Memoire Online - Effet des variations des prix du pétrole sur l'inflation : approche macro-sectorielle pour le cas de la Tunisie

Le marché pétrolier occupe une position originale dans l'analyse macroéconomique. Actuellement, ce marché est caractérisé par une instabilité continue et imprévisible des prix, ce qui a de nature à engendrer de flagrants risques de déséquilibres des grandeurs

économiques : un choc des termes de l'échange, une variation des revenus du pays, des effets sur la demande et l'offre des biens, des variations du taux de chômage, des variations du taux de l'inflation ....

Dans cette partie empirique, on privilège l'inflation, ou la hausse du niveau général des prix, vu l'importance primordiale accordée a cet indicateur dans l'appréciation de l'état de l'économie et la réservation du niveau de vie.

A ce niveau, on note que l'objectif de cette partie est d'effectuer une analyse empirique qui tient compte de l'effet d'une hausse des prix des produits pétroliers sur l'inflation suivant une approche macro-sectorielle. Selon cette approche, l'effet passe par trois principaux canaux ; l'effet sur l'inflation énergétique, l'effet sur l'inflation alimentaire et l'effet sur l'inflation sous-jacente.

Afin de mener cette analyse, la première section de ce chapitre sera consacrée à la méthodologie de modélisation qui s'inspire d'un modèle proposer par Benjamin Richard, William Roos dans les Documents de travail de la Direction Générale du Trésor et de la Politique Economique (DGTPE) en juin 2008 et intitulé « Prévoir l'inflation en zone euro : une approche macro-sectorielle ». Néanmoins, le témoignage de l'authenticité de la relation inflation-prix du pétrole dans le cadre de l'économie tunisienne s'inflige au préalable, vu les spécificités de cette économie en tant qu'un pays producteur et exportateur du pétrole ainsi que sa politique de subvention aux prix des produits pétroliers.

Après l'exposition de la méthodologie de l'estimation, la deuxième section fait l'objet de l'estimation des modèles, déjà établis dans la première section. Notre support d'estimation est le logiciel EViews, version 5.0 et nos résultats sont présentés corrélativement à la structure de la modélisation.

Section 1 : Introduction à la modélisation de la relation inflation-prix du pétrole pour le cas de la Tunisie

L'effet des variations des prix des produits pétroliers sur l'indice des prix à la consommation est ordinaire vue la hauteur du poids de ces produits dans le panier de consommation.

La description des canaux de transmissions peut être comme suit : une hausse des cours pétroliers se manifeste d'abord par un renchérissement de la facture énergétique. Elle induit par la suite, une hausse des coûts de production des entreprises qui, selon leur comportement de marge, peuvent répercuter totalement ou partiellement le relèvement du coût des inputs sur leurs prix de vente, cet effet se manifeste notamment sur les prix des produits alimentaires surtout quant-ils reflètent les coûts de transformation (tel que le transport). Il en résulte ainsi une hausse de l'inflation qui exerce des effets négatifs sur la

demande et l'offre des biens en déformant les prix des facteurs, ce qui conduit à une baisse du revenu du pays et risque ainsi de provoquer une hausse de l'inflation sous-jacente par les effets de «second tour», alimenter par les tentatives des entrepreneurs et des salariés dans le but de maintenir intact leurs revenus (augmentation compensatoire des salaires, répercussion des hausses de coûts par les entreprises).

Afin de mener cette analyse, nous nous somme basé sur un modèle intitulé « Prévoir l'inflation en zone euro : une approche macro-sectorielle » et proposer par Benjamin Richard, William Roos dans les Documents de travail de la Direction Générale du Trésor et de la Politique Economique (DGTPE), Juin 2008.

Ce modèle a été utilisé dans le but de prévoir, par une approche macro-sectorielle, l'inflation en zone euro, tout en accordant l'importance aux variables qui expliquent les différentes composantes de l'inflation, et notamment le pétrole dont l'effet s'étends à l'explication de ces trois composantes. Dans ce mémoire, nous allons nous s'inspirer du modèle en question, et notamment de la relation entre prix du pétrole inflation, pour l'appliquer sur le cas de la Tunisie.

Par ailleurs nous soulignons que l'application de ce modèle diffère d'un pays à un autre ; les répercussions des variations du prix du pétrole est plus ample et rapide dans le cas d'un pays qui applique le régime de vérité des prix, le pouvoir des entreprises à répercuter intégralement la hausse des coûts sur leurs prix de vente est plus faible dans le cadre d'un contexte concurrentiel fort, le modèle ne peut pas être appliqué dans un pays totalement exportateur du pétrole, etc. De ce fait, la vérification de l'authenticité de la relation dans le cadre de l'économie tunisienne s'impose au préalable.

