CAUSALITÉ DE GRANGER ET

MODÉLISATION VAR

Préparé par:
Fadoua OUTMANI
Encadré par:
Chaimae CHAHBI
Mme EL YAMANI
Youssef NKHILI
Karima SOUFI
Master MFEA

ANNEE UNIVERSITAIRE:2020/2021
 plan
oINTRODUCTION
oOBJECTIF DE L’ÉTUDE
oHYPOTHÈSES DE L’ÉTUDE
oPROBLÉMATIQUE
oPRÉSENTATION DES DONNÉES
oPARTIE PRATIQUE
•Analyse descriptive des variables
•Etude de la stationnarité des variables
•Détermination du nombre optimal de retard
•Étude de la cointégration
•Etude de la causalité
•Estimation du modèle VAR
•Validation du modèle VAR
•Analyse de la dynamique de VAR
•Prévisions
 INTRODUCTION

• Causalité selon Granger: une variable X

cause une variable Y si la seule connaissance
du passé de X améliore les prévisions sur Y.
• La modélisation VAR: La modélisation
VAR permet d’analyser les effets de la
politique économique cela a travers de
simulation des chocs aléatoires et de la
décomposition de la variance de l’erreur .
Les qualités des modèles VAR :
La notion de dynamique: les modèles
permettent d’expliquer une variable par
rapport à ses retards.
On peut avoir une information très large
parce qu’il considère tous les variables
comme des variables endogènes .
Le nombre de décalage associé à chaque
variable dans chaque équation est identique.
 L’objectif de l’étude

• Notre étude porte sur la relation entre le solde

commercial ,les exportations et les termes d’échange
et l’impact de ces facteurs au MAROC au cours de la
période 1980-2018.
• On utilise le test de Co-intégration et le test de granger
pour déterminer s’il existe une relation causale entre
les différents variables.
 Hypothèses de l’étude

• Il est fort probables que les exportations

peuvent impacter le solde commercial.
• Il se peut qu’il existe une relation entre les
exportations les termes de l’ échange.
 problématique

Quels sont les canaux de

transmissions entre le solde
commercial ,les termes d’échange
nets et les exportations ?
 Présentation des données

Dans le cadre de notre

étude, nous allons
analyser des données
annuelles sur le solde
commercial (sc), les
exportations (x)et les
termes de l’échange
(te) au Maroc entre
1980 et 2018. source :
banque mondiale
Partie pratique
Analyse descriptive des variables
Analyse graphique

Il se peut que les

séries ne soient pas
stationnaires
 Analyse descriptive des variables
Exportations
View analyse descriptive  histogramme

L'analyse descriptive de la série

des exportations indique que
la série est platykurtique,
c'est-à-dire relativement «
aplatie » (kurtosis = 2.02 est
inférieur à 3). Le coefficient
d'asymétrie est positif donc la
distribution est étalée vers la
droite (skewness = 0.71).
La statistique de Jarque-Bera indique une acceptation de
l'hypothèse nulle de normalité de la distribution (probabilité =
0,08 est supérieur à 0,05). La distribution des exportations suit la
loi normale.
 Analyse descriptive des variables
Solde commercial

• L'analyse descriptive de la
série solde commercial
indique que la série est
platykurtique, c'est-à-dire
relativement « aplatie »
(kurtosis = 2,41 est inférieur à
3). Le coefficient d'asymétrie
est négatif donc la
distribution est étalée vers la
gauche (skewness = -1.02).

La statistique de Jarque-Bera indique un rejet de l'hypothèse

nulle de normalité de la distribution (probabilité = 0,02 est
inferieur à 0,05). La distribution du solde commercial ne suit pas
la loi normale.
 Analyse descriptive des variables
Terme de l’échange

• L'analyse descriptive de la série

Terme de l’echange indique que la
série est platykurtique, c'est-à-dire
relativement « aplatie » (kurtosis =
2.66 est inférieur à 3). Le
coefficient d'asymétrie est positif
donc la distribution est étalée vers
la droite(skewness = 0.70).

