Vous êtes sur la page 1sur 46

Université Hassan II Mohammedia-Casablanca

Faculté des Sciences Juridiques, Économiques et Sociales-Ain Sebaâ-Casablanca

Licence sciences économiques et gestion

Projet de Fin d’étude

Réalisé par :

 Smahi Anas

 Ben El Haj Yassine


1
Encadré par : Mr. GOURCH

Année universitaire : 2014/2015

En préambule à ce travail, nous souhaitons adresser ici nos reconnaissances


notre Dieu tout puissant, de nous avoir permis d’en arriver là, car sans lui rien
n’est possible.

Nos sincères et profondes reconnaissances à notre encadreur :

Docteur Abdelwahad Gourch, pour avoir accepté suivre ce travail et pour tout
l’effort et le soutien qu’il nous a donné, ses conseils qui nous ont été très
précieux pour le déroulement du travail et pour l’honneur qu’il nous a accordé
par son encadrement, et aussi pour s’y être impliqué véritablement malgré ses
multiples occupations.

Aussi, nous adressons nos plus sincères remerciements à tous nos proches et
amis, qui nous ont toujours soutenus et encouragés au cours de la réalisation de
ce travail.

2
Introduction……………………………………………………………………………..4

Chapitre1 : Cadre théorique………………………………………………………………………………….5

Section1 : Les théories de la croissance économique…………………………………………………….5

1.1 : L’école classique (Adam smith& David ricard………………………………………………..5

1.2 : L’école keynésienne (Keynes,Harrod, SDomar)……………………………………………….6

Section 2 : Les modèles de croissance……………………………………………………………………………7


2.1 : Modèle de SOLOW…………………………………………….…………………………………………..8
2.2 : Modèle de ROSTOW………………………………………………………………………………………..9

Chapitre 2 : L’évolution historique de la croissance économique………………………………..10

Section1 : L’évolution de la croissance économique (1980-2004)……………………………….10

1.1 : Aperçu historique…………………………………………………………………………………….10

1.2 : Description des performances économique du Maroc (1980-2004)…………15

Section2 : Les facteurs de croissance endogène…………………………………………………………15

2.1 : Les 4 principaux facteurs……………………………………………………………………………………15

Chapitre 3 : modélisation de l’impact des variables économiques sur la croissance….16

Section1 : Le modèle de Base…………………………………………………………………………………...16

1.3 : Revue des littératures sur le modèle………………………………………………………16

1.4 : Présentation du modèle………………………………………………………………………..17

Section2 : Estimation des coefficients et vérification des hypothèses du modèle……..17

2.1 : Estimation des coefficients du modèle par la méthode des MCO……………………..18

2.2 : Vérification des hypothèses sous-jacentes du modèle de régression linéaire…..19

Conclusion & interprétation des résultats……………………………………………………………….40


3
Références bibliographiques…………..……………………………………………………………..43

L’amélioration du niveau de vie de la population et la garantie du bien-être social sont


des objectifs ultimes des pouvoirs publics. Quelles que soient les politiques suivies,
ces objectifs ne peuvent être atteints sans une croissance économique soutenue et
durable. La croissance économique est synonyme de production de biens et services,
de créations d’emplois et de richesses.
Elle assure, lorsque, bien exploitée, la prospérité économique, sociale et humaine.
Pour toutes ces raisons, la compréhension de la croissance, de ses mécanismes, de
ses déterminants et de ses sources a toujours été un souci majeur des décideurs et
des concepteurs des politiques économiques. Il est clair que la croissance
économique n’est pas une panacée pour les problèmes du pays, mais elle facilite
l’implémentation des politiques publiques qui complètent les insuffisances de la
croissance. En bref la croissance est une condition nécessaire mais non suffisante
pour assurer le bien-être social.

Au Maroc, à l’instar des pays en voie de développement, la nécessité d’assurer une


croissance économique forte et durable s’impose comme une solution pour plusieurs
problèmes sociaux qui hypothèquent l’avenir du pays. Avec l’accumulation des
problèmes économiques et des déficits sociaux (chômage, pauvreté, perte du pouvoir
d’achat, etc.) les solutions conjoncturelles ou partielles ne peuvent plus servir de
remèdes efficaces. Les problèmes doivent être traités à la source qui les génère, et
cette dernière n’est autre que la faible croissance économique et la sous-utilisation
des potentialités du pays. Il est donc impératif de se mettre sur un sentier de
croissance forte et soutenue pour sortir le pays d’un cercle vicieux de sous-utilisation
des potentialités et de faible croissance.

Ce mémoire sous le thème «les déterminants de la croissance économique au


Maroc» a pour objectif d’analyser et d’évaluer l’impact de certain nombre de
variables à savoir (l’investissement, les exportations, l’épargne et l’inflation), sur la
croissance économique marocaine. Une telle étude complétera les recherches
Expliquant la nature de la relation existante entre ces facteurs au Maroc dans un
cadre méthodologique bien défini.

Cette étude sera organisée comme suit : dans le premier chapitre, nous présentons
les différentes approches théoriques qui portent sur la croissance économique ainsi
que ses indicateurs. Le deuxième chapitre décrira l'’évolution historique de la
croissance économique au Maroc. Le dernier chapitre sera consacré à une analyse
économétrique de la relation entre les différents facteurs et la croissance au Maroc
afin de définir le type et le sens de la liaison et quantifier l’impact.

4
CHAPITRE 1 :

Cadre théorique

Ce chapitre a pour objet de situer le cadre général de notre mémoire et de présenter une
synthèse des différentes conceptions théoriques et empiriques sur les différents
facteurs qui peuvent influencer la croissance économique.

Section1 : Les théories de la croissance économique


1.1: L’écoleclassique (Adam smith & David ricard)

 ADAM SMITH

C’est le premier auteur qui a été intéressé par la croissance et développement économique, selon
SMITH les principaux facteurs qui influencent la croissance économique :

* le rassemblement des capitaux

* la croissance démographique

* l’augmentation de la productivité du travail (division du travail)

* la libéralisation du commerce extérieur

Pour SMITH, la division du travail par la spécialisation des ouvriers dans des activités
très spécifiques permet l’augmentation de la productivité, aussi il insiste sur la
nécessité d’accumulation des capitaux pour l’économie nationale afin d’élargir la
division du travail, ce qui permet comme conséquence l’augmentation du revenu
national par habitant.

L’accumulation des capitaux est basée sur le désir des individus, par la spécialisation
d’une partie de leurs ressources dans des activités productives au lieu des activités de
consommation.

La liberté individuelle est l’origine de la croissance économique.

L’Etat doit avoir le rôle du gendarme (assurer seulement les fonctions régaliennes :
sécurité, justice…)

Le niveau de la croissance du PIB augmente proportionnellement par rapport au niveau


des investissements, c'est-à-dire que l’investissement est la puissance qui encourage
l’accumulation des capitaux.

5
L’investissement a besoin de l’épargne, et l’épargne à son tour nécessite
l’augmentation au niveau du revenu national.

L’augmentation au niveau du capital est nécessaire pour le cycle de production et


importante pour le développement économique

 DAVID RICARDO

David Ricardo (1772-1823) considérait, comme les autres économistes classiques,


que l’investissement était essentiel à la croissance économique. Les capitalistes
utilisent leur épargne pour investir. La croissance dépend donc de la répartition des
revenus : plus les capitalistes reçoivent une part importante du profit, plus ils
investiront, plus la croissance sera importante. Or, selon Ricardo, la répartition des
revenus risque d’être de moins en moins favorable à l’investissement en raison des
rendements décroissants de la terre.
Les classiques raisonnaient en termes de classes sociales. Selon Ricardo, le revenu
national est partagé entre trois classes sociales : les propriétaires (qui reçoivent la
rente pour l’exploitation de la terre), les travailleurs (qui reçoivent un salaire) et les
capitalistes (qui reçoivent le profit et qui utilisent ce dernier pour investir). La rente
que reçoit un propriétaire est déterminée par la différence entre le rendement de sa
terre et le rendement de la terre la moins fertile. Par conséquent, le propriétaire de la
terre la plus fertile reçoit la plus forte rente, tandis que le propriétaire de la terre la
moins fertile ne reçoit aucune rente.
Avec l’augmentation de la population, il faut exploiter de plus en plus de terres, mais
les nouvelles terres mises en culture sont de moins en moins fertiles. C’est la loi des
rendements décroissants : le rendement d’une terre est plus faible que le rendement
des terres qui ont précédemment été mises en culture. D’une part, les propriétaires
obtiennent des rentes de plus en plus importantes. D’autre part, le prix du blé
augmente car le coût de production augmente. Comme le prix des produits agricoles
augmente, les travailleurs exigent des salaires de plus en plus élevés pour pouvoir se
les procurer. Puisque les capitalistes reçoivent le revenu qui n’a été distribué ni aux
rentiers, ni aux travailleurs, alors ils voient peu à peu leurs profits diminuer.
Puisqu’ils disposent de moins d’argent, les capitalistes investissent de en moins mois,
donc la production augmente de moins en moins. Lorsque l’investissement atteint
zéro, la production n’augmente plus et stagne : l’économie atteint un état
stationnaire.

