Résultat du Cusum Test de la relation de long terme

15

----10

----

----5

----0

-5

--10

-15

80 82 84 86 88 90 92 94 96 98 00

1-CUSUM ^{--- 5%} Significance

La courbe ne sort pas du corridor, donc le modèle est bien stable.

Annexe 6: Résultat du Cusum of Squares Test de la relation de long terme

1.6

1.2

0.8

0.4

0.0

----0.4 80

---

---82 84 86 88 1 - - CUSUM of Squares

---90 92 94 96 98 00

---· 5% Significance

71

Annexe 7: Résultat du Cusum Test de la relation de court terme

15 10 5 0 -5 -10

-15 +-.-.-.-~~~-.-.-.-.-.-.-.-.-.-.-r-r-r-1

80 82 84 86 88 90 92 94 96 98 00

1--

^{CUSUM ----}5% Significance

Annexe 8: Relation du Cusum of Squares Test de la relation de court terme

1.6 . . . , . - - - -- - - - . 1.2

0.8

---- - -

---0.4

--- ---

^{_ ....}

-

---... --

---...

-

^....

0.0 +--=---,~--:.:.---1

-

---0.4 +-.--.--.--.---.-.-.--.--.-.--.--.--.-.-.-.-.-.-.---J

80 82 84 86 88 90 92 94 96 98 00

1--

^CUS_UM of Squares --- 5% Significance

Pour les deux tests, la courbe ne sort pas du corridor, ce qui prouve bien que le modèle est stable.

r,

Annexe 9: Trajectoires des séries du modèle

2.

2.

2.

1.

1.

1-G_DIR§CT 1 - DENS_ROfJTE

1.

O.

O.

-{1

-1

7274767880 2848688909294969800

1- ELEC RUFjALE 1-TXo/

3 30

I-PRIX91L

73

Annexe 10: Test de normalité des erreurs du modèle PROD RURALE (Long terme)

RESIDPROD RURALE

Test de normalité des erreurs du modèle à correction d'erreur

Series: Residuals Sample 1972 2000 Observations 29

Mean -0.016016

Median -0.626002

Maximum 5.592264

Minimum -4.343001

Std. Dev. 2.480010

Skewness 0.273819

Kurtosis 2.281833

Jarque-Bera 0.985602 Probability 0.610913

Représentation graphique des résidus du MCE

4 . - - - -- -- - - ,

2

-2

-4

1 - - D(PROD RURALE) Residuals

Annexe 11: Résultat du test THEIL et MAPE du modèle de long terme

+

Test de vérification du pouvoir prédictif du Modèle de long terme (en dynamique)

100~---,

+ Test de vérification du pouvoir prédictif du Modèle de long terme (en statique) 60~---· Mean Abs. Percent Error 5.001032 Theil lnequality Coefficien0.029434 Bias Proportion 0.000000 Variance Proportion 0.0017 43 Covariance Proportior0.998257

75

Annexe 12: Résultat du test THEIL et MAPE du modèle de correction d'erreur

+

Test de vérification du pouvoir prédictif du Modèle de correction d'erreur (en statique)

15~---~

+

Test de vérification du pouvoir prédictif du Modèle de correction d'erreur (en dynamique)

30~---~

Annexe 13: Estimation résidu MCE sur résidu MCE décalé

Test par ADF

ADF Test Statistic -5.224796 1% Critical Value* -3.6959 5% Critical Value -2.9750 10% Critical Value -2.6265

*MacKinnon critical values for rejection ofhypothesis of a unit root.

ADF Test Statistic -5.204694 1% Critical Value* -4.3382 5% Critical Value -3.5867 10% Critical Value -3.2279

*MacKinnon critical values for rejection ofhypothesis of a unit root.

ADF Test Statistic -5.275636 1% Critical Value* -2.6522 5% Critical Value -1.9540 10% Critical Value -1.6223

*MacKinnon critical values for rejection ofhypothesis of a unit root.

Résultats Regression de résidu MCE sur résidu décalé Dependent Variable: Y

Method: Least Squares Date: 07110/03 Time: 12:08 Sample(adjusted): 1973 2000

Included observations: 28 after adjusting endpoints

Variable Coefficient Std. Error t-Statistic Pro b.

Y(-1) 0.107646

Annexe 14: Résultats des estimations du sous-modèle AGRI

1) Résultats des estimations de la relation de long terme

Les estimations de la relation de long terme donne les résultats suivants :

Dependent Vanable: LOG(AGRI) Met o : Least Squares

Date: 05/20/03 Time: 14:47

t-Statlstlc Prob.

