Analyse Des Effets Sectoriels de La Politique Monétaire Dans Les Etats Membres de l'UEMOA

EFFETS SECTORIELS DES MECANISMES DE TRANSMISSION DE LA POLITIQUE MONETAIRE DANS L’UEMOA
BANQUE CENTRALE DES ETATS

DE L’AFRIQUE DE L’OUEST (BCEAO)
CENTRE OUEST AFRICAIN DE FORMATION

ET D’ETUDES BANCAIRES (COFEB)
****
MEMOIRE
****
Pour l’obtention du Master II
DIPLÔME D’ETUDES SUPERIEURES BANCAIRES ET FINANCIERES

(DESBF)
ème
40 PROMOTION
**************
THEME :
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE

MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
Présenté par Sous la Direction de

M. TABO Arzouma Issa M. Djoulassi OLOUFADE
Chef du Service des Actionsns
Auditeur / COFEB Extérieures de Formation auau
COFEB
Année Académique 2017-2018

EFFETS SECTORIELS DES MECANISMES DE TRANSMISSION DE LA POLITIQUE MONETAIRE DANS L’UEMOA
DEDICACE
Nous dédions ce document à :
❖ Tous les membres de ma famille, qui de près ou de loin, de jour comme de nuit
nous ont porté dans leurs pensées et dans leurs prières afin que notre formation
connaisse un aboutissement heureux ;
❖ La Direction des Affaires Financières (DAF), du Ministère en Charge de
l’Enseignement Technique et de la Formation Professionnelle, qui nous a permis
de venir à cette formation.
TABO Arzouma Issa 40ème Promotion du COFEB Page I

ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
REMERCIEMENTS
Nous tenons à adresser nos sincères et vifs remerciements à :
Monsieur le Gouverneur de la Banque Centrale des Etats de l’Afrique de l’Afrique de

l’Ouest (BCEAO) pour avoir mis en place cette formation de haut niveau ;
Monsieur Ekué-Situvi FOLI-ABOUSSA, Directeur des Affaires Financières et à

Monsieur Emmanuel Kwakutsè MENSAH, du Ministère en Charge de l’Enseignement
Technique et de la Formation Professionnelle pour leur soutien et conseils ;
Madame le Directeur du Centre Ouest Africain de Formation et d’Etudes Bancaires

(COFEB) et son personnel pour le cadre convivial, leur franche collaboration et leur
professionnalisme ;
Monsieur M’Baye DIENE, Professeur Titulaire associé au COFEB, pour

l’encadrement de tous les auditeurs à travers ses conseils en matière de démarche
méthodologique et scientifique ;
Monsieur Djoulassi OLOUFADE, Docteur en Economie, Chef du Service des Actions

Extérieures de Formation au COFEB, pour sa disponibilité et pour avoir accepté de
diriger ce travail à travers sa patience, compréhension et surtout la pertinence de ses
diverses remarques et observations en vue de l’aboutissement de ce présent
document ;
Monsieur Soumaila El Hadji YAOU, Docteur en Sociologie, Chef du Service des

Admissions, des Concours et de l’Enseignement au COFEB pour ses conseils et surtout
son implication dans notre stage ;
Madame Yacine Diama FALL et Monsieur Vital Felix Martial AGONGLO, du service
pédagogique du COFEB, pour n’avoir ménagé aucun effort pour l’aboutissement
heureux de notre formation ;
Monsieur Dzifa KPETIGO, Chargé de la mise en œuvre de la politique monétaire à la

Direction Générale de l'Economie et de la Monnaie, pour son appui technique ;
Mesdames et Messieurs du corps enseignant du COFEB pour l’excellente qualité de la

formation qui nous a été donnée ;
Mes collègues auditeurs de la 40è promotion du COFEB pour cette franche

collaboration et les fructueux échanges ;
Tous ceux qui, de près ou de loin, nous ont encouragés tout au long de notre formation
Qu’ils trouvent tous ici notre profonde reconnaissance.

TABO Arzouma Issa 40ème Promotion du COFEB Page II
SIGLES ET ACRONYMES
ADF : Augmented Dickey Fuller
ARDL : AutoRegressive Distributed Lag
ARRE : AutoRégressif à Retards Echelonnés
BCE : Banque Centrale Européenne
BCEAO : Banque Centrale des Etats de l’Afrique de l’Ouest
BEAC : Banque des Etats de l’Afrique Centrale
BSVAR : Bayesian Structural Vector Auto Regressive
BTP : Bâtiment Travaux Publics
CE : Crédit à l’Economie
CEMAC : Communauté Economique et Monétaire de l’Afrique Centrale
CPM : Comité de Politique Monétaire
CREA : Centre de Recherche d’Economie Appliquée
CS1 : Crédit au secteur primaire
CS2 : Crédit au secteur secondaire
CS3 : Crédit au secteur tertiaire
D(TGPM) : Différentiel du Taux de Guichet de Prêt Marginal
DER : Direction des Etudes et de la Recherche
DGSE : Dynamic General Stochastic Equilibruim
DV : Décomposition de la Variance
TABO Arzouma Issa 40ème Promotion du COFEB Page III

FASEG : Faculté des Sciences Economiques et de Gestion
FRI : Fonction de Réponses Impulsionnelle
GMM : Generalised Method of Moments
H1 : Hypothèse 1
H2 : Hypothèse 2
ICA : Indice du Chiffre d’Affaires
IHPC : Indice Harmonisé des Prix à la Consommation
IPI : Indice de la Production Industrielle
LCS1 : Logarithme du Crédit au secteur primaire
LCS2 : Logarithme du Crédit au secteur secondaire
LCS3 : Logarithme du Crédit au secteur tertiaire
LICA : Logarithme de l’Indice du Chiffre d’Affaires
LIHP : Logarithme de l’Indice Harmonisé des Prix à la Consommation
LLC : Levin-Lu-Chu
LVAS1 : Logarithme de la Valeur Ajoutée du secteur primaire
LVAS2 : Logarithme de la Valeur Ajoutée du secteur secondaire
LVAS3 : Logarithme de la Valeur Ajoutée du secteur tertiaire
MCE : Modèle à Correction d’Erreurs
MCG : Moindre Carré Généralisé
MCO : Moindre Carré Ordinaire
TABO Arzouma Issa 40ème Promotion du COFEB Page IV

MMG Méthode des Moments Généralisée
OCDE : Organisation de Coopération et de Développement Economiques
PECO : Pays d’Europe Centrale et Orientale
PIB : Produit Intérieur Brut
PMG : Pooled Mean Group
PP : Phillips Perron
PVAR : Partial Vector AutoRegressive
SVAR : Structural Vector AutoRegressive
TGPM : Taux du Guichet de Prêt Marginal
UEMOA : Union Economique et Monétaire Ouest Africaine
UMOA : Union Monétaire Ouest Africaine
USA : United States of America
VAR : Vector AutoRegressive
VAS1 : Valeur Ajoutée du secteur primaire
VAS2 : Valeur Ajoutée du secteur secondaire
VAS3 : Valeur Ajoutée du secteur tertiaire
WAEMU : West African Economic and Monetary Union
TABO Arzouma Issa 40ème Promotion du COFEB Page V

LISTE DES TABLEAUX
Tableau 1 : Effets des variables explicatives sur l’économie................................................. 19
Tableau 2 : Modèle à correction d’erreurs en panel dans UEMOA ....................................... 23
Tableau 3 : Modèle à correction d’erreurs dans le secteur primaire. ..................................... 24
Tableau 4 : Modèle à correction d’erreurs dans le secteur secondaire ................................. 25
Tableau 5 : Modèle à correction d’erreurs dans le secteur tertiaire ....................................... 25
Tableau 6 : Synthèse des FRI dans les trois secteurs économiques .................................... 27
Tableau 7 : Décomposition de la variance des erreurs (en %) .............................................. 27
LISTE DES GRAPHIQUES
Graphique 1 : Mécanismes de transmission de la politique monétaire de la BCEAO .............. 9
Graphique 2 : Contributions des secteurs au PIB trimestriel en % (2016 - 2018) .................. 15
Graphique 3 : Poids des VA sectorielles de l’UEMOA dans le PIB (2011 – 2017) ................ 16
Graphique 4 : Evolution des crédits sectoriels au PIB dans l’UEMOA (2011 - 2017) ............ 16
TABO Arzouma Issa 40ème Promotion du COFEB Page VI

LISTE DES ANNEXES
Annexe I : Contribution des VA sectorielle des pays de l’UEMOA à la croissance ................. X
Annexe II : Evolution des crédits sectoriels dans les pays de l’UEMOA (2010-2017) ........... XI
Annexe III : Test de de validité du choix du modèle de panel .............................................. XII
Annexe IV : Test de racine unitaire en panel dans les trois secteurs. ................................. XIII
Annexe V : Test de cointégration en panel ......................................................................... XIV
Annexe VI : Estimations du modèle à correction d’erreurs en panel (PMG/ARDL) ............ XVII
Annexe VII : Equations de court terme du secteur primaire. ............................................. XVIII
Annexe VIII : Equations de court terme du secteur secondaire........................................... XIX
Annexe IX : Equations de court terme du secteur tertiaire ................................................... XX
Annexe X : Décomposition de la variance de LVAS1 ......................................................... XXI
Annexe XI : Décomposition de la variance de LVAS2 ....................................................... XXII
Annexe XII : Décomposition de la variance de LVAS3 .....................................................XXIV
Annexe XIII : FRI dans les trois secteurs économiques ....................................................XXVI
Annexe XIV : Estimation de la méthode MMG ..................................................................XXIX
Annexe XV : Test d’autocorrélation d’Arellano Bond dans les trois secteurs. ....................XXX
Annexe XVI : Impact des variables explicatives dans différentes équations .....................XXX
Annexe XVII : Classement des pays par réactivité aux chocs de PM ...............................XXXI
Annexe XVIII : Classement des secteurs par sensibilité aux chocs de PM .......................XXXI
TABO Arzouma Issa 40ème Promotion du COFEB Page VII

SOMMAIRE
DEDICACE.............................................................................................................................. I
REMERCIEMENTS ................................................................................................................ II
SIGLES ET ACRONYMES .................................................................................................... III
LISTE DES TABLEAUX ....................................................................................................... VI

LISTE DES GRAPHIQUES .................................................................................................. VI
LISTE DES ANNEXES ........................................................................................................ VII

SOMMAIRE ........................................................................................................................ VIII
RESUME .............................................................................................................................. IX
INTRODUCTION .................................................................................................................... 1
PREMIERE PARTIE : PRINCIPES DE LA POLITIQUE MONETAIRE ET REVUE DE LA

LITTERATURE ....................................................................................................................... 3
CHAPITRE I : LES PRINCIPES DE LA POLITIQUE MONETAIRE ........................................ 4
I.1. INSTRUMENTS ET CANAUX DE TRANSMISSION DE LA POLITIQUE MONETAIRE .... 4
I.2. POLITIQUE MONETAIRE DE LA BCEAO ........................................................................ 7
CHAPITRE II : REVUE DE LA LITTERATURE ET FAITS STYLISES .................................. 10
II.1. REVUE DE LA LITTERATURE...................................................................................... 10
II.2. FAITS STYLISES .......................................................................................................... 14
DEUXIEME PARTIE : APPROCHE METHODOLOGIQUE ................................................... 17

ET ANALYSE DES RESULTATS ......................................................................................... 17
CHAPITRE III : APPROCHE METHODOLOGIQUE ............................................................. 18
III.1. DONNEES ET HYPOTHESES DE L’ETUDE ............................................................... 18
III.2. MODELISATION .......................................................................................................... 19
CHAPITRE IV : ANALYSE DES RESULTATS ET IMPLICATIONS DE POLITIQUE

ECONOMIQUE .................................................................................................................... 23
IV.1. ANALYSE DES RESULTATS ...................................................................................... 23
IV.2. IMPLICATIONS DE POLITIQUES ECONOMIQUES ET PERSPECTIVES .................. 29

CONCLUSION ..................................................................................................................... 30
REFERENCES BIBLIOGRAPHIQUES .................................................................................. X
ANNEXES .......................................................................................................................... XIII
TABLE DES MATIERES ................................................................................................ XXVIII
TABO Arzouma Issa 40ème Promotion du COFEB Page VIII

RESUME
L’objectif de cette étude est de faire une analyse des effets sectoriels de la politique
monétaire dans les Etats membres de l’UEMOA.
La démarche méthodologique adoptée s’articule autour du modèle à correction

d’erreurs en panel afin d’analyser les effets de long et de court terme ; la modélisation
VAR en panel dynamique pour appréhender les fonctions de réponses impulsionnelles
et la décomposition des variances des erreurs de prévision des valeurs ajoutées
sectorielles puis la méthode des moments généralisée en différence première pour
confirmer et tester la robustesse des résultats.
Il ressort de ces derniers que les secteurs de l’économie dans l’UEMOA auraient des
sensibilités hétérogènes. Ainsi suivant les trois modèles utilisés, le secteur tertiaire
serait le secteur le plus sensible aux innovations de politique économique, viennent
ensuite le secteur secondaire puis le secteur primaire. En ce qui concerne les pays, à
long terme, tous les pays de l’UEMAO auraient un comportement homogène, mais
hétérogène à court terme du fait de la spécificité de chaque pays. De plus dans l’espace
UEMOA, le crédit à l’économie serait le déterminant le plus pertinent pour expliquer
l’évolution des valeurs ajoutées sectorielles. Par ailleurs, le taux de guichet de prêt
marginal, aurait des effets positifs attendus dans l’ensemble des pays et des secteurs.
Enfin, les effets néfastes de l’indice harmonisé des prix à la consommation dans les
secteurs et dans la plupart des pays de l’Union, devraient amener les autorités de la
Banque Centrale à poursuivre leur objectif de stabilité des prix.
TABO Arzouma Issa 40ème Promotion du COFEB Page IX

INTRODUCTION
Les effets de la politique monétaire sur les performances économiques ont longtemps
suscité l'intérêt des économistes et des décideurs politiques. Au cours de ces dernières
années, il semble y avoir un consensus croissant parmi les économistes que la politique
monétaire a des effets sur la sphère réelle, au moins dans le court terme. Sur le plan
théorique comme celui empirique, la détermination des effets des impulsions
monétaires sur l'activité économique fait l’objet de débat sur les impacts réels des
impulsions nominales.
La littérature montre que la politique monétaire peut avoir des effets mitigés sur la
croissance sectorielle et, par conséquent, sur la croissance globale et que les secteurs
de l'économie pourraient réagir différemment aux chocs de politique monétaire . A cet
égard, il apparait nécessaire de connaître les secteurs qui répondent d'abord à un choc
de politique monétaire et si les effets pourraient être plus importants dans certains
secteurs que dans d'autres. Cela peut fournir des informations pertinentes à des fins de
politiques économiques. En effet, des études sur l'analyse sectorielle des canaux de
transmission de la politique monétaire, notamment dans les pays en développement,
indiquent que la politique monétaire restrictive affecte négativement l'agriculture et
l’industrie manufacturière, qui sont considérés comme les secteurs primaires de
croissance pour la plupart de ces économies. De plus, les rares études empiriques sur
l’analyse multisectorielle ont été faites sur un seul pays et non sur un ensemble de pays
ou d’une union économique et monétaire1. Or une analyse multisectorielle, prenant en
compte tous les secteurs2 de l’économie, pourrait expliquer les différences de réaction
entre les pays face aux transmissions de politique monétaire.
Ainsi donc, les études empiriques sur le plan désagrégé sont quasi inexistantes surtout
dans l’UEMOA. La présente étude contribue alors à la littérature en comblant ce gap.
Tous ces arguments nous amènent à porter notre étude sur l’analyse multisectorielle
d’un ensemble de pays, notamment les pays de l’UEMOA. En effet, nous nous sommes
interrogés sur le comportement des différents secteurs de l’économie des pays de
l’Union face à une politique monétaire implémentée par l’Institut d’émission. Pour nous,
une analyse macro-économique de la transmission des chocs monétaires masque les
disparités dans la sensibilité des différents secteurs de l'économie ainsi que les
différences dans les degrés et les vitesses de réaction de ces secteurs à l'intérieur du
cycle économique. Outre la réaction de chaque secteur, il faut se demander si les pays
de l’UEMOA ont un comportement homogène ou hétérogène face à une politique
monétaire impulsée par la BCEAO. Les réponses apportées à ces diverses
interrogations pourraient constituer des outils d’analyse de politique économique de
chaque pays et par ricochet un effet d’entraînement pour l’ensemble de l’Union.
Au regard de ce qui précède, la question principale que l’on pourrait se poser est de
savoir quels sont les effets sectoriels de la politique monétaire dans les Etats membres
de l’UEMOA ? Afin d’approfondir notre réflexion, les questions subsidiaires suivantes
méritent d’être élucidées : quel est l’impact de la politique monétaire sur les valeurs
ajoutées sectorielles dans les Etats membres de l’Union ? Les Etats de l’Union
réagissent-ils de la même façon aux impulsions monétaires ? Qu’est ce qui pourraient
expliquer la disparité dans les réactions des secteurs dans les pays ?
1 Voir la revue empirique dans le second chapitre de la première partie.

2 Secteurs primaire, secondaire et tertiaire.
TABO Arzouma Issa 40ème Promotion du COFEB Page 1
A la lumière des questions posées, l’objectif principal poursuivi dans cette étude est de
faire une analyse des effets sectoriels de la politique monétaire dans les Etats membres
de l’UEMOA. De façon spécifique, il s’agit tout d’abord, d’évaluer l’impact des
innovations monétaires sur les trois secteurs économiques ainsi que dans les différents
pays ; ensuite, trouver des explications quant aux disparités dans les réactions des
secteurs et des pays ; enfin de classer ces secteurs et pays par rapport à leur vitesse
de réactions aux différentes impulsions monétaire.
Pour atteindre l’objectif fixé, une méthodologie basée sur trois modèles a été adoptée.
D’abord, il a été utilisé le modèle à correction d’erreurs en panel appelé Pooled Mean
Group suivant l’approche de Pesaran et al (1991) afin d’analyser les effets de long et
de court terme ; la modélisation VAR en panel dynamique pour appréhender les
fonctions de réponses impulsionnelles et la décomposition des variances des erreurs
de prévision des valeurs ajoutées sectorielles puis la méthode des moments
généralisée en différence première pour confirmer et tester la robustesse des résultats.
Outre l’introduction et la conclusion, notre étude s’est articulée autour de deux (2)
parties, contenant chacune deux (2) chapitres. La première partie aborde les principes
de la politique monétaire (chapitre 1) qui expose les instruments et canaux de
transmission de la politique monétaire, aussi bien dans les pays développés que ceux
dans la zone UEMOA. La littérature et les faits stylisés ont fait l’objet du deuxième
chapitre qui décrit l’évolution des différentes variables utilisées sur la période d’étude.
La deuxième partie a permis de décrire et d’utiliser des techniques quantitatives
appropriées afin d’atteindre les objectifs fixés (chapitre 3). Le chapitre 4 a analysé les
résultats obtenus et exposé les implications de politique économique.

PREMIERE PARTIE : PRINCIPES DE LA POLITIQUE

MONETAIRE ET REVUE DE LA LITTERATURE

CHAPITRE I : LES PRINCIPES DE LA POLITIQUE MONETAIRE
La politique monétaire est l'action par laquelle l'autorité monétaire, en général la banque
centrale, agit sur l'offre de monnaie dans le but de remplir son objectif de triple stabilité,
à savoir la stabilité des taux d'intérêts, la stabilité des taux de change et la stabilité des
prix. Elle permet également d'atteindre d’autres objectifs de la politique économique
notamment la croissance économique, le plein emploi et l'équilibre extérieur, qui sont
qualifiés de triangle keynésien. Elle peut être définie comme l’ensemble des moyens
mis en œuvre par un Etat ou une autorité monétaire pour agir sur l’activité économique
par la régulation de sa monnaie3. Toute politique monétaire est basée sur des principes
que sont les objectifs, les instruments et canaux de transmission.
I.1. INSTRUMENTS ET CANAUX DE TRANSMISSION DE LA POLITIQUE MONETAIRE
I.1.1. Instruments de la politique monétaire
Les banques centrales s'appuient sur un certain nombre d’instruments pour contrôler la
création monétaire. Avant d’aborder les différents instruments utilisés par les banques
centrales, il est nécessaire de mentionner les objectifs qu’elles poursuivent.
A l’instar de toute politique économique, la politique monétaire a pour objectif de
maximiser le bien-être social. Parmi les économistes, il y a consensus autour de l’idée
selon laquelle l’inflation a un coût et que la stabilité des prix constitue l’objectif le mieux
approprié pour la politique monétaire, cependant, les mandats confiés aux banques
centrales peuvent varier sensiblement. Par exemple, la stabilité des prix constitue la
principale mission de la Banque Centrale Européenne (BCE). La Réserve Fédérale des
Etats-Unis (Fed) a pour objectifs de plein emploi et de stabilité des prix. Pour atteindre
ces objectifs, les instruments généralement utilisés par les banques centrales sont
regroupés en instruments conventionnels et en instruments non conventionnels de la
politique monétaire4.
En ce qui concerne les instruments conventionnels, nous avons les opérations d’open
market, les facilités permanentes et le système des réserves obligatoires.
S’agissant des opérations d’open market, elles sont le principal instrument utilisé par
les banques centrales pour atteindre, en temps normal, l’objectif fixé pour le taux de
l’argent, au jour le jour.et dépendent des conditions du marché et de l’environnement
financier dans le quel opère la banque centrale. C’est ainsi que nous avons les
opérations d’open market de l’Eurosystème et celles des Etats-Unis. La zone Euro
utilise les opérations de refinancement (opération principale de refinancement dont la
périodicité est hebdomadaire et la durée de deux semaines ; et les opérations de
refinancement à plus long terme dont la périodicité est mensuelle assorties d’une
échéance de trois mois) qui prennent habituellement la forme de prise en pension et les
opérations de réglage fin qui visent à gérer la situation de liquidité sur le marché et à
piloter les taux d’intérêt. L’Eurosystème procède également à des opérations
structurelles pour ajuster sa position vis-à-vis du secteur bancaire en cas de déficit
persistant sur la monnaie centrale et a pour objectif d’avoir un effet durable sur l’offre
de monnaie centrale. Aux Etats-Unis, les opérations d’open market de la Fed, faites sur
le marché des bons du Trésor où le volume des transactions est plus important, sont
3https://www.banque-france.fr/politique-monetaire/presentation-de-la-politique-monetaire/definition-de-
la-politique-monetaire
4 Cette partie sur les instruments de la politique monétaire est tirée de l’ouvrage de « Monnaie, banque
et marchés financiers » de Frederic Mishkin, 2013, 10e édition, pp 634-657

constituées des opérations d’open market dynamique, utilisées pour faire varier le
montant de la monnaie centrale et les opérations défensives visant à neutraliser les
variations des facteurs autonomes.
Les facilités permanentes quant à elles, ne donnent pas lieu à des opération de marché,
mais elles sont réalisées dans le cadre d’une relation bilatérale en la banque centrale,
qui fixe les conditions, et l’établissement de crédit, qui en a l’initiative. Il existe deux
types de facilités permanentes : les facilités de prêt et les facilités de dépôt, qui fixent
respectivement une borne supérieure et une borne inférieure, permettant ainsi à la
banque centrale de délimiter un corridor pour le taux de l’argent au jour le jour. Dans la
zone Euro, la facilité de prêt permet aux banques d’obtenir, contre la remise de
garanties, des prêts de monnaie centrale à 24 heures au taux de facilité marginal de
prêt ; alors que la facilité de dépôt permet aux banques d’effectuer des dépôts à 24
heures au taux d’intérêt sur la facilité de dépôt. Aux Etats-Unis, par contre, il existe une
unique facilité permanente qui est la facilité de prêt offert par la Fed aux banques à son
guichet de l’escompte. La Fed utilise cet instrument pour exercer sa fonction de préteur
en dernier ressort. Le troisième instrument conventionnel de la politique monétaire est
le système des réserves obligatoires qui permet d’influencer les conditions de la
demande en agissant sur le besoin structurel du système bancaire en monnaie central.
En Europe, les réserves obligatoires ont instrument de stabilisation du taux d’intérêt
quotidien et dont le montant est calculé en multipliant l’assiette des réserves par un taux
de réserve fixé à 2%5. Mais aux Etats-Unis, cet instrument est en déclin, parce
qu’aujourd’hui, il a perdu de son importance et est rarement utilisé.
Les instruments non conventionnels de la politique monétaire quant à eux, sont des
mesures exceptionnelles utilisées par les banques centrales pour palier le
dysfonctionnement de certains compartiments des marchés. Il s’agit de
l’approvisionnement en liquidité, des programmes d’achat de titres, et des
engagements relatifs aux décisions à venir. Les deux premiers instruments ont pour
conséquences, l’expansion du bilan de la banque centrale appelée assouplissement
quantitatif ou assouplissement de crédit. Les engagements relatifs aux décisions
d’avenir quant à eux, sont un moyen pour la banque centrale de faire baisser les taux
longs en maintenant durablement le principal taux directeur à zéro avec l’espoir de
relancer l’économie.
I.1.2 Canaux de transmission de la politique monétaire
Les canaux de transmission sont constitués d'une chaîne de liaisons directe (taux
d’intérêt et taux de change) ou indirect (crédit et anticipations) entre la sphère monétaire
et la sphère réelle.
▪ Canaux de transmission symétrique ou directe
Ils sont constitués du canal du taux d’intérêt et celui du taux de change.
Le canal du taux d'intérêt indique qu’une baisse du taux d'intérêt nominal abaisse le
taux d'intérêt réel et encourage l'investissement des entreprises, fait monter le prix des
actifs financiers et immobiliers. Ce qui crée un effet de richesse des ménages et stimule
la consommation et, in fine, la production. En effet, dans une perspective de court terme
et en supposant une baisse non anticipée des taux d’intérêt, trois effets peuvent être
mis en évidence sur les comportements de dépenses des ménages :
5 La Politique Monétaire de la BCE, 2004, pp.81-84

