Communauté Economique et Monétaire de l’Afrique Centrale

(CEMAC)

Organisation Internationale
ANALYSE DESCRIPTIVE DES
SERIES TEMPORELLES
CHAPITRE 1: GENERALITES
ELÈVE INGÉNIEUR D’APPLICATION
DE LA STATISTIQUE – IAS 1

Igor-Mathieu GONDJE-DACKA, PhD

Anné
e Acadé
mique 2019-2020
 Sommaire
L’étude des séries chronologiques est l’étude de l’évolution
d’une variable statistique, repérée dans le temps.

Son objectif est triple : décrire l’évolution, permettre

l’explication en guidant l’interprétation, faciliter
l’élaboration des prévisions conjoncturelles grâce à
l’analyse du passé.

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base
1. Définition
On appelle série chronologique, ou chronique, ou série
temporelle, une suite d’observations chiffrées, ordonnées dans
le temps. Ces observations chiffrées seront par exemple : la
production céréalière, la consommation d’électricité, la
population active, l’exportation du cacao ou du coton, le nombre
de demandes d’emplois non satisfaites, le nombre de touristes,
etc …
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.1 Les principes de base (Suite)
Le « temps » est repéré, le plus souvent, en années, trimestres,
mois, ou jours, en science économique. On note habituellement
la variable étudiée par «y », que l’on porte en ordonnées sur les
graphes rectangulaires. Le temps est souvent repéré par la
lettre «t », que l’on porte en en abscisses.
La variable y est liée fonctionnellement à la variable en «Temps
» (à chaque date correspond une et une seule valeur de y),
mais pas l’inverse (une même valeur de y peut correspondre à
plusieurs dates).
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.1 Les principes de base (Suite)
2. Représentations graphiques
On retiendra deux types de représentation graphiques :
sur axes orthogonaux,
en coordonnées polaires.

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base (Suite)
A. Graphiques sur coordonnées rectangulaires
Ils relèvent d’un certain nombre de normes :
◆ Le temps est portéen abscisses ;
◆ La variable y en ordonnées ;
◆ Les points sont reliés par des segments de droite et jamais
par des courbes ;

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base (Suite)
◆Il faut choisir les graduations les plus grands possibles en
ordonnées, pour ne pas «aplatir »involontairement le graphe.
◆La « coupure » généralement opérée sur l’axe Oy doit être bien
précisée, pour éviter les exagérations d’interprétation suite aux
effets d’optique.
Le graphe ci-dessous est celui d’une chronique pour laquelle le
phénomène a été trimestriellement (y : Production ou vente Y en
nombres d’unités produites ou vendues).

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base (Suite)
◆Il faut choisir les graduations les plus grands possibles en
ordonnées, pour ne pas «aplatir »involontairement le graphe.
◆La « coupure » généralement opérée sur l’axe Oy doit être bien
précisée, pour éviter les exagérations d’interprétation suite aux
effets d’optique.
Le graphe ci-dessous est celui d’une chronique pour laquelle le
phénomène a été trimestriellement (y : Production ou vente Y en
nombres d’unités produites ou vendues).

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base (Suite)
B. Graphiques à coordonnées polaires
On les utilise surtout pour des variations mensuelles ou mensualisées, de
préférence définies dans une dynamique monotone, c’est-à-dire strictement
croissante ou décroissante.
Principe de construction :
On trace 12 axes gradués formant entre eux un angle 30° = 𝜋/6 ሺ=
360°/12ሻ . Chaque axe représente un mois, et est gradué en échelle
arithmétique. Plus la ligne construite point par point s’écarte du centre, plus
la valeur de la variable augmente.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.1 Les principes de base (Suite)
Application : Reporter sur un graphique à coordonnées polaires la série
suivante

yt Janv. Fév. Mar. Avr. Mai Jui. Jul. Aou. Sep. Oct. Nov. Déc.

