La modélisation VAR Structurelle

Structural VAR model sur eviews

Sujet :
la dynamique des exportations (Ex) aux termes de l’échange (Te) et à la balance
commerciale (BC).
« Master de recherche :
Marché financier et économie appliquée »

 Réaliser par :
 Encadrer par :
AMGHAR SARA
GUENBOURA SAFAE Mme YAMANI Rachida
MATAICH MERYEME
TBITBI MERYEM
Année universitaire: 2022-2023
 Sommaire :
 I) La partie théorique :

 La problématique
 Introduction générale
 L’objectif de l’étude
 Spécification des données
 Relation entre les variables
 La démarche économétrique
 II) La partie pratique :
 Analyse descriptive des variables
 Etude de corrélation entre variables
 Étude de la stationnarité des variables
 Détermination du nombre optimal de retard
 Etude de la Co intégration
 Etude de la causalité
 Estimation et validation du modèle VAR
 Restriction du modèle VAR===  SVAR
 Interprétation des résultats obtenus
 La problématique :

 Dans quelle mesure les termes de l’échange (Te) et la balance commerciale (BC)
impactent-ils la dynamique des exportations (Ex) ?
 La partie théorique
 Introduction générale

 définition du modèle SVAR :

• Un vecteur autorégressif structurel (Modèle SVAR) impose des restrictions sur la réponse d’une
variable sur l'autre en fonction du modèle VAR sous jacent
• L'objectif est de donner des fonctions de réponse impulsionnelle, ainsi que la décomposition de la
variance un sens causal « plus »
• Plus que les modèles VAR standards, les modèles VAR structurels aident à Saisir les réponses des
variables du système aux chocs structurels identifiés(donnés
• Grâce à la décomposition de la variance de l’erreur de prévision, évaluer la part moyenne d’un choc
structurel donné dans la dynamique ( des variables
• Evaluer la part cumulée sur une période d’un choc donné dans la dynamique de chaque variable du
modèle, grâce aux décompositions historiques fournies
• Effectuer des simulations ou scénarios sur les états ou les conditions futures des variables en
fonction des probables chocs structurels futurs
  l’objectif de cette étude.

L'objectif de cette étude consiste à expliquer la dynamique des exportations (Ex) aux termes de
l’échange (Te) et à la balance commerciale (BC).
 Spécification des données :

 1) Présentation des données :

Dans le cadre de notre étude, nous allons analyser les données annuelles sur la balance commerciale (BC), les
exportations (EX) et les termes de l’échange (TE) au Maroc entre 1980 et 2017
Source : Banque Mondiale
 2) Définition des variables
• Balance commerciale est un indicateur économique qui mesure la valeur des échanges commerciaux
entre un pays et les autres pays du monde.

• Termes de l'échange désignent, en économie, le pouvoir d‘achat de biens et services importés qu'un
pays détient grâce à ses exportations.

• Exportation C’est l'action de vendre à l'étranger une partie de la production de biens ou de services
d'un ensemble économique, pays ou région.
 Relation entre les variables

 A. La relation entre les exportations (Ex) et la balance commerciale (BC)

La balance commerciale = la valeur des exportations – la valeur des importations

Positif
BC Négatif

Cela dépend des exportations qui sont supérieures ou non aux importations sur une même période.
Excédentaire
BC Déficitaire
 B. La relation entre les exportations (Ex) et le terme de l’échange (Te)
L'indice des termes de l'échange = les prix des exportations/ les prix des importations
Si les prix à l'exportation augmentent plus que les prix à l'importation
le pays a un terme de l'échange positif, puisque pour le même niveau d'exportations il peut acheter plus
d'importations.
 La démarche économétrique de la modélisation SVAR

 Analyse descriptive des variables

 Etude de corrélation entre variables
 Étude de la stationnarité des variables
 Détermination du nombre de retard optimal
 Etude de la Co intégration
 Etude de la causalité
 Estimation et validation du modèle VAR
 Restriction du modèle VAR=== SVAR
 Interprétation des résultats obtenus
 La partie pratique
1. Analyse descriptive des variables

1.1Interprétation des graphes :

