L'impact de l'augmentation du prix du petrole sur la hausse des prix: Cas de la Tunisie

1-2- La méthodologie utilisée :

Afin de mener notre étude, nous allons utiliser la modélisation VAR. L'utilisation d'un modèle VAR est méthodiquement justifiée par le fait que les modèles VAR autorisent des simulations permettant de saisir les modifications des variables objectifs suite à un choc sur les variables instruments.

Les modèles VAR^45(*) comportent trois avantages : en premier ils permettent d'expliquer une variable par rapport à ses retards et en fonction de l'information contenue dans d'autres variables pertinentes ce qui soulève des problèmes de cointegration, en second on dispose d'un espace d'information très large et enfin, cette méthode est assez simple à mettre en oeuvre et comprend des procédures d'estimation et des tests.

Dans un modèle VAR l'on ne se donne pas de modèle théorique à priori. Tout modèle peut en effet être arbitraire si les variables apparaissent à la fois à la droite et à gauche des équations et si nous n'avons pas de causalité.

Dans ce cas l'on peut chercher à régresser chaque variable endogène sur l'ensemble des autres variables, endogènes et exogènes. Le modèle sera déterminé en ne retenant que les coefficients significatifs.

Dans un tel modèle nous n'avons donc à effectuer aucune hypothèse théorique. Nous devons seulement :

· Choisir les variables endogènes et exogènes ;

· Choisir le nombre de délais à considérer.

Les modèles VAR doivent être estimer à partir de séries stationnaires. C'est une propriété d'invariance des caractéristiques statistiques des processus pour toutes les translations dans le temps. Il est impossible d'identifier un processus si toutes ses caractéristiques changent au cours du temps.

Ce type d'étude se déroule en deux étapes.

1-2-1- Stationnarité :

Avant tout traitement économétrique, il convient de s'assurer de la stationnarité des variables retenues car la stationnarité constitue une condition nécessaire pour éviter les relations factices. Les tests de racine unitaire permettent de mettre en évidence le caractère stationnaire ou non d'une chronique par la détermination d'une tendance déterministe ou stockastique.

Un processus Xt est dit stationnaire si tous ces moments sont invariants pour tout changement de l'origine du temps. Il existe deux types de processus non stationnaires. Les processus TS (Trend Stationnary Process) qui présentent une non stationnarité de type déterministe et les processus DS (Difference Stationnary Process) pour lesquels la stationnarité est de type aléatoire. Ces processus sont respectivement stationnarisés par écart à la tendance et par un filtre aux différences permet de déterminer l'ordre d'intégration de la variable. Afin de discriminer entre les deux types de processus et d'appliquer la méthode de stationnarité adéquate, nous utilisons le test de Dickey-Fuller (ADF). Ce test permet de déterminer l'ordre de différentiation d'une série macro-économique suivant son évolution au cours du temps.

A ce niveau, il faut bien noter que ce test a été mené sous les trois hypothèses suivantes :

· Absence d'une constante (modèle (1))

· Présence d'une constante (modèle (2))

· Présence d'une constante et d'une tendance (modèle (3)) dans les équations autorégressives afférentes aux différents tests. Par ailleurs, les ordres de retard ont été spécifiés au moyen des critères d'information d'Akaike (AIC) et de Schwartz (SIC).

Nous avons commencé par déterminer le nombre de retards optimal pour chacun des trois modèles^46(*) :

Modèle (1) avec constante et trend (), modèle (2) avec constante () et le modèle (3) sans constante (). Ceci en utilisant les critères d'Akaike AIC (Akaike Information Criterion) et le critère Schwartz.

Nous avons retenu le nombre de retards qui minimise la valeur de ces deux critères.

Il s'agit de tester l'hypothèse nulle de non stationnarité H₀. Si cette dernière est acceptée, le processus admet une racine unitaire. Sinon, le processus est stationnaire. Nous avons tenté de déterminer respectivement la présence d'une tendance, d'une constante et d'une racine unitaire.

On choisit un nombre de spécification égale à quatre étant donné que les variables étudiées sont annuelles.

Pour chaque variable, on commence par le test d'ADF en niveau, on détermine le nombre de retard, on étudie la significativité de la tendance et si la variable est non stationnaire, on passe au test d'ADF en première différence.

* ⁴⁵ Sandrine Lardic et Valérie Mignon : Econométrie des séries temporelles macroéconomiques et financières ; Paris, Economica 2002 p 83.

* ⁴⁶ Sandrine Lardic et Valérie Mignon : Econométrie des séries temporelles macroéconomiques et financières ; Paris, Economica 2002 p 84-87.