Memoire Online - La relation inflation-chômage en zone CEMAC

- CEMAC : Communauté Economique et Monétaire de l'Afrique Centrale. - DFE : Dynamic Fixed Effects.

Tableau 1 : Variables, notations, signes attendus des coefficients et sources des

données.....................................................................................................43

Tableau 2 : Identifiant, noms et codes des pays utilisés dans notre modèle........................44

Tableau 3 : Statistique descriptive.....................................................................55

Tableau 4 : Analyse de la multicolinéarité............................................................56

Tableau 5 : Analyse de l'indépendance interindividuelle...........................................58

Tableau 6 : Analyse de la stationnarité................................................................58

Tableau 7 : Analyse de la cointégration...............................................................59

Tableau 8 : Test de spécification d'Hausman (1978)................................................60

Tableau 9 : Présentation des résultats des estimations de la dynamique de court et long terme

................................................................................................................61

Tableau 10 : Résultats du test de linéarité pour les pays de notre échantillon...................65

Tableau 11: Résultats du test de linéarité pour les pays non linéaire..............................65

Tableau 12: Recherche des effets de seuil dans différents modèles................................66

Tableau 13: Estimation du modèle à seuil unique.....................................................66

Tableau 14: Estimation de la régression du modèle à seuil unique.................................66

Graphique 1 : Courbe de Phillips réinterprétée par Samuelson et Solow.........................10

Graphique 2 : Courbe de Phillips à la lecture keynésienne..........................................11

Graphique 3 : Courbe de Phillips de long terme augmentée des anticipations..................14

Graphique 4 : la courbe de Phillips selon la lecture de la NEC....................................15

Graphique 5 : Evolution croisée de l'inflation et du chômage dans la CEMAC...................35

Graphique 6 : Evolution de la relation inflation-chômage dans la CEMAC......................36

Graphique 7 : Analyse graphique de la non linéarité dans la relation.............................64

CHAPITRE I : REVUE DE LA LITTERATURE DE LA RELATION INFLATION-

Résumé

En utilisant une double approche économétrique, à savoir : un modele linéaire dynamique ARDL-MG et un modele non-linéaire à seuil PTR, ce papier explore la relation entre l'inflation et le chomage dans les pays de la Communauté Economique et Monétaire d'Afrique Centrale (CEMAC) sur la période 1994-2022. Les résultats révèlent, d'une part, l'existence d'une relation inverse entre l'inflation et le chomage uniquement à court-terme, lorsqu'on considère l'hétérogénéité structurelle des pays. En d'autre part, la présence de non linéarité dans la relation inflation-chomage, uniquement dans trois pays de l'échantillon, mais aussi l'existence d'un seuil positif et significatif de 4,80%. Ce seuil est considéré de critique car, à ce niveau élevé d'inflation, il n'y a pas de réduction du chomage. Ces résultats impliquent que la pratique des politiques communes n'est pas optimale, ils suggèrent ainsi que les dirigeants de la CEMAC doivent tenir compte des disparités structurelles des pays s'ils veulent mettre en place des mesures communautaires efficaces. De plus, ces résultats invitent chacun des dirigeants à repenser le tissu économique de leurs pays, en augmentant les structures économiques pouvant soutenir durablement la croissance et créer des emplois durables.

Abstract

Using a dual econometric approach, namely: a dynamic linear ARDL-MG model and a nonlinear PTR threshold model, this paper explores the relationship between inflation and unemployment in the countries of the Central African Economic and Monetary Community (CEMAC) over the period 1994-2022. The results reveal, on the one hand, the existence of an inverse relationship between inflation and unemployment only in the short term, when considering the structural heterogeneity of the countries. On the other hand, the presence of non-linearity in the inflation-unemployment relationship, only in three countries in the sample, but also the existence of a positive and significant threshold of 4.80%. This threshold is considered critical because, at this high level of inflation, there is no reduction in unemployment. These results imply that the practice of common policies is not optimal, they thus suggest that CEMAC leaders must take into account the structural disparities of the countries if they want to put in place effective community measures. In addition, these results invite each of the leaders to rethink the economic fabric of their countries, by increasing the economic structures that can sustainably support growth and create sustainable jobs.

INTRODUCTION GENERALE.

La persistance^1(*) des phénomènes d'inflation et de chômage dans la majorité des économies du monde devient de plus en plus l'une des principales préoccupations des dirigeants de ce siècle. Cette situation de persistance trouve des éléments explicatifs dans les facteurs non seulement antérieurs^2(*) mais également actuels, à l'instar de la récente crise sanitaire de Covid-19, les politiques économiques pratiquées et, la montée des tensions géopolitiques.

En premier lieu, nous évoquons le choc sismique de la pandémie de Covid-19 qui s'est abattu en 2020, provoquant une perturbation généralisée des chaînes d'approvisionnements mondiales, suivi d'un ralentissement de la production à qui s'associe une montée du chomage dans de nombreuses économies du monde^3(*).

En second lieu, en réaction à la détresse économique engendrée par la pandémie, plusieurs Banques Centrales ont adopté des politiques économiques accommodantes^4(*), conduisant à une augmentation de la masse monétaire à l'échelle mondiale, alimentant ainsi les tensions inflationnistes déjà présentes. Parallèlement, le conflit géopolitique en cours entre la Russie et l'Ukraine, survenu en 2022, n'a juste contribué qu'à amplifier l'inflation déjà en hausse^5(*).

Au regard de la conjoncture qui s'est abattue sur l'économie mondiale, il nous est convenu de réactualiser le débat de la courbe de Phillips, en particulier, pour le cas des pays de la CEMAC.

L'inflation vient du mot latin « inflare », qui signifie « enfler », « gonfler », désignant une hausse durable et continue du niveau général des prix de biens et services dans une économie au cours d'une période donnée. De ce fait, lorsque le prix d'un seul bien ou de quelques biens augmente, il n'y a pas forcément d'inflation car, les prix de tous les autres biens peuvent ne pas bouger, voire diminuer.

L'inflation se manifeste, par ailleurs, par une diminution du pouvoir d'achat de la monnaie, ce qui signifie que les consommateurs doivent payer plus pour obtenir les mêmes quantités de biens et services qu'auparavant ; ce qui conduit au phénomène de « vie chère ».

Cette derniere est mesurée à l'aide d'indicateurs tels que l'indice des prix à la consommation (IPC), qui suit l'évolution des prix d'un panier de biens et de services représentatif de la consommation courante des ménages. L'IPC est souvent utilisé pour calculer le taux d'inflation, qui représente la variation en pourcentage des prix par rapport à une période de référence.

Au niveau de la CEMAC, l'inflation est mesurée par le taux d'accroissement de l'Indice Harmonisé des Prix à la Consommation (IHPC), d'indice de base 100 (période de référence,

2019). Cette harmonisation vise à minimiser le biais du calcul du taux d'inflation au niveau communautaire, qui pourrait directement provenir des IPC nationaux.

Selon la définition adoptée en 1982 par le BIT, le chômage renvoie à une situation sur le marché du travail caractérisée par l'absence d'emploi, la recherche active d'emploi et la disponibilité pour occuper un emploi. Ainsi, sont considérées au chômage (ou chômeurs) au sens du BIT, les personnes en âge de travailler (conventionnellement 15 ans ou plus) qui sont « sans travail », « à la recherche d'un travail » et « disponibles pour travailler ». (Blanchard O. et D. Cohen, 2004).

Une définition opérationnelle du chômage consiste ainsi à considérer comme chômeurs tous les individus qui sont inscrits au sein de l'organe en charge de les recenser, sauf que cette définition présente certaines limites : (a) tous les chômeurs ne sont pas inscrits, (b) certains travailleurs au noir sont inscrits et (c) les systèmes de prise en charge des chômeurs diffèrent d'un pays à l'autre, ce qui rend délicates les comparaisons internationales.

Toutefois, pour ce qui est des économies de la CEMAC, nous avons également ajouté la définition selon laquelle le chômage résulte d'une inadéquation entre formations et emplois.

Le chômage se mesure par le taux de chomage qui désigne le rapport en pourcentage du nombre de chômeurs sur la population active totale. Cet indicateur est d'une grande importance car il revêt une dimension à la fois sociale et économique.

D'un point de vue économique, le chômage peut être considéré comme une sous-utilisation de la main-d'oeuvre disponible. Cependant, du point de vue social, la montée du chômage est génératrice de la pauvreté, de tensions raciales et de crise sécuritaire à l'origine des importants coûts sociaux et humains (Asseraf-Godrie, 1994 ; Elbaum, 1996 ; Jaradat, 2013 ; Moïse, 2015).

Dès lors, il s'impose la nécessité de créer des emplois car elle constitue l'un des piliers majeurs de la consolidation de la paix et de la reconstruction d'un pays (Pana, 2002).

La relation inflation-chomage, quant à elle, suggère une certaine possibilité accordée aux décideurs publics d'opérer un choix cohérent entre la réduction du chomage en élevant le niveau d'inflation ou inversement : c'est la courbe de Phillips.

Cette étude du lien existant entre l'inflation et le chômage a été au coeur d'une littérature abondante et controversée, mettant en opposition plusieurs économistes des différentes écoles de pensées entre autres : les keynésiens et les libéraux^6(*).

Les premiers défendent l'idée de l'existence d'une relation « inverse » entre l'inflation et le chômage. En effet, confortés par les données empiriques accumulées jusque dans les années soixante, de nombreux économistes keynésiens vont croire à l'existence d'un compromis « Trade-off » entre l'inflation et le chômage et ce, même à long-terme. Selon ces derniers, une accélération de l'inflation semblerait être le prix à payer pour réduire le taux de chômage (politique de relance), tandis que la désinflation entraînerait une remontée du taux de chômage (politique de rigueur).

Les seconds, contrairement aux premiers, se penchent plutôt sur l'absence d'une relation inverse. En effet, en introduisant l'hypothèse des « anticipations » et la dynamique temporelle de l'économie, ces auteurs libéraux vont démontrer qu'il n'existe aucune relation inverse à court terme sauf, quand les agents économiques sont trompés par les autorités monétaires ou quand ils commettent des erreurs d'anticipations des variations des effets des politiques économiques.

A long terme, les agents ne sont plus victimes des tromperies et des erreurs d'anticipations, dans cette situation toutes politiques de relance économique se solderaient en un échec.

L'arbitrage n'est plus possible entre les variables, la relation devient ainsi « verticale ». C'est le point de vue défendu par les auteurs du courant monétariste et de la nouvelle économie classique (NEC).

Toutefois, ces deux (2) écoles de pensées sont en accord sur la nécessité de lutter contre ces phénomènes car, la stabilisation d'une économie passe par le contrôle de ces variables. Sa réussite témoigne de l'efficacité des politiques appliquées (Kaldor, 1960 ; Okun, 1972).

La situation des économies de la CEMAC fournit un cadre propice d'analyse à notre sujet. En effet, bien que les pays de la CEMAC présentent un certain nombre de similitude concernant les caractéristiques de leurs économies à savoir : une économie de rente, vulnérable face aux variations du marché extérieur ainsi qu'une insuffisance des structures pouvant pérenniser la croissance économique ; ces pays présentent, cependant, un certain nombre des disparités structurelles qui sont d'ordres démographique, économique et géographique.

Ces disparités et problemes structurels auxquels sont sujets les pays de la CEMAC ne leur ont pas épargné des conséquences des précédents chocs, ils ont, au contraire, contribué à accroitre les couts socio-économiques dans les pays. Parmi les couts subits, nous citons entre autres le ralentissement de l'activité productive^7(*) associé à une élévation du niveau de chômage et, à un accroissement du niveau d'inflation, le positionnant au-dessus de sa cible de 3%.

Il est à noter, toutefois, que les conséquences de ces multiples chocs n'ont pas été vécues de façon homogène dans tous les six pays de la zone. En effet, pour certaines économies de la zone le cout de ces chocs a été plus prononcé sur chômage que l'inflation, tandis que pour d'autres l'effet a été inverse^8(*).

C'est au regard des disparités structurelles présentes dans cette zone que nos regards se sont portés sur ce champ d'étude, suscitant par la même occasion notre curiosité sur l'efficacité de la pratique des politiques économiques communes dans la zone.

Par ailleurs, l'adoption de la politique économique basée sur le ciblage de l'inflation a augmenté la nécessité de mieux comprendre la nature de la relation entre l'inflation et le chômage en zone

CEMAC, du fait que l'estimation de la courbe de Phillips est considérée comme un outil pertinent dans la mise en place de cette politique (Tanka et al, 2022). Ainsi, à la lumière de ce qui précède, nous nous interrogeons sur le(s) type(s) de relation que pourrait entretenir l'inflation et le chômage dans les économies de la CEMAC ?

Cette étude se fixe, comme objectif principal, d'examiner la nature de la relation inflationchomage afin de présenter aux dirigeants de la CEMAC les possibilités qu'ils ont de lutter contre la montée de ces fléaux par le moyen d'une politique conjoncturelle efficace.

En prenant appui sur les critiques libérales adressées à la courbe de Phillips, en particulier celles formulées par le courant monétariste, nous posons les hypothèses de recherche suivantes :

Hypothèse 1 : Il existe une relation inverse entre l'inflation et le chômage compatible avec la courbe de Phillips « augmentée », en zone CEMAC.

Hypothèse 2 : En CEMAC, la relation inflation-chomage est non linéaire et présente des effets de seuil.

Notre travail est structuré comme suit : revue de littérature (Chapitre I), cadre méthodologique de la recherche (Chapitre II) et, estimation des modèles et résultats (Chapitre III).

CHAPITRE I : REVUE DE LITTERATURE DE LA RELATION INFLATION-

CHOMAGE.

Il s'agira pour nous ici de présenter, d'une part, l'analyse théorique autour de la relation inflation-chômage (section 1) et, les études empiriques qui se sont investies autour du débat (section 2), d'autre part.

Section 1 : Revue théorique de la relation inflation-chômage.

Dans le souci de stabiliser le cadre macroéconomique de l'apres guerre, l'analyse de la relation entre la sphère réelle et la sphère monétaire de l'économie, reformulée sous l'appellation de relation entre « l'inflation et le chômage », a occupé une place prépondérante dans la littérature économique.

L'étude de la relation entre ces deux variables économiques a été au coeur de nombreuses controverses entre deux grands courants de pensées : les libéraux qui sont les défenseurs de la sphère réelle de l'économie et, qui soutiennent l'idéologie selon laquelle il existerait une « dichotomie » entre la sphère réelle et la sphère monétaire (Smith, 1776 ; Say, 1803). Face à eux, nous avons le courant keynésien qui, lui, soutient l'idée de l'existence d'un lien entre ces deux sphères et, se positionne ainsi comme défenseur de la sphère monétaire de l'économie (Keynes, 1936). Cette controverse a donné naissance à une littérature abondante, reposant sur les travaux réalisés par Phillips dans les années 1950.

Ainsi, ce chapitre de notre étude s'invite à présenter l'évolution de la pensée économique sur la question de la nature de relation entre l'inflation^9(*) et le chômage^10(*). Pour se faire, deux (2) points sont à explorer : un premier point portant sur l'analyse traditionnelle de la courbe de Phillips et, un second point portant sur la révision de la courbe de Phillips et le rôle des « anticipations ».

Ce sous point prend en compte toutes les analyses théoriques de la courbe de Phillips n'intégrant pas le concept d' « anticipations » :

La courbe de Phillips désigne d'abord une relation statistique, empirique entre le taux de chômage et la variation des salaires nominaux, mise en évidence par l'économiste néozélandais Alban William Phillips dans son article publié en 1958. Sur la base de cette relation, une courbe théorique a été élaborée, postulant d'une relation inverse entre le taux de chômage et le taux d'inflation salariale, accordant la possibilité aux décideurs publics d'opérer un arbitrage entre ces deux objectifs contradictoires, pour une meilleure régulation de la conjoncture. L'équation spécifique permettant de mettre en évidence cette relation est de la forme suivante :

Où ^?

??^?? est le taux de croissance du salaire nominal, ??_?? le taux de chômage, ??_?? les résidus de l'estimation et où, la relation étant présumée décroissante, ce que l'on traduit par un signe moins devant le paramètre ??, présumé positif. Comme le montre le graphique 1, la relation effectivement estimée par Phillips est en fait inverse et non linéaire.

L'interprétation la plus simple de la courbe de Phillips repose sur la loi de l'offre et de la demande : le taux de variation du salaire dépend de la différence entre la demande et l'offre de travail, différence qui est mesurée par le niveau de chômage. Ainsi, plus celui-ci est élevé, plus la pression à la baisse du salaire est importante (Guerrien, 2000). En effet, le pouvoir de négociation du salaire nominal est d'autant plus fort que le niveau de pression sur le marché du travail est faible.

Cette courbe a servi de base aux politiques keynésiennes jusqu'à la fin des années 1960, elle a ensuite été reformulée avant d'être remise en cause pour absence d'un fondement théorique de l'étude et pire même, abandonnée.

Cette analyse vient répondre à la critique formulée par Tobin (1972) sur l'absence d'une base théorique relative à l'étude de la relation « inflation et chômage ». De ce fait, l'analyse de Richard Lipsey (1960) vient combler cette omission théorique relative l'étude empirique de Phillips (Guillaumin, 2020).

En effet, la formulation de Lipsey (1960) à la critique libérale repose sur la liaison entre sa théorie du marché du travail et la courbe de Phillips, reposant, celle-ci, sur deux hypothèses : L'existence d'une relation positive linéaire entre la variation, en pourcentage, des taux de salaires et la demande excédentaire définie par l'écart, en pourcentage, entre la demande et l'offre du travail et, l'existence d'une relation inverse entre la demande excédentaire d'une main d'oeuvre et le niveau de chômage présentée dans l'équation suivante :

D'une part, avec un accroissement de l'offre excédentaire de travail, le chômage augmente de manière linéaire mais lorsque la demande excédentaire devient positive, les possibilités d'emploi deviennent plus nombreuses et, les travailleurs changent le plus souvent d'emploi. Autrement dit, le taux de croissance des salaires résulte d'un excès de la demande de travail (Phan, 1971 ; Friboulet, 2001).

D'autre part, la durée de la période qui sépare deux emplois a tendance à diminuer du fait de la hausse de la demande de travail. Ainsi, comme le temps de la réduction du chômage emporte sur le temps d'augmentation de sa fréquence et, que le chômage ne peut être négatif, cela explique la non linéarité de la baisse du chômage et donc, celle de la relation.

Analyse de Solow et Samuelson : un instrument de politique économique pour les décideurs publics.

La relation de Phillips (1958) n'a pas reçu beaucoup d'attention sauf après le travail de Robert Solow et Paul Samuelson, publié en 1960, où ils transforment la relation de Phillips initiale en compensant le taux de variation des salaires par le taux d'inflation qui est corrélé positivement avec la croissance des salaires (Schwarzer, 2013).

