L’analyse des résultats des estimations

• L’analyse des résultats du tableau 3.2

L’inspection des graphiques (non inclus ici) des divers paramètres du modèle suggère que la technique de Gibbs se comporte bien après quelques centaines d’itérations et que les valeurs initiales semblent refléter les données.

En effet, l’introduction de la non linéarité dans les PIB mensuels inobservables apporte plu- sieurs changements directs ou indirects dans les paramètres estimés, et donc sur les relations entre les variables.

En examinant les paramètres estimés (tableau 3.2 ci-dessous) , les «loading factors» et les variances de l’indice de production industrielle et des ventes manufacturières sont les plus élevés montrant ainsi leur dépendance au cycle des affaires similaires aux résultats de Chau- vet (1998). Ces résultats confirment l’analyse de Chauvet (1998) selon laquelle les ventes manufacturières et la production industrielle répondent immédiatement et intensivement aux changements des conditions économiques proches des points tournants que les autres variables utilisées dans le modèle.

Quant à l’emploi, il est plus sensible aux variations des PIB mensuels que le revenu moins les transferts, mais les chocs affectant le revenu pourraient plus impacter les PIB mensuels que ceux affectant l’emploi. Il a fallu attendre un, voir deux mois plus tard pour que les «loading factors» et la variance de l’emploi soient plus élevés. Ce résultat s’explique par le fait que l’embauche d’un travailleur a un impact sensible sur la production quelques mois plus tard (un à deux mois) une fois que ce dernier aurait acquis la technologie mise en place dans l’entreprise. Les ”loading factors” montrent un mouvement d’ensemble plus persistant que dans le cas d’une spécification linéaire. Ces ”loading” sont élevés pour tous les facteurs, même pour toutes les périodes.

Tableau 3.2: Les estimations des relations entre le PIB mensuel et les indicateurs

Var Par Estimés Éctype Var Par Estimés Éctype

DLIIP φ10 0,000380 0,01176 DLEMP φ30 0,000551 0, 000103 φ11 0,562418 0, 103436 φ31 0, 2087408 0,0266399 φ12 0,589788 0,09957 φ32 0, 147747 0, 025774 φ13 -0, 589788 0, 099568 φ33 -0, 147747 0, 025774 σ2 1 0, 000054 0,000032 σ 2 3 0, 000041 0,0000025 DLINC φ20 0, 0012088 0, 000269 DLMTS φ40 -0, 000115 0, 000493 φ21 0,308413 0, 081288 φ41 0,516511 0,1566 φ22 0, 193109 0, 075947 φ42 0,504432 0,147248 φ23 -0,193109 0, 0759466 φ43 -0, 504432 0,147277 σ2 2 0,000028 0, 0000166 σ 2 4 0,000948 0,000056

• L’analyse des résultats du tableau 3.3

Les résultats empiriques de simulation des PIB mensuels inobservables sont présentés dans le tableau 3.3. Ces résultats supportent une modélisation non linéaire avec des changements de régimes.

De prime abord, nous observons un taux de croissance négatif dans les périodes de récession et un taux de croissance positif pendant les périodes d’expansion. Ces résultats supportent les hypothèses selon lesquelles les périodes de récession correspondent à des phases de baisses persistantes de l’activité économique dans plusieurs secteurs.

Le caractère asymétrique du cycle économique est bien caractérisé par la dynamique du fac- teur. En effet, la probabilité de rester dans une période d’expansion p, est plus élevée que celle (q) de rester dans une période récessioniste. Ce résultat confirme les recherches passées selon lesquelles la durée moyenne des récessions est inférieure à celle des expansions. De même, à

Tableau 3.3: Les estimations de la dynamique mensuelle du PIB réel Var Par Estimés Éctypes Var Par Estimés Éctypes

LPIBM α0 -0, 005072 0, 000609 t-1 γ02 1, 90209 0, 029848 α1 0, 002612 0, 002008 γ21 1, 07444 0,018427 ρ1 0,048971 0,011289 γ22 -0, 05048 0, 011658 ρ2 0,02264 0,011838 γ23 -0, 02395 0, 01265 t γ01 2,89897 0, 032475 t-2 γ03 0, 92839 0, 01794 γ11 1, 07686 0,020074 γ31 1,04909 0, 010956 γ12 -0, 05218 0, 012346 γ32 -0,026285 0, 014689 γ13 -0,024677 0, 013453 γ33 -0, 022812 0, 011895 σ2 _{0, 000005 0, 0000156 p’ 0, 9924 0, 07715} p 0, 9654 0, 007674 q 0, 9192 0, 01176

travers la matrice de transition estimée comme ci-dessous, nous observons qu’il existe tou- jours une probabilté non nulle de passer d’un état à l’autre. La probabilité de rester dans une période d’expansion est de 0,9654 avec une chance d’occurrence de 99,24% contre une probabilité de 0,9192 de rester dans une récession avec une chance d’occurrence de 0,76%.

