Académique Documents
Professionnel Documents
Culture Documents
************** ***************
UNITE DE FORMATION ET DE RECHERCHE DIRECTION REGIONALE DES IMPOTS
EN SCIENCES ET TECHNIQUES DES HAUTS BASSINS
*************** ***************
LICENCE EN STATISTIQUES INFORMATIQUE SERVICE DES ETUDES
Dédicace ii
Remerciements iii
Résumé iv
Introduction générale 1
3 Résultats et discussions 16
3.1 Description générale des variables . . . . . . . . . . . . . . . . . . . . . . . . . . 16
3.1.1 Cas des montants à recouvrer (MAR) . . . . . . . . . . . . . . . . . . . . 16
3.1.2 Cas des recouvrements (Rec) . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.2 Analyse bivariée entre les variables montants à recouvrer et recouvrements . . . 19
3.3 Analyse de la série Chronologique des montants à recouvrer par la DRI-HBS . . 22
3.3.1 Représentation graphique de la série brute . . . . . . . . . . . . . . . . . 22
3.3.2 Validation du modèle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.3 Estimation de la tendance . . . . . . . . . . . . . . . . . . . . . . . . . . 26
3.3.4 Estimation des résidus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
3.3.5 Prévision des montants à recouvrer pour l’année 2018 . . . . . . . . . . . 32
Conclusion générale 35
Bibliographie ix
i
Dédicace
• A mon père, Nanganibié Soulama, qui n’a jamais cessé de se battre pour nous offrir, à
mes sœurs et moi, les conditions nécessaires à notre développement humain et social;
• A mes deux mamans, Ida Pulchérie Kiénou et Christine Bicaba pour leur amour mater-
nel et leur soutien multiforme;
ii
Remerciements
Il n’a pas été aisé d’élaborer le présent travail tout seul, ce qui a nécessité le concours de
plusieurs personnalités.
Mes profondes reconnaissances vont à l’endroit de :
• Toute ma famille, j’ai toujours pu compter sur elle lorsque besoin s’est fait sentir;
• Monsieur Fatié Dao, Inspecteur des Impôts, pour m’avoir assisté en tant que maitre de
stage malgré son emploi du temps chargé;
• Monsieur Ida Sosso, Statisticien à la Direction Régionale des Impôts des Hauts-Bassins
pour son assistance, ses conseils et sa disponibilité;
• Mes tantes et mes oncles, pour m’avoir toujours soutenu et encouragé dans mes études;
• A tous mes camarades de classes pour la fraternité et l’entraide vécues pendant ces trois
(03) années;
• Toutes les personnes qui de près ou de loin ont contribué à la réalisation du présent
rapport.
iii
Résumé
La présente étude qui vise à apprécier l’évolution des montants à recouvrer par la DRI-
HBS a consisté à analyser les montants fixés par l’Etat et dont la DRI est appelée à recouvrer.
Par les méthodes statistiques dont nous disposons, nous avons décrit non seulement les mon-
tants à recouvrer mais aussi les recouvrements, en déterminant entre autres le montant moyen
mensuel, le taux de croissance, l’écart-type, les taux de recouvrement annuel sur la période «
2011 à 2017 ».
Nous avons également fait une analyse bivariée qui nous a permis de déceler un lien exis-
tant entre nos deux variables : montants à recouvrer et recouvrements.
Aussi, par une analyse chronologique nous avons fait une modélisation de la série « mon-
tants à recouvrer ». De cette analyse il est ressorti qu’en général les montants à recouvrer ont
été à la hausse durant les six (06) années mais il y’a aussi eu chaque année des périodes où ils
étaient à la baisse notamment les mois de janvier à février, d’avril à juin, de juillet à septembre
et d’octobre à novembre. Cette analyse nous a permis de faire des prédictions sur l’an 2018.
