III. DEUXIEME
PARTIE
Dans cette partie, le modèle utilisé sera
l'objet d'une analyse qui consistera essentiellement à présenter
les variables et la méthode statique utilisée, d'une part, et
l'interprétation des résultats de l'estimation, d'autre part.
CHAPITRE III : ANALYSE DU MODELE
Dans ce chapitre, nous présenterons les variables et la
spécification du modèle économétrique, puis la
méthode d'analyse.
III-1- Les variables, leurs définitions
opérationnelles et
la spécification du
modèle
III-1-1-Les variables et leurs définitions
opérationnelles
Défini comme la diminution du coût de conversion
d'un actif non liquide en un actif liquide (Baptiste Venet, 2000), le
développement financier améliore la croissance de long terme de
l'économie grâce à l'augmentation de la productivité
marginale de l'investissement qu'il génère. .Du point de vu du
développement financier (DF), nous étudierons l'évolution
de l'épargne et du financement bancaire de l'économie.
Nous croyons que leurs choix tiennent au fait que ces
indicateurs contiennent les informations suffisantes à
l'appréciation du développement financier dans les PVD en
général, et particulièrement en Côte d'Ivoire.
III-1-1-1- Présentation des variables
expliquées
Selon Demetriades et Luintel (1997), Demetriades et Hussein
(1996a) nous utiliserons le ratio Dépôt bancaire
(dépôt à vu et à terme) sur le produit
intérieur brut, pour analyser l'évolution de la mobilisation de
l'épargne. Ce ratio noté LDBP, nous permettra
d'observer la capacité des banques à mobiliser les
dépôts dans un environnement financier segmenté.
L'indicateur du financement de l'économie a
été choisi parmi les mesures standard proposées par King
et Levine (1993). Il se rapporte essentiellement au financement bancaire. Cet
indicateur noté LFBP englobe le financement du secteur
privé et le financement du secteur public. LFBP
représente la somme des créances fournie par le système
bancaire à l'économie, le tout rapporté au PIB.
III- 1-1-2- Présentation des variables de
contrôle
Les variables de contrôle que nous utiliserons sont une
mesure du développement économique, les taux
d'intérêt, l'indicateur de l'option de politique
financière, un indicateur qui mesure la dégradation du
portefeuille bancaire, un indicateur d'instabilité sociopolitique et en
fin, un indicateur d'effet d'encaisse réelle.
La mesure du développement économique retenue
ici est le produit intérieur brut réel par habitant,
noté LPRH. Cet indicateur montre de façon
générale l'évolution du revenu des populations et leur
capacité à accéder au bien être. Cet indicateur
montre donc le rôle du revenu dans la décision d'épargner.
Le signe attendu du coefficient est positif.
Quant aux taux d'intérêt, le taux
créditeur réel (TCRE) a été retenu
pour l'analyse de l'évolution des dépôts bancaires. Le taux
d'intérêt constitue le principal déterminant de
l'épargne chez les classiques (Tchétché, 1995). Dans cette
optique, le taux d'intérêt apparaît comme la
rémunération du transfert temporaire du pouvoir d'achat. L'agent
économique qui réalise une épargne à la
période t se prive de la consommation présente.
La libéralisation financière permet d'augmenter
le taux d'intérêt en terme réel, ce qui est susceptible
d'encourager l'épargne si l'effet substitution domine
l'effet revenu. Le signe attendu du coefficient est positif.
Concernant la rémunération des créances bancaires le taux
débiteur réel (TDRE) est le mieux
indiqué. Nous n'avons pas préféré le taux du
marché monétaire parce que selon Diop (1998), ce dernier n'exerce
pas d'effet statiquement significatif à long terme sur les taux
d'intérêt débiteur de l'UEMOA. Pour transformer les taux
d'intérêts nominaux en taux réels, nous avons
utilisé la formule suivante :  , avec î le taux d'intérêt réel.
Nous avons alors î= {TCRE ; TDRE} avec i
le taux d'intérêt nominal, ð le taux d'inflation.
