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

 > 

Efficacité de la politique monétaire de la BEAC (banque des états de l'Afrique Centrale ) et mécanismes de transmission: une évaluation empirique du canal du taux d'intérêt au Cameroun de 1995 à  2006

( Télécharger le fichier original )
par Eric Joël NGOUNOU NZOKOM
Institut sous-régional de statistique et d'économie appliquée Cameroun - Ingénieur d'application de la statistique 2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

ANNEXES

Encadré  Variation de la quantité de monnaie : fondement de la règle friedmanienne.

La règle énoncée dans la proposition friedmanienne sur la croissance du produit national par rapport à celle de l'offre de monnaie, peut être déduite comme suit d'une forme simplifiée de l'équation des transactions, à savoir: P est une moyenne des prix et Q une représentation agrégée des quantités (le produit national en termes réels).

Soient une variation de la quantité de monnaie décidée par la banque centrale, la variation prévue de la vitesse de circulation, et les variations des prix et des quantités qui en résultent. On tire de l'équation, par différentiation, la relation suivante: . En divisant à gauche par, et à droite par , on obtient après simplifications : . Cette expression suggère que si la banque centrale choisit (taux de variation de la quantité de monnaie) de manière que, compte tenu de ce que l'on prévoit pour (taux de variation de la vitesse de circulation), tout le membre de gauche soit égal à, qui est le taux de croissance réel de l'économie, alors on a nécessairement, c'est-à-dire un taux d'inflation nul.

Annexe 1 : Algorithme de trimestrialisation de Goldstein et Kahn (1976)

Étant donné, trois observations annuelles successives de la variable X. si la fonction quadratique qui passe par ces trois points (cf. THÉORÈME D'EUCLIDE) est telle que :

Alors, on peut déterminer les paramètres a, b et c, en calculant d'abord les intégrales de (1) à (3), puis en résolvant le système d'équation suivant :

La résolution de ce système conduit au résultat suivant :

A partir des valeurs des paramètres de la fonction quadratique ainsi obtenues, les quatre observations trimestrielles de l'année t peuvent être calculées en utilisant les formules d'interpolation suivantes :

Les calculs algébriques effectués sur les expressions (6) à (9) ci-dessus dans lesquelles l'on aurait au préalable remplacé les paramètres a, b et c par leur expression de (5), conduisent enfin aux données d'interpolation trimestrielles suivantes :

La série trimestrielle obtenue peut être ramenée à une série annuelle par sommation des observations des quatre trimestres de chaque année. En effet, d'après la relation de Chasles, l'on a :

. Il reste à préciser que ce procédé ne s'applique qu'aux flux et pas aux stocks.

Annexe 2 : Le filtre de Hodrick-Prescott

Le filtre de HODRICK-PRESCOTT (HP) est une des méthodes privilégiées pour extraire la composante tendancielle d'une série macroéconomique. Ce filtre est en effet transparent et aisé à mettre en oeuvre. Une littérature abondante montre qu'il possède des propriétés statistiques satisfaisantes. Par ailleurs, même s'il donne lieu à des effet de bord, le filtrage des derniers point de l'échantillon est relativement peu sensible aux prévisions utilisées pour prolonger les séries à moyen terme. D'où son utilisation courante dans un grand nombre de travaux empiriques d'organisations nationales et internationales.

Le filtre (HP) suppose que la série X se décompose en une tendance et un cycle : où la tendance T résulte du calcul d'optimisation suivant :

Ce filtre s'apparente à une moyenne mobile symétrique de longueur infinie. Pour filtrer un point spécifique de l'échantillon, on affecte des pondérations aux observations qui l'entourent, ceux-ci dépendant d'une part de la taille de l'échantillon, d'autre part de la valeur du paramètre. Le choix du paramètre va conditionner d'une part le nombre d'observations qu'il faut rajouter à la fin (ou plus rarement au début) de l'échantillon initial pour éviter le problème des effets de bord, d'autre part certaines propriétés de la tendance, en particulier son degré de cyclicité. Le choix de la valeur de doit s'appuyer sur des critères économiques et statistiques.

