Présentation CFAR-m - Français - PowerPoint
-
Upload
businessangeleu -
Category
Business
-
view
3.724 -
download
4
description
Transcript of Présentation CFAR-m - Français - PowerPoint
Présentation de :
CFar-mAggregation and Ranking method
1
Nouri CHTOUROU
Professeur en Sciences Économiques
Rochdi FEKI
Professeur en Méthodes Quantitatives
.
Sommaire
2
1. Les indicateurs composites et classement
4. Quelques applications de l’algorithme CFar-m
2. Les méthodes classiques de construction d’indicateurs composites et leurs limites
3. L'algorithme CFar-m
3
1. Les Indicateurs Composites et le classement
Un Indicateur Composite est un agrégat qui résume l’information fournie par
plusieurs indicateurs simples en un seul score qui permet le classement, chaque
indicateur représentant une dimension du phénomène étudié.
La compétitivité (Indice Global de Compétitivité-FEM)
Le risque-pays (ICRG-PRS group)
Le bien-être (Health System Achievement Index-WHO)
L’environnement (Environmental Sustainability Index- WEF)
La gouvernance (Indice de Perception de la corruption - Transparency International)
L’innovation (Technology Achievement Index- UN)
…
Les Indicateurs Composites sont de plus en plus utilisés pour classer les pays, les entreprises, les clients, les établissements …., dans beaucoup de domaines :
De quoi s’agit-il ?…
Deux raisons essentielles :
1- Complexité de l’économie moderne : un seul ou une série d’indicateurs simple ne suffisent plus.
2- Développement des TIC : une énorme quantité d’information à traiter .
4
Un grand intérêt …
1. Les Indicateurs Composites et le classement
La demande et la production des Indicateurs Composites connaissent une croissance rapide.
Recherches Google sur les indicateurs
composites
5
Les méthodes d’agrégation les plus utilisées :
• L’agrégation basées sur la qualité statistique des données
• L’agrégation utilisant l’avis d’experts
• L’agrégation utilisant le niveau de dispersion des variables
• L’agrégation utilisant l’analyse en Composantes Principales
• L’agrégation utilisant une équipondération des variables
• L’agrégation basée sur l’analyse par enveloppement des données
• L’agrégation utilisant les modèles à variables non observables
2. Les méthodes classiques de construction d’indicateurs composites et leurs limites
Une longue liste …
6
Les limites des méthodes classiques :
• Elles sont exogènes
• Elles sont linéaires
• Elles perdent de l’information
• Elles ne possèdent pas d’aptitudes positives
Beaucoup de problèmes…
2. Les méthodes classiques 3. de construction d’indicateurs composites et leurs
limites
Un modèle, baptisé CFAR-m, est basé sur l’Intelligence Artificielle. Il est
utilisé pour la construction d’indicateurs composites permettant
d’effectuer des Classements.
Les pondérations des composantes sont déterminées, grâce
à un processus d’apprentissage, à partir du contenu
informationnel des variables elles-mêmes.
7
3. L'algorithme CFAR-m
Innovation
Notre solution …
C-FARm opère en trois étapes structurellement combinées :
8
Etape 1 : Dans un premier temps, elle réalise, via un processus d’apprentissage
prenant en compte les rétroactions positives et négatives entre les variables,
une auto-organisation des individus en sous-ensembles homogènes (présentant
des similitudes globalement par rapport au phénomène étudié).
3. L'algorithme CFAR-m Notre solution …
9
Etape 2 : Dans un deuxième temps, elle détermine des pondérations
appropriées à chaque exemple.
3. L'algorithme CFAR-m Notre solution …
10
Etape 3 : Dans un troisième temps , ces pondérations sont appliquées aux
données initiales afin de calculer l’indicateur composite et d’en extraire le
classement général.
3. L'algorithme CFAR-m Notre solution …
11
Fonctionnement de CFAR-m
L’originalité de CFAR-m
Le classement obtenu repose sur une technique originale qui, contrairement aux techniques existantes, possède les caractéristiques exclusives suivantes :
Objectivité Aucune manipulation des pondérations : La pondération dégagée est résolument objective puisqu’elle émane du contenu informationnel des variables elles-mêmes et de leur dynamique interne. Ce dernier trait de notre modèle représente une précieuse avancée et un réel dépassement de ce qui se pratique actuellement en termes de classification/agrégation.
