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

Auteurs

  • Thierno Thioune Université Cheikh Anta Diop de Dakar, Sénégal; Laboratoire d ’ Analyse, de Recherche et d ’ Étude du Développement Centre de Recherches Economiques Appliquées Faculté des Sciences Economiques et de Gestion https://orcid.org/0000-0002-6344-2602

DOI :

https://doi.org/10.18559/rielf.2021.2.4

Mots-clés :

output gap, inflation, filtre de Kalman, VAR structurel bayésien, UEMOA

Résumé

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

Les données relatives au téléchargement ne sont pas encore disponibles.

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

2021-12-30

Numéro

Rubrique

Article scientifique

Comment citer

Thioune, T. (2021). 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. La Revue Internationale Des Économistes De Langue Française, 6(2), 77-105. https://doi.org/10.18559/rielf.2021.2.4

Articles similaires

1-10 sur 184

Vous pouvez également Lancer une recherche avancée de similarité pour cet article.