Monétisation des dépenses publiques : analyse comparative des effets en CEMAC

Pour citer ce mémoire et accéder à toutes ses pages
🏫 UNIVERSITÉ DE DOUALA - ÉCOLE DOCTORALE DES SCIENCES SOCIALES ET HUMAINES - Unité de Formation Doctorale en Sciences Économiques et de Management Appliquée (UFDSEMA)
📅 Mémoire de fin de cycle en vue de l'obtention du diplôme de Master Recherche - 2021–2022
🎓 Auteur·trice·s
NGUINI Justin Jerzy
NGUINI Justin Jerzy

La monétisation des dépenses publiques révèle des effets contrastés sur la croissance économique des États de la CEMAC. Cette étude met en lumière des résultats inattendus, avec des implications cruciales pour la gestion fiscale et la stabilité politique dans la région.


Section 2 :

Méthodologie d’étude et données

L’activité scientifique s’emploie à établir des liens entre des généralisations limitées, de façon à former des ensembles plus vastes de propositions, qui permettent de prévoir et d’expliquer les phénomènes observés. Dans cette section, nous allons présenter de manière théorique les étapes de notre méthodologie. Comme le disait René Descartes dans « Discours de la méthode », ‘’on ne peut se passer d’une méthode pour se mettre en quête de la vérité des choses.’’ C’est pour cette raison que les étapes de notre méthode nous permettrons alors de vérifier l’impact que les

dépenses publiques par pure création de la monnaie ont sur la croissance économique des États de la CEMAC, pendant la période de 1989 à 2018. D’un autre côté, les données mobilisées pour notre étude exigent une analyse pour mieux apprécier les résultats.

En ces moments précis, les États de la CEMAC traversent une période de crise générale qui touche une bonne partie des pays du monde entier. Vérifier les effets de telles dépenses dans leur nature dynamique est très important car les pays en question se doivent d’atteindre l’objectif d’émergence qui actuellement constitue un défi majeur pour la sous-région.

Réaliser l’objectif d’émergence qui va de 2030 à 2035 pour la sous-région, exige qu’on se penche sur l’origine même des sources de financement meilleurs pour une croissance digne. Le faible volume des revenus fiscaux constitue déjà un frein pour atteindre de tels objectifs, la dette de son côté est très couteuse en plus son obtention est souvent fonction d’une certaine note capable d’attirer les bailleurs de fonds ou même lever les capitaux sur les marchés financiers (A.

Shahid, 2010). Le niveau d’épargne est significativement faible dans la zone CEMAC, l’effet des euro bonds contribue à augmenter le doute sur la dette. Tous ces éléments mentionnés portent à croire que la création monétaire est une variable importante pour booster la croissance et réduire le chômage à long terme. Ainsi, dans un premier temps, nous allons présenter les modèles ARDL (A) et dans un second temps, l’analyse des données (B).

Les modèles ARDL

Les modèles ARDL sont des modèles dynamiques. En langue anglaise ils sont représentés par AutoRegressive Distributed Lag et en français on parle de modèles autorégressifs à retards échelonnés ou distribués (ARRE). Dans l’explication d’une série chronologique, les modèles ARDL ont l’avantage de prendre en compte la dynamique temporelle. Par opposition au modèles simples, qui donnent l’explication des effets immédiats ou qui ne sont pas fonction du temps, Car, ne reflètent qu’une partie de la variation de la variable dépendante.

Les modèles ARDL ont encore l’avantage de rendre plus robuste les prévisions et l’efficacité des politiques (décisions, actions, etc.). Pour vérifier notre impact, l’approche par maximum de vraisemblance des modèles de cycle qui fonctionne au VAR et VEC va également s’appliquer au modèle ARDL. Ainsi, la modélisation ARDL, le test de cointégration aux bornes de Pesaran et al.

(2001), et le test de causalité de Granger au sens de Toda et Yamamoto (1995), sont les principaux thèmes qui seront développés tout au long de cette sous-section.