" Pr(st= 1|st−1= 1) Pr(st= 1|st−1= 0) Pr(st= 0|st−1= 1) Pr(st= 0|st−1= 0) # = " 0, 9654 0, 0808 0, 0346 0, 9192 #

De plus, si les agents économiques sont conscients de l’état actuel de l’économie, il y a plus de chance (8,08%) de passer à l’état de récession à la période suivante et d’y rester moins (91,92%) que de passer de l’état de croissance négative à l’état d’expansion à la période suivante et d’y rester plus longtemps (96,54%). Si par exemple, le mois d’avril est un mois de croissance positive, nous avons 8,08% de chance que le mois de mai soit une croissance baissière et 91,92% de chance d’y rester. Par contre, si le mois d’avril est une période de croissance négative, nous avons 3, 46% de chance que le mois de mai soit un mois de croissance positive et 96,54% de chance d’y rester.

De même, les probabilités de transition suggèrent également qu’il y a de forte chance de passer beaucoup plus brusquement (8,08%) d’un état de récession à un état de croissance qu’il n’y ait de chance de passer d’un état de croissance à un état de récession (3,46%). Ces résultats pourraient s’expliquer par le fait que l’ensemble des agents économiques sont souvent surpris par la récession mais ils s’y adaptent en y mettant des mesures et des conditions de redressement qui prennent un peu de temps pour rendre la situation plus stable et plus améliorée.

• L’analyse des résultats du tableau 3.4

Ainsi pour corroborer le caractère asymétrique du cycle économique à partir des PIB men- suels estimés, nous avons déterminé les types d’asymétrie que Sichel (1993) et Malte (2009) qualifient de «deepness» et de «steepness» pour les modèles à changements de régimes. En effet, le dégré d’asymétrie est mesuré par les valeurs du tableau 3.4. Toutes ces valeurs (ligne «deepness») sont négatives comme pour expliquer que le PIB mensuel simulé est asy- métrique et le type d’asymétrie est appélé «deepness» dans la terminologie de Sichel (1993). Ces valeurs (deepness) indiquent qu’il y a quelques mois avec un PIB mensuel moins élevé que la moyenne et plusieurs mois avec un PIB mensuel plus élevé que la moyenne.

De même, un «steepness» négatif suggère que le PIB mensuel américain décroît légèrement en quelques mois et augmente rapidement en plusieurs périodes (mois).

Tableau 3.4: Les résultats des concepts d’asymétrie

PIB mensuels simulés

Concepts 1234 123 124 134 234

Deepness -0,1385 -0,1384 -0,1384 -0,1384 -0,1384

Steepness -0,4071 -0,3098 -0,2700 -0,3089 -0,3400

• L’analyse des résultats de la figure 3.1 des points tournants

Quant aux dates des points tournants du cycle économique identifiées par le NBER, elles sont généralement reconnues comme la chronologie officielle des points tournants. La détermination de ces points est le résultat d’un consensus de jugements de plusieurs experts se basant sur les quatre indicateurs utilisés dans ce chapitre. Des problèmes majeurs de ces publications sont les retards importants qu’elles requièrent et les résultats controversés auxquels les récents travaux aboutissent (Michael (1994)).

Dans ce chapitre, les points tournants ont été identifiés en temps réel par des techniques de simulations dans une approche bayésienne.

La caractéristique notable (figure ci-dessous) est la forte corrélation entre les états générés par le modèle et les dates identifiées par le NBER pour les recessions et les expansions. Le modèle a assez de difficultés à identifier la récession de 2001 par rapport à celle déterminée par le NBER (barres verticales en gris) avec une probabilité d’environ 50% en utilisant les quatres indicateurs. Ce résultat se justifie à plusieurs égards.

En effet, le comité de datation du NBER a eu assez de peine à identifier la récession de 2001. Dans un premier temps, les indicateurs habituellement utilisés n’ont pas baissé en même temps au cours de cette période.

