Global Journal of Human Social Science, E: Economics, Volume 22 Issue 1

qui résout les problèmes mentionnés ci-dessus. Cet estimateur MGM est basé sur l'enchâssement différentiel de l'équation originale (niveaux) afin de contrôler les effets non observés invariants dans le temps, et sur l'utilisation des observations précédentes des variables explicatives comme instruments qui ne seront pas corrélés avec les effets fixes (Roodman, 2009a). Pour éliminer l'effet spécifique à un pays, nous prenons d'abord les différences de l'équation (1) : (2) Des instruments sont nécessaires pour traiter le problème qui, par construction, le terme d'erreur de l'équation (2), ( ꞓ i,t, ꞓ i,t-1 ), est corrélé avec la variable dépendante décalée (SA i,t-1 ; SA i,t-2 ). Les instruments tirent parti de la nature de panel des données et sont constitués d'observations antérieures de la variable dépendante retardée. La même procédure peut également être appliquée pour tenir compte de l'endogénéité potentielle d'autres variables explicatives contenues dans Xi. Dans les hypothèses (d'identification) selon lesquelles le terme d'erreur, « e », n'est pas corrélé en série et les variables explicatives sont faiblement exogènes (ce qui signifie qu'elles ne sont pas corrélées avec les réalisations futures du terme d'erreur), les niveaux retardés des variables explicatives peuvent être utilisés comme instruments dans la spécification (De Jong et Ripoll, 2006). La première différenciation, accompagnée de l'utilisation du niveau des valeurs passées comme instruments, donne ensuite naissance à l'estimateur bien connu « Différence-MMG » (Arellano et Bond, 1991). Malgré sa supériorité par rapport aux estimateurs plus simples de données de panel, un problème avec cet estimateur « Différence-MGM » est que les niveaux retardés se sont avérés être des instruments faibles pour les premières différences, si les séries sont très persistantes (Bound et al., 1995). De plus, en prenant les différences premières, on perd des informations liées à la relation (de long terme) entre les variables explicatives et la variable dépendante. La présence d'instruments faibles affecte l'asymptotique et le petit échantillon par formance de l'estimateur Différence-MGM et peut conduire à des estimations de coefficient inefficaces et biaisées (Baltagi, 2008). Selon Arellano et Bover (1995), l'efficacité peut être accrue en ajoutant l'équation originale en niveaux au système, qui est connu sous le nom d'estimateur « System-MGM ». Nous utilisons l'estimateur « System-MGM » en deux étapes, qui intègre la correction de l'échantillon fini de Windmeijer (2005) pour les erreurs types. La variante à deux étapes de l'estimateur MGM utilise une matrice de pondération optimale pour les conditions de moment. Elle pondère les instruments par une estimation de leur matrice de covariance, ou plus précisément, pondère les moments en proportion inverse de leurs variances et covariances, de sorte que les instruments fortement corrélés obtiennent moins de poids dans le processus d'estimation (Roodman, 2009a). La consistance de l'estimateur MGM dépend de la validité des valeurs retardées des variables explicatives. Pour résoudre ce problème, nous considérons les tests de spécification suivants de la validité des hypothèses d'identification: Le AR d'Arellano et Bond (1991) (1) et les tests AR (2) des propriétés de corrélation en série de µ ; ꞓ , et le test de Sargan/Hansen (1982) de suridentification des restrictions. c) Base de données Les données utilisées dans l'étude sont des données de panel comprenant un total de 11 pays sur la période 2014-2020, sélectionnés en fonction de la disponibilité des données. Le choix des variables décrites dans cette partie est guidé par le cadre conceptuel de la FAO (2003a) pour les réformes commerciales et la sécurité alimentaire, l'expérience acquise lors d'études antérieures et la disponibilité des données. La plupart des données utilisées dans cette étude proviennent des Indicateurs du développement dans le monde (WDI) de la Banque mondiale et de FAOSTAT. Nous considérons quatre groupes de déterminants de la sécurité alimentaire: Premièrement, les variables qui tiennent compte du contexte et des caractéristiques du pays; deuxièmement, les variables qui reflètent le développement économique et démographique; troisièmement, les variables qui reflètent les événements non économiques/chocs extatiques et quatrièmement, notre mesure de l'ouverture commerciale, qui est la variable explicative la plus intéressante dans l'étude. Afin de tester notre hypothèse, nous formulons le modèle économétrique suivant (3) Avec : (OC) l’Ouverture Commerciale ; (CA) Conflit Arme ; (TA) Terre Arable ; (PR) Population Rurale ; (DN) Désastre Naturel. Volume XXII Issue I Version I 24 ( ) Global Journal of Human Social Science - Year 2022 © 2022 Global Journals E L’ouverture Commerciale Contribue-T-Elle À La Sécurité Alimentaire En Zone Franc ? : Une Étude En Panel Dynamique