Les différents types de modèles ARDL

Les modèles dynamiques se répartissent en trois principaux groupes. Considérons une variable à expliquer Yt et une variable explicative Xt, on distinguera ainsi :

Les modèles autorégressifs (AR) :

Il s’agit des modèles dynamiques où, parmi les variables exogènes (Xt), se trouve la variable endogène retardée (représentée par ses valeurs passées). L’autorégressive renvoie au fait que la régression de la variable dépendante est faite sur elle-même (sur ses valeurs passées). La forme implicite de ces modèles se présente comme suit :

𝒀𝒕 = 𝒇(𝒀𝒕−𝒌)

𝒀𝒕 = 𝒂𝟎 + 𝒂𝟏𝒀𝒕−𝟏 + ⋯ + 𝒂𝒑𝒀𝒕−𝒌 + 𝜺𝒕

𝒀 = 𝒂

+ ∑𝒑

𝒂 𝒀 + 𝜺

(1)

𝒕 𝟎

𝒊=𝟏

𝒊 𝒕−𝒌 𝒕

Les modèles à retards échelonnés ou Distributed Lags (DL) :

Ces modèles dynamiques ont pour variables explicatives 𝑋𝑡 et ses valeurs décalées (𝑋𝑡−𝑗). Le terme retards échelonnés montre que les effets de 𝑋𝑡 sur 𝑌𝑡 sont fonction du temps. Donc à court terme, les échelles de réaction ne sont pas les mêmes qu’à long terme. Ce modèle se présente alors de la manière suivante :

𝒀𝒕 = 𝒇(𝑿𝒕, 𝑿𝒕−𝒋)

𝒀𝒕 = 𝝋 + 𝜷𝟎𝑿𝒕−𝟏 + ⋯ + 𝜷𝒒𝑿𝒕−𝒒 + 𝒖𝒕

𝒀 = 𝝋 + ∑𝒒

𝜷 𝑿 + 𝒖

(2)

𝒕 𝒋=𝟏

𝒋 𝒕−𝒋 𝒕

Les modèles autorégressifs à retards échelonnés (ARDL) :

Ces derniers ont la particularité de jumeler les éléments qui qualifient les modèles AR et les modèles DL. Les variables explicatives se composent de 𝑋𝑡 et ses valeurs décalées 𝑋𝑡−𝑘 ainsi que des valeurs passées de 𝑌𝑡, (𝑌𝑡−𝑘) la forme générale de ces modèles est la suivante :

𝒀𝒕 = f(𝑿𝒕, 𝑿𝒕−𝒋, 𝒀𝒕−𝒌)

𝒀𝒕 = 𝝎 + 𝒂𝟏𝒀𝒕−𝟏 + ⋯ + 𝒂𝒑𝒀𝒕−𝒌 + 𝜷𝟎𝑿𝒕−𝟏 + ⋯ + 𝜷𝒒𝑿𝒕−𝒋 + 𝒆𝒕

𝒀 = 𝝎 + ∑𝒑

𝒂 𝒀

+ ∑𝒒

𝜷 𝑿 + 𝒆

(3)

𝒕 𝒊=𝟏

𝒊 𝒕−𝒌

𝒋=𝟏

𝒋 𝒕−𝒋 𝒕

(𝐞𝐭) est le terme d’erreur et suit une loi normal de paramètre (0 ; σ). 𝛃𝟎 représente l’effet de court terme de 𝐗𝐭 sur 𝐘𝐭. En ce qui conserne la relation de long terme, supposons

𝒀𝒕 = 𝜸 + 𝜽𝑿𝒕 + 𝒖𝒕,

𝛉 traduit donc l’effet de long terme et peut se calculer comme suit : 𝜽 = ∑𝜷𝒋 ∕ (𝟏 − ∑𝒂𝒊)

Le modèle de notre travail

La particularité des modèles ARDL est qu’ils permettent d’estimer les dynamiques de court terme et les effets de long terme pour des séries cointégrées ou même intégrées à des ordres différents comme le mentionnent le test aux bornes de Pesaran et al. (1996), Pesaran et Shin (1995) et Pesaran et al. (2001).

La présence de la variable dépendante décalée comme explicative entraine généralement pour les modèles AR et ARDL un problèmes d’autocorrélation des erreurs. La présence de multi- colinéarité s’impose aussi pour le cas des modèles DL et ARDL, ce qui rend complexe l’estimation des paramètres par les Moindres Carrés Ordinaires (MCO). Pour remédier à ces soucis, il est donc primordial de recourir aux techniques d’estimations robustes tel que le VAR ou le VEC. Par ailleurs les séries prises en compte dans ces estimations ont besoin d’être stationnaire pour éviter des régressions fallacieuses.

