Application économétrique et analyse des résultats

Application économétrique et analyse des résultats

Dans le cas de deux outputs agrégés et trois prix d’inputs, nous utiliserons une spécification Translogarithme mono-produit pour des données de panel équilibré de la fonction de coût. L’utilisation de la fonction translogarithme, en plus de sa flexibilité, permet de résoudre les problèmes posés par les fonctions de type Cob Douglas et CES, utilisées auparavant ; En effet, elle n’impose aucune restriction a priori à la forme de la courbe des coûts moyens et 𝑢) En élargissant le modèle, nous obtenons une spécification finale qui comporte 15paramètres d’intérêt à estimer : présente des inconvénients. Néanmoins, par sa flexibilité, elle représente le modèle privilégié des économistes dans leurs analyses des caractéristiques de la technologie bancaire. Par ailleurs, la méconnaissance de la forme de la fonction de coût dans le secteur bancaire, nous conduit nécessairement à opter pour la forme translog standard. 2. Contraintes d’homogénéité : toute fonction de coût doit être homogène de degré un en prix des inputs. Ainsi, une augmentation proportionnelle de tous les prix accroît le coût total dans la même proportion sans que la demande des facteurs ne soit affectée. Cette condition d’homogénéité implique d’autres contraintes qui s’expriment de la façon suivante : Ln (PF) et Ln (CT). A priori, ce choix n’a aucun incident sur les résultats dans la mesure où les estimateurs sont obtenus par la méthode de maximum de vraisemblance. Ces restrictions nous ont permis de réduire le nombre de coefficients à estimer de 15 à 10 paramètres.

Les déterminants du niveau de l’inefficience

Notre objectif dans cette étude ne se limite pas à l’estimation de la frontière de coût ; Mais, également à identifier les variables, en générale, sous contrôle bancaire, qui déterminent les niveaux de l’inefficience. Dans cette étude, nous allons nous focaliser sur les variables bancaires internes, étant donné que chaque bancaire présente des caractéristiques propres à elle. En effet, afin d’éviter les inconvénients de l’analyse en deux étapes Two-step, nous privilégierons l’approche en une seule étape, développé par Battese & Coelli (1995) . Ainsi on dissocie une composante déterministe du niveau de l’inefficacité technique. Cette composante englobe un ensemble de variables censées affecter l’efficience de la banque et une partie aléatoire associée aux acteurs non observables. Nous avons choisi deux groupes de variables. Le premier concerne les caractéristiques financières des banques, et le deuxième renvoie à l’aspect organisationnel. Bien que dans la littérature , beaucoup d’auteurs ont inclus un autre groupe qui concerne la capacité managériale du personnel de la banque , qui est appréciée par la variable de l’effectif moyen par agence ou la part des cadres supérieurs par rapport aux effectifs totaux ; Ceci-dit , les données relatives aux ressources humaines des banques n’étant pas disponibles dans notre base de données , nous nous sommes contentés des autres variables financières et organisationnelles . Nous avons calculé ces ratios sur la base de données fournies par la base de données BankScope publiée par le bureau de VanDijk. l’impact de la taille de la banque sur la performance, les études empiriques ont débouché sur des résultats mitigés. Dans une investigation sur la relation entre l’efficience et la taille des banques Américaines Aly, Grabowski, Pasurka & Rangan en 1990, ainsi que Berger & Bonaccorsi di Patti en 2006 ont trouvé une relation positive. D’un autre côté De Young et Nolle , 1996 ; Isik et Hassan, 2002 ont trouvé une relation négative ; Alors que d’autres études en ont même pas trouvé une relation significative(cité par Bannour & Labidi, 2013).

L’imposition d’une ou plusieurs restrictions dans la formulation de notre modèle donne une multitude de choix. Dans cette étude avons essayé d’estimer plusieurs modèles, pour chaque simulation nous supposons que le terme d’inefficience assume soit une distribution semi normale soit une distribution normale tronquée. Nous remarquons d’après le tableau [3.6] que la qualité des estimations du modèle (1) (modèle de base) n’est pas satisfaisante (statistiquement) dans la mesure où les coefficients des paramètres ne sont pas significatifs au seuil de (1%, 5% ou 10%). Ce-si pourrait s’expliquer par le nombre des paramètres à estimer qui se rapproche du nombre des individus, ainsi nous avons allégé le modèle en intégrant, au fur et à mesure, seulement les variables d’inefficience les plus pertinentes en matière d’influence sur l’inefficience. Et malgré la réduction du nombre de paramètres, nous avons obtenu des résultats non significatifs pour les modèles (3), (4) et (5). Ce qui nous a conduits à supposer que la technologie bancaire peut être représentée par une fonction de coûts Cobb-Douglas. Et ce pour réduire au maximum le nombre de paramètres, Cependant la non significativité persiste toujours.