2. Procédure d'estimation du modèle :
Ici, nous présentons dans un premier temps la
méthodologie des tests de racine unitaire. Dans un deuxième
temps, nous présenterons l'approche du test limite de Pesaran et al.
(2001) pour analyser la relation entre la dette extérieure et la fuite
des capitaux à long terme comme à court terme.
2.1. Les tests de racine
unitaire
Granger et Newbold (1974) soutiennent qu'on ne pourrait
faire une régression sans s'assurer que toutes les variables sont
stationnaires car cela pourrait conduire à une régression
fallacieuse. Les tests de racine unitaire sont donc effectués pour
déceler la présence ou non de racine unitaire dans une
série permettant ainsi de conclure sur la stationnarité ou la
non-stationnarité des séries étudiées. La
série est alors stationnaire lorsqu'elle ne comporte pas de racine
unitaire et ne l'est pas dans le cas contraire. Une série est dite
stationnaire si ses moments d'ordre sont invariants dans le temps; elle ne doit
donc posséder ni tendance, ni saisonnalité. Afin de
déterminer l'ordre d'intégration des séries de notre
étude, nous utiliserons le test de Dickey-Fuller Augmenté (ADF)
et de Phillips et Perron (PP) car la détermination de l'ordre
d'intégration des variables ne saurait être rigoureuse à
partir d'un seul test (Keho, 2004).
2.1.1. Le test de
Dickey-Fuller Augmenté (ADF)
Le test de racine unitaire de Dickey-Fuller
Augmenté (ADF) est le plus usuel. Ce test prend en compte uniquement la
présence d'autocorrélation dans les séries.
L'hypothèse nulle est la présence de racine unitaire
(série non-stationnaire). Pour réaliser ce test, on estime le
modèle sous sa forme la plus générale suivante :
L'hypothèse nulle du test est H0 :  -1=0 ; contre l'hypothèse alternative H1 :
Si l'hypothèse nulle n'est pas rejetée, alors la
série comporte une racine unitaire et il faudra la différencier
pour la rendre stationnaire. Pour tester cette hypothèse, on calcule la
statistique de Dickey-Fuller à savoir :  (14)
Les valeurs obtenues sont par la suite comparées aux
valeurs « standards » fournies par la table de la loi normale
centrée réduite.
2.1.2. Le test de
Phillips-Perron
Le test de Philips-Perron permet de prendre en compte
non seulement l'autocorrélation mais aussi
l'hétéroscédasticité des erreurs. Ce test s'appuie
sur les mêmes modèles que le test de Dickey-Fuller simple. Ce test
propose une correction non-paramétrique de la statistique t
estimée. Le test de de Philips-Perron s'effectue en quatre
étapes :
-Une estimation par les moindres carrés ordinaires
(MCO) des trois modèles du test de Dickey-Fuller et le calcul des
résidus åt estimés
- La détermination de la variance de court terme
- Estimateur du facteur correctif qui est appelé
variance de long terme
-Calcul de la statistique de Philips-Perron.
Phillips et Perron(1988) soutiennent que la correction
non-paramétrique proposée de la valeur de tá
estimée, n'apporte pas de modification à la distribution
asymptotique de ladite statistique, qui est égale à celle
observée dans le cas de Dickey-Fuller simple ; les valeurs
critiques tabulées de DF restent alors valables pour le test de
Phillips-Perron.
| 
