Estimation et stabilité de la fonction de demande de monnaie en Algérie

Conclusion

Face à une offre exogène contrôlée par les autorités monétaires, la demande de monnaie constitue une entité beaucoup plus complexe à analyser.

L'apport des théories économiques peut nous éclairer sur ce point, car elles permettent de mieux comprendre ce qui détermine les besoins de la monnaie et la façon dont ceux-ci s'insèrent dans le fonctionnement de l'économie. L'aperçu passé en revue au cours de ce chapitre nous a permis de mieux cerner les déterminants clés de la demande de monnaie à savoir: le taux d'intérêt et d'inflation, niveau de revenu, mais aussi anticipations sur les cours de change, si on songe que l'internationalisation des économies a fait de la demande de monnaie une demande internationale.

La prime attendue sur le cours de change d'une monnaie intervient dans l'estimation du coût d'opportunité de la détention d'encaisses, quant à l'anticipation de taux des titres (considérés comme actifs financiers alternatifs), elle intervient dans le choix des agents entre la détention de ces actifs et détention d'encaisses. Parce qu'il détermine le montant des transactions à

effectuer, le niveau de revenu apparait également come déterminant de la demande de monnaie. Cette dernière se modifié pour chaque variation des prix, les fluctuations des prix modifie la valeur réelle des encaisses. Pour maintenir cette valeur, la demande va devoir compenser la variation des prix.

Notre choix a porté sur un modèle ayant comme principale préoccupation la prise en compte des principaux déterminants de la demande de monnaie en Algérie qui sont le produit intérieur brut, l'inflation, le taux d'intérêt et le cours de change. Le choix d'un tel modèle nous a été imposé par la disponibilité et la nature des données statistiques existantes.

CHAPITRE 04

Méthodologie d'estimation et

présentation des résultats

Introduction

Après avoir exposé les différents éléments théoriques et empiriques expliquant la relation entre la demande de monnaie et les agrégats économiques : PIB réel, taux d'escompte, taux d'inflation et taux de change, nous allons essayer de faire une application empirique. Il s'agit de déterminer d'éventuelles relations entre la demande de monnaie et les différentes variables explicatives retenues, sur une période allant de 1970 jusqu'à 2014.

L'économétrie des séries non stationnaires a connu de nombreux développements à travers le temps, notamment la théorie de la cointégration, proposée par Granger et Weiss [1983], formulée par Granger [1981] et développée par la suite par Engel et Granger [1987] et Johansen [1988, 1991]⁷¹. L'intérêt croissant de ce concept réside dans le fait qu'il autorise l'estimation et les tests de relations d'équilibre de long terme entres les variables.

De nombreux économistes considèrent que certains évènements tels que les guerres et les politiques monétaires peuvent affecter les différentes variables macroéconomiques d'où la prise en compte des ruptures (breaks) structurelles dans les séries temporelles est devenu une nécessité. A titre d'exemple, on peut citer les travaux de Lumsdaine et Papell [1997], Wang et Zivot [2000] qui considèrent le test de racine unitaire en présence de break dans la tendance du processus. D'autre part, Marriot et Newbold [2000]⁷² traitent le cas de présence de break dans la moyenne du processus.

Ainsi, notre présent chapitre se compose de deux parties. Dans la première, nous présentons la démarche méthodologique que nous allons suivre pour déterminer les principales variables explicatives de la demande de monnaie en Algérie, et l'estimation des différentes variables des données recueillies. La deuxième partie rend compte des résultats empiriques et à leur discussions et les interprétations des différentes relations estimées. Sur la base des résultats obtenus, il sera envisagé des propositions en matière d'orientation de la politique monétaire nationale.

1. Méthodologie d'estimation

Afin d'éviter le problème de la régression fallacieuse, l'ordre d'intégration des variables est étudié en utilisant les tests de racine unitaire de Dickey Fuller (ADF) et Phillips-Perron (PP). Nous étudions l'existence d'une relation coïntégrante de demande de monnaie en tenant compte

⁷¹ Jean Paul K. et al. (2013), «Cointégration et modèle à correction d'erreur», LAREQ publications, vol. 8, n⁰ 3.