Le déclin de la croissance est inéluctable. Mais il est possible de retarder l’instant où


l’économie se retrouve à l’état stationnaire en ouvrant les frontières et en important
du blé. Comme la quantité de blé disponible dans l’économie anglaise augmente, il
devient moins urgent de mettre de nouvelles terres en culture. Par conséquent, la
hausse des prix agricoles et des salaires ralentit, ce qui permet de ralentir le déclin de
l’investissement. Ricardo doit alors justifier le libre-échange, ce qui l’amènera à
formuler la théorie des avantages comparatifs (cf. théories du commerce
international).
6
1.2: L’école keynésienne (Keynes, Harrod, SDomar)

La croissance est instable selon les postkeynésiens (Harrod, SDomar)

Pour les keynésiens, la demande joue un rôle dans la croissance économique. Dans la
Théorie générale, Keynes (1936) ne s’est focalisé que sur le court terme ; il n’a pas
construit une théorie de la croissance économique à long terme. Roy Forbes Harrod
(1939) et EvseyDomar (1947), deux économistes inspirés par les théories
keynésiennes, ont chacun de leur côté contribué à construire une telle théorie. Ils
arrivent tous d’eux aux mêmes conclusions.

Leur première conclusion est que la croissance est déséquilibrée. L’investissement est
à la fois une composante de l’offre et une composante de la demande. D’une part, en
investissant, les entreprises augmentent leurs capacités de production (l’offre tend à
augmenter). D’autre part, si une entreprise investit, c’est qu’elle achète par définition
des machines ou autres moyens de production à d’autres entreprises (la demande tend
à augmenter). Si l’augmentation de l’offre correspond à l’augmentation de la demande,
alors la croissance sera équilibrée, mais rien n’assure que ce sera effectivement le cas.
Selon Harrod et Domar, la croissance risque d’être déséquilibrée, instable. Deux
situations sont alors possibles. Si l’offre est supérieure à la demande, alors l’économie
se retrouve en surproduction, elle s’éloigne du plein emploi et elle risque de connaître
une déflation. Inversement, Si la demande est supérieure à l’offre, l’économie subit
alors des tensions inflationnistes.

Leur deuxième conclusion est que les déséquilibres sont cumulatifs. Si lademande est
supérieure à l’offre (cas inflationniste), les entreprises vont chercher à accroître leurs
capacités de production pour répondre à l’excès de demande. Or, en investissant, elles
créent une demande supplémentaire. Il est alors probable que l’excès de demande
s’intensifie au lieu de se réduire. Inversement, si l’offre est supérieure à la demande
(cas de surproduction), les entreprises risquent de réduire leurs dépenses
d’investissement, donc de réduire plus amplement la demande. Dans tous les cas, un
simple déséquilibre risque de s’amplifier au cours du temps : la croissance est « sur le
fil du rasoir » selon Harrod.
Keynes avait démontré que l’Etat doit intervenir à court terme pour sortir l’économie
du sous-emploi. Harrod et Domar montrent que les autorités publiques ont un rôle à
jouer dans la croissance à long terme en veillant à ce qu’elle soit équilibrée. En
assouplissant et resserrant ses politiques conjoncturelles, l’Etat va ajuster la demande
globale de manière à ce qu’elle s’équilibre avec l’offre globale.

7
Section 2 : Les modèles de croissance

2.1 : Modèle de SOLOW

o Le modèle de croissance néoclassique de Solow

1er Cas : présence du progrès technique

Dans une perspective de long terme, Robert Solow réalise en 1956 le premier modèle
de croissance néoclassique. Dans ce modèle, les entreprises combinent du travail et du
capital pour produire des biens. Elles utilisent l’épargne des ménages pour investir et
ainsi accroître les capacités de production. Ainsi, plus l’économie épargne, plus les
entreprises ne peuvent accumuler du capital. Toutefois, Solow fait l’hypothèse
d’une décroissance des productivités marginales : plus un travailleur dispos de
machines, moins la machine supplémentaire lui permet d’accroître sa production.
Autrement dit, plus le stock de capital augmente, moins la production augmente
rapidement.

À long terme, la croissance ne peut venir que du progrès technique : ce dernier permet
de relever la productivité du capital, si bien que l’économie retarde l’instant où elle
arrivera à l’état stationnaire. Par exemple, si un travailleur était capable de produire
une quantité Q de biens à partir de K machines ; grâce au progrès technique, il est
désormais capable de produire la quantité Q’. Le progrès technique permet aux
travailleurs de produire plus avec la même quantité de facteurs. À la limite, tant qu’il y
a du progrès technique, l’économie génère toujours de la croissance et ne connaît
jamais l’état stationnaire.

2eme Cas : sans progrès technique

Par conséquent, en l’absence de progrès technique, la croissance tend peu à peu vers
zéro et l’économie risque finalement de se retrouver dans une situation où la
production n’augmente plus, mais stagne. Solow retrouve donc ici l’idée des classiques
selon laquelle l’économie converge vers un état stationnaire.
Le modèle de Solow et Swan sans progrès technique essaie de déterminer la croissance
d'état stationnaire ou mieux celle qu'il faut maintenir pour garantir l'équilibre sur le
marché réel.
L'analyse du rôle de la finance est résiduelle dans ce modèle néoclassique car toute
l'attention est portée aux effets de l'accumulation du capital sur le niveau de la
production d'équilibre. L'objet de cette section tient alors à un examen approfondi du
modèle de Solow et Swan (1956) sans progrès technique et à la détection des effets
indirects du développement financier sur la croissance de la production par tête.

o Les disciplines du modèle de croissance de Solow et Swan (1956) :

8
Le modèle de Solow peut être considéré comme modèle de base de l'analyse
néoclassique de la croissance économique. Il peut être traité comme tout modèle
d'équilibre du marché des biens et services ayant une composante offre et une
composante demande.

 La fonction d'offre dans le modèle de Solow

Dans ce modèle, la production globale dépend des facteurs capitaux et travail. La


fonction de production agrégée est caractérisée par des rendements d'échelle constante.
L'hypothèse de constance des rendements d'échelle permet de ne pas tenir compte de la
taille de l'économie, car elle n'affecte pas la relation entre la production par tête et le
capital par tête (Mankiw, 2001).

La production par tête dépend de façon positive du capital par tête et il est important de
noter qu'il n'existe aucune relation linéaire entre ces deux variables (De Haas, 2001).
La fonction d'offre prend la forme suivante :

Y=f (K, L) (1)

La fonction de production par tête est donnée par :

Y=f (k) (2)

Avec k= K/L et y= Y/L

La production par tête est caractérisée par une productivité marginale décroissante du
capital par tête qui assure la concavité de la fonction de production par tête. Ceci
suppose que l'accroissement (marginal) de la productivité par tête diminue plus vite
que l'accroissement du capital par tête

 La fonction de demande globale

Pour Solow, la fonction de demande des biens et services peut être décomposée en
deux sous fonctions à agréger : une fonction de demande des biens de consommation C
et une fonction de demande des biens d'investissement I. La fonction de demande
agrégée prend donc la forme :

Y= C+I (3)

Et la fonction de demande par tête ou par unité de travail est donnée par

y= c+i (4)

Avec c= C/L et i= I/L

Solow fait l'hypothèse que la fonction de consommation a la forme linéaire suivante :

c= (1-s)y où s représente le taux d'épargne

9
2.2 : Modèle de ROSTOW

La croissance économique est un processus global : les techniques, les comportements


des agents, les structures politiques et institutionnelles évoluent. Pour identifier la
nature est l'importance de ces changements, nombreux sont ceux qui cherchent à
découper la croissance en étapes homogènes.
L'économiste américain Walter Rostow construit ainsi un modèle simple de
décomposition de la croissance dont chaque étape correspond à un certain niveau de
PIB par habitant :

- la société traditionnelle avec prédominance de l'agriculture (Moyen-âge en France et


pays les moins avancés) ;

- le démarrage, phase où l'on dépasse le stade d'autosubsistance, l’épargne et


l'investissement apparaissent (18eme siècle en France et pays en développement) ;
- le décollage avec développement de l'industrie et des innovations technologiques
(19eme siècle en France et nouveau pays industrialisés) ;
- la maturité avec la diversification de la production et le développement des services
(1950 en France et pays de l'Est) ;
- la consommation de masse, dans laquelle les besoins essentiels sont satisfaits, les
biens de consommation sont produits en abondance et les services prédominent (pays
occidentaux industrialisés).

CHAPITRE 2 :
L’évolution historique de la croissance économique

Section1 : L’évolution de la croissance économique au Maroc

1-1 : Aperçu historique (1972-2004)

o La croissance économique entre 1972 et 1982

Cette période a été caractérisé par une forte intervention de l’Etat, visant deux objectifs
principaux, l’import substitution et la promotion des exportations.
Le premier axe d’intervention a été marqué par des investissements publics directs
(CUCRERIE, SOMACA, ONI,….)