En effet, Samuelson et Solow (1960) vont établir une relation « inflation-chômage » reflétant l'économie américaine depuis le début des années vingt jusqu'en 1958. Ils fondent cette relation à partir de l'approche « Mark-up pricing ». Ils en déduisent alors deux principaux résultats : il faut accepter un taux de chômage entre 5 et 6% qui représente le cout à payer pour la stabilité des prix dans les années à venir et pour avoir un taux de chômage d'environ 3%, les prix doivent augmenter de 4 à 5%, ce qui représente le cout à payer pour obtenir un niveau de chômage à ce taux. C'est ainsi que va naitre la plus célèbre courbe en macroéconomie.

L'équation ci-dessous met en lumière la relation négative entre le taux de chômage et l'inflation

: ð_t= -â(u_t-u^*) (3) Avec u^* le niveau de chômage naturel, u_t le taux actuel du chômage (la différence entre u_t et u^* désigne le chômage conjoncturel) et ??_tle niveau d'inflation a la période t. Avec â positif, variant de 0 à l'infini, et dont la valeur mesure l'élasticité des prix aux déséquilibres du marché, autrement dit la vitesse d'ajustement des prix aux déséquilibres. En cas de rigidité totale, â =0 et en cas de flexibilité parfaite, â =+8.On peut bien remarquer dans cette formulation l'absence du terme de l'inflation anticipée car ces derniers font l'hypothèse d'une inflation nulle.

Cette courbe est devenue une arme puissante pour la mise en oeuvre des politiques économiques puisqu'elle met en évidence une sorte de « dilemme » entre l'inflation et le chômage, qui sont deux objectifs contradictoires des politiques conjoncturelles. Une politique de relance, ou de soutien de l'activité permet de réduire le chômage, mais risque de conduire à une accélération de l'inflation, alors qu'une politique de lutte contre l'inflation (politique monétaire de rigueur par exemple) conduit à une hausse du chômage (cf. graphique 1).

A cet effet, l'analyse de Samuelson et Solow (1960) invitent alors à lire la courbe de Phillips comme le fait qu'il y aurait un prix à payer en termes de chômage pour maintenir une faible inflation et, inversement, qu'un faible taux de chômage se paie en termes d'une hausse d'inflation. Le choix entre ces deux objectifs est un choix politique opéré par les pouvoirs publics. De ce fait, la courbe de Phillips va alors devenir l'un des instruments importants pour la conduite des politiques conjoncturelles durant la période des Trente Glorieuses.

Source : Paul Samuelson, Robert Solow, "Analytical aspect of anti-inflation policy". The American economic review, Vol 50, N2, 1960, p192.

Analyse keynésienne : la courbe de Phillips comme équation manquante du modèle keynésien.

Le positionnement et l'intérêt portés par les keynésiens à l'égard de la courbe de Phillips résultent de son adoption comme « équation manquante » de la relation « salaire-emploi » laissée dans la théorie générale de Keynes (1936).

Pour les keynésiens, la courbe de Phillips exprime le fait que les gouvernements disposent d'une marge de manoeuvre quant à l'objectif à privilégier, entre la lutte contre l'inflation et celle contre le chômage en fonction de la situation économique qui prévaut. En effet, quand ces derniers estiment que le taux de chômage est trop élevé pour des raisons non seulement économiques mais aussi sociales et politiques, ils mettent en place une politique dite de « relance » pour stimuler l'activité, ce qui va certes diminuer le taux de chômage mais également augmenter le taux d'inflation. Quand le taux d'inflation devient lui-même trop important, les gouvernements changent de politique en adoptant, a contrario, une politique dite de « rigueur » visant à freiner la progression des prix. Cette mesure a pour conséquences un affaiblissement de la demande globale lié à la baisse de l'activité et, une dégradation de l'emploi.

Ainsi, les politiques économiques servent à définir la conjoncture avec ses aléas, puisqu'elles consistent à faire succéder des phases de stabilisation (Stop) et de relance (Go), d'où l'appellation de politiques de « stop and go ». En outre, la mise en évidence d'un arbitrage « inflation-chômage » fournit un fondement rationnel aux politiques de « fine tuning^11(*) ». La courbe de Phillips à la lecture keynésienne devient alors :

Graphique 2a : Politique de rigueur (STOP). Graphique 2b : Politique de relance (GO).

Interprétation graphique : Selon la théorie keynésienne, les pouvoirs publics font un arbitrage entre la lutte contre l'inflation ou le chômage. Si l'inflation est élevée, la priorité sera une politique de stabilisation des prix (politique de rigueur : « Stop »), ce qui conduit à une augmentation du chômage (déplacement de A vers B dans le graphique 2a). Par contre, si le chômage devient important, l'Etat doit fournir des projets publics (politique relance : « Go ») afin d'absorber la main d'oeuvre inoccupée au détriment des prix qui vont s'élever suite à cette politique (déplacement de D vers C dans le graphique 2b) (Geerolf, 2021).

Pour les tenants de ce courant de pensée, la monnaie n'est pas neutre, comme le prétendent les auteurs du courant libéral, elle est endogène au système productif et, elle engendre des effets positifs à court-terme sur l'économie. C'est à l'occasion du caractère temporel limité et l'absence du comportement prédicteur de l'agent économique que présente cette analyse que vont s'inscrire les critiques suivantes.

1.2- Révision de la courbe de Phillips et le rôle des anticipations^12(*).

Dans ce sous point, il est question de mettre en lumière les réflexions qui ont contribué à la révision de la courbe de Phillips traditionnelle en intégrant le rôle des anticipations de l'agent économique.

Vers la fin des années 1960, la validité de la courbe de Phillips fut contestée, à la fois par des économistes libéraux, comme les monétariste Milton Friedman (Nobel 1976), et Edmond

Phelps (Nobel 2006). Ces derniers considèrent, avec des arguments différents, l'invalidité de la courbe de Phillips à long terme, car dans cet horizon temporaire il n'y a pas d'arbitrage entre les phénomènes. Ils prédisent, à cet effet, une absence de validité durable de cette courbe, comme on va effectivement le constater avec l'apparition de la « stagflation¹³ » des années 1970 aux USA, où les taux de chômage et d'inflation ne cessaient d'augmenter en plus d'une croissance économique faible.

En effet, selon Friedman (1968), la demande de travail des entreprises dépend fondamentalement de l'évolution comparée des salaires et des prix, de même que l'offre de travail dépend du pouvoir d'achat des salaires (salaire réel). Ainsi, l'analyse de ce dernier a pour point de départ, l'existence d'un taux de chômage naturel appelé : NAIRU^13(*). Ce taux de chômage est celui vers lequel tendrait toute économie en situation d'équilibre général walrasienne. Si les pouvoirs publics cherchent, par une politique économique de relance (politique monétaire expansionniste par exemple), à faire baisser le taux de chômage au-dessous de son taux naturel, deux types de réactions vont se produire :

À court terme, les agents économiques sont victimes d'illusion monétaire et ne vont pas immédiatement remarquer l'augmentation du niveau général des prix qui en résulte de la politique de relance. Dès lors, ils ne vont donc pas réclamer des augmentations de salaires. Dans ces conditions, les entreprises vont embaucher de la main d'oeuvre supplémentaire pour pouvoir répondre à l'accroissement de la demande. Le chômage va donc diminuer à court terme, à cause des erreurs d'anticipation sur l'évolution des prix et l'illusion monétaire dont sont victimes les salariés.

À moyen et long terme, ces derniers vont se rendre compte de la baisse de leur pouvoir d'achat et vont donc renégocier des augmentations de salaires, qui vont non seulement renforcer les tensions inflationnistes, mais vont également conduire les entreprises à licencier la main d'oeuvre récemment embauchée.

Le résultat d'une telle politique est donc une aggravation de l'inflation alors même que le taux de chômage revient inexorablement à son niveau naturel et les salaires réels à leur niveau initial mais pour un niveau des prix élevé. Friedman (1968) va conclure, à cet effet, à une « inefficacité » des politiques de relance keynésienne sur le long terme, du fait qu'elles n'améliorent pas la situation de l'emploi, car les agents économiques ne sont plus victimes d'« illusion monétaire » et parviennent ainsi, à adapter leurs anticipations et, d'une certaine manière, à corriger leurs erreurs (Gbaguidi, 2012). Selon lui, le chômage ne dépend plus de l'inflation sur le long terme. Ainsi, la courbe de Phillips devient « verticale » au taux de chômage naturel d'équilibre du marché du travail, dépendant des structures de l'économie. Ce chômage est volontaire et structurel.

Cette critique a conduit l'auteur à revisiter la courbe de Phillips en l'augmentant des anticipations d'inflation pour analyser la relation de Phillips de long terme. Cette relation peut être illustrée par le graphique suivante :

Graphique 3 : Courbe de Phillips de long terme augmentée des anticipations.

De plus, la courbe de Phillips de court terme, a été au coeur d'une polémique entre les monétaristes et les keynésiens autours, d'une part, du lien de causalité entre l'inflation et le chômage : Samuelson et Solow trouvent qu'elle est orientée du chômage vers l'inflation, tandis que Friedman voit que c'est plutôt de l'inflation vers le chômage et non l'inverse, et que ce sont les prix qui poussent les salaires à augmenter et non le contraire.

Et, d'autre part, sur la pente de la courbe : les keynésiens voient que la courbe de Phillips est plate à des niveaux élevés du chômage en raison de la rigidité des salaires causée par les syndicats, alors la baisse du chômage est associée à un coût minime d'inflation. De son côté, Friedman trouve que les syndicats ne sont pas si forts que ça et que les salaires sont flexibles, alors la courbe de Phillips est aiguë, et les politiques expansionnistes entrainent un taux significatif de l'inflation sans fournir de bienfaits considérables en termes de réduction du chômage.

Deuxieme interprétation : la critique radicale de la nouvelle économie classique (NEC^14(*)).

Certains économistes ont cru pouvoir radicaliser la position monétariste, en affirmant que l'économie ne peut, en aucun moment, être en situation de déséquilibre, même temporairement. Autrement dit, pour ces derniers le chômage est toujours égal à son niveau naturel. Ainsi, son accroissement, analysé comme la manifestation d'un déséquilibre, est toujours analysé par les économistes de la NEC comme un simple accroissement du seul chômage naturel caractérisant, par conséquent, un déplacement de la position d'équilibre de l'économie.

La caractéristique essentielle du raisonnement des économistes de la NEC, en particulier celui de Robert Lucas (1972) et de Robert Barro (1974) est l'hypothèse des « anticipations rationnelles », si bien que la possibilité d'illusion monétaire, certes temporaire, admise par Friedman (1968), soit rejetée catégoriquement par les économistes de la NEC.

De ce fait, il n'y a donc plus un laps de temps pendant lequel la politique de relance réduit le chômage. En effet, dès que les pouvoirs publics mettent en place des politiques de relance par injection de liquidité dans le circuit économique, les agents économiques anticipent déjà une hausse des prix et revendiquent aussitôt des augmentations de salaires proportionnels à la hausse des prix. Il y a bien inflation mais comme le coût réel du travail (salaire réel) reste le même, le taux de chômage va, lui, demeurer à son niveau naturel.

De même, qu'une politique de relance budgétaire est inefficace à rehausser la demande globale. En effet, une augmentation des prestations sociales conduit les agents à épargner au lieu de consommer, car ils considèrent qu'à terme, la variation de leur revenu courant sera rattrapée par une croissance des prélèvements obligatoires (« Théorème d'équivalence Ricardo-Barro »). Ce qui débouche sur une verticalité de la courbe de Phillips, aussi bien à court-terme qu'a longterme, à la hauteur du taux de chômage naturel, comme le présente le graphique suivante :

Les agents étant rationnels, ces derniers vont parfaitement anticiper les effets inflationnistes des politiques de relance. La courbe de Phillips devient une droite verticale. La monnaie étant neutre, le taux de chômage revient toujours à son niveau naturel quel que soit le niveau d'inflation. La politique économique est par conséquent, inefficace pour résorber le chômage. Cette inefficacité des politiques économiques de relance, à court comme à long terme, a pour cause les anticipations rationnelles des agents. De ce fait, elles ont pour conséquences d'être nuisibles puisqu'elles accélèrent l'inflation sans jamais diminuer le chômage.

C'est en partant du raisonnement fait par Lucas au cours des années 1970, que deux autres « nouveaux économistes classiques », Thomas Sargent et Neil Wallace, vont élaborer en 1976 leur propre modèle économique fondé sur le « principe d'invariance ». Selon ce principe, toute politique monétaire, de même que toute politique budgétaire sont inefficaces car les agents anticipent rationnellement les effets de variation de la politique monétaire. Cependant, seules les variations aléatoires, non « anticipées », de la masse monétaire peuvent affecter le volume de la production et par conséquent, le niveau de l'emploi car, contrairement, ce sont les seules qui peuvent « tromper » les agents.

Le modèle de la NEC rejoint donc celui des Classiques dans ses principales conclusions puisqu'il affirme tout à la fois la neutralité de la monnaie, la théorie quantitative, l'ajustement spontané et instantané des marchés, l'équilibre macroéconomique de plein emploi et par conséquent l'inefficacité des interventions publiques, quel que soit l'horizon temporel. Pour ces économistes, seules des politiques structurelles peuvent être utiles. Il s'agit essentiellement des mesures tendant à abaisser le taux de chômage naturel. Mais, il faut aussi une politique monétaire délibérément restrictive pour lutter contre l'inflation puisque celle-ci est considérée comme d'origine monétaire et la stabilité des prix comme une nécessité absolue.

Réinterprétation de courbe de Phillips par la nouvelle économie keynésienne (NEK).

Le point de départ de la naissance de la NEK est la critique^15(*) formulée par R. Lucas sur la courbe de Phillips mais plus généralement, sur l'inefficacité des politiques économiques de relance liée aux anticipations rationnelles des agents.

Partant de cette critique, trois (3) hypothèses sont formulées pour définir le cadre d'analyse de cette nouvelle école de pensée, à savoir : (i) L'entreprise évolue dans un environnement de concurrence monopolistique et dispose, de ce fait, d'un pouvoir de fixation des prix ; (ii) L'entreprise ne peut ajuster les prix au niveau désiré à toutes les dates car ils sont rigides. Ainsi, l'ajustement des prix se fait de manière non fréquente et non simultanée dans l'économie ; (iii) Les entreprises fondent leurs décisions sur des anticipations rationnelles.

Partant de ces hypothèses, les nouveaux économistes keynésiens vont actualiser la courbe de Phillips à la lumière des critiques de la nouvelle économie classique (NEC) : la Courbe de Phillips Néo-Keynésienne (NKPC). Cette courbe traduit une relation décroissante entre « l'inflation et d'une part, une variable réelle (l'écart de production par exemple) et, d'autre part, l'inflation anticipée », renseignant sur le comportement des agents, à l'égard des modes de fixation des prix par les entreprises dans un contexte inter-temporel (Gali et Gertler, 1999 ; Le Bihan, 2009).

Selon Lacker et Weinberg (2007), cette « courbe de Phillips conventionnelle de court-terme indique que l'inflation actuelle augmente à mesure que le chômage actuel diminue par rapport à son taux naturel ».

Autrement dit, la NKPC met en évidence un compromis inflation-chômage à court terme, malgré la validité de l'hypothèse d'une attente rationnelle. De ce fait, La NKPC prend en compte différentes questions, allant de la détermination du niveau des prix par l'optimisation du comportement des entreprises aux effets dynamiques de la politique monétaire en fonction des arguments microéconomiques. C'est pourquoi on parle de « fondements microéconomiques de la macroéconomie ».

Pour répondre aux critiques qui leur sont adressées, les nouveaux économistes keynésiens vont utiliser un raisonnement en deux temps : premièrement, ils vont démontrer que les comportements rationnels sont au coeur de la formation des rigidités et par conséquent, renforcent l'efficacité des politiques économiques et deuxièmement, en apportant des éléments d'explications à la stagflation des années 1970.

Dans « Enjeux Les Échos » de décembre 2009, R. Shiller et G. Akerlof ont écrit un ouvrage intitulé « les esprits animaux », dans lequel ils affirment que « le chômage est une conséquence des anticipations inflationnistes et non pas de l'inflation elle-même ».

Les nouveaux keynésiens distinguent deux sortes de rigidités, les rigidités nominales et les rigidités réelles. Les rigidités nominales sont celles qui affectent les prix et les salaires exprimés en valeur nominale, en prix absolus. Les rigidités réelles sont les rigidités qui concernent non les valeurs mais les quantités, sur les marchés des biens, du capital et du travail, et qui touchent donc les prix relatifs. Sur le marché du travail, il est possible de mettre en évidence le jeu des deux types de rigidités en envisageant la formation du salaire nominal de la manière suivante : ?? = -???? + ???? + ?? (4)

Avec ??

;

, U le taux de chômage, P le niveau général des prix et c une constante.

Où á est une élasticité qui mesure l'impact des rigidités réelles (chômage) sur le salaire. Plus á est élevé, moins les rigidités réelles sont fortes, puisque le salaire s'ajuste très vite au déséquilibre du marché du travail. Et inversement quand á est petit. Où â est une élasticité qui mesure l'impact des rigidités nominales (inflation) sur le salaire, le degré d'indexation du salaire sur le P. Plus â est proche de 1, moins les rigidités nominales sont fortes puisque le salaire est alors parfaitement indexé à l'évolution des prix. Et inversement quand â est proche de 0.

Cette équation traduit que le niveau du taux de salaire nominal W réagit essentiellement à deux facteurs : négativement, au niveau du taux de chômage U, donc à la situation du marché du travail et positivement au niveau des prix P.

Pour les économistes de la NEC, la courbe de Phillips est verticale dans le court terme comme dans le long terme, parce qu'ils considèrent que les agents sont rationnels et que les marchés sont parfaits, ce qui traduit que les prix sont totalement flexibles et que les salaires sont parfaitement indexés. Cette courbe ne serait pour eux décroissante que si ces derniers sont trompés ou si ils anticipent mal les effets de la variation des politiques monétaire.

En admettant l'hypothèse des anticipations rationnelles, les économistes de la NEK considèrent que la courbe de Phillips à court terme est décroissante parce qu'il n'y a pas de flexibilité suffisante des salaires et des prix ; l'imperfection des marchés donne forme aux rigidités. Et, ces rigidités sont rationnelles du point de vue des agents.

Premièrement, la rigidité des prix (nominale) : Elle est liée au fort cout d'ajustement qu'elle engendre. En effet, en CPP, le problème ne se pose pas puisque par définition les entreprises sont « Price taker » cependant, en concurrence imparfaite elles sont au contraire « Price maker

» et il y a, à cet effet, des coûts d'ajustement. En considérant qu'elles sont rationnelles, elles se posent la question de savoir s'il est judicieux ou non de modifier le prix, c'est un calcul du type « coût-avantage » qui doit permettre de le dire.

Ces rigidités nominales trouvent leurs explications, d'abord, dans la mise en place des contrats salariaux de longue durée, conduisant à éviter les couts liés aux négociations à répétition et aux ajustements automatiques (Phelps, 1990).

