WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Politique monétaire et croissance économique en zone CEMAC: une évaluation empirique en données de panel

( Télécharger le fichier original )
par SIMONYANNICK FOUDA EKOBENA
Université de Yaoundé II - DEA / Master 2 2010
  

précédent sommaire suivant

SECTION 2 : EVIDENCE EMPIRIQUE DE LA RELATION MONNAIE
ET CROISSANCE EN ZONE CEMAC

A la seule lecture des chiffres sur l'évolution de l'offre de monnaie et de la production, nous ne sommes pas en mesure de caractériser avec précision la relation qui ressort de ces deux agrégats. La présente section se propose donc de mener une étude économétrique de la relation monnaie et croissance économique en zone CEMAC.

2-1) Choix et spécification du modèle

Il est question dans ici de spécifier le modèle et les variables avant de décrire la procédure d'estimation.

Présentation du modèle et des variables

L'économétrie des données de panel prend en compte à la fois les données individuelles et temporelles, ce qui permet de mieux appréhender les différents facteurs susceptibles d'expliquer la croissance et de tenir compte des spécificités individuelles. Nous utiliserons donc un modèle de panel et plus précisément un panel dynamique auquel nous appliquerons la méthode des moments généralisés (GMM) car elle permet de contrôler les effets spécifiques individuels et temporels mais aussi de palier au biais de simultanéité, de causalité inverse et de variables omises.

Tout d'abord, afin d'avoir une bonne spécification du modèle, nous allons nous pencher sur les questions de stationnarité des variables en effectuant des tests de racine unitaire puis nous effectuerons un test d'autocorrélation des résidus puisque la méthode des moments généralisés suppose la quasi-stationnarité des variables de l'équation en niveau et l'absence d'autocorrélation des résidus. Les résultats obtenus indiqueront si des tests complémentaires doivent être menés afin d'expliciter le sens de la relation que nous cherchons à étudier.

Le modèle empirique à estimer s'inspire de l'équation de croissance de Barro qui fut utilisée

par Beck, Levine et Loayza (1999).

Comme variables de notre modèle on a :

- La variable à expliquer qui est la croissance économique dont l'indicateur est le taux de croissance annuel du produit intérieur brut (PIB) ;

Et les variables explicatives suivantes :

- La dette publique dont l'indicateur est le taux de croissance annuel de la dette publique. Cette variable permet de capter l'influence de l'endettement du gouvernement sur l'activité économique. C'est une variable importante vu le rôle et le poids de l'Etat dans les économies en développement de façon général et dans celles des pays de la CEMAC en particulier. (DETPUB)

- La masse monétaire au sens large (M2), avec pour indicateur le taux de croissance annuel de la masse monétaire (M2). C'est la variable qui prend en compte les effets de la politique monétaire à travers l'offre de monnaie sur la croissance économique.

- Les réserves (y compris l'or) qui ont pour indicateur le taux de croissance annuel du total des réserves (RESERV). Cette variable permet de tenir compte des effets des avoirs extérieurs des Etats sur l'évolution de l'activité économique. En outre les réserves permettent à la Banque Centrale de garantir la stabilité externe de la monnaie.

- Le crédit domestique fourni par le secteur bancaire dont l'indicateur est le pourcentage du crédit domestique dans le PIB (CREDIT). C'est une variable qui permet d'apprécier le poids du crédit distribué par le secteur bancaire dans l'évolution du PIB.

- Les exportations qui ont pour indicateur le taux de croissance des exportations de biens et services (EXP). Les économies de la zone CEMAC étant fortement dépendantes de leurs exportations qui ont un effet positif sur la croissance économique comme le soulignent Cline (1984), Riedel (1988), et Collombatto (1988). Par conséquent il est important d'avoir cette variable dans notre modèle.

- Le taux d'intérêt qui est capté par le taux débiteur réel des banques (TXDEBT).

Cette variable permet de capter les impulsions de la politique monétaires sur l'activité économique à travers le canal du taux d'intérêt. Puisqu'elle dépend du taux directeur de la Banque Centrale.

- L'investissement privé dont l'indicateur est le taux de croissance annuel de la formation brute du capital fixe (INVEST). C'est une variable clef de la croissance économique puisque c'est par elle que transitent les impulsions de la politique économique pour atteindre la production, elle doit avoir un fort effet positif sur cette dernière.

