Déterminants des taux d'intérêt débiteurs au Burkina Faso

CHAPITRE IV : RESULTATS ET INTERPRETATIONS

Les résultats auxquels nous sommes parvenus sont exposés et interprétés dans le présent chapitre.

IV.1. RÉSULTATS DES DIFFÉRENTS TESTS.

Le seuil fixé dans le cadre de la présente étude pour la prise des décisions est á = 5%.

ü Tests de racine unitaire.

Tableau2: test ADF sur la variable dépendante id.

ADF Test Statistic	-2.812181	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ID)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ID (-1)	-0.283355	0.100760	-2.812181	0.0071
D (ID (-1))	0.111030	0.143025	0.776298	0.4414
C	3.318030	1.180205	2.811401	0.0071
@TREND(1)	-0.006231	0.004342	-1.435225	0.1577

Source: test ADF réalisé par l'auteur avec le logiciel EVIEWS.

Ce résultat montre que la variable id n'est pas stationnaire car la statistique du test ADF est supérieure au seuil critique á = 5%. Le trend n'étant pas significatif, il s'agit donc d'un processus stochastique à tendance stochastique ou processus DS. Sa stationnarisation nous dira s'il est avec ou sans dérive.

Pour stationnariser un processus DS, on utilise une technique dite de filtre aux différences, c'est-à-dire la différenciation, d'où le nom de processus DS (Differency Stationnary).

Cette technique sera utilisée pour stationnariser toutes les variables qui apparaitront comme des processus DS dans la suite de l'étude de la stationnarité des variables retenues.

Tableau3: test ADF en différence première de id.

ADF Test Statistic	-5.184194	1% Critical Value*		-2.6081
		5% Critical Value		-1.9471
		10% Critical Value		-1.6191
Augmented Dickey-Fuller Test Equation
Dependent Variable : D (ID, 2)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D (ID (-1))	-1.033534	0.199362	-5.184194	0.0000
D (ID (-1), 2)	0.004755	0.139763	0.034023	0.9730

Source : test ADF en différence première réalisé par l'auteur.

Le test ADF en différence première rend la variable id stationnaire car la statistique du test est inférieure au seuil á de 5%. Elle est donc intégrée d'ordre 1. Id ~I(1) et est un processus DS sans dérive car la constante n'étant plus significative.

Tableau4: test ADF sur la variable explicative es.

ADF Test Statistic	-2.170353	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ES)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
ES (-1)	-0.096973	0.044681	-2.170353	0.0350
D(ES (-1))	0.539648	0.123145	4.382204	0.0001
C	0.494274	0.216599	2.281977	0.0270
@TREND(1)	0.003006	0.002381	1.262352	0.2129

Source : test ADF réalisé par l'auteur sur EVIEWS.

Elle est non stationnaire et son trend non significatif, il s'agit donc d'un processus DS. Il faut donc la stationnariser.

Tableau5 : test ADF en différence première de es.

ADF Test Statistic	-4.949747	1% Critical Value*		-2.6081
		5% Critical Value		-1.9471
		10% Critical Value		-1.6191
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(ES, 2)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(ES (-1))	-0.666667	0.134687	-4.949747	0.0000
D(ES (-1), 2)	0.333333	0.134687	2.474874	0.0168

Source : test ADF en différence première réalisé par l'auteur.

La variable es devient stationnaire après sa différenciation première ; elle est donc intégrée d'ordre 1. es~I(1) et sans dérive.

Tableau6: test ADF sur la variable tp.

ADF Test Statistic	-2.379640	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(TP)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TP (-1)	-0.104026	0.043715	-2.379640	0.0214
D (TP (-1))	0.545916	0.120422	4.533354	0.0000
C	0.460499	0.191796	2.400982	0.0203
@TREND(1)	-0.000305	0.000549	-0.555265	0.5813

Source: test ADF réalisé par l'auteur.

La variable tp est non stationnaire avec un trend non significatif. C'est un processus DS. La constante est significative, mais nous verrons si elle le restera après sa stationnarisation.

Tableau7 : test ADF en différence première de tp.

ADF Test Statistic	-4.949747	1% Critical Value*		-2.6081
		5% Critical Value		-1.9471
		10% Critical Value		-1.6191
Augmented Dickey-Fuller Test Equation
Dependent Variable: D (TP, 2)
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D (TP (-1))	-0.666667	0.134687	-4.949747	0.0000
D (TP (-1), 2)	0.333333	0.134687	2.474874	0.0168

Source : test ADF en différence première réalisé par l'auteur.

tp est stationnaire après sa différenciation première. Elle est intégrée d'ordre 1 et est sans dérive. tp ~I(1).

Tableau8: test ADF sur tmm.

