Juillet 2018
Université de Lubumbashi
Faculté de sciences économiques et de
gestion
Département d'économie
MÉMOIRE
Déterminants de la vitesse-revenu de la
monnaie en République Démocratique du
Congo de 1970 à 2016
Présenté et défendu
pour obtenir le grade de
Licencié en
Économie
Option: «Économie
monétaire«
Par
NGUZ MUHONG NATHAN
Année académique 2017 - 2018
Université de Lubumbashi
Faculté de sciences économiques et de
gestion
Département d'économie
MÉMOIRE
Déterminants de la vitesse-revenu de la
monnaie en République Démocratique du
Congo de 1970 à 2016
Présenté et défendu
pour obtenir le grade de
Licencié en
Économie
Option: «Économie
monétaire«
Par
NGUZ MUHONG NATHAN
Directeur
KILONDO NGUYA
DIDIER-RICHARD
Professeur
I
Table des matières
Liste des figures III
Liste des tableaux IV
Dédicace V
Épigraphe VI
Remerciements VII
Introduction 1
1 Problématisation de l'étude 3
1.1 Revue de littérature 3
1.1.1 Conception
classique/Néoclassique du comportement de la vitesse
de monnaie 4
1.1.2 La théorie Keynésienne dela
préférence pour la liquidité 7
1.1.3 La réhabilitation de la théorie quantitative
de la monnaie (Milton
Friedman) 8
1.2 État de la question 10
1.3 Problématique 15
1.4 Hypothèses 17
1.5 Méthodologie de recherche 18
1.5.1 Méthodes d'analyse et de collecte des données
19
2 Approche conceptuelle de la monnaie et des
agrégats macroéconomiques 22
2.1 Balisage conceptuel 22
2.1.1 La monnaie 23
2.1.2 La vitesse de circulation dela monnaie 27
2.1.3 Le niveau général des prix 28
II
2.1.4 Le taux d'inflation 29
2.1.5 Le revenu national (PIB) 30
2.1.6 Le taux d'intérêt 31
2.1.7 Le taux de change 32
2.2 Présentation du champ d'étude qu'est la RDC
33
2.3 Conclusion du deuxième chapitre 40
3 Approche empirique des déterminants de la
vitesse-revenu du franc congolais 41
3.1 Spécification du modèle et étude des
variables 42
3.1.1 Spécification du modèle 42
3.1.2 Étude des variables 44
3.2 Estimation du modèle VAR (p) 48
3.2.1 Détermination du nombre de retard du modèle
49
3.2.2 Estimation du modèle VAR (5) 49
3.2.3 Test de causalité de Granger 50
3.2.4 Analyse des chocs 51
3.3 Conclusion du troisième chapitre 53
Conclusion générale 54
Bibliographie 57
Annexes 59
A Tableaux 59
B Liste des acronymes 78
III
Liste des figures
2.1 Courbes d'évolution du PIB réel en fonction
du temps 35
2.2 Courbes d'évolution du taux d'inflation en fonction
du temps 36
2.3 Courbes d'évolution de la masse monétaire en
fonction du temps 37
2.4 Courbes d'évolution du taux de change en fonction
du temps 37
2.5 Courbes d'évolution du taux directeur en fonction
du temps 38
2.6 Courbes d'évolution de la vitesse-revenu du franc
congolais en fonction du
temps 39
3.1 Courbes d'évolution des variables de l'étude
de 1970q1-2016q4 45
3.2 Courbes d'évolution des variables stationnaires
de l'étude de 1970q1-2016q4 48
3.3 Réponses impulsionelles des variables de
l'étude 52
IV
Liste des tableaux
3.1 Test de DFA 47
3.2 VAR, Critère de sélection d'ordre de retards
49
A.1 Test de racine unitaire : vitesse-revenu à niveau
59
A.2 Test de racine unitaire: Masse monétaire à
niveau 60
A.3 Test de racine unitaire: Masse monétaire à
la différence première 61
A.4 Test de racine unitaire: PIB réel (R) à
niveau 62
A.5 Test de racine unitaire: PIB réel (R) en
différence première 63
A.6 Test de racine unitaire: taux de change à niveau
64
A.7 Test de racine unitaire: taux de change à la
différence première 65
A.8 Test de racine unitaire: taux d'inflation à niveau
66
A.9 Test de racine unitaire: taux d'inflation à la
différence première 67
A.10 Test de racine unitaire: taux directeur à niveau
68
A.11 Estimation du modèle VAR 68
A.12 Test de causalité au sens de Granger 73
A.13 Décomposition de la variance des variables de
l'étude : VR 74
A.14 Décomposition de la variance des variables de
l'étude: TIS 74
A.15 Décomposition de la variance des variables de
l'étude: TDS 74
A.16 Décomposition de la variance des variables de
l'étude: TCS 75
A.17 Décomposition de la variance des variables de
l'étude: RS 75
A.18 Décomposition de la variance des variables de
l'étude: MMS 75
A.19 Fonction des réponses impulsives : VRS 76
A.20 Fonction des réponses impulsives : TIS 76
A.21 Fonction des réponses impulsives : TDS 76
A.22 Fonction des réponses impulsives : TCS 77
A.23 Fonction des réponses impulsives : RS 77
A.24 Fonction des réponses impulsives : MMS 77
V
Dédicace
A ma très chère mère MULAJI KETA Dorcas
pour l'amour et l'affection qu'elle n'a cessé de témoigner
à notre égard. Ces prières, ces encouragements n'ont pas
été moindres pour que ce travail soit réalisé. Toi
qui dis toujours que :« mes enfants sont capables de faire tout ce que les
autres peuvent faire, mais cette fois autrement.. . ».
Épigraphe
VI
« La première panacée pour une nation mal
dirigée est l'inflation monétaire, la seconde est la guerre. Les
deux apportent prospérité temporaire et destruction
indélébile. Les deux sont le refuge des opportunistes
économiques et politiques»
Ernest HEMINGWAY (1899-1961)
Remerciements
« Si le seigneur ne construit pas la maison, c'est
à vain que construit le constructeur », merci au pluriel
père éternel.
La fin de ce deuxième cycle est une joie pour quiconque
nous a vu commencé et une déception pour tout celui qui
espérait le chaos, également un étonnement pour tous
ceux-là qui prenaient notre performance pour une aventure.
Je tiens à remercier sincèrement le professeur
KILONDO NGUYA Didier Richard,qui, en tant que Directeur de ce travail, s'est
toujours montré à l'écoute et très disponible tout
au long de la réalisation de ce mémoire. Ainsi, pour
l'inspiration, l'aide et le temps qu'il a bien voulu nous consacrer et sans
qui,ce travail n'aurait jamais vu le jour.
Mes remerciements s'adressent également à
l'assistant Daniel KASONGO et au chef de travaux MUYEMBE Joseph respectivement
pour leur générosité et la grande patience dont ils ont su
faire preuve malgré leurs charges professionnelles. Nos sincères
gratitudes.
A vous chères grandes soeurs, à vous chers
grands frères, à vous cousins et cousines, à vous tous et
toutes, qui les jours comme les nuits, supportez souffrances, caprices et
peines pour nous; laissez nous vous adressez nos très sincères
remerciements.
Enfin, j'adresse mes plus sincères remerciements
à tous mes proches et amis, qui m'ont toujours soutenu et encourager au
cours de la réalisation de ce travail.
VII
A toutes et à tous, grand merci.
1
Introduction
L'étude de la monnaie, de la politique monétaire
ou des mécanismes en rapport avec la stabilisation monétaire dans
un pays en voie de développement comme la RDC est sans doute, à
notre avis, l'objet d'étude le plus passionnant, parmi tant de
composantes des différentes disciplines attachées aux sciences
économiques. Ce préjugé nous conduit à aborder les
questions monétaires et encourage tout chercheur animé de la
curiosité scientifique d'exploiter ce vaste champ de connaissance afin
d'y découvrir les mécanismes qui pourront permettre aux pays en
développement d'atteindre l'objectif de stabilisation monétaire.
De nos jours, la recherche sur la monnaie, sa nature et sa place dans
l'économie font l'objet des nombreuses études et
réflexions.
Définie comme le nombre de fois en moyenne qu'une
unité monétaire est utilisée dans les transactions au
cours d'une période donnée, Marie DELAPLACE (2000); la vitesse de
circulation de la monnaie permet de déterminer la quantité de
monnaie requise pour satisfaire un volume donné de transactions. Elle
rend compte également des rapports qui existent entre la quantité
de monnaie et les grandeurs réelles de l'économie. De ce fait,
une étude portant sur le comportement de la vitesse viserait
essentiellement l'améliora-tion de la connaissance des liaisons qui
existent entre la monnaie et le reste du milieu économique. La
nécessité d'une telle recherche est renforcée par le fait
que, lorsque la liaison entre la masse monétaire et les données
réelles est imprécise, il y a un risque de distorsion entre les
objectifs intermédiaires et finals de la politique monétaire. En
outre, la maîtrise des facteurs gouvernant les variations de la vitesse
pourrait éclairer les Autorités monétaires sur les effets
de leur politique, les aidant ainsi à déceler les
dérapages et à corriger la trajectoire sans retard. Le cadre
d'analyse s'inspire de l'équation de demande de monnaie classique (MV
=PT), Avec : M :masse monétaire, V :la variation relative de la vitesse,
T :celle du volume des transactions et P :le taux d'inflation. La
stabilité de la vitesse dépendrait dès lors, de
l'existence d'une relation stable entre le revenu nominal
2
et la masse monétaire. Ainsi, les fluctuations de la
vélocité perturbent la relation entre la monnaie et les prix,
limitant l'efficacité de la politique monétaire en matière
de régulation conjoncturelle de l'inflation.
Cependant, la RDC, pays en voie de développement
connait depuis quelques décennies les épisodes des
dépréciations de la monnaie nationale (zaïre, nouveau
zaïre et franc congolais) correspondant très souvent à une
accélération du rythme de formation des prix intérieurs,
de même que les périodes de fortes tensions inflationnistes se
caractérisant également par des pertes de la vitesse de monnaie
nationale et tous ceux-ci accompagnés d'une distorsion de
l'activité économique. Compte tenu des attributs de
l'éco-nomie congolaise, la maitrise des variables influençant la
vitesse de monnaie seraient adaptable pour atteindre l'objectif de la
stabilisation monétaire? C'est donc de cette question que coule notre
problématique à savoir: « quels seraient les facteurs qui
influencent la vitesse-revenu en RDC de 1970 à 2016? ». Tenant
compte de la littérature fouillée, la vitesse-revenu peut
être déterminée par des facteurs tels que : la masse
monétaire, le taux d'inflation, le PIB réel, le taux
d'intérêt mais aussi le taux change. Pour répondre à
notre question de recherche, nous avons pu utiliser la technique d'interview
directe et la technique documentaire; nous avons par ailleurs usé d'un
certain nombre des méthodes, notamment historique, comparative et
économétrique particulièrement en utilisant le
modèle VAR et ses outils (test de causalité au sens de granger,
la décomposition de la variance et la fonction des réponses
impulsionnelles). Les données utilisées sont trimestrielles
allant de 1970q1 à 2016q4 (décomposées à partir
d'Eviews 9) et issues de la banque mondiale (WDI, IFS) mais aussi de la banque
centrale du Congo. Après analyse, nous avons trouvé qu'en RDC, la
vitesse-revenu est déterminée par le taux d'inflation mais aussi
le PIB réel et les autres variables ont une influence
négligeable. Notre travail est subdivisé en trois chapitres
au-delà de l'introduction et de la conclusion générale. Le
premier chapitre est consacré à la problématisation de
l'étude qui met en relief un ensemble des questionnements de
l'étude à l'instar de la revue de littérature empirique et
théorique, la problématique, les hypothèses et la
méthodologie à suivre. Le deuxième chapitre met en exergue
une série des généralités sur le sujet sous examen
en faisant en premier un balisage conceptuel et en second lieu une
présentation de notre champ d'étude qu'est la RDC. Et le
troisième chapitre est consacré à la méthodologie
et résultats empiriques des déterminants de la vitesse-revenu de
la monnaie en RDC.
3
Chapitre 1
Problématisation de l'étude
Sommaire
1.1 Revue de littérature 3
1.1.1 Conception classique/Néoclassique du comportement de
la vi-
tesse de monnaie 4
1.1.2 La théorie Keynésienne de la
préférence pour la liquidité . . . 7
1.1.3 La réhabilitation de la théorie quantitative
de la monnaie (Mil-
ton Friedman) 8
1.2 État de la question 10
1.3 Problématique 15
1.4 Hypothèses 17
1.5 Méthodologie de recherche 18
1.5.1 Méthodes d'analyse et de collecte des données
19
Notre étude porte sur « les déterminants de
la vitesse de circulation de la monnaie en République
Démocratique du Congo ». Dans ce chapitre, il sera question de
présenter un certain nombre d'éléments qui vont constituer
le questionnement de notre étude à savoir: la revue de
littérature, l'état de la question, la problématique, les
hypothèses de recherche et la méthodologie à suivre.
1.1 Revue de littérature
Il sera analysé dans cette partie du travail, les
évolutions théoriques du concept de vitesse de circulation de la
monnaie relatives à son comportement.
4
L'évolution du concept de vitesse de circulation est un
corollaire des débats sur la demande de monnaie. La signification des
variations de la vitesse est fondamentale en analyse monétaire, car,
selon sa vitesse, une même quantité de monnaie servira au paiement
d'un volume plus ou moins important de transactions.
La conception du comportement de la vitesse de circulation de
la monnaie étant analysée dans la théorie
économique sur base de la théorie quantitative de la monnaie et
bien nous allons exposer ici une évolution de cette théorie selon
les écoles: classique; néoclassique; keynésienne et
monétariste.
1.1.1 Conception classique/Néoclassique du
comportement de la vitesse de monnaie
HARRIBEY [2001], expose la théorie quantitative de la
monnaie; esquissée par Jean Bodin (1568) qui remarqua la
corrélation entre l'arrivée massive de métaux
précieux en Europe et la flambée des prix, puis formulée
par John Locke (1690),David Hume (1752)et Richard Cantillon (1757) et mise sous
forme d'équation par Irving Fisher (1911), elle a donné naissance
à une branche particulière de la théorie
néoclassique : le monétarisme. Que dit-il? Pour un volume de
transactions (T) donné et une vitesse de la circulation (V) constante,
toute variation de la quantité de monnaie en circulation (M)
entraîne une variation proportionnelle des prix (P) : MV = PT. La vitesse
de circulation est supposée constante à court terme car les
habitudes de paiement n'évoluent que lentement. Le volume de
transactions est lui aussi supposé constant car l'équilibre des
marchés assure le plein emploi de toutes les capacités de
production. La théorie quantitative de la monnaie s'intègre donc
dans le modèle d'équilibre général de Walras.
1. Jean Bodin (1530-1596)
H. Hakim, M. Feteh (2013), disent qu'à cette
époque, trois personnages: Navarro, dominicain espagnol, Jean Bodin et
l'Italien Davanzati. Essaient tous les trois d'ex-pliquer l'incroyable
inflation de la Renaissance. Malestroit, conseiller du roi, se voit
diligenté pour faire un rapport sur le « renchérissement de
toutes choses ». Il donne une explication fausse de la situation: il y a
inflation parce que les métaux précieux deviennent plus chers, et
qu'il faut donc plus de biens pour en acheter (paradoxe
5
de Malestroit). Dans une réponse à Malestroit,
Bodin donne les premiers éléments de la théorie
quantitative. Selon lui, le problème est tout autre, et complexe; il
distingue trois raisons, deux réelles et une monétaire:
Les structures de distribution de biens et services sont trop
coûteuses : le transport, par exemple.
Les « couches moyennes» de l'époque, future
bourgeoisie, veulent avoir un comportement dépensier analogue à
celui de l'aristocratie. Argument partiellement faux: les gens dépensent
trop, mais cela n'explique pas que les prix dérivent; en revanche, la
croissance de cette couche peut entraîner une hausse des prix.
Cause monétaire: il constate la concomitance de la
hausse des prix et de l'arrivée massive d'or et d'argent en provenance
d'Amérique, surtout vers l'Espagne. Or, c'est d'abord en Espagne que
l'on constate la hausse des prix. C'est parce qu'il y a eu arrivée
massive d'or et d'argent qu'il y a inflation. Pour la première fois est
évoqué ce lien entre quantité monétaire et
inflation. Les économistes attribuent la paternité de la
théorie quantitative à Jean Bodin, il est considéré
ainsi comme le précurseur du quantitativisme.
2. John Locke (1632-1704)
H. Hakim, M. Feteh (2013), renchérissent qu'un
siècle après les explications que donnait Jean Bodin sur les
raisons de la hausse des prix en Europe, la pensée mercantiliste
dominait toujours, dont l'un des aspects est l'accumulation des métaux
précieux car ils constituent la principale richesse des Etats. Le
premier penseur qui conteste cette théorie est John Locke par ses
explications sur l'inflation, appuyant ses travaux sur la loi des
proportions.
Il introduit d'abord un concept nouveau: l'idée de
vitesse de circulation de la monnaie. Ce qui compte n'est pas simplement la
quantité de monnaie qui en est la cause, mais cette vitesse de
circulation. Si dans une période donnée est utilisée deux
fois en un mois, c'est comme si on utilisait deux fois une pièce d'or.
Dans les deux cas, il y a eu deux transactions. La vitesse est le nombre de
fois où des instruments
6
monétaires sont utilisés. Pour Locke, la vitesse
de circulation étant donnée, alors les prix varient
proportionnellement à la quantité de monnaie.
C'est la loi des proportions. Formellement: « La vitesse
de circulation étant donnée, la valeur de la monnaie varie de
façon inversement proportionnelle à sa quantité ».
C'est à ce moment qu'on peut fixer la première formulation
cohérente de la Théorie Quantitative de la Monnaie (TQM).
La critique centrale de la Théorie Quantitative de la
Monnaie : c'est le problème que pose V. Locke a tout coincé
dès le début: de cette façon, il considère V comme
constant. Le problème est qu'on sait mesurer, plus ou moins, P et T,
mais pas V. Dans ce cas, en supposant que Vest constant, on évacue le
vrai problème. La réalité, c'est qu'on ne sait pas mesurer
V, et donc qu'on ne peut vérifier l'équation. Ou plutôt,
elle n'est qu'une définition de la vitesse : V=PT/M. Ce n'est pas
inintéressant: on peut voir que la vitesse de circulation n'est pas
aussi constante que le disait Locke.
3. L'équation des échanges d'Irving
Fisher
MISHKIN [2013], dit que pour comprendre l'énoncé
de la théorie quantitative, il est commode de raisonner à partir
de l'identité formulée par I. Fisher (1911).
Dans son ouvrage de référence « Le pouvoir
d'achat de la monnaie (the purchasing power of money, 1911) »,
l'économiste américain Irving Fisher fournit l'exposé le
plus complet de la version classique de la théorie quantitative de la
monnaie. Fisher examine le lien entre la quantité totale de monnaie Ms
(l'offre de monnaie) et le montant total des dépenses en biens et
services finals produits dans l'écono-mie (P x Y), où P est le
niveau général des prix et Y le produit global (revenu). La
dépense totale (P x Y) peut aussi être interprétée
comme le revenu agrégé nominal de l'économie ou comme le
PIB nominal. M et P x Y sont reliés par la vitesse de circulation de la
monnaie, c'est-à-dire son coefficient de rotation (fonction de
réaction). Elle représente le nombre de fois au cours de la
période considérée (une année par exemple), une
même unité de monnaie est dépensée lors de l'achat
de biens et services produits dans l'économie. Plus
précisément, la vitesse de circulation V (ou vitesse-revenu) est
définie comme la dépense totale (P x Y) divisée par la
7
quantité de monnaie M.
