Memoire Online - Analyse de l'impact de l'agrégat monétaire M3 sur l'inflation en haiti de 2000 à 2010

Qu'on se rappelle dès la formulation de la problématique de la présente recherche, nous nous demandions comment le niveau général des prix réagirait suite à une modification de la masse monétaire au sens large de l'économie haïtienne (M3) ; pour cela nous faisons un vecteur autorégressif (VAR) à deux variables : la masse monétaire au sens large (M3) et l'Indice des Prix à la Consommation (IPC)⁵⁵.

Les données relatives à la masse monétaire au sens large (M3) ont été recueillies à la Banque de la République d'Haïti (BRIT), tandis que celles relatives à l'Indice des Prix à la Consommation ont été fournies par l'Institut Haïtien de Statistique et d'Informatique (IHSI).

⁵⁵ Nous n'avons pas utilisé l'IPC moyen dans le cadre de ce travail parce que l'agrégat monétaire M3 est un stock.

Le VAR étant un modèle de court terme, il ne peut s'appliquer que sur des variables stationnaires. Ainsi nous est-il imposé d'étudier la stationnarité des séries ou encore de déceler l'existence ou non de racine unitaire dans les séries.

IV.2.2- test de racine unitaire et test de causalité

Pour tester l'existence de racine unitaire dans les séries, nous allons utiliser deux tests statiques : le test de Dickey Fuller Augmenté et celui de Phillips Perron. Toutefois, les séries seront étudiées en logarithme népérien dans le but d'atténuer leur éventuelle volatilité.

L'analyse des séries en logarithme népérien nous a permis de déceler qu'elles ne sont pas stationnaires en niveau. Mais elles sont stationnaires en différence première comme l'illustre le tableau 1 retrouvé dans les pages ci-après. Il est à noter que la stationnarité est la condition sine qua non pour estimer un VAR.

Dickey et Fuller (1979) se basent sur les transformations du modèle autorégressif AR(1) en utilisant les modèles suivants :

Le test de racine unitaire suit la logique suivante, sous l'hypothèse H0 : = , correspondant à l'existence d'une racine unitaire. On effectue le test de racine unitaire en procédant par le test t standard :

Plus tard, le test a été élargi (d'où l'appellation de test de Dickey Fuller Augmenté) et publié en 1981. Pour construire ce test, on effectue la régression suivante :

La version élargie du test de Dickey-Fuller comporte des retards additionnels sur la variable .

Cet ajout vise à prendre en compte la présence éventuelle d'autocorrélation des résidus.

C'est donc cette version élargie que nous appliquons sur nos différentes séries dans le cadre de ce travail. Les résultats trouvés, ont été rapporté au tableau ci-après :

Tableau 1: test de racine unitaire (ADF) sur les variables des modèles 1, 2 et 3

	Variables	Valeur du test	Valeur critique	tendance/constante	Stationnarité
Modèle 3	LOGIPC	0.087	-3.44	TNS	Non
	LOGM3	-1.92	-3.44	TNS	Non
Modèle 2	LOGIPC	-2.26	-2.88	CS	Non
	LOGM3	-1.37	-2.88	CNS	Non
Modèle 1	LOGIPC	3.98	-1.94	-	Non
	LOGM3	7.27	-1.94	-	Non

	Variables	Valeur du test	Valeur critique	tendance/constante	Stationnarité
Modèle 3	LOGIPC	-6.93	-3.44	TS	Oui
	LOGM3	-11.01	-3.44	TNS	Non
Modèle 2	LOGM3	-10.98	-2.88	CS	Oui

Source : Calcul de l'auteur à partir du logiciel Eviews 5.0/ données BRH et IHSI

Aucune des séries n'est stationnaire en niveau selon le test de Dickey Fuller augmenté⁵⁶ mais les séries sont stationnaires lorsqu'elles sont différenciées une fois.

La série LOGIPC est stationnaire en différence première, car non seulement la tendance est significative (d'après le modèle avec constante et tendance) mais aussi la valeur de la statistique ADF (-6.93) est inférieure à celle lue dans la table au seuil de 5%, soit -3.44.

