Tableau no7: Résultats du test de
coïntégration de Johansen
Nombre de Valeurs Statistique
Valeurs
relations de propres de la Trace
critiques à 5%
cointégration
r = 0 0,608
44,790 47,856
r = 1 0,426 26,671
29,797
r = 2 0,327 1,094
15,494
r = 3 0,000 0,003
3,841
* Rejet de H0 au seuil de 5%
Source : Nous-mêmes à
partir des résultats de régression.
De part ce tableau, il ressort qu'il n'existe aucune relation
de coïntégration entre les variables. La statistique de la Trace
pour r=0 donne une valeur égale à 44,790 inférieure
à la valeur critique au seuil de 5% (47,856). On peut continuer
à tester pour r=1, r=2 ou r=3. En effet, nous constatons qu'il n'ya
aucune relation de coïntégration entre les variables du
modèle.
III.4.6. Les instruments d'analyse associés à
un modèle
Les principales utilisations du VAR dans des applications
empiriques sont les tests de causalité au sens de Granger (1969), la
décomposition de l'erreur de prévision et l'analyse des
impulsions (ou fonctions de réponses aux chocs).
III.4.6.1. Tests de causalité
L'étude de la causalité nous permettra de voir
s'il y a une relation causale entre les variables et la décomposition de
la variance mettra l'accent sur la proportion de causalité entre les
variables. Les tests de causalité ont beaucoup évolué et
la définition de causalité varie d'un auteur à un autre.
Cela étant, il est généralement admis que le grand
initiateur de l'analyse de Causalité est Granger (1969). Ce dernier se
définit comme étant la capacité prédictive des
variables à travers le temps. La causalité au sens de granger
(1969) se réfère donc à l'antériorité d'un
phénomène sur un autre. A ce propos, Jean Ndenzako (1998) avance
que Z cause W si les valeurs passées de Z
permettent de prédire W mieux que ne le font les valeurs
passées de W. Autrement dit, Z cause
W au sens de Granger s'il existe dans les valeurs passées
de Z des informations non contenues dans le passé de W
mais qui améliorent de façon significative sa
prévision. Le raisonnement développé par Granger est
mené dans le cadre d'un modèle VAR qui comporte des
équations contraintes et non contraintes et permet ainsi d'envisager
l'ensemble des liens de causalité entre Z et W sans
devoir préjuger de l'exogénéité d'une variable.
Soit un modèle VAR(p) à deux variables
Z et W représenté comme suit :
W ne cause pas Z au sens de
Granger si et seulement si A = 0
Z ne cause pas au W sens de
Granger si et seulement si D= 0
Formulation des Hypothèses et règle de
décision
Hypothèses nulles :(1) H0 :
A1= A2 =.... = Ap =0
(2) H0 : D1
= D2 =.... = Dp = 0
Règle de décision : Si H0 (1)
est acceptée, W ne cause pas Z
Si H0 (1)
est rejetée, W cause Z
Si H0 (2) est
acceptée, Z ne cause pas W
Si H0 (2)
est rejetée, Z cause W
Il est important de noter que la proportion «W cause Z au
sens de Granger» n'implique pas que Z est l'effet ou le résultat de
W. La causalité à la Granger mesure le caractère
précédent de la causalité et non pas la causalité
elle-même au sens ou on l'entend en économétrie. Avant de
procéder à l'étude empirique de causalité par le
test de Granger, il nous semble important de construire le circuit
théorique de causalité. En effet, comme
précédemment décrit, un choc pétrolier, du point de
vue théorique augmente les importations en valeur et peut de ce fait
diminuer les recettes fiscales par différents engagements. Ce choc est
également une cause d'inflation par les coûts. Tous ces effets
peuvent concourir à amenuiser la production nationale.
| 
