Résultats empiriques

Les jalons posés dans les développements précédents permettent, à présent, de répondre à la question suivante : quels sont les effets de la concurrence sur la transmission des taux d’intérêt ?

Après avoir vérifié dans la section 2.1.4, la relative bonne configuration de notre modèle, des réponses concrètes à la question posée sont apportées dans la section 2.1.4. Dans cette sous-section, outre l’étude des effets de la concurrence sur la trans-mission des taux à long et court terme, nous apportons des réponses à une question connexe, à savoir l’effet de la concurrence sur le niveau des taux en zone euro. Enfin, les sections 2.1.4 et 2.1.4 s’assurent de la bonne tenue de nos conclusions à travers la mise en place de divers tests de sensibilité.

Propriétés des ARDL-ECM

Avant d’exposer en détail les résultats obtenus, il est nécessaire de s’assurer que nos estimations vérifient les propriétés économétriques sous-jacentes à l’utilisa-tion d’un modèle PMG. Ces propriétés, présentées par Pesaranet al.(1999), sont au nombre de trois et sont exposées dans la section 2.1.3.

Propriété des résidus (H1)

La première hypothèse du modèle de Pesaran et al.(1999) est relative aux pro-priétés des résidus des modèles estimés. En dépit du fait, comme le note De Bandt et al. (2009), que cette première hypothèse soit souvent supposée satisfaite sans être testée dans la littérature, nous avons, en ce qui nous concerne, examiné si les perturbations étaient bien indépendamment distribuées. En premier lieu, nous avons vérifié si l’hypothèse d’absence d’autocorrélation dans nos résidus était rai-sonnable. À cet égard, nous avons testé la présence d’autocorrélation sur l’ensemble des séries temporelles à partir des tests usuels d’autocorrélation, en particulier le test de Breusch-Godfrey (Breusch, 1978 et Godfrey, 1978). Les résultats de ces tests du multiplicateur de Lagrange sont reportés dans les tableaux en annexe. Quand bien même, dans certains cas, nous décelons la présence d’autocorrélation, cela semble être un phénomène mineur et caractéristique d’un faible nombre de séries temporelles¹¹. En second lieu, nous avons testé l’hypothèse d’homoscédasticité. En particulier, nous avons mené des tests de Fisher d’effets ARCH sur les différentes séries temporelles de résidus. Les résultats tendent à démontrer que l’hypothèse de constance de la variance conditionnelle des résidus ne peut, en règle générale, être rejetée. Nonobstant la bonne configuration générale des résidus des modèles estimés, nous utilisons la correction de Newey-West afin de corriger les variances et covariances des estimateurs des MCO, utilisés pour estimer les paramètres d’ajuste-ment propres à chaque pays. Ainsi, il sera, par conséquent, reporté des écart-types HAC¹².

Au-delà de l’indépendance temporelle, Pesaran et al. (1999) notent que les ré-sidus doivent être indépendamment distribués entre les individus. Une des causes principales de corrélations inter-individuelles des résidus tient à l’omission de fac-teurs communs dans la modélisation. Dans le cadre de cette étude, le fait que l’Eonia soit un facteur commun limite les suspicions concernant cette hypothèse d’indépen-dance inter-individuelle. Toutefois, d’autres facteurs communs, cette fois-ci inobser-vables, pourraient également exister. Nous vérifions, par conséquent, la robustesse de nos résultats en considérant ledit « C-PMG » estimateur de Binder et Offermanns (2008) dans la sous-section 2.1.4.

11. On note, du reste, que Pesaranet al.(1999) dans l’application de leur méthodologie décèlent également, sur certaines de leurs séries, la présence d’autocorrélation.

12. La comparaison des écarts-types standard et HAC tend à montrer que les problèmes d’hétéros-cédasticité et d’autocorrélation sont de faible ampleur. En effet, l’ampleur des écarts-types est com-parable.

Cointégration des variables (H2)

La seconde série d’hypothèses du modèle PMG se rapporte aux conditions de stabilité du modèle. Le modèle est stable et estimable sous la forme présentée si et seulement si les résidus de la relation de long terme sont stationnaires. Cette hypo-thèse est vérifiée lorsque l’on rejette l’hypohypo-thèse d’absence de cointégration entre les variables. À cet égard, nous employons le test de Westerlund (2007). En substance, Westerlund (2007) propose de tester l’hypothèse nulle d’absence de cointégration en vérifiant si le coefficient de correction d’erreur est égal à zéro. Il nous faut attirer l’attention sur le fait que les tests de cointégration au sens de Westerlund sont moins flexibles que lesbound testsutilisés dans le cadre des séries temporelles pour tester l’absence de cointégration. Théoriquement, le test de cointégration de Westerlund (2007) suppose, en effet, que l’ensemble des variables apparaissant dans la relation de long terme sont non-stationnaires, ce qui n’est pas un prérequis dans un modèle ARDL-ECM¹³. En conséquence, avant de procéder aux tests de cointégration de Westerlund (2007), nous avons mené des tests de racine unitaire sur données de panel pour les trois types de variables utilisées. Les résultats des tests d’Im et al.