Comme le montrent les résultats de l'estimation, les conditions de significativité globale et de validité du modèle sont remplies avec :

un coefficient de détermination multiple R2 égal à 78,57% et le Rajusté de 71,76%

un Durbin-Watson égale à 2,07

une Prob(F-statistic) égale à 0,000004.

Ces résultats permettent de mieux appréhender la corrélation entre les variables explicatives et les sous-composantes de la production rurale: AGRICULTURE et ELEVAGE.

Pour la sous-composante Agriculture, 3 variables explicatives sont significatives dans le modèle à long terme,. Il s'agit de :

+

Densité routière: DENS_ROUTE (légèrement significatif) + Développement financier : DEVFIN

+

Pression foncière : PF

Les autres variables ne sont pas significatives. Il s'agit notamment de :

+

Investissement public direct agricole: G_DIRECTAGRI

+

Capital humain

+

Prix du mil : PRIXMIL

+

Prix du niébé : PRIXNIEBE

L'élimination de la variable G_DIRECT du modèle permet d'aboutir au modèle suivant qui confirme mieux la significativité globale du modèle et celle des différentes variables explicatives :

t-Statlstlc Prob.

1.1 Tests usuels de vérification de la qualité du modèle de long terme a) test de non corrélation des résidus

Il n'y a pas de corrélation entre les résidus car Prob F-Stat supérieure à 5% comme le confirme les résultats du test de Breusch-Godfrey ci-après :

Breusch-Godfrey Seriai Correlation LM Test:

F-statistic 0.002504 Probability Obs*R-squared 0.003265 Probability b) Test d'homocédasticité de White

0.960525 0.954431

Le modèle est hétérocédastique car Prob F-Stat inférieur à 5% comme le conforme les résultats du test de White ci-après :

White Heteroskedasticity Test:

F-statistic 4.180346 Obs*R-squared 20.62553

Probability Probability

0.003600 0.023861

79

c) Test de stabilité du modèle

Le modèle est stable comme le montre les résultats du test de CUSUM et CUSUM of squares ci-après :

15~---~

10

5

-5

--10

78 80 82 84 86 88 90 92 94 96 98 00

1---

CUSUM ----5% Significance

1.6~---.

1.2

0.8

_--- --- --- ---

---0.4 ^...

---

---0.0 -0.4

78 80 82 84 86 88 90 92 94 96 98 00

1-

CUSUM of Squares --- 5% Significance

d) Tests de normalités des résidus du modèle AGRI (Jarque-Bera) (Modèle à long terme)

RESIDLOGAGRI

e) Test de normalité des erreurs du modèle à correction d'erreur 6

Series: Residuals

5 Sample 1972 2000

Observations 29

4 ^{Mean 4.67E-18}

Median 0.000222 Maximum 0.115787

3 _{Minimum -0.097023}

Std. Dev. 0.059664

2 ^{Skewness 0.139662}

Kurtosis 2.174368 Jarque-Bera 0.917958 Probability 0.631929

81

1.2 Vérification du pouvoir prédictif du modèle de long terme

A long terme, l'estimation du pouvoir prédictif donne un MAPE de 0,016 et un THEIL de 0,0099. Le coefficient du THEIL est bien proche de 0, donc le modèle est bon pour les prévisions. Le MAPE aussi confirme la qualité du modèle pour les prévisions car en cas d'utilisation du modèle à des fins de prévisions, on peut observer une marge d'erreur d'à peine 1,6%, comme le montrent les résultats ci-dessous (prévision en statique ou en dynamique):

3 . 6 , . . . . - - - ,

2) Résultats des estimations de court terme

Forecast: AGRIF

Les conditions étant remplies pour faire les estimations à court terme (toutes les variables du modèle ayant le même niveau d'intégration I(l), résidu stationnaire à niveau c'est-à-dire I(O), ce qui confirme l'existence d'une seule équation de cointégration et donnant la possibilité de procéder à l'estimation du modèle à correction d'erreur) l'estimation du modèle à court terme donne les résultats suivants:

Variable Coefficient Std. Error t-Statistic Pro b.

