IV.4.3. MODELES A ESTIMER
Les modèles à estimer sont ceux qui nous
permettront de déceler les relations qui existent entre les 4 variables
macroéconomiques retenues et leurs causalités, puis ressortir
l'impact de la relation de causalité sur les emplois et les ressources
(budget de trésorerie) de l'entreprise.
Les modèles à estimer pour répondre
à notre question de recherche sont :
v Un modèle VAR (vecteur autorégressif)
présenté ci-haut qui rend compte de la relation dynamique entre
l'inflation (désignée par l'indice des prix à la
consommation) et la variation du taux de change en faisant la part des autres
variables macroéconomiques.
v Un modèle de régression multiple à
variables décalées pour trouver l'impact du taux de change et de
l'inflation sur les taux de réalisation des prévisions du budget
de trésorerie.
IV.4.4. ANALYSE DE LA RELATION DE CAUSALITE ENTRE LE TAUX
DE CHANGE ET L'INFLATION
IV.4.4.1 MODELE VAR
Comme déjà mentionné ci-dessus, une
question essentielle concernant la spécification du modèle VAR
est de savoir, si une variable possède un lien de causalité avec
une autre ou non.
Afin de fournir une réponse à cette question,
nous allons utiliser un test de GRANGER (1969) qui est désormais connu
sous l'appellation « la causalité dans le sens de
GRANGER ».
Les étapes de cette étude sont :
- Examiner la stationnarité des différents
variables du modèle ;
- Déterminer le nombre de retard optimal (lag
optimal) ;
- Le test de causalité des variables.
IV.4.4.1.1. TEST DE STATIONNARITE
Les paramètres du modèle VAR ne peuvent
être estimés que sur des séries chronologiques
stationnaires. Une série temporelle est dite stationnaire si elle ne
comporte ni tendance, ni saisonnalité et plus généralement
aucun facteur n'évoluant avec le temps.
La propriété de stationnarité des
séries temporelles de nos 4 variables (IPC, TCO, TCP et M2)
est testée par l'ADF (Augmented Dickey-Fuller). Les résultats
sont présentés dans le Tableau 2 (voir annexe) qui montre que
toutes les variables d'étude ne sont pas stationnaires à niveau
mais le sont à la différence première.
Ainsi toutes les variables sont supposées
stationnaires, ce qui nous permet de passer à la
2eétape.
IV.4.4.1.2. DETERMINATION DU DECALAGE OPTIMAL (LAG
OPTIMAL)
Pour déterminer le nombre de retards, nous avons
utilisés les critères d'AKAIKE (AIC) et de SCHWARZ (SC). Dans le
cas de représentation VAR, ces critères peuvent être
utilisés pour déterminer l'ordre p du modèle (p est le
nombre de retards optimal).
Ainsi, et à partir du tableau ci-dessous, nous pouvons
déterminer le lag optimal de notre modèle.
|
Décalage
|
Critère d'AKAIKE
|
Critère de SCHWARZ
|
|
1
|
71,78564
|
72,68350
|
|
2
|
71,80474
|
73,43729
|
|
3
|
72,45602
|
74,83785
|
|
4
|
71,62058
|
74,77610
|
|
5
|
71,14853
|
75,07188
|
Source : Nos calculs effectués à partir du
logiciel EVIEWS.
Le décalage optimal est de 5 suivant
le critère d'AKAIKE car 71,14856 est la valeur minimale et de 1
en se référant à celui de SCHWARZ. Nous allons
retenir le critère de SCHWARZ en vertu du principe de parcimonie qui
exige à ce qu'on retienne le minimum des minima.
| 