Pour Fisher, la vitesse de circulation dépend des
aspects institutionnels de l'écono-mie susceptibles d'influencer les
modes de transaction des individus. Si les agents utilisent des comptes
courants et des cartes de crédit pour effectuer des transactions, ils
emploient moins de monnaie (M) lors de leurs achats. Par conséquent, la
réalisation des échanges exige moins de monnaie (M) par rapport
au revenu nominal (P x Y) et la vitesse de circulation (P x Y)/M augmente.
Inversement, s'il s'avère plus pratique d'effectuer les achats en
liquide ou en chèque, davantage de monnaie est utilisée pour
effectuer des transactions induites par le même niveau de revenu nominal,
et la vitesse de circulation de la monnaie diminue. Fisher considère
cependant que les aspects technologiques et institutionnels de
l'économie n'affectent que lentement la vitesse de circulation de la
monnaie. Elle pourrait donc être supposée à peu près
constante à court terme.
1.1.2 La théorie Keynésienne de la
préférence pour la liquidité
Malgré son argumentation qui paraissait
évidente, la théorie quantitative de la monnaie dite
traditionnelle (classique) a été remise en cause. Car, elle
reposait sur des hypothèses très critiquables.
Dans la théorie générale de
l'intérêt, de la monnaie et de l'emploi (1936), John MAYNARD
Keynes renonce à l'approche classique où la vitesse de
circulation de la monnaie est supposée constante pour développer
une théorie de demande de monnaie centrée sur l'im-portance du
taux d'intérêt. Il intitule sa théorie de demande de
monnaie « théorie de préférence pour la
liquidité ». Elle a pour point de départ la question
suivante : pourquoi les agents économiques détiennent-ils de la
monnaie? Pour Keynes, trois raisons majeurs justifient cette détention:
un motif de transaction, de précaution et de spéculation.
RABIOU [2003], expose la remise en cause par Keynes de la
stabilité des fonctions de demande de monnaie (version Fisher et Pigou).
Opportunément, l'hypothèse de la stabilité de la vitesse
est battue en brèche, l'auteur soutenant que
l'hétérogénéité des taux
d'inté-rêt individuels consécutive à la
variabilité des motifs de spéculation rend instable toute
fonction d'agrégation qui leur est appliquée.
8
1.1.3 La réhabilitation de la théorie
quantitative de la monnaie (Milton Friedman)
Dans les développements d'H. Hakim et M. Feteh (2013),
Milton FRIEDMAN, dans La théorie quantitative de la monnaie, une
nouvelle présentation de 1956, est la référence actuelle
pour cette théorie de la circulation monétaire.
L'objectif de l'auteur est double. Il fait à la fois
prendre des distances avec la version traditionnelle de la théorie
quantitative de la monnaie et de contrer les positions anti quanti-tativistes
des keynésiens orthodoxes. La réhabilitation qu'entreprend Milton
FRIEDMAN consiste à concilier plusieurs contraintes.
Tout d'abord, se départir du caractère
mécanique de ces explications. Ensuite théoriser une
hypothèse empirique: la stabilité de la demande de monnaie et de
la vitesse de circulation, conçues comme des fonctions et non comme des
constantes. Enfin, ne pas négliger l'explication du niveau des prix.
Pour cela, il présente la théorie quantitative comme une
théorie de la demande de monnaie.
La monnaie est un actif parmi d'autres, une manière de
détenir de la richesse, que l'on peut traiter formellement comme la
demande de n'importe quel bien, à condition d'in-troduire une dimension
inter temporelle. La demande d'encaisses réelles d'un agent (demande de
monnaie exprimée en valeur réelle) est une fonction qui
dépend de la contrainte de richesse, la richesse étant
assimilée au revenu permanent (valeur actualisée des revenus
présents et futurs des agents), du rendement relatif de la monnaie par
rapport aux autres actifs financiers (actions, obligations), des anticipations
d'inflation et des préférences des ménages. Finalement,
à la différence de la version traditionnelle, la quantité
moyenne de monnaie détenue à des fins de transactions est
elle-même considérée comme résultant d'un processus
économique d'équilibrage (entre l'offre et la demande de monnaie)
et non comme une donnée physique.
La synthèse de notre revue de littérature se
présente de la manière qui suit: L'origine du concept de la
vitesse de circulation de la monnaie remonte au XVIIe siècle,
dans l'analyse de l'inflation en Espagne par Jean Bodin.
9
Un siècle après les explications que donnait
Jean Bodin sur les raisons de la hausse des prix en Europe, John LOCKE par ses
explications sur l'inflation, appuyant ses travaux sur la loi des proportions.
Il introduit d'abord un concept nouveau: l'idée de vitesse de
circulation de la monnaie. Ce qui compte ce n'est pas simplement la
quantité de monnaie qui est en cause, mais sa vitesse de circulation.
Formellement, la loi des proportions dit: « La vitesse de circulation
étant donnée, la valeur de la monnaie varie de façon
inversement proportionnelle à sa quantité ». C'est à
ce moment qu'on peut fixer la première formulation cohérente de
la Théorie Quantitative de la Monnaie (TQM).
Fisher (1911), dans une formalisation de la théorie
quantitative réduite à l'équation des échanges,
développe davantage le cadre d'analyse de la demande de monnaie et de sa
vitesse de circulation. La monnaie est alors considérée dans sa
fonction principale d'in-termédiaire des échanges et sa vitesse
de circulation supposée constante et assurant la stabilité de la
demande de monnaie, est qualifiée de vitesse-transaction. L'analyse de
Fisher sera approfondie en 1917 par Pigou qui, en remplaçant le volume
des transactions par le revenu national, introduit le concept de
vitesse-revenu.
Partant du concept de "préférence pour la
liquidité", dans "la Théorie Générale de
l'In-térêt de la Monnaie et de l'Emploi" parue en 1936, Keynes
remet en cause la stabilité des fonctions de demande de monnaie (version
Fisher et Pigou). Opportunément, l'hy-pothèse de la
stabilité de la vitesse est battue en brèche, l'auteur soutenant
que l'hétéro-généité des taux
d'intérêt individuels consécutive à la
variabilité des motifs de spéculation rend instable toute
fonction d'agrégation qui leur est appliquée.
Par la suite, Tobin (1956) introduit une approche de la
demande de monnaie basée sur la gestion du portefeuille en termes
d'arbitrage rendement-risque des actifs.
Prolongeant les développements de Tobin, Friedman
(1959) essaie de réhabiliter la théorie quantitative avec une
vitesse constante en proposant une fonction de demande de monnaie (stable)
accordant un rôle déterminant au revenu permanent, les variables
de prix notamment l'inflation anticipée et le taux
d'intérêt nominal ne jouant qu'un rôle d'appoint.
10
Il sied de dire ici que théoriquement, la
vitesse-transaction, valable pour une période donnée, est un
paramètre et peut à ce titre être considérée
comme stable ou même constante. A l'opposé, la vitesse-revenu est
une fonction de comportement et se rapporte à un instant donné.
Cette discontinuité dans le temps, du domaine de définition de la
vitesse-revenu, est en soi un facteur d'instabilité en fonction des
chocs temporels ponctuels. Il existe donc une différence conceptuelle
entre la vitesse-transaction et la vitesse-revenu et l'écart entre les
deux concepts est fortement lié à la fiabilité de
l'approximation de la valeur des transactions par le revenu. Lorsqu'une part
significative du PIB ne donne pas lieu à des transactions
monétaires, le calcul de la vélocité nécessiterait
des ajustements, faute de quoi les propriétés attendues de la
vitesse ne pourraient être garanties.
1.2 État de la question
Sur le plan empirique, la plupart des travaux sur les
déterminants de la vitesse s'appuient sur les fonctions de demande de
monnaie comme outil d'analyse.
1. MOKRANI [2017] sur « La Volatilité
de la vitesse de monnaie et la Croissance économique; le cas
Algérien-approche économétrique (bootstrap) ».
L'objectif de cet article est d'examiner, dans le cas algérien et sur
base de la masse monétaire, la vitesse de circulation de la monnaie et
la croissance économique. Selon laquelle la volatilité de la
vitesse de circulation de la monnaie influence l'évolution de la
croissance économique. Il a effectué ses tests en utilisant une
version de test de causalité à la Granger, pour analyser le sens
de direction de la relation, si elle existe entre la vitesse de circulation de
la monnaie et la croissance en Algérie. Les données
utilisées dans ce papier sont tirées de la base de données
réalisée par la banque mondiale, couvrent la période
1960-2012.
Selon les résultats des estimations, ABDELAZIZ conclut
que la Causalité entre la vitesse de la monnaie et la croissance
économique est absente, et sur la base de simulation, cette absence
à une probabilité d'environ plus de 80 %, et seulement 16 %
des cas soutienne la présence de causalité. Ces
résultats sont évidents de soutenir la non causalité entre
les deux variables. Cette absence peut être due à plusieurs
11
phénomènes monétaires et/ou
économiques.
Cet article tente de contribuer à la littérature
économique en utilisant une méthodologie
économétrique afin d'étudier le sens de causalité
entre les deux variables, cette étude qui fait rare de ce genre, ce qui
constitue un apport aux études existantes sur ce sujet.
2. MOUNKALA [2012] qui a parlé sur: « La
Dynamique de la vitesse de circulation de la monnaie dans la CEMAC ».
L'auteur part d'une hypothèse selon laquelle la stabilité de la
vitesse de circulation de la monnaie est fondamentale dans la stratégie
de politique monétaire de la BEAC vers son objectif final interne de
stabilité des prix à moyen terme. Cependant, si le cadre
monétariste de base s'appuie sur cette hypothèse, plusieurs
économistes mettent en garde les banquiers centraux sur une
éventuelle méprise quant aux propriétés de cette
variable. C'est pour clarifier la validité de cette hypothèse
dans la zone d'émission de la BEAC que sur toile de fond de
l'équation quantitative des échanges, nous montrons que les
comportements à terme de cette vitesse, considérée comme
inobservable, peuvent être étudiés à partir de ceux
de la masse monétaire, le niveau général des prix et le
PIB réel, dans un modèle VECM. Les résultats des tests de
stabilité structurelle et de stabilité conjoncturelle issus de ce
VECM indiquent que, sur la période 1990 - 2008, la vitesse de
circulation de la monnaie est stable à long terme dans tous les pays de
la CEMAC, alors qu'elle n'y est pas prédictible à court terme,
excepté au Congo. Ces résultats qui valident empiriquement le
choix de la BEAC à long terme notamment, ont pour implication
particulière que la mise en place nécessaire d'une
stratégie de politique monétaire sous régionale est
possible dans l'Union Monétaire de l'Afrique Centrale.
3. Brand et al. (2002) sur « l'évolution de
la vitesse de circulation de la monnaie à moyen terme dans la zone euro
». Ici, l'auteur base le raisonnement sur l'idée que lorsque
l'élasticité-revenu de la demande de monnaie est
inférieure à l'unité, un accroissement du revenu se
traduirait par une hausse moins que proportionnelle de la masse
monétaire, ce qui pourrait se traduire par une hausse de la vitesse. En
conséquence, cette approche paraît utile dans les pays où
une bonne partie du revenu provient de l'agriculture vivrière, a priori
peu liée directement à la demande de monnaie. Compte tenu de ce
qui précède, le revenu jouerait un rôle important en tant
que variable d'échelle, parmi les déterminants classiques de la
demande de monnaie,
12
dans une optique d'analyse de la vitesse de circulation.
4. Driscoll et Lahiri (1983) Dans « la
spécificité des comportements monétaires dans les pays en
développement à dominance agricole» ils ont
proposé de désagréger le PIB en ses composantes agricole
et non agricole, dans une perspective d'analyse du comportement de la vitesse
en partant d'une fonction de demande de monnaie. Ils ont abouti à la
conclusion que dans ces pays, le comportement de la vitesse pourrait
dépendre de quatre facteurs essentiels :
l'élasticité-revenu de la demande de monnaie, le degré de
monétarisation de l'économie, le changement dans les habitudes
monétaires et enfin le coût de détention de la monnaie. A
ces variables, ils préconisent, dans la spécification d'une
fonction de comportement de la vitesse, l'ajout des variables de structure
sectorielle du PIB, car le comportement de la vitesse peut varier d'un secteur
à un autre.
5. RABIOU [2003] dans « Degré de
monétarisation de l'économie et comportement de la vitesse de
circulation de la monnaie au Niger: essai d'une analyse théorique et
empirique». La présente étude propose une explication
théorique et empirique au comportement jugé atypique (valeur
anormalement élevée et instable) de la vitesse de circulation de
la monnaie au Niger. Il ressort de ses analyses que d'un point de vue
théorique, la notion de revenu utilisée dans le calcul de la
vitesse introduit un biais qui la rend artificiellement élevée,
du fait de la prise en compte de l'autocon-sommation
prépondérante dans le PIB agricole, mais dont le lien avec la
monnaie parait mitigé. La part autoconsommée de la production
induit une surévaluation de la vitesse de l'ordre de 45,1 %. L'impact de
cette monétarisation insuffisante de l'agriculture est amplifié
par le comportement financier du secteur informel. L'in-stabilité de la
vitesse proviendrait essentiellement des chocs d'offre liés aux
aléas climatiques. Ainsi, en années de sécheresse, la part
de la production vivrière dans le PIB recule significativement en tirant
le PIB global à la baisse. Compte tenu de la faible
élasticité de la demande de monnaie par rapport au revenu
agricole, la masse monétaire réagit moins que proportionnellement
et la résultante se traduit par une baisse de la vélocité.
Pendant ces périodes, le niveau de la vitesse est proche de la moyenne
communautaire et correspondrait à la vitesse de long terme au Niger
minorée de 30 %. Le phénomène inverse s'observe pendant
les années de bonne pluviométrie, où la vitesse
paraît surestimée par une relation approximative entre la monnaie
et la production vivrière. La vitesse observée pendant ces
périodes cor-
13
respond à la vélocité de long terme au
Niger, majorée de 10 %. Afin d'améliorer la qualité du
ciblage de la politique monétaire et des prévisions, il pourrait
être envisagé le calcul d'une vitesse expurgée de l'effet
de l'autoconsommation.
6. De Boissieu et al. (1977), dans « Analyse des
causes de la variation de la vitesse de monnaie en France », ils
distinguent les facteurs relevant de l'organisation de la production et
des échanges, de ceux liés à l'organisation des paiements.
Au titre de la production et des échanges, ils concluent que la
vitesse-revenu dépend de la longueur du circuit économique,
évaluée par le nombre d'agents qui interviennent dans le
processus de production. Plus ce circuit est long, moins la vitesse-revenu est
élevée. Ainsi, dans un système productif peu
salarié à l'image de l'agriculture traditionnelle, la longueur de
ce circuit serait quasiment nulle (production pour compte propre), synonyme
d'une vitesse élevée. Au titre de l'organisation des paiements,
les quatre éléments ci-après sont retenus:
les innovations dans les secteurs financier et technologique
(carte de crédit, développement de l'informatique)
étendent les possibilités de compensation entre créances
et dettes dans l'espace, permettant à un même volume de biens et
services d'être échangé grâce à des encaisses
réduites expliquent la hausse de la vitesse-revenu aux USA après
la deuxième guerre mondiale par ce facteur). Or, tout mécanisme
de compensation de créances et dettes entre agents économiques
réduit le montant des liquidités nécessaires aux besoins
de transactions (cas du troc entre agriculteurs et éleveurs, ou au sein
de chacun des groupes);
la périodicité de la
rémunération des facteurs de production: plus le délai
s'écoulant entre deux versements est long, plus le temps moyen de
séjour de la monnaie dans l'économie est élevé, et
donc plus la vitesse de circulation, inversement proportionnelle à ce
temps, est faible;
les crédits entre agents non financiers : ils
résultent en général des délais de paiement
accordés par les fournisseurs à leurs clients. C'est aussi le cas
des opérations financières de face à face;
en cas de difficultés d'accès aux
crédits, des transferts de besoins de financement se produisent entre
agents économiques, provoquant une hausse de la vitesse-revenu. Cette
situation est assez récurrente dans un système insuffi-
14
samment bancarisé.
7. Peter N. Okafor et all. (2013) dans «
Déterminants de la vitesse-revenu au Nigéria »;
Dans cet article, les auteurs se sont proposés d'étudier
empiriquement les déterminants de la vitesse-revenu monétaire au
Nigéria. Les séries temporelles utilisées dans cet article
sont trimestrielles allant de 1985 à 2012. Le document confirme alors
une relation positive et statistiquement significative entre la croissance du
revenu et la vitesse de la monnaie, qui soutient la théorie quantitative
de la monnaie. Le taux d'intérêt a également une relation
positive et significative avec la vitesse-revenu de l'argent. La variable de
développement du secteur financier adaptée, taux de croissance de
la capitalisation boursière, à une relation négative avec
la vitesse-revenu de l'argent. La décomposition de la variance et la
réponse aux impulsions indiquent que le taux d'inflation est la variable
la plus significative des innovations dans la vitesse-revenu. Les
résultats montrent que l'autorité monétaire ne peut pas
obtenir un effet de levier supplémentaire en émettant plus
d'argent sans générer des fortes pressions inflationnistes.
8. MUHAMMAD [2010], parlant de « La vitesse des
fonctions monétaires au Pakistan et leçons pour la politique
monétaire» l'auteur tente de contribuer au débat en cours:
la banque centrale du Pakistan devrait-elle adopter le ciblage de l'inflation
ou poursuivre le ciblage monétaire en tant que stratégie de
politique monétaire? Un pré requis pour la stratégie de
ciblage monétaire est une fonction de demande de monnaie stable, qui
nécessite à son tour une stabilité de la vitesse. D'autre
part, on croit que l'instabilité de la vitesse provient de la
volatilité du taux d'intérêt. Cet article estime la vitesse
des fonctions de l'argent et explore leur stabilité au Pakistan. Les
résultats montrent que la vitesse de la monnaie au sens large est
indépendante des fluctuations de taux d'intérêt. L'auteur
constate également que les vitesses de tous les trois agrégats
monétaires sont une relation stable avec leurs déterminants. Ces
résultats soutiennent l'utilisation des agrégats
monétaires en tant qu'ancre nominal.
9. Weimin Wang et Shouyong Shi (2001) « La
variabilité de la vitesse de monnaie dans un modèle de
recherche»; les deux auteurs ont essayés de construire un
modèle de recherche dynamique pour examiner le comportement de la
vitesse de monnaie. La principale caractéristique du modèle est
la recherche couteuse sur les marchés des biens et services et du
travail. En intégrant les chocs de croissance monétaire et
15
les chocs de productivité, ces deux auteurs ont
calibré le modèle sur les séries temporelles
américaines. Même s'il n'y a pas de substitution entre l'argent et
le crédit ou d'autres actifs, le modèle de cet article
génère une vitesse volatile et une corrélation
négative entre la vitesse et la croissance de la consommation. Les deux
caractéristiques manquent sensiblement dans certains autres
modèles monétaires d'équi-libre.
En ce qui nous concerne, nous nous écartons de
l'analyse des autres en intégrant le taux de change comme mesure
alternative de coûts d'opportunité de substitution des capitaux.
Ceci est basé sur l'argument selon lequel dans les pays en voie de
développement en particulier en RDC, le choix de capitaux comme supports
est en grande partie limité entre l'argent et les biens corporels, et
non pas entre l'argent et les actifs financiers. On s'attend à ce que la
variable de taux de change ait un effet positif sur la fonction de vitesse due
au commerce international accru occasionné par des réformes
économiques. Si on s'attend à ce que la devise domestique se
déprécie, les supports domestiques (la monnaie) seront
ajustés en faveur des capitaux étrangers. La
dépréciation cause un coût plus élevé de
détenir la devise locale ainsi cette vitesse devrait augmenter.
