Soyez les Bienvenus

ÉCOLE NATIONALE SUPÉRIEURE DE STATISTIQUE ET D’ECONOMIE APPLIQUÉE ENSSEA Mémoire de Fin d’Etudes En vue de l’obtention du diplôme d’ingénieur d’Etat en Statistique et Economie Appliquée Option : Statistiques appliquées Thème:   «  Modélisation et prévision sur l’offre nationale des matériaux de constructions » CAS CIMENT

INTRODUCTION: Le secteur des matériaux de construction a connu un véritable regain d’activité porté par un vaste programme d’investissement (auto route est-ouest, voies ferrés et plus d’un million de logements) durant le quinquennal 2008-2012. Ainsi que le marché du ciment

PROBLEMATIQUE: Le ciment étant le produit le plus utilisé dans toutes les infrastructures, et plus spécifique, dans le sens où on ne peut pas le stocker pour une longue période, il est donc nécessaire de modéliser la demande en vue de l’adéquation offre/ demande.

.l’influence de la production sur l’offre du ciment HYPOTHESE: Existence d’une corrélation entre les variables étudiés. .l’influence de la production sur l’offre du ciment H1 H2

PLAN DE TRAVAIL CHAPITRE1 Etude descriptive et économétrique sur l’offre nationale du ciment. CHAPITRE2 Traitement des séries chronologiques et la méthodologie de box-Jenkins CHAPITRE3 Analyse des séries chronologiques par la méthode de box-Jenkins.

ANALYSE DU MARCHÉ DES MATÉRIAUX DE CONSTRUCTION :

Marché algérien du ciment

Production Importation L’OFFRE DU CIMENT   ANNÉE   Production   Importation Offre globale Quantité(T)  Part(%) 2009 18 243 496 98 395 333 2 18638829 2010 17 580 412 87 2602231 13 20182643 2011 18 838 104 93 1347719 7 20185823 2012 18784211 91 1796706 9 20580917

MODÉLISATION DES VARIABLES AU CAS DE L’OFFRE DU CIMENT : Apres avoir une approche analytique sur l’offre nationale du ciment, nous allons construire un modèle économétrique qui correspond à notre phénomène. PRÉSENTATION DES VARIABLES. Logoff : logarithme de l’offre globale du ciment. Logprod : logarithme de production du ciment. logimp : logarithme de l’importation. La fonction suivante représente la forme générale du modèle proposé.

Le modèle estimé s’écrit comme suit : Estimation du modèle :  Tableau (10) : Résultats d’estimation du modèle Variable Coefficient Std. Error t-Statistic Prob.   C 7.753828 0.630408 12.29970 0.0000 LOGPROD 0.377850 0.019223 19.65595 LOGIMP 0.125733 0.044647 2.816167 0.0067 AR(1) 0.164157 0.135780 1.208993 0.2318 R-squared 0.899799     Mean dependent var 14.68118 Adjusted R-squared 0.894333     S.D. dependent var 0.725468 S.E. of regression 0.235824     Akaike info criterion 0.013928 Sum squared resid 3.058715     Schwarz criterion 0.154778 Log likelihood 3.589135     Hannan-Quinn criter. 0.068910 F-statistic 164.6315     Durbin-Watson stat 2.018378 Prob(F-statistic) 0.000000 Le modèle estimé s’écrit comme suit :

Offre réalisée (tonne) Prévision : Tableau (12): Résultat de prévision par la méthode MCO. Offre prévue (tonne) Offre réalisée (tonne) Variation(%) Premier trimestre 1521797 728047.75 0.09 Deuxième trimestre 1535910 742259.29 0.06 troisième trimestre 1559536 765624.75 0.03 quatrième trimestre 1551067 757133.75 0.04 total 6168310 2993065.54 Conclusion : Ce chapitre nous a permis dans un premier temps d’effectuer une analyse descriptive de la production et des importations des matériaux de constructions notamment le ciment. En second lieu a établir un modèle acceptable économiquement et statistiquement pour expliquer l’offre nationale du ciment.

ANALYSE DES SÉRIES CHRONOLOGIQUES PAR LA MÉTHODE DE BOX-JENKINS. Plusieurs étapes préliminaires sont nécessaire afin de modéliser le phénomène et le prévoir: Etude de la série de la production du ciment : 1. Identification du schéma de composition

Figure 21 :Evolution de la série . Dessaisonalisation de la série brute : correlogramme de la série IMPSA PROD IMP Figure 21 :Evolution de la série .

Dessaisonalisation de la série. Figure 19 : Représentation graphique et le correlogramme de la série SAPROD.

Identification et estimation du modèle à priori : On procède à l’étude du corrélogramme simple et partiel :afin de déterminer le modèle adéquat. Après plusieurs tentatives d’estimation du modèle. Le modèle qui ait pu être validé est le suivant : Variable Coefficient Std. Error t-Statistic Prob.   AR(5) 0.403452 0.126680 3.184797 0.0026 SAR(4) -0.294791 0.127074 -2.319836 0.0249 SARIMA (5.0.0) (1.0.0)

le modèle adéquat est le suivant : .. Identification et estimation du modèle : le modèle adéquat est le suivant : sarima(0,1,1)(1,1,1) Variable Coefficient Std. Error t-Statistic Prob.   MA(1) 0.430280 0.128514 3.348123 0.0015 SMA(4) 0.882123 0.076184 11.57886 0.0000

Prévision : Tableau21 : Prévision sur l’offre nationale du ciment par les séries chronologique en tonne . Offre prévu Offre réelle variation Premier trimestre 1521797 155649.7 0.89 Deuxième trimestre 1535910 1051782 0.31 Troisième trimestre 1559536 1262482.23 0.19 Quatrième trimestre 1551067 1282784.70 0.17 Total 6168310 3752698.63 0.39

Modèle économétrique Série chronologique RMSE 3175244.5 1761316.8

CONCLUSION Le marché du ciment occupe une place importante dans l’économie nationale durant la dernière décennie. Rappelons que l’objet de notre étude était de modéliser la demande. Pour ce faire on a eu recours à des outils statistiques notamment la modélisation économétrique et la méthode de Box-Jenkins. Nos recommandations pour le cas étudié est de construire de nouvelles cimenteries répartie sur le territoire national et l’association à des sociétés privées.

Merci pour votre attention