PARIE II : Etude empirique ; le cas du Maroc (1991-2017)

Cette section est relative à la modélisation, l’objectif est de vérifier les différentes relations qui existent entre
l’inflation (variable expliquée) ; le chômage (comme des variable exogène).

1. Présentation des variables

Dans cette étude, nous avons retenu les variables suivantes :
- Le taux du chômage (TCHO) ;
- Le taux d’inflation (TINF) ;
Les données utilisées dans cette étude sont annuelles et couvrent la période 1991 à 2017 .

Tableau N° 1 : Taux de chômage et taux d’inflation au Maroc

pendant la période 1991 à 2017
Année TCHO TINF
1991 12,88899994 7,986166008
1992 12,87699986 5,740246629
1993 13,35499954 5,18311396
1994 13,74699974 5,14167153
1995 13,62899971 6,123581648
1996 13,97700024 2,986809228
1997 13,72799969 1,038198951
1998 13,75899982 2,753113308
1999 13,93999958 0,684782609
2000 13,57999992 1,894634568
2001 12,46000004 0,619801875
2002 11,59000015 2,795619669
2003 11,92000008 1,167733675
2004 10,82999992 1,493444034
2005 11,01000023 0,98264166
2006 9,670000076 3,28476167
2007 9,56000042 2,042085127
2008 9,569999695 3,714843115
2009 8,960000038 0,971862999
2010 9,090000153 0,993557401
 2011 8,909999847 0,90692491
2012 8,989999771 1,287122401
2013 9,229999542 1,880654667
2014 9,699999809 0,442310054
2015 9,460000038 1,557907113
2016 9,300000191 1,635311143
2017 9,05300045 0,754663249
. Source : https://donnees.banquemondiale.org/pays/maroc
2. L’analyse graphique des séries :
• Le taux de chômage :
Figure N° 1 : Evolution de la série annuelle du taux de chômage de 1991 à 2017

TCHO
15

14

13

12

11

10

8
92 94 96 98 00 02 04 06 08 10 12 14 16

Source : réalisation personnelle à partir du logiciel Eviews10.

La visualisation de la figure ci-dessus de cette série nous permette de marquer une tendance légère à la hausse
jusqu’à 2000, et tend vers la baisse jusqu’arriver à son minimum en 2012, puis reprend la hausse, donc
indiquent que, la série est non stationnaire.

• Le taux de l’inflation
Figure N° 2 : Série de taux d’inflation pendant 1991 à 2017
 TINF
9

0
92 94 96 98 00 02 04 06 08 10 12 14 16

Source : Elaboré par nous même à partir des données de la BM avec logiciel Eviews 10.
L’évolution de l’inflation a connu plusieurs fluctuations, elle enregistre des pics a la hausse en 1991 et 1995
avec un taux de 7,98 %, et 6,12 %. Et à partir de là, elle baisse jusqu'à 2008. Ces fluctuations indiquent que la
série est non stationnaire.

3. Analyse statistique :
Afin d’améliorer la stationnarité de la variance, nous transformons nos deux séries en logarithme :
- L TCHO = log(TCHO)
- L TINF = log(TINF)

Ce test est présenté sous formes des corrélogramme des différentes séries.
• Les série en logarithme de (TCHO) :
Tableau N° 01 : corrélogramme de LTCHO
 Source : Etabli à partir des données par Eviews10
L’observation du corrélogramme de la fonction d’autocorrélation (FAC), fait ressortir que les coefficients
d’ordre 1 à 6 sortants de l’intervalle de confidence c’est-dire qu’ils sont significativement différents de zéro.
On peut retenir que la série LTCHO n’est pas stationnaire.

• La série en logarithme de (TINF) :

Tableau N°02 : corrélogramme de LTINF

Source : Etabli a partir des données par Eviews10

De l’analyse du corrélogramme de la série LINF, on constate que les premiers termes de la fonction
d’autocorrélation sont significatifs, ce que laisse affirme que la série est non stationnaire.

4. Test de stationnarité
4.1 Le taux de chômage LTCHO
Pour vérifier le test de stationnarité des séries on teste la racine unitaire avec le test de Dickey-Fuller augmenté,
la règle de décision est la suivante :

H0 : il existe une racine unitaire ; φ=1

H1 : Absence de racine unitaire ; φ<1
Si la valeur d’ADF est inférieure à la valeur critique, on accepte H1.
Si la valeur d’ADF est supérieure à la valeur critique, on accepte H0.
❖ Estimation du modèle 3
Tableau N°05 : Test de la significativité de la tendance
 Source : Etabli par nous-mêmes par le logiciel Eviews 10.
L’estimation du modèle [3], montre que la statistique estimée en valeur absolue de la tendance (=1.897790)
est inférieure à la valeur tabulée (= 2.97) lue dans la table de Dickey Fuller au seuil de 5 %. Donc on rejette
l’hypothèse de significativité de la tendance.

❖ Estimation du modèle 2
Tableau N°06 : Test de significativité de la constante
 Source : Etabli par nous-mêmes par le logiciel Eviews10.
On constate que la constante n’est pas significative puisque la t-statistique (=0.23) est inférieure à la valeur
tabulée (= 3.18) lue dans la table de Dickey Fuller au seuil de 5 %.

donc il s’agit bien d’un processus DS sans dérive.

❖ Estimation du modèle 1
Tableau N°08 : Test de la racine unitaire
 Source : Etabli par nous-mêmes par le logiciel Eviews10.
Le test de stationnarité est donc effectué à base du modèle (1), la statistique ADF calculée (=-1.58) est
supérieur à la table ADF (=-1.95) au seuil de 5%, la série est non stationnaire.

La meilleure méthode de la stationnarisation est celle de la différenciation.

 Source : Etabli par nous-mêmes par le logiciel Eviews10.
En effet la probabilité (=0.0283) est inférieure à 5%. On accepte l’hypothèse 𝐻1 ∶ ∅ < 1, alors la série
devient stationnaire.

4.1 Le taux d’inflation LTINF

Pour vérifier le test de stationnarité des séries on teste la racine unitaire avec le test de Dickey-Fuller augmenté,
la règle de décision est la suivante :

H0 : il existe une racine unitaire ; φ=1

H1 : Absence de racine unitaire ; φ<1
Si la valeur d’ADF est inférieure à la valeur critique, on accepte H1.
Si la valeur d’ADF est supérieure à la valeur critique, on accepte H0.
❖ Estimation du modèle 3
Tableau N°05 : Test de la significativité de la tendance
 Source : Etabli par nous-mêmes par le logiciel Eviews 10.
L’estimation du modèle [3], montre que la probabilité (=0.0039) est inférieure à 5% donc la série est
stationnaire.la valeur tabulée (= 3.25) lue dans la table de Dickey Fuller au seuil de 5 %. Donc on rejette
l’hypothèse de significativité de la tendance.