L'effet de la volatilité des prix des matières premières sur la

croissance économique : Etude empirique dans le cas des

pays MENA
Dans cette analyse, on va tester l'effet de la volatilité des prix des matières premières sur la
croissance économique dans les pays MENA.

En se référant à Bernanke (1983), Lee, Ni et Ratti(1995), Elder et Serletis (2010), l'augmentation

de la volatilité entraine une incertitude des décisions futures et cette incertitude peut créer des
fluctuations cycliques dans l'économie. Pour examiner l'effet de l'incertitude des prix des matières
premières sur la croissance économique, on utilise le modèle GARCH structurel in MEAN VAR
proposé par Elder et Serletis (2010). Dans ce modèle, l'incertitude est mesurée par l'écart type de
l'erreur de prévision.

L’équation de la moyenne des prix des matières premières et la croissance économique est
illustré comme suit :

Byt= K+ Φtyt-1+ …..+Φpyt-p+ г(L)Ht1/2+ Ԑt (1)

Où dim (B)= dim (Φi)= (N*N), Ԑt/Ωt-1~iid N(0,Ht), Ht1/2 est diagonale, г(L) est la matrice du
polynôme operateur retard. Ωt-1 désigne l'ensemble d'information à l'instant t-1.

Dans notre analyse, le vecteur yt inclut la croissance et la variation des prix des matières
premières. Suivant, Engle et Kroner (1995), la variance conditionnelle Ht est modelée comme un
GARCH bivarié :

Ht= ω+ vec (Ԑt-j, έt-j)+ i ht-i (2)

Ԑt= Ht1/2 ut ut~iid N(0,I) où ω est N2*1, αJ, βJ sont N2*N2 et ht= vec(Ht). On peut réécrire la
fonction de variance comme suit:
Diag (ht)= ω+ j diag( Ԑt-j, έt-j)+ i diag(Ht-i) (3)

Diag est l'operateur qui extrait la diagonale de la matrice carré. Comme Elder et Serletis (2010),
on suppose que la variance conditionnelle de y i,t dépend seulement de son erreur carré passé et de
son variance conditionnelle passé. Dans, l'analyse univarié, on utilise GARCH(1,1) alors que les
équations (2) et (3) sont modelés d'un GARCH bivarié in mean VAR et peuvent être estimé par le
maximum de vraisemblance complète.

1- Données et échantillon :
Cette analyse utilise des données mensuelles de taux de croissance de la production qui est indexé
ici par l'indice de production industrielle non durable de la fabrication, le taux de l'inflation
représenté par l'indice de prix de consommation, l'indice de prix des matières premières
énergétiques et l'indice des prix des matières premières non énergétiques.

L’indice de production industrielle non durable de la fabrication et de l'indice prix de

consommation sont obtenus des statistiques internationales financières de la base de donnée de
fonds monétaire international.

La période d'étude varie d'un pays à un autre selon la disponibilité des données. Alors que les
indices de prix sont obtenus de la banque mondiale du période 1992-2016. Notre échantillon est
constituée de 10 pays MENA qui sont Algerie, Iran, Iraq, Koweit, Lybie, Oman, Qatar, Arabie
Saoudite, Tunisie, et Emirats arabes unis, en vertu de la disponibilité des données seulement pour
ces pays MENA.

A- Les statistiques descriptives et les tests diagnostiques

préliminaires :
En examinant ces statistiques descriptives on remarque qu’à l'exception de l'Arabie saoudite
la moyenne de l'inflation est supérieure à celle de la production industrielle pour tous les
pays. Contrairement à l'écart type de l'inflation qui est inferieur à celui de la production
industrielle dans tous les pays.
La valeur de skewness de la production industrielle est négative dans ces pays : Algérie, Iran,
Iraq, Koweit, Lybie et Arabie Saoudite, donc cette série est dissymétrique à la gauche alors
que dans les autres pays, elle est dissymétrique à la droite. L’inflation est distribuée à la droite
dans la plupart des pays. Les deux séries des prix sont distribués à la gauche.

Les valeurs de kurtosis pour tous les séries sont supérieurs à 3 ce qui engendrent qu’elles sont
supérieures à la normale. Pour conclure, on peut dire que les valeurs de skewness et kurtosis
pour toutes les séries montrent que la distribution est très longue et elle n'est pas symétrique.
De même le test de Jarques Bera indique que toutes les séries sont non normales.

Maintenant si on examine le test ARCH, du coté de la production industrielle, on rejette

l'hypothèse nulle dans la plupart des pays sauf Iraq et Koweit (operateur retard 8) ce qui
confirme la présence d'un effet Arch. Alors que l'application de ce test sur l'inflation accepte
l'hypothèse nulle dans tous les pays sauf Lybie, Qatar, Arabie Saoudite et la Tunisie.

