2.3. Spécification et Estimation du
modèle
2.3.1. Spécification du modèle
Le modèle proposé pour étudier les
effets des bons BRH sur le crédit via les taux directeurs et
débiteurs s'écrit de la manière suivante :
G G G G
TXCREDt =I(k2iTXBERIlt-i
i=1
TXTDBt =
#
q531TXBBRHt_i
i=i
~ G
TXTDRt =I041TXBERIlt-i
i=1 i=1
G G
i=1 i=1
G G
i=1 i=1 i=1
G G G
~TXBBRHt = 1 q11TXBBRHt_%
~ i=1
~ G
~ ~
G
~
~
~
~
~
i=1
~
+I(ki2TXCREDt-i
i=1
G
+I(k22TXCREDt-i
i=1
G
+I(k42TXCREDt-i
i=1
+I(k32TXCREDt-i
+I(kisTXTDEt-i
+I(k23TXTDEt-i
+I(k33TXTDEt-i
+I(k43TXTDEt-i
i=1
+ (k14TXTDRt-i
+ (1)24TXTDRt-i
+I(k34TXTDRt-i
+ I (44TXTDRt-%
i=1
+ (kis + Eit
+ 025 +E2t
+ 035 +E3t
+ 045 + E4t
1 = i = p
Où les E = (Eit , £2t , E3t , £4) sont
les termes d'erreur stochastiques appelés impulsions ou
innovations ou chocs dans le langage VAR.
2.3.2. Estimation du modèle
Determination du nombre de retards p du
modele
Il est donc important à ce stade de
déterminer l'ordre p du modèle. Nous utiliserons pour ce faire,
le critère d'information d'Akaike (AIC). Le nombre de retard p retenu
est celui qui minimise ce critère. Le logiciel Eviews 4.1 fournit
directement les valeurs calculées de ce critère. Nous
considérons un nombre maximum de retards égal à huit (8).
Selon le critère d'Akaike, le nombre de retard optimal est de un (1). Ce
dernier, en ce sens sera retenu pour estimer notre modèle. Le processus
sera alors noté : VAR(1). Le tableau suivant reporte les
résultats obtenus
Tableau # 18
Valeurs calculées pour le
critère d'Akaike
|
Retard
|
AIC
|
|
0
|
27.94339
|
|
1
|
27.82702*
|
|
2
|
27.87468
|
|
3
|
27.87931
|
|
4
|
27.95155
|
|
5
|
28.08671
|
|
6
|
28.10391
|
|
7
|
28.18539
|
|
8
|
28.22628
|
Source : Tableau réalisé à partir
d'Eviews 4.1
AIC : Akaike Information Criterion
* : indique l'ordre de retard
(p) à retenir d'après le critère
d'Akaike.
Estimation du VAR (1)
TXBBRH = -0.9132TXCRED (-1) - 0.2381TXBBRH (-1) +
0.0921TXTDB (-1) - 0.0341TXTDR (-1) + 3.7950 TXCRED = 0.0767TXCRED (-1) -
0.0058TXBBRH (-1) - 0.0246TXTDB (-1) + 0.0049TXTDR (-1) + 1.1421 TXTDB =
0.0176TXCRED (-1) - 0.0271TXBBRH (-1) - 0.3858TXTDB (-1) + 0.0408TXTDR (-1) +
0.0270 TXTDR = 0.4404TXCRED (-1) + 0.0141TXBBRH (-1) - 0.0965TXTDB (-1) +
0.2104TXTDR (-1) - 0.8764
Nous présentons en haut l'estimation du
processus VAR(1), mais pour plus de détail, elle est reportée
dans le tableau 19 en annexe. Afin de tester si les coefficients sont
statistiquement significatifs, les t student calculés doivent être
supérieurs en valeur absolue au t student tabulé, pour une
probabilité de 5% et un échantillon dont le nombre de
degrés de liberté est supérieur à trente (30), le t
student tabulé est égal à 1.9633 ,tel est le
cas de notre modèle.
33 BOURBONNAIS Régis.
Économétrie : Manuel et exercices corrigés, Dunod, Paris,
2005, p. 339.
Les résultats indiquent que le taux de
croissance du crédit (TXCRED) dépend positivement de ses propres
valeurs passées, retardées d'une seule période et
négativement des valeurs passées du taux de croissance des bons
BRH et des taux débiteurs retardées de la seule période.
Le taux de croissance des bons BRH (TXBBRH) dépend négativement
de ses valeurs passées, retardées d'une seule période. Le
taux de croissance des taux débiteurs (TXTDB) est une fonction
négative de ses propres valeurs passées et une fonction positive
des valeurs passées du taux de croissance des taux directeurs,
retardées d'une période. Le taux de croissance des taux
directeurs (TXTDR) dépend quant à lui positivement de ses propres
valeurs passées et des valeurs passées du taux de croissance des
bons BRH, retardées de la seule période.
| 
