Ecop 158 0123

COINTÉGRATION FRACTIONNAIRE ENTRE LA CONSOMMATION ET
LE REVENU
Sandrine Lardic et Valérie Mignon
La Doc. française | Economie & prévision
2003/2 - no 158
pages 123 à 142
ISSN 0249-4744
Article disponible en ligne à l'adresse:

--------------------------------------------------------------------------------------------------------------------
http://www.cairn.info/revue-economie-et-prevision-2003-2-page-123.htm
--------------------------------------------------------------------------------------------------------------------
Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Pour citer cet article :
--------------------------------------------------------------------------------------------------------------------
Lardic Sandrine et Mignon Valérie, « Cointégration fractionnaire entre la consommation et le revenu »,
Economie & prévision, 2003/2 no 158, p. 123-142.
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour La Doc. française.

© La Doc. française. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des
conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la licence souscrite par votre
établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque forme et de quelque manière que
ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en
France. Il est précisé que son stockage dans une base de données est également interdit.
Cointégration fractionnaire entre
la consommation et le revenu
Sandrine Lardic(*)
Valérie Mignon(**)
L’objet de cet article est de tester l’existence d’une relation stable de long terme entre la consommation
et le revenu. À cette fin, nous dépassons la notion usuelle de cointégration en ayant recours au concept
de cointégration fractionnaire. Alors que les tests usuels font ressortir l’absence de cointégration entre
la consommation et le revenu pour les cinq pays considérés (France, Allemagne, Royaume-Uni,
États-Unis et Canada), nos résultats mettent en avant la présence de cointégration fractionnaire entre
les deux variables pour l’Allemagne, la France et le Royaume-Uni. Cette conclusion montre que la
consommation et le revenu évoluent ensemble à long terme, même si un écart relativement durable peut
exister entre les deux variables à plus court terme.
(*) MODEM, Université Paris X - Nanterre.

E-mail : Sandrine.Lardic@u-paris10.fr.
(**) THEMA, Université Paris X - Nanterre.
E-mail : Valerie.Mignon@u-paris10.fr.
Les auteurs remercient les deux rapporteurs anonymes dont les remarques ont permis d’améliorer la version initiale de ce texte.
Économie et Prévision n°158 2003-2
123
Les études sur le comportement de consommation des ménages se sont fortement développées au cours des
années 80(1). L’origine d’un tel engouement est sans aucun doute liée à l’analyse de la répartition entre la
consommation courante et l’épargne, cette dernière étant considérée comme une consommation différée. La
majorité des travaux appliqués porte ainsi sur le lien entre la consommation et le revenu. On peut notamment
citer, parmi les études récentes en français, les travaux de Bloch et Maurel (1991), Jobert (1995) ou encore
Bonnet et Dubois (1995). Une telle relation entre consommation et revenu est importante non seulement pour la
mise en oeuvre de politiques économiques, mais aussi pour comprendre la façon dont les ménages effectuent
leurs plans de consommation.
L’étude de la fonction de consommation a notamment connu un regain d’intérêt à la suite des travaux de Hall
(1978) prolongeant les travaux de Friedman (1957) sur le revenu permanent. Le modèle de revenu permanent
présente l’intérêt de situer les consommateurs dans une perspective intertemporelle : la consommation n’est plus
uniquement fonction du revenu courant mais également de la somme actualisée des anticipations de revenus.
L’apport de Hall, par rapport à la théorie originelle de Friedman qui considérait ces anticipations comme
adaptatives, est de supposer que les anticipations des agents sont rationnelles.
Une des implications fondamentales du modèle de revenu permanent avec anticipations rationnelles concerne
l’existence d’une relation stable à long terme entre la consommation et le revenu(2). En d’autres termes, la
consommation et le revenu doivent être cointégrés ; l’idée sous-jacente étant qu’il ne doit pas y avoir de
divergence entre les deux variables à long terme. Stipuler que la consommation et le revenu doivent être
cointégrés revient à affirmer que le résidu de la relation de cointégration, à savoir l’épargne(3), doit être
stationnaire (voir Campbell, 1987).
Nous proposons ici une étude descriptive détaillée de cette implication du modèle de revenu permanent avec
anticipations rationnelles pour la France, le Royaume-Uni, le Canada, les États Unis et l’Allemagne(4). Les tests
de l’existence d’une relation stable entre la consommation et le revenu – ou de manière équivalente les tests
relatifs à la stationnarité de l’épargne – ont fait l’objet d’un grand nombre d’études (voir notamment en France les
travaux de Bloch et Maurel, 1991 ou Jobert, 1995). Cependant, les résultats obtenus sont loin d’être unanimes.
Ainsi, Jobert (1995) trouve que l’épargne est non stationnaire mais qu’elle peut être rendue stationnaire dès lors
que l’on introduit la possibilité d’une tendance segmentée. Bloch et Maurel (1991) montrent que l’épargne est
non stationnaire, mais qu’il est possible d’obtenir une relation de cointégration entre la consommation et le
revenu si l’on tient compte d’une tendance déterministe. De même, Bonnet et Dubois (1995) trouvent qu’il
n’existe pas de relation de cointégration entre la consommation et le revenu en France, mais qu’une telle relation
apparaît dès lors que l’on impose une élasticité de long terme unitaire de la consommation par rapport au revenu.
À l’inverse, Allard (1992) met en évidence l’existence d’une relation de cointégration entre la consommation et
le revenu pour la France, mais rejette l’hypothèse d’élasticité unitaire de la consommation par rapport au revenu.
En imposant une élasticité unitaire, l’auteur montre que les résidus de la relation de long terme deviennent alors

non stationnaires. Il nous semble que toutes ces ambiguïtés et ce manque de conclusion tranchée peuvent être dus
au fait que le concept usuel de cointégration est trop restrictif. Le cas le plus fréquemment traité est celui de séries
intégrées d’ordre 1. De façon heuristique, nous savons que deux séries intégrées d’ordre 1 sont cointégrées s’il
existe une combinaison linéaire stationnaire de ces deux variables. En d’autres termes, l’erreur d’équilibre doit
être intégrée d’ordre 0. Cette hypothèse est selon nous trop restrictive et quelque peu ad hoc. C’est pourquoi,
nous nous proposons de nous référer au concept de cointégration fractionnaire. Cette notion est liée à celle
d’intégration fractionnaire faisant référence à la propriété de mémoire longue des séries temporelles (voir
Granger et Joyeux, 1980, et Hosking, 1981). Dans ces conditions, l’ordre d’intégration du terme à correction
d’erreur n’est plus nécessairement 0 ou 1, mais peut être un réel : le résidu de la relation statique entre
consommation et revenu peut être fractionnairement intégré. Ceci permet d’obtenir une plus grande variété de
comportements de retour vers la moyenne (voir notamment Chou et Shih, 1997). Plus précisément, un terme à
correction d’erreur fractionnairement intégré implique l’existence d’une relation d’équilibre de long terme entre
la consommation et le revenu et n’a donc pas nécessairement besoin d’être intégré d’ordre 0. En conséquence, si
le terme à correction d’erreur est fractionnairement intégré, alors il existe une relation de cointégration
fractionnaire (c’est-à-dire une relation d’équilibre) entre la consommation et le revenu.
Après avoir étudié dans une première partie les fondements des concepts de mémoire longue et de cointégration
fractionnaire, nous analyserons dans une deuxième partie les principales propriétés statistiques des séries
macroéconomiques retenues. La dernière partie aura alors pour objet de tester l’existence d’une relation de
cointégration fractionnaire entre la consommation et le revenu dans les différents pays considérés.
124
Cointégration fractionnaire
Nous commencerons par présenter de façon générale le concept de cointégration fractionnaire avant d’exposer
les divers tests permettant d’appréhender l’existence d’une telle relation. Nous terminerons cette partie en
mettant en évidence certaines implications économiques de la cointégration fractionnaire entre la
consommation et le revenu vis-à-vis de la théorie du revenu permanent.
Définitions
Si l’on admet qu’il existe une relation stable à long terme entre la consommation et le revenu, alors ces deux
variables doivent être cointégrées. Rappelons à cet égard que les N composantes d’un vecteur X t sont dites
cointégrées à l’ordre (D, b) avec 0< b ≤ D si toutes les composantes de X t sont intégrées d’ordre D et s’il existe
un vecteur α (α ≠ 0) de taille ( N, 1) tel que z t = α' X t est intégré d’ordre d = D − b. Ce vecteur α est appelé le
vecteur de cointégration.
Dans cette définition, D et b sont des entiers. Le cas le plus fréquemment étudié correspond à D = b =1. Ainsi, si la
consommation et le revenu ne sont pas cointégrés, cela signifie que le résidu de la relation de cointégration,
c’est-à-dire l’épargne, n’est pas stationnaire. En d’autres termes, l’écart entre la consommation et le revenu dure
indéfiniment, ce qui remet bien évidemment en cause l’hypothèse de revenu permanent avec anticipations
rationnelles.
Cependant, la restriction au cas de résidu intégré d’ordre 0 (relation stationnaire) et de résidu intégré d’ordre 1
(relation non stationnaire) peut paraître arbitraire. Pour s’en convaincre, il suffit de se référer au concept de
mémoire longue et plus spécifiquement aux processus ARFIMA (Auto Regressive Fractionally Integrated
Moving Average)(5). Ces processus constituent une extension des processus ARIMA(p,d,q) dans lesquels le
paramètre de différenciation d peut prendre des valeurs non entières.
Rappelons qu’un processus stationnaire z t suit un processus ARFIMA(p,d,q) si :
(1) Φ ( L)(1 − L) z t = Θ( L)ε t

