Problématique de l'inflation au travers des principaux determinants du revenu des menages. Cas d'Haiti:1975@2004.

• Table des matières
  
• IV.) Illustration du modèle économétrique 73
  
• Remerciements
  
• Dédicaces
  
• Liste des tableaux, schémas et sigles :
  
• Préambule
  
• Introduction.-
  
• I.) Présentation des idées théoriques sur l'inflation et le revenu des ménages
  
  • I.1) Présentation de certains types d'inflation
    
  • I.2) Facteurs explicatifs du coût de la vie
    
  • I.3) Mesure de l'inflation
    
  • I.4) Analyse de l'offre et de la demande globale
    
  • I.5) Analyse sommaire des principales composantes de la balance des paiements
    
  • I.6) Typologie de revenus : Enoncé et Analyse
    
  • I.7) Analyse macroéconomique du revenu
    
• II.) Analyse sommaire de l'économie haïtienne : 1975 / 2004
  
  • II.1) Structure du taux de croissance du PIB et son apport au secteur réel.
    
    • II.1.1) Secteur Primaire
      
    • II.1.2) Secteur Secondaire
      
    • II.1.3) Secteur tertiaire
      
  • II.2) Evolution de la Balance des Paiements
    
    • II.2.1) Mouvements des Capitaux
      
    • II.2.2) Evolution du commerce extérieur
      
  • II. 3) Etude comparative du système des Finances publiques
    
    • II.3.1) Recettes publiques
      
    • II.3.2) Dépenses publiques
      
    • II.3.3) Solde budgétaire
      
• III.) Analyse des principaux mécanismes du coût de la vie en Haïti
  
  • III.1) Besoins de consommation et inflation en Haïti
    
  • III.2) Circulation monétaire et hausse des prix
    
  • III.3) Déficit budgétaire et coût de la vie
    
  • III.4) Balance des paiements et taux de change
    
• IV.) Illustration du modèle économétrique
  
• Après un survol des aspects théoriques de l'analyse de la mesure de l'inflation, au niveau des chapitres I à III de ce travail, il vient à présent de tester quantitativement, dans le contexte haïtien, un modèle qui permet d'identifier les variables explicatives, les facteurs incitatifs ou limitatifs du niveau du coût de la vie face aux déterminants du revenu des ménages.
  
  • IV.1) Présentation du modèle économétrique
    
  • IV.3) Estimations du modèle et analyse des résultats
    
    • IV.3.2) Analyse des résultats de l'estimation du modèle
      
  • IV.4) Tests statistiques
    
    • IV.4.1) Test de stabilité des coefficients du modèle dans le temps / Test de la racine unitaire
      
    • IV.4.2) Test de la signification globale de la régression (Test de Fisher)
      
    • IV.4.3) Test de Durbin et Watson
      
    • Où et représentent les résidus de l'estimation du modèle. De part sa construction, cette statistique varie entre 0 et 4.
      
    • Afin de tester l'hypothèse H0, Durbin et Watson ont tabulé les valeurs critiques de DW au seuil de 5% en fonction de la taille de l'échantillon n et du nombre de variables explicatives (k). La lecture de la table permet de déterminer deux valeurs d1 et d2 comprises entre 0 et 2 qui délimitent l'espace entre 0 et 4 comme le montre la table lue à l'annexe 2.
      
    • Ainsi, selon la position du DW empirique dans cet espace, nous pouvons conclure lorsque :
      
    • · d2 < DW < 4-d2, on accepte l'hypothèse HO > p = 0 ;
      
    • · 0 < DW < d1, on rejette l'hypothèse HO > p > 0 ;
      
    • · 4-d1 < DW < 4, on rejette l'hypothèse HO > p < 0 ;
      
    • · D1 < DW < d2 ou 4-d2 < DW < 4 - d1, nous sommes dans une zone d'indétermination, ou zone de doute, c'est-à-dire que nous ne pouvons pas conclure dans un sens comme dans l'autre. Dans la pratique on accepte l'hypothèse la plus désastreuse ! Cependant, il serait licite d'accepter l'hypothèse d'indépendance
      
    • D'autre part, en ce qui concerne notre modèle, les conditions d'utilisation du test de Durbin et Watson sont bien respectées. C'est-à-dire : le modèle est spécifié en série temporelle, le nombre d'observations (n = 30) est supérieur à 15 et, enfin, le modèle estimé comporte un terme constant.
      