Le choix des taux d'intérêt met en
évidence l'impact indirect de la libéralisation
financière sur l'intermédiation bancaire.
Analysé sous l'angle de la politique financière
contrainte, l'indice de politique financière (IPF)
mesurant l'impact direct de libéralisation financière
sur le développement financier peut être considéré
comme un indicateur de l'efficacité des banques dans leur rôle
d'intermédiaire. Cet indicateur tente aussi de quantifier le niveau de
l'ensemble des mesures directes de politique financière libérale
mises en place par des autorités monétaires. En effet, suivant
Courakis (1984), Demetriades et Luintel (1996) montrent que les banques en
position de monopole et soumises par exemple à un taux
d'intérêt créditeur fixe sont contraintes de s'y prendre
autrement pour accroître leurs fonds prêtables (ouverture de
nouvelles agences, publicité etc.). King et Levine (1993 b)
présentent un impact direct négatif en montrant que les
impôts sur les services financiers affectent les innovations
financières proposées par Pagano (1993). Bandiera et al (2000),
analysant l'impact de la libéralisation financière sur
l'épargne dans huit pays en développement, trouvent que la
libéralisation financière a eu un impact direct
positif.
En effet, la libéralisation financière a pour
but de développer et d'approfondir le système financier par
rapport à la situation de répression financière où
le système financier est administré. Le développement
financier et l'approfondissement financier (output) peuvent être
considérés comme le résultat des politiques de
libéralisation financière (input).
En ce qui concerne la Côte d'Ivoire l'indicateur de
l'option de politique financière noté IPF, est
construit également suivant la méthodologie proposée par
Demetriades et Luintel (1997). Cette méthode consiste à
élaborer un indicateur d'orientation de la politique financière
en utilisant la technique de l'Analyse en Composante Principale (ACP) (voir le
chapitre II). Selon la méthode de codification binaire, onze mesures
qualitatives (voir annexe II) de politique financière ont
été transformées en variables quantitatives. Dès
lors, pour chaque mesure de politique financière, on affecte la valeur 1
lorsque l'administration par les autorités monétaires de la
variable est effective, et 0 lorsque la mesure est libéralisée
(voir annexe 2). Par exemple, concernant les taux d'intérêt
créditeur, on attribue la valeur 1 à la période durant
laquelle il y'a eu des taux planchers et 0 lorsque la
rémunération de l'épargne n'est plus soumise à la
mesure. Une évolution ascendante indique une répression
financière et le cas échéant, une libéralisation
financière.
Graphique 1 : l'évolution de l'indice de
politique financière
Source : nos calculs
En générale, le risque d'instabilité
sociopolitique, est contenu dans le calcul de l'ICRG (International Country
Risque Guide). En effet, l'ICRG est un indice synthétique de plusieurs
types de risque. Cet indice met en évidence la capacité et la
volonté des pays à honorer leurs obligations financières,
et surtout donne une idée du risque attaché aux investissements
et aux financements bancaires. Nous croyons que le système bancaire
considère l'évolution de cet indicateur, qui d'ailleurs s'est
dégradé ces dernières années.
Pour des raisons simplificatrices et en absence d'une longue
série de l'ICRG pour la Côte d'Ivoire, nous construisons un indice
de risque d'instabilité sociopolitique. Nous avons donné la
valeur « 0 » aux années de stabilité
sociopolitique et la valeur « 1 » aux années
d'instabilité sociopolitique. La valeur « 2 » a
été donnée aux années de grande instabilité
sociopolitique. En effet, la valeur « 0 » a
été affectée à la période 1970-1989. Avec
l'avènement du multipartisme en 1990, la société
ivoirienne a amorcé une phase d'instabilité sociopolitique
récurrente. La valeur « 1 » a donc été
affectée à la période 1990-1999. La valeur
« 2 », par contre a été affectée
à la période 2000-2003, compte tenu des différentes
manifestations sociopolitiques violentes et surtout de la partition du
territoire ivoirien. D'après cette construction, le signe du coefficient
devrait être négatif.
