Impact de la masse monétaire,du PIB et du taux de change sur le niveau général des prix au Rwanda.

III.5.5.2.Test de stationnarité des variables

Les tableaux 1, 2, 3, 4, 5,6 et 7 (Annexe 5) nous ont aidés dans le choix optimal du nombre de retard(P).Les résultats d'ADF ci-dessous obtenus sont tirés des critères Akaike et Schwarz en appliquant le test d'ADF sur la valeur minimum de retard(P).

Utilisation d'Eviews pour tester les statistiques d'ADF

-Variable IPC_t

Tableau 7: Résultat du test AD, à niveau, pour la variable

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	0,217003	-3,8067	-3,0199	-2,6502	0,9588
Avec dérivé et tendance	-2,299189	-4,5000	-3,6591	-3,2677	0,0396
Sans dérivé ni tendance	1,858811	-2,6889	-1,7592	-1,6246

La lecture du tableau ci-haut montre que la probabilité de la tendance 0,0396<0,05 et que celle du coefficient est de 0,9588 > 0,05. Également, les statistiques d'ADF sont supérieures aux valeurs critiques en valeurs absolues pour le modèle sans dérivé ni tendance au seuil de 5% et 10%. On rejette alors Ho et on accepte H1.Ainsi on conclue queIPC_t est stationnaire.

Tableau 8: Résultat du test ADF, à niveau, pour la variable indépendante

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	1,321733	-3,7497	-2,9969	-2,6381	0,8409
Avec dérivé et tendance	0,868004	-4,4167	-3,6219	-3,2474	0,2681
Sans dérivé ni tendance	2,892961	-2,6700	-1,9566	-1,6235

Nous remarquons de ce tableau que la variable est stationnaire pour le modèle sans dérivé ni tendance au seuil de 1%, 5% et 10%. On rejette alors Ho et on accepte H₁. Ainsi on conclue que M_2t est stationnaire.

-Variable PIB_t

Tableau 9: Résultat du test ADF pour la variable indépendante

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	-0,400941	-3,8067	-3,0199	-2,6502	0,05631
Avec dérivé et tendance	-2,891688	-4,5000	-3,6591	-3,2677	0,0174
Sans dérivé ni tendance	0,987495	-2,6889	-1,9592	-1,6246

La lecture du tableau à la page précédente témoigne que PIB_t n'est pas stationnaire car toutes les statistiques d'ADF sont inférieures aux valeurs critiques en valeur absolue pour tous les seuils de signification. D'ou on accepte l'hypothèse de l'existence de la racine unitaire. Pour stationnarité la série, nous la différencions en se servant du Test d'ADF à sa différence première.

Tableau 10: Résultat du test ADF pour la variable indépendante intégrée d'ordre 1

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	-6,927635	-3,7076	-2,9798	-2,6290	0,0311
Avec dérivé et tendance	-6,791556	-4,3552	-3,5943	-3,2321	0,8348
Sans dérivé ni tendance	-6,044966	-2,6560	-1,9546	-1,6226

Nous constatons de ce tableau que la variable est stationnaire car les statistiques d'ADF sont supérieures aux valeurs critiques en valeur absolue au seuil de1%, 5% et 10% pour tous les modèles.

-Variable TCH_t

Tableau 11: Résultat du test ADF, à niveau, pour la variable

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	-0,631501	-3,6959	-2,9750	-2,6265	0,4217
Avec dérivé et tendance	-2,506208	-4,3382	-3,5867	-3,2279	0,0230
Sans dérivé ni tendance	1,221424	-2,6522	-1,9540	-1,6223

Le tableau ci-haut montre que la variable n'est pas stationnaire car aucune valeur d'ADF test statistic n'est supérieure en valeur absolue aux valeurs critiques au seuil de 1%, 5% et 10%. D'où il faut stationnariser en appliquant le test ADF à sa différence première.

Tableau 12: Résultat du test ADF pour la variable en différence première

Modèle	ADF test statistic	Valeurs critiques			Probabilité pour (t ou)
		1%	5%	10%
Avec dérivé sans tendance	-6,952687	-3,7076	-2,9798	-2,6290	0,3492
Avec dérivé et tendance	-6,829098	-4,3552	-3,5943	-3,2321	0,0988
Sans dérivé ni tendance	-6,437254	-2,6560	-1,9546	-1,6226

Le tableau ci-haut témoigne que pour tous les modèles, les statistiques d'ADF test statistic sont supérieures aux valeurs critiques en valeur absolue au seuil de signification de 1%,5% et 10%. Ceci constitue le pilier de témoignage que la variable est stationnaire bien sûr après avoir subi une intégration d'ordre 1 (différence première).