▪ L’effet de substitution qui conduit les agents économiques à revoir l’arbitrage

entre consommation immédiate et épargne. Une baisse de taux diminue la valeur
de la consommation future et incite à consommer aujourd’hui puisque l’épargne
devient moins intéressante et le crédit moins cher ;
▪ L’effet de revenu entraîne une hausse de la valeur actualisée des dépenses de
consommation anticipées pour des périodes futures. Dès lors, la consommation
future est plus coûteuse, toutes choses égales par ailleurs. Les ménages
préfèrent par conséquent épargner davantage en réduisant leur consommation
immédiate afin de face à cette situation ;
▪ L’effet de richesse quant à lui entraîne une hausse de la valeur actualisée des
revenu futurs des ménages. Cette augmentation s’applique au capital humain,
au capital physique et au capital financier. Ainsi, pour ce dernier, les agents
peuvent décider de vendre une partie du portefeuille de titres pour obtenir
davantage de biens et services. Ils consomment plus de biens et services.
En ce qui concerne les effets sur l’investissement, une baisse de taux entraîne un coût
d’usage du capital plus faible et donc une augmentation de la profitabilité de la
production et une offre supérieure de biens ; une substitution du capital au travail. Ces
deux effets impliquent une hausse de l’investissement.
Le canal du taux de change nous renseigne que dans une économie à change flexible,
une baisse du taux d'intérêt entraîne théoriquement une dépréciation de la monnaie
domestique. Il en découle que le prix des exportations diminue et le prix des
importations progresse se traduisant, sous hypothèse de la vérification de la condition
de Marshall-Lerner par une amélioration de la balance commerciale, donc une relance
de l'activité économique et une hausse des prix, en liaison avec l'impact du prix des
biens importés sur le prix à la
Aux côtés de ces deux canaux traditionnels, nous avons le canal du cours des actions,
du prix des logement et des terrains.
En ce qui concerne le canal du cours des actions, il agit par l’intermédiaire de la théorie
de l’investissement de Tobin (1969)6 et par les effets de richesse sur la consommation.
D’après cette théorie, la politique monétaire affecte l’économie par le biais de ses effets
sur la valorisation des actions. Une politique monétaire expansionniste (baisse des taux
directeurs) entraîne une hausse du cours des actions (valeur actualisée) ce qui conduit
à une augmentation du coefficient « q »7 et donc des dépenses d’investissement et
donc de la croissance de la production. Un coefficient élevé signifie que la valeur
boursière est élevée par rapport au coût de renouvellement et les nouveaux
investissements productifs sont donc peu onéreux par rapport à la valeur boursière. Les
entreprises peuvent ainsi émettre des actions et en obtenir un prix élevé. Ainsi, les
dépenses d’investissement augmentent puisque les entreprises peuvent acquérir de
nombreux biens d’équipement en émettant peu d’actions nouvelles. Dans le cas
inverse, quand le coefficient « q » est faible, les entreprises réalisent peu de dépenses
d’investissement. S’agissant des canaux du prix des logements et des terrains, la
théorie de Tobin s’applique directement au marché de l’immobilier, où le logement
représente le capital. Une hausse du prix des logements, qui accroît leur valeur par
rapport au coût de renouvellement, aboutit à l’augmentation du coefficient q de Tobin
6 J. Tobin (1969), « A general equilibrium approach to monetary theory », Journal of Money, Credit and
Banking.
7 Le coefficient « q » se définit comme le rapport entre la valeur boursière des entreprises et le coût de
renouvellement du capital.
dans le secteur de l’immobilier résidentiel, ce qui stimule la production. De même, les

prix des logements et des terrains sont un élément extrêmement important de la
richesse qui s’accroît sous l’effet d’une hausse de ces prix, d’où une augmentation de
la consommation. L’expansion monétaire, qui élève les prix des terrains et des
logements aboutit donc à une hausse de la demande globale. Par conséquent, le
mécanisme de transmission de la politique monétaire agit également par le biais des
canaux des prix des terrains et des logements.
Canaux de transmission asymétrique ou indirecte

Il s’agit du canal du crédit et celui des anticipations.
S’agissant du canal du crédit, toute baisse de l'offre de monnaie de la banque centrale
peut se traduire par un recul du crédit du secteur bancaire aux entreprises et donc un
ralentissement de l'activité. A l'inverse, toute augmentation de l’offre de monnaie par la
banque centrale accroît les disponibilités en monnaie centrale des établissements de
crédit, qui ont alors l’opportunité de développer leur offre de crédit. Par ailleurs, les
actions sur les taux d'intérêt peuvent aussi affecter l'offre de crédit en raison des
phénomènes d'aléa moral et de sélection adverse, résultant des imperfections des
marchés de crédit.
En ce qui concerne le canal des anticipations, les banques centrales utilisent des effets
d’annonce pour clarifier leurs intentions futures et la lecture que les agents
économiques font de ces intentions. La perception de l'évolution future de l'économie
influe sur les décisions de consommation, d'investissement, de production et donc, sur
la formation des prix sur les marchés.
I.2. POLITIQUE MONETAIRE DE LA BCEAO
Depuis la réforme institutionnelle entrée en vigueur en 2010, la BCEAO a adopté un
cadre stratégique de conduite de la politique monétaire qui tient compte du niveau de
développement du système financier de l'Union et des contraintes institutionnelles.
I.2.1. Objectifs et instruments de mise en œuvre de la politique monétaire

L'Article 8 des Statuts de la BCEAO stipule que « l'objectif principal de la politique
monétaire de la Banque Centrale est d'assurer la stabilité des prix. L'objectif d'inflation
est défini par le Comité de Politique Monétaire (CPM). Sans préjudice de cet objectif, la
politique monétaire apporte son soutien aux politiques économiques de l'Union
Economique et Monétaire Ouest Africaine (UEMOA), en vue d'une croissance saine et
durable ». Sur le plan opérationnel, le Comité de Politique Monétaire a défini la stabilité
des prix comme un taux d'inflation, en glissement annuel, pour l'ensemble de l'Union,
compris dans une marge de plus ou moins un point de pourcentage (1%) autour d'une
valeur centrale de deux pour cent (2%), à l'horizon de vingt-quatre (24) mois8.
Pour atteindre cet objectif, le dispositif actuel de gestion de la monnaie et du crédit
s’appuie sur les instruments de taux d’intérêt et du système des réserves obligatoires.
La politique du taux d’intérêt vise le pilotage des taux de court terme sur le marché
monétaire et interbancaire et permet à l’Institut d’émission d’atteindre l’objectif de
stabilité des prix à travers l'utilisation des instruments de gestion de la liquidité entre
intervenants éligibles. Le taux de référence retenu actuellement par la BCEAO comme
premier maillon de la chaîne de transmission est le taux moyen pondéré des opérations
de prêts interbancaires sur le compartiment à une semaine qui est le plus actif du
8Par décision n° 01/2010/CPM/BCEAO portant définition de l'objectif de stabilité des prix dans le cadre
de la politique monétaire au sein de l'UMOA.
marché interbancaire de l'Union. La politique des taux d'intérêt de la BCEAO repose

principalement sur deux taux directeurs9: le taux minimum de soumission aux appels
d'offres, fixé à 2,50% et le taux du guichet de prêt marginal (TGPM) fixé à 4,50%10.
Les réserves obligatoires sont des réserves financières que les banques centrales
obligent les établissements de crédit à déposer auprès d'elles. Le dispositif de réserves
obligatoires est employé comme un instrument visant à renforcer l'efficacité de la
politique des taux d'intérêt. Pour qu'il en soit ainsi, il est utilisé pour créer ou accentuer
un déficit de liquidité au niveau des banques, afin de renforcer la capacité des banques
centrales à intervenir efficacement comme pourvoyeuses de liquidités. A ce titre, cet
instrument permet de mieux affiner la gestion des taux sur le marché monétaire11.
I.2.2. Canaux ou mécanisme de transmission de la politique monétaire

La BCEAO s'appuie sur des mécanismes de marché et des instruments indirects de
régulation de la liquidité, notamment le pilotage des taux d'intérêt et le système des
réserves obligatoires. Les interventions de la BCEAO sur le marché monétaire de
l'Union Monétaire Ouest Africaine s'effectuent à travers la réalisation d'opérations
d'open market et le refinancement sur ses guichets permanents. Elles visent à réguler
la liquidité bancaire et piloter les taux pratiqués sur le marché interbancaire. A cet effet,
la Banque Centrale procède à l'injection ou au retrait de liquidités par l'achat ou la vente
de titres. Ces opérations peuvent être temporaires (pension) ou définitives (achat ou
vente ferme).
Le mécanisme de transmission de la politique monétaire de la BCEAO peut être résumé
par le schéma ci-après.
9 Selon l'article 20 de la décision n°397/12/2010 portant règles, instruments et procédures de mise en œuvre de la
politique de la monnaie et du crédit de la BCEAO du CPM.
10 2,50% depuis le 16 septembre 2013 et 4,50% depuis le 16 septembre 2016
11
Définition tirée du séminaire du comité de politique monétaire sur le thème :
«Fonctionnement du marché monétaire et mise en œuvre de la politique monétaire » sous-thème 1 cadre stratégique
de la politique monétaire du 03 mars 2015.
Graphique 1 : Mécanismes de transmission de la politique monétaire de la BCEAO
Source : Séminaire du comité de politique monétaire sur le thème : « fonctionnement du marché monétaire et mise en
œuvre de la politique monétaire » sous-thème 1 cadre stratégique de la politique monétaire, 3 mars 2015
Pour conclure sur ce chapitre, nous pouvons dire que le principal objectif de toute
politique monétaire est la stabilité des prix. Pour atteindre ce premier objectif et d’autres
objectifs secondaires, les banques centrales disposent comme instruments les taux
directeurs et le système des réserves obligatoires en s’appuyant sur des canaux de
transmission directe et indirecte que sont respectivement les taux d’intérêt et de
change, les crédits et les anticipations rationnelles.

CHAPITRE II : REVUE DE LA LITTERATURE ET FAITS STYLISES
Après avoir passé en revue les différents principes de la politique monétaire, nous
abordons la revue de la littérature et les faits stylisés.
II.1. REVUE DE LA LITTERATURE
Cette partie retrace les différentes théories qui mettent en exergue les effets de la
politique monétaire sur le secteur réel, ainsi que les diverses études empiriques menées
à cet effet.
II.1.1. Revue théorique
La littérature recense différentes manières d’appréhender les mécanismes de
transmission monétaire. Il n’y a pas de politique monétaire sans un débat théorique sur
le rôle de la monnaie qui a alimenté les réflexions sur la politique monétaire
contemporaine entre les différents courants économiques.
Pour les économistes classiques comme Say (1803), la monnaie est un voile et les
phénomènes monétaires n’ont pas d’incidence sur le secteur réel. Cette approche a été
formalisée par Fisher () sous la forme de la théorie quantitative de la monnaie qui
souligne que toute augmentation de la masse monétaire qui ne serait pas issue d’une
hausse des transactions économiques, se traduirait essentiellement par des tensions
inflationnistes.
A la suite de la crise de 1929, Keynes (1936) dénonce les postulats de la théorie
classique en insistant sur la monnaie qui est demandée pour plusieurs motifs. Il montre
que dans une situation de sous-emploi, il convient d’accroître la quantité de monnaie
en circulation, pour que les taux d’intérêt baissent et que l’investissement augmente
jusqu’à ce que le plein emploi soit réalisé.12.
A contrario des keynésiens, les monétaristes dont le chef de fil Friedman (1968) ont
réhabilité la théorie quantitative de la monnaie en partant de la courbe de Phillips pour
montrer une relation empirique inverse entre le taux de chômage et le taux d’inflation.
C’est ainsi que Phelps (1967) et Friedman (1968) ont montré, sur la base d’arguments
théoriques, que cette courbe ne fonctionnait qu’à court terme et qu’il n’y avait pas
d’arbitrage possible à long terme. Ils sont arrivés à cette conclusion en mettant en
évidence le rôle des anticipations adaptatives dans le comportement des agents
économiques.
Les nouveaux classiques, à l’instar de Lucas (1988), supposent que les agents
économiques déterminent leur comportement sur la base d’anticipations rationnelles.
Dès lors, une politique monétaire est non seulement inefficace à long terme, mais
également à court terme car les agents raisonnent en termes réels et ne peuvent pas
être « leurrés » par une politique monétaire.
Le principal mécanisme de transmission de la politique monétaire dans la théorie
keynésienne, le canal du taux d’intérêt concerne l’ensemble des moyens par lesquels
la variation des taux directeurs est susceptible d’affecter la sphère réelle, à travers les
décisions d’investissement et de consommation des agents économiques. Ainsi pour
Bernanke et Gertler (1989), politique monétaire restrictive réduit les réserves des
banques et des dépôts bancaires, ce qui limite la quantité de prêts bancaires
disponibles aux emprunteurs et cela réduit finalement l'investissement privé et l’output.
Dans cette même logique, Nubukpo (2002), estime que toute modification du taux
12Notons que la baisse des taux d’intérêt n’est pas préjudiciable à l’épargne étant donné que celle-ci
dépend du revenu et non du marché des fonds prêtables.
d’intérêt directeur de la Banque Centrale engendre une variation des taux bancaires qui
influe sur la demande de biens. Cette modification entraîne un changement des taux
d’intérêt et de rendement des nouveaux emprunts et des placements. Selon Mishkin
(2010), Robinson (1965) et Chandavarkar (1971), une politique monétaire
expansionniste, à travers le canal des taux d'intérêt, entraîne une baisse des taux
d'intérêt réels, conduisant à la baisse du coût du capital accroissant ainsi les dépenses
d'investissement, la demande agrégée et, par conséquent, le niveau de la production
globale. Toutefois, Mc Kinnon et Shaw (1973), ont montré que des niveaux de taux
d’intérêt bas ne favorisent pas l’accumulation du capital et la croissance économique
car ils ne peuvent pas susciter l’épargne nécessaire en vue de satisfaire une nouvelle
demande. Il en résulte alors une diminution de l’investissement.
Pour le canal du crédit, Christian de Boissieu (1976), souligne que ce dernier n’est pas
indépendant du canal du taux d’intérêt, et tous les deux jouent dans le même sens pour
renforcer l’impact de la politique monétaire.il s’agit d’intégrer les imperfections des
marchés du crédit et des marchés de capitaux, en particulier les asymétries
d’information et toutes leurs implications. C’est ainsi que Stiglitz et Weiss (1981) ont
montré, qu’en présence d’une information asymétrique entre prêteurs et emprunteurs,
les variations des taux débiteurs bancaires ne permettent pas un apurement efficace
du marché du crédit. Dans une telle situation, le rationnement du crédit qui est la seule
réponse optimale aux variations de taux d’intérêt créditeurs impulsés par les autorités
monétaires entraînera une diminution de la demande via la baisse de l’investissement.
L’intégration entre les sphères réelle et monétaire se trouve enrichie par le canal du
taux de change. En effet, selon Mundell (1962), dans un régime de changes flexibles,
la mobilité des capitaux implique une relation simple entre le taux d’intérêt et le taux de
change. En conséquence, une politique monétaire expansionniste entraîne une baisse
des taux d’intérêt qui relance la production par deux effets : d’une part, la hausse de
l’investissement et les sorties de capitaux qui entraînent une dépréciation du change ;
d’autre part, une relance de la production par augmentation des exportations et une
réduction des importations.
Pour situer les différents courants de pensée sur les effets de transmission de la
politique monétaire, il est intéressant de poser empiriquement la question de la portée
ou de l’importance relative de ses canaux de transmission et d’évaluer ses
conséquences aussi bien dans les pays développés que dans les pays en voie de
développement ainsi que sur le plan agrégé que désagrégé.
II.1.2. Revue empirique
Cette section est consacrée aux différentes études qui examinent les effets de la
transmission de la politique monétaire. De façon méthodique, nous évoquerons les
études dans les pays développés ou de l’OCDE13, dans les pays en voie de
développement (Afrique hors zone UEMOA, Amérique latine et Asie) et enfin dans les
pays de l’UEMOA.
En ce qui concerne les pays développés, la première tentative pour explorer la
transmission monétaire au niveau désagrégé a été entreprise par Bernanke et Gertler
(1995). Ces derniers ont utilisé un modèle vectoriel autorégressif (VAR) pour dégager
les différents impacts de la politique monétaire sur les composantes de la dépense
finale aux USA. A l’instar de cette première tentative, il faut noter aussi que la première
13L’OCDE (Organisation de coopération et de développement économiques) est un organisme

international qui observe les échanges commerciaux entre pays, souvent présentée comme un club
des pays riches, comprend actuellement 34 membres
étude désagrégée multisectorielle de Ganley et Salmon (1997) qui comparent la

réaction de la production à un choc monétaire dans neuf grands secteurs14.en estimant,
pour chaque secteur productif, un modèle vectoriel à correction d'erreur. Parmi les neuf
principaux secteurs, la distribution, le transport et la fabrication présentent les plus
grandes réponses à un choc monétaire tandis que les services financiers et publics
répondent relativement peu au choc. Et la réponse des secteurs minier et agricole est
quelque peu insignifiante. Tavéra (1999) a utilisé la modélisation VAR partielle pour
estimer et comparer le degré de sensibilité des secteurs agricoles aux impulsions de
politique monétaires dans neuf pays15de l’union européenne. Ses résultats montrent
que les secteurs agricoles les plus sensibles aux impulsions monétaires sont ceux de
l'Espagne et de l'Irlande. Un noyau de pays relativement large 16 semble cependant être
caractérisé par une sensibilité « moyenne » au taux d'intérêt et une vitesse de réaction
moyennement lente de l'ordre de 7 à 10 ans.
Heyer et Timbeau (2006) ont travaillé sur le secteur immobilier et ont quantifié le canal
de stimulation monétaire dans les pays européens. Il ressort de leur résultat que la
sensibilité de l’économie européenne à une baisse des taux d’intérêt est deux à trois
fois inférieure à celle de l’économie américaine. Combinée à une réactivité plus faible
et plus timide de la banque centrale, cela implique une moindre régulation de la
conjoncture de la zone euro par les taux d’intérêt. Dans le secteur industriel, Héricourt
et Matei (2005), pour fournir de nouveaux résultats empiriques concernant les
mécanismes de transmission de la politique monétaire dans les PECO 17 ayant
récemment adhéré à l’UE, ont estimé des modèles VAR en s’appuyant sur plusieurs
spécificités méthodologiques. D’après leurs résultats, l’ampleur de la réaction de la
production industrielle varie relativement d’un pays à l’autre de l’échantillon, tout en
demeurant la plupart du temps non-significative au plan statistique.
Toute innovation de la politique monétaire a un impact négatif ou positif sur le secteur
réel et financier (toutes choses égales par ailleurs) notamment la croissance et
l’inflation. Ainsi, Barran et al (1996), pour identifier les sources de divergence possibles
provenant des marchés du crédit et d’évaluer économétriquement si les réponses de
l’économie à un choc de politique monétaire sont différentes dans 9 pays européens,
ont utilisé les modélisations VAR. C’est en Allemagne que l’effet est le plus fort a été
obtenu, alors qu’en Italie l‘investissement résidentiel est peu sensible aux chocs de
politique monétaire. D'autres études, utilisant des données collectées aux Etats-Unis,
ont analysé le rôle déterminant du secteur bancaire dans les mécanismes de
transmission de la politique monétaire (Kashyap et al., 1994 ; Bernanke, 1993 ;
Bernanke et Blinder, 1992). En effet, Kashyap et al. (1994), en examinant les données
microéconomiques des firmes manufacturières aux Etats-Unis, ont trouvé que les
investissements des firmes qui n'ont pas accès aux marchés obligataires se trouvent
contraints pendant la période de resserrement de crédits.
Dans les pays en voie de développement, Kahn et Knight (1991) ont élaboré un modèle
macroéconométrique dans le contexte des programmes de stabilisation
macroéconomique. Ainsi, sur le plan agrégé, afin d'évaluer empiriquement les effets sur
l'inflation et la croissance des variations de l'offre de monnaie, les auteurs ont effectué
des estimations économétriques par la méthode du maximum de vraisemblance à
information parfaite sur un panel de 29 pays en développement18. Les résultats montrent
14
Les secteurs sont l'exploitation minière, les services publics, la fabrication, les services financiers, les services gouvernementaux,
la distribution, les transports, la communication, l’agriculture et la construction
15
Belgique, France, Allemagne, Italie, Irlande, Pays-Bas, Portugal, Finlande, Espagne, Grèce, Suède et Grande Bretagne
16
Belgique, Portugal, France, Grèce, Finlande et Pays-Bas
17
PECO : Pays d’Europe Centrale et Orientale constitués de l’Estonie, la Hongrie, la Lettonie, la Lituanie, Pologne, la République
Tchèque, la Slovaquie et la Slovénie
18 Dont 6 pays africains mais aucun de l’UMOA
qu'une hausse de l'offre de monnaie exerce un effet positif significatif sur l'inflation ;
indique que la valeur de l'élasticité de l'inflation au choc monétaire est de 33%. De
même, une hausse de l'offre de monnaie a une influence positive significative, mais de
faible ampleur, sur la croissance économique : l'élasticité de la croissance du PIB réel
à l'offre de monnaie n'étant que de 4,3%. De l'avis des auteurs, les effets d'une variation
de l'offre de monnaie sur l'inflation et la croissance sont essentiellement de court terme.
Une étude récente de Bikai et Essiane (2018) permet d’apprécier l’incidence des chocs
de politique monétaire sur la stabilité monétaire interne, externe et la croissance
économique dans la CEMAC. En utilisant le modèle VAR structurel, les auteurs tirent
trois aspects de leur étude : d’abord, le canal du taux d’intérêt est limité dans la CEMAC
et les chocs sur la base monétaire ont davantage d’incidence sur la stabilité monétaire
que les chocs sur le taux directeur. Ensuite, les chocs de politique monétaire ne
semblent pas exercer d’influence sur la croissance économique dans les différents pays
mais ont des effets différenciés sur les prix et les réserves de change selon l’instrument
utilisé. De plus, les chocs sur la base monétaire ayant des effets plus significatifs que
les chocs sur les taux. Enfin, les chocs de demande semblent exercer une influence
plus importante sur la dynamique de la stabilité monétaire externe que les chocs
monétaires quantitatifs.
Sur le plan désagrégé, Ifeakachukwu et Olufemi (2012) utilisent une approche VAR
pour analyser l'impact de la politique monétaire sur l'économie nigériane au niveau
multisectoriel. Les résultats de leur étude révèlent que les secteurs de l'agriculture et
de l’industrie sont les plus touchés par les taux d'intérêt, tandis que d'autres secteurs
tels que le bâtiment – construction, les mines et le commerce de gros et de détail sont
plus touchés par les chocs de taux de change. L'étude conclut en outre que le taux
d'intérêt et les politiques de taux de change étaient des mesures de politique monétaire
les plus efficaces dans la stimulation de la croissance de la production sectorielle au
Nigeria. Une étude analogue faite par Moussir (2017) met en lumière l'existence de
différences significatives dans les réactions des secteurs marocains aux chocs de
politique monétaire. Il conclut que l'industrie extractive, de manufacture, les BTP, les
hôtels et restaurants, les activités financières et d'assurance sont parmi les secteurs les
plus sensibles aux chocs de politique monétaire. D'autre part, les innovations de la
politique monétaire ne semblent pas avoir un impact significatif sur les secteurs de
l'agriculture et de la pêche. Cardia et Murcie (2004), en utilisant un modèle d'Équilibre
Général dynamique Stochastique (DSGE) pour analyser la transmission de la politique
monétaire dans une économie multisectorielle en Ouganda, arrivent à la conclusion
selon laquelle les secteurs de la construction et de l’industrie de biens d’équipement
ont une forte sensibilité aux chocs de politique monétaire.
Une politique monétaire restrictive décourage la croissance dans les différents secteurs
de l'économie. Ceci est confirmé par Karim et al. (2006) qui utilisent une approche VAR
pour étudier l'impact de la politique monétaire restrictive sur les différents secteurs de
l'économie malaisienne. Leurs résultats suggèrent que l'impact négatif de la politique
monétaire restrictive a le plus grand effet sur les secteurs de l'agriculture, de l’industrie
et des mines en Malaisie. En outre, Ilker (1999), en utilisant la même méthodologie, a
trouvé que dans le secteur industriel en Jamaïque, les petites industries sont plus
touchées par des chocs de taux d'intérêt tandis que les grandes industries sont sujettes
à des chocs de taux de change.
Dans la zone UEMOA, en 2012, une étude menée par les Services de la BCEAO,
intitulée « analyse des liens entre l'inflation et d'autres variables économiques,
monétaires et financières » sur la période allant de janvier 1997 à décembre 2011, a
indiqué une relation positive entre le taux de prêt marginal de la BCEAO et le taux