Fonction de transfert du filtre HP

La formule du filtre peut se réécrire de la facon suivante :

La condition de 1er ordre s'obtient de la formule ci-dessous en différenciant cette expression par rapport à.

En réécrivant cette expression grâce à l'opérateur retard L, on obtient :

C'est-à-dire

On peut déduire de cette expression l'écriture du filtre qui permet de représenter la tendance par :

La composante cyclique de la série X s'écrit :

Pour analyser le filtre HP dans le domaine des fréquences, on pose.

Sachant que :

On obtient alors la « fonction de réponse fréquentielle » du filtre CC (L) du filtre (HP).

La fonction de transfert du filtre est le carré de la valeur absolue de  :

Annexe3-Tableau 5 : Test de racine unitaire sur les séries LNPIB et LNPRIX

Null Hypothesis: RESIDPIB has a unit root

Exogenous: None

Lag Length: 1 (Automatic based on SIC, MAXLAG=9)

 
 
 

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-2.517426

0.0129

Test critical values:

1% level

 

-2.616203

 
 

5% level

 

-1.948140

 
 

10% level

 

-1.612320

 

*MacKinnon (1996) one-sided p-values.

 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESIDPIB)

Method: Least Squares

Date: 03/19/08 Time: 18:26

Sample(adjusted): 1995:3 2006:4

Included observations: 46 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

RESIDPIB(-1)

-0.133450

0.053010

-2.517426

0.0155

D(RESIDPIB(-1))

0.597968

0.099975

5.981199

0.0000

R-squared

0.472800

Mean dependent var

0.00084

Adjusted R-squared

0.460818

S.D. dependent var

0.00595

S.E. of regression

0.004369

Akaike info criterion

-7.98597

Sum squared resid

0.000840

Schwarz criterion

-7.90646

Log likelihood

185.6772

Durbin-Watson stat

2.13252

Null Hypothesis: RESIDPRIX has a unit root

Exogenous: None

Lag Length: 7 (Automatic based on AIC, MAXLAG=9)

 
 
 

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-4.627591

0.0000

Test critical values:

1% level

 

-2.624057

 
 

5% level

 

-1.949319

 
 

10% level

 

-1.611711

 

*MacKinnon (1996) one-sided p-values.

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(RESIDPRIX)

Method: Least Squares

Date: 03/19/08 Time: 18:33

Sample(adjusted): 1997:1 2006:4

Included observations: 40 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

RESIDPRIX(-1)

-0.967251

0.209018

-4.627591

0.0001

D(RESIDPRIX(-1))

0.657649

0.188334

3.491919

0.0014

D(RESIDPRIX(-2))

0.354671

0.185123

1.915863

0.0644

D(RESIDPRIX(-3))

0.348322

0.188375

1.849089

0.0737

D(RESIDPRIX(-4))

0.785424

0.195288

4.021879

0.0003

D(RESIDPRIX(-5))

0.459530

0.195707

2.348055

0.0252

D(RESIDPRIX(-6))

0.419810

0.190297

2.206081

0.0347

D(RESIDPRIX(-7))

0.408156

0.175812

2.321551

0.0268

R-squared

0.475042

Mean dependent var

0.00040

Adjusted R-squared

0.360207

S.D. dependent var

0.00959

S.E. of regression

0.007674

Akaike info criterion

-6.72522

Sum squared resid

0.001884

Schwarz criterion

-6.38745

Log likelihood

142.5045

Durbin-Watson stat

1.85265

Sur la base de ces résultats de test de racine unitaire, sur les composantes lourdes des séries LNPIB et des LNPRIX, l'on peut conclure qu'elles sont toutes deux stationnaires autour d'une tendance déterministe.