(2003) notamment soulignent que les variables sont bien non-stationnaires. Les résultats des tests de Westerlund (2007) figurent dans le tableau 2.5. Les statistiques reportées correspondent aux statistiques «group-mean» de Westerlund (2007)¹⁴. La lecture des résultats soulignent que les résidus de la relation de long terme entre les taux d’intérêt bancaires, l’Eonia, l’indice de Lerner et le terme d’interaction entre cet indice et l’Eonia sont stationnaires. On rejette, en effet, pour l’ensemble des cas, l’hypothèse d’absence de relation de cointégration entre les variables.

TABLEAU2.5 – Tests de cointégration de Westerlund

(1) (2) (1) (2)

Prêts consommation Prêts immobiliers

Statistics Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value

Pt -3.574 0 -4.842 0 -5.650 0 -7.284 0

Pa -4.166 0 -4.053 0 -4.004 0 -4.952 0

Dépôts CT ménages Dépôts CT entreprises

Statistics Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value

Pt 1.027 0 -4.013 0 -3.935 0 -7.390 0

Pa 0.747 0 -3.370 0 -7.640 0 -11.117 0

Prêts aux entreprises<1 me Prêts aux entreprises>1 me

Statistics Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value Z-value Robust p-value

Pt -4.660 0 -7.645 0 -5.921 0 -8.574 0

Pa -6.584 0 -9.190 0 -10.641 0 -13.646 0

Note : Dans la colonne (1), nous testons la cointégration entrebri,t−1etmri,t−1in (1). Dans la colonne (2), nous testons la cointégration entrebri,t−1,mri,t−1, Ler neri,t−1et Ler neri,t−1∗mri,t−1).

En plus des tests de Westerlund (2007), nous avons également mené des tests de

13. Le seul prérequis est, en fait, que les variables ne soient pas intégrées d’ordre 2.

14. On renvoie à la présentation détaillée des tests de Westerlund (2007) proposée par Hurlin et Mignon (2008) pour davantage de précisions.

cointégration de Pedroni (1999). La présentation des résultats de ces tests sont repor-tés en annexe. D’aucune manière, les résultats de ces tests n’infirment ceux reporrepor-tés dans le tableau 2.5.

Homogénéité des paramètres de la relation de long terme (H3)

Conformément aux hypothèses avancées par Pesaran et al. (1999), nous de-vons enfin vérifier que la spécification des paramètres du modèle est appropriée.

En particulier, il faut s’assurer que les contraintes d’homogénéité pesant sur les coefficients de long terme peuvent être vérifiées. Afin de tester cette hypothèse, Pesaran et al. (1999) suggèrent d’utiliser, au choix, un test d’Hausman ou un test du ratio de vraisemblance, afin de comparer le modèle non contraint estimé avec l’estimateur MG et le modèle partiellement contraint estimé par l’estimateur PMG.

Bien que l’estimateur MG soit toujours convergent, il est néanmoins moins efficace que l’estimateur PMG. Ainsi, dans le cadre d’un test de spécification d’Hausman, on considérera que, si la différence des coefficients n’est pas systématique (hypothèse nulle), alors l’estimateur PMG devrait être privilégié. Les résultats présentés ci-dessous (tableau 2.6) étayent l’utilisation d’un estimateur PMG pour notre modèle.

TABLEAU2.6 – MG vs. PMG : Test d’Hausman

Prêts à la Prêts Dépôts à CT Prêts aux entreprises Prêts aux entreprises Dépôts à CT consommation immobiliers pour les ménages <1 me >1 me pour les entreprises

chi2(3) 7.48 1.19 9.93 1.6 2.47 2.12

Prob>chi2 0.0582 0.7561 0.0192 0.6601 0.4814 0.5475

Note : À l’instar de Pesaranet al.(1999), nous testons l’hypothèse d’homogéneité des coefficients dans la relation de long terme en appliquant un test d’Hausman. Sous l’hypothèse nulle, l’estimateur PMG est à la fois efficace et convergent, indiquant que l’hypothèse d’homogénéité des paramètres de long terme est valide.