1-1 Authenticité de la relation inflation-prix du pétrole pour le cas de la Tunisie

Avant tout traitement économétrique, il est indispensable de rappeler la situation pétrolière de la Tunisie en ce qui concerne les propriétés de son marché pétrolier, du point de vue offre et demande de pétrole, ainsi que les objectifs de sa politique monétaire, afin d'apprécier l'authenticité de la relation hausse des prix du pétrole-inflation, pour le cas de la Tunisie.

La Tunisie constitue un cas particulier pour notre étude, dans la mesure qu'elle se situe dans l'échantillon des pays qui sont à la fois importateurs et exportateurs de pétrole. Cependant, la détérioration de la balance commerciale du secteur énergétique, enregistrée

au début des années 90, a amenée directement à l'altération de la situation pétrolière de la Tunisie. Ce déclin ne peut être que la résultante des mutations qu'ont connues les importations et les exportations, qui se trouvent fortement corrélées aux variations de la consommation et de la production du pétrole.

Commençant par la description de l'état des exportations, selon les statistiques de l'Institue Nationale des Statistiques (I.N.S), la part des produits pétroliers dans les exportations totales s'est considérablement détériorée pour chuter de 40% en 1985 aux alentours des 9% en 2007. Si ce déclin peut être expliqué par la naissance de nouvelles industries potentiellement exportatrices, à l'image du textile, la baisse des exportations se trouve directement liée au fléchissement des productions pétrolières tunisiennes. En effet, après un taux de croissance de 15% par an entre 1975 et 1980 et un pic d'extraction de 6 millions de tonnes en 1980, l'exploitation des stocks a butée sur des baisses considérables pour atteindre la moyenne des 4.5 millions de tonnes à la fin des années 80, les baisses continues et la production du pétrole table sur 4 millions de tonnes en 1997 et 3.1 millions de tonnes en 2006 et 3.5 millions de tonnes en 2008. Le déclin de la production s'explique notamment par l'épuisement des principaux gisements pétroliers d'EL Borma et d'Achtart, qui représentent 46% de la production, mais aussi par l'accroissement rapide des besoins intérieurs en énergie, dont le pétrole été demandé à hauteur de 67% en 2006 et affecter à raison de 42% pour le secteur des transports. C'est ainsi que le rythme décroissant de la production été parallèle à des hausses considérables de la consommation. Amorcer par l'expansion économique des années 90, la consommation pétrolière évolue à un taux de croissance moyen de 5% entre 1990 et 2008 et augmente de 5.5 millions de tonnes en 1990 à 7.6 millions de tonnes en 2000 pour atteindre les 8.88 millions de tonnes en 2008. Ces hausses spectaculaires emportent sur les niveaux de la production qui ne couvre, actuellement, que 46% des besoins en pétrole. Dans la mesure où le reste des besoins est satisfait par les importations, qui sont estimées à (72%) des besoins nationaux en gasoil, (58%) en essence, (90%) en GPL, et (100%) en kérosène. Au total, les importations tunisiennes sur le marché pétrolier international croissent d'une année à l'autre ; les importations des produits énergétiques ont été passées, selon les statistiques de l'INS, de 1456.2 million de dinars tunisien au titre de l'année 2003, à 1658.0 en 2004, 2267.7 en 2005, en 2006 ces importations sont élevées à 2859.0 pour atteindre un montant record de 3001.6 million de dinars tunisien en 2007.

C'est ainsi que la Tunisie se trouve face à de nouvelles exigences d'oeuvrer en vue d'éviter les effets négatifs de l'augmentation des prix du pétrole sur le rythme de développement du pays, ce qui explique l'intervention de l'état d'une manière directe et indirecte pour contenir ces effets.

En ce qui concerne la situation locale, il importe de rappeler que les quantités d'hydrocarbures produites par la Tunisie, demeurent insuffisantes pour satisfaire les besoins d'une économie nationale, qui connaît un véritable essor économique et une progression des besoins en produits pétroliers, résultant d'un rythme de croissance important.

De ce fait, les évolutions sur le marché pétrolier international ont des répercussions importantes sur l'économie tunisienne, sur l'oeuvre de développement du pays et sur le budget de l'Etat d'une manière particulière. Afin de contenir ces effets, et surtout quand l'inflation sera un objectif prioritaire pour la Banque centrale, la Tunisie adopte une politique interventionniste, dans le but d'absorber les effets de ces variations sur l'indice des prix à la consommation, et d'assurer la bonne marche au processus de son développement. L'intervention de l'Etat est faite d'une manière directe et indirecte :

~ L'intervention directe a lieu à travers l'allocation d'une prime de compensation des

hydrocarbures intégrée dans le budget de l'Etat. Le montant de cette prime s'est élevé à 450 millions de dinars au cours de l'année 2007.