interbancaire. En outre, l'analyse de l'effet direct des taux directeurs sur le taux
d'inflation, faite par Nubukpo (2002) a montré qu'un choc monétaire positif se traduit par
un effet dépressif sur les prix et que l'impact du taux du marché monétaire est plus
important à court terme que l'effet du taux de prise en pension. Par ailleurs, l'auteur a
indiqué que les deux effets, non seulement connaissent leur ampleur maximale dès la
fin du premier trimestre, mais aussi dépassent leur tendance de long terme au bout d'un
semestre. En utilisant un modèle à correction d'erreur, Koné (2000) trouve que la
politique monétaire influe positivement sur le PIB nominal et réel dans les pays de
l'Union. Kamga (1999), quant à lui, a mesuré l’impact de la politique monétaire de
l'Union sur le secteur réel. Ses résultats montrent le rôle primordial des taux d'intérêt
dans la conduite de la politique monétaire dans l’Union et a des impacts différents d'une
économie à une autre.
La seule étude sectorielle désagrégée, à notre connaissance même si elle ne prend
pas en compte tous les secteurs, dans la zone UEMOA, est celle faite sur le secteur
industriel. En effet, Oloufade (2015), en se focalisant sur l'indice de la production
industrielle (IPI) des Etats membres de l'UEMOA, à travers les modèles à correction
d'erreur (MCE) et VAR sur panel ainsi que la méthode des moments généralisée
(GMM), trouve que les crédits à l'économie influencent positivement la production
industrielle, alors que l'inflation exerce un effet néfaste sur l'IPI à court et à long terme.
Au regard de ce qui précède, il est à remarquer que les canaux des taux d’intérêt et de
crédit restent de loin les canaux les plus utilisés pour mettre en évidence l’importance
de toute innovation de la politique monétaire. La méthode VAR reste le modèle privilégié
de cette implémentation de politique monétaire. Sur le plan analytique, la revue de la
littérature met clairement en évidence une rareté ou une quasi inexistence des études
désagrégées sur l’impact de la politique monétaire sur la sphère réelle. Cette présente
étude contribue à la littérature en comblant ce gap.
II.2. FAITS STYLISES

Cette section décrit l’évolution des valeurs ajoutées sectorielles, les crédits accordés
auxdits secteurs aussi bien dans l’UEMOA que dans chacun des pays membres.
II.2.1. Analyse des valeurs ajoutées sectorielles dans l’UEMOA
La valeur ajoutée est un indicateur économique qui mesure la valeur ou la richesse
créée par une entreprise, un secteur d'activité ou un agent économique au cours d'une
période donnée. C’est également la différence entre la valeur finale de la production
(valorisée par le chiffre d'affaires) et la valeur des biens qui ont été consommés par le
processus de production (consommations intermédiaires). Elle quantifie
l'accroissement de valeur que l'entreprise apporte du fait de son activité aux biens et
services intermédiaires qui proviennent des tiers (ses fournisseurs)19. La somme des
valeurs ajoutées des entreprises d’un secteur d’activité permet d’évaluer son poids dans
l’économe. Et en additionnant les valeurs ajoutées de l’ensemble des entreprises et des
administrations d’un pays, auxquelles on rajoute les droits de douane, on obtient le PIB
dont l’évolution permet de calculer la croissance économique, autrement dit
l’augmentation des biens et services produits par l’économie d’un pays d’une année sur
l’autre.20
Le Graphique 2 décrit l’évolution des contributions des secteurs à l’économie de l’Union
de 2016 à 2018. Selon le rapport sur la politique monétaire dans l'UMOA de septembre
2018, l'activité économique a été tirée par le secteur tertiaire, dont la contribution s'est
19 http://www.toupie.org/Dictionnaire/Valeur_ajoutee.htm
20 https://www.economie.gouv.fr/facileco/valeur-ajoutee
établie à 3,4 points de pourcentage, en baisse de 0,1 point de pourcentage par rapport
au trimestre précédent. La contribution du secteur secondaire est ressortie, quant à elle,
à 1,7 point de pourcentage, stable par rapport aux réalisations notées le trimestre
précédent. L'apport du secteur primaire à la croissance a été de 1,4 point de
pourcentage, soit 0,1 point de pourcentage de plus par rapport aux réalisations du
premier trimestre 2018.
Une analyse sur l’évolution des valeurs ajoutées de l’Union indique qu’au niveau du
secteur primaire, la valeur ajoutée brute s'est accrue de 5,7%, en rythme annuel, contre
5,3% un trimestre plus tôt, imputable essentiellement aux bons résultats de la
production aussi bien des cultures de rente que celle des produits vivriers ainsi qu'à la
production piscicole dans la plupart des pays côtiers. Dans le secteur secondaire, au
deuxième trimestre 2018, la valeur ajoutée générée par le secteur secondaire a
progressé, en rythme annuel, de 8,1%, soit 0,1 point de pourcentage de moins par
rapport au trimestre précédent. Ce qui s’explique par l’amélioration du climat des
affaires dont l’indicateur reste largement au-dessus de sa tendance de long terme (+3,1
points et +3,3 points respectivement), traduisant les niveaux élevés de confiance des
chefs d'entreprise du secteur des industries et des BTP dans l'orientation de leur
activité. Cet optimisme est en lien avec les anticipations favorables de la production,
des carnets de commandes et du démarrage de nouveaux chantiers. La valeur ajoutée
générée dans le secteur tertiaire a augmenté de 6,4%, en rythme annuel, au deuxième
trimestre 2018, contre 6,2% au premier trimestre 2018. Cette progression confirme
l'optimisme des chefs d'entreprise dans la branche « Commerce » sur l'orientation de
leur chiffre d'affaires et l'amélioration de leur situation de trésorerie. En effet, l'indicateur
du chiffre d'affaires dans les services marchands (hors services financiers) est ressorti
en hausse de 12,6 % au deuxième trimestre 2018 contre 9,3% au premier trimestre
2018, tiré notamment par les services de transport, d'hébergement et de restauration21.
En ce qui concerne la contribution des valeurs ajoutées sectorielles (Graphique 3), le
secteur tertiaire vient toujours en première position avec une contribution de 43% à la
croissance dans l’Union. Contrairement à l’analyse globale des secteurs, l’analyse des
valeurs ajoutées place le secteur primaire en deuxième position dans la contribution à
la croissance avec 30%, et 27% pour le secteur secondaire sur la période 2000-2017.
Graphique 2 : Contributions des secteurs au PIB trimestriel en % (2016 - 2018)
S1 S2 S3
5
4
3
2
1
0
T2 T3 T4 T1 T2 T3 T4 T1 T2
2016 2017 2018
Source : Conception à partir des données du rapport sur la politique monétaire dans l'umoa de septembre 2018
Par contre, avec l’analyse par pays, la contribution des secteurs varie (Annexe I). C’est
ainsi qu’au Bénin, en Côte d’Ivoire et au Sénégal, c’est la valeur ajoutée du secteur
21 Ce paragraphe est tiré du rapport sur la politique monétaire dans l'UMOA de septembre 2018
tertiaire (VAS3/PIB) qui contribue plus à la croissance avec respectivement 42%, 44%
et 55% alors que pour le Burkina Faso, le Mali, le Niger et le Togo, c’est la valeur ajoutée
du secteur primaire (VAS1/PIB) qui contribue le plus à la croissance à hauteur de 47%
chacun pour le Burkina Faso et le Niger et 39% chacun pour le Mali et le Togo. Seul la
Guinée Biseau sort du lot en affichant la valeur ajoutée du secteur secondaire
(VAS2/PIB) comme le secteur qui contribue le plus avec 48% du PIB.22
Graphique 3 : Poids des VA sectorielles de l’UEMOA dans le PIB (2011 – 2017)
30%
43%
27%
VAS1/PIB VAS2/PIB VAS3/PIB
Source : Conception de l’auditeur à partir des données de la BCEAO
II.2.2. Analyse des crédits à l’économie

Une vue d’ensemble de l’Union en termes de crédit alloués aux différents secteurs
(Graphique4) indique une évolution en dents de scie des taux de croissance sur la
période 2011-2017. Les variations les plus remarquables sont celles des secteurs
primaire et tertiaire dont les taux de croissance de crédit passent respectivement de
9,65% et 29,62% à -14,08% et 1,52% de 2011 à 2012, (-4,4 points pour le secteur
primaire et -28,10 points pour le secteur tertiaire). Mais sur la période 2012-2013, les
deux secteurs connaissent des variations différentes ; alors que le taux de croissance
des crédits dans le secteur primaire connaît une légère diminution sur la période 2013-
2017 passant de 25,38% de taux croissance à 10,2%, celui du secteur tertiaire tombe
à -12,85% en 2014 (-18,52 points). Le taux de croissance des crédits dans le secteur
secondaire quant à lui connaît une chute en 2012 où il affiche 1,22%, (-4,4 point par
rapport à 2011) pour ensuite remonter à 16,28% en 2013 (+11,3 points). S’agissant de
l’analyse par pays (Annexe II), les crédits au secteur primaire sont presque inexistants
dans les huit (8) Etats membres de l’Union alors que le secteur tertiaire occupe la plus
grande part dans tous les pays sauf en Guinée-Bissau où le crédit dans les trois
secteurs est largement faible
Graphique 4 : Evolution des crédits sectoriels au PIB dans l’UEMOA (2011 - 2017)
50,00%
CS1/PIB CS2/PIB CS3/PIB
0,00%
2 011 2 012 2 013 2 014 2 015 2 016 2 017
-50,00%
22 Les différents graphiques sur la contribution des secteurs par pays sont consignés à l’Annexe1
DEUXIEME PARTIE : APPROCHE

METHODOLOGIQUE ET ANALYSE DES RESULTATS
TABO Arzouma Issa 40ème Promotion du COFFEB Page 17

CHAPITRE III : APPROCHE METHODOLOGIQUE

Dans le but d’appréhender les divers effets de la politique monétaire sur les valeurs
ajoutées sectorielles, notre approche méthodologique est basée sur trois (3) points que
sont la description des données de l’étude, la présentation des hypothèses retenues et
l’estimation des modèles appropriés après différents test économétriques.
III.1. DONNEES ET HYPOTHESES DE L’ETUDE
III.1.1. Données de l’étude

La présente étude utilise des données mensuelles extraites du site de la BCEAO23. Ces
données couvrent la période allant de janvier 2000 à décembre 20017. La valeur
ajoutée sectorielle constitue la variable expliquée sur laquelle nous voulons examiner
les différents effets de la politique monétaire. Elle est notée ici 𝐕𝐀𝐒𝐢/𝐏𝐈𝐁 en
pourcentage du produit intérieur brut (PIB) réel afin de capter son poids dans la
croissance globale dans chaque pays ; avec i représentant chacun des secteurs de
l’économie (primaire, secondaire et tertiaire). Il faut noter qu’il n’existe pas dans la base
de données de la BCEAO, les statistiques sur les données mensuelles des valeurs
ajoutées des trois secteurs. Les données annuelles ont été mensualisées en utilisant
des techniques appropriées dans le logiciel Eviews 1024..
Au regard de la littérature empirique et en prenant le contexte économique et monétaire
de la zone UEMOA, les variables ci-après constituent les variables explicatives :
▪ le taux directeur de la Banque Centrale ; le taux de guichet de prêt marginal
(𝐓𝐆𝐏𝐌) a été ici retenu ;
▪ l’indice harmonisé des prix à la consommation (𝐈𝐇𝐏𝐂) qui est la mesure officielle
de l’inflation dans l’UEMOA. La stabilité des prix constitue le principal objectif de
la politique monétaire de la BCEAO et permet d’éviter à la zone des tension
inflationnistes qui sont sources de perte de pouvoir d’achat pour les ménages et
de désinvestissement pour les entreprises ;
▪ l’indice du chiffre d’affaires (𝐈𝐂𝐀) est l’indicateur des ventes réalisées par les
entreprises. Il constitue le baromètre du climat des affaires. Toute chose égale
par ailleurs, plus les chiffres d’affaires pour sont élevées, mieux se portent les
entreprises et elles investissent davantage ;
▪ le crédit sectoriel à l’économie rapporté au PIB (𝐂𝐒𝐢⁄𝐏𝐈𝐁); il est le moyen
prépondérant sur lequel se focalisent les ménages pour leur besoin de
consommation et les entreprises pour leur besoin d’investissement.
Dans la modélisation, toutes les variables, à l’exception du TGPM, ont été prises en
logarithme. Des techniques appropriées d’identification dans le logiciel Eviews 10 a
permis de reconnaitre les variables saisonnières et de les désaisonnaliser. Ce fut le cas
de l’indice du chiffre d’affaires (𝐈𝐂𝐀). Les valeurs ajoutées sectorielles rapportées au
PIB et le crédit sectoriel à l’économie rapporté au PIB, sont écrits respectivement 𝐕𝐀𝐒𝐢
et 𝐂𝐒𝐢 avec i représentant les différents secteurs.
Les signes attendus des variables explicatives sont consignés dans le tableau ci-
dessous.
23 https://edenpub.bceao.int/
24 http://www.eviews.com/Learning/freqconv.html.

Tableau 1 : Effets des variables explicatives sur l’économie

SIGNES
VARIABLES EXPLICATIVES EXPLICATION
ATTENDUS
La baisse du taux directeur est bénéfique à l'activité
économique, ce qui pourrait influencer le niveau de la
Taux de guichet de prêt marginal (TGPM)
- production sectorielle, à travers la hausse des crédits à
l'économie.
Indicateur de la mesure de l’inflation, l’IHPC influence

négativement l’activité économique. L’inflation non
Indice harmonisé des prix à la d’achat
consommation (IHPC) - maitrisée abaisse le pouvoir
consommateurs et par ricochet la production des
des
entreprises et la consommation des ménages.
L’indicateur des ventes dans les secteurs d’activité

Indice du chiffre d’affaires
(ICA) + dénote de la santé de ce secteur. Plus l’indice du chiffre
d’affaires est élevé, mieux se porte le secteur.
Plus le crédit à l’économie est élevé, mieux l’économie
Le crédit à l’économie
(CE/PIB)
+ se porte. Une baisse des crédits octroyés est
préjudiciable aux entreprises qui sont privées de leurs
sources d’investissement
III.1.2. Hypothèses
Pour atteindre les objectifs de l’étude, les hypothèses suivantes ont été posées :
▪ H1 : les variables TGPM, IHPC, ICA et CSi ont des effets positifs sur les
différentes valeurs ajoutées sectorielles (VASi) dans l’espace UEMOA ;
▪ H2 : les effets des variables TGPM, IHPC, ICA et CSi sont homogènes pour
l’ensemble des pays de l’Union.
III.2. MODELISATION
L’approche méthodologique adoptée consiste à utiliser un ensemble d’estimations
appropriées afin de mieux appréhender les effets de la politique monétaire sur les
valeurs ajoutées sectorielles dans les pays de l’UEMOA. Cette démarche s’articule
autour des points suivants :
▪ D’abord, après avoir procédé aux tests de spécification (Tableau 2) pour justifier
l’utilisation des données de panel, des tests de racine unitaire (pour déterminer
l’ordre d’intégration des variables) et de cointégration pour une éventuelle
relation de long terme entre les variables, ont été utilisés ;
▪ Ensuite, il est utilisé un modèle de cointégration, approprié aux données de
panel, afin de déterminer les relations de court terme et de long terme ;
▪ Puis un modèle VAR dynamique en panel a été estimé afin de déterminer le délai
et l'ampleur des chocs des variables explicatives et la persistance des valeurs
ajoutées sectorielles à travers les fonctions de réponses impulsionnelles (FRI) et
la décomposition de la variance de l'erreur de prévision ;
▪ Enfin, un modèle basé sur les moments généralisés (MMG) sur panel dynamique
a été estimé dans le but de valider les estimations précédentes.
III.2.1. Tests économétriques
Lorsque l’on considère les données de panel, il convient de vérifier la spécification

homogène ou hétérogène du processus générateur des données, Sur le plan
économétrique, cela revient à tester l’égalité des coefficients (𝛂𝐢 ) du modèle étudié dans
la dimension individuelle et sur le plan économique, cela revient à tester si l’on est en
droit de supposer que le modèle théorique étudié est parfaitement identique pour tous
les pays de l’UEMOA ou au contraire, il existe des spécificités propres à chaque

pays(Doucouré, 2015).
Les tests de spécification constituent la première série des tests et regroupent celui de
Breusch et Pagan, qui permet de choisir entre le modèle sans effets et celui à effets
aléatoires et enfin le test de Hausman quant qui permet de discriminer les effets fixes
et aléatoires25. Les résultats (Annexe III) de ces différents tests, ont permis de justifier
l’utilisation des données de panel pour notre étude. Outre cette justification, ces tests
ont également permis de choisir les différents modèles de panel à estimer dans la suite
de notre travail. C’est ainsi que pour les secteurs primaire et tertiaire, c’est le modèle à
effets aléatoire qui approprié alors que le modèle à effets fixes convient au secteur
secondaire. Pour les trois tests, la règle de décision est que lorsque la probabilité
critique est inférieure au seuil 5% ou 1%, toutes les hypothèses nulles sont rejetées et
on accepte les hypothèses alternatives. Le test de Hausman (considéré comme le plus
pertinent) nous permet de discriminer entre le modèle à effets fixes et celui à effets
aléatoires. L’analyse du tableau, nous renseigne que quel que soit le test utilisé, il existe
une variante du modèle de panel à utiliser, ce qui justifie notre choix pour les données
de panel dans le cadre de notre étude.
En ce qui concerne les tests de racine unitaire, il est utilisé un ensemble de cinq (5)
tests constitués de celui de Levin-Lu-Chu (LLC 2003), Im-Pesaran-Shin (IPS 2002), de
Breitung (2003), de Fisher-Augmented Dickey-Fuller (Fisher-ADF) et de Fisher Phillips
Peron (Fisher- PP). Il ressort des résultats de ces différents tests (Annexe IV) que dans
les trois secteurs économiques, seuls l’indice du chiffre d’affaires (Log (ICA)) et l’indice
harmonisé des prix à la consommation (Log (IHPC)) sont stationnaires à niveau, les
autres variables, valeurs ajoutées sectorielles (Log (VASi)), crédit à l’économie
sectorielle (Log (CSi)) et le taux de guichet du prêt marginal (TGPM) sont toutes
stationnaires en différence première.
Pour la cointégration des variables, nous avons utilisé les tests de Pedroni
(1995,1999,2004), de Kao (1999) et de Johansen Fisher (1988). Les résultats (Annexe
V) présentent une relation de cointégration entre les différentes variables. Ce qui justifie
l’adoption de la procédure de la cointégration basée sur un modèle Autorégressif à
Retards Echelonnés (ARRE/ARDL) développé par Pesaran et al. (2001) pour analyser
la relation de long terme et les interactions dynamiques entre les variables. Selon
Pesaran et al. (2001), cette approche est applicable indépendamment de l’ordre
d’intégration des séries qu’elles soient I (0), I (1) ou mutuellement intégrées26.
III.2.2. Techniques d’estimation

Cette partie est consacrée à la présentation des différents modèles évoqués
précédemment. Les résultats des tests de racine unitaire et de cointégration permettent
d’établir une relation de cointégration. Lorsqu’on dispose de plusieurs variables
intégrées d’ordres différents (I (0), I (1)), l’on peut recourir au test de cointégration de
Pesaran et al. (2001) appelé « test de cointégration aux bornes »27. Le test de
cointégration de Pesaran permet de vérifier l’existence d’une ou plusieurs relations de
cointégration entre les variables dans un modèle ARDL, l’on dira que l’on recourt à
l’approche « ARDL approach to cointegrating » ou que l’on applique le test de
25
Fodiyé Bacary DOUCOURE « Méthodes économétriques cours et exercices résolus avec les logiciels
Eviews et Stata » Tome2. 2015.pp 262-265.
26 Revue économique et monétaire de la BCEAO N° 17 – Juin 2015, p 23
27
Ou « bounds test to cointegration », développé au départ par Pesaran et Shin (1999)
cointégration par les retards échelonnés28. Ceci nous amène donc à opter pour le
modèle Autorégressif à Retards Echelonnés (ARRE/ARDL) en panel ou Pooled Mean
Group / ARDL, qui est de la forme :
𝒑 𝒒−𝟏
∆𝒀𝒕 = 𝜷𝟏 𝒀𝒕−𝟏 + 𝜷𝟐 𝑿𝒕−𝟏 + ∑𝒊=𝟏 𝒂𝒊 ∆𝒀𝒕−𝟏 + ∑𝒋=𝟎 𝒃𝒋 ∆𝑿𝒕−𝟏 + 𝝅𝒕 + 𝜺𝒕 (1)
Soit
∆𝐋𝐨𝐠(𝐕𝐀𝐒𝐢)𝐭 = 𝛃𝟏 𝐋𝐨𝐠(𝐕𝐀𝐒𝐢)𝐭−𝟏 + 𝐋𝐨𝐠(𝐂𝐒𝐢)𝐭−𝟏 + 𝐋𝐨𝐠(𝐈𝐂𝐀)𝐭−𝟏 + 𝐋𝐨𝐠(𝐈𝐇𝐏𝐂)𝐭−𝟏 +
𝐩 𝐪−𝟏 𝐪−𝟏
𝐓𝐆𝐏𝐌𝐭−𝟏 + ∑𝐣=𝟏 𝐚𝐣 ∆𝐋𝐨𝐠(𝐕𝐀𝐒𝐢)𝐭−𝟏 + ∑𝐤=𝟏 𝐛𝐤 ∆𝐋𝐨𝐠(𝐂𝐒𝐢)𝐭−𝟏 + ∑𝐤=𝟏 𝐚𝐣 ∆𝐋𝐨𝐠(𝐈𝐂𝐀)𝐭−𝟏 +
∑𝐪−𝟏 ∑𝐪−𝟏
𝐤=𝟏 𝐚𝐤 ∆𝐋𝐨𝐠(𝐈𝐇𝐏𝐂)𝐭−𝟏 + 𝐤=𝟏 𝐚𝐤 ∆(𝐓𝐆𝐏𝐌)𝐭−𝟏 + 𝛑𝐭 + 𝛆𝐭 (2)
La seconde équation à estimer, concerne le modèle VAR qui a permis de déterminer le

délai et l'ampleur des chocs des variables explicatives et la persistance des valeurs
ajoutées sectorielles. Les résultats de ce modèle ont permis de mettre en évidence les
fonctions de réponses impulsionnelles (FRI) et la décomposition de la variance de
l'erreur de prévision.
Enfin, pour tester la robustesse des précédentes estimations, la méthode des moments
généralisée MMG (Generalized Method of Moment) sur panel dynamique a été utilisée.
Cette méthode a été introduite par Holtz-Eakin, Newey et Robsen (1988), Arrelano et
Bond (1991) et Arrelando et Bover (1995).et se caractérise par plusieurs avantages très
spécifiques au niveau de la nature du panel de données et au niveau des solutions
qu'elle apporte. En effet, la méthode MMG en panel dynamique permet d'apporter des
solutions aux problèmes de biais de simultanéité, de causalité inverse et des variables
omises. Elle permet à la fois de contrôler les effets spécifiques individuels et temporels
et de palier les biais d'endogéniété des variables29. Notons qu’il existe deux variantes
d'estimateurs des MMG en panel dynamique : l’estimateur MMG en premières
différences (équation 4 et 5) et l'estimateur MMG en système.
D'après Arrelano et Bond (1991), l'estimateur MMG en premières différences consiste
à prendre pour chaque période la première différence de l'équation à estimer pour
éliminer les effets spécifiques des pays (country - specific effects) et instrumenter par
la suite les variables explicatives de l'équation en différence première par leurs valeurs
retardées d'une période ou plus30.
𝐕𝐀𝐒𝐢(𝐣,𝐭) = 𝛂𝐕𝐀𝐒𝐢(𝐣,𝐭−𝟏) + 𝛄′ 𝐗 (𝐣,𝐭) + 𝛍𝐣 + 𝐕𝐭 + 𝛆(𝐣,𝐭) (3)

Avec VASi, la valeur ajoutée sectorielle, i le secteur économique considéré, j l’indice
pays, t l’indice temporel, X le vecteur représentatif des variables explicatives, µ l’effet
spécifique pays, V l’effet temporel et ɛ le terme d’erreur.
En différenciant l’équation (3), nous obtenons :
VASi(j,t) -VASi(j,t-1) =α(VASi(j,t-1) -VASi(j,t-2) )+γ' (X(j,t) -X(j,t-1) )+(Vt -V(t-1) )+(εjt -ε(jt-1) ) (4)
Soit
∆𝐕𝐀𝐒𝐢(𝐣,𝐭) = 𝛂∆𝐕𝐀𝐒𝐢(𝐣,𝐭−𝟏) + 𝜸∆𝑿′ + ∆𝛆𝐣𝐭 (5)
28 Jonas Kibala Kuma, DEA-PTC / Unikin en cours (Economie), « Modélisation ARDL, Test de
cointégration aux bornes et Approche de Toda-Yamamoto : Eléments de théorie et pratiques sur logiciel
», p 8.
29 Melle MKHININI Sawsen (2006) « l'impact de la libéralisation financière sur la volatilité de taux de
change » pp 93-101.
30 Dr DRINE Imed (2006).