Ensuite, la concurrence imparfaite mettant les entreprises en interdépendances stratégiques, les obligeant d'observer et d'anticiper les comportements des concurrents tout en gardant le cap qu'elles se sont fixées. Ainsi, elles ne sont pas incitées à réagir trop vite ni trop brutale par des modifications des prix ou des salaires, ce qui explique le fait que les élasticités des prix à la baisse comme à la hausse ne soient pas les mêmes, comme dans le modèle d'oligopole^16(*) de Paul Sweezy (1930).

Et enfin, l'existence des couts de catalogue ou couts liés à la refonte des catalogues et autres menus conduisant les entreprises à procéder par un ajustement des quantités avant d'envisager par la suite des ajustements des prix. Ces ajustements sont vecteurs des couts et ces couts sont à l'origine des rigidités des prix.

Secondement, les rigidités réelles, quant à elles, peuvent s'expliquer d'une part, par la théorie du salaire qui stipule que l'entreprise verse des salaires supérieurs au salaire d'équilibre pour inciter les employés à être productifs, limitant de leurs parts des comportements opportunistes, plutôt que d'embaucher la main d'oeuvre supplémentaire. Cette décision de l'employeur conduit à un rationnement de la demande de travail sur ce marché. Soulignons au passage que pour les libéraux, le salaire est surtout vu comme un coût, le baisser est une solution pour résorber le chômage. Par contre, pour les keynésiens, pour qui le salaire est surtout vu comme un revenu, baisser le taux de salaire diminue à la fois la demande et la productivité, ce qui aggrave doublement la situation.

D'autre part, le phénomène d'asymétrie d'information. Se trouvant dans les domaines de la banque, ce phénomène conduit au rationnement quantitatif du crédit. En effet, Stiglitz et Weiss vont montrer en 1981, qu'en présence d'asymétrie d'information, il est préférable de rationner le crédit plutôt que le taux d'intérêt qui, lui, constitue le prix. Ce rationnement du crédit est la cause des rigidités réelles sur les marchés des capitaux.

Toutefois, les rigidités nominales du salaire sont amenées à se réduire sur le long terme, il est loin d'en être de même pour les rigidités réelles : le chômage persiste donc quel que soit le niveau du salaire réel. Ce qui en fait l'une des causes de la persistance à la hausse du chômage des années 1970.

Pour répondre aux accusations des libéraux au sujet de l'inefficacité politiques économiques qui seraient à l'origine des déséquilibres, plus particulièrement celui de la stagflation des années

1970, les économistes de la NEK vont formuler des explications loin de l'action des autorités publiques.

En effet, pour ces derniers, la stagflation s'explique dans un premier temps par un choc^17(*) d'offre, notamment le fameux choc pétrolier de 1973, qui constitue l'une des sources importantes d'inflation importée et qui amplifie considérablement la spirale prix-salaires, en même temps qu'il nuit à la croissance. De même qu'un choc démographique, à l'origine d'un accroissement de la population active explique le fort taux de chômage des années 1970.

Dans un second temps, il y a des évolutions structurelles qui alimentent à la fois le chômage et l'inflation : (i) les mutations technologiques qui posent des problèmes de reconversion aux individus comme aux firmes, et d'adaptation au système éducatif, problèmes dont la résolution exige beaucoup de temps et d'efforts ; (ii) les secteurs porteurs et en plein essor, qui, faute de capacités de production suffisantes, sont générateurs de hausses de prix, pendant que les secteurs en perte de vitesse ou en déclin licencient, faute de débouchés et/ou de rentabilité suffisante, sans que les chômeurs des seconds secteurs ne puissent pour autant devenir les salariés des premiers secteurs et ; (iii) le phénomène d'« hystérèse » expliquant la persistance du chômage. Une période de chômage prolongée affaiblit les mécanismes concurrentiels en général et, influe sur l'évolution du salaire réel, en particulier. Une période de chômage prolongée accroît les privilèges des « insiders » et réduit les possibilités d'emplois des « outsiders » et cette asymétrie entre les deux catégories augmente avec le temps. Il est de plus en plus difficile de renverser la tendance du chômage. Ainsi, le chômage qui était initialement conjoncturel se transforme en chômage structurel.

Section 2 : Etudes empiriques sur la relation inflation-chômage.

La littérature théorique de la relation inflation-chômage a été discutée sous deux angles : d'une part sur l'existence d'une relation négative (ou inverse) entre l'inflation et le chômage et d'autre part, sur l'absence de relation (ou verticalité). Discutant de la relation entre les variables monétaire et d'activité réelle, certains auteurs ont formulé le débat sur le sens de causalité des variables (Samuelson-Solow, 1960 ; Friedman, 1968) et, d'autre plutôt se sont orientés sur la question de l'existence d'effets de seuil dans la relation entre les variables (Fisher, 1993 ; Tobin, 1965 ; Palley, 2003).

Ainsi, à partir du milieu des années 1990, plusieurs travaux empiriques ont émergé, cherchant à examiner la nature de la relation entre les deux variables. Ces travaux ont été réalisés tant dans les pays développés que les pays en développement, aussi bien sur les pays individuels que sur les panels de pays, en utilisant des méthodes économétriques diverses.

Dans cette première catégorie d'études, nous avons mis en avant les travaux empiriques récents qui ne traitent uniquement que du débat sur la nature de la relation et sur le sens de causalité des variables :

Dans 48 pays d'Afrique subsaharienne, Mah Philippe et al (2023) ont exploré la relation entre l'inflation et le chômage, pour une période allant de 2000 à 2019. En utilisant un modèle de donnée de panel, ils concluent que le chômage et l'inflation ont une relation significativement négative. Ce résultat s'expliquerait par le fait que les erreurs des anticipations influencent négativement l'évolution du taux de chômage. Ainsi donc, un accroissement du taux d'intérêt entraine une baisse du chômage.

Suna Korkmaz et al (2020) étudient la relation de cause à effet entre le chômage et l'inflation dans les pays du G6 sur une période allant de 2009 à 2017. En ayant recours à un test de causalité de panel, ils obtiennent les résultats suivant : selon le test de Granger, il existe une causalité unidirectionnelle entre le taux d'inflation et le taux de chômage. Les résultats des estimations font de la maîtrise de l'inflation un objectif prioritaire dans ces pays. Cependant, les politiques visant à maîtriser l'inflation entrainent une baisse de la demande des biens et services dans l'économie. À mesure que la demande globale des biens et services dans l'économie diminue, la demande de main d'oeuvre diminue également.

Ayira Korem (2019), dans une étude portant sur les déterminants macroéconomiques et monétaires du chômage dans les pays de L'UEMOA entre 1987 et 2017 avec un modèle autorégressif à retards distribués (modèle ARDL) associé d'une série de test en panel (tests de stationnarité et de co-intégration) débouche sur des conclusions telles qu'à court terme, le taux d'inflation, le taux de change et la stabilité du gouvernement expliquent le niveau du chômage dans les pays de l'UEMOA, tandis qu'à long terme, le taux de chômage est expliqué par la productivité du travail, le taux d'inflation, les dépenses publiques, la corruption et la responsabilité démocratique. Ainsi, une réduction du taux d'inflation de 10% accroît le niveau du taux de chômage total et du taux de chômage des jeunes respectivement de 1,08% et 0,71%.

Par conséquent, une augmentation du niveau général des prix dans les pays de l'UEMOA réduirait les salaires réels en entrainant une augmentation de la demande de travail et donc une baisse du chômage.

Keshab Bhattarai (2016) examine l'arbitrage entre le chômage et l'inflation dans les pays de l'OCDE pour la période 1990 à 2014. Pour cette étude, l'auteur utilise les modèles de données de panel à effets fixes et aléatoires et un modèle vectoriel autorégressif (VAR) de panel, associés à des tests de co-intégration et de causalité de Granger. Les résultats suggèrent l'existence d'une relation bidirectionnelle et de long terme entre les variables dans les économies de l'OCDE. Bien que les taux de chômage varient considérablement d'une économie à l'autre, les taux d'inflation se sont stabilisés à des taux plus faibles grâce aux politiques de ciblage de l'inflation adoptées au cours des deux dernières décennies. La relation de Phillips s'est montrée empiriquement significative pour 28 des 35 économies de l'OCDE dans les régressions par pays et, dans le panel de 40 économies avancées.

Marika Karanassou et al (2003) ont examiné la relation empirique à long terme entre l'inflation et le chômage, à l'aide d'un modèle structurel dynamique (GMM) couvrant un panel de onze pays de l'UE. L'analyse s'étend sur une période allant de 1977 à 1998. Il en résulte de cette étude l'existence d'un arbitrage à long terme entre l'inflation et le chômage dans le cas des pays de l'union européens. En effet, loin d'être vertical, les résultats suggèrent qu'une augmentation de 10 % de la croissance de la monnaie à long terme (l'inflation à long terme) est associée à une baisse de 3,18 points de pourcentage du taux de chômage de l'UE. De plus, le modèle implique également que la convergence vers le long terme est très lente et que, dans l'intervalle, l'influence de la politique monétaire sur le chômage est encore plus grande.

Christophe Raoul Besso (2010) étudie les effets de l'inflation au Cameroun sur la période 1993 à 2003 avec comme hypothèse que l'inflation a un effet négatif sur le chômage au Cameroun.

En utilisant un modèle espace-état il trouve comme résultats que les erreurs d'anticipation influencent négativement l'évolution du taux de chômage au Cameroun de telle sorte que, l'accroissement du taux d'inflation entraine la baisse du taux de chômage. Cette relation négative entre l'inflation et le chômage est ainsi trouvée au Cameroun comme dans les travaux de Phillips (1958). Ainsi, les agents économiques s'aperçoivent difficilement de l'effet de l'inflation sur le chômage. L'estimation de l'équation donne les valeurs du chômage naturel et du taux d'inflation potentiel. En ce qui concerne le chômage naturel, il est de l'ordre de 0.6 % et le taux d'inflation potentiel est estimé à un taux de 21.25 %. Dans cet état des choses, l'auteur explique que si les marchés fonctionnent normalement le taux de chômage au Cameroun sera de 0.6% pour un taux d'inflation de 21.25%.

Umoru et Anyiwe (2013) ont analysé la dynamique de l'inflation et du chômage au Nigéria sur une période de 27 ans en utilisant un modèle à correction d'erreurs vectorielles (VECM). L'étude révèle des preuves de stagflation pour l'économie nigériane au cours de la période d'étude. En fait, l'économie nigériane gère un taux d'inflation choquant ainsi qu'une grave récession alors que le taux de chômage a augmenté de manière astronomique. Par conséquent, l'économie nigériane est à la croisée des chemins.

Rim Bahloul (2021), à l'aide d'un modèle vectoriel autorégressif (VAR), explore la relation inflation-chômage pour l'économie tunisienne, de 1991 à 2019. Les résultats montrent une absence de la relation de Phillips à court terme dans l'économie tunisienne. Selon l'auteur, ces résultats peuvent être qualifiés d'incohérence et, d'instabilité dans l'économie du pays.

Tandia Senold et al (2021) ont vérifié si la courbe de Phillips se maintenait en République

Démocratique du Congo pour la période 2001 à 2017. Le modèle retenu pour l'étude est un autorégressif à retard échelonné (ARDL). Les résultats trouvés révèlent que le taux d'inflation et le taux de chômage ne sont pas statistiquement et significativement liés négativement. Le taux d'inflation est retardé de six périodes et, influence (tantôt positivement et tantôt négativement, d'une ou six périodes, et de deux ou cinq périodes) le taux d'inflation courant. Toute variation d'un point du taux d'inflation décalé de deux et cinq périodes entraîne une variation de sens contraire du taux d'inflation de 0.75 et 0.25 points environ, tandis que le taux d'inflation d'une période et six périodes après entraine une variation du même sens de 1.31 et 0.11 points environ. Ces résultats concluent à une invalidité de la relation de Phillips en RDC.

Gatot Sasongko et al (2021) ont réexaminé la courbe de Phillips sur la période 1977-2019 a l'aide d'un modèle SVAR (Panel Structural Vector Autoregressive) pour les données de l'économie indonésienne. Les résultats de l'étude ont révélé un lien négatif entre le chômage et l'inflation confirmant la relation de Phillips. En plus de ce résultat, l'étude montre qu'il existe une relation à sens unique entre le chômage et l'inflation, impliquant que le chômage entraine l'inflation et pas l'inverse. Ces conclusions rejoignent celles trouvées trois ans auparavant par Sasongko et Huruta (2019).

Gribi Djamila (2024) a étudié économétriquement la relation entre l'inflation et le chômage sur les données de l'économie algérienne pour la période 1991-2021. L'objectif de l'étude était de trouver la relation existante et de préciser sa nature. L'étude a retenue comme méthode d'estimation la régression linéaire simple (MCO) suivi d'un test de causalité de Granger. Les résultats de la régression linéaire ont indiqué l'absence d'une relation entre l'inflation et le chômage en Algérie. Le test de causalité de Granger a également confirmé les résultats de la régression. Il a montré, cependant, que l'inflation ne cause pas le chômage et que le chômage ne cause pas l'inflation, et donc pas de relation de causalité entre les deux variables. Ce qui conclue de l'inexistence de la courbe de Phillips en Algérie.

Florida Veljanoska (2019) a testé empiriquement la relation entre l'inflation et le chômage en République de Macédoine pour la période 1993-2018. En utilisant le test de co-intégration de

Johansen ainsi que le test de causalité de Granger, les résultats ont montré l'existence d'une cointégration entre les variables et une absence de causalité de Granger entre les variables ce qui, selon l'auteur, confirme l'inexistence de la courbe de Phillips en Macédoine.

Chaido et Melina (2012) font un examen de la relation de Phillips pour l'économie de la Grèce, sur les données allant de 1980 à 2010. L'étude a fait recours à un modèle de correction d'erreur vectorielle (VEC), plusieurs tests dont celui de co-intégration et celui de causalité ainsi que des réponses impulsionnelles. Les résultats de leur étude confirment l'hypothèse que la relation de

Phillips n'existe pas à long terme dans le cas de la Grèce. Cependant, le test de co-intégration de Johansen ainsi que les tests de causalité de Granger révèlent une relation causale à long terme entre le taux d'inflation et le taux de chômage. Enfin, les réponses impulsionnelles appliquées pour la prévision à 10 ans suggèrent que les chocs de taux d'inflation entraînent une réduction du taux de chômage pendant les premières années, ensuite une légère hausse pour les années restantes étudiées.

Mori Kogid et al (2011) ont analysé le lien entre l'inflation et le chômage sur l'économie malaisienne, pour la période 1975-2007. En ayant recours aux modèles ARDL (Autoregressive Distributed Lag), les techniques Toda-Yamamoto basées sur l'ECM (modèle a correction d'erreur) et le test de limites ARDL pour la co-intégration développée par Pesaran, Shin et

Smith (2001). Les auteurs ont trouvé l'existence d'une relation de co-intégration entre l'inflation et le chômage, mais avec un coefficient négatif à long terme non significatif. De plus, ils constatent que malgré l'évolution vers l'équilibre à long terme des deux variables, le chômage n'a pas d'effet significatif sur l'inflation. Néanmoins, les résultats basés sur l'approche ECM-ARDL et TY pour le test de causalité ont révélé la relation de causalité unidirectionnelle allant de l'inflation au chômage, ce qui implique que l'inflation a influencé le chômage. L'étude a révélé des preuves de la relation d'arbitrage entre l'inflation et le chômage en Malaisie.

Odo Stephen et al (2017) ont essayé de comprendre la relation qui lie l'inflation et le chômage pour l'économie nigériane, sur la période 1980-2015. Les auteurs ont utilisé un modèle de correction d'erreur vectorielle (VECM), suivi des tests de causalité et de co-intégration. Ils se sont fixés comme objectif de déterminer l'impact de l'inflation sur le chômage au Nigeria. De ce fait, les résultats montrent que l'inflation a eu un impact significatif sur le chômage au Nigeria, à long terme et à court terme au cours de la période considérée. Cela implique que l'augmentation des dépenses publiques réduit le chômage, ce qui traduit que les dépenses publiques créent des emplois dans la mesure où l'inflation reste dans la limite à un chiffre.

kare et Caporale (2011) analysent la relation à court et à long terme entre la croissance de l'emploi, l'inflation et la croissance de la production, dans la tradition de Phillips. Pour ce faire, ils appliquent les méthodes FMOLS, DOLS, PMGE, MGE, DFE et VECM à un panel dynamique hétérogène non stationnaire comprenant des données annuelles pour 119 pays sur la période 1970-2010, et effectuent également des tests de causalité de Granger multivariés. Les résultats du test de Granger montrent que la croissance de l'emploi a un impact positif sur la croissance de la production à court terme, mais un impact négatif à long terme. La relation inflation-croissance de la production est sans aucun doute positive à court terme, c'est-à-dire que l'inflation est bénéfique pour la croissance. À long terme, au contraire, la volatilité et l'incertitude des prix semblent nuire à la croissance de la production. L'inflation cause l'emploi à court terme, de sorte qu'elle peut stimuler l'emploi temporairement. Cependant, à long terme, elle a des effets néfastes, entraînant une baisse de la croissance de la production et de l'emploi, et par conséquent la relation inflation-croissance de l'emploi devient négative.

Marwa Sahnoun et al (2019) étudient la relation entre le taux de chômage, la croissance économique et le taux d'inflation dans quatre pays d'Afrique du Nord entre 1965 et 2016, à l'aide du modèle de correction d'erreurs vectorielles. Afin de tester la causalité de Granger, ils ont appliqué le test de racine unitaire (test de Dickey-Fuller et test de Phillips-Perron) à une donnée de panel et le test de co-intégration de Johansen. Les résultats empiriques montrent une causalité unidirectionnelle allant de l'inflation à la croissance économique, de la croissance économique au chômage et de l'inflation au chômage.

2.2- Non linéarité et effets de seuil dans la relation inflation-activité réelle^18(*).

Dans cette seconde catégorie d'études empiriques, nous avons uniquement sélectionné les travaux récents qui se sont investis dans la recherche des effets de seuil dans la relation entre l'inflation et une variable d'activité réelle, sur des panels de pays :

Tanka et Eze Eze (2022) se sont investis sur la cible d'inflation et l'inefficacité des politiques de lutte contre le chômage dans les pays de la CEMAC, sur la période 1994 à 2019. L'objectif étant d'évaluer la pertinence de la cible d'inflation dans les pays membres. La méthodologie retenue pour l'étude est un modèle basé sur la courbe de Phillips utilisant les séries chronologiques estimées par la Méthode des Moments Généralisés (GMM) en panel dynamique. Il en résulte de leur étude que la cible d'inflation de 3% rend inefficace les politiques de lutte contre le chômage des pays membres de la CEMAC. Pour y remédier, il serait judicieux pour l'autorité monétaire d'adapter les mesures de surveillance multilatérale à chaque pays de la communauté ou alors d'ajuster la norme communautaire.