d
où Φ ( L) et Θ( L) sont les polynômes retards autorégressif et moyenne mobile, ε t est un bruit blanc, L est
(
l’opérateur retard Lp X t = X t − p pour p ∈ N )

et :
d (1 − d ) d (1 − d )(2 − d )
(2) (1 − L) = 1 − dL −
d
L2 − L3 −...
2! 3!
1 1
Les processus ARFIMA(p,d,q) sont stationnaires et inversibles lorsque − < d < . Ces processus sont en outre
2 2
1
caractérisés, pour 0 < d < , par une fonction d’autocorrélation qui décroît hyperboliquement lorsque le retard
2
augmente et par une densité spectrale non limitée à la fréquence zéro. Pour cette raison, les processus ARFIMA
sont qualifiés de processus à mémoire longue. Plus précisément, il est possible de dresser une typologie des
séries temporelles en fonction de la valeur du paramètre d’intégration fractionnaire d :
1
– si 0 < d < , le processus est persistant : les autocorrélations sont positives et décroissent à un taux
2
hyperbolique. La densité spectrale exhibe un pôle à la fréquence zéro ;
1
– si − < d < 0 , le processus est anti-persistant : les autocorrélations alternent de signe et la densité spectrale est
2
dominée par les composantes de hautes fréquences ;
– si d = 0, le processus ARFIMA(p,0,q) se réduit au processus ARMA(p,q) et exhibe uniquement une mémoire de
court terme.
125
Notons enfin que les processus ARFIMA prennent simultanément en compte les comportements de court et long
termes des séries. Le comportement de court terme est décrit par les paramètres autorégressif et de moyenne
mobile usuels alors que le comportement de long terme est pris en compte par le paramètre d’intégration
fractionnaire.
Ainsi, de la même façon que les processus ARIMApeuvent être généralisés au travers des processus ARFIMA, il
est possible d’étendre le concept de cointégration au cas fractionnaire. L’idée est alors que la consommation et le
revenu sont fractionnairement cointégrés, de sorte que les résidus de la relation de cointégration suivent un
processus ARFIMA. Cette notion de cointégration fractionnaire, introduite par Granger (1986), nous paraît
importante d’un point de vue économique puisqu’elle a pour conséquence l’existence d’une relation d’équilibre
de long terme. En effet dans ce cas, les erreurs tendent à retourner vers la moyenne, même si ce retour ne
s’effectue qu’après un temps relativement long. En ce sens, les alternatives de résidus intégrés d’ordre 0
(cointégration) et intégrés d’ordre 1 (absence de cointégration) sont trop restrictives. Pour que le processus
d’erreurs exhibe un comportement de retour à la moyenne, il n’est pas nécessaire qu’il soit intégré d’ordre 0 : les
processus à mémoire longue, tels que les processus ARFIMA, affichent également un tel comportement. En
outre, les processus ARFIMA incluent le cas d = 1 comme cas particulier : alors que l’effet d’un choc persiste à
l’infini dans le cas d’un processus intégré d’ordre 1, il s’élimine, même lentement, pour un processus intégré
1 1
d’ordre d, avec − < d < 1. Ainsi, si le terme à correction d’erreur est intégré d’ordre d avec − < d < 1, les écarts à
2 2
l’équilibre sont persistants mais la fonction de réponse cumulée d’un choc sur le système est nulle à un horizon
infini. En résumé, si la consommation et le revenu sont fractionnairement cointégrés, alors il existe une relation
stable de long terme entre ces deux variables, ce qui reste cohérent avec l’hypothèse de revenu permanent sous
anticipations rationnelles.
En reprenant les notations précédemment introduites lors de la définition de la notion de cointégration, nous
dirons que les N composantes du vecteur X t sont fractionnairement cointégrées si le terme à correction d’erreur
z t est fractionnairement intégré. Le cas qui nous intéresse ici est celui où l’hypothèse de non stationnarité de
chaque série de consommation et de revenu ne peut être rejetée mais où le terme d’erreur est trouvé intégré
d’ordre (1 - b) avec b positif et non entier.
Notons que Granger (1986) a montré qu’un système fractionnairement cointégré pouvait être représenté sous
une forme à correction d’erreur du type :
(3) Ψ( L)(1 − L) X t = −γ 1 − (1 − L)
 (1 − L) z t + c( L)ε t
D b D −b
où Ψ( L) est une matrice polynomiale en L, Ψ(0) étant la matrice identité, c (L) est un polynôme fini en L et ε t est

un bruit blanc.
La recherche de cointégration fractionnaire nécessite de tester l’intégration fractionnaire du terme d’erreur.

Nous nous proposons donc de présenter ci-après les différents tests employés.
Tests de cointégration fractionnaire

Notons tout d’abord que, comme l’ont notamment montré Diebold et Rudebusch (1991), les tests de racine
unitaire sont très peu puissants face aux alternatives fractionnaires. Cheung et Lai (1993) obtiennent également
un tel résultat lorsque l’hypothèse nulle testée est celle de racine unitaire dans le terme à correction d’erreur. Il
paraît donc important de présenter des statistiques de test ou des procédures d’estimation spécifiques au cas
d’intégration fractionnaire.
Tout comme les tests relatifs à la notion usuelle de cointégration, deux approches peuvent être distinguées pour
les tests de cointégration fractionnaire. La première approche consiste à spécifier et estimer un modèle
paramétrique et à appliquer ensuite un test de cointégration fractionnaire approprié. Une telle démarche a
notamment été retenue par Dueker et Startz (1997). La seconde approche a pour objet d’estimer la relation
statique entre la consommation et le revenu par les moindres carrés ordinaires et de tester l’hypothèse nulle de
racine unitaire dans la série des résidus estimés par le biais d’un test semi-paramétrique. Cette approche basée sur
des tests résiduels semi-paramétriques présente l’avantage de nécessiter l’estimation uniquement des
paramètres qui déterminent le comportement de long terme du système. Nous retiendrons donc une telle
approche ici.
126
Pour l’exposé des tests qui va suivre, considérons deux séries x t (le revenu) et y t (la consommation), toutes les
deux intégrées d’ordre 1. En d’autres termes, ∆ x t et ∆y t sont stationnaires. Ainsi que nous l’avons vu
précédemment, x t et y t sont fractionnairement cointégrées s’il existe une relation de cointégration(6) :
y t = α + βx t + z t
où z t est un processus fractionnairement intégré.
Les tests résiduels que nous allons maintenant présenter ont alors pour objet de tester l’hypothèse nulle :
H0 : x t et y t ne sont pas cointégrés, c’est-à-dire que z t est intégré d’ordre 1, pour tout α , β ∈ ℜ, contre
l’hypothèse alternative :
H1 : x t et y t sont cointégrés, c’est-à-dire que z t est intégré d’ordre d, avec d < 1.
Ces tests sont appliqués aux résidus estimés de la relation de long terme :
y t = α$ + β$ x t + z$ t
Analyses R/S et R/S modifiée

La statistique R/S se définit comme l’étendue (R) des sommes partielles des écarts d’une série temporelle à sa
moyenne divisée par son écart type (s T ). Cette statistique notée ici Q T , appliquée à la série ∆z$ t , est ainsi donnée
par :
 
( ) ( )
k k
1
(4) Q T = R / s T = 1/ 2
Max
1 ≤k ≤T ∑ ∆z$ j
− ∆z$ − Min
1 ≤k ≤T
∑ ∆z$ j − ∆z$ 
1   
∑ (∆z$ )
T 2 j =1 j =1
T j
− ∆z$ 
 j =1 
où ∆z$ est la moyenne arithmétique de ∆z$ t , t =1,..., T.
Cette statistique est asymptotiquement proportionnelle à T H (voir Hurst, 1951), où la constante H, 0< H< 1 est
appelée exposant de Hurst. L’exposant de Hurst est ainsi donné par(7) :
log Q T
(5) H ≅

log T
L’exposant de Hurst est particulièrement intéressant dans la mesure où sa valeur permet de classifier les séries
temporelles en fonction de leur structure de dépendance. En outre, en considérant les formulations des fonctions
d’autocovariance du bruit gaussien fractionnaire et des processus ARFIMA, il est possible d’établir une relation
entre l’exposant de Hurst et le paramètre d’intégration fractionnaire d, soit :
1
(6) d = H −
2
L’analyse R/S souffre cependant de deux inconvénients (voir Lo, 1991) : elle est très sensible à la dépendance de
court terme et sa distribution statistique est inconnue. Afin d’apporter une solution à ces deux problèmes, Lo
(1991) a créé une statistique, appelée statistique R/S modifiée, qui, tout en restant sensible à la mémoire longue,
est invariante sous une classe générale de processus à mémoire courte. La statistique R/S modifiée, notée Q mT ,
s’écrit :
 