EX
3.0E+10

2.5E+10

2.0E+10

1.5E+10

1.0E+10

5.0E+09

0.0E+00
80 82 84 86 88 90 92 94 96 98 00 02 04 06

 D’après le graphe, nous remarquons que la série des exportations a des fluctuations très faibles jusqu’à
l’année 2000 où nous remarquons une forte augmentation.
 BC
2,000,000,000

1,000,000,000

-1,000,000,000

-2,000,000,000

-3,000,000,000

-4,000,000,000

-5,000,000,000
80 82 84 86 88 90 92 94 96 98 00 02 04 06

Pour la BC, nous remarquons qu’il y a des fluctuations autours de sa

moyenne.
Ainsi, et une baisse très remarquable depuis l’années 2001 à 2007.
 TE
320

280

240

200

160

120

80

40

0
80 82 84 86 88 90 92 94 96 98 00 02 04 06

D’après le graphe, nous remarquons que la série n’a pas des fluctuations autours
de sa moyenne
La série des TE est une série linaire.
 9
Series: EX
8
Sample 1980 2007
7 Observations 28

6
Mean 9.40e+09
5 Median 7.46e+09
Maximum 2.73e+10
4
Minimum 3.70e+09
3 Std. Dev. 5.94e+09
Skewness 1.466661
2
Kurtosis 4.699068
1
Jarque-Bera 13.40642
0
5.0e+09 1.0e+10 1.5e+10 2.0e+10 2.5e+10
Probability 0.001227

L’analyse descriptive de la série des exportations indique que la série est leptokurtique, c’est-à-dire
la série est hyper normale puisque le coefficient d’aplatissement,(Kurtosis=4,69) est supérieure à 3.
Le coefficient d'asymétrie est positif donc la distribution est étalée vers la droite (skewness = 1.46).
Un coefficient d'asymétrie non nul est souvent assimilé à un indicateur de non linéarité.
La statistique de Jarque-Bera indique un rejet de l'hypothèse nulle de normalité de la distribution
(probabilité = 0,001227 est inférieur à 0,05).
La distribution des EX ne suit pas la loi normale.
 10
Series: BC
Sample 1980 2007
8 Observations 27

Mean -1.60e+09
6
Median -1.66e+09
Maximum 1.35e+09
4 Minimum -4.11e+09
Std. Dev. 1.17e+09
Skewness 0.494104
2 Kurtosis 4.488349

Jarque-Bera 3.590704
0
-4.0e+09 -3.0e+09 -2.0e+09 -1.0e+09 5000.00 1.0e+09 Probability 0.166069

L’analyse descriptive de la série de BC indique que la série est leptokurtique, c’est-à-dire la série est
hyper normale puisque le coefficient d’aplatissement,(Kurtosis=4,48) est supérieure à 3.
Le coefficient d'asymétrie est positif donc la distribution est étalée vers la droite (skewness = 0.49).
Un coefficient d'asymétrie non nul est souvent assimilé à un indicateur de non linéarité.
La statistique de Jarque-Bera indique une acceptation de l’hypothèse nulle de normalité de la
description (probabilité = 0,166 est sup à 0,05, la distribution des BC suit la loi normale.
 4
Series: TE
Sample 1980 2007
Observations 28
3

Mean 157.8571
Median 165.0000
2 Maximum 300.0000
Minimum 10.00000
Std. Dev. 90.44569
1 Skewness -0.087263
Kurtosis 1.736483

Jarque-Bera 1.898090
0
0 25 50 75 100 125 150 175 200 225 250 275 300 325
Probability 0.387110

L’analyse descriptive de la série de TE indique que la série est platykurtique, c’est-à-dire la série est
relativement aplatie puisque le coefficient d’aplatissement,(Kurtosis=1.73) est inférieur à3.
Le coefficient d'asymétrie est négative donc la distribution est étalée vers la gauche (skewness = -0.08).
La statistique de Jarque-Bera indique une acceptation de l’hypothèse nulle de normalité de la
description (probabilité = 0,387 est sup à 0,05).
La distribution des TE suit la loi normale.
 Etude de corrélation entre variables :

Covariance Analysis: Ordinary

Date: 11/12/22 Time: 12:38
Sample: 1980 2006
Included observations: 27
Balanced sample (listwise missing value deletion)