c

^{-0.059517 0.335502 -0.177396 0.8608}

~(LOG(DENS ROUTE)) 1.033668 0.373562 2.767061 0.0112 D(LOG(DEVFIN)) -0.485400 0.096590 -5.025392 0.0000

D(LOG(TXS7)) 0.193798 0.211794 0.915028 0.3701

D(LOG(PF)) 0.198095 11.06769 0.017899 0.9859

ID(LOG(PRIXMIL)) 0.111281 0.063825 1.743536 0.0952

~SID01(-1) -1.066502 0.216671 -4.922217 0.0001

R-squared 0.708455 Mean dependent var -0.015460

Adjusted R-squared 0.628943 S.D. dependent var 0.110499 S.E. ofregression 0.067310 Akaike info criterion -2.352514 Sum squared resid 0.099674 Schwarz criterion -2.022477

Log likelihood 41.11145 F-statistic 8.910007

Durbin-Watson stat 1.831519 Prob(F-statistic) 0.000054

Comme le montrent les résultats de l'estimation du modèle à correction d'erreur, le modèle est significatif. Les variables retenues expliquent à 70,84% les variations de la production agricole au Niger avec toutefois un R2 ajusté relativement faible de 62,89%. La probabilité de la statistique de Fisher (0,000054) indique que le modèle à court terme est aussi globalement significatif. Par ailleurs la significativité de la constante du modèle de court terme et le signe négatif du coefficient du terme de correction d'erreur et sa forte s:lgnificativité confirment la qualité du MCE.

2.1 Tests usuels de vérification de la qualité du sous-modèle AGRI a) Test de non corrélation des erreurs de Breusch-Godfrey

Il n'y a pas de corrélation entre les résidus comme le montrent les résultats du test (Prob F-Statitisque étant supérieure à 5%):

Breusch-Godfrey Seriai Correlation LM Test:

F-statistic 1.009329 Probability Obs*R-squared 1.329915 Probability

b) Test d'homocédasticité de White

0.326500 0.248820

Le sous-modèle AGRI est homocédastique car Prob F-Statistique est supérieure à 5% comme le confirment les résultats du test de White :

White Heteroskedasticity Test:

F -statistic 0.614694 Probability Obs*R-squared 9.150859 Probability

0.800946 0.689994

83

c) Test de stabilité du modèle

Le sous-modèle AGRI est stable à court terme comme le montrent les résultats du test de CUSUM et de CUSUM of squares c-dessous :

15 10 5 0 -5

----... __

-10

---15

80 82 84 86 88 90 92 94 96 98 00

1-

^{CUSUM ---} 5% Significance 1.6

1.2

---0.8

---

---0.4

---

---0.0

-0.4

80 82 84 86 88 90 92 94 96 98 00

J _ _ CUSUM of Squares ---· 5% Significance

1!

J

2.2 Vérification du pouvoir prédictif du modèle de correction d'erreur

A court terme, le modèle ne peut pas être utilisé pour faire des prévisions de court terme comme le montrent le MAPE à plus de 131% en dynamique et 212% en statique, et le THEIL de 0,29 à 0,41. Ainsi le modèle ne peut pas être utilisé pour faire des prévisions de court terme comme le montrent les résultats ci-dessous (prévision en dynamique et dynamique)

+

En dynamique

Annexe 15: Résultats des estimations du sous-modèle ELEVAGE

Avant de procéder à l'estimation du sous-modèle, nous avons d'abord vérifié la stationnarité des nouvelles variables à l'aide du test Dickey Fuller Augmenté. Ces nouvelles variables sont la variable endogène (ELEVAGE), les variables explicatives Investissement direct dans le sous-secteur de l'élevage (G_DIRECT_LEVAGE), Prix des bovins (PRIXBOVIN), Prix des ovins (PRIX OVIN) et le résidu du sous-modèle pour vérifier ou non l'existence de relation de cointégration entre la variable endogène et les variables explicatives et pouvant autoriser l'estimation du modèle de correction d'erreur.

+

Les tests de stationnarité sur les variables supplémentaires du sous-modèle donnent les résultats suivants :

Comme la variable Investissement direct dans le secteur de l'elevage est stationnaire à niveau alors que toutes les autres variables sont 1(1), la prise en compte dans de cette variable dans le modèle ne pourra se faire qu'au niveau de l'estimation du modèle de correction d'erreur.

