PARAGRAPHE 2 : Méthode d'analyse
Pour apprécier les relations qui existent entre les
différentes variables de notre modèle, nous allons estimer le
modèle vectoriel à correction d'erreur pour les trois
échantillons- après avoir dans un premier temps fait les tests de
diagnostic sur les données (stationnarité et
cointégration) - par le Logiciel E.Views. Pour finir, nous allons
vérifier la justesse des résultats du MVCE par l'analyse des
fonctions de réponses impulsionnelles (à la Monte Carlo) et la
décomposition de la variance.
A. Tests de diagnostic sur les données
Notre analyse débute par l'étude de la
stationnarité des variables. Pour ce faire, on procède aux tests
de racine unitaire développés par Dickey et Fuller (1979,1981).
Cette analyse nous permet de déterminer l'ordre d'intégration des
différentes variables retenues. On dit qu'une série est
intégrée d'ordre (d) si sa différence d
ième est stationnaire ; c'est-à-dire
intégrée d'ordre 0. Après la
détermination de l'ordre d'intégration, si les
variables en scène sont intégrées d'ordre 1 [I (1)], il y
a présomption de cointégration entre les variables. Cette
présomption de cointégration ne serait confirmée
qu'après étude de la stationnarité du résidu obtenu
à l'issue de l'estimation par les MCO de la relation de (Lt) suivante
:
LY1t = á1 + á 2LL1t + á3
LC1t+ á4 LD1t + á5 LI1t +
á6 LV1t + á7 LH1t +åt Où
åt est le terme à correction d'erreur.
NB: Les estimations pour vérifier la
relation Banque-Croissance, sont fondées prioritairement sur
l'échantillon 1, qui représente l'ensemble de
l'échantillon ; les échantillons 2,3 respectivement pour les pays
développés et en développement sont utilisés pour
établir les nuances, ou éventuelles similitudes entre groupes ou
clubs de pays.
( Résidu e
, ) = - -
LY a a
à à LL - a à LC -
a à LD - a à LI a à
LV
- - a à LH
1 1 1 2 1 3 1 4 1 5 1 6 1 7 1
Le test ADF permet de juger de la stationnarité du
résidu. A la suite de la confirmation de la stationnarité du
résidu, on peut conclure que les variables sont
cointégrées. Du fait qu'il s'agit d'un modèle
multivarié on pourrait ne pas avoir un seul vecteur de
cointégration. Ce qui fait appel à la représentation
vectorielle du modèle à correction d'erreur qui n'est rien
d'autre que l'approche cointégrée du VAR.
B. Estimation du MVCE
Les grandes étapes relatives à l'estimation d'un
MVCE sont les suivantes :
Etape1 : détermination du
nombre de retards q du modèle. Plusieurs critères servent
à discriminer entre les retards (Akaike, Hannan-Quinn, Schwarz).Nous
retenons le critère de Schwarz qui est parcimonieux. Le nombre de retard
obtenu est celui qui minimise la fonction de Schwarz :
SC (q) = Ln (SCRq / n) + q Ln n /n
SCRq = somme des carrés des résidus pour
le modèle à q retards n = nombre d'observations
Ln = logarithme népérien
Etape 2 : test de Johansen permettant
de connaître le nombre de relations de cointégration. Johansen a
proposé deux statistiques pour déterminer le nombre de vecteurs
de cointégration : le test de la Trace et celui de la valeur propre
maximale. Nous retenons le test de la Trace, beaucoup plus usité.
L'Hypothèse nulle testée est : r=q,
c'est-à-dire qu'il existe au plus r relations de cointégration.
On rejette l'hypothèse nulle de r relations de cointégration
lorsque la statistique de la Trace est supérieure à sa valeur
critique. Plusieurs cas pourraient se présenter : r = 0 ; 0< r <K
; r = K, avec K= nombre de variables du modèle.
Lorsque r = 0, cela signifie qu'on ne peut pas retenir une
spécification à correction d'erreur.
Lorsque 0< r <K, cela signifie que les variables sont
cointégrées de rang r et qu'il existe au plus r relations de
cointégration. Un modèle à correction d'erreur peut alors
être estimé.
Lorsque r = K, cela implique alors que les variables sont
toutes I (0) et le problème de cointégration ne se pose pas
(l'estimation du modèle VAR en niveau est identique à
l'estimation du modèle VAR en différence).
Par ailleurs pour effectuer le test de la Trace, la
spécification à retenir dépend de :
- L'absence ou la présence de constante dans le
modèle à correction d'erreur,
- l'absence ou la présence de constante et de tendance
dans les relations de cointégration.
Etape 3 : Identification des relations
de cointégration, c'est-à-dire des relations de long terme entre
les variables. A cette étape on choisit les relations de long terme
adéquates qui nous donnent les écarts types relativement
faibles.
Etape 4 : Estimation par la
méthode du Maximum de Vraisemblance du Modèle Vectoriel à
Correction d'Erreur et validation avec les tests usuels :
significativité des coefficients et vérification du signe et de
la significativité des termes à correction d'erreur. A cette
étape on peut voir clairement les différentes équations de
court terme.
Après l'estimation du MVCE, nous nous
intéressons à l'analyse dynamique via les fonctions de
réponses impulsionnelles à la Monte Carlo et à l'analyse
par la décomposition de la variance, de manière à voir si
ces deux outils d'analyse supplémentaires confirment les
résultats du MVCE.
| 