Sin-Yu Ho et Njindan Lyke (2018) ont testé l'effet de seuil dans la relation de Phillips en utilisant 11 pays de la zone euro pour la période de janvier 1999 à février 2017. Avec pour hypothèse de l'existence d'une linéarité entre les variables, ils vont estimer les courbes de Phillips à court et à long terme pour ces pays. L'objectif de l'étude visait à établir le seuil pour lequel la relation entre l'inflation et le chômage passe de négative à positive dans la zone euro. L'étude a retenu à des fins d'estimation un modèle de panel dynamique à décalage distribué

(ARDL). Sur la base de leurs résultats, ils constatent qu'en supposant l'hypothèse de la linéarité, il existe une courbe de Phillips à court et à long terme. Ainsi, cette hypothèse se trouverait être trop forte puisqu'il existe des preuves d'effets de seuil. En effet, les seuils de chômage étaient de 5,00 % et 6,54 %. En estimant la courbe de Phillips à l'aide de ces seuils, ils découvrent que la relation entre l'inflation et le chômage n'est négative que lorsque le chômage est inférieur à

5,00 %. La relation négative est devenue positive lorsque le chômage se situait entre 5,00 % et

6,54 %. L'inflation et le chômage ne sont plus liés une fois qu'un seuil de 6,54 % est dépassé.

Loubassou et Tendelet (2018) ont traité de la relation entre inflation et croissance économique dans deux pays de la CEMAC à savoir au Cameroun et au Congo-Brazzaville, sur la période

1986 à 2015. Les auteurs se sont fixés comme objectif d'estimer un seuil d'inflation dans la relation entre l'inflation et la croissance pour ce faire, ils ont utilisé la méthode des Moindres Carrés Ordinaires (MCO) pour estimer un modèle des seuils endogènes initialement développé par Hansen (1996). De plus, l'étude va adopter une approche « semi-loi » préconisée par Khan et Senhadji (2001) et Drukker et al (2005) pour éviter de biaiser les résultats. Les auteurs ont tiré comme conclusion de leur étude l'existence d'une relation non linéaire entre l'inflation et la croissance économique au Cameroun et au Congo-Brazzaville, traduisant des seuils d'inflation de 5 % pour le Cameroun et de 10 % pour le Congo-Brazzaville, en dessous duquel toute mesure de politique monétaire expansionniste entrainerait la croissance économique.

Ainsi, l'inflation est négativement corrélée avec la croissance économique. Selon les auteurs, ces résultats traduisent que les autorités monétaires de la CEMAC ont encore une marge de manoeuvre leur permettant de relâcher un peu les contraintes des règles communautaires du taux d'inflation fixé à 3%.

Mantsie (2012) a mené une étude sur la recherche d'un taux d'inflation compatible avec l'objectif de croissance dans les pays de la CEMAC pour la période 1972-2009, avec pour objectif de déterminer le taux d'inflation favorable ou non à la croissance pour les pays de la CEMAC et d'y contribuer à la politique économique de la zone. Pour ce faire, l'auteur à adopter la méthode des MCO, comme l'ont suggéré Barro (1991) et Sarel (1996), appliqué sur le modèle inspiré des travaux pionniers de Khan et Senhadji (2001). Les résultats de l'étude débouchent sur des taux d'inflations compris entre 3,81% et 5,36% pour tous les pays à l'exception du Gabon qui a un taux de 7,3% (recommandé). Ainsi, selon l'auteur un seuil de 4,75 % peut être identifié sur la base de cette étude comme le seuil tolérable pour lequel l'inflation peut être considérée comme non dommageable. Toutefois, l'auteur tient à noter que ce taux doit être compris comme un taux moyen de l'ensemble des pays de la CEMAC.

Yabu et Kessy (2015) se sont investis sur l'étude du seuil approprié d'inflation pour la croissance économique dans trois pays fondateurs de la zone CAE dont le Kenya, la Tanzanie et l'Ouganda, sur la période 1970-2013. Un modèle quadratique non linéaire sur données de panel a été utilisé pour estimer le seuil ou le point de retournement au-delà duquel l'inflation exerce un impact négatif sur la croissance économique. Afin d'examiner la relation entre l'inflation et la croissance, les auteurs vont ajouter d'autres variables modératrices dans le modèle débouchant, à cet effet, sur une première conclusion : l'impact significatif et positif sur la croissance, du ratio crédit/PIB, du degré d'ouverture de l'économie et des flux d'investissements directs étrangers vers les États membres de la CAE. La deuxieme conclusion quant à elle porte sur le seuil d'inflation. Selon les résultats de la régression du modèle à effet aléatoire, il apparait que le taux d'inflation moyen supérieur à 8,46 % a un impact négatif et significatif sur la croissance économique. Ainsi, pour chaque pays, les résultats de la régression, qui traitent chaque pays séparément, indiquent que les niveaux optimaux d'inflation pour le Kenya, la Tanzanie et l'Ouganda sont respectivement de 6,77 %, 8,80 % et 8,41 %, au-delà desquels l'inflation commence à peser sur la croissance économique.

En utilisant les données de panel sur la période 1987-2008, Bikai et Kamga (2012) ont trouvé un seuil de 6 % au-dessus duquel la corrélation entre l'inflation et la croissance économique est négative dans la CEMAC.

Itchoko et Tsopmo (2017), ont également cherché à déterminer un taux d'inflation optimal en ayant recours au modèle de seuil PSTR. L'estimation de ce modèle a été appliquée aux données des six pays de la BEAC sur la période 1985-2013, conduisant aux principales conclusions suivantes : les tests de linéarité mettent en évidence l'existence d'une relation non linéaire entre l'inflation et la croissance économique dans la BEAC, confirmant l'existence d'un seuil d'inflation optimal qui est d'environ 4,3 %. Ce seuil expliquerait significativement la croissance économique dans ce panel.

Dans une étude utilisant des données de panel pour la période 1980-2008, Seleteng et al (2011) ont examiné le lien inflation-croissance pour les pays de la Communauté de Développement de l'Afrique Australe (SADC) et ont trouvé qu'il existe des effets seuils de l'inflation sur la croissance dans ces économies. En appliquant un modèle de régression de panel, les résultats de l'étude ont révélé un seuil de 18,9% au-dessus duquel l'inflation est préjudiciable à la croissance économique dans la région de la SADC.

Travaillant sur les données d'un panel de 124 pays industriels et en développement, Kremer et al (2009) ont étudié la présence d'effets de seuil de l'inflation sur la croissance économique à long terme. Leurs résultats empiriques ont montré que le seuil d'inflation estimé était d'environ 2,5% pour les pays industrialisés et de 17% pour les pays en développement. Au-dessus de ces niveaux critiques, le taux d'inflation conduit à un taux de croissance économique à long terme plus faible dans les deux cas. En outre, l'étude a indiqué qu'en deçà de ces seuils, l'effet de l'inflation sur la croissance économique à long terme était significativement positif dans les pays développés. En revanche, il n'y a pas eu d'impact significatif sur la croissance économique dans les pays en développement lorsque l'inflation était inférieure à 17%.

Sepehri et Moshiri (2004) ont également testé la non-linéarité du lien inflation-croissance pour les pays industrialisés et en développement. En utilisant une spécification non linéaire et des données provenant de quatre groupes de pays à différents stades de développement, ils ont constaté que les tournants variaient considérablement, allant de 15% pour les pays à revenu intermédiaire inférieur, à 11% pour les pays à faible revenu, et 5% pour les pays à revenu intermédiaire de la tranche supérieure. Aucune relation à long terme statistiquement significative entre l'inflation et la croissance n'a été détectée pour les pays de l'Organisation pour la Coopération et le Développement Economique (OCDE).

Khan (2000) et Senhadji (2001) qui ont étudié séparément l'interaction inflation-croissance pour les pays en développement et les pays industrialisés, en appliquant la technique d'estimation des données de panel de base développée à l'origine par Hansen (1996,2000). Ils ont utilisé un panel de 140 pays couvrant la période 1960-1998. Leurs résultats suggèrent fortement l'existence d'un seuil au-delà duquel l'inflation exerce un effet négatif sur la croissance de la production. Le seuil était de 1 à 3% pour les pays industrialisés et de 7 à 11% pour les pays en développement, respectivement. La relation négative et significative entre l'inflation et la croissance au-dessus du seuil était assez robuste par rapport à la méthode d'estimation et aux différentes spécifications. Les résultats suggèrent clairement que le seuil est plus bas pour les pays industrialisés que pour les pays en développement.

CHAPITRE II : CADRE METHODOLOGIQUE DE LA RECHERCHE.

Il s'agit pour nous ici de présenter le cadre méthodologique des modèles retenus pour notre étude. Ainsi, deux (2) sections feront l'objet de notre attention : la section 1 se consacre à présenter les modèles de l'étude. La section 2 porte, quant à elle, sur la spécification économétrique des modèles.

Section 1 : Présentation des modèles.

Dans cette section, nous allons tout d'abord présenter le champ théorique avant de présenter le modèle empirique de référence.

Dans la littérature théorique, la courbe de Phillips suggère une relation inverse stable et non linéaire entre l'inflation et le chômage. Les premières preuves empiriques de cette relation ont été fournies par Phillips (1958) lui-même, sur l'économie du Royaume-Uni et plus tard par Samuelson et Solow (1960) sur les données des États-Unis. Cependant, l'abandon de la courbe de Phillips traditionnelle dans les années 1970 a laissé la place à un nouveau consensus impulsé par les critiques libérales reposant sur l'hypothèse des anticipations.

La première vague des critiques nous vient du monétariste Friedman (1968) et Phelps (1967). Ces derniers vont critiquer la courbe de Phillips au sujet de son instabilité dans le temps liée à la notion de révision des anticipations et de l'existence du chômage naturel (NAIRU). C'est à la lumière de ces critiques que va naitre une nouvelle courbe de Phillips dite « augmentée » des anticipations d'inflation, formulée comme suit :

Où ??_??^?? et ??^* représentent respectivement les anticipations inflationnistes et le taux de chômage naturel et, è mesurant la sensibilité de l'anticipation d'inflation à l'inflation passée ??_??-1 (?? ? [??, ??]). Dans les applications empiriques, les anticipations inflationnistes et les taux de chômage naturel sont toujours omis parce qu'ils sont difficiles à observer (Le Bihan, 2009).

De ce fait, notre champ d'investigation théorique se situe dans le cadre d'analyse libérale, en particulier, dans celle du courant monétariste de la courbe de Phillips, et ce, pour au moins deux raisons : Son hypothèse réaliste pour notre champ d'étude et la dynamique temporelle.

Tout d'abord, l'hypothèse des erreurs d'anticipations semble etre pertinente dans le cadre de notre champ d'étude. En effet, les agents économiques de la CEMAC sont dans la majorité des cas victimes des asymétries d'information leur conduisant à prendre des décisions sous optimales. Ainsi, selon certaines études de notre littérature empirique, la vérification de la courbe de Phillips en Afrique Subsaharien en générale et dans les pays de la zone CEMAC en particulier, a pu etre possible grâce aux erreurs d'anticipations que commettent les agents économiques. (Christophe Raoul Besso, 2010 ; Mah Philippe et al, 2023).

Ensuite, la dynamique temporelle de l'analyse : En effet, dans l'analyse traditionnelle de la courbe de Phillips, l'horizon temporel défini était de court-terme (Ball et al, 1988 ; Mankiw, 2000), cependant la critique formulée sur son horizon temporel a permis de dynamiser cette analyse en l'inscrivant dans un horizon temporel plus long (Le Bihan, 2009). En ce qui concerne la situation des pays de la CEMAC, les insuffisances en matière de structures constituerait un échec de la mise en oeuvre d'une politique de relance à long terme, pour la simple raison que l'insuffisance des structures d'emploi contribuera à ramener le chomage réduit à court terme à la hausse, à long terme.

Une reformulation appropriée de l'équation théorique (5) en un modèle avec des décalages et des premières différences pourrait être utilisé pour intégrer les notions d'anticipations inflationnistes, de chômage naturel mais aussi pour dynamiser la relation, ainsi que pour les traitements des flux de causalité inverse entre l'inflation et le chômage (King et al, 1995 ; Crosby et Olekalns, 1998 ; Beffy et al, 2004). Une formulation typique est examinée dans la section suivante.

Nous nous appuyons sur le travail de Sin-Yu Ho et Njindan Lyke (2018) qui ont testé la courbe de Phillips dans la zone Euro sur la période allant de janvier 1999 à février 2017, avec pour hypothèse de l'existence d'une linéarité entre les variables. Cependant, ces auteurs utilisent un modèle en donnée de panel dynamique à retard distribué (ARDL) auquel ils ont associé la méthodologie d'effets de seuil (PTR) développée par Hansen (1999). Afin d'estimer la dynamique dans relation de Phillips, ils font recours à la méthode d'estimations de moyennes regroupées (PMG) du modele ARDL.

1) Modèle de décalage distribué pour estimer la courbe de Phillips à court et à long terme :

Äði,t = öi(ði,t-k - èi'ìi,t) ? ëi,k Äði,t-k + ? ????,??'Äìi,t-j + ôi + åi,t (6)

2) La modélisation de seuil exogène de Hansen (1999) permettant de tester les effets de seuil dans la courbe de Phillips :

En tenant compte de la situation économique des pays de la CEMAC, nous avons choisi d'adapter au modèle de base la spécificité suivante :

Un ajout des variables de contrôle afin de contourner les problèmes d'endogénéité liés à une omission de variable influente mais aussi, afin d'augmenter la qualité du modèle. Ces variables jouent le rôle de médiateur entre notre variable d'intérêt et la variable dépendante.

Cet ajout est pris en compte dans notre partie du travail dédiée à la spécification du modèle.

Section 2 : Spécification des modèles de l'étude.

Dans cette partie de notre travail, nous présenterons, d'une part, les variables retenues pour notre étude puis, en d'autre part, nous présenterons la spécification de nos modèles.

Dans cette section, nous procèderont dans un premier temps par présenter les faits stylisés de la relation inflation-chômage en CEMAC avant de présenter les différentes variables retenues pour l'étude.

i) Evolution comparée entre l'inflation et le chômage dans les pays de la CEMAC

Depuis janvier 2002, les pays de la CEMAC ont adopté des critères de surveillances multilatérales sur bon nombre d'indicateurs économiques parmi lesquels l'inflation, dont l'objectif de la politique monétaire consiste à veiller à ce que celle-ci soit inférieure ou égale à la norme de 3%. C'est l'évolution comparée de cette dernière que nous allons analyser pour tous les six pays de la CEMAC de 1994 à 2022, dans le graphique suivante :

Graphique 5 : Evolution croisée de l'inflation et du chômage dans les six pays de la CEMAC.

Source: L'auteur sur logiciel Eviews13, à partir des données de la Banque Mondiale et BEAC.

Il apparait globalement de ces graphiques que l'évolution de l'inflation semble erratique que celle du chômage dans l'ensemble des pays de la CEMAC, ce qui laisse entrevoir une évolution non linéaire et non proportionnelle des deux phénomènes. Dans tous les pays de la zone, le pic de l'inflation se situe en 1994, sans doute lié à la dévaluation du franc CFA. En dehors de ce pic, l'inflation a toujours été modérée.

Quant au chômage dans chacun de ces pays, il évolue de manière stable. Cependant, dans certains pays, l'inflation semble plus prononcée que le chômage (Tchad, Guinée. Eq et RCA) tandis que dans d'autres c'est le chômage qui semble le plus prononcé (Gabon et Congo), à l'exception du Cameroun qui se démarque par ses niveaux d'inflation et de chômage relativement modérés.

Depuis dans la littérature économique, la relation entre l'inflation et le chômage est sujette à des controverses. Pour certains auteurs la relation est inverse à court et à moyen terme tandis que pour d'autres, elle serait uniquement valide à court terme. Ainsi, à moyen-long terme, les deux phénomènes évoluent dans le même sens. C'est de ces deux points de la littérature qu'il s'agit d'analyser dans le graphique suivante :

Graphique 6 : Evolution de la relation inflation-chômage dans les six pays de la CEMAC

Source: L'auteur sur logiciel Eviews13, à partir des données de la Banque Mondiale et BEAC.

La relation entre l'inflation et le chômage a été examinée directement à l'aide d'une approche graphique sur la période allant de 1994 à 2022.

Le graphique 6 montre une instabilité de la relation inflation-chômage dans l'ensemble des six pays de la CEMAC. En effet, en regardant la direction et l'allure de la pente des lignes d'ajustements (ligne rouge), il en ressort de l'ensemble de ces graphiques une présence insignifiante^19(*) de la relation linéaire dans chacun des pays. Toutefois, il est à noter que dans certains pays il apparait une relation inverse mais insignifiante entre les variables au cours de la période d'analyse (Tchad, Guinée Eq, Gabon et Congo), tandis que dans d'autres pays, la relation est certes insignifiante, mais positive au cours de la même période (Cameroun et Centre Afrique).

Néanmoins, le graphique 5 montre clairement qu'il existe dans chaque pays, des périodes courtes où la relation inflation-chômage est positive, et d'autres périodes courtes où elle est négative. Cependant, le graphique 6 montre par contre qu'il n'existe pas de courbe unique qui corresponde aux données à court terme, mais qu'il y aurait, en outre, de nombreuses périodes courtes montrant des relations positive et négative de l'inflation et du chômage. Dans l'ensemble, les deux (2) graphiques concluent à une inexistence des preuves de la linéarité dans la courbe de Phillips pour le cas des économies de la zone CEMAC, sur la période globale 1994-2022.

Afin de mieux apprécier la relation existante entre l'inflation et le chômage, plusieurs variables faisant l'objet d'une littérature économique abondante ont retenu notre attention. Ainsi, il s'agit d'une part, de présenter la variable expliquée et, les variables explicatives d'autre part :

Le chômage (??????) : Il s'agit ici du taux de chômage qui est la mesure de la proportion des chômeurs dans la population active. Son choix comme variable à expliquer s'inspire des travaux dans lesquels, il sert de mesure du taux d'employabilité aux rythmes des grandeurs macroéconomiques (Ayira Korem, 2019 ; Mohamed El Kamli et al, 2021 ; Mah Philippe et al, 2023).

Dans ce sous point, nous allons présenter d'une part notre variable d'intérêt puis, dans un second temps, nous présenterons les différentes variables de contrôle retenues.

L'inflation (??????) : Retenue comme variable d'intérêt, elle est approximée par l'indice des prix à la consommation (IPC), qui est un indicateur utilisé pour apprécier les performances des pays en matière d'inflation, il sert également de guide dans la conduite de la politique monétaire commune de la BEAC (Ondo Ossa, 1989). Pour notre étude il sera question de son taux qui est désigné par la variation en pourcentage de l'IPC sur une période donnée.