10
Associé a un système de protection de l’industrie marocaine naissante. Cette protection
s’est basée sur une stricte réglementation des importations et un contrôle rigide de la
tarification douanière en vue de limiter les importations surtout des biens qui
pourraient concurrencer les produits nationaux.
Le seconde axxe a été coupler a la promotion des exportations, encouragé par la hausse
des prix des phosphates en (1974),l’Etat est intervenu en tant que promoteur et
entrepreneurs notamment ,pour la réalisation d’importante projets dans divers secteurs
(cimentier, industrie chimique, etc…) plus la promulgation de la loi sur la
micronisation en 1973 ,qui visent la modulation du niveaux des avantages selon la
localisation géographique et la taille du projet par rapport à la période précédant le
taux de croissance a été inférieur du 4.9%.
C’est que dans cette période les exportation pratiquement reste au même niveaux de
celui des année 60, par contre que les importation augmente a celle des année
précédentes, surtout l’importation des biens d’équipement

GRAPHE1 : EVOLUTION DE LA CROISSANCE ECONOMIQUE (1980-2004)

11
o La croissance économique entre 1983 et 1993

Au début des années 1980 les principaux indicateurs économiques ont témoigné d’une
grave détérioration de la situation économique du pays, la dette extérieure a progressé
de plus de six fois entre 1975 et 1982 pour atteindre plus de 83% du PIB.
Le déficit budgétaire et déficit courant de la balance de paiements on atteint des
niveaux records en 1982.se situant respectivement à 12% et a 12.3%, l’économie
marocaine a subit le contre cout de nombreux facteurs :deuxième choc pétrolier, baisse
des prix du phosphate, la hausse du dollar et des taux d’intérêt, sans oublier la
sécheresse sévère qui a marqué l’année 1981.
Pour faire face à cette situation le gouvernement a mise en place d’un programme
d’ajustement structurelle (PAS). C’est ainsi qu’un ensemble le mesure de stabilisation
et d’ajustement ont été élaborées par le gouvernement et appuyées par une série
d’accord de Confirmation avec le FMI et de prêts d’ajustement sectoriel de la banque
mondiale. Ces mesures visaient la réduction de la demande intérieure, l’ouverture et la
libéralisation économique dans ce cadre divers réformes structurelles ont été lancées
depuis 1983. Elles touchés l’ensemble des aspects de l’économie, notamment le
commerce extérieurs, les dépense budgétaire, la fiscalité, les investissements étrangère,
la privatisation, etc…
Au court de cette période le taux annuel moyen de croissance économique s’est limite
de 3.1%, ainsi que le volume des exportations des biens et service a été augmenter
grâce à l’amélioration de la compétitivité.

GRAPHE2 : EVOLUTION DE PIB (1980-2004)

12
o La croissance économique entre 1994 et 2004

La période du PAS a vu mettre en œuvre un ensemble de réformes structurelles visant


la stabilisation et la relance de l’économie. Cependant, les résultats en de terme de
croissance ont été en deçà des attentes, ceci à amener les autorités publiques à entamer
une deuxième génération de réformes, au cours de la période 1994 -2004, en
coopération avec les institutions internationales dans le but de renforcer le tissu
productif, les grands axes de ces réformes sont :

 La libéralisation du commerce extérieur.


 L’accélération du processus de privatisation.
 toutefois, les taux de croissance encore faibles réalisés durant cette période, un
taux annuel moyen de croissance économique de 3,7% qui s’explique par les
conditions climatiques très variables d’une année à l’autre.
 la CF a connu une certaine amélioration et sa contribution à la croissance
économique, ceci s’explique par la maitrise d’inflation, et les concrétisations
des acquis du dialogue social (augmentation des salaires).

Le taux de l’investissement est reste stable. Cette stagnation du rythme


d’investissement serait due particulièrement au retard pris par les reformes en matières

13
des droits des affaires, de la disponibilité de l’infrastructure et du développement du
capital humain.

Et que la contribution des exportations nettes à la croissance pendant cette période est
redevenue négative, dû par la perte des parts des marchés suite à la concurrence
acharnée des pays concurrents et ce malgré des stratégies visant la promotion des
exportations.

GRAPHE3 : EVOLUTION DE FBCF (1980-2004)

1.2 : description des performances économique du Maroc (1980-2004)


Une bref analyse des performances économiques du Maroc sur la période 1980-2004,
nous permet de dégager les faits saillants suivants :

 Une croissance insuffisante avec un taux annuel moyen de 4,2%.


 L’analyse sectorielle de cette croissance fait ressortir l’irrégularité du secteur agricole qui
a été caractérisé, par des fluctuations importantes, notamment à partir de la décennie 80.
Quant au secteur non agricole, beaucoup moins erratique, il s’est inscrit dans une
tendance haussière régulière.
 Un taux d’investissement toujours en deçà des niveaux désirés et nécessaires pour une
véritable relance de l’économie marocaine.

14
 La croissance a été tirée par la demande intérieure (consommation plus investissement)
malgré les politiques de promotion des exportations.
 Le secteur des services a commencé à émerger et à prendre de l’ampleur à partir des
années 90.

Section2 : Les facteurs de croissance endogène

2.1 : les 4 principaux facteurs


llya croissance endogène lorsque « les principaux déterminants de la croissance sont
endogène au modèle » (BARRO, R et SALA-I-MARTIN, X., 1996). Selon les
théoriciens de la croissance endogène, il existe quatre facteurs de croissance endogène
à l'économie :

1. L'accumulation de capital. Ces modèles font des rendements croissants le fondement


de la croissance, ils considèrent qu'il existe des rendements d'échelle croissants liés aux
externalités positives des investissements

2. La recherche-développement développée dans des travaux de ROMER, Elle est


considérée comme une activité à rendement croissant. La croissance économique
résulterait ainsi d'une activité d'innovation, engagée par des agents qui espèrent en tirer
profit. Cette analyse permet d'incorporer dans le capital physique le seul progrès
technologique et non l'ensemble des investissements directs.

3. L'accumulation du capital humain fut mise en valeur par LUCAS (1988). Ce capital
est défini comme le stock de connaissances valorisables économiquement et
incorporées aux individus (qualification, état de santé, hygiène, ...). en améliorant le
niveau d'éducation et de formation, chaque individu augmente le stock de capital
humain de la nation et par la même occasion contribue à améliorer la productivité de
l'économie nationale.

4. L'investissement de l'État dans les infrastructures, car selon ces théoriciens, les
infrastructures publiques constituent aussi un facteur de croissance qui engendre des
rendements croissants à long terme en raison des économies internes qu'elles
permettent pour les producteurs privés.

La consommation de masse, dans laquelle les besoins essentiels sont satisfaits, les
biens de consommation sont produits en abondance et les services prédominent (pays
occidentaux industrialisés).

15
CHAPITRE 3 :
Modélisation de l’impact des variables
économiques sur la croissance

L'économétrie exprime quantitativement les corrélations pouvant exister entre des


phénomènes économiques dont la théorie affirme l'existence. La théorie économique
fournit des idées sur les processus qui déterminent les grandeurs économiques,
l'économétrie apporte une vérification empirique et établit quantitativement les
corrélations qui apparaissent valides.

En effet, l’économétrie sert à confirmer ou infirmer ces théories alternatives par des
évidences chiffrées en utilisant souvent des méthodes statistiques et mathématiques
spéciales.

Le but de ce chapitre est de vérifier les hypothèses de notre travail à savoir


l’hypothèse d’existence d’une relation linéaire et d’un impact significatif entre les
variables suivante (l’investissement, l’épargne, les exportations, et l’inflation) et la
croissance économique au Maroc. À cette fin, nous allons utiliser un échantillon de
33 observations (années) sur la période 1980-2012.

Dans ce chapitre on traitera les points suivants :

Revue de littérature sur la relation entre les quatre variables et la


croissance économique.
Présentation des données et de la méthodologie suivie.
Présentation des tests servant à préparer les données pour la prévision
Commentaires des résultats.

Section1 : Le modèle de Base


1-1: Revue des littératures sur le modèle
Dans cette partie, nous nous intéresserons littératures qui portent sur la croissance économique.

En effet, Ces littératures se manifestent sous forme d’études en coupe transversale associant
plusieurs pays.

16
Il est reconnu que l’accumulation du capital et les changements technologiques ne
sont pas les seuls facteurs qui expliquent les écarts du niveau de développement entre
les pays. La littérature récente sur la croissance insiste bien sur le rôle du
développement financier et des institutions, séparément, en tant que déterminants
fondamentaux de la croissance économique.

Landau (1983), dans sa recherche des facteurs de la croissance est le premier à


s’interroger sur le lien entre la croissance économique et le niveau des dépenses
publiques. Il montre que la consommation publique influence négativement la
croissance économique.

Barry P. Bosworth (1993) étudiant les déterminants de l’épargne, de l’investissement,


et la croissance économique conclut que la causalité de la croissance vers l’épargne
est plus robuste que la causalité de l’épargne vers la croissance.

Nubukpo (2003) à l’issue de ces résultats l’hypothèse selon laquelle il existerait une
relation non linéaire entre la taille de l’Etat (Dépenses publiques en pourcentage du
PIB) et la croissance économique.

Keho (2004), dans son étude portant sur l’impact de l’investissement public sur la
croissance économique ainsi montré que c’est la croissance qui cause l’investissement
public et non l’inverse en Côte d’Ivoire

1.2 : Présentation du modèle


Les différents éléments indiqués précédemment permettent d’envisager l’utilisation
d’un modèle de croissance pour évaluer les sensibilités des différents facteurs à la
croissance économique.

La régression linéaire se classe parmi les méthodes d’analyses multivariées qui traitent
des données quantitatives. C'est une méthode d'investigation sur données
d'observations, ou d’expérimentations, où l'objectif principal est de rechercher une
liaison linéaire entre une variable Y quantitative et une ou plusieurs variables X
également quantitatives.

Ainsi, forme fonctionnelle de notre modèle de base s’écrit comme suit :

PIB= β0 + β1FBCF + β2EXP + β3EPRN + β4TINF

Dont : PIB est la variable endogène qui donne une idée sur l’évolution de taux de
croissance économique au Maroc.

17
Pour mesurer directement les élasticités du PIB par rapport aux différentes variables
explicatives, nous retenons la forme fonctionnelle linéaire du type log.