12
Spécificité Une équation spécifique à chaque individu pour le calcul de son indicateur
Support décisionnel possibilité d’effectuer des simulations et de proposer au décideur des plans d’action et une
séquence optimale de réformes
4. Quelques applications de l’algorithme C-FAR-m
13
Application 1: Calcul de l’Indicateur CFAR-m du Développement
Humain Comparaison avec la technique d’agrégation utilisant une équipondération des différentes dimensions : PNUD
Application 2: Calcul de l’Indicateur CFAR-m de gouvernanceComparaison avec la technique d’agrégation utilisant le niveau de dispersion des pour pondérer les dimensions : MINEFI
Application 3: Calcul de l’Indicateur CFAR-m du Risque-paysComparaison avec la technique d’agrégation utilisant des pondérations basée sur l’avis d’experts : PRS Group
Application 1
Calcul de l’Indicateur CFAR-m
du Développement Humain
Comparaison avec la technique d’agrégation utilisant
une équipondération des différentes dimensions : PNUD
14
Niveau de santé
Niveau d’éducation
Niveau de revenu
IDH
Dimensions
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement
HumainLe rapport mondial sur le développement humain (1990) contenait un nouvel
indicateur, l’indice du développement humain (IDH), qui exprimait en une seule
mesure trois dimensions du processus de développement :
15
Variables (indicateurs élémentaires)
Taux d’espérance de vie à la naissance
Taux d’alphabétisation des adultes
Taux de scolarisation
PIB/h
Capacités de mener une vie longue et en bonne santé
Capacités d’acquérir des connaissances, de communiquer et de participer à la vie de la communauté
Capacités d’accès aux ressources nécessaires pour un niveau de vie convenable
Une fois le calcul de l’indice effectué pour tous les pays, un classement peut être
obtenu. On procède alors à la présentation des résultats :
16
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement
Humain
Les principales critiques faites à l’IDH :
Vide théorique : pas de fondements conceptuels aux indicateurs proposés,
d’où portée empirique uniquement
Des dimensions importantes ne sont pas prises en compte : la liberté, les
droits, la gouvernance, l’environnement, la sécurité des individus, etc.
Les trois dimensions sont fortement corrélées, d’où redondance de
l’information
L’IDH est fortement corrélé avec le PIB (0,89 selon MacGillivray, 1991).
Schéma de pondération arbitraire, largement relevé par les critiques
Ne rend pas compte des inégalités de distribution du bien-être qu’il est censé
mesurer.17
Les principales critiques faites à l’IDH :
“The best known macro-indicator in the world is probably the Human
Development Index (HDI) developed by the United Nations Development
Program. It has been severely criticized for combining together indicators
of income, health and education to create a composite index, both on the
grounds that the weights are arbitrary and unjustified and on the
grounds that the three components of the index are highly correlated and
hence give redundant results”Literature Review of Frameworks for Macro-indicatorsAndrew Sharpe (2004)
18
19
Etape 1 : Classification des pays
Exemple 1 : Calcul de
l’Indicateur CFAR-m du
Développement Humain
20
Indice d’espérance de vie
Indice de niveau d’instruction
Indice de
PIB
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Rappel : Pour le PNUD … une équipondération problématique !
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
21
Les pondérations varient d’un pays à un autre : illustration de la non-linéarité de CFAR-m
Indice d’espérance de vie
Indice de niveau d’instruction
Indice de
PIB
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
22
Les poids des variables dans le calcul varient d’un pays à un autre :
Spécificités
La possibilité de détecter les dimensions qui ont le plus pesé dans le calcul de l’IC pour chaque pays :
Intensité et Signe
La fixation des la pondérations s’effectue suite à un processus d’apprentissage itératif et d’une façon endogène :
Objectivité
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Le classement CFAR-m sera ainsi objectif et pertinent
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
Etape 3 : Calcul de l’indicateur CFAR-m du développement humain et classement des pays
23
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
Etape 3 : Calcul de l’indicateur CFAR-m du développement humain et classement des pays
24
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
Nombre de places gagnées dans le classement mondial 25
CFAR-m est un outil précieux d’aide à la décision
La spécificité des pondérations autorise la simulation
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
Nombre de places gagnées dans le classement mondial 26
