Académique Documents
Professionnel Documents
Culture Documents
****
MEMOIRE
****
Pour l’obtention du Master II
THEME :
DEDICACE
❖ 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
REMERCIEMENTS
Nous tenons à adresser nos sincères et vifs remerciements à :
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 ;
Tous ceux qui, de près ou de loin, nous ont encouragés tout au long de notre formation
SIGLES ET ACRONYMES
CE : Crédit à l’Economie
DV : Décomposition de la Variance
H1 : Hypothèse 1
H2 : Hypothèse 2
LLC : Levin-Lu-Chu
PP : Phillips Perron
Tableau 6 : Synthèse des FRI dans les trois secteurs économiques .................................... 27
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
Annexe II : Evolution des crédits sectoriels dans les pays de l’UEMOA (2010-2017) ........... XI
Annexe IV : Test de racine unitaire en panel dans les trois secteurs. ................................. XIII
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
SOMMAIRE
DEDICACE.............................................................................................................................. I
REMERCIEMENTS ................................................................................................................ II
SIGLES ET ACRONYMES .................................................................................................... III
RESUME .............................................................................................................................. IX
INTRODUCTION .................................................................................................................... 1
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.
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.
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 ?
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.
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.
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
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.
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 :
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.
TABO Arzouma Issa 40ème Promotion du COFEB Page 6
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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.
TABO Arzouma Issa 40ème Promotion du COFEB Page 7
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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.
TABO Arzouma Issa 40ème Promotion du COFEB Page 8
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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.
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.
TABO Arzouma Issa 40ème Promotion du COFEB Page 10
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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
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.
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
TABO Arzouma Issa 40ème Promotion du COFEB Page 15
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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%
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
TABO Arzouma Issa 40ème Promotion du COFEB Page 16
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
23 https://edenpub.bceao.int/
24 http://www.eviews.com/Learning/freqconv.html.
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
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.
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)
TABO Arzouma Issa 40ème Promotion du COFFEB Page 20
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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)
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.
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.
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.
Les probabilités sont entre parenthèses. ***, désignent les coefficients significatifs au seuil de 1%
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.
Les probabilités sont entre parenthèses. ***, désignent les coefficients significatifs au seuil de 1%
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.
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
TABO Arzouma Issa 40ème Promotion du COFFEB Page 28
ANALYSE DES EFFETS SECTORIELS DE LA POLITIQUE MONETAIRE DANS LES ETATS MEMBRES DE L’UEMOA
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.
REFERENCES BIBLIOGRAPHIQUES
OUVRAGES GENERAUX
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.
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
ANNEXES
VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB VAS1/PIB VAS2/PIB VAS3/PIB
Annexe II : Evolution des crédits sectoriels dans les pays de l’UEMOA (2010-2017)
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
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
Source : Conception de l’auditeur à partir des données de la BCEAO
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 : Conception de l’auditeur à partir des tests de stationnarité dans Eviews 10.
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
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
Log likelihood 2947.302 Hannan-Quinn criter. -3.228169
Group ADF-Statistic 4.120384 1.0000 Durbin-Wats on s tat 2.019016
Secteur Tertiaire
Variable Coefficient Std. Error t-Statistic Prob.* Variable Coefficient Std. Error t-Statistic Prob.* Variable Coefficient Std. Error t-Statistic Prob.*