( ) ( )
k k
1
(7) Q mT = R / s T ( q ) =  Max ∑ ∆z$ − ∆z$ − Min ∑ ∆z$ j − ∆z$ 
s T ( q ) 1 ≤k ≤T j =1
j
1 ≤k ≤T
j =1 
où :
 T 
(8) s T2 ( q ) =
1 T
(
∑ ∆z$ j − ∆z$ ) 2 q
∑ (
ω j ( q ) ∑ ∆z$ j − ∆z$ )(∆z$ )
2
+ i− j
− ∆z$ 
T j =1 T j =1  i = j +1 
127
avec
j
(9) ω j ( q ) = 1 − ,q< T
q +1
On constate que la statistique R/S modifiée diffère de la statistique R/S traditionnelle uniquement par son
dénominateur. En effet, ce dernier, en présence d’autocorrélation, ne représente plus seulement la somme des
variances des termes individuels mais inclue également les autocovariances pondérées en fonction des
décalages q(8). La distribution limite de la statistique R/S modifiée est connue (voir Lo, 1991) et il est alors
possible de tester l’hypothèse nulle de mémoire courte contre l’hypothèse alternative de mémoire longue
(intégration fractionnaire) du terme d’erreur.
Tests de cointégration fractionnaire basés sur l’estimation des processus ARFIMA

Nous ne détaillerons pas ici les diverses méthodes d’estimation des processus ARFIMA ; le lecteur intéressé
pourra se reporter à Lardic et Mignon (1999b). Nous ne ferons que rappeler les grandes lignes des deux
techniques que nous allons employer par la suite : la procédure de Geweke et Porter-Hudak (1983) et la méthode
du maximum de vraisemblance exact.
La méthode de Geweke et Porter-Hudak a pour objet d’estimer le paramètre d’intégration fractionnaire d$ du

terme d’erreur z$ t et de tester l’hypothèse d$ =1. Il convient cependant de bien faire la distinction entre d et d$ : d est
le paramètre d’intégration fractionnaire de l’erreur d’équilibre z t , alors que d$ est le paramètre d’intégration
fractionnaire des résidus z$ t issus de la régression statique estimée par les moindres carrés ordinaires. Dans la
mesure où la méthode des moindres carrés ordinaires tend à réduire la variance résiduelle, les résidus estimés ont
tendance à être biaisés vers la stationnarité en échantillon fini. On doit donc s’attendre à ce que d$ < d (voir
Dittmann, 2000).
La méthode de Geweke et Porter-Hudak (1983) est basée sur la forme de la densité spectrale de z t :
−2 d
(10) f (λ ) = 1 − e − iλ f u (λ )
où u t est un processus stationnaire et f u (λ ) est sa densité spectrale.
Si l’on prend le logarithme de l’expression ci-dessus, on obtient :


2  f u (λ ) 
(11) ln f (λ ) = ln f u (0) − d ln 1 − e − iλ + ln  
 f u (0) 
2πj
En remplaçantλ par la fréquence de Fourierλ j =
T
( )
(j = 0,...,T-1) et en ajoutant ln I λ j – le périodogramme de
la série z t – de part et d’autre de l’égalité, on obtient :
( )  + ln  f (λ ) 
I λj
( )
(12) ln I λ j = ln f u (0) − d ln 1 − e − iλj
2 u j
+ ln 
( )   f (0) 
 f λ j u
Si λ j est proche de zéro, le dernier terme est négligeable comparé aux autres termes à droite de l’égalité et l’on
peut alors estimer d en utilisant une simple équation de régression linéaire :
(13) Y j = a + bX j + υ j
( )
I λj
( )
2
où Y j = ln I λ j , X j = ln 1 − e − iλj , a = ln f u (0), b = −d , υ j = ln est asymptotiquement iid et
f (λ )
j
j = 1,2,...,m où m correspond aux ordonnées du périodogramme(9).
128
On estime alors simplement b et d par les moindres carrés, l’estimateur d$ étant fourni par(10) :
−1
m  m 
(14) d$ = − ∑ X j − X ( ) (
 ∑ X j − X )(Y )
2
j
−Y 
 j =1   j =1 
Geweke et Porter-Hudak (1983) montrent alors que, quand d< 0, la loi de l’estimateur d$ de d tend vers une loi
normale quand T tend vers l’infini :
  m 
−1

(15) d$ ~ N  d ,π 2 6∑ X j − X ( ) 
2
  
  j =1  
1
Robinson (1990, 1995) a par la suite prouvé la normalité asymptotique pour 0 < d < lorsque le processus
2
sous-jacent est gaussien.
La procédure de Geweke et Porter-Hudak (1983) est une procédure d’estimation en deux étapes. On commence
en effet par estimer dans une première étape le paramètre d’intégration fractionnaire avant d’appliquer, dans une
seconde étape, les méthodes usuelles des séries temporelles pour en déduire les paramètres autorégressif et de
moyenne mobile. Il existe cependant également des procédures d’estimation en une étape, comme la procédure
du maximum de vraisemblance exact proposée notamment par Sowell (1992a,b)(11). Ce dernier dérive la
fonction de vraisemblance non conditionnelle exacte pour une série temporelle gaussienne stationnaire à
intégration fractionnaire. Nous ne développerons pas ici toute la procédure relative à l’estimation par le
maximum de vraisemblance exact et renvoyons le lecteur aux travaux de Dahlhaus (1989) et Sowell (1992a).
Signalons simplement que cette procédure, malgré ses difficultés de mise en oeuvre(12), présente l’intérêt
d’utiliser toute l’information à court comme à long terme concernant le comportement des séries puisque sont
estimés simultanément les paramètres autorégressif, moyenne mobile et le paramètre de différenciation
fractionnaire d.
Distributions et valeurs critiques

Il est important de noter que les propriétés des tests précédemment présentés, en particulier la distribution
asymptotique sous l’hypothèse nulle, ne sont connues que si les vraies erreurs d’équilibre z t sont observables. Or
ce n’est pas le cas ici dans la mesure où les tests de cointégration fractionnaire sont appliqués sur les séries
résiduelles estimées par les moindres carrés ordinaires. En conséquence, le terme à correction d’erreur a

tendance à être biaisé en faveur de l’hypothèse de stationnarité entraînant ainsi un rejet trop fréquent de
l’hypothèse nulle d’absence de cointégration. Les simulations menées par Dittmann (2000) montrent en effet
que les densités associées aux tests de Geweke et Porter-Hudak (1983) et de Lo (1991) sont décalées vers la
gauche. En d’autres termes, les deux tests ont tendance à trouver moins de mémoire longue dans les résidus
estimés z$ t que dans les vraies erreurs d’équilibre z t . En conséquence, l’utilisation des valeurs critiques de la loi
normale centrée réduite pour le test de Geweke et Porter-Hudak et de celles tabulées par Lo (1991) pour l’analyse
R/S modifiée, conduit à rejeter trop souvent l’hypothèse nulle. Il convient donc d’utiliser d’autres valeurs
critiques.
Les valeurs critiques relatives aux tests de cointégration fractionnaire ont été tabulées par divers auteurs dont
Septhon (1993), Cheung et Lai (1993), Barkoulas et alii (1997) et Dittmann (2000) au moyen de simulations de
Monte Carlo. Nous renvoyons le lecteur à Dittmann (2000) pour les tables de valeurs critiques relatives aux tests
de Geweke et Porter-Hudak et de Lo, et à Dubois et alii (2000) pour la méthode du maximum de vraisemblance
exact.
Ces divers aspects économétriques étant présentés, précisons à présent les implications économiques de la
cointégration fractionnaire entre la consommation et le revenu du point de vue de la théorie du revenu permanent.
Cointégration fractionnaire et revenu permanent

À la suite de Hall (1978), considérons un agent qui maximise à la date t l’espérance de la somme des utilités
futures actualisées :
∞
E [ U (C t + i ) I t ]
1
(16) Max ∑
(1 + δ )
C t ,C t +1 ,... i
i= 0
129
où C t est la consommation de la date t, E[U (.) I t ] désigne l’opérateur d’espérance conditionnelle à l’ensemble
d’information disponible I t à la date t et δ est le taux de préférence pour le présent. La fonction d’utilitéU (.) est
supposée séparable dans le temps, croissante et concave.
Cette maximisation s’effectue sous la contrainte de revenu :

∞ ∞
i [ t+i t ]
E[Y t + i I t ]
1 1
(17) ∑ E C I =∑
(1 + r ) (1 + r )
i
i= 0 i= 0
où Y t est le revenu à la date t et r est le taux d’intérêt (supposé ici constant).
La résolution de ce modèle nous conduit à la relation suivante :

