A-4- La décomposition de la variance
La décomposition de la variance permet de
déterminer dans quelle mesure les variables ont une interaction entre
elles, et ce par le calcul de la contribution de chacune des innovations
à la variance de l'erreur totale.
Les résultats de ce test sont consignés en
annexe 4 à la page 120 et résumés dans le tableau suivant,
en conservant le même horizon de la variance de l'erreur de
prévision (h = 10 trimestres).
Tableau 4-10 : décomposition de la variance de la
variable D(IPCE) h = 10 trimestres
période D(IPCE) D(PPD)
|
1
|
100.0000
|
0.000000
|
2
|
72.27910
|
27.72090
|
3
|
60.36072
|
39.63928
|
4
|
59.94742
|
40.05258
|
5
|
57.89411
|
42.10589
|
6
|
56.25161
|
43.74839
|
7
|
54.42695
|
45.57305
|
8
|
54.51263
|
45.48737
|
9
|
52.87687
|
47.12313
|
10
|
51.48436
|
48.51564
|
Le tableau 4-10 nous montre que la variance de l'erreur de
prévision de l'indice des prix énergétique est due
à 51.48% à ses propres innovations et à 48.51% à
celles de la
variation des prix du pétrole à un horizon de 10
trimestres. Comme on pouvait s'y attendre, un choc sur les variations des prix
du pétrole à un impact positif et non négligeable sur les
prix des prix alimentaire.
B- Estimation et analyse de l'estimation de la
deuxième modélisation
Cette modélisation étudie la relation entre
l'indice des prix alimentaire et les variations trimestrielles, contemporaines
et passées, des prix du pétrole. L'effet de ces variations est
sous-jacent des prix de l'énergie, dans ce présent travail nous
allons essayer de montrer l'effet direct, on recourt ainsi à une
modélisation simple qui relie l'indice des prix alimentaires aux
variations des prix du pétrole.
B-1- Estimation du modèle
Après avoir stationnariser les variables, le test de
cointégration confirme l'absence de relation de cointégration, on
procède ainsi à l'estimation d'un modèle VAR. La
première étape consiste à déterminer le nombre de
retard optimal à attribuer au modèle, en variant le
nombre de retard de 1 à 5 et en regardant les deux
critères d'informations, il en ressort que 5 est le nombre de retard
optimal. Les résultats obtenus sont consigné dans l'annexe 5
à la
page 121 et résumer dans le tableau suivant, après
l'élimination des variables insignificatives :
Tableau 4-11 : Estimation de la relation prix des
produits alimentaire- variations des prix du pétrole ;
Variable
dépendante : indice des prix alimentaire
Période d'estimation : 1990t1-2008t4
Indice des prix des
produits alimentaire
|
constante
IPCA(-1)
|
1,01373 (8,7959)
|
IPCA(-2)
|
-0,6968 (-4,2120)
|
IPCA(-3)
|
0,6833 (4,1155)
|
IPCA(-4)
|
-0,3479 (-2,1157)
|
IPCA(-5)
|
0,3335 (2,8983)
|
D(PPD(-5))
|
0,3714 (2,9616)
|
R2
|
0,9723
|
R2 ajusté
|
0,9676
|
F-Statistic
|
207,1293
|
* Les valeurs en italique représentent les t
de student.
En ce qui concerne la qualité globale du modèle,
on note la statistique de fisher calculée (207,129) est largement
supérieure à sa valeur théorique, ce qui appui les
résultats de notre estimation. De plus, la valeur élevée
de R2 renforce le pouvoir explicatif de la variable exogène, à
raison de 97,23 %, dans l'explication des variations de la variable
endogène.
Les résultats de l'estimation montrent que l'indice des
prix alimentaire dépond de ses retards, l'effet se dégrade par le
temps et se balade entre hausse et baisse.
Ce qui nous intéresse, en fait, c'est l'effet des
variations des prix du pétrole sur l'indice des prix des produits
alimentaire (noté en rouge). Comme on pouvait s'y attendre, cet effet
est retardé : une augmentation de 10% du prix du pétrole induit,
avec un retard de cinq trimestres, une hausse de 3,71% des prix des produits
alimentaire.
|