Annexe 4-Tableau 6 : Test de racine unitaire sur la variable TXFR

Null Hypothesis: D(TXFR) has a unit root

Exogenous: None

Lag Length: 0 (Automatic based on SIC, MAXLAG=9)

 
 
 

t-Statistic

Prob.*

Augmented Dickey-Fuller test statistic

-6.344165

0.0000

Test critical values:

1% level

 

-2.616203

 
 

5% level

 

-1.948140

 
 

10% level

 

-1.612320

 

*MacKinnon (1996) one-sided p-values.

 
 
 
 
 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(TXFR,2)

Method: Least Squares

Date: 03/15/08 Time: 14:05

Sample(adjusted): 1995:3 2006:4

Included observations: 46 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(TXFR(-1))

-0.939090

0.148024

-6.344165

0.0000

R-squared

0.472029

Mean dependent var

0.013515

Adjusted R-squared

0.472029

S.D. dependent var

0.982488

S.E. of regression

0.713892

Akaike info criterion

2.185328

Sum squared resid

22.93385

Schwarz criterion

2.225081

Log likelihood

-49.26255

Durbin-Watson stat

2.023340

Annexe 5-Figure 8 : Représentation de la composante lourde du PIB extraite à partir du filtre HP

Annexe 6-Tableau 7 : Résultat de l'estimation du VAR

Vector Autoregression Estimates

Date: 03/15/08 Time: 12:11

Sample(adjusted): 1995:4 2006:4

Included observations: 45 after adjusting endpoints

Standard errors in ( ) & t-statistics in [ ]

 

LNPIB

LNPRIX

D(TXFR)

LNPIB(-1)

1.566028

-0.131198

-14.68633

 

(0.13800)

(0.27195)

(21.9067)

 

[ 11.3483]

[-0.48243]

[-0.67040]

 
 
 
 

LNPIB(-2)

-0.634351

0.132922

6.138378

 

(0.13407)

(0.26421)

(21.2834)

 

[-4.73147]

[ 0.50308]

[ 0.28841]

 
 
 
 

LNPRIX(-1)

-0.093485

0.889424

12.52329

 

(0.08691)

(0.17127)

(13.7967)

 

[-1.07566]

[ 5.19301]

[ 0.90770]

 
 
 
 

LNPRIX(-2)

0.075110

-0.136170

-8.952045

 

(0.08923)

(0.17586)

(14.1659)

 

[ 0.84171]

[-0.77433]

[-0.63194]

 
 
 
 

D(TXFR(-1))

0.000473

-0.001169

0.010192

 

(0.00102)

(0.00202)

(0.16237)

 

[ 0.46228]

[-0.57997]

[ 0.06277]

 
 
 
 

D(TXFR(-2))

0.000188

-0.001734

0.147345

 

(0.00102)

(0.00201)

(0.16212)

 

[ 0.18367]

[-0.86173]

[ 0.90884]

 
 
 
 

C

1.983570

1.194464

218.2110

 

(1.55010)

(3.05479)

(246.075)

 

[ 1.27964]

[ 0.39101]

[ 0.88677]

 
 
 
 

@TREND

0.001353

0.001318

0.125709

 

(0.00099)

(0.00194)

(0.15667)

 

[ 1.37120]

[ 0.67751]

[ 0.80238]

R-squared

0.999625

0.987726

0.071599

Adj. R-squared

0.999554

0.985403

-0.104045

Sum sq. resids

0.000843

0.003275

21.24847

S.E. equation

0.004774

0.009408

0.757815

F-statistic

14075.58

425.3407

0.407636

Log likelihood

181.0606

150.5330

-46.96874

Akaike AIC

-7.691581

-6.334798

2.443055

Schwarz SC

-7.370397

-6.013613

2.764239

Mean dependent

28.05944

5.145093

-0.050691

S.D. dependent

0.225939

0.077866

0.721223

Determinant Residual Covariance

1.12E-09

 

Log Likelihood (d.f. adjusted)

272.1915

 

Akaike Information Criteria

-11.03073

 

Schwarz Criteria

-10.06718

 

