Les déterminants de l’efficacité de la politique monétaire en république démocratique du Congo.

I.1.2. Le test de stationnarité

Les résultats de ce test sont consignés en annexe tableau n°1, ils montrent que trois (3) variables sont intégrées d'ordre 1 dont la variable dépendante et les autres variables sont stationnaires à niveau. Comme il existe des variables non stationnaires. Cela nous a conduit à envisager l'étude de la cointégration.

Les tests de Dickey-Fuller augmenté permettent non seulement de détecter l'existence d'une tendance (tests de racine unitaire, Unit Root test) mais aussi de déterminer la bonne manière de stationnariser une chronique. Pour ce faire, deux types de processus sont distingués :

- Les processus TS (Trend Stationary) qui représentent une non stationnarité de type déterministe ;

- Les processus DS (DifferencyStationary) pour les processus non stationnaire aléatoires.

Mais, ces tests permettent de mettre en évidence le caractère stationnaire ou non d'une chronique par la détermination d'une tendance déterministe ou stochastique. Il y a trois modèles qui servent de base à la construction de ces tests à savoir le modèle autorégressif d'ordre un ; le modèle autorégressif avec tendance et le modèle autorégressif avec la constante.

Les critères d'acceptation ou de refus de la stationnarité s'effectuent des manières suivantes : -Pour les tests à niveau pour les variables

Si ADFcal>ADFth, la variable est non stationnaire au modèle avec constante, mais sans tendance

Si ADFcal<ADFth, la variable est non stationnaire au modèle avec tendance, mais constante. -Pour les tests à la différence première

⁸¹ BOURBONNAIS. R. Idem

131

Si ADFcal<ADFth, la variable est non stationnaire au modèle avec tendance, mais constante.

Si ADFcal>ADFth, la variable est non stationnaire au modèle avec constante, mais sans tendance

Toute fois les variables significatives du modèles aurons la tendance et la constante pour les tests à niveau et pas de tendance ni de constante pour le test à la différence première d'où le respect de la règle de cointégration des variables de même ordre c'est-à-dire à la première différence I(1)⁸²

I.1.3. Spécification des modèles théoriques

a) Modèle d'équation de cointégration

LM2_SPRt= po - p1* LPIB(t)- p2*INT_BCMP(t)+* p3INF_SEM(t)+ p4*TXDEPR(t)+?t

â0 est une constante et ?t la variable aléatoire du modèle économétrique et â1,â2,â3, â4sont des coefficients des variables explicatives. Où les variables (en échelle logarithmique) pris en compte pour l'estimation sont respectivement :

LM2_SPRt: désigne les encaisses réelles

LPIB : Désigne le PIB à prix constant

INT_BCMP : Taux d'intérêt domestique

INF_SEM : Taux d'inflation en glissement semestriel

TXDEPR : Taux de dépréciation de la monnaie nationale

b) Modèle à correction d'erreur

L'utilisation du modèle à correction d'erreur montre la relation commune de cointégration (la tendance commune) et d'en déduire les interactions entre les variables⁸³. Estimons le modèle à correction d'erreur conformément à la représentation du modèle de Hendry⁸⁴, suivant par la méthode des moindres carrés en une seule étape :

ÄLM2_SPRt= p0+p1*ÄINT_BCMPt-p3*TXDEPRt-p4*EC_MD022t+e3t

⁸² BOURBONNAIS R. Op.cit. pp 230-232

⁸³ Régis Bourbonnais, « Econométrie », 6ème édition, Dunod, Paris, 2005, p. 279.

⁸⁴Les modèles à correction d'erreur ont été introduits par Hendry au début des années 80. Ils ont le mérite de faire ressortir les dynamiques de court et de long terme des variables.

132

A: est l'opérateur de différence première défini par A(LMt) = LMt - LMt-1

Les coefficients f31, f32, f33, et f34 représentent la dynamique de court terme et les coefficients f36, f37, f38 et f39 caractérisent l'équilibre de long terme. Le coefficient f35 est le coefficient de correction d'erreur, il doit être inférieur à l'unité et négatif. Le coefficient de correction d'erreur indique la vitesse d'ajustement de la variable endogène du produit intérieur brut (LPIB) pour retourner à l'équilibre de long terme suite à un choc. Le coefficient f30 représente la constante du modèle.

Les élasticités de court terme sont : f31, f32, f33 et f34

Ainsise basant sur la fréquence semestrielle des données, la détermination du nombre optimal de retards du modèle vectoriel à correction d'erreurs, le processus itératif a commencé avec 12 retards en utilisant les critères d'informations de Schwarz (SC), de Hannan-Quinnon (HQC), du ratio de Maximum de vraisemblance (LR), de l'erreur finale de prévision (FPE) et d' Akaike (AIC) jusqu'à ce qu'on a trouvé le modèle à 8 retards qui semble approprié au contexte de l'économie de la RDC.