Au regard des résultats obtenus, il apparaît que la relation de long terme gagne à être modélisée par des coefficients homogènes. Spontanément, on peut dès lors se demander si les coefficients de court terme bénéficieraient eux aussi à être ho-mogènes. Pour asseoir l’utilisation de l’estimateur PMG, nous menons, par consé-quent, de nouveaux tests de spécification d’Hausman. À présent, les tests d’Hausman portent sur l’estimateur PMG dont nous venons de vérifier qu’il était sans biais, et l’estimateur DFE pouvant être biaisé. Les résultats des tests de spécification d’Haus-man pour les six taux d’intérêt sont reportés dans le tableau 2.7. On constate que, dans la grande majorité des situations, les tests conduisent à rejeter l’hypothèse nulle selon laquelle l’estimateur DFE est sans biais. On infère de ces résultats que la concurrence bancaire seule ne peut modéliser l’entièreté de l’hétérogénéité de la dynamique des taux à court terme. Le recours à l’estimateur PMG est ainsi approprié.

TABLEAU2.7 – DFE vs. PMG : Test d’Hausman

Prêts à la Prêts Dépôts à CT Prêts aux entreprises Prêts aux entreprises Dépôts à CT consommation immobiliers pour les ménages <1 me >1 me pour les entreprises

chi2(3) 11.39 73.64 61.14 36.77 57.18 4.69

Prob>chi2 0.0000 0.0000 0.0000 0.0000 0.0000 0.1962

Note : À l’instar de Pesaranet al.(1999), nous testons l’hypothèse d’homogéneité des coefficients dans la relation de court terme en appliquant un test d’Hausman. Sous l’hypothèse nulle, l’estimateur DFE est à la fois efficace et convergent, indiquant que l’hypothèse d’homogénéité des paramètres de court terme est valide.

Résultats principaux

Dans ce qui suit, les tableaux 2.8, 2.10 et 2.11 répertorient les résultats de notre analyse principale. Par souci de simplicité et afin de hiérarchiser nos commentaires, les paramètres de long terme et les paramètres de court terme des modèles à cor-rection d’erreur estimés sont présentés dans deux tableaux distincts. Le tableau 2.8 affiche, tout d’abord, les résultats des estimations des relations de long terme des équations 2.5 et 2.6 pour les six taux d’intérêt considérés. Puis, les tableaux 2.10 et 2.11 rapportent les estimations des paramètres de court terme de ces deux même équations pour les taux bancaires, respectivement, aux ménages et aux entreprises non-financières.

Effets de la concurrence sur la transmission de long terme des taux d’intérêt

L’exposé des résultats des estimations des relations de long terme dans le tableau 2.8 permet d’apporter des réponses à deux questions : quel est l’effet de la concur-rence bancaire sur les niveaux des taux et quel est son effet sur la transmission monétaire ?

Nos premiers commentaires porteront sur la première question. Cela nous per-mettra ainsi de nous affranchir très rapidement de ce qui s’avère être une question annexe à l’objet principal de recherche de ce chapitre. Aussi, du fait de l’unanimité théorique concernant les résultats attendus, cela constitue une manièread-hocde tester la pertinence de la mesure de concurrence choisie.In fine, il s’agit, par voie de conséquence, de donner du crédit aux réponses que nous apporterons sur le volet de la transmission monétaire.

Nos résultats mettent, tout d’abord, en lumière l’influence très significatif de la variable Lerner sur le niveau des taux. La présence d’un terme d’interaction comprenant l’indice de Lerner dans la relation de long terme conduit néanmoins à faire preuve de prudence dans l’interprétation des coefficients estimés. En effet, les coefficients placés devant notre variable de concurrence indiquent l’effet de la concurrence sur les niveaux des taux lorsque l’Eonia, terme avec lequel le Lerner entre en interaction, est égal à zéro. En règle générale, ces interprétations

condi-tionnelles présentent peu d’intérêt et on leur préfère des interprétations de l’effet moyen ou médian. Néanmoins, étant donné la situation actuelle sur les marchés monétaires, caractérisée par des taux d’intérêt proches de zéro, l’interprétation des coefficients n’est pas saugrenue. Les coefficients indiquent, en effet, ni plus ni moins, qu’en cette période de taux zéro, les taux d’intérêt bancaires sont plus faibles là où les marchés bancaires sont les plus concurrentiels. On retrouve finalement l’effet moyen de la concurrence, donné parϕ+mr¯ λ, où ¯mr est la moyenne de l’Eonia sur notre période d’étude, dans le tableau 2.9.