1+ r
[
(18) E U ' (C t + i I t ) = ] 1+δ
[
E U ' (C t + i +1 I t ) ]
Si l’on fait, pour simplifier, l’hypothèse supplémentaire selon laquelle l’utilité est quadratique, alors la relation
(18) devient :
1+ r
(19) E[C t + i I t ] = E[C t + i +1 I t ]
1+δ
1+ r
,λ = (1 + r ) et θ = (1 + δ ) .
−1 −1
Afin de simplifier les notations, posons µ =
1+δ
Supposons que le revenu soit intégré d’ordre 1 et vérifie le processus suivant :
(20) Y t +1 = Y t + ε t +1
où ε t est un bruit blanc.
En accord avec la théorie du cycle de vie, nous avons :
[ ] [
(21) E C tp+ i I t = E Y t p+ i I t ]

où C p désigne la consommation permanente et Y p le revenu permanent, soit :
∞
1
(22) C tp+ i = ∑ C t+i
(1 + r )
i
i= 0
et :
∞
1
(23) Y t p+ i = ∑ Yt + i
(1 + r )
i
i= 0
D’après (21), on a :
1−θ
(24) E[C t I t ] = E[Y t I t ]
1−λ
On en déduit donc que la consommation :

1−θ
(25) C t = Y t + z t +1
1−λ
est aussi intégrée d’ordre 1.
130
On suppose ici que le terme d’erreur z est tel que :
(26) E[ z t +1 I t ] = 0
ce qui revient à poser l’hypothèse d’anticipations rationnelles.
Si le terme d’erreur z de la relation statique entre la consommation et le revenu est fractionnairement intégré,
c’est-à-dire si la consommation et le revenu sont fractionnairement cointégrés, alors E[ z t +1 I t ] ≠ 0 . En effet,
dans ce cas, E[ z t +1 I t ] est une fonction des valeurs passées de ε t . Ce résultat peut alors être interprété de deux
façons. En premier lieu, il peut signifier que l’hypothèse d’anticipations rationnelles n’est pas vérifiée. En
second lieu, on peut se placer d’un point de vue alternatif en admettant que l’hypothèse d’anticipations
rationnelles est vérifiée, mais que les erreurs passées sont incluses dans l’ensemble d’information. Celles-ci ne
figurant pas dans les anticipations de revenu, la théorie du revenu permanent est incomplète au sens où il existe
des variables omises.
Ainsi, outre l’existence d’une relation stable de long terme entre la consommation et le revenu, la présence de
cointégration fractionnaire entre les deux variables a également d’importantes implications du point de vue de la
théorie du revenu permanent.
Étude des propriétés statistiques préliminaires des séries
Description des séries

L’objet de notre étude empirique est d’étudier l’évolution conjointe de la consommation et du revenu des
ménages au Royaume-Uni, aux États-Unis, au Canada, en Allemagne et en France. Les séries retenues sont
trimestrielles et la période d’étude s’étend de :
– 1955.1 à 2000.2 pour le Royaume-Uni ;
– 1959.1 à 2000.2 pour les États-Unis ;
– 1961.1 à 2000.2 pour le Canada ;
– 1962.1 à 1994.4 pour l’Allemagne ;

– 1970.1 à 1998.3 pour la France.
Les séries de consommation, d’épargne et de revenu disponible brut des ménages ont été déflatées par l’indice
des prix à la consommation. Nous avons retenu pour la consommation la série de consommation de biens non
durables des ménages(13). La série d’épargne est définie comme la différence entre les séries de revenu disponible
brut et de consommation de biens non durables des ménages. Le taux d’épargne est donné par le rapport entre
l’épargne précédemment définie et le revenu disponible brut. Toutes ces séries sont corrigées des variations
saisonnières. Notons que nous avons retenu la série “théorique’’ du taux d’épargne afin de pouvoir faire une
comparaison avec nos résultats obtenus sur les séries résiduelles(14). Il est cependant important de préciser que les
tests de cointégration fractionnaire que nous mènerons par la suite porteront sur les séries résiduelles issues de
l’estimation de régressions linéaires entre la consommation et le revenu (voir tableau 6 de l’annexe 1).
Afin de réduire l’éventuelle hétéroscédasticité des données, toutes les séries (à l’exception du taux d’épargne)
ont été transformées en logarithme. Ces éléments étant précisés, intéressons-nous à présent aux propriétés
statistiques des séries.
Tests de racine unitaire

La première étape de notre analyse consiste à tester si nos diverses séries contiennent ou non une racine unitaire.
À cette fin, nous nous proposons d’appliquer les tests de Dickey-Fuller (1979, 1981), Phillips-Perron (1988) et
Kwiatkowski, Phillips, Schmidt et Shin (1992). Les résultats figurent dans les tableaux 1 et 2.
Rappelons que le test de Phillips-Perron est une alternative au test de Dickey-Fuller au cas où les résidus ne
présentent pas les “bonnes’’propriétés statistiques. Phillips et Perron (1988) introduisent en effet une correction
non paramétrique ayant pour objet de tenir compte d’une éventuelle autocorrélation et/ou hétéroscédasticité des
résidus. Notons également que le test de Phillips-Perron requiert le choix du nombre de retards à prendre en
131
Tableau 1 : résultats des tests de Dickey-Fuller et Phillips-Perron
Dickey-Fuller Phillips-Perron
Niveau Variation Niveau Variation
Allemagne Consommation -2,40 (2) -6,78* (2) -2,59 (2) -12,32* (2)
Revenu -3,07 (2) -10,49* (3) -2,98 (2) -10,61* (3)
Taux d’épargne -3,19 (2) -17,02* (1) -3,71* (2)
France Consommation -2,92 (3) -7,73* (3) -3,16 (3) -12,86* (3)
Revenu -3,26 (3) -10,31* (3) -3,18 (3) -10,41* (3)
Taux d’épargne -0,86 (1) -14,19* (1) -0,95 (1) -14,19* (1)
Royaume Uni Consommation 0,41 (2) -13,73* (2) 0,37 (2) -13,74* (2)
Revenu -3,45 (3) -15,31* (2) -2,68 (3) -15,37* (2)
Taux d’épargne -2,93 (2) -13,12* (1) -3,94* (2)
États-Unis Consommation -0,98 (2) -9,21* (2) -1,13 (2) -9,57* (2)
Revenu -2,29 (2) -12,17* (3) -2,36 (2) -12,30* (3)
Taux d’épargne -1,04 (3) -9,38* (1) -1,27 (3) -16,45* (1)
Canada Consommation -2,76 (2) -12,89* (3) -3,38 (2) -13,01* (3)
Revenu -5,13* (2) -4,73* (2)
Taux d’épargne -0,86 (3) -16,22* (3) -0,92 (3) -16,50* (3)
(1) : modèle sans constante, ni tendance ; (2) : modèle avec constante, sans tendance ; (3) : modèle avec constante et tendance ;
* : série stationnaire au seuil de 1%.
Tableau 2 : résultats du test KPSS
Niveau Variation
l=4 l = 14 l=4 l = 14
Allemagne Consommation 0,52 (2) 0,20 (2) 0,098 (2) 0,074 (2)
Revenu 0,52 (2) 0,21 (2) 0,10 (2) 0,08 (2)
Taux d’épargne 0,38 (2) 0,18 (2) 0,26 (1) 0,34 (1)
France Consommation 0,45 (2) 0,19 (2) 0,11 (2) 0,11 (2)
Revenu 0,31 (2) 0,14 (2) 0,18 (2) 0,15 (2)
Taux d’épargne 0,30 (2) 0,12 (2) 0,10 (1) 0,14 (1)
Royaume Uni Consommation 0,34 (2) 0,15 (2) 0,091 (1) 0,095 (1)