Annexe 7-Tableau 8 : Résultat de la factorisation structurelle de

Structural VAR Estimates

Date: 03/15/08 Time: 12:11

Sample(adjusted): 1995:4 2006:4

Included observations: 45 after adjusting endpoints

Estimation method: method of scoring (analytic derivatives)

Convergence achieved after 7 iterations

Structural VAR is over-identified (3 degrees of freedom)

Model: Ae = Bu where E[uu']=I

Restriction Type: short-run pattern matrix

A =

1

0

0

 
 

0

1

0

 
 

0

0

1

 
 

B =

1

0

0

 
 

C(1)

1

0

 
 

C(2)

C(3)

1

 
 
 

Coefficient

Std. Error

z-Statistic

Prob.

C(1)

0.156167

0.149071

1.047598

0.2948

C(2)

0.063875

0.165342

0.386316

0.6993

C(3)

0.479808

0.149071

3.218653

0.0013

Log likelihood

-136.9797

 
 
 

LR test for over-identification:

Chi-square(3)

818.3424

 

Probability

0.0000

Estimated A matrix:

1.000000

0.000000

0.000000

 
 

0.000000

1.000000

0.000000

 
 

0.000000

0.000000

1.000000

 
 

Estimated B matrix:

1.000000

0.000000

0.000000

 
 

0.156167

1.000000

0.000000

 
 

0.063875

0.479808

1.000000

 
 

Annexe 8-Tableau 9 : Décomposition de la variance des erreurs de prévision des variables endogènes

Variance Decomposition of LNPIB:

Period

S.E.

Demand Shock

Supply Shock

Monetary Shock

1

1.000000

100.0000

0.000000

0.000000

2

1.848167

99.74537

0.254621

6.55E-06

3

2.584312

99.54171

0.458268

1.96E-05

4

3.171585

99.43276

0.567202

3.76E-05

5

3.607548

99.38756

0.612384

5.50E-05

6

3.909779

99.37576

0.624173

7.00E-05

7

4.104905

99.37941

0.620510

8.15E-05

8

4.221296

99.38831

0.611596

8.99E-05

9

4.284509

99.39714

0.602765

9.54E-05

10

4.314985

99.40350

0.596405

9.88E-05

11

4.327421

99.40683

0.593069

0.000101

12

4.331285

99.40762

0.592276

0.000101

13

4.331949

99.40676

0.593136

0.000102

14

4.331985

99.40513

0.594767

0.000102

15

4.332307

99.40338

0.596516

0.000102

16

4.333016

99.40189

0.598012

0.000102

17

4.333921

99.40078

0.599115

0.000102

18

4.334809

99.40006

0.599835

0.000102

19

4.335543

99.39965

0.600252

0.000102

20

4.336076

99.39944

0.600463

0.000102

21

4.336419

99.39935

0.600551

0.000102

22

4.336616

99.39932

0.600577

0.000102

23

4.336715

99.39932

0.600577

0.000102

24

4.336757

99.39933

0.600572

0.000102

25

4.336771

99.39933

0.600569

0.000102

26

4.336773

99.39933

0.600569

0.000102

27

4.336773

99.39933

0.600571

0.000102

28

4.336774

99.39932

0.600575

0.000102

29

4.336776

99.39932

0.600578

0.000102

30

4.336779

99.39932

0.600581

0.000102

31

4.336782

99.39932

0.600583

0.000102

32

4.336785

99.39931

0.600584

0.000102

33

4.336787

99.39931

0.600585

0.000102

34

4.336788

99.39931

0.600585

0.000102

35

4.336789

99.39931

0.600585

0.000102

Variance Decomposition of LNPRIX:

Period

S.E.

