compte l`hétérogénéité
des individus dans une approche dynamique. Baltagi et Kao (2000) montrent que
l`économétrie des données de panel non stationnaires
permet d`associer le « meilleur des deux mondes » : l`analyse des
séries non stationnaires à partir des méthodes des
séries temporelles et l`accroissement du nombre de données et de
la puissance des tests grâce à la dimension individuelle. L'ajout
de la dimension individuelle à la dimension temporelle usuelle
présente un intérêt important pour l'analyse des
séries non stationnaires. Or, pour les
70
Rédigé et présenter par Serge
Guy BILOA
Intégration sous régionale et
développement du commerce entre les états membres de la zone
CEMAC
échantillons de petites tailles les tests de racine
unitaire sont en général très peu puissants pour
distinguer des séries non stationnaires et des séries
stationnaires mais fortement persistantes car L'étendue de la
période d'étude étant plus importante que la
fréquence des données (Pierce et Snell, 1995). Le recours aux
données de panel permet ainsi de travailler sur des échantillons
de taille réduite (dans la dimension temporelle) en augmentant le nombre
de données disponibles (dans la dimension individuelle). Baltagi et Kao
(2000). Cette approche semble tout particulièrement adaptée
à notre étude pour mesurer la stationnarité ou non des
importations. Le résultat se présent comme suit :
Tableau N°10 : Résultat du test de Levin-Lin-Chu
sur les importations du Cameroun.
|
Statistique
|
P-value
|
|
Ajutée t
|
-7.2e+02
|
|
|
Non ajustée
|
-7.8e+02
|
0.0000
|
Sources : auteur.
? Estimation finale par le MCO.
Le résultat de l'estimation de ce modèle est le
suivant :
Tableau N°11 : Résultat de l'estimation par les
MCO
|
VARIABLES
|
IMPORTATION DU CAMEROUN
|
|
COEF.
|
Z
|
P>|z|
|
|
lpib_y
|
0.0728291***
|
2.74
|
0.006
|
|
Ldist
|
-0.3948064
|
-2.71
|
0.007
|
|
***
|
|
|
|
IndgouvCMR
|
0.1091112
|
2.66
|
0.008
|
|
***
|
|
|
|
Indigouvy
|
-0.4153815
|
-2.75
|
0.006
|
|
***
|
|
|
|
Divery
|
-0.2312629
|
-2.82
|
0.005
|
|
***
|
|
|
|
diverCMR
|
-0.0767459 **
|
-2.58
|
0.010
|
|
SPS
|
0.0162147 ***
|
4.26
|
0.000
|
|
OTC
|
-0.061826 **
|
-2.34
|
0.019
|
|
LangY
|
0.6856087
|
2.71
|
0.007
|
|
***
|
|
|
|
EnclavY
|
0.1524083
|
2.74
|
0.006
|
|
***
|
|
|
|
indPerflogistCAMER
|
0.0871446
|
2.69
|
0.007
|
|
***
|
|
|
|
indPerflogistY
|
0.0222434
|
2.70
|
0.007
|
|
***
|
|
|
|
mills_inver
|
0.2219222
|
2.69
|
0.007
|
|
***
|
|
|
71
Rédigé et présenter par Serge
Guy BILOA
Intégration sous régionale et
développement du commerce entre les états membres de la zone
CEMAC
|
Constance 0.6352111 *** 2.67
|
0.008
|
|
RESULTAT GLOBAUX DE L'ESTIMATION
|
|
Nombre d'observations
|
22,356
|
|
Wald chi2
|
32.67
|
|
Prob > chi2
|
0.0019***
|
Sources : auteur
(***) et (**) traduisent respectivement le fait que le
coefficient estimé est significatif au
seuil de 5% et 10%.
| 