Dans un second temps, certaines variables (indice de production industrielle, ventes manu- facturières) parmi les quatre sont moins pondérées que les autres. Le comité a également eu recours principalement au PIB mensuel préparé par les experts macroéconomistes du NBER qui indiquait un creux en fin 2001.

Troisièmement, le comité de datation a pris en compte le comportement du PIB trimestriel. Enfin, ce comité a constaté que d’octobre à novembre, l’indice de production et les ventes ont baissé fortement, l’emploi a chuté modérement, le revenu personnel a accru très légèrement et que le PIB réel mensuel aurait augmenté modérement. Se basant sur toutes ces informations, le comité annonce le 17 juillet 2003 un creux en novembre 2001. Compte tenu de toutes ces informations externes à ce modèle, il lui est difficile de détecter avec moins d’incertitude le creux de novembre 2001. Mais dans le chapitre suivant, nous fournissons plus de détails sur

cette récession (récession de 2001).

Figure 3.1: Les probabilités des états de l’activité économique

1959:010 1965:01 1970:12 1975:01 80:0682:06 1991:12 2001:01 2005:01 2009:01 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 Années

Probabilités des états

Etats NBER

• L’analyse de l’évolution du PIB mensuel

En observant la figure 3.2, la courbe en bleue étant le PIB mensuel estimé avec le modèle sans des changements de régimes et celle en rouge, celui estimé avec des changements de régimes, nous voyons des aspects communs au cours du temps. Les deux courbes ont deux composantes présentes à savoir tendancielle et cyclique. Les deux courbes présentent les allures similaires. Mais le PIB mensuel estimé avec des changements de régimes est beaucoup plus lisse que la seconde. Nous soupçonnons la détection sans obstacle des points tournants par rapport à son homologue.

Figure3.2: Les PIB réels estimés avec les modèles (markovien et non markovien) 2005 2006 2007 2008 2009 2010 9.42 9.43 9.44 9.45 9.46 9.47 9.48 9.49 9.5 9.51 Années

PIB mensuels estimés avec les deux modèles

ysimline ysimrm

• La dynamique mensuelle des points tournants selon la sensibilité des indica-

teurs

Comme l’ont souligné certains auteurs dont Mintz (1972), la chronologie mensuelle de ré- férence des données est requise pour l’analyse et la datation des points tournants du cycle économique. A cet effet, le tableau 3.5 compare les points tournants du cycle économique selon la sensibilité des indicateurs utilisés en référence aux dates identifiées par le NBER. Ainsi, l’observation du tableau montre que les pics sont déterminés de manière presque uniforme par la combinaison de trois des indicateurs. Les quatres indicateurs utilisés simultanément ne permettent pas d’apprécier les pics. Ils ont été identifiés un mois plus tôt pour les combinai- sons de trois indicateurs sauf en 2001. Mais les pics de 1973, 1980, 1981, 1990 coïncident avec ceux identifiés par le NBER.

L’indice de production industrielle, le revenu, l’emploi et les ventes ont connu des niveaux persistants et très élevés mais pas simultanément au cours de ces périodes.

Quant aux creux, les résulats ne sont pas aussi uniformes pour les combinaisons des trois indicateurs. Ils varient selon les périodes de récessions et les indicateurs.

En général, les creux ont été identifiés un, deux et trois mois au plus avant les dates de référence du NBER. Mais celui de 1980 coïncide et aucune période de récession n’a été identifiée après les dates de référence. Alors toutes les combinaisons sont bonnes pour détecter les dates de récession mais elle ne sont pas toutes bonnes pour déterminer la séverité des récessions. La profondeur des creux (l’intensité des récessions) est mieux déterminée par les indicateurs

simultanément plutôt que de donner un poids plus élevé à d’autres comme l’a fait le NBER pour le creux de 2001.

Une analyse plus profonde permet d’identifier la combinaison de l’indice de production indus- trielle, du revenu et des ventes comme étant l’indicateur caractérisant la hauteur des pics. La profondeur et l’intensité des creux sont identifiées par la combinaison des quatre indicateurs simultanément.

