Les déterminants de l’efficacité de la politique monétaire en république démocratique du Congo .

CONCLUSION PARTIELLE

Les interventions de la BCC connaissent une remarquable avancée mais leurs effets sur les différents secteurs d'actions ne sont pas visibles. Les taux de change fluctuent au gré des chocs transitoires habituels, qui renforcent les convictions des opérateurs économiques sur la confiance octroyée à la monnaie nationale. Cela entraîne une surliquidité de la monnaie nationale impliquant une augmentation de la demande des devises qui entraîne l'inflation⁷⁴.

Une absence de la politique budgétaire restrictive étouffe les effets d'une bonne politique monétaire⁷⁵. L'avantage d'assurer son indépendance en ne subordonnant pas son action à la réaction de la politique budgétaire permet d'agir en prévention contre les chocs qui peuvent venir d'elle⁷⁶. Elle présente aussi l'avantage de donner des signaux aux marchés en rassurant les agents économiques sur la capacité et la volonté de l'autorité monétaire à redresser la situation. Elle permet par ailleurs d'établir les responsabilités en dissociant les initiatives monétaires de celles budgétaires⁷⁷. De ce fait, la politique monétaire peut être mise en oeuvre, du moins à court terme, dans n'importe quel dérapage budgétaire à partir du moment où l'autorité monétaire a le libre choix de ses instruments.

⁷⁴ Lire utilement BETOINE A., BASSONI M., problèmes monétaires internationaux ; Ed. ArrmandCollin, Paris, 1997 et CHAINEAU., Mécanismes et politiques monétaires, Collection « Quadrige », PUF, 2000

⁷⁵ CARARE A., STONE M., « pourquoi cibler l'inflation ? », in Finances et développement, juin 2004, pg 22

⁷⁶ Lire le HERON E. et MOUTOT Philippe, les banques centrales doivent-elles être indépendantes ? Prométhée, collection pour ou contre ?, Bordeaux, 2008 ; CUKIERMAN e. a.,Measuring the independance of central bankanditseffect ou policyoutcomesin Word BANK Economie Review 6, 1992; PATAT JP, «quelques questions sur l'indépendance de la banque centrale» in revue d'économie financière, n° 22, 1992

⁷⁷ CHAINEAU A., mécanismes et politiques monétaires, collection « Quadrige », PUF, 2000, pg 36

126

CHAPITRE QUATRIEME : ANALYSE DES DETERMINANTS
L'EFFICACITE DE LA POLITIQUE MONETAIRE
CONGOLAISE

INTRODUCTION

Il s'agit d'un chapitre tout à fait important dans le cadre de la compréhension de la réalisation du dispositif monétaire congolais. La connaissance des déterminants de la politique monétaire par lesquels les modifications des canaux de transmission de la politique monétaire congolaise se répercutent sur l'ensemble de l'économie est essentielle pour la Banque Centrale du Congo. Elle permet aux autorités monétaire de mieux orienter leurs actions afin d'en assurer l'efficacité de la politique monétaire.

Sur le plan théorique, la politique monétaire agit sur la sphère réelle à travers le canal du taux d'intérêt, le canal de crédit ou le canal du taux de change. Son effet global résulte de la combinaison de différents canaux et de leurs importances respectives dans les mécanismes de transmission.

Pour rendre plus explicite la diffusion des décisions de la politique monétaire Congolaise à travers ces canaux de transmission dans un environnement économique complexe, l'organisation de ce chapitre sera consacrée exclusivement à l'analyse et le traitement des données : « une analyse sur l'efficacité des déterminants de la politique monétaire".

SECTION 1. LA DEMANDE DE MONNAIE EN RDC

I.1. PRESENTATION DE LA FONCTION DE LA DEMANDE DE MONNAIE DE LA RDC

Le modèle de demande de monnaie ci-dessous a été développé par Rogoff et Obstfelt(2008)⁷⁸. En effet, plusieurs études empiriques de la fonction de demande de monnaie retiennent la masse monétaire réelle comme variable dépendante et un certain nombre de variables indépendantes composées de variables d'échelle et de coût d'opportunité de la détention de la monnaie.

Les équations de la demande de monnaie utilisant la masse monétaire réelle au sens large comme agrégat monétaire ont été estimées en recourant au modèle vectoriel à correction

⁷⁸Rogoff et Obstfelt, model of structural global demand of liquidity 2013

127

d'erreurs. Les signes attendus et le degré de signification des paramètres estimés ainsi que l'application des tests de diagnostic ont permis de vérifier la consistance des résultats.

I.1.1. Méthode d'analyse des données

La présente étude va faire essentiellement recours aux outils statistiques et économétriques pour la vérification des hypothèses formulées.

Cependant, les tests de stationnarités de Dickey-Fuller Augmenté (ADF) seront faits pour vérifier la stationnarité des variables. Le traitement d'une série chronologique la connaissance de leurs caractéristiques stochastiques. Si ces caractéristiques c'est-à-dire son espérance et sa variance- se trouvent modifiées dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d'un processus stochastique invariant, la série temporelle est alors stationnaire⁷⁹.Une série chronologique est donc stationnaire si elle est la réalisation d'un processus stationnaire. Ceci implique que la série ne comporte ni tendance, ni saisonnalité et plus généralement aucun facteur n'évoluant avec le temps.⁸⁰

Les hypothèses sont les suivantes :

Si ADF test stabilitic<critical value alors on accepte H0 au seuil de 5%, la série est non stationnaire

Si ADF test stabilitic>critical value alors on rejette H0 au seuil de 5%, la série est stationnaire.