La statistique de Jarque-Bera indique une acceptation de

l'hypothèse nulle de normalité de la distribution (probabilité =
0,18 est supérieur à 0,05). La distribution des termes d’échange
suit la loi normale.
 Étude de la stationnarité des variables
Modèle3 avec Modèle 2 avec Modèle 1 sans
constante et constante constante ni tendance
tendance

T-statistic 2.26 0.67 0.0056

probabilité 0.7542 0.99 0.9988
Décision(x) Tendance n’est pas Constante n’est pas On accepteH0 de racine
significative significative unitaire(processus non
stationnaire)
T-statistic -2.122 -1.147 0.139
Probabilité 0.5189 0.83 0.72
Décision(sc) Tendance n’est pas Constante n’est pas On accepteH0 de racine
significative significative unitaire(processus non
stationnaire)
T-statistic 3.93
Probabilité 0.0188
Décision(te) La tendance est
significative , il s’agit
d’un processus TS
 Étude de la stationnarité des variables
La variable désignation Ordre commentaire
d’intégration
exportations x I(1) DS sans dérive
Solde Sc I(1) DS sans dérive
commercial
Terme de Te I(1) TS
l’échange

D’après Les résultats du test de racine unitaire de Dickey-

Fuller Augmenté (ADF) on constate que nos variables x ,sc et
te sont qui sont au départ non stationnaires en niveau,
deviennent stationnaires après la 1ère différence, . Donc les
variables de notre modèle ayant le même ordre d’intégration.
Donc un test de cointégration au sens de Granger est
nécessaire.
 Détermination du nombre
optimal de retards
Open as var  view  lag structure lag lenght creteria
lag to include : 5

On constate que les trois critères nous

conduisent à retenir un processus VAR(3). Nous
résumerons alors que la méthode que nous
utiliserons tout au long de l’estimation est celle
du VAR avec un retard.
Étude de la co-intégration

View cointegration test

 Étude de la co-intégration
Toutes les variables de notre étude sont intégrées de
même ordre donc on va appliquer le test de Johansen

•H0: r = 0 il n’y a pas de relation de cointégration

•H1: r > 0
Trace Stat = 42.71 < 42.91( La p-value de la statistique est de
0,05). On accepte l’hypothèse nulle donc on a aucune relation
de Co intégration.
 Étude de la causalité
Quick group statistique Granger causality test
La causalité permet une formulation correcte de la politique économique et de la prise de
décision.
Hypothèses du test:

• H0: Y1 ne cause pas, au sens de Granger, Y2

• H1: Y1 cause, au sens de Granger, Y2

Test de causalité au sens de Granger sur des variables brutes

 Étude de la causalité

Les hypothèses nulles selon lesquelles:

• Le termes de l’échange ne cause pas les exportations
• les exportations ne cause pas les termes de l’échange
• Les exportations ne cause pas le solde commercial
• Le solde commercial ne cause pas les termes de l’échange
• les termes de l’échange ne cause pas le solde commercial
Sont toutes acceptées au seuil de 5% (les probabilités associées
sont supérieure à 0.05). Par contre, la probabilité associée à
l’hypothèse nulle selon laquelle le solde commercial ne cause
les exportations est inférieure à 0,05. On rejette l'hypothèse
nulle, donc le solde commercial cause, au sens de Granger les
exportations
 Test de causalité au sens de Granger sur des variables stationnaires

Les hypothèses nulles selon lesquelles:

Le termes de l’échange ne cause pas les exportations
les exportations ne cause pas les termes de l’échange
le solde commercial ne cause les exportations
Les exportations ne cause pas le solde commercial
les termes de l’échange ne cause pas le solde commercial
Sont toutes acceptées au seuil de 5% (les probabilités associées sont supérieure à
0.05). Par contre, la probabilité associée à l’hypothèse nulle selon laquelle le solde
commercial ne cause les termes de l’échange est inférieure à 0,05. On rejette
l'hypothèse nulle, donc le solde commercial cause, au sens de Granger les termes
de l’échange
Estimation du modèle VAR
 Estimation du modèle VAR
Le tableau ci-dessous met en évidence la partie essentielle des
résultats de l'estimation du modèle.
 Estimation du modèle VAR

