Les effets de la politique de réformes monétaires sur la croissance économique en R.D.Congo.

CHAP III. PRESENTATION ET INTERPRETATION DES RESULTATS

L'intérêt de ce chapitre est de présenter les résultats des tests et d'interpréter les résultats par l'approche économétrique d'une part et de formuler les recommandations de politiques économiques qui en découlent d'autre part.

III.1. PRESENTATION DES RESULTATS

Nous exposons les résultats dans cette section auxquels nous avons aboutis après application de différents tests sur les modèles empiriques de la politique des reformes monétaires en RDC.

Nous commençons par expliquer le test de stationnarité ainsi que celui de cointégration de nos variables avant de présenter ceux effectuées sur le modèle de long terme et modèle à correction d'erreur.

III.1.1. Test de stationnarité

En effet, pour procéder à l'application des méthodes économétriques classiques, nous avons effectué le test de stationnarité sur toutes les variables du modèle (PIBR, EM, TIPM, INVT). Il s'agit donc de s'assurer que tout choc tendant à éloigner ces variables déclenchera des mécanismes qui les ramèneront tendanciellement vers leurs valeurs moyennes.

Pour étudier la stationnarité on recourt a trois types de test : test de Dickey-Fuller, de Dickey-Fuller Augmenté et test de Phillips-Peron. Comme les limites du test DF sont complétées par ADF de Dickey-Fuller (1981) pour vérifier la stationnarité des variables.

Mais, avant d'en arriver là, il est nécessaire de déterminer le nombre de retards à prendre a compte pour chaque variable. Le nombre est déterminé grâce au test d'Akaike et de Schwarz. A ce propos, c'est le retard p qui minimise les critères qui sera retenu.

47

Tableau n° 3 : Résultats du test de stationnarité

Séries	Constante	Trend	Valeur	Valeurs critiques		CONCLUSION
				1%	5%
DPIB	OUI	NON	- 3.489330	- 3.7667	- 3.0038	I(I)
DTIMP	OUI	NON	- 3.283703	- 3.7667	- 3.0038	I(1)
DEM	OUI	NON	- 3.193714	- 3.7667	- 3.0038	I(1)
DINVT	OUI	OUI	- 4.323651	- 4.4415	- 3.6330	I(1)

Source : nos résultats sous Eviews

Au regard de ce test, toutes les variables du modèle (PIB, EM, TIMP, INVT) ne sont pas stationnaires en niveau. Il en est de même de celles de l'équation de la croissance. Elles suivent un processus stochastique évoluant avec le temps et ne deviennent stationnaires qu'en les différenciant une fois. La présence d'une racine unitaire pour ces séries du modèle justifie le recours au test de cointégration.

III.1.2. Le test de cointégration

Comme l'écrit Bourbonnais (1998) cité par NGONGO Muganza (2005-2006), l'analyse de la cointégration permet identifier clairement la relation véritable entre deux (ou plusieurs) variables en recherchant existante d'un vecteur de cointégration et en éliminant son effet les cas échéant. Dou le tableau suivant.

48

Tableau n 4: TEST DE COINTEGATION DE Johansen

Eigen value	Like lihood	Valeur critique à 5%	Valeur critique à 1%	Hypothèse sur le Nombre économétrique
0.989456	219.6224	47.21	54.46	Aucun**
0.946274	2114.9214	29.68	35.65	At Most 1**
0.855760	47.67282	15.41	20.04	At Most 2**
0.127556	3.138510	3.76	6.65	At Most 3

*(**) signifie rejet de l'hypothèse à 5% et (1%) Source: Estimation des données sous Eviews

L'approche d'Engel et Granger porte sur le test de racine unitaire de résidu. A partir du moment où les séries sont cointegrées de même ordre, on peut estimer par les moindres carrés ordinaires la relation de long terme entre les variables. L'estimation par les moindres carrés ordinaire permet de calculer le résidu. Si ce résidu est stationnaire, a niveau bien sur l hypothèse d'une cointégration, c'est-à-dire de relation de long terme, entre les variables est acceptée.