iv
Liste des sigles et abréviations
v
LISTE DES TABLEAUX
vi
LISTE DES FIGURES
vii
Avant propos
L’Université Nazi Boni (UNB) de Bobo-Dioulasso est une université publique du Burkina
Faso située dans le village de Nasso, à une quinzaine de kilomètres de Bobo-Dioulasso. Depuis
2011, l’Université Nazi Boni forme des étudiants dans les sciences des données par la filière
Licence Statistique Informatique (LSI) afin de répondre au besoin de personnel qualifié et en
statistiques et en informatique munit des connaissances de base en économie. Il s’agit d’une
formation résolument tournée vers les métiers de l’ingénierie des données. Elle aborde tous les
aspects de ces métiers : collecte, administration, exploitation et valorisation des données.
viii
Introduction générale
I. Contexte et Justification
Chaque Etat, pour pouvoir faire face à ses dépenses, a besoin de ressources financières.
Ces ressources peuvent provenir d’emprunts et/ou de dotations. Mais l’État doit pouvoir
compter sur ses propres potentialités. Ainsi, il revient aux trois régies financières du pays,
de travailler à trouver un apport financier. En effet, au titre de l’année 2018, les prévisions
de l’Etat Burkinabè sont telles que, la Direction Générale des Impôts (DGI) doit recouvrer
la somme de 918 milliards de FCFA, les douanes 694 milliards de FCFA et le Trésor Public
146,936 milliards de FCFA. Nous pouvons constater que des trois régies, la DGI est celle qui
doit engranger le plus de ressources financières. En effet, il ressort clairement que la DGI a la
plus grande part de contribution dans la mobilisation des fonds pour la dépense publique au
Burkina Faso.
L’amélioration du recouvrement des recettes fiscales intérieures constitue la priorité dans un
contexte de mise en œuvre du Plan National de Développement Economique et Social (PNDES)
qui exige de la Direction générale des impôts une contribution à la mobilisation des ressources
propres à hauteur de 43,3% soit 55,1% des recettes fiscales. [3].
En 2018, les montants à recouvrer par unité régionale sont tels que la DRI-HBS doit recouvrer
la somme de 3 456 689 000 de FCFA.
Une chose est de vouloir recouvrer, une autre est de pouvoir recouvrer. Les montants à re-
couvrer ont-ils toujours pu être mobilisés par la direction ? Les montants à recouvrer ont-ils
un impact sur les recouvrements ? C’est dans cette optique que nous nous sommes proposé
d’analyser les montants à recouvrer de la DRI-HBS, de comparer ensuite ces montants avec les
recouvrements effectués pour finir par des projections dans un proche futur de ces montants.
La présente étude sera alors structurée en trois (03) chapitres :
1
+ Le deuxième exposera le cadre théorique et méthodologique de l’étude ;
2
Chapitre 1
Présentation de la structure d’accueil
Dans ce chapitre, nous ferons une présentation de la direction régionale des impôts des
hauts Bassins (DRI-HBS).
Nous ferons d’abord l’historique de l’administration fiscale burkinabè, nous donnerons ensuite
ses attributions, puis les provinces qui lui sont rattachées et enfin nous présenterons ses différents
services.
1.1 Historique
L’administration fiscale au Burkina Faso a été restructurée progressivement depuis la
période coloniale jusqu’à nos jours. Ainsi, de cette période coloniale à 1966, il existait en
Haute Volta un seul Service des Contributions Diverses, deux (02) divisions d’inspection (Oua-
gadougou et Bobo-Dioulasso) et quatre (04) divisions de contrôles (Ouahigouya, Koudougou,
Fada N’Gourma et Banfora). La structure chargée de la fiscalité intérieure au Burkina Faso est
l’une des Directions du Ministère de l’Economie, des finances et du Développement à savoir la
Direction Générale des Impôts (DGI).
De 1966 à 1994, l’impôt a été régi par trois administrations différentes et autonomes :
En 1993 une fusion des trois directions citées ci-dessus a été traduite par l’adoption de la loi
n° 1993-115/MFP/SG/DGI du 15 décembre 1993 portant organisation et fonctionnement de la
nouvelle DGI.