Revenu 0,32 (2) 0,15 (2) 0,047 (1) 0,061 (1)
Taux d’épargne 0,17 (2) 0,09 (2) 0,13 (1) 0,16 (1)
États-Unis Consommation 0,41 (2) 0,17 (2) 0,17 (1) 0,14 (1)
Revenu 0,60 (2) 0,23 (2) 0,067 (2) 0,067 (2)
Taux d’épargne 0,66 (2) 0,28 (2) 0,35 (1) 0,52 (1)
Canada Consommation 0,70 (2) 0,26 (2) 0,099 (2) 0,076 (2)
Revenu 0,78 (2) 0,29 (2) 0,087 (2) 0,076 (2)
Taux d’épargne 0,71 (2) 0,27 (2) 0,50 (1) 0,44 (1)
(1) : absence de tendance déterministe ; (2) : présence de tendance déterministe ; valeurs critiques : 0,463 à 5% et 0,739 à 1%
dans le cas sans dérive et 0,146 à 5% et 0,216 à 1% dans le cas avec dérive.
compte dans le calcul de l’autocorrélation des résidus. Nous avons ici fait varier ce paramètre et reporté les
résultats pour la valeur usuellement retenue, à savoir T 1 / 4 où T est le nombre d’observations de la série.
L’application des tests de Dickey-Fuller et de Phillips-Perron conduit à des résultats similaires. On constate que
pour la majorité des séries en niveau, l’hypothèse nulle de non stationnarité ne peut être rejetée. On notera
cependant quelques exceptions, notamment en ce qui concerne les taux d’épargne allemand et anglais. Selon le
test de Phillips-Perron, ces deux séries sont stationnaires alors qu’elles ne le sont pas au seuil de 1% selon le test
de Dickey-Fuller. Pour les trois autres pays (Canada, France et États-Unis), le taux d’épargne apparaît comme
étant non stationnaire, ce qui suggère l’absence de relation cointégration avec élasticité unitaire entre la
consommation et le revenu. Il convient également de mentionner les séries de revenu disponible brut des
ménages allemands et canadiens. Le revenu allemand est stationnaire au seuil de 5%, mais pas au seuil statistique
de 1%. La série canadienne apparaît stationnaire au seuil statistique de 1%. Les séries en différence première sont
quant à elles stationnaires, ce qui signifie que toutes les séries en niveau (à l’exception du revenu disponible brut
des ménages canadiens) sont intégrées d’ordre 1 au seuil statistique de 1%.
132
Dans la mesure où l’ordre d’intégration des diverses séries revêt une importance considérable pour notre étude
de termes de cointégration fractionnaire(15), nous avons appliqué un autre type de test de racine unitaire : le test
KPSS de Kwiatkowski, Phillips, Schmidt et Shin (1992), présentant la particularité de reposer sur l’hypothèse
nulle de stationnarité. L’application de ce test nécessite le choix du nombre de retards l à prendre en compte dans
l’expression de la variance de long terme pour l’autocorrélation des résidus. Nous avons ici retenu deux valeurs
pour l : une valeur minimale de 4 et une valeur maximale de 14(16). L’application du test KPSS indique que toutes
les séries de consommation et de revenu (en niveau) sont non stationnaires. On notera en outre que la majorité des
séries de taux d’épargne sont non stationnaires (à l’exception des taux d’épargne français et anglais pour l = 14).
Ceci suggère l’absence de relation de cointégration ordinaire avec élasticité unitaire entre la consommation et le
revenu.
Nous retiendrons donc de l’application des divers tests de racine unitaire que toutes les séries de consommation
et de revenu sont intégrées d’ordre 1. Concernant le taux d’épargne, les résultats sont plus épars. Le test de
Dickey-Fuller indique que les cinq séries de taux d’épargne sont non stationnaires (au seuil statistique de 1%).
Selon le test de Phillips-Perron, les séries de taux d’épargne allemande et anglaise apparaissent stationnaires.
Enfin, selon le test KPSS, les cinq séries de taux d’épargne sont non stationnaires (pour l = 4). Face à ces
ambiguïtés relatives à la stationnarité du taux d’épargne et donc à la présence d’une relation de cointégration
entre la consommation et le revenu, l’alternative de cointégration fractionnaire paraît particulièrement
intéressante. Cet intérêt peut également être illustré par les corrélogrammes des séries résiduelles issues des
régressions linéaires de la consommation sur le revenu (voir annexe 2). Ces graphiques mettent en effet en
évidence une décroissance lente des autocorrélations, suggérant la présence d’une certaine structure de
dépendance dans les séries considérées.
La consommation et le revenu sont-ils fractionnairement cointégrés ?
Afin de tester l’existence d’une relation de cointégration fractionnaire entre la consommation et le revenu, nous
nous proposons d’appliquer les divers tests précédemment présentés aux résidus estimés issus des relations
statiques entre la consommation et le revenu(17). Dans la mesure où tous ces tests doivent être mis en oeuvre sur
des séries stationnaires, nous les appliquerons sur les séries résiduelles en différence première(18). Notons de plus
que nous avons appliqué les tests standards de cointégration (Engle et Granger, 1987)(19). Les résultats que nous
avons obtenus mettent en avant la non stationnarité du résidu de la relation de long terme, suggérant ainsi
l’absence de relation d’équilibre entre la consommation et le revenu dans les cinq pays considérés. Une telle
conclusion remet dès lors en cause une des implications du modèle de revenu permanent avec anticipations
rationnelles. Les tests de cointégration fractionnaire, permettant de mettre en avant une plus grande variété de

comportements de retour vers la moyenne, trouvent en conséquence ici tout leur intérêt.
Analyses R/S et R/S modifiée : tests d’intégration fractionnaire des résidus

Nous avons commencé par appliquer les analyses R/S et R/S modifiée afin d’estimer la valeur de l’exposant de
Hurst et d’en déduire l’estimation du paramètre d’intégration fractionnaire. Les résultats des analyses R/S et R/S
modifiée appliquées sur les séries résiduelles sont reportés ci-après.
Tableau 3 : application des analyses R/S et R/S modifiée
R/S R/S modifiée

Allemagne d = -0,0614 d = 0,0353
V = 1,1877
France d = 0,0345 d = 0,0839
V = 1,4882
Royaume Uni d = -0,1012 d = -0,0224
V = 0,8902
États-Unis d = -0,0034 d = 0,0298
V = 1,1646
Canada d = 0,0567 d = 0,0985
V = 1,6458
133
D’après l’analyse R/S, on constate que le paramètre d est relativement proche de 0 pour toutes les séries.
Néanmoins, nous savons que l’analyse R/S ne constitue pas un test statistique à proprement parler et que cette
statistique est de plus sensible à la présence de mémoire courte. Si l’on analyse les résultats fournis par l’analyse
R/S modifiée, on remarque qu’aucune série ne semble présenter de structure de dépendance à long terme. En
effet, la valeur de la statistique V est supérieure aux valeurs tabulées par exemple par Dittmann (2000). Les
résultats issus de l’application de l’analyse R/S modifiée indiquent donc que les résidus estimés des relations
statiques ne sont pas fractionnairement intégrés, ce qui laisse présager l’absence de relation de cointégration
fractionnaire entre la consommation et le revenu. Afin de vérifier ce résultat, nous nous proposons à présent
d’appliquer d’autres techniques permettant de déceler l’intégration fractionnaire.
Estimation des processus ARFIMA

La mise en oeuvre des méthodes d’estimation des processus ARFIMA sur les séries résiduelles en différence
première va nous permettre de tester l’hypothèse nulle de racine unitaire ( d =1) contre l’hypothèse alternative
d’intégration fractionnaire ( d < 1). Ceci revient à tester l’hypothèse nulle selon laquelle d' = 0 contre l’hypothèse
alternative d'< 0 , avec d ' = d −1 où d est le paramètre d’intégration de la série en niveau et d’ le paramètre
d’intégration de la série en différence première.
L’application de la procédure de Geweke et Porter-Hudak nécessite de choisir le nombre d’ordonnées m du

périodogramme à prendre en compte. On retient en général m = T , T étant le nombre d’observations de la
série(20). Dans nos applications, nous avons retenu diverses valeurs pour les ordonnées du périodogramme afin
d’encadrer la racine carrée du nombre d’observations. Même s’il convient d’accorder plus de poids aux résultats
correspondant réellement à m = T , ce choix de diverses valeurs a pour objet d’examiner la stabilité des
estimations lorsque le nombre d’ordonnées du périodogramme varie. Les résultats de l’application de la
méthode de Geweke et Porter-Hudak (1983) sur les séries résiduelles en différence première figurent dans le
tableau ci-après.
Tableau 4 : estimation ARFIMA par la procédure de Geweke et Porter-Hudak (1983)

sur les séries résiduelles en variation
0,4 0,5 0,6

T T T
Allemagne 0,034 -0,098 -0,17
(0,063) (-0,27) (-0,71)
France 0,58 -0,11 0,042
(1,92) (-0,27) (0,26)

Royaume Uni -0,59 -0,29 -0,12
(-1,46) (-1,14) (-0,65)
États-Unis 0,06 -0,054 0,06
(0,22) (-0,23) (0,26)
Canada 0,19 0,044 -0,019
(0,33) (0,11) (-0,085)
Entre parenthèses figurent les t de Student des coefficients d estimés.
Les résultats obtenus indiquent que le paramètre d n’est pas significativement différent de zéro, suggérant ainsi
l’absence d’intégration fractionnaire dans les séries résiduelles. Signalons simplement que le paramètre
d’intégration fractionnaire est significativement différent de zéro pour la série résiduelle française lorsque le
nombre d’ordonnées est égal à T 0 , 4 . Ce résultat est cependant trop ponctuel pour être considéré comme
significatif. On retiendra donc de l’application de la procédure de Geweke et Porter-Hudak (1983) l’absence de
cointégration fractionnaire entre la consommation et le revenu.
L’application de la méthode du maximum de vraisemblance exact nécessite le choix des valeurs initiales pour les
différents paramètres de la représentation ARFIMA(p,d,q). Ce choix est central dans la mesure où la fonction de
log-vraisemblance n’est pas globalement concave; les résultats de l’optimisation dépendent donc des valeurs de
départ. Il existe deux possibilités pour choisir ces valeurs :
– on estime dans un premier temps la valeur d$ du paramètre d’intégration fractionnaire au moyen de l’analyse
$
R/S ou de la procédure de Geweke et Porter-Hudak. On applique ensuite la transformation (1 − L) d à la série Z t
étudiée. Il suffit alors de choisir comme valeurs initiales des coefficients autorégressifs et de moyenne mobile les
d$
paramètres estimés sur la série (1 − L) Z t ;
134
– on choisit un ensemble de valeurs de d . Pour chaque valeur de d, on calcule la série (1 − L) Z t et on estime, au
d
moyen des méthodes usuelles de séries temporelles, les paramètres ARMA ainsi que la variance du bruit blanc.
On retient alors comme valeurs initiales celles associées au modèle doté de la variance du bruit blanc la plus
faible.
Nous avons appliqué les deux types de procédures afin d’être sûr que le maximum global a bien été atteint. Nous
avons ensuite maximisé la log-vraisemblance par rapport à tous les paramètres de la représentation
ARFIMA(p,d,q) et retenu le modèle maximisant deux fois la log-vraisemblance (2LV) et minimisant les critères
SIC et AICc où SIC est le critère d’information de Schwarz (1978) et AICc le critère d’information d’Akaike
(1973) corrigé par Hurvich et Tsai (1989). Les résultats obtenus figurent dans le tableau suivant.
Tableau 5 : estimation ARFIMA par la méthode du maximum de vraisemblance exact

