Académique Documents
Professionnel Documents
Culture Documents
****************
Du cours de
Ecole Nationale de la Statistique et de lAnalyse Economique (ENSAE)
Rdig par :
Sous lencadrement de :
Monsieur Mayoro DIOP,
Sous lencadrement de :
Fvrier 2013
Avant-propos ........................................................................................................................................... 3
Introduction............................................................................................................................................. 4
I. Pertinence du thme de ltude et revue de littrature ................................................................. 5
II. Spcification du modle et estimations .......................................................................................... 7
II.1 Dfinition des variables et prsentation des donnes .................................................................. 7
II.2. Le modle, ses hypothses et estimations................................................................................. 11
III. Validation du modle ................................................................................................................ 16
IV. Prvision .................................................................................................................................... 23
Conclusion ............................................................................................................................................. 25
Avant-propos
LEcole Nationale de la Statistique et de lAnalyse Economique (ENSAE-Sngal),
membre du rseau des grandes coles de statistiques dAfrique francophone, est une cole
qui a pour vocation la formation des cadres de conception, dapplication et dexcution en
statistique. Elle forme, en effet, dans ses trois units, des Ingnieurs Statisticiens
Economiques (ISE), des Ingnieurs des Travaux Statistiques (ITS) et des Techniciens
Suprieurs de la Statistique (TSS). Lentre lENSAE est conditionne par la russite un
concours. Ce concours est organis sur le plan national pour lentre dans lunit TSS et
requiers le diplme du baccalaurat scientifique. Il devient sous rgional pour les autres
units de formations et est organis de concert avec les autres coles du rseau. Le diplme
requis pour participer ce concours est la licence pour lunit ISE et le baccalaurat pour la
filire ITS.
Par ailleurs, nous souhaitons rappeler ici que nous assumons lentire responsabilit
de toutes les erreurs et fautes que le lecteur pourrait relever dans ce document. Aucune
uvre humaine ntant parfaite, nous vous saurons gr, des diffrentes remarques que vous
nous ferez parvenir.
Introduction
Au Sngal comme dans la plupart des conomies sous-dveloppes, la mobilisation
de lpargne intrieure est un vritable problme pour les gouvernants. Sil est vrai que les
diffrents agents qui composent la sphre conomique sngalaise nont pas une
propension marginale trs forte pargner, il est aussi vrai que savoir pourquoi cette
propension nest pas aussi significative aiderait davantage nos gouvernants mieux dfinir
et orienter les politiques de stimulation de lpargne intrieure. Cest dans ce souci de mieux
apprhender les diffrents agrgats qui pourraient contribu lexplication de ce faible taux
dpargne et de son faible mouvement dans le temps que le prsent thme qui fait lobjet de
notre TP a t propos. Il sagira donc pour nous de trouver les principaux dterminants du
taux dpargne intrieure brute du Sngal en utilisant des donnes temporelles. Nous
laborerons donc un modle conomtrique scientifiquement labor et reposant sur des
arguments conomiquement fiables. Dans notre tude, nous prendrons comme acquis
lhypothse de stationnarit et de non co-intgration des variables et utiliserons les
diffrents outils conomtriques assimils en classe et issus de nos recherches personnelles
pour rpondre efficacement la question pose.
Ainsi, dans une premire partie nous allons rappeler la pertinence de notre tude et
les tudes et thories ayant dj t faites ou labores sur le sujet afin de circonscrire la
liste des variables qui nous sembleront pertinentes intgrer dans notre modle. Dans la
deuxime partie, nous spcifierons ce modle en prsentant les variables et les donnes
devant faire lobjet de notre tude. Nous estimerons ensuite le modle et le validerons
laide des diffrents tests statistiques qui nous semblerons les plus appropris dans la
troisime partie. Enfin, afin de confirmer la bonne qualit du modle retenu, nous ferons
une prvision des quatre dernires valeurs de la srie originale du taux dpargne. Cest
lobjet de la dernire partie de ce document.