Nous retenons l'inflation comme variable. Le taux d'inflation
( Ð) est mesuré par l'indice de prix à la
consommation. Il agit sur l'épargne, à travers l'effet d'encaisse
réel, qui s'exprime par le comportement des individus qui cherchent
à compenser l'érosion de leur patrimoine lorsque l'inflation
s'accélère. En effet, pour les économistes classiques, il
existe un comportement de reconstitution des encaisses réelles qui
inciteraient les ménages à préserver le pouvoir d'achat de
leurs économies et donc à épargner davantage dans un
contexte inflationniste. Pour d'autres (les keynésiens), ce même
contexte les inciterait à la consommation, soit qu'ils anticipent des
hausses de prix de plus en plus fortes, soit qu'ils considèrent inutile
de conserver par devers eux des liquidités qui se
déprécient.
Le taux d'inflation a été approximé par
le taux d'inflation actuel pour la simple raison que la Côte d'Ivoire
appartient à la zone UEMOA, zone de faible inflation (Eboue, 99).
Dès lors, nous considérons à ce titre les anticipations
d'inflation comme statique.
L'indicateur retenu pour mesurer la qualité des
crédits est le taux brut de dégradation du portefeuille des
banques. Il est défini comme le rapport entre les créances
irrécouvrables bancaires et le total des crédits bancaires. Les
créances irrécouvrables sont la somme des crédits
impayés et immobilisés (c'est-à-dire dont au moins une
échéance est impayée depuis moins de 6 mois), des
crédits douteux et litigieux (c'est-à-dire dont au moins une
échéance est impayée depuis plus de 6 mois). Cet
indicateur de risque traduit la probabilité moyenne de défaut
des clients bancaires. Nous l'utilisons comme une variable Proxy pour mesurer
la capacité et la fiabilité du système d'information des
banques. Il faut souligner que la question des créances
irrécouvrables a fait l'objet de nombreuses analyses, notamment sous
l'égide de la BM, surtout lorsque leur niveau a atteint dans plusieurs
pays en développement, un stade proprement alarmant, pour reprendre les
propos de Fry (1995). Amable et Châtelain (1995) montrent que
l'efficacité de l'intermédiation bancaire dépend entre
autres, de l'aversion pour le risque des ménages, des coûts de
fonctionnements liés au contrôle du système financier, des
coûts liés aux problèmes d'agence et des inerties
liées à l'imperfection du marché du crédit. Par
ailleurs les créances bancaires irrécouvrables constituent la
problématique centrale de l'étude de Keeton (1999), qui porte sur
les Etats-Unis. Toutefois, l'optique prise limite l'analyse aux rapports entre,
d'une part, l'accélération du rythme des crédits bancaires
aux entreprises commerciales et industrielles, et, d'autre part, le taux
d'accumulation des pertes sur ces créances. L'auteur montre que cette
relation est positive si seulement si la source d'une croissance rapide
des prêts bancaires est un mouvement de la courbe d'offre de
crédits. Il faut toute fois noter qu'un niveau élevé
du taux de dégradation du portefeuille des banques dans un
système bancaire peut être un signe de la fiabilité
douteuse du système d'information. Dans le cas de la Côte
d'Ivoire, nous mettons en évidence la fiabilité et la
capacité du système d'information des banques à travers
l'impact du taux brut de dégradation du portefeuille des banques sur le
financement bancaire.
Graphique II : évolution du taux de
dégradation du portefeuille des banques
Source : nos calculs
III-1-2- La spécification du modèle
économétrique.
Nous présenterons d'abord le modèle puis la
méthode d'analyse.
III-1-2-1- Présentation du modèle
Le modèle économétrique
général utilisé dans le schéma
présenté par Demetriades et Luintel (1996), Arestis et
Demetriades (1997) est le suivant :
Avec DF, un indicateur de
développement financier;
DE, un indicateur
de développement économique;
TI, les taux
d'intérêt;
IPF, l'indicateur de politique
financière ;
Ut, le terme de l'erreur.