La croissance du PIB (??????) : Approximé par la variation du PIB réel, cet indicateur mesure le niveau d'activité économique. Les travaux relatifs aux déterminants de l'inflation et au lien entre la croissance et l'inflation semblent indiquer que ce dernier pourrait avoir un impact sur l'inflation en zone CEMAC (Mantsie, 2003 ; Ntita Ntita et al, 2017). Cependant, d'autres travaux ont egalement montré que la croissance aurait un impact sur le chômage (Okun, 1962 ; Umoru et Anyiwe, 2013).

L'investissement (??????) : Il s'agit du taux d'investissement qui désigne la part de l'investissement par rapport à la richesse produite, mathématiquement c'est le ratio de la formation brute du capital fixe (FBCF) de tous les agents économiques (gouvernements, entreprises, ménages) rapporté au PIB et exprimé en pourcentage, permettant de connaitre le pourcentage de la richesse consacré à l'investissement chaque année. Cependant, les investissements engendrent l'offre de biens et services et la création de la valeur, ce qui peut favoriser la diminution de l'inflation et favoriser la croissance économique, par conséquent l'emploi (Nkwenka Patrick, 2021).

La population active (??????) : Il est question de son taux de croissance. En effet, le taux de croissance de la population active est un indicateur qui mesure l'évolution du nombre de personnes en âge de travailler (généralement de 15 à 64 ans) qui sont disponibles sur le marché du travail, que ce soit en emploi ou en recherche d'emploi.

Selon l'OIT, les changements dans la taille de la population en âge de travailler peuvent avoir un impact significatif sur la dynamique du marché du travail et les tendances économiques d'un pays. Une population en âge de travailler en augmentation offre des opportunités de croissance économique tout en créant des défis pour la création d'emplois et l'intégration des nouveaux arrivants sur le marché du travail. À l'inverse, une diminution de la population en âge de travailler peut créer des défis pour la croissance économique, la compétitivité, la dépendance démographique.

Ainsi, plusieurs travaux relatifs au lien entre l'inflation et les variables d'activité réelle semblent indiquer que le taux de croissance de la population pourrait avoir un impact sur les deux variables (Umoru et Anyiwe, 2013 ; Aicha Hamadouche, 2017).

Taux d'intéret (Tint) : Cette variable est mesurée par le taux d'intérêt des appels d'offres (taux

BEAC). Les variations du taux d'intérêt ont une influence ambiguë sur l'activité économique (Nkwenka Nyanda, 2021).

Taux de change (Tch) : Cette variable est mesurée par le taux de change réel effectif comme dans les travaux de Dupuy (2013). En régime de change fixe, la hausse du taux de change devrait réduire l'inflation et booster l'activité économique.

Dans le cadre de notre étude, une double démarche économétrique a été adoptée, mobilisant à la fois un modèle dynamique linéaire et un modèle non linéaire :

Choix du modèle dynamique linéaire : Modèle de panel autorégressif à retard distribué (ARDL) de Pesaran et al (1999).

La nécessité d'estimer de façon plus efficace les phénomènes dynamiques de l'économie d'une part et, d'affiner la qualité de prédiction des modèles d'autre part, ont conduit à l'implémentation dans ce champ disciplinaire des modèles plus réalistes appelés : modèles en données de panel dynamique à retard distribué (ARDL).

L'utilisation de ce modèle permet de capturer les dynamiques de court terme et de long terme pour les séries co-intégrées ou même, celles intégrées à des ordres différents (Pesaran et al,

1996 ; Pesaran et Shin, 1995). Cette approche ARDL présente un certain nombre d'avantages :

Elle est utile si les variables ont une co-intégration au niveau I(0), ou au niveau de la première différence I(1)^20(*); Elle est également utile pour ajuster les retards dans les modèles et, fournir des statistiques de Student (t) valides pour les estimations des modèles à long terme. Selon Harris et Sollis (2003), cette approche ARDL permet de fournir des conclusions et des résultats robustes indépendamment de la taille de l'échantillon.

Pour l'atteinte des objectifs de notre étude, cette approche est la mieux appréciée, non seulement, pour des raisons structurelles liées à notre échantillon mais egalement pour des besoins de vérification empirique de nos hypothèses.

D'abord les raisons structurelles : ce modele s'adapte bien sur les panels de taille N petit et T grand et, permet de contourner les problemes d'hétérogénéité structurelle^21(*) auxquels peuvent etre sujets les pays de notre échantillon.

Ensuite les besoins de vérification de nos hypothèses : ce modele permet de modéliser les relations dynamiques de court et long terme tout en intégrant les effets dynamiques passés des variables. Autrement dit, cette approche permet d'analyser le comportement de nos variables à court terme mais aussi à long terme tout en ayant un regard rétrospectif sur ces dernières.

C'est au regard des avantages que présente cette approche dynamique de l'ARDL que nous l'avons opté dans notre étude. Ainsi, la modélisation de l'approche ARDL en panel se présente comme suit :

ï ë_k=1,.....p : les régresseurs de la variable endogène retardée Y, mesurant les élasticités de la variable endogène retardée par rapport à elle-même ;

ï â_j=0,1,.....q : les régresseurs de la variable exogène X, mesurant les élasticités de la variable endogène Y par rapport à la variable exogène et ses retards ;

ï ö_{v,l=0,1,.....r} : les régresseurs des variables de contrôle Z, mesurant les élasticités de la variable endogène Y par rapport aux variables de contrôle et leurs retards ;

ï ??? : l'erreur de spécification de moyenne ì nulle et de variance ??² égale à 1.

Choix du modèle non linéaire : Modèle de Panel Threshold Regression (PTR) de Hansen (1999).

Afin de tester notre hypothèse de non linéarité dans la relation inflation-chômage en zone CEMAC, nous avons adopté la méthodologie de seuil développée par Hansen (1999).

Le modèle PTR de Hansen (2000) est un modèle à seuil, où la transition s'effectue à l'aide d'une fonction de transition brutale et d'une variable de transition évoluant dans la dimension individuelle et temporelle. Ce modèle permet de déterminer le seuil d'un ratio donné à partir duquel une variable peut influencer de façon non linéaire une autre variable économique. Pour déterminer la valeur de ce seuil et estimer les paramètres de l'équation, nous avons utilisé l'algorithme de détermination de seuil endogène fourni dans les travaux de Hansen (1998,1999). Il s'agit d'une procédure de régression basée sur la technique des moindres carrés séquentiels sur toutes les valeurs seuils candidates jusqu'à ce que l'on obtienne ?? ^ c'est-à-dire le seuil optimal correspond à la valeur de ?? qui minimise la somme des carrés des résidus.

Ainsi, nous modélisons le modèle de Panel Threshold Regression (PTR) à deux régimes comme suit :

ï â₀⁽¹⁾et â₀⁽²⁾ : indiquant les coefficients de la variable d'intérêt en deux régimes de transition du seuil ;

ï q_i,t et ? : représentent respectivement la variable de transition et le paramètre de seuil ;

ï X, Y et Z sont respectivement le vecteur de la variable d'intérêt, la variable dépendante et le vecteur des variables de contrôle ;

ï (
·) : représente la fonction de transition de type indicatrice qui prend la valeur 1 si la condition entre parenthèse est respectée et 0 sinon ;

Ainsi, le premier régime traduit que notre variable de transition est inférieure au paramètre de seuil

et le second, notre variable de transition est supérieure au paramètre de seuil (q_i,t ?

Une écriture équivalente du modèle à seuil (Eq.10a) est obtenue en introduisant la fonction de transition de type indicatrice (Hansen, 2000).

Où Y, X et Z représentent respectivement les vecteurs des variables expliquée, d'intérêt et de contrôle.

Les travaux de Hansen (1999) portant sur les modèles à effets de seuil explicitent comment tester la présence d'effets de seuil, estimer le paramètre de seuil ? et estimer les équations (10a) et (10b). De plus, la caractéristique essentielle du modèle de Hansen (1999) est qu'il permet d'estimer le seuil et non de l'imposer.

Par ailleurs, étant donné que nous nous concentrons sur l'établissement d'un seuil potentiel ou d'un point d'inflexion de l'inflation pour lequel la courbe de Phillips peut exister ou non, nous utilisons les observations réelles sur les variables plutôt que leurs premières différences (King et al, 1995).

La littérature décrit un impact négatif de l'inflation sur le chômage. De ce fait, un signe négatif associé à un coefficient indiquerait une influence négative de la variable associé à ce coefficient sur le chômage par contre, un signe positif affecté à un coefficient indiquerait une influence positive sur le chômage. Le tableau ci-dessous présente brièvement les différentes variables explicatives du modèle et les signes attendus desdites variables sur notre variable expliquée.

Tableau 1 : Variables, notations, signes attendus des coefficients et sources des données.

N°	Variables explicatives	Acronymes	Sources des variables	Signes attendus
1	Chômage décalé	CHOt-k	Banque Mondiale	+/-
2	Inflation	Inf	BEAC	-
3	Croissance du PIB	Pib	BEAC	+/-
4	Investissement	Inv	FMI	+/-
5	Taux d'intérêt	Tint	BEAC	+/-
6	Taux de change	Tch	BEAC	+/-
7	Population active	Pop	Banque Mondiale	+/-

Le tableau ci-après présente la numérotation des différents pays de l'échantillon.

Tableau 2 : Identifiant, noms et codes des pays utilisés dans notre modèle.

CHAPITRE III : ESTIMATION DES MODÈLES ET RESULTATS.

Ce chapitre se consacre, d'une part à l'estimation des modèles (section 1), et d'autre part, à la présentation des résultats (section 2).

Section 1 : Estimation des modèles.

Dans cette section, il sera question de décliner brièvement les différents facteurs qui fondent le choix de nos modèles, les méthodes d'estimation ainsi que les différents tests, dans un premier temps. Et dans un second temps, nous exposons la source des données collectées.

Le modele retenu pour notre étude à savoir le panel dynamique ARDL developpé par Pesaran et al (1999) renferme trois (3) estimateurs différents : l'estimateur de groupe moyen (MG) de

Pesaran et Smith (1995), l'estimateur de groupe moyen combiné (PMG) mis au point par Pesaran et al. (1999) et l'estimateur dynamique à effets fixes (DFE).

Les trois (3) estimateurs tiennent compte de l'équilibre à long terme et de l'hétérogénéité du processus d'ajustement dynamique (Demetriades et Law, 2006) et sont calculés selon le maximum de vraisemblance. Par ailleurs, Blackburn et Frank (2007) ont souligné la différence fondamentale entre les techniques d'estimations sus mentionnées (MG, DFE et PMG).

Selon les deux auteurs, la technique MG estime N régressions de séries chronologiques et fait la moyenne de leurs coefficients. Cependant, cet estimateur ne tient pas compte du fait que certains paramètres peuvent être les mêmes d'un groupe à l'autre. Tandis que pour la technique DFE, les points à l'origine peuvent différer d'un groupe à l'autre alors que tous les autres coefficients et variances d'erreur sont contraints d'être identiques. Quant à l'estimateur PMG, il implique la fusion de la mise en commun de la moyenne des coefficients. Cet estimateur permet aux points d'intersection, aux coefficients à court terme et aux variances d'erreur de différer librement entre les groupes, mais limite les coefficients à long terme à être les mêmes.

Cependant, pour opérer le choix entre les méthodes MG, PMG et DFE, le test de Hausman est utilisé afin de vérifier s'il existe une différence significative entre ces estimateurs. Le point nul de ce test c'est que la différence entre l'estimation de PMG et MG ou celle de PMG et DFE n'est pas significative. Ainsi, si la valeur nulle n'est pas rejetée, l'estimateur PMG est recommandé car il est efficace. L'alternative est qu'il existe une différence significative entre PMG et MG ou PMG et DFE et que la valeur nulle soit rejetée. S'il y a des valeurs aberrantes, l'estimateur moyen peut avoir une grande variance et, dans ce cas, le test de Hausman aurait peu de puissance.

La PMG sera utilisée si la valeur p est non significative au niveau de 5 %. En d'autre part, s'il se trouve qu'il y'a une valeur p significative, l'utilisation d'un estimateur MG ou DFE est appropriée. Une autre question importante est que la structure de décalage de l'ARDL devrait être déterminée par un critère d'information cohérent.

Afin d'estimer la relation linéaire entre l'inflation et le chômage à court et à long terme en zone CEMAC, nous allons procéder en plusieurs étapes :

La présente étude contribue au débat sur la relation entre l'inflation et le chômage en ayant recours à l'estimateur de panel ARDL. En effet, le choix d'un modèle dynamique s'expliquerait par la nécessité d'intégrer les effets dynamiques passés des variables liés aux multiples évènements qui se seraient produits durant la période considérée de notre recherche et qui auraient contribué à la complexité du système économique des pays de la CEMAC.

Ce modèle est particulièrement attrayant en ce qu'il tient compte de l'hétérogénéité qui peut être présent dans le panel (Shin et al, 2014). En effet, les disparités structurelles des pays de l'échantillon pourraient justifier l'application des estimateurs du panel ARDL, en ce sens que les pays de l'échantillon n'ont pas les mêmes caractéristiques structurelles. Cependant, il nous convient, au regard de la littérature économique, d'ajouter l'opérateur des premières différences (??)dans la spécification de notre modèle :

öi,2,l??Invi,t-l + öi,3,l??Tinti,t-l + öi,4,l??Tchi,t-l + öi,5,l??Popi,t-l ) + èi,1CHOi,t-1 + è_i,2Inf_i,t-1 + è_i,3Pib_i,t-1 + è_i,4Inv_i,t-1 + è_i,5Tint_i,t-1 + è_i,6Tch_i,t-l + ??_??,7Pop_i,t-l +

Comme pour tout modèle dynamique, nous nous servirons des critères d'information (AkaikeAIC, Shwarz-SIC et Hannan-Quin) pour déterminer les décalages optimaux (p, q, r) du modèle de panel ARDL, par parcimonie (Jonas Kibala, 2018). De plus, nous retenons également deux types d'hypothèses à partir de l'équation (11), représentant la relation de long terme.

La première équation (10) représente l'hypothèse nulle, pour l'absence de co-intégration (H0)

: ??₁= ??₂= ??₃= ??₄= ??₅= ??₆= ??₇= 0, alors que l'hypothèse alternative est (H1) : ??₁? ??₂? ??₃? ??₄? ??₅? ??₆? ??₇? 0. Ensuite, la statistique F calculée est évaluée avec la valeur critique (limite supérieure et inférieure) donnée par Pesaran et al. (2001).

Elle nous permet d'avoir une vision synoptique sur l'ensemble de la série. Elle nous renseigne généralement sur les caractéristiques de tendances centrales (Moyenne, Maximum et minimum) mais aussi sur les caractéristiques de dispersion (Variance, écart-type).

Le teste de corrélation permet de mesurer le degré de liaison et de dépendance entre deux ou plusieurs variables.

La multi-colinéarité est un problème fondamental dans l'analyse des séries multivariées. Elle apparait lorsque deux ou plusieurs variables mesurent le même phénomène. Dans une régression, la multi-colinéarité est un problème qui survient lorsque certaines variables de prévision du modèle mesurent le même phénomène.

La multi-colinéarité est un problème à ne pas négliger car elle peut augmenter la variance des coefficients de régression, les rendant plus instables et difficiles à interpréter. Pour tester la multi-colinéarité entre nos variables, nous recourons au test de Klein.

Il est important dans l'analyse des séries en données de panel de savoir si le processus générateur de la série suit une spécification homogène ou hétérogène. Cela revient donc à tester l'égalité des coefficients dans la dimension individuelle. Autrement dit, de voir s'il y'a ou non des spécificités individuelles entre les éléments de l'échantillon. Cela revient, dans ce cas, à vérifier si l'ensemble des pays de notre échantillon présentent des caractéristiques identiques ou au contraire, qu'ils présentent un caractère différent d'un pays à l'autre. Pour ce faire, nous utilisons le test de Swamy (1970), développé pour les panels où N est petit par rapport à T et qui permet une hétéroscédasticité de la section transversale.

La règle de décision est que si la probabilité de chi-2 est inférieure au seuil de risque de 5%, cela montre que l'échantillon est hétérogène.

Le test de Hausman (1978) qui est essentiellement un test de spécification, nous permet de voir quel type de spécification se prête le mieux à nos données. En effet, ce test nous permet de savoir si nos données obéissent à une spécification à effets fixe ou à effets aléatoire. Il est donc question de déterminer si les coefficients des deux estimations (fixes et aléatoires) sont statistiquement différents. De plus, c'est un test qui peut être appliqué dans le traitement des problèmes d'endogénéité. De ce fait, nous nous intéressons particulièrement à la statistique du

Chi-2 ; dans ce cas, si cette statistique est inférieure à 5% on accepte l'hypothèse nulle ; si par contre elle est supérieure à 5%, on ne peut accepter cette hypothèse.

La dépendance interindividuelle peut etre due à des effets spatiaux ou pourrait etre due à des facteurs communs non observés. C'est pourquoi il faut tester l'existence de telle dépendance des variables et de panel. Puisque le panel étudié a un N petit et un grand T, les tests de Lagrange Multiplier de Breusch-Pagan (1980), CD de Pesaran (2004) et LM adj de Pesaran et al (2004) vont etre mobilisés pour le cadre de cette étude. De ce fait, si la probabilité Pr?5%, on accepter l'hypothèse nulle d'indépendance individuelle. Ainsi, nous allons donc recourir aux tests de première génération pour déterminer la stationnarité de nos variables, dans le cas contraire les tests de stationnarités de deuxieme génération seront utiles.

Les problèmes de non stationnarité sont l'un des problemes fréquemment rencontrés dans l'analyse des séries chronologiques. Le test de stationnarité ou test de racine unitaire permet d'évaluer la tendance de chaque variable dans le temps. Son objectif est de rechercher la présence de racine unitaire dans le but de minimiser les risques de régressions fallacieuses (Engel et Granger, 1969).

De plus, il permet de définir l'ordre d'intégration nécessaire avant l'application de toute technique de co-intégration sur les données. Parmi les tests de stationnarité, on distingue essentiellement les tests de première génération (ces derniers supposent que les individus dans le panel sont indépendants) d'une part, parmi lesquels on retrouve les tests les plus usuels comme : le test de Levin-Lin-Chu (LLC, 1993), le test de d'Im-Pesaran-Shin (IPS, 1997), le test de Fisher Chi-carré (ADF Fisher), le test de Breitung et Das (2005), le test de Phillips et

Perron (PP) et, en d'autre part, les tests de deuxième générations tels que le test de Bai et Ng (2004), Choi et Chue (2007), Moon et Perron (2004), Phillips et Sul (2003) et Pesaran (2007).

Le choix du type de génération de test dépend de l'hypothèse vérifiée dans le test de dépendance interindividuelle.

Pour éviter de choisir la mauvaise taille de modèle, il est essentiel de connaître le nombre de retards du modèle ARDL. Pour ce faire, nous utiliserons dans cette étude le nombre minimum de retards pour le critère d'information d'Akaike (AIC) et le critère d'information Bayesian (BIC).