I. Pertinence du thme de ltude et revue de littrature
Il sagira ici de justifier le thme que nous avions choisit et son importance dans le
contexte conomique actuel du Sngal. Le second point abord ici constitue un rsum
des diffrentes recherches effectues sur les dterminants de lpargne intrieure au
Sngal.
La revue de littrature
Sur le plan thorique, deux modles conomiques semblent simposer dans lanalyse
des dterminants du taux dpargne. Dune part la thorie de lajustement des stocks qui a
t largement dveloppe par Hounthakker et Taylor (1966). Cette thorie reconnait une
corrlation positive entre le taux dpargne prsent et ses valeurs aux priodes prcdentes
par le biais dun processus dajustement continu rgissant tout comportement conomique.
Dautre part la thorie du cycle de vie qui stipule que le profil chronologique de la
consommation du mnage (et donc de lpargne) dpends de diffrents facteurs dont les
plus importants sont : le taux dintrt sur le march (mme raisonnement chez les
classiques en considrant que le taux dintrt est le loyer de largent), le taux de prfrence
temporelle sur le march, lesprance de vie la naissance, lge la retraite, le PIB par
habitant et le taux de croissance du PIB rel (car en effet les diffrents motifs dpargnes
nengendrent une pargne globale positive des mnages que dans une conomie en
expansion).
De faon empirique, les rsultats obtenus partir des tudes sur les dterminants de
lpargne des mnages ont aboutis des conclusions varies selon que lanalyse soit
temporelle ou longitudinale.
Quant aux rsultats des travaux de Hadji Michael, Ghura, Muhleisen, R. Nord et E. Murat
uces (1995) qui ont tous utilis des donnes temporelles afin de faire ressortir la relation
existante entre pargne domestique ou pargne intrieure et un certain nombre dautres
variables dans 39 pays africains subsahariens, leurs conclusions sont semblables. Les
variables de revenu telles que le PIB par habitant ou le taux de croissance du PIB rel ont
une influence positive sur le niveau de lpargne. Aussi, la stabilit macroconomique au
sein des pays considrs constitue une importante donne dans la stimulation de lpargne
car un faible taux dinflation combin avec un ratio du dficit budgtaire bas induit une
pargne accrue. De mme, le taux dinflation, les variations des termes de lchange,
laccroissement de la masse montaire, le taux dintrt rel ainsi que le ratio de
dpendance entretiennent une corrlation forte avec le taux dpargne.
II. Spcification du modle et estimations
Pour mieux cerner les principaux dterminants de lpargne intrieure au Sngal, il
importe avant lestimation de notre modle de dfinir toutes les variables retenues pour
lanalyse. Nous prsenterons galement dans cette partie les donnes qui nous serviront
pour lvaluation empirique ainsi que les hypothses qui sous-tendent notre modle. La
priode retenue pour cette tude couvre les annes 1974 2010, soit 37 observations
annuelles. Dans le modle nous utiliserons 32 observations pour lestimation (1975-2006) et
le reste servira de comparaison aprs la prvision.
16
12
0
1975 1980 1985 1990 1995 2000 2005 2010
Ainsi, leffet net dune variation du taux dintrt rel sur leffort dpargne consenti
par les agents conomiques, relverait de lempirisme, tant donn que deux effets de sens
contraires sopposent ici : leffet de substitution positif et leffet-revenu ngatif. Nous
laissons donc le problme ouvert jusqu lestimation de notre modle afin dapprcier le
sens dans le cas du Sngal.
Les graphiques de toutes les variables explicatives excepte le taux dpargne retard
et les effets de la dvaluation sont prsents ci-dessous. Toutes ces variables sauf le PIBH, le
TINT, lIPC et le RD sont libells en pourcentage du PIB.
Figure 2: volution des diffrentes variables explicatives au cours de la priode 1974-2010
Aprs examen des graphiques, il importe de prendre le logarithme des variables qui
ne prsentent pas de valeurs ngatives pour attnuer les fluctuations.
