CHAPITRE III : ANALYSE
S RESULTATS ET
Ce dernier chapitre livre dans la première section les
principaux résultats de la méthodologie adoptée. Dans la
section suivante, deux instruments d'analyse supplémentaires sont
utilisés pour juger la fiabilité des résultats du MVCE.
Ensuite, cette section se ferme avec la rubrique des interprétations,
limites et suggestions.
Section 1 : Etude de la cointégration et
estimation du MVCE
PARAGRAPHE 1 : Etude de la
cointégration
A. Vérification des conditions préalables
à l'analyse de la cointégration
La méthode de cointégration à la
johansen exige que les variables soient toutes intégrées d'ordre
1[I (1)]. Cela signifie qu'elles ne sont pas stationnaires en niveau alors que
leurs différences premières le sont.
La stationnarité de la variable est jugée
à partir de la comparaison entre les statistiques DF (Dickey Fuller) ou
ADF (Augmented Dickey Fuller) et les valeurs critiques tabulées par
Mackinnon (Mackinnon critical value = CV). L'alternative d'hypothèses
qui se présente à l'issue du test est la suivante :
H0 : racine unitaire ou non
stationnarité
H1 : non racine unitaire ou
stationnarité
Dans la mesure où les valeurs critiques sont
négatives, la règle de décision est la suivante :
Si DF ou ADF CV, on rejette l'hypothèse nulle de non
stationnarité.
Si DF ou ADF CV, on accepte l'hypothèse nulle de non
stationnarité.
Les tests sont appliqués en niveau puis en
différence première au cas où il y aurait présence
de racine unitaire à ce premier stade.
Test de Stationnarité
Par souci de synthèse, compte tenu du nombre important
des tests appliqués, le tableau ci-dessous résume les
résultats des tests de racine unitaire appliqués en niveau
à l'ensemble des variables.
L'étude considère le seuil de 5% pour la
validation des différentes hypothèses.
Tableau 2: Résultats des tests de
stationnarité en niveau
|
test
|
Type de modèle
|
LPRC
|
LCONS
|
LNSUB
|
LPRO
|
LPRP
|
|
t
|
CV à 5%
|
t
|
CVà5%
|
t
|
CVà5%
|
t
|
CVà5%
|
t
|
CVà5%
|
|
ADF(1)
|
M1
|
-3,890
|
-2,955
|
-0,558
|
-2,955
|
-2,460
|
-2,955
|
-1,403
|
-2,955
|
-2,682
|
-2,955
|
|
M2
|
-3,816
|
-3,556
|
-1,696
|
-3,556
|
-3,298
|
-3,556
|
-3,657
|
-3,556
|
-2,200
|
-3,556
|
|
M3
|
0,376
|
-1,951
|
2,635
|
-1,951
|
1,328
|
-1,951
|
1,008
|
-1,951
|
0,486
|
-1,951
|
|
ADF(3)
|
M1
|
-2,153
|
-2,962
|
|
|
|
|
-0,693
|
-2,962
|
|
|
|
M2
|
-2,234
|
-3,567
|
|
|
|
|
-1,853
|
-3,567
|
|
|
|
M3
|
-0,139
|
-1,952
|
|
|
|
|
1,863
|
-1,952
|
|
|
|
Résultats
|
LPRC n'est pas I(0)
|
LCONS n'est pas I(0)
|
LNSUB n'est pas I(0)
|
LPRO n'est pas I(0)
|
LPRP n'est pas I(0)
|
Source : nous mêmes (2006)
I (0) = intégré d'ordre 0 ou stationnaire en
niveau ; ADF(1) = DF
M1 = modèle avec constante
M2 = modèle avec constante et tendance
M3 = modèle sans constante et sans
tendance
Les variables LCONS, LNSUB, LPRP se sont
révélées non stationnaires en niveau au retard d'ordre 1
(ADF (1) CV). Par contre, LPRC et LPRO présentent une non
stationnarité partielle en niveau au retard d'ordre 1.c'est à
dire (M3 pour LPRC) et (M1 et M3 pour LPRO).
En passant au retard d'ordre 3, on se rend compte qu'elles ne sont pas
stationnaires car ADF (3) CV.
En effet une variable est stationnaire en niveau lorsqu'elle
l'est quelque soit le retard.
Conclusion : les variables sont non stationnaires
en niveau.
Probablement donc qu'elles sont intégrées
d'ordre 1.
L'examen de la stationnarité se poursuit en
différence première et les résultats sont fournis par le
tableau suivant :
Tableau 3: Résultats des tests de
stationnarité en différence première
|
Test
|
Type de Modèle
|
DLPRC
|
DLCONS
|
DLNSUB
|
DLPRO
|
DLPRP
|
|
t
|
CVà5%
|
t
|
CVà5%
|
t
|
CVà5%
|
t
|
CVà5%
|
t
|
CVà5%
|
|
ADF(1)
|
M1
|
-5,256
|
-2,959
|
-3,920
|
-2,959
|
-6,152
|
-2,959
|
-7,829
|
-2,959
|
-4,320
|
-2,959
|
|
M2
|
-5,464
|
-3,561
|
-3,850
|
-3,561
|
-6,562
|
-3,561
|
-7,703
|
-3,561
|
-4,386
|
-3,561
|
|
M3
|
-5,307
|
-1,952
|
-2,967
|
-1,952
|
-5,637
|
-1,952
|
-7,281
|
-1,952
|
-4,259
|
-1,952
|
|
résultats
|
LPRC est I (1)
|
LCONS est I (1)
|
LNSUB est I (1)
|
LPRO est I (1)
|
LPRP est I (1)
|
Source : nous-mêmes (2006)
D (xt) = xt - xt -
1 avec D = Opérateur différence
Les résultats du test de racine unitaire en
différence première montrent la stationnarité pour toutes
les variables ADF (1) < CV.
Les variables sont donc toutes cointégrées
d'ordre 1.
Conclusion : il y a donc présomption de
cointégration entre les variables.
On estime alors la tendance de LT suivante par les
MCO.
LPRC = 0 + 1 LNSUB + 2 LCONS
+ 3 LPRO + 4 LPRP + t
Le résultat obtenu grâce au logiciel E. views se
présente comme suit :
LPRC = 3,24311 + 0,577263 LNSUB - 0,389138 LCONS
3,493253*
-0,906615
- 1,049172 LPRO + 0,598625 LPRP
- 2,544426*
3,740229*
* significatif à 5%
On étudie ensuite, la stationnarité des
Résidus recueillis. Le tableau suivant rend compte des résultats
du test de racine unitaire appliqué sur le résidu.
Tableau 4: Résultats du test ADF sur le
résidu de la Relation de LT
|
Variable
|
ADF
|
Valeur critique
à 5%
|
Valeur critique
à 10%
|
Résultat
|
|
Résidu
|
-6,595
|
-2,955
|
-3,6496
|
Stationnarité des Résidus
|
Source : nous-mêmes (2006)
Conclusion : il y a donc confirmation de la
possibilité de cointégration des variables
Comme dans notre cas, il s'agit d'un modèle
multivarié, on pourrait ne pas avoir un seul vecteur de
cointégration. Cela fait appel à la représentation
vectorielle à correction d'erreur. On utilise alors une approche
cointégrée du VAR à la Johansen.
|
|