En janvier 1994, la DGI procède à la mise en place des Directions Régionales des Impôts de
l’ouest, du centre, de l’est et du nord.
3
En 2011, les régions des cacades et du sud-ouest bénéficient chacune d’une DRI et l’ancienne
DRI de l’ouest est devenue la Direction Régionale des Impôts des Hauts-Bassins (DRI-HBS)
dont la compétence territoriale ne se limite qu’à la région des Hauts-Bassins.
• De veiller à l’exécution des programmes et des instructions ainsi que des décisions émanant
de l’administration centrale (DGI) ;
• D’évaluer les besoins des services de base de la région en moyen humain, matériel, tech-
nique et financier et de faire un rapport périodique sur les conditions de fonctionnement
et d’utilisation de ses moyens ;
4
• La province du kénédougou qui comprend 13 communes dont une (01) commune urbaine
et 12 communes rurales ;
• La province du tuy qui comprend 7 communes dont une (01) urbaine et 06 communes
rurales.
La DRI-HBS représente une des unités de recouvrement de la DGI. Elle est composée par
les services d’appui au sein de la DRI-HBS et les services d’assiettes et recouvrements qui lui
sont rattachées. Ces services jouent un rôle très important dans la mobilisation des recettes au
profit du budget national et du budget des collectivités territoriales. A la fin de chaque mois,
chaque service de base fournit un bilan des performances à la DRI-HBS qui sera acheminé à la
DGI. Ainsi la DRI-HBS se trouve dans l’obligation d’avoir en son sein, une bonne politique de
suivi des actions et un dispositif de collecte et de synthèse de données statistiques afin d’obtenir
des résultats significatifs.
La DRI-HBS assure le bon fonctionnement de tous les services d’impôts présents dans
sa zone de couverture. Sur le plan fonctionnel on peut procéder au regroupement suivant
représenté sur l’organigramme ci-dessous :
5
BER HBS : Brigade d’Enquête et de Recherche des Hauts-Bassins ;
BV : Brigade de Vérification ;
SA : Services d’Assiette;
6
Chapitre 2
Approche théorique et méthodologique de l’étude
• Impôt
L’impôt constitue un prélèvement obligatoire effectué par voie d’autorité par l’État, les
régions, les provinces, les communes sur les ressources des personnes vivants sur son territoire
ou y possédant des intérêts pour être affecté aux services d’utilité générale.
• Taxe
• Le contribuable
Le contribuable est l’individu ou le ménage qui paye une contribution ou impôt direct à
l’État.
7
• L’assiette de l’impôt
Une assiette fiscale est un montant qui sert de base au calcul d’un impôt ou d’une taxe.
Le montant de l’impôt dû sera le plus souvent obtenu par multiplication de l’assiette par un
taux.
Au Burkina Faso, on distingue trois régimes fiscaux que sont : la Contribution des Micro
entreprises (CME), le Régime Simplifié d’Imposition (RSI) et le régime du Réel Normal (RN).
• La liquidation
C’est le mécanisme de calcul de l’impôt dû par les contribuables. Elle dépend de l’assiette
mais aussi de la situation du contribuable. En pratique, il s’agit le plus souvent d’appliquer un
taux ou un barème (impôt sur le revenu) ou un tarif (taxe de résidence). Elle est effectuée par
le contribuable lui-même (TVA, IUTS) ou par l’administration (Patente, Taxe de résidence).
Les données utilisées pour cette étude proviennent de la base de données de la DRI-
HBS. Ce sont des fréquences mensuelles allant de janvier 2011 à décembre 2017. Ces données,
faisant la situation des montants à recouvrer et des recouvrements effectués par la direction,
sont quantitatives. Le tableur EXCEL est le logiciel utilisé pour le traitement des données à la
Direction Régionale des Impôts des Hauts-Bassins.
