Memoire Online - L'efficacité de la politique monétaire en Haiti (octobre 1996 - septembre 2007)

A travers ce chapitre, nous allons dans un premier temps présenter les différentes variables de notre étude. C'est ainsi il sera question de tester la stationnarité des différentes séries prises en compte et étudier d'éventuelle cointégration entre les séries considérées. Dans un deuxième temps nous allons spécifier le modèle à vecteur autorégressif et d'étudier la causalité du système ainsi que son estimation, enfin on aboutira à l'étude des fonctions de réponses aux chocs et de la décomposition de la variance.

Comme il a été fait mention plus haut, la politique monétaire de la banque centrale a pour objectif premier d'arriver à la stabilité des prix en d'autre terme d'avoir un certain contrôle sur l'inflation. Pour mettre en place cette politique on a vu que la banque centrale utilise plusieurs instruments notamment les bons BRH. A ce propos plusieurs variables peuvent être mises en relation pour étudier la bonne marche de la politique monétaire. Étant donné que notre étude consiste à étudier les relations qui existent entre l'inflation et les bases de la politique monétaire, la première variable de l'étude est sans nul doute l'indice des prix à la consommation (IPC) en variation mensuelle. Maintenant il faut voir les facteurs qui influencent ce dernier. Comme on l'a vu ci-dessus durant la période de l'étude la masse monétaire (M2) a cru considérablement, tenant compte de la théorie quantitative de la monnaie on tiendra compte de M2 toujours en variation mensuelle comme variable clé de notre étude. L'une des causes de l'augmentation de la masse monétaire est, comme nous l'avons précisé plus haut l'augmentation du crédit. D'où l'important pour nous de considérer cette variable dans notre modèle qu'on notera CRED. Puisque l'objectif est pour nous d'étudier l'efficacité de la politique de la BRH, on utilisera l'instrument clé de sa politique soit le taux sur les bons BRH (de 91 jours) comme variable de notre étude qu'on notera TB.

Lorsque le taux de change augmente on observe une dépréciation de la monnaie nationale qui a pour conséquence une éventuelle augmentation des prix dans l'économie. Le taux de change (TXC) sera d'importance pour nous même s'il est vrai que la BRH n'a aucune influence sur le taux de change et qu'elle n'a pas aussi une politique monétaire du taux de change.

La stationnarité est un concept très important pour l'étude des séries chronologiques. Elle sous entend que d'un point de vue statistique, le passé est comparable au présent ainsi qu'au futur .En d'autres termes une série temporelle est dite stationnaire si sa distribution de probabilité ne varie pas au cours du temps. Pour étudier la stationnarité de nos différentes séries nous utiliserons le test de la racine unité.

Pour tester la stationnarité des différentes séries de notre modèle, on utilisera le test de Dickey-Fuller augmentés, puisque nous allons tenir compte de l'autocorrélation des résidus. Le principe général du test de Dickey Fuller Augmentées consiste à tester l'hypothèse nulle de la présence d'une racine unitaire

Il s'agit de partir du modèle le plus géneral , c'est-à-dire le modèle contenant la constante et la tendance. Si la tendance n'est pas statistiquement significative on passe dans le modèle 2. Et on applique le test .Si cette fois la constante aussi n'est pas statistiquement significative On estime le modele , sans constante et sans tendance. Puis comparer la valeur calculer de la stat-ADF et la valeur critique au seuil de 5% si Valeur calculé < valeur critique on dit de la serie qu'elle est stationnaire. Dans le cas ou la serie ne serait pas stationnaire , on recommencera les tests d'ADF sur la difference première

D'après les tests fait a partir du logiciel E-VIEWS 4.1, on a obtenu les resultats suivants, qui sont simplifié a travers ce tableau. Les resultats detaillés des test sont fournis à l'annexe.

series	modèle	Stat-ADF	Valeur critique	Stationnaire
RIPC	2	-7.506745	-2.883753	Oui
RM2	2	-11.86448	-2.883753	Oui
RCRED	2	-10.14367	-2.883753	Oui
RTB	1	-7.305058	-1 .943406	Oui
RTXC	2	-1 2.42572	-2.883753	Oui

Pour déterminer le nombre de retard optimal de notre modèle, on peut utiliser plusieurs méthodes. On calculera la fonction d'AIC (critère d'information akaike) pour chaque retard de 0 à 12 et le nombre de retard qui sera retenu est celui qui minimisera l'AIC.

