Les déterminants de l’efficacité monétaire en République Démocratique du Congo révèlent un faible impact des canaux du taux d’intérêt, du taux de change et du crédit sur l’économie réelle. Cette étude met en lumière les défis auxquels fait face la politique monétaire dans ce contexte spécifique.
CHAPITRE QUATRIEME : ANALYSE DES DETERMINANTS L’EFFICACITE DE LA POLITIQUE MONETAIRE CONGOLAISE
INTRODUCTION
Il s’agit d’un chapitre tout à fait important dans le cadre de la compréhension de la réalisation du dispositif monétaire congolais. La connaissance des déterminants de la politique monétaire par lesquels les modifications des canaux de transmission de la politique monétaire congolaise se répercutent sur l’ensemble de l’économie est essentielle pour la Banque Centrale du Congo. Elle permet aux autorités monétaire de mieux orienter leurs actions afin d’en assurer l’efficacité de la politique monétaire.
Sur le plan théorique, la politique monétaire agit sur la sphère réelle à travers le canal du taux d’intérêt, le canal de crédit ou le canal du taux de change. Son effet global résulte de la combinaison de différents canaux et de leurs importances respectives dans les mécanismes de transmission.
Pour rendre plus explicite la diffusion des décisions de la politique monétaire Congolaise à travers ces canaux de transmission dans un environnement économique complexe, l’organisation de ce chapitre sera consacrée exclusivement à l’analyse et le traitement des données : « une analyse sur l’efficacité des déterminants de la politique monétaire ».
Section 1 :
LA DEMANDE DE MONNAIE EN RDC
I.1. PRESENTATION DE LA FONCTION DE LA DEMANDE DE MONNAIE DE LA RDC
Le modèle de demande de monnaie ci-dessous a été développé par Rogoff et Obstfelt(2008)1. En effet, plusieurs études empiriques de la fonction de demande de monnaie retiennent la masse monétaire réelle comme variable dépendante et un certain nombre de variables indépendantes composées de variables d’échelle et de coût d’opportunité de la détention de la monnaie.
Les équations de la demande de monnaie utilisant la masse monétaire réelle au sens large comme agrégat monétaire ont été estimées en recourant au modèle vectoriel à correction d’erreurs. Les signes attendus et le degré de signification des paramètres estimés ainsi que l’application des tests de diagnostic ont permis de vérifier la consistance des résultats.
I.1.1. Méthode d’analyse des données
La présente étude va faire essentiellement recours aux outils statistiques et économétriques pour la vérification des hypothèses formulées.
Cependant, les tests de stationnarités de Dickey-Fuller Augmenté (ADF) seront faits pour vérifier la stationnarité des variables. Le traitement d’une série chronologique la connaissance de leurs caractéristiques stochastiques. Si ces caractéristiques c’est-à-dire son espérance et sa variance- se trouvent modifiées dans le temps, la série chronologique est considérée comme non stationnaire ; dans le cas d’un processus stochastique invariant, la série temporelle est alors stationnaire2. Une série chronologique est donc stationnaire si elle est la réalisation d’un processus stationnaire. Ceci implique que la série ne comporte ni tendance, ni saisonnalité et plus généralement aucun facteur n’évoluant avec le temps.3
Les hypothèses sont les suivantes :
Si ADF test stabilitic<critical value alors on accepte H0 au seuil de 5%, la série est non stationnaire
Si ADF test stabilitic>critical value alors on rejette H0 au seuil de 5%, la série est stationnaire.
Aussi le test de cointégration sur les résidus sera fait pour valider l’inexistence de relation de long terme entre les séries. La méthode d’estimation que nous allons utiliser, est la méthode de moindre carré ordinaire. L’estimation du modèle se fera sur le logiciel eviews. La validation économique est faite sur la base des signes prévus. La validation statistique de la qualité globale des modèles est appréciée par le coefficient de détermination des modèles et par le test de Fisher.
L’analyse de la qualité globale du modèle s’effectue à travers le coefficient de détermination du modèle (R2). Ce coefficient explique la part de l’évolution de la variable dépendante qui est expliquée par les variables exogènes.
Le test d’adéquation d’ensemble est fait à travers le test de Fisher.
I.1.2. Le test de stationnarité
Les résultats de ce test sont consignés en annexe tableau n°1, ils montrent que trois (3) variables sont intégrées d’ordre 1 dont la variable dépendante et les autres variables sont stationnaires à niveau. Comme il existe des variables non stationnaires. Cela nous a conduit à envisager l’étude de la cointégration.
Les tests de Dickey-Fuller augmenté permettent non seulement de détecter l’existence d’une tendance (tests de racine unitaire, Unit Root test) mais aussi de déterminer la bonne manière de stationnariser une chronique. Pour ce faire, deux types de processus sont distingués :
- Les processus TS (Trend Stationary) qui représentent une non stationnarité de type déterministe ;
- Les processus DS (DifferencyStationary) pour les processus non stationnaire aléatoires.
Mais, ces tests permettent de mettre en évidence le caractère stationnaire ou non d’une chronique par la détermination d’une tendance déterministe ou stochastique. Il y a trois modèles qui servent de base à la construction de ces tests à savoir le modèle autorégressif d’ordre un ; le modèle autorégressif avec tendance et le modèle autorégressif avec la constante.
Les critères d’acceptation ou de refus de la stationnarité s’effectuent des manières suivantes :
-Pour les tests à niveau pour les variables
Si ADFcal>ADFth, la variable est non stationnaire au modèle avec constante, mais sans tendance
Si ADFcal<ADFth, la variable est non stationnaire au modèle avec tendance, mais constante.
-Pour les tests à la différence première
Si ADFcal<ADFth, la variable est non stationnaire au modèle avec tendance, mais constante.
Si ADFcal>ADFth, la variable est non stationnaire au modèle avec constante, mais sans tendance
Toute fois les variables significatives du modèles aurons la tendance et la constante pour les tests à niveau et pas de tendance ni de constante pour le test à la différence première d’où le respect de la règle de cointégration des variables de même ordre c’est-à-dire à la première différence I(1)4
________________________
1 Rogoff et Obstfelt, model of structural global demand of liquidity 2013 ↑
2 BOURBONNAIS, R. (2006), économétrie manuel et exercices corrigés, 7è édition Dunod, Paris p 221 ↑
3 Si les conditions énoncées ci-dessous sont vérifiées, on dit que la série est stationnaire de second ordre, ou encore faiblement stationnaire. Dans le cas où, aux conditions définies, s’ajoute la constante de la distribution de probabilité, on parle de série strictement stationnaire. ↑
4 BOURBONNAIS. R. Idem ↑