Correlation
Probability BC EX TE
BC 1.000000
-----

EX -0.552021 1.000000
0.0028 -----

TE -0.363044 0.900757 1.000000

0.0627 0.0000 -----

• On note une corrélation négative significative (probabilité=0,0627 > 5%) entre la BC et TE (36.3044%).
• une corrélation négative significative (probabilité= -0.5520>5%) entre la BC et EX (55.20%).
• une corrélation positive significative (probabilité= 0.000<5%) entre EX et TE (90.07%).
Etude de la stationnarité des variables

variables Désignation Ordre d’intégration Commentaire

EXPORTATION EX I(2) Un processus DS

sans dérive
Balance commerciale BC I(1) Un processus DS
sans dérive

Terme de l’échange TE I(2) Un processus DS

sans dérive
 DETERMINATION du nombre de retard optimal (p) :

VAR Lag Order Selection Criteria

Endogenous variables: EX BC TE
Exogenous variables: C
Date: 11/12/22 Time: 14:20
Sample: 1980 2007
Included observations: 25

Lag LogL LR FPE AIC SC HQ

0 -1267.400 NA 2.76e+40 101.6320 101.7782 101.6725

1 -1150.460 196.4591* 4.95e+36 92.99677 93.58183* 93.15904
2 -1139.306 16.06161 4.32e+36* 92.82446* 93.84832 93.10843*

* indicates lag order selected by the criterion

LR: sequential modified LR test statistic (each test at 5% level)
FPE: Final prediction error
AIC: Akaike information criterion
SC: Schwarz information criterion
HQ: Hannan-Quinn information criterion

On constate que les trois critères d’information nous conduisent à retenir un processus VAR(2).
Parc que le retard optimal égal à 2.
 Etude de Co-intégration :
 Les résultats du test de racine unitaire de Dickey-Fuller Augmenté (ADF) montrent que :
Les exportations et les termes de l’échange est stationnaire après une deuxième différenciation, concernant la
balance commerciale après la première différenciation.

Variables Ordre d’intégration

EX I(2)

BC I(1)

TE I(2)

Les résultats de notre test de non stationnarité, nous montrent que les variables de
notre modèle n’ont pas le même ordre d’intégration. Donc un test de cointégration au
sens de Johenson n’est pas nécessaire.
La méthode vectorielle autorégressive (VAR) sera notre méthode d’analyse
 ANALYSE DE LA CAUSALITE :

 Approche de Toda-Yamamoto
Dans ce cas, nous avons utilisé le test de causalité au sens de Toda-Yamamoto (1995) qui est basé sur la
statistique e « W» de Wald.
La statistique « W».de Wald est distribuée suivant un khi deux à n degré de liberté.
Cette statistique est indépendante de l'ordre d'intégration des séries et leur cointégration,
Ainsi. au sens de Toda et Yamamoto, les hypothèses de test sont:
 • H0 : X2 >5% l’absence de causalité.
 • H1 : X2 <5% la présence de causalité.
 Application du test: Dependent variable: BC

Excluded Chi-sq df Prob.

EX 8.472830 4 0.0757
TE 5.067255 4 0.2805

All 4 ---

•On accepte H0 puisque les probabilités se sont supérieures à 5% alors :

La balance commerciale ne cause pas les termes d’échange au sens de toda-yamamoto.
La balance commerciale ne cause pas l’exportation au sens de toda-yamamoto. Dependent variable: EX

Excluded Chi-sq df Prob.

• On accepte H0 puisque les probabilités se sont supérieures à 5% alors :
L’exportation ne cause pas les termes d’échange au sens de toda-yamamoto. BC 6.482682 4 0.1659
TE 8.648645 4 0.0705

L’exportation ne cause pas La balance commerciale au sens de toda-yamamoto.

All 4 ---
 Dependent variable: TE

Excluded Chi-sq df Prob.

