[1]

INTERACTION ENTRE TAUX DE CHANGE, INFLATION ET

CROISSANCE ECONOMIQUE EN AUSTRALIE

Jean-Claude NKASHAMA MUKENGE

Doctorant en Sciences Economiques/UPC
Jackonkashama@gmail.com

1. Introduction

Le phénomène de la mondialisation qui ébranle un bon nombre d’économies actuelles,

condamne les économies nationales à s’ouvrir à d’autres économies. De ce fait, le taux de
change devient une variable macroéconomique incontournable. Il a été démontré
suffisamment dans la littérature existante que les taux de change ont une incidence sur la
stabilité des prix et la croissance économique, car ils influent notamment sur les prix des
échanges internationaux, et par ricochet se répercutent sur la croissance économique.

Au cours de seconde moitié du XX ème siècle, le système monétaire international a vécu des
mutations considérables en raison de l'éclatement du régime de Bretton Woods (1944-1971).
En conséquence, pendant cette période, une série de crises économiques est apparue, en raison
de l’instabilité des prix. À titre d'exemple, les chocs pétrolier (1973 et 1979) et la crise
économique asiatique. Le taux d’inflation pendant cette période était parvenu à des niveaux
inédits, ce qui a amené à des dégradations économiques énormes. En réalité, des études ont
été lancées dans le but d'éviter, d'anticiper et d'atténuer les incidences de ces instabilités
économiques (Ha, J., Stocker, M. M., & Yilmazkuday, H., 2020). Ces études ont conclu que
la bonne conduite de la politique monétaire nécessite la stabilité du niveau des prix
(Anoualigh, J., Elmarzoqi, M., & Abdouni, A., 2021).

Pendant cette période, le ciblage du taux de change était envisagé parmi les solutions
appropriées de pilotage de la politique monétaire. Cependant, à cause de la hausse de la
circulation des capitaux dans le monde, les mesures de contractions ont évolué pour la
maîtrise de l'inflation et la stabilité des prix. La hausse des mouvements des capitaux entre les
pays a conduit à la montée des pressions inflationnistes dans plusieurs pays. Pour cette raison,
la recherche de compétitivité de l’économie au niveau internationale et le maintien d’un
niveau de la stabilité financière sont des axes prioritaires des économies. En effet, le taux de
change est l’un des indicateurs de la politique monétaire des pays (Kim, Kim, & Parkc, 2020).
Cette variable est prise en compte dans la détermination de la dynamique de taux d’inflation.

Nicolas Kaldor, dans son célèbre carré magique mentionne la croissance économique et la
stabilité des prix parmi les 4 objectifs fondamentaux d’une économie nationale servant d’outil
d’analyse de la politique économique. La croissance économique d’une nation est très souvent
évaluée par le taux d’accroissement de son Produit Intérieur Brut (PIB). Cependant, le taux
d’inflation permet de mesurer le degré de variation du niveau général des prix. (Nansha, K.,
2021).
 [2]

L’Australie fait partie des organisations internationales principales ; à savoir : l’OMC1 ,

l’OCDE2 , et le G203 . Elle est également membre de l’ONU 4 depuis sa création. Avec une
économie ouverte et globale, elle est considérée comme étant un partenaire de confiance pour
effectuer les échanges commerciaux et les investissements.

Après 28 ans de croissance rapide et continue entre 1992 et 2019, l’économie australienne
connaît aujourd’hui quelques difficultés et un climat d’affaires assez perturbé. Malgré un
taux de chômage faible (5,1%) en 2019, l’Australie reste à ce jour l’un des pays à haut revenu
avec un PIB par habitant (2019) de 53 899 €. La croissance a connu un ralentissement (2,3%)
en 2018 à cause de la baisse du prix des immobiliers, et qui a donc des conséquences sur le
secteur de la construction, et aussi à cause du ralentissement de l’économie mondiale, qui a
des conséquences sur les exportations. Un taux de croissance négatif (-2.21%) a été enregistré
en 2020, avant de renouer positivement avec la croissance (4.92%) en 2021. (OCDE, 2022).

Durant la période 1980 à 1990, les taux d’inflations en Australie avaient évolué en moyenne
de 8.2%. C’est à partir de l’année 1991, que le pays a pu réaliser des faibles niveaux
d’inflation avec un pic de 4.63% en 1995. S’agissant des fluctuations du taux de change, le
dollar australien a connu une certaine stabilité par rapport au dollar américain, avec des taux
qui stagnent entre 0.87 dollar australien en 1981 et 1.93 dollar australien en 2001. (OCDE,
2022).

L’économie Australienne est une économie ouverte et globale, et représente un partenaire de

confiance pour les échanges commerciaux et les investissements. Elle compte 11 Accords de
Libre Échange en place avec 18 membres de l’OMC. Plusieurs accords de libre-échange sont
en cours de négociations, notamment avec l’Union Européenne.

L'Australie et l’UE5 ont entamé des négociations en vue d'un accord de libre-échange (ALE)
le 18 juin 2018. En tant que bloc, l'UE est le deuxième partenaire commercial de l'Australie,
la troisième destination des exportations et le deuxième marché d'exportation de services en
importance. L'UE a été la principale source d'investissement étranger de l'Australie en 2018.
Et l’Australie importe principalement (de l’UE) pour une valeur de 55,542 millions de $.

1
Organisation mondiale du commerce, créée le 1 er janvier 1995 en remplacement du GATT. Son rôle
est d’assurer qu’aucun de ses membres ne se livre à un quelconque protectionnisme, afin d’accélérer la
libéralisation mondiale des échanges commerciaux et favoriser les stratégies des multinationales.
2
Organisation de Coopération et de Développement Économiques, L'OCDE réunit 38 Etats membres
dans un cadre qui leur donne la possibilité de discuter, de revoir et d'améliorer leur politique
économique, des finances, de l'éducation, scientifique, sociale, de l'en vironnement et de
développement.
3
Le Groupe des 20 (G20) est un groupe qui rassemble les principales économies mondiales.
4
L’Organisation des Nations Unies (ONU) est une organisation de nations qui réunit ainsi tous ses
États membres au sein de l’Assemblée générale (AG) qui se tient chaque année en septembre à New
York.
5
L’UE est communauté économique européenne (CEE) créée en 1957, elle compte aujourd'hui 27
Etats membres.
 [3]

L’Australie, bien qu’étant le 14ème pays avec la plus grosse économie (par rapport à leur PIB),
n’est pas épargné des différents maux qui gangrènent les différentes économies tels que les
chocs, les catastrophes naturelles, et les crises sanitaires et économiques. Dévoilée par
l'Australian Bureau of Statistics, l'Australie était entrée en 2022, dans le club très fermé des
pays qui avaient déjà effacé les pertes provoquées par le coronavirus. Devancée seulement par
la Chine, le Vietnam et Singapour, le pays revenait pourtant de loin. Il y a deux ans, il
enregistrait sa première récession après 28 années de croissance ininterrompue, et la plus
violente en près d'un siècle.6 La récession initialement enregistrée par l’Australie a été
relativement modeste par rapport à celle qu'ont subie la plupart des pays de l’OCDE et la
reprise a été rapide, grâce à des mesures publiques de soutien généreuses, à la réouverture
rapide des activités au plan national et grâce aux activités minières.

De ce qui précède, cette étude analysera la croissance économique en Australie et ses

interrelations avec le taux de change et le niveau d’inflation. Il sera question ici de quantifier,
à l’aide d’une méthodologie appropriée, les effets bilatérales entre le taux de change,
l’inflation et la croissance économique à l’aide du modèle VAR 7 , et d’effectuer par la suite
des prévisions. Ces dernières seront confrontées aux prévisions des modèles retardés (AR).

Pour atteindre l’objectif de cette étude, ce travail est subdivisé de la manière suivante :
premièrement, une revue de la littérature examinant les interrelations entre la croissance
économique, l’inflation, et le taux de change sera étayée. Deuxièmement le cadre de l’étude et
la méthodologie d’analyse seront présentés. Troisièmement, la présentation des résultats et
interprétations feront l’objet de ce point. Et enfin, quatrièmement, les prévisions des modèles
seront effectuées.

2. Revue de la littérature

Ce point passe en revue quelques études axées sur le thème de cette recherche, à savoir : les
relations entre le taux de change, l’inflation et la croissance économique. A l’issu duquel, des
orientations précises seront prises par rapport à ce qui a déjà été dit dans la littérature
existante, dans l’optique de dégager une démarcation avec les prédécesseurs et d’en ressortir
son originalité.

2.1. Revue de la littérature théorique

2.1.1. Relation théorique entre l’inflation et la croissance économique

La littérature théorique de la relation entre l’inflation et la croissance économique a été mis en

évidence sous deux angles : d’une part sur la linéarité de l’impact de l’inflation sur la
croissance économique et d’autre part sur la non linéarité de cette incidence. (Loubassou
Nganga, M., & Tendelet, J. I., 2018).

6 https://www.lesechos.fr/monde/asie-pacifique/covid-pour-leconomie-australienne-la-crise-
sanitaire-appartient-deja-au-passe-1320102
7 Modélisation Vectorielle auto régressive.
 [4]

Concernant le premier angle sur la relation linéaire entre l’inflation et la croissance

économique, les principales théories ont fait état d’une relation positive ou négative ou encore
neutre entre les deux variables.

Les premiers travaux datent de Mundell (1963) et font état d’une relation positive. Mundell
montre en utilisant la courbe IS-LM, que l’inflation attendue à un effet économique réel. Il
soutient que le taux d’intérêt monétaire augmente moins vite que le taux d’inflation, de ce fait
le taux d’intérêt réel baisse pendant l’inflation. Ainsi, lorsque les prix devraient augmenter, le
taux d’intérêt monétaire augmente moins que le taux d’inflation donnant l’élan à un boom de
l’investissement et une accélération de la croissance. D’autres auteurs comme Tobin (1965),
et bien d’autres font également état d’une relation positive entre les deux variables. (Sattarov,
K., 2011).

La deuxième vague des travaux sur la relation entre l’inflation et la croissance est présente
dans les modèles théoriques de Stockman (1981). Elle fait état d’une relation négative entre
les deux variables. Stockman a développé un modèle de contrainte des transactions anticipées
qui considère que la monnaie est un complément du capital. Il suppose que les entreprises
mettent de l’argent dans le financement de leurs biens de consommation et d’investissement.
Les achats réels de ces biens diminuent avec la diminution de la détention de la monnaie. Il
constate qu’une augmentation du taux d’inflation se traduit par une baisse de la production à
l’état d’équilibre, puisque l’inflation érode le pouvoir d’achat des soldes monétaire. Les
agents économiques réduisent leur détention de liquidité et l’achat de capital lorsque le taux
d’inflation augmente. En conséquence le niveau d’équilibre de la production diminue en
réponse à une augmentation du taux d’inflation. D’autres auteurs, à l’instar de Lucas (1982) et
Svensson, L. E. (1985), avec des modèles différents ont abouti à des conclusions similaires
en montrant que le niveau de la production baisse de façon permanente à mesure que le taux
d’inflation augmente.