⁷² Khorsi R. (2011). Inférences bayésiennes en séries chronologiques, Mémoire de Magister, université de Tizi Ouzou.

⁷³ Ibidem.

de la possibilité des ruptures structurelles sur la dynamique des séries macroéconomiques utilisées.

Dans la littérature actuelle, on trouve un bon nombre de travaux qui traitent les modèles de séries temporelles avec changement structurel lié aux évènements macroéconomiques majeurs tels que les chocs pétroliers, les guerres, les crises financières et les changements de régime politique, etc. L'analyse des changements structurels a suscité un grand intérêt surtout après l'apparition de l'article de Perron [1989].

Perron [1989]⁷³, montre que l'évidence de l'existence d'une racine unitaire dans plusieurs variables macroéconomiques pourrait être due à la présence d'un important changement structurel dans la tendance des séries qui est ignoré. Dans ce cas, les tests habituels de racine unitaire (test ADF) sont biaisés en faveur de l'hypothèse nulle. Les tests Phillips et Perron s'appuient sur une approche non-paramétrique de correction des erreurs qui tolère aussi bien l'hétérogénéité qu'une certaine dépendance temporelle au sein de la série résiduelle. De plus, les statistiques de test qu'ils calculent ont la propriété d'être tabulées selon les mêmes tables que celles d'ADF.

Dans notre étude, afin d'étudier efficacement les propriétés statistiques des variables, nous recourrons judicieusement au test de Zivot et Andrews [1992], qui permet d'accorder une plus grande flexibilité à la modélisation de la composante déterministe du processus générateur des données. Ils considèrent que sous l'hypothèse nulle le processus temporel étudié est I(1) sans changement structurel exogène, alors que sous l'alternative, il peut être représenté par un processus TS avec un unique changement structurel dans le niveau ou la tendance. Le point de rupture survient à une date a priori inconnue, date déterminée par la procédure de test. Le point de rupture est choisi de telle sorte qu'il minimise la statistique de test ADF associée. Puis, nous procédons à l'estimation de la relation de long terme de la fonction de demande de monnaie avec prise en compte des ruptures structurelles. Si les résidus issus de l'estimation s'avèrent stationnaire, un modèle dynamique (court terme) sera estimé.

Une série de tests statistiques est effectuée afin de pouvoir valider le modèle : test de stationnarité des résidus, test de normalité, et le test d`hétéroscédasticité. Enfin, la stabilité des paramètres du modèle est étudiée en utilisant les tests de CUSUM et CUSUM of SQUARES. Le test de CUSUM teste la présence ou non de l'instabilité systématique et le test CUSUM of

SQUARES teste quant à lui la présence ou non de l'instabilité aléatoire. Si notre modèle est validé, il pourra ainsi être utilisé à des fins de prévisions.

2. Analyse des propriétés statistiques des données et estimation des paramètres

Avant tout traitement économétrique, il convient de s'assurer de la stationnarité des variables retenues car la stationnarité constitue une condition nécessaire pour éviter les relations fallacieuses.

Une première idée sur le caractère stationnaire ou non des variables est donné par l'analyse du corrélogramme. On examine celui de la masse monétaire réelle en niveau (annexe n⁰ 2) puis en variation (annexe n⁰ 3). Le corrélogramme de la masse monétaire réelle montre des autocorrélations lentement décroissantes tandis que seule la première autocorrélation partielle est significative. Cette forme de corrélogramme est typique des séries non stationnaires. On peut donc supposer que la série log RM est non stationnaire. Le corrélogramme de la série en variation est d'une forme très différente. Il ne présente pas d'allure particulière, on peut donc dire que la série en différence est stationnaire. Le corrélogramme des séries log PIB, log TCH, log TINT et log INF, donne les mêmes indications (voir annexe n⁰ 2 et 3). Pour confirmer ces suppositions, nous procédons aux tests de racine unitaire.