~ Concernant l'intervention indirecte, il y a lieu de signaler que les bénéfices de

l'entreprise tunisienne des activités pétrolières (ETAP), provenant de sa participation dans plusieurs champs pétroliers ou gaziers, et toutes les parts de l'Etat générées par cette production ou par les redevances prélevées sur les gazoducs transitant par le territoire tunisien, sont destinés à compenser la filière des hydrocarbures. La majeure partie de ces ressources est cédée à la société de raffinerie du pétrole "STIR" et à la société tunisienne de l'électricité et du gaz (STEG) à des prix préférentiels, estimés à 28 dinars le baril de pétrole, alors que le prix mondial s'élève à 98 dinars le baril ou encore 91 dinars la tonne équivalent pétrole (TEP) de gaz alors que le prix mondial est de l'ordre de 366 dinars (toujours pour l'année 2007).

Au total, et au titre de l'année 2007, le montant des subventions allouées aux hydrocarbures en comparaison avec les prix en vigueur à l'échelle mondiale est de 2000 millions de dinars sous forme de subventions directes et indirectes.

Cette intervention constitue un moyen de comprimer les prix à l'intérieur, ce qui a de nature à affaiblir les résultats de notre modèle. Cependant, l'effet des variations du prix du pétrole sur les prix locaux persiste encore, et comme on a souligné dans le mécanisme de transmission, les hausses record des prix du Brut en 2007 ont provoquées des variations vers la hausse des prix des hydrocarbures à l'image de l'essence super sans plomb et l'essence super qui se vendent à 1,320 dinar/litre et gasoil qui se vent à de 960 millimes/litre, selon un communiqué du ministère tunisien de l'Industrie, de l'Energie et des

PME rendu public en Juillet 2008. Parallèlement à ces hausses, la flambée des prix a également touché les produits de consommation de base subventionnés par l'Etat, à l'instar des céréales et des huiles végétales qui ont vu leur prix grimper de manière fulgurante en l'espace d'une année. Ces augmentations peuvent être expliquées par le faite que les variations des prix du pétrole sur le marché international sont irrégulières et imprévisibles ; en 2008, et selon la même source, les estimations retenues pour le budget de l'Etat ont tablaient sur un baril à 75 dollars alors que le prix du pétrole sur les marchés internationaux a atteint des niveaux records en dépassant le seuil des 145 dollars le baril.

En guise de conclusion, il en résulte que même avec la mise en oeuvre d'une politique interventionniste, l'effet des variations du prix du pétrole sur les marchés internationaux s'étend aux prix locaux, suivant un mécanisme de transmission macrosectoriel, pour affecter les trois composantes de l'inflation (l'inflation énergétique, alimentaire et sous-jacente) qui seront modéliser dans les parties suivantes du mémoire, tout en s'inspirant, comme on a signaler, du modèle de base proposer par Benjamin Richard et William Roos dans leurs document de travail de la DGTPE.

1-2 Méthodologie de modélisation de la relation inflation-prix du pétrole

Dans ce mémoire, nous allons nous s'inspirer du modèle intitulé « Prévoir l'inflation en zone euro : une approche macro-sectorielle » et proposer par Benjamin Richard, William Roos dans les Documents de travail de la Direction Générale du Trésor et de la Politique Economique (DGTPE), Juin 2008. Ce modèle traite la relation entre variations des prix du pétrole et l'inflation suivant une approche macro-sectorielle. Selon cette approche, la méthodologie de modélisation de la relation inflation-variations des prix du pétrole, vise à désagréger l'inflation en trois composantes afin de disséquer l'effet des variations des prix du pétrole sur l'inflation énergétique, l'inflation alimentaire et sur l'inflation sous-jacente. Ces effets seront modélisés dans ce qui suit.

Les prix énergétiques dépendent fortement des cours du pétrole. La prévision de cette composante de l'inflation repose sur l'idée que les prix des produits énergétique (carburant, fuel, domestique, électricité, gaz naturel, etc.) réagissent tous aux variations du prix du pétrole, on note que les réactions sont plus ou moins rapide, selon les produits, vu quelles dépendent du poids du pétrole dans le panier des inputs et du caractère réglementé des produits. On a alors affaire à l'effet direct du premier tour.

