Le modèle d’analyse

Comme on l’a déjà expliqué, pour mesurer le niveau d’intégration financière des pays de notre étude, en nous inspirant de la théorie de Feldstein et Horioka, on étudiera l’effet de l’épargne nationale sur l’investissement national ; et pour examiner la pertinence des résultats de cette étude et la validité de la théorie de Feldstein et Horioka, on étudiera aussi l’effet de l’épargne nationale sur les flux de l’investissement direct à l’étranger. Ces études s’effectueront à l’aide du modèle autorégressif à retards distribués à correction d’erreur.

Pour nos analyses, on introduit les deux régressions suivantes :

(2.14)

(2.15)

Dans ces relations, la variable inv représente l’investissement (formation brute de capital) national, epb est l’épargne nationale brute, epn l’épargne nationale nette, et ide les flux nets de l’investissement direct à l’étranger par des résidents du pays (les sorties de l’IDE). Les données utilisées pour toutes ces variables sont rapportées au PIB. Δ est l’opérateur de « différence », MCE est le terme de la correction d’erreur, les paramètres α’s et les γ’s sont les coefficients de court terme, les paramètres β et δ sont les coefficients de long terme des termes à correction d’erreur retardés, et les ε’s sont les termes d’erreur (des bruits blancs) supposés non corrélés en série. Pour la raison qu’il peut y avoir des chiffres négatifs dans les données relatives à l’épargne nationale et à l’investissement direct à l’étranger, on a rejeté le traitement de nos régressions sous formes logarithmiques. La raison pour laquelle on utilise l’épargne brute dans la première régression, et l’épargne nette dans la deuxième

1 _{La forme de la « rupture structurelle » indique si la rupture a changé l’ordonnée à l’origine d’une série, sa}

133

régression est la nature des variables dépendantes dans chaque régression (l’investissement national et l’investissement direct à l’étranger) et aussi la disponibilité des données. L’investissement national comme variable dépendante de la première régression est, en effet, la formation brute de capital ; donc dans cette régression, on utilise les montants bruts de l’épargne nationale afin d’analyser l’effet de l’épargne sur l’investissement. Dans la deuxième régression, on utilise les flux de l’investissement direct à l’étranger comme variable dépendante en valeur nette (différence entre le crédit et le débit des IDE entrants), donc, les données utilisées pour l’épargne nationale dans cette régression sont également en montant net.

Dans ces deux régressions, le coefficient α2 montre la mesure de rétention de l’épargne

nationale (épargne retenue à l’intérieur des frontières nationales) par l’investissement national, et γ2 est le coefficient de rétention de l’épargne nationale par l’investissement

direct à l’étranger. Si α2 est proche de zéro et γ2 proche de un, cela signifie que l’épargne

nationale du pays, est plutôt attribuée à l’investissement hors de ce pays, donc, il y a une forte mobilité des capitaux et le pays est bien intégré au marché financier mondial. En revanche, si le coefficient α2 tend vers l’unité et le coefficient γ2 tend vers zéro, l’épargne

nationale est plutôt orientée vers l’investissement national et pas vers l’étranger ; donc, le degré d’intégration financière du pays concerné n’est pas élevé. En effet, par la deuxième régression, on essaie de vérifier la pertinence des résultats retenus par la première régression, ce qui est, en quelque sorte, la régression proposée par Feldstein et Horioka, mais sous une nouvelle forme économétrique. Alors, les résultats de la première régression nous montreront le degré d’intégration financière des pays de notre étude selon l’hypothèse de Feldstein-Horioka, et de cette façon, on pourra aussi vérifier la pertinence de cette hypothèse ou conclure dans le sens de leur paradoxe dans le cas de nos pays, de nos données et de notre frome économétrique. Puis, avec les résultats de la deuxième régression, on pourra vérifier la pertinence des résultats de la première régression.

Pour chaque régression, on va vérifier si le coefficient de la variable indépendante est égal à zéro ou égal à un. Donc, nos hypothèses pour la régression 2.14 sont :

Et pour la régression 2.15 :

Cette approche peut être considérée comme un complément de l’approche proposée par Feldstein et Horioka, tandis que cette dernière est elle-même, en quelque sorte, une combinaison et un complément des approches antérieures, comme les approches par les

134

flux internationaux de capitaux et les approches fondées sur l’égalisation des prix des actifs. Comme on l’a vu, dans la partie 2.1.2.3, une des méthodes utilisées par les travaux postérieurs au travail de Feldstein et Horioka afin de conclure sur le paradoxe de cette théorie, est l’usage des données de panel. Dans notre recherche, nous n’utiliserons pas les données de panel, car notre objectif est de mesurer le niveau de l’intégration financière de chaque pays séparément des autres pays ; donc, nous travaillerons avec les séries temporelles et nous nous concentrerons sur l’utilisation du modèle autorégressif à retards distribués afin de vérifier si, en prenant en compte les retards dans le modèle, nous pourrons régler la question du paradoxe de Feldstein et Horioka.

Afin de développer notre modèle ARDL à correction d’erreur, dans la première étape, on doit déterminer le nombre optimal de retards pour chaque variable. Pour le déterminer, on choisi, d’abord, un nombre initial pour les retards (qui sera de 4 en tenant compte de ce que les données utilisées sont trimestrielles), et en donnant ce nombre au logiciel, on aura le nombre de retards pour les variables de régression. En considérant les coefficients relatifs aux retards de la variable dépendante, on peut conclure à l’existence d’une cointégration à long terme entre les variables du modèle. Les statistiques pour ce test sont

(pour la

régression 2.14) et

(pour la régression 2.15) qui examinent l’hypothèse nulle de

l’absence de cointégration à long terme, contre l’hypothèse alternative de la présence d’une telle cointégration, en utilisant les valeurs critiques pour ce test présentées par Banerjee, Dolado et Mestre (1992)1.

Dans l’étape suivante, on estimera les coefficients de long terme pour les variables du modèle, et ensuite, on estimera le modèle ARDL à correction d’erreur avec les nombres de retards déjà choisis. Par les résultats de cette estimation, on pourra conclure sur les relations entre les variables, en sachant que le coefficient relatif au terme de correction d’erreur montre la vitesse de l’ajustement vers l’équilibre à long terme.