Les résultats indiquent que le solde commercial dépend

négativement du solde commercial passé de l’année -2 ,des
exportations de l’année -3 , et il dépend positivement du terme
de l’échange de l’année -1
Concernant les exportations , elles dépend positivement des
exportations passées de l’année -3 , du solde commercial de
l’année -2 et des termes de l’échange de l’année -2 et
négativement pour l’année -1 et-2
Et pour la variable des termes de l’échange, il ne dépend pas de
son taux passé mais elle dépend positivement du solde
commercial de l’année -1 et -2 , et des exportations de l’année -2
 Validation du modèle VAR
Etude de la Stabilité de VAR

View lag structure AR roots graph View lag structure AR roots table

*L’inverse des racines associées à la partie AR appartient au

cercle unité du plan complexe.
*La condition de stabilité est vérifiée. Le modèle VAR est
bien stable.
 Validation du modèle VAR
Test d’autocorrélation
view  residual test  autocorrélation test

L’hypothèse de modèle s’écrit comme suit :

• H0 : les résidus ne sont pas autocorrélés
• H1 : les résidus sont autocorrélés
La règle de décision sera d’accepter l’hypothèse nulle si la P-
Value de (LM) est supérieur à 5%.

Toutes les probabilités sont supérieures à 5%, on accepte

l'hypothèse nulle selon laquelle les résidus ne sont pas corrélés
(absence d'autocorrélation).
 Validation du modèle VAR

Test d’Hétéroscédasticité
• view  residual test  white Heteroskedasticity Tests
L’hypothèse de modèle s’écrit comme suit :
H0 : Homoscédasticité
H1 : Hétéroscédasticité

La probabilité est supérieure à

5%, on accepte l'hypothèse nulle
d'homoscédasticité (absence
d'hétéroscédasticité).
 Validation du modèle VAR
Test de normalité des résidus
view  residual test  normalityTest
L’hypothèse de modèle s’écrit comme
suit :
• H0 : les résidus suivent une loi
normale
• H1 : les résidus ne suivent pas une
loi normale
la P-VALUE de Jarque-Bera est supérieur à 5% ; donc on accepte
H0 selon laquelle les résidus suivent une loi normale.
Les résidus sont normaux et ne sont pas autocorrélés et ils sont
homoscédastiques , donc notre modèle est validé
 Analyse de la dynamique du modèle VAR
Fonction de réponse impulsionnelle
view  impulse responses

Réponse des termes de l’échange suite à un

choc sur le solde commercial: Un choc positif
sur le solde commercial un effet positif sur
les termes de l’échange à court terme, mais
l'effet devient négatif sur le moyen terme et
le long terme.

Réponse des exportations suite à un

choc sur le solde commercial Un choc
positif sur le solde commercial a un effet
positif sur les exportations à court
terme, mais l'effet devient négatif à
moyen terme puis il s'atténue
progressivement et il s'annule sur le
long terme.
 Décomposition de la variance

view  variance decomposition

La variance de l'erreur de prévision des exportations est

due à 46,91% à ses propres innovations; 25,38% aux
innovations du solde commercial ; 27.69 % aux innovations
du terme d’échange .
 Décomposition de la variance

La variance de l'erreur de prévision des termes de

l’échange est due à 59.31% à ses propres innovations;
27.37% aux innovations du solde commercial ; 13.31% aux
innovations des exportations.
 Réalisation des prévisions

PROC FORECAST

PROC FORECAST

le coefficient de Theil est proche de 0 pour le solde

commercial ;les termes d’échange et les exportations ce
qui assure une bonne prévision.
 conclusion
• Nous avons étudié les exportations comme un facteur qui peut impacter le solde
commercial et les termes d’échange ; nos résultats empiriques indiquent qu’il y a des
relations de causalité entre les exportations et le solde commercial et entre les
exportations et les termes d’échange; on constate d’après l’estimation de notre modèle
VAR que le solde dépend négativement des exportations et positivement des termes de
l’échange.

• On a trouvé qu’un choc positif sur le solde commercial a un effet positif sur les
exportations à court terme , négatif à moyen terme et nul à long terme, alors que le choc
positif sur le solde commercial a un effet positif sur les termes d’échange a long terme et
nul sur le long terme.

• On trouve que le solde commercial est un facteur déterminant pour les exportations et les
termes d’échange.
• On constate que les hypothèses qu’on mit au départ ne sont pas vérifiés car selon les
résultats de causalité les exportations n’influencent ni le solde commercial ni les termes
d’échanges.