Le L placé devant les variables traduit
l'utilisation du logarithme népérien.
Le point commun des thèses sur la théorie de la
libéralisation financière est le fait de prendre en compte les
caractéristiques de chaque économie et la structure des
systèmes financiers dans la formulation des politiques
financières. Compte tenue de nos hypothèses et de la
définition opérationnelle de notre spécification en nous
appuyant sur celui de Bandiera et alii (2000). Nous avons donc deux
équations :
-D'une part, celle qui met en évidence l'impact
indirect de la libéralisation
financière sur la mobilisation des dépôts
bancaires ou l'épargne
financière ;
Avec LDPB, le logarithme du ratio
Dépôt bancaire (dépôt à vu et à terme)
sur le produit intérieur brut ;
LPRH, le log du
produit intérieur brut réel par habitant ;
TCRE, le taux d'intérêt
créditeur réel ;
IPF, le log de l'indicateur de politique
financière ;
Ð, le taux
d'inflation ;
-D'autre part, celle qui met en évidence l'impact
direct de la libéralisation financière sur le financement
bancaire de l'économie et qui met en évidence l'impact de la
dégradation du portefeuille des banques sur le financement bancaire.
Avec LFBP, le log
de l'indicateur de développement financier relatif au financement
bancaire :
LPRH : le log du produit
intérieur brut réel par habitant :
TDRE, le taux débiteur réel
bancaire ;
LCRI, le log de l'indicateur de
dégradation du portefeuille bancaire ;
IPF, le log de l'indicateur de politique
financière ;
LINSTA, le log de l'indicateur
d'instabilité socio-politique ;
Ut, le terme de l'erreur.
III-2- La méthode d'analyse
La méthode d'estimation économétrique est
celle des MCO (Moindres Carrés Ordinaires).Notre échantillon se
portera sur des séries statistiques qui recouvrent 33 années
(1970-2003). La collecte des données s'est faite auprès des
institutions telles que la BCEAO, l'INS (Institut National de la Statistique),
la commission bancaire de l'UEMOA. Pour l'application de la régression,
nous utiliserons Eviews 4.1 qui est un logiciel disponible à cet effet.
L'estimation de telles équations par les MCO, nécessite
l'application de certains tests.
III-2-1- Présentation des tests
économétriques
Dans cette section, nous analyserons les différents
tests économétriques qui nous permettrons d'effectuer une bonne
estimation de nos différents coefficients.
III-2-1-1- Multicolinéarité et ordre
d'intégration des variables.
Il s'agira ici de faire le test de
multicolinéarité, puis celui de racine unitaire.
III-2-1-1-1-Test de multicolinéarité
Le test de multicolinéarité entre les variables
explicatives des modèles vise à faire une meilleure
sélection des variables. En effet l'existence d'une
multicolinéarité entre les variables peut avoir trois principales
conséquences (bourbonnais, 1998) :
- une augmentation de la variance estimée de certains
coefficients.
- Une instabilité des estimateurs des coefficients des
moindres carrés, dans la mesure ou de faibles fluctuations concernant
les données entraînerait de fortes variations des valeurs
estimées des coefficients.
- Une singularité de la matrice (X'X) des variables
explicatives en cas de multicolinéarité parfaite. L'estimation
des coefficients estimés est alors impossible, et leurs variances sont
infinies.
Pour la détection d'une éventuelle
multicolinéarité, nous utiliserons le test de Klein (1962). Ce
test consiste à comparer les coefficients de détermination  y de chaque équation de long terme estimée aux
coefficients de corrélation simple  (Xi ;Xj) des variables explicatives. Si   (Xi ;Xj) alors on conclut qu'il n'y a pas de présomption de
multicolinéarité (Y étant la variable dépendante et
Xi, Xj les variables explicatives).
