|
La relation inflation-chômage en zone CEMACpar Jean-Baptiste IDAGA Université Omar Bongo - Master 2024 |
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. Tableau 3 : Statistique descriptive.
Source: Calculs de l'auteur sur logiciel Stata 15. 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. Tableau 4 : Analyse de la multicolinéarité.
Note : * p < 0.01, ** p < 0.05, ***p < 0.1. Source : Calculs de l'auteur sur logiciel Stata 15. 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. ï Test d'homogénéité de Swamy (1970) 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. ï Test d'endogénéité et test de spécification des effets individuels :
Modele à effets fixes : 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. Modele à effet aléatoire : 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. Spécification de Hausman (1978) : 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.
Tableau 5 : Analyse de l'indépendance interindividuelle.
Two-sided test. Note : * p < 0.01, ** p < 0.05, ***p < 0.1. 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. Le tableau 6 suivant présente les résultats des tests de stationnarité. Tableau 6 : Analyse de la stationnarité.
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. Source : Calculs de l'auteur sur logiciel Stata 15. 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 1e 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 analyses22(*). 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. Tableau 7 : Analyse de la co-intégration.
Cointégration de l'hétérogénéité du panel
Note : * p < 0.01, ** p < 0.05, ***p < 0.1. 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) : Tableau 8 : Test de spécification d'Hausman (1978).
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.
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. Recommandations des politiques économiques : 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'homogénéité24(*)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. 2.2- Modèle non linéaire de la relation inflation-chômage en zone CEMAC. 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.
Source : auteur, à partir des données de la banque mondiale. 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. ? Test de linéarité et du nombre de régime 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. Tableau 11: Résultats du test de linéarité pour les pays non linéaire.
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. Tableau 12: Recherche des effets de seuil dans différents modèles.
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 : Tableau 13: Estimation du modèle à seuil unique.
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) - 0,056pibréel???? - 0,002investtotal???? + 0,110tint???? - 0,049tch???? (13) Tableau 14: Estimation de la régression du modèle à seuil unique
Note : * p < 0.01, ** p < 0.05, ***p < 0.1. La statistique F de 558,64 au niveau de la significativité globale de 1%, avec l'hypothèse nulle de tous ui=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, infit = 4,80 % et ; infit > 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 4.80%. Recommandations des politiques économiques : 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.
* 22 Asteriou et Monastiriotis (2004) indiquent que lorsque certaines variables sont de I(2), les estimations ne sont pas cohérentes.
* 23 Une structure de décalage 0 peut également être imposée en fonction de la limitation des données. En effet, lorsque la dimension temporelle n'est pas assez longue pour étendre les décalages, on peut imposer une structure de décalage commune à tous les pays (Loayza et Rancière, 2006 ; Demetriades et Law, 2006). * 24 Il s'agit ici des résultats de l'estimateur DFE, qui prend en compte l'hypothèse d'homogénéité structurelle des individus de l'échantillon à court et à long-terme. |
| ||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
