Analyse des canaux de transmission de la politique monétaire dans un pays en développement. Cas de la R.D. Congo.

1. Test de stationnarité des variables

Le processus aléatoire qui intéresse particulièrement les analystes des séries chronologiques est le processus stationnaire c'est-à-dire le processus dans « lequel les données fluctuent autour de la moyenne constante indépendamment du temps ».^46(*)

Ainsi, avant le traitement d'une série chronologique, il convient d'en étudier les caractéristiques stochastiques. Si ces caractéristiques c'est-à-dire l'espérance mathématique et la 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.^47(*) Pour ce faire, on effectue le test de racine unitaire, le plus usité est celui de Dickey Fuller Augmenté, qui permet à la fois de voir la stationnarité ou non stationnarité des séries, mais aussi le type de non stationnarité.

En effet, nous distinguons trois types de processus non-stationnaires, les processus affectés d'une tendance appelés TS (Trend Stationary) qui présentent une tendance déterministe, les processus affectés d'une tendance aléatoire [processus DS (Differency Stationnary)] et les processus affectés à la fois par tendance déterministe et stochastique (mixte).^48(*)

Tableau 10 : Résultats des tests de stationnarité sur les variables

Séries	Test à niveau					Stationnarisation			Ordre d'intégration
	ADF	Seuil	VCM		DECISION	ADF	VCM	DECISION
LCRE	5 ,60	1%	-2,62		NS	-4,14	-2,62	Stationnaire en différence première (sans trend, ni intercepte)	I(1)
		5%	-1,95				-1,95
		10%	-1,61				-1,61
LTC	2,33	1%	-2,62		NS	-5,52	-2,62	Stationnaire en différence première (sans trend, ni intercepte)	I(1)
		5%	-1,95				-1,95
		10%	-1,61				-1,61
LIPC	6,90	1%	-2,62		NS	-1,99	-2,62	Stationnaire en différence première (sans trend, ni intercepte)	I(1)
		5%	-1,95				-1,94
		10%	-1,62				-1,61
LPIB	-0,28	1%	-3,60	NS		-3,37	-3,60	Stationnaire en différence première (sans trend, avec intercepte)	I(1)
		5%	-2 ,93				-2,93
		10%	-2,60				-2,60

Source : Calculs de l'auteur à l'aide du logiciel E-views 7

Pour vérifier la stationnarité de nos séries, étape indispensable (condition) à l'étude des séries temporelles ou à l'estimation du VAR, nous nous sommes servi du test de Dickey-Fuller Augmenté (ADF), sous l'hypothèse selon laquelle les séries sont affectées d'une tendance linéaire et que les erreurs sont auto corrélées (le test portant sur des modèles autorégressifs). Il ressort de ce tableau que les valeurs des statistiques d'ADF des variables sous étude sont toutes supérieures aux valeurs critiques de Mackinnon au seuil de 5% après différenciation. Elles deviennent tous stationnaires après être une fois différenciés ou intégrées.

* ⁴⁶ KINTAMBU MAFUKU, Cours d'Introduction à l'Econométrie, Faculté des Sciences Economiques et de Gestion, Université de Kinshasa, 2007, P.117.

* ⁴⁷ R. BOURBONNAIS, Cours d'Econométrie, Opcit, P.225.

* ⁴⁸ BOSONGA BOFEKI, Cours des Statistiques III, inédit, Faculté des Sciences Economiques et de Gestion, Université de Kinshasa, 2013.