Nous avons assigné des notations à nos variables. Celles-ci sont consignées dans le tableau
ci-dessous :
8
2.3 Méthodes d’analyse
L’analyse des données est une phase incontournable dans une étude statistique. En effet
elle permet à l’aide de techniques avancées de modélisation et d’analyse, de trouver l’information
que les données brutes ne donnent pas. L’information obtenue de l’analyse aide à la prise de
décisions.
Dans cette partie, nous aurons dans un premier temps l’analyse descriptive et bivariée de nos
données et dans un second temps, l’analyse temporelle.
Nous procédons dans cette partie, à une description de nos données. Nous avons utilisé
le logiciel MICROSOFT EXCEL 2016. Nous pourrons ainsi décrire l’évolution des montants à
recouvrer et des recouvrements de la DRI-HBS au titre des budgets nationaux de Janvier 2011
à Décembre 2017.
Nous allons également faire une analyse bivariée à ce niveau afin de déterminer l’existence de
lien entre nos deux variables. Pour trouver ce lien possible, nous avons calculé le coefficient de
corrélation linéaire.
Le coefficient de corrélation permet de déterminer l’existence de relation linéaire entre deux
variables quantitatives. Il prend ses valeurs entre -1 et 1 et se calcule comme suit :
Soit :
cov(X, Y )= covariance de X et Y ;
σX = écart-type de X;
σY = écart-type de Y ;
X̄ = moyenne arithmétique de X;
Ȳ = moyenne arithmétique de Y ;
On a :
cov(X, Y )
r= (2.1)
σX σY
9
avec :
− X̄)2 (Yi − Ȳ )2
q
σX σY = i (Xi
P
Quand le coefficient de corrélation est proche de 0, il y a une relation linéaire très faible
entre les deux variables, quand il s’approche de 1 ou -1 il y a une relation linéaire plus ou moins
forte entre les deux variables. Son signe permet de déterminer le sens de la relation entre les
deux variables. S’il est négatif, l’augmentation de l’une entraine la diminution de l’autre tandis
que s’il est positif les deux variables évoluent dans le même sens. Une absence de corrélation
linéaire n’implique pas forcement l’indépendance des deux variables mais l’indépendance des
deux variables implique forcement l’absence de corrélation linéaire.
Par la suite, nous avons vérifié la significativité du lien existant entre les variables. Pour in-
firmer ou confirmer cette significativité, nous avons effectué le test de Student. C’est ce test
que nous avons utilisé pour accepter ou rejeter l’hypothèse H0 1 au seuil de probabilité de 5%.
Si pour chaque paramètre estimé, la probabilité critique calculée par le programme est in-
férieure au seuil critique, on rejette l’hypothèse nulle qui stipule que le paramètre estimé est
statistiquement nul. Sinon on accepte l’hypothèse nulle.
Dans cette partie de nos analyses nous avons utilisé le logiciel libre R dans sa version
3.5.0.
Une série temporelle (encore appelée série chronologique) est un ensemble d’observations dans
le temps. Ces observations peuvent être régulières ou non espacées dans le temps. L’étude d’une
série chronologique a pour but essentiel de décrire les valeurs existantes, de les analyser et de
faire la prédiction des valeurs futures. Le modèle chronologique comprend trois (03) parties
que sont : la tendance, la saisonnalité et les résidus ou bruits blancs.
• La saisonnalité correspond aux fluctuations saisonnières qu’on peut observer sur la série
brute.
1
La variable x n’a aucune influence sur la variable y
10
• Les résidus sont les fluctuations ou variations que ni la tendance, ni la saisonnalité ne
peuvent expliquer. Ce sont des variables aléatoires centrées.
▷◁ Choix du modèle
Dans cette partie il sera question de déterminer le modèle de la série. Nous chercherons par la
Yt = Zt + St + εt (2.2)
Si par contre, entre les amplitudes (la saison), il y a dépendance, il s’agit d’un modèle multi-
plicatif.
