Math. Sci. hum / Mathematics and Social Sciences (46e anne, n 182, 2008 (2), p.

47-62)

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE : UNE APPROCHE PAR LES MODLES VECTORIELS AUTO-RGRESSIFS (VAR) ET LEURS EXTENSIONS DYNAMIQUES Vronique MEURIOT1

RSUM La prise en compte de la dynamique dans les systmes conomiques est un lment primordial du concept de causalit en conomie. Depuis les annes quatre-vingt, l'conomtrie semble se livrer une importante investigation multidirectionnelle, sous limpulsion dun constat d'chec relatif des modles macroconomtriques prvisionnels dans les annes soixante-dix. Nous proposons une rflexion pistmologique sur l'intrt et la lgitimit de l'volution de la macroconomtrie contemporaine, notamment dans le domaine de la modlisation non structurelle. Il est fait rfrence aux extensions possibles des modles VAR, ainsi quaux nouvelles mthodes de modlisation macroconomtriques. MOTS-CLS Causalit, Cointgration, Dynamique, Mthodologie, Modles VAR, Modlisation non structurelle SUMMARY Methodological reflexions on non structural modelling: an approach by VAR models and their dynamic extensions Considering the dynamics in economic systems is a central element of the causality concept in economics. Since the Eighties, econometrics seems to be devoted to an important multidirectional investigation, brought about by the acknowledgement of the relative failure of the estimated macroeconometric models in the Seventies. We propose an epistemological reflexion on the interest and the legitimacy of the evolution of contemporary macroeconometrics, in particular in the field of non structural modelling. It refers to the possible extensions of the models VAR but also to the new macroeconometric methods. KEY-WORDS Causality, Cointegration, Dynamics, Methodology, Non Structural Modelling, VAR Modelling

En rompant avec le paradigme unitaire dterministe qui domine le raisonnement conomtrique jusque dans les annes vingt [Le Gall, 1995, 2002 ; Armatte, 1995, 2005], la Cowles Commission introduit un paradigme structurel qui fera acte jusque dans les annes soixante-dix en produisant des modles explicatifs qui sappuient sur la statistique inductive probabiliste. Cest ce que lon nommera conomtrie classique ou conomtrie structurelle . Ces recherches aboutiront des travaux de modlisation macroconomtriques dinspiration keynsienne, qui donneront naissance toute une myriade de maquettes utilises par les pouvoirs publics amricains afin de prvoir les
1

Centre de coopration Internationale en Recherche Agronomique pour le Dveloppement (CIRAD), dpartement environnements et socits, UMR MOISA, TA C-99/15, 34398 Montpellier cedex 5, veronique.meuriot@cirad.fr

48

V. MEURIOT

objectifs de politique conomique. De Vroey et Malgrange [2006, p. 7] en donnent une description synthtique :
Ces modles macroconomiques sinspiraient la plupart du temps dun mme noyau structurel thorique, la version keynsienne du modle IS-LM. Ce noyau tait ensuite enrichi par des considrations dynamiques, dont ladjonction de mcanismes daccumulation du capital et de progrs technique inspirs par la tradition de la thorie de la croissance la Solow, alors le modle prototype de la thorie noclassique. Des lments dajustements des prix et des salaires taient aussi introduits, mais dune manire partielle de telle sorte que les excdents doffre continuaient prvaloir. En consquence, le systme tait perptuellement dans un rgime de fonctionnement keynsien , dexcs doffre sur les marchs des biens et du travail []. Faisant lobjet dun trs large consensus, ces modles ont rgn sans partage sur le monde conomique jusquau milieu des annes 1970.

En 1972, Lucas attire lattention sur linefficacit des interventions tatiques en raison dun processus danticipation rationnelle2 des agents conomiques qui ont pour consquence daltrer les effets des mesures de politique conomique et donc de dstabiliser les rsultats des prvisions conomtriques. Comme lindiquent Lardic et Mignon [2002, p. 83] :
[] ces modles macroconomtriques [dinspiration keynsienne] souffrent dun certain nombre dinsuffisances, telles que : - restrictions a priori trop fortes sur les paramtres par rapport ce que prdit la thorie, - absence de tests srieux sur la structure causale, - traitement inadquat des anticipations.

De Vroey et Malgrange [2006] nhsitent pas parler de rvolution scientifique la Kuhn pour qualifier cette rupture dans la macroconomtrie, introduite par Lucas. Paralllement cette volution de lconomtrie, lanalyse temporelle mathmatique saffine. Ainsi, depuis les travaux de Yule [1927] sur le concept dintgration des chroniques, lintrt port lanalyse des sries temporelles na cess de crotre. Sur la base des travaux de Box et Jenkins [1976] puis de Fuller [1976], lanalyse dynamique des sries temporelles connat un grand essor. Tout dabord, Granger [1969] introduit le concept de causalit en conomtrie. Il en donne les contours suivants :
La dfinition de la causalit est entirement fonde sur la prdictabilit de certaines sries, Xt par exemple. Si une srie Yt contient dans ses valeurs passes une information qui amliore la prdiction de Xt et si cette information nest contenue dans aucune autre srie utilise pour calculer le prdicteur, alors on dit que Yt cause Xt [Granger 1969, p. 430)].

En 1972, Sims alors membre du National Bureau of Economic Research, organisme en marge de la Cowles Fundation dplace le concept de causalit de Granger dans le temps en introduisant la valeur du futur. Il intgre les valeurs prdictives pour mesurer les relations causales entre les variables, et donne une nouvelle dfinition de la causalit qui sappuie sur les valeurs prvues :
Y ne cause pas X si et seulement si les valeurs futures de Y t ne peuvent servir prvoir Xt .

Il sappuie notamment sur les travaux de Muth [1961]. Le lecteur intress pourra se reporter Walliser [1985, p. 23].