Aussi le test de cointégration sur les résidus sera fait pour valider l'inexistence de relation de long terme entre les séries. La méthode d'estimation que nous allons utiliser, est la méthode de moindre carré ordinaire. L'estimation du modèle se fera sur le logiciel eviews. La validation économique est faite sur la base des signes prévus. La validation statistique de la qualité globale des modèles est appréciée par le coefficient de détermination des modèles et par le test de Fisher.

L'analyse de la qualité globale du modèle s'effectue à travers le coefficient de détermination du modèle (R²). Ce coefficient explique la part de l'évolution de la variable dépendante qui est expliquée par les variables exogènes.

Le test d'adéquation d'ensemble est fait à travers le test de Fisher.

⁷⁹ BOURBONNAIS, R. (2006), économétrie manuel et exercices corrigés, 7è édition Dunod, Paris p 221

⁸⁰ Si les conditions énoncées ci-dessous sont vérifiées, on dit que la série est stationnaire de second ordre, ou encore faiblement stationnaire. Dans le cas où, aux conditions définies, s'ajoute la constante de la distribution de probabilité, on parle de série strictement stationnaire.

128

Les hypothèses à posés sont les suivantes :

H0 : R2 = 0, tous les coefficients sont nuls

H1 : R² ? 0, il existe au moins un coefficient non nul

Avec k le nombre de paramètre estimé, Si le Fischer calculé est supérieur au Fisher théorique Fth (k-1, n-k), ou la Prob (F-stat) < 5%, on rejette l'hypothèse nulle, la qualité de la régression est bonne au seuil de 5%.

Dans le cas contraire, on accepte hypothèse nulle au même seuil, la qualité de la régression n'est pas bonne.

La validation statistique de la qualité individuelle des variables est appréciée par le test de Student.

Le test de Student, qui pose comme hypothèses :

H0 : á i = 0, le coefficient i n'est pas significativement différent de zéro H1 : á i ? 0, le coefficient i est significativement différent de zéro

Si la statistique calculée de Student est supérieure à la statistique théorique t5%(n-k), ou la probabilité calculée est inférieure à 5%, on rejette l'hypothèse nulle, les variables sont statistiquement significatives au seuil de 5%.Dans le cas contraire, on accepte l'hypothèse nulle, les variables ne sont pas significatives au seuil de 5%.

Le test de Durbin et Watson (DW) ou celui de Breusch Godfrey permettront la détection de l'autocorrelation des erreurs.

Le test de Breusch Godfrey est fondé sur un test de Fisher de nullité de coefficients ou de Multiplicateur de Lagrange, permet de tester une autocorrelation d'un ordre supérieur à un et reste valide en présence de la variable dépendante décalée en tant que variable explicative. L'idée générale de ce test réside dans la recherche d'une relation significative entre le résidu et ce même résidu décelé.

Une autocorrelation des erreurs d'un ordre p s'écrit :

1t = ñ1 1t-1+ñ2 1t-2+....+ñp1t-p+í (2)

129

Avec p le nombre de retard des résidus, n le nombre d'observations et R² coefficient de détermination. Les tests d'hypothèses sur l'équation intermédiaire sont les suivantes

H0 : ñ1= ñ2=...= ñ_p= 0 : erreurs non corrélées H1 : ñ1? ñ2?...? ñ_p? 0 : erreurs corrélées

Si BG< #177;(p)² ,Fc<Fth ^ou _Pc>Pth :5% avec c= calculée th= théorique , on accepte l'hypothèse nulle d'absence de corrélation des résidus au seuil de 5%.Le cas contraire, on rejette l'hypothèse nulle, les erreurs sont corrélées au seuil de 5%.

Le test de White sera fait pour vérifier l'hypothèse d'homoscédasticité. Ce test est appliqué pour la détection de l'hétéroscédasticité des erreurs. Sa Statistique est donnée par :

Avec p=2(k-1), k le nombre de paramètres estimés et n le nombre d'observations et R² le coefficient de détermination.

Les hypothèses sont les suivantes

H0:a1=b1=a2=b2=...ak=bk=0 : homoscédasticité des résidus H1: a1?b1?a2?b2?...ak?bk?0 : hétéroscédasticité des résidus

Si W< #177;(p)² ,Fc<Fth ^ou _Pc>Pth :5% avec c= calculée th= théorique , on accepte l'hypothèse homoscédasticité des résidus au seuil de 5%.Le cas contraire on rejette l'hypothèse nulle les erreurs sont hétéroscédastique au seuil de 5%.

Enfin, le test de normalité des erreurs permettra de valider les propriétés des moindres carrées ordinaires.

La statistique de Jarque-Bera est définie par :

S= n/6â1+n/24(â2-3)² suit un ÷² à deux degré de liberté.

Où S est le coefficient de dissymétrie skewness (asymétrie) et K le coefficient d'aplatissement (kurtosis ou aplatissement), JB suit sous l'hypothèse de normalité une loi de khi-deux à deux degrés de liberté.

Les hypothèses sont les suivantes :

130

On accepte au seuil de 5% l'hypothèse de normalité si JB<5.99 ou si la probabilité critique est supérieure à 5%, la variable suit une loi normale. On rejette au seuil de 5% l'hypothèse de normalité dans le cas contraire.

Ces tests de normalité servent également dans le cas où il y a hétéroscédacité. En effet, l' hétéroscédacité se manifeste sur le graphe de la distribution par des queues de probabilité plus épaisses (distribution leptokurtique) que les queues de la loi normale.⁸¹