La modélisation prend ainsi la forme d'une équation simple qui explique les évolutions trimestrielles des prix de l'énergie par les évolutions trimestrielles contemporaines et passées des prix du pétrole, le modèle peut s'écrire de la façon suivante :

Où_?nrj _et?pétrole désignent, respectivement, l'indice des prix de l'énergie et le

prix du pétrole en dinar tunisien. Le prix du brut obtenu est libellé en dollar, baril du Brent daté à Londres, en le multipliant par le taux de change du dollar en dinar, il sera converti en dinar. Le coefficient ái représente l'effet direct de premier tour.

Le modèle sera estimé sur des données trimestrielles s'étalant du premier trimestre de 1990 au dernier trimestre de 2008. Nos sources de données sont :

Comme l'on a mentionnée au premier chapitre, l'inflation sous-jacente peut être définie comme étant l'essence de l'inflation, c'est la composante durable et structurelle de l'inflation, corrigé des influences tendancielles et permanentes sur le cycle économique, c'est-à-dire séparée des causes externes de l'augmentation des prix, tel que la synchronisation des mouvements cycliques, les crises du système monétaire international, les variations des prix des matières premières....

En ce qui concerne la mesure de l'inflation sous-jacente, nous nous somme baser sur le rapport du Fond Monétaire International sur l'économie tunisienne (Octobre 2007). La méthode la plus la fiable est celle qui fait l'exclusion des composante de l'énergie et de l'alimentation qui sont perçu comme extrêmement volatils.

Définie comme l'évolution des prix hors énergie et alimentation. La prévision de l'inflation sous-jacente fait dépendre l'accélération des prix sous-jacents des anticipations d'inflation que forment les agents (Ðt ^a), des variations du PIB, des prix réels du pétrole (oil-dollar-réel) et du taux de change effectif nominal (change).

La modélisation est inspirée du modèle « wage setting - price setting » noté WS-PS qui suppose que l'évolution des prix dépend de la confrontation de deux types de comportement :

PS : P = G (W, m, pétrole, change) / (G'W, G'm, G'pétrole) (0,0,0) et G'change 0

Les formulations linaires sur les variables prisent en logarithme, sauf le chômage, des deux équations aboutissent à la relation suivante :

Ðt = Ðt ^a + k - áUt + ?i çi log (oil-dollar-réelt-i) + ?j pj log (changet-j)

Notant U* = k/á ; le taux de chômage au point de NAIRU c'est-à-dire le taux de chômage naturel qui n'accélère pas l'inflation (illustré par la courbe de Phillips en 1958) où Ðt = Ðta on obtient :

A ce niveau, et vue l'indisponibilité des données concernant la position de l'économie dans le cycle, on va introduire la loi d'Okun « le chômage décroît lorsque la croissance est supérieure à la croissance potentielle » c'est-à-dire lorsque l'Output gap s'accroît, d'où l'équation suivante :

Pour PIBt pot = p = cte, et en tenant compte des problèmes liés à la mesure de l'output gap, on peut estimer le modèle en différence, ce qui fait apparaître le taux de croissance du PIB, il en ressort ainsi la forme générique suivante :

Allt = - âp + llt ^a + âPIB + ?i ii d (oil-dollar-réelt-i) + ?j ptj d (changet-j) Avec : - oil dollar réel : le prix réel du pétrole en dollar (prix du pétrole en

- Ðt : l'indice des prix à la consommation sous-jacent (hors énergie et alimentation).

- Ðt a : l'inflation anticipée par les agents économiques, on note qu'on va utiliser le processus d'anticipation rationnelle où les agents économiques anticipent une inflation stable, ce mode d'anticipation semble a priori adapté dans les économies où la banque centrale a réussi à réduire très fortement la volatilité de l'inflation autour de la cible, en remplaçant Ðta par c dans l'équation (3), on obtient :

Ðt = c + âOG + ?i çi log (oil-dollar-réelt-i) + ?j pj log (changet-j) En transformant le modèle en différence, on obtient :

Finalement, on note que çi mesure l'effet de second tour des variations des prix du

pétrole, cet effet n'est autre que les retombées de ces dernières sur l'inflation sous-jacente. L'estimation de ce modèle sera faite sur de données trimestrielles s'étalant sur la période allant de 2001 à 2008, nos sources de données sont :

En synthétisant ce qui précède, l'influence d'une hausse du prix du pétrole sur l'inflation totale passe par trois canaux différents et selon les modélisations suivantes :

> Une hausse de l'inflation énergétique ; l'effet le plus machinal et le plus rapide puisque prix des produits énergétique réagissent tous aux variations du prix du pétrole, la modélisation de cette relation est faite comme suit :