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

49

La nuance entre les deux concepts est sensible : en considrant ce nouvel espace temporel, Sims introduit la possibilit dune causalit naissant linstant t. Par cette nouvelle posture dans la conception de la causalit, Sims [1980] peut alors dvelopper un nouveau champ de modlisation, non structurel, la modlisation vectorielle auto-rgressive. Dans le mme temps, Granger [1981] sintresse la dcomposition des sries temporelles entre tendance longue et perturbations de court terme et btit la thorie de la cointgration. Voici le substrat dune nouvelle conomtrie , non structurelle et empreinte de la dimension dynamique des systmes.
L'APPORT DE L'CONOMTRIE NON STRUCTURELLE...

Bien que les dnominations conomtrie structurelle et conomtrie non structurelle semblent antagonistes, elles apparaissent relativement complmentaires au plan mthodologique. Ce que l'on dfinit par non structurel en conomtrie est simplement un domaine d'investigation dans lequel les quations structurelles sont abandonnes ; on s'intresse strictement aux interrelations et interactions entre les variables. Cette dmarche est intressante lorsqu'on recherche les causes de l'apparition d'un phnomne ou encore lorsqu'on veut identifier des dysfonctionnements systmiques. Plus gnralement, le recours l'conomtrie non structurelle est intressant lorsque la thorie n'est pas suffisamment avance ou que le domaine de recherche est sous-tendu par un fort degr d'autonomie entre les variables, comme en politique conomique3. L'conomtrie non structurelle n'est pas considrer comme une mthodologie agressive au sens de Blaug [1992], qui se voudrait suprieure l'conomtrie structurelle et exclusive. Elle constitue bien plutt une autre voie de recherche. La mfiance des conomistes son gard, et notamment quant aux jugements ports sur les premiers travaux de Sims sur la justification dune modlisation vectorielle auto-rgressive [1980], rsulte essentiellement d'une mauvaise interprtation des termes non structurel . L'absence de relations structurelles ne doit pas s'entendre comme une absence de thorie conomique sous-jacente. Il sagit de privilgier une modlisation descriptive par rapport une modlisation thorique telle que pratique jusque dans les annes soixante-dix. Elle n'est donc pas substituable l'conomtrie structurelle. Le domaine non structurel devrait logiquement confirmer les rsultats apparus dans l'investigation structurelle : nous donnons un exemple de cette proprit dans la seconde section de cet article. Ainsi, il nous semble justifi de nous intresser l'conomtrie non structurelle, et plus particulirement aux capacits de la modlisation vectorielle auto-rgressive. 1. LA MODLISATION DYNAMIQUE NON STRUCTURELLE : UNE CONTRIBUTION NON NGLIGEABLE La critique majeure formule l'encontre de l'conomtrie classique4 est clairement rsume par Meidinger (1994) :
Dans la littrature conomtrique, la manire privilgie de rendre identifie la structure d'un modle a bien souvent t obtenue par l'criture d'quations structurelles desquelles un nombre suffisant de variables sont exclues.

3 4

Cf. Malinvaud [1991, p. 458]. Nous qualifions d'conomtrie classique les techniques de modlisation quations simultanes, utilises par la Cowles Commission.

50

V. MEURIOT

Comme nous l'avons voqu prcdemment, les techniques de modlisation quations simultanes sont prjudiciables la fois l'conomtrie et l'conomie ds lors qu'elles prtendent produire des hypothses fondamentales. Dans ce cas, toute l'attention est porte sur la cohrence mathmatique au dtriment de l'analyse conomique. Comme le soulignent Koopmans et Reiersol [1950], les restrictions doivent tre uniquement imposes par la thorie et surtout pas par le scientifique qui voudrait valider un modle esthtique . Dans une priode plus rcente Sims, alors membre du National Bureau of Economic Research (institution rivale de la Cowles Commission aux Etats-Unis) dnonce cette pratique qui consiste introduire beaucoup trop d'hypothses et de contraintes non testes pour atteindre l'identification mathmatique des modles. En 1980, il labore une thorie partir de modles vectoriels auto-rgressifs (VAR). L'objectif de ce nouveau type de modlisation est de proposer une description des interactions existant parmi les composantes d'un phnomne conomique. Ds lors apparat un nouveau champ de modlisation, bas strictement sur l'observation empirique mais ne ncessitant plus d'exclusions et de manipulations a priori des variables. La motivation de Sims, clairement avoue dans son article de 1980, est incontestablement le retour vers plus d'empirisme afin de ne plus avoir supporter de contraintes subjectives pour atteindre l'identification des modles, mais redonner la priorit l'conomique.
LE MODLE VECTORIEL AUTO-RGRESSIF (VAR)

Au plan statistique, un modle VAR fait intervenir des variables, traites de faon symtrique sans condition d'exclusion ou d'exognit et avec la mme longueur de retard pour chacune. La forme la plus simple est celle du modle VAR non contraint (Unrestricted Vector Auto-regressive : UVAR), dont l'criture est :
( p) ( p) (1) (1) Y1t = f11 Y1,t -1 +... + f11 Y1,t - p +... + f1 n Yn , t -1 +... f1n Yn , t - p + e1t

:
( p) ( p) 1) (1) Ynt = f ( n1 Y1, t -1 +... + f n1 Y1, t - p +... + f nn Yn , t -1 +... + f nn Yn , t - p + e nt (2)

o n : nombre de variables du modle, p : nombre de retards, f ij : coefficients des variables du modle de la matrice polynomiale F (p) dans l'oprateur de retard, e t : processus bruit blanc. Monfort [1990, p. 3] en a donn une criture plus synthtique sous la forme rduite :
Yt = F * ( L ) Yt + e t

