Effets de débordement des politiques budgétaires en union monétaire hétérogène. Cas de l’union économique et monétaire ouest africaine (UEMOA).

I.2- Choix d'un modèle VAR en panel

Le choix de la modélisation VAR est justifié par le fait qu'il procure deux outils majeurs d'analyse s'appuyant sur la dynamique du modèle : à savoir l'analysedes fonctions de réponses impulsionnelles qui permettront notamment de déceler l'impact sur les variables macroéconomiques d'un choc budgétaire et la décomposition de la variance, qui permettra de mesurer l'amplitude de l'effet de débordement sur les économies des pays. Le caractère dynamique du modèle à partir des données de panel fournit un cadre d'analyse adapté pour mesurer les effets de débordement budgétaires. Dans le cadre des unions monétaires, une approche plus récente consiste à utiliser un VAR en panel. Canova et Ciccarelli (2013) en font une description ou analyse assez exhaustive. Il présente des avantages. La méthodologie VAR en panel permet de simuler des chocs structurels (en l'occurrence des chocs issus de décisions de politique budgétaire indépendantes entre elles et de l'environnement macroéconomique) pour tenter de con?rmer ou d'in?rmer une explication monétaire ou budgétaire des ?uctuations économiques (Bernanke, 1986 ; Blanchard et Watson, 1986 ; Blanchard, 1989 ; Blanchard et Quah, 1989). Du point de vue économétrique, les chocs exogènes peuvent être identifiés à partir des résidus d'équations estimées. À l'aide de quelques hypothèses fondées sur la théorie économique, on peut transformer ces chocs en des termes interprétables comme les chocs de politiques budgétaires. C'est un modèle qui met en évidence les liens existants entre un groupe de variables à un instant donné, leurs valeurs retardées et d'autres variables jugées exogènes.

I.3- Présentation d'un modèle VAR

Le modèle VAR sur données de panel présente deux avantages principaux, non seulement il permet de palier le problème d'endogénéité des régresseurs, mais aussi de contourner le problème de la faible taille des séries et de rendre les résultats asymptotiques plus robustes par la combinaison des dimensions spatiale (les pays) et temporelle. Le modèle réduit prenant en compte toutes les

spécificités (individuelles et temporelles) prend la forme réduite suivante :

^Yit it it ^LYit it

7

^{Où Y}it

est un vecteur de variables stationnaires,

it ^L

est une matricepolynomiale définie sur l'opérateur retard L

L 1 L1 2 L2 ............ p LP

et ayant la forme fonctionnelle :it it it it

;

j

it ^et it

j.......... .......... , P

sont des matrices de coefficients spécifiques individuels

et aux périodes et

it est le terme d'erreur idiosyncratique (de moyenne nulle, à

variance constante, non auto-corrélée et non corrélée d'un individu à un autre).

Cette spécification du modèle VAR sur données de panel est la plus générale qui

soit. Toutefois, l'adopter impliquerait estimer un nombre très élevé à K variables,

T périodes et N individus, il faudrait estimer

KTN KP 1

coefficients, ce qui est

généralement impossible au regard des tailles d'échantillons plus faibles. Par ailleurs, à l'état actuel, les logiciels d'économétrie ne permettent pas d'estimer des modèles VAR prenant en compte toutes les spécificités relatives aux données de panel. Au regard de ces deux considérations, la procédure consiste à limiter les hétérogénéités considérées dans le modèle de manière à rendre son estimation possible, sans toutefois aliéner la qualité des résultats obtenus.

Dans le cadre de ce travail, l'hétérogénéité des individus est prise en compte à travers des effets individuels inobservables it , qui affectent la dynamique de croissance des pays de l'union, alors que les effets temporels ^dt , sont destinés à capter des chocs qui sont symétriques à tous des pays de l'union. Ainsi, le modèle

prend la forme suivante :

^Yit 0 ^LYit i ^dt it

8

Toutefois, tel que spécifié, l'élasticité de ce modèle pose un problème fondamental d'endogénéité ; car il existe une corrélation entre l'un des régresseurs (la variable endogène retardée) et la perturbation ; que le modèle soit écrit en niveau, en différence première ou en écart aux moyennes individuelles (Sevestre, 2002). En outre, Sevestre et Trognon (1993) montrent que dans ce cas de figure, lesestimateurs usuels : MCO, de MCG, intra-individuel (Withim) et inter-individuel (Between) ne sont pas convergent à distance finie. Une estimation convergente de ce modèle est obtenue par la méthode des variables instrumentales (VI) et la méthode des moments généralisés (GMM). Dans le cadre de ce travail, cette

dernière est mise en pratique.

Par exemple, supposons que :

^Yit

soient 3 variables endogènes ; N soit 3 pays et

M soit 2 variables exogènes. Le VAR en panel s'écrit comme suit :

Y

L

L

L Y1t

^d

1t

1

1 2

11 12

³

13

¹

¹

1t

^L1

L²

^{L3 Y2t} d Yit Y2t ⁼

2 ⁺ 21 22

23

+

2 ⁺

2 ⁺

2t ⁹

Y

^{1 2}

^{3 Y3t}

^3t

³

^{31 L}

^{32 L}

^{33 L}

³

^d3

^3t

Ainsi, les trois caractères du VAR en panel apparaissent : l'interdépendance ; des interdépendances statiques et des hétérogénéités transversales.