Yt = Zt × St × εt (2.3)
Avec :
Yt : la série brute;
Zt : la tendance;
St : la composante saisonnière;
εt : les résidus;
11
t : le temps.
Par ailleurs, il est possible de passer du modèle multiplicatif au modèle additif. L’intérêt de ce
changement est que ce dernier modèle est bien plus stable. Le passage du modèle multiplicatif
au modèle additif se fait grâce à la fonction logarithme.
Dans cette partie, nous allons utiliser la méthode de la moyenne mobile pour dessaison-
aliser notre série.
L’étendue de la moyenne mobile doit être la même que l’ordre de la saisonnalité. Dans
notre étude, nous avons une saisonnalité d’ordre 12. La moyenne mobile sera donc étendue sur
6
M Mij = Yij (2.4)
X
j=−5
L’utilisation de cette méthode implique que sur les six (06) premiers mois, ainsi que les six
(06) derniers, il n’y a pas d’estimation de la tendance.
• Coefficients saisonniers
(2) : On calcule ensuite la médiane de cette série diminuée pour chaque saison :
12
Soit S̃ cette entité :
1 N
Sj = (Yij − M Mij ) avec N, le nombre d’années d’observation.
X
N i=1
(2.6)
(3) : On calcule à présent la moyenne de Sj . Soit Ms cette moyenne :
1 Xm
Ms = Sj avec m, le nombre de mensualité. (2.7)
m j=1
(4) : Les coefficients saisonniers sont enfin trouvés par l’opération ci-après :
Coef fj = Sj − Ms (2.8)
De :
Yt = Zt + St + εt (2.9)
On a :
Pour apprécier la qualité de notre modèle par les résidus, il existe des méthodes parmi lesquelles
résiduelles. Si l’allure de l’histogramme est en forme de « cloche », on dit alors que les résidus
suivent une loi normale centrée réduite. Et dans ce cas, notre modèle est de bonne qualité.
13
Il est cependant possible de faire un test statistique pour vérifier si nos résidus suivent une loi
normale.
Quant au test de Shapiro-Wilk, il est basé sur la statistique W. La statistique du test s’écrit :
n
P[ 2 ]
[ i=1 ai (x(n−i+1) − x(i))]2
W = 2
(2.11)
i (xi − x̄)
P
Plus la statistique W est élevée, plus la compatibilité avec la loi normale est crédible.
Pour faire les prévisions des séries chronologiques, il existe plusieurs méthodes. La méth-
ode appropriée est choisie en tenant compte de critères comme la tendance et la saisonnalité.
Pour notre série, nous utiliserons la méthode dite d’Holt et Winters car notre série présente
14
La formule (1) de mise à jour s’interprète comme une moyenne pondérée de la différence des
Enfin la dernière formule (3) de mise à jour, comme moyenne pondérée de l’observation Yt (à
15
Chapitre 3
Résultats et discussions
Dans ce chapitre il sera question de présenter les résultats issus des analyses que nous
avons effectué.
Nous aurons dans un premier temps la présentation des résultats de l’analyse descriptive et
bivariée de nos données et dans un second temps, ceux de l’analyse temporelle.
Le graphique 3.1 donne l’évolution des montants à recouvrer (MAR) par la DRI-HBS au
titre des budgets nationaux de 2011 à 2017.
16
Les MAR ont varié entre 2,3 milliards et 2,9 milliards entre 2011 et 2017. L’analyse visuelle
de ce graphique montre que ces MAR ont évolué selon une tendance linéaire croissante du-
rant la période indiquée (l’hypothèse H1 est vérifiée). Cependant, on observe des fluctuations
remarquables entre 2012 et 2013 et entre 2015 et 2016 où les MAR croissent et décroissent forte-
ment. Le taux de croissance annuel est de 2%. C’est-à-dire qu’entre 2011 et 2017, les MAR
ont augmenté chaque année de 2% en moyenne. Dans le tableau ci-dessous sont renseignés les
caractéristiques de tendance centrale et de dispersion.
