CHAPITRE 3 : MÉTHODOLOGIE
3.4 Analyse des données
3.4.1 Sources des données et estimation des variables
Les données utilisées dans le cadre de la présente recherche proviennent des sources nationales, des supports magnétiques CD-ROM de la Banque Mondiale, de la Banque Africaine de Développement, du Fonds Monétaire International et des sites web de plusieurs institutions: FAO, UNESCO, AFRlSTAT, UEMOA, BCEAO etc ..
Au niveau national, la principale source de données est la Direction des Statistiques et des Comptes Nationaux du Niger. Cette source de données a permis de disposer de séries complètes sur les variables endogènes à expliquer (Production Rurale, Production Agricole, Production de l'élevage), ainsi que de la plupart des données ayant permis de calculer certaines variables explicatives.
Comme la plupart des variables sont des ratios, il a été procédé à leur estimation à partir des statistiques existantes. Ainsi, les calculs suivants ont été faits pour l'estimation des différentes variables:
-Le ratio Production Rurale sur PIB: Ce ratio a été calculé à partir de la valeur ajoutée rurale et du PIB. Dans le cadre de la désagrégation du modèle, les ratios production agricole sur PIB et production de l'élevage sur PIB ont été également calculés.
- Le taux d'investissement public : Ce indicateur a été calculé à partir du montant des investissements effectivement réalisés en matière de développement rural (agriculture, élevage, forêts et faune) sur le PIB. Les besoins de désagrégation du modèle ont conduit à calculer, en plus du taux d'investissement public dans la production rurale, le taux d'investissement public "direct"agricole et le taux d'investissement public "direct" dans le secteur de l'élevage.
-Le taux de scolarisation primaire utilisé comme variable de capital humain provient des statistiques du Ministère de l'Education Nationale. Le capital humain a été mesuré par le taux d'inscription au cycle primaire qui est le rapport entre le total des effectifs scolaires du primaire quel que soit l'âge des élèves, et la population du groupe d'âge officiel correspondant à ce cycle communément appelée le total des enfants scolarisables.
44
3.3 Présentation du modèle
Modèle principal sur la production rurale :
PRit= F(G_DIRECTt-1 ; DENS_ROUTEt-1 ; DEVFINt; TXSt-7; ELEC_RURALEt-1,
(-) (+) (+) (+) (+)
Sous modèles sur l'agriculture et sur l'élevage : Agriculture
AGRlit = F (G_DIRECT t-l' TxSt_7, DENS_ROUTEt-l,ELEC_RURALE t-l, DEVFINt, PFt-l,' PRIXMILt-1' PRIXNIEBEt_1) (25)
ELEVAGEit = F (G_DIRECT t-1,TxSt_7,DENS_ROUTEt-t,ELEC_RURALE t-1, DEVFINt,
PFt, PRIXMILt-t' PRlXBOVINt-t' PRJXOVINt-t) (27)
-Le taux d'équipement en infrastructures routières ou densité routière est obtenu à partir du ratio km de routes construites sur la superficie en Km2 de la zone agropastorale (zone habitable du pays correspondant à la superficie du pays hors désert). Les données proviennent des statistiques du Ministère de l'Equipement.
_ Le développement financier du pays est le ratio de la masse monétaire sur le PID. Les données de la masse monétaire proviennent du support magnétique de World Development Indicators.
_ La pression foncière est le ratio de la population agricole sur la superficie des terres cultivables. Les statistiques sur la population proviennent du site web de la F AO qui dispose de longues séries sur la population et de façon variée (population totale, population agricole, population active, etc .... ). Les données sur la superficie des terres cultivables proviennent des statistiques du Ministère du Développement Agricole.
- Les prix des produits agricoles proviennent de deux sources d'information : les annuaires statistiques du Niger de la Direction Nationale de la Statistique et des Comptes Nationaux et la deuxième source est le SIM (Système d'Information sur les Marchés) du Niger.
Pour les variables taux d'électrification rurale (ELEC _RURALE) et densité téléphonique rurale (TELEDENS) sur lesquelles n'existent que des statistiques globales et non rurales, nous avons dû procéder à leur estimation.
Nous sommes partis de l'hypothèse que l'électrification totale est destinée à deux types de population : la population urbaine et la population rurale. Cette hypothèse permet de poser l'équation ci-après :
Electricité totale = F (population urbaine) Télé densité totale= F (population urbaine)
Les résidus de ces deux fonctions ont été économétriquement estimés pour être utilisés comme variables proxy de l'électrification rurale et de la télé densité rurale.
Par ailleurs, notre modèle étant basé sur une fonction de production agricole, il nous a paru pertinent de prendre en compte, de façon indirecte, les facteurs traditionnels de production (la population active et la superficie cultivée) à travers la pression foncière.
45
De même, nous avons pris en compte le Trend pour mesurer l'effet d'apprentissage des producteurs par rapport au temps, car plus les producteurs acquièrent de l'expérience, plus ils devraient être productifs. Mais compte tenu de la non significativité du Trend sur la variable endogène, nous l'avons exclu du modèle final.
3.4.2 Analyse de la multi colinéarité
Le test de multi colinéarité a permis de mettre en exergue la forte corrélation entre certaines variables. Dans le modèle empirique, ce test a permis de voir que la variable « télé densité » est fortement corrélée avec plusieurs variables explicatives ; ce qui nous a contraint à la retirer du modèle.
On observe également une corrélation moyenne entre le prix du mil et celui du niébé. Cela se justifie dans la mesure où ces variables expriment les prix des deux principaux produits agricoles commercialisés par les producteurs ruraux.
3.4.3 La stationnarité des variables
Le test de stationnarité utilisé est celui de Dickey Fuller Augmenté ou ADF sur l'ensemble des variables du modèle. Les différents tests ont fait ressortir que les variables du modèle ne sont pas stationnaires à niveau. Elles sont toutes intégrées d'ordre 1. Les résultats des tests de stationnarité sont détaillés dans l'annexe 1.
3.4.4 Vérification de relation de co intégration
Comme toutes les variables retenues dans le modèle ont le même niveau d'intégration I (1), si le résidu est stationnaire à niveau c'est-à-dire I (0), l'hypothèse d'une seule équation de cointégration est vérifiée. Le résultat du test de stationnarité sur le résidu joint en annexe.
confirme l'existence d'une relation de cointégration.
Il est donc possible de procéder à l'estimation du modèle à correction d'erreur (estimation de la relation à court terme) du modèle. Compte tenu de la forte colinéarité de certaines variables et de la non significativité d'autres variables, nous avons procédé à leur élimination successive pour parvenir au modèle final. Les résultats des estimations à longs et courts termes sont présentés dans le chapitre suivant.