+

L'estimation de la relation de long terme donne les résultats suivants :

Variable Coefficien Std. Error t-Statistic Pro b.

t

c

6.944487 2.670799 2.600153 0.0171

LOG(DENS _ROU 0.671572 0.793049 0.846823 0.4071 TE)

LOG(DEVFIN) -0.920916 0.218363 -4.217357 0.0004 LOG(PF) -2.483803 1.262672 -1.967102 0.0632 LOG(PRIXBOVIN) 0.648405 0.323424 2.004813 0.0587 PRIX OVIN -0.000102 7.10E-05 -1.442177 0.1647 LOG(PRIXMIL) 0.666608 0.228287 2.920039 0.0085 R-squared 0.791526

Comme le montrent les résultats de l'estimation, les conditions de significativité globale et de validité du modèle sont remplies avec :

-Un coefficient de détermination multiple R2 égal à 79,15% et le Rajusté de 72,89%

-Un Durbin-Watson égale à 1,31

-Une Prob(F-statistic) égale à 0,000007.

Ces résultats permettent de mieux appréhender la corrélation entre les variables explicatives et les sous-composantes Elevage de la production rurale.

Pour la sous-composante Elevage, 4 variables explicatives sont significatives dans le modèle à long terme. Il s'agit de:

+

Développement financier : DEVFIN + Pression foncière : PF

+

Prix des bovins : PRIXBOVIN

+

Prix du mil : PRIXMIL

Les autres variables non significatives ont soit été retirés du modèle soit maintenus. Il s'agit notamment de:

+

Densité routière: DENS_ROUTE

+

Capital humain: TXS7

+

Electrification rurale : ELEC _RURALE + Prix des ovins : PRIXOVIN

87

H

1.1 Tests usuels de vérification de la qualité du modèle de long terme

a) test de non corrélation des résidus

Il n'y a pas de corrélation entre les résidus car Prob F-Stat supérieure à 5% comme le confirment les résultats du test de Breusch-Godfrey ci-après:

Breusch-Godfrey Seriai Correlation LM Test:

F-statistic 2.343408 Obs*R-squared 5.577866

Probability Probability b) Test d'homocédasticité de White

0.124592 0.061487

Le modèle est homocédastique car Prob F-Stat est supérieur à 5% comme le conforme les résultats du test de White ci-après:

White Heteroskedasticity Test:

F-statistic 1.088902 Obs*R-squared 13.03456

c) Test de stabilité du modèle

Probability Probability

0.434582 0.366534

Le modèle est stable comme le montrent les résultats du test de CUSUM et CUSUM of squares ci -après :

15~---,

10

----5

-5

-10

---15+-~~~~~~--~~~~~~~~~~~

78 80 82 84 86 88 90 92 94 96

1--

^{CUSUM ---·} 5% Significance

1.6

1.2 Vérification du pouvoir prédictif du sous-modèle à long terme

A long terme, l'estimation du pouvoir prédictif donne un MAPE de 0,033 et un THEIL de 0,02. Le coefficient du THEIL est bien proche de 0, donc le modèle est bon pour les prévisions. Le MAPE aussi confirme la qualité du modèle pour les prévisions car en cas d'utilisation du modèle à des fins de prévisions, on peut observer une marge d'erreur de 3,3%, comme le montrent les résultats ci -dessous :

3 . 6 . , - - - ,

Dan~ l'e.stimation du modèle de court terme, nous avons pris en compte l'investissement pubhc direct dans le secteur élevage (G_DIRECT ELEVAGE) variable stationnaire à niveau I(O), non pris en compte pour l'estimation de la rel;tion de long terme. L'estimation du modèle donne les résultats suivants pour le modèle à correction d'erreur:

Dependent Variable: D(LOG(ELEVAGE))

Vana e Pro .

0.636558 Mean depen ent var -0.018108 0.465526 S.D. dependent var 0.171120 0.125102

0.266057 -0. 16461

22.67543 3.721875

1.448815 0.010869

Comme le montrent les résultats de l'estimation, le modèle à correction d'erreur est significatif.

Les variables retenues expliquent à 63,65% les variations de la production de l'elevage avec toutefois un R2 ajusté très faible de 46,55%. La probabilité de la statistique de Fisher (0,01) indique que le modèle à court terme est aussi globalement significatif. Par ailleurs la significativité de la constante du modèle de court terme et le signe du coefficient du terme de correction d'erreur et sa forte significativité confirment la qualité du MCO.

A court terme, la pression foncière n'est pas significative mais toutes les autres variables explicatives significatives à long terme le sont aussi à court terme. C'est le cas du développement financier, du prix des bovins et du prix du mil.

On peut observer que l'investissement direct dans le secteur de l'élevage (G DIRECTELEV AGE) n'est pas significatif à l'instar de l'investissement direct agricole.

