III.5. APPLICATION DU
MODELE AUX DONNEES D'ETUDES
III.5.1. Dynamique du ratio des
taux de change et du rapport des indices des prix
Evolution conjointe du ratio des taux de change et
du rapport des indices des prix
Au vue de ce graphique, nous pouvons constate que la
série du ratio du taux de change se caractérise par une tendance
positive très marquée à l'année 2009 au
septième mois par un creu.
Ce qui en réalité n'est pas surprenant. Le
comportement du taux de change CDF/USD est par contre beaucoup plus clair,
puisque nous retrouvons des fluctuations plus importantes dans le taux de
change de la RDC.
On remarque aussi que la série des indices de prix
à la consommation comporte aussi un trend positif.
III.5.2. Test de
stationnarité
Dans cette partie, nous nous attachons d'abord à
la stationnarité des séries, puis à l'application du test
de causalité. Dans le cas des séries temporelles, le
problème principal revient à déterminer si la série
est stationnaire ou pas, en particulier lorsqu'on a à faire des
séries macroéconomiques. Par définition, une série
chronologique est considérée non stationnaire lorsque sa variance
et sa moyenne se trouvent modifiées dans le temps. Dans le cas où
ces deux hypothèses sont vérifiées, la série est
dite stationnaire, ce qui implique que la série ne comporte ni tendance,
ni saisonnalité et plus généralement aucun facteur
n'évoluant avec le temps.
Pour tester alors la stationnarité de la
série du ratio du taux de change et du rapport des indices des prix
à la consommation, nous utilisons le test de Dickey-Fuller qui permet de
déterminer si une série est stationnaire ou pas. Nous avons
appliqué le test de Dickey-Fuller Augmenté, comme on peut le
constater dans les tests suivants.
III.5.2.1. Test de
Stationnarité d'ADF de Y à niveau
Ici nous procédons au test de Dickey-Fuller
Augmenté de la première série Y (ratio du taux de
change).
Tableau n°7 : Résultat du test de
stationnarité sur la série Y.
|
Null Hypothesis: D(Y) has a unit root
|
|
|
Exogenous: Constant, Linear Trend
|
|
|
Lag Length: 0 (Automatic based on SIC, MAXLAG=9)
|
|
|
|
|
|
|
|
|
|
|
|
|
|
t-Statistic
|
Prob.*
|
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller test statistic
|
-8.943257
|
0.0000
|
|
Test critical values:
|
1% level
|
|
-4.252879
|
|
|
5% level
|
|
-3.548490
|
|
|
10% level
|
|
-3.207094
|
|
|
|
|
|
|
|
|
|
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
Dependent Variable: D(Y,2)
|
|
|
|
Method: Least Squares
|
|
|
|
Included observations: 34 after adjustments
|
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
D(Y(-1))
|
-1.441294
|
0.161160
|
-8.943257
|
0.0000
|
|
C
|
0.031677
|
0.107335
|
0.295120
|
0.7699
|
|
@TREND(2008M01)
|
-0.000405
|
0.005123
|
-0.079011
|
0.9375
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.720676
|
Mean dependent var
|
-0.000902
|
|
Adjusted R-squared
|
0.702655
|
S.D. dependent var
|
0.537388
|
|
S.E. of regression
|
0.293034
|
Akaike info criterion
|
0.467042
|
|
Sum squared resid
|
2.661940
|
Schwarz criterion
|
0.601721
|
|
Log likelihood
|
-4.939721
|
F-statistic
|
39.99109
|
|
Durbin-Watson stat
|
2.245295
|
Prob(F-statistic)
|
0.000000
|
|
|
|
|
|
D'après les résultats du tableau n°7,
on constate que la valeur calculée du test de stationnarité d'ADF
est supérieur à la valeur critique et que la tendance est
significative.
Ce qui veut dire qu'au seuil de 5% la variable taux de
change est stationnaire à niveau et intégrée d'ordre
1.
Dans tous les cas, nous rejetons l'hypothèse
H0 et donc la non stationnarité de la série au seuil
de 5%. La série est alors intégrée de degré 1
puisque le test ADF dégage la valeur supérieure à la
variable critique et la variable taux de change est stationnaire.
| 