MAR (F CFA)
Le graphique 3.2 donne l’évolution des recouvrements de la DRI-HBS au titre des budgets
nationaux de janvier 2011 à décembre 2017.
17
Graphique 3.2: Evolution des recouvrements par la DRI-HBS
Nous remarquons que tout comme les montants à recouvrer, les recouvrements ont une tendance
linéaire croissante avec cependant des fluctuations plus importantes. Le taux de croissance
annuel moyen est de 6%. Cela signifie qu’en moyenne les recouvrements ont augmenté de 6%
chaque année de 2011 à 2017. Nous remarquons que depuis 2014 jusqu’à 2016 les recouvrements
ont connu une baisse de 616 177 773 FCFA soit 335 044 150 FCFA entre 2014 et 2015 et 281
133 623 FCFA entre 2015 et 2016. Ces périodes correspondent respectivement aux périodes
pré et post insurrectionnelles. Cette crise que le « pays des hommes intègres » a traversé,
pourrait être la cause de la baisse des recouvrements. Le tableau ci-dessous renseigne sur les
caractéristiques de tendance centrale et de dispersion.
18
Tableau 3.2: Statistiques descriptives des recouvrements
Rec (F CFA)
19
Graphique 3.3: Nuage de points des montants à recouvrer et des recouvrements
Le coefficient de corrélation entre Mar et Rec vient confirmer ce fait. En effet, sa valeur est
de 0,66. Il est différent de 0, il existe alors une relation entre les MAR et les recouvrements.
Ce coefficient est positif et est proche de 1, ce qui témoigne de la présence de relation forte
entre les MAR et les recouvrements. Cela implique que plus les prévisions augmentent plus les
montants recouvrés sont importants.
Une analyse de l’évolution des deux séries (montants à recouvrer et recouvrements) permet de
voir les variations qui existent entre elles. D’après le graphique 3.4 ci-après, on peut voir que
les séries sont tantôt confondues, tantôt divergentes. Jusqu’en mi 2011, nous pouvons voir que
les recouvrements ont été surestimés avant d’être pratiquement identiques entre 2012 et début
2015. La période 2015 à 2017 est marquée par une sous-estimation flagrante des recouvrements
par les montants à recouvrer sur certains mois : l’hypothèse H3 est infirmée.
20
Graphique 3.4: Evolution des deux séries (montants à recouvrer et recouvrements)
2011 77%
2012 102%
2013 101%
2014 105%
2015 81%
2016 90%
2017 93%
21
3.3 Analyse de la série Chronologique des montants à
recouvrer par la DRI-HBS
2.5e+08
1.5e+08
Date(Années)
En observant le graphique ci-dessus, nous constatons à priori qu’au fil des ans, les montants à
recouvrer sont à la hausse. La courbe présente des fluctuations qui semblent se répéter, il y a
donc possibilité que notre série temporelle ait une tendance et une saisonnalité. L’allure de la
courbe n’étant pas forcement identique pour chaque année, il est fort probable que nous ayons
également dans notre série, des bruits blancs.
Seule une analyse statistique pourrait nous en dire plus sur les conclusions ci-dessus tirées.
Le graphique ci-dessous nous donne un aperçu sur les variations de la série. Son observation
nous permettra de déterminer le modèle étudié.
22
Graphique 3.6: Représentation de la série brute (2)
1
2
3
4
Montants (F CFA)
5
2.5e+08
6
7
8
9
10
11
12
1.5e+08
Date(Années)
En observant le graphique 3.6, nous pouvons constater que les variations saisonnières ne sont
pas proportionnelles à la tendance. En d’autres termes, les amplitudes sont constantes quel
que soit l’évolution de la tendance. Nous avons donc là, un modèle à termes additifs.