Les deux séries des prix rejettent l'hypothèse nulle donc ces séries présentent un effet Arch.

Tableau 1 : statistiques descriptives et testes préliminaires

diagnostiques de la production industrielle
pays moy med Ecart max min skew kurt Jarques Arch(8) Arch(12)
type Bera
Algérie 0.0085 0 6.5869 26.2565 -26.8837 -0.1900 5.0684 101.5773 5.2960 4.2590
(0.0000) (0.0000) (0.0000)
Iran -0.0063 0.8032 14.6242 92.1458 -170.564 -3.4873 52.7233 59139.77 9.2014 6.1202
(0.0000) (0.0000) (0.0000)
Iraq 0.2520 1.0643 23.3835 92.2935 -292.904 -4.8906 58.4198 74291.09 0.5815 0.3890
(0.000) (0.7934) (0.9675)
Koweit 0.0079 0.5665 15.3293 83.4797 -210.612 -4.5963 69.9956 107273.2 0.2888 1.9011
(0.000) (0.9697) (0.0318)
Lybie -0.3022 0 15.0654 113.8237 -137.668 -0.6033 28.0517 14756.41 8.8345 6.1861
(0.000) (0.0000) (0.000)
Oman 0.16887 0 7.0762 67.9784 -41.7778 1.2697 20.2465 7103.494 19.8326 13.5026
(0.000) (0.0000) (0.0000)
Qatar 0.1408 0 11.9119 66.0107 -63.2158 0.3369 8.9778 848.9378 20.4837 17.9652
(0.0000) (0.0000) (0.0000)
Arabie 0.1958 1.9698 7.6240 30.3636 -33.7430 -0.5152 6.0078 237.1411 4.2457 3.4277
saoudit (0.0000) (0.0001) (0.0001)
e
Tunisie -0.0285 -0.0937 6.6895 33.0570 -19.0129 0.4292 4.6362 60.7472 1.9482 4.6606
(0.0000) (0.0517) (0.0000)
Emirat 0.1638 0.1801 7.4506 46.2515 -31.4292 0.3298 7.6201 467.3844 7.7720 8.0338
arabes (0.0000) (0.0000) (0.0000)
 Tableau 2 : statistiques descriptives et tests préliminaires diagnostiques de l'inflation
pays moy med Ecart max min skew kurt Jarques Bera Arch(8) Arch(12)
type
Algerie 0.7334 0.6895 1.9809 10.7947 -5.0987 0.5288 5.1945 127.1065 10.8793 12.7287
(0.0000) (0.0000) (0.0000)
Iran 1.3463 1.3261 1.4447 6.9869 -4.4326 -0.0957 5.5248 150.4089 13.0805 14.6423
(0.0000) (0.0000) (0.0000)
Iiraq 0.4078 0.3325 1.0347 3.5614 -2.1686 0.2171 3.8254 3.8784 2.4538 2.1574
(0.1438) (0.0189) (0.0215)
Koweit 0.3382 0.2341 1.4977 4.8157 -3.0671 0.6015 6.5025 301.1638 2.6954 10.7208
(0.0000) (0.0065) (0.0000)
Lybie 0.3958 0.4172 1.8629 19.4558 -21.8746 -0.8578 63.1883 80367.08 0.6970 0.4718
(0.0000) (0.6943) (0.9311)
Oman 0.2141 0.1411 0.4551 1.9583 -0.7752 1.0156 4.5283 50.8867 2.7866 2.2539
(0.0000) (0.0063) (0.0115)
Qatar 0.3738 0.2834 0.5838 4.4806 -1.5322 1.8469 17.2485 1525.701 0.0656 0.5906
(0.0000) (0.9998) (0.8471)
Arabie 0.1271 0.0965 0.5123 4.1802 -4.9100 -0.5845 32.3851 15927.71 0.0577 0.0553
saoudite (0.0000) (0.9999) (1.0000)
Tunisie 0.3632 0.3347 0.3514 2.2000 -0.5227 0.9240 6.4704 228.0234 0.5389 17.1480
(0.0000) (0.8269) (0.0000)
Emirats 0.2139 0.1009 0.7707 7.4683 -0.8498 7.3516 69.6134 22298.20 0.00857 5.9586
arabes (0.0000) (1.0000) (0.0000)

Tableau 3 : statistiques descriptives et tests préliminaires diagnostiques des séries des
prix
vars moy med Ecart max min skew kurt Jarques Arch(8) Arch(12)
type Bera
Prix des matières 0.3014 1.1279 6.8854 16.4950 -26.9353 -0.8011 4.3872 55.7706 12.9040 9.2358
premières
(0.0000) (0.0000) (0.0000)
énergétiques
Prix des matières 0.1283 0.0473 2.5971 8.2468 -16.8968 -0.8122 -8.8569 477.1769 6.5046 4.2242
premières non
(0.0000) (0.0000) (0.0000)
énergétiques

