2.4. Estimation du
modèle VAR
Les critères d'information AICSC indique que le
décalage optimal est=5 d'où l'estimation
ci-après :
a) Résultat
|
Vector Autoregression Estimates
|
|
Date: 08/22/15 Time: 15:36
|
|
Sample (adjusted): 2000M07 2013M12
|
|
Included observations: 162 after adjustments
|
|
Standard errors in ( ) & t-statistics in [ ]
|
|
|
|
|
|
|
|
TINFL
|
TCMM2
|
|
|
|
|
|
|
|
TINFL(-1)
|
0.303772
|
-1.416354
|
|
(0.07693)
|
(2.59970)
|
|
[ 3.94846]
|
[-0.54481]
|
|
TINFL(-2)
|
-0.183981
|
-0.136557
|
|
(0.07737)
|
(2.61427)
|
|
[-2.37809]
|
[-0.05223]
|
|
TINFL(-3)
|
0.302360
|
-1.980102
|
|
(0.07369)
|
(2.49004)
|
|
[ 4.10319]
|
[-0.79521]
|
|
TINFL(-4)
|
0.188807
|
1.037597
|
|
(0.07621)
|
(2.57511)
|
|
[ 2.47757]
|
[ 0.40293]
|
|
TINFL(-5)
|
0.210180
|
2.101736
|
|
(0.07159)
|
(2.41927)
|
|
[ 2.93569]
|
[ 0.86875]
|
|
TCMM2(-1)
|
0.001970
|
-0.004440
|
|
(0.00240)
|
(0.08126)
|
|
[ 0.81929]
|
[-0.05465]
|
|
TCMM2(-2)
|
0.001333
|
-0.035356
|
|
(0.00241)
|
(0.08131)
|
|
[ 0.55385]
|
[-0.43482]
|
|
TCMM2(-3)
|
0.000586
|
0.315651
|
|
(0.00228)
|
(0.07706)
|
|
[ 0.25695]
|
[ 4.09601]
|
|
TCMM2(-4)
|
-0.001485
|
0.002002
|
|
(0.00240)
|
(0.08103)
|
|
[-0.61935]
|
[ 0.02471]
|
|
TCMM2(-5)
|
-0.000271
|
0.021550
|
|
(0.00240)
|
(0.08107)
|
|
[-0.11303]
|
[ 0.26581]
|
|
C
|
0.136290
|
17.08338
|
|
(0.38486)
|
(13.0049)
|
|
[ 0.35413]
|
[ 1.31361]
|
|
|
|
|
|
|
|
R-squared
|
0.530587
|
0.109147
|
|
Adj. R-squared
|
0.499501
|
0.050150
|
|
Sum sq. resids
|
2491.685
|
2845130.
|
|
S.E. equation
|
4.062170
|
137.2659
|
|
F-statistic
|
17.06787
|
1.850053
|
|
Log likelihood
|
-451.2506
|
-1021.523
|
|
Akaike AIC
|
5.706798
|
12.74720
|
|
Schwarz SC
|
5.916449
|
12.95685
|
|
Mean dependent
|
2.412531
|
23.62995
|
|
S.D. dependent
|
5.741909
|
140.8430
|
|
|
|
|
|
|
|
Determinant resid covariance (dof adj.)
|
310547.7
|
|
Determinant resid covariance
|
269806.4
|
|
Log likelihood
|
-1472.678
|
|
Akaike information criterion
|
18.45282
|
|
Schwarz criterion
|
18.87212
|
|
|
|
|
|
|
Source : Auteur à partir du
logiciel Eviews
Il ressort de l'estimation du modèle VAR que le taux
d'inflation est significativement influencé par son propre passé
et non par celui de la masse monétaire, signe d'une absence d'influence
significative sur la variation de la masse monétaire sur le taux
d'inflation.
b) Analyse de la décomposition de la variance
de l'erreur de prévision
|
|
|
|
|
|
|
|
|
Variance Decomposition of TINFL:
|
|
|
|
|
Period
|
S.E.
|
TINFL
|
TCMM2
|
|
|
|
|
|
|
|
|
|
1
|
4.062170
|
100.0000
|
0.000000
|
|
2
|
4.256757
|
99.59689
|
0.403114
|
|
3
|
4.281355
|
99.22205
|
0.777948
|
|
4
|
4.371166
|
99.20171
|
0.798292
|
|
5
|
4.606592
|
99.26251
|
0.737492
|
|
6
|
4.774681
|
99.26054
|
0.739460
|
|
7
|
4.814981
|
99.07678
|
0.923216
|
|
8
|
4.839829
|
99.06864
|
0.931356
|
|
9
|
4.917705
|
99.09400
|
0.905997
|
|
10
|
4.996277
|
99.09731
|
0.902688
|
|
|
|
|
|
|
|
|
|
Variance Decomposition of TCMM2:
|
|
|
|
|
Period
|
S.E.
|
TINFL
|
TCMM2
|
|
|
|
|
|
|
|
|
|
1
|
137.2659
|
0.118099
|
99.88190
|
|
2
|
137.3886
|
0.294539
|
99.70546
|
|
3
|
137.5101
|
0.325938
|
99.67406
|
|
4
|
144.1816
|
0.468402
|
99.53160
|
|
5
|
144.1875
|
0.474572
|
99.52543
|
|
6
|
144.4056
|
0.774244
|
99.22576
|
|
7
|
145.1296
|
0.824425
|
99.17558
|
|
8
|
145.1976
|
0.917202
|
99.08280
|
|
9
|
145.2212
|
0.949372
|
99.05063
|
|
10
|
145.2771
|
0.952729
|
99.04727
|
|
|
|
|
|
|
|
|
|
Cholesky Ordering: TINFL TCMM2
|
|
|
|
|
|
|
|
|
|
|
|
Source : Auteur à partir du
logiciel Eviews
Il ressort de cette analyse que la variance de
prévision du taux d'inflation est due à 99% à ses propres
innovations et à 1% seulement à l'innovation du taux de
croissance de la masse monétaire, il en est de même du taux de la
variation de la masse monétaire.
c) Test de causalité au sens de
Granger
|
Pairwise Granger Causality Tests
|
|
Date: 08/22/15 Time: 15:37
|
|
Sample: 2000M02 2013M12
|
|
Lags: 5
|
|
|
|
|
|
|
|
|
|
|
|
Null Hypothesis:
|
Obs
|
F-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
TCMM2 does not Granger Cause TINFL
|
162
|
0.23862
|
0.9449
|
|
TINFL does not Granger Cause TCMM2
|
0.37621
|
0.8644
|
|
|
|
|
|
|
|
|
Source : Auteur à partir du
logiciel Eviews
Il ressort du test que, les deux variables TCMM et TINFL ne
s'influencent pas mutuellement comme en témoigne les probabilités
critiques (largement supérieur à 5%) de la statistique F
associée aux hypothèses nulles.
Il ya donc l'absence de causalité entre ces deux
variables sur la période d'analyse. On ne peut conclure à
l'efficacité de la politique monétaire en ce qui concerne la
stabilité des prix : la relative stabilité des prix
observée découle donc principalement de la gestion plus moins
orthodoxe de finance publique et de l'équilibre sur le marché des
biens et services.
En l'absence de causalité entre ces deux séries,
il est inutile de passer à l'analyse d'impact.
| 