La spécificité des pondérations autorise la simulation
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
CFAR-m est un outil précieux d’aide à la décision
Nombre de places gagnées dans le classement mondial 27
La spécificité des pondérations autorise la simulation
Exemple 1 : Calcul de l’Indicateur CFAR-m du Développement Humain
CFAR-m est un outil précieux d’aide à la décision
Application 2
Calcul de l’Indicateur CFAR-m de
gouvernanceComparaison avec la technique d’agrégation utilisant le
niveau de dispersion des pour pondérer les dimensions :
MINEFI
28
29
La base de données « Profils Institutionnels »
Présente un ensemble d’indicateurs portant sur les caractéristiques institutionnelles de 85 pays développés et en développement Accessible à l’adresse suivante : http://www.cepii.fr/francgraph/bdd.institutions.htm
Le poids de chaque variables dans l’indicateur de gouvernance est égal à son écart-type
132 variablesProcédure
d’agrégation de l’information
9 indicateurs de gouvernance
Application 2 : Calcul de l’Indicateur CFAR-m de
gouvernance
30
Le poids de chaque variable dans l’indicateur de gouvernance est égal
à son écart-type
9 indicateurs de gouvernance1 : Institutions politiques
2 : Ordre public
3 : Fonct. des administrations
4 : Liberté de fonct. des marchés
5 : Dispositions pour le futur
6 : Sécurité des transactions
7 : Régulation
8 : Ouverture sur l'extérieur
9 : Cohésion sociale
Procédure d’agrégation de
l’information
132 variables
85 p
ays
La base de données « Profils Institutionnels »
Présente un ensemble d’indicateurs portant sur les caractéristiques institutionnelles de 85 pays développés et en développement. Accessible à l’adresse suivante : http://www.cepii.fr/francgraph/bdd.institutions.htm
Application 2 : Calcul de l’Indicateur CFAR-m de
gouvernance
31
Etape 1 : Classification des pays
Application 2 : Calcul de
l’Indicateur CFAR-m de
gouvernance
Cas de la dimension 1 :
« Institutions politiques »
32
Les composantes de la première dimension : Institutions politiques
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Rappel : La méthode du MINEFI
Application 2 : Calcul de l’Indicateur CFar-m de gouvernance
Poids d'une Niveau de sa
variable dispersion
⎛ ⎞ ⎛ ⎞=⎜ ⎟ ⎜ ⎟
⎝ ⎠ ⎝ ⎠
Composante qui compte le moins dans le calcul !
Composante qui compte le plus dans le calcul !
Comment peut-on justifier ces pondérations ? Comment peut-on justifier la validité de ces pondérations pour tous les pays ?
33
Les composantes de la première dimension : Institutions politiques
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Application 2 : Calcul de l’Indicateur CFAR-m de gouvernance
Processus d’auto-pondérations des variables extraites à partir du contenu informationnel des données elles-mêmes : aucune manipulation
Algorithme CFAR-m
34
Les composantes de la première dimension : Institutions politiques
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Application 2 : Calcul de l’Indicateur CFAR-m de gouvernance
Processus d’auto-pondérations des variables extraites à partir du contenu informationnel des données elles-mêmes : aucune manipulation
Algorithme CFar-m
35
Les composantes de la première dimension : Institutions politiques
Etape 2 : Détermination des pondérations spécifiques par CFAR-m
Application 2 : Calcul de l’Indicateur CFAR-m de gouvernance
Processus d’auto-pondérations des variables extraites à partir du contenu informationnel des données elles mêmes : aucune manipulation
Algorithme CFar-m
Etape 3 : Calcul de l’indicateur CFAR-m de gouvernance et classement des pays
36
Dimension 1 : « Institutions Politiques »
Pays en tête de classement
Classement CFar-m
Classement MINEFI
Différence de classements
Suède 1 1 0
France 2 3 -1
Nouvelle Zélande 3 2 1
Espagne 4 6 -2
Canada 5 4 1
Allemagne 6 5 1
Norvège 7 7 0
États-Unis 8 15 -7
Italie 9 12 -3
Inde 10 9 1
Rép. tchèque 11 8 3
Irlande 12 11 1
Sénégal 13 16 -3
Brésil 14 18 -4
Israël 15 21 -6
Hong Kong, 16 26 -10
Grèce 17 10 7
Hongrie 18 14 4
Argentine 19 19 0
Etape 3 : Calcul de l’indicateur CFAR-m de gouvernance et classement des pays
37
Classement selon l’indicateur CFAR-m de gouvernance
Pays en tête de classement
Pays en bas de classement
1 Suède 76 Nigeria
2 Irlande 77 Cameroun
3 Israël 78 Yémen
4 Espagne 79 Ouzbékistan
5 Canada 80 Mauritanie
6 Norvège 81 Égypte
7 Italie 82 Syrie
8 Allemagne 83 Iran
9 Portugal 84 Côte d`Ivoire
10 Hongrie 85 Tchad
Une fois que toutes les dimensions du profil institutionnel ont été calculées, nous avons procédé à l’aide de CFAR-m à l’agrégation finale, ce qui a permis de calculer l’indicateur CFAR-m de gouvernance et de procéder au classement général des pays : cela n’a pas été possible pour le MINEFI !