Le test de co-intégration sert à détecter s'il y a une ou plusieurs relations de long terme entre deux ou plusieurs variables pouvant être combinées avec les dynamiques de court terme du modèle. Dans la littérature, les relations entre phénomènes sont généralement examinées à l'aide des méthodes de co-intégration standards telles que celle d'Enger et Granger (1987) et de Johansen (1988) entre autres. Toutefois, ces tests de co-intégration usuels préconisent l'utilisation de variables intégrées de même ordre I(0) ou I(1). De plus, ils sont adaptés pour les échantillons de grande taille.

Afin de pallier ces insuffisances, Pesaran et al. (2001) ont développé une nouvelle approche plus flexible et moins contraignante que les techniques précédentes appelée modèle autorégressif à retards échelonnés (ARDL). Elle est préférée aux méthodes d'Enger et Granger ou de Johansen du fait de la présence de séries intégrées à différents ordres, sur petit échantillon et en présence de variables explicatives endogènes (Narayan, 2005). Ainsi, l'ARDL donne la possibilité de traiter simultanément la dynamique de long terme et les ajustements de court terme. De ce fait, nous utiliserons pour cette étude, les tests de Pedroni (2004) et de Westerlund (2007).

Après avoir vérifié que les variables ne sont pas intégrées d'un ordre égal ou supérieur à I(2) et que les séries sont co-intégrées, l'étape suivante consiste à estimer la régression ARDL linéaire de panel spécifiée par l'équation (12) au moyen d'une estimation de groupe de moyennes regroupées (PMG), des estimateurs à effets fixes et aléatoires (DFE) et de l'estimateur du groupe de moyenne (MG). Ainsi, nous procéderons par une analyse des résultats des estimations de court terme et de long terme réalisés à travers les différentes méthodes susmentionnées. La durée de décalage appropriée est définie sur la base des critères d'information d'Akaike (AIC) et d'information Bayesian (BIC).

La validation du modèle est une étape cruciale de l'estimation d'un modèle, car il permet de vérifier s'il n'y a pas violation d'une des hypothèses de normalité des résidus, d'autocorrélation des erreurs ou d'hétéroscédasticité des erreurs. Cependant, l'estimation du modèle de panel ARDL trouve son intérêt en présence de violation d'une de ces hypothèses. En effet, ce modèle est robuste aux problemes d'autocorrélation et d'hétéroscédasticité ainsi, il permet d'obtenir des résultats robustes indépendamment de la taille de l'échantillon (Harris et al, 2003). A cet effet, nous ne procèderons pas à la vérification de ces hypothèses. En outre, il sera par contre question de corriger, en cas de présence, le probleme de dépendance transversale en recourant aux méthodes d'erreur standard de Driscoll et Kraay (1998).

Par ailleurs, le constat selon lequel la relation entre l'inflation et le chômage semble être positive en temps normal et négative pendant les cycles économiques (King et al, 1995 ; Fisher, 1993) suggère qu'il peut y avoir des effets de seuil dans la courbe de Phillips. Ainsi, au-delà de l'estimation de la relation dynamique entre inflation et chômage dans le cas des économies de la CEMAC, nous avons également tenté d'examiner cette possibilité d'effets de seuil. Pour ce faire, nous allons utiliser la régression non-linéaire de seuil à effets fixes proposée par Hansen (1999).

Le modèle de régression de seuil de panel (PTR) non dynamique à effet fixe, développé par Hansen (1999) et promu par Wang (2015), est adopté dans cette étude pour estimer le seuil d'inflation optimal des pays de la CEMAC sur des données allant de la période de 1994 à 2022. Le modèle est implémenté en divisant les données en différents groupes selon une variable observable qui peut être considérée comme un paramètre de régime. Si au moins une valeur seuil est trouvée dans un régime, cela implique que la relation entre l'inflation et le chômage n'est pas linéaire. Cela indique également l'exploration de la possibilité d'autres régimes. Dans ce cas, le modèle identifie les seuils de manière séquentielle (Manzoor Hussain et al, 2021).

Ainsi, l'équation (10) est réécrite en un modèle à seuil unique comme suit :

Où, Y_i,t la variable dépendante qui est dans le cas de notre étude le chômage, la variable seuil q_i,t , l'inflation, qui représente aussi notre variable d'intérêt X_i,t , et ? le paramètre de seuil. Quant à Z_i,t, il représente le vecteur des variables de contrôle (Pib, Inv, Tint, Tch, Pop). L'indice i indexe le pays individuel tandis que l'indice t indexe l'année. (
·) est la fonction indicatrice, qui est égale à 1 ou 0, selon le terme de la condition.

L'équation ci-dessus divise les observations en deux régimes, en fonction de la valeur relative de la variable de seuil q_i,t par rapport au paramètre de seuil ?. Les régimes sont identifiés par les paramètres de pente â1 et â2. Le paramètre å_i,t est le terme d'erreur, qui est supposé indépendant et distribué de manière identique (iid) avec une moyenne nulle et une variance infinie. Pour des seuils ? donnés, la pente â peut être estimée par les moindres carrés ordinaires.

La somme résiduelle des carrés (RSS) est calculée à partir de l'équation estimée ci-dessus, qui est également fonction du paramètre ?. Le seuil optimal est obtenu lorsque RSS est minimal. La prochaine étape cruciale consiste à déterminer la signification statistique du point de seuil dans un tel modèle non linéaire.

Afin d'analyser la relation non linéaire et de déterminer les effets de seuil dans la relation entre l'inflation et le chômage en zone CEMAC, le présent document adopte la procédure suivante :

Étape 1 : Analyse graphique de non linéarité entre l'inflation et le chômage dans les pays de la

Étape 2 : Un modèle à seuil unique est ajusté pour tester la signification de l'effet de seuil. Ici, H0, â₁=â₂. Sous H0 : il n'y a pas d'effet de seuil dans le modèle (c'est-à-dire modèle linéaire). Si H0 est rejeté, cela signifie que le modèle n'est pas linéaire.

Étape 3 : Le nombre de seuils est déterminé en estimant les effets de seuil des modèles de manière séquentielle avec différents seuils. Le processus de test se poursuit jusqu'à ce que l'hypothèse nulle soit acceptée.

Etape 4 : Cette étape se consacre à l'estimation de la régression de seuil dans le modèle de seuil retenu à l'étape 3.

Etape 5 : Dans cette dernière étape, nous effectuons des tests post-estimation afin de valider nos estimations. Nous testons notamment la normalité des résidus, l'autocorrélation des résidus et l'hétéroscédasticité des résidus.

Les données utilisées dans cette étude proviennent des rapports de la BEAC, des sites de la Banque Mondiale et du FMI. L'étude couvre la période allant de 1994 à 2022 et porte sur les six (6) pays de la CEMAC, soit un échantillon de taille 174.

Le choix de la période d'étude s'est fait en tenant compte de la disponibilité des données. Par ailleurs, l'étude a retenu comme logiciel statistique : Eviews13 et Stata15 pour la réalisation des tests, des estimations et, des représentations graphiques.

Nous utiliserons, pour cette étude, une double démarche économétrique dans laquelle nous analyserons dans un premier temps, la relation dynamique de court terme et de long terme entre l'inflation et le chômage dans les économies de la CEMAC, puis dans un second temps, nous adoptons une analyse non linéaire à effets de seuil afin d'évaluer le niveau optimal d'inflation au-delà duquel la relation entre l'inflation et le chômage en zone CEMAC se détériore.

Section 2 : Interprétations des résultats et recommandations.

Cette section se consacre à l'interprétation des résultats et à la formulation des recommandations des politiques économiques, pour chacun des modèles.

2.1- Modèle linéaire de la dynamique de l'inflation et du chômage en zone CEMAC.

Il s'agit pour nous d'exposer, dans ce sous point, les résultats issus de l'estimation de notre modèle linéaire, de les interpréter et de formuler des recommandations des politiques.

Variables	Moyenne	Ecart-type	Minimum	Maximum	Observation
CHO	9.877236	7.291541	0.63	22.667
Inf	4.323189	6.791749	-8	43.7
Pib	4.757779	10.99244	-36.4	95.26215	N= 174
Inv	26.11671	17.75203	2.099	115.102	n= 6
Tint	5.061767	1.779207	2.45	8.6	T=29
Tch	-0.5054564	8.004629	-36.5306	24.2
Pop	65.30444	9.251472	47.494	83.184

Les statistiques descriptives de ces séries montrent que, en zone CEMAC le pourcentage annuel moyen du chômage est de 9,87%.

Avec un taux de 4,32%, le niveau moyen d'inflation en zone CEMAC sur la période d'étude se situe au-dessus de la cible communautaire de 3%. Son niveau minimum atteint est de -8% et son maximum de 43,7%. Ce qui correspond aux taux d'inflation enregistrés au Tchad en 1994 et 1999.

Le niveau moyen de la croissance du Pib est de 4,75% sur notre période d'étude. Son niveau minimum atteint est de -36,4% et son niveau maximal est de 95,26%. Ce qui correspond aux taux de croissance du Pib enregistrés en Centre Afrique en 2013 (-36,4%) et, en Guinée Eq en 1997 (95,26%).

Le niveau moyen de la population active occupée en zone CEMAC sur la période d'étude est de 65,30%. Son niveau minimum atteint est de 47,49% et son maximum de 83,18%. Ce qui correspond au niveau de la population active occupée enregistrés respectivement au Gabon en 2020 et au Cameroun en 1994.

Le niveau moyen de l'investissement sur la période d'étude est de 26,11%. Son niveau minimum atteint est de 2,09% et son maximum de 115,10%. Ce qui correspond aux niveaux d'investissement enregistrés respectivement au Tchad en 1995 et, en Guinée Eq en 1996. Le niveau moyen du taux d'intérêt sur la période d'étude est de 5, 06%. Son niveau minimum atteint est de 2,45% et son niveau maximum est de 8,6%. Ces niveaux sont respectivement atteints dans tous les pays de la zone entre 2015-2016 et en 1995.

Pour ce qui est du taux de change, son niveau moyen est de -0,50%. Son niveau minimum est de -36,53% et son maximum est de 24,2%. Ces niveaux sont respectivement atteints en Centre Afrique en 1994 et en Guinée Eq en 1998.

Variables	CHO	Inf	Pib	Inv	Tint	Tch	Pop
CHO	1.000
Inf	-0.0137	1.000
Pib	-0.1131	0.0108	1.000
Inv	0.4143*	0.1205	0.4105*	1.000
Tint	-0.0073	0.3231*	0.2376*	0.1080	1.000
Tch	-0.0674	-0.2867*	0.0441	0.0725	-0.0087	1.000
Pop	-0.3901*	0.0040	-0.0706	-0.2788*	0.1699**	0.0576	1.000

D'apres les résultats du tableau, il y'a absence de corrélation entre les variables. En effet, aucune probabilité n'est supérieure à 0,8. Par conséquent, il y'a de ce fait une absence de multicolinéarité entre les variables. Dans l'ensemble, l'analyse de ces différentes statistiques de la corrélation suggère que les paramètres estimés seraient cohérents et efficaces.

Les résultats du test d'homogénéité de Swamy révèlent la présence d'hétérogénéité entre les individus du panel. En effet, la probabilité de chi-2 est inférieure au seuil du risque de 5%. Ces résultats montrent que les pays de la CEMAC présentent des disparités dans leurs structures économiques. Annexe 3.

Les résultats d'estimation montrent que les coefficients associés aux variables explicatives ne sont pas tous statistiquement significatifs, seuls la population active, le taux de change et le taux d'intérêt qui sont significatifs au seuil de 5%. Toutefois, l'effet de l'inflation sur le chômage semble négatif (-0,0138). La statistique de Fisher du test d'effet fixe affiche deux (2) résultats différents :

- F(6, 162)= 3.78 confirme la présence de la significativité jointe des variables explicatives, puisque la p-value < 5% (Prob=0,0015).

- F(5, 162)= 1078.48 indiquant la significativité jointe des effets fixes. Ce résultat confirme l'hétérogénéité des individus sous la forme d'un effet fixe, puisque la p-value < 5% (Prob=0,0000). Ce qui permet de rejeter l'hypothèse H0.

Les résultats d'estimation obtenus par le modèle à erreurs composées se trouvent meilleurs que ceux obtenus par le modèle à effets fixes. En effet, les coefficients associés à l'inflation, la croissance du PIB et à l'investissement sont maintenant significatifs, au seuil conventionnel de 5%, ce qui n'était pas le cas dans le modèle à effet fixe. Cela laisse penser que l'hypothèse d'absence de corrélation entre le terme aléatoire individuel et les variables explicatives du modèle est vérifiée ainsi, il va s'en suivre des estimations efficaces. Le test de spécification de Hausman développé à la suite, devrait confirmer ces présomptions.

Selon le test de Hausman, l'hypothèse d'absence de corrélation entre le terme aléatoire et les variables explicatives du modèle est acceptée car en effet, le modele est significatif au seuil de

5%. Le test de Chi-2 est à 5 degrés de liberté car il y'a, sous l'hypothèse H0, cinq (5) restrictions relatives à l'égalité des coefficients des deux modèles pour les facteurs variables dans le temps (inflation, PIB réel, investissement, taux d'intérêt, taux de change, pop active).

Les estimateurs du modèle à erreurs composées sont efficaces (absence de corrélation entre le terme aléatoire et les variables explicatives). Cependant, étant donné que la probabilité de la statistique de Chi-2 est significative, la règle de décision nous impose le choix de l'hypothèse H0 qui porte sur les estimateurs du modèle à effet fixes qui sont sans biais. Annexe 4.

Les résultats des probabilités du test d'indépendance de LM de Breusch-Pagan (1980), CD de Pesaran (2004) et LM adj de Pesaran et al (2004) montent la présence d'une dépendance entre les individus du panel. En effet, la probabilité des tests est significative au seuil conventionnel de 5%, ce qui implique que les effets d'un choc d'offre ou de demande et d'une crise survenant dans l'un des pays de la CEMAC peuvent se propager dans l'ensemble des pays de la zone.

A cet effet, la dépendance interindividuelle demeure un probleme à prendre en compte. C'est ainsi que Hoechle (2007) suggère d'utiliser les méthodes d'erreur standard de Driscoll et Kraay (1998) afin de corriger ce probleme. Les résultats du test de Discoll et Kraay seront présentés dans l'annexe 15. Par ailleurs, la prise en compte des résultats du test d'indépendance interindividuelle nous conduit à l'utilisation des tests de stationnarité de deuxieme génération.

Variables	A niveau I(0)		En 1^e différence I(1)
Variables	Test CIPS	Test CADF	Test CIPS	Test CADF
Chômage	-	-	-4.152*	-4.479*
Inflation	-5.235*	-5.247*	-	-
Pib réel	-3.851*	-3.034*	-	-
Investissement	-3.332*	-1.652**	-	-
Tx d'intérêt	-5.809*	-4.229*	-	-
Tx de change	-5.201*	-6.095*	-	-
Pop	-	-	-	-

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Afin de déterminer la stationnarité dans nos variables, nous avons retenu les tests de deuxieme génération suivant : le test CADF et le test CIPS de Pesaran (2003, 2007). A cet effet, le nombre de retard retenu pour le test de stationnarité est de 1.

Au regard des résultats du tableau 6 ci-dessus, nous constatons que seule la série pop n'admet aucune stationnarité sur les deux tests utilisés, que l'on soit à niveau ou en 1^e différence.

La littérature sur le modèle de panel ARDL ne permet pas d'inclure des séries stationnaires à des ordres supérieures à un I(1). Car en effet, en présence des variables intégrées d'ordre deux I(2), l'approche de test des limites ARDL ne fournit pas de résultats robustes.

Ainsi, les variables stationnaires à l'ordre deux I(2) doivent être éliminées de l'ensemble de données (Jonas Kibala, 2018 ; Attard Juergen, 2019). De ce fait, nous procédons par le retrait de la variable pop pour la suite des analyses^22(*).

Dans le souci de tester une éventuelle relation de long terme entre les variables, nous avons mobilisé les tests de co-intégration de Pedroni (1999) et de Westerlund (2007). Le tableau 7 ci-dessous présente les résultats des différents tests de co-intégration.

	Trend	No trend		Trend	No trend
Modified PhillipsPerron t	3.163*	2.975*	H0 : No cointegration H1 : Some panels are cointegrated	2.062**	1.895**
Phillips-Perron t	0.793	2.099**
Augmented Dickey-Fuller	-0.758	2.097**	H0: No cointegration H1: All panels cointegrated	are 1.842**	0.243

D'apres les résultats des tests de Pedroni (1999) et Westerlund (2007), il existe une relation de co-intégration. On peut prétendre alors à l'existence d'une relation de long terme entre le chômage et les variables explicatives.

Cependant, la prise en compte de la présence d'hétérogénéité du panel, du niveau de stationnarité des variables (I(0) et I(1)) et de l'existence d'une relation de co-intégration de long terme, conduit à la validation de notre modèle de panel ARDL (Jonas Kibala, 2018 ; Ouhmad Malika, 2020).

Une autre question importante est que la structure de décalage de l'ARDL devrait être déterminée par un critère d'information cohérent. Sur la base du critère bayésien de Schwartz (BIC) et d'Akaike (AIC), nous imposons la structure de décalage suivante (1, 1, 1, 1, 1, 1)^23(*) pour le chômage, l'inflation, la croissance du PIB, l'investissement, le taux d'intérêt réel et le taux de change réel effectif, respectivement. En effet, selon le test du nombre de retard optimal, le retard 1 est le retard qui minimise les critères d'informations (Voir Annexe 8).

? Estimation de la dynamique de long terme et de court terme dans la relation inflation-chômage en CEMAC.

Le tableau suivant présente les résultats des différents estimateurs du modèle linéaire autorégressif (ARDL) :

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Le test de Hausman indique que l'estimation de MG est cohérente et efficace par rapport à l'estimation de PMG et n'opère pas de choix face à l'estimateur DFE.

L'examen du test de Hausman (cf. tableau 8) confirme que le postulat d'hétérogénéité des coefficients de long terme ne peut être rejeté. Il ne permet pas non plus de rejeter le postulat d'homogénéité des coefficients de long terme. De ce fait, les estimations MG et DFE sont donc plus consistantes et plus efficientes que l'estimation PMG. Ainsi, l'interprétation de nos résultats sera basée sur les estimations MG et DFE.

Cependant, étant donné que les pays de la CEMAC présentent une structure hétérogène, les résultats de l'estimateur MG seront considérés de plus réalistes.

Tableau 9 : Présentation des résultats des estimations de la dynamique de court et long terme.