Par conséquent le modèle final devient :

LPIB = β0 + β1LFBCFt + β2LEXPt + β3LEPRNt + β4LTINFt+ εt (4)

PIB : le produit intérieur brut.

FBCF : la formation brute de capital fixe.

EXP : les exportations.

EPRN : épargne intérieure brute.

TINF : le taux d’inflation

Où βi sont des paramètres réels,εt l’erreur de spécification du modèle et L, le


logarithme népérien.

Statistique descriptive

N MIN MAX MOYENNE ECARTYPE

PIB 33 185807 684521 383972,5455 146893,7807

FBCF 33 49247 203463 100972,697 51272,74981

EXPORTATION 33 33797 212702 103825,0303 58887,32039

EPARGNE 33 40016921500 6,6546E+11 1,16235E+11 1,42863E+11

INFLATION 33 0,6 12,5 4,315151515 3,501796076

Le tableau ci-dessus fournit une description synthétique des données à étudier, qui sont en
nombre de 33 observations, la valeur minimale, la valeur maximale, la moyenne, et l’écart type
de chaque série.

Section2 : Estimation des coefficients et vérification des hypothèses du


modèle

1. Estimation des coefficients du modèle par la méthode des moindres carrés


ordinaires
Comme nous l’avons déjà cité, la spécification du modèle s’appuie sur l’impact d’un
certain nombre de variables explicatives : la FBCF, L’EPARGNE, LES
EXPORTATION, L’INFLATION .pour expliquer de façon efficace le modèle.
18
L’équation du modèle de départ que nous allons estimer s'écrit
comme suit :

PIBI = β0 + β1FBCFt + β2L’EPARGNEt +


β3EXPORTATIONt+ β4INFLATIONt +ξt

Avec :

PIB : La variable dépendante (produit intérieur brut)

βt : les coefficients à estimer.

ξt : Le terme d’erreur

Dans cette spécification, le PIB est la variable dépendante ou endogène,


FBCF,L’EPARGNE, EXPORTATION, INFLATION ,sont les variables
explicatives, indépendantes ou encore exogènes et ξi un terme d’erreur qui contient
l’ensemble des facteurs non prises en compte dans le modèle ou d’autres types
d’erreurs de spécification telles que la forme de la relation mathématique, l’erreur
d’échantillonnage et les erreurs de mesure sur les variables.

Afin d’estimer le vecteur de coefficients a0, a1, a2, et a3, nous appliquons la méthode des

Moindres Carrés Ordinaires qui consiste à minimiser la somme des carrées des erreurs.

 Estimation du modèle

La première estimation du modèle qui inclut les variables exogènes, par la méthode des
moindres carrés ordinaires de 1980 à 2012 conduit aux résultats suivants :

DependentVariable: LPIB

19
Method: Least Squares
Date: 05/07/15 Time: 12:42
Sample: 1980 2012
Includedobservations: 33

Variable Coefficient Std. Error t-Statistique Prob.

C 5.482894 0.425734 12.87868 0.0000


LFBCF 0.079398 0.092272 0.860473 0.3968
LEXPORTATION 0.562833 0.075129 7.491525 0.0000
LEPARGNE 7.01E-19 1.09E-18 0.640913 0.5268
LINFLATION -0.013710 0.016894 -0.811534 0.4239

R-squared 0.982147 Meandependent var 12.78738


Adjusted R-squared 0.979597 S.D. dependent var 0.384560
S.E. of regression 0.054930 Akaike info criterion -2.826778
Sumsquaredresid 0.084485 Schwarz criterion -2.600034
Log likelihood 51.64183 Hannan-Quinn criter. -2.750485
F-statistic 385.0990 Durbin-Watson stat 1.120036
Prob(F-statistic) 0.000000

Tableau2 : Estimation des coefficients du modèle

(Sortie EVIEWS)

L’équation obtenue est :

LNPIB = LN5.482894+ LN0.079398FBCF + LN7.01E-19EPARGNE +


LN0.562833EXPORTATION-LN-0.013710INFLATION.

 Le modèle est explicatif à 98,21% (R² =0.982147).


 Une parfaite signification (Prob (F-statistic) =0,00).

La variables EXPORTATION et significatives au seuil de 5% , et les autre variable


(FBCF ,EPARGNE,INFLATION) ne sont pas significatives.

Pour expliquer ce résultat, nous allons analyser la matrice de corrélation pour voir si les
variables explicatives sont liées.

2. Vérification des hypothèses sous-jacentes du modèle de régression linéaire

20
Dans le cadre de notre mémoire, nous allons vérifier les quatre hypothèses
principales à savoir : La multi-colinéarité et la stationnarité des variables, l’auto
corrélation et l’homoscédasticité des erreurs.

 - Étude de la colinéarité entre les variables explicatives

Le terme de multi-colinéarité est employé dans le cas d’un modèle incorporant des
séries explicatives qui sont liées entre elles.

A l’opposé, pour des séries explicatives de covariance nulle COV(x1, x2), nous
dirons qu’elles sont orthogonales. Si, pour des études théoriques, nous pouvons
supposer que deux séries sont orthogonales, dans la pratique, lorsque l’économiste
modélise des phénomènes économiques, les séries explicatives sont toujours plus ou
moins liées entre elles. Nous allons donc vérifier s’il existe une multi-colinéarité
significative pour notre modèle.

Deux tests sont utilisés pour étudier la colinéarité entre les variables explicatives, à
savoir : le test de Klein et le test de Farraret Glauber.

Test de Klein

Le test de Klein est fondé sur la comparaison du coefficient de détermination


2
R calculé sur le modèle estimé à k variables explicatives et les coefficients de
2
corrélation simple r xi,xj entre ces variables pour i≠j.

2
La règle de décision est la suivante : si r xi,xj>R², il existe une présomption de multi-
colinéarité.

matrice de corrélation
LFBCF LEXPORTATION LINFLATION LEPARGNE
LFBCF 1 0.9687391668783513 -0.7115005396097993 0.6576016463774896
LEXPORTATION 0.9687391668783513 1 -0.7631459348873033 0.5981904292040524
LINFLATION -0.7115005396097993 -0.7631459348873033 1 -0.4323402129806628
LEPARGNE 0.6576016463774896 0.5981904292040524 -0.4323402129806628 1
Tableau3 : Matrice des coefficients de corrélation entre les variables explicatives (Sortie EVIEWS)

Dans notre cas, comme le montre la matrice de corrélation ci-après, les coefficients
de corrélation entre les variables explicatives sont tous inférieurs à 0,98 donc on peut
dire que selon ce test il n’y a pas de présomption de colinéarité entre ces variables.

Cette conclusion est à confirmer ou infirmer par le test de Farraret Glauber

21
Test de Farrar et Glauber :

Ce test consiste, dans une première étape, à calculer le déterminant DDE la matrice
des coefficients de corrélation entre les variables explicatives. Pour notre modèle,
D=0.014140232811908007. Cette valeur est proche de zéro, ce qui signifie que le
risque de multi-colinéarité est important.

La deuxième étape consiste à effectuer le test khi-deux sur les hypothèses


suivantes :

: H0 : D =1 (les séries sont orthogonales).

: H0 : D<1 (les séries sont indépendantes).

La statistique utilisée dans ce test est alors χ2=-(N-1-1/6(2k+5)) ln D qui suit la


loi χ2 (1/2K (K-1)) dans la quelle N est la taille de l’échantillon, et k est le
nombre des variable explicatives (le terme constant est inclus) et ln D et le
logarithme népérien du déterminant de la matrice des coefficients de corrélation.

χ2= (1/2k (k-1)) à la seille de α=5%

χ2=-(33-1-1/6(2*5+5)) ln (0.014140232811908007)

= 125.632569

χ2 =(10) à la seille de α=5% égale à 18.31

En le comparant avec le X2 table pour 6 degrés de liberté et un n risque d’erreur de


5% qui est égal à 18.31, on trouve qu’il en est supérieur. Donc, nous acceptons
l’hypothèse H1 et

Nous confirmons l’existence d’une multi colinéarité entre les variables


explicatives.

En revenant à la matrice de corrélation, nous remarquons la forte


liaison entre les variables FBCF et L’EXPORTATION à l’ordre de
0,96.Donc on doit éliminer l’un des deux variables.

Afin de décider laquelle à éliminer, nous comparons leurs coefficients de corrélation


avec l’autre variable explicative (PIB), et on garde la variable qui est moins corrélée
avec elle. C’est la variable FBCF qui est à éliminer.

22
Donc notre modèle s’écrit sous la forme suivante :

LnPIBI= a0+lna1FBCFI+lna2L’EPARGNEI+lna3 INFLATIONI+ξI

DependentVariable: LPIB
Method: Least Squares
Date: 05/12/15 Time: 23:19
Sample: 1980 2012
Includedobservations: 33

Variable Coefficient Std. Error t-Statistic Prob.

C 5.704290 0.337666 16.89327 0.0000


LEXPORTATION 0.622527 0.028711 21.68255 0.0000
LEPARGNE 1.07E-18 1.00E-18 1.066913 0.2948
LINFLATION -0.011257 0.016577 -0.679077 0.5025

R-squared 0.981675 Meandependent var 12.78738


Adjusted R-squared 0.979780 S.D. dependent var 0.384560
S.E. of regression 0.054684 Akaike info criterion -2.861284
Sumsquaredresid 0.086719 Schwarz criterion -2.679889
Log likelihood 51.21118 Hannan-Quinn criter. -2.800250
F-statistic 517.8540 Durbin-Watson stat 1.203839
Prob(F-statistic) 0.000000

Tableau2 : Estimationdes coefficients du modèle

(Sortie EVIEWS)

Le nouveau coefficient de corrélation est de R²=0,946 avec une parfaite signification (Prob (F-
statistic)=0,00).