TABLEAU2.8 – Concurrence bancaire et transmission des taux d’intérêt à long terme

Long-term ECM Prêts consommation Prêts immobiliers Dépôts CT ménages

Eonia 0.542 *** 1.743*** 0.888*** 1.025*** 1.012*** 2.099***

-0.049 (0.205) (0.028) (0.073) (0.055) (0.173)

Lerner 5.907*** 2.479*** 18.042***

(1.733) (0.692) (1.956)

Lerner*Eonia -5.898*** -0.838*** -4.505***

(0.872) (0.25) (0.698)

Long-term ECM Prêts aux entreprises<1 me Prêts aux entreprises>1 me Dépôts CT entreprises

Eonia 0.827*** 1.188*** 0.893*** 1.314*** 1.013*** 1.064***

-0.021 (0.056) (0.018) (0.076) (0.007) (0.022)

Lerner 6.644*** 9.017*** 0.657***

(0.764) (1.015) (0.009)

Lerner*Eonia -1.929*** -2.359*** -0.278**

(0.248) (0.328) (0.108)

Note : Les écarts-types sont reportés entre parenthèses. *, **, *** représentent la significativité des coefficients, respectivement, aux seuils de 10%, 5% et 1%.

Les estimations de l’effet moyen de la concurrence suscitent au moins trois re-marques. Tout d’abord nos résultats sont conformes aux modèles théoriques de Freixas et al.(1997) ou encore d’Ho et Saunders (1981) : davantage de concurrence implique de plus faibles taux d’intérêt débiteurs. À rebours des trois autres séries de taux débiteurs, on constate toutefois qu’une série de taux - les taux pour les prêts à la consommation - réagit différemment à la concurrence. Il nous est particulièrement difficile de fournir une explication définitive à ce résultat. On peut cependant émettre l’hypothèse que la concurrence, pour les prêts à la consommation, s’exerce moins sur les taux que sur les diverses commissions, frais et modalités des prêts. Toujours est-il que, dans tous les cas, il convient d’attacher une importance modérée à ce résul-tat. Les prêts à la consommation ont, en effet, des implications macroéconomiques modestes au regard des taux immobiliers ou des taux aux entreprises ; en attestent les encours de ces différentes catégories de prêts. Enfin, reste l’énigme des taux cré-diteurs. En effet, nos résultats mettent en lumière le fait que la concurrence réduit les taux d’intérêt sur les dépôts, allant à l’encontre desa priorithéoriques et des ré-sultats obtenus sur les taux débiteurs. Ce résultat troublant s’avère néanmoins fré-quemment observé dans la littérature sur les taux d’intérêt en zone euro (voir, entre

autres, Corvoisier et Gropp, 2002 et Van Leuvensteijnet al., 2013). Plusieurs éléments peuvent expliquer ces résultats. Ces derniers pourraient, tout d’abord, être la résul-tante du comportement des taux débiteurs. Si la concurrence exerce une pression sur les taux débiteurs, elle impose, de fait, aux banques, de réduire leurs taux créditeurs afin de conserver une marge d’intérêt positive. Dans un autre ordre d’idée, Corvoi-sier et Gropp (2002) suggèrent qu’une faible concurrence pourrait aller de pair avec des banques efficientes, qui redistribueraient une partie de ces gains d’efficience aux consommateurs en offrant des taux pour les dépôts plus importants.

TABLEAU2.9 – Effet moyen et effet économique sur la transmission des taux de la concurrence bancaire

Prêts consommation Prêts immobiliers Dépôts CT ménages

Effet moyen de la -7.481*** 4.082*** 7.816***

concurrence bancaire (1.515) (0.765) (1.356)

Pass-throughavec Lerner p25 0.776 0.887 1.36

Pass-throughavec Lerner p75 0.406 0.835 1.078

Différence (en %) 90.9 6.2 26.1

Prêts aux entreprises<1 me Prêts aux entreprises>1 me Dépôts CT entreprises

Effet moyen de la 2.264*** 5.243*** 0.026

concurrence bancaire (0.453) (0.66) -0.126

Pass-throughavec Lerner p25 0.871 0.927 1.018

Pass-throughavec Lerner p75 0.75 0.779 1.001

Différence (en %) 16.1 18.9 1.7

Note : Les écarts-types sont reportés entre parenthèses et ont été calculés à partir de la formule suivante : SE=[Var(ϕ)+mr²Var(β)+2cov(ϕ,β)]⁽1/2). *, **, *** représentent la significativité des co-efficients, respectivement, aux seuils de 10%, 5% et 1%.

