Section 2.
Stationnarisation des variables
Les méthodes classiques d'estimation supposent que les
séries utilisées sont stationnaires. Or, suite aux
développements récents en séries temporelles, il est
aujourd'hui usuel que les principaux agrégats macroéconomiques ne
peuvent plus être représentés comme des séries
stationnaires autour d'une tendance déterministe. Il est donc de plus en
plus opportun de prendre en compte leur degré de stationnarité et
d'étudier la permanence des chocs stochastiques. Avant toute estimation,
nous devons d'abord étudier la stationnarité des
séries.
L'apparence de ces différentes courbes nous laisse
penser que toutes les séries présentées ici ne sont pas
stationnaires. Nous avons par conséquent procéder à un
test de racine unitaire pour mieux appréhender leur comportement.
À cet effet, nous avons adopté la méthode du test de
Dickey-Fuller Augmenté (ADF) qui permet de prendre en compte
l'autocorrélation possible de la série différenciée
via une correction utilisantles valeurs retardées. Rappelons que
l'hypothèse nulle de ce test est lenon stationnarité de la
série étudiée, c'est-à-direl'existence d'au moins
une racine unitaire. D'abord, nous le faisons à niveau puis en
différence première pour rechercher l'ordre d'intégration
des séries.
Ainsi, les résultats détaillés sur la
stationnarisation des séries sont présentés dans les
annexes.
Ci-dessous, nous présentons le récapitulatif du
test ADF des toutes les variables sous étude.
Tableau 4 : Récapitulatif du tes d'ADF sur toutes
les variables
Séries
|
statistiques
|
Modèles
|
Degré d'intégration
|
ADF
|
VCM
|
Taux d'inflation
|
-22.66535
|
-3.020686
|
avec constante
|
I(0)
|
Taux de change
|
-1.997004
|
-1.960171
|
Sans tendance ni constante
|
I(1)
|
Masse monétaire
|
-4.150910
|
-1.964418
|
Sans tendance ni constante
|
I(2)
|
Section 3. Estimation du
modèle par MCO
Tableau 5 : Résultat de l'estimation de la
relation de long terme par MCO
Dependent Variable: TXINFL
|
|
|
Method: Least Squares
|
|
|
Date: 11/02/22 Time: 09:37
|
|
|
Sample (adjusted): 2001 2020
|
|
|
Included observations: 20 after adjustments
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
C
|
10.59602
|
8.107037
|
1.307015
|
0.2086
|
DTXCH
|
0.166401
|
0.061657
|
2.698821
|
0.0152
|
DMM
|
-0.006160
|
0.004619
|
-1.333567
|
0.1999
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.300020
|
Mean dependent var
|
20.96200
|
Adjusted R-squared
|
0.217669
|
S.D. dependent var
|
30.86756
|
S.E. of regression
|
27.30219
|
Akaike info criterion
|
9.589292
|
Sum squared resid
|
12671.96
|
Schwarz criterion
|
9.738652
|
Log likelihood
|
-92.89292
|
Hannan-Quinn criter.
|
9.618449
|
F-statistic
|
3.643197
|
Durbin-Watson stat
|
1.405435
|
Prob(F-statistic)
|
0.048220
|
|
|
|
|
|
|
|
|
|
|
|
|
|
La relation issue de cette estimation peut s'écrire de la
manière suivante :
TXINFL = 10.5960215217 + 0.166401305567*DTXCH -
0.00615969339013*DMM
Outre les estimations, les tests post-estimations nous
renseignent ce qui suit :
Tableau 6 : tests post-estimations
Test post estimation
|
Probabilité critique
|
Jarque-Bera
|
0.00000
|
LM-Test de Breusch-Godfrey
|
0.7420
|
ARCH
|
0.8271
|
Ramsey RESSET Test
|
0.5931
|
De l'analyse des tests d'hypothèses sous-tendant
l'usage de la méthode des MCO, nous remarquons que seules les
hypothèses de l'absence de l'hétéroscedasticité des
erreurs et de l'absence d'autocorrélation des erreurs sont
respectées car leurs probabilités sont respectivement
supérieures à 5%, soit 0.7420>0.05 et 0.8271>0.05.
Cependant, l'analyse de la normalité des erreurs n'est
pas respectée car, nous constatons que la probabilité
attachée à la statistique de Jarque-Berra est inférieure
au seuil de significativité de 0,05. Ainsi, on peut conclure l'absence
de normalité des erreurs. La non-validation de l'hypothèse
évoquée ci-haut, nous contraint de prédire la relation
entre le taux d'inflation et le taux de change. Pour ce faire, il est
nécessaire de corriger pour lever l'autocorrélation des
erreurs.
Tableau 7 : Résultat de l'estimation de la
relation de long terme par MCO corrigé
Dependent Variable: TXINFL
|
|
|
Method: Least Squares
|
|
|
Date: 11/02/22 Time: 10:25
|
|
|
Sample (adjusted): 2002 2020
|
|
|
Included observations: 19 after adjustments
|
|
Convergence achieved after 5 iterations
|
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
C
|
8.026036
|
3.436386
|
2.335604
|
0.0338
|
DTXCH
|
0.111163
|
0.027075
|
4.105711
|
0.0009
|
DMM
|
-0.003198
|
0.001987
|
-1.609419
|
0.1284
|
AR(1)
|
-0.050832
|
0.103345
|
-0.491870
|
0.6299
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.525714
|
Mean dependent var
|
14.95474
|
Adjusted R-squared
|
0.430857
|
S.D. dependent var
|
15.61725
|
S.E. of regression
|
11.78190
|
Akaike info criterion
|
7.955670
|
Sum squared resid
|
2082.197
|
Schwarz criterion
|
8.154499
|
Log likelihood
|
-71.57886
|
Hannan-Quinn criter.
|
7.989319
|
F-statistic
|
5.542166
|
Durbin-Watson stat
|
1.885398
|
Prob(F-statistic)
|
0.009183
|
|
|
|
|
|
|
|
|
|
|
|
|
|
Inverted AR Roots
|
-.05
|
|
|
|
|
|
|
|
|
|
|
|
|
La relation issue de cette estimation peut s'écrire de la
manière suivante :
TXINFL = 8.02603598832 + 0.11116320175*DTXCH
0.00319769227474*DMM + [AR(1)=-0.0508322938254]
La lecture des résultats montre que le modèle
est globalement significatif. La P-value de la statistique de Fisher est quasi
nulle car la probabilité est inférieure à 5% soit
0.009183<0.05.Tout cela signifie que l'hypothèse nulle selon laquelle
toutes les élasticités sont nulles est rejetée. Le
coefficient de détermination (R2 ajusté) témoigne le
pouvoir explicatif du modèle. Ainsi 43% des fluctuations de long terme
de l'indice des prix au Congo sont expliquées par cette relation de long
terme.
Toutefois, nous remarquons que les variations de la masse
monétaire M2 ne sont pas significatives sur le taux d'inflation car la
probabilité de T-student est supérieure à 5% soit
0.1284>0.05 et le taux de change entre le dollar et le franc CDF à
long terme a une influence significative sur la variation du taux d'inflation
pour la période sous étude car sa probabilité de T-student
est inférieure à 5% soit 0.0009<0.05.
Outre les estimations, les tests post-estimations nous
renseignent ce qui suit :
Tableau 8 : tests post-estimations
corrigées
Test post estimation
|
Probabilité critique
|
Jarque-Bera
|
0.803767
|
LM-Test de Breusch-Godfrey
|
0.8933
|
ARCH
|
0.9683
|
Ramsey RESSET Test
|
0.5551
|
|