MINISTERE DE L'ENSEIGNEMENT SUPERIEUR REPUBLIQUE DE CÔTE D'IVOIRE

ET DE LA RECHERCHE SCIENTIFIQUE Union - Discipline - Travail

UNIVERSITE PELEFORO GON COULIBALY

UFR SCIENCE SOCIALE

EXAMEN 1ère session 2019-2020

CORRECTION : Initiation à l’économétrie des séries temporelles
Niveau : Licence 3 économie et gestion Durée : 2 H 00 Mn

I- Question de cours
1. Nommer les processus suivants :
= 0,9 − 0,7 + est un processus autoregressif d’ordre 2 : (2)
= 0,9 + est une processus autorégressif d’ordre 1 : AR(1)
= 2,5 − 0,5 − + + −2 est un processus autoregressifs
moyenne mobile d’ordre 3, 2 : ARMA(3,2)
2. Définir une série stationnaire ;
Un processus stationnaire est un processus dont les caractéristiques, à savoir
l’espérance et la variance, restent constantes dans le temps.
3. Citer deux tests de racine unitaire ;
- Le test de Dickey Fuller (1979),
- test de Dickey Fuller Augmenté (1981);
- Le test de Phillips et Perron (1988) ;
- Le test KPSS (1992)
4. Définir processus TS et processus DS ;
- Un processus TS est un processus non stationnaire qui possède une
composante tendancielle déterministe et une composante stochastique
stationnaire. La source de la non stationnarité étant la tendance, pour
stationnariser un tel processus, il convient d’éliminer cette tendance.
- Un processus DS est un processus non stationnaire que l’on peut rendre
stationnaire par l’utilisation d’un filtre aux différences.
II- Application
Une entreprise productrice de lait souhaite effectuer des prévisions pour sa
production de lait ( ) pour l’année 2021. Les données contenues dans le tableau
ci-dessous concernent la production (en tonnes) pour les 4 dernières années
d’exercice de ladite entreprise.

1
 Trimestre I Trimestre II Trimestre III Trimestre IV
2017 88 55 98 104
2018 90 58 99 105
2019 93 59 104 110
2020 92 58 97 106

1. Faire la représentation graphique de cette série afin de déceler son évolution ;

La production de lait au cours la période 2017-2020, présente dans son évolution

une tendance faiblement marquée à la hausse (pente très faible). Autour de cette
tendance, on note une présence de pics et creux évoluant dans un mouvement
oscillatoire autour de la tedance.

2. On dispose des résultats ci-dessous (tableaux 1 et 2) ; quels sont les tests que
reflètent ces tableaux ? Dites pourquoi chacun d’eux a été conduit ?
Tableau
ANALYSE DE 1
VARIANCE
Valeur
Source des Somme des Degré de Moyenne
F Probabilité critique
variations carrés liberté des carrés
pour F
Années 57,50 3,00 19,17 10,78 0,00 3,86
Période 5608,50 3,00 1869,50 1051,59 0,00 3,86
Résidus 16,00 9,00 1,78

Total 5682,00 15,00

Le tableau 1 est le tableau de l’analyse de la variance suivi d’un test de Fisher. Il

a été conduit dans le cadre des tests de détection de tendance et de saisonnalité.

2
 Tableau 2
Régression MCO : Variable dépendante (Ecarts types)
Limite Limite
inférieure supérieure
pour seuil pour seuil
Coefficients Erreur-type Statistique t Probabilité
de de
confiance = confiance =
95% 95%
Constante 0,26776289 17,234445 0,0155365 0,9890147 -73,8860688 74,4215946
Moyennes 0,20870012 0,19469483 1,07193456 0,3959416 -0,62900412 1,04640436

Le tableau 2 a été conduit afin de déterminer le modèle de décomposition de la

série . En se basant sur le test de Student effectué dans le cadre de la régression
entre écart type (variable dépendante) et les moyennes (variable indépendante),
on arrive à indiquer le modèle de décomposition de la série ; le test étant effectué
sur le coefficient de la variable indépendante (moyenne).