> Une hausse de l'inflation alimentaire ; l'effet des variations des prix du pétrole sur l'indice des prix alimentaire n'est pas direct, il est sous-jacent par les prix des produits énergétique, la modélisation de cette relation est faite comme suit :

> L'effet de second tour ; c'est l'effet le plus faible et le plus retarder, il se manifeste par une hausse des prix sous-jacents alimentée par les anticipations de l'inflation à long terme des ménages et des entreprises et de la dynamique `salaire-prix' qui en résulte, la relation sera modélisée comme suit :

La méthodologie de l'estimation fait l'objet de la sous section suivante où on va explorer, d'un point de vue théorique, les différentes étapes séquentielles nécessaire à l'estimation de ces modèles.

La méthodologie de l'estimation se résume essentiellement en sept étapes cohérentes et dépendantes à savoir ; la collecte des chroniques, les tests de stationnarité, la détermination du nombre de retard optimal, les tests de cointégration des variables, l'estimation des modèles élaborés et l'analyse des estimations qui se résument dans les tests de causalité de Granger, les fonctions de réponses impulsionnelles et la décomposition des variances.

Le modèle que nous nous proposons de construire, en vue d'analyser la relation entre le prix du pétrole et l'inflation en Tunisie, prend en compte des variables trimestrielles représentées par des séries couvrant une période allant de 1990 à 2008 pour les deux premiers modèles et de 2001 à 2008 pour le cas du troisième modèle. Nos sources de données sont issues des institutions internationales (Fond Monétaire Internationale (F.M.I), la Banque Mondiale (B.M) et de L'Agence Internationale de l'Energie (IEA)) et

des institutions nationales (Institue Nationale des Statistiques (I.N.S) et la Banque Centrale de Tunisie (B.C.T)).

- L'indice des prix de l'énergie : Ðnrj
- Le prix du pétrole en dinar : Ðpétrole

- L'indice des prix des produits alimentaire : Ðalim - Le prix du pétrole en dinar : Ðpétrole

- L'indice des prix à la consommation sous-jacent : Ð - Le prix réel du pétrole en dollar : oil

- Le taux de change effectif nominal $ /DNT : change - Le taux de croissance du PIB : PIB

Le test de stationnarité ou de la racine unitaire est indispensable dans tout traitement économétrique, il permet de mettre en évidence le caractère stationnaire d'une chronique, et ce par la détermination d'une tendance déterministe ou stochastique. Afin de s'assurer de la stationnarité de la variable retenue, nous utilisant le test ADF (Augmented Dickey-Fuller) qui vise à tester, après la détermination du nombre de retard, l'hypothèse nulle de non stationnarité H0 suivant une stratégie d'élimination, qui débute avec le test effectué sur le modèle avec constante et tendance en niveau. Si H0 est acceptée, cela signifie que la tendance et/ou la constante ne sont pas significativement différentes de zéro, on passe alors à tester l'hypothèse dans un modèle avec constante seulement. Si la constante n'est pas significativement différente de zéro, on test H0 dans le modèle sans constante et sans tendance. Si cette hypothèse persiste encore, on test ces trois modèles en différence première, toujours par élimination et dans le même ordre.

· t de la constante et/ou de la tendance est inférieure à t ADF lue sur la table : ce là signifie que la constante, ou la tendance, n'est pas significativement différente de zéro, donc la série n'est pas stationnaire. Si non, il faut vérifier la seconde contrainte.

· t ADF est supérieure à la valeur critique pour le niveau du risque approprié.

Si ces deux contraintes sont rejetées, H0 sera rejetée et la stationnarité de la série sera confirmer. On note que ce test permet aussi de déterminer l'ordre de différenciation des séries suivant leurs évolutions au cours du temps.

Déterminer le retard optimal est un exercice économétrique crucial préalable à l'estimation d'un modèle VAR. De nombreux critères d'information sont utilisés à cet effet. Dans le cadre de la présente étude, nous observons sur le VAR en niveau les critères d'information d'Akaike (AIC) et de Schwarz (SIC) qui s'appuient sur l'apport d'information généré par des retards supplémentaires dans le modèle. L'ordre recommandé est celui qui minimise conjointement les valeurs de ces deux critères.

Après la confirmation du caractère stationnaire des variables à un niveau d'intégration d'ordre 1 et la détermination du nombre de retard, il est possible que certaines variables soit cointégrées, d'où en ressort le test de cointégration de Johansen a fin de détecter l'existence des relations de cointégration entre les variables du modèle.