B- Test de stationnarité :
On va noter la production industrielle non durable de la fabrication, l'inflation, prix des matières
premières énergétiques et les prix des matières premières non énergétiques comme suit : yt, ,ӆt,
ecpt, necpt. Ils sont calculés comme suit pour garantir la stationnarité :

Yt= ln(yt/yt-1)*100

Ӆt= ln(ӆt/ӆt-1)*100
Ecpt= ln(ecpt/ecpt-1)*100

Necpt= ln(necpt/necpt-1)*100

On va étudier ici la stationnarité des nos variables d'intérêt en appliquant le test d'Augmented
Dickey Fuller (1979, 1981) (ADF test) et le test de Philipps Perron (1988) (PP test). Les résultats
d'estimation sont présentés dans les tableaux 4, 5 et 6 pour toutes les variables à niveau et dans
les deux cas avec constante et avec constante et en tendance. Ces résultats montrent que
l'hypothèse nulle de la racine unique est rejetée dans tous les cas avec les deux tests ADF et PP.
Alors on peut conclure que toutes les séries sont stationnaires à niveau.

Tableau 4 : test de stationnarité de la production industrielle

pays ADF PP
CONSTANTE CONSTANTE ET CONSTANTE CONSTANTE
TENDANCE TENDANCE
*** *** ***
Algerie 35.183 35.157 -91.101 -91.0560***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Iran -28.5288 -28.5032 -197.3996 -197.1970***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Iraq -32.1687 -32.1398 -231.8052 -231.5319***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Koweit -29.0955 -29.0694 -278.0675 -277.8316***

(0.0000) (0.0000) (0.0001) (0.0001)

Lybie -29.8847*** -29.8585*** -197.5745*** -197.3133***

(0.0000) (0.0000) (0.0001) (0.0001)

Oman -47.6549*** -47.6128*** -399.1941*** -399.0100***

(0.0001) (0.0001) (0.0001) (0.0001)

*** *** ***
Qatar -31.0890 -31.0612 -299.6920 -299.9760***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Arabie -30.5939 -30.5666 -187.8745 -187.7774***
Saoudite
(0.0000) (0.0000) (0.0001) (0.0001)
*** *** ***
Tunisie -31.0301 -30.9936 -540.3991 -562.7843***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Emirats -31.0722 -31.0440 -129.7097 -129.6532***
Arabe
(0.0000) (0.0000) (0.0001) (0.0001)

Tableau 5 : test de stationnarité de l'inflation

 ADF PP

pays
CONSTANTE CONSTANTE CONSTANTE CONSTANTE TENDANCE
TENDANCE

Algérie -25.9184*** -25.8928*** -212.7273*** -212.2747***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Iraq -12.7043 -12.6453 -36.2116 -36.5737***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Koweit -34.0545 -34.0226 -271.9041 -269.0498***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Lybie -27.5184 -27.4921 -194.7832 -195.2891***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Oman -17.4157 -17.3717 -67.9772 -77.4239***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Qatar -18.3207 -18.2634 -49.6282 -49.5140***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Arabie Saoudite -25.2944 -25.2645 -124.8381 -124.8149***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Tunisie -25.5259 -20.4996 -85.9142 -90.7472***

(0.0000) (0.0000) (0.0001) (0.0001)

Emirats Arabe -13.3243*** -13.2648*** -43.0740*** -42.3798***

(0.0000) (0.0000) (0.0001) (0.0001)

*** *** ***
Iran -22.1009 -22.0811 -198.1762 -207.7522***

(0.0000) (0.0000) (0.0001) (0.0001)

Tableau 6 : test de stationnarité des prix des matières premières énergétiques et non énergétiques

ADF PP

vars
CONSTANTE CONSTANTE CONSTANTE CONSTANTE TENDANCE
TENDANCE

ECP -18.2977***(0.0000) -18.2639***(0.0000) -71.6538***(0.0001) -71.6678***(0.0001)

NECP -17.4784***(0.0000) -17.4494***(0.0000) -46.3027***(0.0001) -46.1645***(0.0001)

A- Test d'auto corrélation :

Dans ce test de Breusch Godfrey de corrélation, le choix de l'ordre d'auto corrélation est choisi en
se référent au akaike information critiria le plus faible. Alors pour l'Algérie et l'Iraq on a testé
l'auto corrélation d'ordre 4. Pour Iran, Koweit, Oman, Qatar, Arabie Saoudite, Tunisie et Emirats
Arabe, l'auto corrélation est testée à l'ordre 2 et enfin pour la Lybie, on a testé l'auto corrélation à
l'ordre 3. Les résultats de ce test sont représentés dans le tableau 6 et ils sont significatifs pour
tous les pays ce qui rejette l'hypothèse nulle de l'existence de corrélation entre les variables.

