III.3. ANALYSE DE LA STATIONNARITE DES VARIABLES
Avant le traitement d'une série chronologique, il
convient d'en étudier les 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 stationnaire
(Bourbonnais, 2015). Dans la mesure où les chroniques économiques
sont rarement des réalisations de processus aléatoires
stationnaires, il s'avère nécessaire de procéder au test
de stationnarité. Pour ce faire, le test de Dickey-Fuller
Augmenté (ADF) a été d'usage dans cette démarche.
Le tableau ci-dessous résume les résultats dudit test.
Tableau n° 05 : Test de racine unitaire
(test de stationnarité des variables)
|
Variables
|
ADF
|
Variables à niveau
|
Variables en différence première
|
Décision
|
|
(3)
|
(2)
|
(1)
|
(3)
|
(2)
|
(1)
|
|
LINF
|
-6,847***
|
Non
|
Non
|
Non
|
Non
|
Non
|
Oui
|
I(1)
|
|
LIMP
|
-4,894***
|
Non
|
Non
|
Non
|
Non
|
Non
|
Oui
|
I(1)
|
|
LMM
|
-3,300***
|
Non
|
Non
|
Non
|
Non
|
Non
|
Oui
|
I(1)
|
|
TCH
|
-3,116***
|
Non
|
Non
|
Non
|
Non
|
Non
|
Oui
|
I(1)
|
|
TC
|
-5,623***
|
Non
|
Non
|
Non
|
Non
|
Non
|
Oui
|
I(1)
|
|
DB
|
-7,202***
|
Oui
|
Non
|
Non
|
Non
|
Non
|
Non
|
I(0)
|
(***) indique que les variables sont
stationnaires au seuil de 1%. (3), (2) et (1) désignent respectivement
le modèle avec trend et intercept, le modèle avec intercept et
enfin le modèle sans trend ni intercept.
Source : nos analyses sur base du logiciel
Eviews10.
A la lecture du présent tableau, il se dégage
une situation selon laquelle toutes les variables sont stationnaires à
la 1ère différence pour un modèle sans tendance
ni terme constant à l'exception de la variable DB qui est sationnaire
à niveau pour un modèle avec tendance et terme constant. Vu que
toutes les variables (à l'exception de la variable DB) sont
intégrées d'ordre I, il existe alors un rique de
cointégration ; d'où l'analyse de la cointégration
dans la point suivant.
III.4. ANALYSE DE LA COINTEGRATION
Pour tester la cointégration de nos séries, nous
avons utilisé l'approché de Johansen (1988). En effet, cette
approche permet d'identifier la relation d'équilibre de long terme entre
deux ou plusieurs variables intégrées d'ordre différent en
recherchant l'existence d'un vecteur de cointégration,
c'est-à-dire s'assurer de la convergence des sentiers de croissance des
variables sur le long terme. Ci-dessous les résultats du test de
cointégration.
Tableau n° 06 : résumé du test
de cointégration de Johansen
|
|
|
|
|
|
Unrestricted Cointegration Rank Test (Trace)
|
|
|
|
|
|
|
|
|
|
|
|
|
Hypothesized
|
|
Trace
|
0.05
|
|
|
No. of CE(s)
|
Eigenvalue
|
Statistic
|
Critical Value
|
Prob.**
|
|
|
|
|
|
|
|
|
|
|
|
None *
|
0.833443
|
127.0496
|
83.93712
|
0.0000
|
|
At most 1 *
|
0.561807
|
64.31489
|
60.06141
|
0.0209
|
|
At most 2
|
0.383625
|
35.43653
|
40.17493
|
0.1384
|
|
At most 3
|
0.323555
|
18.50003
|
24.27596
|
0.2248
|
|
At most 4
|
0.127730
|
4.818371
|
12.32090
|
0.5931
|
|
At most 5
|
0.001011
|
0.035387
|
4.129906
|
0.8777
|
|
|
|
|
|
|
|
|
|
|
|
Trace test indicates 2 cointegrating eqn(s) at the 0.05
level
|
|
* denotes rejection of the hypothesis at the 0.05 level
|
|
**MacKinnon-Haug-Michelis (1999) p-values
|
|
Sources : test effectué à l'aide du logiciel
Eview 10.
Le test de cointégration effectué sindique la
présence de deux relations d'équilibre à long terme parce
qu'on obtient deux valeurs statistiques de la trace supérieur aux
valeurs critiques au seuil de 5%.
Etant donné que le vecteur de cointégration
n'est pas unique, la méthode d'Engle-Granger n'est plus valide et les
estimateurs des MCO ne sont plus consistants quels que soient les vecteurs de
cointégration. Nous devons, dans ce cas, faire appel à la
représentation vectorielle à correction d'erreur (VECM, «
Vector Error Correction Model ») qui est estimée par la
méthode du maximum de vraisemblance (Bourbonnais, 2015).
| 