BC 1.822229 4 0.7684
EX 10.44744 4 0.0335

All 11.90457 8 0.1555

 On rejette H0 puisque les probabilités se sont inférieures à 5% alors :

 Les termes de l’échange causent les exportations au sens de toda-yamamoto.
 Les termes de l’échange ne causent pas la balance au sens de toda-yamamoto.
 ESTIMATION DES PARAMETRES DU MODELE VAR :

 Tenant compte du décalage dégagé au point précédent, nous allons donc estimer ce modèle:
• DEX= a0 + a1 DEX(-1) + a2 DBC (-1) + a3 DTE (-1) + VDEX
•DBC= b0 + b1 DEX(-1) + b2 DBC(-1) + b3 DTE(-1) + VDBC
• DTE = c0 + c1 DEX(-1) + c2 DBC (-1) + c3 DTE(-1) + VDTE
 Validation du modèle VAR :
 Pour avoir un modèle pertinent globalement significatif nous devrons effectuer des tests
diagnostiques pour s’assurer de la fiabilité de notre modèle.
• Test d’autocorrélation
Lag LRE* stat df Prob. Rao F-stat df Prob.

1 14.54879 9 0.1041 1.834350 (9, 26.9) 0.1078

2 17.00868 9 0.0486 2.240759 (9, 26.9) 0.0510

APPLICATION DU TESTE:
 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).
 •Test d’Hétéroscédasticité:

Joint test:

Chi-sq Df Prob.

39.44374 60 0.9815

 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).
•Test de normalité des résidus :

Component Jarque-Bera
Test de normalité des résidus L’hypothèse de modèle s’écrit comme suit : df Prob.
H0 : les résidus suivent une loi normale
H1 : les résidus ne suivent pas une loi normale
Les probabilités sont supérieures à 5% donc on accepte l’hypothèse nulle les résidus suivent une loi normale.

1 0.288446 2 0.8657
2 3.450909 2 0.1781
3 4.756128 2 0.0927

Joint 8.495484 6 0.2040

 •Etude de la Stabilité de VAR.
Inverse Roots of AR Characteristic Polynomial
1.5
Roots of Characteristic Polynomial
Endogenous variables: D2EX D2TE DBC
1.0 Exogenous variables: C
Lag specification: 1 2
Date: 11/12/22 Time: 23:07
0.5
Root Modulus
0.0 0.914009 0.914009
0.541114 - 0.312202i 0.624720
-0.5 0.541114 + 0.312202i 0.624720
-0.344983 - 0.497057i 0.605045
-0.344983 + 0.497057i 0.605045
-1.0 0.028108 0.028108

No root lies outside the unit circle.

-1.5 VAR satisfies the stability condition.
-1 0 1

Un processus VAR est stable si les racines de det(Φ(L)) sont strictement supérieures à 1 en module.
L’inverse des racines de det(Φ(L)) doivent être à l’intérieur du disque unité. 
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.

Les résultats des tests diagnostiques nous montrent que les résidus sont normaux et ne sont pas corrélés et ils
sont homooscédastiques, Nous concluons ainsi que notre modèle est validé.
 Fonction de réponse impulsionnelle

 Fonctions de réponse impulsionnelle

*Les fonctions de réponse impulsionnelle mesurent la conséquence d'un choc sur les variables.

Réponse de EX suite à un choc sur BC: L'impact d'un choc sur la variable EX est
également simulé. L'effet est négatif à long terme.
 Réponse de EX suite à un choc sur TE: L'impact d'un choc sur la variable EX est également simulé.
L'effet est négatif à long terme.

Réponse de la balance commerciale suite à un choc sur EX: L'impact d'un choc sur la variable
balance commerciale est également simulé. L'effet est négatif au cours de la première année
avant de s'amortir a long terme
Modélisation SVAR
 Dans le modèle VAR simple :
La matrice A s’écrit comme suit :

Dans le modèle sVAR simple :

La matrice A s’écrit comme suit :

Restriction à CT :

Détermination de nombre minimale de restriction:

« n » à imposer à un système (VAR ou SVAR) pour l’identifier est donné par la formule
(avec : nombre de variables endogènes dans le système ou nombre d’équations) :
 Forme structurelle du modèle SVAR(1)

 • Pour notre cas, sous forme structurelle, notre SVAR(1) s’écrit

 = +
+

Ce modèle peut s’écrire simplement:

• A: la matrice des coefficients structurels (effets instantanés).