2008 10 8 7 10 3 2 6 7 7 2 3 9

2009 11 10 9 11 3,5 2,5 7 9 10 3 4 10

2010 14 13 13 15 6 4 12 14 15 6 8 15

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.1 Les principes de base (Suite)

L’activité peut, par exemple, être celle d’une station balnéaire. En 2010, la station a
connu une forte expansion de sa fréquentation touristique par rapport à2008.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
Il est nécessaire de bien repérer les grands caractères de
l’évolution globale. Dans l’ensemble, le phénomène étudié a-t-
il tendance à croître ou à décroître ? Les hausses et les
baisses de courte période sont-elles régulières ? Y a-t-il des
fluctuations exceptionnelles ou accidentelles et peut-on les
expliquer ? En définitive, il s’agit de déterminer les éléments
constitutifs de l’évolution globale : ils portent le nom de
«composantes ».

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
1. Définition des composantes
Observons le « graphe type » d’une série chronologique, tel qu’il est
représentéci-après :
1) La série semble suivre une évolution à la hausse sur la longue
période. Cette tendance générale est représentée par le Trend de
longue période : c’est la courbe (droite, ici) qui « résume » le
phénomène ; c’est elle qui « ajuste » l’ensemble des points de ligne
brisée. Elle «lisse »la série.
Graphe « type » d’une chronique
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
2) Selon des périodes plus courtes (mais toujours de longue
durée), on remarque des fluctuations autour du trend, de type
sinusoïdal (de haut en bas), qui se répètent. Ce mouvement
s’appelle Cycle. La période et l’amplitude du cycle peuvent être
repérées, si le cycle existe.
Le cycle comprend quatre phases :
- Expansion - Crise
- Récession - Relance
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
Les économistes ne sont pas tous d’accord sur
l’existence de cycles. (On assimilera cycle et trend).
- Cycle long de type Kondratieff 50 ans
- Cycle de Juglar 9 ans
- Cycle Kitchin et cycles politico-économiques, etc…

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
3) Le graphe présente des mouvements très courts de «pics »
et de «creux »successifs qui se répètent, de période en période,
à des dates précises. Cette suite de pics et de creux de faible
ampleur s’appelle : variations saisons saisonnières.
4) On peut distinguer à certaines dates précises des pics ou
des creux à caractère exceptionnel qui brisent la régularité de
l’évolution d’ensemble. Ces variations « aberrantes » portent le
nom de variations accidentelles.

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
Les variations saisonnières
Elles sont repérables, la plupart du temps, de mois en mois, ou de
trimestres en trimestres. Elles sont dues :
- au rythme des saisons (produits agricoles, produits halieutiques,
tourismes, transports, sports vacances)
- aux comportements (congés, traditions, coutumes, autorisations de
l’État)
- à d’autres facteurs économiques (matières premières spécifiques) ou
sociaux
- àd’autres causes régulières.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.2 La décomposition du mouvement brut
et les modèles théoriques d’analyse
Les variations accidentelles

Elles « non expliquées » par le modèle théorique. Elles

proviennent de circonstances non prévisibles (gel, inondations,
catastrophes, crise internationale, grèves, révolution, etc.). On
les appelle également variations résiduelles : elles « restent »
quand on a éliminéles autres mouvements.
Il ne reste plus qu’à « formaliser » ces différentes
composantes :

