III.2.1.1.2. Analyse de la
stationnarité
Avant le traitement d'une série chronologique, il est
indispensable d'en étudier les caractéristiques stochastiques. Si
ces caractéristiques (sa moyenne, sa variance et son autovariance) se
trouvent modifiées dans le temps, la série chronologique est
considérée comme stationnaire.
Une série est donc stationnaire si elle ne comporte ni
tendance ni saisonnalité et plus généralement aucun
facteur n'évoluant avec le temps.
Les tests de Dickey - Fuller et Dickey - Fuller
Augmenté permettent non seulement de mettre en évidence le
caractère stationnaire d'une chronique mais aussi de déterminer
la bonne manière de la rendre stationnaire en toute circonstance
stochastique.
Avec l'application sur le logiciel eviews5, les
hypothèses suivantes sont retenues :
H0 : la série est
stationnaire
H1 : la série n'est pas
stationnaire
On accepte l'hypothèse nulle si la valeur ADF prise en
valeur absolue est supérieure à la valeur critique
considérée aussi en valeur absolue et sa probabilité soit
inférieure à celle de la valeur critique; au cas contraire, on la
rejette au profit de H1.
v Pour le taux d'inflation
|
|
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller test statistic
|
-4.813138
|
0.0002
|
|
Test critical values:
|
1% level
|
|
-2.754993
|
|
|
5% level
|
|
-1.970978
|
|
|
10% level
|
|
-1.603693
|
|
|
|
|
|
|
Apres traitement par le logiciel eviews 5, nous remarquons que
le taux d'inflation est stationnaire à niveau.
v Pour le taux de change
|
|
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller test statistic
|
-1.917575
|
0.0555
|
|
Test critical values:
|
1% level
|
|
-2.754993
|
|
|
5% level
|
|
-1.970978
|
|
|
10% level
|
|
-1.603693
|
|
|
|
|
|
|
|
|
|
|
|
Nous constatons que le taux de change ne pas stationnaire
à la première différence.
v Pour la masse monétaire
|
|
|
t-Statistic
|
Prob.*
|
|
|
|
|
|
|
|
|
|
|
|
Augmented Dickey-Fuller test statistic
|
-1.915586
|
0.5900
|
|
Test critical values:
|
1% level
|
|
-4.886426
|
|
|
5% level
|
|
-3.828975
|
|
|
10% level
|
|
-3.362984
|
|
|
|
|
|
|
|
|
|
|
|
La masse monétaire ne pas stationnaire à la
première différence.
Nous remarquons que la masse monétaire et le taux de
change ne sont pas stationnaires alors que le taux d'inflation est
stationnaire.
Cela ne nous empêche pas de passer à
l'estimation du modèle par la méthode de moindre carre
ordinaire donc de passer à la régression.
III.2.1.1.3. Estimation du
modèle linéaire
En estimant le modèle nous remarquons que celui-ci est
bien estimé sans problème d'auto corrélation des erreurs
à partir du test de Durbin Watson.
|
Variable
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.
|
|
|
|
|
|
|
|
|
|
|
|
C
|
340.8579
|
57.09942
|
5.969552
|
0.0001
|
|
TCH
|
0.807986
|
0.189476
|
4.264319
|
0.0011
|
|
MM
|
1.71E-10
|
6.33E-11
|
2.700363
|
0.0193
|
|
|
|
|
|
|
|
|
|
|
|
R-squared
|
0.663590
|
Meandependent var
|
96.83333
|
|
Adjusted R-squared
|
0.607522
|
S.D. dependent var
|
168.2386
|
|
S.E. of regression
|
105.3982
|
Akaike info criterion
|
12.33023
|
|
Sumsquaredresid
|
133305.5
|
Schwarz criterion
|
12.47184
|
|
Log likelihood
|
-89.47669
|
F-statistic
|
11.83538
|
|
Durbin-Watson stat
|
1.652552
|
Prob(F-statistic)
|
0.001449
|
|
|
|
|
|
|
|
|
|
|
Le modèle se présente comme
suit :
TINF = 340.86 + 0.81TCH +
1.71MM
T stat (5.969552) (4.264319)
(2.700363)
Prob (0.0001)
(0.0011) (0.0193)
| 