sur les séries résiduelles en variation
2LV AICc SIC

Allemagne ARFIMA(2,d,3) ARFIMA(1,d,0) ARFIMA(0,d,0)
d = -0,11 d = -0,15 d = -0,34
td = -0,55 td = -1,50 td = -5,19
France ARFIMA(3,d,3) ARFIMA(0,d,3) ARFIMA(0,d,0)
d = -0,21 d = -0,23 d = -0,19
td = -1,71 td = -2,01 td = -3,98
Royaume-Uni ARFIMA(0,d,3) ARFIMA(0,d,2) ARFIMA(0,d,2)
d = -0,43 d = -0,39 d = -0,39
td = -3,24 td = -1,97 td = -1,97
États-Unis ARFIMA(2,d,3) ARFIMA(2,d,3) ARFIMA(1,d,0)
d = -0,085 d = -0,085 d = 0,0004
td = -0,63 td = -0,63 td = 0,0046
Canada ARFIMA(2,d,3) ARFIMA(2,d,2) ARFIMA(0,d,1)
d = -0,004 d = -0,0039 d = 0,11
td = -0,030 td = -0,52 td = 0,72

Les résultats obtenus indiquent la présence d’une structure de dépendance de long terme dans les séries
résiduelles française et anglaise pour certains critères. Ces séries sont donc fractionnairement intégrées, ce qui
témoigne de la présence d’une relation de cointégration fractionnaire entre la consommation et le revenu en
France et au Royaume Uni. On remarquera de plus que la valeur du paramètre d’intégration fractionnaire est
relativement stable quels que soient les ordres des polynômes autorégressif et moyenne mobile. Par ailleurs, on
notera que, selon le critère SIC, l’erreur d’équilibre allemande est également fractionnairement intégrée.
Les résultats issus des méthodes d’estimation des processus ARFIMA ne sont donc pas identiques. Ces
différences peuvent être imputées aux vitesses de convergence différentes des estimateurs, mais surtout à notre
nombre d’observations relativement faible, comme pour la majorité des études sur données macroéconomiques.
Cependant, si l’on considère la procédure du maximum de vraisemblance exact comme la méthode d’estimation
la plus puissante des processus ARFIMA, alors il ressort la présence d’une relation de cointégration
fractionnaire entre la consommation et le revenu pour la France, le Royaume-Uni et l’Allemagne. Ce résultat est
particulièrement intéressant dans la mesure où il met en évidence l’existence d’une relation d’équilibre à long
terme entre la consommation et le revenu pour les trois pays précédemment cités, relation qui semblait absente au
vu de la théorie de la cointégration usuelle. Une telle conclusion valide ainsi une des implications du modèle de
revenu permanent avec anticipations rationnelles.
135
Conclusion
L’objectif de ce travail était de procéder à une analyse relativement détaillée de la dynamique de la

consommation et du revenu des ménages. Nous nous sommes ainsi attachés à tester une des implications de
l’hypothèse de revenu permanent avec anticipations rationnelles : l’existence d’une relation de long terme stable
entre la consommation et le revenu. Nous avons opté pour une approche en termes de mémoire longue, nous
permettant ainsi de recourir au concept de cointégration fractionnaire. Les résultats obtenus nous ont conduit à
accepter l’hypothèse d’intégration fractionnaire pour trois séries de résidus issues des relations de long terme :
les séries allemande, française et anglaise. Ces résultats suggèrent ainsi l’existence d’une relation stable de long
terme entre la consommation et le revenu pour ces trois pays européens. Cette conclusion est particulièrement
intéressante dans la mesure où les tests usuels de cointégration nous conduisaient à conclure en termes d’absence
de relation de long terme entre la consommation et le revenu. La présence de relations de cointégration
fractionnaire témoigne donc du caractère trop restrictif de l’hypothèse de cointégration standard et montre que la
consommation et le revenu évoluent ensemble à long terme, même si un écart relativement durable peut exister à
plus court terme entre les deux variables. Une telle conclusion n’est cependant pas trouvée dans les deux pays
d’Amérique du Nord considérés ici (États-Unis et Canada). Une explication vraisemblable de cette différence
entre les pays européens et les pays d’Amérique du Nord renvoie au fait que, contrairement aux pays européens,
les États-Unis ont été largement déficitaires sur l’ensemble de la période étudiée. Or, on sait que les États-Unis
n’ont pas de contrainte sur leur déficit. A titre d’exemple, le Japon, en excédent de financement, a longtemps été
prêt à financer les déficits américains par l’achat de bons du Trésor. Cette absence de contrainte sur les déficits
peut ainsi expliquer l’absence de relation de long terme entre la consommation et le revenu dans les pays
d’Amérique du Nord.
Ce travail pourrait être prolongé dans deux directions principales. En premier lieu, afin d’obtenir des estimateurs
de meilleure qualité et des résultats plus robustes, il serait intéressant de travailler sur des échantillons de plus
grande taille. En second lieu, étudiant des séries de consommation, le recours à la notion de cointégration
généralisée par l’intermédiaire de l’estimation de processus GARMA (ARFIMA généralisés)(21) nous semble
particulièrement pertinent. Cela nous permettrait notamment de tenir compte de l’éventuel comportement
saisonnier de la mémoire.
136
Notes
(1) Pour une revue de la littérature, voir Adda (1995).

(2) Un certain nombre d’hypothèses sont nécessaires à l’existence d’une telle relation. En particulier, il existe des conditions portant
sur la forme de la fonction d’utilité sous-jacente et sur l’incertitude affectant les revenus attendus dans le futur (voir notamment
Blanchard et Mankiw, 1988). Cette relation de long terme entre les deux variables peut être dérivée de l’expression théorique existant
entre la consommation et le revenu permanent, sous réserve de certaines conditions d’agrégration (voir Ando et Modigliani, 1963 ;
Modigliani, 1986, et Allard, 1992).
(3) Notons que si l’on considère des spécifications log-linéaires, cela implique que si le revenu en logarithme est intégré d’ordre 1,
alors le taux d’épargne doit être stationnaire.
(4) Notons que nous ne prétendons pas tester la théorie du revenu permanent ou l’ensemble des implications de cette théorie. Ainsi,
notre objet n’est pas de procéder à une évaluation économique structurelle du modèle de revenu permanent mais de mener une
approche descriptive visant à tester l’existence d’une relation de long terme entre la consommation et le revenu. Il convient toutefois
de garder à l’esprit que sous certaines hypothèses (fonction d’utilité quadratique, taux d’intérêt constant et égal au taux de préférence
pour le présent, rationalité des anticipations et perfection du marché financier), deux autres implications du modèle de revenu
permanent peuvent être déduites : le caractère imprévisible des variations de la consommation (marche aléatoire de la
consommation) et l’importance des variations de la consommation comparativement à celles du revenu.
(5) Pour des développements relatifs aux processus ARFIMA, on pourra se reporter à Lardic et Mignon (1999a) et, pour une revue de
la littérature, à Baillie (1996) et Lardic et Mignon (1999b).
(6) Nous supposons ici l’absence de trend dans la relation de long terme. L’analyse peut cependant être étendue sans difficulté au cas
de la présence d’une tendance dans la relation statique.
(7) Notons qu’il existe de nombreuses autres méthodes d’estimation de l’exposant de Hurst. Citons entre autres la méthode de la
variance agrégée, la méthode des résidus ou encore la procédure de Higuchi (1988) basée sur l’utilisation de la dimension fractale. On
trouvera une présentation de ces diverses techniques dans Taqqu, Teverovsky et Willinger (1995) ; une application aux séries de
rentabilités boursières figure dans Mignon (1998).
(8) Les poids ω j(q) ont été suggérés par Newey et West (1987). On se reportera à Andrews (1991) pour le choix de q.
(9) On retient en général un nombre d’ordonnées égal à la racine carrée du nombre d’observations.
(10) L’estimateur des moindres carrés ordinaires de b est naturellement donné par le rapport de la covariance empirique entre les Y j et
X j à la variance empirique des X j.
(11) Pour une présentation détaillée des procédures d’estimation des processus ARFIMA, on pourra se reporter à Lardic et Mignon

