3.1.
Principe de l'estimation
Nous allons estimer nos équations par la méthode
ARDL en panel. Les modèles ARDL ou modèles autorégressifs
à retards échelonnés ou distribués sont des
modèles dynamiques. Ces modèles ont pour particularité de
prendre en compte les dynamiques temporelles à savoir : les
anticipations, les délais d'ajustement...etc. Dans l'explication des
séries en améliorant leur efficacité ainsi que les
prévisions, contrairement aux modèles non-dynamiques dont
l'explication instantanée ne prend qu'une partie de la variation de la variable à
expliquer.
3.2.
Nature du modèle économétrique.
Durant ces dernières années,
l'économétrie des séries temporelles a connu des
développements importants tant du point de vue des tests de racine
unitaire que des tests de Co intégration. Pesaran et Shin (1997) et
Pesaran et autres (2001) ont développé une nouvelle technique
pour tester l'existence d'une relation de long terme entre des variables
caractérisées par un ordre d'intégration différent.
Il s'agit d'approche au test aux bornes « bounds test » pour une
relation de long terme dans un modèle autorégressif à
retards échelonnés ARDL (Auto Régressive Distributive
Lags). En raison de son caractère peu contraignant, cette technique est
de plus en plus utilisée comme alternative aux tests de Co
intégration usuels à cause de la flexibilité qu'elle
offre. En effet, la méthode ARDL ne nécessite pas que les
variables du modèle soient purement I (0) ou I (1). C'est
également une technique qui offre la possibilité de traiter
conjointement la dynamique de long terme et les ajustements de court terme.
C'est pourquoi, nous avons adopté cette approche pour analyser la
relation dynamique de financement de l'économie et transformation
structurelle en zone franc Africaine.
3.2.1.
Les avantages de l'approcheARDL
La méthode ARDL est utilisée pour examiner
l'effet du financement de l'économie sur la transformation structurelle
en zone franc africaine, afin de faire face aux problèmes liés
à l'analyse des séries qui ne sont pas intégrés de
même ordre. Cette procédure présente plusieurs avantages.
Premièrement, la méthodologie de test d'ARDL est applicable
indépendamment si les variables explicatives sont stationnaires ou
intégrées d'ordre 1. Ainsi, le problème de l'ordre
d'intégration associée au test de Johansen (1995) est
évité. Deuxièmement, il a de bonnes
propriétés par rapport aux petits échantillons.
Troisièmement, la méthode ARDL corrige le problème de la
corrélation et d'endogénéité, par une augmentation
appropriée de l'ordre des variables explicatives. Pour illustrer
l'approche d'ARDL, considérons le modèle simple :
La procédure ARDL à long terme implique deux
étapes. À la première étape, on teste l'existence
d'une relation de long terme. La présence de la relation à long
terme entre les variables est testée en calculant les F-statistiques
pour tester la signification des niveaux décalés des variables
sous la forme de correction d'erreur du modèle ARDL sous-jacente. Le
modèle à correction d'erreur du modèle d'ARDL est le
suivant :
Ou  et  représentent la dynamique à court terme du modèle
tandis que  et  représentent la relation de long terme et å est le terme
d'erreur du bruit blanc. L'hypothèse nulle du test F est la
non-existence de la relation de Co intégration :
Les statistiques pertinentes sont les statistiques F pour la
signification conjointe  et . La distribution asymptotique de F est non-standard, et
calculée indépendamment de l'ordre d'intégration des
variables explicatives. Pesaran et autres (1996) ont calculé les valeurs
critiques appropriées ; en conséquence, il existe deux ensembles
de valeurs critiques. Supposant que toutes les variables sont I (0) et une en
supposant que toutes les variables sont I (1).
· Si la valeur de la F-stat dépasse la borne
supérieure, alors on rejette H0 et on conclut à l'existence d'une
relation de long terme entre les variables considérées.
· Si la valeur de la F-stat est inférieure
à la borne inférieure, alors on ne rejette pas H0 et on conclut
à l'absence de relation de long terme entre les variables
considérées.
· Si la valeur de la F-stat est comprise entre les deux
bornes, alors on ne peut pas conclure. Le résultat dépend du fait
que les variables sont I (0) ou I (1). Une fois queles résultats des
tests rejettent l'hypothèse nulle de la « non-existence de la
relation de long terme », alors il est possible de procéder
à la prochaine étape de la procédure ARDL d'estimation,
qui est l'estimation des coefficients de long terme.
Dans la deuxième étape, on détermine les
ordres des retards dans le modèle ARDL en utilisant le critère
d'information Schwartz (SIC) ou d'Akaike (AIC). L'estimation de long terme de
la spécification ARDL choisie, donne une estimation des coefficients de
la relation de Co intégration.
Il est important de noter, cependant, que cette étape
n'est viable que si les résultats des tests de F rejettent l'inexistence
d'une relation de long terme entre les variables, donc la variable x peut
être considérée comme la variable qui explique y
à long terme. La condition de la solution du modèle
CUSUM et CUSUMSQ pour la stabilité des paramètres seront
adoptés, ainsi que les tests de diagnostic.
| 