Pour tout on a :
Sous la forme matricielle, nous avons :
Avec ; ;
( ) ( )
et
( ) ( )
Les hypothses sur lesquelles repose ce modle sont les hypothses standard du
modle linaire multiple savoir :
A partir de ce modle, nous allons utiliser la mthode dite de pas pas avec
bacward regression pour ne retenir que les variables qui contribuent significativement
lexplication du taux dintrt. Une estimation nave du modle sous le logiciel Eviews
nous donne le rsultat ci-aprs :
Daprs ces rsultats, notre rgression est de bonne qualit. Le R2 nous dit quenviron
90% des variations du taux dpargne sont expliques par les variations des diffrentes
variables exognes incluses dans le modle. Mais au vu des tests de significativit des
coefficients qui se rvlent non conluants pour la plupart des exognes, un examen
approfondi des relations quentretiennent ces variables explicatives simposent. Ainsi, la
matrice de corrlation entre ces variables nous donne ce qui suit :
DLEIB DEV CPIB BP_COURANTS IPC LEVN LM2 LOGDCFMEN LPIBH RD TINT
DLEIB 1,000000
DEV 0,256838 1,000000
CPIB 0,292692 0,228392 1,000000
BP_COURANTS 0,147054 0,260887 0,131749 1,000000
IPC -0,043341 -0,154139 -0,021072 0,003970 1,000000
LEVN 0,291733 0,768892 0,105845 0,014718 -0,450589 1,000000
LM2 0,087361 0,468397 0,021403 -0,299159 -0,289912 0,561232 1,000000
LDCFMEN -0,020475 0,459057 -0,169341 -0,047316 -0,295932 0,777083 0,378240 1,000000
LPIBH -0,117640 0,055247 0,331551 -0,199724 -0,035960 -0,062203 0,630679 -0,184681 1,000000
RD 0,016004 0,755213 0,258904 0,215113 -0,142690 0,513937 0,679157 0,300695 0,573638 1,000000
TINT -0,174213 -0,889112 -0,214326 -0,291617 0,227691 -0,670169 -0,344466 -0,418186 -0,047334 -0,728867 1,000000
Mais pour confirmer nos soupons nous allons calculer le facteur dinfluence de la
variance (VIF). Ce facteur est le principal critre de dtermination de la multi colinarit
gnrale. Il dpasse donc le cadre de la corrlation bi varie que dtecte le test de Klein. Pour
dtecter la multi colinarit en effet, il faudrait effectuer la rgression de chaque exogne X j sur
les (p-1) autres exognes, puis tudier leur coefficient de dtermination R j. plus le facteur sera
lev (considrons ici >10) pour une variable Xj, et plus la variance de lestimateur du coefficient
de cette variable ( sera leve. Lestimateur ( sera donc trs instable, et aura moins de
chances dtre significatif dans le test de nullit du coefficient dans la rgression.
Si C est la matrice des corrlations entre les exognes, de taille (p*p) le facteur dinflation
de la variance peut tre lue la coordonne j de la diagonale principale de la matrice inverse C-
1
. Cette matrice est reproduite sur le tableau 2 et les cases colores sont les VIF des exognes.
Ainsi, nous pouvons conclure dfinitivement que lesprance de vie la naissance et le ratio de
dpendance se rvlent comme des variables superflues dans le modle. C'est--dire quelles
sont trop corrles avec les autres variables. Une autre variable aussi suffisamment corrle aux
autres est la variable indicatrice que nous avions introduite dans le modle pour capter leffet de
la dvaluation. Etant donc une variable clef pour lanalyse, nous la maintenons dans notre
modle tout en corrigeant la multi colinarit.