Selon Blundel et Bond (1998), l'estimateur MMG en système, quant à lui, combine les
équations en différences premières (équation 4) avec les équations en niveau (équation
3) dans lesquelles les variables sont instrumentées par leurs différences premières.
En récapitulatif sur ce chapitre, notre étude couvre une période de dix-sept (17) ans,
avec des données mensuelles issues de la base de données de la BCEAO. Elles ont
été utilisées pour faire l’analyse comparative de la sensibilité des différents secteurs
économiques et la réactivité des pays de l’UEMOA aux impulsions de politique
monétaire de la BCEAO. Il s’agit d’examiner si la politique monétaire a des effets positifs
sur le secteur réel, notamment les trois secteurs économiques et si l’effet de cette
politique monétaire est homogène pour l’ensemble des pays de l’Union. La démarche
méthodologique repose sur trois modèles : le modèle à correction d’erreur en panel
appelé le modèle Autorégressif à Retards Echelonnés (ARRE/ARDL) en panel ou
Pooled Mean Group / ARDL, après avoir procédé à des tests de racine unitaire et de
cointégration afin d’appréhender les dynamiques de court et de long terme Ensuite pour
déterminer le délai et l'ampleur des chocs des variables explicatives et la persistance
des valeurs ajoutées sectorielles, les fonctions de réponses impulsionnelles et la
décomposition de la variance à travers une modélisation VAR en panel ont été
analysés. Enfin, la méthode des moments généralisée en premières différences sur
panel dynamique a été utilisée pour tester la robustesse du modèle précédent et surtout
pour corriger la subsistance de biais de simultanéité, de causalité inverses et des
variables omises. Toutes ces trois techniques d’estimation ont permis d’obtenir des
résultats dont l’analyse fera l’objet du chapitre suivant.

CHAPITRE IV : ANALYSE DES RESULTATS ET IMPLICATIONS DE

POLITIQUE ECONOMIQUE
Ce chapitre analyse les résultats issus des estimations des différents modèles
mentionnés dans le chapitre précédent. Il permet également de tirer des conclusions y
afférentes sous formes d’implications de politiques économiques.
IV.1. ANALYSE DES RESULTATS
Comme dans la démarche méthodologique, notre analyse a porté successivement sur
les résultats du modèle à correction d’erreurs, sur le modèle VAR et sur la méthode
MMG, le tout en panel dynamique.
IV.1.1. Analyses par secteur et par pays
L’analyse des résultats du modèle à correction d’erreurs (Annexe VI, VII, VIII et IX) s’est
faite à deux niveaux : d’abord, une analyse globale sectorielle (Tableau 2), puis une
analyse par pays (Tableaux 3, 4 et 5).
S’agissant de l’analyse globale sectorielle, les coefficients d’erreurs des trois secteurs
sont tous négatifs et significatifs au seuil de 1% pour les secteurs secondaires et
tertiaire puis à 10% pour le primaire ; ce qui suppose un équilibre de long terme entre
les variables ajoutées sectorielles et leurs variables explicatives dans les trois secteurs
économiques. Ainsi, dans le secteur primaire, on arriverait à ajuster 0,21% du
déséquilibre entre le niveau désiré et effectif de la valeur ajoutée. Dans le secteur
secondaire, cet ajustement serait de 0,36% et dans le tertiaire 0,37%. Les résultats
indiquent qu’à long terme, le crédit sectoriel augmenterait la valeur ajoutée du secteur
primaire de 0,12%, 1,23% dans le secondaire et dans le tertiaire. 1,96% pour toute
augmentation de 10% de leur valeur respective. L’inflation (IHPC) et le taux d’intérêt
(TGPM) ont des effets attendus dans les secteurs secondaire et tertiaire.
Tableau 2 : Modèle à correction d’erreurs en panel dans UEMOA
Secteurs Primaire Secondaire Tertiaire

Variables Equation de long terme
Coef.à -0.002157* -0.003616*** -0.003773***
correction
(0.0749) (0.0017) (0.0087)
d’erreurs
0.012548*** 0.128316*** 0.196666***
Log(CSi)
(0.0198) (0.0000) (0.0003)
6.38E-05* 0.010690*** 0.068718*
Log(ICA)
(0.0840) (0.0086) (0.0970)
0.079366 -0.017800** -0.024243**
Log(IHPC)
(0.1171) (0.0405) (0.0443)
0.033006 -0.005165** -0.024342**
TGPM
(0.3379) (0.0445) (0.0589)
Equation de court terme
0.006268 0.103829** 0.090095***
D(Log(CSi))
(0.4533) (0.0473) (0.0103)
-0.000108 0.000283* 0.000237**
D(Log(ICA))
(0.4914) (0.0755) (0.0519)
8.02E-05 -0.000166* -0.000165*
D(Log(IHPC))
(0.4199) (0.0787) (0.0932)
0.000378* -0.000571** -0.000592**
D(TGPM)
(0.0914) (0.0501) (0.0257)
Les probabilités sont entre parenthèses. ***, **, * désignent les coefficients significatifs respectivement au
seuil de 1%, 5% et 10%.

En ce qui concerne les pays, ils ont un comportement homogène dans le long terme
dans chacun des trois secteurs. En revanche, dans le court terme il y a une spécificité
en termes d’ajustement et de comportement dans les secteurs.
Ainsi, l’analyse du secteur primaire (Tableau 3) indique que le modèle à correction
d’erreurs est valide pour tous les pays de l’UEMOA, car les coefficients d’erreurs sont
tous négatifs et statistiquement significatifs au seuil de 1% pour la majorité des pays.
Les résultats montrent qu’à l’exception du Niger et de la Guinée-Bissau, les autres pays
ont des effets attendus du crédit sectoriel : il en est de même pour l’IHPC et le TGPM.
Tableau 3 : Modèle à correction d’erreurs dans le secteur primaire.

CÔTE GUINEE-
Pays BENIN BURKINA MALI NIGER SENEGAL TOGO
D’IVOIRE BISSAU
Coef. à -0.001566*** -0.000980*** -0.052748*** -0.006376*** -0.000595*** -0.000237*** -0.031539*** -0.002791***
correction
d’erreurs (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
0.005814*** 0.011978*** 0.061408*** 0.060375*** -0.075116*** -0.050079*** 0.078349*** 0.006594***
D(Log(CS1))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-5.01E-05 -4.75E-05*** 9.89E-06*** 4.26E-05*** -0.000109*** -2.91E-05*** 0.000414*** 4.67E-05***
D(Log(ICA))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-0.000151*** -0.000135*** -1.77E-05*** -9.80E-05*** 2.57E-05*** 0.000162*** -0.001002*** -0.000112***
D(Log (IHPC))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-9.41E-05*** 0.000249*** -0.000120*** -0.000220 *** 0.000380*** 0.000465*** -0.001339*** 0.000155***
D(TGPM)
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
Les probabilités sont entre parenthèses. ***, désignent les coefficients significatifs au seuil de 1%
Dans le secteur secondaire (Tableau 4), en partant sur les mêmes bases d’analyse que
précédemment, nous pouvons dire que l’équilibre individuel de long terme est
également établi dans tous les pays. Il faut noter que les effets attendus du crédit
sectoriel sont visibles dans tous les pays sauf au Mali ; ce qui indique que le crédit à
l’économie serait un déterminant pertinent dans le processus de production. Ainsi pour
toute augmentation de 10% du crédit au secteur secondaire, sa valeur ajoutée
augmenterait de 0,6% au Benin, 0,7% au Burkina Faso, 2,6% en Côte d’Ivoire, 6,67%
en Guinée-Bissau, entre autres. Le chiffre d’affaire a des effets attendus dans tous les
pays sauf au Burkina et au Togo. Par contre, l’inflation a des effets néfastes et le TGPM
est bénéfique dans tous les pays.

Tableau 4 : Modèle à correction d’erreurs dans le secteur secondaire
Le Tableau 5 indique un équilibre de long terme dans tous les pays de l’Union.
Néanmoins, les effets des différentes variables sont disparates d’un pays à l’autre. C’est
ainsi que le TGPM a des effets favorables attendus dans tous les pays sauf au Burkina
et au Mali ; alors que les effets des crédits au secteur sont positifs partout. D’après les
résultats, lorsque le crédit augmente de 10%, la valeur ajoutée augmenterait 2,66% en
Côte d’Ivoire, 1,3% au Sénégal, 0,7% au Burkina, 0,6% au Bénin et en Guinée-Bissau
et 0,2% au Togo. L’indice du chiffre d’affaires (ICA), l’inflation (IHPC) et le (TGPM) ont
des effets positifs dans tous les pays e l’Union.
Tableau 5 : Modèle à correction d’erreurs dans le secteur tertiaire

CÔTE GUINEE-
Pays BENIN BURKINA MALI NIGER SENEGAL TOGO
D’IVOIRE BISSAU
Coef. à -0.004875*** -0.008384*** -0.021715*** -0.001394*** -0.000752*** -0.000748*** -0.012958*** -0.00663***
correction
d’erreurs (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
0.058930*** 0.071656*** 0.26651*** 0.001730*** 0.13457*** 0.0668363*** 0.133224*** 0.019303***
D(Log(CS3))
(0.0000) (82.53436) (-60.72057) (-956.4071) (594.2345) (141.7315) (28.70052) (278.4856)
3.45E-07*** 0.000134*** 1.65E-05*** 1.79E-05*** 0.000171*** 0.001867*** 7.56E-06*** -7.81E-06***
D(Log(ICA))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-3.18E-05*** -0.000114*** -2.80E-05*** -6.64E-05*** 1.83E-05*** 0.001167*** 0.000116*** -4.36E-07***
D(Log(IHPC))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-6.36E-05*** 7.22E-05*** -0.000231*** 4.08E-06*** -0.000144*** 0.005400*** -0.000254*** -4.08E-05***
D(TGPM)
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)

En récapitulatif, il est à remarquer qu’au fur et à mesure que l’on migre du secteur
primaire vers le secteur tertiaire en passant par le secondaire, les effets attendus des
variables explicatives sur les valeurs ajoutées sectorielles deviennent de plus en plus
effectifs. Le secteur tertiaire serait donc le secteur le plus sensible aux impulsions de
politique monétaire, car il enregistre les augmentations de valeur ajoutée les plus
significatives ; viennent ensuite le secteur secondaire puis le secteur primaire.
S’agissant des pays, les réactions sont disparates et il serait judicieux de procéder à
d’autres analyses avec d’autres modèles avant de tirer des conclusions ; d’où
l’utilisation de la modélisation VAR et la MMG en panel dynamique.
IV.1.2. Analyse des modèles VAR et MMG en panel dynamique
Dans la modélisation VAR on s’intéresse particulièrement aux liens de causalité entre

la valeur ajoutée sectorielle et ses déterminants à travers les fonctions de réponses
impulsionnelles (FRI) et les décompositions de la variance des erreurs de prévisions
(DV). Ces deux instruments permettent de synthétiser l'essentielle de l'information
contenue dans la dynamique du système VAR. Les DV indiquent l'importance relative
de chaque choc dans l'explication des fluctuations des valeurs ajoutées sectorielles
alors que les FRI, elles mettent en évidence la nature des effets des différents chocs
sur les variables. Les liens de causalité s’obtiennent en faisant le test de causalité de
Granger. Toutefois, il faut souligner que la construction d’un modèle obéit à une certaine
cohérence et pour cette raison, il est tenu dans le classement des variables,
l’articulation des décisions de politique économique. Ainsi, l’ordre des variables retenu
dans la modélisation VAR repose sur les hypothèses suivantes :
- Les autorités monétaires prennent d’abord des décisions sur les différents taux
directeurs à appliquer dans l’Union en se basant sur les prévisions d’inflation ;
- Les taux directeurs, toute chose égale par ailleurs, agissent sur le volume des
crédits accordés par les banques primaires aux ménages pour leur besoin de
consommation et aux entreprises pour leur besoin d’investissement ;
- Le comportement de consommation des ménages et d’investissement des
entreprises se répercutent sur la demande et l’offre sur le marché des biens et
services ;
- De l’équilibre entre l’offre et la demande, nous avons les chiffres d’affaires qui
sont dégagés par les entrepreneurs et par ricochet la richesse produite et donc
la valeur ajoutée.
Compte tenu de ces hypothèses, on retient l’ordre de causalité suivant :
TGPM-CSi-ICA-IHPC-VASi
Les FRI (Annexe X, XI, et XII) et les DV (Annexe XIII) sont synthétisés dans les tableaux
7 et 8. L’analyse des FRI est faite en se basant sur les délais de réaction des valeurs
ajoutées, l’effet subi et le temps écoulé pour retourner à l’équilibre. L’analyse sectorielle
du Tableau 6 indique que le secteur tertiaire serait plus sensible aux différentes
innovations de la politique monétaire avec au plus un mois de temps de réaction après
les différents chocs. Vient ensuite le secteur secondaire qui réagirait après deux mois
précédent les chocs alors que le secteur primaire aurait un délai de réaction de 3 mois
au plus. Les crédits sectoriels à l’économie et l’indice du chiffre d’affaires ont des effets
instantanés dans le secteur tertiaire et secondaire. Ces effets persisteraient pendant,
respectivement 24 mois et 12 mois dans les deux secteurs en ce qui concerne les
crédits sectoriels et 24 mois dans les deux secteurs pour l’indice du chiffre d’affaires.
Dans le secteur primaire, les effets s’estompent assez rapidement ; ce qui pourrait
dénoter une faible influence des chocs sur ce secteur. On remarque des effets néfastes
de l’inflation (IHPC) et positifs du taux directeur (TGPM) sur les trois secteurs.

Tableau 6 : Synthèse des FRI dans les trois secteurs économiques
IMPULSIONS ou CHOC SUR LES VARAIBLES EXPLICATIVES
Reponse DTGPM DLCSi DLICA DLIHPC

Valeur
Valeur Valeur Valeur
ajoutée du Temps de Valeur Temps de Temps de Temps de Temps de
Temps de Max/Min Temps de Max/Min Temps de Max/Min
secteur réaction Max/Min retour à retour à retour à retour à
réaction au bout réaction au bout réaction au bout
de la VA au bout de l'équilibre l'équilibre l'équilibre l'équilibre
de de de
5 mois 3 mois 2 mois 1 mois

8 mois 13 mois
Primaire 3 mois effet 1 mois effet 10 mois 2 mois effet 16 mois 1 mois effet
plus tard plus tard
positif positif négatif négatif
2 mois 24 mois 2 mois 12 mois 2 mois 24 mois 2 mois
6 mois
Secondaire 2 mois effet plus tard 1 mois effet plus tard instantanée effet plus tard 1 mois effet
plus tard
positif (2 ans) positif (1 an) positif (2 ans) négatif
3 mois 24 mois 24 mois 3 mois 24 mois
12 mois effet effet
Tertiaire 1 mois effet instantanée plus tard instantanée plus tard 1 mois effet plus tard
plus tard positif positif
positif (2 ans) (2 ans) négatif (2 ans)
L’analyse du Tableau 7, sur le plan sectoriel et dans l’ensemble UEMOA, montre que
le crédit sectoriel à l’économie aurait une forte influence sur les valeurs ajoutées à
hauteur de 32,94% pour le secteur tertiaire ; 15,08% pour le secteur secondaire et 3,4%
pour le secteur primaire, cette influence des crédits sectoriels est également constatée
dans la plupart des pays de l’Union et dans les trois secteurs. Ce qui corrobore les
conclusions du modèle à correction d’erreur, le chiffre d’affaires est relativement faible
dans la majorité des pays, mais il est à remarquer qu’il est très élevé en Côte d’Ivoire
et au Sénégal où il est respectivement de 25,22% et 18,54% dans le secteur tertiaire.
Tableau 7 : Décomposition de la variance des erreurs (en %)
DECOMPOSITION DE LA VARIANCE
CÔTE GUINEE-
Secteurs Variables BENIN BURKINA MALI NIGER SENEGAL TOGO UEMOA
D'IVOIRE BISSAU
Log(VAS1) 97,5 67,68 51,11 67,5 99,33 91,9 53,18 97,69 94,3
Log(CS1) 0,56 31,88 22,6 30,26 0,37 8,08 46,1 1,73 3,4
Primaire Log(ICA) 0,1 0,07 12,31 1,74 0,009 0,006 0,54 0,02 0,24
Log(IHPC) 1,75 0,3 0,17 0,41 0,08 0,000084 0,06 0,25 1,91
TGPM 0,08 0,06 0,04 0,08 0,2 0,00294 0,12 0,3 0,14
Log(VAS2) 90,68 98,28 41,74 95,88 99,75 84,5 74,92 74,27 83,72
Log(CS2) 9,26 1,51 46,36 0,95 0,12 14,27 24,61 25,39 15,08
Secondaire Log(ICA) 0,006 0,05 9,05 1,83 0,06 0,17 0,06 0,0008 0,8
Log(IHPC) 0,002 0,09 1,67 1,31 0,021 1,05 0,2 0,23 0,35
TGPM 0,05 0,05 0,18 0,022 0,03 0,002 0,18 0,1 0,03
Log(VAS3) 85,34 94,04 46,65 96,77 98,22 99,7 74,52 98,17 64,82
Log(CS3) 14,58 4,52 27,51 0,52 0,75 0,3 2,54 1,52 32,94
Tertiaire Log(ICA) 0,02 0,3 25,22 0,82 0,07 0,002 18,54 0,01 1,93
Log(IHPC) 0,05 0,72 0,34 1,6 0,27 0,0002 2,06 0,22 0,005
TGPM 0,001 0,4 0,04 0,3 0,68 0,01 2,33 0,07 0,3

La méthode MMG, quant à elle, est utilisée pour corroborer et tester la robustesse des
résultats précédents. Les variables explicatives à niveau et la valeur expliquée décalée
d’une période ont été utilisées comme variables instruments.
Une analyse de l’Annexe XVI indique une validité de la méthode MMG en différences
premières. En effet, le test d'autocorrélation (AR (1) et AR (2)) de Arellano et Bond
permet d'accepter l'hypothèse d'absence d'autocorrélation de second ordre et les tests
de Sargan-Hansen31 (J-Statistic) justifie le choix des variables instruments32. L’analyse
des équations des colonnes A, B, C, et D (Annexe XVI), indique que la variable
explicative retardée d’une période est de signe positif et statistiquement significatif au
seuil de 1% dans les trois secteurs économiques. Ce qui signifie que les valeurs
ajoutées sectorielles retardées ont des impacts positifs sur leurs valeurs
contemporaines. Les effets néfastes de l’inflation (IHPC) persistent encore dans les
secteurs secondaire et tertiaire. Dans la colonne B où les crédits sectoriels ont été
insérés, l’effet de l’IHPC a diminué ; les crédits sectoriels auraient donc un impact positif
sur les valeurs ajoutées. L’introduction dans les estimations de l’ICA (colonne C) fait
régresser le coefficient de l’IHPC et du crédit sectoriel ; l’ICA aurait également une
influence sur les valeurs ajoutées. L’équation de la colonne D introduit le TGPM et les
résultats indiquent également une diminution des effets de l’inflation, les crédits
sectoriels, l’indice du chiffre d’affaires. Le TGPM aurait alors un impact sur les valeurs
ajoutées sectorielles. L’effet néfaste de l’IHPC est remarquable dans les équations des
quatre colonnes et dans les trois secteurs ; alors qu’en dehors du secteur primaire, le
TGPM a des effets positifs dans les deux autres secteurs. Globalement, les résultats
de la méthode MMG confirment les conclusions tirées dans le cas des modèles à
correction d’erreurs et la modélisation VAR.
Ainsi, pour les trois méthodes d’estimation, le secteur tertiaire tire l’activité économique
aussi bien dans l’ensemble UEMOA que dans chaque Etat membre. Vienne ensuite les
secteurs secondaire et primaire. Pour les pays, suite à l’analyse des résultats obtenus,
globalement, la Côte d’Ivoire et le Sénégal sont les pays les plus réactifs aux
innovations de politique. Les Annexes XVII et XVIII donnent respectivement un aperçu
du classement par pays suivant les critères de vitesse d’ajustement de long terme et la
part des valeurs ajustées sectorielles dans la décomposition des variances des erreurs
de prévision33. Quant aux secteurs, le temps de réaction après choc, les vitesses
d’ajustement puis les valeurs ajoutées sectorielles pour 10% d’augmentation des
crédits sectoriels ont été choisis comme critères. En plus de ces critères d’autres
paramètres ont été pris en compte. En effet, pour les pays le poids de chacun dans la
richesse (PIB) de l’Union pourraient expliquer les classements obtenus. Par exemple,
la Côte d’Ivoire et le Sénégal drainent respectivement 31,4% et 18,7% du PIB de
l’Union, soit 50,1%. 13,2% pour le Burkina,13,1% pour le Mali ;9,7% pour le Bénin ;
Niger 7.9% ; Togo 4,7% et 1,3% pour la Guinée-Bissau34.. En ce qui concerne les
secteurs, le primaire n’engrange que 6% des crédits totaux accordés dans la zone, 32%
pour le secondaire et 62% pour le tertiaire35.
31 Le test de Sargan est construit sur l'hypothèse que le terme d'erreur ne doit pas être corrélé avec l'ensemble des
variables exogènes si les instruments sont valides
32 On appelle variable instrumentale, une variable exogène (non corrélée avec le terme
d’erreur) et corrélée avec la variable explicative qui est soupçonnée d’être endogène.
33
Un pays avec une vitesse d’ajustement élevé et une part des VAS faible est mieux classé.
34 Rapport du FMI No.17/99-Avril 2017
35 Rapport annuel de la commission bancaire de l’UMOA-2017. P. 50
IV.2. IMPLICATIONS DE POLITIQUES ECONOMIQUES ET PERSPECTIVES
IV.2.1. Implications de politiques économiques

Il ressort des résultats que le secteur tertiaire est le secteur le plus sensible aux
innovations de politique monétaire dans la plupart des pays de l’Union. Vient ensuite le
secteur secondaire ; les effets de la politique monétaire sur le secteur primaire semblent
être marginaux, alors que vue la structure économique des Etats membres, c’est ce
secteur qui prédomine mais engrange un faible volume des crédits accordés. Il faut
noter que cette situation est due aux caractéristiques de ce secteur qui couvre des
risques élevés en termes de solvabilité et de rendement. Pour dynamiser l’ensemble
des secteurs, les autorités des Etats membres de l’Union devraient :
▪ Accroître les investissements dans tous les secteurs surtout dans le secteur
primaire, accompagnés de subventions afin qu’il devienne performant et
répondre ainsi aux besoins de rendement. Ce qui réduirait les risques de
solvabilité des acteurs dans ce secteur. En effet, un investissement optimal dans
le secteur primaire impliquerait des rendements élevés, une amélioration des
chiffres d’affaires et donc une augmentation des revenus ;
▪ Apporter des solutions en assouplissant les conditions exigées par les banques
commerciales afin celles-ci acceptent augmenter le volume des crédits accordés
au secteur primaire ;
▪ Les Etats doivent faire des efforts afin que l’inclusion financière soit effective en
créant des conditions pour l’extension géographique des établissements de
crédits ;
▪ Avec les plans nationaux de développement en cours dans l’Union, les Etats
membres, pour atteindre l’émergence tant prônée, doivent opérer des réformes
structurelles afin de mettre en synergie les trois secteurs économiques. Ce qui
induit un transfert de ressources du secteur à faible productivité (secteur
primaire) au profit des secteurs à valeur ajoutée plus élevée (secteurs
secondaire et tertiaire). Ces réformes doivent également permettre de dynamiser
les investissements et créer des conditions d’une croissance durable avec
l’appuis de la Banque Centrale.
Du côté des autorités monétaires, elles pourraient continuer leur politique de maîtrise
de l’inflation qui est néfaste à l’activité économique. Elles pourraient également
accompagner les efforts de financement de l’économie par les établissements de
crédits en refinançant leurs emplois, en créant un environnement des affaires favorable
au bon fonctionnement des activités économiques.
IV.2.2. Domaine non couvert par l’étude et perspectives
L’étude a abordé l’aspect sectoriel des effets de la politique monétaire eu égard aux
contraintes des données. En effet, la disponibilité des données par branche aurait
permis d’explorer à un niveau plus fin les effets de la politique monétaire sur les
différentes branches d’activité notamment l’agriculture, l’industrie manufacturière, les
bâtiments et travaux publics, le commerce, les transports.
Comme perspectives, nous envisageons, pour la continuité de nos recherches,
améliorer le présent document, en élargissant l’éventail des déterminants qui pourraient
expliquer le comportement des secteurs dans l’économie de l’UEMOA à travers une
analyse par branche d’activité.