(3)

o F *(L) est la matrice de taille (n,n) des coefficients f ij telle que F (L) = F *(L) - I dans l'criture auto-rgressive, avec F (L)Yt = e t o F (L) est une matrice de taille (n,n) de polynmes de retard en L de degr p. Les critures (2) et (3) expriment qu'un phnomne conomique particulier (Y1t) est tudi en fonction de ses valeurs passes (Y1,t-1,...,Y1,t-p) et du pass d'autres variables (Y2,t1,...,Y2,t-p; Y3,t-1,...,Y3,t-p; Yn,t-1,...,Yn,t-p). L'originalit de ce modle est de ne pas contenir de variables purement exognes :

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

51

- il est compos d'autant d'quations qu'il y a de variables slectionnes, - chaque variable est endogne dans son quation gnrique et est alors dtermine par son pass et celui des (n-1) autres variables. Le rsultat d'un tel modle est de reprer les interactions existant entre les diffrentes composantes d'un phnomne conomique. L'analyse des coefficients de rgression nous indique le sens de la causalit entre deux variables lorsqu'elle existe, et l'ampleur de la dynamique temporelle : 5 - lorsque, par exemple, Y1,t est cause par Y4,t-5 (dans ce cas f 14 est significativement diffrent de 0), on peut vrifier la nature du lien de causalit, ici unidirectionnelle, puisque c'est une ralisation de Y4 cinq priodes auparavant qui a influenc la valeur contemporaine de la variable Y1, - de la mme faon, lorsque Y1,t est cause par Y4,t-5 alors la raction de la variable Y1 se produit cinq priodes plus tard ; nous obtenons ici une expression de la dynamique d'un processus partir de ses composantes. Une information originale L'intrt de la modlisation non structurelle, telle qu'elle est exploite dans un modle VAR, a pour objectif principal de rvler un ensemble de relations causales au sens de Granger [1969], comme le soulignent Fackler et Krieger [1986]. Elle se diffrencie de la modlisation classique parce qu'elle exploite sans contrainte tous les liens de causalit entre les composantes d'un phnomne, et ce dans un espace temporel. La modlisation VAR respecte la fois la dimension de mutation intrasystmique et la dimension temporelle que requiert l'investigation causale. Le modle VAR rapporte des liens de causalit apparus au cours d'une priode donne (la longueur de retard p slectionne) et dans les n directions possibles (chaque variable est endogne dans une quation du modle). La combinaison de ces deux aspects, sous lesquels l'information causale est rvle, doit nous permettre de mieux discerner entre causes fictives et causes relles : - par exemple, lorsqu'une relation causale de faible amplitude apparat unidirectionnellement dans le temps et une seule fois dans l'volution dynamique du systme, alors l'analyste doit s'interroger sur la pertinence de cette relation : soit la priode de temps est trop courte pour laisser entrevoir une cyclicit dans la relation causale, soit un vnement extrieur sans lien conomique avec le phnomne tudi a produit une valeur aberrante de la variable causale une priode particulire (dans ce cas il y a identification d'une cause fictive), - ou encore, l'analyse symtrique et multidirectionnelle des relations causales mises en exergue dans le modle, relate un ensemble causal non contraint contrairement celui rvl par la modlisation classique structurelle. Ce plus grand degr de libert dans l'espace multidimensionnel des relations causales contribue optimiser la connaissance conjecturale. Au regard de la qualit de l'ensemble thorique, il semble que le cheminement optimal de l'conomiste doit consister en une confrontation des relations causales issues des deux types de modlisation, structurelle (MS) et non structurelle (MNS). Alors toute causalit rvle simultanment par les deux modles est vraie (CR) ; les causalits apparues dans la modlisation non structurelle uniquement (ID) sont exploiter dans l'analyse dynamique du phnomne tudi ; les causalits apparues uniquement dans la modlisation structurelle (CF) doivent tre reconsidres comme causes fictives dans un premier temps, une investigation dans la thorie conomique devant permettre de distinguer la nature effective de cet ensemble de causes :

52

V. MEURIOT

FIGURE 1. L'apport causal de la modlisation non structurelle

D'aprs ce graphique, le sous-ensemble CR constitu par l'intersection des deux types de modlisation (MS MNS) rationalise et augmente directement le contenu de l'ensemble thorique, et surtout le corps des hypothses structurelles ; il y a enrichissement de la qualit et de la quantit de connaissance conjecturale, dans un premier temps tout du moins. 2. AUTOUR DE LA NOTION DE STATIONNARIT L'intrt de la modlisation non structurelle de type VAR ne se limite pas l'optimisation des relations causales. Il est possible d'identifier au moins deux autres sources d'information propices l'extension de la connaissance conjecturale, voire thorique. La premire constitue une investigation prliminaire la modlisation, tandis que la seconde rside dans une exploitation dynamique des rsultats du modle. Ces deux extensions, en amont et en aval du modle VAR, sont gnres par l'unique contrainte qu'impose ce type de modlisation : la stationnarit des sries temporelles slectionnes. La modlisation VAR ne peut mettre en exergue des relations linaires entre plusieurs variables que si ces dernires sont stationnaires au plan statistique ; ici la stationnarit fait rfrence un ordre d'intgration5 nul dans les parties saisonnires et non saisonnires des processus. Cette contrainte tend s'assouplir grce la poursuite des recherches dans ce domaine. La recherche de stationnarit dans les sries temporelles s'avre tre un lieu d'information consquent sur le phnomne tudi ; au-del de la simple procdure mathmatique de stationnarisation (qui se rsume appliquer le filtre de diffrenciation adquat qui produira une forme stationnarise d'une chronique originale), la non stationnarit initiale des sries temporelles renseigne sur la nature du ou des processus gnrateurs des variables considres individuellement. Ds 1927, Yule labore une thorie de l'intgration ; il s'agit d'tudier l'influence du temps sur l'volution d'un processus. Un processus intgr est par dfinition non stationnaire, ce qui confre une structure infinie de sa variance. Le but de la stationnarisation est de stabiliser relativement un processus initial qui ne l'est pas. En supprimant l'influence du temps, on peut tudier l'volution temporelle
5

Les travaux les plus marquants dans ce domaine sont ceux de Dickey et Fuller [1979, 1981] ; de nombreuses extensions ont t proposes par exemple dans le cas non paramtrique [Phillips, Perron, 1988], l'approche polynomiale [Ouliaris, Park, Phillips, 1989] ou encore l'approche saisonnire [Hylleberg, Engle, Granger, Yoo, 1990].