DLEIB DEV CPIB BP_COURANTS IPC LEVN LM2 LOGDCFMEN LPIBH RD TINT
DLEIB 1,72261676 0,25816684 -0,51110545 -0,551672385 -0,39890981 -1,29889269 -1,04165832 0,97956593 0,40214843 1,051503092 0,31583785
DEV 0,25816684 12,7581151 -0,78933551 -0,391458115 -2,06869017 -6,04300454 -1,87122917 2,94163185 3,82276607 -4,91167355 4,71279212
CPIB -0,51110545 -0,78933551 2,2042324 0,146068648 0,00072831 -1,7448706 2,47556699 0,49225095 -2,43913882 0,219459416 -0,34224938
BP_COURANTS -0,55167238 -0,39145811 0,14606865 2,112870311 0,4642984 0,48297246 1,77127059 -0,07893337 0,62834699 -2,47494141 -0,77577393
IPC -0,39890981 -2,06869017 0,00072831 0,4642984 1,8310319 2,45282211 0,49543929 -0,88287926 0,08961649 -0,41162189 -1,04066451
LEVN -1,29889269 -6,04300454 -1,7448706 0,482972461 2,45282211 13,4038414 -4,11888489 -5,62902678 2,52447904 1,41225237 -0,03192394
LM2 -1,04165832 -1,87122917 2,47556699 1,771270587 0,49543929 -4,11888489 8,71744393 0,12379842 -4,88448198 -2,51375022 -2,68000496
LDCFMEN 0,97956593 2,94163185 0,49225095 -0,078933366 -0,88287926 -5,62902678 0,12379842 4,51382401 0,93217265 -1,34396857 0,29201243
LPIBH 0,40214843 3,82276607 -2,43913882 0,628346987 0,08961649 2,52447904 -4,88448198 0,93217265 8,34050336 -5,51345153 -0,11568465
RD 1,05150309 -4,91167355 0,21945942 -2,474941407 -0,41162189 1,41225237 -2,51375022 -1,34396857 -5,51345153 12,03953242 3,26794117
TINT 0,31583785 4,71279212 -0,34224938 -0,775773929 -1,04066451 -0,03192394 -2,68000496 0,29201243 -0,11568465 3,267941166 6,73656097
Ainsi, en utilisant les critres AIC (Akaike info criterion) et BIC (Schwarz criterion), nous
sommes parvenus liminer les variables qui rendaient notre modle plus complexe sans
apporter un gain majeur en information. C'est--dire sans expliquer significativement la variable
dpendante. Le principe est simple. A partir du modle rduit 09 variables explicatives (sans
LEVN et RD), nous avions limin une une les exognes qui permettent de diminuer lAIC (ou
augmenter le BIC) et de continuer ainsi tant que la suppression dune variable amliore le critre.
Pour vrifier lauto corrlation des rsidus, lun des tests les plus utiliss est celui de
Durbin Watson qui dtecte lauto corrlation dordre 1. Malheureusement, la valeur de
notre statistique ici est comprise entre d1 et d2 de la table de Durbin Watson. Ce qui ne
nous permet pas de conclure car cest la zone dincertitude. Nous faisons donc un examen
graphique rapide de la situation avant de passer au test de Breusch Godfrey.
Cet examen nous permet de souponner une auto corrlation dordre 1. Ce qui est
confirm par le test de Breusch Godfrey au seuil de 5% que nous avions effectu. Ainsi, pour
corriger cette auto corrlation, nous avions rajout dans le modle, toutes les variables
explicatives retardes dordre 1. Lestimation du nouveau modle et llimination des
exognes non significatifs nous a conduit retenir deux variables retardes qui corrigent
dfinitivement le problme de lauto corrlation des erreurs. La situation est rsume dans
les figures qui suivent.
Figure 7: test de Breush Godfrey
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 02/11/13 Time: 05:12
Sample: 1975 2006
Included observations: 32
Presample missing value lagged residuals set to zero.
Son estimation est faite la figure 8. Tous les coefficients des exognes y sont significatifs au
seuil de 5%.
Figure 8: estimation du modle corrig de l'auto corrlation
Le test de normalit
Le test de normalit effectu sur les rsidus nous permet de valid lhypothse de
normalit. En effet, la p-value associe la statistique de Jacques Bera tant infrieur 0,5
nous rejetons lhypothse nulle de non normalit des rsidus avec 95% de confiance.