Enfin Sidrauski, M. (1967) analyse la super neutralité de la monnaie dans un cadre de contrôle
optimal en considérant les équilibres monétaires réels dans la fonction d’utilité. Il réalise cette
étude en faisant un travail séminal sur le contexte d’un agent représentatif à vie infinie. Il
obtient comme résultat que l’augmentation du taux d’inflation n’affecte pas le stock de
capital. Ainsi, à long terme, une augmentation de l’inflation n’a aucun effet sur le stock de
capital d’équilibre, la production et la croissance.

S’agissant du deuxième angle, Fisher (1993) a renouvelé la réflexion sur cette relation
linéaire, et a mis en évidence la non linéarité de la relation entre l’inflation et la croissance
économique. Il suppose par là qu’il peut exister un niveau d’inflation au-dessus duquel cette
relation est négative, et en dessous duquel la relation inflation-croissance est positive. Depuis
le milieu des années 90 plusieurs études empiriques ont examiné cette question.
 [5]

2.1.2. Relation théorique entre l’inflation et le taux de change

L’objectif de la majorité des banques centrales dans le monde est la maîtrise de l’inflation. La
maitrise de cette dernière constitue actuellement un défi essentiel de toutes les banques
centrales sur la planète, puisque, la réalisation d’un taux d’inflation élevé ou très élevé peut
provoquer des problèmes économiques et sociaux, comme la stagflation ou dans le pire des
cas l’instabilité politique, etc. (Mohamed, E. R., & ELHAJ, F. B., 2022).

La banque centrale se soucie clairement de la valeur de la monnaie nationale pour plusieurs

raisons. Les variations du taux de change peuvent avoir un impact majeur sur l’inflation, en
particulier dans les petites économies ouvertes. Par exemple, les dépréciations conduisent à
une hausse de l’inflation en raison de la répercussion de la hausse des prix à l’importation et
une demande accrue d’exportations nettes, ainsi une dépréciation est souvent considérée
comme un échec de la banque centrale. Par contre, une appréciation de la monnaie nationale
peut rendre les entreprises nationales plus compétitives Mishkin, F. S., (2001).

Ainsi, dans une économie, le taux de change permet de réaliser l’intégration entre les sphères
réelle et monétaire. En outre, dans un régime de change flexible, la mobilité parfaite des
capitaux implique une relation simple entre le taux d’intérêt et le taux de change, selon
laquelle le différentiel de taux d’intérêt entre deux pays est égal à la variation anticipée de
taux de change entre ces pays Lavigne, A., & Villieu, P. (1996).

En outre, le canal du taux de change joue un rôle important dans la manière dont la politique
monétaire affecte l'économie. À cet égard, deux facteurs sont importants. Premièrement, la
sensibilité du taux de change aux fluctuations des taux d'intérêt. Deuxièmement, les petites
économies ouvertes ont tendance à voir des effets plus importants par ce canal (Woodford,
M., & Friedman, B. M., 2011).

Toutefois, le canal du taux de change est non opérationnel si le pays dispose d’un régime de
change fixe Mishkin, F. S., (2001). Ainsi, avec des taux de change flexibles, les variations
induites par la politique du taux de change nominal sont un important canal de transmission
par lequel la politique monétaire affecte à la fois l'inflation et la production Agénor, P. R., &
Montiel, P. J., (2015).

Donc, on ne peut parler du taux de change comme un canal de transmission de la politique

monétaire, que si le pays concerné a un régime de change flexible permettant de transmettre
des décisions des autorités monétaires vers le reste du monde. En effet, les décisions de la
banque centrale d’augmenter ou de diminuer le taux d’intérêt se traduisent par une
appréciation ou une dépréciation du taux de change, notamment lorsque les capitaux circulent
librement et avec une forte mobilité. L’appréciation du taux de change impacte négativement
les exportations et donc la compétitivité de l’économie, mais les importations deviennent
moins chères. (Mohamed, E. R., & ELHAJ, F. B., 2022).
 [6]

De plus, Ce canal joue un rôle important dans la façon dont la politique monétaire affecte les
économies nationales. Ce rôle ne se limite pas à un effet sur l’activité économique, Il est
également important sur les prix : une appréciation du change entraîne, en effet, de la
désinflation importée dans la mesure où elle amène une baisse des prix des importations
exprimées en monnaie nationale Plihon, D., (2004). Toutefois, la dépréciation du taux de
change stimule les exportations nettes et donc améliore la compétitivité de l’économie.

2.1.3. Relation théorique entre la croissance économique et le taux de change

En ce qui concerne la relation entre la croissance économique et le taux de change, deux

principales théories sont évoquées. La première est celle de Balassa-Samuelson (1964) et la
seconde est celle de Medina-Smith, E. J., (2001). L’élément fondamental qui sous-tend
l’hypothèse de Balassa-Samuelson est l’existence d’une corrélation positive présumée entre la
croissance économique et le taux de change réel. Ladite hypothèse implique que les pays à
croissance économique rapide connaissent très vite une appréciation du taux de change réel
tandis que l’effet est inverse dans les PMA 8 (Nyota, S., & Sibanda, F., 2012).

La théorie de Medina-Smith part de l’hypothèse selon laquelle l’expansion des exportations

est un facteur déterminant de la croissance économique à long terme. De ce point de vue
découle l’idée selon laquelle la productivité marginale des facteurs n’est pas l’unique clé
menant à l’accroissement des richesses d’une nation (Nyota, S., & Sibanda, F., 2012).

Le taux de change affecte indirectement l’inflation à travers les mécanismes des exportations
nettes, de la balance de paiements et du prix des biens importés. En outre, le taux de change
exerce un effet indirect sur la croissance économique par le truchement du capital, de la masse
monétaire et de la demande agrégée (Hoang, Nguyen, & Minh, 2020). Cependant, il existe
une relation de causalité bidirectionnelle entre la croissance économique et le taux d’inflation.

2.2. Revue de la littérature empirique

2.2.1. Relation empirique entre l’inflation et la croissance économique

Plusieurs études contemporaines ont montré divers effets de l’inflation sur la croissance
économique, certaines études indiquant un effet positif et d’autres soutenant un effet négatif.
MUNDELL (1963) a été la première étude à soutenir un impact positif de l’inflation sur la
croissance. (Bahaeddine, M., 2021).

FISHER (1993), BARRO (1995), et Bruno, M., & Easterly, W., (1998), ont réitéré qu’il n’y a
pas de relation linéaire dans l’effet de l’inflation sur la croissance économique, et que
l’inflation a un impact négatif sur la croissance économique et que par conséquent, la
politique monétaire devrait viser à atteindre un faible niveau d’inflation.

8Les pays les moins avancés (PMA) constituent un groupe de 49 pays parmi les plus pauvres
du monde.
 [7]

Les économistes Khan, M. S., & Ssnhadji, A. S., (2001) ont étudié la possibilité d’un effet de
la relation entre l’inflation et croissance économique pour les pays industrialisés d’une part et
les pays en développement d’autre part. Un échantillon de 140 pays ayant été pris comme un
mélange entre pays développés et pays sur la voie de la croissance au cours de la période
1960-1998, en utilisant la croissance économique en tant que variable dépendante et la
variable d’inflation en tant que variable indépendante avec l’ajout de certaines autres
variables qui affectent la croissance économique telles que l’investissement, la croissance
démographique, le pourcentage des échanges commerciaux. Ils ont conclu dans leurs études
que l’inflation impact négativement la croissance économique.

Plusieurs autres ont examiné la relation entre l’inflation et la croissance économique à travers
des études et des modèles standardisés qui ont tenté d’expliquer cette relation. Parmi eux, les
travaux de Khan, M. S., & Ssnhadji, A. S. (2001), Drukker (2005), et Hansen, B. E., (1999)
ou diverses études ont montré que cette relation est négative, mais cette relation est encore
vague parce qu’ils diffèrent d’un pays à l’autre, et si les autorités monétaires peuvent réduire
le taux d’inflation pour qu’il n’ait pas d’impact négative sur la croissance économique, il faut
chercher le taux d’inflation optimal.

D’autres auteurs ont également mis en lumière la non linéarité de l’impact de l’inflation sur la
croissance (Faria, J. R., & Carneiro, F. G., 2001 ; Khan, M. S., & Ssnhadji, A. S., 2001 ;
Drukker et al., 2005 ; et Lee, C., & Wong, S. Y., 2005). Dans leurs travaux sur le Brésil
(1980-1995), Faria, J. R., & Carneiro, F. G., (2001) identifient une relation négative à court
terme entre l’inflation et le taux de croissance du PIB. Mais, ils concluent qu’à long terme
l’inflation n’affecte pas l’activité économique.

Il est constaté également dans la littérature empirique que la plupart des études font recours à
la détermination des effets de seuil de l’inflation, afin d’évaluer son impact sur la croissance
économique. Ces études ont utilisé des données transversales ou de panel couvrant un grand
nombre de pays. Toutefois, quelques études sur les pays émergents et en développement
appliquant la méthodologie développée par Khan, M. S., & Ssnhadji, A. S., (2000, 2001) ont
utilisé des séries chronologiques pour estimer le niveau de seuil d'inflation pour les cas
spécifiques à un pays. Ceux-ci incluent, entre autres : Salami, D., & Kelikume, I., (2010) pour
le Nigeria ; Quartey, P., (2010) pour le Ghana ; Singh, P., (2010) pour l'Inde ; et Leshoro, T.
L., (2012) pour l'Afrique du Sud ; Rutayisire, M. J., (2015) pour le Rwanda ; Tung, L. T., &
Thanh, P. T., (2015) pour le Vietnam ; Nazir, S., Saeed, S., & Muhammad, A., (2017) pour le
Pakistan ; Divers et Descieux (2017) pour l’Haiti, Ces études ont confirmé l'existence d'un
effet de seuil d'inflation sur la croissance économique dans les différents cas par pays.

Un regard sur les travaux empiriques existants montre qu’il n’y a pas d’unanimité sur l’effet
négatif ou positif de l’inflation sur la croissance économique. Il est donc souhaitable
d’examiner à nouveau les effets bidirectionnels entre l’inflation et la croissance économique
en Australie à travers une autre méthode ; à savoir le modèle VAR.
 [8]

2.2.2. Relation empirique entre l’inflation et le taux de change

Plusieurs études ont abordé l’influence du taux de change sur la stabilité du niveau général de
prix. Ces études prennent en compte l’influence de plusieurs facteurs sur la stabilité des prix
sur le marché, notamment le déficit budgétaire, le taux de change, le taux d’intérêt, la réserve
des devises de la Banque Centrale.