Tableau 6 : test d'auto corrélation

pays F statistic Obs*R-squared
Algérie 58.7871 124.1687
(0.0000) (0.0000)
Iran 59.2047 85.9776
(0.0000) (0.0000)
Iraq 10.6399 32.1694
(0.0000) (0.0000)
Koweit 32.8595 54.7476
(0.0000) (0.0000)
Lybie 7.9658 22.4802
(0.0000) (0.0001)
Oman 101.8761 99.5706
(0.0000) (0.0000)
Qatar 68.7437 76.9225
(0.0000) (0.0000)
Arabie Saoudite 68.4471 95.1155
(0.0000) (0.0000)
Tunisie 15.4587 26.8178
(0.0000) (0.0000)
Emirats Arabe 30.4637 41.2332
(0.0000) (0.0000)

2- l'analyse univarié :
Plusieurs travaux économiques ont étudié les effets de l'incertitude sur la croissance économique .
Certains économistes ont utilisé le moyen mobile de l'écart type pour mesurer la volatilité. Par
contre, d'autres ont procédé aux familles des modèles ARCH et GARCH. Les modèles ARCH
sont familiarisés par Engle (1982) et généralisés aux modèles GARCH par Bollerslev (1987) et
Taylor (1979). Ces modèles sont bien utilisés pour mesurer la volatilité des séries temporelles
financières macroéconomiques.

Dans cette partie, on va utiliser la spécification GARCH (1,1) pour décrire la volatilité des prix
des matières premières. Plus précisément, on va procéder au modèle univarié simple comme suit :

Um1 : Δ log (IPt)= β0+ I Δ log (IPt-i)+ β1 σ2ӆ,t+ Ԑt

Um2 : Δ log(IPt)= β0+ I Δ log (IPt-i)+ β1 σ2ӆ,t + β2 σ2ec,t+ Ԑt

Um3 : Δ log (IPt)= β0+ I Δ log (IPt-i)+ β1 σ2ӆ,t+ β2 σ2nec,t+Ԑt

Um1, um2, um3 désignent les modèles univariés 1,2 et 3, σ 2ӆ,t ( volatilité GARCH) est la variance
conditionnelle de l'inflation qui est estimé du modèle GARCH, σ 2ec,t, σ2nec,t sont les variances
conditionnelles de la variation des prix des matières premières énergétiques et la variation des
matières premières non énergétiques respectivement.

Dans le modèle 1, on teste si l'incertitude de l'inflation affecte la production. Dans le modèle 2 on

inclut la volatilité des prix des matières premières énergétiques pour examiner si l'incertitude des
prix des ces matières a une information supplémentaire sur l'effet de l'incertitude de l'inflation sur
la croissance de la production. La même chose pour l'incertitude des prix des matières premières
non énergétiques dans le modèle 3.

Les résultats d'estimation des trois modèles sont présentés dans les tableaux qui suivent.
Friedman (1977) insiste que l'incertitude de l'inflation diminue la croissance de la production par
ce qu'elle décourage les contrats de salaire de long terme et d'autres contrats économiques liés à
l'inflation. Alors, on attend un signe négatif dans nos estimations.

Tableau 7 : Résultats d'estimation du modèle univarié : Algérie (Janvier 1974- Novembre
2016)

modèles Equation de la moyenne

 β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 0.0662 -0.2783 -10.5085 -4.3533 -1.9620 -3.0766 0.2258 6.2152

(0.9472) (0.7808) (0.0000) (0.0000) (0.0498) (0.0021)

Modèle2 1.3502 -0.1774 -3.0975 -9.1461 -4.6207 -2.1452 -2.9891 0.3866 5.8671

(0.1769) (0.8591) (0.0020) (0.0000) (0.0000) (0.0314) (0.0028)

Modèle3 0.8801 -0.2752 -2.5517 -9.2026 -4.1787 -2.1635 -2.9544 0.4045 5.8564

(0.3788) (0.7831) (0.0107) (0.0000) (0.0000) (0.0305) (0.0031)

modèles Equation de la variance

ω α β

Modèle1 2.7576 4.0156 6.8509

(0.0058) (0.0001) (0.0000)

Modèle2 1.1565 1.7436 5.4577

(0.2475) (0.1812) (0.0000)