Intuitivement, pendant les périodes de booms, l’emploi ne serait pas souvent à son niveau le plus élevé. Les entreprises pour minimiser les coûts, font travailler plus qu’il ne faut le personnel existant et embaucheraient moins qu’il ne faut. C’est pourquoi l’indice de production industrielle, les ventes et le revenu se trouvent à un niveau élevé pendant que l’emploi est moins que utilisé. Ce qui justifie que l’absence de l’emploi fait détecter à la combinaison des trois autres indicateurs la hauteur des pics. Bien qu’il soit absent dans la détermination de la hauteur des pics, il est important pour la détermination de la profondeur des creux.

Par contre, les ventes manufacturières ont amélioré l’identification de la récession de 1961 alors que le revenu, l’IPI et l’emploi sont restés indifférents. L’emploi et l’IPI ont nettement favorisé l’identification de la récession de 1970 tandis que le revenu et les ventes sont indifférents. Tous les indicateurs transmettent à la composante commune les mêmes réponses suite aux chocs qu’ils subissent lors des récessions des années 1980 et 1975 avec une avance d’un mois pour l’année 1975. Pour les récessions de 1982 et 1991, les indicateurs n’ont pas pu améliorer l’identification de ces récessions. Ils ont révélé leur réponse à la composante commune un mois plus tôt. Quant à la récession de 2009, les ventes, l’emploi et l’IPI ont amélioré l’identification de cette date relativement au revenu.

A cet effet, les quatre indicateurs sont spécifiques à chaque récession selon l’origine de la récession et selon sa profondeur.

Tableau 3.5: Les pics et les creux selon les indicateurs (Option mensuelle)

PIBmE PIBmE

NBER Pics NBER Creux

1234 123 124 134 234 1234 123 124 134 234 1960 :04 +1 +1 +1 +1 +1 1961 :02 +2 +3 +3 +3 +3 1969 :12 +1 +1 +1 +1 +1 1970 :11 +1 +1 +0 +1 +0 1973 :11 -1 0 0 0 0 1975 :03 +1 +1 +1 +1 +1 1980 :01 -1 0 0 0 0 1980 :07 0 0 0 0 0 1981 :07 -2 0 0 0 0 1982 :11 +2 +1 +1 +1 +1 1990 :07 0 0 0 0 0 1991 :03 +2 +1 +1 +1 +1 2001 :03 -3 -2 -3 -3 -3 2001 :11 +2 ? +2 ? +3 ? +2 ? +3 ? 2007 :12 +1 +1 +1 +1 +1 2009 :06 +3 +1 +1 +2 +1

• La dynamique trimestrielle des points tournants selon la sensibilité des indica-

teurs

Pour plusieurs raisons, le NBER maintient toujours une chronologie trimestrielle des dates du cycle économique. Les résultats du tableau 3.6 sont une comparaison de nos dates trimestriels avec ceux du NBER.

L’inspection du tableau montre clairement que les indicateurs identifient les pics et les creux dans le même trimestre que ceux du NBER sauf en 1960 et 2001 (pour les pics) et 1961 et 2001 (pour les creux) où le NBER a fait recours à d’autres informations supplémentaires (2001 par exemple) non incluses dans le modèle développé.

En omettant les jugements du NBER et l’alternative des quatres indicateurs utilisés simulta- nément, la plupart des points de retournement identifiés sont en phase avec ceux du NBER.

Tableau 3.6: Les pics et les creux selon les indicateurs (Option trimestrielle)

PIBmE PIBmE

NBER Pics NBER Creux

1234 123 124 134 234 1234 123 124 134 234 1960 :04 +1 +1 +1 +1 +1 1961 :02 +1 +1 +1 +1 +1 1969 :12 0 0 0 0 0 1970 :11 0 0 0 0 0 1973 :11 0 0 0 0 0 1975 :03 0 0 0 0 0 1980 :01 0 0 0 0 0 1980 :07 0 0 0 0 0 1981 :07 0 0 0 0 0 1982 :11 +1 0 0 0 0 1990 :07 0 0 0 0 0 1991 :03 0 0 0 0 0 2001 :03 -1 -1 -1 -1 -1 2001 :11 +1 ? +1 ? +1 ? +1 ? +1 ? 2007 :12 0 0 0 0 0 2009 :06 +1 0 0 0 0

Comme sur la figure 3.3, montrant l’évolution du PIB mensuel estimé et les dates du NBER, il existe bien une corrélation entre les dates identifiées par le NBER et les points de baisse persistante et remarquée du PIB mensuel estimé. Ce lien traduit la cohérence des données mensuelles et trimestrielles selon le modèle utilisé. Bien que la méthode du NBER repose sur des jugements, le modèle non linéaire facilite la détection des creux par rapport au modèle linéaire. Le seul creux qui semble visiblement difficile à identifier est celui de 2001.