Variables Chômage	Coef.	MG S.E.	Prob.	Coef.	DFE S.E.	Prob.	PMG
Variables Chômage	Coef.	MG S.E.	Prob.	Coef.	DFE S.E.	Prob.	Coef.	S.E.	Prob.
Long Run Inf	-0.17	0.24	0.47	-0.01	0.11	0.90	0.18	0.11	0.10
Pib	0.28	0.44	0.52	-0.06	0.05	0.24	-0.34*	0.12	0.00
Inv	0.47	0.46	0.31	0.04	0.03	0.16	-0.04	0.03	0.18
Tint	0.85	1.18	0.46	-0.48***	0.25	0.06	-0.97*	0.19	0.00
Tch Short Run	-0.05	0.03	0.12	-0.06	0.08	0.41	-0.07	0.06	0.27
ECT	-0.31*	0.09	0.00	-0.09*	0.02	0.00	-0.09**	0.04	0.04
ÄInf	-0.00*	0.00	0.01	-0.00	0.00	0.67	-0.12***	0.00	0.09
ÄPib	0.00	0.00	0.17	-0.00	0.00	0.88	-0.00	0.00	0.23
ÄInv	0.00	0.01	0.42	-0.00***	0.00	0.09	0.00	0.00	0.41
ÄTint	-0.28**	0.12	0.02	-0.14***	0.07	0.05	-0.25**	0.10	0.01
ÄTch	0.00**	0.00	0.03	0.00	0.00	0.20	0.00	0.00	0.29
Cons	4.64**	2.17	0.03	0.99*	0.28	0.00	2.12***	1.24	0.08

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Les résultats sont rapportés avec seulement deux (2) chiffres après les décimales pour éviter la consommation d'espace. MG, DFE et PMG, tous contrôlant les effets de pays et de temps. Le premier panneau (LR) montre des effets à long terme. Le deuxième panneau signale à la fois les effets à court terme (SR) et la vitesse d'ajustement (ECT). La structure décalée est ARDL (1, 1, 1, 1, 1, 1) et l'ordre des variables est : Inflation, Croissance du PIB, Investissement, Taux d'intérêt et le Taux de change. Les six(6) pays de la zone CEMAC, données annuelles 1994-2022.

Les résultats de l'estimation du modèle linéaire (cf. tableau 9) montrent qu'à long terme, pour l'estimateur DFE, seul le taux d'intérêt agit sur le chômage tandis que pour le MG, aucune variable n'agit à long terme sur le chômage.

En effet, le coefficient estimé du taux d'intérêt, dans le DFE, est négatif et statistiquement significatif au seuil de 10%, ce qui traduit une relation inverse de long terme avec le chômage.

Ce résultat montre que le taux d'intérêt réel a un pouvoir explicatif considérable pour prédire les variations du taux de chômage dans la CEMAC. A cet effet, si le taux d'intérêt baisse d'une unité, cela va stimuler l'économie et favoriser la création d'emplois sur une période prolongée. Ainsi va s'en suivre une réduction du chômage de 0.06 unités.

Cela a comme implication que la réduction du taux d'intérêt réel favorise l'accès au marché du crédit du secteur privé (PME, PMI) ce qui va conduire à une augmentation du financement des projets entrainant une forte création des emplois et donc, une baisse du chômage dans les pays de la zone CEMAC à long terme.

Ce résultat rejoint celui trouvé par Mah Philippe et al (2023), montrant qu'en agissant sur les taux d'intérêt cela pourrait réduire le chômage des pays de l'Afrique Subsaharienne. Contrairement au résultat de Mah Philippe et al (2023) qui suggère une augmentation du taux d'intérêt, celui-ci penche plutôt en faveur d'une baisse.

Le coefficient estimé du terme de correction d'erreur (ECT) est négatif et inférieur à 1 en valeur absolue et statistiquement significatif au seuil de 1%, que l'on soit dans un estimateur MG ou DFE. Cela indique que le système est dynamiquement stable et converge vers un équilibre à long terme. Cependant, les coefficients des variables inflation, taux d'intérêt et taux de change sont statistiquement significatifs à court terme dans l'estimation MG tandis que dans l'estimation DFE, il s'agit des variables investissement et taux d'intérêt.

Selon les résultats de court terme de l'estimation DFE, l'investissement et le taux d'intérêt ont un pouvoir explicatif considérable sur les variations du taux de chômage dans la zone CEMAC. En effet, il existe des relations statistiquement significatives et négatives entre l'investissement et le chômage puis, entre le taux d'intérêt et le chômage.

A court terme, la baisse du taux d'intérêt favorise la création d'emplois et contribue ainsi à réduire le chômage mais de façon indirecte. En effet, lorsque les taux d'intérêt baissent, les entreprises ont facilement accès aux crédits et au financement bancaire. Ceci aura pour conséquence d'accroitre leurs dépenses d'investissement par le moyen d'une création d'emploi. De ce fait, baisser le taux d'intérêt d'une unité favorise, indirectement, la réduction du chomage de 0.14 unités.

Quant à l'investissement, le coefficient négatif qui lui est assigné traduit une relation inverse avec le chômage. En effet, la faiblesse des investissements serait en partie responsable du fort taux de chômage. Il s'agit tout d'abord du secteur privé qui éprouve des difficultés à se refinancer sur le marché bancaire pour cause d'une élévation des couts des crédits au sein de la CEMAC. Ensuite, le secteur public qui peine à investir dans des secteurs stratégiques pourvoyeurs d'emplois. De ce fait, la baisse d'une unité d'investissements serait à l'origine de l'augmentation du chômage de 0.005 unités.

Concernant les résultats de l'estimateur MG, à court terme, l'inflation, le taux d'intérêt et le taux de change permettent d'expliquer le chômage des pays de la CEMAC, tout comme dans les travaux d'Ayira Korem (2019). En effet, les coefficients négatifs et significatifs associés aux variables inflation et taux d'intérêt traduisent une relation inverse entre ces variables et le chômage à court terme, ce qui n'est pas le cas pour la variable taux de change qui, elle, s'associe un coefficient statistique significatif et positif.

Tout comme dans l'estimateur DFE, la baisse du taux d'intérêt entraine la création des emplois et donc la réduction du chômage. Autrement dit, un cout élevé du crédit favoriserait une insuffisance de la création des emplois et donc une hausse du chômage à court terme. Ainsi donc, une réduction d'une unité du cout de crédit entrainerait une baisse du chômage de 0.28 unités.

Quant à l'inflation, sa réduction conduit à une élévation du niveau de chômage à court terme. Ainsi, une diminution d'une unité d'inflation conduit à une augmentation de 0.008 unités de chômage en zone CEMAC. Ce résultat confirme l'existence de la relation de Phillips en CEMAC.

Pour le taux de change, un coefficient positif associé à cette variable traduirait une appréciation de la monnaie locale. En effet, il en résulte une relation positive entre l'appréciation de la monnaie locale et le niveau du chômage en zone CEMAC. Autrement dit, à court terme, un taux de change élevé entrave les exportations et occasionne les problemes de compétitivité prix, ce qui entraine comme conséquences la stagnation des exportations, la baisse de la production et des revenus. Ainsi donc, une baisse d'une unité du taux de change conduirait à une baisse du chomage de 0.004 unités.

Aux vues de ces résultats deux principales recommandations peuvent être formulées à l'endroit des autorités publiques :

? Premièrement, l'absence de relation entre l'inflation et le chômage, dans un contexte d'homogénéité^24(*)structurelle des pays, nous pousse à proscrire des recommandations d'ordre communautaire. En effet, la pratique de la politique monétaire commune n'est pas optimale pour l'ensemble des pays de la zone CEMAC. Ainsi, nous recommandons aux dirigeants de la BEAC de prendre en compte les spécificités structurelles des pays dans la pratique de sa politique de surveillance ; la prise en compte de ces spécificités favorise l'existence d'un arbitrage entre l'inflation et le chomage propre à chaque pays.

? Deuxièmement, les dirigeants des pays de la CEMAC doivent entreprendre des vastes projets d'investissement dans les infrastructures mais également de créer des conditions favorables au développement du secteur privé. C'est dans ces conditions que va se créer des emplois. Ainsi, en combinant ces actions nous parviendrons à lutter efficacement contre le chômage communautaire.

Cette section est consacrée à l'interprétation de l'estimation du modèle non linéaire, à l'interprétation des résultats et à la formulation des recommandations des politiques économiques.

Graphique 7 : Analyse graphique de la non linéarité dans la relation inflation-chômage.

Sur cette image nous pouvons observer la présence de la non linéarité dans trois (3) pays de l'échantillon, il s'agit entre autre du Cameroun, Congo et Gabon mais egalement l'existence de la linéarité dans trois (3) autres pays de l'échantillon, à savoir : la Centre Afrique, le Tchad et la Guinée Equatoriale. Nous allons vérifier analytiquement le résultat graphique.

Dans un premier temps, nous ajustons un modèle à seuil unique pour capturer l'effet de seuil.

Ici, nous testons l'hypothèse nulle d'un modèle linéaire par rapport à l'hypothèse alternative d'un modèle à seuil unique.

L'hypothèse nulle de la linéarité est testée par rapport au modèle de seuil à l'aide de la statistique F avec amorçage, estimant les valeurs p critiques car, elle a une distribution asymptotique non standard. Les valeurs p asymptotiques sont calculées à l'aide de 300 réplications bootstrap.

Les résultats du modèle à seuil unique sont présentés dans le tableau 10. Ils indiquent que l'hypothèse nulle du modèle linéaire est rejetée par rapport à l'autre effet de seuil, car la statistique F est jugée significative au seuil de 10%.

Tableau 10: Résultats du test de linéarité pour les pays de l'échantillon

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Threshold effect test (bootstrap = 300)

Cependant, le résultat du seuil de significativité (10%) confirme la situation selon laquelle tous les pays de l'échantillon ne sont pas non linéaires. Ce résultat vient renforcer le résultat mis en lumière par le graphique 7. En d'autres termes, tous les pays de notre échantillon n'admettent pas la non linéarité dans la relation entre l'inflation et le chômage.

Cette situation rend notre analyse complexe en raison de l'hétérogénéité qui existe entre les pays de notre échantillon. Ainsi donc, nous allons procéder par le retrait des pays qui admettent une relation linéaire, nous allons, de ce fait, travailler uniquement avec les pays qui présentent la non linéarité.

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Threshold effect test (bootstrap = 300)

Le seuil d'inflation est estimé à 4,80 %, ce seuil est pour l'instant considéré de temporaire en raison de la signification de la statistique F à la valeur p de 0,0367. Cela nécessite d'ajuster davantage de modèles de seuil pour capturer correctement les effets non linéaires. Par conséquent, nous allons plus loin en estimant des modèles PTR à double et à triple seuils.

Ici, nous choisissons un modèle à triple seuil comme résultat d'un modèle à double seuil indiquant l'ajustement de plusieurs modèles de seuil. En allant séquentiellement, nous ajustons ensuite un modèle à trois seuils pour tester les effets de seuil et déterminer le nombre de régime.

L'hypothèse nulle est testée pour le modèle à seuil unique par rapport à l'hypothèse alternative du modèle à double seuil, et ainsi de suite. Dans leur modèle de points de changement multiples, Bai et Perron (1998) trouvent également que l'estimation séquentielle est cohérente.

De ce fait, 0 (zéro) est défini pour le modèle à seuil unique, car nous n'avons pas besoin d'appliquer à nouveau des réplications bootstrap. De cette façon, nous supprimons la sortie des réplications bootstrap et la régression à effet fixe pour un seul seuil. Les résultats de la recherche de seuil sont présentés au tableau 12.

Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Threshold effect test (bootstrap = 0 300 300).

Aucunes statistiques des modèles à double et triple seuil ne sont significatives. Cela indique qu'il n'est pas nécessaire d'aller plus loin pour les seuils de chasse.

Sur cette base, nous concluons à l'existence d'un seuil dans la relation entre l'inflation et le chômage en zone CEMAC. Ainsi, nous consacrons le reste de l'analyse sur l'estimation d'un modèle à seuil unique, car les modèles à double et triple seuil sont jugés non significatifs.

? Estimation des effets de seuil dans la relation inflation-chômage en zone CEMAC :

Source : Calcul de l'auteur. Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Remarque : Le test de l'effet de seuil révèle que le Single correspond à H0 (modèle linéaire) et Ha (modèle à seuil unique).

Les résultats présentent l'existence d'un modele à seuil unique qui présente une significativité au seuil conventionnel de 5%. Ce résultat traduit que le modele à seuil unique est le plus optimal avec une valeur p de 0,0367.

Les résultats de la régression à effets fixes sont présentés au tableau 14. Les estimations de régression peuvent être modélisées comme suit :

CHO_???? = 13,966 + 0,265inf_???? (inf_???? = 4,80) - 0.042inf_???? (inf_????> 4,80) -

Dependent: Chômage	Coefficients	Standard error.	t-statistic	P-value
PIB réel	-0.056	0.048	-1.15	0.253
Investissement total	-0.002	0.018	-0.15	0.882
Tx d'intérêt réel	0.110	0.097	1.14	0.259
Tx de change réel	-0.049**	0.022	-2.17	0.033

Inflation
Inf_it = 4.80 %	0.256**	0.101	2.61	0.011
inf_it > 4.80 %	-0.042	0.031	-1.34	0.184

Constant	13.966*	0.843	16.55	0.000
sigma_u	8.408	Number of observations	87
sigma_e	1.409	Number of groups	3
rho	0.972	Minimum	29
Within	0.171	Average	29
Between	0.173	Maximum	29
Overall	0.000	F(6, 78)	2.70
Breush-Pagan	0.516	Prob > F	0.019

La statistique F de 558,64 au niveau de la significativité globale de 1%, avec l'hypothèse nulle de tous u_i=0, confirme que le modèle à effet fixe est approprié.

Les valeurs p bootstrap du seuil soutient l'existence d'un effet de seuil au niveau de significativité de 1 %. De plus, le test de Breush-Pagan affiche une probabilité de 0,516 rejetant l'hypothèse alternative d'hétéroscédaticité.

Le seuil estimé est de 4,80 %. Techniquement, inf_it= 4,80 % et ; inf_it > 4,80 % désignent, respectivement, un taux d'inflation faible et élevé.

Les estimations de la pente de régression dans le modèle PTR indiquent l'effet de l'inflation dans deux (2) régimes :

ï Lorsque l'inflation = 4,80 %, le coefficient positif de 0,265 suggère que le chomage est positivement lié à l'inflation. La significativité de ce résultat au seuil conventionnel de 5% nous impose de l'accepter.

ï Lorsque l'inflation > 4,80 %, l'effet négatif de l'inflation sur le chômage apparait avec un coefficient non significatif de -0,042. La non significativité de ce résultat nous impose de ne pas en tenir compte.

Le coefficient plus fort de l'inflation lorsqu'elle se situe au premier régime implique une relation plus responsable entre ces deux variables. Ainsi, les deux variables se dirigent dans la même direction. Autrement dit, une évolution croissante du chômage entraine également une évolution dans le même sens de l'inflation.

Nous interprétons le seuil significatif obtenu au premier régime comme un seuil critique pour les trois (3) pays de la zone CEMAC car à ce seuil d'inflation atteint, il n'y a pas de réduction du chomage, juste une élévation du niveau d'inflation.

Cette situation présentée par les résultats peut s'interpréter lorsqu'on associe la montée de la population active et les insuffisances structurelles des pays de la CEMAC.

En effet, la montée de la population active jeune et l'insuffisance des structures pour les accueillir sont à l'origine de la hausse du niveau de chomage. Un chomage qui est en majorité structurel, c'est-à-dire, lié à une insuffisance des structures d'emploi qui s'associe à une montée de la population active jeune.

Dans ce contexte structurel, toute politique monétaire expansionniste dans le but de réduire ce chomage, va conduire à une élévation du niveau d'inflation au niveau du seuil sans la moindre réduction du chomage. C'est ce que montre la relation obtenu au niveau du seuil d'inflation de

Au regard des résultats fournis par l'estimation du modele non linéaire, nous adressons comme formulation aux dirigeants des pays de la CEMAC de mettre en places des réelles politiques structurelles afin de dynamiser le système économique et de lutter de manière efficace contre ces deux phénomènes simultanément.

En effet, le résultat du seuil obtenu nous invite à croire en ce qu'une mise en place des politiques réelles visant à résorber durablement le chômage pourrait stabiliser la progression des prix, car les deux phénomènes évoluent ensembles et dans la même direction.

Nous citons ici quelques politiques réelles structurelles qui peuvent être appliquées pour la dynamisation du système économique et la résorption du chomage de la CEMAC :

Les réformes du marché du travail : il s'agit particulièrement des mesures visant à dynamiser le marché du travail et à réduire le chômage, comme les politiques actives visant à prioriser la main d'oeuvre locale, à faciliter l'accès à l'emploi en améliorant la formation professionnelle des chômeurs, les stages et les contrats d'insertion.

L'investissement dans les infrastructures : il s'agit d'améliorer les infrastructures de transport, de communication et d'énergie afin de soutenir l'activité économique par le moyen du développement des nouveaux secteurs d'activité comme le tourisme et l'agriculture.

Le développement des petites et moyennes entreprises et industries (PME et PMI) : il s'agit de mettre en place des programmes de soutien et d'accompagnement pour les PME et PMI locales.

Il s'agit entre autres de l'accès au financement, l'assistance technique et la formation. Ces mesures auront pour effets d'encourager l'initiative privée, réduire le chômage en dynamisant l'économie locale.

L'amélioration de la gouvernance : cette action est primordiale surtout pour ces pays dont la gouvernance est entachée par des actes de corruption. Ainsi, nous recommandons aux dirigeants de renforcer les mécanismes de lutte contre la corruption, d'améliorer l'environnement des affaires afin d'attirer des investisseurs étrangers.

CONCLUSION GENERALE.

À l'aide d'un panel de six pays de la zone CEMAC pour la période 1994-2022, la présente étude a examiné la relation entre l'inflation et le chômage.

Afin de mieux analyser cette relation empirique, nous nous sommes inscrits dans le champ théorique monétariste de la courbe de Phillips et, nous nous sommes appuyés sur le travail de

Sin-Yu Ho et al (2018) qui, ont analysé la relation entre le chômage et l'inflation dans la zone Euro. Tout comme ces auteurs, nous avons utilisé une double approche économétrique basée à la fois sur l'utilisation du modèle dynamique linéaire développé par Pesaran et al (1999) et du modèle non linéaire de seuil à effet fixe développé par Hansen (1999).

L'étude de la dynamique de l'inflation et du chômage nous a permis d'obtenir les preuves d'une relation inverse à court terme, en tenant compte de l'hétérogénéité structurelle des pays.

Par ailleurs, sur la base de nos hypothèses, nous avons également vérifié s'il existait des preuves de non linéarité dans cette relation pour les économies de la CEMAC. A cet effet, les résultats obtenus ont non seulement confirmé la présence de non linéarité dans trois (3) pays de notre échantillon mais, ils ont aussi montré l'existence d'effet de seuil dans la relation entre l'inflation et le chômage.