Nous allons vérifier à nouveau s’il existe une multi-colinéarité entre les variables explicatives.

Matrice de corrélation
LEXPORTATION LEPARGNE LINFLATION
LEXPORTATION 1 0.5981904292040524 -0.7631459348873033

LEPARGNE 0.5981904292040524 1 -0.4323402129806628


LINFLATION -0.7631459348873033 -0.4323402129806628 1

Tableau 5 : Matrice de corrélation d’un nouveau


modèle

Selon le test de Klein, il y a une corrélation significative entre l’exportation et l’épargne.

On doit calculer la déterminant du matrice D= 0.26759074915771985,

Ce qui fait de vérifiée avec les tests de Test de Farrar et Glauber :

La deuxième étape consiste à effectuer le test khi-deux sur les hypothèses suivantes

23
H0 : D =1 (les séries sont orthogonales).

H1 : D<1 (les séries dépendantes).

La statistique utilisée dans ce test est alors χ2=-(N-1-1/6(2k+5)) ln Dqui suit la loi

χ2 (1/2K (K-1)) dans la quelle N est la taille de l’échantillon, et k est le nombre des
variables explicatives (le terme constant est inclus) et ln D et le logarithme népérien du
déterminant de la matrice des coefficients de corrélation.

Dancχ2=-545.5506, et χ2 =(28) à la seille de α=5% égale à 12.59, d’où on rejette H1 {on a


monté qu’on n’a pas une multi-colinéarité}.

Test de stationnarité : Dickey Fuller Augmenté (ADF)

La stationnarité vise à vérifier si les variables conservent une distribution avec une
espérance et une variance constantes dans le temps.

L’objectif est d’examiner le caractère stationnaire ou non des variables, la plupart des
propriétés

Statistiques des méthodes d’estimation ne s’appliquant qu’à des séries stationnaires.

Une série chronologique est dite stationnaire si elle est la réalisation d’un processus
stationnaire c’est-à-dire ne comportant ni tendance ni saisonnalité,elle se caractérise
par une moyenne et une variance constante et généralement aucune caractéristique
évoluant avec le temps.

Les tests usuellement mis en œuvre pour juger de la stationnarité des variables sont
les tests de Dickey-Fulleret de Dickey-Fuller Augmenté (DF, 1979etADF,1981), de
Phillips-Perron(PP, 1979, 1988) et de Kwiotowski, PhillipsetSchmidtetShin (KPSS,
1992).

Les représentations graphiques des séries de données montrent qu’elles sont tous non
stationnaires (Graphique1 en annexe). Ce résultat est à confirmer avec le test ADF
qu’on a choisi du fait qu’il permet de ne pas faire l’hypothèse a priori de bruit blanc
du résidu du modèle Auto- Régressif de la série dont la stationnarité est testée.

Les hypothèses du test ADF sont les suivantes :

H0 : Racine Unitaire (Non stationnarité)

H1 : Non Racine Unitaire(Stationnarité)

24
Règle de décision :

 Si ADF Test Statistic>Critical Value alors on accepte H0 : la série X est non


stationnaire ;
 Si ADF Test Statistic Critical Value alors on accepte H1 : la série X est
stationnaire

Nous étudions ici la stationnarité de chaque série à part.

LA SERIE DE L’EXPORTATION :
1-Test sur la variable au niveau

Niveau avec constante et trend

Null Hypothesis: EXPORTATION has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.557629 0.7865


Test criticalvalues: 1% level -4.284580
5% level -3.562882
10% level -3.215267

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(EXPORTATION)
Method: Least Squares
Date: 05/17/15 Time: 13:34
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

EXPORTATION(-1) -0.170309 0.109339 -1.557629 0.1310


D(EXPORTATION(-1)) -0.308606 0.177625 -1.737400 0.0937
C 2311.162 3316.439 0.696880 0.4918
@TREND(1980) 1328.479 661.2194 2.009136 0.0546

R-squared 0.257841 Meandependent var 5699.452


Adjusted R-squared 0.175379 S.D. dependent var 9444.530
S.E. of regression 8576.448 Akaike info criterion 21.07134
Sumsquaredresid 1.99E+09 Schwarz criterion 21.25637
Log likelihood -322.6058 Hannan-Quinn criter. 21.13166
F-statistic 3.126788 Durbin-Watson stat 2.033951
Prob(F-statistic) 0.042162

Le t test (-1,55) est supérieure aux valeurs critiques indiquées, donc on accepte l’hypothèse H0
Quel que soit le seuil de 1 à 10% .Le processus n’est pas stationnaire.

Niveau avec constante


25
Null Hypothesis: EXPORTATION has a unit root
Exogenous: Constant
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.333126 0.9982


Test criticalvalues: 1% level -3.661661
5% level -2.960411
10% level -2.619160

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(EXPORTATION)
Method: Least Squares
Date: 05/17/15 Time: 13:44
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

EXPORTATION(-1) 0.041273 0.030960 1.333126 0.1932


D(EXPORTATION(-1)) -0.379801 0.183250 -2.072582 0.0475
C 3591.291 3426.602 1.048062 0.3036

R-squared 0.146885 Meandependent var 5699.452


Adjusted R-squared 0.085948 S.D. dependent var 9444.530
S.E. of regression 9029.542 Akaike info criterion 21.14616
Sumsquaredresid 2.28E+09 Schwarz criterion 21.28493
Log likelihood -324.7654 Hannan-Quinn criter. 21.19139
F-statistic 2.410454 Durbin-Watson stat 2.036832
Prob(F-statistic) 0.108169

Le t test (1,33) est supérieur aux valeurs critiques indiquées par EVIEWS, on
accepte

L’hypothèse H0 quel que soit le seuil de 1 à 10%. Le processus n’est pas stationnaire.

Niveau sans constante

Null Hypothesis: EXPORTATION has a unit root

26
Exogenous: None
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 3.989997 0.9999


Test criticalvalues: 1% level -2.641672
5% level -1.952066
10% level -1.610400

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(EXPORTATION)
Method: Least Squares
Date: 05/17/15 Time: 13:50
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

EXPORTATION(-1) 0.068326 0.017124 3.989997 0.0004


D(EXPORTATION(-1)) -0.377652 0.183549 -2.057499 0.0487

R-squared 0.113418 Meandependent var 5699.452


Adjusted R-squared 0.082846 S.D. dependent var 9444.530
S.E. of regression 9044.853 Akaike info criterion 21.12012
Sumsquaredresid 2.37E+09 Schwarz criterion 21.21264
Log likelihood -325.3619 Hannan-Quinn criter. 21.15028
Durbin-Watson stat 2.017759

Le t test (3,98) est supérieur aux valeurs critiques indiquées par EVIEWS, on accepte
l’hypothèseH0 quel que soit le seuilde1 à10%.Le processus n’est pas stationnaire.

Donc, selon ces résultats, la série (exportation) est non stationnaire en niveau. Donc
on procède au calcul de sa différence première.

2. Test sur la variable en différence première :

27
Première différence avec constante :

Null Hypothesis: D(EXPORTATION) has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.594918 0.0049


Test criticalvalues: 1% level -4.296729
5% level -3.568379
10% level -3.218382

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(EXPORTATION,2)
Method: Least Squares
Date: 05/17/15 Time: 14:45
Sample (adjusted): 1983 2012
Includedobservations: 30 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(EXPORTATION(-1)) -1.517090 0.330167 -4.594918 0.0001


D(EXPORTATION(-1),2) 0.095082 0.198205 0.479715 0.6354
C 2107.231 3750.099 0.561913 0.5790
@TREND(1980) 379.3516 212.6422 1.783990 0.0861

R-squared 0.693450 Meandependent var 92.43333


Adjusted R-squared 0.658079 S.D. dependent var 15532.93
S.E. of regression 9082.734 Akaike info criterion 21.18970
Sumsquaredresid 2.14E+09 Schwarz criterion 21.37653
Log likelihood -313.8456 Hannan-Quinn criter. 21.24947
F-statistic 19.60493 Durbin-Watson stat 2.018414
Prob(F-statistic) 0.000001

Le t test (-4,59) est inférieure aux valeurs critiques indiquées par EVIEWS, on
accepte

L’hypothèseH1 au seuil critique de5%.Le processus est donc stationnaire.

LA SERIE DE L’EPARGNE :
1. Test sur la variable en niveau
Niveau avec constante et trend

28
Null Hypothesis: LEPARGNE has a unit root
Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 0.431235 0.9985


Test criticalvalues: 1% level -4.284580
5% level -3.562882
10% level -3.215267

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LEPARGNE)
Method: Least Squares
Date: 05/17/15 Time: 14:59
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LEPARGNE(-1) 0.202593 0.469797 0.431235 0.6697


D(LEPARGNE(-1)) -1.532877 0.532816 -2.876933 0.0078
C -3.25E+15 4.23E+15 -0.767661 0.4494
@TREND(1980) 3.23E+14 3.03E+14 1.067716 0.2951

R-squared 0.632221 Meandependent var 2.15E+14


Adjusted R-squared 0.591357 S.D. dependent var 1.41E+16
S.E. of regression 9.01E+15 Akaike info criterion 76.43118
Sumsquaredresid 2.19E+33 Schwarz criterion 76.61621
Log likelihood -1180.683 Hannan-Quinn criter. 76.49150
F-statistic 15.47121 Durbin-Watson stat 1.999770
Prob(F-statistic) 0.000005

Le t test (0.43) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèse H0 au seuil critique de 5%. Le processus n’est pas donc stationnaire.

