WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Impacts de la volatilité des cours internationaux du pétrole sur l'économie ivoirienne

( Télécharger le fichier original )
par Dago OKoubi Arthur YAO
Université de Cocody Abidjan - DEA/ Master NPTCI en économie 2012
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3-1 CADRE ANALYTIQUE DE BASE DE LA MODELISATION VAR/VEC

311 Modèle de base

L'analyse est basée sur une modélisation VAR/VECM dont l'usage en économétrie remonte à Sims(1980) qui voulait une alternative voir une amélioration aux modèles à équation simultanées. Cette modélisation permet sans recourir à une théorie économique en amont, d'avoir un cadre relativement bien adapté pour notre étude. Elle permettra d'analyser l'impact des fluctuations des prix des produits pétroliers sur les grandeurs macroéconomiques ivoiriennes.

Les modèles VAR ont l'avantage de mesurer la direction, l'ampleur et la durée avec lesquelles une innovation affecte les agrégats. Les étapes préliminaires à la modélisation VAR/VECM sont :

- analyse descriptive des variables

- étude de la stationnarité des variables

- détermination du nombre optimal de retard

- étude de la cointégration

- étude du modèle VAR/VECM

3111 Analyse descriptive des variables

L'analyse descriptive est une étape préliminaire à toutes études statistiques ou économétriques. Elle comporte :

> l'analyse graphique des variables

> la statistique descriptive

3112 Etude de la stationnarité des variables

Pour effectuer une modélisation VAR, il faut s'assurer que toutes les variables sont stationnaires en niveau.

Une variable est dite stationnaire au sens faible ou de second ordre si :

i-

ii-

iii-- COM , Yt_h ) = f (h) = Yh ; ã représente la fonction d'autocovariance

La condition i signifie que la variance est finie et indépendante du temps (t). La moyenne du processus est constante selon la condition ii. Enfin, la condition iii met en évidence le fait que la covariance entre deux périodes t et t+h est uniquement fonction de la différence de temps h.

Les processus non stationnaires sont de deux sortes, à savoir : les processus TS (Trend stationnary), présentant une non stationnarité de nature déterministe. L'effet d'un choc sur un processus TS est transitaire. On peut le rendre stationnaire par une régression sur une tendance et les processus DS (difference stationnary) présentant une non stationnarité de type

p

stochastique. L'effet d'un choc sur ce processus est permanent. On peut rendre stationnaire un processus DS par di fférenciation de la variable considérée. j

La stationnarité des variables se vérifie par les tests de stationnarité ou les tests de racine unitaire. Nous utiliserons pour notre étude le test de Dickey-Fuller Augmenté (ADF).

Les modèles servant de base de construction de ces tests sont au nombre de trois :

- j

modèle sans constante ni tendance

? ? ? ? ?

? ? ?

it

(1)

(2)

? t Y t

t i

- modèle avec constante sans tendance

- modèle avec constante et tendance

(3)

Etape1

Les différents tests se feront de la manière suivante : on adopte une stratégie séquentielle descendante en commençant par le modèle (3).

1' si la tendance n'est pas significative (la probabilité de test associé à la tendance est supérieure à 5%), on passe à l'étape 2

1' si la tendance est significative, on teste H0, l'hypothèse nulle de racine unitaire en comparant la t-statistique de aux valeurs tabulées de Dickey Fuller.

- la t-statistique calculée est supérieure à la valeur critique (la probabilité associée à cette statistique est supérieure à 5%) on accepte H0 à ce seuil, alors Yt est non stationnaire, elle est de type DS.

- la t-statistique calculée est inférieure à la valeur critique, la probabilité de test associée à cette statistique est inférieur à 5%. On rejette H0 et Yt est non stationnaire, elle est de type TS.

Etape2

Cette étape ne s'applique que si la tendance dans l'étape précédente n'est pas significative. On estime le modèle 2 et l'on test la significativité de la constante en se référant aux tables de Dickey-Fuller.

· Si la constante n'est pas significative, on passe à l'étape 3

· Si la constante est significative, on teste H0 de racine unitaire en comparant la tstatistique de aux valeurs tabulées par Dickey-Fuller.

- la t-statistique calculées est supérieure à la valeur critique tabulée par Dickey-Fuller (la probabilité associée au test de Dickey-Fuller est supérieure à 5%

- au cas contraire, on rejette H0. La série est stationnaire.

Etape3

L'étape 3 ne s'applique que lorsque la constante dans le modèle précèdent n'est pas significative. On estime le modèle1, on teste alors l'hypothèse de racine unitaire.

-si l'on accepte H0 de racine unitaire, la série est non stationnaire, elle est de type DS. -si l'on rejette H0 de racine unitaire, la série est stationnaire.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le don sans la technique n'est qu'une maladie"