Les Taux de Change d'Ãquilibre des Pays Sud ... - LEAD
Les Taux de Change d'Ãquilibre des Pays Sud ... - LEAD
Les Taux de Change d'Ãquilibre des Pays Sud ... - LEAD
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
nulle d’absence <strong>de</strong> racine unitaire. L'hypothèse selon laquelle les<br />
paramètres autorégressifs sont communs aux individus sous<br />
l'hypothèse alternative constitue une hypothèse plutôt restrictive sur la<br />
dynamique <strong>de</strong> la variable. Pour cette raison, nous considérons<br />
également <strong>de</strong>ux autres tests. Le test IPS (Im, Pesaran et Shin, 2003)<br />
tient compte <strong>de</strong> l'hétérogénéité du coefficient autorégressif sous<br />
l'hypothèse alternative. Ainsi, sous l'hypothèse alternative, certaines<br />
variables sont non stationnaires alors que d’autres peuvent être<br />
stationnaires. Comme le test d’IPS, les tests <strong>de</strong> Philip Perron sont<br />
fondés sur l'hypothèse selon laquelle le coefficient autorégressif n’est<br />
pas le même entre les individus.<br />
Tous les tests indiquent que les séries utilisées sont non<br />
stationnaires en niveau et stationnaires en différences premières<br />
(tableaux 1 et 2). <strong>Les</strong> variables étant donc toutes intégrées d’ordre un<br />
I(1), leur combinaison linéaire doit donc suivre un processus<br />
stationnaire I(0).<br />
Tableau 1 : Tests <strong>de</strong> Racine Unitaire en Panel: En Niveau<br />
Null: NO Unit<br />
Null: Unit root (assumes individual unit root process) 2<br />
root 3<br />
Levin, Lin &<br />
Chu Breitung IPS Philip Perron Hadri<br />
AT * ST AT ST AT ST AT ST AT ST<br />
RER 0.0517 0.1591 0.8310 0.7658 0.3719 0.0002 0.0682 0.0006 0.0000 0.0000<br />
GOV 0.0004 0.0003 0.1173 0.0205 0.0001 0.0016 0.0000 0.0001 0.0000 0.0000<br />
NFA 0.7681 0.8405 0.4587 0.8809 0.1680 0.9251 0.3390 0.5342 0.0000 0.0000<br />
OPEN 0.9979 0.9998 1.0000 0.3070 0.6388 0.9997 0.0276 0.4615 0.0000 0.0000<br />
P 0.9044 0.0000 0.9427 0.0035 0.0000 0.0001 0.0000 0.0070 0.0000 0.0000<br />
Y 1.0000 1 .0000 1.0000 0.0000 1.0000 1.0000 1.0000 0.0000 0.0000 0.0000<br />
2 Si les valeurs (P -value) sont supérieures à 0 on accepte l’hypothèse <strong>de</strong> non<br />
stationnarité <strong>de</strong>s variables.<br />
3 Si les valeurs (P-value) sont supérieures à 0 on accepte l’hypothèse <strong>de</strong> stationnarité<br />
<strong>de</strong>s variables.<br />
* AT : avec trend, ST : sans trend