• 𝑌𝑡 : vecteur des variables endogènes ( DEXt;DBCt; DTEt);
• λ: le vecteur des termes constants;
• 𝐵𝑖 : la matrice des paramètres associés aux variables exogènes (prédéterminées);
• 𝑢𝑡 : les chocs structurels μ𝑡DEX μ𝑡DBC μ𝑡DTEpour chaque variable du modèle;
 Identifications ou restrictions du SVAR

Nombre minimale de restrictions:

𝑛 = 3(3−1)/ 2 = 3

les termes de l’échange, semblent jouer, à court terme, un rôle qui doit être nuancé sur le
niveau de la balance commerciale.

(TE impacte la BC) a23 ≠0

Alors:

(a12=a13=a21=a31=a32=0)

A=
 Effectuer la factorisation structurelle ou définir les restrictions

including the restriction(s)

@E1=C(1)*@U1
@E2=C(2)*@U2+C(4)*@E3
@E3=C(3)*@U3

Ces expressions traduisent l’absence de corrélation contemporaine entre les

variables étudiées, car les résidus du VAR estimé pour chaque équation dépendent
des seules erreurs associées à la dite équation.

Coefficient Std. Error z-Statistic Prob.

C(1) 0.323920 0.187329 1.729148 0.0838

C(2) 0.011178 0.001550 7.211104 0.0000
C(3) 1.046033 0.145059 7.211101 0.0000
C(4) 1.095097 0.151863 7.211101 0.0000

Log likelihood 2.629953

LR test for over-identification:
Chi-square(2) 14.89825 Probability 0.0006

Estimated A matrix:
1.000000 0.000000 0.000000
0.000000 1.000000 0.323920
0.000000 0.000000 1.000000
Estimated B matrix:
0.011178 0.000000 0.000000
0.000000 1.046033 0.000000
0.000000 0.000000 1.095097
Estimated S matrix:
0.011178 0.000000 0.000000
0.000000 1.046033 -0.354724
0.000000 0.000000 1.095097
  Restriction à LT:

Les restrictions à LT concernent les effets cumulés des chocs (innovations) dans le temps. Elles
définissent les effets à long terme d’un choc positif permanent sur une des variables endogènes du
modèle
Les effets à LT d’un choc dans une variable sur d’autres variables forment la matrice carrée« F »
d’ordre « kxk » qui s’établit comme suit:
F=
avec NA: non attribué OU Valeur manquante
Les restrictions à long terme :
nous allons appliquer une restriction à long terme sous forme matricielle :

1. Il existe un impact positif

2. unidirectionnelle entre les termes de l’échange et les exportations

3. les termes de l’échange influencent négativement la balance commerciale suite à la
forte dépendance de notre économie vers l’extérieur.
4. Les exportations impactent négativement la Balance commerciale à long terme.
 Les restrictions à long terme :

• Pour déterminer les effets à long terme d’un choc permanent sur une des variables
endogènes du modèle.
• On détermine la matrice « F » qui comprend les effets des chocs cumulés à long
terme entre variables, et ses valeurs nulles traduisent l’absence d’effet entre les
variables concernées.
• Pour les restrictions à long terme de notre SVAR, l’on illustre également les deux
modes (équations et matrices).
A= F=

including the rest...

@LR1(@U2)=0
@LR1(@U3)=0
@LR3(@U2)=0

Estimated F matrix:
0.028703 0.000000 0.000000
0.967269 1.700820 -0.267781
-1.961719 0.000000 0.882850
 Interprétations des résultats du Modèle SVAR
Elasticités de court terme

EX BC TE
EX 1.000000 0.000000 0.000000

BC 0.000000 1.000000 0.323920

TE 0.000000 0.000000 1.000000

Si les termes de l’échange augmentent de 1%, la balance

commerciale va augmenter de 0.32%.
 Conclusion

 D’après l’analyse de vecteurs autorégressifs structurels (SVAR pour structural vector

autoregression), nous pouvons conclure que les chocs des termes de l’échange et la Balance
commerciale ont une incidence significative sur la dynamique des exportations et sur les
fluctuations macroéconomiques conjoncturelles dans les économies