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