|
La pertinence du choix des objectifs de la politique monétaire en RDC( Télécharger le fichier original )par Henry NGONGO MUGANZA Université Evangélique en Afrique - Licence en Sciences Economiques et Gestion 2006 |
§ 3. Les résultats empiriquesEn utilisant les données concernant la RD Congo pour la période 1970-2000 et la méthode des moindres carrés ordinaires, on obtient les valeurs estimées des équations structurelles (1d ; 1d') et (2d ; 2d') ci-dessous : Relation de long terme Log (PIBR) = 5,1817 - 0,1089 Log (Tdes) t + u t (1d) (61, 1063) (-4, 2956) R2=0.388; R2 adj. =0.367; D-W=0.32; F-stat. =18.45244 et Prob (F- stat) =0.000178 Log (RM2) = 8,6638 - 1,0844 Log (PIBR) t -0,0179 Log (Tdes) (1, 2696) (-0, 7781) (-0, 1329) +0, 0493 Log (Exr) t + vt (2d) (1, 5722) R2=0.693; R2 adj. =0.659; D-W= 0.27; F- stat. =20.39567 et Prob (F- stat)=0.000000 Les valeurs entre parenthèses représentent la significativité des variables. Alors que dans l'équation (1d) R2 montre que le taux d'intérêt explique à 38% le Produit intérieur Brut réel, dans l'équation (2d) les variables indépendantes expliquent à 69.5% (R2) et à 65.9% (R2 adj.) la demande de monnaie. La valeur T de student pour l'équation (1d) montre que le taux d'intérêt (-4.2956) influence significativement le Produit Intérieur Brut réel. Et, pour l'équation (2d) les valeurs de T de student montrent que le revenu réel (-0.7781) et le taux d'intérêt (-0.1329) n'influence pas non plus la demande de monnaie à part le taux de change (1.5722) et cela au seuil de 10%. Les statistiques F de Fisher (18.452 et 20.395) respectivement pour (1d) et (2d) montrent que le modèle est globalement significatif et les variables explicatives véritables ont globalement une influence sur le modèle. Après l'estimation des relations de long terme entre les variables par les moindres carrés ordinaires, il reste à vérifier que les résidus issus de ces deux régressions sont stationnaires13(*). NB : pour ce qui concerne la stationnarité du résidu pour l'équation (1d) prière vous referez au tableau n0 7.3 à la page 45. Tableau n° 9.3 Test de résidu sur l'équation (2d)
Source : Calculs effectués à partir des données avec le logiciel E-views 3.1 Le test de racine unitaire sur le résidu de l'équation (2d) (avec p=9) et la comparaison de la valeur du test ADF à la valeur t- student tabulaire montrent que celui-ci est stationnaire en niveau (valeur du test ADF : -3.5614 est inférieur à la valeur t-student : -2.93), confirmant de ce fait, l'existence d'une relation de co-intégration entre la masse monétaire réelle et ses fondamentaux. Partant, en effet, des résultats issus des tableaux n° 7.3 et 9.3, il est alors possible d'estimer le modèle à correction d'erreur pour nos deux équations. L'interprétation des valeurs de D-W nous sera utile dans le modèle à correction d'erreur (modèle à court terme). Relation de court terme Le modèle à court terme que Bourbonnais (1998) appelle encore modèle dynamique explique la liaison réelle entre les variables. C'est donc à travers les résultats issus de ce modèle que nous tirerons une conclusion en rapport avec notre question de départ. Ainsi, l'estimation par les moindres carrés du modèle dynamique nous donne ce qui suit : Ä Log (PIBR)t = 0.005723 -0.010261 Ä Log (Tdes)t - 0.134124et-1 - (0.649366) (-0.895485) (-2.375625) (1d)' 0.086032 Dum + ut (-4.520772) R2=0.44; R2 adj. =0.378; S.E of regression=0.039425; Sum squard resid=0.040413; D-W=1.249; F- stat. =6.874; Prob (F- stat)=0.001464 ? Log (M2R) =0, 0025 + 1, 1982 ? Log (PIBR) t - 0, 0447 ? Log (Tdes) (0, 5611) (1, 2204) (-0, 8589) - 0, 0806 ? Log (Exr)t -