Lorsque le taux de change s’apprécie, le prix des biens importés tend à décliner, ce qui pousse
le prix des biens domestiques à la baisse, ne serait-ce que parce que beaucoup de biens
importés servent d’intrants dans la production domestique : l’économie bénéficie d’une
désinflation importée. Symétriquement, lorsque le taux de change se déprécie, le prix des
biens importés tend à s’accroître, ce qui pousse les prix des biens domestiques à la hausse :
l’économie subit une inflation importée. De ce fait, le taux de change joue un rôle déterminant
dans l’orientation de la politique monétaire, même lorsque la banque centrale n’a pas à
défendre de parité fixe.

Calvo, G. A., & Reinhart, C. M., (2002) soulignent que la perspective d’une forte et rapide
transmission des variations du taux de change aux prix domestiques est l’une des raisons pour
lesquelles les banques centrales révèlent une véritable « peur du flottement et interviennent
sur le marché des changes pour éviter les variations excessives du taux de change. C’est en
particulier le cas pour les pays en développement, où la transmission semble plus ample que
dans les pays développés.

Abbuy, K. E., (2016) étudie l’efficacité des interventions des banques centrales sur le marché
de change au Canada et en Suisse. Estimation faite selon la méthode du double moindres
carrées ordinaires, il valide l’efficacité des interventions au sein de ces deux économies par la
politique monétaire menée par les banques centrales sur la variation de la masse monétaire
pour équilibrer l’offre de sa monnaie sur le marché de change contre d’autres devises sous
l’intuition de stimuler la demande de devise local sur le marché et de provoquer une hausse du
cours de devise. Ces interventions ont le mérite d’influencer le taux d’intérêt et la masse
monétaire. La volatilité de ces indicateurs influe sur le prix et le taux de change. La masse
monétaire explique la variation des prix de biens selon la théorie quantitative de la monnaie et
le taux d’intérêt pourrait influencer la demande globale et le niveau d’Investissement d’une
économie. Quant au taux de change, ils s’inscrivent dans les approches monétaires, du taux
d’intérêt et de Mundell-Fleming.

Jebali, S., et al, (2016) ont mené une étude sur le comportement et la relation entre le taux de
change de la devise tunisienne face à l’Euro. Les résultats empiriques de ses recherches ont
démontré que tout choc sur le taux de change entraînait une réaction rapide de l’inflation mais
d’un faible degré. Cette situation est justifiée par l’intervention de l’autorité budgétaire
adoptant une politique économique, jugé efficace par les auteurs, sur l’administration des prix
sur certains paniers de l’indice des prix à la consommation.
 [9]

A cet effet, l’auteur propose la poursuite d’une politique monétaire indépendante qui
permettra d’appliquer une stratégie de ciblage d’inflation au travers du taux de change car ce
dernier joue un rôle important sur dans la transmission immédiate des impulsions monétaires.
La causalité déterminée est unidirectionnelle, la lutte contre l’inflation doit se servir du taux
de change comme instrument.

2.2.3. Relation empirique entre la croissance économique et le taux de change

Dans la littérature plusieurs études ont évalué la relation entre taux de change et croissance
économique. Les études séminales, notamment celles de Connolly (1983) et Edwards, S.,
(1983) ont mis un accent particulier sur les effets expansionnistes des dévaluations. Par la
suite, certains travaux se sont attelés sur les effets de contraction (El-Ramly et AbdelHaleim,
2008). Cependant, des résultats mitigés ont été rapportés par Edwards (1986) et Rhodd, R. T.,
(1993), qui ont constaté des effets négatifs à court terme de la dépréciation ou dévaluation du
taux de change sur la production, tandis que la réponse à long terme de la production semblait
être positive. Par ailleurs, les travaux de El Ramly et Abdel-Haleim (2008) ont signalé une
réponse négative pendant plusieurs années avant l’apparition des effets d'expansion positifs.
D’autres études ne mettent en évidence aucun effet significatif des mouvements de taux de
change (Oskooee, 1998).

Rodrik, D., (2008) a indiqué que donner une faible valeur à la monnaie (l'appréciation du taux
de change réel) stimule la croissance Économique, cela est particulièrement vrai pour les pays
développés. A travers cette étude, le chercheur estime que cette conclusion stimule
l'utilisation de multiples mesures du taux de change réel et de diverses techniques
d'estimation. Il s'est également concentré sur le secteur des produits de base échangés et
précisément sur le secteur industriel, mais les résultats ont montré que ces produits souffrent
de politiques gouvernementales inégales et marché faible, et cela empêche ces pays
d'atteindre le niveau des pays à revenu élevé. Le chercheur s'est appuyé sur deux approches
pour l’analyse : La première est basée sur une défaillance institutionnelle et la seconde sur les
défaillances du marché de la production, dans un modèle qui illustre la relation entre le taux
de change réel et le taux de croissance économique.

Pour Barro et Sala-I-Martin (1995), en plus des avantages comparatifs et des économies
d’échelle, les économies les plus ouvertes sont les plus en mesure d’intégrer le progrès
technologique et de tirer avantage de l’élargissement des marchés. Busson, F., & Villa, P.,
(1997) expliquent le fait que la nature du lien entre échange extérieur et croissance se précise
par l’entremise du taux de change. Un taux de change réel bas permet d’accroître les
exportations par effet de compétitivité, leur développement desserre la contrainte extérieure et
permet d’importer du capital non produit localement, ce qui favorise la croissance. A
l’inverse, un taux de change réel élevé favorise le secteur traditionnel pour les PED 9 .

9 Pays en Développement. Pays passant d'un état de sous-développement chronique au

processus de développement
 [10]

3. Contexte de l’étude et méthodologie

3.1. Brève présentation de l’économie de l’Australie

L’Australie a connu deux crises économiques (1983 et 1991) et une crise de change (1985-
1986) sévères, chacune survenant après des périodes d’appréciation forte de la monnaie en
termes réels. Par ailleurs, à partir du début de la décennie quatre-vingt, les gouvernements
australiens, guidés principalement par les mauvaises performances du pays en matière
d’inflation et de déficit extérieur, ont expérimenté de nombreuses stratégies de politiques,
aussi bien macroéconomiques que microéconomiques, pour réformer l’Australie en
profondeur et relever le défi de la mondialisation (Svizzero, S., 2002). Aussi, il est fort
probable que ces réformes politiques ont influencé de manière significative le comportement
du taux de change réel. (Hoarau, J.F, 2006).

L'économie australienne a connu 26 ans de croissance économique ininterrompue. C’est le

seul pays de l'OCDE qui n'est pas entré en récession lors de la crise financière de 2007-2008,
détenant l'un des taux de croissance les plus élevés du monde développé. En 2022, l'Australie
occupe la 13ème économie mondiale. Sous l'effet global de la pandémie de COVID, sa
croissance du PIB s'est élevée à -2,21% en 2020, contre 1,96% un an plus tôt mais a rebondi
en 2021 à 4.92%. L'économie continue d'être tirée par les dépenses des entreprises et du
gouvernement, tandis que les ménages et le secteur de la consommation se débattent dans un
contexte de faible croissance des salaires (généralement, les dépenses de consommation
représentent près de 60% de l'économie). Le pays bénéficie également d'exportations à grande
échelle de produits agricoles et d'un secteur financier vigoureux. 10

Un risque est que la reprise de la confiance des entreprises et des consommateurs soit entravée
par une augmentation des faillites d'entreprises et une nouvelle faiblesse du marché du travail,
le soutien politique ayant été réduit en 2021. Les exportations de services en particulier
(tourisme et éducation) devraient reprendre de l'élan dans le monde post-COVID, aidé par une
demande renouvelée des voisins d'Asie-Pacifique.

La reprise économique a été inégale en raison des différences d'impact du confinement

volontaire et imposé. Entre les régions, les industries et les entreprises. Les restrictions
persistantes aux frontières internationales ont entravé la reprise des exportations d'éducation
et de tourisme (OCDE, 2022).

En 2021, le taux d'inflation en Australie était de 2,86%, un taux qui devrait se stabiliser au-
dessus des niveaux pré-pandémiques de 1,61% en 2019, à 2,1% en 2022 et 2,2% en 2023,
selon les dernières Perspectives de l'économie mondiale du FMI. En raison de la crise du
COVID-19, le solde budgétaire actuel du gouvernement a affiché un important déficit en 2020
(-7,9 % du PIB) et 2021 (8,1%), qui devrait se redresser à -5,8% en 2022 et -3,8% en 2023 Le
FMI a évalué la dette publique de 2021 à 62,1% du PIB, s'attendant à ce qu'elle atteigne
66,4% et 67,2% en 2022 et 2023 respectivement. La consommation privée continuerait de
baisser, les ménages devenant plus prudents.

10https://www.fellah-trade.com/fr/export/carte-atlas/australie/economie consulté le
14/01/2023
 [11]

Un certain soutien provient de la politique budgétaire sous la forme de dépenses

d'infrastructure, d'allégements fiscaux et de transferts sociaux, et d'une politique monétaire
toujours accommodante. L'investissement devrait également gagner du terrain, bénéficiant de
bénéfices toujours importants pour les entreprises, d'une fiscalité favorable et d'une demande
accrue d'infrastructures et de services.

Le gouvernement cherche à accroître l'attractivité nationale par rapport à sa concurrence

asiatique dans le commerce international. Parallèlement, pour relancer l'économie, l'Australie
accroît son intégration économique avec la région Asie-Pacifique et l'Europe, avec laquelle
elle a signé des accords commerciaux tout en maintenant des relations préférentielles avec les
États-Unis. 2021 a été une année de relations de plus en plus tendues avec la Chine, le plus
grand partenaire commercial de l'Australie

En 2022, le défi le plus immédiat du pays reste lié aux impacts économiques, sociaux et de
santé publique de la pandémie de COVID-19. Le taux de chômage était assez faible jusqu'à la
pandémie (5,2%) mais a remonté à 6,5% en 2020 avant de revenir à 5,2 %. Selon le Bureau
australien des statistiques (ABS), environ 636 700 Australiens étaient au chômage en
novembre 2021, un nombre en baisse. L'ABS a également signalé que le sous-emploi, défini
comme les personnes qui veulent travailler plus, avait également diminué à 7,5 %. Le FMI
s'attend à ce que le taux de chômage baisse à 4,8 % en 2022 et à 4,7 % en 2023. De plus,
l'Australie doit faire face à une population vieillissante et aux impacts du changement
climatique, comme la perte de 20 % des coraux du grand récif corallien en raison d'un
blanchissement catastrophique. Situation, des feux de brousse catastrophiques - au cours de la
saison des incendies 2019-2020, plus de 17 millions d'hectares ont été brûlés à travers le pays,
et la fréquence et la durée croissantes des sécheresses entraînant un niveau de stress hydrique
sans précédent pour l'agriculture australienne. Le pays est également l'un des plus grands
pollueurs de CO2 par habitant au monde.

