4.3 Résultats empiriques
Les résultats présentés dans cette partie,
notamment l'étude de la stationnarité des series, le test de
cointegration, le test de causalité de Granger et les estimations ont
été obtenus à l'aide du logiciel eviews 9.
4.3.1 Stationnarité des séries
Les résultats du test de stationnarité à
niveau et en différence première sont donnés comme
suit2 (les statistiques calculées sont de student) :
Tableau 4.3:
Stationnarité des séries
|
Niveau
|
Différence Première
|
Constat
|
|
Variables
|
ADF
|
AZ
|
Date de rupture
|
ADF
|
|
|
BC
|
-3,67 (0.699)
|
-4,44(0.699)
|
2000
|
-3,603(0.03)
|
I(1)
|
|
logPIB
|
-3,62(0.058)
|
-
|
-
|
-3,58(0.002)
|
I(1)
|
|
SBG
|
-3,57(0.52)
|
-4,85(0.937)
|
2010
|
-3,580(0.0000)
|
I(1)
|
|
FBCF
|
3,57(0.460)
|
-
|
-
|
-3,58(0.0028)
|
I(1)
|
Source : calculs de l'auteur sur eviews
2. les résultats détaillés des
différents tests de non-stationnarité sont consignés
à l'Annexe A
NDI ZAMBO Jean *** Mémoire ISE
Page 54
Hypothèse des déficits jumeaux: évaluation
empirique appliquée au Cameroun
L'on note que toutes les séries retenues sont
intégrées d'ordre 1 (stationnaire après la première
différence). Les séries sont ainsi intégrées au
même ordre, ce qui rend opportun le test de cointégration de
Johansen.
4.3.2 Détermination du nombre optimal de retards
Avant d'estimer le modèle réduit, il convient de
determiner au préalable le nombre de retards p du modèle VAR(p)
sous-jacent. Le tableau 4.4 donne les retards optimaux suivant différent
critères d'information.
Tableau 4.4: Nombre optimal de
retards
|
Lag
|
LogL
|
LR
|
FPE
|
AIC
|
SC
|
HQ
|
|
1
|
-97.51804
|
NA
|
0.073571
|
8.732157
|
9.506370
|
8.955102
|
|
2
|
-81.42535
|
22.28218
|
0.078546
|
8.725027
|
10.27345
|
9.170918
|
|
3
|
-49.76724
|
34.093335
|
0.029330
|
7.306142
|
9.843197
|
8.189393
|
|
4
|
-30.97985
|
14.45184
|
0.039633
|
7.520557
|
10.40300
|
8.197924
|
Source : calculs de l'auteur sur eviews
Au regard du critère d'Akaike (AIC), le nombre optimal
de retards est égal à 3. Il convient donc de lancer le test de
cointégration de Johansen avec 3 retards sachant que le modèle
vectoriel à correction d'erreur (VECM) sous-jacent sera estimé
avec 3-1, soit 2 retards.
4.3.3 Test de cointégration de Johansen
Il ressort du test de Johansen (Tableau :4.5) que : il existe
une unique relation de cointé-gration suivant le critère d'Akaike
(AIC). En effet, les statistiques calculées de la trace et la valeur
propre maximale (valant respectivement 22,40277 et 15,70241) sont
inférieures aux valeurs critiques (seuil de 5%), (valant respectivement
29,68 et 20,97) pour le rang de cointégration égale à 1,
ce qui traduit l'existence d'un vecteur unique cointégrant. Ainsi, nous
pouvons estimer un modèle vectoriel à correction d'erreur
(VECM).
NB : Cette spécification sera justifiée si la
force de rappel dans l'output de l'estimation du VECM est significativement
négative.
NDI ZAMBO Jean *** Mémoire ISE
Page 55
Hypothèse des déficits jumeaux: évaluation
empirique appliquée au Cameroun
Tableau 4.5: Test de
cointégration de Johansen
|
Hypothesized
|
|
Trace
|
5 Percent
|
1 Percent
|
|
N0 of CE(s)
|
Eigenvalue
|
Statistic
|
Critical Value
|
Critical Value
|
|
None**
|
0.744553
|
60.61548
|
47.21
|
54.46
|
|
At most 1
|
0429248
|
22.40277
|
29.68
|
35.65
|
|
Atmost 2
|
0.201687
|
6.700380
|
15.41
|
20.04
|
|
Atmost 3
|
0.013946
|
0.383226
|
3.76
|
6.65
|
|
Hypothesized
|
|
Max-Eigen
|
5 Percent
|
1 Percent
|
|
N0 of CE(s)
|
Eigenvalue
|
Statistic
|
Critical Value
|
Critical Value
|
|
None**
|
0.744553
|
38.21271
|
27.07
|
32.24
|
|
Atmost 1
|
0.429248
|
15.70241
|
20.97
|
25.52
|
|
Amost 2
|
0.201687
|
6.307134
|
14.07
|
1883
|
|
Atmost 3
|
0.013048
|
0.303226
|
3.78
|
6.65
|
Source : calculs de l'auteur sur eviews
| 