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

53

relle du processus. Ainsi, on limine l'influence qu'ont les ralisations prcdentes sur la ralisation contemporaine d'un processus pour ne conserver que le(s) processus gnrateur(s) autre(s) que temporel(s) du processus tudi ; on se rapproche donc d'une recherche de causalit exogne. Les inconvnients gnrs par la non stationnarit des sries temporelles sont au nombre de trois au moins : - une perte d'information : si la chronique est absorbe en partie par le facteur temps, des causes rellement significatives risquent d'apparatre fortement diminues, voire ngligeables ; l'limination du voile temporel apure la variable considre et la rvle sous son vritable aspect causal ncessaire sa comprhension au plan conomique, - l'apparition de rgressions fallacieuses : si le facteur temps travestit la nature du processus, alors l'estimation risque d'tre dforme, - une difficult valuer les retards : si l'influence du temps n'est pas supprime, elle risque de fausser l encore la spcification exacte du processus auto-rgressif intrinsque la chronique. Ces trois motifs suffisent justifier la procdure de stationnarisation des sries temporelles, surtout lorsqu'elles doivent participer ensuite un travail de modlisation et d'estimation. Cette procdure peut s'avrer relativement informative pour l'conomiste.
CONCEPT DE COINTEGRATION ET ATTRACTEUR

C'est en 1964 qu'apparat pour la premire fois le terme de cointgration, dans les travaux de Sargan. Ses recherches autour des processus non stationnaires sont guides par l'intrt de dcomposer ces processus en une tendance longue d'une part, et permettre d'isoler les alas et autres perturbations transitoires d'autre part. En 1986, Granger produira une vritable thorie de la cointgration. L'apport essentiel de Granger et Engle [1987] est de proposer une amlioration dans la recherche de techniques de modlisation dynamique des processus conomiques. Dans la ralit conomique les phnomnes purs (sans lien de causalit exogne, inductive ou dductive) n'existent quasiment pas ; la ralisation contemporaine des phnomnes est en partie une rponse, ou une consquence, d'interactions entre plusieurs processus conomiques. (1) On entend par cointgration la possibilit de raliser une combinaison linaire entre deux ou plusieurs sries6 intgres du mme ordre, cette combinaison devant aboutir une nouvelle variable fictive d'un ordre d'intgration infrieur. La cointgration permet de dcomposer un phnomne (de nature bivarie car il est compos des processus Yt et Xt) en : - une relation de long terme ou d'quilibre (composante tendancielle encore appele cible ), - une relation de court terme ou conjoncturelle. Soit les processus alatoires Yt et Xt intgrs d'ordre d : Yt I(d) et Xt I(d)
6 Nous ne considrons ici que la cointgration multivarie qui est la seule qui puisse apparatre dans un modle VAR, les sries ayant t pralablement stationnarises.

54

V. MEURIOT

avec D dYt I(0) et D dXt I(0) o D d est le filtre de diffrenciation de Yule qui permet de stationnariser ces processus. S'il existe une nouvelle srie Zt telle que : Zt = Yt - b'Xt Zt I(b), b < d alors Yt et Xt sont dits cointgrs et Zt s'interprte comme l'cart l'quilibre. En effet, Zt s'annule lorsque Yt - b'Xt est sur la trajectoire d'quilibre de long terme. Le graphique suivant reprsente une relation de cointgration bivarie : (3)

FIGURE 2. Cointgration bivarie

La droite d'quation Yt - b'Xt = 0 reprsente la relation de long terme ou cible ; la zone entre la courbe (d'quation Yt - b'Xt 0) et la droite (d'quation Yt - b'Xt = 0) symbolise l'espace dans lequel le systme (Yt, Xt) volue sous l'influence de la relation conjoncturelle qui perturbe l'quilibre recherch. Bien videmment, l'analyste ne doit mener une tude de cointgration qu'entre des processus significativement connexes au plan de la thorie conomique. Cette recherche aboutira l'identification de formes fortes l'intrieur d'un phnomne. Par ailleurs, si lors de l'tude d'un phnomne compos de plusieurs variables distinctes, on stationnarise individuellement celles-ci, on s'expose au problme d'une (multi)colinarit : des variables obissant une relation de cointgration ont une mme tendance de long terme ; celle-ci demeure en l'tat aprs la stationnarisation dont le but est de supprimer les interfrences temporelles. Par consquent, lors de la modlisation, ces variables apparatront (multi)cointgres et feront chouer l'estimation du modle. L'un des avantages qu'apporte la recherche de relations de cointgration est d'unifier un mme comportement volutif entre plusieurs variables l'intrieur d'un phnomne, puisque des sries cointgres tendent vers un mme quilibre de long terme. De plus, il est important de constater que les sries cointgres7 sont asymptotiquement quivalentes aux sries de dpart puisque la variable cointgrante (Zt) conserve l'information de long terme ; seules les perturbations conjoncturelles ont t supprimes.

Les relations de cointgration dans un modle VAR ne peuvent tre que dterministes ; si elles apparaissent sur la partie stochastique des processus, alors nous sommes en prsence d'une multi cointgration, c'est--dire qu'il existe plusieurs niveaux de cointgration entre eux (cf. [Granger, Lee, 1989]).