1.3 Problématique
La politique monétaire est l'action par laquelle les
autorités monétaires agissent sur l'offre de monnaie dans le but
de remplir l'objectif de la stabilité des prix. Elle tache
également d'atteindre les autres objectifs de la politique
monétaire, qualifiés de triangle Keynésien: la croissance,
le plein emploi et l'équilibre de la balance des transactions
courantes.
L'objectif déclaré de la politique
monétaire que mène la Banque Centrale du Congo est de maintenir
la stabilité des prix à travers l'ajustement de l'offre de
monnaie à la demande de monnaie. Pour mettre en oeuvre celle-ci, la
Banque Centrale du Congo détermine le cadre de pilotage à travers
lequel la politique monétaire sera mise en oeuvre au cours de
l'année.
A partir de ce cadre, elle décide la mesure dans
laquelle il convient de resserrer ou d'assou-plir (rendre flexible) les
conditions monétaires. En effet, il ressort des analyses
effectuées
16
sur l'évolution de la conjoncture en République
Démocratique du Congo au cours de ces dernières décennies
(1970 et 2010 et plus); que les épisodes des dépréciations
de la monnaie nationale (zaïre, nouveau zaïre et franc congolais)
correspondent très souvent à une accélération du
rythme de formation des prix intérieurs, de même que les
périodes de fortes tensions inflationnistes se caractérisant
également par des pertes de la vitesse de monnaie nationale par rapport
aux devises étrangères.
Notre constat de départ est alors focalisé sur
les observations qui suivent dans l'économie congolaise:
La volatilité des prix des produits de première
nécessité;
Une forte croissance monétaire accompagnée
d'une perte de la vitesse de monnaie nationale;
La distorsion de l'activité économique.
Au regard de ce qui précède, et compte tenu des
caractéristiques de l'économie congolaise, la maitrise des
variables influençant la vitesse de monnaie seraient adaptable pour
atteindre l'objectif de la stabilisation monétaire?
ESSARS [1895] dit que dans un grand nombre des
problèmes d'économie politique, plus précisément
des problèmes monétaires, on rencontre une notion abstraite et
vague qui domine le sujet, celle de la vitesse de monnaie. L'idée de la
vélocité, très claire lorsqu'il s'agit de corps en
mouvement, devient confuse lorsqu'elle s'applique aux phénomènes
sociaux. Il est pourtant impossible d'en méconnaitre l'importance. Dans
l'activité économique, la vitesse à laquelle
s'écoulent les produits est une question vitale.
Définie comme le nombre de fois en moyenne qu'une
unité monétaire est utilisée dans des transactions au
cours d'une période donnée, la vitesse de circulation de la
monnaie permet de déterminer la quantité de monnaie requise pour
satisfaire un volume donné de transactions. Elle rend compte
également des rapports qui existent entre la quantité de monnaie
et les grandeurs réelles de l'économie. De ce fait, une
étude portant sur le comportement de la vitesse viserait essentiellement
l'amélioration de la connaissance des liaisons qui existent entre la
monnaie et le reste du milieu économique. La nécessité
d'une telle recherche est renforcée par le fait que, lorsque la liaison
entre la masse monétaire et
17
les données réelles est imprécise, cela
montre qu'il y a un risque de distorsion entre les objectifs
intermédiaires et finals de la politique monétaire. En outre, la
maîtrise des facteurs gouvernant les variations de la vitesse pourrait
éclairer les Autorités monétaires sur les effets de leur
politique, les aidant ainsi à déceler les dérapages et
à corriger la trajectoire sans retard. C'est donc cette toute
littérature qui nous amène à se poser la question de
savoir:
Quels seraient les facteurs qui influencent la vitesse-revenu de
la monnaie en RDC?
L'objectif de notre étude est celui de connaitre les
variables macroéconomiques ayant une influence sur la vitesse-revenu de
la monnaie en République Démocratique du Congo. La poursuite de
cet objectif permettra aux autorités monétaires de la RDC
d'être éclairées sur les effets de leur politique, les
aidant ainsi à déceler les dérapages et à corriger
la trajectoire sans retard comme dit un peu plus haut. La matière sur
laquelle notre étude est posée est la politique
monétaire.
1.4 Hypothèses
Vu que la finalité de notre étude est celle de
trouver une réponse à la question de recherche qui est
consacrée à la détermination des facteurs qui influencent
la vitesse-revenu de la monnaie en République Démocratique du
Congo. En effet, à titre de réponses provisoires, nous pouvons
tenter de répondre à la question de recherche en ces termes:
Selon la théorie économique et sur base des
études empiriques fouillées, la vitesse-transaction, valable pour
une période donnée, est un paramètre et peut à ce
titre être considérée comme stable ou même constante.
A l'opposé, la vitesse-revenu est une fonction de comportement et se
rapporte à un instant donné. Cette discontinuité dans le
temps, du domaine de définition de la vitesse-revenu, est en soit un
facteur d'instabilité en fonction des chocs temporels ponctuels. Dans
notre travail et compte tenue de la revue de littérature
théorique et empirique, nous utiliserons la vitesse-revenu comme une
fonction de comportement des agents économiques et cette dernière
serait déterminée par des facteurs tels que:
La masse monétaire en ce sens que la vitesse de la
monnaie selon la théorie quan-
18
titative est une fonction de réaction de la
quantité de monnaie en circulation dans une économie (MOUNKALA
[2012]).
Le taux d'intérêt qui est une approche issue de
l'école Keynésienne de Cambridge qui introduit la théorie
des choix, de préférence pour la liquidité qui
dépend du taux d'intérêt.
Le revenu national sur base de l'approche monétaire
par le mécanisme d'encaisse réelle qui est une approche par le
revenu : la demande de monnaie est une fonction croissante de la
production(Marshall). Le volume des transactions en tant que variable
exogène ou réel de l'équation n'est pas
déterminé par les variables monétaires du fait que l'offre
de la monnaie (M)est l'apanage de la Banque Centrale. La demande de monnaie est
fonction du revenu réel des agents économiques (A. Pi-gou).
L'approche monétariste avec Friedman ajoute une analyse de la relation
entre quantité de monnaie et revenu national et non, comme dans la
théorie quantitative traditionnelle, entre quantité de monnaie et
niveau général des prix.
Le taux d'inflation sur base de l'approche monétaire
par le taux d'inflation de l'école de Chicago avec Fisher: L'existence
d'une relation de cause à effet entre la quantité de monnaie en
circulation dans l'économie et le niveau général des prix.
Pour éviter l'inflation, il faut que le volume de stock de monnaie suive
le rythme du niveau de l'activité économique. Soutenu
également par Pigou (école de Cambridge) qui dit que la demande
de monnaie est aussi fonction du niveau des prix.
Le taux de change au regard du cout d'opportunité de
substitution des capitaux entre la devise nationale et celle
étrangère.
1.5 Méthodologie de recherche
L'évolution de toute discipline scientifique est
étroitement liée au développement de la méthode et
technique de recherche. Dans cette étude l'exploration comprendra les
opérations de lecture, des entretiens et des méthodes de
recherches. Les opérations de lecture visent essentiellement à
assurer la qualité du questionnement, alors que les entretiens et
méthodes complémentaires aident notamment le chercheur à
avoir un contact avec la réalité telle qu'elle est vécue
par des acteurs sociaux.
19
1.5.1 Méthodes d'analyse et de collecte des
données
1.5.1.1 Méthodes d'analyse
La nature de notre travail nous impose une démarche
historique, comparative et économétrique pour aboutir à la
compréhension du phénomène et à la maturité
de la résolution de notre question de recherche. Ainsi, la
récolte des données oblige qu'on fasse recourt à
l'interview directe mais aussi à l'observation documentaire.
1. L'approche historique
L'étude sur la stabilisation monétaire d'un
pays nécessite le recourt des apports d'autres disciplines
scientifiques. Il est pratiquement difficile de maitriser la
réalité monétaire contemporaine d'un pays sans se reporter
à l'histoire. La conception et la représentation des
phénomènes monétaires et réels sont en relation
avec l'histoire nationale de la RDC. La description de la politique
monétaire, son histoire et son évolution nous inspirent à
comprendre l'évolution actuelle de la dite politique monétaire
grâce à l'approche historique. Ce qui nous permet d'identifier les
mauvais équilibres et déceler les variables
macroéconomiques qui influencent la politique monétaire
congolaise au sens de la vitesse de circulation de la monnaie.
2. L'approche comparative
En tant qu'outil indispensable à la production des
connaissances, la démarche comparative nous sera utile dans le marquage
et le classement de la spécificité des phénomènes
monétaires congolais à partir d'un certain nombre des variables
pour se donner ensuite les moyens d'en déduire des constantes, des
invariants dégagés de toute considération historiciste.
Cette approche va nous permettre également de déduire des
ressemblances et des divergences entre les phénomènes
monétaires et réels.
3. Approche économétrique
Cette approche, multidisciplinaire, permet d'intégrer
les mathématiques et la statistique dans l'analyse en vue de fournir des
valeurs numériques aux paramètres des relations
économiques. Sa spécificité en tant qu'outil de recherche
et d'analyse
20
économique réside dans la formalisation de la
théorie économique sous l'angle mathématique
combiné avec une mesure empirique des phénomènes
économiques. L'approche économétrique en tant que outil
d'analyse se conçoit généralement comme l'application des
mathématiques et de la statistique en économie politique. Ce qui
nous permettra de confirmer ou d'infirmer les hypothèses construites.
La méthode économétrique procède
donc comme suit : l'observation d'un phénomène ou fait, la
fourniture des explications appropriées aux phénomènes au
moyen d'une théorie, la sélection des données sur base
desquelles les études et investigations empiriques sont menées.
Ensuite, l'application de la statistique pour tester les hypothèses
émises, la confrontation des résultats à la
théorie. Une approche théorique qui ne contredit pas les
observations est retenue, mais si l'observation est contraire à la
théorie, on essaye de modifier les hypothèses testables. Trois
étapes sont à retenir à ce sujet : la spécification
du modèle (en se basant sur la théorie ou les observations
faites) ; l'estimation du modèle (elle comprend collecte et l'analyse
des données sur les variables du modèle, l'examen du degré
de corrélation entre variable et choix de la meilleure technique
d'estimation,) et enfin l'évaluation des résultats (jugement et
décision sur la pertinence économique et la validité
statistique des valeurs estimées des paramètres)
1.5.1.2 Les techniques de recherche
Toute recherche scientifique recourt aux
procédés opératoires bien définis qui se nomme
« techniques.» Le choix d'une technique dépend de l'objectif
poursuivi, lequel est lié lui-même à la méthode de
recherche. En ce qui concerne notre travail, nous avons fait recours aux
techniques ci-après:
1. L'interview directe
Celle-ci c'est une technique par laquelle l'enquêteur
recourt aux questions qui visent à savoir ce que les sujets
enquêtés pensent, ressentent ou désirent. Elle est une des
formes du questionnaire par un entretien. Cette technique permet d'organiser un
rapport de communication verbale entre deux personnes; l'enquêteur et
l'enquêté afin de permettre à l'enquêteur
récolter les informations de l'enquête concernant un objectif de
recherche précis. Cette technique va nous permettre poser verbale-
21
ment des questions aux personnes concernés et à
obtenir des informations relatives à notre sujet d'étude.
2. L'observation documentaire
Cette technique consiste à étudier et à
analyser les documents de manière recueillir des informations sur les
phénomènes ou faits que l'on étudie. Pour vérifier
nos hypothèses de recherche et obtenir les informations
nécessaires à l'édification de notre travail scientifique,
nous avons fait recourt aux ouvrages tels que: thèses, livres, articles,
rapports, et autres documents officiels érigés par des chercheurs
autres que nous d'autant plus que toute recherche scientifique est
autorisée à se ressourcer dans les écrits existants
considérés comme base de données secondaires.
22
Chapitre 2
Approche conceptuelle de la monnaie et
des agrégats macroéconomiques
|
Sommaire
|
|
|
|
|
2.1
|
Balisage conceptuel
|
22
|
|
2.1.1
|
La monnaie
|
23
|
|
2.1.2
|
La vitesse de circulation de la monnaie
|
27
|
|
2.1.3
|
Le niveau général des prix
|
28
|
|
2.1.4
|
Le taux d'inflation
|
29
|
|
2.1.5
|
Le revenu national (PIB)
|
30
|
|
2.1.6
|
Le taux d'intérêt
|
31
|
|
2.1.7
|
Le taux de change
|
32
|
|
2.2
|
Présentation du champ d'étude qu'est la RDC
|
33
|
|
2.3
|
Conclusion du deuxième chapitre
|
40
|
Ce chapitre sera consacré en premier lieu aux notions
générales qui couvrent et environnent notre sujet de recherche et
en deuxième lieu, nous présenterons notre champs d'étude
qu'est la RDC, en mettant plus de poids sur son domaine monétaire.
2.1 Balisage conceptuel
Ce point est consacré au balisage des concepts, qui
consistera ici à faire une mise au point sur la définition des
différents concepts clés qui reviendront constamment dans notre
travail, mais aussi de les rendre opérationnels.
23
Il est de nature préférable avant d'aborder un
sujet scientifique d'en définir d'abord les concepts de base sur
lesquels l'étude portera. Dans notre recherche, nous allons
définir et opérationnaliser les concepts tels que : la monnaie;
la vitesse de circulation de la monnaie; le niveau général des
prix; le taux d'inflation; le revenu national; le taux d'intérêt
et le taux de change.
2.1.1 La monnaie
Plusieurs auteurs ont définit la monnaie à
l'instar de SILEM et ALBERTINI [2015] « la monnaie est un instrument de
paiement équivalent général des marchandises, servant
aussi à mesurer les valeurs ».
Pour JACOUD [1996] « la monnaie est un ensemble des
moyens de paiement dont disposent les agents économiques pour
régler leurs transactionss ».
BRANA et CASAL [1997] « la monnaie est un instrument le
plus liquide qui permet à son porteur d'avoir accès à un
plus grand nombre des biens ».
Dans le langage courant, le terme « monnaie» n'est
pas facile à définir, chaque auteur voudra bien définir ce
concept de sa manière.
Pour MISHKIN [2013] « la monnaie (également
appelée l'offre de monnaie) comme tout ce qui est
généralement accepté en paiement de biens et services ou
pour le remboursement dettes ».
La monnaie est donc plus large que le numéraire, mais
plus restreinte que la fortune ou le patrimoine, et différente du
revenu, alors même que les expressions courantes les mélangent
parfois.
La définition de la monnaie comme ensemble des moyens
de paiement généralement acceptés montre bien que ce sont
les comportements des agents économiques qui définissent la
monnaie. Un actif devient monétaire parce que les agents pensent qu'il
sera accepté en paiement par les autres. Les actifs ayant joué
untel rôle ont varié dans le temps
24
et varient encore.
Toutes les définitions de la monnaie convergent vers un
certain nombre des fonctions que la monnaie joue dans une économie. La
monnaie peut jouer le rôle d'un moyen de paiement, d'unité de
mesure de la valeur et constitue une réserve de valeurs (DANIEL
[2009]).
1. Les fonctions de la monnaie
La monnaie; moyen de paiement: la monnaie comme moyen de
paiement vient par essence de la définition même de la monnaie qui
désigne ce qui a un pouvoir libératoire complet. Alors, la
monnaie devient un instrument de tous les échanges marchands. En effet,
s lors qu'il y a rupture dans l'échange, cette fonction d'instrument
échanges permet l'émergence d'une autre fonction qui lui est
liée, celle d'instrument permettant de régler les dettes.
La monnaie; unité de compte: cette fois la monnaie
est juste un instrument de mesure de la valeur extrêmement pratique car,
cet instrument simplifie le système des prix et facilite par
conséquent l'échange marchand. Alors, dans une économie
l'étalon de mesure donc la monnaie. Cependant si la monnaie permet de
mesurer valeur des marchandises, elle ne détermine pas autant sa valeur.
Cependant, l'utilisation de la monnaie comme étalon de valeur est
indépendante de la nécessité qu'elle serve dans les
échanges ou qu'elle circule.
La monnaie; réserve de valeur : la monnaie en tant
que réserve de valeur fait référence à un moyen de
reporter le pouvoir d'achat dans le futur et de choisir la date de sa future
consommation. A ce stade cette mise en réserve de la monnaie peut se
justifier d'une part par l'absence de la synchronisation entre les recettes et
les paiements et d'autre part, la détention de la monnaie permet de se
prémunir contre l'incertitude pesant à la fois sur les recettes
futures et sur les dépenses futures.
La définition de la monnaie comme ensemble des moyens
de paiement généralement acceptés montre bien que ce sont
les comportements des agents économiques qui définissent la
monnaie. Un actif devient monétaire parce que les agents pensent qu'il
sera accepté en paiement par les autres. Les ac-
25
tifs ayant joué un tel rôle ont varié dans le
temps et varient encore.
2. Les formes de la monnaie
La monnaie telle que nous la connaissons connaît des
évolutions issues de la demande de monnaie par les agents
économiques et les différentes formes de monnaie se
résument comme suit : le troc, la monnaie marchandise, la monnaie
fiduciaire, la monnaie scripturale, monnaie électronique etc (DELAPLACE
[2009]).
La monnaie fiduciaire : le qualificatif fiduciaire provient
du fait que cette monnaie peut être utilisée que si les agents
économiques ont confiance en elle. On distingue ici la monnaie
divisionnaire ou métallique et les billets. La monnaie divisionnaire
étant des pièces servant d'appoint dans les paiements.
La monnaie scripturale : l'appellation de cette monnaie
provient de ce qu'elle est matérialisée par des écritures
sur les livres des banques et ne peut circuler qu'à l'aide
d'instruments. La mesure de la quantité de monnaie en circulation
étant complexe, nous ferons alors une mise au point sur les
agrégats monétaires.
3. Les agrégats monétaires
Les banques centrales cherchent à mesurer au mieux la
quantité de monnaie en circulation. Pour cela, elles utilisent
différents agrégats monétaires. Leur définition est
devenue plus difficile depuis les années 1980 du fait des nombreuses
innovations financières. A partir des années 1980; la plupart des
banques centrales ont modifié, parfois à plusieurs reprises,
leurs mesures de la monnaie. DOUGLAS GREEN WALD(1990) définit la masse
monétaire comme une quantité de monnaie en circulation dans une
économie.
Comme la notion de liquidité est un peu floue, DANIEL
[2009] distingue trois types d'agré-gats monétaires en fonction
de leur degré de liquidité à savoir M1, M2, M3.
En RDC, la masse monétaire est évaluée
suivant deux conceptions permettant d'abou-tir aux liquidités de
l'économie à savoir la masse monétaire au sens
étroit ou strict et la masse monétaire au sens large.
26
KWESELE [2013], l'agrégat monétaire est
l'expression utilisée en comptabilité nationale ou en politique
monétaire pour l'indication statistique regroupant dans des ensembles
plus ou moins homogènes les moyens de paiement détenus par les
agents économiques non financiers sur le territoire national.
L'autorité monétaire, en l'occurrence la Banque Centrale du Congo
(BCC), élabore cet indicateur qui est supposé être le
reflet même de la capacité des dépenses des agents non
financiers tout en classifiant les agrégats en fonction de leur
degré de liquidité. Généralement composés de
M1, M2 et M3, leur degré de liquidité dépend de leur forme
de détention (réserve de valeur détenue en liquide ou
encore sous forme de titre).
· M1 : Pièce + billets + dépôt
à vue (Agrégat monétaire étroit défini comme
la somme de la monnaie fiduciaire composée des billets et pièces
en circulation qui sont couramment utilisés dans les transactions pour
effectuer des paiements et des dépôts à vue.
· M2 : M1 + Dépôt à terme
(agrégat monétaire intermédiaire qui comprend en plus de
l'agrégat M1, les dépôts à terme d'une durée
inférieure ou égale à deux ans ainsi que les
dépôts remboursables avec un préavis inférieur ou
égal à trois mois.