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Le « modèle idéal » que nous allons décrire est celui vers
lequel tendent ou devraient tendre toutes les séries
chronologiques. Il permet de formaliser, et par là même de
décomposer le mouvement global en trois « composantes »
bien précises.
Dans la réalité, les chroniques s’écartent à des degrés divers
de cette harmonie : on devra donc les corriger, en les
rapprochant de ce modèle de référence, afin de séparer les
composantes dans la pratique.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Définition : Le trend schématise la tendance générale du
phénomène. On peut procéder à un ajustement et déterminer
ainsi l’expression analytique du trend. Si la ligne brisée
représentative de la chronique suggère un ajustement linéaire,
on obtient une forme analytique du trend du type . D’autres
ajustements à des fonctions connues analytiquement sont
possibles. L’ajustement à une exponentielle se ramène à une
droite en utilisant les logarithmes.
Trend ajusté et expressions analytiques
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Définition :
Le trend schématise la tendance générale du phénomène. On
peut procéder à un ajustement et déterminer ainsi l’expression
analytique du trend. Si la ligne brisée représentative de la
chronique suggère un ajustement linéaire, on obtient une
forme analytique du trend du type . D’autres ajustements à
des fonctions connues analytiquement sont possibles.
L’ajustement à une exponentielle se ramène à une droite en
utilisant les logarithmes.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Trend ajusté et expressions analytiques
Le trend ajusté est une estimation de la tendance générale
de longue période du phénomène brut.

Plusieurs cas peuvent se présenter. Nous ne retenons ici que

le trend linéaire (ou le trend exponentiel s’y rapportant en
passant par les logarithmes).

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Le cycle fait apparaître un mouvement de larges oscillations
autour du trend et met en évidence les changements de
tendance. On ne l’exprime pas analytiquement ici, et on
confond son évolution de longue durée avec celle du
trend.
Le cycle, s’il existe, fait apparaître un mouvement de
larges oscillations autour du trend, il est d’usage
actuellement de ne pas l’exprimer analytiquement, mais de
confondre son évolution avec celle du trend.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
1) Principe de la répétition àl’identique
On voit sur le graphique précédent que la production de
l’entreprise Y chute systématiquement au troisième trimestre.
Cette variation saisonnière se répète àpeu près identiquement
tous les troisièmes trimestres de chaque année.
Dans le modèle de référence, on prend en compte une
répétition rigoureusement identique :

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
2) Principe de conservation des aires
On considère, dans le modèle idéal que sur l’année, les
doivent se compenser : les pointes sont compensées par les
creux.
Donc : la surface délimitée entre la ligne brisée et le trend, au-
dessus du trend, doit être parfaitement égale à celle au-
dessous du trend, comme le montre le schéma ci-après.
Donc, par an l’influence des variations saisonnières est neutre.
ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD
 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
Quelques fois, par contre, elles proviennent d’événements
accidentels d’ampleur, dus à un « accident » ou « bouleversement »
important : la fermeture du Canal de Suez en juillet 1956 provoque
dans bien de séries chronologiques en Europe occidentale
(transports, raffinage, productions diverses) un creux important pour
cette date. De même l’effet des grèves du mois du mois de mai 1968
se fait ressentir dans certaines chroniques en France. Plus près de
nous, l’on peut évoquer les événements sociopolitiques de février
2008 au Cameroun et même au Tchad.

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.3 Formalisation des composantes
dans le cadre d’un « modèle idéal »
On effectue tous les calculs sur ces données corrigées,
et on ne les réintègre dans les résultats qu’à la fin des
calculs (par exemple lors de l’établissement de la série
corrigée des variations saisonnières (CVS), pour faire
apparaître les mouvements accidentels tels qu’ils ont eu
lieu dans la réalité.

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse
Le « modèle idéal » exposé précédemment est nécessaire mais
insuffisant pour analyser de façon théorique les séries
chronologiques. Encore faut-il lui adjoindre une hypothèse
supplémentaire concernant le type d’évolution : Évolution de type
« Additif » ou de type « Multiplicatif ». On aboutit ainsi à scinder
le modèle «idéal »en deux sous-modèles traditionnels :
◆Modèle additif
◆Modèle multiplicatif

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

 I.4 Décomposition du « modèle idéal » en
deux sous-ensembles théoriques d’analyse

ADST – IAS 1 © 2019-2020 Igor-Mathieu GONDJE-DACKA, PhD

«APPLICATIONS »