Efficacité de la politique monétaire sur la stabilité de taux de change en République démocratique du Congo de 1998 à 2014.

A. Test individuel des paramètres

Nous effectuons le test de signification des paramètres à l'aide de la statistique de student. Ce test nous permet de déterminer la significativité de paramètre au seuil de signification de 5%. Pour ce faire, nous émettons les hypothèses suivantes :

H₀ : a_i = 0, le paramètre n'est pas significatif;

H₁ : a_i ? 0, le paramètre est significatif.

Si la valeur de t statistique est inférieure à t_th 2,110 (au seuil de 5 pourcent), on valide hypothèse nulle. Le contraire est valable pour l'hypothèse alternative.

Avec l'application sur Eviews, si la probabilité associée à chaque paramètre est supérieure à 0.05, on accepte l'hypothèse nulle. Par contre, si elle est inférieure à 0.05, on rejette l'hypothèse nulle au profit de l'hypothèse alternative.

Partant du tableau d'estimation du modèle, nous remarquons que :

§ Pour la variable masse monétaire MM son t-statistique est de 5.498818>2,110ou encore probabilité est de 0.0001 < 0.05. c'est-à-dire que cette variable est significative et influence donc bien le taux de change ;

§ Pour la variable taux d'intérêt TXINT son t-statistique est de -2.572215>2,110ou encore probabilité est de 0.0221< 0.05. c'est-à-dire que cette variable est significative et influence donc bien le taux de change ;

B. Degré d'explication du modèle

Comme le coefficient de détermination est R²= 0.830272 ; donc le modèle ci-dessus est expliqué à 83%.

C. Test global du modèle ; Test de FISHER

La statistique de R² fournie le degré d'explication du modèle.

H_0 ; R², cela veut dire que le modèle n'est pas significatif.

H₁ ; R², cela veut dire que le modèle est significatif.

La probabilité de Fisher est de (0.000004) < 0.05, donc on rejette l'hypothèse nulle au profit de l'hypothèse alternative ; ce qui veut dire que le modèle est significatif.

Comme il en est ainsi, on peut maintenant passer aux différents tests économétriques afin de vérifier la structuration du modèle maintenu ci-haut.

3.2.5. Analyses Econométriques

Ces analyses se fondent sur les tests des résidus et sur leurs stabilités. L'économétrie repose toujours et avant tout sur un modèle qui est une représentation mathématique condensée de la « réalité » et à valeur opérationnelle^38(*).

Concernant la construction du modèle économétrique, il faut distinguer les variables explicitement prises en considération et le terme d'erreurs. On passe souvent du modèle économique au modèle économétrique en ajoutant au modèle économique le terme d'erreurs. Dans ce cas, ce terme d'erreur jouera le rôle de variable fourre tout.

Pour qu'une droite de régression soit une bonne estimation d'une droite théorique, il faut des hypothèses sur le terme d'erreurs.

Avant d'appliquer les méthodes économétriques classiques, le test de stationnarité des variables est recommandé afin d'éviter le problème de régression artificielle^39(*). Les résultats des tests de stationnarité présentés ci-haut montrent que toutes les variables sont stationnaires. En fait, le test de racine unitaire révèle que les statistiques ADF (Augmented Dickey-Fuller) calculées de toutes ces variables sont supérieures à leurs valeurs critiques de Mackinnon au seuil de 5%.

* ³⁸ R. VARIAN, Introduction à la microéconomie, 3^e éd., de Boeck, Bruxelles, 1994, p. 68.

* ³⁹ B. BOFOYA KOMBA, Principes d'économétrie (cours et exercice résolus), cours inédit, L1, FSEG, UNIKIS, 2006-2007, p.83. Cité par MAKI.