II. L’exactitude des modèles alternatifs de prévision

La présente partie étudie l’exactitude des prévisions des modèles en comparant les taux de croissance prévus par ces modèles aux taux de croissance observés. Les taux de croissance de la demande prévus sont estimés en multipliant la valeur estimée de l’élasticité de la demande de transport par rapport à l’activité industrielle italienne au taux de croissance de la valeur ajoutée industrielle observée.

Deux indicateurs sont calculés pour estimer l’exactitude des prévisions. L’exactitude des prévisions est en premier lieu estimée en utilisant un indicateur noté MAPE (Mean Absolute Percentage Error) et définit par :

L’exactitude des prévisions est en second lieu estimée en utilisant l’indicateur MAPE calculé pour chaque horizon temporel (de un à n). A partir du critère MAPE, les différents modèles de prévision sont classés à chaque horizon temporel possible. Un rang est alors associé à chaque modèle et à chaque horizon temporel (le meilleur modèle prenant la valeur de un). Le critère du rang moyen (average ranking) est alors défini comme étant la moyenne des rangs du modèle pour l’ensemble des horizons temporels. Selon ce critère, le meilleur modèle est le modèle présentant le plus faible rang moyen.

Ces indicateurs sont calculés pour comparer l’exactitude des prévisions des modèles économétriques en compétition. Les résultats des comparaisons sont présentés par type de demande de transport transalpin (Tableau 80).

Ce tableau montre que, selon ces critères, le modèle double-logarithmique est le modèle pour lequel les taux de croissance de la demande de transport prévus sont les plus éloignés des valeurs observées. Ce modèle est, selon cette simulation, le modèle de prévision le moins performant en dépit de sa forte significativité économétrique apparente. Entre les modèles Q et E, ce tableau montre ensuite qu’il est difficile de déterminer quel est le meilleur modèle même si le modèle en taux de croissance semble posséder un léger avantage.

Au terme de cette section, il est difficile de considérer un modèle comme étant meilleur que les autres. D’un point de vue économétrique, le modèle double logarithmique présente en apparence une plus grande significativité que les autres modèles. De sérieux biais économétriques amènent cependant à lui préférer le modèle en taux de croissance ou le modèle à correction d’erreur. Cette proposition est corroborée par un exercice de simulation qui souligne également la difficulté qui existe à considérer un modèle comme étant meilleur que les autres. La section qui suit propose de surpasser le dilemme du meilleur modèle en combinant les modèles individuels de prévision. Cette technique, rarement utilisée en économie des transports, mais souvent employée dans d’autres sous disciplines de la science économique, permet de réduire l’incertitude des prévisions.