Figure3.3: Les états de l’activité suivant les dates du NBER 0 0.2 0.4 0.6 0.8 1 Probabilités 61 70 75 80 82 91 01 09 7.5 8 8.5 9 9.5 10 Années

PIB réel estimé

( log de dollars constants)

PIB estimé

NBER

La confirmation de ces états à travers une estimation apparaît à la figure 3.4. Les traits en bleue correspondent aux probabilités des états estimés (expansions et récessions). Une observation de la figure montre que la plupart des états correspondent aux périodes de récessions identifiées par le NBER sauf en 2001 qui semble (à peine identifiable) commencer plutôt que prévue.

Figure3.4: Les probabilités d’occurrence des états de l’économie

0 0.2 0.4 0.6 0.8 1 Probabilités d’occurrences 1961 1970 1975 1980 82 1991 2001 20097.5 8 8.5 9 9.5 10 Années

PIB réel estimé

(log de dollars constants)

PIBME NBER

Dans la perspective d’évaluer la sensibilité des indicateurs aux points tournants, nous utilisons quatre autres combinaisons des indicateurs en présence pour simuler les états de l’activité économique ainsi que le PIB mensuel. La figure 3.5 ci-dessous donne une illustration de ces résultats qui suggèrent que certains creux sont identifiés avec une faible probabilité (creux des années 1991 et 2001 par exemple).

Par observation de la figure 3.5, il serait toujours bon d’utiliser les quatres indicateurs pour détecter les creux avec plus d’incertitudes plutôt que trois simultanément. Mais les quatre indicateurs, ensemble, semblent plus volatiles et moins apaisés et donc avec plus d’incertitudes. Dans ces conditions, les indicateurs ne sont pas à même d’identifier la récession de 2001 avec plus de certitude.

Figure3.5: L’occurrence des états selon la combinaison d’indicateurs

61 70 75 80 91 01 09 0 0.2 0.4 0.6 0.8 1 Ssim123 61 70 75 80 91 01 09 0 0.2 0.4 0.6 0.8 1 Ssim124 61 70 75 80 91 01 09 0 0.2 0.4 0.6 0.8 1 Ssim134

Occurrence des états

61 70 75 80 91 01 09 0 0.2 0.4 0.6 0.8 1 Ssim234 Années PIB mensuel Etats

La plupart des analyses conjoncturelles et celles du cycle économique mettent en oeuvre certains faits stylisés. Comme l’ont si bien mentionné Kim et Nelson (1998), le comouvement entre les indicateurs est une caractéristique importante du cycle. Nous étudions ces faits relatifs au comouvement (mouvements d’ensemble ou communs) et à la volatilité des variables du modèle.

• Les comouvements, les volatilités et les caractéristiques cycliques

Comme toute analyse du cycle économique repose sur certaines notions importantes telles que les correlations, le mouvement d’ensemble ou non de certaines variables de l’activité économique entre les secteurs, et les différentes amplitudes ou volatilités des diverses variables, nous étudions ces différentes notions pour apprécier la cohérence des fluctuations à court terme.

A cet effet, l’examen du tableau 3.7 nous montre que toutes les corrélations (Comouv) et les volatités (Voltés) sont positives et plus élevées que dans le modèle linéaire. Ainsi, il apparaît que le modèle non linéaire revèle plus d’information sur le mouvement d’ensemble et la vo- latilité des séries que le modèle linéaire. Autrement dit, le modèle non linéaire est capable de révéler ce que cachent les données notamment le fort lien entre les indicateurs et le PIB mensuel simulé.

De même, dans un cadre non linéaire, l’indice de production industrielle et l’emploi ont des coefficients de correlations les plus élevés que ce soit un mois plus tôt, au courant du mois ou un ou deux mois plus tard. Ils évoluent donc ensemble avec le PIB mensuel.

Les mouvements d’ensemble des indicateurs avec le PIB mensuel estimé deux mois plus tôt sont moins persistantes que les autres mois (un mois plus tôt, un ou deux mois plus tard). En moyenne, ces mouvements sont beaucoup plus persistants avec les indicateurs un mois plus tard. Et, celui avec les indicateurs deux mois plus tard n’est pas négligeable. Ces résultats illustrent bien l’exemple de Lucas (1976) selon lequel l’espérance des décisions politiques futures devront systématiquement influencer les décisions courantes.