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

55

(2) Granger et Hallman [1991] ont poursuivi leurs recherches dans le domaine de la cointgration ; ces travaux les ont conduits prolonger logiquement le concept de cointgration par la notion d'attracteur des sries temporelles. Ils dfinissent un attracteur (ou une zone d'attraction) comme un point (ou un espace) vers lequel une ou plusieurs sries convergent. Effectivement, des sries cointgres sont rgies par une mme relation de long terme. L'attracteur est dfini par la variable Zt : lorsque Zt = Yt - b'Xt - si Zt = 0 alors l'attracteur est un point, ou plus exactement l'ensemble des points formant la droite d'quilibre du systme cointgr, - si Zt 0 alors l'aire constitue par l'cart entre Zt = 0 et Zt 0 reprsente la zone d'attraction du systme. L'attracteur est une mesure de la vitesse de convergence d'un processus vers son quilibre de long terme. Cette notion est intressante pour la prvision. Intuitivement, l'attracteur d'un phnomne dcrit le sentier d'volution long terme ; la prvision optimale attendue est la ralisation future du phnomne sur l'attracteur, autrement dit sur la droite d'quilibre Yt - b'Xt = 0. Cette notion est une forme potentielle de l'tude causale. S'il existe un attracteur dans un phnomne, il existe de facto un lien de causalit puissant entre le phnomne et l'attracteur. Cependant, il ne peut s'agir que d'une causalit unidirectionnelle : l'attracteur est une cause de l'volution du phnomne, la rciproque n'existe pas. Le concept de cointgration et la notion d'attracteur sont des nouvelles directions exploiter dans l'optimisation et la rationalisation de la modlisation VAR en particulier, et de la modlisation dynamique en gnral. Ces rcents approfondissements dans l'analyse du comportement dynamique des processus conomiques permettent de progresser dans l'investigation causale partir de l'infrence statistique en conomie. Ces recherches contribuent pleinement faire progresser la connaissance conjecturale et l'ensemble de la connaissance thorique en proposant une nette amlioration de la comprhension volutive des processus conomiques.
UN PROLONGEMENT DYNAMIQUE

Ce que l'on recherche au terme d'une modlisation dynamique c'est incontestablement la ou les directions d'volution d'un phnomne. L'aboutissement d'un modle VAR doit nous conduire vers un prolongement mthodologique capable d'identifier les orientations volutives d'un systme. Ce modle prsente l'criture d'un systme conomique partir des coefficients auto-rgressifs ; ces derniers retracent l'historique du phnomne. Une telle formalisation mathmatique se prte particulirement une tude des chocs transitoires. Si, comme nous le prconisons, l'estimation du modle VAR a t ralise aprs identification et suppression de toutes les relations de cointgration dterministes, alors non seulement le modle est stationnaire mais il assure de plus la convergence des estimateurs et l'indpendance des rsidus du modle (comme le soulignent Johansen & Juselius, [1990]), la non rduction des relations de cointgration occulte fortement l'indpendance des rsidus du modle ; de ce fait, l'estimation du modle VAR par la technique des moindres carrs ordinaires a toutes les chances d'chouer, de faire muter artificiellement le systme dans une direction errone). Il devient possible de retranscrire un modle VAR en faisant apparatre les multiplicateurs dynamiques du systme. C'est sur ces lments que repose l'tude des chocs. Lutkepohlet Reimers [1992, p. 55] donnent la dfinition suivante des multiplicateurs dynamiques. Soit l'criture VAR :

56

V. MEURIOT

Yt = A1Yt -1 +... + A p Yt - p + u t

(4)

o Yt = (Y1t,...,Ykt)' A : matrice polynomiale de taille (k,k) des coefficients du modle, sous la normalisation A0 = Ik, alors les multiplicateurs dynamiques sont donns par :
n

F n = F n - jA j = ( f ik , n )
j=1

(5)

avec F 0 = Ik Aj = 0 pour j > p, f ik,n : (ik)me lment de la matrice F n, et reprsente la rponse de la variable Yi un choc unitaire sur la variable k, n priodes auparavant. Cette nouvelle formalisation, partir des multiplicateurs dynamiques, produit un cadre d'analyse propice mener une tude de la propagation des chocs dans le modle VAR. Le choc est artificiellement introduit dans une structure afin d'analyser l'importance des perturbations provoques lors d'une modification-type (gnralement d'une unit) d'une des variables du modle. L'analyste peut ainsi reprer les points de dstabilisation du systme et surtout valuer leur incidence tant en statique ( une priode donne) qu'en dynamique (sur plusieurs priodes). L'tude des chocs sur une structure de type VAR renforce l'analyse de la sensibilit des variables entre elles. Deux grands axes d'interprtation et d'information apparaissent : * les fonctions de rponse impulsionnelle : elles sont directement issues des multiplicateurs dynamiques. Ce sont les lments (f ik,n) de la matrice F n qui incarnent les fonctions de rponse ; lorsque l'analyste introduit volontairement une modification unitaire sur les innovations, les nouvelles valeurs des lments (f ik,n) constituent les fonctions de rponse impulsionnelle. En dfinitive, la matrice F n est une matrice finie reprsentative des effets de long terme ; ses lments, (f ik,n), sont des indicateurs de dpendance marginale temporellement cumuls). Les fonctions de rponse impulsionnelle nous informent sur les volutions directionnelles des variables d'une part, et sur l'ampleur de ces dviations d'autre part. la dcomposition de la variance de l'erreur de prvision : on peut galement apprhender la direction et l'ampleur de l'volution d'un systme d'aprs les carts de prvision attendus. On analyse les lments (w ik,n), semblables aux multiplicateurs dynamiques (f ik,,n) :
w ik ,n = q 2 ik , n / MSE i ( h )
n=0 h -1

