III.2. ANALYSE EMPIRIQUE
DES DONNEES DES STATISTIQUE
Notre analyse vise à monter l'influence du taux de
change sur l'inflation en République Démocratique du Congo.
Plusieurs modèles économétriques sont utilisés dans
la littérature pour capter la relation entre le taux de change et
l'inflation. Dans le cadre de notre travail, nous spécifions un
modèle économétrique de régression multiple en
prenant en compte l'influence d'une variable de contrôle, à
savoir, le prix du pétrole sur le marché international. Nous
avons jugé pertinent de retenir un nombre réduit des variables
explicatives afin d'éviter certains problèmes de
multicolinéarité et de perte de degré de liberté,
étant donné que notre échantillon est relativement petit.
D'où la masse monétaire et le PIB ont été
écartés de notre modèle. Notre modèle peut dans ce
cas s'écrire comme suit :
Où :
  Représente l'indice général des prix à la
consommation (base 100 en 2010) à la période t ;
  Représente le taux de change parallèle à la
période t ;
  Représente le prix du pétrole sur le marché
international à la période t. Etant donné que
l'économie congolaise est ouverte au reste du monde, nous supposons que
l'environnement international peut avoir une influence considérable sur
le niveau général des prix pratiqués sur le marché
intérieur.
Les données relatives à l'IPC et au prix du
pétrole sur le marché international proviennent de la base des
données de la Banque Mondiale. Celles relatives au taux de change
proviennent de la Banque Centrale du Congo. Toutes les variables retenues dans
le cadre de notre étude couvrent la période 2007-2017.
L'équation (1) est souvent exprimée sous forme
logarithmique pour capter les effets multiplicatifs dans les niveaux des
variables. Cela permet également de pallier aux problèmes des
unités de mesure des variables et de non linéarité de
certaines variables. De plus, les élasticités estimées
sont obtenues sous la forme des coefficients de l'équation
suivante :
Où   représentent des élasticités et   le terme d'erreur.
III.2.1. ANALYSE STATISTIQUE
DES DONNEES
III.2.1.1. ANALYSE DES
CARACTERISTIQUES STATISTIQUES DES SERIES
Tableau N°11 :
caractéristiques statistiques des séries
|
LNIPC
|
LNTXCHANGE
|
LNPP
|
|
Moyenne
|
4.726084
|
6.816271
|
4.308579
|
|
Médiane
|
4.840479
|
6.832148
|
4.348728
|
|
Maximum
|
4.924206
|
7.387418
|
4.695468
|
|
Minimum
|
4.349374
|
6.230285
|
3.705737
|
|
Ecart-type
|
0.193620
|
0.303041
|
0.351976
|
|
Skewness
|
-0.734767
|
-0.151662
|
-0.382105
|
|
Kurtosis
|
2.143602
|
3.337072
|
1.734425
|
|
Jarque-Bera
|
1.325935
|
0.094244
|
1.001778
|
|
P-value
|
0.515320
|
0.953971
|
0.605992
|
Source : Nos calculs à l'aide du logiciel E-views
7.
Le test de normalité de Jarque-Bera sur les variables
transformées en logarithme révèle que ces dernières
sont toutes normalement distribuées car les probabilités
critiques sont supérieures au seuil de significativité de 5%,
soit 0.05 pour 1.
| 