Le modèle permet de reproduire la variabilité relative de l’indice de production industrielle et des ventes manufacturières. Ces variables sont les plus volatiles et varient respectivement cinq et huit fois plus vite que le PIB mensuel estimé.

L’emploi varie dans le même sens que le PIB mensuel mais moins vite que ce dernier avec une volatilité légèrement plus élevée au cours du mois suivant le mois courant du trimestre courant. Quant au revenu personnel moins les transferts, il varie plus vite que le PIB mensuel. Le modèle permet de générer des covariations positives entre les séries macroéconomiques utilisées et le PIB mensuel. Elles résulteraient donc de la réponse commune à des chocs exogènes dus aux innovations.

Tableau 3.7: Les comouvements et les volatilités

Var Comouv Voltés Var Comouv Voltés

Courante y estimés Passés2 y estimés

DLIIP 0,469 5, 287 DLIIP 0, 378 5,410

DLINC 0, 282 2, 300 DLINC 0, 20 2, 354

DLEMP 0, 479 0, 419 DLEMP 0, 323 0, 429

DLMTS 0, 333 8, 06 DLMTS 0, 279 8, 224

Passés1 y estimés Futures1 y estimés

DLIIP 0, 455 5, 287 DLIIP 0, 463 5, 297

DLINC 0, 247 2,350 DLINC 0, 333 2, 320

DLEMP 0, 417 0, 419 DLEMP 0, 545 0, 422

DLMTS 0, 34 8, 04 DLMTS 0, 334 8, 115

Futures2 y estmés Futures2 y estmés

DLIIP 0, 347 5, 29 DLEMP 0, 480 0, 420

DLINC 0, 2632 2, 322 DLMTS 0, 205 8, 121

La figure 3.6 illustre ce mouvement d’ensemble entre le PIB mensuel estimé et les quatre indicateurs. Comme précédemment, l’emploi suit de plus près les mouvements du PIB relati- vement aux autres indicateurs. Toujours est-t-il que chaque indicateur a un mouvement très proche du PIB mensuel, caractérisant ainsi la dynamique mensuelle de l’activité économique mesurée par le PIB réel.

Figure3.6: Le comouvement du PIB mensuel

61 70 75 80 90 01 09 3 4 5 IPI vs PIBM Indicateurs et estimations 61 70 75 80 90 01 09 7 8 9 10 Revenu vs PIBM 61 70 75 80 90 01 09 10.5 11 11.5 12 Emploi vs PIBM Années 61 70 75 80 90 01 09 12 13 14 MTS vs PIBM Indicateurs PIB mensuel

• Les faits stylisés cycliques des indicateurs

La figure suivante confirme les résulats des volatilités relatives où l’indice de production industrielle, les ventes manufacturières et le revenu moins les transferts varient plus que le PIB mensuel réel estimé et l’emploi qui fluctue moins que le PIB. De même, l’inspection minutieuse de la figure ci-dessous montre que tous les indicateurs utilisés sont procycliques. En moyenne, ces indicateurs semblent changer un mois après le changement du PIB mensuel ou un à deux mois avant (par exemple le revenu moins les transferts) le changement du PIB. La plupart de

Figure3.7: Les séries cycliques

61 70 80 91 01 09 −0.06 −0.04 −0.02 0 0.02 0.04 0.06 Dysim1234 vs DLIPI

Caractère cyclique des séries

61 70 80 91 01 09 −0.05 0 0.05 Dysim1234 vs DLINC 61 70 75 80 91 01 09 −0.02 −0.01 0 0.01 0.02 Dysim1234 vs DLEMP 61 70 80 91 01 09 −0.04 −0.02 0 0.02 0.04 0.06 Dysim1234 vs DMTS

ces résultats liés aux faits stylisés sont conformes à la littérature du cycle économique réel où les auteurs utilisent les données trimestrielles et annuelles avec des modélisations en équilibre général calculable. Comme le souligne certains auteurs, l’occurrence des chocs technologiques est sensé expliquer la plupart des faits stylisés des fluctuations observées aux États-Unis. Cependant, les principaux faits stylisés relatifs à l’offre ou à la demande trouvent leur explica- tion dans les innovations technologiques et les mécanismes de propagation de ces fluctuations