L'approche de Johansen, quant a elle, permet par la méthode de maximum de vraisemblance de tester l'existante d'une relation de long terme dans la série temporelle et d'obtenir tous les vecteurs de cointégration dans un cadre multi varié. Contrairement a l'approche de Engel et Granger qui ne tient compte que d'une seule relation de cointégration, celle de Johansen apparait plus attrayante lorsqu'on veut tester la cointégration dans un système de plusieurs variables (NUBUPKO, 2003).

Le test de cointégration effectué sur les séries qui se sont avérées non stationnaires à niveau commence par la détermination de la longueur de décalage à incorporer (AKITOBY et CINYABUGUMA, 2004). Ainsi, nous avons basé la sélection du meilleur retard sur le test du ratio de vraisemblance du modèle réduit intégré dans Eviews partant de 1 à 4 retards.

49

Tableau n° 5 : Résultats du modèle de la croissance du test de cointégration

Depend variable : LPIB Méthod: Least Squares Date: 12/22/10 Time: 14:32 Sample: 1983 2007 Included observations: 25

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	15.95673	0.569390	28.02424	0.0000
LEM	0.170123	0.023608	7.206289	0.0000
LINVT	-0.289312	0.015491	-18.67670	0.0000
LTIMP	0.012965	0.024463	0.529991	0.6020
ET	1.001612	0.012907	77.60201	0.0000
R-squared	0.996904	Mean dependent var		14.34463
Adjusted R- squared	0.996285	S.D. dependent var		0.959761
S.E. of regression	0.058498	Akaike info criterion		-2.662794
Sum squared resid	0.068440	Schwarz criterion		-2.419018
Log likelihood	38.28492	F-statistic		1610.089
Durbin-Watson stat	1.314425	Prob (F-statistic)		0.000000

Source : nos résultats sous Eviews

50

Le test de ratio de vraisemblance indique la présence d'une équation de cointégration au seuil de 5 % dans le second modèle.

Les résultats de ces deux modèles nous conduisent à l'estimation d'un modèle vectoriel à correction d'erreur qui nous donnera la dynamique de CT du poids de la politique de reforme monétaire en RDC.

Celle-ci est faite par la méthode en deux étapes préconisées par ENGLE et GRANGER (BOURBONNAIS, 1998). Ces auteurs montrent qu'en présence des chroniques cointegrées, les estimateurs de moindres carrés sont alors consistants et convergent rapidement vers la vraie valeur des paramètres.

? La première étape consiste à estimer la relation à Long Terme sans tenir compte de la dynamique de Court Terme.

? La deuxième étape consiste à récupérer les résidus de la relation de Long Terme pour estimer le modèle à correction d'erreur qui donne la dynamique de Court Terme

Nous venons de constater seules deux variables sont statistiquement significativement, il s'agit des variables de politique monétaire et de politique budgétaire, qui par ailleurs, présentent les signes attendus. L'investissement total quant a lui na aucun effet significatif sur le PIBR d'après nos résultats, pourtant il l'avait sur le PIBN.

Une fois de plus, l'effet de la politique monétaire domine celui de la politique budgétaire. Les effets fixes semblent indiquer la présence de spécificités propres à la RD Congo dans l'explication de la croissance

L'objet du présent sous point est de comparer et de tester statistiquement les différences entre les effets nominaux et les effets réels de la politique monétaire, pour faire ressortir indirectement le phénomène de l'inflation dont la maitrise constitue un objectif principal de la politique macroéconomique de la RD Congo. La comparaison est faite en considérant individuellement les coefficients nominaux et réels de la variable de l'encaisse monétaire dans l'équation d'équilibre du PIB nominal et réel.

51

Les probabilités statistiques indiquent le rejet d'hypothèse nulle d'Egalite des coefficients. Ainsi, le coefficient b est statistiquement différent de &. En outre, ce qui traduit le fait que la politique monétaire ait contribué à alimenter une croissance inflationniste. Plus simplement, la politique monétaire a contribué plus à générer une dynamique inflationniste qu'une dynamique d'expansion soutenue du produit en volume.