· M3 : M2 + effet de Pension + Organisme de Placement
Collectif des Valeurs Mobilières (OPCVM) monétaire + les
instruments du marché monétaire + titres de créances
inférieures ou égales à 2 ans (agrégat
monétaire large qui est la somme de M2 et d'instruments
négociables tels que les titres d'organismes de placement collectif
monétaire ou des valeurs mobilières, les instruments du
marché monétaire ou les titres des créances émis
par des institutions financières monétaires d'une durée
inférieure ou égale à deux ans.
Cet agrégat sert de référence pour la
croissance monétaire dont la valeur est calculée de façon
à être compatible avec l'objectif de stabilité des prix,
compte tenu des hypothèses faites sur l'accroissement du produit
intérieur brut et sur l'évolution de la vitesse de circulation de
la monnaie. En RDC, les agrégats monétaires sont
considérés comme des mesures fiables de la masse monétaire
et évoluent ensemble avec le taux de croissance du Produit
Intérieur Brut (PIB), d'autant plus que l'accroissement du PIB
occasionne celui du revenu et par ricochet de la monnaie, ou dans certains cas
de l'épargne. Dans notre travail, nous utiliserons l'agrégat
monétaire intermédiaire qui comprend en plus de
l'agrégat
27
M1, les dépôts à terme d'une durée
inférieure ou égale à deux ans ainsi que les
dépôts remboursables avec un préavis inférieur ou
égal à trois mois.
2.1.2 La vitesse de circulation de la monnaie
Selon SILEM et ALBERTINI [2015] « la vitesse de
circulation de la monnaie est le flux de transaction que la monnaie permet de
financer pendant une période donnée et généralement
d'un an ».
Pour DELAPLACE [2009] « la vitesse de monnaie est le
nombre de paiement qu'effectue la monnaie durant une période
donnée ».
Cependant, la monnaie peut s'apprécier d'abord en
mesurant les transactions effectives dans les banques et auprès des
autorités monétaires puis en construisant des indices pour la
monnaie fiduciaire et scripturale.
On distingue selon DELAPLACE [2009] « la
vitesse-transaction et la vitesse-revenu de la monnaie ».
1. La vitesse-transaction de la monnaie
La vitesse transaction peut être saisie à la
compensation des chèques en rapportant les soldes créditeurs des
comptes de l'ensemble des transactions entre titulaires des comptes. Mais,
comme toute transaction ne se fait pas par le circuit bancaire, il sied
d'élargir ici la notion de la vitesse de circulation de la monnaie qui
puisse encrée dans l'analyse macroéconomique et qui soit
quantifiable.
2. La vitesse-revenu de la monnaie (income velocity
monetary)
La théorie économique en ses
développements postkeynésiens, élargit le concept de la
vitesse de circulation de la monnaie (vitesse transaction) en suivant les
variations de la vitesse-revenu. Alors, cette mesure prend comme indicateurs:
des revenus de l'activité économique globale (PIB) pour y
rapporter le niveau de la masse monétaire.
La vitesse-revenu sera équivalente à l'inverse
du coefficient global de liquidité qui est égal au (PIB/M).
Cependant, l'accroissement de la liquidité entraine le ralentis-
sement de la vitesse de circulation de la monnaie et la crise
de liquidité entraine l'accélération de cette vitesse.
Dans ce travail, la vitesse-revenu sera au centre de nos
analyses à titre d'indicateur de revenu économique global qui
sera rapporté au niveau de la masse monétaire.
2.1.3 Le niveau général des prix
De manière évidente, il est nécessaire
d'avoir un seul chiffre pour mesurer la manière dont les prix à
la consommation évoluent. De même que les économistes
trouvent utile d'avoir un seul chiffre pour représenter le niveau
général de production, ils trouvent également
intéressant pour le Niveau Général des Prix.
Selon Paul KRUGMAN(2013) « le niveau
général des prix est une mesure de l'ensemble des prix dans une
économie ». Un grand nombre des biens et services sont produits
dans une économie mais comment résumer les prix de tous ces biens
et services avec un seul chiffre? La réponse réside dans le
concept d'indice des prix.
« L'indice des prix est une mesure du cout d'achat d'un
panier des biens donnés au court d'une période donnée et
généralement d'un an » KRUGMAN (2013).
L'indice des prix est calculé de la manière qui
suit:
(2.1)
coutdupanierdesbiensannéedebase
IPn =
cout du panier des biens (année n)
·
28
IP : indice des prix;
· n : année considérée.
De par sa simplicité et son caractère intuitif,
cette méthode est retenue pour calculer les différents indices de
prix manière à pouvoir suivre évolution des taux moyens
des différentes catégories des biens et services.
1. Indice des prix à la consommation
Selon KRUGMAN (2013), l'indice des prix à la consommation
est la mesure du cout d'un panier des biens pour une famille
représentative. Cette mesure des prix est
29
largement utilisée dans la plupart des pays notamment
en RDC du faite qu'elle indique comment le cout de tous les achats
réalisés par une famille représentative évolue dans
le temps. Cet indice est calculé en recensant les prix de marché
d'un panier des biens construit manière à représenter la
consommation d'une famille typique.
2. Indice des prix à la production
Toujours KRUGMAN (2013) « l'indice des prix à la
production est la mesure de la variation des prix des biens achetés par
les producteurs ».
3. Le déflateur du PIB
Le même auteur ci-dessus, « le déflateur du
PIB pour une année donnée comme étant 100 fois le ratio du
PIB nominal sur le PIB réel ». Les indices des prix permettent
également de mesurer l'inflation.
2.1.4 Le taux d'inflation
L'inflation qui vient du mot latin « inflatio »,
signifie « enflure», elle est appréhendée comme une
« hausse du niveau général des prix. Pour Goux (1998)
cité par KWESELE [2013] l'in-flation peut se définir comme un
« accroissement généralisé, cumulatif et
auto-entretenu des prix».
KRUGMAN (2013), définit le taux l'inflation comme le
pourcentage des variations annuelles d'un indice des prix,
généralement l'indice des prix à la consommation.
Le taux d'inflation entre deux ans se calcule de la
manière qui suit:
|
Ð =
|
IPn-IPn-1 (2.2)
IPn -1
|
Avec
· Ð : le taux d'inflation
· n : année en cours
· n -1 : année précédente
Il y a plusieurs mesures des prix qui sont
généralement utilisées pour suivre l'évolution des
différentes variations des prix dans une économie. C'est
notamment l'Indice des Prix à la Consommation (IPC) ; l'Indice des Prix
à la Production (IPP) et le; déflateur du PIB.
Alors, dans ce travail nous utiliserons l'indice des prix
à la consommation pour pouvoir évaluer la taux d'inflation qui
est l'un des déterminants provisoires de la vélocité de la
monnaie en ce sens que cet indice tient compte des prix du panier des biens
achetés par la ménagère.
2.1.5 Le revenu national (PIB)
Nombreux sont ceux qui considèrent le PIB comme la
meilleure mesure de la performance d'une économie.
Selon MANKIW [2013] « le PIB est l'évaluation de
la quantité des biens et services produits dans une économie
pendant une période donnée, généralement d'un an
».
En RDC, cette mesure est établie par la Banque Centrale
du Congo (BCC) à partir d'un grand nombre de sources des données
primaires notamment les enquêtes gouvernementales auprès des
entreprises manufacturières, des agriculteurs, établissement de
vente de détails etc.
L'objet du PIB est de résumer toutes ces données
et de les synthétiser en un seul chiffre représentant la valeur
de l'activité économique ou le revenu national pour une
période de temps donnée.
MANKIW [2013] distingue deux types de PIB, un qui est nominal et
l'autre réel.
1. Le PIB nominal
Les économistes distinguent sous le nom de « PIB
nominal», la valeur des biens et services mesurée à prix
courant.
Cependant, on peut noter que le PIB nominal peut augmenter
aussi bien parce que
30
31
les prix et les quantités ont variés à la
hausse. Il est alors aisé de remarquer que cette mesure du PIB n'est pas
la bonne en ce sens qu'elle ne reflète pas la satisfaction effective des
besoins des ménages, des entreprises et des pouvoirs publics. Il suffit
que les prix doubles s que les quantités ne se modifient pour que le PIB
soit multiplié par deux. Dans ce cas, la capacité de
l'économie à satisfaire la demande n'a nullement doublé
parce que la quantité des biens et services produits reste exactement la
même.
Alors, pour mesurer correctement le bien-être de
l'économie il a fallu apprécier la production des biens et
services neutralisant l'influence de la variation des prix.
2. PIB réel
Le PIB réel est la valeur des biens et services
mesurée à prix constant. En d'autres termes, le PIB réel
reflète volume de la production de la période courante et non sa
valeur puisqu'il ne tient compte que de l'évolution par rapport à
l'année de référence, dite année de base des
quantités produites en supposant que les prix n'ont pas
changé.
Avec le PIB réel, il ne peut augmenter lorsque les
quantités produites varient et non les prix.
Le revenu national sera capté dans ce travail comme
déterminant provisoire de la vitesse de monnaie à partir du PIB
réel compte tenu de sa fiabilité et de son caractère
à pouvoir tenir compte de la satisfaction des besoins des agents
économiques, mais aussi du fait de son évolution suite à
une variation de la quantité produite et non du prix. Les effets des
prix sur la vitesse de monnaie seront étudiés avec le taux
d'inflation comme soulevé un peu plus haut.
2.1.6 Le taux d'intérêt
Pour John Maynard Keynes, le taux d'intérêt
mesure le degré d'arbitrage des agents économiques à
détenir la monnaie, soit sous forme d'actifs liquides par excellence, ou
soit encore sous forme de titre moyennant une rémunération. Dans
cette perspective, le taux d'intérêt correspond au prix à
payer au prêteur pour qu'il renonce à sa préférence
pour la
32
liquidité. Nous sommes ainsi d'avis avec Keynes que le
taux d'intérêt est la rémunération du capital
placé, sa variation haussière ou baissière influence les
agents dans leur choix en termes de motif d'encaisse et de détention de
la monnaie.
Les taux d'intérêts font partie des variables
économiques les plus attentivement surveillées par les
autorités monétaires d'une économie. Les variations de ces
taux d'intérêts affectent directement à la fois notre vie
quotidienne et la santé de l'économie. Ils influencent les choix
des particuliers entre consommation et épargne, leur décision
d'acheter une maison ou des obligations, ou d'investir dans un compte
d'épargne. Les taux d'intérêt affectent aussi les choix
d'investissement des entreprises.
MISHKIN [2013] fait une distinction entre le taux
d'intérêt nominal et le taux d'intérêt réel en
ce sens que le premier ne tient pas compte de l'inflation alors que le
deuxième est calculé en déduisant le taux d'inflation
anticipé pour mieux refléter le cout ou le revenu réel
d'un crédit.
2.1.7 Le taux de change
Siaens (2004) cité par KWESELE [2013]; « Autrement
appelé cours de change, le taux de change est le prix auquel les
créances sur l'étranger sont négociées,
c'est-à-dire le nombre d'unité de monnaie nationale
nécessaire à l'obtention d'une unité de monnaie
étrangère. Pour une même devise, ce prix diffère
d'après sa forme (billet, lettre de change etc.) ou le terme de son
échéance s'il s'agit d'un titre de crédit. Aussi y a-t-il
autant de taux de change à terme qu'il y a déchéance
».
Comme de nos jours aucun pays ne vit en autarcie, chaque
État ou chaque groupe de pays en union monétaire ne dispose pas
de sa propre unité monétaire comme il l'en-tend et participe aux
commerces extérieurs. De ce fait, toute transaction internationale
implique strictement l'intervention du mécanisme des changes. La
question fondamentale est celle de la détermination du taux auquel
s'échangera la monnaie locale contre les devises
étrangères. Dans notre contexte le taux de change est
conçu comme un cout d'op-portunité de substitution des capitaux
et bien si on s'attend à ce que la devise domestique se
déprécie, les supports domestiques (la monnaie) seront
ajustés en faveur des capitaux étrangers. La
dépréciation cause un coût plus élevé de
détenir la devise locale ainsi cette
33
vitesse devrait augmenter.
2.2 Présentation du champ d'étude qu'est
la RDC
La République Démocratique du Congo (RDC) est un
vaste pays qui possède d'impor-tantes ressources naturelles, mais dont
la population est plongée dans la pauvreté. Avec une superficie
de 2 345 000 km2, la RDC est maintenant le deuxième plus
grand pays de l'Afrique subsaharienne.
Historiquement, la RDC fut parmi les premiers producteurs de
cuivre, de cobalt et d'or mais après des années de
négligence et l'absence d'explorations minières, les ressources
identifiées sont modestes par rapport au potentiel du pays. Aujourd'hui,
la population de la RDC est estimée autour de 70 millions d'habitants et
devrait atteindre 85 millions d'ha-bitants d'ici 2020. Malgré ses
ressources naturelles et son potentiel agricole, la croissance
démographique est concentrée dans les villes. Selon les
estimations, 37 % de la population, soit 26 millions d'habitants vivent dans
les zones urbaines; d'ici 2025, l'on estime que 40 millions de Congolais seront
des citadins. Au plan national, 71 % de la population vivent en dessous du
seuil de la pauvreté.
La RDC a eu un passé colonial et postcolonial
turbulent. L'indépendance du pays en juin 1960 fut suivie par la
déclaration d'indépendance des provinces du Kasaï et du
Katanga. Apres seulement 10 semaines au pouvoir, Lumumba fut renversé
par un coup d'Etat. Le General Mobutu Sese Seko réprima le mouvement
indépendantiste dans les deux provinces avec l'appui de troupes
étrangères et prit officiellement la tête du pays en 1965.
Dès le début de son règne autocratique, Mobutu nationalisa
les ressources minières et créa des entreprises étatiques
exerçant un monopole sur les concessions minières. En 1970,
Mobutu lança un plan de développement décennal (Objectif
80), visant à transformer la RDC en pays industrialisé,
financé par des emprunts domestiques et extérieurs. La «
Zaïrianisation », campagne d'indigénisation et de
nationalisation de l'économie, a rapidement suivi. Treize mois plus
tard, un programme de « radicalisation» fut mis en place pour
corriger la Zaïrianisation, ce qui entraina une concentration encore plus
grande des intérêts et des ressources du pays entre les mains des
proches du pouvoir. La Zaïriani-sation et la radicalisation affaiblirent
sévèrement l'économie du pays et eurent comme
34
conséquences l'inflation et le chômage, la
liquidation des stocks et des actifs des entreprises, ainsi qu'une
pénurie des produits de première nécessité. Cette
situation provoqua le départ des investisseurs nationaux et
étrangers, entrainant une fuite massive de capitaux et la
quasi-disparition de l'économie agricole. Durant les années 1970
et 1980, les chocs et influences externes ont conduit à l'effondrement
de l'économie après 1990. La situation économique se
fragilisa davantage lorsque les prix du cuivre chutèrent brutalement
dans les années 1970, après des années de croissance
soutenue. En 1986, le prix du cobalt chuta à son tour de 58 %. A la fin
des années 1980, la production minière diminua fortement,
provoquant un effondrement généralisé de
l'économie. La banque centrale fit faillite et les dettes
cessèrent d'être honorées, compte tenu de la pénurie
des réserves en devises étrangères et la perte de tout
intérêt par les acteurs internationaux à soutenir le pays.
Au début des années 1990, la RDC sombra dans une guerre majeure
avec des conséquences humanitaires dramatiques. Ainsi, en 1991 jusque
1993 il y a eu pillage à Kinshasa par des soldats non payés et
les années 1993-1997 caractérisées par des réformes
économiques et politiques limitées. En 1997, les rebelles de
l'Alliance des forces démocratiques pour la libération du
Congo-Zaïre prennent Kinshasa, le pays est renommé «
République démocratique du Congo »,
Laurent-Désiré Kabila devient Président. En 1999 il y a eu
Signature de l'Accord de cessez-le-feu de Lusaka 2000 et le Conseil de
sécurité des Nations unies autorise l'envoi en RDC de forces de
maintien de la paix (MONUC). En 2001 le Président Joseph Kabila prend le
pouvoir à la suite de l'assassinat de son père;
réengagement avec le Fonds Monétaire International (FMI), la
Banque mondiale et d'autres partenaires traditionnels. En 2002 Signature de
l'Accord global et inclusif de paix 2003 Adoption d'une constitution
intérimaire et retrait des troupes étrangères. En
2005-2006 la Nouvelle constitution adoptée par referendum.
Président et Parlement démocratiquement élus. En 20062008
la Constitution est promulguée; l'insécurité continue au
Nord-Kivu; signature d'un accord « ressources contre infrastructures»
de 9 milliards de dollars U.S. avec la Chine. Fin 2008 -début 2009 crise
financière et crise de sécurité; recherche d'aide
d'urgence auprès des préteurs traditionnels et relations
diplomatiques bilatérales avec le Rwanda. En 2010 les 12,3 milliards de
dollars U.S. de dettes sont annulés grâce aux allègements
sous les initiatives PPTE, enfin en 2011 il y a eu révision des
procédures électorales et autres (amendement de la constitution)
(Banque International pour la Reconstruction et le Développement
(BIRD)/BM; 2012).
|
PIB réel (CDF)
|
1,1
1 0,9 0,8 0,7 0,6 0,5 0,4
|
35
Après cet aperçu historique de la situation
économico politique de la RDC, nous allons faire une
rétrospective détaillée de l'évolution des
variables macroéconomiques faisant l'objet de notre thématique
à l'instar de la masse monétaire, de la vitesse-revenu du franc
congolais, du taux directeur de la BCC, du taux d'inflation, du taux de change
USD-CDF et du revenu national au sens du PIB depuis 1970 jusque 2016.
· 1013
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.1 - Courbes d'évolution du PIB réel en
fonction du temps
Nous constatons au travers le graphique ci-haut
retraçant l'évolution du PIB réel de l'éco-nomie
congolaise qui se caractérise par une évolution plus ou moins
constante de 1970 avec un montant de 7 milliards de CDF à 8 milliards de
CDF en 1990 soit une progression d'un milliards, puis une période de
chute allant de 1991 avec un PIB de 7 milliards de CDF jusqu'en 2000 avec 4
milliards de CDF soit une régression de 3 milliards et cette chute
serait due à des guerres majeures ainsi que le pillage de Kinshasa par
des soldats non payés et enfin par des réformes
économiques et politiques limitées avec en 1997, l'entrée
des rebelles de l'Alliance des forces démocratiques pour la
libération. Et enfin, une période de reprise qui va de 2003 avec
un PIB de 5 milliards de CDF jusqu'en 2016 avec 11 milliards de CDF soit une
progression de 6 milliards qui serait due au réengagement avec le FMI,
la Banque mondiale et d'autres partenaires traditionnels; mais aussi les 12,3
milliards de dollars U.S. de dettes annulés grâce aux
allègements sous les initiatives Pays Pauvres Très
Endettés (PPTE).
· 104
Taux d'inflation (%)
2,5
0,5
1,5
2
0
1
36
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.2 - Courbes d'évolution du taux d'inflation en
fonction du temps
Quant à l'évolution du taux d'inflation, cet
indicateur a atteint une moyenne de 50,16 % entre 1970 et 1990 et cette moyenne
dénote une inflation galopante. Ainsi, en 1994, l'in-flation a atteint
son point culminant avec un taux de 23773,13 % qui traduit une hyperinflation
et cette période est suivie des baisses successives pour atteindre 9,8 %
en 2010 et 1,6 % en 2015 puis une montée à 23,6 % en 2016.