Test Equation:
Dependent Variable: RESID^2
Method: Least Squares
Date: 02/11/13 Time: 05:30
Sample: 1975 2006
Included observations: 32
Value df Probability
t-statistic 1.184243 23 0.2484
F-statistic 1.402432 (1, 23) 0.2484
Likelihood ratio 1.894034 1 0.1687
F-test summary:
Mean
Sum of Sq. df Squares
Test SSR 0.065861 1 0.065861
Restricted SSR 1.145990 24 0.047750
Unrestricted SSR 1.080129 23 0.046962
Unrestricted SSR 1.080129 23 0.046962
LR test summary:
Value df
Restricted LogL 7.865436 24
Unrestricted LogL 8.812453 23
Interprtation du modle
Les diffrents tests de validation du modle stant rvls concluant, nous avons
donc le modle dfinitif suivant :
IV. Prvision
Lun des objectifs majeurs de lconomtrie est deffectuer des prvisions. Notre
modle tant valid, nous pouvons nous attendre une bonne reconstitution des taux
dpargne de 2007 2010 par la rqression. Pour effectuer la prvision, nous utilisons les
valeurs des variables explicatives de la priode 1982-2010, les valeurs prdites qui nous
concernent tant celles de la priode colore en jaune au tableau 3.
obs 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
LEIBF 1,99 1,10 1,34 1,53 1,13 1,66 1,00 1,18 1,06 1,00 0,84 0,15 1,71 1,96 1,68 1,93 2,10 2,44 2,35 2,27 1,97 2,17 2,21 2,63 2,23 2,30 2,18 2,47 2,42
LEIB 1,73 1,21 1,43 1,76 1,28 1,94 1,29 1,06 0,86 1,06 0,86 -0,09 1,34 1,97 1,78 2,15 2,19 2,39 2,41 2,24 1,91 2,17 2,07 2,65 2,37 2,15 1,96 2,23 2,38
Source : Banque Mondiale, nos calculs sous Eviews
Figure 13: graph du taux d'pargne reconstitu par le modle avec l'intervalle de confiance
Pour voir si les donnes prdites sont toutes dans lintervalle de confiance, nous allons
visualiser les sries LEIB (taux dpargne intrieur rel), LEIBF (taux dpargne intrieur prdit par
le modle), LEIBF_SUP (borne suprieure de lintervalle de confiance), LEIBF_INF (borne
infrieure). On obtient le graphique suivant :
Le graphique confirme lanalyse du coefficient de Theil effectu plus haut. Notre modle a
bien prdit les valeurs.
Conclusion
Au terme de notre analyse il ressort clairement que le taux dpargne intrieure brute au
Sngal est expliqu 85% ( ) par le taux dintrt rel du march, le PIB par habitant,
la dpense de consommation finale des mnages, le degr dapprofondissement financier du
pays et les variables retardes dordre 1 que sont le taux dpargne et la consommation finale
des mnages. Il faut aussi noter leffet positif de la dvaluation sur lpargne intrieure, effet qui
a servit relever le niveau de cette pargne aprs lanne 1994. Au travers de cette analyse
conomtrique, nous sommes un peu plus clairs dsormais sur les variables cls qui pourraient
influencer positivement ou ngativement sur lpargne au Sngal. Nous avions pu utiliser la
majorit des notions et test statistiques vus en classe au cours dconomtrie du modle
linaire. Nous nous sommes ainsi confronts la pratique et ceci a permis de renforcer et
dapprofondir nos connaissances en matire de construction de modle conomtrique fiable et
valable en particulier les modles linaires. Sil est vrai que nous navions pas abord les
problmes de stationnarit dans ce TP, nous en aurons loccasion de le faire beaucoup plus en
dtail avec le cours de Srie Temporelles. La validit relle de ce modle est donc sous rserve
de vrification de la stationnarit et de la co-intgration des exognes au cas o certaines
variables seront intgres dordre 1.