Ainsi, le modèle à estimer s'écrit sous la forme suivante :

lnPIBit =â0it lnPIBit-1 +â1it lnDETPUBit + â2it lnM2 it + â3it lnRESERV it

+ â4it lnCREDIT it + â5it lnEXP it + â6it lnTXDEBT it + â7it lnINVEST it +íi+ãt+ J'it

Avec í l'effet spécifique pays, ã l'effet spécifique temporel et jt le terme d'erreur ; i est l'indice pays et t l'indice temporel.

Le résumé des variables choisies, les définitions, les signes attendus et leurs sources sont présentés dans le tableau ci-dessous :

Tableau 2 : Description des variables, signes attendus et source des données du modèle 1.

variables

Définitions

Signes attendus

Source

ln DETPUB

Logarithme du taux de croissance de la dette publique

_

WDI (2008)23

ln INFLA

Logarithme du taux d'inflation

_

WDI (2008)

lnM2

Logarithme du taux de croissance de la masse monétaire

+

WDI (2008)

ln RESERV

Logarithme du taux de croissance des réserves

+

WDI (2008)

ln CREDIT

Logarithme du crédit domestique

+

WDI (2008)

ln EXP

Logarithme du taux de croissance des exportations

+

WDI (2008)

ln TXDEBT

Logarithme du taux débiteur réel des banques

_

WDI (2008)

ln INVEST

Logarithme du taux de croissance des investissements

+

WDI (2008)

ln PIB(-1)

Logarithme du taux de croissance du PIB retardé d'une période

+

WDI (2008)

Source : Construit par l'auteur.

Notre population d'étude est composée des pays de la zone CEMAC à savoir : le Cameroun, la RCA, le Congo, le Gabon la Guinée-équatoriale et le Tchad. C'est un échantillon relativement homogène en ce qui concerne les caractéristiques de fond telle que le niveau de développement des pays ou leur situation géographique.

Nos données proviennent essentiellement de la banque mondiale et des bulletins et statistiques de la BEAC.

Par souci d'homogénéité et pour avoir un panel cylindré, notre période d'étude ira de 1986 à 2006. La Guinée-équatoriale intègre la zone CEMAC en 1985 et c'est à partir de 1986 qu'on dispose de certaines données concernant ce pays aujourd'hui l'un des moteurs de la croissance dans la sous-région.

23 CD-ROM du world Development indicators (2008)

Procédure d'estimation

Après avoir présenté le modèle et ses variables, il est question dans la présente sous section de présenter la procédure générale d'estimation en données de panel.

- Test de stationnarité

L'étude de la stationnarité des séries temporelles est aujourd'hui devenue incontournable dans la pratique économétrique courante. Ceci est dû au fait que la plupart des analyses se faisant sur des séries longues subissent des perturbations d'origine diverses qui tendent à modifier la variance des données, ce qui biaise parfois les résultats des estimations. Tout travail empirique débute ainsi par l'étude de la stationnarité des séries considérées avec l'application d'un test de racine unitaire et éventuellement de cointégration.

En effet, si l'on arrive à l'issu du test, à la conclusion selon laquelle les séries sont stationnaires, on peut procéder à une estimation de notre modèle tel que spécifié sans aucune modification. Par contre, s'il s'avère que les séries ne sont pas stationnaires, l'on doit procéder à une correction de notre modèle : on passe ainsi à un modèle à correction d'erreurs. Pour cela, on effectue un test de cointégration et si l'hypothèse se cointégration est acceptée, on peut passer à l'estimation du modèle à correction d'erreur. Le modèle à correction d'erreurs présente une priorité remarquable qui a été démontrée par Granger (1983). Un ensemble de variables cointégrées peut être mis sous forme d'un modèle à correction d'erreurs dont toutes les variables sont stationnaires et dont les coefficient peuvent être estimés par les méthodes économétrique classiques.

Le test de Im-Pesaran-Shin (IPS) effectué avec le logiciel STATA 9.0 dont les résultats sont présentés en détail à l'annexe 2, a montré que toutes nos séries sont stationnaires. Nous pouvons donc procéder à l'estimation de notre modèle tel que spécifié sans aucune modification.

- Test de normalité des résidus

Ce test permet de vérifier que les éléments aléatoires sont distribués selon une loi normale. Cette hypothèse est justifiée par le théorème central limite.

