2.2.3. Estimation du modèle BSVAR
En considérant le même modèle VECM
étudié et en introduisant la matrice des restrictions ainsi que
la distribution à priori choisie sur les paramètres, nous allons
déterminer les distributions à posteriori de chaque
paramètre du modèle SVAR. L'approche de Sims et Zha est
implémentée au niveau de la commande « szbsvar » du
package « MSBVAR » du logiciel R. Une fois que les distributions
à posteriori sont déterminées via cette procédure,
nous utilisons les procédures « gibbs.A0 » et « A02mcmc
» afin de déterminer la distribution à posteriori
complète de la matrice. (Annexe10)
Nous commençons par la présentation du
résultat graphique, qui contient les courbes des distributions a
posteriori des coefficients de la matrice, en raison de l'introduction des
contraintes de court terme. Le graphique présenté dans l'annexe
11 représente la distribution à posteriori selon l'approche de
Gibbs. Afin de mieux expliquer la signification de cette matrice, nous avons
extrait les résultats des simulations dans un fichier plat (.csv), que
nous avons ensuite converti en fichier Excel. Ensuite, nous avons
procédé à une analyse descriptive pour déterminer
la moyenne empirique ainsi que l'écart type de chaque coefficient de la
matrice des effets instantanés. Ci-dessous, nous présentons la
matrice récapitulative des informations descriptives sur la distribution
à posteriori.
61
Tableau 9 : Les moyennes et les écarts-type des
distributions à posteriori
|
NPL
|
ROA
|
PCC
|
IPC
|
IPI
|
TMM
|
USD
|
|
NPL
|
-0,65852
|
1,14834
|
_
|
_
|
_
|
_
|
_
|
|
(1,52892)
|
(1,66074)
|
|
|
|
|
|
|
ROA
|
1,08552
|
1,11938
|
_
|
_
|
_
|
_
|
_
|
|
(1,14605)
|
(1,61311)
|
|
|
|
|
|
|
PCC
|
-1,37304
(0,29447)
|
0,14720
(0,33659)
|
6,29594
(0,5312)
|
_
|
_
|
_
|
_
|
|
IPC
|
-0,53936
|
-0,11303
|
0,79840
|
5,78654
|
4,42422
|
3,06309
|
_
|
|
(0,38697)
|
(0,3411)
|
(0,87597)
|
(14,7802)
|
(15,3623)
|
(1,57875)
|
|
|
IPI
|
_
|
0,44071
|
-0,56155
|
_
|
0,06473
|
0,14051
|
-14,521
|
|
|
(0,36207)
|
(0,68539)
|
|
(11,9995)
|
(1,58542)
|
(4,2782)
|
|
TMM
|
0,04196
|
_
|
_
|
2,10889
|
15,84750
|
-1,41806
|
-0,3852
|
|
(0,41042)
|
|
|
(20,418)
|
(8,15899)
|
(2,21264)
|
(9,2289)
|
|
USD
|
-0,62389
0,32689
|
-0,29551
(0,35802)
|
-2,36066
(0,77881)
|
117,8862
(10,3075)
|
|
|
-3,34514
(2,9545)
|
Source : préparer par l'auteur à l'aide de
logiciel R-CRAN
Les résultats empiriques présentés dans
le tableau précédent nous fournissent une idée de la
nature des distributions à posteriori calculées pour chaque
coefficient de la matrice des effets instantanés. Les résultats
des distributions à posteriori des paramètres structurels seront
exposés dans l'annexe. (Annexe11)
|
|