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
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
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
COINTEQ01 -0.000829 6.46E-07 -1283.298 0.0000 COINTEQ01 -0.000569 8.04E-07 -706.9379 0.0000 COINTEQ01 -0.000824 1.62E-06 -509.9830 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(LIHPC) -3.53E-05 2.31E-09 -15258.52 0.0000 D(LIHPC) 4.42E-05 1.62E-08 2727.502 0.0000 D(LIHPC) 0.001142 2.85E-06 401.0976 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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
COINTEQ01 -0.009434 1.02E-05 -921.2084 0.0000 COINTEQ01 -0.000118 7.20E-07 -163.5704 0.0000 COINTEQ01 -0.006827 5.73E-06 -1191.377 0.0000
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
COINTEQ01 -0.004875 4.98E-06 -979.2021 0.0000 COINTEQ01 -0.008384 8.13E-06 -1031.152 0.0000 COINTEQ01 -0.021715 1.77E-06 -1228.323 0.0000
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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
COINTEQ01 -0.001394 7.00E-07 -1991.330 0.0000 COINTEQ01 -0.000752 9.84E-07 -764.4683 0.0000 COINTEQ01 -0.000748 1.53E-06 -489.0909 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(LIHPC) -6.64E-05 5.33E-09 -12451.78 0.0000 D(LIHPC) 1.83E-05 3.40E-08 537.5174 0.0000 D(LIHPC) 0.001167 6.28E-06 185.7393 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
Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. * Variable Coefficient Std. Error t-Statistic Prob. *
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
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
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
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
Cholesky Ordering: DTGPM_BN DLCS2_BN DLICA_BN DLIHPC_BN DLVAS2_BN Cholesky Ordering: DTGPM_BF DLCS2_BF DLICA_BF DLIHPC_BF DLVAS2_BF Cholesky Ordering: DTGPM_CI DLCS2_CI DLICA_CI DLIHPC_CI DLVAS2_CI
Period S.E. DTGPM_ML DLCS2_ML DLICA_ML DLIHPC_ML DLVAS2_ML Period S.E. DTGPM_NG DLCS2_NG DLICA_NG DLIHPC_NG DLVAS2_NG Period S.E. DTGPM_GB DLCS2_GB DLICA_GB DLIHPC_GB DLVAS2_GB
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
Cholesky Ordering: DTGPM_ML DLCS2_ML DLICA_ML DLIHPC_ML DLVAS2_ML Cholesky Ordering: DTGPM_NG DLCS2_NG DLICA_NG DLIHPC_NG DLVAS2_NG Cholesky Ordering: DTGPM_GB DLCS2_GB DLICA_GB DLIHPC_GB DLVAS2_GB
Period S.E. DTGPM_SN DLCS2_SN DLICA_SN DLIHPC_SN DLVAS2_SN Period S.E. DTGPM_TG DLCS2_TG DLICA_TG DLIHPC_TG DLVAS2_TG Period S.E. DTGPM_U... DLCS2_U... DLICA_UE... DLIHPC_... DLVAS2_...
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
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
Cholesky Ordering: DTGPM_BN DLCS3_BN DLICA_BN DLIHPC_BN DLVAS3_BN Cholesky Ordering: DTGPM_BF DLCS3_BF DLICA_BF DLIHPC_BF DLVAS3_BF Cholesky Ordering: DTGPM_CI DLCS3_CI DLICA_CI DLIHPC_CI DLVAS3_CI
Period S.E. DTGPM_ML DLCS3_ML DLICA_ML DLIHPC_ML DLVAS3_ML Period S.E. DTGPM_NG DLCS3_NG DLICA_NG DLIHPC_NG DLVAS3_NG Period S.E. DTGPM_GB DLCS3_GB DLICA_GB DLIHPC_GB DLVAS3_GB
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
Cholesky Ordering: DTGPM_ML DLCS3_ML DLICA_ML DLIHPC_ML DLVAS3_ML Cholesky Ordering: DTGPM_NG DLCS3_NG DLICA_NG DLIHPC_NG DLVAS3_NG Cholesky Ordering: DTGPM_GB DLCS3_GB DLICA_GB DLIHPC_GB DLVAS3_GB
Period S.E. DTGPM_SN DLCS3_SN DLICA_SN DLIHPC_SN DLVAS3_SN Period S.E. DTGPM_TG DLCS3_TG DLICA_TG DLIHPC_TG DLVAS3_TG Period S.E. DTGPM_U... DLCS3_U... DLICA_UE... DLIHPC_... DLVAS3_...
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
.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
.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
Secteur Secondaire
Response of DLVAS2_UEMOA to DTGPM_UEMOA Innovation Response of DLVAS2_UEMOA to DLCS2_UEMOA Innovation
using Cholesky (d.f. adjusted) Factors using Cholesky (d.f. adjusted) Factors
.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
Response of DLVAS2_UEMOA to DLICA_UEMOA Innovation Response of DLVAS2_UEMOA to DLIHPC_UEMOA Innovation
using Cholesky (d.f. adjusted) Factors using Cholesky (d.f. adjusted) Factors
.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
Secteur Tertiaire
Response of DLVAS3_UEMOA to DTGPM_UEMOA Innovation Response of DLVAS3_UEMOA to DLCS3_UEMOA Innovation
using Cholesky (d.f. adjusted) Factors using Cholesky (d.f. adjusted) Factors
.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
Response of DLVAS3_UEMOA to DLICA_UEMOA Innovation Response of DLVAS3_UEMOA to DLIHPC_UEMOA Innovation
using Cholesky (d.f. adjusted) Factors using Cholesky (d.f. adjusted) Factors
.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
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
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
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%.
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
Rang ème ème er ème ème ème ème ème
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
Rang ème ème er ème ème ème ème ème
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
Rang ème ème er ème ème ème ème ème
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
Rang 3è me 2è me 1e r
VAS pour 10%
d'augm entation 0,49 4,033 5,133
des crédits (%)
Rang 3è me 2è me 1e r
INTRODUCTION .................................................................................................................... 1