0	16.17209	16.29999*	16.22390*
1	15.97111*	16.73851	16.28193
2	16.00664	17.41354	16.57648
3	15.98191	18.02830	16.81076
4	16.28345	18.96934	17.37133
5	16.50323	19.82861	17.85012
6	16.86761	20.83249	18.47352
7	17.02367	21.62805	18.88860
8	17.33906	22.58294	19.46301
9	17.24393	23.12730	19.62689
10	17.41346	23.93633	20.05545
11	17.38139	24.54376	20.28239
12	16.76582	24.56769	19.92584

D'après les résultats d'e-views 4.1 le nombre de retard optimal est de 1, d'où pour le modèle on utilisera un VAR( 1) avec 5 variables.

Le modèle VAR qu'on étudie s'écrit de la forme suivante : Xt = A0_+?AiXt-i + å t avec Xt' = [INF TB CRED M2 TXC]

Pour l'estimation du modèle on appliquera les MCO pour chaque équation du modèle. Les résultats de l'estimation sont affichés dans le tableau 4 de l'annexe.

A travers le processus VAR il faut savoir s'il existe une relation de causalité entre les différentes variables du système. On dit qu'une variable x cause au sens de granger une autre variable y si et seulement si la connaissance du passé de x améliore la prévision de y à tout horizon.

Comme règle de décision on rejettera H0 si la probabilité associé au test est plus petit que 5% (0.05). Les résultats du test fait à partir d'e-views 4.1 sont affichés dans le tableau suivant :

Hypothèse nulle:	Nbre d'obs	F-Statistic	Probabilité
RIPC ne cause pas RCRED	130	2.36887	0.12626
RCRED ne cause pas RIPC		0.64302	0.42412
RTB ne cause pas RCRED	125	0.00080	0.97747
RCRED ne cause pas RTB		5.54414	0.02014
RM2 ne cause pas RIPC	130	7.65228	0.00652
RIPC ne cause pas RM2		2.25889	0.13533
RTB ne cause pas RIPC	125	9.81 511	0.00217
RIPC ne cause pas RTB		1.11389	0.29332
RTXC ne cause pas RIPC	130	0.45207	0.50258
RIPC ne cause pas RTXC		0.40000	0.52823
RTB ne cause pas RM2	125	0.27723	0.59948
RM2 ne cause pas RTB		3.56289	0.06 146

Ainsi on peut voir que la variation de l'RIPC ne cause pas le crédit, l'inverse est tout aussi vrai. RM2 cause l'inflation en d'autre terme la connaissance du passé de la croissance de RM2 améliore la prévision de l'RIPC, mais pas l'inverse. Toujours selon les résultats on peut voir qu'il existe un lien entre le TB et l'IPC, dans le sens que le TB cause l'IPC, c'est-à-dire la connaissance des valeurs des taux sur les bons BRH permet de faire une meilleure prévision sur l'inflation. On voit aussi que le crédit cause le taux sur les bons. Du fait que le crédit est une source de la création de monnaie; la BRH fait varier les taux sur les bons en fonction d'une diminution où d'une augmentation du niveau de crédit. C'est pourquoi les valeurs passées de la variation du crédit influencent les valeurs futures de la variation des taux sur les bons.

Une fonction de réponse aux chocs résume l'information concernant l'évolution d'une variable qui intervient suite à une impulsion sur une autre variable à une date t, en supposant que toutes les autres variables sont constantes.