Niveau avec constante :

Null Hypothesis: LEPARGNE has a unit root


Exogenous: Constant
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 1.965010 0.9997


Test critical values: 1% level -3.661661
5% level -2.960411
10% level -2.619160

*MacKinnon (1996) one-sided p-values.


Augmented Dickey-Fuller Test Equation
29
Dependent Variable: D(LEPARGNE)
Method: Least Squares
Date: 05/17/15 Time: 15:07
Sample (adjusted): 1982 2012
Included observations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LEPARGNE(-1) 0.589344 0.299919 1.965010 0.0594


D(LEPARGNE(-1)) -1.895516 0.411559 -4.605695 0.0001
C 7.81E+14 1.92E+15 0.406464 0.6875

R-squared 0.616692 Meandependent var 2.15E+14


Adjusted R-squared 0.589313 S.D. dependent var 1.41E+16
S.E. of regression 9.03E+15 Akaike info criterion 76.40802
Sumsquaredresid 2.28E+33 Schwarz criterion 76.54679
Log likelihood -1181.324 Hannan-Quinn criter. 76.45326
F-statistic 22.52417 Durbin-Watson stat 2.000264
Prob(F-statistic) 0.000001

Le t test (1.96) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèse H0 au seuil critique de 5%. Le processus n’est pas stationnaire.

Niveau sans constante :

Null Hypothesis: LEPARGNE has a unit root


Exogenous: None
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 2.535305 0.9963


Test criticalvalues: 1% level -2.641672
5% level -1.952066
10% level -1.610400

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


Dependent Variable: D(LEPARGNE)
Method: Least Squares
Date: 05/17/15 Time: 15:11
Sample (adjusted): 1982 2012
Included observations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LEPARGNE(-1) 0.650004 0.256381 2.535305 0.0169


D(LEPARGNE(-1)) -1.955435 0.378681 -5.163810 0.0000

R-squared 0.614431 Meandependent var 2.15E+14


Adjusted R-squared 0.601135 S.D. dependent var 1.41E+16
S.E. of regression 8.90E+15 Akaike info criterion 76.34939
Sumsquaredresid 2.30E+33 Schwarz criterion 76.44190
Log likelihood -1181.416 Hannan-Quinn criter. 76.37955
Durbin-Watson stat 1.997326

Le t test (2.35) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

30
L’hypothèse H0 au seuil critique de 5%.Le processus n’est pas stationnaire.
2. Test sur la variable en différence première :
Première différence avec constante et trend :

Null Hypothesis: D(LEPARGNE) has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.309997 0.4162


Test criticalvalues: 1% level -4.296729
5% level -3.568379
10% level -3.218382

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LEPARGNE,2)
Method: Least Squares
Date: 05/17/15 Time: 15:16
Sample (adjusted): 1983 2012
Includedobservations: 30 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LEPARGNE(-1)) -2.214883 0.958825 -2.309997 0.0291


D(LEPARGNE(-1),2) -0.107371 0.919068 -0.116826 0.9079
C -4.73E+15 3.90E+15 -1.212938 0.2361
@TREND(1980) 4.43E+14 2.14E+14 2.068594 0.0487

R-squared 0.845045 Meandependent var -1.94E+15


Adjusted R-squared 0.827165 S.D. dependent var 2.21E+16
S.E. of regression 9.18E+15 Akaike info criterion 76.47291
Sumsquaredresid 2.19E+33 Schwarz criterion 76.65973
Log likelihood -1143.094 Hannan-Quinn criter. 76.53268
F-statistic 47.26347 Durbin-Watson stat 1.996983
Prob(F-statistic) 0.000000

Le t test (-2.30) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèseH0 au seuil critiquede5%.Le processus n’est pas stationnaire.

Deuxième différence avec constante et trend :

Null Hypothesis: D(LEPARGNE,2) has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

31
t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -4.773231 0.0034


Test criticalvalues: 1% level -4.309824
5% level -3.574244
10% level -3.221728

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LEPARGNE,3)
Method: Least Squares
Date: 05/17/15 Time: 15:27
Sample (adjusted): 1984 2012
Includedobservations: 29 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LEPARGNE(-1),2) -3.856747 0.807995 -4.773231 0.0001


D(LEPARGNE(-1),3) 0.626460 0.730889 0.857120 0.3995
C -3.80E+15 4.55E+15 -0.835814 0.4112
@TREND(1980) 3.13E+14 2.36E+14 1.327686 0.1963

R-squared 0.906761 Meandependent var -3.72E+15


Adjusted R-squared 0.895572 S.D. dependent var 3.13E+16
S.E. of regression 1.01E+16 Akaike info criterion 76.67118
Sumsquaredresid 2.56E+33 Schwarz criterion 76.85977
Log likelihood -1107.732 Hannan-Quinn criter. 76.73024
F-statistic 81.04230 Durbin-Watson stat 2.040356
Prob(F-statistic) 0.000000

Le t test (-4,77) est inférieure aux valeurs critiques indiquées par EVIEWS (1%, 5% et 10%),
on Accepte l’hypothèse H1 au seuil de 5%.Le processus est donc stationnaire.

LA SERIE DE L’INFLATION :
1. Test sur la variable en niveau
Niveau avec constante et trend :

Null Hypothesis: LINFLATION has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -2.414002 0.3657


Test criticalvalues: 1% level -4.284580
5% level -3.562882
10% level -3.215267

*MacKinnon (1996) one-sided p-values.


Augmented Dickey-Fuller Test Equation
DependentVariable: D(LINFLATION)
Method: Least Squares
Date: 05/17/15 Time: 16:46
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

32
Variable Coefficient Std. Error t-Statistic Prob.

LINFLATION(-1) -0.573789 0.237692 -2.414002 0.0228


D(LINFLATION(-1)) -0.330269 0.181741 -1.817248 0.0803
C 1.196852 0.612473 1.954131 0.0611
@TREND(1980) -0.039237 0.021160 -1.854292 0.0747

R-squared 0.491704 Meandependent var -0.073012


Adjusted R-squared 0.435227 S.D. dependent var 0.759175
S.E. of regression 0.570531 Akaike info criterion 1.835415
Sumsquaredresid 8.788647 Schwarz criterion 2.020446
Log likelihood -24.44894 Hannan-Quinn criter. 1.895731
F-statistic 8.706217 Durbin-Watson stat 1.735588
Prob(F-statistic) 0.000333

Le t test (-2.41) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèseH0 au seuil critiquede5%.Le processus n’est pas donc stationnaire.

Niveau avec constante

Null Hypothesis: LINFLATION has a unit root


Exogenous: Constant
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.514591 0.5131


Test criticalvalues: 1% level -3.661661
5% level -2.960411
10% level -2.619160

*MacKinnon (1996) one-sided p-values.


Augmented Dickey-Fuller Test Equation
DependentVariable: D(LINFLATION)
Method: Least Squares
Date: 05/17/15 Time: 16:50
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LINFLATION(-1) -0.203234 0.134184 -1.514591 0.1411


D(LINFLATION(-1)) -0.514250 0.158759 -3.239177 0.0031
C 0.110445 0.186099 0.593475 0.5576

R-squared 0.426973 Meandependent var -0.073012


Adjusted R-squared 0.386043 S.D. dependent var 0.759175
S.E. of regression 0.594855 Akaike info criterion 1.890767
Sumsquaredresid 9.907865 Schwarz criterion 2.029540
Log likelihood -26.30689 Hannan-Quinn criter. 1.936004
F-statistic 10.43168 Durbin-Watson stat 1.782205
Prob(F-statistic) 0.000412

Le t test (-1.51) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèse H0 au seuil critique de 5%.Le processus n’est pas stationnaire

Niveau sans constante :

33
Null Hypothesis: LINFLATION has a unit root
Exogenous: None
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.805030 0.0680


Test criticalvalues: 1% level -2.641672
5% level -1.952066
10% level -1.610400

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LINFLATION)
Method: Least Squares
Date: 05/17/15 Time: 16:53
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LINFLATION(-1) -0.138196 0.076561 -1.805030 0.0815


D(LINFLATION(-1)) -0.552297 0.143608 -3.845863 0.0006

R-squared 0.419765 Meandependent var -0.073012


Adjusted R-squared 0.399757 S.D. dependent var 0.759175
S.E. of regression 0.588174 Akaike info criterion 1.838752
Sumsquaredresid 10.03250 Schwarz criterion 1.931267
Log likelihood -26.50065 Hannan-Quinn criter. 1.868909
Durbin-Watson stat 1.797252

Le t test (-1,80) est supérieur aux valeurs critiques indiquées par EVIEWS au seuil de (1% et
5%), on accepte l’hypothèseH0 au seuil critique de5%.mais il est inférieurs au seuil de (10%),
on accepte l’hypothèse H1 .Le processus n’est pas stationnaire au seuil de (1% et 5%) et
stationnaire au seuil de (10%).
2. Test sur la variable en différence première :
Première différence avec constante

Null Hypothesis: D(LINFLATION) has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -3.926255 0.0232


Test criticalvalues: 1% level -4.296729
5% level -3.568379
10% level -3.218382

*MacKinnon (1996) one-sided p-values.


