|
Résumé :
|
L'objectif principal du présent travail est d'améliorer la précision des prévisions de la croissance économique du Maroc, entre 1967 et 2018. Il vise à proposer un modèle empirique capable de saisir les fluctuations non linéaires de l'environnement économique instable, ainsi que de mettre en œuvre l'importance des variables déterministes de l'économie marocaine. Cette analyse se base de manière empirique sur la comparaison de la precrsion des prévisions de la croissance économique entre un modèle des réseaux neuronaux artificiels du type PMC, émanant des sciences de l'intelligence artificielle, et un modèle classique ARIMAX qui dérive de la démarche de Box-Jenkins, ceci en s'appuyant sur cinq variables économiques susceptibles d'expliquer la croissance économique représentée par le PIB, à savoir le produit intérieur brut agricole, la formation brute de capitale fixe, la masse monétaire, les importations et les exportations des biens et services. Les données nécessaires à l'étude ont été collectées à partir du site officiel de la banque mondiale. Ainsi, tous les agrégats économiques sont évalués en monnaie locale constante et en pourcentage de croissance annuelle. Les résultats de l'analyse descriptive préliminaire indiquent que tous les agrégats économiques ont une tendance à la hausse avec des variations annuelles instables. Les pics constatés dans la série du taux annuel de la croissance du PIB sont pour la plupart des années en phase avec ceux du PIBAG, en plus d'un effet compensateur des autres variables retenues. Quant à l'analyse économétrique, les résultats utilisant différents indicateurs de la performance prédictive (R2, MSE, MAE et RMSE) montrent que le modèle PMC du réseau de neurones artificiels prédit mieux la croissance du PIB du Maroc que le modèle ARIMAX. En fait, pour le modèle PMC, la qualité d'ajustement est de 98%, tandis que celle du modèle ARIMAX est de 90%. Le modèle PMe a révélé aussi l'importance contributive du PIB agricole, par rapport aux autres variables dans la formation du réseau PMe optimal (55,2%L ce qui corrobore avec l'effet causal quantifié par le modèle ARIMAX en termes d'élasticité qui est de 15% entre le PIB agricole et la croissance économique. L'étude de la stabilité des prévisions du modèle PMe proposé, pour une période restreinte de 1980 jusqu'à 2018, a montré une bonne qualité d'ajustement de 92% avec une baisse par rapport au modèle global, ce qui justifie la non unicité des modèles neuronaux, et par conséquent la possibilité de trouver un autre réseau PMe plus flexible pour la période 1980- 2018. L'ensemble des résultats laissent à dire d'une part, que les modèles de l'intelligence artificielle est un nouveau moyen performant pour la modélisation des séries économiques, et d'autre part, que les performances du secteur agricole continuent de conditionner celles de l'économie toute entière, à travers les conditions relatives aux campagnes agricoles favorables/défavorables. Mots clés: Croissance économique, Intelligence artificielle, Réseaux neuronaux artificiels, Modèle PMC, Modèle ARIMAX.
|
