III.3.3. Estimation d'un
modèle à correction d'erreurs
Lorsque les séries non stationnaires sont
coïntégrées, il convient d'estimer leur relation à
travers un modèle à correction d'erreurs (Engle et Granger
(1987)). Soient les séries Xt et Kt, toutes
intégrées d'ordre I (1), l'estimation par les MCO de la relation
de LT indique une stationnarité du résidu. Ainsi, on peut
employer deux méthodes pour estimer un MCE.
III.3.3.1. Estimation du
MCE en deux étapes
Cette méthode se déroule comme suit :
Ø Estimation du MCE par les MCO du modèle
statique (relation de LT) :
 ;
Ø Estimation par les MCO de la relation du
modèle dynamique (court terme)
 (2).
Pour qu'il y ait un retour de Xt à
sa valeur d'équilibre de LT, le coefficient á2 doit
être significative et négative. Dans le cas contraire, il convient
de rejeter une spécification du type MCE. Selon R. BOURBONNAIS (2000),
le mécanisme de correction d'erreur irait en sens contraire et
s'éloignerait de la cible de long terme.
III.3.3.2. Estimation du
MCE en une seule étape
On estime le modèle suivant :
Cela consiste à remplacer dans le modèle (2) par
 en une seule étape l'ensemble des paramètres. Ce
coefficient a2 doit être significativement
négatif pour les mêmes raisons que celles évoquées
précédemment. Cette méthode est rarement utilisée
car on mélange des variables d'ordre d'intégration
différent et le vrai coefficient â de la relation de LT n'est pas
connu.
III.4. Présentation
des variables du modèle
Pour estimer le modèle du différentiel
d'équilibre, nous avons opté d'utiliser les variables
suivantes :
- LnEQ : Logarithme du différentiel
d'équilibre (I-S) ;
- LnDP : Logarithme de dépenses
publiques ;
- LnPIBR : Logarithme du PIB réel ;
- LNTIC : Logarithme du taux d'intérêt
créditeur ;
- LnTID : Logarithme du taux d'intérêt
débiteur ;
- LnTCHR : Logarithme du taux de change réel.
Dans notre analyse, les variables du modèle ont
été transformés en logarithme car cette forme
présente certains avantages :
· elle permet de dégager immédiatement les
élasticités, c'est-à-dire le degré de
sensibilité d'une variable explicative sur une variable
expliquée ;
· son utilisation permet de stationnariser les
séries et permet également l'allégement des chiffres.
III.5. Présentation
des résultats des tests du modèle
| 
