Investissement dans le secteur agricole et la croissance économique

4.2.2. L'estimation du modèle VAR et analyse des chocs

L'estimation du modèle VAR est généralement faite par les MCO et les problèmes posés par la violation des hypothèses sous-tendant l'usage de la méthode des MCO sont traités comme d'habitude.

L'une des utilisations du modèle VAR est l'analyse des impacts ou des effets de la politique économique qui est faite à travers des simulateurs de chocs aléatoires(ou des innovations) et de la décomposition de la variance des erreurs. Il s'agit donc de la fonction des réponses i mpulsionnellesimpulses réponses.

4.2.3 Dynamique du modèle VAR

Pour mener l'analyse dynamique VAR(p), il faut trouver la représentation V MA (Vecteur Moyenne Mobile) du modèle VAR(p). Le modèle sous-la forme (VMA) va permettre de mesurer l'impact d'une variation des innovations (chocs) sur les valeurs des variables dans le vecteur autorégressif(VAR) pour horizon de temps donné.

4.2.4. Démarche du modèle VAR

La résolution du problème se fait en quatre étapes suivantes :

1. Vérification de la stationnarité

2. Détermination du décalage optimal

3. Estimation des paramètres et

4. Prévision

1. Notion de Stationnarité

1.1 Définition

Avant tout traitement d'une série chronologique, il convient d'en étudier les caractéristiques stochastiques. Si ces caractéristiques c'est-à-dire son espérance mathématique et sa variance se trouvent modifier dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d'un processus stochastique invariant, la série temporelle est alors stationnaire. De manière formalisée un processus^4(*).

Stochastique stationnaire si :

La moyenne est constante et indépendante du temps ;

Var ( , la variance est finie et indépendante du temps ;

La covariance est indépendante du temps.

Il apparaît, à partir de ces propriétés, qu'un processus de bruit blanc dans lequel les sont indépendants et de même loi N ( ).

Une série chronologique est stationnaire, si elle est réalisation d'un processus stationnaire. Ceci implique que la série ne comporte ni tendance, ni saisonnalité et plus généralement aucun n'évoluant avec le temps. 

1.2. Tests de stationnarité : tests de Dickey-Fuller et Dickey-Fuller augmenté

Les tests de Dickey-Fuller permettent non seulement de détecter l'existence d'une tendance (test de racine unitaire) mais aussi de déterminer la bonne manière de stationnariser une chronique. En effet, nous distinguons deux types de processus non stationnaires :

* ⁴REGIS BOURBONNAIS, Econométrie, manuel et exercice corrigés, 6è éd. Dunod, Paris, 2005, pp.223-225.