I-2- Spécification logarithmique :
Selon cette spécification, le modèle à
estimer est comme suit :
LNM1_FID - LNIPC = C + a. LNPIB_DEF + b. TAUXCC +
å
91
Cette fois-ci, nous allons utiliser le PIB réel et par
conséquent l'agrégat M1_FID sera divisé par l'IPC.
L'avantage de ce modèle est que les coefficients a et b ont une
signification économique. En effet, a sera interprété
comme étant l'élasticité de M1_FID par rapport au PIB et b
sera interprété comme étant la
semi-élasticité de M1_FID par rapport à TAUXCC.
Nous allons directement passer au modèle avec les
variables stationnarisées, soit le modèle ci-dessous :
LNM1_FIDRESD1 - LNIPCD1 = C + a. LNPIB_DEFRES + b. TAUXCCD1
+ å avec åt ~ N (0, ó2)
Les résultats de l'estimation de ce modèle sont
comme suit :
|
Dependent Variable: LNM1_FIDRESD1-LNIPCD1 Method: Least
Squares
Date: 06/11/13 Time: 09:08
Sample (adjusted): 2002Q3 2011Q4
Included observations: 38 after adjustments
|
|
|
Variable
|
Coefficient
|
Std. Error t-Statistic
|
Prob.
|
|
C
|
-0.004432
|
0.005463 -0.811244
|
0.4227
|
|
LNPIB_DEFRES
|
0.429837
|
0.228411 1.881859
|
0.0682
|
|
TAUXCCD1
|
-2.906281
|
1.786115 -1.627152
|
0.1127
|
|
R-squared
|
0.146873
|
Mean dependent var
|
-0.003700
|
|
Adjusted R-squared
|
0.098123
|
S.D. dependent var
|
0.035332
|
|
S.E. of regression
|
0.033554
|
Akaike info criterion
|
-3.875692
|
|
Sum squared resid
|
0.039404
|
Schwarz criterion
|
-3.746409
|
|
Log likelihood
|
76.63816
|
Hannan-Quinn criter.
|
-3.829694
|
|
F-statistic
|
3.012772
|
Durbin-Watson stat
|
2.452892
|
|
Prob(F-statistic)
|
0.062050
|
|
|
|
|
|
|
Modèle 6 : (LNM1_FIDRESD1-LNIPC)
C,LNPIB_DEFRES,TAUXCCD1
Ces résultats montrent qu'aucun des coefficients n'est
significativement différent de zéro au seuil de 5%. Par contre,
celui relatif à LNPIB_DEFRES peut être accepté au seuil de
10%. Le R2 et le R2 ajusté sont très bas (0.15 et
0.098 respectivement).
L'analyse du corrélogramme des résidus ci-dessous,
montre une forte corrélation d'ordre 4 :
|
Date: 06/11/13 Time: 09:12
Sample: 2002Q3 2011Q4 Included observations: 38
|
|
|
|
|
|
|
Autocorrelation Partial Correlation
|
|
AC
|
PAC
|
Q-Stat
|
Prob
|
|
1
|
-0.26...
|
-0.26...
|
2.8870
|
0.089
|
|
2
|
-0.41...
|
-0.51...
|
10.039
|
0.007
|
|
3
|
-0.12...
|
-0.63...
|
10.732
|
0.013
|
|
4
|
0.708
|
0.318
|
33.121
|
0.000
|
|
5
|
-0.20...
|
0.057
|
35.088
|
0.000
|
|
6
|
-0.38...
|
-0.07...
|
42.062
|
0.000
|
|
7
|
0.006
|
0.018
|
42.064
|
0.000
|
|
8
|
0.482
|
-0.06...
|
53.815
|
0.000
|
|
9
|
-0.15...
|
-0.02...
|
55.024
|
0.000
|
|
1...
|
-0.38...
|
-0.19...
|
63.201
|
0.000
|
|
1...
|
0.066
|
-0.23...
|
63.450
|
0.000
|
|
1...
|
0.388
|
-0.13...
|
72.231
|
0.000
|
|
1...
|
-0.05...
|
0.059
|
72.422
|
0.000
|
|
1...
|
-0.45...
|
-0.21...
|
85.280
|
0.000
|
|
1...
|
0.166
|
0.004
|
87.107
|
0.000
|
|
1...
|
0.249
|
-0.24...
|
91.379
|
0.000
|
|
|
|
|
|
|
92
Le coefficient d'autocorrélation d'ordre 2 est
également significativement différent de zéro. On se
propose donc d'introduire un terme MA d'ordre 2 et un autre d'ordre 4 dans le
modèle et de retirer la constante étant donné sa p-value
très élevée. Les résultats obtenus à partir
de l'estimation de ce modèle sont comme suit :
|
Dependent Variable: LNM1_FIDRESD1-LNIPCD1 Method: Least
Squares
Date: 06/11/13 Time: 09:14
Sample (adjusted): 2002Q3 2011Q4 Included observations: 38 after
adjustments Convergence achieved after 14 iterations MA Backcast: 2001Q3
2002Q2
|
|
|
Variable
|
Coefficient
|
Std. Error t-Statistic
|
Prob.