III-2-1-1-2- L'ordre d'intégration des
variables
III-2-1-1-2-1- Analyse de la stationnarité
Le test de ADF (Augmented Dickey-Fuller) est le plus souvent
celui qui est utilisé pour l'analyse de la stationnarioté des
variables. Selon plusieurs auteurs (Engle et Granger ,1987) ; Engle et Yoo
(1987)), pour faire le test ADF, il faut considérer individuellement
chaque variable en faisant une régression de cette variable par rapport
à ses valeurs retardées. Ainsi, par exemple si Xt est une
variable, on fait la régression suivante :
Le test ADF consiste à vérifier
l'hypothèse nulle Ho selon laquelle b1= 0 contre l'hypothèse
alternative H1 : b1> 1 (absence de racine unitaire). D'après
Engle et Yoo (1987), cette hypothèse nulle est rejetée si la
pseudo statistique t résultant de l'équation nulle est
inférieure à la valeur absolue de la valeur critique. Autrement
dit,
- si la valeur de l'ADF test statistique est
supérieure à la valeur critique au seuil á choisi, on
accepte H0 c'est-à-dire que la série admet une racine unitaire.
Ceci équivaut à dire que la série n'est pas
stationnaire ;
- si la valeur de l'ADF test statistique est inférieure
à la valeur critique au seuil á choisit, on rejette H0,
c'est-à-dire que la série n'admet pas une racine unitaire. Ceci
veut dire que la série est stationnaire.
b- Analyse de la cointégration
La cointégration permet de vérifier l'existence
d'une relation de long terme entre les variables du modèle. Deux
méthodes sont utilisées, à titre comparatif, pour tester
la cointégration des variables, notamment celle de Engle et Granger
(1987) et celle de Johansen (1988). Dans notre étude nous utiliserons
celle de Johansen (1988)
La
méthode de Johansen
Le test de cointégration développé par
Johansen (1988) et appliqué par Johansen et Juliesus (1990) utilise la
méthode du maximum de vraisemblance pour déterminer la
présence de vecteurs cointégrants dans les séries
stationnaires. La méthode de Johansen établit les séries
non stationnaires comme un vecteur autorégressif (VAR) :
ÄXt = c+ Ói ÄXt-i +
Ët-1 + ït
Ou  est un vecteur de variable non stationnaires (en
niveau) et c le terme de la constante. La matrice d'information entre les
variables Ë est décomposée de sorte que
Ë = á â', á étant la matrice
des coefficients d'ajustement et â la matrice des vecteurs
cointégrants. La constance est introduite pour capturer les
caractéristiques de tendances des séries testées.
Cette méthode permet de détecter le nombre de
vecteurs cointégrant et de tester leur significativité.
L'existence d'un ou de plusieurs vecteurs significatifs indique alors la
présence d'une relation stable de long terme.
III-2-2- Les tests de validation du modèle
Cette série de tests comprend les tests de
normalité, d'hétéroscédasticité,
d'autocorrélation des erreurs.
III-2-2-1- Test de normalité
Le fait de savoir si les erreurs de notre modèle
suivent une loi normale se vérifie par le test de Jarque- Bera (J-B). La
statistique J-B suit, sous l'hypothèse de normalité, une loi du
Khi- Deux à deux degré de liberté. Ainsi, on accepte, au
seuil de 5 % l'hypothèse de normalité si J-B < 5,99 ou si
Probabilité > 0,05.
III-2-2-2-Test
d'hétéroscédasticité
En présence d'autocorrélation, l'estimateur des
MCO est sans biais, mais n'est plus à variance minimale. A ce niveau,
c'est le test de White qui a été effectué sur notre
modèle. Il ressort de ce test qu'il n'existe pas de problème
d'heteroscedasticité puisqu'il suffit que Probabilité soit
supérieur à 5 %.
III-2-2-3-Test d'autocorrélation
En présence d'autocorrélation, les
conséquences sont les mêmes puisque lorsque le modèle est
hétéroscédastique, les MCO sont sans biais mais pas
à variance minimale. Ici, on adopte le test de Durbin-Watson. Celui-ci
nous indique qu'il existe une autocorrélation des erreurs.
Pour corriger l'autocorrélation, on utilise la
méthode de Cochrane Orcutt
| 
