E- Analyse de sensibilité

L'analyse de sensibilité est employée pour prévoir les changements les plus probables de la demande des produits d'un secteur (ou d'une entreprise) en fonction de quelques tendances connues des variables auxquelles ce secteur est le plus sensible. Les aspects mathématiques de cette technique ont été décrits dans la Section E du Chapitre 5 et leur utilisation dans la Section E-2 du Chapitre 9. Certaines des principales tendances à long terme et des variables d'attitude à court terme qui sont généralement étudiées seront discutées dans la Section A du chapitre 15. Dans ce chapitre, nous montrerons comment ces variables sont intégrées dans une analyse sectorielle.

La méthode consiste à employer des données historiques des ventes du secteur et un ensemble de variables énumérées ci-dessous pour identifier lesquelles ont le plus d'impact sur des ventes du secteur. Des régressions des moindres carrés sont menées sur autant d'années que possible pour déterminer quelles variables sont le plus corrélées avec les changements des ventes du secteur. Voici certaines des principales variables économiques :
- population totale, nombre de naissances, nombre des décès,
- distribution de la population par âge, sexe, statut marital, niveau d'étude,
- produit intérieur brut, revenu national, dépenses de consommation, mises en chantier,
- investissement brut et net, production de biens durables,
- taux d'epargne, indices boursiers,
- indice des prix à la consommation, indice des prix de gros, salaire horaire moyen,
- taux de chômage, durée de la semaine de travail, proportion d'interimaires,
- taux d'intérêt des emprunts d'état, taux préférentiels des banques commerciales, taux des emprunts immobilliers,
- données régionales pour tout ce qui précède.

Souvent, les variables économiques ne sont pas exprimées en termes courants absolus, mais en taux de variation réel. Ainsi certaines des variables économiques les plus courantes à essayer de corréler avec le taux de croissance sectoriel des ventes sont :
- le taux annuel de variation du revenu national,
- le taux de croissance de la population,
- le taux de croissance du produit intérieur brut,
- le taux d'inflation.
Les variables exogènes à retenir dans la liste de variables ci-dessus sont celles qui ont le potentiel explicatif le plus élevé (en termes statistiques, cela signifie une statistique élevée d'au moins 2 pour t, avec un R ² global supérieur à 50, comme expliqué dans la Section E-1 du Chapitre 5 , et qu'on peut raisonnablement imaginer avoir un effet causal sur la variable dépendante (à savoir les ventes du secteur).

Les variables d'attitude des consommateurs sont souvent combinées avec les variables économiques. On les trouve dans les études menées par le Conference Board et par l'Université du Michigan. Pour les secteurs affectés par le commerce international, le volume annuel des exportations et/ou des importations, la balance des comptes courants et les taux de change sont à employer. Pour la fabrication, le taux d'utilisation des capacités de production est important. Pour le secteur financier, les agrégats monétaires M1, M2 et M3, ainsi que les rendements des divers instruments financiers sont certaines des variables utilisées. Pour beaucoup de secteurs, le coût des matières premières sera une variable exogène importante. Cela s'applique au carburant pour les lignes aériennes, au bois de charpente pour la construction, à l'électricité pour l'aluminium, etc... En outre, l'impact des lois futures peut être inclus dans la régression avec une certaine approximation quantitative.

Après obtention de résultats de régression solides qui expliquent le modèle historique des ventes du secteur, l'analyste doit trouver la projection la plus récente des variables explicatives pour l' année suivante ou pour la prochaine phase du cycle commercial. L'analyse de sensibilité est parfois prolongée au delà du cycle commercial actuel ; mais c'est rare parce que les projections de tendance économique au delà de deux ou trois ans sont bien plus incertaines et que les variables d'attitude ne peuvent plus être utilisées. La dernière étape est la plus facile : il s'agit de calculer la valeur de la variable endogène.

Par exemple, un analyste veut prévoir les variations dans les mises en chantier de nouveaux logements pour l'année suivante dans une région donnée. Son analyse de régression pour les 20 dernières années dans cette région a prouvé que le taux de croissance des mises en chantier est expliqué à égalité (33% pour chaque facteur) par la croissance de la population, la baisse des taux des emprunts immobiliers et la baisse du prix du bois de charpente. Si les modèles économique et démographique restent les mêmes l'année suivante, mais qu'on s'attend à ce que les taux des emprunts immobiliers augmentent d'un pour cent, l'analyste peut prévoir que le taux de croissance des mises en chantier dans la région chutera de 0,33% l'année suivante.

Voir les questions de révision de Q-14E.1 à Q-14E.7

Voir le travail de recherche R-14E.1

  Practice questions

  Assignments

  Readings

 Quiz

[Votre opinion nous est importante. Posez vos questions et offrez vos remarques, critiques ou suggestions à contact information ou bien utiliser les forums ]

Précédent: Services privés et publics

Modifié: 2010-06-18

Suivant: Prévisions technologiques