|
|
LNPIB_DEFRES
|
0.611350
|
0.081798 7.473899
|
0.0000
|
|
TAUXCCD1
|
-0.938386
|
0.993148 -0.944861
|
0.3514
|
|
MA(2)
|
-0.426607
|
0.071263 -5.986364
|
0.0000
|
|
MA(4)
|
0.948616
|
0.028556 33.21933
|
0.0000
|
|
R-squared
|
0.725462
|
Mean dependent var
|
-0.003700
|
|
Adjusted R-squared
|
0.701238
|
S.D. dependent var
|
0.035332
|
|
S.E. of regression
|
0.019312
|
Akaike info criterion
|
-4.956878
|
|
Sum squared resid
|
0.012680
|
Schwarz criterion
|
-4.784501
|
|
Log likelihood
|
98.18069
|
Hannan-Quinn criter.
|
-4.895548
|
|
Durbin-Watson stat
|
2.466296
|
|
|
|
Inverted MA Roots
|
.77+.62i
|
.77-.62i -.77+.62i
|
-.77-.62i
|
|
|
|
|
Modèle 7 : Modèle 6 :
(LNM1_FIDRESD1-LNIPC) LNPIB_DEFRES,TAUXCCD1 MA(2) MA(4)
Comme on peut le voir, à l'exception du coefficient
relatif à TAUXCCD1, tous les autres coefficients sont significativement
différents de zéro, et le R2 et le R2
ajusté se sont nettement améliorés (0.72 et 0.70
respectivement).
L'analyse du corrélogramme des résidus
ci-dessous, montre qu'à part le coefficient d'ordre 8, tous les autres
coefficients d'autocorrélation sont non significatifs :
|
Date: 06/11/13 Time: 09:19
Sample: 2002Q3 2011Q4
Included observations: 38
Q-statistic probabilities adjusted for 2 ARMA term(s)
|
|
|
|
|
Autocorrelation Partial Correlation
|
|
AC
|
PAC
|
Q-Stat
|
Prob
|
|
1
|
-0.26...
|
-0.26...
|
2.8881
|
|
|
2
|
-0.09...
|
-0.17...
|
3.2481
|
|
|
3
|
-0.14...
|
-0.24...
|
4.1981
|
0.040
|
|
4
|
0.301
|
0.188
|
8.2432
|
0.016
|
|
5
|
-0.17...
|
-0.10...
|
9.6949
|
0.021
|
|
6
|
-0.19...
|
-0.26...
|
11.429
|
0.022
|
|
7
|
0.034
|
-0.07...
|
11.486
|
0.043
|
|
8
|
0.409
|
0.324
|
19.973
|
0.003
|
|
9
|
-0.01...
|
0.262
|
19.991
|
0.006
|
|
1...
|
-0.35...
|
-0.23...
|
26.692
|
0.001
|
|
1...
|
0.140
|
0.014
|
27.797
|
0.001
|
|
1...
|
-0.05...
|
-0.26...
|
27.959
|
0.002
|
|
1...
|
0.021
|
-0.05...
|
27.987
|
0.003
|
|
1...
|
-0.33...
|
-0.11...
|
34.955
|
0.000
|
|
1...
|
0.144
|
-0.19...
|
36.321
|
0.001
|
|
1...
|
0.175
|
-0.06...
|
38.434
|
0.000
|
|
|
|
|
|
|
Par contre, le test de Breusch-Godfrey conduit avec 20 retards
permet d'accepter l'hypothèse d'abscence d'autocorrélation des
erreurs au seuil de 5%, comme le montre les deux p-values des deux statistique
de test :
Breusch-Godfrey Serial Correlation LM Test:
F-statistic 1.608733 Prob. F(20,14) 0.1829
Obs*R-squared 26.35360 Prob. Chi-Square(20) 0.1544
93
Ces différents tests nous permettent d'accepter le
modèle.
Ce modèle nous donne une
élasticité-revenu (élasticité de M1_FID par rapport
au PIB_DEF) égale à 0.61 et une
semi-élasticité-taux égale à
-0.94. On peut donc dire qu'une augmentation de 1% du PIB
entraîne une augmentation de seulement 0.61% de M1_FID et vice-versa. Une
augmentation de 1 point du taux sur compte de carnet entraîne une
diminution de -0.94% de M1_FID et vice-versa.
D'autre part, les résultats de test d'une
élasticité unitaire ne permettant pas d'accepter cette
hypothèse, la constante, qui est ici égale à zéro,
ne peut pas être interprétée comme une vitesse de
circulation :
|
Wald Test: Equation: EQ07
|
|
|
|
Test Statistic Value
|
df
|
Probability
|
|
t-statistic -4.751348
F-statistic 22.57531
Chi-square 22.57531
|
34
(1, 34)
1
|
0.0000
0.0000
0.0000
|
|
Null Hypothesis: C(1)=1 Null Hypothesis Summary:
|
|
|
|
Normalized Restriction (= 0)
|
Value
|
Std. Err.
|
|
-1 + C(1)
|
-0.388650
|
0.081798
|
|
Restrictions are linear in coefficients.
|
|
Ces deux modèles nous permettent de conclure que le
motif de spéculation est absent pour M1_FID, c'est-à-dire que le
seul motif de détention de M1_FID est le motif de transaction et celui
de précaution ce qui est conforme à notre hypothèse
(H).
II- Etude de la demande de monnaie scripturale (M1_SCR)
| 
