Estimation d’une fonction de réaction pour la banque d’Algérie
2- Evaluation par estimation
Nous allons procéder à une évaluation par estimation où la règle de Taylor est sera considérée comme un modèle linaire.
2.1- Modèle n°4
Le modèle n°4 est contraint dont l’équation est la suivante :
EC= C + ʎ
1* ECINF + ʎ
2* GP
Période : 1990:01 – 2004:01Les coefficients
ʎ
1,ʎ
2 seront calculés par les MCO.Les statistiques de base et les données pour le calcul de la règle de Taylor se trouvent respectivement en annexe 16 ,17 et 18.
La figure 4.26 représente la différence entre le taux directeur et le taux neutre, soit :
EC = DIR – TN (annexe 5)
Figure 4.28
Différence entre taux directeur et taux neutre (modèle 4)
Source : Calculs de l’auteur (Rats 7.1)
Nous remarquons que la période 1997 :1- 2001 :1 représente la meilleure période où la différence entre le taux directeur (DIR) et le taux neutre (TN) ne dépassait pas les 5%.
différence entre taux directeur et taux neutre
modele 1 EC 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 -30 -25 -20 -15 -10 -5 0 5 10
182
2.1.1- Estimation de la règle de Taylor
Le tableau 4.5 représente les résultats de l’estimation de la règle de Taylor pour la première sous-période.
Tableau 4.5
Résultats de l'estimation (Modèle 4)
R**2 0.91 Regression F(2,50) 245.72 Significance Level of F 0.00 Durbin-Watson Statistic 0.37
Variable Coefficient écart type T-student prob ***************************************************************************** 1. Constant 0.84 0.48 1.76 0.083 2. ECINF -0.65 0.03 -22.08 0.0 3. GP -0.45 0.36 -1.25 0.21
Source : Calculs de l’auteur (Rats 7.1)
L’interprétation des résultats se présente comme suit :
Le coefficient de détermination R2
mesure le degré de la variance du taux directeur expliqué par l’écart l’inflation et l’output gap. Il permet d’indiquer le succès du modèle en matière de prévision.
Dans notre étude R2 = 0.91 (une valeur proche de l’unité). Cela implique que 91% des
changements du taux directeur sont expliqués par des changements des variables indépendantes ECINF et GP. Ainsi, la règle estimée a un pouvoir explicatif.
La significativité de la statistique de F permet d’indiquer si les variables explicatives ont une influence sur le taux directeur (significativité globale d’un modèle). Puisque la probabilité de la statistique F est inférieure à 1%, la régression est globalement significative.
La statistique de Durbin-Watson est utilisée pour détecter l’auto-corrélation entre les résidus d’une régression linéaire. Dans notre étude, DW = 0.37, se situant ainsi, entre 0 et 1,351 au seuil de 5% d’où la présence d’une auto-corrélation positive des résidus d’ordre un.
A partir de la p-value, on constate que ECINF affecte significativement le taux directeur, ce qui n’est pas le cas quand il s’agit de l’output gap.
183
Statistiquement, le modèle est globalement significatif et de bonne qualité. Ainsi, il existe au minimum une variable dans le modèle permettant d’expliquer l’évolution du taux directeur.
Les résultats de l’estimation de la règle de Taylor pour la première sous-période montrent que les coefficients associés à l’écart d’inflation (-0.65) et à l’output gap (-0.45) ne sont pas conforme à la théorie (coefficients négatifs).
Puisque la variable de l’écart d’inflation est plus significative que l’output gap (p-value < 1%), ECINF permet d’expliquer l’évolution du taux directeur.
En effet, Taylor accorde des coefficients équivalents à 0.5 pour l’écart d’inflation et l’écart de production puisque la FED mène un mandat dual d’objectifs alors qu’en Algérie l’objectif principal est la stabilité des prix.
D’après le résultat d’estimation du modèle 4 en valeurs absolues, la Banque d’Algérie accorde un poids beaucoup plus élevé à la stabilité des prix. Ceci est conforme aux objectifs de la banque d’Algérie. Par ailleurs, les résultats obtenus montrent que la règle estimée ne peut pas être considérée comme une fonction de réaction de la B.A.