CONCLUSION
Mise en œuvre dans l’UEMOA par la BCEAO, la politique monétaire a pour objectif
principal la stabilité des prix. En plus de cet objectif de maîtrise de l’inflation, la BCEAO
appuie également l’objectif de croissance durable des Etats membres. A ce titre, il
s’avère important de savoir comment la politique monétaire pourrait influencer la sphère
réelle.
La présente étude vise donc à faire une analyse des effets sectoriels de la politique
monétaire dans l’UEMOA à travers la sensibilité des différents secteurs économiques
et la réactivité des pays aux impulsions monétaires.
Pour atteindre cet objectif, une méthodologie, basée trois modèles, a été adoptée.
D’abord, le modèle à correction d’erreurs en panel appelé Pooled Mean Group suivant
l’approche de Pesaran a été utilisé, afin de capter les effets de long et de court terme
aussi bien dans les différents secteurs que dans chacun des Etats membre de
l’UEMOA. Ensuite la modélisation VAR en panel dynamique a été utilisée pour
examiner les fonctions de réponses impulsionnelles et la décomposition des variances
des erreurs de prévision des valeurs ajoutées sectorielles. Enfin, dans le but le but de
tester la robustesse des différents résultats obtenus par les deux précédentes
méthodes, la méthode des moments généralisés MMG en différence première sur panel
dynamique a été utilisée.
Globalement, les résultats indiquent que les crédits sectoriels auraient des effets positifs
sur les valeurs ajoutées dans les trois secteurs, ce qui indique qu’ils constitueraient les
déterminants les plus pertinents pour expliquer le comportement des secteurs dans les
pays. L’IHPC aurait des effets néfastes dans les trois secteurs dans la majorité des
pays. Le taux de guichet du prêt marginal et l’indice du chiffre d’affaires auraient des
effets attendus dans presque tous les Etats de l’Union surtout dans les secteurs
secondaire et tertiaire. Les résultats indiquent également que dans les trois modèles, le
secteur tertiaire serait le secteur le plus sensible aux innovations de politique monétaire.
S’agissant de la réactivité des pays, dans le long terme, ils auraient un comportement
homogène et tendent tous ensemble vers un équilibre alors que dans le court terme ils
auraient des comportements hétérogènes.
Eu égard à tous ces résultats, il convient de dire que les autorités des Etats de l’Union
devraient accroitre les investissements particulièrement dans le secteur primaire,
assouplir les conditions exigées par les banques en faveur du secteur primaire et opérer
des réformes pour mettre en synergie les trois secteurs. La Banque Centrale pourrait
continuer sa politique de stabilité des prix vu l’impact néfaste de l’inflation sur l’activité
économique. Continuer également son appui aux Etats afin que ceux-ci puissent opérer
des réformes pour dynamiser les investissements et créer des conditions d’une
croissance durable ; accompagner les efforts de financement de l’économie par les
établissements de crédits en créant des conditions favorables au climat des affaires.
Enfin, une étude par branche d’activité aurait pu permettre d’explorer à un niveau plus
désagrégé les effets de la politique monétaire sur la sensibilité des secteurs et le
comportement des pays à travers une analyse des branches d’activité telles que
l’agriculture, l’industrie manufacturière, les bâtiments et travaux publics, le commerce,
les transports etc. Cette analyse fera donc l’objet d’une prochaine étude.

ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS L’UEMOA
REFERENCES BIBLIOGRAPHIQUES
OUVRAGES GENERAUX
Banque de France (2010) : "De la crise financière à la crise économique, Chapitre 3 :

L'action des Banques Centrales", Documents et Débats, 3.
Bernanke, B. S. et A. S. Blinder (1995) : "Inside the black box: The credit channel of
monetary policy transmission" , Journal of Economic Perspectives, 9 (4), pp. 27-48.
Bernanke, B. S. et M. Gertler (1989) : "Agency Costs, Net Worth, and Business
Fluctuations", American Economic Review, 79(1), pp. 14-31.
Bernanke, B. S. (1993) : "Credit in the macroeconomy" , Quarterly Review, pp.50-70.
Bikai, L. et D. Essiane (2018) : "Politique monétaire, stabilité monétaire et croissance
économique dans la CEMAC". BEAC Working Paper BWP N° 08/17, p. 44.
Bikai, L. et G. Kenkouo (2015) : "Analyse et évaluation des canaux de transmission
de la politique monétaire dans la CEMAC : Une approche SVAR et SPVAR", BEAC
Working Paper BWP N° 02/15 , p. 35.
Chandavarkar, G. (1971) : "Some Aspects of Interest Rate Policies in Less Developed
Economies : The experience of Selected Asian Countries", IMF Staff Papers, 18 (1), pp.
48-112.
Christian de Boissieu (1976) : "La Structure des taux d’intérêt, Paris : Economica,
collection Recherches Panthéon-Sorbonne, Série Sciences économiques, préface
d’Alain Barrère, p. 281.
Christiano,J., Eichenbaum, M. et L. Evans (2005) : "Nominal Rigidities and the
Dynamic Effects of a Shock to Monetary Policy". Journal of Political Economy, 113 (1),
pp. 1-45.
Cortet, C. (1998) : "Structures financières et mécanismes de transmission de la
politique monétaire dans les principaux pays européens" , Note interne de la Banque
de France, p. 14.
Creel, J. et S. Levasseur (2006) :"Canaux de transmission de la politique monétaire
dans l'UE: Le cas de trois nouveaux entrants", Revue économique, 57 (4), pp. 881-898.
Diagne, A. et F. B. Doucouré (2000) : "Les canaux de transmission de la politique
monétaire dans les pays de l’UEMOA" , Mimeo, CREA et FASEG, Université Cheikh
Anta DIOP,
Dornbusch, R. (1976) : "Les attentes et la dynamique des taux de change" , Journal of
Political Economy, 84( 6), pp. 1161-1176.
Fisher, I. (2013) : "La théorie quantitative de la monnaie et l'hypothèse de la neutralité
de la monnaie", Captain Economics.
Friedman, M. (1968) : "The Role of Monetary Policy", The American Economic Review,
58(1), pp. 1-17.
Ganley, J. et C. Salmon (1997) : "L'impact industriel des chocs de politique monétaire:
quelques faits stylisés", Document de travail de la Banque d'Angleterre n° 68, p. 36
Gerlach, S. et F. Smets (1995) : "Le mécanisme de transmission monétaire: données
probantes des pays du G-7", Document de travail BRI n° 26.
TABO Arzouma Issa 40ème Promotion du COFFEB Page X

Goodhart, H. (2008). House Prices, Money, Credit and the Macroeconomy. ECB
Working Paper No. 888, p. 45 Pages.
Granger, C. W. J. (1986) : "Forecasting Economic Time Series", pp 11-28.
Hericourt, J. et L. Matei (2007) : "Transmission de la politique monétaire dans les
PECO : que savons-nous vraiment?", Job market paper, pp.180-181, 221-238.
Heyer, E. et X. Timbeau (2006): "Immobilier et politique monétaire", (OFCE, Éd.)
Revue de l'OFCE 2006/1 (no96. doi:10.3917/reof.096.0115
Ifeakachukwu, P. et M. Olufemi (2012) :"The Monetary Transmission Mechanism in
Nigeria: A Sectoral Output Analysis", International Journal of Economics and Finance
Archives, Vol. 4(1).
Kahn, C et G. Knight (1991) : "Stabilization Programs in Developing Countries : A
Formal Framework", Washington D.C: IMF.
Kamga, T D. (1999) : "Les effets de la politique monétaire sur le secteur réel : le cas
des pays de l'UEMOA. Une approche par la modélisation VAR ». Mémoire de DEA.
Dakar.
Kanga, D. et G. Levieuge (2017) : "Une évaluation des effets des politiques monétaires
non conventionnelles sur le coût de crédit aux entreprises dans la zone euro",
Economie et Statistique. doi: DOI: 10.24187/ecostat.2017.494t.1920
Kashyap,A. et al (1994) : "Credit Conditions and the cyclical behavior of inventories"
Quarterly Journal of Economics, 109, pp. pp. 565-592.
Keynes, J. M. (1936) : "Théorie générale de l'emploi, de l'intérêt et de la monnaie (The
General Theory of Employment, Interest and Money)" Paris, Payot, 2017 (1re éd. 1936),
p. 493
Kone, S. (2000) : "L’impact des politiques monétaire et budgétaire sur la croissance
économique dans les pays de l’UEMOA", Document d’Etude et de Recherche,
DER/98/03, BCEAO.
Kuttner, K. N. (2001) : "Monetary policy surprises and interest rates: Evidence from the
Fed Funds futures market", Journal of Monetary Economics, 47(3), pp. 523-544.
Lucas, R. E. (1988) : "On the mechanics of economic developpement", journal of
monetary economics.
Mc Kinon, R. et E. Shwa (1973) : "Money and Capital in Economic Development",
Quarterly Journal of Economies, 3(84), pp.488-500.
Mezui-Mbeng, C. A. (2010) : "Tramsission de la politique monétaire: le cas des pays
de la CEMAC", Munich Personal RePEc Archive.
Mishkin, F. (1996) : "Les canaux de transmission monétaire : leçons pour la politique
monétaire", Bulletin de la Banque de France (N°27), pp.91-105.
Mishkin, F. (1996) : "The channels of monetary transmission: Lessons for monetary
policy", Banque de France : Bulletin: Digest, Éd, the NATIONAL BUREAU of
ECONOMIC RESEARCH, pp. 33-44.
Mojon, B. (1998) : "Structures financières et Transmission de la Politique Monétaire,
Application à l'Allemagne, la France, l'Italie et le Royaume-Uni", Document de Travail
du C.E.P.I.I, 12(98), p. 65.
TABO Arzouma Issa 40ème Promotion du COFFEB Page XI

Moussir, C. E. (2017) : "Effets sectoriels de la politique monétaire et activité

économique : Cas du Maroc", Munich Personal RePEc Archive (No. 76488), p. 10.
Mundell, R. (1962) : "The appropriate Use of Monetary and Fiscal Policy for Internal
and External Stability", IMF Staff Papers, 9(1), pp 70-79.
Nubukpo, K. (2002) : "L’impact de la variation des taux d’intérêt directeurs de la BCEAO
sur l’inflation et la croissance dans l’UMOA", Document d’Etude et de Recherche,
DER/01/07,BCEAO.
Oloufade, D. (2015) : "Analyse sectorielle des mécanismes de transmission de la
politique monétaire dans les Etats membres de l'UEMOA: une approche par l'indice de
la production industrielle", Document d’Etude et de Recherche N° DER/14/05.
Papadamou, S. et G. Oikonomou (2007) : "The monetary transmission mechanism :
Evidence from eight economies in transition", International Economic Journal, 21 (4),
pp. 559 – 576.
Phelps, E. (1967) : "Phillips Curves, Expectations of inflation and Optimal
Unemployment over Time", Economica, News series, 34 (135), pp. 254-281.
Say, J-B. (1803) : "Traité d'économie politique", Paris.
Sims, C. et M. Eichenbaum (1992) : "Comments on ‘Interpreting the Macroeconomic
Time Series Facts: The Effects of Monetary Policy" European Economic Review,
pp.1001–1011.
Stiglitz, J. E. et A. Weiss (1981) : "Credit Rationing in Markets with Imperfect
Information", The American Economic Review, 71 (3), pp. 393-410.
Tavera, C. (1999) : "Les effets comparés de la politique monétaire sur les secteurs
agricoles européens", Économie rurale (N°251), pp.33-41.
DOCUMENTS UTILISES
Bulletins mensuels des statistiques de l’UEMOA36
Bulletins mensuels des statistiques économiques de l’UEMOA
Bulletins mensuels des statistiques monétaires et financières de l’UEMOA
Bulletins trimestriels des statistiques de l’UEMOA
Séminaire du Comité De Politique Monétaire sur le Thème :« Fonctionnement du
marché monétaire et mise en Œuvre de la Politique Monétaire » Dakar, le 3 mars 2015.
SITES CONSULTES
www.bceao.int
www.cairn.info.com
https://edenpub.bceao.int/
http://www.eviews.com/Learning/freqconv.html.
www.memoreonline.com
www.pdf.drive.com
36
Tous les bulletins de 2014 à 2017
TABO Arzouma Issa 40ème Promotion du COFFEB Page XII

ANNEXES
TABO Arzouma Issa 40ème Promotion du COFFEB Page XIII

Annexe I : Contribution des VA sectorielle des pays de l’UEMOA à la croissance
BENIN BURKINA-FASO CÔTE D'IVOIRE MALI
28% 29% 27% 34%

42% 39%
47% 44%
30% 24% 29% 27%
VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB

VAS1/PIB VAS2/PIB VAS3/PIB
NIGER GUINEE-BISEAU SENEGAL TOGO
26% 26% 16%

31% 38% 39%
47%
55% 29%
22% 48% 23%
VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB
TABO Arzouma Issa 40ème Promotion du COFFEB Page X

Annexe II : Evolution des crédits sectoriels dans les pays de l’UEMOA (2010-2017)
BENIN BURKINA FASO CÔTE D'IVOIRE MALI

CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB
25 000,000 25 000,000 12 000,000 20 000,000

20 000,000 20 000,000 10 000,000
15 000,000
8 000,000
15 000,000 15 000,000
6 000,000 10 000,000
10 000,000 10 000,000
4 000,000
5 000,000 5 000,000 5 000,000
2 000,000
0,000 0,000 0,000 0,000
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
2 2 2 2 2 2 2 2
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
010 011 012 013 014 015 016 017
NIGER GUINEE BISSEAU SENEGAL TOGO

CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB CS1/PIB CS2/PIB CS3/PIB
60 000,000 3 500,000 20 000,000 25 000,000

50 000,000 3 000,000
20 000,000
2 500,000 15 000,000
40 000,000
2 000,000 15 000,000
30 000,000 10 000,000
1 500,000 10 000,000
20 000,000 1 000,000
10 000,000 5 000,000 5 000,000
500,000
0,000 0,000 0,000
0,000
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
2 010
2 011
2 012
2 013
2 014
2 015
2 016
2 017
TABO Arzouma Issa 40ème Promotion du COFFEB Page XI

Annexe III : Test de de validité du choix du modèle de panel
Secteur Primaire Secteur Secondaire Secteur Tertiaire
Correlated Random Effects - Hausman Test Correlated Random Effects - Hausman Test Correlated Random Effects - Hausman Test
Pool: PANEL Pool: PANEL Pool: PANEL
Test cross-section random effects Test cross-section random effects Test cross-section random effects
Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob. Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.
Cross-section random 4.746303 4 0.3143 Cross-section random 9.714485 4 0.0455 Cross-section random 7.674597 4 0.1043
Cross-section random effects test comparisons: Cross-section random effects test comparisons: Cross-section random effects test comparisons:
Variable Fixed Random Var(Diff.) Prob. Variable Fixed Random Var(Diff.) Prob. Variable Fixed Random Var(Diff.) Prob.
LCS1? 0.001966 0.002043 0.000000 0.1164 LCS2? 0.040982 0.040613 0.000000 0.0709 LCS3? 0.364775 0.365046 0.000006 0.9136
LICA? -0.009011 -0.009009 0.000000 0.7468 LICA? 0.002154 0.002191 0.000000 0.3890 LICA? -0.059769 -0.060195 0.000000 0.2895
LIHPC? 0.015663 0.015657 0.000000 0.7205 LIHPC? -0.011181 -0.011082 0.000000 0.0346 LIHPC? -0.002802 -0.001668 0.000000 0.0113
TGPM? 0.040746 0.040760 0.000000 0.0608 TGPM? 0.038573 0.038430 0.000000 0.0460 TGPM? 0.053271 0.053382 0.000001 0.8890
Residual Cross-Section Dependence Test Residual Cross-Section Dependence Test Residual Cross-Section Dependence Test
Null hypothesis: No cross-section dependence (correlation) Null hypothesis: No cross-section dependence (correlation) Null hypothesis: No cross-section dependence (correlation)
Pool: PANEL Pool: PANEL Pool: PANEL
Periods included: 216 Periods included: 216 Periods included: 216
Cross-sections included: 9 Cross-sections included: 9 Cross-sections included: 9
Total panel observations: 1944 Total panel (unbalanced) observations: 1896 Total panel (unbalanced) observations: 1896
Note: non-zero cross-section means detected in data Test employs centered correlations computed from pairwise samples Note: non-zero cross-section means detected in data
Cross-section means were removed during computation of correlations Test employs centered correlations computed from pairwise samples
Test Statistic d.f. Prob.
Test Statistic d.f. Prob. Test Statistic d.f. Prob.
Breusch-Pagan LM 1191.256 36 0.0000
Breusch-Pagan LM 2013.513 36 0.0000 Pesaran scaled LM 136.1483 0.0000 Breusch-Pagan LM 2055.146 36 0.0000
Pesaran scaled LM 233.0522 0.0000 Bias-corrected scaled LM 136.1273 0.0000 Pesaran scaled LM 237.9586 0.0000
Pesaran CD 12.16292 0.0000 Pesaran CD 15.18436 0.0000 Pesaran CD 7.212445 0.0000
Source : Résultats issus des tests de spécification sur Eviews 10
TABO Arzouma Issa 40ème Promotion du COFFEB Page XII

Annexe IV : Test de racine unitaire en panel dans les trois secteurs.

Test de racine unitaire
A niveau En différence prmière
Secteur Variable Im, Im,
Valeur ADF - PP - ADF - PP - Conclusion
Levin, Lin Breitung t- Pesaran Levin, Lin Breitung t- Pesaran
Fisher Chi- Fisher Chi- Fisher Chi- Fisher Chi-
& Chu t* stat and Shin & Chu t* stat and Shin
square square square square
W-stat W-stat
Empirique -1.04559 -1.25967 -1.83455 30.7681 15.9919 14.8787 -3.30959 -3.70677 50.1485 152.415
Log(VAS1) I (1)
Prob 0.1479 0.1039 0.0333 0.0306 0.5931 1.0000 0.0005 0.0001 0.0001 0.0000
Empirique -27.2011 -2.12338 -32.2821 667.887 807.588
Log(ICA) I (0)
Prob 0.0000 0.0169 0.0000 0.0000 0.0000
Primaire
Empirique -59.6026 -35.1934 -42.0513 851.611 996.158
Log(IHPC) I (0)
Prob 0.0000 0.0000 0.0000 0.0000 0.0000
Empirique -1.62734 -1.30345 -1.82603 28.3400 22.4641 0.10609 -4.57448 -7.07299 98.9344 115.304
Log(CS1) I (1)
Prob 0.0518 0.0962 0.0339 0.0571 0.2120 0.5422 0.0000 0.0000 0.0000 0.0000
Empirique -3.57844 -0.38142 -0.28631 20.5359 7.48773 -1.09446 -6.10412 -9.67402 171.415 223.600
Log(VAS2) I (1)
Prob 0.0002 0.3514 0.3873 0.3035 0.9853 0.1369 0.0000 0.0000 0.0000 0.0000
Empirique -27.2011 -2.12338 -32.2821 667.887 807.588
Log(ICA) I (0)
Prob 0.0000 0.0169 0.0000 0.0000 0.0000
Secondaire
Empirique -59.6026 -35.1934 -42.0513 851.611 996.158
Log(IHPC) I (0)
Prob 0.0000 0.0000 0.0000 0.0000 0.0000
Empirique -1.35017 -0.10514 17.0956 24.5582 -7.74617 -3.84487 -12.5127 205.171 207.578
Log(CS2) I (1)
Prob 0.0885 0.4581 0.5165 0.1376 0.0000 0.0001 0.0000 0.0000 0.0000
Empirique -4.00667 -0.62583 -1.24452 23.3618 10.4902 3.45873 -5.16701 -4.33020 61.4819 117.447
I (1)
Log(VAS3) Prob 0.0000 0.2657 0.1067 0.1771 0.9147 0.9997 0.0000 0.0000 0.0000 0.0000
Empirique -27.2011 -2.12338 -32.2821 667.887 807.588
Log(ICA) I (0)
Prob 0.0000 0.0169 0.0000 0.0000 0.0000
Tertiaire
Empirique -59.6026 -35.1934 -42.0513 851.611 996.158
Log(IHPC) I (0)
Prob 0.0000 0.0000 0.0000 0.0000 0.0000
Empirique -1.64302 -0.11786 17.0479 24.1197 -2.61413 -3.33645 -7.24167 96.5690 107.261
Log(CS3) I (1)
Prob 0.0502 0.4531 0.5198 0.1511 0.0045 0.0004 0.0000 0.0000 0.0000
Empirique 3.13162 0.48729 3.16083 2.50879 3.12394 -47.3241 -33.6638 -36.5772 763.356 771.420
TGPM I (1)
Prob 0.9991 0.6870 0.9992 1.0000 1.0000 0.0000 0.0000 0.0000 0.0000 0.0000
Source : Conception de l’auditeur à partir des tests de stationnarité dans Eviews 10.
TABO Arzouma Issa 40ème Promotion du COFFEB Page XIII