Modèle3 0.9929 1.4788) 4.5871

(0.3258) 0.1392) (0.0000)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
Modèle1 2.3177 24.872 1.1696 0.2724 4.1991 409.7470 0.5126 1.7632
1.3323)
(0.678) (0.002) (0.680) (0.992) (0.839) (0.0000) (0.8472) (0.0515)
(0.248)
Modèle2 6.6706 13.229 (0.6480) 0.9890 1.9846 201.4713 0.2379 1.2615
0.8069
(0.154) (0.104) (0.421) (0.911) (0.981) (0.0000) (0.9834) (0.2414)
(0.369)
Modèle3 6.7948 13.670 0.8467 1.3026 1.9353 263.2971 0.2238 1.3701
1.2072
(0.147) (0.091) (0.357) (0.861) (0.983) (0.0000) (0.9864) (0.1795)
(0.272)

Tableau8 : Résultats d'estimation du modèle univarié : Iran (Janvier 1970- Décembre 2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC
 Modèle1 0.2050 -0.2375 -10.5837 -2.3614 -0.6594 -2.4278 -0.1337 6.9712

(0.8376) (0.8123) (0.0000) (0.0182) (0.5096) (0.0152)

Modèle2 0.6938 -0.3380 -0.7019 -10.0012 -1.3514 0.5851 -1.3205 0.2981 5.8428

(0.4878) (0.7354) (0.4827) (0.0000) (0.1765) (0.5584) (0.1866)

Modèle3 1.3057 -0.4911 -1.4818 -10.6075 -2.0508 1.2534 -0.7958 0.2991 5.8202

(0.1916) (0.6233) (0.1384) (0.0000) (0.0403) (0.2101) (0.4261)

modèles Equation de la variance

ω α β

Modèle1 2.3516 12.0476 154.0997

(0.0187) (0.0000) (0.0000)

Modèle2 0.4484 0.8384 6.5635

(0.6538) (0.4018) (0.0000)

Modèle3 4.8020 2.4356 -2.4634

(0.0000) (0.0149) (0.0138)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
Modèle1 5.9744 16.697 0.0067 73.536 75.294 3390.659 13.0710 8.6609
3.4492
(0.063) (0.201) (0.033) (0.935) (0.000) (0.000) (0.0000) (0.0000) (0.0000)

Modèle2 5.8924 27.048 2.3286 5.2711 6.3457 20.3739 0.8647 4.3157

0.3419
(0.207) (0.001) (0.127) (0.261) (0.609) (0.0000) (0.5468) (0.0000)
(0.559)
Modèle3 3.8684 27.785 0.0030 1.9037 3.2308 12.6345 0.4265 3.4957
0.5178
(0.424) (0.001) (0.956) (0.753) (0.919) (0.0018) (0.9047) (0.0001)
(0.472)

Tableau 9 : Résultats d'estimation du modèle univarié : Iraq (Janvier 2007- Décembre 2015)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 1.8753 -0.4580 -6.7699 -3.0138 -1.2367 -1.0615 0.3480 6.4848

 (0.0607) (0.6469) (0.0000) (0.0026) (0.2162) (0.2884)

Modèle2 1.8748 -0.2720 -0.7221 -6.7862 -3.1614 -1.3374 -1.0837 0.3535 6.4992

(0.0608) (0.7856) (0.4702) (0.0000) (0.0016) (0.1811) (0.2785)

Modèle3 1.7205 -0.4499 -0.0720 -6.6335 -2.9537 -1.2206 -1.0666 0.3485 6.5035

(0.0853) (0.6527) (0.9426) (0.0000) (0.0031) (0.2222) (0.2861)

modèles Equation de la variance

ω α β

Modèle1 0.6675 0.7100 1.2872

(0.5044) (0.4777) (0.1980)

Modèle2 0.6167 0.6732 1.2259

(0.5374) (0.5008) (0.2202)

Modèle3 0.6573 0.6998 1.2706

(0.5110) (0.4840) (0.2039)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
Modèle1 0.6362 13.508 0.4060 3.4435 5.8176 1.5709 0.6324 0.3734
0.0510
(0.821) (0.959) (0.096) (0.524) (0.487) (0.668) (0.4559) (0.7485) (0.9694)
0.0065
Modèle2 0.8574 13.066 0.3341 3.4659 5.1137 1.3211 0.6552 0.4059
(0.936)
(0.931) (0.110) (0.563) (0.483) (0.657) (0.5165) (0.7292) (0.9575)

Modèle3 0.0478 0.6303 13.449 0.4035 3.3992 5.6676 1.5543 0.6179 0.3693
(0.827)
(0.960) (0.097) (0.525) (0.413) (0.684) (0.4597) (0.7607) (0.9707)

Tableau 10 : Résultats d'estimation du modèle univarié : Koweit ( Janvier 1973- Décembre
2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -1.1855 2.0178 -0.9146 -0.0016 7.8376

(0.2358) (0.0436) (0.3604)