Le test fonctionne par exclusion d'hypothèses alternatives, c'est à dire que l'on teste d'abord l'hypothèse nulle H0 : r = 0 contre l'hypothèse alternative r > 0 (r étant le nombre de relations de cointégration). Si H0 est acceptée, la procédure s'arrête, il n'existe pas de relations de cointégration, et on passe à estimer le modèle VAR(p).

Si non, nous passons à l'étape séquentielle suivante en testant r = 1 contre r > 1. Ce schéma se répète tant que H0 est rejetée. Dans ce cas, la présence de relation(s) de cointégration, on se trouve dans l'obligation de déterminer un modèle autorégressif à correction d'erreur (VECM).

Après avoir stationnariser les variables, cette modélisation n'est valable que dans le cas où il n'existe aucune relation de cointégratin entre les différentes variables du modèle.

A ce niveau, on note que la modélisation VAR (Vecteur Auto Régressif) est « un outil particulièrement adapté pour mesurer et utiliser en simulation, l'ensemble des liaisons dynamiques à l'intérieur d'un groupe de variables donné »36

La représentation traditionnelle d'un modèle VAR d'ordre (p) peut être sous la forme suivante :

La première étape de l'estimation de ce modèle consiste à déterminer l'ordre de retard (p) à retenir, celui qui minimise conjointement les deux critères d'informations retenir auparavant (AIC, SIC).

L'observation des résultats de l'estimation doivent monter que toutes les variables explicatives sont indépendantes et ayons des coefficients non significatifs, puisqu'il n'existe pas de relations de cointégration.

On note que ce traitement n'est pas valable que dans le cas où deux ou plusieurs variables du vecteur Yt sont cointégrées. Dans un tel cas, le modèle VAR(p) traditionnel que nous avons sous (1) sera exprimé sous la forme d'un modèle à correction d'erreur VECM d'ordre p-1, que l'on peut écrire comme suit :

Où et Ð sont des matrices qui contiennent, respectivement, des coefficients concernant les relations de court terme et de long terme, et ce dans le but de spécifier la dynamique de court terme, qui présente des fluctuations flagrantes, dans une combinaison linéaire qui les unit en vue d'atteindre l'équilibre de long terme.

Les résultats de l'estimation des deux modèles (1) et (2) peuvent être approfondis et mieux expliqués par des tests de causalité, des fonctions de réponses impulsionnelles et des décompositions de variance.

³⁶ Marie REYNAUD, Sylvie SCHERRER ; « Une modélisation VAR de l'enquête mensuelle de conjoncture de l'INSEE dans l'industrie » ; Document de travail n°96-12, Décembre 1996.

La causalité au sens de Granger se procède par le test de l'hypothèse nulle de non causalité selon la quelle la variable X ne cause pas la variable Y, et vis versa en cas où H0 est rejetée.

En présence d'une cointégration c'est-à-dire d'un nombre de relations de cointégration inférieur au nombre de variables étudiées, on devrait utiliser le VECM pour mener les tests de causalité tant de court que de long terme.

En plus de l'analyse des fonctions de réponses impulsionnelles, nous avons recours à un autre mode d'analyse de la propagation des impulsions : la décomposition de la variance de l'erreur de prévision des variables du modèle.

Cette étape nous indique l'importance relative de chaque choc dans l'explication des fluctuations de la variable objective. On écrit la variance de l'erreur de prévision à l'horizon h en fonction de la variance de l'erreur de prévision attribuée à chaque variable. Le rapport entre chacune de ces variances et la variance totale donne le poids relatif, en pourcentage, de chacune des innovations à la variance totale de l'erreur.

L'estimation de ces modèles sera réaliser dans la section suivante, elle est faite sur des données trimestrielles et annuelles s'étalant sur une période allant de 1990 à 2008, le support de l'estimation est le logiciel EViews, version 5.0.

Section 2 : Estimation de la relation inflation-prix du pétrole pour le cas de la Tunisie

L'objectif de cette section consiste principalement en l'appréhension et en la vérification de l'existence ou non d'une relation entre les variations du prix du pétrole et l'inflation en Tunisie. La modélisation de cette relation à été fondue sous une approche macro-

sectorielle. Comme c'est prévu dans le chapitre précédent, la méthodologie de cette modélisation vise à scinder l'effet des variations du prix du pétrole sur les trois composantes de l'inflation, à savoir l'inflation énergétique, l'inflation alimentaire et l'inflation sous-jacente. On a parachevé ainsi aux trois modèles suivants :

Dans cette deuxième section, on va effectuer l'estimation de ces modèles à l'aide du logiciel EViews, version 5.0. Cette section se divise en deux parties ; la première sera consacrer à la présentation des variables utilisées ainsi qu'à l'interprétation de leurs tests. Dans la seconde partie, nous entamerons l'estimation des modèles qui sera guidé par l'ordre séquentiel préétabli.