Annexe V : Test de cointégration en panel

Secteur Primaire
Pedroni Residual Cointegration Test Kao Residual Cointegration Test Johansen Fisher Panel Cointegration Test
Series: LVAS1 LCS1 LICA LIHPC TGPM
Series: LVAS1 LCS1 LICA LIHPC TGPM Date: 11/23/18 Time: 04:35 Series: LVAS1 LCS1 LICA LIHPC TGPM
Date: 11/20/18 Time: 14:32 Sample: 2000M01 2017M12 Date: 11/23/18 Time: 04:35
Sample: 2000M01 2017M12 Included observations: 1944 Sample: 2000M01 2017M12
Included observations: 1944 Null Hypothesis: No cointegration
Trend assumption: No deterministic trend Included observations: 1944
Cross-sections included: 9 Automatic lag length selection based on SIC with a max lag of 13 Trend assumption: Linear deterministic trend
Null Hypothesis: No cointegration Newey-West automatic bandwidth selection and Bartlett kernel Lags interval (in first differences): 1 1
Trend assumption: No deterministic trend
t-Statistic Prob.
Automatic lag length selection based on SIC with lags from 13 to 14
ADF -1.230638 0.1092 Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
Newey-West automatic bandwidth selection and Bartlett kernel
Residual variance 3.97E-05
HAC variance 0.000150 Hypothesized Fisher Stat.* Fisher Stat.*
Alternative hypothesis: common AR coefs. (within-dimension)
No. of CE(s) (from trace test) Prob. (from max-eigen test) Prob.
Weighted
Statistic Prob. Statistic Prob.
Panel v-Statistic -1.360382 0.9131 -1.983932 0.9764 None 428.4 0.0000 354.5 0.0000
Panel rho-Statistic -5.624104 0.0000 -2.716440 0.0033 Augmented Dickey-Fuller Test Equation At most 1 298.3 0.0000 296.7 0.0000
Dependent Variable: D(RESID) At most 2 41.01 0.0015 46.50 0.0003
Panel PP-Statistic -4.593790 0.0000 -2.420421 0.0078 Method: Least Squares
Panel ADF-Statistic 5.023412 1.0000 5.678651 1.0000 Date: 11/20/18 Time: 14:35 At most 3 10.52 0.9135 5.170 0.9986
Sample (adjusted): 2000M08 2017M12 At most 4 33.41 0.0149 33.41 0.0149
Included observations: 1833 after adjustments
Alternative hypothesis: individual AR coefs. (between-dimension)
Variable Coefficient Std. Error t-Statistic Prob.
Statistic Prob.
Group rho-Statistic -0.697881 0.2426 RESID(-1) -0.022914 0.006488 -3.531862 0.0004
D(RESID(-1)) -0.461797 0.023686 -19.49672 0.0000
Group PP-Statistic 1.208599 0.8866 D(RESID(-2)) -0.119930 0.025880 -4.634002 0.0000
Group ADF-Statistic 4.049136 1.0000 D(RESID(-3)) 0.069328 0.025956 2.670979 0.0076
D(RESID(-4)) 0.123340 0.025998 4.744263 0.0000
D(RESID(-5)) 0.130285 0.025912 5.028088 0.0000
D(RESID(-6)) 0.073999 0.023465 3.153606 0.0016
R-squared 0.204251 Mean dependent var -0.000376

Adjusted R-squared 0.201636 S.D. dependent var 0.022024
S.E. of regression 0.019678 Akaike info criterion -5.014785
Sum squared resid 0.707095 Schwarz criterion -4.993729
Log likelihood 4603.050 Hannan-Quinn criter. -5.007019
Durbin-Watson stat 2.020699
TABO Arzouma Issa 40ème Promotion du COFFEB Page XIV

Secteur Secondaire
Kao Res idual Cointegration Tes t
Pedroni Residual Cointegration Test Series : LVAS2 LICA LCS2 TGPM LIHPC
Johansen Fisher Panel Cointegration Test
Series: LVAS2 LICA LCS2 TGPM LIHPC Date: 11/22/18 Tim e: 18:43 Series: LVAS2 LICA LCS2 TGPM LIHPC
Sam ple: 2000M01 2017M12
Date: 11/22/18 Time: 18:43 Included obs ervations : 1944 Date: 11/22/18 Time: 18:43
Sample: 2000M01 2017M12
Null Hypothes is : No cointegration Sample: 2000M01 2017M12
Trend as s um ption: No determ inis tic trend
Included observations: 1944 Autom atic lag length s election bas ed on SIC with a m ax lag of 13 Included observations: 1944
Newey-Wes t autom atic bandwidth s election and Bartlett kernel
Trend assumption: Linear deterministic trend
Cross-sections included: 9
t-Statis tic Prob. Lags interval (in first differences): 1 1
Null Hypothesis: No cointegration ADF -2.812758 0.0025
Trend assumption: No deterministic intercept or trend Res idual variance 0.000238 Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
Automatic lag length selection based on SIC with lags from 13 to 14 HAC variance 0.001968
Newey-West automatic bandwidth selection and Bartlett kernel Hypothesized Fisher Stat.* Fisher Stat.*
No. of CE(s) (from trace test) Prob. (from max-eigen test) Prob.
Alternative hypothesis: common AR coefs. (within-dimension) Augm ented Dickey-Fuller Tes t Equation
Dependent Variable: D(RESID)
Weighted Method: Leas t Squares None 227.5 0.0000 167.9 0.0000
Date: 11/23/18 Tim e: 02:54
Statistic Prob. Statistic Prob. Sam ple (adjus ted): 2000M10 2017M12 At most 1 313.1 0.0000 290.5 0.0000
Panel v-Statistic -2.237312 0.9874 -2.913328 0.9982 Included obs ervations : 1816 after adjus tm ents At most 2 20.34 0.3141 11.36 0.8786
Panel rho-Statistic 0.955544 0.8303 1.113696 0.8673 Variable Coefficient Std. Error t-Statis tic Prob. At most 3 18.61 0.4164 10.53 0.9131
Panel PP-Statistic 0.739806 0.7703 0.990760 0.8391 RESID(-1) -0.028532 0.004128 -6.911298 0.0000
At most 4 38.04 0.0038 38.04 0.0038
D(RESID(-1)) -0.486955 0.023175 -21.01210 0.0000
Panel ADF-Statistic 1.939387 0.9738 2.862060 0.9979 D(RESID(-2)) -0.165526 0.025568 -6.473881 0.0000
D(RESID(-3)) 0.089865 0.025360 3.543530 0.0004
D(RESID(-4)) 0.197050 0.024956 7.895780 0.0000
Alternative hypothesis: individual AR coefs. (between-dimension) D(RESID(-5)) 0.205909 0.025254 8.153574 0.0000
D(RESID(-6)) 0.161220 0.025459 6.332523 0.0000
D(RESID(-7)) 0.065306 0.023122 2.824413 0.0048
Statistic Prob. R-s quared 0.238583 Mean dependent var 0.000855
Group rho-Statistic 0.755781 0.7751 Adjus ted R-s quared 0.235635 S.D. dependent var 0.054730
S.E. of regres s ion 0.047850 Akaike info criterion -3.237116
Group PP-Statistic 0.566447 0.7145 Sum s quared res id 4.139551 Schwarz criterion -3.212868
Group ADF-Statistic 4.120384 1.0000 Durbin-Wats on s tat 2.019016
TABO Arzouma Issa 40ème Promotion du COFFEB Page XV

Secteur Tertiaire
Pedroni Residual Cointegration Test Kao Residual Cointegration Test

Series: LVAS3 LICA LCS3 TGPM LIHPC Johansen Fisher Panel Cointegration Test
Series: LVAS3 LICA LCS3 TGPM LIHPC Date: 11/20/18 Time: 18:11
Series: LVAS3 LICA LCS3 TGPM LIHPC
Date: 11/20/18 Time: 18:09 Sample: 2000M01 2017M12
Sample: 2000M01 2017M12

Included observations: 1944 Date: 11/20/18 Time: 18:15
Null Hypothesis: No cointegration
Included observations: 1944 Trend assumption: No deterministic trend Sample: 2000M01 2017M12
Automatic lag length selection based on SIC with a max lag of 13
Cross-sections included: 9 Newey-West automatic bandwidth selection and Bartlett kernel Included observations: 1944
Null Hypothesis: No cointegration
t-Statistic Prob.
Trend assumption: Linear deterministic trend
ADF -3.215644 0.0007 Lags interval (in first differences): 1 1
Residual variance 0.000236
HAC variance 0.001409
Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
Alternative hypothesis: common AR coefs. (within-dimension)
Weighted
Statistic Prob. Statistic Prob. Augmented Dickey-Fuller Test Equation
Hypothesized Fisher Stat.* Fisher Stat.*
Panel v-Statistic -2.033461 0.9790 -2.883161 0.9980 Dependent Variable: D(RESID) No. of CE(s) (from trace test) Prob. (from max-eigen test) Prob.
Method: Least Squares
Panel rho-Statistic -5.288662 0.0000 -1.655962 0.0489 Date: 11/23/18 Time: 02:41
Panel PP-Statistic -4.830004 0.0000 -1.996896 0.0229 Sample (adjusted): 2000M10 2017M12
None 437.7 0.0000 360.7 0.0000
Included observations: 1815 after adjustments
Panel ADF-Statistic -0.548332 0.2917 2.402677 0.9919
Variable Coefficient Std. Error t-Statistic Prob.
At most 1 279.5 0.0000 296.7 0.0000
Alternative hypothesis: individual AR coefs. (between-dimension) At most 2 21.12 0.2733 12.20 0.8368
RESID(-1) -0.032209 0.004605 -6.994758 0.0000
D(RESID(-1)) -0.538552 0.023199 -23.21460 0.0000 At most 3 18.99 0.3923 10.60 0.9107
Statistic Prob. D(RESID(-2)) -0.226379 0.026305 -8.605818 0.0000
D(RESID(-3)) 0.050048 0.026417 1.894494 0.0583 At most 4 40.06 0.0020 40.06 0.0020
Group rho-Statistic -2.809407 0.0025 D(RESID(-4)) 0.184691 0.025889 7.133902 0.0000
Group PP-Statistic -3.252802 0.0006 D(RESID(-5)) 0.215662 0.025835 8.347601 0.0000
D(RESID(-6)) 0.189434 0.026274 7.209845 0.0000
Group ADF-Statistic 2.365725 0.9910 D(RESID(-7)) 0.107611 0.026170 4.112061 0.0000
D(RESID(-8)) 0.063437 0.023111 2.744915 0.0061
R-squared 0.270966 Mean dependent var 0.000560

Adjusted R-squared 0.267736 S.D. dependent var 0.060806
S.E. of regression 0.052033 Akaike info criterion -3.068930
Sum squared resid 4.889628 Schwarz criterion -3.041638
Durbin-Watson stat 2.010444
TABO Arzouma Issa 40ème Promotion du COFFEB Page XVI

Annexe VI : Estimations du modèle à correction d’erreurs en panel (PMG/ARDL)
SECTEUR PRIMAIRE SECTEUR SECONDAIRE SECTEUR TERTIAIRE
Dependent Variable: D(LVAS1) Dependent Variable: D(LVAS2) Dependent Variable: D(LVAS3)

Method: ARDL Method: ARDL Method: ARDL
Date: 11/22/18 Time: 16:57 Date: 11/22/18 Time: 11:28 Date: 11/22/18 Time: 11:34
Sample: 2000M03 2017M12 Sample: 2000M04 2017M12 Sample: 2000M03 2017M12
Included observations: 1879 Included observations: 1870 Included observations: 1878
Dependent lags: 1(Fixed) Dependent lags: 2 (Fixed) Dependent lags: 2 (Fixed)
Dynamic regressors (1 lag, fixed): LCS1 LICA LIHPC TGPM Dynamic regressors (1 lags, fixed): LCS2 LICA LIHPC TGPM Dynamic regressors (1lags, fixed): LCS3 LICA LIHPC TGPM
Fixed regressors: C Fixed regressors: C Fixed regressors: C
Variable Coefficient Std. Error t-Statistic Prob.* Variable Coefficient Std. Error t-Statistic Prob.* Variable Coefficient Std. Error t-Statistic Prob.*
Long Run Equation Long Run Equation Long Run Equation
LCS1 0.012548 0.048274 2.331460 0.0198 LCS2 0.128316 0.012753 10.06136 0.0000 LCS3 0.196666 0.026512 3.646107 0.0003
LICA 0.068718 0.039743 1.729049 0.0840 LICA 0.010690 0.016171 -0.661101 0.0086 LICA 6.38E-05 0.017053 0.003741 0.0970
LIHPC -0.079366 0.050621 -1.567843 0.1171 LIHPC -0.017800 0.018669 -0.953427 0.0405 LIHPC -0.024243 0.012047 -2.012325 0.0443
TGPM -0.033006 0.034431 -0.958602 0.3379 TGPM -0.005165 0.008521 -0.606125 0.0445 TGPM -0.024342 0.012880 -1.889877 0.0589
Short Run Equation Short Run Equation Short Run Equation
COINTEQ01 -0.002157 0.002430 -0.887640 0.0749 COINTEQ01 -0.003616 0.001150 -3.143048 0.0017 COINTEQ01 -0.003773 0.001436 -2.627724 0.0087
D(LCS1) 0.006268 0.008355 0.750121 0.4533 D(LCS2) 0.103829 0.071622 1.449685 0.0473 D(LCS3) 0.090095 0.073153 1.231603 0.0103
D(LICA) -0.000108 0.000157 -0.688254 0.4914 D(LICA) 0.000283 0.000209 1.355429 0.0755 D(LICA) 0.000237 0.000207 1.146127 0.0519
D(LIHPC) 8.02E-05 9.95E-05 0.806763 0.4199 D(LIHPC) -0.000166 0.000123 1.345292 0.0787 D(LIHPC) -0.000165 0.000127 1.301523 0.0932
D(TGPM) 0.000378 0.000224 1.688753 0.0914 D(TGPM) 0.000571 0.000611 0.934581 0.0501 D(TGPM) -0.000592 0.000603 0.983026 0.0257
C 0.004345 0.004926 0.882205 0.3778 C 0.008818 0.002980 2.958877 0.0031 C 0.010763 0.004343 2.478376 0.0133
Mean dependent var -0.000609 S.D. dependent var 0.006354 Mean dependent var 0.001704 S.D. dependent var 0.015050 Mean dependent var 0.001829 S.D. dependent var 0.014286
S.E. of regression 0.005200 Akaike info criterion -9.455443 S.E. of regression 0.004524 Akaike info criterion -10.01592 S.E. of regression 0.004510 Akaike info criterion -10.14857
Sum squared resid 0.049465 Schwarz criterion -9.259407 Sum squared resid 0.036534 Schwarz criterion -9.713506 Sum squared resid 0.036462 Schwarz criterion -9.847202
Log likelihood 9030.760 Hannan-Quinn criter. -9.383268 Log likelihood 9558.028 Hannan-Quinn criter. -9.904556 Log likelihood 9723.844 Hannan-Quinn criter. -10.03761
Source : Estimation sous Eviews 10
TABO Arzouma Issa 40ème Promotion du COFFEB Page XVII

Annexe VII : Equations de court terme du secteur primaire.
BENIN BURKINA FASO CÔTE D’IVOIRE
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
COINTEQ01 -0.001566 2.73E-06 -573.3391 0.0000 COINTEQ01 -0.000980 5.54E-07 1768.818 0.0000 COINTEQ01 -0.052748 4.94E-07 -1066.960 0.0000
D(LCS1) -0.005814 3.17E-05 -183.4874 0.0000 D(LCS1) 0.011978 1.44E-06 8307.758 0.0000 D(LCS1) 0.061408 0.000133 460.8154 0.0000
D(LICA) -5.01E-05 1.00E-08 -4993.472 0.0000 D(LICA) -4.75E-05 2.63E-08 -1808.150 0.0000 D(LICA) 9.89E-06 8.05E-08 122.9052 0.0000
D(LIHPC) -0.000151 1.60E-08 -9417.923 0.0000 D(LIHPC) -0.000135 1.40E-08 -9575.891 0.0000 D(LIHPC) -1.77E-05 3.19E-08 -556.4997 0.0000
D(TGPM) -9.41E-05 6.94E-07 -135.5636 0.0000 D(TGPM) 0.000249 1.81E-06 137.6123 0.0000 D(TGPM) -0.000120 1.21E-06 -99.21336 0.0000
C 0.003233 1.33E-05 242.4256 0.0000 C -0.002935 3.95E-06 -743.4908 0.0000 C 0.000992 2.23E-06 445.5519 0.0000
MALI NIGER GUINEE-BISSAU
COINTEQ01 -0.006376 6.83E-06 -933.4058 0.0000 COINTEQ01 -0.000595 7.41E-07 803.0310 0.0000 COINTEQ01 -0.000237 3.94E-07 -603.2527 0.0000
D(LCS1) 0.060375 4.86E-05 1243.266 0.0000 D(LCS1) -0.075116 2.77E-05 -2709.990 0.0000 D(LCS1) -0.050079 2.71E-05 -1846.721 0.0000
D(LICA) 4.26E-05 2.32E-08 1838.635 0.0000 D(LICA) -0.000109 4.90E-09 -22143.78 0.0000 D(LICA) -2.91E-05 7.32E-08 -397.8734 0.0000
D(LIHPC) -9.80E-05 3.21E-08 -3053.981 0.0000 D(LIHPC) 2.57E-05 2.16E-08 1191.376 0.0000 D(LIHPC) 0.000162 5.04E-08 3214.607 0.0000
D(TGPM) -0.000220 9.72E-07 -226.2567 0.0000 D(TGPM) 0.000380 8.37E-07 453.6346 0.0000 D(TGPM) 0.000465 1.09E-06 424.8799 0.0000
C 0.015005 5.02E-05 298.8475 0.0000 C -0.001524 5.65E-06 -269.6456 0.0000 C 0.000685 1.51E-06 452.7617 0.0000
SENEGAL TOGO UEMOA
COINTEQ01 -0.031539 0.000168 -187.6567 0.0000 COINTEQ01 -0.002791 1.15E-06 -2433.296 0.0000 COINTEQ01 -0.000342 6.00E-07 -569.3950 0.0000
D(LCS1) -0.078349 0.037985 -2.062611 0.1312 D(LCS1) 0.006594 1.99E-05 331.5574 0.0000 D(LCS1) 0.031476 2.66E-05 1183.325 0.0000
D(LICA) 0.000414 2.51E-06 164.9646 0.0000 D(LICA) 4.67E-05 1.52E-08 3080.602 0.0000 D(LICA) -0.000879 1.45E-06 -607.4554 0.0000
D(LIHPC) -0.001002 1.95E-06 -513.4083 0.0000 D(LIHPC) -0.000112 1.76E-08 -6366.290 0.0000 D(LIHPC) -0.000136 1.22E-08 -11189.86 0.0000
D(TGPM) 0.001339 8.56E-05 15.65222 0.0006 D(TGPM) 0.000155 4.88E-07 318.6208 0.0000 D(TGPM) 1.70E-05 4.22E-07 40.21720 0.0000
C 0.049912 0.000557 89.68197 0.0000 C 0.006575 7.09E-06 926.7012 0.0000 C 0.000635 2.89E-06 219.6627 0.0000
TABO Arzouma Issa 40ème Promotion du COFFEB Page XVIII

Annexe VIII : Equations de court terme du secteur secondaire
COINTEQ01 -0.006397 7.03E-06 -910.2883 0.0000 COINTEQ01 -0.005541 4.34E-06 -1277.429 0.0000 COINTEQ01 -0.020034 1.87E-06 -1074.138 0.0000
D(LCS2) 0.060545 0.000132 457.8652 0.0000 D(LCS2) 0.068186 0.000870 78.35591 0.0000 D(LCS2) 0.025713 0.000441 -58.30532 0.0000
D(LICA) 4.25E-05 8.76E-09 4850.837 0.0000 D(LICA) -9.75E-05 2.21E-08 -4419.151 0.0000 D(LICA) 2.17E-06 4.39E-08 -49.35890 0.0000
D(LIHPC) 3.60E-05 9.32E-09 3859.557 0.0000 D(LIHPC) 0.000105 1.01E-08 10383.45 0.0000 D(LIHPC) -2.43E-05 8.64E-09 2816.758 0.0000
D(TGPM) -1.87E-05 3.02E-07 -61.96178 0.0000 D(TGPM) 7.79E-05 1.30E-06 59.75097 0.0000 D(TGPM) -0.000192 6.52E-07 294.3260 0.0000
C 0.015443 4.24E-05 363.8747 0.0000 C 0.010515 1.60E-05 658.6730 0.0000 C 0.005054 1.16E-05 434.6214 0.0000
D(LCS2) -0.001770 1.83E-06 -968.1904 0.0000 D(LCS2) 0.012889 2.41E-05 534.9087 0.0000 D(LCS2) 0.667942 0.004718 141.5811 0.0000
D(LICA) 2.50E-05 3.30E-09 7558.945 0.0000 D(LICA) 0.000177 8.05E-09 21988.37 0.0000 D(LICA) 0.001906 9.38E-06 203.2476 0.0000
D(TGPM) -1.57E-05 3.28E-07 -47.98449 0.0000 D(TGPM) -0.000147 1.40E-06 -104.7794 0.0000 D(TGPM) 0.005435 0.000139 39.13761 0.0000
C 0.001974 3.44E-06 574.3926 0.0000 C 0.001175 3.73E-06 314.6643 0.0000 C 0.002263 7.42E-06 304.9152 0.0000
SENEGAL TOGO UEMOA
D(LCS2) 0.036464 0.001169 31.19779 0.0001 D(LCS2) 0.019079 7.04E-05 270.8350 0.0000 D(LCS2) 0.096843 2.04E-07 474783.1 0.0000
D(LICA) 7.43E-05 7.82E-08 949.5053 0.0000 D(LICA) -6.77E-06 4.22E-09 -1601.591 0.0000 D(LICA) 0.000431 7.73E-07 558.2184 0.0000
D(LIHPC) 6.21E-05 3.53E-08 1757.446 0.0000 D(LIHPC) -9.59E-06 2.06E-09 -4643.881 0.0000 D(LIHPC) 0.000122 1.06E-08 11556.96 0.0000
D(TGPM) -0.000414 2.75E-06 -150.6171 0.0000 D(TGPM) -4.28E-05 1.68E-07 -255.3436 0.0000 D(TGPM) 7.03E-05 2.27E-07 308.8126 0.0000
C 0.026012 8.07E-05 322.3861 0.0000 C 0.000266 3.58E-06 74.08424 0.0000 C 0.016658 3.83E-05 435.2588 0.0000
TABO Arzouma Issa 40ème Promotion du COFFEB Page XIX

Annexe IX : Equations de court terme du secteur tertiaire
D(LCS3) 0.058930 0.000132 445.8376 0.0000 D(LCS3) 0.071656 0.000868 82.53436 0.0000 D(LCS3) 0.266513 0.000439 -60.72057 0.0000
D(LICA) 3.45E-07 6.93E-09 49.79234 0.0000 D(LICA) -0.000134 2.72E-08 -4912.311 0.0000 D(LICA) 1.65E-05 4.37E-08 -377.3907 0.0000
D(LIHPC) -3.18E-05 7.29E-09 4364.749 0.0000 D(LIHPC) -0.000114 1.72E-08 6668.766 0.0000 D(LIHPC) -2.80E-05 1.73E-08 1622.713 0.0000
D(TGPM) -6.36E-05 3.05E-07 208.8492 0.0000 D(TGPM) 7.22E-05 1.27E-06 56.76352 0.0000 D(TGPM) -0.000231 6.63E-07 347.8525 0.0000
C 0.013927 3.81E-05 365.1790 0.0000 C 0.019306 5.10E-05 378.7571 0.0000 C 0.006407 1.52E-05 421.2336 0.0000
D(LCS3) 0.001730 1.81E-06 -956.4071 0.0000 D(LCS3) 0.013457 2.26E-05 594.2345 0.0000 D(LCS3) 0.066836 0.004716 141.7315 0.0000
D(LICA) 1.79E-05 3.42E-09 5224.170 0.0000 D(LICA) 0.000171 8.01E-09 21369.25 0.0000 D(LICA) 0.001867 9.37E-06 199.3232 0.0000
D(TGPM) 4.08E-06 3.24E-07 12.57035 0.0011 D(TGPM) -0.000144 1.41E-06 -102.3928 0.0000 D(TGPM) 0.005400 0.000139 38.86881 0.0000
C 0.003850 5.41E-06 712.2094 0.0000 C 0.001889 6.65E-06 283.9341 0.0000 C 0.002386 9.44E-06 252.6780 0.0000
SENEGAL TOGO UEMOA
COINTEQ01 -0.012958 2.27E-05 -571.0267 0.0000 COINTEQ01 -6.63E-05 8.90E-07 -74.56063 0.0000 COINTEQ01 -0.002609 1.79E-06 -1457.989 0.0000
D(LCS3) 0.133224 0.001158 28.70052 0.0001 D(LCS3) 0.019303 6.93E-05 278.4856 0.0000 D(LCS3) 0.025696 4.83E-05 -532.3683 0.0000
D(LICA) 7.56E-06 8.93E-08 84.75232 0.0000 D(LICA) -7.81E-06 4.17E-09 -1873.768 0.0000 D(LICA) 0.000227 2.47E-07 920.7338 0.0000
D(LIHPC) 0.000116 5.67E-08 2044.055 0.0000 D(LIHPC) -4.36E-07 4.53E-09 -96.42361 0.0000 D(LIHPC) -7.55E-05 2.73E-09 27656.33 0.0000
D(TGPM) -4.08E-05 1.66E-07 -245.0925 0.0000 D(TGPM) -7.27E-07 7.31E-08 9.939143 0.0022
D(TGPM) -0.000254 2.74E-06 -92.86184 0.0000
C 0.000180 6.35E-06 28.34702 0.0001 C 0.007550 1.35E-05 560.4719 0.0000
C 0.041373 0.000285 145.0879 0.0000
TABO Arzouma Issa 40ème Promotion du COFFEB Page XX