3.2. Présentation des données

3.2.1. Description des variables

Dans la cadre de cette étude, les données annuelles de l’Australie sont utilisées couvrant la
période 1980 à 2021. Ces données ont été recueillies dans la base des données de l’OCDE. En
outre, il sied de signaler que le taux de change australien est règlementé dans un régime de
change flottant ; c’est-à-dire, il est déterminé par l’offre et la demande de la monnaie dollar
australien sur le marché des changes.

Les autorités monétaires peuvent donc intervenir sur ce marché ou se servir de la politique
monétaire pour influencer l’évolution de la parité de change mais pas dans le but de défendre
une parité donnée. Dans le cas où les autorités interviennent pour atténuer des fluctuations
jugées excessives du taux de change, le système de change est qualifié de flottant administrer.
En l’absence d’intervention, on parle de flottement indépendant, libre ou pur. Frankel, 1999 ;
et Edwards et Savastano, 1999). Le taux de change australien est coté à l’incertain ; c’est-à-
dire, en cas d’augmentation il traduit une dépréciation. Par contre, en cas de réduction, il
traduit une appréciation.
 [12]

Tableau 1 : Définition et sources des variables

Variables Définitions Mesures Sources

TCH* Prix du dollar australien par rapport au Moyenne annuelle OCDE, 2022
dollar américain AUD/USD
INF** Variation de l’indice de prix à la Taux de croissance OCDE, 2022
consommation annuelle
TCR*** Variation du produit intérieur brut réel Taux de croissance 0CDE, 2022
annuelle

Note : * taux de change réel du dollar australien en parité du dollar américain, **taux de
croissance de IPC annuel, ***Taux de croissance du PIB réel.

Source : OCDE, 2022.

3.2.2. Evolution graphique des variables

Figure 1 : Evolution du taux de croissance économique de 1980 à 2021

Taux de croissance (1980-1999) Taux de croissance (2000-2021)

tcr
tcr
6,58

5,06 5,29 3,97 4,94 4,92

4,74 4,37 2,51
4,18 4,44 4,02 3,95
4,09 4,17 3,91
4,31 3,39
4,09 3,01 2,43 2,52 2,71
2,99 3,14 2,75 2,67 2,72 2,82
2,72 3,14 2,17 2,41
1,94 2,29 1,96
1,82
1,39
-0,18
-0,36
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998
-1,34 -2,21

Source : Elaboré par l’auteur sur base du tableau 1.

La figure 1 présente la dynamique historique du taux de croissance économique de l’Australie

de 1980 à 2021. Elle renseigne des oscillations du taux de croissance tout au long de la
période d’étude avec présomption que ce taux est non stationnaire en moyenne. Le pic est
observé en 1984 avec un taux de 6,58 et un creux de -2.21% en 2020 due aux répercussions
de la covid-19. Durant les années 1983 et 1991, l’Australie a enregistré des taux de croissance
négatives dues aux deux crises économiques qu’elle a subi.
 [14]

Figure 2 : Evolution du taux d’inflation de 1980 à 2021

Taux d'inflation (1980-1999) Taux d'inflation (2000-2021)

inf inf

4,46
10,13 11,35
4,41 4,35
10,04
9,49 2,69
9,05 3,55
8,53 7,53 3,3
7,33 2,98 2,92 2,86
6,73 7,21 2,49
2,34 2,33 2,45 1,95
2,73
1,77 1,76 1,91
3,96 1,75 4,63 1,51 1,61
1,28
3,18
2,61 0,86 0,85
1,97
1,48
1,01
0,22
1980 1982 1984 1986 1988 1990 1992 1994 1996 1998

Source : Elaboré par l’auteur sur base du tableau 1.

La figure 2 renseigne que le taux d’inflation est affecté d’une tendance à la baisse qui pourrait
être nuisible. L’Australie a enregistré le niveau d’inflation le plus élevé de 11,35% en 1982. Il
est à noter que c’est durant la décennie 1980-1990 que ces taux ont connu des flambés allant
de 3.96% à 11.35%, sans ignorer que ce faible taux de 3.96% a été enregistré en 1984, et c’est
la seule année ayant connu un taux inférieur à 6% durant cette décennie.

Figure 3 : Evolution du taux de change de 1980 à 2021

Taux de change (1980-1999) Taux de change (2000-2021)

tch tch

1,59
1,55
1,43 1,5 1,36 1,93
1,43 1,47 1,35
1,43 1,35 1,84
1,26 1,37 1,345 1,453
0,99 1,28 1,28 1,72
1,14 1,28 1,54 1,331
0,88 1,36 1,328 1,282 1,036 1,439
1,11 1,338
1,309 1,192 1,331
0,87 1,09 1,109
1,195 0,966 1,305
0,969

1980198219841986198819901992199419961998 20002002200420062008201020122014201620182020

Source : Elaboré par l’auteur sur base du tableau 1.

 [15]

L’évolution du taux de change (figure 3) présume qu’elle est non stationnaire (en moyenne).
Durant la crise de change de 1985 et 1986, le taux de change australien était frappé
sévèrement avec des taux 1.43 AUD11 et 1.5 AUD respectivement, et chacun d’eux survenant
après des périodes d’appréciation forte de la monnaie en termes réels. Dans l’ensemble,
l’évolution de ce taux a été stable avec une moyenne de 1.31 AUD.

3.2.3. Caractéristiques et corrélation des variables

Tableau 2 : Statistiques description des variables

Variables TCR INF TCH

Moyenne 3.01 3.94 1.32
Médiane 3.33 2.79 1.33
Ecart-type 1.74 2.98 0.23
Minimum -2.21 0.22 0.87
Maximum 6.58 11.35 1.93
Jarque-bera 9.873 7.951 1.043
P-value 0.007 0.018 0.593
Observations 42 42 42
Source : Résultats issus du logiciel Stata 15.

Il ressort du des caractéristiques (tableau 2) des variables sous étude qu’elles sont toutes non
gaussiennes (non normales) car leurs probabilités attachées au test de Jarque-bera sont toutes
inférieures au seuil de 5%, exceptée le taux de croissance qui est gaussienne. De ce fait, le
recourt à la corrélation de Spearman pour tester la relation entre les variables sera privilégiée.
Durant la période sous étude, l’Australie a connu en moyenne des taux de change 1.32 AUD.
Cependant, les taux d’inflation et les taux de croissance ont enregistré des valeurs médianes
de 2.79% et 3.33% durant la période sous étude.

Tableau 3 : Tests de corrélation de Spearman

Variables INF TCH TCR

INF 1.000
TCH (-0.2830) 1.000
0.0694*
TCR (-0.0165) (0.2547) 1.000
0.9172 0.1036

Note : (.) désigne le coefficient de corrélation et (*) désigne la significativité à 10%.

Source : Résultats issus du logiciel Stata 15.

11 AUD représente le dollar australien.

 [16]

L’analyse de corrélation renseigne l’existence d’une seule relation significative (Prob< 10%)
entre le taux de change est le taux d’inflation. Elles sont liées négativement à hauteur de
6.9%.

3.3. Méthodologie

Cette étude s’inscrit dans le cadre d’une recherche purement quantitative avec des données
secondaires. Outre l’utilisation des outils d’analyse statistique univariée et bivariée, la
modélisation VAR sera appliquée dans cette étude pour atteindre les objectifs assignés.

Cette approche économétrique est privilégiée, car elle permet d’analyser les interrelations
entres les variables en déterminant le sens de causalité, et aussi de saisir les effets des unes sur
les autres, à travers les fonctions de réponse impulsionnelle et la décomposition de la
variance. Notons que le modèle présente une procédure que l’on peut résumer à 5 étapes
comme suit : (1) L’étude de la stationnarité des séries ; (2) La détermination du lag optimal et
l’estimation du modèle VAR ; (3) Le test de causalité ; (4) L’analyse dynamique du VAR.

3.3.1. Présentation de la Modélisation VAR

L’idée d’utiliser les modèles VAR pour l’analyse et la prévision économique a été émise par
Sims (1980). Elle était fondée sur le constat que les restrictions a priori sur les formes
structurelles des modèles macroéconomiques traditionnels (distinction endogènes-exogènes,
mode de formation des anticipations) ne se justifient pas et doivent être remises en question.
En effet, dans un modèle d’équilibre général correctement spécifié, chaque variable dépend a
priori de toutes les autres variables du système ; notamment à cause de la formation des
anticipations. (Omonga, K., 2021)

La représentation VAR(p) d’une variable aléatoire X de dimension n est donnée par :

𝑋𝑡 = 𝜙1 𝑋𝑡−1 + 𝜙2 𝑋𝑡−2 + ⋯ + 𝜙𝑃 𝑋𝑡−𝑃 + 𝜇 + 𝜀𝑡 (1)

Où 𝜀𝑡 est un bruit blanc vectoriel tel que :

• ∀𝑡, 𝐸 (𝜀𝑡 = 0)
• ∀𝑡, ∀𝑠, 𝐸 (𝜀𝑡 𝜀𝑠 ) = |𝛿𝜀2 , 𝐼[𝑡 =𝑠] | 𝑜ù 𝐼(. ) est la fonction indicatrice.

Les matrices 𝜙𝑖 de taille (n, n) et le vecteur μ de dimension n sont les paramètres12 du modèle.

Deux stratégies de prévision fondées sur les modèles VAR sont possibles :

(1) Construire un modèle pour chaque variable que l’on souhaite prévoir en utilisant les
variables contenant les plus d’informations possible sur cette variable (Cooper, 1992) ;

12il y a donc n(np+1) coefficients à estimer. Sur une période d’estimation de longueur T, on
dispose du total de nT données pour estimer les paramètres.
 [17]

(2) Construire qu’un seul VAR regroupant toutes les variables que l’on cherche à prévoir
(plus éventuellement d’autres variables annexes si elles sont susceptibles d’améliorer
les prévisions).