(1999b). Des applications figurent également dans Lardic et Mignon (1999a).
(12) L’estimation des paramètres du modèle ARFIMA par le maximum de vraisemblance nécessite l’évaluation de la fonction de
vraisemblance pour un ensemble donné de paramètres. Il faut donc écrire la matrice de covariance, ou la fonction d’autocovariance,
en fonction des paramètres du modèle. Sowell (1992a) a alors démontré que la forme générale de la fonction d’autocovariance d’une
série temporelle stationnaire générée par un processus ARFIMA pouvait s’exprimer au moyen de fonctions hypergéométriques (cf.
Sowell (1992a), équations (8) et (9), pp. 173-174). L’intérêt d’une telle formulation provient du fait que les fonctions
hypergéométriques peuvent être calculées de façon précise et rapide.
(13) Comme nous l’a très justement fait remarquer l’un de nos rapporteurs, les biens non durables sont associés à une certaine
persistance dans les habitudes. Cependant, nous n’avons pas pris en considération ce phénomène dans l’écriture de la relation de long
terme, au sens où nous n’avons pas introduit la consommation retardée dans la relation entre la consommation et le revenu. Introduire
l’endogène retardée dans une relation “statique’’ entre la consommation et le revenu ne nous semble en effet pas cohérent avec
l’existence d’une relation de cointégration entre les deux variables. Ce choix économétrique peut être contre-balancé par des
arguments économiques dans la mesure où il convient de garder à l’esprit que le modèle avec habitudes de consommation a été
introduit pour répondre aux faiblesses du modèle de base et, dans ce cadre, la relation d’équilibre fait intervenir la consommation
passée en plus du revenu. Les habitudes de consommation ont en général été modélisées en retenant des fonctions d’utilité non
séparables dans le temps, incorporant les consommations passée et courante (voir notamment Muellbauer (1988), Constantinides
(1990) et Ferson et Constantinides (1991)). La consommation passée intervient généralement avec un signe négatif dans la fonction
d’utilité témoignant du fait que le consommateur n’a pas intérêt à modifier ses plans de consommation. Ce phénomène des habitudes
de consommation sort cependant du cadre de notre travail dans la mesure où il ne peut pas être étudié par le biais de la cointégration.
En outre, on sort du cadre de la théorie du revenu permanent au sens strict puisque l’on retient des fonctions d’utilité non séparables
dans le temps.
(14) Rappelons en effet que si le taux d’épargne est stationnaire, alors la consommation et le revenu doivent être cointégrés. Dans ces
conditions, les séries résiduelles issues de la régression linéaire de la consommation sur le revenu devraient être stationnaires.
137
(15) Rappelons qu’il faut en effet que les séries en niveau soient intégrées du même ordre.
(16) Pour le choix de ces valeurs, nous nous sommes basés sur les indications de Schwert (1987).
(17) Le choix des variables endogène (consommation) et exogène (revenu) résulte de considérations économiques, au sens où c’est le
revenu qui explique la consommation. Il convient toutefois de mentionner que ce choix pourrait également résulter de tests
économétriques tels que le test de causalité au sens de Granger.
(18) Comme nous l’a signalé fort justement l’un de nos rapporteurs, étudier la série résiduelle en différence première et non pas en
niveau, a pour conséquence une perte d’information engendrant un biais dans l’estimation du paramètre d’intégration fractionnaire.
Il serait alors intéressant de déterminer si le biais induit par l’estimation de processus non stationnaires (séries en niveau) diffère
systématiquement de celui induit par la différenciation des séries. Dans ce cadre, mentionnons les travaux de Hurvich et Ray (1995)
introduisant des techniques de lissage et de troncature ayant pour objet de réduire le biais de l’estimateur de Geweke et Porter-Hudak
du paramètre d’intégration fractionnaire d’un processus non stationnaire.
(19) Voir le tableau 7 de l’annexe 1.
(20) Selon Geweke et Porter-Hudak (1983) et Yajima (1989), un tel choix a pour conséquence que la distribution de l’estimateur du
paramètre d’intégration fractionnaire ne dépend ni des ordres p et q du processus ARMA, ni de la distribution du terme d’erreur du
processus ARFIMA.
(21) Voir Gray, Zhang et Woodward (1989) et Ferrara et Guégan (2001).
138
Bibliographie
Adda J. (1995). “Allocation intertemporelle de la consommation, développements récents”, Économie et Prévision, 121, pp. 1-18.
Akaike H. (1973). “Maximum Likelihood Estimation of a Gaussian Autoregressive Moving Average Models’’, Biometrika, 60, pp.
255-265.
Allard P. (1992). “La modélisation de la consommation des ménages en France’’, Revue d’Économie Politique, 5, pp. 727-765.
Ando A. et Modigliani F. (1963). “The Life Cycle Hypothesis in Saving’’, American Economic Review, pp. 58-59.
Andrews D. (1991). “Heteroskedasticity and Autocorrelation Consistent Covariance Matrix Estimation’’, Econometrica, 59, pp.
817-858.
Baillie R.T. (1996). “Long Memory Processes and Fractional Integration in Econometrics’’, Journal of Econometrics, 73, pp. 5-59.
Barkoulas J.T., Baum C.F. et Oguz G.S. (1997). “Fractional Cointegration Analysis of Long Term International Interest Rates’’,
International Journal of Finance, 9, pp. 586-606
Blanchard O.J. et Mankiw N.G. (1988). “Consumption: Beyond Certainty Equivalence’’, American Economic Review, 78,
pp. 173-177.
Bloch L. et Maurel F. (1991). “Consommation - revenu permanent : un regard d’économètre”, Économie et Prévision, 99,
pp. 113-144.
Bonnet X. et Dubois E. (1995). “Peut-on comprendre la hausse imprévue du taux d’épargne des ménages depuis 1990 ?”, Économie
et Prévision, 121, pp. 39-58.
Campbell J.Y. (1987). “Does Saving Anticipate Declining Labor Income? An Aletrnative Test of the Permanent Income
Hypothesis’’, Econometrica, 55, pp. 1249-1274.
Cheung Y-W. et Lai K.S. (1993). “A Fractional Cointegration Analysis of Purchasing Power Parity’’, Journal of Business and
Economic Statistics, 11, pp. 103-112.
Chou W. et Shih Y. (1997). “Long-run Purchasing Power Parity and Long-term Memory: Evidence from Asian Newly
Industrialized Countries’’, Applied Economics Letters, 4, pp. 575-578.
Constantinides G.M. (1990). “Habit Formation: A Resolution of the Equity Premium Puzzle’’, Journal of Political Economy, 98,
pp. 519-543.
Dahlhaus R. (1989). “Efficient Parameter Estimation for Self-Similar Processes’’, Annals of Statistics, 17, pp. 1749-1766.
Dickey D.A. et Fuller W.A. (1979). “Distribution of the Estimators for Autoregressive Time Series with a Unit Root’’, Journal of the
American Statistical Association, 74, pp. 427-431.

Dickey D.A. et Fuller W.A. (1981). “The Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root’’,
Econometrica, Vol. 49, pp. 1057-1072.
Diebold F.X. et Rudebusch G.D. (1991). “Is Consumption too Smooth? Long Memory and the Deaton Paradox’’, The Review of
Economics and Statistics, 1, pp. 1-9.
Dittmann I. (2000). “Residual-Based Tests for Fractional Cointegration: A Monte Carlo Study’’, Journal of Time Series Anlaysis,
21(6), pp. 615-647.
Dubois E., Lardic S. Et Mignon V. (2003). “The Exact Maximum Likelihood Based-Test for Fractional Cointegration: Critical
Values, Power and Size”, Document de travail THEMA, Université Paris X.
Dueker M. et Startz R. (1997). “Maximum Likelihood Estimation of Fractional Cointegration with an Apllication to U.S. and
Canadian Bond Rates’’, Federal Reserve Bank of St Louis, Working Paper 94-027C.
Engle R.F. et Granger C.W.J. (1987). “Cointegration and Error Correction: Representation, Estimation, and Testing’’,
Econometrica, 55, pp. 251-276.
Engle R.F. et Yoo B.S. (1987). “Forecasting and Testing in Cointegrated Systems’’, Journal of Econometrics, 39, pp. 45-62.
Ferrara L. et Guégan D. (2001). “Comparison of Parameter Estimation Methods in Cyclical Long Memory Time Series’’, in
Timmermann A., Dunis C.L. et Moody J. (eds), Developments in Forecast Combination and Portfolio Choice, Wiley, New York, pp.
183-199.
Ferson W.E. et Constantinides G.M. (1991). “Habit Persistence and Durability in Aggregate Consumption’’, Journal of Financial
Economics, 29, pp. 199-240.
Friedman M. (1957). A Theory of the Consumption Function, Princeton University Press.
Fuller W.A. (1976). Introduction to Statistical Time Series, Wiley.
139
Geweke J. et Porter-Hudak S. (1983). “The Estimation and Application of Long Memory Time Series Models’’, Journal of Time
Series Analysis, 4, pp. 221-238.
Granger C.W.J. (1986). “Developments in the Study of Cointegrated Economic Variables’’, Oxford Bulletin of Economics and
Statistics, 48, pp. 231-228.
Granger C.W.J. et Joyeux R. (1980). “An Introduction to Long-Memory Time Series Models and Fractional Differencing’’,
Journal of Time Series Analysis, 1, pp. 15-39.
Gray H.L., Zhang N.F. et Woodward W.A. (1989). “On Generalized fractional processes’’, Journal of Time Series Analysis, 10,
pp. 233-257.
Hall R.E. (1978). “Stochastic Implications of the Life Cycle-Permanent Income Hypothesis: Theory and Evidence’’, Journal of
Political Economy, 86, pp. 971-987.
Higuchi T. (1988). “Approach to an Irregular Time Series on the Basis of Fractal Theory’’, Physica, 31D, pp. 277-283.
Hosking J.R.M. (1981). “Fractional Differencing’’, Biometrika, 68, pp. 165-176.
Hurst H.E. (1951). “Long-Term Storage Capacity of Reservoirs’’, Transactions of the American Society of Civil Engineers, 116, pp.
770-799.
Hurvich C.M. et Ray B.K. (1995). “Estimation of the Memory Parameter on Non Stationary and Non Invertible Fractionally
Integrated Processes’’, Journal of Time Series Analysis, 16, pp. 17-41.
Hurvich C.M. et Tsai C.L. (1989). “Regression and Time Series Model Selection in Small Samples’’, Biometrika, 76, pp. 297-307.
Jobert T. (1995). “Tendances et cycles communs à la consommation et au revenu : implications pour le modèle de revenu
permanent”, Économie et Prévision, 121, pp. 19-38.
Kwiatkowski D., Phillips P., Schmidt P. et Shin Y. (1992). “Testing the Null Hypothesis of Stationary Against the Alternative of a
Unit Root: How Sure Are We that Economic Time Series Have a Unit Root ?’’, Journal of Econometrics, 54, pp. 159-178.
Lardic S. et Mignon V. (1999a). “Prévision ARFIMA des taux de change : les modélisateurs doivent-ils encore exhorter à la naïveté
des prévisions ?’’, Annales d’économie et de statistique, 54, pp. 47-68.
Lardic S. et Mignon V. (1999b). “La mémoire longue en économie’’, Journal de la Société Française de Statistique, 140, pp. 6-50.
Lo A.W. (1991). “Long-Term Memory in Stock Market Prices’’, Econometrica, 5, pp. 1279-1313.
Mignon V. (1998). “Méthodes d’estimation de l’exposant de Hurst. Application aux rentabilités boursières’’, Économie et
Prévision, n°132-133, pp. 193-214.
Modigliani F. (1986). “Cycle de vie, épargne individuelle et richesse des Nations’’, Revue Française d’Économie, 1(2), pp. 16-54.
Muellbauer J. (1988). “Habits, Rationality and Myopa in the Life Cycle Consumption Function’’, Annales d’économie et de
statistique, 9, 99. 47-70.