Quant à la série LOGM3, la tendance du modèle avec constante et tendance s'est avérée non significative en dépit du fait que la valeur de la statistique ADF de ce modèle est inférieure à la valeur critique lue dans la TDF. De ce fait, nous adoptons le modèle avec constante et sans tendance pour lequel la constante s'est révélée significative et la valeur de la statistique du test de la racine unitaire est inférieure à celle lue dans la TDF au seuil de 5%, soit ADF= -10.98< -2.88.

Vu l'importance de la stationnarité des séries dans l'estimation d'un VAR, vérifions par un autre test si les séries LOGIPC et LOGM3 sont stationnaires ou non.

L'une des reproches adressées aux différentes versions du test de Dickey-Fuller, c'est qu'elles mettent trop de restrictions sur les termes d'erreur qui sont supposés indépendants et de distribution homogène. Ainsi Phillips et Perron (1988) ont-ils proposé une généralisation des tests de Dickey-Fuller qui impose moins de restriction sur la distribution des résidus. Le test de Phillips-Perron suppose seulement que ces derniers soient faiblement indépendants et qu'ils puissent être distribués de façon hétérogène. La régression qu'ils proposent est la suivante :

⁵⁶ Une table fournira en annexe les hypothèses, la règle de décision et la stratégie du test de Dickey Fuller Augmenté.

Plus tard, en 1989, Perron a élargi le test de racine unitaire au cas de changements structurels. Il considère l'hypothèse d'un seul sursaut dans le niveau du processus de racine unitaire contre l'alternative d'un changement au niveau du terme constant d'un processus TS.

Nous résumons les résultats du test de Phillips-Perron sur nos différentes séries dans le tableau ci-après :

Tableau 2 : test de racine unitaire (PP) sur les variables des modèles 1, 2 et 3

Variables		Valeur du test	Valeur critique	tendance/constante	Stationnarité
Modèle 3	LOGIPC	0.22	-3.44	TS	Non
	LOGM3	-2.02	-3.44	TNS	Non
Modèle 2	LOGIPC	-2.20	-2.88	CS	Non
	LOGM3	-1.31	-2.88	CNS	Non
Modèle 1	LOGIPC	5.32	-1.94	-	Non
	LOGM3	6.52	-1.94	-	Non
Volet B : test PP sur les variables prises en différence première
	Variables	Valeur du test	Valeur critique	tendance/constante	Stationnarité
Modèle 3	LOGIPC	-6.90	-3.44	TS	Oui
	LOGM3	-11.06	-3.44	TNS	Non
Modèle 2	LOGM3	-11.02	-2.88	CS	Oui

Source : Calcul de l'auteur à partir du logiciel Eviews 5.0/ données BRH et IHSI

Le test de Phillips-Perron conduit à la même conclusion que celui de Dickey Fuller augmenté. À cet effet, les séries présentent une tendance en niveau. Mais prises en différence première ; elles sont stationnaires. D'où la significativité de la tendance au modèle avec constante et tendance jointe à la valeur calculée de la statistique PP (-6.90) qui est inférieure à la valeur tabulée au seuil de 5%, soit (-2.88).

Une analyse graphique peut aussi nous permettre d'apprécier l'existence d'une tendance ou non dans les séries en niveau et en différence première.

Graphique 8 : évolution des séries LOGIPC et LOGM3 en niveau et en différence première d'octobre 1999 à septembre 2010

Source : Calcul de l'auteur à partir de données provenant de l'IHSI et de la BRH

En visualisant les séries, on peut constater qu'elles sont effectivement stationnaires en différence première alors qu'elles présentent une tendance en niveau. Maintenant notre préoccupation est de déterminer le nombre de retard optimal à inclure dans le vecteur autorégressif.

Analyse de l'impact de l'agrégat monétaire M3 sur l'inflation en haiti de 2000 à 2010

SECTION 2: ANALYSE DES SERIES ET ESTIMATION DU VAR

IV.2.1- description et sources des données

IV.2.2- test de racine unitaire et test de causalité