Chacun des paramètres peut être obtenue soit par MCO, soit par maximum de vraisemblance.
Pour un modèle VAR stationnaire. Cette stationnarité de la série va entraîner la convergence
et la normalité asymptotique des estimateurs obtenus, ce qui permet de mener des tests sur les
paramètres et de construire des intervalles de confiance pour les prévisions. Les variables
économiques étant souvent intégrées (d’ordre 1 ou plus), dans ce cas, les coefficients du
modèle peuvent toujours être estimés par des MCO et les estimateurs obtenus sont toujours
convergents, cependant ils ne sont plus asymptotiquement normaux, dans ce cadre, on ne peut
plus mener des tests usuels, ni déterminer d’intervalle de confiance pour les prévisions.

3.3.2. Présentation de la prévision du VAR

Contrairement aux modèles macroéconomiques traditionnels, le modèle VAR permet alors de

calculer explicitement la meilleure prévision compte tenu de l’ensemble d’information
disponible. En effet, la prévision optimale à la date t d’un vecteur aléatoire à l’horizon h, est
égale à l’espérance conditionnelle à l’information disponible :

𝑋̂𝑡+ℎ = 𝐸(𝑋𝑡+ℎ /𝐼𝑡 ) (2)

Où 𝐼𝑡 est l’ensemble d’information à la date t. la linéarité du modèle VAR permet d’obtenir

les prévisions de façon récursive :

𝑋̂𝑡+𝑘 = ∑ 𝜃̂𝑡,𝑗 𝑋̂𝑡+𝑘−𝑗 + 𝐸(𝜀𝑡+𝑘 /𝐼𝑡 ) (3)

𝑗=1

3.3.3. Calcul des intervalles de prévisions

Les bornes de l’intervalle pour la prévision sont :

YP ± 𝑡1−𝛼 ;(𝑛−2) × 𝑉̂𝑓 (4)

Où
𝑉̂𝑓 : représente l’estimation de la variance des erreurs de prévisions. On calcul cette intervalle
de confiance après avec effectuer les prévisions ;
YP : traduit la série qu’on a prédit ;
(𝑛 − 2) : le degré de liberté avec n, la taille de l’échantillon.
 [18]

3.3.4. Validation des méthodes de prévisions

Lorsque la prévision porte sur un grand nombre de périodes, une série d'erreurs peut subvenir
pour chacune de ces périodes. L'exactitude prévisionnelle peut se mesurer de plusieurs
manières, notamment, en termes d'écarts en % du niveau des variables à prédire (Kamiantako,
2017). Il existe plusieurs tests de validation des prévisions, dont les principaux sont les
suivants :

RMSE : la racine carrée du MSE (Root Mean Square Error). Le MSE représente la moyenne
des carrés des erreurs appelée aussi l'erreur carrée moyenne (Mean Square Error).

 (Y − P )
2

RMSE = t t
= MSE
n

Cet indicateur renseigne sur l’exactitude d’une prévision. Cependant, les indicateurs qui
seront cités ci-dessous indiquerons la valeur absolue de l’erreur en considérant négligeant les
signes. Autant l'erreur calculée est minimale, autant la prévision sera exacte. Il s’agit de :

MAE : l'erreur absolue moyenne, en anglais, Mean Absolute Error, (la moyenne arithmétique
de l'erreur absolue sur plusieurs périodes).

MAE =
Y −P
n
)(
MAPE : l'erreur absolue moyenne en pourcentage (Mean Absolute Percent Error).
1 100 Y − P
MAPE =
n
 Y

Un autre indicateur statistique fréquemment utilisé est le coefficient d'inégalité de Theil basé
sur une comparaison des écarts prévisionnels avec les écarts observés. Il est défini par :

 (P − Y )
2

n
U=
P 2

+
y 2

n n
Où le numérateur est le RMSE tandis que le dénominateur est la somme des racines carrées
des moyennes des carrées des prévisions et des réalisations. L'avantage de cet indicateur est
que sa valeur est comprise entre 0 et 1.

Si toutes les prévisions sont correctes, la valeur de U sera égale à 0. Dans ce cas, les
prévisions se confondent avec les réalisations et 𝑃𝑡 − 𝑌𝑡 = 0. Si U = 1, la prévision est très
mauvaise.
 [19]

4. Résultats et interprétations

4.1. Analyse de la stationnarité

Tableau 4 : Résumé du test de stationnarité13

Séries Niveau Différence 1ère P-value Ordre d’intégration
ADF VCM ADF VCM
TCR -5.670 -3.536 - - 0.000 I (0) avec dérive
TINF -3.044 -2.958 - - 0.031 I (0) avec dérive
TX -0.043 -1.950 -4.550 -1.950 0.000 I (1) sans dérive
Note : une série est dite stationnaire si la valeur d’ADF>VCM en valeur absolue.
Source : Résultats issus du logiciel Stata 15.

Pour vérifier la stationnarité des séries, étape indispensable (condition) à l’étude des séries
temporelles ou à l’estimation du VAR, la présente étude a recouru au test de Dickey-Fuller
Augmenté (ADF), sous l’hypothèse que les séries sont affectées d’une tendance linéaire et
que les erreurs sont auto-corrélées (le test portant sur des modèles autorégressifs).

Les tests de racine unitaire d’ADF montrent que le taux d e change présente une instabilité en
variance. De ce fait, il est rendu stationnaire après intégration d’ordre 1 (sans tendance ni
dérive). S’agissant du taux d’inflation, il est instable en tendance. Cette dernière a été extraite
de la série après application de l’écart à la tendance par le MC0. A l’issue de cette procédure,
ce taux d’inflation a été rendu stationnaire en niveau avec dérive. Par ailleurs, le taux de
croissance est stationnaire en niveau avec dérive.

4.2. Détermination du nombre de retard et analyse causale

Disposant des séries stationnaires, le test de la causalité entre les différentes séries à travers un
vecteur autorégressif peut être exécuté. Mais avant cela, il est important de déterminer le
nombre de retards optimal p intervenant dans le VAR.

4.2.1. Détermination du lag optimal

Tableau 5 : Détermination du lag optimal

Lag LogL AIC HQ SC
0 -286.52 15.2379 15.2839* 15.3672*
1 -275.25 15.1187* 15.3027 15.6359
2 -268.04 15.213 15.535 16.118
3 -263.49 15.4471 15.9071 16.7399
4 -260.51 15.7637 16.3617 17.4444
Note : « * » indique la valeur minimale d’un des critères d’information.
Source : Résultats issus du logiciel Stata 15.

13TINF et TX représentent les nouvelles variables générées, à savoir le taux d’inflation après
écart à la tendance (TINF) et la variation du taux de change après différenciation (TX).
 [20]

Le lag 1 est donc retenu comme décalage optimal par principe de parcimonie, car il minimise
les critères AKAIKE (AIC), SCHWARZ (SC) et HANNAN-QUINN (HQ). Dans le cadre de
cette étude, la spécification du VAR (1) se présente comme suit :

𝑇𝐶𝑅𝑡 𝛼1 𝛽11 𝛽12 𝛽13 𝑇𝐶𝑅(𝑡−1) 𝑣1t

[𝑇𝐼𝑁𝐹 𝛼 𝛽 𝛽 𝛽
𝑡 ]=[ 2 ]+[ 21 22 23 ] [ 𝑇𝐼𝑁𝐹 𝑣
(𝑡−1) ] + [ 2𝑡 ] (5)
𝑇𝑋𝑡 𝛼3 𝛽31 𝛽32 𝛽33 𝑇𝑋(𝑡−1) 𝑣3t

4.2.2. Analyse de causalité entre les variables

Au sens de Granger (1969), une variable X cause une autre variable Y, s’il est mieux de
prévoir Y par la connaissance de l’information passée sur X plutôt que Y. Autant dire que le,
passé de X améliore la prévision de Y que ne le ferai le passé de cette dernière (Y). Les
hypothèses à tester sont :
• H0 : X ne cause pas Y ou X doesn’t cause Y (probabilité > 5%) ;
• H1 : X cause Y ou Y doesn’t cause X (probabilité < 5%).

Les résultats du test de causalité de Granger sur les variables apparaissent comme suit :

Tableau 6 : Test de causalité au sens de Granger

Variables TINF TCR TX

TINF - (5.5994) (0.001)
0.018* 0.975
TCR (4.0314) - (0.0251)
0.045* 0.874
TX (0.0413) (1.0522) -
0.839 0.305
Note : (.) désigne la statistique de chi2 et (*) indique l’existence d’une relation causale.
Source : Résultats issus du logiciel Stata 15

Il ressort du test de Granger (tableau 6) l’existence d’une causalité bidirectionnelle entre le

taux d’inflation et le taux de croissance. Cela implique que, les valeurs passées de l’inflation
améliorent au seuil de 5% la prévision du taux de croissance et vice versa.

4.3. Estimation du modèle VAR (1)14

La stabilité du VAR est une condition sine qua none à l’analyse dynamique du VAR. Au
regard des résultats trouvés, il est constaté que les racines caractéristiques du polynôme des
retards associé au VAR (1) estimé sont à l’intérieur du cercle unité du plan complexe. D’où, il
revient à conclure qu’il y a stabilité du VAR (1) estimé. (Voir annexe 1).

14 Les résultats issus de son estimation son repris dans l’annexe 1.

 [21]

Le VAR (1) étant stable on peut commenter l’ensemble des relations obtenues mais à
condition de vérifier que les résidus du VAR (1) sont bien des BB15 .

TINF = 1.07186 + 0.715932 TINF𝑡−1 + 0.3536697 TCR 𝑡−1 + 0.0008262 TX𝑡 −1

{ TCR = 5.182587 − 0.2767227 TINF𝑡−1 − 0.0301121TCR 𝑡−1 − 0.0045479 TX𝑡−1 (6)
TX = −0.5790963 − 0.1479128 TINF𝑡−1 + 0.8888462 TCR 𝑡−1 + 0.2979544 TX𝑡−1

Les résultats du modèle VAR (1) estimé repris dans l’équation 6 renseigne que le taux
d’inflation est impacté positivement par sa valeur décalée, et aussi par la valeur passée du
taux de croissance. Si l’année précédente (2020), le taux d’inflation avait connu une hausse
d’1%, cela conduirait à la hausse de 0.7% du taux d’inflation de 2021. Cependant, en cas de
hausse du taux de croissance (2020) d’1%, cela allait croitre de 0.33% le taux d’inflation en
2021. Le taux de change quant à lui n’influe pas sur l’inflation sur le taux d’inflation.

S’agissant du taux de croissance, il est impacté négativement par la valeur passée du taux
d’inflation. Si ce dernier avait connu une hausse d’1% en 2020, il s’en suivra une baisse du
taux de croissance en 2021 de 0.27%. Il est à noter que les valeurs décalées du taux de
croissance et du taux de change n’impacte pas sur les variations du taux de croissance. Par
ailleurs, les variations du taux de change ne dépendent que des ses propres valeurs passées. En
cas de variation d’1% de ses valeurs passées en 2020, le taux de change connaitrait une
variation positive 0.29% en 2021.