Augmented Dickey-Fuller Test Equation
DependentVariable: D(LINFLATION,2)
Method: Least Squares
Date: 05/17/15 Time: 17:10
Sample (adjusted): 1983 2012
34
Includedobservations: 30 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LINFLATION(-1)) -1.374439 0.350064 -3.926255 0.0006


D(LINFLATION(-1),2) -0.152238 0.194131 -0.784200 0.4400
C -0.189983 0.262408 -0.723998 0.4755
@TREND(1980) 0.004887 0.013345 0.366223 0.7172

R-squared 0.812789 Meandependent var 0.018069


Adjusted R-squared 0.791188 S.D. dependent var 1.384282
S.E. of regression 0.632561 Akaike info criterion 2.045484
Sumsquaredresid 10.40345 Schwarz criterion 2.232310
Log likelihood -26.68226 Hannan-Quinn criter. 2.105251
F-statistic 37.62699 Durbin-Watson stat 1.828281
Prob(F-statistic) 0.000000

Le t test (-3.82) est inférieur aux valeurs critiques indiquées par EVIEWS au seuil de (5% et
10%).mais il est supérieurs au seuil de (1%), on accepte H1 au seuil de (5% et 10%) ce qui est
fait à ces deux seuil le processus et stationnaire, et on rejette H0 au seuil de (1%) d’où le
processus non stationnaire.

LA SERIE PIB

1. Test sur la variable en niveau

Niveau avec constante et trend :


Null Hypothesis: LPIB has a unit root
Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -1.769380 0.6950


Test criticalvalues: 1% level -4.284580
5% level -3.562882
10% level -3.215267

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LPIB)
Method: Least Squares
Date: 05/17/15 Time: 17:22
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LPIB(-1) -0.312330 0.176519 -1.769380 0.0881


D(LPIB(-1)) -0.514080 0.156378 -3.287425 0.0028
C 3.851025 2.135475 1.803357 0.0825
@TREND(1980) 0.012102 0.006974 1.735126 0.0941

R-squared 0.534264 Meandependent var 0.042065


35
Adjusted R-squared 0.482516 S.D. dependent var 0.044070
S.E. of regression 0.031702 Akaike info criterion -3.944952
Sumsquaredresid 0.027136 Schwarz criterion -3.759921
Log likelihood 65.14675 Hannan-Quinn criter. -3.884637
F-statistic 10.32426 Durbin-Watson stat 2.042792
Prob(F-statistic) 0.000106

Le t test (-1.76) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèseH0 au seuil critique de5%.Le processus n’est pas stationnaire.

Niveau avec constante :

Null Hypothesis: LPIB has a unit root


Exogenous: Constant
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -0.438993 0.8901


Test criticalvalues: 1% level -3.661661
5% level -2.960411
10% level -2.619160

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LPIB)
Method: Least Squares
Date: 05/17/15 Time: 17:25
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LPIB(-1) -0.007326 0.016689 -0.438993 0.6640


D(LPIB(-1)) -0.668572 0.133090 -5.023454 0.0000
C 0.162948 0.213033 0.764897 0.4507

R-squared 0.482332 Meandependent var 0.042065


Adjusted R-squared 0.445355 S.D. dependent var 0.044070
S.E. of regression 0.032821 Akaike info criterion -3.903752
Sumsquaredresid 0.030161 Schwarz criterion -3.764979
Log likelihood 63.50816 Hannan-Quinn criter. -3.858516
F-statistic 13.04435 Durbin-Watson stat 2.151055
Prob(F-statistic) 0.000099

Le t test (-0.43) est supérieure aux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèseH0 au seuil critique de5%.Le processus n’est pas stationnaire.

Niveau sans constante :

Null Hypothesis: LPIB has a unit root


Exogenous: None
36
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic 8.740445 1.0000


Test criticalvalues: 1% level -2.641672
5% level -1.952066
10% level -1.610400

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LPIB)
Method: Least Squares
Date: 05/17/15 Time: 17:30
Sample (adjusted): 1982 2012
Includedobservations: 31 afteradjustments

Variable Coefficient Std. Error t-Statistic Prob.

LPIB(-1) 0.005430 0.000621 8.740445 0.0000


D(LPIB(-1)) -0.675742 0.131806 -5.126778 0.0000

R-squared 0.471515 Meandependent var 0.042065


Adjusted R-squared 0.453291 S.D. dependent var 0.044070
S.E. of regression 0.032585 Akaike info criterion -3.947588
Sumsquaredresid 0.030792 Schwarz criterion -3.855073
Log likelihood 63.18762 Hannan-Quinn criter. -3.917431
Durbin-Watson stat 2.120808

Le t test (8.74) est supérieuraux valeurs critiques indiquées par EVIEWS, on accepte

L’hypothèseH0 au seuil critique de5%.Le processus n’est pas stationnaire.

2. Test sur la variable en différence première

Première différence avec constante

Null Hypothesis: D(LPIB) has a unit root


Exogenous: Constant, Linear Trend
LagLength: 1 (Fixed)

t-Statistic Prob.*

Augmented Dickey-Fuller test statistic -5.360464 0.0008


Test criticalvalues: 1% level -4.296729
5% level -3.568379
10% level -3.218382

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation


DependentVariable: D(LPIB,2)
Method: Least Squares
Date: 05/17/15 Time: 17:34
Sample (adjusted): 1983 2012
Includedobservations: 30 afteradjustments
37
Variable Coefficient Std. Error t-Statistic Prob.

D(LPIB(-1)) -1.883962 0.351455 -5.360464 0.0000


D(LPIB(-1),2) 0.131857 0.188374 0.699975 0.4902
C 0.079256 0.020371 3.890729 0.0006
@TREND(1980) -9.47E-05 0.000711 -0.133176 0.8951

R-squared 0.844274 Meandependent var -0.002351


Adjusted R-squared 0.826306 S.D. dependent var 0.080826
S.E. of regression 0.033686 Akaike info criterion -3.819919
Sumsquaredresid 0.029503 Schwarz criterion -3.633093
Log likelihood 61.29878 Hannan-Quinn criter. -3.760152
F-statistic 46.98667 Durbin-Watson stat 1.897281
Prob(F-statistic) 0.000000

Le t test (-5,35) est inférieur aux valeurs critiques indiquées par EVIEWS (1% ;
5%et10%), on accepte l’hypothèse H1 au seuil de 5%.le processus est donc
stationnaire.

D’après les résultats de stationnarité, les séries analysées sont non stationnaires en
niveau En effet, les valeurs ADFt-stat sont toutes supérieures à leur valeur critique au
seuil de 5%. Mais en différence première, ces séries deviennent tous stationnaires.

3-Test d’autocorrélation des erreurs : Test de Breush– Godfrey.


Principe du test et Règle de décision :

L'hypothèse testée est celle de l'autocorrélation des résidus. Le protocole du test consiste à
régresser les résidus sur toutes les variables explicatives du modèle et sur les résidus retardés
respectivement de 1ère et 2ème périodes. Si le modèle est globalement significatif ou s'il y a
un R2 élevé, alors on peut présumer à 95% qu'il existe dans le modèle une autocorrélation des
résidus. La précision sur le rang de l'autocorrélation est fournie par le test de Wald sur les
estimateurs des résidus retardés sur le terme d'erreur. Si la probabilité associée à la statistique
de Fisher (F-statistic) est inférieure à 5%, on conclut qu'il y a autocorrélation des résidus dans
le modèle.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic 6.003956 Prob. F(3,26) 0.0030


Obs*R-squared 13.50526 Prob. Chi-Square(3) 0.0037

Test Equation:
DependentVariable: RESID
Method: Least Squares
Date: 05/17/15 Time: 19:25
Sample: 1980 2012
Includedobservations: 33
Presample missing value lagged residuals set to zero.

38
Variable Coefficient Std. Error t-Statistic Prob.

C -0.042153 0.056943 -0.740266 0.4658


EXPORTATION 1.12E-07 3.78E-07 0.295710 0.7698
LEPARGNE 7.22E-19 1.61E-18 0.448430 0.6576
LINFLATION 0.023710 0.023069 1.027764 0.3135
RESID(-1) 0.420066 0.201124 2.088597 0.0467
RESID(-2) 0.399537 0.194552 2.053627 0.0502
RESID(-3) -0.066774 0.211341 -0.315954 0.7546

R-squared 0.409250 Meandependent var 2.28E-16


Adjusted R-squared 0.272923 S.D. dependent var 0.087124
S.E. of regression 0.074290 Akaike info criterion -2.175860
Sumsquaredresid 0.143493 Schwarz criterion -1.858419
Log likelihood 42.90170 Hannan-Quinn criter. -2.069051
F-statistic 3.001978 Durbin-Watson stat 1.742893
Prob(F-statistic) 0.023010

Les probabilités sontsupérieuresà5%; doncles erreurs nesontpas auto-corrélées.


4-Test d’hétéroscédasticité: Test de White
Le test d'homoscédasticité est utile dans la mesure où il permet de détecter et de corriger
l'hétéroscédasticité des erreurs. Le test de White est fondé sur une relation significative entre
le carré du résidu et une ou plusieurs variables explicatives en niveau et au carré au sein d'une
équation de régression.