0,1446 (-2, 1383) (-1, 5820) (5, 0945) R2=0.559; R2adj =0.467; S.E of regression=0.185803; Sum squard resid=0.828545;D-W=1.647908;F-stat. =6.08807 Prob(F-stat)=0.000893 Globalement, le modèle à correction d'erreur estimé semble intéressant dans la mesure où les valeurs des F - Fisher : (6.84) et (6.08) respectivement pour (1d)' et (2d)' sont élevées; les probabilités de Fisher (0.001464) et (0.000893) sont statistiquement différent de zéro; R2 indiquent que le taux d'intérêt, ceteris parubis, explique à 44% le revenu réel pour (1d)'14(*) et pour (2d)' le revenu réel, le taux d'intérêt et le taux de change expliquent à 55.9% la demande de monnaie. Les valeurs D-W (1.249) et (1.647) montrent que pour (1d)' tout comme pour (2d)' les erreurs sont indépendantes. Le R2 adj. Pour (2d)' montre que les variables indépendantes expliquent à court terme seulement à 46.7% (en déça de la moyenne) la demande de monnaie. NB : et-1 et
Les coefficients à correction d'erreur sont statistiquement significatifs et pressentent les signes attendus. Ces forces de rappel (et-1=-0.134124 et Contrairement à la relation de long terme (Cf. 2d) où le PIB réel et le taux de change présentant de signes non attendus (respectivement -, + au lieu de +,-) toutes les autres variables tant à court qu'à long terme ont les signes attendus. Cela ressort clairement du tableau n°9.3 ci-dessus. Tableau n°9.3. Les élasticités de court et de long terme
Source : estimation des paramètres avec le logiciel E-Views 3.1 Se referant d'abord à la relation « IS », il ressort du tableau n°9.3 ci haut qu'à court terme, l'élasticité liée au taux d'intérêt est moins élevé par rapport à celle de long terme. Cette élasticité mesure la sensibilité de la production réelle lorsque le taux d'intérêt augmente ou baisse. Ainsi, nous pouvons, à court terme, dire que chaque fois que le taux d'intérêt baisse de 1% le revenu réel augmentait de 0.010%. En revenant ensuite sur la relation LM, on s'aperçoit que les élasticités liées au PIB réel sont élevées à court qu'à long terme. Ce qui n'est pas le cas pour les élasticités liées au taux de change et au taux d'intérêt. Toute diminution de 1% du taux d'intérêt entraîne, à court terme, une augmentation de 0.044744% de la masse monétaire. L'augmentation de 1% du revenu réel entraîne une augmentation de 1.1982% de la masse monétaire. Et finalement, chaque fois que le taux de change diminuait de 1%, la demande de monnaie augmentait de 0.08067%. Pour faciliter d'autres petits calculs liés à la vérification empirique du modèle à tester, la présentation du tableau d'analyse des variances s'avère nécessaire. Tableau n°10.3 Analyse de variance
Source : résultat obtenu à partir du logiciel E-views 3.1 Le résultat « Standard Error of regression » fourni par le logiciel est l'écart type estimé au terme d'erreur vrai (Youmbi, 2002). Il suffit de l'élever au carré respectivement pour (1d)' et (2d)' pour obtenir les variances respectives de l'équation (1d)' et (2d)'. Ainsi : Avec
A partir de ces résultats, il est alors possible de vérifier l'identité (3) notée :
(3) Avec a = -0,010261 b = -0,044744 c = 1,198249
En remplaçant chaque terme par sa valeur, nous obtenons ce qui suit : (3a) -0,0002833 > -0.0002956
L'identité (3a) traduit donc l'importance de la volatilité de la demande monétaire par rapport à celle de la demande agrégée. Aussitôt présenté le résultat de l'estimation, il est alors important de les interprétés. D'où la section 2. * 13 Cette stationnarité doit se vérifier en niveau. * 14 Ce coefficient aurait pu être amélioré en ajoutant d'autres variables explicatives du PIB réel. Mais les limites Imposés par le modèle (l'influence négliger des exportations et importation et l'ignorance du rôle du Gouvernement) ne nous a pas permis de le faire. |
| ||||||||||||||||||||||||||||||||||||||||||||
t-1 + 0,8004 Dum + vt (2d)'
t-1 représentent les coefficients
de force de rappel. Et pour que le modèle à correction
d'erreur soit validé, ces coefficients doivent être
significativement négatifs et différents de zéro.
t-1=-0.1446) traduisent l'effet d'ajustement, d'une part
du revenu réel et d'autre part de l'encaisse monétaire
réelle, à chaque période vers l'équilibre. Le
caracteur négatif de ces coefficients nous permet de valider la
spécification du modèle à correction d'erreur.
= écart type 
= variance 
= 0,0440413 et 
= 0,185803
= 0,006332 et 
= 0,0345227 