Parallèlement aux effets directs sur les niveaux des taux, le tableau 2.8 témoigne que la concurrence a également un effet indirect significatif de par son influence sur la relation entre taux monétaires et taux bancaires. Nos résultats suggèrent, en effet, que la transmission monétaire est moins opérante à long terme dans les économies qui disposent d’un secteur bancaire moins concurrentiel. Cela est illustré par le fait que l’ensemble des coefficients estimés du terme d’interaction sont négatifs et fortement significatifs.

L’analyse des effets de la concurrence sur la transmission monétaire ne peut se li-miter à déterminer si les coefficients estimés sont statistiquement différents de zéro.

Sans conteste, nous devons également vérifier si les répercussions économiques po-tentielles induites par la concurrence sont importantes ou marginales. Dans le cas présent, il faut vérifier qu’une variation d’un point de base de l’Eonia entraîne des va-riations des taux bancaires suffisamment différentes pour que cela pose la question de l’intégration financière européenne et de la survie à long terme de la zone euro.

Dans cette optique, nous évaluons l’ampleur de la transmission des taux pour deux économies fictives : l’une caractérisée par une concurrence importante sur son mar-ché bancaire et l’autre caractérisée, au contraire, par un environnement bancaire peu concurrentiel. Formellement, pour cet exercice, on retient d’abord le premier et le

troisième quartile de la distribution empirique de l’indice de Lerner utilisé dans cette étude. Puis, on estime l’ampleur de la transmission des taux pour ces deux valeurs de notre indicateur de concurrence. Les estimations réalisées illustrent à quel point les différences d’ampleur dans la transmission des taux peuvent être importantes.

L’exemple de la transmission de l’Eonia aux taux aux entreprises non-financières pour des prêts inférieurs à un million d’euros est éloquent. Lepass-throughestimé est, en effet, égal à 92.7% dans les économies où le système bancaire est fortement concurrentiel (1^er quartile) contre seulement 77.9% dans les économies où l’indice de Lerner est important (3^èmequartile).

Effets de la concurrence sur la transmission de court terme des taux d’intérêt Dans la continuité des développements précédents, il convient, à présent, de s’intéresser aux effets sur la transmission à court terme de la concurrence bancaire.

Les tableaux 2.10 et 2.11 rapportent les estimations des paramètres évaluant la dy-namique de court terme des équations 2.5 et 2.6. Conformément à l’estimateur PMG utilisé, les tableaux répertorient les coefficients de court terme estimés pour chacun des pays de la zone. Pour faciliter leur interprétation, qui se révèle être fastidieuse et limitée en enseignements pays par pays, le cadran supérieur des tableaux dévoile les moyennes des estimations obtenues pays par pays en utilisant un estimateurMean Group.

Avant de se concentrer à part entière sur les effets de la concurrence, il faut, au préalable, vérifier que l’ajustement du modèle à sa relation de long terme après un choc est bien effectif. À cet égard, il faut porter notre attention sur le terme à correction d’erreur et vérifier que ce dernier est : (1) négatif et (2) significativement différent de zéro. Les estimations rapportées vérifient que ces deux conditions sont respectées. Cela témoigne, par conséquent, de la stabilité du modèle et corrobore les résultats des tests de Westerlund (2007) réalisés antérieurement.

En outre, l’examen des répercussions immédiates d’une variation des taux monétaires sur la variation des taux bancaires assoit la pertinence économique de la spécification retenue. On relève, en effet, comme espéré, que les taux monétaires entraînent une variation en moyenne positive et extrêmement significative des taux d’intérêt bancaire. Plus important, cette variation est, en moyenne, inférieure à l’unité et, dans tous les cas, inférieure auxpass-throughde long terme. Cela témoigne de l’information contenue dans les variables en niveau et justifie, s’il le faut, l’uti-lisation d’un modèle à correction d’erreur. L’analyse comparative des coefficients des différentes séries de taux souligne, du reste, les disparités de comportement entre séries. Typiquement, on constate, si l’on considère le modèle sans concurrence dans les tableaux 2.10 et 2.11, qu’une variation d’un point de l’Eonia entraîne une variation des taux bancaires allant en moyenne de 0.150 point pour les prêts à la consommation à 0.803 pour les taux sur les dépôts. Le constat dressé, ici, sur la transmission à court terme, ne fait que corroborer les observations préalablement

formulées lors de l’analyse des relations de long terme. Il apporte toutefois des enseignements nouveaux en mettant en évidence une démarcation nette pour les

formulées lors de l’analyse des relations de long terme. Il apporte toutefois des enseignements nouveaux en mettant en évidence une démarcation nette pour les