· 1012
Masse monétaire (CDF)
4
5
3
2
0
1
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.3 - Courbes d'évolution de la masse
monétaire en fonction du temps
La masse monétaire a connu une croissance constante
depuis 1970 jusqu'en 2000 avec une moyenne de 336,21 milliards de CDF, puis
suivi d'un accroissement significatif allant de 2001 avec 637,61 milliards de
CDF jusqu'à 5 254,9 milliards de CDF en 2016.
Taux de change (%)
1200
1000
400
800
200
600
0
37
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.4 - Courbes d'évolution du taux de change en
fonction du temps
Quant au taux de change, la RDC a enregistré un taux de
change de 0,31 en moyenne sur la période allant de 1970 à 1999 et
à partir de 2001, le pays a connu une dépréciation de la
monnaie qui a ajusté son taux de change à 313,59 d'abord puis
à 502,98 en 2007 puis à 1215,58 en 2016 qui constitue le pic du
taux de change de la monnaie nationale contre le dollar américain sur la
période considérée dans notre étude.
Taux directeur (%)
250
200
150
100
50
0
38
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.5 - Courbes d'évolution du taux directeur en
fonction du temps
Le taux directeur a été en moyenne de 24 % sur
la période allant de 1970 à 1993 et à atteint le pic de
238 % en 1996 qui pourrait s'expliqué avec l'entrée de l'AFDL qui
va contraindre la banque centrale à appliquer une politique de
resserrement. Cette période est suivie d'une baisse jusqu'à 13 %
l'année suivante et le taux le plus bas se fait remarqué en 2015
avec un taux de 2 % suivi de 7 % en 2016.
Vitesse-revenu
40
50
30
20
10
0
39
1970 1975 1980 1985 1990 1995 2000 2005 2010 2015 2020
Temps (année)
FIGURE 2.6 - Courbes d'évolution de la vitesse-revenu du
franc congolais en fonction du temps
La Vitesse-revenue (VR) a évolué dans une
certaine constance de 1970 à 1982, puis en 1983 elle a atteint un niveau
faible de 1,38 et a repris son cours avec une valeur de 15,1 l'année
suivante et en 1993, la vitesse a connue également une baisse soit une
vitesse de 3,2 mais le creux est venu en 1996 jusque 1998 avec une vitesse de
0,46 en moyenne sur les trois années avant d'atteindre un pic en 2000
avec une vitesse de 49 et cette période est suivie d'une chute continue
de la vitesse jusqu'à atteindre 7,21 en 2016 qui serait due à une
utilisation faible de la monnaie nationale dans les transactions suite à
sa dépréciation continuelle.
40
2.3 Conclusion du deuxième chapitre
Dans ce chapitre consacré aux notions
générales qui couvrent et environnent notre sujet de recherche,
nous avons fait en premier un balisage conceptuel qui a concerné les
concepts tels que la monnaie, la vitesse de circulation de la monnaie, le
niveau général des prix, le taux d'inflation, le taux
d'intérêt, le produit national brut et enfin le taux de change. En
second lieu, nous avons procédé à la présentation
de notre champs d'étude qu'est la RDC en faisant une vue d'ensemble de
l'histoire politico économique mais aussi en mettant en exergue les
évolutions des variables macroéconomiques qui feront l'objet de
notre étude à l'instar de l'évolution du PIB à prix
constant, de la masse monétaire, du taux directeur, du taux de change et
de la vitesse-revenu du franc congolais.
41
Chapitre 3
Approche empirique des déterminants
de la vitesse-revenu du franc congolais
|
Sommaire
|
|
|
|
|
3.1
|
Spécification du modèle et étude des
variables
|
42
|
|
3.1.1
|
Spécification du modèle
|
42
|
|
3.1.2
|
Étude des variables
|
44
|
|
3.2
|
Estimation du modèle VAR (p)
|
48
|
|
3.2.1
|
Détermination du nombre de retard du modèle
|
49
|
|
3.2.2
|
Estimation du modèle VAR (5)
|
49
|
|
3.2.3
|
Test de causalité de Granger
|
50
|
|
3.2.4
|
Analyse des chocs
|
51
|
|
3.3
|
Conclusion du troisième chapitre
|
53
|
Dans le chapitre précédent, nous avons
tiré comme postulat que, la politique monétaire R.D. Congolaise
conduite par la Banque Centrale du Congo vise principalement la
stabilité des prix par le contrôle de la masse monétaire.
Pour justifier cette causalité : vitesse-revenu et les autres variables
telles que la masse monétaire, le PIB réel, le taux d'inflation,
le taux d'intérêt et le taux de change; Nous allons chercher
à expliquer empiriquement l'impact d'une variation de toutes les
variables précédemment citées sur la vitesse-revenu dela
monnaie. A cet effet, nous allons estimer un model Vecteur Autoregressif (VAR),
puis voir le sens de causalité des variables avec le test de
causalité de GRANGER.
Notre étude empirique est articulée en trois
sections. En premier, nous ferons une spéci-
42
fication du modèle et une étude des variables.
Puis, nous estimerons un modèle VAR où nous utiliserons ses
outils d'analyse pour déterminer la relation existante entre
vitesse-revenu et les autres variables telles que la masse monétaire, le
PIB réel, le taux d'inflation, le taux d'intérêt et le taux
de change en République Démocratique du Congo en utilisant les
données trimestrielles obtenues à partir du logiciel Eviews 9 de
1970 :1 à 2016 :4, soit 188 observations.
3.1 Spécification du modèle et
étude des variables
3.1.1 Spécification du modèle
Sur base de la littérature, la vitesse (VR) qui est une
fonction de réaction de la masse monétaire selon les classiques a
été utilisée comme mesure de vélocité. Pour
le revenu national réel, nous avons retenu la variable (R) selon les
monétaristes. Cette dernière variable est une mesure de revenu et
peut avoir un effet positif ou négatif sur la vitesse. Comme
postulé par Friedman (1959), l'auteur base le raisonnement sur
l'idée que lorsque l'élasticité-revenu de la demande de
monnaie est inférieure à l'unité, un accroissement du
revenu se traduirait par une hausse moins que proportionnelle de la masse
monétaire, ce qui pourrait se traduire par une hausse de la vitesse. Le
taux d'intérêt est incorporé pendant qu'on s'attend
à ce qu'une mesure du coût d'opportunité de détenir
de la monnaie soit positive et la variable retenu est (TD).Puisque la
substitution peut se produire entre la monnaie et les actifs financiers
alternatifs, une hausse du taux d'intérêt mène à un
coût plus élevé de détenir de la monnaie, et donc,
des augmentations de vitesse (Peter N. Okafor et all. ,2013). Cependant, le
taux de change a été employé ici comme mesure alternative
de coûts d'opportunité de substitution de capitaux. Ceci est
basé sur l'argu-ment selon lequel dans les pays en voie de
développement particulièrement en RDC, le choix des supports de
richesse est en grande partie limité entre la monnaie et les biens
corporels, et pas tellement entre la monnaie et les actifs financiers. On
s'attend à ce que la devise domestique se déprécie, pour
que les détenteurs de la monnaie nationale ajustent leurs portefeuilles
en faveur des capitaux étrangers. La dépréciation cause un
coût plus élevé de tenir la devise locale de sorte que la
vitesse devrait augmenter; le Taux de change (TC) ici a comme indicateur (TC)
en %. La Masse Monétaire (MM) comme variable indiquée par (MM) en
milliards de Congolese Devise Franc (CDF) retenu du fait que la vitesse
43
de la monnaie selon la théorie quantitative est une
fonction de réaction de la quantité de monnaie en circulation
dans une économie; (MOUNKALA Evrard Ulrich, 2012). Le Taux d'Inflation
(TI) en % retenu sur base de l'approche monétaire par le taux
d'inflation de l'école de Chicago avec Fisher: L'existence d'une
relation de cause à effet entre la quantité de monnaie en
circulation dans l'économie et le niveau général des prix.
Pour éviter l'in-flation, il faut que le volume de stock de monnaie
suive le rythme du niveau de l'activité économique. Les
données annuelles de nos variables allant de 1970 à 2016 ont
comme source la banque mondiale (WDI, IFS) et elles ont été
transformées par nous-mêmes en trimestres au travers le logiciel
Eviews 9 par rapport à la tenue des assises stratégiques du
Comité de Politique Monétaire (CPM) qui sont trimestrielles en
RDC. La période de l'estimation va de 1970 :1 à 2016 :4, soit 188
observations. La variable dépendante utilisée est la VR. Pour
modeler les facteurs déterminants de la vitesse-revenu de la monnaie en
RDC, nous avons utilisé le modèle (VAR) et ses outils notamment
le tes de causalité au sens de Granger, la décomposition de la
variance et enfin la fonction des réponses impul-sionnelles.
Sur base de l'équation des échanges, la vitesse de
monnaie est définit comme suit:
|
VR =
|
PIB nominal
(3.1)
MM
|
Nous présentons la formule théorique
appliquée à notre modèle où la VR est
exprimée en fonction d'une batterie de variables susceptibles de
l'influencer:
VR = f (fondamentaux), soit:
VRt = c+31v1t +32v2t +...+3nvnt +et
(3.2)
Où VRt est la vitesse-revenue au temps t, 3 sont les
coefficients que nous cherchons à estimer, v sont les n variables
indépendantes choisies; c'est une constante et e est une variable
stationnaire de moyenne nulle.
Plus explicitement, la relation de long terme à tester
de la VR en fonction de ses fondamentaux s'écrit comme suit:
VRt = I30MM + I32R+I33TI + I34TC + I35TD + et (3.3)
44
t = 1, 2, 3,..., T où :
· VR est la vitesse-revenu de la monnaie;
· MM est la masse monétaire;
· R est le revenu national réel;
· TI est le taux d'inflation;
· TC est le taux de change en fin période; et
· TD le taux d'intérêt directeur.
3.1.2 Étude des variables
Les données pour ce modèle sont trimestrielles et
couvrent la période allant de 19702016, ces données sont
tirées des statistiques de la banque mondiale (WDI 2016, IFS) et des
rapports la Banque Centrale du Congo.
Le choix des variables étant déjà fait, nous
allons passer à l'analyse graphique des séries qui nous permettra
d'identifier certaines propriétés stochastiques de nos
séries en présence. La représentation graphique des
séries MMq, Rq, TCq, TDq, TIq et VRq.
MMQ RQ
30
20
10
0
-10
70 75 80 85 90 95 00 05 10 15
70 75 80 85 90 95 00 05 10 15
30.2
30.0
29.8
29.6
29.4
29.2
29.0
TCQ
10
0
-10
-20
-30
70 75 80 85 90 95 00 05 10 15
TIq
12 10 8 6
4 2 0
-2
70 75 80 85 90 95 00 05 10 15 TDQ
3.0 2.5 2.0 1.5
1.0 0.5 0.0
-0.5
70 75 80 85 90 95 00 05 10 15
VRQ
6
4 2 0 -2
-4
70 75 80 85 90 95 00 05 10 15
45
FIGURE 3.1 - Courbes d'évolution des variables de
l'étude de 1970q1-2016q4
source: Eviews 9
Du schéma, seulement les séries masse
monétaire, taux de change, PIB réel mais aussi en partie le taux
directeur montrent une tendance. Nous avons ensuite utilisé l'essai de
DICKEY-FULLER Augmented (DFA) pour examiner l'ordre d'intégration des
variables mais aussi leur stationnarité.
3.1.2.1 Étude de la stationnarité des
séries
Une série chronologique est considérée
comme stationnaire si son espérance mathématique et sa variance
se trouvent inchangés dans le temps. Dans le cas contraire, elle est non
stationnaire et peut conduire à des régressions fallacieuses
(BOURBONNAIS [2015]). Dans ce cas, les résultats peuvent suggérer
des relations significatives entre les variables du modèle alors qu'en
réalité ce n'est qu'une indication qu'il existe une
corrélation tem-
46
poraire entre les variables.
3.1.2.2 Tests de racine unitaire de DFA
Il existe un grand nombre de tests de racine unitaire. Les
travaux pionniers en la matière sont ceux de Fuller et Dickey-Fuller.
Les tests de Dickey-Fuller sont des tests paramétriques permettant de
mettre en évidence le caractère stationnaire ou non d'une
chronique par la détermination d'une tendance déterministe ou
stochastique. Ces tests reposent sur l'estimation d'un processus
autorégressif (BOURBONNAIS [2015]).
Dickey et Fuller considèrent trois modèles de base
pour la série Xt :
Modèle(1) : modèle sans constante ni tendance
déterministe
Xt = pXt-1 +ct (3.4)
Modèle(2) : modèle avec constante sans tendance
déterministe
Xt = pXt-1 +b+ct (3.5)
Modèle(3) : modèle avec constante et tendance
déterministe
Xt = pXt-1 +at+b+ct (3.6)
Le principe de test est comme suit:
· H0 : p = 1 présence d'une racine unitaire
d'où la série est non stationnaire
· H1 : p < 1 absence de racine unitaire d'où la
série est stationnaire
Si l'hypothèse H0 : p = 1 est retenue dans l'un de ces
trois modèles, alors le processus est non stationnaire. La mise en
oeuvre du test de ADF est similaire au test de DF seules les tables
statistiques diffèrent.
L'application de test de ADF nécessite au
préalable de choisir le nombre de retard (p) à introduire de
sorte à blanchir les résidus. La valeur (p) de retard est
déterminée soit à l'aide de la fonction des
autocorrélations partielles, soit à l'aide de la statistique de
Box-Pierce, soit à l'aide des critères d'Akaike (AIC) où
de Schwartz (BIC).
47
Dans notre étude nous allons appliquer le test ADF et
nous avons déterminé le nombre de retard à l'aide de la
fonction des autocorrélations partielles en étudiant la
significativité des coefficients des corrélations partielles.
L'application de cette méthode en se basant à l'étude de
corrélogramme des différentes variables de l'étude, nous
avons obtenu le retard un pour tous les variables (BOURBONNAIS [2015]).
TABLEAU 3.1 - Test de DFA
Variables à niveau à la différence
1ère à la différence 1ème
seuil de 5 % Ordre d'intégration
VRq 4,16 - - 2,877 I(0)
MMq 0,53 5,10 - 2,877 I(1)
Rq 0,36 3,19 - 1,94 I(1)
TCq 0,68 3,24 - 2,877 I(1)
TIq 0,95 6,03 - 1,94 I(1)
TDq 4,05 6,04 - 2,877 I(0)
Source: Établi à partir des
résultats des tests de DFA à l'aide de Eviews 9
De ce tableaux, en employant le test de racine unitaire de
Dickey-Fuller augmenté (DFA), seuls la vitesse-revenu et le taux
directeur sont intégrés à niveau I(0) et les autres
variables sont stationnaires à la différence première
I(1). Ces résultats peuvent être vues en comparant les valeurs
observées (en termes absolus) des statistiques de DFA aux valeurs
critiques au seuil de 5 %. Et que donc, l'hypothèse de non
stationnarité est rejetée.
3
2
1
0
-1
-2
-3
TDS
70 75 80 85 90 95 00 05 10 15
TIS
70 75 80 85 90 95 00 05 10 15
RS
VRS
70 75 80 85 90 95 00 05 10 15
TCS
70 75 80 85 90 95 00 05 10 15
MMS
4
3
2
1
0
-1
-2
.04
.02
.00
-.02
-.04
-.06
70 75 80 85 90 95 00 05 10 15
70 75 80 85 90 95 00 05 10 15
2
1
0
-1
-2
-3
2.0
1.5
1.0
0.5
0.0
-0.5
-1.0
3.0
2.5
2.0
1.5
1.0
0.5
0.0
-0.5
48
FIGURE 3.2 - Courbes d'évolution des variables
stationnaires de l'étude de 1970q1-2016q4
source: Eviews 9
3.2 Estimation du modèle VAR (p)
La définition générale d'un processus
VAR(p) est un processus vectoriel {yt,t E z}, de dimension (n, 1), admet une
représentation donnée par l'expression 3.7 (BOURBONNAIS
[2015]).
yt = c+ Ö1yt-1 + Ö2yt-2 + ... +
Öpyt-p + et (3.7)
Dans ce modèle chaque variable est modélisée
en tant que variable endogène, ayant comme fonction ses propres valeurs
retardées et celles de toutes les autres variables endogènes
retenues dans le système.
49
3.2.1 Détermination du nombre de retard du
modèle
Nous allons, à présent, déterminer le
nombre de retard (p) à retenir. Pour ce faire, nous allons choisir le
nombre MAX(p) = 5, et à l'aide du test d'ordre de sélection des
critères sur Eviews (VAR Lag Order Selection Criteria) nous allons
choisir le critère le plus petit parmi les critères.
TABLEAU 3.2 - VAR, Critère de sélection d'ordre de
retards
VAR Lag Order Selection Criteria
Endogenous variables : VRS TIS TDS TCS RS
MMS
Exogenous variables : C
Date: 06/21/18 Time: 12 :28
Sample: 1970Q1 2016Q4
Included observations: 180
|
Lag
|
LogL
|
LR
|
FPE
|
AIC
|
SC
|
HQ
|
|
0
|
310.3408
|
NA
|
1.37e-09
|
-3.381564
|
-3.275132
|
-3.338411
|
|
1
|
842.7568
|
1023.422
|
5.51e-12
|
-8.897298
|
-8.152275
|
-8.595223
|
|
2
|
904.9944
|
115.4852
|
4.12e-12
|
-9.188826
|
-7.805212
|
-8.627830
|
|
3
|
919.2986
|
25.58868
|
5.26e-12
|
-8.947762
|
-6.925556
|
-8.127845
|
|
4
|
1109.461
|
327.5024
|
9.55e-13
|
-10.66068
|
-7.999884
|
-9.581842
|
|
5
|
1307.053
|
327.1237*
|
1.60e-13*
|
-12.45614*
|
-9.156753*
|
-11.11838*
|
|
6
|
1337.418
|
48.24770
|
1.73e-13
|
-12.39354
|
-8.455558
|
-10.79686
|
|
7
|
1347.339
|
15.10070
|
2.36e-13
|
-12.10376
|
-7.527191
|
-10.24816
|
* indicates lag order selected by the criterion
AIC : Akaike information criterion SC : Schwarz information
criterion Included observations: 180
Source: Eviews 9
Ces résultats montrent que le nombre des retards
à retenir est de (P=5). C'est le nombre des retards qui minimise les
critères de Schwartz et d'Akaike (AIC).
3.2.2 Estimation du modèle VAR (5)
Après avoir déterminé le nombre de retard
(P=5), nous allons à présent estimer le modèle VAR sur les
variables stationnaires: (VR), D(MM), D(R), D(TI), D(TC) et D(TD).
Sous forme d'équation, nous prenons VRS qui nous
intéresse particulièrement dans l'es-timation du modèle
VAR, l'explication de la vitesse-revenu par ses valeurs passées (VR
50
(-5)) et les valeurs passées des autres variables du
modèle.
Les résultats d'estimation du modèle VAR
s'écrivent de la façon suivante :
VRS = 0.53 * VRS(-1) + 0.159 * VRS(-2) + 0.057 * VRS(-3) - 0.64 *
VRS(-4)
+0.143 * VRS(-5) - 0.050 * TIS(-1) - 0.023 * TIS(-2) - 0.0132
* TIS(-3) + 0.27 * TIS(-4) -0.176 * TIS(-5) + 0.07 * TDS(-1) + 0.15 * TDS(-2) -
0.099 * TDS(-3) - 0.328 * TDS(-4) +0.255 * TDS(-5) +0.04 * TCS(-1) +0.07 *
TCS(-2) +0.011 * TCS(-3) +0.43 * TCS(-4) -0.39 * TCS(-5) + 0.168 * RS(-1)
-1.05471186262 * RS(-2) - 0.538748880141 * RS(-3)
-0.44 * RS(-4) + 0.079 * RS(-5) - 0.15 * MMS(-1) - 0.0136 *
MMS(-2) - 0.0051 * MMS(-3)
-0.04 * MMS(-4) - 0.112 * MMS(-5) + 0.016 (3.8)
La qualité d'ajustement du modèle est bonne pour
la variable (VR) avec un R2=70 %; pour la variable taux d'inflation, la
qualité d'ajustement est également bonne, car cette variable est
expliquée à 72 %par ses valeurs passées; mais
également pour le taux directeur (TD) avec 97%; le taux de change avec
coefficient de détermination de 88 %; le PIB réel (R) avec 81% et
enfin masse monétaire (MM) avec unR2 de 80 %.