1.3 Tests usuels de vérification de la qualité du sous-modèle Elevage a) Test de non corrélation des erreurs de Breusch-Godfrey

Il y a corrélation entre les résidus comme le montrent les résultats du test (Prob F-Statitisque est proche de 5%):

Le sous-modèle ELEVAGE est homocédastique car Prob F-Statistique est supérieure à 5%

comme le confirment les résultats du test de White : White Heteroskedasticity Test:

La stabilité à court terme du sous-modèle ELEVAGE est douteuse sur la base des résultats du test de CUSUM of squares ci-dessous. Mais en faisant recours au test de Chow (en

considérant l'année exceptionnelle (1989) mise en exergue par le test de CUSUM carré, la stabilité du sous-modèle est bien confirmée car la probabilité de F-stat est supérieure à 5%.

15

1.6

1.2

---0.8

-

--0.4

0.0

---

---82 ⁸⁴ 86 88 90 92

1--

CUSUM of Squares ---· 5% Significance Chow Breakpoint Test: 1989

F-statistic 0.392313 Log likelihood ratio 7.097013

Probability Probability Prob F-stat > 5%, le sous-modèle est b1en stable.

0.901006 0.526203

d) Tests de normalités des résidus du sous-modèle ELEVAGE (Jarque-Bera)

+

Long terme

RESIDLOGELEV AGE

+

Court terme

1.4 Vérification du pouvoir prédictif du sous-modèle à court terme

A court terme, le modèle n'est pas bon pour faire des prévisions comme le montrent les

Annexe 16: Données statistiques sur les variables du modèle

Obs PROD RURALE G DIRECT DENS ROUTE DEVFIN TXS7 ELEC PF PRJXMU., 1971 49.95000 0.875900 1.280000 9.380000 8.200000 1.170000 26.39000 115.0000 1972 37.46000 0.867400 1.280000 11.75000 9.000000 1.270000 27.13000 92.00000 1973 39.41000 1.094900 1.280000 12.37000 10.60000 1.390000 27.89000 78.00000 1974 33.53000 1.140700 1.290000 15.47000 10.60000 1.560000 28.69000 90.00000 1975 46.19000 0.631800 1.290000 11.23000 10.60000 1.720000 29.52000 143.0000 1976 49.85000 3.821400 1.340000 9.580000 10.50000 2.070000 30.39000 100.0000 1977 45.08000 5.765700 1.410000 10.12000 10.70000 2.430000 31.29000 77.00000 1978 41.39000 4.568600 1.410000 10.32000 11.10000 2.850000 32.22000 88.00000 1979 38.76000 1.552200 1.420000 12.23000 11.60000 3.070000 33.18000 103.0000 1980 39.09000 1.282500 1.500000 12.02000 12.30000 3.510000 34.18000 129.0000 1981 38.43000 1.143200 1.560000 12.94000 13.15000 3.690000 35.22000 117.0000 1982 39.58000 1.037100 1.530000 14.17000 15.40000 4.040000 36.29000 102.0000 1983 39.03000 1.001500 1.550000 12.07000 16.41000 3.590000 37.39000 168.0000 1984 32.98000 1.078200 1.570000 12.95000 16.90000 3.650000 38.53000 162.0000 1985 33.82000 2.071400 1.770000 15.62000 17.38000 3.560000 39.70000 88.00000 1986 29.51000 2.746600 1.840000 15.70000 18.00000 3.610000 40.90000 141.0000 1987 28.85000 2.745900 1.840000 18.26000 20.12000 3.090000 42.14000 170.0000 1988 30.78000 2.966900 1.870000 17.38000 25.00000 3.150000 43.42000 73.00000 1989 29.04000 2.456000 2.090000 19.84000 28.50000 4.300000 44.75000 66.00000 1990 30.15000 2.765800 2.170000 20.59000 28.00000 4.300000 46.14000 99.00000 1991 31.78000 2.207500 2.220000 19.89000 27.40000 5.000000 47.57000 80.00000 1992 32.91000 1.317100 2.230000 18.51000 29.10000 5.000000 49.01000 95.00000 1993 33.02000 1.367000 2.560000 18.66000 30.60000 5.300000 50.63000 62.00000 1994 31.12000 1.947700 2.560000 15.36000 28.50000 5.400000 52.25000 65.00000 1995 30.16000 0.929800 2.560000 15.46000 30.00000 5.100000 5~.93000 40.00000

. . ^.

