Écart de production dans la Zone UEMOA : analyse comparative d'une estimation par la fonction de production, le filtre de Kalman et le VAR structurel bayésien
DOI :
https://doi.org/10.18559/rielf.2021.2.4Mots-clés :
output gap, inflation, filtre de Kalman, VAR structurel bayésien, UEMOARésumé
Les notions de production potentielle et d'écart de production (output gap) constituent des outils importants permettant aux banques centrales et en particulier à la Banque centrale des États de l'Afrique de l'Ouest (BCEAO) de prévoir l'inflation dans la poursuite de leur objectif prioritaire de maitrise de l'inflation. Le choix d'une méthode d'estimation de l'inflation s'avère délicat. Ce papier propose une estimation de la production potentielle par les méthodes à composantes inobservables, l'approche de Watson (1986) et celle de Kuttner (1994), et par une méthode de modélisation économique, notamment le VAR structurel bayésien. Il propose également une comparaison de ces différentes méthodes avec la fonction de production très usitée dans la littérature et reconnue comme meilleure méthode d'estimation de la production potentielle pour les pays de l'UEMOA. Les résultats indiquent que les différentes approches ainsi que la fonction de production expliquent les différentes périodes de crise recensées au sein de l'union. L'analyse comparative, contre toute attente, révèle que seul l'output gap obtenu par la fonction de production n'explique pas l'inflation.
Téléchargements
Références
Abou, N. B., & Melesse, F. (2012). Évaluation du PIB potentiel et de l›écart de production dans l›UEMOA. Dakar: BCEAO, Direction de la Recherche et de la Statistique.
View in Google Scholar
Anas, J., & Ferrara, L. (2004). Detecting cyclical turning points: The ABCD approach and two probabilistic indicators. Journal of Business Cycle Measurement and Analysis, 2, 193–225. Banque de France. (2015). La croissance potentielle: une notion déterminante, mais complexe. Focus, 13, 1–8.
View in Google Scholar
BCEAO. (2016). Base des Données Économiques et Financières. Retrieved from https://edenpub.bceao.int
View in Google Scholar
Brouwer, G. de. (1998). Estimating output gaps. (Research Discussion Paper, 1–32). Reserve Bank of Australia.
View in Google Scholar
Bry, G., & Boschan, C. (1971). Cyclical analysis of time series: Selected procedures and computer programs. New York, London: National Bureau of Economic Research, Columbia University Press.
View in Google Scholar
Bu, Y. (2006). Fixed capital stock depreciation in developing countries: Some evidence from firm level data. The Journal of Development Studies, 42(5), 881–901.
View in Google Scholar
Camba-Mendez, G., & Rodriguez-Palenzuela, D. (2003). Assessment criteria for output gap estimates. Economic Modelling, 20(3), 529–562.
View in Google Scholar
Chagny, O., & Döpke, J. (2001). Measures of the output gap in the euro-zone: An empirical assessment of selected methods. (Kiel Working Paper No. 1053). Kiel: Kiel Institute of World Economics.
View in Google Scholar
Cotis, J.-P., Elmeskov, J., & Mourougane, A. (2004). Estimates of potential output : Benefits and pitfalls from a policy perspective. In L. Reichlin (Ed.), The euro area business cycle stylized facts and measurement issues (pp. 35–60). London: Centre for Economic Policy Research.
View in Google Scholar
Daba, N., Keungne, K., & Mounkala, E. (2016). Estimation de l’écart de production et Inflation dans la CEMAC. (BEAC Working Paper No. 07/16, 1–29.
View in Google Scholar
Damette, O., & Rabah, Z. (2010). La datation du cycle français : une approche probabiliste. Revue Française d’Économie, 24(4), 135–163.
View in Google Scholar
Destais, G., Lecuyer, C., Mazzi, G. L., & Savio, G. (2005). L’estimation du produit potentiel et de l’écart de production de la zone euro basée sur un modèle VAR structurel. European Communities, 36.
View in Google Scholar
Diop, P. L. (2000). Estimation de la production potentielle de l’UEMOA. Dakar: BCEAO, Notes d’Information Statistiques.
View in Google Scholar
Durbin, J., & Koopman, S. J. (2012). Time series analysis by state space methods. Oxford: Oxford University Press.
View in Google Scholar
Ferrara, L. (2009). Caractérisation et datation des cycles économiques en zone euro. Revue Économique, 60(3), 703–712.
View in Google Scholar
Göran, H., & Kristian, J. (2010). In search of a method for measuring output gap in Swedish economy. National Institute of Economic Research, 183.
View in Google Scholar
Heba, S. (2011). Estimation of Egypt’s potential output and output gap. (Euroindicators Working Papers, 1–25).
View in Google Scholar
Kabuya Kalala, F., & Tsasa V. Kimbambu, J.-P. (2012). Essai d’estimation du PIB potentiel de la République Démocratique du Congo par le filtrage univarié de Hodrick-Prescott. Laboratoire d’Analyse-Recherche en Économie Quantitative, 11–28.
View in Google Scholar
Kuttner, K. N. (1994). Estimating potential output as a latent variable. Journal of Business & Economic Statistics, 12(3), 361–368.
View in Google Scholar
Laxton, D., & Tetlow, R. (1992). A simple multivariate filter for the measurement of potential output. Ottawa: Bank of Canada.
View in Google Scholar
Lequien, M., & Montaut, A. (2014). Croissance potentielle en France et en zone euro: un tour d’horizon des méthodes d’estimation. (Document de travail, INSEE, 4–47).
View in Google Scholar
Litterman, R. B. (1986). Forecasting with Bayesian vector autoregressions-five years of experience. Journal of Business & Economic Statistics, 4, 25–38.
View in Google Scholar
Nehru, V., & Dhareshwar, A. (1993). A new database on physical capital stock: Sources, methodologies and results. Revista de Análisis Económico, 8(1), 37‒59.
View in Google Scholar
Pybus, T. (2011). Estimating the UK’s historical output gap. (OBR Working Paper No. 1).
View in Google Scholar
Ravn, M., & Uhlig, H. (2002). On adjusting the Hodrick-Prescott filter for the frequency of observations. The Review of Economics and Statistics, 84(2), 371‒375.
View in Google Scholar
Sene, S. M., & Thiaw, K. (2011). La production potentielle du Sénégal : une approche mixte fonc- tion de production-DGSE. Dakar: Direction de la Prévision et des Études Économiques. Sims, C. A., & Zha, T. (1998). Bayesian methods for dynamic multivariate models. Inter- national Economic Review (Symposium on Forecasting and Empirical Methods in Macroeconomics and Finance), 39(4), 949–968.
View in Google Scholar
Soumare, A. (2016). Évaluation de l’écart de la production de l’UEMOA à l’aide du filtre de Hodrick et Prescott corrigé. Revue d’Économie Théorique et Appliquée, 6(1), 1–16.
View in Google Scholar
Stock J. H., & Watson M. W. (2008). Phillip’s curve inflation forecasts. National Bureau of Economic Research, 1–84.
View in Google Scholar
Waggoner, D. F., & Zha, T. (2003). A Gibbs sampler for structural vector auto-regressions, Journal of Economic Dynamics & Control, 28, 349–366.
View in Google Scholar
Watson, M. W. (1986). Univariate detrending methods with stochastic trends. Journal of Monetary Economics, 18(1), 49–75.
View in Google Scholar
Téléchargements
Publiée
Numéro
Rubrique
Licence
(c) Copyright Poznań University of Economics and Business 2021
Ce travail est disponible sous la licence Creative Commons Attribution 4.0 International .