(6)

avec MSEi(h) : ime lment diagonal de la matrice MSE(h),

MSE ( h ) = W u + F n W u F 'n
n =1 h -1

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

57

o W u est la matrice des variances-covariances rsiduelle du modle. La matrice MSE(h) est donc la matrice de l'erreur quadratique moyenne de la prvision optimale la hme tape du processus Yit (Y1t,...,Ykt). Il s'agit ici d'une analyse de la dformation d'un systme par comparaison entre les rsultats de la prvision naturelle et ceux obtenus aprs l'introduction d'un choc unitaire sur les innovations. L'information est cependant moins dtaille que celle produite par les fonctions de rponse impulsionnelle ; il s'agit d'une information globale pour l'ensemble du modle. Quel que soit le type d'analyse des chocs utilis, il convient d'effectuer autant d'estimations qu'il y a d'quations dans le modle VAR. De ce fait, nous aurons une connaissance polymorphe du systme et nous apportons un lment de rponse l'une des proccupations de Pagan [1987, p. 18)] :
[ l'exception de la premire variable retenue dans l'ordre causal instantan] il est difficile de fournir une interprtation significative des innovations orthogonalises.

L'tude des chocs affine le concept thorique de rponse des fonctions impulsionnelles en conomie. Ralise sur un modle VAR, de type non structurel, elle dispense une information prcieuse pour l'application des politiques conomiques comme le souligne Malinvaud [1991, p. 458] :
Lorsque les variables d'intervention de la politique conomique sont considres comme exognes (autonomes), alors la forme structurelle n'a plus d'intrt, seules les ractions entre variables sont observer.

Dans ce cas prcis, une investigation du type de celle que nous venons de prsenter s'avre particulirement adquate. Incontestablement, les extensions en amont (recherche des relations de cointgration et attracteur) et en aval (tude des chocs) contribuent augmenter la pertinence de ce type de modlisation non structurelle et enrichissent galement l'investigation dynamique en macroconomtrie. Des expriences concluantes ont t menes sur des marchs rglements de matires premires8. D'autres vrifications empiriques dans le domaine de la politique conomique donneraient vraisemblablement une plus grande porte ce type de modlisation. Bien que ces techniques soient perfectibles, elles ne semblent pas souffrir d'lucubrations prjudiciables l'ensemble de la connaissance thorique de l'conomie. Elles participent bien plutt son extension partir d'une exploitation de la connaissance conjecturale des phnomnes conomiques. Elles produisent une source d'induction par la vrification d'hypothses. Par ailleurs, cette modlisation non structurelle offre de nouvelles perspectives d'investigation pour la comprhension du concept de causalit en conomie. Wold (cit dans [Paulr, 1985]) reconnat une supriorit aux modles dynamiques par comparaison aux modles statiques :
ils expliquent les phnomnes conomiques partir des forces qui sont sousjacentes leurs variations,

les modles statiques ne portant que sur l'tude de phnomnes au repos.

Cf. [Murcia, Terraza, 1995] sur le march du ptrole dans l'OCDE.

58

V. MEURIOT

LES INSUFFISANCES RELATIVES DES MODLES MTHODOLOGIQUES

VAR ET LES AUTRES DIRECTIONS

La plus grande faiblesse des modles VAR est de raisonner sur la seule structure linaire des phnomnes. Cependant, bien que les modles temporels non linaires aient t dvelopps ds le milieu du XXe sicle, il faut attendre les annes quatre-vingt pour voir apparatre leurs dveloppements : - Granger et Andersen [1978], Ozaki [1978] et Haggan, Ozaki [1981] notamment pour le traitement des processus non linaire en moyenne, - Engle [1982] pour le traitement des processus non linaires en variance. La prise en compte de la non linarit des sries permet de mieux dcrire la ralit conomique. Mais au-del dune structure non linaire des sries temporelles, des extensions ont galement port sur lexistence dune mmoire effective des phnomnes qui conditionnerait les relations causales et influencerait leurs ralisations contemporaines. Lardic et Mignon [1996, 2002, 2006] retracent partir des sries financires lvolution rcente des sries temporelles. Nous pourrions galement noter les extensions du concept dattracteur de Granger et Hallman [1991] vers une conomtrie du chaos qui replace le dterminisme au cur du processus. Malinvaud [2006] dnonce les limites dune modlisation dynamique telle quelle est aborde par la modlisation VAR, mais sous un angle conceptuel. Aprs avoir tabli les conditions dans lesquelles cette mthodologie est apparue, il en expose les contributions [Malinvaud, 2006, p. 177] :
La mthodologie vectorielle auto-rgressive (VAR) permet de produire et dlaborer des faits styliss. Deux dveloppements assez rcents prolongent cette mthodologie vers lconomtrie du dsquilibre : les modles VAR structurels, comme lanalyse des sries temporelles soumis aux changements de rgime des dates inconnues. De tels nouveaux dveloppements sont prcieux, mais ils marquent une grande distance par rapport lconomtrie du dsquilibre telle que pratique vingt ans auparavant, o toute lattention tait porte sur les dsquilibres de march spcifiques.

Il conclut son article en voquant certaines limites de cette modlisation dynamique [Malinvaud, 2006, p. 179] :
Il ny a pas de possibilit dintroduire plus de dynamique dans les modles adapts, et la dynamique dpend de la nature du pass, du prsent, et peuttre aussi des anticipations du futur, des dsquilibres.