Les résultats de ce modèle montrent que, la
vitesse-revenu dépend de ses valeurs passées, mais aussi des
valeurs passées des autres variables (TI, TD, R, MM,). Car, les
coefficients de ces variables sont significatifs de point de vue statistique.
Nous complétons, l'analyse du modèle VAR précédent
par : le test de causalité de Granger, l'analyse des chocs (fonction de
réponses impulsionnelles).
3.2.3 Test de causalité de Granger
Nous effectuons le test de causalité au sens de
Granger, pour l'étude du sens de causalité entre les variables du
modèle VAR(5). Les résultats de ce test montre que, le taux
d'infla-tion, le taux directeur, le taux de change, la masse monétaire
et le PIB réel ne causent pas la vitesse de monnaie en RDC car
l'hypothèse nulle est acceptée pour toutes les variables
51
vues que leurs probabilités sont supérieures
à la valeur critique au seuil de 5 % soit 0,05. A l'exception du test de
causalité entre le taux de change qui cause le taux d'inflation, le PIB
réel qui cause le taux d'inflation et enfin la masse monétaire
qui cause le taux d'infla-tion. Et bien, l'hypothèse nulle est
rejetée car la probabilité associée à ces
hypothèses est inférieure à (0.05).
3.2.4 Analyse des chocs
3.2.4.1 Décomposition de la variance le l'erreur
de prévision
Dans l'intérêt de savoir, quelle est la
contribution de chaque innovation (chocs) à la variance totale de
l'erreur de prévision. On présente dans les tableaux suivants les
résultats (en %) la contribution des résidus de chaque variable
sur sa variance de l'erreur de prévision. Dans le but de tirer la
variable qui influence le plus sur les autres variables.
Après analyse de la décomposition de la variance
des variables sous étude, nous constatons qu'en moyenne l'innovation de
la vitesse-revenu contribue à 87,2 % à la variance totale de
l'erreur de prévision; le taux d'inflation contribue à son tour
à 90,4 %; le taux directeur 57,5 % ;le taux de change à 50,79 %;
le PIB réel contribue à 84,47 % et enfin la masse
monétaire contribue en moyenne à 14,07 % de la variance à
la variance totale de l'erreur de prévision.
De ce fait, l'innovation du taux d'inflation et du PIB
réel affecte en grande partie les autres variables. C'est-à-dire
elles sont les variables les plus influençables sur les autres variables
(les variables les plus exogènes).
3.2.4.2 La Fonction des réponses
impulsionnelles
Après avoir déterminé le degré
d'exogénéité des variables du modèle et puisque les
coefficients individuels dans les modèles VAR estimés sont
souvent difficile à interpréter, les praticiens de cette
technique estiment la fonction des réponses impulsionnelles. Cette
fonction expose la réponse de la variable dépendante d'un
système VAR aux chocs. Nous effectuerons à présent, un
choc positif sur ces variables et nous analyseront leur impact, sur la variable
elle-même et sur les autres variables du modèle.
Response to Cholesky One S.D. Innovations #177; 2
S.E.
Response of VRS to VRS
Response of VRS to TIS
Response of VRS to TDS
Response of VRS to TCS
Response of VRS to RS
Response of VRS to MMS
.3
.3
.3
.3
.3
.3
.2
.2
.2
.2
.2
.2
.1
.1
.1
.1
.1
.1
.0
.0
.0
.0
.0
.0
-.1
-.1
-.1
-.1
-.1
-.1
-.2
-.2
-.2
-.2
-.2
-.2
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Response of TIS to VRS
Response of TIS to TIS
Response of TIS to TDS
Response of TIS to TCS
Response of TIS to RS
Response of TIS to MMS
.3
.3
.3
.3
.3
.3
.2
.2
.2
.2
.2
.2
.1
.1
.1
.1
.1
.1
.0
.0
.0
.0
.0
.0
-.1
-.1
-.1
-.1
-.1
-.1
-.2
-.2
-.2
-.2
-.2
-.2
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Response of TDS to VRS
Response of TDS to TIS
Response of TDS to TDS
Response of TDS to TCS
Response of TDS to RS
Response of TDS to MMS
.2
.2
.2
.2
.2
.2
.1
.1
.1
.1
.1
.1
.0
.0
.0
.0
-.1
-.1
-.1
-.1
-.1
-.1
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Response of TCS to VRS
Response of TCS to TIS
Response of TCS to TDS
Response of TCS to TCS
Response of TCS to RS
Response of TCS to MMS
.2
.2
.2
.2
.2
.2
.1
.1
.1
.1
.1
.1
.0
.0
.0
.0
.0
.0
-.1
-.1
-.1
-.1
-.1
-.1
-.2
-.2
-.2
-.2
-.2
-.2
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Response of RS to VRS
Response of RS to TIS
Response of RS to TDS
Response of RS to TCS
Response of RS to RS
Response of RS to MMS
.0
.008
.0
.008
.008
.008
.008
.008
.004
.004
.004
.004
.004
.004
.000
.000
.000
.000
.000
.000
-.004
-.004
-.004
-.004
-.004
-.004
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
Response of MMS to VRS
Response of MMS to TIS
Response of MMS to TDS
Response of MMS to TCS
Response of MMS to RS
Response of MMS to MMS
.2
.2
.2
.2
.2
.2
.1
.1
.1
.1
.1
.1
.0
.0
.0
.0
-.1
-.1
-.1
-.1
-.1
-.1
-.2
-.2
-.2
-.2
-.2
-.2
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
1 2 3 4 5 6 7 8 9 10
FIGURE 3.3 - Réponses impulsionelles des variables de
l'étude
source: Eviews 9
.0
.0
L'analyse de la fonction des réponses impulsionnelles
montre qu'un choc positif sur la vitesse-revenu a un impact positif sur
elle-même du premier au quatrième trimestre et l'impact devient
négatif à partir du cinquième trimestre. Un choc positif
sur le taux d'in-flation a un impact positif sur la vitesse-revenu à
partir du premier trimestre jusqu'au quatrième et devient négatif
au cinquième trimestre. En ce qui concerne le taux directeur, un choc
positif sur cette variable a un impact négatif sur la vitesse-revenu du
premier au troisième trimestre et devient positif à partir du
quatrième trimestre. Et lorsque le taux de change reçoit un choc
positif, cela a un impact négatif sur la vitesse-revenu du premier au
quatrième trimestre et l'impact devient négatif à partir
du cinquième trimestre. Un choc
52
53
positif sur le PIB réel a un impact négatif sur
la vitesse-revenu déjà au premier trimestre et cet impact devient
positif à partir du deuxième trimestre. Enfin, un choc positif
sur la masse monétaire a un impact négatif sur la vitesse-revenu
du franc congolais du premier au quatrième trimestre et devient positif
à partir du cinquième trimestre.
3.3 Conclusion du troisième chapitre
Au cours de ce chapitre, il a été question de
mettre en relief la méthodologie à suivre et faire une
étude empirique des déterminants de la vitesse-revenu du franc
congolais.
Cependant, nous avons utilisé le modèle VAR pour
pouvoir estimer les paramètres passant par les tests de racine unitaire
de DFA. Au-delà, nous avons complété l'estimation du
modèle VAR par le test de causalité au sens de Granger pour voir
le sens de causalité des variables mais aussi une analyse des chocs en
passant par la décomposition de la variance des variables sous
études et par la fonction des réponses impulsionnelles.
Par ailleurs, le taux d'inflation et le revenu réel qui
soutiennent respectivement l'approche monétaire par le taux d'inflation
de l'école de Chicago avec Fisher: L'existence d'une relation de cause
à effet entre la quantité de monnaie en circulation dans
l'économie et le niveau général des prix et l'approche
monétaire par le mécanisme d'encaisse réelle qui est une
approche par le revenu : la demande de monnaie est une fonction croissante de
la production (Marshall). Le volume des transactions en tant que variable
exogène ou réel de l'équation n'est pas
déterminé par les variables monétaires du fait que l'offre
de la monnaie (M) est l'apanage de la Banque Centrale : La demande de monnaie
est fonction du revenu réel des agents économiques (A. Pigou).
L'approche monétariste avec Friedman ajoute une analyse de la relation
entre quantité de monnaie et le revenu national, ces deux
augmenté de la vitesse-revenu retardée de quatre trimestres soit
un retard d'un an sont donc les facteurs déterminants de la
vitesse-revenu en RDC.
54
Conclusion générale
Ce mémoire a fait l'objet d'une étude empirique
des facteurs déterminants de la vitesse-revenu de la monnaie en RDC en
utilisant les données trimestrielles de la période allant de 1970
:1 à 2016 :4. La vitesse-revenu de la monnaie est l'une des variables
les plus étroitement observées par les autorités
monétaires pour estimer la limite sûre de la croissance
monétaire ou une croissance monétaire stable et c'est encore une
des variables permettant de formuler une politique monétaire saine. Il
est vrai que la volatilité de la vélocité soit
plutôt une occurrence de longue durée, mais il a une place
centrale dans l'analyse de la politique monétaire. C'est, donc, une
question paranoïaque pour des autorités monétaires afin
d'avoir des informations fiables sur les variables macro-économiques qui
ont l'impact sur la variation de la vitesse-revenu.
Pour vérifier les hypothèses émises, nous
avons développé dans le cadre de cette étude le
modèle économétrique (VAR) afin de se rendre compte de
l'explication de la vitesse-revenu par ses observations passées mais
aussi les observations passées de la masse monétaire, du taux
d'inflation, du PIB réel, du taux directeur et du taux de change. Les
résultats du modèle vectoriel auto régressif montre que la
qualité d'ajustement du modèle est bonne pour la variable (VR)
avec un R2 de 70 %; pour la variable taux d'inflation, la qualité
d'ajustement est également bonne, car cette variable est
expliquée à 72 % par ses valeurs passées; mais
également pour le taux directeur (TD) avec 97 %; le taux de change avec
coefficient de détermination de 88 %; le PIB réel (R) avec 81 %
et enfin masse monétaire (MM) avec un R2 de 80 %. Alors, ce
modèle montre que, la vitesse-revenu dépend de ses valeurs
passées, mais aussi des valeurs passées des autres variables (TI,
TD, R, MM,). Car, les coefficients de détermination de ces variables
sont significatifs de point de vue statistique.
En utilisant les outils du modèle VAR en premier le
test de causalité au sens de Granger,
55
ce test montre que la causalité entre la masse
monétaire, le taux d'inflation, le PIB réel, le taux directeur,
le taux de change et la vitesse-revenu du franc congolais n'est pas
vérifiée en RDC car aucune des probabilités
attachées aux hypothèses nulles n'est inférieure au seuil
de 5 %. En second lieu,l'analyse des chocs au travers la décomposition
de la variance nous a permis de constater qu'en moyenne l'innovation de la
vitesse-revenu contribue à 87,2 % à la variance totale de
l'erreur de prévision; le taux d'inflation contribue à son tour
à 90,4 %; le taux directeur 57,5 %; le taux de change à 50,79 %;
le PIB réel contribue à 84,47 % et enfin la masse
monétaire contribue en moyenne à 14,07 % de la variance à
la variance totale de l'erreur de prévision. De ce fait, l'innovation du
taux d'inflation et du PIB réel affecte en grande partie les autres
variables. C'est-à-dire elles sont les variables les plus
influençables sur les autres variables (les variables les plus
exogènes). En troisième lieu, nous avons dans le cadre toujours
de l'analyse des chocs mis en place la fonction des réponses impulsives
vu que les coefficients individuels dans les modèles VAR estimés
sont souvent difficiles à interpréter, les praticiens de cette
technique estiment la fonction des réponses impulsives. Cette fonction
expose la réponse de la variable dépendante d'un système
VAR aux chocs. Ce test révèle que seuls les chocs sur le taux
d'inflation et sur le PIB réel ont un impact significatif sur la
vitesse-revenu du franc congolais en RDC.
Et que donc, sur base de toutes ces analyses, les
déterminants de la vitesse-revenu du franc congolais se résument
en taux d'inflation et revenu réel qui soutiennent respectivement
l'approche monétaire par le taux d'inflation de l'école de
Chicago avec Fisher: L'existence d'une relation de cause à effet entre
la quantité de monnaie en circulation dans l'économie et le
niveau général des prix et l'approche monétaire par le
mécanisme d'encaisse réelle qui est une approche par le revenu :
la demande de monnaie est une fonction croissante de la production (Marshall).
Le volume des transactions en tant que variable exogène ou réel
de l'équation n'est pas déterminé par les variables
monétaires du fait que l'offre de la monnaie (M) est l'apanage de la
Banque Centrale: La demande de monnaie est fonction du revenu réel des
agents économiques (A. Pigou). L'approche monétariste avec
Friedman ajoute une analyse de la relation entre quantité de monnaie et
le revenu national.
La vue traditionnelle de la stabilité de la
vitesse-revenu de la monnaie ne semble pas tenir dans la situation
économique changeante de la République Démocratique du
Congo et celle-ci devrait être pris en considération pour une
politique monétaire efficace en RDC.
56
Bibliographie
BCC. 2008- 2016, «Rapport annuel»,.
BIRD/BM. 2012, «synthèse, contexte historique et
macroéconomique de la rdc», cahier de recherche, Banque
Mondiale.
BOURBONNAIS, R. 2015, Économétrie: manuel et
exercices corrigés, 9e éd., Paris. 45, 46, 47,
48
BRANA, S. et M. CASAL. 1997, La monnaie, 1re
éd., Paris. 23
BRAND, C. et N. CASSOLA. 2000, «A money demand system for
euro area m3», applied
economics, , no 36-8, 817-838.
DANIEL, S. 2009, Économie monétaire
etfinancière, 1re éd., Bruxelles. 24, 25 DE
BOISSIEU, C. 1975, «La vitesse de circulation de la monnaie»,
cujas.
DELAPLACE, M. 2009, Monnaie etfinancement de
l'économie, 3e éd., Paris. 25, 27
DRISCOLL et LAHIRI. 1983, «Capital mobility, monetarization
and monetary demand in africa», Montclair state university, ,
no 1.
ESSARS, P. D. 1895, «La vitesse de circulation de la
monnaie», Journal de la société statistique de Paris.
Tome 36. 16
HARRIBEY, J.-M. 2001, «La monnaie»,
Université d'été d'ATTAC, Arles. 4 JACOUD, G.
1996, La monnaie dans l'économie, 1re éd..
23
KWESELE, C. 2013, La stabilisation monétaire en RDC :
ciblage des paramètres opérationnels et des mécanismes
institutionnels contracycliques, thèse de doctorat,
Université de Lubumbashi - FSEG, Lubumbashi. 25, 29, 32
MANKIW, G. 2013, Macroéconomie, 9e
éd., Paris. 30
MISHKIN, F. 2013, Monnaie, banque et marché financier,
10e éd.. 6, 23, 32
MOKRANI, A. 2017, «La volatilité de la politique
monétaire et la croissance économique le cas
algérien-approche économétrique», bootstrap.
Revue académique des études humaines et sociales;
université m'Hamed bouguara, BOUMERDES. 10
57
MOUNKALA, E. U. 2012, «Dynamique de la vitesse de
circulation de la monnaie dans la cemac», BEAC working paper - BWP,
vol. 15, no 6. Études et recherche. 11, 18
MUHAMMAD, O. 2010, «Velocity of money functions in pakistan
and lessons for monetary policy», SBP Research Bulletin, vol. 6,
no 2. 14
RABIOU, A. 2003, «Degré de monétarisation
de l'économie et comportement de la vitesse de circulation de la monnaie
au niger : essai d'une analyse théorique et empirique», Notes
d'information et statistiques, , no 542. Études et
recherche. 7, 12
SILEM, A. et J. M. ALBERTINI. 2015, Lexique
d'économie, 13e éd.. 23, 27
WANG, W. et S. SHOUYONG. 2001, «The vavriability of velovity
of money in a search model», Indiana University, , no
47 405.
58
Annexes
59
Annexe A
Tableaux
TABLEAU A.1 - Test de racine unitaire : vitesse-revenu à
niveau
Null Hypothesis : VRQ has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-4.162285
|
0.0010
|
|
1 % level
|
-3.465585
|
|
|
Test critical values: 5 % level
|
-2.876927
|
|
|
10 % level
|
-2.575051
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: D(VRQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :00
|
|
|
|
Sample (adjusted): 1970Q3 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
VRQ(-1) -0.0861712 0.020833
|
-4.162285
|
0.0000
|
|
D(VRQ(-1)) 0.541941 0.062123
|
8.723634
|
0.0000
|
|
C 0.187162 0.050005
|
3.742848
|
0.0002
|
|
R-squared 0.313582 Mean dependent var
|
|
-0.002886
|
|
Adjusted R-squared 0.306080 S.D. dependent var
|
|
0.344136
|
|
S.E. of regression 0.286672 Akaike info criterion
|
|
0.355041
|
|
Sum squared resid 15.03908 Schwarz criterion
|
|
0.407069
|
|
Log likelihood -30.01877 Hannan-Quinn criter.
|
|
0.376124
|
|
F-statistic 41.80076 Durbin-Watson stat
|
|
2.162183
|
|
Prob(F-statistic) 0.000000
|
|
|
60
TABLEAU A.2 - Test de racine unitaire: Masse monétaire
à niveau
Null Hypothesis : MMQ has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-0.531966
|
0.8809
|
|
1 % level
|
-3.465585
|
|
|
Test critical values: 5 % level
|
-2.876927
|
|
|
10 % level
|
-2.575051
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: D(MMQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :56
|
|
|
|
Sample (adjusted): 1970Q4 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
MMQ(-1)) -0.000885 0.001665
|
-0.531966
|
0.5954
|
|
D(MMQ(-1)) 0.628542 0.057437
|
10.94316
|
0.0000
|
|
C 0.083451 0.032696
|
2.552294
|
0.0115
|
|
R-squared 0.395907 Mean dependent var
|
|
0.197130
|
|
Adjusted R-squared 0.389305 S.D. dependent var
|
|
0.197130
|
|
S.E. of regression 0.332307 Akaike info criterion
|
|
0.650484
|
|
Sum squared resid 20.20835 Schwarz criterion
|
|
0.702513
|
|
Log likelihood -57.49505 Hannan-Quinn criter.
|
|
0.671568
|
|
F-statistic 59.96667 Durbin-Watson stat
|
|
2.167501
|
|
Prob(F-statistic) 59.96667
|
|
0.000000
|
61
TABLEAU A.3 - Test de racine unitaire : Masse monétaire
à la différence première
Null Hypothesis : D(MMQ) has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-5.106487
|
0.0000
|
|
1 % level
|
-3.465780
|
|
|
Test critical values: 5 % level
|
-2.877012
|
|
|
10 % level
|
-2.575097
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: D(MMQ,2)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :18
|
|
|
|
Sample (adjusted): 1970Q4 2016Q4
|
|
|
|
Included observations: 185 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
D(MMQ(-1)) -0.323478 0.063347
|
-5.106487
|
0.0000
|
|
D(MMQ(-1),2) -0.131048 0.073456
|
-1.784033
|
0.0761
|
|
C 0.064393 0.027339
|
2.355381
|
0.0196
|
|
R-squared 0.200227 Mean dependent var
|
|
0.000355
|
|
Adjusted R-squared 0.191438 S.D. dependent var
|
|
0.367616
|
|
S.E. of regression 0.330561 Akaike info criterion
|
|
0.640032
|
|
Sum squared resid 19.88724 Schwarz criterion
|
|
0.692254
|
|
Log likelihood -56.20294 Hannan-Quinn criter.