Newey W. et West K. (1987). “A Simple, Positive Semi-definite, Heteroskedasticity and Autocorrelation Consistent Covariance
Matrix’’, Econometrica, 55, 703-708.
Phillips P.C.B. et Perron P. (1988). “Testing for a Unit Root in Time Series Regression’’, Biometrika, pp. 335-346.
Robinson P.M. (1990). “Time Series with Strong Dependence’’, Advances in Econometrics, 6th World Congress, Cambridge
University Press.
Robinson P.M. (1995). “Log-periodogram Regression of Time Series with Long Range Dependence’’, Annals of Statistics, 23, pp.
1048-1072.
Schwarz G. (1978). “Estimating the Dimension of a Model’’, Annals of Statistics, 6, pp. 461-464.
Schwert G.W. (1987). “Effect of Model Specification on Test for Unit Roots in Macroeconomic Data’’, Journal of Monetary
Economics, 20, pp. 73-103.
Sephton P. (1993). “Fractional Cointegration: Monte Carlo Estimates of Critical Values with an Application’’, Working Paper,
University of New Brunswick.
Sowell F. (1992a). “Maximum Likelihood Estimation of Stationary Univariate Fractionally Integrated Time Series Models’’,
Journal of Econometrics, pp. 165-188.
Sowell F. (1992b). “Modeling Long-Run Behavior with the Fractional ARIMA Model’’, Journal of Monetary Economics, 29, pp.
277-302.
Taqqu M.S., Teverovsky V. et Willinger W. (1995). “Estimators of Long-Range Dependence: An Empirical Study’’, Preprint,
Boston University, 18 pages.
140
Annexe 1 : estimation des relations statiques entre la consommation et le revenu et tests usuels
de cointégration
Le tableau 6 ci-après reporte l’estimation des relations statiques entre la consommation et le revenu (en logarithmes) :
ct = α + βrt + z t
où ct désigne le logarithme de la consommation et rt le logarithme du revenu.
Tableau 6 : estimation des relations statiques entre la consommation et le revenu
α$ β$
2
DW R LV
Allemagne 0,0052 0,9739 0,3947 0,9974 370,1771
(0,2081) (224,8663)
France -1,3607 1,1414 0,1832 0,9851 261,3006
(-12,2468) (86,3251)
Royaume Uni 0,6079 0,9411 0,3781 0,9933 410,4455
(9,7243) (163,6327)
États-Unis -0,2584 1,0186 0,1464 0,9964 406,1029
(-6,9991) (214,6782)
Canada 0,5311 0,9476 0,0670 0,9846 261,1111
(4,3982) (100,0010)
où DW est la statistique de Durbin-Watson et LV la valeur de la log-vraisemblance. Les t de Student des coefficients sont donnés
entre parenthèses.
Le tableau 7 donne les résultats des tests de Dickey-Fuller appliqués sur les résidus estimés ( z$ t ) des relations statiques
précédemment estimées.
Tableau 7 : tests ADF sur les séries résiduelles
Allemagne France Royaume Uni États-Unis Canada


ADF -2,43 -1,84 -2,59 -1,08 -0,54
Ces valeurs étant supérieures à celles tabulées par Engle et Yoo (1987), les séries résiduelles sont non stationnaires.
141
Annexe 2 : corrélogrammes des séries résiduelles
1,0 1,0
Allemagne France
0,9 0,9
0,8 0,8
0,7
0,7
0,6
0,6
0,5
0,5
0,4
0,4
0,3
0,3
0,2
0,2
0,1
0,1 0,0
0,0 -0,1
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1,0
1,0
Royaume Uni Etats Unis
0,9 0,9
0,8
0,8
0,7
0,6
0,7
0,5 0,6
0,4
0,5
0,3
0,2 0,4
0,1
0,3
0,0
0,2
-0,1
-0,2 0,1
-0,3
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
1,0
Canada

0,9
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0,0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
142

Ecop 158 0123

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ecop 158 0123

Transféré par

Droits d'auteur :

Formats disponibles

COINTÉGRATION FRACTIONNAIRE ENTRE LA CONSOMMATION ET

Sandrine Lardic et Valérie Mignon

La Doc. française | Economie & prévision

Article disponible en ligne à l'adresse:

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Distribution électronique Cairn.info pour La Doc. française.

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

(*) MODEM, Université Paris X - Nanterre.

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Rappelons qu’un processus stationnaire z t suit un processus ARFIMA(p,d,q) si :

(1) Φ ( L)(1 − L) z t = Θ( L)ε t

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

La recherche de cointégration fractionnaire nécessite de tester l’intégration fractionnaire du terme d’erreur.

Tests de cointégration fractionnaire

où z t est un processus fractionnairement intégré.

H1 : x t et y t sont cointégrés, c’est-à-dire que z t est intégré d’ordre d, avec d < 1.

Analyses R/S et R/S modifiée

où ∆z$ est la moyenne arithmétique de ∆z$ t , t =1,..., T.

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Tests de cointégration fractionnaire basés sur l’estimation des processus ARFIMA

La méthode de Geweke et Porter-Hudak a pour objet d’estimer le paramètre d’intégration fractionnaire d$ du

où u t est un processus stationnaire et f u (λ ) est sa densité spectrale.

Si l’on prend le logarithme de l’expression ci-dessus, on obtient :

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

j = 1,2,...,m où m correspond aux ordonnées du périodogramme(9).

Distributions et valeurs critiques

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Cointégration fractionnaire et revenu permanent

Cette maximisation s’effectue sous la contrainte de revenu :

où Y t est le revenu à la date t et r est le taux d’intérêt (supposé ici constant).

La résolution de ce modèle nous conduit à la relation suivante :

Supposons que le revenu soit intégré d’ordre 1 et vérifie le processus suivant :

où ε t est un bruit blanc.

En accord avec la théorie du cycle de vie, nous avons :

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

On en déduit donc que la consommation :

est aussi intégrée d’ordre 1.

ce qui revient à poser l’hypothèse d’anticipations rationnelles.

Étude des propriétés statistiques préliminaires des séries

Description des séries

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Tests de racine unitaire

Tableau 2 : résultats du test KPSS

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

La consommation et le revenu sont-ils fractionnairement cointégrés ?

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Analyses R/S et R/S modifiée : tests d’intégration fractionnaire des résidus

Tableau 3 : application des analyses R/S et R/S modifiée

R/S R/S modifiée

Estimation des processus ARFIMA

L’application de la procédure de Geweke et Porter-Hudak nécessite de choisir le nombre d’ordonnées m du

Tableau 4 : estimation ARFIMA par la procédure de Geweke et Porter-Hudak (1983)

0,4 0,5 0,6

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Tableau 5 : estimation ARFIMA par la méthode du maximum de vraisemblance exact

2LV AICc SIC

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

L’objectif de ce travail était de procéder à une analyse relativement détaillée de la dynamique de la

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

(1) Pour une revue de la littérature, voir Adda (1995).

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française

Document téléchargé depuis www.cairn.info - - - 41.82.184.2 - 04/08/2014 13h11. © La Doc. française