Il semble cependant que le nouveau courant macroconomtrique des Modles dquilibre Gnral Calculable (MEGC) et son extension Gnrations Imbriques (MEGCGI) soient une rponse au moins partielle. Le Cacheux et Touz [2002] proposent une synthse trs complte des MEGCGI. Ces modles proposent une description des effets de politique conomique ainsi que leffet gnrationnel (vieillissement) sur la population. Ils utilisent des donnes microconomiques et macroconomiques. Parmi les travaux de modlisation fondateurs, nous citerons lapplication lconomie amricaine de Auerbach et Kotlikoff [1987]. Ces modles produisent des maquettes enrichies dune dimension temporelle ; on peut ainsi introduire la prise en compte des anticipations sur les mesures de politique conomique. La valeur des paramtres est donne non pas par une estimation conomtrique, mais par un mcanisme dajustement de type ttonnement walrasien dans le temps. Ces paramtres doivent dcrire lorientation dune trajectoire

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

59

ayant pour origine ltat contemporain dune conomie, et pour (long)terme un tat dsir. Le Cacheux et Touz [2002, p. 101] soulignent certaines faiblesses mthodologiques de ces modles :
[] les valeurs des paramtres du modle sont fournies lissue dune procdure de calibrage et non pas laide destimations conomtriques. La thorie ne peut pas tre teste statistiquement : les moyens de validation ou de rejet du modle sont donc trs faibles et lon ne dispose pas des informations sur les intervalles de confiance que fournissent les tests conomtriques usuels.

Labsence dlments stochastiques dans la procdure des MEGC a t critique notamment par Sims [1996]. La technique dajustement par ttonnement est parfaitement dterministe, lobjectif est fix et le moyen de latteindre a perdu un bon nombre de degrs de libert. Dans ces conditions, il nest pas possible de tester la validit de la thorie injecte dans le modle.

Parce que l'conomie procde d'un domaine non observable en totalit, il est indispensable de porter un regard pistmologique sur la nature et le bien-fond de l'investigation conomtrique. S'il existe une lgitimit dans l'interfrence entre sphre conomique et sphre mathmatique, l'tape de la vrification s'avre indispensable ds lors que l'on pntre un domaine scientifique. La problmatique relative l'observation de l'chantillon comme unique source de connaissance, lgitime le processus de correction par itration. L'conomtrie fonde sa valeur dans la vrification. En ce sens elle renseigne la thorie conomique et peut l'orienter dans les directions poursuivre. Tout rsultat issu d'une modlisation "correcte" est riche en information. Au-del des simples bons rsultats statistiques qui confirment l'intuition de l'conomiste, d'autres rsultats a priori moins encourageants peuvent se rvler pertinents si l'analyste sait les interprter : - la non conservation des proprits d'un modle est un indicateur de l'volution (de la mutation) du phnomne conomique tudi. Cest une information de changement structurel, - la validit rduite d'un modle dans le temps et dans l'espace tmoigne galement de l'affinement conceptuel des analyses par rapport la thorie. Plus la recherche est dynamique, moins le modle est longtemps utilisable. Le modle devient de plus en plus spcifique ; il doit en revanche tre souple pour s'adapter ces volutions rapides de la thorie. Au-del des rsultats statistiques, lapproche conomtrique s'avre ncessaire mais non suffisante. Elle vite les dbordements conceptuels et contribue rationaliser l'investigation thorique de l'conomiste. Parce qu'elle teste de faon empirique les spculations intellectuelles, l'conomtrie est parcimonieuse. Mais son intrt ne se limite pas ce rle de garde-fou. Lconomtrie peut, de faon dductive, renseigner sur la nature et la formation des phnomnes conomiques. Le recours une conomtrie dynamique (oprant sur l'historique d'un processus) dispense une somme d'informations prcieuse sur la structure interne d'un phnomne et sur ses directions d'volution. La modlisation non structurelle a encore aujourd'hui quelques difficults s'affirmer comme courant complmentaire de l'conomtrie classique. Cependant, la thorie conomique, qui s'intresse de plus en plus aux imperfections du monde rel, devrait avoir recours au non structurel pour conceptualiser et vrifier. Il semble que cet outil, perfectible, soit un instrument efficace pour accompagner ces volutions conomiques. Mais faut-il maintenir un clivage entre conomtrie classique et conomtrie

60

V. MEURIOT

non structurelle ? Cette sparation n'est certainement pas aussi ncessaire qu'il y parat. La complmentarit des mthodes ne requiert pas leur isolement. Au plan mthodologique, nous retiendrons simplement qu'un bon instrument doit pouser la problmatique. Ce principe fondamental devrait suffire lgitimer l'existence du courant non structurel. BIBLIOGRAPHIE
ARMATTE M., Histoire du modle linaire. Formes et usages en statistique et en conomtrie, Thse,

Paris, EHESS, 1995. ARMATTE M., La notion de modle dans les sciences sociales : anciennes et nouvelles significations , Mathmatiques et Sciences humaines 172, 2005(4), p. 91-123. AUERBACH A., KOTLIKOFF L., Dynamic fiscal policy, Cambridge, Cambridge University Press, 1987. BLAUG M., La mthologie conomique, 2e dition, Paris, Economica, 1992. BOX G.E.P., JENKINS G.M., Time series anaysis: forecasting and control, [revised edition], San Francisco, Holden-Day, 1976. DE VROEY M., MALGRANGE P ., La thorie et la modlisation macroconomiques, dhier et daujourdhui , Working paper n 2006-33, Paris, Jourdan sciences conomiques, 32 p. DICKEY D.A., FULLER W.A., Distribution of estimates for auto-regressive time series with unit root , Journal of the American Statistical Association 74, 1979, p. 427-431. DICKEY D.A., FULLER W .A ., The likelihood ratio statistics for auto-regressive time series with unit root, Econometrica 49, 1981, p. 1057-1072. ENGLE R.F., Auto-regressive conditional heteroskedasticity with sstimates of the variance of United Kingdom inflation, Econometrica 50-4, 1982, p. 987-1007. FACKLER J.S ., KRIEGER S . C ., An application of vector time series techniques to macroeconomic forecasting, Journal of Business and Economic Statistics 4-1, 1986, p. 75-80. FULLER W.A., Introduction to statistical time series, New-York, John Wiley, 1976. GRANGER C . W . J ., Investigating causal relations by econometric models and cross methods, Econometrica 37(3), 1969, p. 424-438. GRANGER C.W.J., Some properties of time series data and their use in econometric model specification, Journal of Econometrics 16, 1981, p. 121-130. GRANGER C.W.J., Developments in the study of cointegrated economic variables, Oxford Bulletin of Economics and Statistics 4, 1986, p. 25-38. GRANGER C.W .J., ANDERSEN A . P ., An introduction to bilinear time series analysis , Gottingen, Vandenhoeck and Rupecht, 1978. GRANGER C.W .J., ENGLE R.F ., Co-integration and error correction: representation, estimation and testing, Econometrica 55-2, 1987, p. 251-276. GRANGER C.W .J., LEE T.H., Multicointegration, G.F. Jr Rhodes and T.B. Fomby (eds), Advances in econometrics: cointegration, spurious regressions and unit roots, New-York, JAI Press, 1989. GRANGER C.W.J., HALLMAN J., Long memory series with attractors, Oxford Bulletin of Economics and Statistics 53, 1991, p. 11-26. HAGGAN V., OZAKI T., A study of application modelling nonlinear random vibrations using an amplitude-dependent auto-regressive time series models, Biometrika 68, 1981, p. 189-196. HYLLEBERG S., ENGLE R.F., GRANGER C.W .J., YOO B.S., Seasonal integration and co-integration, Journal of Econometrics 44, 1990, p. 215-238. JOHANSEN S., JUSELIUS K ., Maximum likelihood estimation and inference in cointegration, with application to the demand for money, Oxford Bulletin of Economics and Statistics 52, 1990, p. 169210.