• Choix de la saisonnalité
Pour une meilleure observation de la saisonnalité, nous avons zoo-mer notre série sur une période
de courte durée (Janvier 2011 à Décembre 2013). Nous obtenons le graphique ci-dessous :
23
Graphique 3.7: Représentation de la série brute (3)
1
2
3
2.5e+08
4
Montants(F CFA)
5
6
7
8
9
10
11
12
1.5e+08
Date(Années)
En observant le graphique 3.7, remarquons que chaque année, les plus importants montants à
recouvrer se situent au mois d’Avril. Nous en déduisons alors que nous avons une saisonnalité
mensuelle (d’ordre 12).
Dans l’étude des séries chronologiques, l’analyse de la composante saisonnière est une phase
très importante. En effet, par les coefficients saisonniers, nous pouvons non seulement apprécier
l’évolution de la série ; aussi, nous pouvons la modéliser.
Le principe consiste à utiliser des opérateurs de « moyennes mobiles » comme des filtres qui
annulent certaines composantes et en laissent d’autres invariantes.
Ainsi, l’estimation de la saisonnalité par la méthode des « moyennes mobiles » consistera à
faire apparaître exclusivement la composante saisonnière et à réduire le « bruit » associé à la
composante aléatoire.
Le graphique 3.8 ci-dessous est en effet une superposition de la série brute sur les différentes
années de notre étude. En observant la courbe, nous remarquons une baisse des montants
à recouvrer par la direction sur les périodes de janvier à février, d’avril à juin, de juillet à
septembre et d’octobre à novembre ; contre une augmentation sur les périodes de février à
24
avril, de juin à juillet et de septembre à octobre. Entre novembre et décembre, les montants à
recouvrer par la DRI-HBS sont constants.
4e+07
0e+00
−4e+07
2 4 6 8 10 12
Années
La description faite plus haut n’est qu’une description de l’allure de la courbe. Statistiquement
parlant, en prenant le mois de janvier comme mois de référence, les taux de régression et de
croissance des montants à recouvrer sont consignés dans les tableaux ci-après :
Au mois de février 40
Au mois de juin 10
Au mois de spetembre 30
Au mois de décembre 5
25
Tableau 3.5: Croissance des montants à recouvrer
Au mois d’avril 59
Au mois de juillet 40
Au mois d’octobre 50
L’approche moyenne mobile est très souple et résiste mieux aux changements de régime que le
modèle linéaire par exemple. Elle permet de prendre en compte et d’éliminer les perturbations.
Par contre le choix de l’ordre et des coefficients est empirique et réclame de l’expérience.
Nous avons opté pour une analyse par morceau car la tendance de notre série chronique est
irrégulière. Ainsi donc, nous avons divisé la série en trois (03) morceaux.
• Morceau 1
26
Montants(F CFA) Graphique 3.9: Représentation du Morceau 1
2.0e+08
1.4e+08
Années
Le morceau 1 a une tendance plutôt décroissante. En faisant une régression linéaire pour
trouver le pouvoir explicatif de ce morceau, nous avons trouvé un R2=53,45. Autrement dit,
le modèle explique à 53,45% les variations de la tendance. Les coefficients sont significatifs au
seuil de 5%.
• Morceau 2
Ce morceau s’étend de Juin 2012 à Janvier 2016. Sa représentation graphique est la suivante :
27
Graphique 3.10: Représentation du Morceau 2
2.5e+08
Montants(F CFA)
1.5e+08
Années
• Morceau 3
28
Montants(F CFA) Graphique 3.11: Représentation du Morceau 3
2.4e+08
1.8e+08
Années
Le morceau 3 présente une tendance irrégulière. Son pouvoir explicatif est de 50,29En somme,
des trois morceaux, le morceau 2 est celui qui explique le mieux la tendance de notre série
avec un pouvoir explicatif de 62,02%. Ainsi, le morceau 2 ayant une tendance croissante, nous
disons qu’en général, notre série a une tendance croissante. Autrement dit, de janvier 2011 à
décembre 2017, les montants à recouvrer par la DRI-HBS ont connu une hausse en général.