Demand Shock

Supply Shock

Monetary Shock

1

1.012121

2.380742

97.61926

0.000000

2

1.347043

1.347251

98.65267

7.53E-05

3

1.497829

1.310173

98.68940

0.000422

4

1.561662

1.309278

98.69005

0.000669

5

1.588960

1.278147

98.72102

0.000834

6

1.603333

1.632261

98.36683

0.000913

7

1.616561

2.675104

97.32396

0.000939

8

1.632520

4.363786

95.63528

0.000936

9

1.650786

6.401252

93.59783

0.000919

10

1.669269

8.443665

91.55544

0.000900

11

1.685925

10.23967

89.75945

0.000882

12

1.699503

11.66760

88.33153

0.000868

13

1.709628

12.71073

87.28841

0.000859

14

1.716574

13.41576

86.58338

0.000852

15

1.720961

13.85664

86.14251

0.000848

16

1.723499

14.11016

85.88899

0.000846

17

1.724828

14.24239

85.75676

0.000845

18

1.725442

14.30335

85.69580

0.000845

19

1.725682

14.32694

85.67222

0.000845

20

1.725752

14.33371

85.66545

0.000845

21

1.725763

14.33463

85.66452

0.000845

22

1.725765

14.33462

85.66454

0.000845

23

1.725773

14.33525

85.66391

0.000845

24

1.725788

14.33658

85.66257

0.000845

25

1.725806

14.33823

85.66093

0.000845

26

1.725822

14.33978

85.65937

0.000845

27

1.725835

14.34102

85.65814

0.000845

28

1.725844

14.34189

85.65727

0.000845

29

1.725849

14.34242

85.65674

0.000845

30

1.725852

14.34271

85.65645

0.000845

31

1.725854

14.34284

85.65631

0.000845

32

1.725854

14.34289

85.65626

0.000845

33

1.725854

14.34291

85.65625

0.000845

34

1.725854

14.34291

85.65625

0.000845

35

1.725854

14.34291

85.65625

0.000845

Variance Decomposition of D(TXFR):

Period

S.E.

Demand Shock

Supply Shock

Monetary Shock

1

1.110989

0.330549

18.65161

81.01784

2

17.89529

50.60429

49.08341

0.312297

3

25.70632

73.93450

25.91176

0.153741

4

32.73214

82.65706

17.24800

0.094938

5

37.74307

86.74424

13.18436

0.071405

6

41.16152

88.72049

11.21943

0.060078

7

43.29943

89.75856

10.18713

0.054308

8

44.54211

90.29878

9.649885

0.051335

9

45.19605

90.57044

9.379691

0.049868

10

45.49980

90.69452

9.256268

0.049210

11

45.61709

90.74231

9.208730

0.048959

12

45.65006

90.75513

9.195983

0.048889

13

45.65435

90.75540

9.195716

0.048880

14

45.65514

90.75369

9.197428

0.048879

15

45.66033

90.75366

9.197476

0.048868

16

45.66981

90.75561

9.195547

0.048847

17

45.68098

90.75866

9.192514

0.048824

18

45.69141

90.76187

9.189329

0.048801

19

45.69974

90.76460

9.186613

0.048784

20

45.70561

90.76662

9.184612

0.048771

21

45.70928

90.76792

9.183312

0.048763

22

45.71132

90.76868

9.182565

0.048759

23

45.71231

90.76905

9.182192

0.048757

24

45.71271

90.76921

9.182037

0.048756

25

45.71282

90.76925

9.181991

0.048756

26

45.71284

90.76926

9.181986

0.048756

27

45.71284

90.76926

9.181988

0.048756

28

45.71285

90.76926

9.181987

0.048756

29

45.71288

90.76926

9.181979

0.048756

30

45.71292

90.76928

9.181968

0.048756

31

45.71296

90.76929

9.181957

0.048756

32

45.71299

90.76930

9.181947

0.048756

33

45.71301

90.76930

9.181940

0.048756

34

45.71302

90.76931

9.181935

0.048755

35

45.71303

90.76931

9.181932

0.048755

Annexe 9 -Figure 9 : Fonctions Impulsion-réponse croisée de toutes les variables

Annexe 10-Figure 10 : Autocorrélogrammes des résidus

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius