DIAL DEVELOPMENT CONFERENCE: SHOCKS IN DEVELOPING COUNTRIES

Transcription

1 DIAL DEVELOPMENT CONFERENCE: SHOCKS IN DEVELOPING COUNTRIES University of Paris-Dauphine (UPD) and the French Institute of Research for Development (IRD) June 30 th and July 1 st 2011, PARIS Impact d une dévaluation du Franc CFA sur la balance commerciale et la production dans les pays de l Union Economique et Monétaire Ouest Africaine (UEMOA) Commission de l UEMOA Unité de Programmation Stratégique (UPS) Pôle «Analyse Economique et Recherche» Arnaud Cédric KIEMA Kako NUBUKPO Gilles SANOU Chercheur à l UPS Chef du Pôle «Analyse Economique Responsable de l UPS cedrickiema@gmail.com et Recherche» de l UPS gsanou@uemoa.int knubukpo@uemoa.int 1

2 Résumé Dans un contexte de pertes récurrentes de compétitivité, de crise post-électorale en Côte d Ivoire et de ses effets récessifs éventuels, cet article étudie l impact d une nouvelle dévaluation du franc CFA sur les fondamentaux des économies de l Union Economique et Monétaire Ouest-Africaine (UEMOA). A base de modèles sur séries temporelles et données de panel, nous estimons que le Taux de Change Effectif Réel (TCER) de la zone UEMOA est surévalué de 0.7 à 9 % en A l aide des Vecteurs AutoRégressifs (VAR) nous étudions l impact d une dévaluation sur la balance commerciale et la croissance des pays de la zone. Nos résultats révèlent que la dévaluation n est pas la solution pour réduire significativement le déficit commercial des pays de l UEMOA. Elle permettrait cependant de booster la croissance de la plupart des Etats de l Union. A terme le véritable défi ne réside pas dans les options d ajustement externe mais plutôt dans l optimalité du régime de change. Mots-clés : Taux de Change Effectif Réel, Dévaluation, Modélisation VAR, Panel-FMOLS, Cointégration, Fonction de Réponse Impulsionnelle, ARDL Classification JEL : C23, C32, E52, F31 2

3 Les fluctuations du taux de change et leurs effets directs et indirects jouent un rôle important dans la performance économique des Etats. Après l analyse de l échec des politiques d ajustement interne dans les pays de l Union Economique et Monétaire Ouest Africaine (UEMOA) dans les années et eu égard à la persistance des déséquilibres extérieurs, le FMI et la Banque mondiale ont conclu que l ajustement réel avait atteint ses limites. En conséquence, l ajustement externe a été préconisé pour remettre l économie des Etats de la zone sur un sentier de croissance durable tout en restaurant la compétitivité externe (Devarajan, Hinkle, 1994 ; Devarajan, 1997,1999). Les objectifs de la dévaluation du Franc CFA de 50% du 11 janvier 1994 étaient la restauration de la compétitivité-prix, le redressement de la balance commerciale et la relance de la production. Dix-sept ans plus tard, il semble que les gains issus de la dévaluation du Franc CFA soient érodés, ainsi que le montre le calcul du degré de désalignement du Taux de Change Effectif Réel (TCER) du Franc CFA. En effet, le TCER de la zone s est apprécié d où une perte de compétitivité pour les économies domestiques. L étude du TCER est primordiale dans la mesure où il est un indicateur de compétitivité globale, et de longues déviations de celui-ci altèrent les signaux des marchés et induisent d importants coûts d ajustement. Qu il soit positif ou négatif, un désalignement reflète une mauvaise politique de change, d allocation des ressources productives, pouvant mener à la crise et plombant les efforts de développement et les dynamiques de croissance. Une abondante littérature est consacrée à l étude du TCER et de ses désalignements, malgré de nombreuses contradictions relatives à la définition des concepts. La difficulté dans l appréhension des désalignements du TCER réside dans le fait que le TCER d équilibre n est pas observable. Plusieurs approches ont été proposées dans la littérature empirique pour le mesurer (Hinkle et Montiel (1999), Isard (2007), McDonald (2000), Driver et Westaway (2004), Elbadawi (1997), ). Dans la pratique trois grandes familles d approche du TCER et de ses désalignements se distinguent : l approche du taux de change réel d équilibre, l équilibre macroéconomique et l approche de la viabilité extérieure (IMF 2006, CGER). L objectif de cette étude est d étudier l impact d une nouvelle dévaluation du Franc CFA sur les fondamentaux des économies de l UEMOA, dans un contexte de perte récurrente de compétitivité et de crise postélectorale en Côte d Ivoire et de ses effets récessifs probables. La première partie de l article rend compte des désalignements du taux de change effectif réel de la zone UEMOA. Pour ce faire nous calculons dans un premier temps le TCER des pays de la zone UEMOA. Nous estimons dans un second temps les désalignements du TCER par rapport à son niveau d équilibre grâce à des modèles basés sur les séries temporelles et les données de panel. La deuxième partie prend appui sur des chocs de dévaluation pour appréhender l impact d une dévaluation du Franc CFA sur les économies de la zone UEMOA. La conclusion de l article relativise la portée d une mesure de dévaluation, en posant la question plus globale de la pertinence du régime de changes en vigueur. 3

4 I. Désalignements du taux de change effectif réel (TCER) du Franc CFA : qu avons-nous appris ces dernières années? 1.) Théories du taux de change réel Deux grands concepts théoriques permettent d appréhender le taux de change réel. L un émane de la parité du pouvoir d achat (PPA) et le second de la théorie du commerce international (Edwards, 1989 ; Hinkle et Montiel, 1999). Le premier définit le Taux de Change Réel (TCR) externe comme le taux de change nominal corrigé du différentiel d inflation avec l extérieur. Le second courant définit le TCR, dit interne, comme le rapport au sein d un même pays des prix domestiques des biens échangeables et biens non échangeables internationalement. Ce prix relatif est un indicateur de compétitivité interne. Quelle que soit la définition utilisée, le TCR est un indicateur réel et non pas monétaire. Edwards (1989) définit le taux de change réel d équilibre comme le prix relatif des biens échangeables par rapport à celui des biens non échangeables qui, toutes choses égales par ailleurs, assure simultanément l équilibre interne et l équilibre externe de l économie. Sa valeur dépend de celles d autres variables déterminantes de l équilibre interne et externe, appelées «fondamentaux» du taux de change. Le taux de change réel d équilibre est ainsi déterminé uniquement par ses fondamentaux. En revanche, le taux de change réel courant répond également à court et moyen termes aux variations de politiques macroéconomiques. Lorsque le taux de change réel courant diffère sensiblement de son sentier d équilibre, on parle de désalignement (sous ou surévaluation) du taux de change réel. Un tel désalignement peut être engendré par des politiques macro-économiques inadéquates, menant le plus souvent à une surévaluation du taux de change réel et, ce faisant, à une perte de compétitivité-prix. 2.) Calcul du TCER Le TCER traduit la compétitivité par rapport à l ensemble des partenaires commerciaux. Le taux de change effectif nominal (TCEN), coté au certain se présente, comme une moyenne géométrique pondérée des taux de change nominaux bilatéraux du pays considéré avec le partenaire noté (i). La pondération du partenaire i notée wi est la part du partenaire dans les échanges du pays (dans notre cas la moyenne des importations et exportations , source dots 1 ). Le TCEN est calculé comme suit : TCEN n i 1 ei e wi 1 Direction of Trade Statistics, FMI 4

5 ei= taux de change de la monnaie i par rapport au dollar (à l incertain par rapport à la monnaie i) e= taux de change du franc CFA par rapport au dollar (à l incertain par rapport au CFA) Mi Xi wi= poids du partenaire i dans les échanges du pays wi M X Mi (Xi) représentent les importations (exportations) en provenance (direction) du partenaire commercial i M(X) les importations (exportations) totales du pays En tenant compte des effets inflationnistes, le taux de change effectif réel (TCER) est calculé comme suit : TCER n i 1 e i e P P i wi P et Pi représentent respectivement les indices de prix à la consommation du pays et du partenaire commercial i Choix des partenaires commerciaux Les partenaires commerciaux sélectionnés pour le calcul du TCER pour l ensemble des pays de l UEMOA sont présentés dans le tableau ci-dessous. Ils sont choisis par rapport à leur importance dans les échanges commerciaux des pays de la zone (moyenne des imports+exports de la période ). 5

6 Pondération du partenaire commercial ; moyenne des échanges (%) Tableau 1 : Pondérations des partenaires commerciaux Burkina Bénin Mali Cote d'ivoire Niger Sénégal Togo Belgique Luxembourg France Allemagne Italie Pays-Bas Espagne Japon Singapour Royaume Uni Etats Unis Chine Polynésie Française Inde Indonésie Malaisie Thaïlande Libye Maroc Emirats Arabes Unis Benin Burkina Faso Côte d'ivoire Gambie Ghana Mali Niger Nigeria Sénégal Afrique du Sud Togo Brésil Part des partenaires dans les échanges commerciaux (%)

7 Figure 1 : Taux de Change Effectifs réels de la zone UEMOA 250 TCERs UEMOA burkina benin mali cote d'ivoire niger senegal togo 3.) Observations et remarques On remarque que les TCERs de la zone sont en appréciation après la dépréciation brutale conséquence de la dévaluation de 1994, signe d une relative perte de compétitivité des économies de l Union. Les TCERs qui ont enregistré la plus forte augmentation par rapport à leur niveau de 1994 sont ceux de la Côte d Ivoire (35%) et du Bénin (30%) ; les appréciations les plus faibles étant celles du Sénégal (5%) et du Mali (12%). En général, les TCERs de la zone ont progressé de 22% en moyenne. Une autre remarque importante est la part accrue que prend, dans le calcul des TCERs de l espace UEMOA, certains pays tels que le Nigéria, le Brésil, ou encore le Ghana. En effet, due aux modifications importantes de la structure du commerce cette dernière décennie, ces pays occupent de plus en plus une place importante dans les échanges commerciaux de la zone. Or ces régions du monde ont connu des périodes d hyperinflation dans les années 80 (et début des années 90), une hyperinflation (brésil 3000% en 90) dont les effets ont une grande influence sur la structure du TCER au cours de ces années, bien que ces pays n aient pas été des partenaires privilégiés de l espace UEMOA durant ces périodes. Ceci nous amène à considérer l utilisation de pondérations dynamiques des partenaires commerciaux pour le calcul du TCER. 7

8 Figure 2 : Zones d hyperinflation Taux d'inflation Nigéria Brazil Taux d'inflation Chine Ghana Nigeria Belgique Source : Banque Mondiale L adoption d un nouveau seuil de sélection des partenaires commerciaux semble plus appropriée dans la mesure où le seuil utilisé actuellement (1.5% minimum) ne permet de prendre en compte que 63% des échanges commerciaux pour le cas du Mali. Le seuil de 1.5% a été sélectionné pour éviter de se retrouver avec une trop grande multitude de partenaires commerciaux dont les influences individuelles seraient faibles (parts de moins de 1% dans les échanges). Cependant un seuil de 1% semblerait plus approprié pour le cas du Mali. 4) Calcul des désalignements du TCER L étude des désalignements du taux de change effectif réel est réalisée en se basant sur l estimation d un modèle de taux de change effectif réel d équilibre mettant en relation le taux de change et un ensemble de fondamentaux macroéconomiques. Le modèle est inspiré du 8

9 modèle empirique d Edwards (1989) 2. D après le modèleil existe à long terme une relation d état stationnaire entre le taux de change et ses déterminants fondamentaux réels, ce qui revient à poser (sous forme linéaire) : ln(tcer) 0 1ln(GOUV) 2ln(TEC) 3ln(INV) 4 ln(prod) 5ln(OPEN) t TCER = le taux de change effectif réel; TEC = les termes de l échange des biens (indice TEC CNUCED 3 ) C est le rapport de l indice des prix unitaires des exportations à l indice des prix unitaires des importations. Une diminution dans les tarifs à l importation ou une amélioration des termes de l échange externes peut se traduire par une appréciation du TCER si l effet revenu l emporte sur l effet substitution et par une dépréciation réelle, dans le cas contraire. Inversement, un accroissement dans les tarifs à l importation ou une détérioration des termes de l échange externes, appréciera le TCER, si les effets substitution sont non seulement positifs mais supérieurs aux effets revenu. Une dépréciation du TCER sera observée dans le cas contraire. Le signe attendu est donc ambigu. GOUV = la consommation des administrations publiques par rapport au PIB (source : BDSM ) Elle est utilisée comme proxy de la consommation publique en biens non échangeables. Les changements intervenus dans la composition des dépenses publiques influent sur l équilibre à long terme d une manière qui varie selon que les dépenses sont affectées directement aux biens échangeables ou non échangeables. Si les dépenses publiques sont principalement allouées à l acquisition de biens non échangeables (échangeables), une augmentation de la consommation publique donnera lieu à une appréciation (dépréciation) du TCER. Le signe attendu est ambigu quand les dépenses publiques ne sont pas bien distinguées entre biens échangeables et non échangeables. INV = l investissement par rapport au PIB (source : BDSM) Le signe attendu est a priori ambigu. Toutefois, pour les pays en développement l investissement peut avoir une forte teneur en importations. Une hausse de la part de l investissement dans le PIB a des chances d orienter les dépenses vers les biens échangeables et d entraîner une dépréciation du TCER; le signe attendu serait alors négatif. 2 cfdevarajan, Lewis et Robinson (1993), Elbadawi (1994) 3 Conférence des Nations Unies sur le Commerce et le Développement (CNUCED) 4 Base de Données de la Surveillance Multilatérale, Commission de l UEMOA 9

10 PROD 5 = l indice de progrès technologique (Ici c est le ratio du PIB/h du pays considéré au PIB/h des pays du G7) Il capture l effet Balassa-Samuelson. Une augmentation de la productivité dans le secteur des biens échangeables résulte en une augmentation relative des prix des non échangeables par rapport aux échangeables, et provoque ainsi une appréciation du TCER. Le signe attendu est donc positif. OPEN 6 = l ouverture du commerce extérieur (Ratio Imports+Exports au PIB) C est un proxy des effets de la politique commerciale. Une réduction des barrières commerciales aura tendance à augmenter les quantités échangées. La réponse du TCER dépendra du fait que l ouverture améliore ou non le déficit de la balance commerciale. Si le compte courant s améliore le TCER devrait s apprécier et inversement si le compte courant se détériore. Le signe attendu est donc ambigu. 4.1) Méthodologie d estimation Pour étudier le désalignement et réduire l incertitude qui entoure l estimation du Taux de Change Effectif Réel d Équilibre (TCERE), nous procédons à l estimation du modèle en combinant des techniques alternatives à base de séries temporelles et de données de panel. L estimation du modèle par pays souffre de la faiblesse de la taille de l échantillon, qui pourrait entrainer des résultats de tests et des estimateurs non robustes. Elle permet cependant de prendre en compte les spécificités de chaque pays. La cointégration de panel est plus flexible et donne des estimateurs plus robustes. Elle ne tient cependant pas compte des particularités intrinsèques à chaque pays par le fait que les paramètres de long terme sont supposés identiques ou représentent une moyenne des différents pays. FMOLS et ARDL Pour le premier cas nous étudions la relation de long terme entre le TCER et ses fondamentaux pour chaque pays par la procédure de Johannsen. La relation de long terme sera estimée par la méthode Fully Modified Ordinary Least Squares (FMOLS) de Phillips et Hansen (1990), Phillips (1995) ou les Dynamic OLS (Stock Watson 1993) en séries temporelles. Eu égard du fait que ces techniques requièrent l existence d une relation de cointégration entre variables I(1) et que l on pourrait se retrouver avec une combinaison de variables I(1) et stationnaires, nous allons également utiliser la modélisation ARDL (AutoRegressive Distributed Lag) de Pesaran and Shin (1999) et Pesaran et al. (2001). Cette approche de la cointégration permet de faire fi de l ordre d intégration des variables et de combiner à la fois des variables I(0) et I(1) tout en produisant des estimateurs des coefficients de long terme consistants et qui sont asymptotiquement normaux. Cette approche ne requiert 5 Source : base de données IFS, FMI 6 Source : BDSM

11 pas le test de l existence d une racine unitaire dans les variables qui entraine une certaine incertitude dans l analyse. De plus par des simulations de monte-carlo, Pesaran et al montrent que l estimation ARDL est robuste pour de faibles échantillons et malgré la présence de régresseurs endogènes 7. Considérons le modèle ARDL (p,q 1,..,q k ) suivant : où L désigne l opérateur Lag, la variable dépendante et les fondamentaux. L approche ARDL consiste à d abord tester l existence d une relation de long terme entre les variables en testant la significativité des coefficients des termes en niveau dans la forme à correction d erreur du modèle ARDL : L absence d une relation de long terme revient à tester l hypothèse que =0 et =0 i. Les statisqtiques de Fischer calculées sont compares aux valeurs spécifiés par Pesaran et al (2001) et Paresh Kumar Narayan (2005). Le choix du nombre de retards se fait par l utilisation des critères de Schwarz (SIC) et de Akaike (AIC). Panel FMOLS et Pooled Mean Group Dans le second cas nous utilisons des techniques de panel non stationnaires. En particulier nous emploierons les tests de racine unitaire de panel (Levin, Lin & Chu (2002), Breitung (2000), Im, Pesaran, Shin (2003), ADF, Philip Perron et Hadri (2000)) et de cointégration en données de panel (Pedroni (1999, 2004), Kao (1999)). L estimation des vecteurs de cointégration se fera par FMOLS (Pedroni (1996, 2000, 2001)) et Pooled Mean Group (Pesaran&alii (2003)). La méthode FMOLS permet de prendre en compte les problèmes d endogénéité du second ordre des régresseurs (engendrée par la corrélation entre le résidu de cointégration et les innovations des variables I(1) présentes dans la relation de cointégration) et des propriétés d autocorrélation et d hétéroscédasticité des résidus. Elle présente l avantage de donner des résultats plus robustes que la méthode usuelle des Moindres Carrés Ordinaires (MCO) lorsque les échantillons sont de petite taille. En outre, il est établi que les distributions asymptotiques des estimateurs bases sur la méthode FMOLS sont non biaisées 8. 7 Pesaran, M.H. & Shin, Y., (1995). "An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis," Cambridge Working Papers in Economics Christophe Hurlin et Papa MB.P. N Diaye 1998, «La Méthode d Estimation des Moindres Carrés Modifiés ou FullyModified» 11

12 Le désalignement de la zone UEMOA est une moyenne pondérée des désalignements des différents pays de la zone. 4.2) Résultats des estimations Les tests de racine unitaire sur les fondamentaux du TCER pour les pays de l Union (à l exception de la Guinée-Bissau) nous montre l existence de variables I(1) ainsi que certaines variables I(0) comme c est le cas de ln(tec) pour le Bénin, ln(inv) pour la Cote d Ivoire, le Niger et le Togo. De même la variable ln(gouv) est stationnaire pour le cas du Togo. Ces variables seront éliminées de nos relations de cointégration. Tableau 2 : Tests de racine unitaire sur variables en niveau Tests de racine unitaire sur variables en niveau ADF : H0 Unit Root (p-stat) PP: H0 Unit Root (p-stat) ln(tec) bénin ln(inv) Mali ln(inv) Niger ln(inv) Togo ln(gouv) Togo AT ST AT ST AT ST AT ST AT ST ST : Sans trend ; AT :Avec Trend ; ADF :Augmented Dickey Fuller ; PP :Phillips Perron 12

13 Pour le cas des données de panel, les tests de racine unitaire sur données de panel nous montrent que la variable log(prod) n est pas intégrée d ordre 1 en structure de panel. Elle sera éliminée de notre estimation FMOLS et PMG. Tableau 3 : Tests de racine unitaire sur log(prod)en panel Panel unit root test: Summary log_prod Exogenous variables: Individualeffects, individuallinear trends Method Statistic Prob.** Null: Unit root (assumes common unit root process) Levin, Lin & Chu t* Obs Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W- stat ADF - Fisher Chi-square PP - Fisher Chi-square Panel unit root test: Summary log_prod Exogenous variables: Individualeffects Method Statistic Prob. Null: Unit root (assumes common unit root process) Crosssections Crosssections Levin, Lin & Chu t* Obs Null: Unit root (assumes individual unit root process) Im, Pesaran and Shin W-stat ADF - Fisher Chi-square PP - Fisher Chi-square Pour le cas des séries temporelles, la procédure de tests de cointégration de Johanssen sera préférée à la méthode en 2 étapes d Engle-Granger pour laquelle les valeurs limites des 13

14 statistiques de test ne sont pas robustes pour des échantillons de moins de 25 observations 9. Les tests nous prouvent l existence de relations de cointégration entre le TCER et ses fondamentaux dans le cas des séries temporelles et dans la structure en panel. Tableau 4 : Tests de cointégration de panel PedroniResidualCointegration Test Series: L_TCER_ L_TEC_ L_OPEN_ L_GOUV_GDP_ Date: 01/05/11 Time: 16:48 Sample: Included observations: 210 Cross-sections included: 7 NullHypothesis: No cointegration Trend assumption: No deterministic intercept or trend Lag selection: Automatic HQIC with max lag of 3 to 4 Newey-West bandwidth selection with Parzen kernel Alternative hypothesis: common AR coefs. (within-dimension) Weighted Statistic Prob. Statistic Prob. Panel v-statistic Panel rho-statistic Panel PP-Statistic Panel ADF-Statistic Alternative hypothesis: individual AR coefs. (between-dimension) Statistic Prob. Group rho-statistic Group PP-Statistic Group ADF-Statistic Kao ResidualCointegration Test Series: L_TCER_ L_TEC_ L_OPEN_ L_GOUV_GDP_ Date: 01/05/11 Time: 17:16 Sample: Included observations: 210 NullHypothesis: No cointegration Trend assumption: No deterministic trend Lag selection: Automatic HQIC with max lag of 3 to 4 Newey-West bandwidth selection using Parzen kernel t-statistic Prob. ADF Residual variance HAC variance A l instar des tests de racine unitaire d Im, Pesaran et Shin (2003), les tests de Pedroni prennent en compte l hétérogénéité entre les individus par le biais de paramètres individuels. Pedroni a développé sept statistiques de test dont quatre sont basées sur la dimension within 9 Mckinnon 2010, Critical Values for cointegration tests, Queen s Economics Department Working Paper No

15 (intra) et trois sur la dimension betwen (inter). Ces deux catégories de tests reposent sur l hypothèse nulle d absence de cointégration. La distinction entre les deux catégories de tests se situe au niveau de la spécification de l hypothèse alternative (H1). Le test basé sur la dimension inter est plus général au sens où il autorise la présence d hétérogénéité entre les individus sous l hypothèse alternative. C est ainsi que sous l hypothèse alternative, il existe une relation de cointégration pour chaque individu et les paramètres de cette relation ne sont pas nécessairement les mêmes pour chacun des individus du panel. La prise en compte d une telle hétérogénéité constitue un avantage indéniable puisqu en pratique, il est rare que les vecteurs de cointégration soient identiques d un individu à l autre du panel (C. Hurlin, V. Mignon 2006). Et selon Pedroni (1999), imposer l homogénéité des vecteurs de cointégration a pour conséquence un non rejet de l hypothèse nulle d absence de cointégration, alors même que les variables sont cointégrées. L analyse des 2 tableaux de tests de la relation de cointégration (pedroni et Kao) nous permet de rejeter l hypoyhèse nulle d absence de cointégration. L estimation des relations de cointégration se fera par FMOLS et PMG. Tableau 5 : Coefficients des relations de cointégration de panel Coefficients des estimations par panel FMOLS PMG Variable Coeff T-stat Coeff T-stat ln(tec) ln(prod) ln(open) ln(inv) ln(gouv)

16 Désalignement du TCER de l espace UEMOA Figure 3 : Degré de désalignement du TCER de l UEMOA Mésalignement UEMOA Panel FMOLS Mésalignement UEMOA Panel PMG Mésalignement UEMOA FMOLS séries temporelles Mésalignement UEMOA ARDL séries temporelles L étude fait apparaitre qu après la dévaluation de 1994, le TCER de la zone UEMOA a dépassé son niveau d équilibre en avant de revenir vers cet équilibre en pour ensuite repartir à la hausse après On obtient néanmoins des degrés de désalignements différents en fonction du modèle étudié (voir annexes). Les FMOLS en données de panel nous donnent une surévaluation du TCER de 2.95% en 2008 et 4.29% en 2009 (rapport FMI 2009 : 3.90% de surévaluation FMOLS en 2008). La méthode PMG nous donne 8.84% de surévaluation en 2009 alors que les modèles avec séries temporelles à pays unique nous donnent 1.53% de surévaluation pour le TCER de la zone en 2009 pour FMOLS et 0.7% de surévaluation pour le modèle ARDL en Globalement les profils de l ARDL et du FMOLS de Phillips et Hansen sont très similaires, ce qui indique que l élimination des variables stationnaires, nécessaire pour l implémentation du FMOLS n a pas eu d impact très significatif sur le calcul du désalignement. En effet les deux techniques sont assez similaires (prise en compte de l endogénéité des régresseurs, grandes performances pour les échantillons de petite taille, ) même si Pesaran (1995) 10 montre à travers des simulations de Monte-Carlo que l approche ARDL est plus performante sur des échantillons de petite taille que l approche FMOLS de Phillips et Hansen. La valeur des coefficients de long terme et des statistiques de student pour les modèles FMOLS et ARDL en séries temporelles sont disponibles en annexe. 10 Pesaran, M.H. & Shin, Y., (1995). "An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis," Cambridge Working Papers in Economics

17 Globalement on peut affirmer que le gain de compétitivité, créé par la dévaluation de 94 a été résorbé dans les années Actuellement le TCER de la zone est globalement surévalué avec des degrés différents en fonction du modèle utilisé (de 0.7 à 9%). On note cependant certaines différences entre les pays de la zone en termes de désalignement. En effet en 2009, d après les modèles en panel, 5 sur les 7 pays étudiés ont leur taux de change surévalué (données pour Niger et Togo non disponibles après 2006). Les désalignements vont de 9% de sous-évaluation pour le Mali à 20% de surévaluation pour le Bénin en II. Impact d une dévaluation du Franc CFA sur les fondamentaux des économies de l UEMOA 1.) Méthodologie et choix des variables Afin d évaluer les éventuels impacts de la dévaluation sur la balance commerciale et la production, nous utilisons les modèles de Vecteurs AutoRegressifs (VAR)). Cette méthode a été proposée par Sims (1980) comme permettant de contourner les limitations des approches structurelles dans la modélisation de variables macro-économiques. Charmeza et Deadman (1997) critiquent le biais de simultanéité des modèles à équations simultanées, les hypothèses à priori pour les problèmes d identification et la séparation des variables entre endogènes et exogènes. L approche VAR étant une approche non structurelle, elle n impose pas de restrictions issues de théories économiques sur la dynamique des variables. Ainsi la seule exigence est d identifier un ensemble de variables macroéconomiques qui interagissent entre elles et de déterminer le nombre de retards qui capture l interdépendance et éliminent l autocorrélation dans les termes d erreur (Pindyck et Rubinfeld, 1998). Toutes les variables étant supposées endogènes le problème de biais de simultanéité est évité (Mousri et El- Mossallamy, 2003). L utilisation de l approche VAR dans l étude des effets de la dévaluation sur la balance commerciale et la production semble appropriée car elle permet de capter l interdépendance entre les variables du système. De plus les techniques d analyse structurelles du VAR telles que les fonctions réponse à une impulsion sont très efficaces pour illustrer la dynamique du système. Les Fonctions de réponse à une impulsion (IRF) montrent l'impact d'un choc appliqué sur une variable sur la dynamique des autres variables du système. C est un instrument essentiel d'analyse de l'impact de politiques économiques. Cependant l existence de racines unitaires dans les variables du VAR soulève de nombreux problèmes dans l établissement des IRFs. En effet, l estimation des VAR non stationnaires soulèvent de nombreuses interrogations économétriques car la différenciation des variables pour les rendre stationnaires introduit de nombreuses distorsions et entraine une perte d informations pour les variables en niveau. D après Fanchon et Wendel (1992), en plus du modèle à correction d erreur (VECM), 17

18 l estimation d un VAR en niveau produit des estimateurs consistant si les données sont cointégrées. De plus Atsuyuki Naka et David Tufte (1997) montrent à travers des simulations de Monte Carlo que, bien que les estimateurs du VECM soient plus robustes, en présence de cointégration, les IRFs obtenus à partir du VECM et du VAR sont efficaces, le VAR l étant plus que le VECM à long terme. James Mitchell (2000) suggère qu en cas de cointégration, l étude des IRFs à partir du VAR introduit des biais aussi bien à long qu à court terme et impose l utilisation d un VECM. L approche utilisée pour la vérification des conditions de Marshall-Lerner 11 pour les pays de l UEMOA est basée sur l approche dite de la balance commerciale ou des «élasticités» (Williamson (1985, 1994), Ahlers et Hinkle (1999)). Elle met en relation (en logarithme) le Taux de Change Effectif Réel (TCER), la balance commerciale (à travers les importations et exportations L_X_M) et le PIB réel (GDP_h). Après un choc de dévaluation (Choc sur TCER) l impact sur la balance commerciale est donné par les IRFs de L_X_M. Pour l impact de la dévaluation sur la production, le modèle utilisé est inspiré de celui d Edwards (1986) qui a étudié les effets des politiques monétaires et fiscales sur l activité économique dans des pays en développement. En s inspirant du modèle d Edwards, le modèle utilisé reflète la connection entre la production et des variables de politiques macroéconomiques. Les variables utilisés dans notre modèle sont : le PIB réel (GDP_h), la monnaie au sens de M2, le ratio des dépenses gouvernementales sur le PIB (GOUV) et le taux de change effectif Réel (TCER). Nous nous limitons à ces variables à cause de la faible taille de notre échantillon de données (données annuelles de 1986 à 2009) pour éviter une trop grande réduction des degrés de libertés de notre modèle. 2.) Résultats A la suite des résultats déjà discutés pour le calcul du désalignement, nos tests nous montrent l existence de relations de cointégration entre variables intégrées d ordre 1 dans les modèles des 7 pays étudiés. Pour le cas du Togo, la variable GOUV a été remplacée par les Termes de l Echange (TEC) car les variables log(gouv) et log(inv) sont stationnaires. Pour tous les modèles nous avons procédé à l estimation de modèles vectoriels à correction d erreur (VEC) sur lesquels nous avons réalisé les simulations d impact. Le cas échéant un VAR a été utilisé quand l identification du VEC n est pas satisfaisante (coefficient de rappel non négatifs ou faiblement significatifs). Les résultats sont décrits dans les sections ci-après. 11 La condition de Marshall-Lerner appelée aussi théorème des élasticités critiques permet de résoudre dans un modèle économique prenant en compte le solde commercial de la balance courante, l'indétermination sur celui-ci d'une variation du taux de change. La balance commerciale située initialement en équilibre se détériore suite à une dévaluation du taux de change (effet prix) puis s améliore jusqu à dépasser l équilibre initial (effet quantité). La courbe ainsi dessinée s'appelle courbe en J. 18

19 2.1) Impacts d une dévaluation sur la balance commerciale pour les pays de l UEMOA: vérification empirique de la courbe en J Les IRFs ci-après décrivent la dynamique du logarithme de la balance commerciale (L_X_M) après un choc exogène sur le TCER. Figure 4 : IRFs à un choc de dévaluation: cas du Bénin -.18 Response of L_X_M to Cholesky.2 Response of L_X_M to Cholesky Modèle VEC -.5 Modèle VAR Figure 5 : IRFs à un choc de dévaluation: cas du Burkina.09 Response of L_X_M to Cholesky.20 Response of L_X_M to Cholesky Modèle VEC -.12 Modèle VAR 19

20 Figure 6 : IRFs à un choc de dévaluation: cas de la Cote d Ivoire Response of L_X_M to Cholesky.06 Response of L_X_M to Cholesky Modèle VEC -.08 Modèle VAR Figure 7 : IRFs à un choc de dévaluation: cas du Mali -.06 Response of L_X_M to Cholesky.06 Response of L_X_M to Cholesky Modèle VEC -.10 Modèle VAR Figure 8 : IRFs à un choc de dévaluation: cas du Niger Response of L_X_M to Cholesky Response of L_X_M to Cholesky Modèle VEC -.12 Modèle VAR 20

21 Figure 9 : IRFs à un choc de dévaluation: cas du Sénégal Response of L_X_M to Cholesky Response of L_X_M to Cholesky Modèle VEC Modèle VAR Figure 10 : IRFs à un choc de dévaluation : cas du Togo Response of L_X_M to Cholesky Modèle VEC Nos estimations nous montrent l existence d un phénomène semblable à celui de la courbe en J pour le Burkina, la Cote d Ivoire, le Mali, le Niger et le Togo. Cela signifie qu un choc de dévaluation résulte en une détérioration de la balance commerciale pour les pays concernés. Cette détérioration persiste de 2 à 4 ans après la dévaluation en fonction des pays concernés. C est la période nécessaire pour que les effets quantités prennent le pas sur les effets prix ou le temps de réponse de ces économies aux effets de la dévaluation. Cependant d après les IRFs, suite à un choc sur le TCER la balance commerciale ne s améliorerait pas significativement au-delà de son niveau d avant dévaluation. Ce résultat indique qu une dévaluation n est pas la solution pour ces pays pour améliorer durablement et significativement le déficit de la balance commerciale. Cela est dû aux faibles élasticités de l offre d exportation par rapport au TCER, des faibles capacités de production des économies dues à la faible industrialisation, de la forte part des importations en produits d équipement 21

22 qui gonflent les couts de production, et de la haute teneur des exportations en produits de base. Pour le Bénin et le Sénégal par contre, un choc de dévaluation entraine un choc positif sur la balance commerciale. 2.2.) Impacts d une dévaluation sur la production dans les pays de l UEMOA : effet récessif ou expansionniste? Figure 11 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Bénin.009 Response of L_GDP_H to Cholesky 5.92 L_GDP_H Modèle VEC Evolution empirique de L_GDP_H Figure 12 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Burkina Response of L_GDP_H to Cholesky 5.6 L_GDP_H Modèle VEC Evolution empirique de L_GDP_H 22

23 Figure 13 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas de lacote d Ivoire -.01 Response of L_GDP_H to Cholesky 6.9 L_GDP_H Modèle VEC Evolution empirique de L_GDP_H Figure 14 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Mali Response of L_GDP_H to Cholesky 5.8 L_GDP_H Modèle VEC Evolution empirique de L_GDP_H Figure 15 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Niger Response of L_GDP_H to Cholesky L_GDP_H Modèle VEC Evolution empirique de L_GDP_H 23

24 Figure 16: IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Sénégal Response of L_GDP_H to Cholesky L_GDP_H.001 Modèle VEC Evolution empirique de L_GDP_H Figure 17 : IRFs face à un choc de dévaluation et évolution empirique du PIB réel : cas du Togo.06 Response of L_GDP_H to Cholesky 5.9 L_GDP_H Modèle VEC Evolution empirique de L_GDP_H Concernant les effets de la dévaluation sur la production, les fonctions de réponse du PIB réel suggèrent que la dévaluation stimule la production pour les cas du Burkina, du Bénin, du Sénégal et du Togo. Pour la Cote d Ivoire, le Mali et le Niger la dévaluation a plutôt un effet récessif, l ampleur et la durée de cet effet étant différents selon les pays. Pour la Cote d Ivoire l effet récessif disparait au bout de 7 ans, 3 ans pour le Mali et 2 ans pour le Niger. En confrontant nos résultats avec l évolution du PIB réel des pays concernés après la dévaluation de 1994, nos IRFs sont en concordance avec les phénomènes observés dans la zone UEMOA sauf pour le cas de la Cote d Ivoire. En effet pour le Burkina, le Bénin, le Sénégal et le Togo la dévaluation a été suivie d une relance de la croissance. Pour le Mali, après un taux de croissance du PIB réel relativement faible l année après la dévaluation, la croissance a été également relancée les années suivantes. Pour le Niger, la dévaluation n a pas eu d impact significatif sur la croissance comme le montre le profil de l IRF. Pour la Cote d Ivoire cependant, le profil de la croissance est en opposition avec celui de l IRF ce qui suggère que 24

25 d autres facteurs exogènes (climat politique, cours internationaux des matières premières,...) ont eu plus d impact sur la croissance du pays que le choc de dévaluation. 3.) Implications en termes de politiques économiques La BCEAO semble privilégier l objectif de change au détriment de celui de croissance économique. En cela, elle est plus une caisse d émission qu une véritable banque centrale puisqu elle n a plus la maîtrise de sa politique monétaire. De ce fait, l inefficacité de cette dernière, eu égard à la situation économique propre à la zone UEMOA 12, s explique en partie par le primat accordé au respect de la contrainte externe au détriment de la conjoncture interne. Cependant, une dévaluation brutale, à l instar de celle de 1994, ne saurait résoudre durablement les problèmes structurels que pose le rattachement du franc CFA à l Euro. En outre, elle serait difficile à justifier au regard du niveau élevé des réserves de changes de la BCEAO auprès du Trésor français. Il convient plutôt de se poser la question plus globale de la pertinence du régime de change et du coût d une gestion monétaire extravertie pour les populations de l Union. D un point de vue strictement économique en effet, il semblerait plus raisonnable d envisager un système de changes flottants dans une bande de fluctuations à définir entre les autorités de la zone UEMOA et celles de la zone Euro. Ce système aurait alors l avantage d assurer aux autorités de la BCEAO un apprentissage progressif de la gestion monétaire et d envoyer, par le biais d un taux de change moins rigide, des signaux réguliers aux populations de la zone sur l état de leurs économies. Il cesserait également de privilégier les populations urbaines qui bénéficient à l heure actuelle pour leur consommation de produits importés, d une monnaie forte et convertible, alors même que le principal défi des économies de l UEMOA est de rendre compétitifs et autosuffisants les millions de petits producteurs qui se battent quotidiennement pour leur survie. Pour qu une telle évolution soit envisageable, une réflexion sur la nature, le contenu et l opportunité des accords de coopération monétaire qui lient la France et les pays de la zone Franc doit être menée. 12 K. Nubukpo «L impact de la variation des taux d intérêt directeurs de la BCEAO sur l inflation et la croissance dans l UMOA», Notes d Information et Statistiques, Série «Etudes et Recherches», n 526, BCEAO, Dakar, juin 2002, 32 p. < Les résultats de cette étude ont été validés par les autorités monétaires de la zone et publiés dans le «Rapport Annuel» de la BCEAO, 2002, p

26 Bibliographie Atsuyuki Naka, David Tufte (1997), Examining impulse response functions in cointegrated systems, Applied Economics, Volume 29, pages Baffes, J., Elbadawi, I., O'Connell, S., (1999), Single-equation estimation of the equilibrium real exchange rate, in Hinkle and Montiel (Eds.), Exchange Rate Misalignment, Oxford University Press, New York Balassa, Bela. (1964), "The Purchasing Power Parity Doctrine: A Reappraisal" Journal of PoliticalEconomy, 72:6, pp Breitung, J. (2000), The Local Power of Some Unit Root Tests for Panel Data, in Baltagi (ed.), Advances in Econometrics, Vol. 15: Nonstationary Panels, Panel Cointegration, and Dynamic Panels, Amsterdam: JAI Press, pp.: Devarajan S., Jeffrey D. Lewis, Sherman Robinson, (1993), External Shocks, Purchasing Power Parity, and the Equilibrium Real Exchange Rate, TheWorld Bank Economic Review, Vol. 7. N 1 pp Devarajan S., (1999) Estimates of Real Exchange Rate Misalignment with a Simple General- Equilibrium Model Devarajan S. and Lawrence E. Hinkle (1994), "The CFA Franc Parity Change: an opportunity to restore growth and reduce poverty." Africa Spectrum, Vol. 29, No. 2, pp Devarajan S., (1997), Real Exchange Rate Misalignment in the CFA Zone,Journal of African Economics, Volume 6, Number 1 Oxford University Press Driver R., Westaway P., (2004), Concepts of Equilibrium Real Exchange Rates, BoE WP No. 248 Edwards S., (1989), Real Exchange Rates, Devaluation and Adjustment: Exchange Rate Policy in Developing Countries, Cambridge, Massachusetts: MIT Press Edwards S., (1989), Exchange Rate Misalignment in Developing Countries, The World Bank Research Observer, Vol. 4, No. 1, January, pp Elbadawi, (1994), Estimating long-run equilibrium real exchange rates, in J. Williamson (Ed), Estimating Equilibrium Exchange rates, Institute for International Economics FatmaMarrakchiCharfi(2008), Real Exchange of Rate of Balance and Misalignments: Lesson from themodel VAR-ECM in the Case of Tunisia, panoeconomicus, 2008, 4, str Gilles J. Dufrenot and Etienne B. Yehoue(2005), Real Exchange Rate Misalignment: A Panel Co-Integration and Common Factor Analysis, IMF working paper 05/164 26

27 Hadri, K. (2000). Testing for Stationarity in Heterogeneous Panel Data, Econometrics Journal, Vol. 3, pp.: Hinkle, Lawrence E., Peter J. Montiel(1999), Exchange Rate Misalignment. Concepts and Measurement for DevelopingCountries, Oxford University Press Hurlin C., N Diaye P. (1998), «La Méthode d Estimation des Moindres Carrés Modifiés ou FullyModified» Hurlin et V. Mignon (2006), «Une synthèse des Tests de Cointégration sur Données de Panel», Document de Recherche LEO, IMF (2006), Methodology for CGER Exchange Rate Assessments Im, K. S., Pesaran, M. H., and Shin, Y. (2003), Testing for Unit Roots in Heterogeneous Panels, Journal of Econometrics, Vol. 115, pp.: Isard P., (2007), Equilibrium Exchange Rates: Assessment Methodologies, IMF WP 07/296 James Mitchell (2000), The importance of long run structure for impulse response analysis in VAR models Kao C (1999),"Spurious regression and residual-based tests forcointegration in panel data", Journal of Econometrics, 90, 1-44 Levin, A., Lin, C. F., and Chu, C. (2002), Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties, Journal of Econometrics, Vol. 108, pp.:1-24 MacDonald R., (2000), Concepts to Calculate Equilibrium Exchange Rates: An Overview, DB Discussion Paper No. 3/00 Mckinnon(2010, Critical Values for cointegration tests, Queen s Economics Department Working Paper )No Moursi, T. & El-Mossallamy, M. (2003), Forecasting Key Macroeconomic variables: A pilot study. Paper presented to the Ministry of Planning, Cairo, Egypt Pedroni, P., 1999, Critical Values for Cointegration Tests in Heterogeneous Panels with Multiple Regressors, Oxford Bulletin of Economics and Statistics Vol. 61, pp Pedroni, P., (2001), Purchasing Power Parity Tests in Cointegrated Panels, Review of Economics and Statistics, vol. 83, pp Pedroni, P. (1996a), "Fully Modified OLS for HeterogeneousCointegrated Panels and the Case of Purchasing Power Parity", Department of Economics, Indiana University Peter Pedroni(2000), Fully modified OLS for heterogeneous cointegrated panels, Nonstationary Panels, Panel Cointegration and Dynamic Panels, Volume 15, pages

28 Pesaran, M.H. & Shin, Y., (1995). "An Autoregressive Distributed Lag Modelling Approach to Cointegration Analysis," Cambridge Working Papers in Economics 9514 Pesaran, M. Hashem & Shin, Y. & Smith, R.J., (1999). "Bounds Testing Approaches to the Analysis of Long-run Relationships," Cambridge Working Papers in Economics 9907 Pesaran, S and Smith (2003) "Pooled Mean Group Estimation ofdynamic Heterogeneous Panels" Journal of American Statistical. Phillip P. C. and Hansen B. E. (1990), Statistical Inference Instrumental Variables Regression with I(1) Processes,Review of Economic Studies, Vol. 57, No.1, pp Phillips, Peter C B, (1995), "Fully Modified Least Squares and Vector Autoregression,"Econometrica, Econometric Society, vol. 63(5), pages Phillip Fanchon, Jeanne Wendel (1992), Estimating VAR models under non-stationarity and cointegration: alternative approaches for forecasting cattle prices, Applied Economics, Volume 24, pages Pindyck, R.S. &Rubinfeld, D.L. (1998), Econometric models and Economic Forecasts (4 th ed.). Boston, Mass.: Irwin/McGraw-Hill Sims, C. (1980), Macroeconomics and reality Econometrica, 48, 1-48 Stock, James, and Mark Watson, (1993), A Simple Estimator of Cointegrating Vectors in Higher Order Integrated Systems, Econometrica 61: Williamson, J. (1985), The Exchange Rate System, Washington, D.C.: Institute for International Economics. Williamson, J. (1994), Estimating Equilibrium Exchange Rates, Washington, D.C.: Institute for International Economics. 28

29 Annexes Tableau A.1. Désalignements du TCER des pays de la zone UEMOA (ARDL et FMOLS séries temporelles) Mésalignement du taux de change - ARDL et FMOLS séries temporelles Bénin Burkina Cote d'ivoire Mali ARDL FMOLS ARDL FMOLS ARDL FMOLS ARDL FMOLS ,12 4,38-6,19-4,17-0,90 10,33 11,45 5, ,03 12,19 0,00 1,06 12,42 22,52 0,16-4, ,52-3,82-2,19-2,26 5,65 12,46 0,37-3, ,53-2,96 4,50 3,26 6,81 11,03 4,84 1, ,73 1,54 11,59 9,15 11,12 12,90 14,40 11, ,69 8,00 16,09 12,55 12,81 12,23 19,30 17, ,35 12,60 15,88 11,57 27,22 24,38 12,62 10, ,11 7,13 16,17 11,32 22,65 18,45 10,48 9, ,11-16,29-11,45-15,36-22,47-25,49-17,09-17, ,06-5,99-5,13-9,34-16,79-19,85-6,50-7, ,07-10,31-3,78-7,89-21,69-23,98-3,80-4, ,05-9,67-2,90-6,77-22,71-24,20-2,61-2, ,40-2,39 2,20-1,49-19,63-20,36 1,50 1, ,05-6,37-4,09-7,11 1,10 1,07-4,18-4, ,12-5,80-5,48-7,95 0,82 1,44-6,64-6, ,03-9,21-5,59-7,44-3,59-2,60-5,14-5, ,14 2,78 1,80 0,56 3,16 4,44 4,62 4, ,96 12,39 6,99 6,53 9,44 10,86 7,57 6, ,99 12,84 4,55 4,97 6,94 8,28 3,75 2, ,24 0,47-0,39 0,85-2,25-1,14 0,93 0, ,40 4,54 0,20 2,33-0,75 0,16 1,29 0, ,82 3,60-2,60 0,37-0,29 0,30 0,27-0, ,38 2,29-2,79 1,10 1,60 1,79 0,97 0, ,46 1,51-2,47 2,40 2,59 2,33 2,11 1,59 Niger Senegal Togo ARDL FMOLS ARDL FMOLS ARDL FMOLS ,86 25,00 6,91 3,79-5,41-5, ,46 25,22 11,22 8,26 9,86 8, ,46 9,32 0,85-1,50 4,19 1, ,64 9,42 2,43 0,45 10,22 7, ,92 15,84 2,23 0,71 18,39 14,41 29