• Morceau 1
Pour ce premier morceau nous avons utilisé la méthode graphique. Nous avons obtenu l’histogramme
ci-après :
29
Graphique 3.12: Histogramme de epsilon 1
Histogram of epsilon1
1.0e−08
Density
0.0e+00
epsilon1
Cet histogramme nous laisse voir une allure en forme de « cloche ». Nous pouvons alors accepter
que les résidus suivent une loi normale centrée.
• Morceau 2
Pour ce morceau également, en passant par la méthode graphique, nous avons obtenus l’histogramme
suivant :
30
Graphique 3.13: Histogramme de epsilon 2
Histogram of epsilon2
0.0e+00 1.0e−08 2.0e−08
Density
epsilon2
Tout comme le premier, cet histogramme nous laisse aussi voir une allure en forme de « cloche
». Nous pouvons encore accepter que les résidus suivent une loi normale centrée.
• Morceau 3
En ce qui concerne ce morceau, nous avons fait le test de Shapiro Wilk dont les résultats sont
consignés dans le tableau suivant :
W=0,94021 P-Value=0,1816
31
Graphique 3.14: Représentation du modèle
Estimations
Montants à recouvrer (en millier)
Données brutes
Modèle 1
Modèle 2
Modèle 3
2.5e+08
1.5e+08
Années
Les prévisions des montants à recouvrer sont représentés sur le graphique ci-après :
32
Graphique 3.15: Prévisions des montants à recouvrer au cours de l’année 2018
Montants à recouvrer(en F CFA)
série brute
Prédiction
2.5e+08
1.5e+08
Années
La prévision effectuée nous renseigne avec un intervalle de confiance de 95%, que les montants
à recouvrer seront à la hausse au cours de 2018.
Les montants des prévisions effectuées sont consignés dans le tableau ci-après :
Prévisions 2018
33
JUIN 229 757 863
34
Conclusion générale
En définitive, notre étude nous a permis dans un premier temps d’atteindre notre objectif global
qui était d’analyser par des méthodes statistiques les données sur les montants à recouvrer de
la DRI-HBS.
Elle nous a permis d’atteindre nos objectifs spécifiques. En effet, à travers l’analyse descriptive,
nous avons pu apprécier l’évolution des montants à recouvrer et celle des recouvrements. Il est
ressorti que nos variables étaient toutes deux croissantes dans le temps. L’hypothèse H1 qui
dit que les montants à recouvrer sont à la hausse est donc vérifiée.
Aussi, par le biais de l’analyse bivariée, nous avons décelé une corrélation entre montants à
recouvrer et niveau de recouvrement. Les recouvrements dépendent fortement des montants à
recouvrer fixés par l’Etat. Plus ces montants ont été importants, plus les recouvrements de la
DRI l’ont aussi été. Ce qui nous permet de dire que notre hypothèse H2 est vérifiée.
Aussi, il est ressorti également de l’analyse descriptive bivariée que les montants à recouvrer
n’ont pas toujours pu être recouvrer. (l’hypothèse H3 est donc infirmée)
Dans un second temps, l’analyse temporelle de la série « montants à recouvrer » nous a permis de
repérer les périodes pendant lesquelles les recettes de la direction étaient optimales en occurrence
le mois d’avril de chaque année. Aussi nous avons pu, par le lissage exponentiel, prédire les
valeurs futures de ces montants pour l’année 2018.
Lors de notre stage, nous avons fait des tournées dans les différentes DCI (Direction du Centre
des Impôts) de la ville de Bobo Dioulasso.
Il est ressorti de ses tournées que certaines d’entre elles n’arrivaient pas à atteindre le montant
à recouvrer, tandis que d’autres dépassaient largement le montant fixé. Nous pouvons de cet
aperçu, faire cette recommandation :
Pour des performances plus optimales, la DRI-HBS pourrait revoir sa politique de
répartition des montants à recouvrer par les DCI.
35
Bibliographie
[4] DGI. Code général des impôts du burkina faso 2018, 2017.
Webographie
ix