2.1.2- Estimation sur longue période
L’estimation sur longue période par la méthode des MCO s’écrit comme suit :
ECS = 0,84 – 0,65 ECINF – 0,44 GP
ɕ (0,47) (0,02) (0,35)
t (1,76) (–22,08) (-1,25)
R
2=0,90 DW=0,37
ECS représente les valeurs estimées d’EC, ainsi, TE est le taux de Taylor estimé calculé comme suit :
TE = ECS + TN
184
Figure 4.29
Estimation de longue période (modèle 4)
Source : Calculs de l’auteur (Rats 7.1)
Nous remarquons que la série d’ECS lisse bien la série d’EC.
2.1.3- Evaluation de l’adéquation de la politique monétaire à la règle de Taylor
La figure 4.26 représente une comparaison graphique entre taux directeur (DIR), taux de Taylor simulé(TS) et taux de Taylor estimé (TE).
Figure 4.30
Evolution des différents taux (modèle 4)
Source : Calculs de l’auteur (Rats 7.1)
La comparaison graphique des différents taux : taux directeur (DIR), taux de Taylor simulé (TS) et taux de Taylor estimé (TE) nous fournit les indications suivantes :
estimation de longue période
modele 4 ECS EC 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 -30 -25 -20 -15 -10 -5 0 5 10
Evolution des taux
modele 4 DIR TS TE 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 0 10 20 30 40 50 60
185
L’écart entre DIR et TE représente le résidu de la régression qui semble pertinent pour juger la précision du modèle.
Le taux de Taylor estimé (TE) reproduit mieux l’évolution du taux directeur (DIR). Ainsi, la version estimée apparait supérieure par rapport à la version simulée.
On distingue trois grandes phases qui déterminent l’adéquation de la politique monétaire à la règle de Taylor :
1991 :1-1996 :4 à l’exception 1992:03 adéquation robuste où la différence entre le taux
observé et le taux estimé est faible ;
1997:01-1999:04 adéquation faible où la différence entre le taux observé et le taux
estimé est assez importante ;
2000 :1-2004 :1 adéquation robuste où la différence entre le taux observé et le taux
estimé est faible.
Pour conclure, l’estimation du modèle 4 montre que l’adéquation de la politique monétaire en Algérie à la règle de Taylor semble variable au cours de la première sous-période de l’étude.
De plus, la BA ne conduit pas une politique monétaire dans le cadre d’un mandat dual d’objectifs comme Taylor le préconise. Les résultats statistiques satisfaisants pour ECINF confirment la préférence accordée à la stabilité des prix.
2.1.4- Test de stabilité de CUSUM
Le test de CUSUM consiste à représenter graphiquement la série cumulée des erreurs de prévision. Il permet de détecter les instabilités structurelles des équations de régressions au cours du temps selon les hypothèses suivantes :
H0 : modèle structurellement stable Ha : modèle structurellement instable
La figure 4.35 représente les résultats du test de stabilité de CUSUM pour la première sous-période de l’étude.
186
Figure 4.31
Test de stabilité de CUSUM (Modèle 4)
Source : Calculs de l’auteur (Rats 7.1)
Le modèle 4 est stable à l’exception de la fin de période (à partir de 2001 :4) où la statistique du test sort du corridor.
Ainsi, on accepte l’hypothèse nulle puisque il n’y a pas de changement structurel donc le modèle est stable à l’exception de la fin de période.
2.2- Modèle n°5
Le modèle n°5 est contraint dont l’équation est la suivante :
EC= C + ʎ
1* ECINF + ʎ
2* GP
Période : 2004:02 – 2015 :03Les coefficients
ʎ
1,ʎ
2 seront calculés par les MCO.Les statistiques de base et les données pour le calcul de la règle de Taylor se trouvent respectivement en annexe 16 ,17 et 18.
La figure 4.26 représente la différence entre taux directeur et le taux neutre, soit :
EC = DIR-TN (annexe 5)
test de stabilite du cusum - Algérie
modele 4 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 -40 -30 -20 -10 0 10 20 30
187
Figure 4.32
Différence entre taux directeur et taux neutre (modèle 5)