2.2 Hypothèses du modèle
H1 : les variables économiques
expliquent fortement l'attractivité des IDE.
En effet, un taux de croissance de PIB élevé
désigne la performance de l'économie domestique donc c'est un
indicateur favorable pour attirer des IDE. En outre l'ouverture commerciale
stimule l'attraction des IDE car elle reflète le degré de
libéralisation d'un pays. De même le taux de chômage indique
la disponibilité de la main d'oeuvre, une corrélation positive
est attendue entre le taux de chômage et l'IDE.
Une relation négative entre le taux de d'inflation et
l'IDE, pour le taux de change il affecte l'IDE en fonction d'une
appréciation ou dépréciation.
Concernant l'infrastructure, elle est mesurée par les
abonnés à la téléphonie mobile. Cet indicateur
donne une idée globale sur la disponibilité d'une infrastructure
moderne au sein d'un pays. Le signe attendu est positif. Un capital humain
riche attire de plus en plus des IDE, ce capital est estimé en fonction
du niveau d'éducation mesurée en termes d'inscription à
l'école secondaire (en % brut), une corrélation positive est
attendue.
H2 : les variables politiques
&institutionnelles sont importantes dans l'attractivité des IDE. Le
degré d'imposition mesuré par les recettes fiscales a un impact
direct sur l'attractivité des IDE, une corrélation
négative est attendu. La disponibilité des chercheurs (pour
million de personnes), une corrélation positive est attendue. Le
contrôle de la corruption dans un pays affecte l'attractivité des
IDE, de même la stabilité politique et l'absence de violence, la
qualité de réglementation sont des indicateurs de gouvernance
ayant une corrélation positive avec l'attraction des IDE.
63
Le tableau ce dessous examine les signes attendus de notre
modèle :
Tableau 9: signes attendus des variables
|
Variables
|
Nom de variables
|
Signe attendu
|
Sources
|
|
CHOM
|
Taux de chômage
|
+
|
WB
|
|
CRO
|
Taux de croissance de PIB
|
+
|
WB
|
|
ABM
|
Abonnés à la
téléphonie
mobile
|
+
|
WB
|
|
OUV
|
Ouverture commerciale
|
+
|
WB
|
|
INF
|
Indice prix à la
consommation
|
-
|
WB
|
|
R
|
Taux de change
|
+
|
WB
|
|
SEC
|
Taux de scolarisation
secondaire
|
+
|
WB
|
|
RD
|
Chercheurs en R&D
|
+
|
WB
|
|
FISC
|
Recettes fiscales
|
-
|
WB
|
|
SPAV
|
Stabilité politique et absence
de la violence
|
+
|
WB
|
|
QR
|
Qualité de réglementation
|
+
|
WB
|
|
CC
|
Contrôle de la corruption
|
+
|
WB
|
Source : selon les théories
examinées.
2.3 Technique d'estimation
Afin de valider notre analyse et de vérifier la
significativité de notre modèle nous procédons à
l'économétrie. Le problème de cointégration des
variables et d'autocorrélation est généralement
retrouvé dans tous les modèles, c'est pour cette raison que nous
cherchons à garantir que les variables sont stationnaires.
D'abord, nous commençons par tester la
stationnarité de nos variables.
2.3.1 L'analyse de stationnarité
Avant d'estimer un modèle, nous devons effectuer un
test garantissant la stationnarité des séries observé, une
série chronologique dite stationnaire si elle ne comporte ni tendance ni
saisonnalité (annexe1).
64
Plusieurs tests permettant d'étudier la
stationnarité d'une série temporelle, nous utilisions le test de
racine unitaire de Dickey-Fuller augmenté (ADF), ce test permet non
seulement de détecter l'existence d'une tendance mais aussi de
déterminer la bonne façon de stationnariser une chronique. A cet
égard, pour rendre une série stationnaire nous effectuons une
régression de stationnarité en niveau, en différence
première ou en différence seconde. La règle de
décision :
H0 : non stationnaire
H1 : stationnaire
Au seuil de 5%, nous avons obtenu les résultats ci-dessous
après avoir effectué un test ADF. Tableau 10 :
résultats de test de stationnarité
|
Variables
|
stationnarité
|
ADF
|
|
Oui/non ordre d'intégration valeurs des valeur
critique
Statistiques
|
|
CHOM
|
Oui
|
I(0)
|
-4.011670
|
-3.568379
|
|
CRO
|
Oui
|
I(0)
|
-6.839469
|
-3.536601
|
|
ABM
|
Oui
|
I(1)
|
-4.138226
|
-3.540328
|
|
OUV
|
Oui
|
I(1)
|
-5.734999
|
-3.544284
|
|
R
|
Oui
|
I(1)
|
-5.073381
|
-3.540328
|
|
SEC
|
Oui
|
I(1)
|
-4.132778
|
-3.548490
|
FISC
|
Oui
|
I(2)
|
-5.802880
|
-3.568379
|
|
|
INF
|
Oui
|
I(1)
|
-9.209794
|
-3.540328
|
SPAV
|
Oui
|
I(2)
|
-7.681060
|
-3.552973
|
|
|
QR
|
Oui
|
I(0)
|
-4.749448
|
-3.580623
|
|
CC
|
Oui
|
I(1)
|
-7.223141
|
-3.540328
|
Source : Output de logiciel
Remarquons que le taux de chômage (CHOM) et taux de
croissance de PIB(CRO) et la qualité de réglementation(QR) sont
stationnaires en niveau, par contre pour l'infrastructure (ABM), l'ouverture
commerciale (OUV), le taux de change (R) ,le taux d'inscription au secondaire
(SEC), le contrôle de la corruption (CC) et la qualité de
réglementation (QR) et le
taux d'inflation (INF) sont stationnaires en différence
première. Alors que pour les autres variables (FISC, SPAV) sont
stationnaires en différence seconde.
| 