 Modèle2 1.2984 1.4118 -3.1104 -10.4168 0.1826 6.1994

(0.1941) (0.1580) (0.0019) (0.0000)

Modèle3 1.0174 0.4120 -4.0664 -9.5928 -0.3428 6.4017

(0.3089) (0.6803) (0.0000) (0.0000)

modèles Equation de la variance

ω α β

Modèle1 1.2549 8.3360 20.8697

(0.2095) (0.0000) (0.0000)

Modèle2 2.7807 0.2701 19.7784

(0.0054) (0.7870) (0.0000)

Modèle3 8.1702 5.6884 -0.5787

(0.0000) (0.0000) (0.5629)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
11.413
Modèle1 12.181 18.308 0.0482 0.1801 0.2583 68350.91 0.0324 0.0226
(0.001)
(0.016) (0.019) (0.826) (0.996) (1.000) (0.0000) (1.0000) (1.0000)
1.8093
Modèle2 7.2947 35.451 3.8283 5.8663 9.2204 155.9951 1.0624 3.3574
(0.179)
(0.121) (0.000) (0.050) (0.209) (0.324) (0.0000) (0.3897) (0.0001)

Modèle3 0.0070 4.8600 33.895 1.9131 4.1180 7.6822 73.4054 1.1243 5.0750
(0.933)
(0.302) (0.000) (0.167) (0.390) (0.465) (0.0000) (0.3466) (0.0000)

Tableau 11 : Résultats d'estimation du modèle univarié : Lybie ( Janvier 1970- Mai 2014)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -2.4248 0.4085 -12.5783 -0.3030 2.5847 -1.2914 -0.4419 7.0989

(0.0153) (0.6829) (0.0000) (0.7619) (0.0097) (0.1966)

Modèle2 1.2930 1.6998 -3.5526 -16.7298 -4.3994 -2.5572 -0.0629 -1.4229 6.7510

(0.1960) (0.0892) (0.0004) (0.0000) (0.0000) (0.0105) (0.9498)

 Modèle3 0.7088 1.6204 -3.6075 -17.6544 -5.2803 -2.6982 -0.3477 -1.5686 6.7099

(0.4784) (0.1051) (0.0003) (0.0000) (0.0000) (0.0070) (0.7280)

modèles Equation de la variance

ω α β

Modèle1 5.1333 17.6314 10.5935

(0.0000) (0.0000) (0.0000)

Modèle2 4.6283 12.3005 0.7389

(0.0000) (0.0000) (0.4599)

Modèle3 5.7550 13.1000 0.0767

(0.0000) (0.0000) (0.9388)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
Modèle1 13.547 16.232 20.059 21.583 27.504 1362.408 3.2998 2.6876
13.086
(0.000) (0.009) (0.039) (0.000) (0.000) (0.001) (0.0000) (0.0011) (0.0016)

Modèle2 8.3234 13.392 6.1917 7.8178 17.247 378.8344 1.9698 1.9210

4.4340 (0.080) (0.099) (0.013) (0.098) (0.028) (0.0000) (0.0507) (0.0326)

Modèle3 (0.035) 8.8791 13.181 2.9801 4.7745 11.993 370.2753 1.3034 1.7351

(0.064) (0.106) (0.084) (0.311) (0.152) (0.0000) (0.2418) (0.0598)

5.2874
(0.021)

Tableau 12 : Résultats d'estimation du modèle univarié : Oman ( Janvier 2001- Octobre
2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 1.4134 -1.8807 -10.4612 -5.3279 0.5320 5.3760

(0.1575) (0.0600) (0.0000) (0.0000)

Modèle2 1.1714 -1.8814 -0.3177 -10.4852 -5.3707 0.5322 5.3860

(0.2414) (0.0599) (0.7507) (0.0000) (0.0000)

 Modèle3 0.5756 -1.5821 0.7712 -10.4222 -5.3006 0.5319 5.3835

(0.5649) (0.1136) (0.4405) (0.0000) (0.0000)

modèles Equation de la variance

ω α β

Modèle1 1.6963 -2.0514 4.4793

(0.0898) (0.0402) (0.0000)

Modèle2 1.6941 -2.0197 4.4472

(0.0902) (0.0434) (0.0000)

Modèle3 1.6644 -2.0708 4.0452

(0.0960) (0.0384) (0.0001)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
0.6943
Modèle1 4.5159 31.562 0.0060 1.3840 2.7503 58.3901 0.2955 4.5459
(0.405)
(0.341) (0.000) (0.938) (0.847) (0.949) (0.0000) (0.9667) (0.0000)
0.6838
Modèle2 4.6658 31.358 0.0053 1.3063 2.6801 57.9300 0.2867 4.5415
(0.408)
(0.323) (0.000) (0.942) (0.860) (0.953) (0.0000) (0.9697) (0.0000)