4.3.1. Analyse dynamique

L’analyse dynamique du VAR se fait en deux temps :

- La fonction des réponses impulsionnelles ;

- La décomposition de la variance.

4.3.1.1. Décomposition de la variance

La décomposition de la variance de l’erreur de prévision permet de calculer pour chacune des

innovations sa contribution à la variance de l’erreur. Elle n’est qu’une analyse chiffrée (en %)
des réponses impulsionnelles. En d’autres termes : si un choc 𝜀1,𝑡 (de la variable 𝑋1,𝑡 )
n’affecte pas la variance de l’erreur de la variable 𝑋2,𝑡 (𝜎²(𝜀2,𝑡 )), alors 𝑋2,𝑡 est considérée
comme exogène (indépendante de 𝑋1,𝑡 ). Dans le cas contraire, 𝑋2,𝑡 est considérée comme
endogène.

Il sera question dans cette étude, de saisir le poids des chocs sur les innovations des variables
DTCH, TINF, TCR dans la variabilité de chacune de ces variables. Les résultats sur la
décomposition de la variance sont repris en annexe 2.

15 Les résidus bruits blancs (BB).

 [22]

La variance de l’erreur de prévision du taux d’inflation est due à ses propres innovations à
90.7% lors de la 2ème année, et tout au long de la période d’étude, on constate que son effet
baisse continuellement jusqu’à atteindre 86.67% à la 8ème année. Cependant, la variance de
l’erreur de prévision du taux de croissance est due à 3.4% aux innovations (chocs) du taux
d’inflation à la 1ère année et cet effet s’accentue tout au long de période d’étude jusqu’à
atteindre 11.66% à la 8ème année. Par ailleurs, la variance de l’erreur de prévision du taux de
change est due à 0.2% aux innovations (chocs) du taux d’inflation à la 2ème année et cet effet
connait une très faible évolution durant la période d’étude jusqu’à atteindre 1.2% à la 8ème
année. Le taux de croissance est donc la variable la plus explicative dans la variabilité du taux
d’inflation, contrairement au taux de change qui présente des effets réduits par ses
information passées.

S’agissant de la variance de l’erreur de prévision du taux de croissance, elle est due à ses
propres innovations à 96.5 % lors de la 1ème année, et tout au long de la période d’étude, on
constate que son effet baisse continuellement jusqu’à atteindre 88.2% à la 8ème année. En
revanche, la variance de l’erreur de prévision du taux d’inflation est due à 9.2% aux
innovations (chocs) du taux de croissance à la 2ère année et cet effet ne cesse de s’accroitre
durant la période d’étude jusqu’à atteindre 13.3% à la 8ème année. Par ailleurs, la variance de
l’erreur de prévision du taux de change est due à 4.4% aux innovations (chocs) du taux de
croissance à la 1ème année et cet effet connait une très faible tendance haussière durant la
période d’étude jusqu’à atteindre 5% à la 8ème année. Le taux d’inflation explique au mieux
les variations du taux de croissance, contrairement au taux de change.

En ce qui concerne la variance de l’erreur de prévision du taux de change, elle est due à ses
propres innovations à 95.5% lors de la 1ème année, et tout au long de la période d’étude, cet
effet décroit faiblement jusqu’à atteindre 93.7% à la 8ème année. S’agissant de la variance de
l’erreur de prévision du taux de croissance, elle est due à 0.05 % aux innovations (chocs) du
taux de de change à la 2ère année et cet effet persiste durant la période d’étude à en atteignant
0.0°5% à la 8ème année. Par ailleurs, la variance de l’erreur de prévision du taux d ’inflation est
pratiquement nulle tout au long de la période d’étude. On conclut donc que les variations du
taux de change sont fonction de ses propres valeurs passées.

4.3.1.2. Fonction des réponses impulsionnelles

Considérant le schéma retraçant le lien entre les variables sous-étude (Causalité entre les
variables) et conformément aux questions de recherche, il sera question d’analyser les
interrelations entre le taux de change, le taux d’inflation, et ainsi que le taux de croissance. Il
s’agira donc de voir les réactions (réponses) de chaque variables suite aux chocs ou
innovations (impulsions) des autres variables. Etant donné que la causalité n’a été trouvé
qu’entre le taux de croissance économique et le taux d’inflation, il sera exclu de cette analyse
le taux de change.
 [23]

Tout var stationnaire admet une représentation MA 16 infinie vectorielle (théorème de wold).
∞

𝑌𝑡 = 𝜇 + ∑ 𝜃𝑗 𝜀𝑡−𝑗 , écriture canonique (𝑉𝑀𝐴) (7)

𝑗=0

𝐴𝑣𝑒𝑐 ∶ 𝜀𝑡−𝑗 , le vecteur des innovations canoniques. C’est la partie aléatoire des variables
composants le VAR (1). Les innovations canoniques permettent d’analyser les mécanismes de
propagation par le biais des fonctions de réponses impulsionnelles. Les innovations sont
interprétées comme des chocs. Les réponses des différentes séries aux différentes innovations
𝜀𝑗𝑠 (𝑠 < 𝑡) sont définies à partir des multiplicateurs dynamiques.

𝜕𝑌𝑖𝑡
= 𝜃𝑖𝑗 , 𝑡 − 𝑠 (8)
𝜕𝜀𝑗𝑠

𝜃𝑖𝑗 : effet du choc 𝑗 sur la variable 𝑖 a 𝑡 − 𝑠 période du choc.

Figure 4 : Réponses impulsionnelles du taux d’inflation (1) et du taux de croissance (2)

Source : Résultats issus du logiciel Stata 15.

Un choc sur le taux de croissance se répercute sur le marché des biens et services en termes de
flambée de prix (inflation). Les effets vont s’anéantir à partir de la deuxième année jusqu’à
retrouver l’équilibre à la 7ème année. Par ailleurs, un choc sur le taux d’inflation se traduit par
une bais de l’activité économique avec une baisse du niveau de croissance économique. Cette
dernière retrouve se relance à partir de la deuxième année jusqu’à retrouver son état
d’équilibre à la fin de la 6ème année.

4.3.2. Tests de robustesse du modèle VAR

La qualité de l’estimation du modèle VAR estimé dépendrait également de l’absence des

problèmes d’autocorrélation des erreurs et de la normalité des résidus issus de son estimation.
Le tableau 7 présente le résumé de ces tests.

16 Processus moyenne mobile (MA).

 [24]

Tableau 7 : Tests de diagnostics du VAR (1)

Tests sur les résidus Chi2 (All) df Prob

Normalité (Jarque-Bera) 12.33 6 0.0548
Autocorrélation (LM test) 14.01 (lag 2) 9 0.1216

Source : Résultats issus du logiciel Stata 15.

Le tableau 7 ci-dessus renseigne que les résidus sont normalement distribués (𝑃 > 5%) et il y
a également absence d’autocorrélation des erreurs (𝑃 > 5%). Le test de box-Pierce
d’autocorrélation des résidus (test du portemanteau) est obtenu à l’aide du corrélogramme
(voir annexe 2) des résidus du VAR (1). Toutes les probabilités sont >5% on rejette donc
l’hypothèse nulle. Il y a donc, absence d’autocorrélation des résidus. De ce fait, le modèle est
validé sur le plan statistique.

4.4. Estimation des modèles AR (1)

La modélisation AR est un processus autorégressif (AR) qui permet de modéliser chaque

variable en fonction de ses valeurs retardées. Si la valeur de la série à l'instant t, 𝑌𝑡 ne dépend
que des valeurs précédentes 𝑌𝑡−𝑝 à une perturbation aléatoire 𝜀𝑡 , le processus est dit
autorégressif d'ordre p et noté AR(p) qui s'écrit comme suit :
𝑝

𝑌𝑡 = ∑ ∅𝑘 𝑌𝑡−𝑘 + 𝜀𝑡 (9)
𝑘 =1

Où ∅𝑘 𝑎𝑣𝑒𝑐 𝑘 = 1, … , 𝑝 constituent les paramètres du modèle et 𝜀𝑡 est le terme d'erreur. Les

équations AR à estimer sont les suivantes :

TINF𝑡 = ∅1 TINF𝑡−1 ; TCR 𝑡 = ∅1 TCR 𝑡−1 ; 𝑒𝑡 TX𝑡 = ∅1 TX𝑡 −1 (10)

Après estimation de chaque variables, les résultats sont repris au tableau ci-dessous :

Tableau 8 : Résultats des modèles AR (1)

Variables Variables dépendantes

TINF TCR TX
Coefficient 0.972892 0.787161 0.292751
Ecart-type 0.036340 0.101904 0.152815
p-value 0.0000* 0.0000* 0.0626*

Note : (.) désigne la statistique de chi2 et (*) indique la significativité de la variable retardée.
Source : Résultats issus du logiciel Stata 15
 [25]

Les résultats de l’estimation des modèles AR (1) de chaque variable démontrent qu’elles sont
toutes impactées positivement par leurs valeurs retardées d’une période. De ce fait, en cas
d’accroissement des différents taux à la période T-1, cela conduirait à l’augmentation de leurs
valeurs au temps T.

5. Analyse prévisionnelle

La prévision multivariée consistera à prévoir le système d’équations issu de la modélisation

VAR (1). Cette dernière est réputée être un modèle très robuste en matière de prévision.
Conformément à l’un des objectifs dudit travail, une prévision dynamique est effectuée sur les
variables d’études à partir des résultats du VAR (1) sur un période de 5 ans allant de 2022 à
2026. Partant des résultats de l’équation 6, on obtient les valeurs prédites des variables. En ce
qui concerne la prévision univariée, il s’agira ici de prévoir chaque variable à partir de ses
valeurs passées Partant des résultats de l’équation 10, on peut obtenir les prévisions des
variables. Les résultats chiffrés de ces prévisions des variables sont repris en annexe 3.

Figure 5 : Prévision du taux de croissance par l’équation du VAR (1) et de l’AR (1)

Source : Résultats issus du logiciel Stata 15.

La figure 5 présente les prévisions de 5 ans du taux de croissance. Les prévisions du VAR (1)
renseigne que ce taux (TCRP) croit positivement durant les années de prévision avec de
réalisation allant de 2.29% en 2022 à 2.88% en 2026. On constate que les prévisions sont
bonnes, cas elles sont comprise dans l’intervalle de confiance C1TCR et C2TCR. Par ailleurs,
les prévisions du modèle AR (1) démontrent que ce taux (TCRPR) demeurera positif mais
avec une baisse de la croissance de 2022 à 2026. On constate que les prévisions ne sont pas
bonnes, cas elles sortes de l’intervalle de confiance C1TCRPR et C2TCRPR.
 [27]

Figure 6 : Prévision du taux de d’inflation par l’équation du VAR (1) et de l’AR (1)

Source : Résultats issus du logiciel Stata 15.