|
|
0.661196
|
|
F-statistic 22.78229 Durbin-Watson stat
|
|
1.986190
|
|
Prob(F-statistic) 0.000000
|
|
|
62
TABLEAU A.4 - Test de racine unitaire : PIB réel (R)
à niveau
Null Hypothesis : RQ has a unit root Exogenous: None
Lag Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
0.362075
|
0.7882
|
|
1 % level
|
-2.577454
|
|
|
Test critical values: 5 % level
|
-1.942545
|
|
|
10 % level
|
-1.615565
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: D(RQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :28
|
|
|
|
Sample (adjusted): 1970Q3 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
RQ(-1) 7.10E-06 1.96E-05
|
0.362075
|
0.7177
|
|
D(RQ(-1)) 0.848151 0.038217
|
22.19302
|
0.0000
|
|
R-squared 0.728096 Mean dependent var
|
|
0.002237
|
|
Adjusted R-squared 0.726618 S.D. dependent var
|
|
0.014945
|
|
S.E. of regression 0.007814 Akaike info criterion
|
|
-6.855099
|
|
Sum squared resid 0.011235 Schwarz criterion
|
|
-6.820413
|
|
Log likelihood 639.5242 Hannan-Quinn criter.
|
|
-6.841043
|
|
Durbin-Watson stat 2.326732
|
|
|
63
TABLEAU A.5 - Test de racine unitaire: PIB réel (R) en
différence première
Null Hypothesis : D(RQ) has a unit root Exogenous: None
Lag Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-3.193623
|
0.0015
|
|
1 % level
|
-2.577522
|
|
|
Test critical values: 5 % level
|
-1.942555
|
|
|
10 % level
|
-1.615559
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: D(RQ,2)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :29
|
|
|
|
Sample (adjusted): 1970Q4 2016Q4
|
|
|
|
Included observations: 185 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
D(RQ(-1)) -0.123571 0.038693
|
-3.193623
|
0.0017
|
|
D(RQ(-1),2) -0.191645 0.072014
|
-2.661229
|
0.0085
|
|
R-squared 0.111892 Mean dependent var
|
|
-0.000129
|
|
Adjusted R-squared 0.107039 S.D. dependent var
|
|
0.008139
|
|
S.E. of regression 0.007691 Akaike info criterion
|
|
-6.886854
|
|
Sum squared resid 0.010824 Schwarz criterion
|
|
-6.852040
|
|
Log likelihood 639.0340 Hannan-Quinn criter.
|
|
-6.872745
|
|
Durbin-Watson stat 1.988238
|
|
|
64
TABLEAU A.6 - Test de racine unitaire : taux de change à
niveau
Null Hypothesis : TCQ has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-0.683945
|
0.8469
|
|
1 % level
|
-3.465585
|
|
|
Test critical values: 5 % level
|
-2.876927
|
|
|
10 % level
|
-2.575051
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: : D(TCQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :43
|
|
|
|
Sample (adjusted): 1970Q3 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
TCQ(-1) -0.000617 0.000902
|
-0.683945
|
0.4949
|
|
D(TCQ(-1)) 0.828125 0.041257
|
20.07236
|
0.0000
|
|
C 0.026457 0.017229
|
1.535576
|
0.1264
|
|
R-squared 0.688016 Mean dependent var
|
|
0.184848
|
|
Adjusted R-squared 0.684606 S.D. dependent var
|
|
0.313846
|
|
S.E. of regression 0.176256 Akaike info criterion
|
|
-0.617764
|
|
Sum squared resid 5.685092 Schwarz criterion
|
|
-0.565736
|
|
Log likelihood 60.45208 Hannan-Quinn criter.
|
|
-0.596680
|
|
F-statistic 201.7839 Durbin-Watson stat
|
|
2.340580
|
|
Prob(F-statistic) 0.000000
|
|
|
65
TABLEAU A.7 - Test de racine unitaire: taux de change à
la différence première
Null Hypothesis : D(TCQ) has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-3.240422
|
0.0193
|
|
1 % level
|
-3.465780
|
|
|
Test critical values: 5 % level
|
-2.877012
|
|
|
10 % level
|
-2.575097
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: : D(TCQ,2)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :45
|
|
|
|
Sample (adjusted): 1970Q4 2016Q4
|
|
|
|
Included observations: 185 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
D(TCQ(-1)) -0.137516 0.042438
|
-3.240422
|
0.0014
|
|
D(TCQ(-1),2) -0.202413 0.072527
|
-2.790859
|
0.0058
|
|
C 0.026219 0.014963
|
1.752241
|
0.0814
|
|
R-squared 0.123913 Mean dependent var
|
|
0.000639
|
|
Adjusted R-squared 0.114286 S.D. dependent var
|
|
0.184120
|
|
S.E. of regression 0.173280 Akaike info criterion
|
|
-0.651736
|
|
Sum squared resid 5.464707 Schwarz criterion
|
|
-0.599514
|
|
Log likelihood 63.28556 Hannan-Quinn criter.
|
|
-0.630572
|
|
F-statistic 12.87097 Durbin-Watson stat
|
|
1.996948
|
|
Prob(F-statistic) 0.000006
|
|
|
66
TABLEAU A.8 - Test de racine unitaire: taux d'inflation
à niveau
Null Hypothesis : TIQ has a unit root Exogenous: None
Lag Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-0.957253
|
0.3013
|
|
1 % level
|
-2.577454
|
|
|
Test critical values: 5 % level
|
-1.942545
|
|
|
10 % level
|
-1.615565
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: : D(TIQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :49
|
|
|
|
Sample (adjusted): 1970Q3 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
TIQ(-1) -0.006362 0.006646
|
-0.957253
|
0.3397
|
|
D(TIQ(-1)) 0.523261 0.064248
|
8.144369
|
0.0000
|
|
R-squared 0.264965 Mean dependent var
|
|
0.013664
|
|
Adjusted R-squared 0.260970 S.D. dependent var
|
|
0.463023
|
|
S.E. of regression 0.398046 Akaike info criterion
|
|
1.006197
|
|
Sum squared resid 29.15311 Schwarz criterion
|
|
1.040883
|
|
Log likelihood -91.57636 Hannan-Quinn criter.
|
|
1.020253
|
|
Durbin-Watson stat 2.050415
|
|
|
67
TABLEAU A.9 - Test de racine unitaire: taux d'inflation
à la différence première
Null Hypothesis : D(TIQ) has a unit root Exogenous: None
Lag Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-6.037826
|
0.0000
|
|
1 % level
|
-2.577522
|
|
|
Test critical values: 5 % level
|
-1.942555
|
|
|
10 % level
|
-1.615559
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: : D(TIQ,2)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :51
|
|
|
|
Sample (adjusted): 1970Q4 2016Q4
|
|
|
|
Included observations: 185 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
D(TIQ(-1)) -0.452237 0.074901
|
-6.037826
|
0.0000
|
|
D(TIQ(-1),2) -0.056876 0.075142
|
-0.756913
|
0.4501
|
|
R-squared 0.235057 Mean dependent var
|
|
0.007468
|
|
Adjusted R-squared 0.230877 S.D. dependent var
|
|
0.455487
|
|
S.E. of regression 0.399460 Akaike info criterion
|
|
1.013347
|
|
Sum squared resid 29.20104 Schwarz criterion
|
|
1.048162
|
|
Log likelihood -91.73461 Hannan-Quinn criter.
|
|
1.027457
|
|
Durbin-Watson stat 1.972774
|
|
|
TABLEAU A.10 - Test de racine unitaire: taux directeur à
niveau
Null Hypothesis : TDQ has a unit root Exogenous: Constant Lag
Length: 1 (Fixed)
|
t-Statistic
|
Prob.*
|
|
Augmented test statistic
Dickey-Fuller
|
-4.055412
|
0.0015
|
|
1 % level
|
-3.465585
|
|
|
Test critical values: 5 % level
|
-2.876927
|
|
|
10 % level
|
-2.575051
|
|
|
*MacKinnon (1996) one-sided p-values.
|
|
|
|
Augmented Dickey-Fuller Test Equation
|
|
|
|
Dependent Variable: : D(TDQ)
|
|
|
|
Method: Least Squares
|
|
|
|
Date: 06/21/18 Time: 11 :54
|
|
|
|
Sample (adjusted): 1970Q3 2016Q4
|
|
|
|
Included observations: 186 after adjustments
|
|
|
|
Variable Coefficient Std. Error
|
t-Statistic
|
Prob.
|
|
TDQ(-1) -0.089495 0.022068
|
-4.055412
|
0.0001
|
|
D(TDQ(-1)) 0.500055 0.063989
|
7.814703
|
0.0000
|
|
C 0.034819 0.013662
|
2.548622
|
0.0116
|
|
R-squared 0.272828 Mean dependent var
|
|
0.000321
|
|
Adjusted R-squared 0.264880 S.D. dependent var
|
|
0.169759
|
|
S.E. of regression 0.145550 Akaike info criterion
|
|
-1.000602
|
|
Sum squared resid 3.876798 Schwarz criterion
|
|
-0.948574
|
|
Log likelihood 96.05597 Hannan-Quinn criter.
|
|
-0.979518
|
|
F-statistic 34.32986 Durbin-Watson stat
|
|
2.119017
|
|
Prob(F-statistic) 0.000000
|
|
|
TABLEAU A.11 - Estimation du modèle VAR
Vector Autoregression Estimates
Date: 06/21/18 Time: 12 :32
Sample (adjusted): 1971Q3 2016Q4
Included observations: 182 after adjustments
Standard errors in ( ) & t-statistics in []
Response of VRS :
VRS TIS TDS TCS RS MMS
0.532034 -0.171479 0.049997 -0.010239 -3.86E-05 0.062856
VRS(-1) (0.13027) (0.17055) (0.05357) (0.07481) (0.00448)
(0.12995)
68
69
TABLEAU A.11 - Estimation du modèle VAR ( suite )
Vector Autoregression Estimates
Date : 06/21/18 Time : 12 :32
Sample (adjusted) : 1971Q3 2016Q4
Included observations : 182 after adjustments
Standard errors in ( ) & t-statistics in []
Response of VRS :
VRS TIS TDS TCS RS MMS
[4.08409] [-1.00545] [0.93332] [-0.13686] [-0.00862]
[0.48370]
0.159807 0.047534 0.040728 0.020227 -0.000284 -0.027570
VRS(-2) (0.12632) (0.16538) (0.05195) (0.07254) (0.00435)
(0.12601)
[1.26508] [0.28742] [0.78406] [0.27882] [-0.06544]
[-0.21879]
0.057585 -0.009957 0.024338 -0.004453 0.001644 -0.031735
VRS(-3) (0.12727) (0.16662) (0.05234) (0.07309) (0.00438)
(0.12696)
[0.45246] [-0.05976] [0.46503] [-0.06093] [0.37543]
[-0.24997]
-0.641928 -0.260192 0.114303 0.102374 -0.008382 -0.032932
VRS(-4) (0.12280) (0.16077) (0.05050) (0.07052) (0.00422)
(0.12250)
[-5.22743] [-1.61841] [2.26356] [1.45171] [-1.98420]
[-0.26884]
0.143533 0.082812 0.006511 -0.082595 0.006763 0.163073
VRS(-5) (0.13533) (0.17717) (0.05565) (0.07771) (0.00466)
(0.13499)
[1.06065] [0.46742] [0.11701] [-1.06283] [1.45275]
[1.20802]
-0.050368 0.607209 0.035479 -0.043516 0.001244 -0.088199
TIS(-1) (0.06513) (0.08526) (0.02678) (0.03740) (0.00224)
(0.06496)
[-0.77340] [7.12169] [1.32482] [-1.16356] [0.55511]
[-1.35766]
-0.023425 0.073617 -0.004137 0.002987 -0.000279 0.016482
TIS(-2) (0.05940) (0.07777) (0.02443) (0.03411) (0.00204)
(0.05926)
[-0.39434] [0.94659] [-0.16934] [0.08755] [-0.13633]
[0.27814]
-0.013269 0.035696 -0.000527 0.007329 -0.000681 0.017811
TIS(-3) (0.05960) (0.07803) (0.02451) (0.03423) (0.00205)
(0.05946)
[-0.22263] [0.45745] [-0.02149] [0.21413] [-0.33196]
[0.29957]
0.275297 -0.794715 -0.188177 -0.078580 0.001070 -0.180932
TIS(-4) (0.05841) (0.07647) (0.02402) (0.03354) (0.00201)
(0.05826)
70
TABLEAU A.11 - Estimation du modèle VAR ( suite )
Vector Autoregression Estimates
Date : 06/21/18 Time : 12 :32
Sample (adjusted) : 1971Q3 2016Q4
Included observations : 182 after adjustments
Standard errors in ( ) & t-statistics in []
Response of VRS :
VRS TIS TDS TCS RS MMS
[4.71335] [-10.3928] [-7.83480] [-2.34277] [0.53274]
[-3.10539]
-0.176173 0.487839 0.122383 0.036239 -0.001432 0.037813
TIS(-5) (0.06544) (0.08567) (0.02691) (0.03758) (0.00225)
(0.06528)
[-2.69211] [5.69407] [4.54788] [0.96431] [-0.63593] [0.57925]
0.070744 0.090125 1.378454 0.042872 -0.010116 0.093556 TDS(-1) (0.19492)
(0.25519) (0.08015) (0.11194) (0.00671) (0.19444) [0.36294] [0.35316] [17.1975]
[0.38300] [-1.50858] [0.48115] 0.153073 -0.169030 -0.346249 -0.097003 0.010048
-0.281230 TDS(-2) (0.30233) (0.39581) (0.12432) (0.17362) (0.01040) (0.30158)
[0.50631] [-0.42705] [-2.78510] [-0.55872] [0.96607] [-0.93251] -0.099541
-0.073437 -0.042574 -0.016650 0.004297 0.017091 TDS(-3) (0.29177) (0.38199)
(0.11998) (0.16755) (0.01004) (0.29105) [-0.34116] [-0.19225] [-0.35485]
[-0.09937] [0.42808] [0.05872] -0.328432 0.647871 -0.295527 0.214564 -0.014765
0.639578 TDS(-4) (0.28865) (0.37790) (0.11870) (0.16576) (0.00993) (0.28794)
[-1.13782] [1.71439] [-2.48978] [1.29442] [-1.48690] [2.22124] 0.255781
-0.655783 0.195081 -0.218066 0.011479 -0.585533 TDS(-5) (0.16645) (0.21792)
(0.06845) (0.09559) (0.00573) (0.16604) [1.53669] [-3.00934] [2.85015]
[-2.28137] [2.00476] [-3.52649] 0.040028 0.264619 -0.070120 0.832346 -0.001923
0.227332
TCS(-1) (0.19797) (0.25919) (0.08141) (0.11369) (0.00681)
(0.19748)
[0.20219] [1.02096] [-0.86133] [7.32127] [-0.28242]
[1.15114]
0.073250 0.056554 -0.020143 0.121491 -0.001157 -0.024435
TCS(-2) (0.18903) (0.24748) (0.07773) (0.10855) (0.00650) (0.18857)
71
TABLEAU A.11 - Estimation du modèle VAR ( suite )
Vector Autoregression Estimates
Date : 06/21/18 Time : 12 :32
Sample (adjusted) : 1971Q3 2016Q4
Included observations : 182 after adjustments
Standard errors in ( ) & t-statistics in []
Response of VRS :
VRS TIS TDS TCS RS MMS
[0.38750] [0.22852] [-0.25913] [1.11917] [-0.17790]
[-0.12958]
0.011396 0.001179 -0.022012 0.031689 -0.000733 0.000355
TCS(-3) (0.19068) (0.24964) (0.07841) (0.10950) (0.00656)
(0.19021)
[0.05976] [0.00472] [-0.28073] [0.28940] [-0.11170]
[0.00187]
0.433742 0.051347 0.184760 -0.605463 0.028084 -0.580658
TCS(-4) (0.18800) (0.24614) (0.07731) (0.10796) (0.00647)
(0.18754)
[2.30708] [0.20861] [2.38986] [-5.60800] [4.34232]
[-3.09617]
-0.397246 -0.145052 -0.100068 0.503900 -0.019760 0.648394
TCS(-5) (0.17332) (0.22691) (0.07127) (0.09953) (0.00596)
(0.17289)
[-2.29202] [-0.63926] [-1.40407] [5.06283] [-3.31409]
[3.75035]
0.168359 -0.044928 -0.204881 -0.771692 0.782623 -1.646682
RS(-1) (2.23908) (2.93142) (0.92074) (1.28582) (0.07703)
(2.23356)
[0.07519] [-0.01533] [-0.22252] [-0.60016] [10.1603]
[-0.73725]
-1.054712 -1.599954 -0.269126 -0.558664 0.185131 0.380712
RS(-2) (2.59766) (3.40087) (1.06819) (1.49174) (0.08936)
(2.59125)
[-0.40602] [-0.47045] [-0.25195] [-0.37451] [2.07167]
[0.14692]
-0.538749 0.100362 -0.197574 0.055526 0.029284 0.593529
RS(-3) (2.63489) (3.44960) (1.08350) (1.51312) (0.09064)
(2.62838)
[-0.20447] [0.02909] [-0.18235] [0.03670] [0.32307]
[0.22582]
-0.440257 -9.768578 -0.373935 -9.317437 -0.379220 -5.158538
RS(-4) (2.58247) (3.38097) (1.06194) (1.48301) (0.08884)
(2.57609)
[-0.17048] [-2.88928] [-0.35212] [-6.28278] [-4.26856]
[-2.00247]
0.079174 8.098247 0.766023 7.213793 0.299448 3.724802
RS(-5) (2.35853) (3.08779) (0.96985) (1.35441) (0.08114)
(2.35271)
72
TABLEAU A.11 - Estimation du modèle VAR ( suite)
Vector Autoregression Estimates
Date: 06/21/18 Time: 12 :32
Sample (adjusted): 1971Q3 2016Q4
Included observations: 182 after adjustments
Standard errors in ( ) & t-statistics in []
Response of VRS :
VRS TIS TDS TCS RS MMS
[0.03357] [2.62267] [0.78983] [5.32614] [3.69067] [1.58320]
-0.152664 -0.257331 0.112412 -0.011043 0.000135 0.722548
MMS(-1) (0.15143) (0.19826) (0.06227) (0.08696) (0.00521)
(0.15106) [-1.00813] [-1.29797] [1.80519] [-0.12698] [0.02593] [4.78320]
-0.013672 0.013943 0.027981 0.001374 0.000547 0.099423
MMS(-2) (0.13904) (0.18203) (0.05718) (0.07985) (0.00478)
(0.13870) [-0.09833] [0.07660] [0.48938] [0.01721] [0.11437] [0.71683]
-0.005144 0.010646 0.020457 0.002769 0.000669 0.030723
MMS(-3) (0.14001) (0.18330) (0.05757) (0.08040) (0.00482)
(0.13966) [-0.03674] [0.05808] [0.35534] [0.03444] [0.13894] [0.21998]
-0.040148 -0.083835 -0.148420 0.010388 -0.014989 -0.613733
MMS(-4) (0.13861) (0.18147) (0.05700) (0.07960) (0.00477)
(0.13827) [-0.28964] [-0.46197] [-2.60388] [0.13050] [-3.14334] [-4.43861]
-0.112101 -0.013417 0.165022 -0.006441 0.009607 0.474086
MMS(-5) (0.14683) (0.19223) (0.06038) (0.08432) (0.00505)
(0.14646) [-0.76349] [-0.06980] [2.73320] [-0.07639] [1.90202] [3.23688]
0.016093 0.102065 0.014420 0.059564 -0.000364 0.057676
C (0.02918) (0.03820) (0.01200) (0.01676) (0.00100) (0.02911)
[0.55154] [2.67180] [1.20180] [3.55472] [-0.36241] [1.98154]
73
TABLEAU A.12 - Test de causalité au sens de
Granger
|
Date: 06/21/18 Time: 12 :56 Sample: 1970Q1 2016Q4 Lags: 5
|
|
|
|
|
Null Hypothesis:
|
Obs
|
F-Statistic
|
Prob.