Modèle3 0.7834 4.4658 31.867 0.0261 1.5360 2.9274 59.0259 0.3142 4.5011
(0.376)
(0.347) (0.000) (0.872) (0.820) (0.939) (0.0000) (0.9599) (0.0000)

Tableau 13 : Résultats d'estimation du modèle univarié : Qatar ( Décembre 2002-

Décembre 2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -0.9635 0.9196 -8.4690 -3.0495 -1.1842 -2.3465 0.4581 5.8191

(0.3353) (0.3577) (0.0000) (0.0023) (0.2363) (0.0189)

Modèle2 1.2399 0.8320 -2.8623 -12.6439 -4.8678 -1.9174 -2.8492 0.4912 5.7641

(0.2150) (0.4054) (0.0042) (0.0000) (0.0000) (0.0552) (0.0044)

Modèle3 1.2405 -0.0719 -3.1920 -11.2296 -4.4183 -1.9834 -3.3277 0.4901 5.7674
 (0.2148) (0.9426) (0.0014) (0.0000) (0.0000) (0.0473) (0.0009)

modèles Equation de la variance

ω α β

Modèle1 0.8633 0.6279 0.7141

(0.3879) (0.5301) (0.4751)

Modèle2 1.0568 -0.6601 1.1235

(0.2906) (0.5092) (0.2612)

Modèle3 1.3254 -0.5577 1.1145

(0.1850) (0.5770) (0.2650)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
0.1317
Modèle1 0.5642 9.3641 0.0122 1.1865 3.1918 61.3455 0.3878 2.9466
(0.717)
(0.967) (0.313) (0.912) (0.880) (0.922) (0.0000) (0.9258) (0.0011)
0.2470
Modèle2 1.0683 8.8523 0.0333 0.7683 2.6215 61.3488 0.3282 3.9702
(0.619)
(0.899) (0.355) (0.855) (0.943) (0.956) (0.0000) (0.9541) (0.0000)

Modèle3 0.3313 0.4974 8.7871 0.0673 0.6874 3.8154 44.6094 0.5039 1.9135
(0.565)
(0.974) (0.361) (0.795) (0.953) (0.873) (0.0000) (0.8519) (0.0373)

Tableau 14 : Résultats d'estimation du modèle univarié : Arabie Saoudite (Février 1980- Décembre
2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -0.9403 0.0972 -8.6109 -0.0474 6.5217

(0.3470) (0.9225) (0.0000)

Modèle2 2.2473 -0.4269 -2.3334 -12.5066 0.3062 5.8045

(0.0246) (0.6694) (0.0196) (0.0000)

Modèle3 1.6455 -0.0465 -1.9037 -12.6924 0.2815 5.8381

(0.0998) (0.9629) (0.0569) (0.0000)

 modèles Equation de la variance
ω α β

Modèle1 6.0356 7.4434 8.8346

(0.0000) (0.0000) (0.0000)

Modèle2 1.1012 -1.6550 6.4799

(0.2708) (0.0979) (0.0000)

Modèle3 1.5057 -1.9691 8.1547

(0.1321) (0.0489) (0.0000)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
1.8458
Modèle1 3.3158 26.782 0.1765 4.2972 8.5103 176.8774 1.1786 1.9956
(0.174)
(0.506) (0.001) (0.674) (0.367) (0.385) (0.0000) (0.3103) (0.0233)
2.8470
Modèle2 8.3306 50.915 2.9612 7.6364 13.088 49.1605 1.5729 7.7481
(0.092)
(0.080) (0.000) (0.085) (0.106) (0.109) (0.0000) (0.1326) (0.0000)

Modèle3 2.1559 7.4918 48.987 4.6727 9.3984 15.362 47.9418 1.9455 7.9343
(0.142)
(0.112) (0.000) (0.031) (0.052) (0.052) (0.0000) (0.0532) (0.0000)

Tableau 15 : Résultats d'estimation du modèle univarié : Tunisie (Juillet 1987- Aout 2005)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -0.4960 0.0491 -7.2628 -2.5827 -2.5377 -3.1525 0.2172 6.2596

(0.6198) (0.9608) (0.0000) (0.0098) (0.0112) (0.0016)

Modèle2 0.5877 -1.2379 0.1685 -6.0660 -2.5428 -2.4001 -2.9451 0.2343 6.3006

(0.5567) (0.2157) (0.8661) (0.0000) (0.0110) (0.0164) (0.0032)

Modèle3 -1.8114 0.6999 2.1029 -6.7747 -3.0501 -2.2338 -2.2760 0.2473 6.2886

(0.0701) (0.4840) (0.0355) (0.0000) (0.0023) (0.0255) (0.0228)

 modèles Equation de la variance
ω α β

Modèle1 1.8806 1.3223 20.0886

(0.0600) (0.1860) (0.0000)