La figure 6 présente les prévisions de 5 ans du taux de d’inflation. Les prévisions du VAR (1)
renseigne que ce taux (TINFP) devrait connaitre des croissances positives durant les années
de prévision avec de réalisation allant de 10% en 2022 à 7.77% en 2026. On constate que les
prévisions sont bonnes, cas elles sont comprise dans l’intervalle de confiance C1TINF et
C2TINF. Par ailleurs, les prévisions du modèle AR (1) démontrent que ce taux (TINFPR)
connaitra une déflation de 2022 à 2026. On constate que les prévisions sont bonnes, cas elles
sont comprise dans l’intervalle de confiance C1TINFPR et C2TINFPR durant la période 2022
à 2026.

Figure 7 : Prévision du taux de change par l’équation du VAR (1) et de l’AR (1)

Source : Résultats issus du logiciel Stata 15.

 [40]

Le taux de change ayant été différencié, il s’agit donc là des variations de ce taux. Il s’observe
un choc négatif à l’aide des prévisions du VAR (1) des variations du taux de change (TXP) de
2022 à 2023 avec des variations allant de -0.19% et -0.07% respectivement pour ensuite
rebondir les années suivantes avec des variations positives. On constate que les prévisions
sont bonnes, cas elles sont comprise dans l’intervalle de confiance C1TX et C2TX durant la
période 2022-2026. Par ailleurs, les prévisions de ce taux (TXPR) par le modèle AR (1)
renseigne une légère appréciation du dollar Australien de 2022 à 2026. On constate que les
prévisions sont bonnes durant cette période, cas elles sont comprises dans l’intervalle de
confiance C1TXPR et C2TXPR.

Tableau 9 : Tests de qualité des prévisions

Tests Modélisation VAR (1) Modélisation AR (1)

TINFP TCRP TXP TINFPREV TCRPREV TXPREV
RMSE 1.6839 0.3882 2.7462 3.4734 2.6110 2.5776
MAE 1.3767 0.2811 2.0533 2.9846 2.4647 1.8961
MAPE 20.053 9.6248 205.04 42.924 123.10 99.418
THEIL 0.1089 0.0645 0.5850 0.2537 0.8290 0.9948
Note : TINFP, TCRP, et TXP indiquent les variables prédites par les équations du VAR (1).
TINFPREV, TCRPREV, et TXPREV renseignent sur les prévisions des variables par les
équations du modèle AR (1).

Source : Résultats issus du logiciel Stata 15.

Les résultats repris au tableau 9 renseignent sur les tests de validation des modèles prédites.
En comparant les erreurs de prévisions des 3 Premiers tests, on constate que l’erreur minimale
se trouve à la statistique de MAE pour toutes les variables peu importe le modèle utilisé.

En comparent les prévisions de chaque variable en fonction des différents modèles, on conste
que les prévisions issues des équations du VAR sont meilleures que celle des équations du
modèle AR en comparant les statistiques de MAE.

Par ailleurs, en se référant au coefficient d’inégalité de Theil, on aboutit au même constat que
celui du MAE. Les prévisions du VAR sont donc meilleures que celles du modèle AR pour
toutes les variables, en comparent les statistiques de THEIL.

Se référant à ce dernier, on peut donc conclure que la statistique de THEIL est le meilleur
indicateur de prévision (concernant cette étude), car ses valeurs sont inférieures à ceux du
MAE.

Le taux de croissance et le taux d’inflation ont été très bien prédites avec des coefficients
respectifs de 0.0645 et 0.1089. Le taux de croissance réalise donc des meilleures prévissons
(THEIL proche de 0). Par ailleurs, le taux de change présente également des prévisions
correctes avec un coefficient de THEIL de 0.5850.
 [41]

Conclusion

Cette étude a analysée les interrelations entre le taux de croissance, le taux de change, et le
taux d’inflation en Australie. L’analyse de causalité a démontré l’existence d ’une relation
bidirectionnelle entre le taux d’inflation et le taux de croissance. Cependant, le taux de change
n’est en relation causale avec aucunes variables. On peut déduire que les variations du taux de
change en Australie est fonction d’autres variables non prises en compte dans cette étude.

Les résultats de la modélisation VAR (1) attestent que le taux d’inflation est influencé
positivement par ses propres valeurs passées ainsi que par les valeurs passées du taux de
croissance. Cependant, le taux de croissance subit des effets négatifs de ses propres valeurs
passées. Par ailleurs, les variations du taux de change sont impactées positivement par leurs
propres variations passées. En ce qui concerne les résultats de la décomposition de la
variance, il s’observe que le taux de croissance est la variable la plus explicative du taux
d’inflation et vice versa.

S’agissant des fonctions des réponses impulsionnelles, il s’observe des chocs du taux de
l’inflation avec des lourdes conséquences sur le taux de croissance, et ces deniers se stabilise
qu’après 6 ans. Le même constant est fait en ce qui concerne le choc de croissance sur le taux
d’inflation, et ce dernier retrouve son état d’équilibre à la fin de la 6 ème année. Ces résultats
corroborent avec les résultats de l’analyse de stationnarité et de causalité.

Une de limite évoquée est que le modèle VAR estimé ne permet pas de vérifier les effets de
court et long terme entre les variables. Qu’à cela ne tienne, ce travail a atteint ses objectifs de
manière globale en mesurant les réactions (réponses) des certaines variables suite aux chocs
(impulsions) d’autres variables, mais aussi d’effectuer les prévisions sur les variables.

Ce travail a le mérite d’avoir attesté que les prévisions des équations du modèle VAR sont
meilleures que les prévisions des équations des modèles AR. Et le coefficiente de THEIL est
le meilleur indicateur de validation de prévisions de modèle.

L’interaction entre les trois variables du modèle n’est pas mécanique. Ainsi, des recherches
futures prenant en compte d’autres variables intermédiaires telles que le taux d’intérêt, les
exportations nettes, la demande globale et l’offre agrégée, sont vivement souhaitées (Nansha,
2021).

Références bibliographiques

[1] Abbuy, K. E. (2016). Test empirique sur l'efficacité des interventions des banques
centrales sur les marchés de change : une application aux banques centrales
canadienne et suisse (Doctoral dissertation, Université du Québec à Montréal).
[2] Agénor, P. R., & Montiel, P. J. (2015). Development macroeconomics. In
Development Macroeconomics. Princeton university press.
 [42]

[3] Anoualigh, J., Elmarzoqi, M., & Abdouni, A. (2021). Les répercussions du taux de
change sur le taux d'inflation au Maroc : investigation empirique (1980-2019).
International Journal of Accounting, Finance, Auditing, Management and
Economics, 2(4), 444-458.
[4] Bahaeddine, M. (2021). La relation inflation-croissance économique Cas de
l’économie Algérienne (1970-2018) The relation inflation-economic growth Case
of the Algerian economy (1970-2018).
[5] Bruno, M., & Easterly, W. (1998). Inflation crises and long-run growth. Journal of
Monetary economics, 41(1), 3-26.
[6] Busson, F., & Villa, P. (1997). Croissance et spécialisation. Revue économique,
1457-1483.
[7] Calvo, G. A., & Reinhart, C. M. (2002). Fear of floating. The Quarterly journal of
economics, 117(2), 379-408.
[8] Edwards, S. (1985). Are devaluations contractionary? (No. w1676). National
Bureau of Economic Research.
[9] Faria, J. R., & Carneiro, F. G. (2001). Does high inflation affect growth in the long
and short run?. Journal of applied economics, 4(1), 89-105.
[10] Ha, J., Stocker, M. M., & Yilmazkuday, H. (2020). Inflation and exchange rate
pass-through. Journal of International Money and Finance, 105, 102187.
[11] Hansen, B. E. (1999). Threshold effects in non-dynamic panels : Estimation,
testing, and inference. Journal of econometrics, 93(2), 345-368.
[12] Hoang, T., Nguyen, V., & Minh, H. (2020). The impact of exchange rate on
inflation and economic growth in Vietnam. Management Science Letters, 1051-
1060.
[13] Hoarau, J. F. (2006). Les régimes monétaires en Australie, 1977-2000 : une mise
en perspective à l'aide d'un indicateur de distorsion du taux de change réel.
Economie internationale, (1), 85-112.
[14] https://www.fellah-trade.com/fr/export/carte-atlas/australie/economie consulté le
14/01/2023
[15] https://www.lesechos.fr/monde/asie-pacifique/covid-pour-leconomie-australienne-
la-crise-sanitaire-appartient-deja-au-passe-1320102 consulté le 14/01/2023
[16] Kamiantako, A., (2017). Cours de théorie et pratique des prévisions. FASE, UPC.
Kinshasa.
[17] Khan, M. S., & Ssnhadji, A. S. (2001). Threshold effects in the relationship
between inflation and growth. IMF Staff papers, 48(1), 1-21.
[18] Kibala Kuma, J. (2018). Les modèles VAR et VEC : Applications sur Stata
(var,vec) et analyse des outputs Eviews (var). Licence. Congo-Kinshasa.
[19] Kim, J., Kim, S., & Parkc, D. (2020). Monetary policy shocks and exchange rates
in Asian countries. Japan and the World Economy, Volume 56, December 2020.
[20] Lavigne, A., & Villieu, P. (1996). La politique monétaire : nouveaux enjeux,
nouveaux débats?/Monetary Policy: Old Issues, New Debates?. Revue d'économie
politique, 491-570.
 [43]