3. Conduire chacun des tests identifiés, conclure et justifier ?

Tableau 1 : Analyse de la variance et test de Fisher
- Détection de la tendance :
Formulation des Hypothèses : H0 : Absence de tendance ; H1 : présence de tendance
,
Statistique du test : = = = 10,78
,

Décision : > "#$ = 3,86 donc on rejette H0, par conséquent il y a présence de
composante tendancielle.
- Détection de saisonnalité :
Formulation des Hypothèses : H0 : Absence de saisonnalité ; H1 : présence de
saisonnalité
) ,*+
Statistique du test : ' = (
= = 1051,59
,

Décision : ' > "#$ = 3,86 donc on rejette H0, par conséquent il y a présence de
composante saisonnière.
Tableau 2 : schéma de décomposition de la série
3
Etant donnée la relation estimée : é-./0 0 12 = .4+ + .4 56 2772
Formulation des hypothèses : H0 : . = 0 contre . ≠ 0

3
 :4; +, +
Statistique du test : 90:4; 9 = < < = +, = 1,0719 ==> 1 − A.B2C/ = 0,3959
=>
?; @

Décision : 1 − A.B2C/ = 0,3959 > 0,05 on accepte H0 : le coefficient . n’est pas

significativement différent de 0, par conséquent on a un modèle additif.
4. En tenant compte des résultats précédents, décrire la démarche générale à
suivre pour effectuer les prévisions ;
- Estimer la tendance
- Calculer les différences saisonnières
- Déterminer les coefficients saisonniers provisoires
- Déterminer les coefficients saisonniers définitifs
- Calculer la série désaisonnalisée
- Calculer les prévisions de la série désaisonnalisée
- Ajouter les coefficients saisonniers définitifs aux prévisions de la série
désaisonnalisée.

5. On souhaite déterminer la tendance D ?E de la série DE par la méthode des

moyennes mobiles. Spécifiez la moyenne mobile à utiliser en donnant son nom
?E .
et son expression. Calculez D
On a une moyenne mobile d’ordre 4 dont l’expression est donnée par :
1 1
55(4) = G0,5 + H + 0,5 L = M0,5 + + + + 0,5 N
4 IJ I
4 I I
JK

Les résultats du calcul de 4 se trouvent dans la colonne y_chap du tableau relatif à

la question 6.
6. Faire les prévisions de DE pour l’année 2021 en passant, dans la suite des calculs
Après avoir désaisonnalisé le série, on applique le Lissage Exponentiel Simple sur la
série désaisonnalisée y_CVS et on obtient la série Prev_Y_CVS_LES. En ajoutant à
cette dernière les coefficients saisonniers définitifs, on obtient la série Prev_Yt qui
représente la série des prévisions de la série brute Yt.
Représentons sur un même graphique ces deux séries, Yt et Prev_Yt. Il ressort de
cette représentation que les deux séries quasiment confondues. Ce qui témoigne de
la qualité des prévisions faites.

4
 Prev_ycvs
Yt y_chap diff Sj* y_cvs Prev_Yt
(LES)
Trim 1 88,00 2,40 85,60 85,60 88,00
Trim 2 55,00 -30,98 85,98 85,60 54,63
2017
Trim 3 98,00 86,50 11,50 11,44 86,56 85,72 97,15
Trim 4 104,00 87,13 16,88 17,15 86,85 85,97 103,12
Trim 1 90,00 87,63 2,38 2,40 87,60 86,24 88,63
Trim 2 58,00 87,88 -29,88 -30,98 88,98 86,65 55,67
2018
Trim 3 99,00 88,38 10,63 11,44 87,56 87,35 98,78
Trim 4 105,00 88,88 16,13 17,15 87,85 87,41 104,56
Trim 1 93,00 89,63 3,38 2,40 90,60 87,54 89,94
Trim 2 59,00 90,88 -31,88 -30,98 89,98 88,46 57,48
2019
Trim 3 104,00 91,38 12,63 11,44 92,56 88,92 100,35
Trim 4 110,00 91,13 18,88 17,15 92,85 90,01 107,16
Trim 1 92,00 90,13 1,88 2,40 89,60 90,86 93,26
Trim 2 58,00 88,75 -30,75 -30,98 88,98 90,49 59,51
2020
Trim 3 97,00 11,44 85,56 90,03 101,47
Trim 4 106,00 17,15 88,85 88,69 105,84
Trim 1 2,40 88,74 91,14
Trim 2 -30,98 88,74 57,76
2021
Trim 3 11,44 88,74 100,18
Trim 4 17,15 88,74 105,89