Annexe X : Décomposition de la variance de LVAS1

BENIN BURKINA CÔTE D’IVOIRE
Period S.E. DTGPM_BN DLCS1_BN DLICA_BN DLIHPC_BN DLVAS1_BN Period S.E. DTGPM_BF DLCS1_BF DLICA_BF DLIHPC_BF DLVAS1_BF Period S.E. DTGPM_CI DLCS1_CI DLICA_CI DLIHPC_CI DLVAS1_CI
1 0.110703 0.003977 0.374615 0.123762 0.588564 98.90908 1 0.094834 0.006761 36.14581 0.000527 0.157939 63.68896
1 0.106860 0.024399 31.49593 0.039169 0.781527 67.65897 2 0.096213 0.019828 36.97002 0.225875 0.128880 62.65540
2 0.113693 0.014953 0.332416 0.184527 1.466421 98.00168
3 0.113787 0.027617 0.327425 0.141364 1.618497 97.88510 2 0.111692 0.014493 29.35962 0.025934 0.451434 70.14852 3 0.096302 0.038428 38.41333 0.328639 0.130303 61.08930
4 0.113851 0.060095 0.342506 0.127971 1.601378 97.86805 3 0.113151 0.023866 29.76263 0.063793 0.439382 69.71032 4 0.096394 0.045960 39.83746 0.509063 0.137543 59.46998
5 0.113888 0.068179 0.370834 0.123417 1.662685 97.77489 4 0.113684 0.036875 30.17968 0.065466 0.379824 69.33816 5 0.096468 0.046961 41.13101 0.729400 0.142972 57.94966
6 0.113918 0.071803 0.399580 0.114574 1.687470 97.72657 5 0.113860 0.043189 30.67444 0.063975 0.345904 68.87249 6 0.096522 0.045624 42.27217 0.969619 0.149465 56.56313
7 0.113942 0.076892 0.428701 0.110899 1.700627 97.68288 6 0.113934 0.049692 31.06018 0.066210 0.333434 68.49048 7 0.096561 0.043675 43.26243 1.217164 0.155669 55.32106
8 0.113957 0.078633 0.458156 0.108377 1.718025 97.63681 8 0.096589 0.041776 44.11171 1.462094 0.161074 54.22334
7 0.113957 0.055015 31.36113 0.066475 0.320860 68.19652
9 0.113969 0.079737 0.486322 0.105774 1.729228 97.59894 9 0.096610 0.040176 44.83256 1.697623 0.166058 53.26358
8 0.113970 0.058808 31.59249 0.066382 0.313743 67.96857 10 0.096626 0.038943 45.43914 1.919188 0.170448 52.43228
10 0.113979 0.080837 0.512685 0.104351 1.738145 97.56398
11 0.113986 0.081291 0.537277 0.103262 1.746048 97.53212
9 0.113980 0.061858 31.76101 0.066623 0.309110 67.80140 11 0.096637 0.038069 45.94564 2.123727 0.174247 51.71832
12 0.113991 0.081593 0.559832 0.102346 1.752106 97.50412 10 0.113986 0.064093 31.88432 0.066667 0.305746 67.67918 12 0.096645 0.037505 46.36554 2.309656 0.177546 51.10975
Cholesky Ordering: DTGPM_BN DLCS1_BN DLICA_BN DLIHPC_BN DLVAS1_BN Cholesky Ordering: DTGPM_BF DLCS1_BF DLICA_BF DLIHPC_BF DLVAS1_BF Cholesky Ordering: DTGPM_CI DLCS1_CI DLICA_CI DLIHPC_CI DLVAS1_CI
Period S.E. DTGPM_ML DLCS1_ML DLICA_ML DLIHPC_ML DLVAS1_ML Period S.E. DTGPM_NG DLCS1_NG DLICA_NG DLIHPC_NG DLVAS1_NG Period S.E. DTGPM_GB DLCS1_GB DLICA_GB DLIHPC_GB DLVAS1_GB
1 0.109022 0.011702 25.44541 0.226639 0.708115 73.60814 1 0.109145 0.003944 0.167744 0.000496 0.002986 99.82483 1 0.109498 0.000140 11.62420 0.001267 1.40E-05 88.37438
2 0.112334 0.010398 25.06316 1.716137 0.390279 72.82003 2 0.111698 0.007791 0.287024 0.008999 0.018542 99.67764 2 0.113764 9.03E-05 11.10238 0.000767 1.75E-05 88.89675
3 0.112815 0.014800 26.17448 1.832367 0.462695 71.51565 3 0.112086 0.157252 0.312779 0.008732 0.060526 99.46071 3 0.113881 0.000405 10.57221 0.006732 5.77E-05 89.42059
4 0.113103 0.026835 27.22199 1.679185 0.461679 70.61031 4 0.112368 0.185958 0.341506 0.009023 0.081418 99.38210 4 0.113941 0.000764 10.09473 0.006316 5.99E-05 89.89813
5 0.113348 0.038702 27.76112 1.769405 0.428500 70.00227 5 0.112507 0.198558 0.354266 0.008953 0.081427 99.35680 5 0.113975 0.001114 9.677799 0.006180 6.21E-05 90.31485
6 0.113543 0.046796 28.35134 1.771054 0.432319 69.39849 6 0.112619 0.201642 0.361818 0.008984 0.081334 99.34622 6 0.113985 0.001429 9.319642 0.006559 7.17E-05 90.67230
7 0.113631 0.054747 28.87450 1.741212 0.427553 68.90199 7 0.112708 0.202850 0.366576 0.009004 0.082041 99.33953 7 0.113992 0.001727 9.014896 0.006509 7.39E-05 90.97679
8 0.113723 0.061770 29.25275 1.752090 0.419676 68.51372 8 0.112774 0.203216 0.369750 0.009003 0.082019 99.33601 8 0.113997 0.002010 8.757289 0.006517 7.60E-05 91.23411
9 0.113790 0.067400 29.59106 1.747935 0.418245 68.17536 9 0.112828 0.203322 0.371866 0.009004 0.082017 99.33379 9 0.114001 0.002271 8.540780 0.006559 7.92E-05 91.45031
10 0.113828 0.072528 29.87167 1.739563 0.415646 67.90059 10 0.112870 0.203343 0.373407 0.009005 0.082088 99.33216 10 0.114003 0.002513 8.359691 0.006551 8.09E-05 91.63116
11 0.113866 0.076903 30.08727 1.739288 0.413080 67.68346 11 0.112904 0.203343 0.374527 0.009005 0.082089 99.33104 11 0.114005 0.002734 8.208858 0.006553 8.24E-05 91.78177
12 0.113894 0.080493 30.26631 1.736377 0.411876 67.50494 12 0.112932 0.203341 0.375365 0.009005 0.082102 99.33019 12 0.114006 0.002934 8.083697 0.006556 8.40E-05 91.90673
Cholesky Ordering: DTGPM_ML DLCS1_ML DLICA_ML DLIHPC_ML DLVAS1_ML Cholesky Ordering: DTGPM_NG DLCS1_NG DLICA_NG DLIHPC_NG DLVAS1_NG Cholesky Ordering: DTGPM_GB DLCS1_GB DLICA_GB DLIHPC_GB DLVAS1_GB
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXI

SENEGAL TOGO UEMOA
Period S.E. DTGPM_SN DLCS1_SN DLICA_SN DLIHPC_SN DLVAS1_SN Period S.E. DTGPM_TG DLCS1_TG DLICA_TG DLIHPC_TG DLVAS1_TG Period S.E. DTGPM_U... DLCS1_U... DLICA_UE... DLIHPC_... DLVAS1_...
1 0.101951 0.020478 48.98077 0.338648 0.038889 50.62121 1 0.109979 0.038908 0.811319 0.015945 0.024090 99.10974 1 0.109988 0.011920 6.737523 0.349798 0.000368 92.90039
2 0.112287 0.013853 48.01016 0.748251 0.022612 51.20513 2 0.112943 0.091070 0.831351 0.016575 0.085562 98.97544 2 0.113065 0.038387 6.418057 0.187678 0.728954 92.62693
3 0.112844 0.082869 47.74491 0.589749 0.072192 51.51028 3 0.113009 0.166378 0.917826 0.022000 0.227250 98.66655 3 0.113235 0.106975 5.864334 0.223987 1.708974 92.09573
4 0.113369 0.089399 47.42683 0.574505 0.063863 51.84540 4 0.113152 0.218389 1.012011 0.022383 0.215014 98.53220 4 0.113391 0.132459 5.357234 0.211816 1.607755 92.69074
5 0.113642 0.099105 47.17452 0.567673 0.064573 52.09413 5 0.113276 0.248059 1.109968 0.022959 0.223153 98.39586 5 0.113487 0.130821 4.900211 0.220118 1.691579 93.05727
6 0.113726 0.107547 46.95702 0.551690 0.064340 52.31940 6 0.113379 0.265093 1.207671 0.023462 0.236260 98.26751 6 0.113561 0.136042 4.515670 0.219058 1.786083 93.34315
7 0.113797 0.110957 46.75865 0.548005 0.063045 52.51934 7 0.113466 0.276593 1.303193 0.023709 0.237766 98.15874 7 0.113624 0.140452 4.207303 0.220896 1.801053 93.63030
8 0.113849 0.114230 46.58676 0.545097 0.062357 52.69156 8 0.113541 0.284455 1.396253 0.023927 0.241995 98.05337 8 0.113673 0.141939 3.959585 0.227236 1.835609 93.83563
9 0.113884 0.116620 46.43688 0.542542 0.061564 52.84240 9 0.113606 0.289902 1.486038 0.024078 0.245788 97.95419 9 0.113714 0.143853 3.764315 0.228514 1.863144 94.00017
10 0.113911 0.118233 46.30648 0.541621 0.060907 52.97276 10 0.113662 0.293853 1.572071 0.024203 0.247968 97.86191 10 0.113749 0.145486 3.612556 0.231445 1.880206 94.13031
11 0.113931 0.119564 46.19438 0.541026 0.060362 53.08467 11 0.113711 0.296700 1.654140 0.024300 0.250342 97.77452 11 0.113777 0.146542 3.495677 0.234795 1.897142 94.22584
12 0.113947 0.120572 46.09836 0.540687 0.059902 53.18047 12 0.113753 0.298762 1.732017 0.024374 0.252350 97.69250 12 0.113801 0.147482 3.407009 0.236723 1.910595 94.29819
Cholesky Ordering: DTGPM_SN DLCS1_SN DLICA_SN DLIHPC_SN DLVAS1_SN Cholesky Ordering: DTGPM_TG DLCS1_TG DLICA_TG DLIHPC_TG DLVAS1_TG Cholesky Ordering: DTGPM_UEMOA DLCS1_UEMOA DLICA_UEMOA DLIHPC_UEMOA
DLVAS1_UEMOA
Annexe XI : Décomposition de la variance de LVAS2

Period S.E. DTGPM_BN DLCS2_BN DLICA_BN DLIHPC_BN DLVAS2_BN Period S.E. DTGPM_BF DLCS2_BF DLICA_BF DLIHPC_BF DLVAS2_BF Period S.E. DTGPM_CI DLCS2_CI DLICA_CI DLIHPC_CI DLVAS2_CI
1 0.109539 0.003586 10.02731 0.002483 0.000320 89.96630 1 0.109206 0.022559 0.577286 0.058956 0.008192 99.33301 1 0.094809 0.377987 8.936411 0.055667 4.056139 86.57380
2 0.113711 0.010025 9.821866 0.006302 0.000659 90.16115 2 0.111806 0.057515 1.130101 0.057568 0.034622 98.72019 2 0.096321 0.201395 4.565894 39.88528 3.333091 52.01434
3 0.113808 0.023051 9.712096 0.006492 0.001437 90.25692 3 0.112123 0.057163 1.217318 0.057539 0.063179 98.60480 3 0.096462 0.185690 4.071070 47.22238 2.580472 45.94039
4 0.113868 0.032763 9.633888 0.006324 0.001791 90.32523 4 0.112324 0.056746 1.319881 0.056894 0.090673 98.47580 4 0.096545 0.182233 3.723392 50.04590 2.041518 44.00696
5 0.113906 0.038565 9.568024 0.006430 0.002018 90.38496 5 0.112415 0.056365 1.376361 0.057076 0.090525 98.41967 5 0.096595 0.179158 3.418897 51.33630 1.969193 43.09645
6 0.113921 0.042177 9.509419 0.006429 0.002182 90.43979 6 0.112491 0.056229 1.416618 0.057052 0.090320 98.37978 6 0.096627 0.178502 3.186553 52.25219 1.865967 42.51679
7 0.113932 0.044651 9.456722 0.006430 0.002281 90.48992 7 0.112552 0.056205 1.444879 0.057006 0.091598 98.35031 7 0.096649 0.179269 3.010353 52.80300 1.783826 42.22355
8 0.113943 0.046427 9.409134 0.006458 0.002354 90.53563 8 0.112600 0.056244 1.465911 0.057004 0.091570 98.32927 8 0.096664 0.180370 2.875499 53.15232 1.749012 42.04280
9 0.113951 0.047745 9.366146 0.006470 0.002411 90.57723 9 0.112638 0.056318 1.481468 0.056995 0.091659 98.31356 9 0.096674 0.181628 2.774818 53.40760 1.717818 41.91814
10 0.113958 0.048751 9.327392 0.006484 0.002453 90.61492 10 0.112670 0.056400 1.493521 0.056987 0.091857 98.30123 10 0.096682 0.182896 2.700313 53.58192 1.694355 41.84052
11 0.113965 0.049531 9.292535 0.006499 0.002486 90.64895 11 0.112696 0.056480 1.502928 0.056982 0.091895 98.29171 11 0.096687 0.184055 2.645591 53.70417 1.679275 41.78691
12 0.113971 0.050144 9.261273 0.006512 0.002513 90.67956 12 0.112716 0.056553 1.510348 0.056978 0.091961 98.28416 12 0.096692 0.185090 2.605896 53.79339 1.667164 41.74846
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXII

1 0.110760 0.000103 2.272563 1.722632 0.558747 95.44595 1 0.101781 0.001036 0.321577 0.022787 0.003571 99.65103 1 0.110017 0.000208 12.44818 0.802383 0.270007 86.47922
2 0.113824 0.000808 2.047085 2.319241 1.042581 94.59028 2 0.112143 0.012642 0.267903 0.094581 0.006909 99.61796 2 0.113422 0.000513 12.37088 0.464246 1.181773 85.98258
3 0.113900 0.000918 1.886477 1.934239 1.151278 95.02709 3 0.112805 0.014230 0.226938 0.070282 0.020202 99.66835 3 0.113777 0.000394 12.50923 0.331430 1.094944 86.06401
4 0.113926 0.013995 1.693866 1.901380 1.156073 95.23469 4 0.113325 0.023739 0.205638 0.069881 0.019313 99.68143 4 0.113936 0.001189 12.80771 0.296233 1.019630 85.87523
5 0.113936 0.015838 1.530058 1.926262 1.205009 95.32283 5 0.113691 0.027427 0.185921 0.070839 0.020620 99.69519 5 0.113947 0.001977 13.03859 0.258544 1.083164 85.61773
6 0.113946 0.016282 1.396169 1.869012 1.230583 95.48796 6 0.113755 0.029248 0.171047 0.068047 0.021729 99.70993 6 0.113977 0.002082 13.25450 0.231753 1.065882 85.44579
7 0.113956 0.018777 1.280776 1.860015 1.247276 95.59316 7 0.113821 0.031139 0.159479 0.067561 0.022752 99.71907 7 0.113999 0.002243 13.47597 0.216083 1.052090 85.25362
8 0.113962 0.019608 1.185409 1.857096 1.266716 95.67117 8 0.113873 0.032220 0.150051 0.067108 0.023668 99.72695 8 0.114001 0.002359 13.66714 0.203114 1.061079 85.06630
9 0.113967 0.020250 1.107165 1.842255 1.281342 95.74899 9 0.113902 0.033025 0.142483 0.066432 0.024446 99.73361 9 0.114004 0.002369 13.84087 0.193212 1.055231 84.90832
10 0.113973 0.021185 1.042902 1.837447 1.293900 95.80457 10 0.113927 0.033693 0.136360 0.066095 0.025235 99.73862 10 0.114008 0.002393 14.00201 0.185949 1.051300 84.75834
11 0.113977 0.021736 0.990879 1.833540 1.305622 95.84822 11 0.113945 0.034173 0.131384 0.065797 0.025901 99.74275 11 0.114008 0.002403 14.14373 0.180181 1.051888 84.62180
12 0.113981 0.022230 0.949130 1.827976 1.315647 95.88502 12 0.113958 0.034556 0.127339 0.065515 0.026499 99.74609 12 0.114009 0.002393 14.27047 0.175619 1.049327 84.50219
SENEGAL TOGO UEMOA
1 0.106899 0.082714 37.23149 0.028591 0.328326 62.32888 1 0.110496 0.007532 37.02282 0.000421 0.055811 62.91342 1 0.110191 0.016434 36.88703 0.688439 0.000932 62.40716
2 0.111791 0.065114 33.70351 0.016696 0.293297 65.92138 2 0.113477 0.017113 36.38975 0.000228 0.080788 63.51212 2 0.113397 0.063937 36.55862 1.588496 0.003519 61.78543
3 0.113269 0.114834 31.58294 0.067040 0.359281 67.87591 3 0.113552 0.037153 34.93930 0.001192 0.119605 64.90275 3 0.113637 0.156761 36.04135 1.792608 0.004828 62.00445
4 0.113713 0.155343 29.96517 0.066714 0.297906 69.51487 4 0.113625 0.051421 33.43680 0.001064 0.127266 66.38345 4 0.113749 0.209114 35.55814 1.771296 0.004947 62.45651
5 0.113886 0.167805 28.68175 0.062128 0.265783 70.82253 5 0.113690 0.061883 32.00792 0.000986 0.143698 67.78552 5 0.113793 0.234863 35.06468 1.842318 0.004887 62.85325
6 0.113960 0.176752 27.66592 0.065215 0.251438 71.84068 6 0.113741 0.070388 30.69840 0.000986 0.160293 69.06994 6 0.113838 0.253779 34.62562 1.874935 0.005164 63.24050
7 0.113978 0.181375 26.84838 0.065407 0.236483 72.66835 7 0.113785 0.077466 29.52009 0.000940 0.173132 70.22837 7 0.113869 0.266464 34.24288 1.884059 0.005194 63.60141
8 0.113993 0.183491 26.19191 0.065019 0.226782 73.33280 8 0.113823 0.083619 28.46952 0.000904 0.186717 71.25924 8 0.113893 0.274876 33.90301 1.901741 0.005173 63.91520
9 0.114001 0.184856 25.66308 0.065579 0.219481 73.86700 9 0.113855 0.089046 27.54085 0.000877 0.199372 72.16985 9 0.113912 0.281447 33.60796 1.912848 0.005228 64.19252
10 0.114005 0.185519 25.23684 0.065742 0.213780 74.29812 10 0.113883 0.093834 26.72529 0.000850 0.210803 72.96922 10 0.113927 0.286381 33.35378 1.919702 0.005233 64.43490
11 0.114007 0.185801 24.89329 0.065811 0.209494 74.64560 11 0.113907 0.098090 26.01278 0.000826 0.221636 73.66667 11 0.113940 0.290043 33.13498 1.926523 0.005228 64.64322
12 0.114008 0.185904 24.61612 0.065992 0.206147 74.92584 12 0.113927 0.101877 25.39335 0.000806 0.231565 74.27240 12 0.113950 0.292926 32.94812 1.931537 0.005237 64.82218
Cholesky Ordering: DTGPM_SN DLCS2_SN DLICA_SN DLIHPC_SN DLVAS2_SN Cholesky Ordering: DTGPM_TG DLCS2_TG DLICA_TG DLIHPC_TG DLVAS2_TG Cholesky Ordering: DTGPM_UEMOA DLCS2_UEMOA DLICA_UEMOA DLIHPC_UEMOA
DLVAS2_UEMOA
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXIII

Annexe XII : Décomposition de la variance de LVAS3

Period S.E. DTGPM_BN DLCS3_BN DLICA_BN DLIHPC_BN Period S.E. DTGPM_BF DLCS3_BF DLICA_BF DLIHPC_BF DLVAS3_BF Period S.E. DTGPM_CI DLCS3_CI DLICA_CI DLIHPC_CI DLVAS3_CI
1 0.110879 0.000264 10.89078 0.004716 0.136310 1 0.105991 0.001359 2.418600 0.325135 0.130584 97.12432 1 0.094531 0.175009 37.11322 0.089080 0.067300 62.55539
2 0.113902 0.000144 11.18306 0.005637 0.074541 2 0.110858 0.065608 2.386947 0.496044 0.371700 96.67970 2 0.095941 0.183004 29.82493 16.51602 0.385927 53.09012
3 0.113987 0.000267 11.54251 0.024124 0.059247 3 0.112247 0.192091 2.555020 0.373780 0.641186 96.23792 3 0.096140 0.231828 27.97773 20.61485 0.387399 50.78819
4 0.113997 0.001311 12.01248 0.021153 0.057273 4 0.112912 0.259987 2.821848 0.356638 0.644036 95.91749 4 0.096279 0.246292 27.35775 22.51293 0.335618 49.54741
5 0.114001 0.001206 12.44846 0.018700 0.053149 5 0.113227 0.304288 3.065312 0.347891 0.709867 95.57264 5 0.096377 0.253371 27.13873 23.52483 0.346745 48.73633
6 0.114006 0.001101 12.84362 0.019835 0.051865 6 0.113413 0.332719 3.313074 0.330430 0.715827 95.30795 6 0.096449 0.258647 27.08440 24.14988 0.343093 48.16398
7 0.114008 0.001165 13.21834 0.019077 0.051483 7 0.113521 0.351968 3.551720 0.324443 0.723225 95.04864 7 0.096502 0.263330 27.12134 24.53468 0.337429 47.74322
8 0.114008 0.001122 13.55537 0.018481 0.051053 8 0.113612 0.367836 3.775520 0.319536 0.728782 94.80833 8 0.096543 0.267186 27.19110 24.78801 0.338556 47.41514
9 0.114009 0.001089 13.85705 0.018485 0.051120 9 0.113681 0.379733 3.986538 0.314793 0.727281 94.59166 9 0.096574 0.270401 27.27367 24.96143 0.337895 47.15660
10 0.114009 0.001081 14.12895 0.018219 0.051275 10 0.113734 0.389180 4.182033 0.311942 0.726982 94.38986 10 0.096598 0.273128 27.35943 25.07978 0.337440 46.95023
11 0.114010 0.001062 14.36969 0.018027 0.051467 11 0.113775 0.396906 4.361591 0.309644 0.725174 94.20668 11 0.096617 0.275404 27.44076 25.16281 0.337801 46.78323
12 0.114010 0.001047 14.58211 0.017951 0.051738 12 0.113808 0.403070 4.525288 0.307734 0.722872 94.04104 12 0.096632 0.277309 27.51522 25.22176 0.337916 46.64780
1 0.109828 0.027356 0.854806 0.280091 1.548295 97.28945 1 0.108996 0.045623 0.396861 0.043547 0.020637 99.49333 1 0.108843 0.003096 0.610036 0.000644 6.80E-05 99.38616
2 0.112899 0.071776 0.564996 0.777537 1.068803 97.51689 2 0.111554 0.109427 0.713647 0.075725 0.082501 99.01870 2 0.113086 0.004344 0.549569 0.000996 5.42E-05 99.44504
3 0.113266 0.137321 0.400865 0.831317 1.612485 97.01801 3 0.112007 0.472093 0.662288 0.073917 0.228661 98.56304 3 0.113237 0.006476 0.492767 0.002452 0.000113 99.49819
4 0.113541 0.198408 0.335074 0.776091 1.594474 97.09595 4 0.112257 0.567457 0.644248 0.071709 0.276844 98.43974 4 0.113399 0.008222 0.444072 0.002135 0.000155 99.54542
5 0.113600 0.234400 0.323109 0.812632 1.531373 97.09849 5 0.112376 0.622124 0.635167 0.071330 0.276396 98.39498 5 0.113518 0.009436 0.403268 0.002172 0.000177 99.58495
6 0.113675 0.251244 0.339867 0.817561 1.601297 96.99003 6 0.112457 0.645804 0.641826 0.071362 0.275946 98.36506 6 0.113597 0.010357 0.369798 0.002266 0.000193 99.61739
7 0.113748 0.264878 0.368775 0.807939 1.595235 96.96317 7 0.112523 0.659954 0.658165 0.071039 0.275116 98.33573 7 0.113661 0.011112 0.342858 0.002245 0.000209 99.64358
8 0.113782 0.274260 0.401931 0.816699 1.585271 96.92184 8 0.112569 0.667848 0.678680 0.070986 0.275010 98.30748 8 0.113713 0.011752 0.321609 0.002274 0.000220 99.66414
9 0.113814 0.280101 0.435318 0.817681 1.600003 96.86690 9 0.112603 0.672561 0.700606 0.070935 0.274813 98.28108 9 0.113757 0.012310 0.305237 0.002302 0.000230 99.67992
10 0.113845 0.285081 0.466167 0.815957 1.598365 96.83443 10 0.112630 0.675414 0.721361 0.070874 0.274540 98.25781 10 0.113793 0.012801 0.292990 0.002316 0.000239 99.69166
11 0.113865 0.288780 0.493772 0.818536 1.597089 96.80182 11 0.112651 0.677226 0.739972 0.070847 0.274540 98.23742 11 0.113823 0.013236 0.284189 0.002336 0.000246 99.69999
12 0.113884 0.291456 0.517983 0.818875 1.600833 96.77085 12 0.112667 0.678397 0.756068 0.070824 0.274496 98.22022 12 0.113849 0.013623 0.278233 0.002354 0.000253 99.70554
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXIV

SENEGAL TOGO UEMOA
1 0.102983 0.122288 2.373978 4.103992 0.026958 93.37279 1 0.110620 0.009056 2.253214 0.007192 0.011806 97.71873 1 0.110191 0.016434 36.88703 0.688439 0.000932 62.40716
2 0.114891 0.193258 2.403889 6.642214 0.061367 90.69927 2 0.113754 0.022055 2.183551 0.013137 0.078521 97.70274 2 0.113397 0.063937 36.55862 1.588496 0.003519 61.78543
3 0.115222 0.577147 1.996745 8.060955 0.057860 89.30729 3 0.113775 0.036287 2.097616 0.011338 0.234873 97.61989 3 0.113637 0.156761 36.04135 1.792608 0.004828 62.00445
4 0.117918 0.720369 1.772712 10.24899 0.572121 86.68581 4 0.113810 0.047512 1.998635 0.011495 0.218638 97.72372 4 0.113749 0.209114 35.55814 1.771296 0.004947 62.45651
5 0.118530 0.722226 1.668791 11.71520 0.958429 84.93536 5 0.113839 0.054404 1.910417 0.011781 0.222836 97.80056 5 0.113793 0.234863 35.06468 1.842318 0.004887 62.85325
6 0.119691 1.762848 1.550827 13.59194 1.301197 81.79319 6 0.113864 0.058343 1.831563 0.011463 0.232001 97.86663 6 0.113838 0.253779 34.62562 1.874935 0.005164 63.24050
7 0.120272 2.347366 1.599943 15.02046 1.591964 79.44027 7 0.113884 0.061221 1.760555 0.011495 0.229629 97.93710 7 0.113869 0.266464 34.24288 1.884059 0.005194 63.60141
8 0.123025 2.259623 1.744184 16.56652 1.788637 77.64103 8 0.113902 0.063278 1.698159 0.011470 0.229960 97.99713 8 0.113893 0.274876 33.90301 1.901741 0.005173 63.91520
9 0.124017 2.285548 1.900814 17.37141 1.896366 76.54587 9 0.113917 0.064760 1.643323 0.011382 0.230087 98.05045 9 0.113912 0.281447 33.60796 1.912848 0.005228 64.19252
10 0.113927 0.286381 33.35378 1.919702 0.005233 64.43490
10 0.125036 2.301128 2.080296 18.14366 1.991350 75.48357 10 0.113930 0.065913 1.595215 0.011361 0.228978 98.09853
11 0.113940 0.290043 33.13498 1.926523 0.005228 64.64322
11 0.125176 2.311440 2.260373 18.60067 2.036708 74.79081 11 0.113941 0.066802 1.553216 0.011323 0.228248 98.14041
12 0.113950 0.292926 32.94812 1.931537 0.005237 64.82218
12 0.125327 2.334530 2.536686 18.54732 2.062615 74.51885 12 0.113950 0.067495 1.516595 0.011282 0.227425 98.17720
Cholesky Ordering: DTGPM_UEMOA DLCS3_UEMOA DLICA_UEMOA DLIHPC_UEMOA
Cholesky Ordering: DTGPM_SN DLCS3_SN DLICA_SN DLIHPC_SN DLVAS3_SN Cholesky Ordering: DTGPM_TG DLCS3_TG DLICA_TG DLIHPC_TG DLVAS3_TG
DLVAS3_UEMOA
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXV

Annexe XIII : FRI dans les trois secteurs économiques

Secteur Primaire
Response of DLVAS1_UEMOA to DTGPM_UEMOA Innovation Response of DLVAS1_UEMOA to Dlcs1_UEMOA Innovation
using Cholesky (d.f. adjusted) Factors using Cholesky (d.f. adjusted) Factors
.0003 .0004
.0003
.0002
.0002
.0001
.0001
.0000
.0000
-.0001
-.0001
-.0002
-.0002
-.0003 -.0003
2 4 6 8 10 12 14 16 18 20 22 24 1 2 3 4 5 6 7 8 9 10
Response of DLVAS1_UEMOA to DLICA_UEMOA Innovation Response of DLVAS1_UEMOA to DLIHPC_UEMOA Innovation

.0002 .0003
.0001 .0002
.0000 .0001
-.0001 .0000
-.0002 -.0001
-.0003 -.0002
-.0004 -.0003
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXVI

Secteur Secondaire
Response of DLVAS2_UEMOA to DTGPM_UEMOA Innovation Response of DLVAS2_UEMOA to DLCS2_UEMOA Innovation
.00020 .0005
.00015
.0004
.00010
.0003
.00005
.0002
.00000
.0001
-.00005
-.00010 .0000
-.00015 -.0001
2 4 6 8 10 12 14 16 18 20 22 24
1 2 3 4 5 6 7 8 9 10
.00024 .0004
.00020
.0002
.00016
.0000
.00012
.00008
-.0002
.00004
-.0004
.00000
-.00004 -.0006
2 4 6 8 10 12 14 16 18 20 22 24 1 2 3 4 5 6 7 8 9 10 11 12
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXVII

Secteur Tertiaire
Response of DLVAS3_UEMOA to DTGPM_UEMOA Innovation Response of DLVAS3_UEMOA to DLCS3_UEMOA Innovation
.0004 .0014
.0012
.0003
.0010
.0002
.0008
.0001
.0006
.0000 .0004
-.0001 .0002
.0000
-.0002
-.0002
-.0003 2 4 6 8 10 12 14 16 18 20
1 2 3 4 5 6 7 8 9 10
.00012 .00008
.00004
.00008
.00000
.00004
-.00004
-.00008
.00000
-.00012
-.00004
-.00016
-.00008 -.00020
2 4 6 8 10 12 14 16 18 20 22 24 2 4 6 8 10 12 14 16 18 20 22 24
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXVIII

Annexe XIV : Estimation de la méthode MMG
Secteur Primaire Secteur Secondaire Secteur Tertiaire
Dependent Variable: LVAS2

Dependent Variable: LVAS1 Dependent Variable: LVAS3
Method: Panel Generalized Method of Moments
Method: Panel Generalized Method of Moments Method: Panel Generalized Method of Moments
Transformation: First Differences
Transformation: First Differences Transformation: First Differences
Date: 12/05/18 Time: 02:05
Date: 12/05/18 Time: 02:18 Date: 12/05/18 Time: 00:49
Sample (adjusted): 2000M03 2017M12
Sample (adjusted): 2000M03 2017M12 Sample (adjusted): 2000M03 2017M12
Periods included: 214 Periods included: 214 Periods included: 214
Cross-sections included: 9 Cross-sections included: 9 Cross-sections included: 9
Total panel (unbalanced) observations: 1879 Total panel (unbalanced) observations: 1879 Total panel (unbalanced) observations: 1879
White period instrument weighting matrix White period instrument weighting matrix White period instrument weighting matrix
Instrument specification: LVAS1 LVAS1(-1) LCS1 LICA LIHPC TGPM Instrument specification: LVAS2 LVAS2(-1) LCS2 LICA LIHPC TGPM Instrument specification: LVAS3 LVAS3(-1) LCS3 LICA LIHPC TGPM
Constant added to instrument list Constant added to instrument list Constant added to instrument list
Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob. Variable Coefficient Std. Error t-Statistic Prob.
LVAS1(-1) 0.940058 0.008815 106.6487 0.0000 LVAS2(-1) 0.954455 0.060092 15.88317 0.0000 LVAS3(-1) 0.990409 0.001501 659.8707 0.0000
LCS1 0.124934 0.003176 39.33691 0.0205 LCS2 0.403368 0.042696 9.447444 0.0449 LCS3 0.513291 0.002673 304.2652 0.0091
LICA 3.58E-05 4.65E-05 0.769040 0.4420 LICA 2.67E-06 8.62E-05 3.100836 0.0197 LICA 1.66E-05 7.03E-06 2.361309 0.0838
LIHPC -6.06E-05 6.20E-05 -0.978416 0.3280 LIHPC -5.31E-05 3.81E-05 -1.396124 0.0921 LIHPC -2.022456 0.031151 -64.92427 0.0516
TGPM 9.83E-05 6.24E-05 1.573496 0.1158 TGPM -0.000417 0.000223 -1.868638 0.0852 TGPM -1.14E-05 5.43E-07 -20.99448 0.0337
Effects Specification Effects Specification Effects Specification
Cross-section fixed (first differences) Cross-section fixed (first differences) Cross-section fixed (first differences)
Mean dependent var -0.000645 S.D. dependent var 0.006329 Mean dependent var 0.001768 S.D. dependent var 0.015008 Mean dependent var 0.001912 S.D. dependent var 0.014271
S.E. of regression 0.006118 Sum squared resid 0.070132 S.E. of regression 0.008364 Sum squared resid 0.131111 S.E. of regression 0.006640 Sum squared resid 0.082612
J-statistic 1.188072 Instrument rank 6 J-statistic 2.079888 Instrument rank 6 J-statistic 1.118266 Instrument rank 6
Prob(J-statistic) 0.275719 Prob(J-statistic) 0.149251 Prob(J-statistic) 0.290292
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXIX

Annexe XV : Test d’autocorrélation d’Arellano Bond dans les trois secteurs.
Arellano-Bond Serial Correlation Test Arellano-Bond Serial Correlation Test Arellano-Bond Serial Correlation Test
Equation: PANEL_GMM Equation: PANEL_GMM Equation: PANEL_GMM
Date: 12/05/18 Time: 02:19 Date: 12/07/18 Time: 21:20 Date: 12/05/18 Time: 02:21
Sample: 2000M01 2017M12 Sample: 2000M01 2017M12 Sample: 2000M01 2017M12
Included observations: 1879 Included observations: 1926 Included observations: 1879
Test order m-Statistic rho SE(rho) Prob. Test order m-Statistic rho SE(rho) Prob. Test order m-Statistic rho SE(rho) Prob.
AR(1) -1.013518 -0.030536 0.030129 0.0308 AR(1) -1.396929 -0.029090 0.020824 0.0243 AR(1) -1.122400 -0.008567 0.007633 0.0617
AR(2) 1.089234 0.000348 0.000319 0.2761 AR(2) -0.412160 -0.003040 0.007376 0.6802 AR(2) -0.999070 -0.005169 0.005174 0.3178
Annexe XVI : Impact des variables explicatives dans différentes équations du MMG
EQUATION A B C D
Secteur Secteur Secteur Secteur Secteur Secteur Secteur Secteur Secteur Secteur Secteur Secteur
Variables
Primaire Secondaire Tertiaire Primaire Secondaire Tertiaire Primaire Secondaire Tertiaire Primaire Secondaire Tertiaire
0.957428*** 0.989178*** 0.994957*** 0.950792*** 0.959516*** 0.993672*** 0.940174*** 0.954503*** 0.990418*** 0.940058*** 0.954455*** 0.990409***
Log (VASi (-1))
(0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000) (0.0000)
-7.01E-05 -1.02E-06 -2.05E-05 -6.17E-05* -1.71E-05*** -2.05E-05 -6.08E-05 -1.47E-05* -1.14E-05*** -6.06E-05 -5.31E-05* -2.022456**
Log (IHPC)
(0.321800) (0.9832) (0.5343) (0.0911) 0.0063 0.5087 0.3280 0.0996 0.0178 (0.3280) (0.0921) (0.0516)
0.005037 0.082041** 0.002131*** 0.004929** 0.040328** 0.066666*** 0.04934** 0.403368*** 0.513291***
Log (CSi)
(0.321800) (0.0564) (0.0172) (0.0206) (0.0451) (0.0176) (0.0205) (0.0449) (0.0091)
3.57E-05 2.67E-06** 1.66E-05*** 3.58E-05 2.67E-06*** 1.66E-05*
Log (ICA)
(0.4442) (0.0201) (0.0139) (0.4420) (0.0197) (0.0838)
9.83E-05 -0.000417* -1.14E-05**
TGPM
(0.1158) (0.0852) (0.0337)
AR (1) p-value 0.085 0.0624 0.0629 0.0106 0.0624 0.0623 0.0108 0.0633 0.0617 0.0308 0.0243 0.0617
AR (2) p-value 0.4253 0.6809 0.3188 0.2991 0.6802 0.3181 0.2777 0.6848 0.3178 0.1947 0.3515 0.4091
1.217492 2.110035 1.111693 1.209379 2.057482 1.116238 1.188030 2.079966 1.118270 1.188072 2.079888 1.118266
Hansen Statistic (J)
(0.269853) (0.146336) (0.291714) (0.271455) (0.151460) (0.290730) (0.275727) (0.149244) (0.290291) (0.275719) (0.149251) (0.290292)
AR (1) et AR (2) sont respectivement les tests d'autocorrélation de premier et second ordres d'Arellano et Bond. Les probabilités sont entre parenthèses.
***, **, * désignent les coefficients significatifs respectivement au seuil de 1%, 5% et 10%.
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXX

Annexe XVII : Classement des pays par réactivité aux chocs de PM
CÔTE GUINEE-
Secteurs Critères BENIN BURKINA MALI NIGER SENEGAL TOGO UEMOA
D'IVOIRE BISSAU
Part de la VAS
dans DV (%)
97,5 67,68 51,11 67,5 99,33 91,9 53,18 97,69 94,3
Rang ème ème er ème ème ème ème ème
6 4 1 3 8 5 2 7
Primaire Ajsutement de
LT (%)
0,1 0,09 5,28 0,6 0,06 0,02 3,1 0,3 0,2
5 7 1 3 6 8 2 4
Part de la VAS
dans DV (%)
90,68 98,28 41,74 95,88 99,75 84,5 74,92 74,27 83,72
Secondaire 5 7 1 6 8 2 4 3
Ajsutement de
LT (%)
0,64 0,55 2 0,08 0,06 0,08 0,9 0,01 0,36
Rang 3ème 4ème 1er 5ème 7ème 6ème 2ème 8ème
Part de la VAS
85,34 94,04 46,65 96,77 98,22 99,7 74,52 98,17 64,82
dans DV (%)
Rang 3ème 4ème 1er 5ème 7ème 8ème 2ème 6ème
Tertiaire Ajsutement de
LT (%)
0,48 0,83 2,17 0,14 0,07 0,07 1,3 0,66 0,37
4 3 1 6 7 8 2 5
Annexe XVIII : Classement des secteurs par sensibilité aux chocs de PM
SECTEURS
CRITERES
PRIMAIRE SECONDAIRE TERTIAIRE
Moy, du tem ps de
réaction après choc
3 mois 2 mois 1 mois
Rang 3è me 2è me 1e r
Ajs utem ent de
LT (%)
0,2 0,36 0,37
VAS pour 10%
d'augm entation 0,49 4,033 5,133
des crédits (%)
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXXI

TABLE DES MATIERES

DEDICACE.............................................................................................................................. I
REMERCIEMENTS ................................................................................................................ II
SIGLES ET ACRONYMES .................................................................................................... III

LISTE DES TABLEAUX ....................................................................................................... VI
LISTE DES GRAPHIQUES .................................................................................................. VI
LISTE DES ANNEXES ........................................................................................................ VII
SOMMAIRE ........................................................................................................................ VIII

RESUME .............................................................................................................................. IX
INTRODUCTION .................................................................................................................... 1
PREMIERE PARTIE : PRINCIPES DE LA POLITIQUE MONETAIRE ET REVUE DE LA

LITTERATURE ....................................................................................................................... 3
CHAPITRE I : LES PRINCIPES DE LA POLITIQUE MONETAIRE ........................................ 4
I.1. INSTRUMENTS ET CANAUX DE TRANSMISSION DE LA POLITIQUE MONETAIRE .... 4

I.1.1. Instruments de la politique monétaire ............................................................................ 4
I.1.2 Canaux de transmission de la politique monétaire .......................................................... 5
I.2. POLITIQUE MONETAIRE DE LA BCEAO ........................................................................ 7
I.2.1. Objectifs et instruments de mise en œuvre de la politique monétaire ............................ 7

I.2.2. Canaux ou mécanisme de transmission de la politique monétaire ................................. 8
CHAPITRE II : REVUE DE LA LITTERATURE ET FAITS STYLISES .................................. 10

II.1. REVUE DE LA LITTERATURE...................................................................................... 10
II.1.1. Revue théorique ......................................................................................................... 10

II.1.2. Revue empirique ........................................................................................................ 11
II.2. FAITS STYLISES .......................................................................................................... 14
II.2.1. Analyse des valeurs ajoutées sectorielles dans l’UEMOA .......................................... 14

II.2.2. Analyse des crédits à l’économie................................................................................ 16
DEUXIEME PARTIE : APPROCHE METHODOLOGIQUE ................................................... 17

ET ANALYSE DES RESULTATS ......................................................................................... 17
CHAPITRE III : APPROCHE METHODOLOGIQUE ............................................................. 18

III.1. DONNEES ET HYPOTHESES DE L’ETUDE ............................................................... 18
III.1.1. Données de l’étude .................................................................................................... 18
III.1.2. Hypothèses ............................................................................................................... 19
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXVIII

III.2. MODELISATION .......................................................................................................... 19

III.2.1. Tests économétriques ............................................................................................... 19
III.2.2. Techniques d’estimation ............................................................................................ 20

CHAPITRE IV : ANALYSE DES RESULTATS ET IMPLICATIONS DE POLITIQUE
ECONOMIQUE .................................................................................................................... 23
IV.1. ANALYSE DES RESULTATS ...................................................................................... 23
IV.1.1. Analyses par secteur et par pays .............................................................................. 23

IV.1.2. Analyse des modèles VAR et GMM en panel dynamique .......................................... 26
IV.2. IMPLICATIONS DE POLITIQUES ECONOMIQUES ET PERSPECTIVES .................. 29
IV.2.1. Implications de politiques économiques .................................................................... 29
IV.2.2. Domaine non couvert par l’étude et perspectives ...................................................... 29

CONCLUSION ..................................................................................................................... 30
REFERENCES BIBLIOGRAPHIQUES .................................................................................. X
ANNEXES .......................................................................................................................... XIII
TABLE DES MATIERES ................................................................................................ XXVIII
TABO Arzouma Issa 40ème Promotion du COFFEB Page XXIX

Analyse Des Effets Sectoriels de La Politique Monétaire Dans Les Etats Membres de l'UEMOA

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

Analyse Des Effets Sectoriels de La Politique Monétaire Dans Les Etats Membres de l'UEMOA

Transféré par

Droits d'auteur :

Formats disponibles

EFFETS SECTORIELS DES MECANISMES DE TRANSMISSION DE LA POLITIQUE MONETAIRE DANS L’UEMOA

BANQUE CENTRALE DES ETATS

CENTRE OUEST AFRICAIN DE FORMATION

DIPLÔME D’ETUDES SUPERIEURES BANCAIRES ET FINANCIERES

ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE

Présenté par Sous la Direction de

Année Académique 2017-2018

Nous dédions ce document à :

connaisse un aboutissement heureux ;

❖ La Direction des Affaires Financières (DAF), du Ministère en Charge de

l’Enseignement Technique et de la Formation Professionnelle, qui nous a permis

de venir à cette formation.

TABO Arzouma Issa 40ème Promotion du COFEB Page I

Monsieur le Gouverneur de la Banque Centrale des Etats de l’Afrique de l’Afrique de

Monsieur Ekué-Situvi FOLI-ABOUSSA, Directeur des Affaires Financières et à

Madame le Directeur du Centre Ouest Africain de Formation et d’Etudes Bancaires

Monsieur M’Baye DIENE, Professeur Titulaire associé au COFEB, pour

Monsieur Djoulassi OLOUFADE, Docteur en Economie, Chef du Service des Actions

Monsieur Soumaila El Hadji YAOU, Docteur en Sociologie, Chef du Service des

Monsieur Dzifa KPETIGO, Chargé de la mise en œuvre de la politique monétaire à la

Mesdames et Messieurs du corps enseignant du COFEB pour l’excellente qualité de la

Mes collègues auditeurs de la 40è promotion du COFEB pour cette franche

Qu’ils trouvent tous ici notre profonde reconnaissance.

ADF : Augmented Dickey Fuller

ARDL : AutoRegressive Distributed Lag

ARRE : AutoRégressif à Retards Echelonnés

BCE : Banque Centrale Européenne

BCEAO : Banque Centrale des Etats de l’Afrique de l’Ouest

BEAC : Banque des Etats de l’Afrique Centrale

BSVAR : Bayesian Structural Vector Auto Regressive

BTP : Bâtiment Travaux Publics

CEMAC : Communauté Economique et Monétaire de l’Afrique Centrale

CPM : Comité de Politique Monétaire

CREA : Centre de Recherche d’Economie Appliquée

CS1 : Crédit au secteur primaire

CS2 : Crédit au secteur secondaire

CS3 : Crédit au secteur tertiaire

D(TGPM) : Différentiel du Taux de Guichet de Prêt Marginal

DER : Direction des Etudes et de la Recherche

DGSE : Dynamic General Stochastic Equilibruim

TABO Arzouma Issa 40ème Promotion du COFEB Page III

FASEG : Faculté des Sciences Economiques et de Gestion

FRI : Fonction de Réponses Impulsionnelle

GMM : Generalised Method of Moments

ICA : Indice du Chiffre d’Affaires

IHPC : Indice Harmonisé des Prix à la Consommation

IPI : Indice de la Production Industrielle

LCS1 : Logarithme du Crédit au secteur primaire

LCS2 : Logarithme du Crédit au secteur secondaire

LCS3 : Logarithme du Crédit au secteur tertiaire

LICA : Logarithme de l’Indice du Chiffre d’Affaires

LIHP : Logarithme de l’Indice Harmonisé des Prix à la Consommation

LVAS1 : Logarithme de la Valeur Ajoutée du secteur primaire

LVAS2 : Logarithme de la Valeur Ajoutée du secteur secondaire

LVAS3 : Logarithme de la Valeur Ajoutée du secteur tertiaire

MCE : Modèle à Correction d’Erreurs

MCG : Moindre Carré Généralisé

MCO : Moindre Carré Ordinaire

TABO Arzouma Issa 40ème Promotion du COFEB Page IV

MMG Méthode des Moments Généralisée

OCDE : Organisation de Coopération et de Développement Economiques

PECO : Pays d’Europe Centrale et Orientale

PIB : Produit Intérieur Brut