4.1. Choix du modèle : Modèle de
seuil
Plusieurs contributions sur la relation inflation et
croissance , incluant celle de Khan et Senhadji (2000) , Druckker ,
Gomis-Porqueras et HernandezVerme (2005) ,Yasir Mubarick (2005) ont
utilisé le modèle de seuil en panel initié par
Hansen(1999). En s'inspirant de l'étude de Kahn et Senhadji(2000) qui a
permis d'évaluer avec robustesse l'intervalle de 7 à 11% de seuil
d'inflation pour les pays en developpement, Mubarick (2005) a
déterminé le seuil d'inflation de la Jordanie qui
s'établirait selon ces estimations à 9%. Ainsi notre étude
s'inspirant de celle Kahn et Senhadji (2000) s'appuie sur le modèle de
seuil de Hansen.
Utilisant les données en panel , cette
méthodologie nous permet d'appréhender non seulement un effet de
seuil mais aussi de pouvoir évaluer celui-ci dans le cadre de la zone
UEMOA. La caractéristique essentielle du
modèle de Hansen (1999) est qu'il permet d'estimer le
seuil et non de l'imposer.
En effet, les modèles de panel à seuil non
dynamiques (par opposition à ceux qui font intervenir des variables
endogènes retardées) ont été
développés à l'origine par Hansen (1999). L'introduction
de cette nouvelle classe de modèles avait pour objectif de
décrire le lien non linéaire entre le comportement
d'investissement des firmes et les contraintes financières qu'elles
subissent. Un modèle de panel à seuil avec effets
décrivant la relation entre l'inflation et la croissance
économique et possédant une unique fonction de transition admet
l'écriture générale suivante :
Avec Yi la variable expliquée (le taux
de croissance économique), ðit la
principale variable explicative (le taux d'inflation),
Xit les variables de contrôle, ui l'effet
fixe et ut l'effet aléatoire; Et où la fonction de transition est
représentée par une fonction indicatrice Ð
qui prend la valeur 1 si la contrainte entre parenthèses est
respectée, 0 sinon. Hansen (1999) impose deux restrictions sur cette
spécification : la variable explicative et la variable de transition
doivent nécessairement varier avec le temps, et les résidus sont
supposés iid6 avec une moyenne nulle et une variance
finie.
L'originalité de ce modèle réside dans la
représentation d'un panel en plusieurs régimes distincts,
caractérisés chacun par une dynamique linéaire. La
transition est brutale sachant qu'un pays peut basculer d'un régime
à l'autre en une période. Mais, contrairement aux modèles
avec ruptures déterministes, le passage d'un régime à
l'autre n'est ni définitif, ni daté.
6 iid : indépendamment et identiquement
distribué
La transition est gouvernée par la comparaison des
écarts de valeur entre un seuil et une variable de transition
Par ailleurs, les données de panel présentent
des avantages qui permettent de cerner avec précision l'expression des
données à notre disposition. Une de ses caractéristiques
fondamentales est leur double dimension(les différents pays et le
temps). Cette double dimension, généralement individuelle et
temporelle permet d'étudier simultanément la dynamique et
l'hétérogénéité des comportements des agents
(Nerlove et balestra, 1995). L'analyse en donnée de panel nous permet de
recueillir un nombre élevé d'observations et de prendre en compte
l'hétérogénéité des économies de
l'UEMOA et les caractéristiques non observables.
Les observations individuelles sont réparties entre les
deux régimes. Leur appartenance à l'un ou à l'autre
dépend de la position de la variable de saut par rapport au seuil.
On distingue les différents régimes suivant la valeur de
leur pente :
â0 si qit< k ou â1
si qit >k. Si nous considérons
uniquement deux régimes, la valeur du seuil doit être
recherchée parmi les valeurs de la variable de transition .
Dans le cadre de notre étude, nous nous appuyons sur
l'étude effectuée par Kahn et Senhadji pour supposer qu'en tant
que pays en développement, le seuil de l'inflation dans la zone UEMOA
est compris entre 7 et 11%. Ce sont donc ses valeurs de notre variable de
transition à savoir 7%,8%,9%,10% et 11% que nous allons examiner pour
évaluer le seuil de l'inflation.
| 