Tableau n⁰ 6 : Résultats des tests de stationnarité d'ADF et PP

	ADF		PP		Ordre d'intégration
Variable	En niveau	1st diff.	En niveau	1st diff.
Log RM	4,864428	-2,819398	3.227294	-2.819398	I(1)
Log PIB	4.475461	-4.785113	4.475461	-5.299650	I(1)
Log INT	0.031989	-4.757178	-0.208405	-4.793485	I(1)
Log INF	-2.788521	-9.443371	-2.815550	-9.483791	I(1)
Log TCH	2.518361	-3.594629	1.316269	-3.703237	I(1)

Les valeurs critiques sont considérées au seuil 5%.

Les valeurs des statistiques ADF et PP obtenues pour les variables en niveau sont toutes supérieures à la valeur critique au seuil critique de 5%. Les séries ne sont pas stationnaires en niveau. Pour les rendre stationnaires nous avons procédé aux tests de racine unitaire sur les variables exprimés en différence, l'hypothèse nulle de non-stationnarité est rejetée de façon significative. Les statistiques ADF calculées sur les variables sont toutes inférieures à la valeur critique au seuil de 5%. On en conclut donc que les séries sont toutes intégrées d'ordre un I(1).

Néanmoins les tests ADF et PP peuvent être suspects lorsque l'échantillon analysé comporte des événements majeurs (crise financière, choc pétrolier, etc.) qui sont susceptibles de créer des ruptures dans les séries. Afin de vérifier ceci et donc de prendre en compte les possibles changements de régimes, nous allons réaliser des tests de racine unitaire avec rupture de Zivot et Andrews [1992]. Nous présentons, dans le tableau n⁰ 5, les résultats de ce test.

Tableau n⁰ 7 : Résultats du test de stationnarité avec rupture Zivot Andrews [1992]

Variable	Modèle A		Modèle B		Modèle C		Ordre d'intégration
	t ZA	v. crit	t ZA	v. crit	t ZA	v. crit
Log RM	-3,91 (1989)	-4,93	-3,55(1996)	-4,42	-3,53 (1989)	-5,08	I(0)
Log PIB	-6,69 (1987)	-4,93	-5,02(2001)	-4,42	-5,19 (2003)	-5,08	I(0)
Log INT	-6,08 (1986)	-4,93	-4,33(1992)	-4,42	-6,26 (1986)	-5,08	I(0)
Log INF	-5,76 (1997)	-4,93	/	/	-5,64 (1997)	-5,08	I(0)
Log TCH	-4,95 (1991)	-4,93	-2,64(2001)	-4,42	-5,03 (1991)	-5,08	I(0)

Les valeurs critiques sont considérées au seuil 5% ; (.) : Date de rupture

Selon les résultats de ce test (tableau n⁰ 7), toutes les variables sont intégrées d'ordre zéro I(0), et donc stationnaires. Les valeurs de la statistique t ZA sont supérieures aux valeurs critiques au seuil de 5% pour les séries log RM, log PIB, log INF.

On retient pour les 3 séries le modèle A qui met en évidence un point de rupture dans la constante en 1989 pour la série log RM. Cette date correspond à la réforme du système monétaire et fiscal qui allait dès lors s'appuyer sur quelques mesures fortes destinées à enrayer l'inflation monétaire et rééquilibrer les comptes des agents économiques, et du Trésor en ménageant une transition de l'économie d'endettement vers une économie s'appuyant davantage sur les marchés monétaire et financier. Les dates de ruptures retenues pour les séries log PIB et log INF sont 1987 et 1986 respectivement, elles correspondent au contre choc pétrolier de 1986 qui avait des conséquences négatives sur la croissance et l'inflation. (Pour combler le déficit budgétaire, les autorités utilisaient la planche à billets, ce qui avait pour effet mécanique d'alimenter l'inflation).

Pour ce qui est es série log TINT et log TCH, on retient le modèle C qui présente une rupture dans la constante et la tendance à la fois en 1986 et 1991 pour la série log TCH. Cette dernière correspond à l'adoption du régime de change flottant.

2.1. Estimation de la relation de long terme de la fonction de demande de monnaie De l'équation (10), la fonction de demande de monnaie à long terme estimée sans rupture structurelle est sous la forme suivante :

Log RMt = -2,55 + 2,03 log PIBt - 0,26 log TINTt - 0,03 log TCHt - 0,02 log INFt ... (11)