3.2.2. ANALYSE DE LA STATIONNARITE
La plupart des données temporelles
macroéconomiques sont des réalisations des processus non
stationnaires (NELSON et PLOSSER, 1982). Lorsqu'on travaille avec des
séries temporelles, il faut vérifier au préalable que
celles-ci sont stationnaires. S'il s'avère que ce n'est pas le cas, il
faut trouver une bonne façon de les rendre stationnaires. C'est pour
cette raison qu'avant tout traitement économétrique, il convient
de s'assurer de la stationnarité des variables. Une série
chronologique est donc stationnaire si son espérance et sa variance
restent inchangées dans le temps (Bourbonnais, 1998).
En d'autres termes, une série stationnaire ne comporte
ni saisonnalité, ni tendance. Dickey Fuller ainsi que Phillips et Perron
ont mis au point un test permettant non seulement de détecter
l'existence d'une tendance mais aussi de déterminer la bonne
manière de stationnariser une série. Cette condition de
stationnarité doit être vérifiée pour chacune des
séries afin d'éviter des régressions fallacieuses pour
lesquelles les résultats pourraient être « significatifs
», alors qu'ils ne le sont pas. La stationnarité renvoie au
caractère infiniment persistant des séries à la suite
d'aléa. Cette propriété est souhaitée dans le cadre
des estimations sur les données temporelles car elle évite les
risques de régressions fallacieuses. Il existe une grande
variété de tests de stationnarité des variables. Ainsi,
les tests usuels sont ceux d'ADF et PP suite à leur simplicité.
Dans le cadre de ce travail, nous procèderons par le test de Dickey
Fuller augmenté.
Tableau 3-3 Test de Dickey Fuller augmentés
Variables
A niveau En différence 1ere En différence
2nd
Constat
LBNBCC
LTXDIR
LCRED
LRO
CSS
-0.959149
(0.2973)
-1.168533
(0.2185)
-4.357775
(0.0009)
-3.493347
(0.0502)
-1.012808
(0.2762)
-1.963887
(0.0482)**
2.348632
(0.0195)**
-1.017734
(0.2740)
-2.259952
(0.0242)**
-6.768039
(0.0000)*
I(1)
I(1)
I(0)
I(3)
I(1)
Source : auteur (nos estimations sur Eviews 9)
(.) : Probabilités ; * : stationnaire à 1% ;
** : stationnaire à 5%
De ce tableau, en employant le test de racine unitaire de
Dickey-Fuller augmenté (DFA), La croissance économique, le bon
BCC et le taux directeur sont stationnaire après une
- 79 -
différenciation première tandis que la
série taux directeur est intégrée d'ordre I(2). Ces
résultats peuvent être vus en comparant les valeurs
observées (en termes absolus) des statistiques de DFA aux valeurs
critiques au seuil de 5 %. Et que donc, l'hypothèse de non
stationnarité est rejetée puisque toutes les variables ont
été rendue stationnaires après leurs intégrations
appart CRED qui l'était déjà à niveau.
Figure 3-3 Courbes d'évolution des séries
stationnaires
CSS
|
3 2 1 0
-1
-2
-3
|
|
|
2004 2006 2008 2010 2012 2014 2016 2018
|
LCRED
|
16 15 14 13
12 11 10
|
|
|
|
|
|
2004 2006 2008 2010 2012 2014 2016 2018
|
LTXDIR
|
.8 .4 .0 -.4
-.8
|
|
|
2004 2006 2008 2010 2012 2014 2016 2018
|
Source : Auteur (A l'aide d'Eviews 9)
LBNBCC
|
2
1
0
-1
-2
-3
|
|
|
2004 2006 2008 2010 2012 2014 2016 2018
|
LRO
|
.3 .2 .1 .0
-.1
-.2
-.3
|
|
|
2004 2006 2008 2010 2012 2014 2016 2018
|
Les graphiques ci-dessus nous montre l'évolution de
courbes des séries stationnaire(CRED) et rendues stationnaire
après une différenciation première appliquées sur
(CSS, LBNBCC et TXDIR) et une intégration d'ordre deuxième sur la
première série (LRO).
| 