Lorsqu'intervient un choc de 1% sur le taux de croissance des bons BRH, l'impact atteint son maximum après deux mois sur l'inflation soit 0.3%. Après quoi il disparaît progressivement, ou après cinq mois l'impact du choc est insignifiant. De la même manière, lorsqu'on enregistre un choc de 1% sur le taux d'inflation, l'effet sur la croissance des taux sur les bons atteint son maximum le troisième mois et diminue progressivement. Les impacts des chocs des différentes variables de l'étude sur l'inflation ont atteint leur maximum au cours du deuxième mois pour être insignifiant après la cinquième mois, tel est le cas pour TB, M2 et pour le CRED ; mais pour le taux de

change un choc de 1% est instantané sur l'inflation avec 0.3% et diminue de façon linéaire jusqu'à deuxième mois, pour être nul après le troisième mois. Dans le tableau qui suit nous résumons l'impact des différents chocs sur l'inflation en pourcentage.

Graphique 6 : Réponse de l'RIPC aux innovations de RTB Graphique 7 : Réponse de RTB aux innovations de l'RIPC

*Mois* *variable*	1	2	3	4	5
RTB	*-0.1307%*	*0.3346%*	*0.1983%*	*0.1082%*	*0.0626%*
RM2	*0.1374%*	*0.2935%*	*0.1434%*	*0.0873%*	*0.0503%*
RCRED	*0.0767%*	*0.1923%*	*0.1813%*	*0.1021%*	*0.0604%*
RTXC	*0.2961%*	*0.0402%*	*0.0116%*	0%	0%

La décomposition de la variance permet de calculer la contribution de chaque innovation à la variance totale de l'erreur de prévisions d'une variable.

On suivra l'ordre de cholesky avec RTB - RM2- RCRED- RTCX -- RIPC du fait que la BRH modifie les taux sur ses bons pour augmenter ou diminuer la masse monétaire M2 ou ce dernier aura un impact direct sur le niveau de crédit et le taux change avant d'avoir un effet sur l'inflation. Les résultats de la décomposition de la variance de l'erreur indique que l'inflation est due à 71.25 % de ses propres innovations, et respectivement 5.22 ; 7.87 ; 10.60 ; 5.09% pour le crédit, M2, TB et le taux de change.

Period	*S.E.*	*RCRED*	*RIPC*	*RM2*	*RTB*	*RTXC*
1	4.240079	0.490831	89.20354	1.573299	1.424160	7.308168
2	4.344529	2.755948	76.46546	6.748134	8.291048	5.739406
3	4.361123	4.489851	72.79487	7.440607	9.974311	5.300361
4	4.364848	4.978479	71.76453	7.692647	10.39796	5.166386
5	4.366247	5.144283	71.43026	7.771037	10.53246	5.121961
6	4.366705	5.199658	71.31609	7.798723	10.57879	5.106743
7	4.366866	5.218930	71.27654	7.808203	10.59485	5.101482
8	4.366921	5.225592	71.26283	7.811501	10.60042	5.099659
9	4.366941	5.227905	71.25808	7.812642	10.60235	5.099027
10	4.366947	5.228707	71.25643	7.813038	10.60302	5.098807
11	4.366950	5.228986	71.25585	7.813176	10.60325	5.098731
12	4.366950	5.229082	71.25566	7.813223	10.60333	5.098705

Au regard des résultats des réponses aux chocs et de la décomposition de la variance on peut comprendre que l'inflation en Haïti est due a 71% de ses propres innovations, et 8% des innovations de la variation de la masse monétaire M2 ; et selon les résultats de l'analyse des fonctions de réponse pulsionnelles le taux directeur de la BRH n'a d'effet sur l'inflation que pendant une période de courte

durée ne dépassant pas deux mois. Ce qui nous porte a accepté notre hypothèse de travail à savoir « les mesures de politique monétaire de la banque centrale ne réduisent pas l'inflation a court terme >>. Ce qui nous porte a affirmer que la politique monétaire de la BRH et inefficace puisqu'elle ne réduit pas véritablement l'inflation, elle ne fait que ralentir son rythme de croissance pour une période de courte durée, si l'on tient compte du point de vue des monétaristes, ou la lutte contre l'inflation doit être le seul objectif de la politique monétaire.

L'efficacité de la politique monétaire en Haiti (octobre 1996 - septembre 2007)

Chapitre 4