RFLEXIONS MTHODOLOGIQUES SUR LA MODLISATION NON STRUCTURELLE

61

KOOPMANS T.C ., Measurement without theory, T.C. Koopmans and W. Hood (eds), Studies in

Econometrics Methods, Cowles Commission Monograph 14, New Haven, Yale University Press, 1953, p. 112-131. KOOPMANS T .C ., REIERSOL O., The identification of structural characteristics, The Annals of Mathematical Statistics 21, 1950, p. 165-181. LARDIC S., MIGNON V., Dveloppements rcents de lanalyse conomique : XLIVe congrs annuel de lAssociation franaise de science conomique 1995 , Revue conomique 47-3, Mai 1996, p. 531-540. LARDIC S., MIGNON V., conomtrie des sries temporelles macroconomiques et financires, Paris, Economica, 2002. LARDIC S., MIGNON V., Lefficience informationnelle des marchs financiers, Paris, Repres, La Dcouverte, 2006. LE CACHEUX J., TOUZE V., Le modle dquilibre Gnral Calculable Gnrations Imbriques : enjeux, mthodes et rsultats , Revue de lOFCE 80, 2002, p. 87-113. LE GALL P ., Lastronaute, le cavalier et lhrtique : lhistoire de lconomtrie et lhistoire des sciences , conomies et Socits, Economia, Histoire de la pense conomique, Srie P.E. 24, 1995, p. 61-95. LE GALL P., Les reprsentations du monde et les penses analogiques des conomtres : un sicle de modlisation en perspective , Revue dHistoire des Sciences Humaines 6, 2002, p. 39-64. LUCAS R.E., Expectations and the neutrality of money, Journal of Economic Theory 4, p. 103-124. LUTKEPOHL H., REIMERS H . E ., Impulse response analysis of cointegrated systems, Journal of economics dynamics and control 16, 1992, p. 53-78. MALINVAUD E., Voies de la recherche macroconomique, Paris, ditions Odile Jacob, 1991. MALINVAUD E., Disequilibrium econometrics: 25 years later, Statistica Neerlandica 60-2, 2006, p. 171180. MEIDINGER C., Science conomique : questions de mthode, Paris, Vuibert (d.), coll. conomie, 1994. MONFORT A., Les axes de dveloppements des mthodes macroconomtriques , INSEE , dpartement de la recherche, document de travail du CREST n 9014, 1990. MURCIA V., TERRAZA M., Dynamique du march du ptrole : approche vectorielle auto-rgressive partir de la stationnarit de H.E.G.Y. des chroniques trimestrielles saisonnires , Journal de la socit statistique de Paris 95-4, 1995, p. 160-175. MUTH J., Rational expectations and the theory of price movements, Econometrica 29(3), 1961. OULIARIS S., PARK J.Y., PHILLIPS P.C.B., Testing for a unit root in the presence of a maintained trend, Advances in Econometrics and Modelling, Needham (MA), Kluwer Academic Publishers, 1989. OZAKI T., Nonlinear models of nonlinear random vibrations, unpublished manuscript, University of Manchester, department of mathematics, 1978. PAGAN A., Three econometric methodologies: a critical Appraisal, Journal of Economic Surveys 1-1, 1987, p. 3-24. PAULR B., La causalit en conomie : signification et porte de la modlisation structurelle , Lyon, Presses Universitaires de France, 1985. PHILLIPS P.C.B., PERRON P., Testing for a unit root in time series regression, Biometrica 75, 1988, p. 347-353. SARGAN J.D ., Wages and prices in the U.K.: a study in econometric methodology, P. Hart and alii (eds), Econometric Analysis for National Economic Planning, London, Butterworths, 1964. SIMS C., Money, income and causality, American Economic Review 62, 1972, p. 540-552. SIMS C., Macroeconomic and reality, Econometrica 48, 1980, p. 1-48. SIMS C., Macroeconomic and methodology, Journal of Economic Perspectives 10-1, 1996, p. 105-120. WALLISER B., Anticipations, quilibre et rationalit conomique, Paris, Perspectives de lconomie, conomie contemporaine, Calmann-Lvy, 1985.

62

V. MEURIOT

YULE J., On the method of investigating periodicities in distributed series with special reference to

Wolfer's spot numbers, Journal of the Royal Statistic Society A-226, London, 1927, p. 267-298.