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.
|