Impact du déficit budgétaire sur l'inflation en RDC

III.4.2. Estimation du modèle à correction d'erreur à CT

Pour faire la Co-intégration ou modèle à correction d'erreur il faut réunir deux conditions au préalable à savoir :

1. Il faut que tous les variables soient stationnaires intégrés d'ordre = 1

2. Deuxièmement il faut que le résidu soit stationnaire d'ordre 0

Signalons d'abord qu'il existe deux techniques, le plus simples et les plus répandues d'estimation d'un modèle à correction d'erreur (MCE) :

- méthode à trois étapes de Engle et Granger ; qui est requise si on travaille sur un grand échantillon (n=30)

- méthode de Hildreth ; qui est souvent utilisé lorsqu'on travaille sur un petit échantillon.

Dans le cadre de notre étude, la première méthode sera d'application. En fait, elle consiste à estimer directement la relation :

Le coefficient (appelé force de rappel vers l'équilibre) doit être à la fois significatif, systématiquement négatif et compris entre 0 et 1en valeur absolue. Si non, le mécanisme de corrélation de long terme) irait, soit en sens contraire (si est positif) et s'éloignerait de la cible de long terme ; soit il irait dans le même sens (si est négatif) en dépassant immédiatement la cible qu'il est censé corrigé progressivement, et donc en s'écartant d'elle au fil du temps^50(*).

En pratique et en utilisant le logiciel d'économétrie qui est le Eviews, nous avons trouvé les résultats ci-après repris dans le tableau ci-dessous :

Tableau n°7 : La première estimation du modèle à CT

Variable	Coefficient	Std. Error		t-Statistic	Prob.
C	0.104674	0.164448		0.636516	0.5300
D(LDFB,1)	0.068457	0.068682		0.996729	0.3281
D(LDFB(-1),1)	0.008329	0.068145		0.122227	0.9037
D(LPIB,2)	1.121372	0.240880		4.655306	0.0001
D(LPIB(-1),2)	0.593423	0.317619		1.868352	0.0730
D(LINF(-1),1)	-0.416173	0.227404		-1.830107	0.0787
RES(-1)	-0.335244	0.125692		-2.667187	0.0130
R²	0.613566	Variable dépendante moyenne			0.025352
R² ajusté	0.524389	Critère d'Akaik			2.842391
Somme de carré de résidu	21.68843	Critère de Schwarz			3.159832
Log de vraissemblance	-39.89945	F-statistic			6.880321
DW	2.180885	Prob (F-statistic)			0.000185

Comme nous avons procédé dans le long terme, c'est de la même façon ici. Nous allons progressivement éliminer les variables non significatives par la méthode de l'élimination successive. En commence par celle qui est moins significative, à chaque étape, nous allons éliminer la variable dont la contribution était moins importante. En fin, nous retenons la régression finale lorsque tous les coefficients de la régression se sont avérés significatifs par rapport à une valeur critique classique.

Tableau n°8 : Résultat final sur le modèle à court terme

Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(LPIB,2)	0.761034	0.149293	5.097593	0.0000
RES(-1)	-0.321895	0.097266	-3.309451	0.0023
R²	0.555208	Varaible dépendante moyenne		0.050480
R² ajusté	0.541308	Critère d'Akaike		2.659134
Somme de carré de résidu	25.27892	Critère Schwarz		2.748920
Log de vraissemblance	-43.20528	DW		2.304354

* ⁵⁰ BOFOYA, B., M.,;OP. cit. p.86.