N
ombr
e de
pla
ces
gagn
ées
dans
le c
lass
emen
t mon
dial
38
CFAR-m est un outil précieux d’aide à la décision
Application 2 : Calcul de l’Indicateur CARr-m de gouvernance
Les dimensions du profil institutionnel concernées par l’amélioration d’un dixième de point (une à chaque fois)
Avec la même intensité d’effort, c’est la dimension qui permet d’avancer plus rapidement
39
Application 3
Calcul de l’Indicateur CFAR-m du risque-paysComparaison avec la technique d’agrégation utilisant des
pondérations basées sur l’avis d’experts : PRS Group
40
Procédure :
Variableséconomiques
Procédure d’agrégation de
l’information
Indicateur du risque
« Boite noire »En général, pas d’indications concernant le processus de transformation des
intrants en indicateurs : la méthodologie de calcul
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
41
Chaque sous-indicateur est lui-même composé d’un certain nombre de composantes :
Cas de l’«International Country Risk Guide» du PRS Group
L’ICRG décompose le risque pays en trois catégories :
Sous-indicateur 1 :
Risque politiqueSous-indicateur 2 :
Risque économiqueSous-indicateur 3 :Risque financier
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
42
Chaque sous-indicateur est aussi composite :
Sous-indicateur 1 :
Risque politique
12 composantes Points (max)
A Stabilité du gouvernement 12
B Conditions socio-économiques 12
C Conditions de l’investissement 12
D Conflits internes 12
E Conflits externes 12
F Corruption 6
G Influence militaire sur la politique 6
H Influence des religions sur la politique 6
I Loi et régulation 6
J Pression des ethnies 6
K Responsabilité démocratique 6
M Bureaucratie et stabilité des institutions 4
Total 100
Cas de l’«International Country Risk Guide» de l’agence PRS
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
43
5 composantes Points (max)
A PIB par tête 5
B Croissance du PIB réel 10
C Taux d’inflation annuelle 10
D Solde budgétaire en % du PIB 10
E Solde courant en % du PIB 15
Total 50
Sous-indicateur 2 :
Risque économique
Cas de l’«International Country Risk Guide» du PRS Group
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
44
Sous-indicateur 3 :
Risque financier
5 composantes Points (max)
A Dette externe en % du PIB 10
B Service de la dette externe en % du PIB 10
CSolde courant (% des exports de biens et services)
15
DLiquidité internationale nette : mois de couverture des imports
5
E Stabilité du taux de change 10
Total 50
Cas de l’«International Country Risk Guide» de l’agence PRS
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
45
Evaluation de la composante « Risque politique » pour l’année 2006
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
Risque politique Risque économique Risque financier
46
Etape 1 : Classification des pays
Exemple 3 : Calcul de l’Indicateur CFAR-m du
risque-pays : la dimension «Risque
politique»
47
Rappel : Méthodologie de PRS Group Pondérations (implicites) des variables selon l’avis d’experts Ces pondérations sont les mêmes pour tous les pays
Les composantes de la première dimension : Institutions politiques
Exemple 3 : Calcul de l’Indicateur ARar-m du risque-pays : la dimension «Risque politique»
12 composantes
V1 Stabilité du gouvernement V7 Influence militaire sur la politique
V2 Conditions socio-économiques V8 Influence des religions sur la politique
V3 Conditions de l’investissement V9 Loi et régulation
V4 Conflits internes V10 Pression des ethnies
V5 Conflits externes V11 Responsabilité démocratique
V6 Corruption V12 Bureaucratie et stabilité des institutions
Etape 2 : Détermination des pondérations spécifiques par CFar-m
48
Les pondérations varient d’un pays à un autre : illustration de la non-linéarité de CFAR-m
Application 3 : Calcul de l’Indicateur CFAR-m du risque-pays
12 composantes
V1 Stabilité du gouvernement V7 Influence militaire sur la politique
V2 Conditions socio-économiques V8 Influence des religions sur la politique
V3 Conditions de l’investissement V9 Loi et régulation
V4 Conflits internes V10 Pression des ethnies
V5 Conflits externes V11 Responsabilité démocratique
V6 Corruption V12 Bureaucratie et stabilité des institutions
Etape 2 : Détermination des pondérations spécifiques par CFar-m
49
Les pondérations varient d’un pays à un autre : illustration de la non-linéarité de CFAR-m
Application 3 : Calcul de l’Indicateur CFAR-m du risque-pays
12 composantes
V1 Stabilité du gouvernement V7 Influence militaire sur la politique
V2 Conditions socio-économiques V8 Influence des religions sur la politique
V3 Conditions de l’investissement V9 Loi et régulation
V4 Conflits internes V10 Pression des ethnies
V5 Conflits externes V11 Responsabilité démocratique
V6 Corruption V12 Bureaucratie et stabilité des institutions
Etape 2 : Détermination des pondérations spécifiques par CFar-m
50
Les pondérations varient d’un pays à un autre : illustration de la non linéarité de CFAR-m
Application 3 : Calcul de l’Indicateur CFar-m du risque-pays
51
Evaluation de la composante « Risque politique » pour l’année 2006
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
52
Evaluation de la composante « Risque politique » pour l’année 2006
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
53
Evaluation de la composante « Risque politique » pour l’année 2006
Application 3 : Calcul de l’Indicateur CFAR-m du
risque-pays
Merci de votre attention
54