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

2-5-1- Fonction de réponse impusionnelle :

Dans cette partie, nous présenterons les différents résultats du modèle VAR spécifié dans les parties précédentes. Nous nous intéresserons essentiellement aux fonctions de réponse aux chocs et aux décompositions de la variance des erreurs de prévisions. Ces deux instruments permettent de synthétiser l'essentielle de l'information contenue dans la dynamique du système VAR estimé. Les décompositions de la variance nous indiqueront l'importance relative de chaque choc dans l'explication des fluctuations de l'inflation. Quant aux fonctions de réactions aux chocs, elles nous permettront de mettre en évidence la nature des effets des différents chocs sur les variables.

Il nous parait dès lors intéressant d'examiner l'impact des chocs dans un tel modèle. Les figures suivantes retracent les fonctions de réponse impulsionnelle ; les courbes en pointillés représentant l'intervalle de confiance (voir annexe IV).. On considère que l'amplitude du choc est égale à deux fois l'écart type et l'on s'intéresse aux effets du choc sur 10 périodes (c'est-à-dire 10 ans). Cet horizon représente le délai nécessaire pour que les variables retrouvent leurs niveaux de long terme.

Figure 1 : fonction de réponse impulsionnelle :

Il est légitime de penser, en vertu à la fois des résultats d'estimation précédents (estimation du modèle VAR (1)) et surtout de la théorie économique, qu'un choc sur le prix du pétrole n'a pas de répercussion contemporaine sur l'inflation ce qui explique que la courbe relative à D(linf) parte de l'origine. On constate un profil traditionnel des fonctions de réponse impulsionnelle : le choc sur D(lpp) se répercute sur D(linf) en s'amortissant(figure 1).

En effet, un choc positif sur le prix du pétrole se traduit par un effet positif sur l'inflation pendant la première année. Cet effet disparaît ensuite en ralenti avant de trouver son niveau de long terme. De plus, cet effet est bien clair si on considère les séries mensuelles(figure 2). On remarque qu'en cas d'une hausse du prix du pétrole, la réaction de l'inflation face à ce choc commence dès le mois suivant pour donner une réponse claire vers le cinquième mois. Elle s'annule au septième mois pour revenir rapidement à son niveau normal.

Donc, un choc sur le prix du pétrole pousse l'inflation vers la hausse au cinquième mois après ce choc (voir annexe V).

Figure 2 : fonction de réponse impulsionnelle :

L'impact d'un choc sur la variable imex = importation - exportation du pétrole est également simulé (figure 3). L'effet sur l'inflation est négatif au cours de la première année puis positif pendant la deuxième année avant de s'amortir pour revenir à son niveau de long terme. Le choc sur D(imex) n'a pas de répercussion contemporaine sur l'inflation. L'effet négatif sur l'inflation peut être expliquer par la réponse de D(imex) à un choc sur D(lpp). Cette réponse est instantanée et elle est négative. L'impact de cette réponse sur D(linf) est positif.

Figure 3 : fonction de réponse impulsionnelle :

Figure 4 : fonction de réponse impulsionnelle :

Figure 5 : fonction de réponse impulsionnelle :

L'impact d'un choc sur la part du pétrole dans l'importation (D(lppimp)) et sur la part du pétrole dans l'exportation (D(lppexp)) est également étudié. L'effet des deux chocs sur l'inflation est négatif et n'a pas de répercussion contemporaine. Cet effet peut être expliquer par la tendance à la baisse des deux variables au cours du temps c'est-à-dire l'importance du pétrole dans l'importation et l'exportation totales diminue de plus en plus. La réponse de D(lppimp) et de D(lppexp) à un choc sur D(lpp) est positive et instantanée (figure 4 et 5).

2-5-2- Décomposition de la variance :

Cette étude, basée sur les fonctions de réponse impulsionnelle, peut être complétée par une analyse de la décomposition de la variance de l'erreur de prévision. L'objectif est de calculer la contribution de chacune des innovations à la variance de l'erreur. De façon générale, on écrit la variance de l'erreur de prévision à un horizon h (ici h va de 1 à 10) en fonction de la variance de l'erreur attribuée à chacune des variables. On effectue ensuite le rapport entre chacune de ces variances et la variance totale pour obtenir son poids relatif en pourcentage (voir annexe IV).

Les résultats relatifs à l'étude de la décomposition de la variance sont reportés dans le tableau 7 :

Tableau 7 : décomposition de la variance :

Décomposition de la variance de D(LINF):
Période	S.E.	D(LINF)	D(LPP)	D(IMEX)	D(LPPIMP)	D(LPPEXP)
1	0.234553	100.0000	0.000000	0.000000	0.000000	0.000000
2	0.336730	56.85692	4.764127	14.91821	1.328016	22.13273
3	0.366532	52.29157	8.428892	16.13626	2.092500	21.05078
4	0.386544	50.31889	8.893047	17.08671	2.450847	21.25050
5	0.398763	49.05070	9.328837	17.60375	2.698246	21.31846
6	0.406246	48.38135	9.550380	17.87605	2.852615	21.33961
7	0.410975	47.97151	9.675225	18.03845	2.951190	21.36362
8	0.413950	47.72057	9.751919	18.13457	3.014852	21.37809
9	0.415832	47.56506	9.798246	18.19292	3.055809	21.38797
10	0.417024	47.46752	9.826915	18.22883	3.082181	21.39455

La variance de l'erreur de prévision de D(linf) est due pour 47.5% à ses propres innovations, pour 9.8% à celles de D(lpp), pour 18.2% à celles de D(imex), pour 3.08% à celles de D(lppimp) et pour 21.4% à celles de D(lppexp). Donc, le prix du pétrole, la balance commerciale du pétrole et la part du pétrole dans l'exportation ont une influence non négligeable sur l'inflation tunisienne.

Conclusion :

Au moyen de la modélisation VAR et de plusieurs textes nécessaire, nous avons étudié le pétrole comme déterminant de l'évolution de l'inflation en Tunisie au cours des quatre dernières décennies.

Des estimations de l'inflation tunisienne sur la base d'un modèle introduisant le prix du pétrole, sa balance commerciale, sa part du pétrole dans l'importation et sa part dans l'exportation sont faites pour dégager l'impact de chacune de ces variables sur l'inflation présente. Il est important de remarquer que nos résultats empiriques montrent que le pétrole affecte l'inflation tunisienne avec des degrés différents selon la période.

En premier lieu, le prix du pétrole a un impact positif sur le taux d'inflation puisque son augmentation engendre l'augmentation de celle-ci mais après 5 mois.

En second lieu, nous remarquons que la balance commerciale du pétrole a un impact négatif sur le taux d'inflation. Le pétrole affecte indirectement l'inflation à travers son impact négatif sur la balance commerciale du pétrole.

En conclusion, il y a lieu de retenir que le pétrole et sa valeur dans l'économie a un impact sur l'inflation tunisienne. L'environnement économique tunisien aggrave cet impact. Les politiques anticoncurrentielles qui entravent le fonctionnement des marchés, quelle qu'ils soient, sont de nature à provoquer un processus inflationniste, du moins à l'aggraver et l'entretenir. Il est aussi intéressant d'évoquer les asymétries des mouvements de prix dues au fait que les prix ont une flexibilité à la hausse qui contraste avec l'absence totale de flexibilité à la baisse.