III.4.
Présentation et interprétation des résultats de
l'estimation
Dans cette partie, nous présentons d'abord les
résultats de l'estimation du modèle VAR et ensuite nous les
analyserons avant de tirer les conclusions y afférentes. Elle est
consacrée à l'étude de la stationnarité, au choix
du modèle VAR optimal, à l'analyse de la
coïntégration et à la présentation des
résultats.
III.4.1 Analyse de la distribution et des sensibilités
des variables
Nous cherchons à analyser les liens existants entre les
différentes variables et la structure des distributions des
séries économiques. La corrélation renvoie au degré
d'affinité entre deux ou plusieurs variables ; le coefficient de
corrélation mesure la force de corrélation. Il varie de +1
à -1 ; son signe indique le sens de la relation tandis que sa
valeur indique l'intensité de la relation ou la capacité à
prédire les valeurs de K en fonction de celles de Z.
Les résultats des tableaux de l'annexe 8donnent les
coefficients des corrélations.
· Les corrélations sont fortes et positives
entre l'IPC et les variables PE et PG.
· Les corrélations sont également faibles
et positives entre :
ü IPC et le PP ;
ü PIB et tous les variables (PG, PE, PP) ;
ü RF et les variables PG et PP.
· La corrélation est enfin faible et
négative entre RF et le PE.
Les coefficients de corrélations de l'IPC, PE et PG
sont plus élevés. Les trois variables sont positivement
corrélées. En effet, lorsqu'une variable prend des valeurs
élevées, les autres prennent également des valeurs
élevées.
Le degré de corrélation faible et positive
entre IPC et PP implique que la variable PP explique faiblement la variation de
l'IPC. Aussi, les variables PG, PE et PP expliquent faiblement la variation
du PIB , et les variables PG et PP expliquent faiblement la variation des RF.
Enfin, le degré de corrélation faible et
négative implique que le PE explique faiblement et négativement
les variations des RF. Le calcul des coefficients de corrélation ne
constitue qu'une première étape de l'analyse de la relation entre
les variables. En effet, les coefficients de corrélation ne permettent
pas de dire si la relation entre les variables est fortuite ou non, si elle
correspond à une relation de cause à effet entre les variables
concernés. En plus, l'importance de la relation linéaire ne
préjuge pas l'existence d'un meilleur ajustement, qui serait quant
à lui de type non linéaire.
La détermination de la variable la plus dominante
montre que le PE et PG expliquent plus les variations de l'IPC, PIB et RF. Le
choc le plus dominant est celui du PG.
| 