L4~9,$00. ^7,.~60QQQ ~7.5QQQQ ~.QOOOOO 55.67000 40.00000

1996 30.97000 14.'71000

1997 29.80000 L(17o1oo 2.~,~PRO.P

.

^13,1

lOOP

47,~00~0. f4ooooo 57.47000 35.00000 1998 33.06000 1.787500 2.566000 8.750000 27.40000 6.000000 59.35ooo 56.00000 1999 32.94000 1.222500 2.640000 7.190000 28.00000 6.000000 61.31000 78.00000 2000 31.06000 0.592600 2.680000 7.860000 29.00000 6.200000 63.37000 91.00000

Annexe 16: Données statistiques sur les variables du modèle (suite)

obs PRIXNIEBE URBPOP TELEDENS AGRI G_DIRECT

AG RI ELEVAGE G DIRECT

PRIXBOVIN PRIX OVIN ELEVAGE

1971 92.00000 9.000000 0.050000 33.04008 0.821000 16.91105 0.055000 228.0000 199.0000

1972 103.0000 9.000000 0.050000 24.39497 0.813000 13.06873 0.054000 225.0000 227.0000

1973 140.0000 10.00000 0.060000 25.59923 0.841000 13.80633 0.254000 280.0000 358.0000

1974 ^{168.0000 10.00000} 0.060000 21.85629 0.875000 11.67665 0.265000 200.0000 409.0000

1975 ^{202.0000 11.00000} 0.070000 25.98286 0.485000 20.20509 0.147000 243.0000 400.0000

1976 ^229.0000 11.00000 0.070000 28.84070 2.578000 21.00687 1.244000 318.0000 630.0000

1977 ^171.0000 11.00000 0.080000 27.44029 3.852000 17.63517 1.914000 400.0000 1139.000

1978 ^108.0000 12.00000 0.100000- 26.24959 3.052000 15_14015 1.517000 463.0000 1845.000

1979 126.0000 12.00000 0.100000 23.77961 1.448000 14.98060 0.104000 505.0000 2483.000

1980 ^177.0000 13.00000 0.100000 22.51081 1.197000 16.57678 0.086000 500.0000 2500.000

1981 ^134.0000 13.00000 0.100000 20.91314 1.067000 17.51868 0.077000 596.0000 2668.000

1982 ^132.0000 13.00000 0.110000 21.86711 0.968000 17.71162 0.069000 686.0000 2956.000

1983 232.0000 14.00000 0.110000 21.28619 0.934000 17.74742 0.067000 792.0000 3292.000

1984 ^239.0000 14.00000 0.120000 22.02945 1.006000 10.95426 0.072000 700.0000 3500.000

1985 ^167.0000 14.00000 0.120000 24.47040 1.730000 9.352141 0.342000 649.0000 2977.000

1986 ^240.0000 15.00000 0.120000 19.57545 2.356000 9.937255 0.391000 564.0000 2178.000

1987 300.0000 15.00000 0.120000 18.88413 2.262000 9.967713 0.484000 867.0000 3913.000

1988 ^209.0000 15.00000 0.110000 21.35257 2.508000 9.424841 0.459000 836.0000 2708.000

1989 ^152.0000 16.00000 0.120000 19.17096 2.086000 9.871783 0.370000 688.0000 2219.000

1990 ^233.0000 16.00000 0.120000 20.08077 2.510000 10.07310 0.255000 641.0000 2704.000

1991 170.0000 17.00000 0.120000 21.70492 2.090000 10.07804 0.117000 825.0000 2800.000

1992 172.0000 17.00000 0.120000 22.32807 1.150000 10.57815 0.167000 707.5000 2460.000

1993 114.0000 17.00000 0.120000 21.95922 1.172000 11.05978 0.195000 794.5000 2378.000

1994 80.00000 18.00000 0.120000 20.19197 1.883000 10.93292 0.065000 656.5000 1875.000

1995 ^84.00000 18.00000 0.140000 19.61946 0.834000 10.54457 0.096000 867.5000 1875.000

1996 ^109.0000 19.00000 0.150000 20.58195 1.247000 10.39211 0.243000 947.0000 2046.830

1997 ^136.0000 19.00000 0.150000 19.24269 1.353000 10.56078 0.318000 1044.000 2.000000

1998 144.0000 20.00000 0.160000 23.44171 1.618000

1999 109.0000 20.00000 0.170000 23.36335 1.005000

2000 112.0000 21.00000 0.170000 21.10222 0.463000

95

Dans le document Impact des investissements publics sur la production rurale au Niger (Page 86-0)