Après la collecte des chroniques des différentes variables, qui s'étendent sur une période allant de 1990 à 2008, on note que seulement le test de stationnarité sera fait par variable, les autres tests serons appliquer par modèle.

Les variables utilisées dans la modélisation de la relation entre les variations du prix du pétrole et l'indice des prix à la consommation sont citées auparavant (page 83), elles seront notées dans les étapes de l'estimation comme suit :

* le glissement trimestriel du taux de change effectif nominal du dinar en dollar : TCD$

Les séries des variables sont collectées sur une période allant de 1990 à 2008. 2-1-2 Résultats et interprétation de l'estimation

Au regard des graphiques représentatifs des séries (cf. annexe 1 à la page 113), on observe des séries qui ont une tendance globale à la hausse (IPCE, PPD, IPCA, DIPCSJ) et d'autres qui fluctuent autour d'un niveau d'équilibre de long terme

(DPPRD, DTCD$), ce qui peut maitre en cause la condition de stabilité des moments indépendamment du temps (LI t LI Z, E(xt)=m, indépendant de t). Dans ce cas, l'origine de la non stationnarité provient de l'inclusion d'une tendance (plus généralement en fonction du temps). On dit que la non stationnarité est de type déterministe. En ce qui concerne les glissements trimestrielles des prix du pétrole en dinar et le taux de change dinar dollar, on constate une relation inverse entre ces deux variables qui se manifeste surtout dans les derniers mois de notre période d'étude, ce qui peut refléter l'existence d'une relation de cointégration dans le modèle qui incorpore ces variables.

En ce qui concerne la série (PIB), le graphique représentatif présente une grande volatilité irrégulière ce qui accroît la variance au fur et à mesure que le temps passe via l'accumulation des chocs, ce type de non stationnarité revient à l'existence d'une marche aléatoire de type stochastique.

Les résultats des tests de stationnarité sont consignés dans l'annexe 2 de la page 114 et résumés dans le tableau suivant avec : Dickey-Fuller-Augmenté calculé (ADFcal), DickeyFuller-Augmenté théorique (ADFth), constante (Cst), nombre de retard (NR) et la tendance (trend).

Variable		En niveau				En différence première					Ordre
Variable	ADF cal	ADF th	trend	cst	NR	ADF cal	ADF th	trend	cst	NR	Ordre
PPD						-5.527	-1.945	non	non	1	I(1) **
IPCE						-7.727	-2.901	non	oui	1	I(1) **
IPCA	-4.982	-3.471	oui	oui	0						I(0)*
dIPCSJ	-11.470	-4.253	oui	oui	1						I(0)*
PIB	-2.812	-2.613	non	oui	0						I(0)***
dLPPRD	-3.256	-2.634	non	non	1						I(0)*
*dLTCD$*	-6.480	-3.639	non	oui	1						I(0)*

Les résultats de ce test confirmes l'existence des variables stationnaires en niveau I(0) (IPCA, DIPCSJ, PIB, DPPRD et DTCD$) après la vérification de leurs statistiques ADF calculés qui sont tous supérieurs aux statistiques critiques et des t de student des constantes et/ou des tendances qui sont supérieurs aux t ADF lue sur la table aux seuils appropriés. Pour les autres variables (PPD, IPCE) les statistiques ADF calculés sont inférieures aux statistiques critiques aux différents seuils et aux différents retards, leurs stationnarités est confirmées après première différenciation, ils sont ainsi intégrées d'ordre 1 I(1), ce qui donne la possibilité d'êtres cointégrées.

Nous allons donc procéder à un test de cointégration de Johansen a fin de détecter l'existence des relations de cointégration entre les variables, une étape qui exige la détermination du nombre de retard optimale pour chaque modèle.

Le nombre de retard optimal retenu est celui qui minimise conjointement les valeurs des deux critères d'information retenus (Akaike (AIC) et Schwarz (SIC)).

La procédure consiste à observer sur des VAR en niveau les valeurs de ces deux critères, en faisant varier le nombre p de retard de 1 à 3.

Les critères d'information (AIC, SC) donnent les valeurs présentées, pour chaque modèle, dans les tableaux suivant :

A partir de ces trois tableaux, on peut conclure que les trois modèles ont le même ordre de retard : pour p=1, les valeurs des deux critères (AIC) et (SIC) sont minimisées conjointement. On passe ainsi à la détection des relations de cointégration entre les variables des différents modèles, via les tests de cointégration de Johansen.