Toutefois, nous soulignons comme limites à notre étude le fait d'avoir tiré des conclusions reposant sur les effets agrégés obtenus en travaillant sur l'ensemble des pays de notre panel de façon groupée. En effet, l'utilisation de l'approche dynamique en panel dans cette étude permet certes, de tenir compte des divergences entre pays mais, ne prend pas en compte les expériences uniques de manière séparée pour chaque pays. Ainsi, nous encourageons les études futures à envisager d'utiliser des méthodes de séries chronologiques afin de mieux apporter des précisions sur l'implication des effets de seuil dans la relation inflation-chômage au niveau individuel des pays de la CEMAC.

Références bibliographiques.

Akerlof G. et Shiller R (2009). « Les Esprits animaux. Comment les forces psychologiques mènent la finance et l'économie », Pearson.

Alain Beitone, Emmanuel Buisson-Fenet et Christine Dollo. Economie 5^eédition, p. 175-235.

Alogoskoufis G. and Smith R (1991). The Phillips curve: the persistence of inflation and the Lucas critique: evidence from exchange-rate regime. American Economic Review. Vol. 81, p. 1254-1275.

Anthony M. Santomero and John J. Seater (1978). The inflation-unemployement trade-off: A critique of the literature, journal of economic literature, vol.16, No. 2, p. 499-544.

Attard Juergen (2019). Public debt and economic growth nexus: A dynamic panel ARDL approach. MPRA Paper, No. 96023.

Axel Leijonhufvud (1968). «Is There a Meaningful Trade-off between Inflation and Unemployment?» Journal of Political Economy, Vol. 76, No. 4, p. 738-743.

Ayira Korem (2019). Déterminants macroéconomiques et monétaires du chômage dans les pays de L'UNION ECONOMIQUE ET MONÉTAIRE OUEST-AFRICAINE (UEMOA), Dans

Revue internationale des économistes de la langue française, Vol. 4, N°1, p. 255-279.

Belgasemi S. (2012). L'inflation et le chômage en Algérie: y at-t-il une relation ? Revue de Droit et de Sciences Humaines-Etudes Economiques, 8(17), p. 420-434.

Benjamin Quévat et Benjamin Vignolles (2018). Les relations entre inflation, salaires et chômage n'ont pas disparu : Étude comparée dans les économies française et américaine. Note de conjoncture, p. 19-34.

Bernard Bernier et Yves Simon. Initiation à la macroéconomie 6^e édition, p. 297-316.

Bikai Landry, Batoumen Hardit et Fossouo Armand (2016). Déterminants de l'inflation dans la CEMAC : le rôle de la monnaie. BEAC Working Paper, No. 05/16.

Brian W. Cashell (2004). «Inflation and Unemployment: What is the Connection?»

Bruno Ventelou. Nouveaux keynésiens, nouveaux classiques : vers une nouvelle synthèse ? La pensée économique contemporaine Cahiers français n° 363, p. 8-13.

Christian Biales. Le modèle keynésien à prix non fixes : le modèle DG-OG (demande globaleoffre globale), Dans Modélisations Schématiques de l'Equilibre Macroéconomique, p. 103-117.

Christophe Lavialle. 1968-2018, 50 ans de théorie économique, Dans Idées économiques et sociales 2019/1 (N°195), p. 4-18.

Combey Adama et Nubukpo Kabo (2010). Effets non linéaires de l'inflation sur la croissance dans l'UEMOA, MPRA Paper No. 23542.

Dave Turner, Laurence Boone, Claude Giorno, Mara Meacci, Dave Rae et Pete Richardson. L'estimation du taux de chômage structurel des pays de l'OCDE, Dans Revue économique de l'OCDE 2001/2 (No 33), p. 185-232.

Dritsaki C. and Dritsaki M (2012). Inflation, unemployment and the NAIRU in Greece.

Edward Blackburne and Mark Frank (2007). Estimation of nonstationary heterogeneous panels.

El Hiri (2014). Marché du travail, emploi, chômage, Dans Problemes sociaux et économiques.

Elsana Aqifi and Raimonda Duka (2016). Impact of inflation on unemployment in the Republic of Macedonia. Journal of Business Paradygms, vol.1, No. 1.

Éric Berr, Virginie Monvoisin et Jean-François Ponsot (2018). Préface de James Galbraith, L'économie post-keynésienne, Dans Histoire, Théories et Politiques. Edition du seuil.

Estelle Ouellet, Isabelle Belley-Ferris et Simon Leblond. Guide d'économétrie appliquée pour Stata.

Fabian Gouret. Notes de cours d'économétrie appliquée : Commandes de base Stata.

Fabien Curto Millet (2007). Inflation Expectations, the Phillips Curve and Monetary Policy.

Faire face à la pandémie de COVID-19, Dans Perspectives économiques en Afrique centrale 2020.

Florence Huart, Bas Van Aarle et Harry Garretsen (2006). Chocs et règles de politique économique en UEM, Dans Économie & prévision, p. 43-63.

François Geerolf (2022). « Le keynésianisme doit-il faire l'économie de la courbe de Phillips ? » Dans L'économie mondiale, p. 74-86.

Freyssinet Jacques (2004). Le chômage. 11e éd. Paris, Dans La Découverte, 2004.

Friedman Milton (1968). The role of monetary policy. American Economic Review. Vol. 58, p. 1-17.

Gbaguidi D. (2012). La courbe de Phillips : temps d'arbitrage et/ou arbitrage de temps. L'Actualité économique, 88(1), p. 87-119.

Georgiana Balaban and Denis Vintu (2010). Testing the Nonlinearity of the Phillips Curve. Implications for Monetary Policy, Theoretical and Applied Economics No. 4.

Goulven Rubin. Robert Solow de la courbe de Phillips à la question des fondements de la macro-économie : 1960-1981.

Gourlaouen Jean-Pierre (1983). Une analyse économétrique des liens entre l'inflation, le chômage et la nature des anticipations, Dans Revue économique, volume 34, n°5, p. 971-986.

Guillaumin C. (2020). La courbe de Phillips et le rôle des anticipations. Dans Macroéconomie, p. 356-391.

Hashem Pesaran, Yongcheol Shin & Ron P. Smith (1999). Pooled Mean Group Estimation of Dynamic Heterogeneous Panels, Journal of the American Statistical Association, p. 621- 634.

Henri Sneessens (1998). Chômage d'équilibre et courbe de Phillips, Dans Revue économique, Vol. 49, No. 3, p. 913-920.

Heyer Eric, Le Bihan Hervé, Lerais Frédéric (2000). Relation de Phillips, boucle prix-salaire : une estimation par la méthode de Johansen. Dans Économie & prévision, n°146, p. 43-60.

Ho Sin-Yu and Njindan Iyke Bernard (2018). Unemployment and Inflation: Evidence of a Nonlinear Phillips Curve in the Eurozone, MPRA Paper No. 87122.

Islem Khefacha (2022). Les modelés de panel dynamique, Dans Econométrie des données de panel.

Ivan O. Kitov. Inflation, unemployment, labor force change in European countries, MPRA Paper No. 14557.

J.P Gourlaouen et Y.Perraudeau. Problemes monétaires et financiers (tome. 2), p. 31-71.

Jean-Marie Le Page (2023). L'hypothèse d'hystérésis dans la théorie économique du chômage : pertinence et implications. Revue d'économie politique, vol. 101, No. 2, p. 281-299.

Jean-Olivier Hairault et François Langot (2005). F. Kydland et E. Prescott : Prix Nobel d'Économie 2004, Dans Revue d'économie politique, Vol. 115, p. 65-83.

Jean-Paul Brun et David Mourey (2019). Marché du travail, emploi, chômage, De Boeck Supérieur.

Jeffrey M. Lacker and John A. Weinberg (2007). Inflation and Unemployment: A Layperson's Guide to the Phillips Curve, Economic Quarterly, Vol 93, No.3, p. 201-227.

Jonas Kibala Kuma (2018). Modélisation ARDL, Test de cointégration aux bornes et Approche de Toda-Yamamoto : éléments de théorie et pratiques sur logiciels.

King R.G. and Watson M.W (1994). The post-war US Phillips curve: a revisionist econometric history. Carnegie-Rochester conference Series on Public Policy, Vol. 41. p. 157-219.

Kissi Fadia (2010). Crédibilité des banques centrales : expériences des pays industrialisés et enjeux pour les pays en voie développement, Dans Revue des Sciences Economiques, Tome 5, N° 5, p.104-117.

La guerre en Ukraine et ses conséquences économiques, sociales et environnementales, Résolution du CESE, 24 mars 2022.

Laffiteau E et S. J. Edi (2014). Les pays de la CEMAC convergent-ils ? STATECO N°108.

Lavoie M (1985), « Inflation, chômage et la planification des récessions : la théorie générale de Keynes et après ». Revue d'analyse économique, vol. 61, N° 2.

Le Bihan H. (2009). « 1958-2008, avatars et enjeux de la courbe de Phillips », Revue de l'OFCE, n°111.

Lecaillon Jacques et Botalla-Gambetta Brigitte. Inflation, répartition et chômage dans la France contemporaine, Dans Revue économique, volume 24, n°3, 1973. p. 373-400.

Lekana H (2018). Relation entre consommation d'énergie et la croissance économique dans les pays de la CEMAC.

Lévesque, S. & Paquin, L. (1986). Les microfondements de la macroéconomique : une recension critique. L'Actualité économique, 62(4), p. 597-619.

Lindjouom Tanka et Eze Eze D (2022). Cible d'inflation et inefficacité des politiques de lutte contre le chômage dans les pays de la CEMAC. International Journal of Accounting, Finance, Auditing, Management and Economics, p. 190-201.

Lucas R. (1976). Econometric policy evaluation: a critique. Carnegie-Rochester Conference Series on Public Policy. Vol. 1, p. 19-46.

Marika Karanassou, Hector Sala and Dennis J. Snower. A Reappraisal of the InflationUnemployment Tradeoff, Discussion Paper No. 636 November 2002.

Marwa Sahnoun and Chokri Abdennadher (2019). Causality between inflation, economic growth and unemployment in North African countries. Economic Alternatives, p. 77-92.

Mathurin Dembo Toe et Maurille Hounkpatin (2007). Lien entre la masse monétaire et l'inflation dans les pays de l'UEMOA, Document d'Etude et de Recherche.

Mélika Ben Salem et Corinne Perraudin (2001). Tests de linéarité, spécification et estimation de modèles à seuil : une analyse comparée des méthodes de Tsay et de Hansen, Économie & prévision, p. 157-176.

Milda Norkute and Joakim Westerlund. A Factor-Augmented New Keynesian Phillips Curve for the European Union Countries, Oxford Bulletin of Economics and Statistics.

Mohamed Safouane Ben Aïssa et Olivier Musy (2005). La persistance de l'inflation dans les modèles néo-keynésiens, Recherches Économiques de Louvain, Vol. 71, No. 2, p. 175-191.

Mohamed Goaied et Seifallah Sassi (2012). Econométrie des données de panel sous Stata.

Mohsin S. Khan and Abdelhak S. Senhadji (2001). Threshold effects in the relationship between inflation and growth, IMF Staff Papers Vol. 48.

Mokarani Hamid (2022). Impact des plus importants indices macroéconomiques sur le taux de chômage, Revue algérienne des sciences humaines et sociales, Vol. 06 / N°02, p. 373-392.

Morris Goldstein (1972). The trade-off between inflation and unemployment: A survey of the econometric evidence for selected countries. International Monetary Fund, p. 647-698.

Muriel Dal-Pont Legrand et Harald Hagemann. Théories réelles versus monétaires des cycles d'équilibre Dans Revue française d'économie 2009/4 (Vol. XXIV), pages 189 à 229

Muth J (1961). « Rational Expectations and the Theory of Price Movements », Econometrica.

N. Gregory Mankiw (2000). «The inexorable and mysterious trade-off between inflation and unemployment».

Nicas Yabu & Nicholaus J. Kessy (2015). Threshold Level of Inflation for Economic Growth: Evidence from the Three Founding EAC Countries, Applied Economics and Finance Vol. 2, No.3, p. 127-144.

Note sur l'inflation dans les pays membres de la CEMAC, STAT-CEMAC Financement FODEC, Edition août 2023.

Ntita Ntita J, Kazadi Ntita F et Ntanga Ntita J (2017). Déterminants de l'inflation dans les pays de la « CEMAC ». MPRA Paper, No. 92902.

Olivier Allain (2008). (Note de Lecture) Liêm Hoang-Ngoc « Le fabuleux destin de la courbe de Phillips. Les théories de l'inflation et du chômage après Keynes », p.1091-1096.

Olivier Allain. « La nouvelle économie keynésienne, Dans Les postérités de Keynes ».

Olivier Blanchard et Daniel Cohen. Macroéconomie 3^e édition, p. 185-203 et p. 573-582.

Patrick Geoffroy Nkwenka Nyanda (2021). Déterminants et effets économiques de l'inflation dans la CEMAC, Journal of Academic Finance Vol. 12 N° 1.

Patrick Minford and David Peel. «The Phillips Curve and Rational Expectations», p. 457-478.

Phan D.L (1971). Un aperçu de la littérature théorique sur la courbe de Phillips. In: Revue économique, volume 22, n°5, p. 751-791.

Phelps E. (1967). Phillips curve, expectation of inflation, and optimal inflation over time. Economica. Vol. 34. p. 254- 281.

Phillips A. W. (1958). The Relationship between Unemployment and the Rate of Change of Money Wages in the United Kingdom 1861-1957. Economica. 25 (100), p. 283-299.

Pierre-Alain Muet. Croissance et cycles, Dans Théories Contemporaines, 1^re édition.

Pierre-Alain Muet. Modèles d'équilibre et de déséquilibre, Dans Théories Contemporaines des cycles, p. 53-93.

Rafael Di Tella, Robert J. MacCulloch ZEI and Andrew J. Oswald (2000). Preferences over Inflation and Unemployment: Evidence from Surveys of Happiness.

Rapport du FMI n° No. 22/13, COMMUNAUTE ECONOMIQUE ET MONETAIRE DE L'AFRIQUE CENTRALE (CEMAC), Janvier 2022.

Remzi Uctum (2007). Économétrie des modèles à changement de régimes : un essai de synthèse, Dans Revue d'analyse économique, vol. 83, no 4, p. 447-482.

Renaud St-Cyr. Non-linéarité de la courbe de Phillips : un survol de la littérature, Dans Analyses de l'économie internationale Banque du Canada.

Roger Guesnerie. Rationalité économique et anticipations rationnelles, Dans Idées économiques et sociales 2011/3 (N°165), p. 7-14.

Rufin-Willy Mantsie (2012). In search of inflation rate compatible with growth target in CEMAC countries. Brussels Economic Review, vol. 55(3).

Samuelson P.A. and Solow R.M (1960). Analytical aspect of anti-inflation policy. American Economic Review. Vol. 50 No. 2, p. 177-194.

Suna Korkmaz and Muzhgan Abdullazade (2020). "The Causal Relationship between Unemployment and Inflation in G6 Countries," Advances in Economics and Business, Vol. 8, No. 5, p. 303-309.

Tableau de bord de l'économie Gabonaise, Perspectives 2021-2022, N^o51 - Aout 2021.

Tandia Senold, Kambale M. Christian et Kitambala M. Modeste (2021). Chômage et Inflation: vérification de la courbe de Phillips en République Démocratique du Congo, IOSR Journal of Economics and Finance, Vol. 12, p. 52-57.

Tho Quynh Nguyen and Ngoc Kim To (2016). Threshold effect in the relationship between foreign direct investment and economic growth: Evidence from ASEAN countries. Third Asia Pacific Conference on Advanced Research.

Trajanka Makrevska (2019). Economic growth and unemployment, International Journal Vol.30.1, p. 131-134.

Valérie Mignon (2010). La nouvelle économie classique, Dans La macroéconomie après Keynes, p. 12-37.

William Marois. Théorie du déséquilibre et politique économique en économie ouverte, Dans Revue d'analyse économique, Vol. 62, n° 2, juin 1986, p. 258-288.

Zdravka Aljinoviæ, Snjeúana Pivac and Boko ego (2009). An Expectation of the Rate of Inflation According to Inflation-Unemployment Interaction in Croatia, World Academy of Science, Engineering and Technology International Journal of Economics and Management Engineering Vol:3, No:1.

ANNEXES

Annexe 1 : Statistiques descriptives

. corr chomage inflation pibreel investtotal txinteretreel txinteretreel popact (obs=174)

. xtrc chomage inflation pibreel investtotal txinteretreel txdechangereel popact

Annexe 4 : Test de spécification de Hausman

. xtreg chomage inflation pibreel investtotal txinteretreel txdechangereel popact, fe

Fixed-effects (within) regression Number of obs = 174 Group variable: id Number of groups = 6

chomage	Coef. Std. Err. t P>\|t\| [95% Conf. Interval]
inflation	-.0138686 .0131712 -1.05 0.294 -.0398779 .0121408
pibreel	-.002417 .0086742 -0.28 0.781 -.0195461 .0147121
investtotal	-.0015792 .0064148 -0.25 0.806 -.0142467 .0110882
txinteretreel	-.1511477 .0609788 -2.48 0.014 -.2715635 -.0307318
txdechangereel	-.0240256 .0104966 -2.29 0.023 -.0447535 -.0032977
popact	.1606087 .0386909 4.15 0.000 .084205 .2370123
_cons	.254408 2.363055 0.11 0.914 -4.411955 4.920771
sigma_u	8.6508356
sigma_e	1.024694
rho	.98616366 (fraction of variance due to u_i)

. xtreg chomage inflation pibreel investtotal txinteretreel txdechangereel popact, re

chomage	Coef. Std. Err. z P>\|z\| [95% Conf. Interval]
inflation	-.146962 .0743187 -1.98 0.048 -.2926239 -.0013
pibreel	-.2367551 .046209 -5.12 0.000 -.327323 -.1461872
investtotal	.2017864 .0293602 6.87 0.000 .1442416 .2593313
txinteretreel	.4805302 .2819672 1.70 0.088 -.0721153 1.033176
txdechangereel	-.0990087 .0593879 -1.67 0.095 -.2154069 .0173895
popact	-.2296692 .0519128 -4.42 0.000 -.3314164 -.1279221
_cons	18.88506 3.661218 5.16 0.000 11.7092 26.06091
sigma_u	0
sigma_e	1.024694
rho	0 (fraction of variance due to u_i)

Note: the rank of the differenced variance matrix (5) does not equal the number of coefficients being tested (6); be sure this is what you expect, or there may be problems computing the test. Examine the output of your estimators for anything unexpected and possibly consider scaling your variables so that the coefficients are on a similar scale.

b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic

Annexe 5 : Test d'indépendance interindividuel

. xtcsi chomage inflation pibreel investtotal txinteretreel txdechangereel popact, trend

Annexe 6 : Test de racine unitaire de 2^e génération (CIPS et CADF de Pesaran) Chômage.

Pesaran Panel Unit Root Test with cross-sectional and first difference mean included for D.chomage Deterministics chosen: constant & trend