Ce caractère aléatoire des erreurs constitue une hypothèse fondamentale du modèle classique de régression linéaire. Elle est justifiée par le fait que si les erreurs n'ont pas un caractère systématique, ceci suppose en outre que le modèle de régression n'ait pas oublié une variable explicative importante. C'est cette hypothèse de l'existence d'une loi de distribution statistique normale autour des vraies valeurs estimées, qui va permettre de faire les estimations des paramètres du modèle d'ajustement.

Les hypothèses du test sont les suivantes :

H0 : les résidus suivent une loi normale

H1 : les résidus ne suivent pas une loi normale

La décision est de ne pas rejeter l'hypothèse nulle si la probabilité du test est inférieure à la valeur lue sur la table.

Les résultats de ce test présentés en annexe 3, nous amènent à ne pas rejeter l'hypothèse nulle et donc à conclure à une distribution des éléments aléatoires de notre modèle selon une loi normale.

Une fois ces tests effectués, nous pouvons passer à une estimation des paramètres de notre modèle

- Résultats de la régression

Le tableau ci-dessous présente les résultats de la régression du modèle à effets aléatoires selon la spécification retenue précédemment.

Tableau 3 : Résultats de l'estimation du Panel dynamique

Dependent Variable: PIB

Method: Least Squares

Date: 10/12/10 Time: 12:47

Sample (adjusted): 1987 2006

Included observations: 20 after adjustments

Variable

Coefficient

Std. Error t-Statistic

Prob.

CREDIT

-0.473991

0.17992 -2.63442

0.023223

DETPUB

0.037552

0.05297 0.70885

0.493186

EXP01

0.607243

0.32780 3.85249

0.090955

INVEST

0.363777

0.32549 3.11766

0.287540

M2

-0.037947

0.04755 -2.79746

0.441806

RESERV

-0.071097

0.06101 -1.16457

0.268825

TXDEBT

0.529959

0.42624 1.24325

0.239621

PIB(-1)

-0.112075

0.36989 -2.30299

0.767548

C

-17.76352

10.00137 -1.77617

0.103345

R-squared

0.870385

Mean dependent var

0.929357

Adjusted R-squared

0.776120

S.D. dependent var

4.222028

S.E. of regression

1.997692

Akaike info criterion

4.524025

Sum squared resid

43.898506

Schwarz criterion

4.972104

Log likelihood

-36.240250

Hannan-Quinn criter.

4.611494

F-statistic

9.233373

H- Durbin-Watson

3.113018

Prob(F-statistic)

0.000642

 
 

source : Construit par l'auteur à partir de l'observation des résultats sur le logiciel Eviews 6.

Les tests de significativité individuelle effectués sur les coefficients des variables explicatives du modèle et présentés en annexe 4 montrent que les coefficients des variables suivantes sont statistiquement différent de zéro : lndetpub (5%), lncredit (1%), lninvest (1%) et lnreserv (1%). Ce test révèle en outre que la variable la plus contributive à l'explication de l'évolution du PIB est l'investissement.

Concernant les signes attendus des coefficients estimés des variables explicatives, le tableau ci-dessous confronte les signes attendus des variables eu égard à la théorie économique aux signes obtenus suite à l'estimation des paramètres de notre modèle.

Tableau 4 : Signes attendus et signes obtenus des variables explicatives du modèle dynamique

variables

Signes attendus

Signes obtenus

ln DETPUB

_

_

ln INFLA

_

_

lnM2

+

_

ln RESERV

+

_

ln CREDIT

+

_

ln EXP

+

+

ln TXDEBT

_

+

ln INVEST

+

+

Ln PIB (-1)

+

-

source : construit par l'auteur à partir de l'observation des résultats sur le logiciel Eviews 6.

Comme prévu, la dette publique et l'inflation affectent négativement la croissance, tandis que les exportations et les investissements l'affectent négativement. Mais contrairement à nos attentes, la masse monétaire, le total des réserves et le crédit domestique fourni par le secteur bancaire ont un impact négatif sur l'évolution du PIB, tandis que le taux d'intérêt débiteur l'affecte négativement.

précédent sommaire suivant







Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour



9impact, le film en entier sur vimeo

BOSKELYWOOD from Ona Luambo on Vimeo.