Les résultats des tests de racine unitaire montrent l'existence des variables stationnaires en différence première, ce qui nous amène à déterminer le nombre de relations de cointégration entre elles, en utilisant l'approche en une étape de Johansen par modèle. Les séries en niveau étant caractérisés par une tendance à la hausse et étant stationnaires en première différence avec constante, nous choisissons ainsi la spécification n°3 (constante et absence de tendance dans les relations de cointegration) avec un nombre de retard égal à 1. Les résultats du test sont présentés dans l'annexe 3 à la page 117 et résumé par modèle dans les tableaux suivant :

Le test de cointégration affirme l'existence d'une seule relation de cointégration entre les variables du modèle (IPCE et PPD). La statistique de trace est largement supérieure à la statistique critique aux seuils de 5 % et de 1%. L'hypothèse nulle d'absence de relation de cointégration (H0 : r=0) est rejetée. La stratégique séquentielle du test se poursuivre à la détection d'un nombre de relation de cointégration supérieur à 1. Elle s'arrête à l'étape suivante où l'hypothèse nulle (H0 : r=1) est acceptée vue que la statistique de trace est inférieure à la statistique critique aux seuils de 5 % et de 1%. Le rang de la matrice de cointégration vaut donc 1.

La présence d'une relation de cointégration nous autorise la détermination d'un modèle autorégressif à correction d'erreur (VECM) afin d'atteindre l'équilibre stable de long terme.

Tableau 4-6 : le nombre de relation de cointégration du deuxième modèle

La statistique de trace est inférieure à la statistique critique aux seuils de 5 % et de 1% (14.42776 20.04, au seuil de 1%), on acceptée ainsi l'hypothèse nulle d'absence de relation de cointégration (H0 : r=0), au seuil de 1%. La stratégie séquentielle du test s'arrête à ce niveau et il n'existe aucune relation de cointégration. En d'autre terme, cette conclusion nous autorise à estimer, dans ce cas, un modèle VAR.

Hypothèses	Valeur propre	Statistique de trace	Valeur critique à 5%	Valeur critique à 1%
Aucune**	0.570871	62.67654	53.12	60.16
1 relation	0.432294	34.75857	34.91	41.07
2 relations	0.312066	16.07559	19.96	24.60
3 relations	0.106917	3.731513	9.24	12.97

On rejette l'hypothèse nulle d'absence de relation de cointégration (H0 : r=0) au seuil de 1%, vu que la statistique de trace est supérieure à la statistique critique de ce seuil (62.67 60.16). La stratégie séquentielle du test s'arrête à l'étape suivante où on accepte l'hypothèse nulle (H0 : r=1) vue que la statistique de trace est inférieure à la statistique critique aux seuils de 1% (34.67 41.07). Le test confirme ainsi l'existence d'une seule relation de cointégration, ce qui implique une estimation sous forme d'un modèle VECM.

En guise de conclusion, les résultats de ces tests de cointégration de Johansen confirment l'existence d'une relation de cointégration dans le cas du premier et du dernier modèle ( la modélisation de la relation entre les variations des prix du pétrole et l'inflation énergétique et de la relation entre ces variations et l'inflation sous-jacente) ce qui nous inflige la détermination d'un modèle autorégressif à correction d'erreur (VECM) afin de spécifier la dynamique de court terme des variable dans le but d'atteindre l'équilibre stable de long terme.

Pour le cas du deuxième modèle (la modélisation de la relation entre les variations du prix du pétrole l'inflation alimentaire) le test confirme l'absence de relation de cointégration entre les variables. Ce qui confirme l'estimation de cette relation sous forme d'une modélisation VAR.

Après avoir stationnariser les variables, les tests de cointégration de Johansen nous indiquent la nature du modèle à estimer. A cet effet, nous allons construire sous forme d'une modélisation VAR la relation entre l'indice des prix alimentaire et les variations des prix du pétrole. Les deux autres modèles seront estimés sous forme d'une modélisation VECM.

Notre méthodologie de l'estimation sera faite par modèle et suivie par les analyses de l'estimation dans le but d'approfondir et mieux expliquer les résultats de l'estimation.

A cette fin, nous appliquant sur chaque modèle les tests de causalité de Granger, les fonctions de réponses impulsionnelles et les décompositions de variance.

A- Estimation et analyse de l'estimation de la première modélisation

La première modélisation consiste à établir une relation entre l'indice des prix énergétique et le prix du pétrole. Cette modélisation à été établie dans le troisième chapitre, elle explique l'indice trimestriel des prix de l'énergie en fonction des évolutions trimestrielles, contemporaines et passées, des prix du pétrole.