Les Taux de Change d'Équilibre des Pays Sud ... - LEAD

Tableau 3 : Les tests de cointégration de Pedroni 4 (1999)
panel v-stat -0.57810
panel rho-stat -3.20119
panel pp-stat -15.01846
panel adf-stat -11.40004
group rho-stat -2.14161
group pp-stat -17.19222
group adf-stat -12.59969
2-2-3- Estimation des vecteurs de cointégration :
Les méthodes développées par Pedroni (1999) permettent
seulement de tester l’existence d’une relation de cointegration entre le
taux de change réel et les fondamentaux, mais elles ne permettent pas
d’estimer un vecteur de cointégration. Si ces tests indiquent que les
variables sont cointégrées, dans ce cas il est possible d’utiliser
plusieurs méthodes de cointégration telles que la méthode Pooled
Mean Group (PMG) développé e par Pesaran & alii (1999 ) et
l’estimateur du Fully Modified (FMOLS) développé par Pédroni
(1996, 1999).
La méthode FMOLS permet de tenir compte des problèmes
d’endogénéité du second ordre des régresseurs (engendrée par la
corrélation entre le résidu de cointégration et les innovations des
variables I (1) présentes dans la relation de cointégration) et des
propriétés d’autocorrélation et d’hétéroscédasticité des résidus. Elle
présente l’avantage de donner des résultats plus robustes que la
méthode usuelle des MCO lorsque les échantillons sont de petite
taille. En outre, les distributions asymptotiques des estimateurs basés
sur la méthode FM-OLS sont non biaisées et ne dépendent pas des
paramètres de nuisance.
Pesaran & alii (1999) considèrent un modèle où les paramètres
de long terme sont supposés homogènes et ceux de court terme
hétérogènes. Ils proposent le Pooled Mean Group qui est un
estimateur qui permet de rendre en compte l’hétéroscédasticité des
résidus. Cette approche, qui est basée sur l'estimation avec maximum
4 Si le statistique panel est supérieur à 1,6445 on accepte l’hypothèse de
cointégration. Pour toutes les autres statistiques on accepte l’hypothèse de
cointégration si leurs statistiques est inférieur à 1,6445.