|
|
TIS does not Granger Cause VRS
VRS does not Granger Cause
TIS
|
182
|
13.5742
6.73859
|
4.E-11
9.E-06
|
|
TDS does not Granger Cause VRS
VRS does not Granger Cause
TDS
|
182
|
1.38467
6.33991
|
0.2323
2.E-05
|
|
TCS does not Granger Cause VRS
VRS does not Granger Cause
TCS
|
182
|
9.86178
0.60493
|
3.E-08
0.6962
|
|
RS does not Granger Cause VRS
VRS does not Granger Cause
RS
|
182
|
0.31041
0.02932
|
0.9062
0.9996
|
|
MMS does not Granger Cause VRS
VRS does not Granger Cause
MMS
|
182
|
7.59835
8.16178
|
2.E-06
6.E-07
|
|
TDS does not Granger Cause TIS
TIS does not Granger Cause
TDS
|
182
|
7.36370
18.5546
|
3.E-06
1.E-14
|
|
TCS does not Granger Cause TIS
TIS does not Granger Cause
TCS
|
182
|
2.83335
0.96355
|
0.0174
0.4417
|
|
RS does not Granger Cause TIS
TIS does not Granger Cause
RS
|
182
|
2.47835
0.19519
|
0.0339
0.9640
|
|
MMS does not Granger Cause TIS
TIS does not Granger Cause
MMS
|
182
|
4.10952
4.48305
|
0.0015
0.0007
|
|
TCS does not Granger Cause TDS
TDS does not Granger Cause
TCS
|
182
|
7.68334
0.93976
|
2.E-06
0.4567
|
|
RS does not Granger Cause TDS
TDS does not Granger Cause
RS
|
182
|
1.30571
0.95560
|
0.2638
0.4467
|
|
MMS does not Granger Cause TDS
TDS does not Granger Cause
MMS
|
182
|
14.3715
1.60435
|
1.E-11
0.1614
|
|
RS does not Granger Cause TCS
TCS does not Granger Cause
RS
|
182
|
13.6151
1.13632
|
3.E-11
0.3431
|
|
MMS does not Granger Cause TCS
TCS does not Granger Cause
MMS
|
182
|
0.95852
7.20017
|
0.4449
4.E-06
|
|
MMS does not Granger Cause RS
RS does not Granger Cause
MMS
|
182
|
0.15433
1.29454
|
0.9785
0.2685
|
74
TABLEAU A.13 - Décomposition de la variance des
variables de l'étude : VR
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.206278
|
100.0000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
0.243863
|
98.63392
|
0.947975
|
0.020141
|
0.096704
|
0.008442
|
0.292816
|
|
3
|
0.269191
|
97.29051
|
1.431894
|
0.450792
|
0.132147
|
0.102586
|
0.592076
|
|
4
|
0.288563
|
95.78391
|
1.708878
|
1.232462
|
0.176985
|
0.288177
|
0.809592
|
|
5
|
0.303259
|
87.86390
|
7.846321
|
1.396197
|
1.173943
|
0.682249
|
1.037393
|
|
6
|
0.309351
|
85.02262
|
9.711541
|
1.438265
|
1.421213
|
1.107079
|
1.299282
|
|
7
|
0.315730
|
82.79582
|
11.03565
|
1.490993
|
1.571987
|
1.612076
|
1.493471
|
|
8
|
0.323762
|
80.66211
|
11.95328
|
2.150974
|
1.694020
|
1.887378
|
1.652239
|
|
9
|
0.339048
|
73.56690
|
15.88041
|
2.252337
|
2.382205
|
4.306643
|
1.611500
|
|
10
|
0.342713
|
72.01211
|
16.40678
|
2.351718
|
2.677949
|
4.968409
|
1.583030
|
TABLEAU A.14 - Décomposition de la variance des
variables de l'étude : TIS
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.270060
|
2.787195
|
97.21280
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
0.314241
|
2.585144
|
96.80065
|
0.036615
|
0.040050
|
0.036501
|
0.501040
|
|
3
|
0.339454
|
2.708984
|
95.78001
|
0.040874
|
0.205826
|
0.271172
|
0.993134
|
|
4
|
0.355854
|
2.805906
|
94.45385
|
0.238540
|
0.437440
|
0.574527
|
1.489740
|
|
5
|
0.393175
|
5.441111
|
85.44156
|
0.243125
|
0.748073
|
6.032255
|
2.093880
|
|
6
|
0.402763
|
5.827447
|
82.79969
|
0.240224
|
0.793935
|
8.341058
|
1.997647
|
|
7
|
0.411925
|
6.419896
|
80.52618
|
0.348660
|
0.764387
|
9.982816
|
1.958062
|
|
8
|
0.421455
|
7.062667
|
78.17377
|
0.532586
|
0.822381
|
11.36619
|
2.042410
|
|
9
|
0.437909
|
9.430347
|
73.51942
|
1.648217
|
1.680645
|
10.95957
|
2.761801
|
|
10
|
0.443214
|
9.775746
|
71.78025
|
2.932318
|
2.047631
|
10.73788
|
2.726166
|
TABLEAU A.15 - Décomposition de la variance des
variables de l'étude : TDS
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.084824
|
3.888885
|
12.03595
|
84.07516
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
0.151080
|
4.150963
|
17.80335
|
77.61347
|
0.013263
|
0.005317
|
0.413642
|
|
3
|
0.213013
|
3.808540
|
22.17171
|
72.71696
|
0.078063
|
0.002737
|
1.221990
|
|
4
|
0.270437
|
3.302429
|
25.59472
|
68.54548
|
0.209207
|
0.025211
|
2.322957
|
|
5
|
0.298789
|
2.924812
|
23.11416
|
69.79332
|
0.835362
|
0.298381
|
3.033968
|
|
6
|
0.318854
|
4.064677
|
20.43522
|
69.14969
|
1.758718
|
0.770986
|
3.820705
|
|
7
|
0.337761
|
6.652519
|
18.47791
|
66.19605
|
2.884464
|
1.417499
|
4.371557
|
|
8
|
0.358799
|
10.09142
|
17.97352
|
61.26631
|
3.982011
|
2.171195
|
4.515545
|
|
9
|
0.374124
|
12.85060
|
16.53424
|
57.48833
|
5.455798
|
2.573707
|
5.097324
|
|
10
|
0.386456
|
14.29282
|
15.85093
|
54.35880
|
7.107529
|
3.020340
|
5.369583
|
75
TABLEAU A.16 - Décomposition de la variance des
variables de l'étude : TCS
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.118458
|
1.061253
|
32.06699
|
1.533406
|
65.33835
|
0.000000
|
0.000000
|
|
2
|
0.151071
|
1.452550
|
28.82333
|
1.837086
|
67.75182
|
0.131221
|
0.003992
|
|
3
|
0.175674
|
1.375491
|
26.77942
|
1.638210
|
69.63043
|
0.573431
|
0.003021
|
|
4
|
0.196432
|
1.289416
|
25.08438
|
1.339219
|
71.09265
|
1.190751
|
0.003586
|
|
5
|
0.215966
|
1.384064
|
20.88746
|
1.240761
|
60.07176
|
16.40940
|
0.006558
|
|
6
|
0.229839
|
1.419052
|
18.51444
|
1.113816
|
55.02390
|
23.88196
|
0.046830
|
|
7
|
0.244491
|
1.358601
|
16.49077
|
1.015017
|
49.88595
|
31.13488
|
0.114780
|
|
8
|
0.260223
|
1.251139
|
14.71335
|
0.958908
|
44.75394
|
38.12363
|
0.199034
|
|
9
|
0.267580
|
1.243766
|
16.28379
|
0.907293
|
44.18201
|
36.70286
|
0.680276
|
|
10
|
0.275366
|
1.250731
|
16.30936
|
1.164271
|
42.92262
|
37.53335
|
0.819673
|
TABLEAU A.17 - Décomposition de la variance des
variables de l'étude: RS
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.007096
|
0.026634
|
4.456496
|
3.682633
|
0.693781
|
91.14046
|
0.000000
|
|
2
|
0.008980
|
0.137944
|
4.735477
|
2.379185
|
0.936012
|
91.81121
|
0.000169
|
|
3
|
0.010630
|
0.159870
|
5.415282
|
1.709767
|
1.277352
|
91.43455
|
0.003175
|
|
4
|
0.012121
|
0.230441
|
6.108007
|
1.384206
|
1.684802
|
90.58531
|
0.007239
|
|
5
|
0.012567
|
0.433361
|
6.129989
|
1.806787
|
1.796800
|
88.57303
|
1.260030
|
|
6
|
0.013125
|
0.456148
|
6.300893
|
1.715680
|
1.650108
|
87.90850
|
1.968673
|
|
7
|
0.013555
|
0.526928
|
6.272925
|
1.634417
|
1.572344
|
87.10057
|
2.892818
|
|
8
|
0.013939
|
0.581875
|
6.128426
|
1.576522
|
1.554697
|
86.09235
|
4.066134
|
|
9
|
0.014196
|
0.620735
|
5.984099
|
1.571035
|
1.669914
|
86.20206
|
3.952153
|
|
10
|
0.014389
|
0.651081
|
5.841018
|
1.690809
|
1.654015
|
86.08881
|
4.074262
|
TABLEAU A.18 - Décomposition de la variance des
variables de l'étude: MMS
|
Period
|
S.E.
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.205769
|
45.05206
|
22.33744
|
0.827620
|
12.97809
|
1.158503
|
17.64629
|
|
2
|
0.257251
|
42.55796
|
21.12615
|
1.253875
|
17.10090
|
0.776714
|
17.18440
|
|
3
|
0.291948
|
41.03882
|
19.89254
|
1.060133
|
20.44381
|
0.604770
|
16.95993
|
|
4
|
0.319676
|
39.76841
|
18.67965
|
0.905172
|
23.56299
|
0.525288
|
16.55849
|
|
5
|
0.336675
|
35.85466
|
23.37156
|
0.823784
|
21.42087
|
3.499591
|
15.02953
|
|
6
|
0.341863
|
34.89918
|
23.76431
|
0.800270
|
20.82646
|
5.023566
|
14.68622
|
|
7
|
0.347150
|
34.14924
|
23.82394
|
0.790320
|
20.21981
|
6.688275
|
14.32842
|
|
8
|
0.354125
|
33.45468
|
23.43513
|
0.857416
|
19.43118
|
8.975393
|
13.84620
|
|
9
|
0.374981
|
30.11675
|
24.99597
|
0.769101
|
21.77766
|
8.556637
|
13.78389
|
|
10
|
0.381736
|
29.10489
|
24.83174
|
0.919025
|
23.26016
|
8.388528
|
13.49565
|
76
TABLEAU A.19 - Fonction des réponses impulsives : VRS
Response of VRS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.206278
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
0.126909
|
-0.023743
|
0.003461
|
-0.007583
|
-0.002241
|
-0.013196
|
|
3
|
0.108830
|
-0.021768
|
0.017739
|
-0.006185
|
-0.008326
|
-0.015966
|
|
4
|
0.096214
|
-0.019630
|
0.026450
|
-0.007184
|
-0.012869
|
-0.015655
|
|
5
|
-0.032363
|
0.076112
|
0.016055
|
0.030533
|
-0.019684
|
-0.016731
|
|
6
|
-0.023663
|
0.045583
|
0.009611
|
0.016746
|
-0.020785
|
-0.017010
|
|
7
|
-0.034208
|
0.041318
|
-0.010484
|
0.014386
|
-0.023400
|
-0.015665
|
|
8
|
-0.044906
|
0.039100
|
-0.027720
|
0.014445
|
-0.019271
|
-0.015593
|
|
9
|
-0.004027
|
-0.075667
|
-0.018288
|
-0.031028
|
-0.054518
|
-0.010980
|
|
10
|
-0.003421
|
-0.031858
|
-0.013153
|
-0.020171
|
-0.029746
|
0.002611
|
TABLEAU A.20 - Fonction des réponses impulsives : TIS
Response of TIS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.045086
|
0.266270
|
0.000000
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
0.022803
|
0.157126
|
0.006013
|
0.006289
|
-0.006004
|
-0.022243
|
|
3
|
0.023849
|
0.121564
|
-0.003308
|
0.014058
|
-0.016626
|
-0.025488
|
|
4
|
0.020776
|
0.096139
|
-0.015968
|
0.017798
|
-0.020373
|
-0.027242
|
|
5
|
-0.069700
|
-0.111678
|
0.008589
|
0.024545
|
-0.092723
|
-0.036747
|
|
6
|
-0.032279
|
-0.047272
|
-0.003721
|
0.011467
|
-0.064851
|
-0.001919
|
|
7
|
-0.037951
|
-0.048196
|
-0.014210
|
-0.003021
|
-0.058381
|
0.009052
|
|
8
|
-0.040640
|
-0.047085
|
-0.018825
|
-0.012795
|
-0.057009
|
0.017474
|
|
9
|
0.074425
|
0.046134
|
-0.047060
|
-0.041978
|
0.028765
|
0.040845
|
|
10
|
0.033456
|
0.004489
|
-0.050985
|
-0.028275
|
0.008764
|
0.007687
|
TABLEAU A.21 - Fonction des réponses impulsives : TDS
Response of TDS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
-0.016728
|
0.029428
|
0.077777
|
0.000000
|
0.000000
|
0.000000
|
|
2
|
-0.025839
|
0.056547
|
0.108009
|
0.001740
|
0.001102
|
0.009717
|
|
3
|
-0.027940
|
0.077438
|
0.123611
|
0.005692
|
-0.000168
|
0.021449
|
|
4
|
-0.026214
|
0.093052
|
0.130907
|
0.010844
|
-0.004147
|
0.033830
|
|
5
|
0.013995
|
0.043773
|
0.110346
|
0.024347
|
-0.015746
|
0.031775
|
|
6
|
0.039004
|
0.011869
|
0.089415
|
0.032284
|
-0.022748
|
0.034291
|
|
7
|
0.058795
|
-0.017436
|
0.072216
|
0.038764
|
-0.028866
|
0.033208
|
|
8
|
0.073499
|
-0.045371
|
0.057918
|
0.042845
|
-0.034322
|
0.028740
|
|
9
|
0.070679
|
0.002052
|
0.039917
|
0.050101
|
-0.028412
|
0.036352
|
|
10
|
0.057959
|
0.023029
|
0.026799
|
0.054576
|
-0.030140
|
0.029744
|
77
TABLEAU A.22 - Fonction des réponses impulsives : TCS
Response of TCS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
-0.012203
|
0.067080
|
0.014669
|
0.095752
|
0.000000
|
0.000000
|
|
2
|
-0.013513
|
0.045591
|
0.014286
|
0.079336
|
-0.005472
|
-0.000955
|
|
3
|
-0.009643
|
0.041064
|
0.009290
|
0.077628
|
-0.012125
|
0.000145
|
|
4
|
-0.008546
|
0.037610
|
0.003343
|
0.077089
|
-0.016807
|
0.000672
|
|
5
|
0.012166
|
-0.007952
|
-0.007872
|
0.024222
|
-0.084818
|
0.001294
|
|
6
|
0.010202
|
0.006188
|
-0.003111
|
0.032385
|
-0.070444
|
0.004656
|
|
7
|
0.007905
|
0.008776
|
-0.004283
|
0.027435
|
-0.077429
|
0.006624
|
|
8
|
0.005925
|
0.010287
|
-0.006527
|
0.022043
|
-0.084881
|
0.008134
|
|
9
|
-0.006580
|
0.041179
|
-0.000526
|
0.036444
|
-0.021517
|
0.018769
|
|
10
|
-0.007607
|
0.026605
|
-0.015271
|
0.030215
|
-0.046706
|
0.011596
|
TABLEAU A.23 - Fonction des réponses impulsives : RS
Response of RS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
0.000116
|
-0.001498
|
0.001362
|
-0.000591
|
0.006775
|
0.000000
|
|
2
|
0.000313
|
-0.001255
|
0.000253
|
-0.000637
|
0.005305
|
1.17E-05
|
|
3
|
0.000263
|
-0.001517
|
0.000115
|
-0.000830
|
0.005411
|
-5.87E-05
|
|
4
|
0.000397
|
-0.001690
|
0.000319
|
-0.001016
|
0.005457
|
-8.40E-05
|
|
5
|
0.000588
|
-0.000841
|
-0.000905
|
0.000602
|
0.002606
|
-0.001407
|
|
6
|
0.000318
|
-0.001083
|
-0.000319
|
6.85E-05
|
0.003397
|
-0.001184
|
|
7
|
0.000427
|
-0.000820
|
-0.000218
|
0.000216
|
0.002934
|
-0.001387
|
|
8
|
0.000403
|
-0.000618
|
-0.000246
|
0.000363
|
0.002693
|
-0.001608
|
|
9
|
0.000347
|
-0.000389
|
0.000320
|
-0.000587
|
0.002536
|
-0.000252
|
|
10
|
0.000312
|
-0.000184
|
0.000579
|
-0.000243
|
0.002127
|
-0.000686
|
TABLEAU A.24 - Fonction des réponses impulsives : MMS
Response of MMS :
|
Period
|
VRS
|
TIS
|
TDS
|
TCS
|
RS
|
MMS
|
|
1
|
-0.138114
|
0.097252
|
0.018720
|
0.074129
|
0.022148
|
0.086438
|
|
2
|
-0.095334
|
0.067254
|
0.021895
|
0.076302
|
0.004847
|
0.062456
|
|
3
|
-0.082551
|
0.054536
|
0.008590
|
0.078153
|
-0.001204
|
0.055527
|
|
4
|
-0.075243
|
0.046196
|
-0.004629
|
0.081576
|
-0.004619
|
0.049659
|
|
5
|
0.000971
|
-0.086038
|
0.002957
|
-0.014176
|
-0.058566
|
-0.010698
|
|
6
|
0.012063
|
-0.035802
|
-0.001232
|
0.007706
|
-0.043638
|
0.011307
|
|
7
|
0.019170
|
-0.030619
|
0.004142
|
0.005250
|
-0.046789
|
0.010188
|
|
8
|
0.028273
|
-0.026033
|
0.011081
|
-0.000216
|
-0.056527
|
0.009805
|
|
9
|
0.019839
|
0.075883
|
-0.002489
|
0.079083
|
0.027856
|
0.044920
|
|
10
|
0.008068
|
0.032226
|
-0.016056
|
0.057216
|
-0.013873
|
0.016870
|
78
Annexe B
Liste des acronymes
BCC Banque Centrale du Congo. 26
BIRD Banque International pour la
Reconstruction et le Développement. 34 CDF Congolese Devise Franc. 42
CPM Comité de Politique Monétaire. 43 DFA
DICKEY-FULLER Augmented. 45
FMI Fonds Monétaire International. 34, 35
IPC Indice des Prix à la Consommation. 30 IPP Indice des
Prix à la Production. 30
MM Masse Monétaire. 42
OPCVM Organisme de Placement Collectif des
Valeurs Mobilières. 26
PIB Produit Intérieur Brut. 26, 30, 35
PPTE Pays Pauvres Très Endettés. 35
TC Taux de change. 42 TI Taux d'Inflation. 43
VAR Vecteur Autoregressif. 41-43, 48-51, 53 VR Vitesse-revenue.
39, 43
