Contribution à amélioration du niveau des dépenses d'infrastructures routières pour soutenir la croissance économique au Bénin.

2ème

Partie

Cadre Méthodologique, Analyse des

Résultats et Recommandations

34

Réalisé par Fidèle G. AYIKPA et Patrice DOMINGO

Contribution à l'amélioration du niveau des dépenses d'infrastructures routières pour soutenir la croissance économique au Bénin

CHAPITRE 3 : CADRE METHODOLOGIQUE

Dans ce chapitre, nous présentons dans un premier temps les différentes méthodes d'analyse puis dans un second temps le modèle théorique et les données.

3.1 Méthodes d'analyses

3.1.1 Etude de la stationnarité des séries

Avant le traitement d'une série temporelle, il convient d'en étudier les caractéristiques stochastiques. Parmi celles-ci on peut citer notamment l'étude de la stationnarité de la série.

Par définition, une série temporelle est dite stationnaire si sa moyenne et sa variance sont constantes dans le temps et si la valeur de la covariance entre deux périodes de temps ne dépend que de la distance ou écart entre ces deux périodes et non pas du moment auquel la covariance est calculée. Une telle série temporelle est qualifiée de faiblement stationnaire.

Cette définition se traduit comme suit pour une série Yt :

Moyenne : E(Yt) = ì

Variance : V(Yt) = E(Yt - ì)² = ä2

Yt+k) = E[(Yt - ì)( _Yt+k - ì)]=£k

Covariance : Cov(Yt ,

Il existe plusieurs tests pour détecter la stationnarité d'une série. Nous aborderons le plus utilisé dans les travaux empiriques, à savoir le test de Dickey-Fuller Augmenté (ADF) ; mais elle peut s'appréhender en première approximation par l'allure de la fonction d'autocorrélation et sa représentation graphique : le corrélogramme. La mise en oeuvre de ce test passe par trois différents modèles de base que sont :

· Modèle1 : modèle sans constante ni tendance

?Yt = uYt-1 + + €t

· Modèle2 : modèle avec constante et sans tendance

35

Réalisé par Fidèle G. AYIKPA et Patrice DOMINGO

Contribution à l'amélioration du niveau des dépenses d'infrastructures routières pour soutenir la croissance économique au Bénin

?Yt = uYt-1 + á0 + + €t

? Modèle3 : modèle avec tendance et constante

?Yt = uYt-1 + á0 + á1t + + €t

En conséquence, la lecture des résultats du test se fait en deux étapes :

> La significativité ou non du trend : Elle est appréciée à partir de la statistique calculée ou de la probabilité attachée à cette statistique (elle est comparée à 5%).

> La présence ou non de racine unitaire : A cet effet, on teste l'hypothèse nulle H_o contre l'hypothèse alternative H1. Les hypothèses sont :

H_o : Présence de racine unitaire (u=0)

H1 : Absence de racine unitaire (u<0)

La règle de décision est la suivante :

? Si ADF Test Statistic > Critical Value alors on accepte H_o : la série étudiée est donc non stationnaire.

? Si ADF Test Statistic = Critical Value alors on accepte H1 : la série étudiée est donc stationnaire.

Si les séries ne sont pas stationnaires, mais toutes intégrées du même ordre, nous allons procéder à un test de cointégration et recourir à une représentation à correction d'erreur qui fournit des relations entre les variables à court et long terme. Tous les tests d'ADF sont effectués au seuil de 5%.