Les estimations sont effectuées sur base des données trimestrielles allant de 2003 à 2018. L'indisponibilité des séries mensuelles du PIB ont nécessité la trimestrialisation des données à fréquence annuelle. Ainsi, le résultat du modèle estimé se présente comme suit :

? Relation de long terme estimée (test de cointégration)

LM2_SPRt= 33.43 - 4.61*LPIB(-1)- 0.21*INT_BCMP(-1)+0.24* INF_ANN(-1)+ 2.15*TXDEPR(-1)

[-2.17737] [-3.57416] [ 6.24999] [5.14938]

? Relation de court terme (modèle à correction d'erreurs, MCE)

ÄLM2_SPRt=-0.0268+0,0075*ÄINT_BCMPt-0.0026*TXDEPRt-0.0017*EC_MD022t+e3t

(0.0014) (0,0016) (0,0007)

[5.3888] [-1.6220] [-2.4024]

133

Ce résultat est retracé par le graphique ci-dessous, lequel illustre clairement la pertinence de cette relation à partir de laquelle est issue l'estimation du modèle vectoriel à correction d'erreur ainsi que la représentation de la relation de long terme.

Graphique n°22 : Réponse de l'inflation suite aux chocs sur le taux directeur

^{Reponse de l'inflation suite aux chocs sur le taux directeur}

^.010 ^.008 ^.006 ^.004 ^.002 ^.000 ^-.002
	^5 10 15 20 25 30 35

Source : l'auteur

Il est à observer que le vecteur des résidus est stationnaire. Ce qui confirme l'évidence de l'existence d'une relation de long terme stable entre la demande des encaisses réelles, le revenu réel et les autres variables du coût d'opportunité de la demande de monnaie.

Tableau n°8

Variables	M1R	M2_SPR	PIBCONST	INF	INF_ANN	INT_BCMP	TXDEPR	TX_CR_BCM
Ordre integration	I(I)	I(I)	I(I)	I(0)	I(0)	I(I)	I(0)	I(I)

Les différents tests de diagnostic ont validé l'absence de l'autocorrélation sérielle dans le vecteur des résidus. De même, le test d'hétéroscédasticité, qui confirme la constance de la variance de l'erreur par l'acceptation de l'hypothèse nulle de l'absence de l'hétéroscédasticité à la lumière de la valeur de la statistique conjointe du Khi-Carré, indique une probabilité limite de 47,5 % qui est supérieure au seuil de significativité de 5,0 %.

Par ailleurs, la stabilité du modèle vectoriel à correction d'erreur de la demande de monnaie à long terme semble également être vérifiée au regard des valeurs propres de la matrice du

134

VECM, lesquelles se trouvent à l'intérieur du disque unité, comme l'illustre le graphique ci-dessous.

Graphique n° 23 et 24 : Stabilité du modèle vectoriel de la demande de monnaie à long
terme et à court terme pour la ROC

^-0.5

^-1.0

^-1.5

^0.5

^0.0

^1.5

^1.0

^{Inverse Roots of AR Characteristic Polynomial}

^{-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5}

^-0.5

^-1.0

^-1.5

^0.5

^0.0

^1.5

^1.0

^{Inverse Roots of AR Characteristic Polynomial}

^{-1.5 -1.0 -0.5 0.0 0.5 1.0 1.5}

Il a été d'abord utilisé le test de CUSUM-carré (graphique 1) pour voir si une situation d'instabilité ponctuelle ne serait pas apparue durant toute la période sous analyse pour

Source : l'auteur sur base du logiciel Eviews.9

Les résultats obtenus mettent en évidence la pertinence des variables revenu réel et dépréciation du taux de change, sur les encaisses réelles. En effet, un accroissement de 1 % du revenu réel impacte positivement les encaisses réelles de 4,6 %. L'élasticité de M2 par rapport au revenu réel est supérieure à l'unité (4,6). Ce constat, dans le modèle de long terme, traduit à la fois une croissance plus importante de la masse monétaire par rapport au revenu et une prévalence du sous-développement du secteur financier dans l'économie congolaise.

Par contre, dans le modèle de court terme, c'est la dépréciation du taux de change qui influe négativement sur les encaisses réelles en RD Congo. Cette influence significative de la variable taux de change sur la demande de monnaie se justifie dans un environnement économique marqué par la dollarisation et dans un contexte de régime de change flottant.

2. Analyse de la stabilité de la demande de la monnaie

L'intérêt de la poursuite des objectifs de la politique monétaire dépend plus de la stabilité de la demande de monnaie. Ainsi a-t-on soumis l'équation de demande de la monnaie de la RDC à toute une batterie de tests destinés à déceler d'éventuelles instabilités.

Toutefois, le calcul de la vitesse de circulation se heurte empiriquement à plusieurs difficultés. Pour les pays semi-dollarisés, la production nationale est détenue en une faction d'actifs en

135

diagnostiquer sur l'existence ou non de l'instabilité structurelle au cours de la période sous

examen.

Graphique N°25 : Test de CUSUM-Carré sur la demande de la monnaie

^30 ^20 ^10 ^0 ^-10 ^-20 ^-30

^{04 05 06 07 08 09 10 11 12 13 14 15 16 17 18}

^{CUSUM 5% Significance}

Source : Construit par l'auteur à partir du logiciel Eviews

Il résulte des tests de stabilité présentés ci-haut que, au cours de la période analysée, on pouvait observer des cycles d'instabilité ponctuelle allant de janvier 2002 à décembre 2010. A partir de janvier 2010, la situation s'est stabilisée pour revenir à l'équilibre. Cette situation est due notamment au comportement des principaux facteurs explicatifs de la demande de monnaie (taux d'intérêt, taux de dépréciation de la monnaie nationale, etc.) qui étaient caractérisés par de fortes instabilités.

En dépit de l'instabilité ponctuelle observée, il conviendrait de noter que la demande de monnaie était restée structurellement stable pour toute la période sous examen.