    • Le calcul de la statistique à partir des résidus (réalisé à l'aide du logiciel Eviews 5.0) est alors DW = 1.30841. Cette valeur comparée à celles lues dans la table de Durbin et Watson, soit d1 = 1.07 et d2 = 1.84, avec n = 30 et k = 5. Il ressort donc, que la valeur de DW se situe dans la zone de doute. Cependant, a proximité immédiate de la zone de rejet de H0, nous pouvons plutôt conclure a une autocorrelation positive des résidus, donc a une présomption de dépendance des erreurs. Cette situation est illustrée est illustrée également par le schéma suivant :
      
    • Schéma I
      
    • Graphique des résidus
      
    • L'analyse de ce graphique des résidus révèle des résidus qui semblent cycliques. Ce qui est symptomatique d'une autocorrélation positive des résidus.
      
    • Pour corriger cette autocorrélation des résidus, nous allons procéder au test de Breusch-Godfrey. Ainsi, un décalage « t-2 » en terme de série temporelle permet d'obtenir les résultats ci-dessous :
      
    • Source : Calculs effectués sur les données à partir du logiciel E-Views 5.0
      
    • IV.2.4) Test de Breusch-Godfrey
      
    • Ce test, fondé sur un test de Fisher de l'unité des coefficients ou de Multiplicateur de Lagrange « LM test », permet de tester une autocorrelation d'un ordre supérieur à 1 et reste valide en présence de la variable dépendante décalée en tant que variable explicative. L'idée générale de ce test réside dans la recherche d'une relation significative entre le résidu et ce même résidu décalé.
      
    • Une autocorrelation des erreurs d'un ordre n s'écrit :
      
    • åt = p1 åt-1 + p1 åt-2 + .......... + pn åt-n + vt
      
    • Après décalage n = 28 observations, car chaque décalage entraîne la perte d'une observation.
      
    • Dans le cadre de notre travail nous allons recourir à la statistique LM qui est distribué comme un Õ2 à p degrés de liberté (annexe III).
      
    • Ainsi, si n x R2 > Õ2(p) lu dans la table au seuil á,, on rejette l'hypothèse d'indépendance des erreurs.
      
    • Soit :
      
    • IPC = 0.245333362*MC - 0.007235253724*CG - 0.02007132315*IG - 0.001888730106*NX - 0.06447369737*SB + 67.91111385 + [AR(2)=0.03648998224]
      
    • Avec R2 = 0.990536 et n = 28 (car nous avons perdu 2 observations du fait du décalage).
      
    • LM = 28*0.990536 = 27.735008 < Õ20.05(28) = 41.337
      
    • Compte tenu de toutes ces informations (test de Durbin - Watson, test de Breusch - Godfrey), nous sommes enclin à accepter l'hypothèse nulle H0.
      
    • Cette situation est corroborée par le tableau ci-dessous qui est une régression auxiliaire permettant d'observant les retards traduisant le pouvoir explicatif sur les résidus.
      
    • Source : Calculs effectués sur les données à partir du logiciel E-Views 5.0
      
    • IV.4.5) Test de détection de multicollinéarité
      
      • IV.4.5.1) Test de Klein
        
    • Source : Calculs effectués sur les données à partir du logiciel E-Views 5.0
      
    • IV.2.4.2) Test de Farrar -Glauber
      
    • IV.5) Conclusion du modèle
      
• Conclusions & Recommandations
  
• Annexes
  
• Bibliographie Selective