Dans le cadre de notre travail, nous recherchons les effets de la création monétaire (masmo : variable explicative) sur la croissance économique (pibh : variable dépendante). Notre étude tiendra aussi compte d’autres variables de contrôle indispensables dont l’influence améliore la qualité des résultats : inflation prix à la consommation (infl), taux de chômage (txchomage), revenus fiscaux (rv_fisc), les dépenses publiques (dpub) et la population active (pactiv). Ainsi, nous-nous proposons d’estimer un modèle ARDL dont la forme fonctionnelle linéaire est la suivante :

𝐏𝐈𝐁𝐇 = 𝐅(𝐦𝐚𝐬𝐦𝐨, 𝐢𝐧𝐟𝐥, 𝐭𝐱𝐜𝐡𝐨𝐦𝐚𝐠𝐞, 𝐫𝐯 − 𝐟𝐢𝐬𝐜, 𝐝𝐩𝐮𝐛, 𝐩𝐚𝐜𝐭𝐢𝐯) (4)

En prenant en compte les effets de court terme et ceux de long terme des variables exogènes ci-dessus sur la croissance économique, la représentation ARDL de la fonction (4) devient:

𝜟𝑷𝑰𝑩𝑯𝒕

= 𝒂𝟎

𝑷

𝒊=𝟏

+ ∑

𝒂𝟏𝒊

∆𝑷𝑰𝑩𝑯

𝒕−𝒊

𝒒

𝒊=𝟎

+ ∑

𝒂𝟐𝒊

∆𝒊𝒏𝒇𝒍𝒕−𝒊

𝒒

𝒊=𝟎

+ ∑

𝒂𝟑𝒊

∆𝒕𝒙𝒄𝒉𝒐𝒎𝒂𝒈𝒆

𝒕−𝒊 +

𝒒

𝒊=𝟎

𝒂𝟒𝒊

∆𝒓𝒗 − 𝒇𝒊𝒔𝒄𝒕−𝒊

𝒒

𝒊=𝟎

+ ∑

𝒂𝟓𝒊

∆𝒅𝒑𝒖𝒃

𝒒

+ ∑

𝒕−𝒊

𝒊=𝟎

𝒂𝟔𝒊

∆𝒎𝒂𝒔𝒎𝒐

𝒕−𝒊 +

𝒒

𝒊=𝟎

𝒂𝟕𝒊

∆𝒑𝒂𝒄𝒕𝒊𝒗𝒕−𝒊

+ 𝒃𝟏

𝑷𝑰𝑩𝑯

𝒕−𝒊

+ 𝒃𝟐

𝒊𝒏𝒇𝒍𝒕−𝒊

+ 𝒃𝟑

𝒕𝒙𝒄𝒉𝒐𝒎𝒂𝒈𝒆

𝒕−𝒊

+ 𝒃𝟒

𝒓𝒆𝒗 − 𝒇𝒊𝒔𝒄𝒕−𝒊 +

𝒃𝟓𝒅𝒑𝒖𝒃𝒕−𝒊 + 𝒃𝟖𝒎𝒂𝒔𝒎𝒐𝒕−𝒊 + 𝒃𝟕𝒑𝒂𝒄𝒕𝒊𝒗𝒕−𝒊 + 𝒖𝒕 … . (𝟓)

Avec

  • : l’opérateur de différence première ;
  • 𝒂𝟎 : la constante ;
  • 𝒂𝟏 à 𝒂𝟖 l’effet à court terme ;
  • 𝒃𝟏 à 𝒃𝟖 la dynamique de long terme et
  • 𝒖𝒕 N(0 ; σ) la perturbation (bruit blanc).

Les étapes d’un modèle dynamique

L’étude d’un modèle dynamique présente une procédure qu’on peut résumer en cinq étapes comme suit :

  • La détermination du nombre de retard optimal ;
  • L’étude de la stationnarité des séries ;
  • Le test de Cointégration ;
  • Le test de causalité ;
  • Test de diagnostic.

Questions Fréquemment Posées

Quel est l’impact de la monétisation des dépenses publiques sur la croissance économique des États de la CEMAC?

Les résultats montrent des effets variés de la monétisation sur la croissance économique, avec des impacts positifs à court terme pour le Cameroun et négatifs pour le Congo et le Gabon.

Quelles méthodologies ont été utilisées pour analyser l’impact de la monétisation des dépenses publiques?

Des régressions économétriques ont été effectuées sur des données de la Banque Mondiale, de la BEAC et du FMI pour vérifier l’impact des dépenses publiques par pure création de la monnaie sur la croissance économique.

Pourquoi la création monétaire est-elle considérée comme importante pour les États de la CEMAC?

La création monétaire est considérée comme une variable importante pour booster la croissance et réduire le chômage à long terme, surtout face au faible volume des revenus fiscaux et à la dette coûteuse.

Rechercher
Télécharger ce mémoire en ligne PDF (gratuit)

Laisser un commentaire

Votre adresse courriel ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Scroll to Top