4-2 TEST DE STATIONNARITE ET DE COINTEGRATION DES
Observations 49
VARIABLES
421 Test de stationnarité
L'étude de la stationnarité est primordiale dans
toutes modélisations VAR/VEC. Les
Std. Dev 2.62e+09
différents tests effectués dans cette
présente session nous permettront d'affirmer ou d'infirmer
09992
Ktsi 3727820
la stationnarité d'une variable. Nous utiliserons le
test de racine unitaire (ADF) pour chaque
aquBe 92514
variable suivant les différentes étapes
énoncées dans le chapitre précèdent. (3112- Etude
de la
Pbbilit 0009874
stationnarité).
Le tableau A-3 : Test de racine unitaire ADF sur les variables
du modèle, dans l'annexe 4
présente le résumé
des différentes étapes du test de stationnarité pour
chaque variable.
Rappelons qu'à l'étape1, il est question de
tester la significativité de la tendance, l'étape 2 concerne la
significativité de la constante et à l'étape 3, on teste
l'hypothèse de racine unitaire.
A l'issu des différents tests, nous constatons pour
chaque variable : la tendance et la constante ne sont pas significatives,
respectivement aux étapes 1 et 2 et on accepte H0, l'hypothèse de
racine unitaire à l'étape 3. (Voir tableau A- 2, annexe 4)
Toutes les variables du modèle ne sont pas stationnaires,
elles sont de type DS.
422 Test de cointegration
L'existence d'une relation de long terme
(cointégration) entre des variables implique que celles-ci sont
intégrées de même ordre. Nous allons déterminer dans
un premier temps, le degré d'intégration de chaque variable du
modèle afin d'écarter ou non toutes possibilités
d'existence de cointégration.
? Test ADF sur les variables en différence
première
Tableau 2 :Test de racine unitaire (ADF) en difference
premiere.
|
EXOGENOUS: CONSTANT, LINEAR TREND
|
|
NULL HYPOTHESIS
|
Lag Length:
(Fixed)
|
t-statistic
|
Probabilité
|
|
D(PP) has a unit root
|
0
|
-4,084597
|
0,0124
|
|
D(INFL) has a unit root
|
1
|
-7,162084
|
0,0000
|
|
D(TXCROISS) has a unit root
|
4
|
-3,990599
|
0,0166
|
|
D(EXPORT) has a unit root
|
0
|
-4,987182
|
0,0010
|
Source, résultat Eviews : voir annexe 4, tableau A-3
Les probabilités des différents tests ADF sont
inférieures à 0,05. Toutes les variables du modèle sont
stationnaires en différence première, donc elles sont toutes
intégrées d'ordre 1, I(1). Nous pouvons envisager étudier
la cointégration.
? Détermination du nombre optimal de retards du
modèle
Tableau 3 : Détermination du nombre de retard
optimal selon AIC et SC
|
Décalages
|
Akaike(AIC)
|
Schwarz(SC)
|
|
1
|
61,53653
|
62 ,32382
|
|
2
|
63,22105
|
64,01611
|
|
3
|
63,78387
|
64,58683
|
|
4
|
64,11083
|
64,92182
|
Source, résultat Eviews
Le nombre de décalage retenu correspond à la valeur
la plus faible des critères soit p=1. ? Test de cointégration de
Johansen
Johansen propose 5 spécifications pour effectuer le
test de cointégration. Le choix d'une spécification est fonction
des caractéristiques des variables étudiées. Les variables
du modèle étant toutes des séries non stationnaire et de
type DS, nous allons accomplir ce test à partir des trois
premières spécifications.
Tableau 4 : Récapitulation des différents
tests de cointégration de johansen
|
Tests
|
Statistique de
la trace
|
Valeur
critique (0,05)
|
Probabilité
|
|
No deterministic trend
|
29,08752
|
40,17493
|
0,4036
|
|
No deterministic trend (restricted constant)
|
42.58934
|
54.07904
|
0.3474
|
|
Linear deterministic trend
|
36,90552
|
47,85613
|
0,3520
|
Source, résultat Eviews : voir annexe 4, tableau A-4
Les probabilités des différentes
spécifications du test de johansen sont supérieures à
0,05. Les résultats ci-dessus montrent bien que l'hypothèse de
cointégration est rejetée. Nous déduisons de tout ce qui
précède que les variables du modèle ne sont pas
cointégrées. Ainsi nous utiliserons donc la représentation
vectorielle autorégressive(VAR).
| 