ADF Test Statistic	-3.143423	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(TMM)
Included observations: 52 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TMM (-1)	-0.337374	0.107327	-3.143423	0.0029
D (TMM (-1))	0.104537	0.133596	0.782490	0.4378
C	1.335212	0.445799	2.995097	0.0043
@TREND(1)	-0.004736	0.002884	-1.642248	0.1071

Source : test ADF réalisé par l'auteur.

Il ya non stationnarité de la variable tmm car la statistique du test ADF est supérieure au seuil á = 5%. Son trend est non significatif ; il s'agit d'un processus DS. Procédons à sa stationnarisation.

Tableau9: test en différence première de tmm.

ADF Test Statistic	-7.098535	1% Critical Value*		-2.6081
		5% Critical Value		-1.9471
		10% Critical Value		-1.6191
Augmented Dickey-Fuller Test Equation
Dependent Variable: D (TMM, 2)
Method: Least Squares
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D (TMM (-1))	-1.336102	0.188222	-7.098535	0.0000
D (TMM (-1), 2)	0.269492	0.129174	2.086270	0.0422

Source : test ADF en différence première réalisé par l'auteur.

Le processus est stationnaire dès sa première différenciation. Il est intégré d'ordre 1 et est sans dérive. tmm ~I(1).

Tableau10: test ADF sur tms.

ADF Test Statistic	-2.994842	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(TMS)
Method: Least Squares
Variable	Coefficient	Std. Error	t-Statistic	Prob.
TMS (-1)	-0.368504	0.123046	-2.994842	0.0043
D (TMS (-1))	0.013492	0.144307	0.093494	0.9259
C	1.484637	0.507879	2.923210	0.0053
@TREND(1)	-0.005584	0.003314	-1.685336	0.0984

Source: test ADF réalisé par l'auteur.

tms n'est pas stationnaire et son trend non significatif. Elle est donc un DS. Effectuons le test ADF sur sa différence première pour voir si elle deviendra stationnaire ou non.

Tableau11: résultat du test en différence première de tms.

ADF Test Statistic	-7.880078	1% Critical Value*		-2.6081
		5% Critical Value		-1.9471
		10% Critical Value		-1.6191
Augmented Dickey-Fuller Test Equation
Dependent Variable: D (TMS, 2)
Method: Least Squares
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D (TMS (-1))	-1.600150	0.203063	-7.880078	0.0000
D (TMS (-1), 2)	0.369374	0.132860	2.780167	0.0077

Source: test ADF en différence première réalisé par l'auteur.

Processus stationnaire après la différenciation première. Il s'agit alors d'un processus DS sans dérive. tms ~I(1).

Tableau12 : Test ADF sur pi.

ADF Test Statistic	-4.963127	1% Critical Value*		-4.1420
		5% Critical Value		-3.4969
		10% Critical Value		-3.1772
Augmented Dickey-Fuller Test Equation
Dependent Variable: D(PI)
Method: Least Squares
Variable	Coefficient	Std. Error	t-Statistic	Prob.
PI (-1)	-0.993990	0.200275	-4.963127	0.0000
D (PI (-1))	0.015282	0.141344	0.108123	0.9143
C	0.676048	0.377443	1.791125	0.0796
@TREND(1)	-0.012718	0.011640	-1.092631	0.2800

Source : test ADF réalisé par l'auteur.

La variable pi est stationnaire avec une constante et un trend non significatifs. Il s'agit donc d'un DS sans dérive.

Toutes les variables sont non stationnaires et intégrées d'ordre 1 car leur différenciation première est stationnaire, à l'exception de la variable taux d'inflation (pi) qui est stationnaire. Pour s'assurer de la non cointégration des variables, l'on doit faire un test de cointégration. Nous choisissons dans le cas de notre étude, le test de cointégration de Johansen qui est adapté.

ü test de cointégration de Johansen.

Tableau13: résultat du test.

Series: DID DES DTP DTMM TMS PI
Lags interval: 1 to 1
	Likelihood	5 Percent	1 Percent	Hypothesized
Eigenvalue	Ratio	Critical Value	Critical Value	No. of CE(s)
0.724572	176.0335	82.49	90.45	None **
0.493512	110.2726	59.46	66.52	At most 1 **
0.459025	75.57967	39.89	45.58	At most 2 **
0.409144	44.24615	24.31	29.75	At most 3 **
0.286131	17.41081	12.53	16.31	At most 4 **
0.004323	0.220926	3.84	6.51	At most 5
*(**) denotes rejection of the hypothesis at 5%(1%) significance level L.R. test indicates 5 cointegrating equation(s) at 5% significance level

Source : test de Johansen réalisé par l'auteur.

Le rang de cointégration est 5, on accepte donc l'hypothèse de cointégration des variables. On se doit dès lors d'estimer un modèle à correction d'erreur.