Les déterminants du salaire au Maroc

3. L'ETUDE DES PROPRIETES STATISTIQUES DES SERIES

Une bonne spécification des modèles de régression requiert que toutes les variables soient intégrées du même ordre afin d'éviter les problèmes de régression fallacieuse (dans l'optique d'une analyse de la cointégration, cette condition est indispensable). C'est pourquoi il convient d'effectuer des tests de stationnarité qui permettent de voir si une série temporelle est stable dans le temps, étant entendu qu'une série relativement invariante est utile à la prévision. Pour travailler avec des séries qui ne sont pas stationnaires, on recourt généralement à la différenciation ou à la régression sur trend, de manière à les rendre stationnaires. Il est donc important de déterminer la stationnarité ou non des séries avant d'appliquer une méthode d'estimation.

13 Agénor P. R. et K. El Aynaoui (2003). « Politiques du marché du travail et chômage au Maroc : une analyse quantitative » Banque Mondiale.

Tout d'abord, un simple examen graphique met clairement en évidence le fait que les séries étudiées sont a priori non stationnaires. Les processus générateurs correspondants ne semblent pas satisfaire, en effet, la condition d'invariance de l'espérance, et il en va de même pour la variance¹⁴.

La première étape de notre analyse consiste ainsi à tester si nos diverses séries contiennent ou non une racine unitaire. A cette fin, nous nous proposons d'appliquer les tests de Dickey-Fuller simples et augmentés (1979, 1981), Phillips-Perron (1988) sur les séries loglinéarisées (hormis le taux de chômage urbain). Les résultats figurent dans les tableaux 1 et 2 ci-après. Rappelons que le test de Phillips-Perron est une alternative au test de Dickey-Fuller au cas où les résidus ne présentent pas les « bonnes » propriétés statistiques. Phillips et Perron (1988) introduisent en effet une correction non paramétrique ayant pour objet de tenir compte d'une éventuelle autocorrélation et/ou hétéroscédasticité des résidus. Notons également que le test de Phillips-Perron requiert le choix du nombre de retards à prendre en compte dans le calcul de l'autocorrélation des résidus. Cependant, si les résultats des tests ADF et PP sont en opposition, nous adoptons le test de DF-GLS, généralement jugé plus puissant, comme confirmation ou infirmation des résultats obtenus.

On a les résultats¹⁵ suivants :

Tableau 1 : Les tests de Dickey et Fuller simples et augmentés

Variables	Test ADF en niveau			Test ADF en différence première			Retards retenus		Résultats
	Avec constante sans trend	sans constante ni trend	Avec constante et trend	Avec constante sans trend	sans constante ni trend
-2.306832	-0.212995	3.759735	-3.790456**	-3.943836***	-2.155121**	2	I(1)		ipc
-2.369853	-7.248069***	6.210014	-3.704058**	-2.757215*	-2.127870**	0	I(1)		tcho %
-2.872189	-2.848406*	-0.024312	-5.865041***	-5.730120***	-5.838012***	0	I(1)		pdl
-1.448253	-1.537480	3.975193	-4.482673***	-4.080962***	-1.962928**	3	I(1) +c		smig
-1.761866	-5.249729***	4.381362	-4.297095**	-3.051636**	-2.518675**	0	I(1)		smcnss
-1.969707	-2.605982	2.390856	-6.176255***	-5.640740***	-4.758877***	0	I(1)

Note : Dans cette étude, nous poserons un nombre de retard maximum de 3 périodes.

14 Voir l'évolution des principales variables en annexe 1.

15 Le logiciel que nous utilisons est E-views 5.

Tableau 2 : Le test de Phillips et Perron

Variables	Test PP en niveau			Test PP en différence première				Résultats
	Avec constante sans trend	sans constante ni trend	Avec constante et trend	Avec constante sans trend		sans constante ni trend
-3.567719*	-1.443448	3.636336	-5.161148***	-5.180579***		-3.649280***	I (1)	ipc
-2.235142	-6.600323***	3.252002	-3.704058**	-2.730510*		-2.175039**	I (1) +t	tcho %
-2.872189	-2.848406*	0.061080	-5.910296***	-5.730120***		-5.838012***	I (1)	pdl
-6.285962***	-3.160655**	2.305190	-5.366679***	-5.911270***		-4.672915***	TS	smig
-1.754041	-5.030634***	2.865336	-4.297095**	-2.956311*		-2.441860**	I (1)	smcnss
-1.947017	-2.973156*	2.569517	-6.187104***	-5.642689***		-4.765218***	I(1)

Avec t : tendance c : constante

* : Significativité à 10% - ** : Significativité à 5% - *** : Significativité à 1%.

L'application des tests de Dickey-Fuller et de Phillips-Perron conduit à des résultats similaires. On constate que pour la majorité des séries sont non-stationnaires et intégrées d'ordre 1 « I(1) ». On notera cependant quelques exceptions, notamment en ce qui concerne (pdl, ipc,), les résultats donnés par les différents tests ne sont pas tous concordants et ne permettent pas de trancher entre un processus DS ou TS : ceux-ci divergent à la fois selon le nombre de retards introduits pour blanchir les résidus et selon le test de racine unitaire utilisé.

Afin d'affiner ces premiers résultats, nous avons re-tester les variables en utilisant les tests de Elliott - Rothenberg - Stock (DF-GLS). Il en ressort que les variables sont bien intégrées d'ordre 1.

Donc, ces résultats autorisent à tester le nombre de relations de cointégration dans l'équation de salaire, du fait que l'ensemble des variables ont le même ordre d'intégration (sont intégrées d'ordre un I(1))¹⁶.