[21] Lee, C., & Wong, S. Y. (2005). Inflationary threshold effects in the relationship
between financial development and economic growth: evidence from Taiwan and
Japan. Journal of economic development, 30(1), 49.
[22] Leshoro, T. L. (2012). Estimating the inflation threshold for South Africa. Studies
in Economics and Econometrics, 36(2), 53-65.
[23] Loubassou Nganga, M., & Tendelet, J. I. (2018). Effets de seuils dans la relation
entre inflation et croissance économique dans la communauté économique et
monétaire de l’Afrique centrale (CEMAC) : cas du Cameroun et du Congo-
Brazzaville. Annales de l’Université Marien NGOUABI, 18(1), 1-11.
[24] Medina-Smith, E. J. (2001). Is the export-led growth hypothesis valid for
developing countries?: a case study of Costa Rica.
[25] Mishkin, F. S. (2001). Inflation targeting. An Encyclopedia of Macroeconomics,
Edward Elgar, Northampton, Massachusetts.
[26] Mohamed, E. R., & ELHAJ, F. B. (2022). Evaluation des chocs de la politique
monétaire sur l’inflation : Cas du Maroc. International Journal of Accounting,
Finance, Auditing, Management and Economics, 3(6-2), 130-145.
[27] Moto, J. (2020), Evaluation des effets de la politique monétaire sur le secteur réel
en RD Congo : une analyse empirique par la modélisation vectorielle
autorégressive (VAR). Actes de la deuxième conférence internationale sur la
francophonie économique, Université Mohammed v de Rabat, 2-4 mars 2020.
[28] Mujinga Kapemba A., Nkashama Mukenge J.C., et Mukadi Mukadi J. (2020).
Analyse dynamique de l’inflation en R.D. Congo de 1975 à 2017. Le Semeur du
Kasaï, numéro 2/2020. P.17-34
[29] Mundell, R. A. (1963). Capital mobility and stabilization policy under fixed and
flexible exchange rates. Canadian Journal of Economics and Political
Science/Revue canadienne de economiques et science politique, 29(4), 475-485.
[30] Nansha K. (2021). Interraction entre la croissance économique, l’inflation et le
taux de change au Kenya. MPRA Paper No. 109379, https://mpra.ub.uni-
muenchen.de/109379/
[31] Nansha, K. (2021). Interaction entre la croissance économique, l’inflation et le
taux de change au kenya [Interaction between economic growth, inflation and
exchange rate in kenya] (No. 109246). University Library of Munich, Germany.
[32] Nazir, S., Saeed, S., & Muhammad, A. (2017). Threshold modeling for inflation
and GDP growth.
[33] Nkashama, J.C., (2018). Stabilité monétaire et croissance économique en RDC de
1975 à 2017, mémoire de licence, FASE, UPC, Kinshasa.
[34] Nyota, S., & Sibanda, F. (2012). Digging for diamonds, wielding new words: a
linguistic perspective on Zimbabwe's ‘blood diamonds’. Journal of Southern
African Studies, 38(1), 129-144.
[35] Omonga, K. (2021). Séries temporelles avancées : Prévision dans la modélisation
vectorielle autorégressive VAR(p). Séminaire au DEA/Economie Quantitative.
UPC.
[36] Organisation de Coopération et de Développement Économiques, 2022.
 [44]

[37] Plihon, D. (2004). Les grandes entreprises fragilisées par la finance. In La finance
mondialisée (pp. 125-145). La Découverte.
[38] Quartey, P. (2010). Price stability and the growth maximizing rate of inflation for
Ghana. Modern Economy, 1(03), 180.
[39] Rabhi, A., & Haoudi, A. (2020). Taux de change et Croissance économique au
Maroc : Evidence empirique. Finance et Finance internationale, 1-30.
[40] Rhodd, R. T. (1993). The effect of real exchange rate changes on output:
Jamaica's devaluation experience. Journal of International Development, 5(3),
291-303.
[41] Rodrik, D. (2008). The real exchange rate and economic growth. Brookings
papers on economic activity, 2008(2), 365-412.
[42] Rutayisire, M. J. (2015). Threshold effects in the relationship between inflation
and economic growth: Evidence from Rwanda. African Economic Research
consortium.
[43] Salami, D., & Kelikume, I. (2010). An estimation of inflation threshold for
Nigeria (1970-2008). International review of Business Research papers, 6(5), 375-
385.
[44] Sattarov, K. (2011). Inflation and Economic Growth. Analyzing the Threshold
Level of Inflation.: Case Study of Finland, 1980-2010.
[45] Sidrauski, M. (1967). Inflation and economic growth. Journal of political
economy, 75(6), 796-810.
[46] Singh, P. (2010). Searching threshold inflation for India. Economics Bulletin,
30(4), 3209-3220.
[47] Stockman, A. C. (1981). Anticipated inflation and the capital stock in a cash in-
advance economy. journal of Monetary Economics, 8(3), 387-393.
[48] Svensson, L. E. (1985). Money and asset prices in a cash-in-advance economy.
Journal of political Economy, 93(5), 919-944.
[49] Svizzero, S. (2002). La politique économique australienne depuis 1983. Réformes
et mutations associées à l’ouverture (No. hal-02268503).
[50] Tobin, J. (1965). Money and economic growth. Econometrica: Journal of the
Econometric Society, 671-684.
[51] Tung, L. T., & Thanh, P. T. (2015). Threshold in the relationship between
inflation and economic growth: Empirical evidence in Vietnam.
[52] Woodford, M., & Friedman, B. M. (2011). Handbook of Monetary Economics,
vol. 3.
 [45]

Annexes

Annexe 1 : Modèle VAR (1)

Vector autoregression

Sample: 1981 - 2021 Number of obs = 41

Log likelihood = -298.8716 AIC = 15.16447
FPE = 774.876 HQIC = 15.3471
Det(Sigma_ml) = 430.7248 SBIC = 15.666

Equation Parms RMSE R-sq chi2 P>chi2

tinf 4 1.58214 0.4437 32.69964 0.0000

tcr 4 1.73741 0.0975 4.428276 0.2188
tx 4 9.17247 0.1049 4.806813 0.1865

Coef. Std. Err. z P>|z| [95% Conf. Interval]

tinf
tinf
L1. .715932 .1255055 5.70 0.000 .4699458 .9619183

tcr
L1. .3536697 .1494609 2.37 0.018 .0607318 .6466076

tx
L1. .0008262 .0261285 0.03 0.975 -.0503846 .0520371

_cons 1.07186 1.206205 0.89 0.374 -1.292258 3.435978

tcr
tinf
L1. -.2767227 .1378221 -2.01 0.045 -.5468492 -.0065963

tcr
L1. -.0301121 .1641284 -0.18 0.854 -.3517978 .2915737

tx
L1. -.0045479 .0286926 -0.16 0.874 -.0607844 .0516886

_cons 5.182587 1.324578 3.91 0.000 2.586462 7.778711

tx
tinf
L1. -.1479128 .727618 -0.20 0.839 -1.574018 1.278192

tcr
L1. .8888462 .8664992 1.03 0.305 -.8094611 2.587153

tx
L1. .2979544 .1514797 1.97 0.049 .0010596 .5948491

_cons -.5790963 6.992972 -0.08 0.934 -14.28507 13.12688

Annexe 2 : décomposition de la variance

Taux d’inflation
. irf table fevd, impulse( tinf ) response( tinf tcr tx )

Results from résult

(1) (1) (1) (2) (2) (2) (3) (3) (3)

step fevd Lower Upper fevd Lower Upper fevd Lower Upper

0 0 0 0 0 0 0 0 0 0
1 1 1 1 .034955 -.075501 .14541 .000023 -.002911 .002957
2 .907093 .760311 1.05387 .090127 -.05352 .233774 .002832 -.021647 .027311
3 .87836 .687479 1.06924 .108882 -.05439 .272154 .00779 -.04397 .059551
4 .8701 .666282 1.07392 .114365 -.054443 .283172 .010706 -.055183 .076596
5 .867697 .66035 1.07504 .115976 -.054227 .28618 .011888 -.059549 .083325
6 .866986 .658709 1.07526 .116457 -.054076 .28699 .012298 -.061081 .085677
7 .866773 .658257 1.07529 .116602 -.054001 .287204 .012431 -.061594 .086455
8 .866708 .658132 1.07528 .116646 -.053969 .28726 .012472 -.061761 .086706

95% lower and upper bounds reported

(1) irfname = résult, impulse = tinf, and response = tinf
(2) irfname = résult, impulse = tinf, and response = tcr
(3) irfname = résult, impulse = tinf, and response = tx
 [46]

Taux de croissance
. irf table fevd, impulse( tcr ) response(tcr tinf tx )

Results from résult

(1) (1) (1) (2) (2) (2) (3) (3) (3)

step fevd Lower Upper fevd Lower Upper fevd Lower Upper

0 0 0 0 0 0 0 0 0 0
1 .965045 .85459 1.0755 0 0 0 .044696 -.078943 .168336
2 .909354 .765048 1.05366 .092893 -.053964 .23975 .050239 -.062885 .163364
3 .890564 .727152 1.05398 .121617 -.069228 .312462 .049917 -.063085 .162919
4 .885087 .71645 1.05372 .12986 -.073907 .333627 .050027 -.062325 .162379
5 .883476 .713549 1.0534 .132254 -.075043 .339551 .050306 -.061864 .162475
6 .882996 .712768 1.05322 .132962 -.075263 .341186 .050453 -.061673 .162579
7 .882851 .71256 1.05314 .133174 -.075289 .341636 .050509 -.061605 .162623
8 .882807 .712506 1.05311 .133238 -.075284 .34176 .050528 -.061582 .162638

95% lower and upper bounds reported

(1) irfname = résult, impulse = tcr, and response = tcr
(2) irfname = résult, impulse = tcr, and response = tinf
(3) irfname = résult, impulse = tcr, and response = tx

Taux de change
. irf table fevd, impulse( tx ) response(tx tcr tinf )

Results from résult

(1) (1) (1) (2) (2) (2) (3) (3) (3)

step fevd Lower Upper fevd Lower Upper fevd Lower Upper

0 0 0 0 0 0 0 0 0 0
1 .955281 .831611 1.07895 0 0 0 0 0 0
2 .946929 .833016 1.06084 .000519 -.012303 .01334 .000014 -.001729 .001757
3 .942293 .821226 1.06336 .000554 -.013166 .014274 .000023 -.000559 .000605
4 .939267 .811162 1.06737 .000549 -.013046 .014143 .00004 -.001496 .001576
5 .937806 .80593 1.06968 .000548 -.013019 .014114 .000049 -.002062 .00216
6 .937249 .803882 1.07062 .000548 -.01302 .014116 .000052 -.002272 .002377
7 .93706 .803174 1.07095 .000548 -.013023 .014118 .000054 -.002342 .002449
8 .937 .802943 1.07106 .000548 -.013024 .01412 .000054 -.002364 .002472

95% lower and upper bounds reported

(1) irfname = résult, impulse = tx, and response = tx
(2) irfname = résult, impulse = tx, and response = tcr
(3) irfname = résult, impulse = tx, and response = tinf

Annexe 3 : prévision chiffrée

Années Modélisation VAR (1) Modélisation AR (1)

TINFP TCRP TXP TINFPR TCRPR TXPR
2022 10.0001 2.291529 -0.192334 3.872832 9.777559 0.389651
2023 9.041538 2.347204 -0.078729 3.048542 9.512514 0.114071
2024 8.375057 2.610267 0.146389 2.399694 9.254649 0.033394
2025 7.991125 2.785752 0.545868 1.888945 9.003774 0.009776
2026 7.778649 2.884893 0.87766 1.486904 8.759699 0.002862