Le test de White est un test statistique qui établit si la variance résiduelle d'une variable dans
un modèle de régression est constante (homoscédasticité) La statistique de test LM est le
produit de la valeur R2 et taille de l'échantillon. Il en résulte une distribution chi-carré, avec
des degrés de liberté égal au nombre de paramètres estimés (dans la régression auxiliaire)
moins 1

Où n est le nombre d'observations et R² est le coefficient de détermination de la


régression précitée.

Si la valeur qui s'en dégage est inférieur à β ; (généralement β = 5%) pour un niveau
de signification statistique donné, on en conclu que le modèle est homoscédastique.

HeteroskedasticityTest: White

F-statistic 1.507362 Prob. F(9,23) 0.2040


Obs*R-squared 12.24316 Prob. Chi-Square(9) 0.1999
Scaledexplained SS 6.198823 Prob. Chi-Square(9) 0.7199

Test Equation:
DependentVariable: RESID^2
Method: Least Squares
Date: 05/19/15 Time: 13:59
39
Sample: 1980 2012
Includedobservations: 33

Variable Coefficient Std. Error t-Statistic Prob.

C -0.023655 0.030782 -0.768490 0.4500


EXPORTATION 4.08E-07 4.64E-07 0.880378 0.3878
EXPORTATION^2 -1.34E-12 1.64E-12 -0.820783 0.4202
EXPORTATION*LEPARGNE 1.33E-23 1.96E-23 0.676514 0.5055
EXPORTATION*LINFLATION -1.38E-07 1.77E-07 -0.778415 0.4443
LEPARGNE -2.46E-18 3.10E-18 -0.793264 0.4357
LEPARGNE^2 -4.68E-36 1.99E-35 -0.234984 0.8163
LEPARGNE*LINFLATION 4.36E-19 1.28E-18 0.342137 0.7354
LINFLATION 0.019092 0.022729 0.839972 0.4096
LINFLATION^2 -0.001270 0.004529 -0.280458 0.7816

R-squared 0.371005 Meandependent var 0.007361


Adjusted R-squared 0.124876 S.D. dependent var 0.008559
S.E. of regression 0.008007 Akaike info criterion -6.571965
Sumsquaredresid 0.001475 Schwarz criterion -6.118478
Log likelihood 118.4374 Hannan-Quinn criter. -6.419381
F-statistic 1.507362 Durbin-Watson stat 2.095714
Prob(F-statistic) 0.204041

Les probabilités sont supérieures à 5%, ce qui confirme l’absence d’hétéroscédasticité. Le


modèle est donc et homoscédastique.

CONCLUSION & Interprétation des résultats

Au-delà de l’analyse descriptive des variables, un certain nombre de tests


économétriques ont été effectués, à savoir : les tests d’autocolinéarité, (test de Klein et
test de Farrar Glauber), qui nous ont permis d’éliminer la série FBCF, le test sur la
stationnarité qui a révélé que toutes les variables sont non stationnaires en niveau et
qu’elles doivent être différenciées pour devenir stationnaires ,le test d’autocorrélation
des erreurs et le test de White qui nous a permis de conclure que les résidus sont non
autocorrélés , et que le modèle est homoscédastique.

Les variables exogènes expliquent à hauteur de 94.86% la variable endogène (PIB), en


d’autre terme, la qualité de l’ajustement du modèle est acceptable sur ces séries
temporelles.

Alors à l’issus du cas du Maroc, nous avons conclu que :

Pour la variable exportation :

C’est une variable significative, et pertinente par rapport les autres variables utilisés,
en d’autre terme, toute augmentation des exportations de 5.6% engendre une
augmentation du PIB de 1%. Du point de vue économique, les exportations sont
considérés comme moteur de croissance économique, selon l’école classique qui a
considérée que le libre-échange et la spécialisation sont toujours favorable même pour
les pays moins compétitifs.
40
(Un jeu à somme positive), dans cette période au Maroc, les exportations ont été
développées grâce à plusieurs variables :

Tous d’abord, le commerce mène à une forte spécialisation, cela permet au pays de se
spécialiser dans la production des produit pour lesquels il est plus avantagé ou moins
désavantagé, en d’autre terme l’ouverture élargie les marché potentiel ce qui permet
au entreprise de profiter des économies d’échelles .et de crée une nouvelle valeur
ajoutée.

Pour la variable épargne :

Cette variable n’est pas significative, ce qui fait elle n’influence pas la croissance du
PIB directement, d’une point de vue économique, l’épargne nationale brute a connu
une stagnation pendant cette période, due à une stagnation des revenus des ménages,
cela affecte le niveau de l’investissement, c’est-à-dire que le financement des banque
et limité plus que les taux d’intérêt ayant un niveau très élevé.

Donc on peut conclu que l’épargne influence indirectement la croissance du PIB. Parce
que le revenu national des ménages est distribué selon trois angles :

Soit consommé, investis, épargnée, et la partie non épargnée va être thésaurisé.

Aussi on peut expliquer la stagnation de l’épargne des marocaine par l’absence de la


culture de l’épargne.

Pour la variable inflation :

Cette variable est significative pour expliquer la variabilité du PIB, en d’autre terme,
chaque diminution de 0.076% de l’inflation engendre une augmentation du PIB de 1%
ce qui fait que les deux variable varient dans un sens contraire. D’une point de vue
économique la stabilité des prix préserve. Voie de renforce le pouvoir d’achat des
consommateurs, en effet la stabilité des prix est en outre, un facteur déterminant de la
compétitivité des entreprise cela affecte la valeur ajouté crée par eux .plus que la
maitrise de l’inflation et l’objectif fondamental de toute politique monétaire pour
stimuler l’investissement.

En revanche l’inflation est dut pendant cette période a causse du deuxième choc
pétrolier et de l’incapacité du pouvoir publique de la maitriser.

Les limites du modèle :

La croissance économique au Maroc est déterminée par une multitude des variables,
notamment la saison agriculture (bonne ou sécheresse), les stratégies sectorielles (plan
Maroc vert, de l’industrie…).ces variables qui ont très difficile a messer et à quantifier
nécessitent des outils économétrique approfondit, et d’autre variable qui influence la
création de la valeur ajoutée comme :

 La stabilité politique du pays


41
 Les prélèvements fiscaux
 Le taux de change
 La dette extérieure

À cause de la contrainte du temps on a seulement travaillé sur les quatre variables


.parce que l’objectif de ce modèle est pédagogique qui nécessite l’application des
étapes de l’étude économétrique.

REFERENCESBIBLIOGRAPHIQUES

SiteWeb:

http://www.banquemondiale.org (SitedelaBanqueMondiale.)

http://www.hcp.ma (Site du Haut-Commissariat au Plan marocaine.)

http://www.finances.gov.ma (Site du ministèredel’économie et finances marocaine.)


http://www.lavieeco.com (Sitedu journal et toutel'actualité marocaine)

Ouvrage :

BOURBONNAIS, R.,«Économétrie : Manuelet exercices corrigés,5ème édition, Paris»,


Dunod, Dunod, 2003

Allalat Abdelhak (2004) : La planification du développement économique et social

au Maroc. HCP. 2005

Etudes de l’HCP : Prospective Maroc 2030 - Les sources de la croissance économique au

Maroc.

42
ANNEXES :

La série des données utilisées

la
Exportation Formation
des biens brute du
et services capital fixe PIB au prix Épargne intérieure brute
au prix aux prix constants (unités de devises locales
année Croissance constants constants en MDH constantes) Infiation (ICV)
1980 3,6 33797 53361 188879 44759224289,00 9,4
1981 -1,6 36019 55321 185807 40016921500,00 12,5
1982 10,2 38679 57574 204710 46316265216,00 10,5
1983 0,8 42056 52833 206317 45542540415,00 6,2
1984 6,3 44388 49247 219252 46991490587,00 12,4
1985 5,4 45071 54859 231062 53363144393,00 7,7
1986 9,6 44834 54088 253301 54681846254,00 8,7
1987 -1,3 48657 54143 250092 53102289583,00 2,7
1988 12,2 58936 59580 280578 64755365007,00 2,4
1989 2,8 55506 67742 288536 64396512806,00 3,3
1990 2,8 65070 69814 296581 69161475498,00 6,8
1991 7,5 66572 71792 318965 67534010439,00 8
1992 -2,9 69703 71433 309691 59223033318,00 5,7
1993 -1 69813 69495 306584 60848346328,00 5,2
1994 11,5 76161 67782 341824 64652040121,00 5,1
1995 -6,3 78655 73882 320191 57838696816,00 6,1
1996 13,5 83492 74420 363288 72305111528,00 3
1997 -2 89090 79366 355980 75135342010,00 1
1998 8 93835 89905 384385 85736000000,00 2,8
1999 0,5 101134 98472 386420 84185946383,00 0,7
2000 1,6 111961 101200 392574 79068467751,00 1,9
2001 7,6 126637 102045 422221 97007576724,00 0,6
2002 3,3 133796 109528 436222 104085385975,00 2,8
2003 6,3 134656 117990 463778 116135936597,00 1,2
2004 4,8 143104 127892 486048 117936347273,00 1,5
2005 3 162126 137369 500525 116575969366,00 1
2006 7,8 180966 150652 539365 128255164931,00 3,3
2007 2,7 190357 172195 553959 128523833950,00 2
2008 5,6 204184 191928 584909 128664960215,00 3,7
2009 4,8 174036 196872 612741 146349272508,00 1
2010 3,6 202964 195527 635063 150035454669,00 1
2011 5 207269 200329 666725 647125570425,00 0,9
2012 2,7 212702 203463 684521 665460474604,00 1,3
43
44