Etude des relations entre le développement financier et la croissance économique

Etude des relations entre le développement financier et la croissance économique

La notion de Granger et Newbold (1974) sur la régression fallacieuse repose sur la présence d’une tendance au sein des séries temporelles ; dans un cas pareil, la régression entre les différentes séries afficherait un coefficient de détermination suffisamment élevé et des coefficients individuellement et conjointement significatifs, sauf que ces propriétés seraient biaisées par la tendance stochastique commune et non pas par une corrélation réelle entre les séries. Une autocorrélation significativement élevée entre les erreurs en est la meilleure preuve. Pour remédier à la violation de cette hypothèse, Granger (1981, 1983) et puis Engle et Granger (1987) ont proposé la notion de cointégration entre les variables. Selon les auteurs, on estime que les séries et sont cointégrées si : 1  Les deux séries sont affectées de tendance stochastique du même ordre, soit :  Il existe une combinaison linéaire qui ramène les deux séries à un ordre d’intégration inférieur, tels que : , où : . Le vecteur est dit vecteur de cointégration. Pour confirmer l’existence d’un tel vecteur on estime le résidu de la relation à long terme : , et on étudie ses propriétés stochastiques. Si le résidu est stationnaire on peut confirmer la présence d’un risque de cointégration entre les séries.

Par la suite, on construit un Modèle à Correction d’Erreur (MCE) où on introduit les résidus retardés de la relation longue dans un modèle dynamique dit de court terme : Le modèle est alors estimé par la méthode des Moindres Carrés Ordinaires. Le coefficient représente l’effet à court terme, alors que désigne la force de rappel vers l’équilibre long, ce deuxième coefficient doit être significativement négatif pour pouvoir exercer un effet de convergence sur les deux équilibres. Ce Modèle à Correction d’Erreur, comme l’avaient proposé Engle et Granger (1987), est au fait très maniable vu qu’il ne nécessite pas le recours à des techniques compliquées (l’estimation par MCO est largement suffisante) ; cependant, en cas d’existence de plusieurs vecteurs de cointégration (lorsque le nombre de variables est de trois ou plus), l’utilisation de ce modèle se complique autant que la consistance de l’estimateur par MCO n’est plus confirmée. Dans ce cas, on fait appel au Modèle Vectoriel à Correction d’Erreur (MVCE).

Etude de la relation entre la taille relative des banques commerciales (LBANQUE) et la croissance économique (LPIB)

La littérature théorique a démontré que la relation entre le développement financier et la croissance économique peut avoir un effet rétroactif, nous allons donc considérer un processus VAR (p) à k variables sous forme matricielle : 1 (3.1) Où : : vecteur de dimension qui représente les k variables , au cours de cette étude il s’agirait d’une variable pour la croissance économique, une variable pour le développement financier en plus des variables de contrôle ; : vecteur de dimension ; : matrice de dimension qui regroupe les valeurs observées.

Ce modèle peut être réécrit en différences premières : En regroupant les termes en commun, on obtient : Les matrices sont des fonctions des matrices et On peut écrire la matrice π sous la forme , où le vecteur α représente la force de rappel à l’équilibre long, et β le vecteur constitué des coefficients des relations de long terme. Détermination du rang de la cointégration On peut définir le nombre des vecteurs d’intégration à travers le rang de la matrice π :  Si la matrice π ne contient que des éléments nuls (son rang est nul : ), le modèle doit être résolu par une estimation d’un modèle VAR en différences premières ;  Si , on conclue que toutes les variables sont , il n’y donc pas de risque de cointégration, on se réfère alors à une estimation VAR en niveau ;  Si , on considère alors la présence de r vecteurs de cointégration, la représentation MVCE est validée. Pour calculer le rang de la matrice π, Johansen (1988, 1991) propose deux tests basés sur le calcul des valeurs propres des matrices variance-covariance des résidus.

Relation entre la taille relative des banques commerciales (LBANQUE) et la croissance économique hors hydrocarbures (LPIBHP)

Dans cette partie de l’étude nous essayons de vérifier si la nature “Suivant la demande” du système financier Algérien a une quelconque relation avec le caractère rentier de l’économie. Pour cela, nous allons étudier la relation entre la même variable LBANQUE et le PIB réel par habitant issu des secteurs économiques hors hydrocarbures (LPIBHP). 1 Jarque C.M. & Bera A.K “A Test for Normality of Observations and Regression Residuals” International Statistical Review, vol. 55, n° 2, 08.1987, p 165. Chapitre III. Le Développement Financier et la Croissance Economique en Algérie 154 Détermination du rang de la cointégration Avant d’appliquer un test de Johansen afin de confirmer ou rejeter la présence d’un risque de cointégration entre les variables utilisées, nous allons choisir le nombre optimal des retards à inclure dans le modèle à l’aide des différents critères d’information. Le modèle VAR utilisé à présent comprend les variables suivantes :  D’après le tableau 3.15, nous allons considérer trois retards dans le modèle.

A présent nous appliquons le test de Johansen sur l’ensemble du modèle. Tableau 3.16 : Test de Johansen pour déterminer le rang de la cointégration (LPIBHP – LBANQUE) Hypothèse Nulle Valeur Propre Statistique de la Trace Statistique de la Valeur Propre Maximale Aucun 0.705 115.352* (0.000) 48.887* (0.000) Au maximum 1 0.572 66.466* (0.000) 33.981* (0.007) Au maximum 2 0.384 32.485* (0.024) 19.386 (0.086) Au maximum 3 0.274 13.099 (0.111) 12.799 (0.084) Au maximum 4 0.008 0.300 (0.584) 0.300 (0.584) * indique que l’hypothèse nulle est rejetée à un niveau de confiance de 95% Les valeurs entre parenthèses représentent la probabilité de rejet selon MacKinnon-Haug-Michelis (1999) Nous concluons qu’il existe réellement un risque de cointégration entre les différentes variables utilisées. Nous allons donc précéder à l’estimation par MVCE.  Les valeurs entre parenthèses représentent les t-statistiques ***/**/* : Coefficient significatif à 1%, 5% et 10% Les relations de long terme entre la croissance et l’indicateur du développement financier sont encore négatives, sauf que dans ce cas l’effet est significatif uniquement dans le sens finance-croissance, cependant nous ne sommes pas encore en mesure de confirmer un tel sens de causalité.