Memoire Online - Les importations et l'inflation en RDC.

Avant le traitement d'une série chronologique, il convient d'en étudier les caractéristiques stochastiques. Si ces caractéristiques c'est-à-dire son espérance et sa variance se trouvent modifiées dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d'un processus stochastique invariant, la série temporelle est alors stationnaire (Bourbonnais, 2015). Dans la mesure où les chroniques économiques sont rarement des réalisations de processus aléatoires stationnaires, il s'avère nécessaire de procéder au test de stationnarité. Pour ce faire, le test de Dickey-Fuller Augmenté (ADF) a été d'usage dans cette démarche. Le tableau ci-dessous résume les résultats dudit test.

Tableau n° 05 : Test de racine unitaire (test de stationnarité des variables)

	-6,847***	Non	Non	Non	Non	Non	Oui	I(1)
LIMP	-4,894***	Non	Non	Non	Non	Non	Oui	I(1)
LMM	-3,300***	Non	Non	Non	Non	Non	Oui	I(1)

TCH	-3,116***	Non	Non	Non	Non	Non	Oui	I(1)
TC	-5,623***	Non	Non	Non	Non	Non	Oui	I(1)
DB	-7,202***	Oui	Non	Non	Non	Non	Non	I(0)

(***) indique que les variables sont stationnaires au seuil de 1%. (3), (2) et (1) désignent respectivement le modèle avec trend et intercept, le modèle avec intercept et enfin le modèle sans trend ni intercept.

A la lecture du présent tableau, il se dégage une situation selon laquelle toutes les variables sont stationnaires à la 1^ère différence pour un modèle sans tendance ni terme constant à l'exception de la variable DB qui est sationnaire à niveau pour un modèle avec tendance et terme constant. Vu que toutes les variables (à l'exception de la variable DB) sont intégrées d'ordre I, il existe alors un rique de cointégration ; d'où l'analyse de la cointégration dans la point suivant.

III.4. ANALYSE DE LA COINTEGRATION

Pour tester la cointégration de nos séries, nous avons utilisé l'approché de Johansen (1988). En effet, cette approche permet d'identifier la relation d'équilibre de long terme entre deux ou plusieurs variables intégrées d'ordre différent en recherchant l'existence d'un vecteur de cointégration, c'est-à-dire s'assurer de la convergence des sentiers de croissance des variables sur le long terme. Ci-dessous les résultats du test de cointégration.


Unrestricted	Cointegration	Rank Test (Trace)

Hypothesiz ed		Trace	0.05
No. of CE(s)	Eigenvalue	Statistic	Critical Value	Prob.**

None *	0.833443	127.0496	83.93712	0.0000
At most 1 *	0.561807	64.31489	60.06141	0.0209

At most 2	0.383625	35.43653	40.17493	0.1384
At most 3	0.323555	18.50003	24.27596	0.2248
At most 4	0.127730	4.818371	12.32090	0.5931
At most 5	0.001011	0.035387	4.129906	0.8777


Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Le test de cointégration effectué sindique la présence de deux relations d'équilibre à long terme parce qu'on obtient deux valeurs statistiques de la trace supérieur aux valeurs critiques au seuil de 5%.

Etant donné que le vecteur de cointégration n'est pas unique, la méthode d'Engle-Granger n'est plus valide et les estimateurs des MCO ne sont plus consistants quels que soient les vecteurs de cointégration. Nous devons, dans ce cas, faire appel à la représentation vectorielle à correction d'erreur (VECM, « Vector Error Correction Model ») qui est estimée par la méthode du maximum de vraisemblance (Bourbonnais, 2015).

Les importations et l'inflation en RDC.

III.3. ANALYSE DE LA STATIONNARITE DES VARIABLES

III.4. ANALYSE DE LA COINTEGRATION