III.5.3.4. Test de
stationnarité sur le résidu
Après l'estimation de la relation de long terme entre
les variables par les MCO, il reste à vérifier si le
résidu issu de cette régression est stationnaire.
Les résultats de ce test sont fournis dans le tableau
suivant.
Tableau n°12. Test de
stationnarité sur le résidu en niveau
|
Résidu estimé
|
Test ADF
|
Test PP
|
|
VT
|
VC à 5%
|
Stationnaire
|
VT
|
VC à 5%
|
Stationnaire
|
|
-3,666615
|
-1,9521
|
Oui
|
-3,666615
|
-1,9521
|
Oui
|
Source : Nous-mêmes ; test
fait à l'aide du logiciel Eviews3
VT : Valeur Trouvée
VC : Valeur Critique
Le test de racine unitaire sur le résidu montre que
celui-ci est stationnaire en niveau, confirmant de ce fait, l'existence d'une
relation de cinération. Après le test de
coïntégration qui a permis de détecter la présence
d'une relation de long terme entre les variables, l'analyse de
l'évolution de court terme est amplement justifiée.
III.5.3.5. Estimation de la relation de court terme
L'étude du comportement à court terme requiert
la spécification d'un EMC. L'estimation de la relation de court terme
à l'aide du logiciel Eviews3 à donné les résultats
ci-après:
Tableau n°13: Estimation de
la relation de court terme,
|
Dependent Variable: D(IPC)
|
|
Method: Least Squares
|
|
Date: 09/07/13 Time: 12:26
|
|
Sample(adjusted): 1982 2011
|
|
Included observations: 30 after adjusting endpoints
|
|
Variable
|
Coefficient
|
Std, Error
|
t-Statistic
|
Prob,
|
|
C
|
0.562250
|
2.368533
|
0.237383
|
0.8152
|
|
D(IPC(-1))
|
0.756267
|
0.244373
|
3.094727
|
0.0066
|
|
D(M2)
|
0.000125
|
5.81E-05
|
2.156277
|
0.0457
|
|
D(M2(-1))
|
-0.000166
|
5.03E-05
|
-3.301027
|
0,0042
|
|
D(PIB)
|
7.42E-05
|
3.09E-05
|
2.399121
|
0.0282
|
|
D(PIB(-1))
|
-4.50E-05
|
3.27E-05
|
-1.374060
|
0.1873
|
|
D(TC)
|
0.166069
|
0,049825
|
3.333055
|
0.0039
|
|
D(TC(-1))
|
-0.119660
|
0.057680
|
-2.074571
|
0.0535
|
|
D(TID)
|
-0.873780
|
2.580296
|
-0.338636
|
0.7390
|
|
D(TID(-1))
|
-2,505338
|
2.221412
|
-1.127813
|
0.2751
|
|
D(TREF)
|
2.756828
|
1.162307
|
2.371859
|
0.0298
|
|
D(TREF(-1))
|
-0.236803
|
2.273980
|
-0.104136
|
0.9183
|
|
P(-1)
|
-0.841013
|
0.209622
|
-4.012040
|
0.0009
|
|
R-squared
|
0.912036
|
Mean dependent var
|
16.45333
|
|
Adjusted R-squared
|
0.849945
|
S.D. dependent var
|
18.36124
|
|
S,E, of regression
|
7.112590
|
Akaike info criterion
|
7.060293
|
|
Sum squared resid
|
860.0118
|
Schwarz criterion
|
7.667478
|
|
Log likelihood
|
-92.90439
|
F-statistic
|
14.68849
|
|
Durbin-Watson stat
|
1.939754
|
Prob (F-statistic)
|
0.000001
|
Source: Nous-mêmes, estimation des
données avec le logiciel E-Views3
A partir de ce tableau, nous avons le modèle à
correction d'erreur de la fonction de l'indice des prix à la
consommation :
D(IPC) = 0,5622500878 + 0,7562667546*D(IPC(-1)) +
0,0001253219482*D(M2)
(0,8152) (0,0066)
(0,0457)
- 0,0001661034489*D(M2(-1)) + 7,420414463-05*D(PIB)
(0,0042)
(0,0282)
- 4,499371753-05*D(PIB(-1)) + 0,1660686067*D(TC) -
0,1196604951*D(TC(-1))
(0,1873)
(0,0039) (0,0535)
- 0,8737804724*D(TID) - 2,505337835*D(TID(-1)) +
2,756828181*D(TREF)
(0,7390) (0,2751)
(0,0298)
- 0,2368029018*D(TREF(-1)) - 0,8410131961*P(-1)
(0,9183) (0,0009)
R2=0,91; R2ajusté =0,84; F-stat
=14,688; Prob (F-stat)= 0,000
Les valeurs entre parenthèses sont des
probabilités qui représentent la significativité des
variables.
Le coefficient du modèle à correction d'erreur
est statistiquement significatif et présente le signe attendu. Cette
force de rappel de -0,841 avec sa probabilité de 0,000, traduit l'effet
d'ajustement de l'inflation (désigné par l'IPC) à chaque
période vers l'équilibre.
L'estimation économétrique montre que parmi
les variables explicatives, seules le PIB, le M2, le TC et le TREF sont
statistiquement significatives.
Cette significativité n'est pas confirmé sur ces
variables décalées d'une période sauf pour la masse
monétaire et l'IPC.
Les effets de ces variables significatives sont positifs sur
l'indice général des prix, donc l'inflation. Ces effets sont
identiques tant à court terme qu'à long terme.
| 