Modèle2 0.4061 1.5418 21.6272

(0.6846) (0.1231) (0.0000)

Modèle3 0.5826 1.5751 17.8233

(0.5601) (0.1152) (0.0000)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
Modèle1 0.2998 1.7612 0.0381 1.3755 4.8312 4.0276 0.5578 1.2537
0.0194
(0.889) (0.990) (0.987) (0.845) (0.848) (0.775) (0.1334) (0.8115) (0.2493)

Modèle2 1.3637 3.2324 0.0051 2.2262 5.7583 1.3057 0.6150 0.9777

0.0004 (0.850) (0.919) (0.943) (0.694) (0.674) (0.5205) (0.7642) (0.4731)

Modèle3 (0.985) 1.3691 3.3098 0.2413 2.6186 5.0730 1.3748 0.5396 1.1683

(0.850) (0.913) (0.623) (0.624) (0.750) (0.5028) (0.8252) (0.3108)

0.0453
(0.832)

Tableau 16 : Résultats d'estimation du modèle univarié : Emirats Arabes (Janvier 2007 - Aout 2016)

modèles Equation de la moyenne

β0 β1 β2 β3 ɸ1 ɸ2 ɸ3 ɸ4 R2 AIC

Modèle1 -0.6278 0.8992 -2861.691 0.2890 6.1565

(0.5301) (0.3685) (0.0000)

Modèle2 -0.7968 5.6297 -9.1482 -673.4420 0.3668 6.1080

(0.4255) (0.0000) (0.0000) (0.0000)

Modèle3 -1.5255 3.5832 -3.4929 -8.3122 0.3207 6.1568

(0.1271) (0.0003) (0.0005) (0.0000)

modèles Equation de la variance

 ω α β

Modèle1 1.6326 -3.8363 44.7844

(0.1025) (0.0001) (0.0000)

Modèle2 0.6482 -3.1323 35.9725

(0.5168) (0.0017) (0.0000)

Modèle3 1.0884 -3.6242 29.0845

(0.2764) (0.0003) (0.0000)

Modèles Diagnostique des résiduelles de l'équation de l'outpout

Q1 Q4 Q8 Q12 Q42 Q82 J.B ARCH(8) ARCH(12)
1.0657
Modèle1 3.2312 9.0902 1.1634 4.9969 11.657 7.5015 2.1081 3.2139
(0.302)
(0.520) (0.335) (0.281) (0.288) (0.167) (0.0234) (0.0420) (0.0007)
2.6581
Modèle2 8.8197 12.564 0.3492 3.5570 8.8384 4.1108 1.3152 1.9533
(0.103)
(0.066) (0.128) (0.555) (0.469) (0.356) (0.1280) (0.2449) (0.0381)

Modèle3 1.6249 5.7921 10.908 1.1278 4.3689 10.577 6.7799 1.8091 3.3868
(0.202)
(0.215) (0.207) (0.288) (0.358) (0.227) (0.0337) (0.0843) (0.0004)

Les résultats de l'estimation du modèle 1 montrent que seulement dans quatre pays parmi dix , la
volatilité de l'inflation a un effet négatif sur la croissance économique et le coefficient estimé est
statistiquement significatif seulement au Koweit. Alors, l'incertitude de l'inflation dans la plupart
des pays n'a pas un effet statistique significatif sur la croissance économique.

Les résultats d'estimation du modèle 2 sont plus consistants. A l'exception de la Tunisie, le

coefficient estimé de la volatilité des prix des matières premières énergétiques est négatif et il est
statistiquement significatif dans l'Algérie, Koweit, Lybie, Qatar, Arabie Saoudite, et Emirats
Arabes Unis. Il est évident que l'incertitude des prix des matières premières énergétiques des ces
pays exportateurs de pétrole a un effet négatif sur la croissance économique du pays.

Les résultats d'estimation du modèle 3 sont similaires à ceux du modèle 2. Huit pays ont un
coefficient négatif de la volatilité des prix des matières premières non énergétiques et il est
statistiquement significatif dans l'Algérie, Koweit, Qatar, Lybie, Arabie Saoudite, Tunisie et
Emirats Arabes Unis. Il est intéressent de montrer que six pays MENA souffrent de l'incertitude
de la volatilité des prix des matières premières non énergétiques.
En conclusion, les résultats d'estimation du modèle univarié simple indiquent que la volatilité des
prix des matières premières a un effet négatif sur la croissance de la production et que la volatilité
des prix des matières premières énergétiques et non énergétiques compte beaucoup dans la
croissance économique. L'analyse multivarié confirme t-il ces résultats ou ils l'infirme ? C’est ce
qu'on va voir dans la section suivante.