Notes
- [1]
-
[2]
Banque africaine de développement.
-
[3]
Un bien échangeable correspond à un bien qui peut être échangé entre deux pays (ex : voitures, meubles,…), alors qu’un bien non échangeable est un bien qui ne peut être consommé que dans le pays de production (coiffure, location, éducation, santé,…).
- [4]
-
[5]
Vargas-Silva (2009) trouve aussi que les effets des transferts sur le TCRE restent encore ambigus pour le Mexique.
-
[6]
Les coûts de transactions correspondent ici aux coûts liés à la défaillance des marchés, aux coûts de transport, aux taxes, aux coûts liés à la qualité et la durabilité des biens.
-
[7]
Fonds monétaire international.
-
[8]
Nombre d’unités de monnaie étrangère par unité de monnaie locale.
1 – Introduction
1L’analyse des facteurs déterminants des fluctuations du taux de change des devises internationales a longtemps fait l’objet d’études en économie internationale. Plusieurs théories ont été ainsi mises en avant pour expliquer les causes de ces variations. Jusqu’aux années 1970, les modèles les plus utilisés furent ceux de Fleming (1962) et Mundell (1963). Ces modèles stipulaient que l’état du solde extérieur, relié à la demande domestique et au taux d’intérêt, était le principal facteur déterminant de la dynamique des taux de change. Ainsi l’appréciation ou la dépréciation des taux de change pouvaient-elles résulter de l’interaction de plusieurs facteurs : les politiques budgétaires et monétaires internes ou bien une politique extérieure marquée par la différence des taux d’intérêt. Une telle différence a été également décrite dans le modèle monétaire de Frankel (1979). Mais d’autres déterminants théorisés par divers chercheurs portaient sur les écarts de productivité (Balassa, 1964 ; Samuelson, 1964), l’offre et la demande d’actifs sur le marché financier (Branson, 1975) et les anticipations des agents économiques (Dornbusch, 1976).
2Reste que de plus récentes recherches ont mis l’accent sur de nouveaux facteurs pouvant déterminer les variations des taux de change. Dans les pays développés, une attention particulière a été accordée aux fluctuations sur le marché financier (Rey, 2016), lesquelles seraient dues soit aux anticipations des agents (Bénassy-Quéré et Raymond, 1997), soit aux rigidités des marchés de change (Dufrénot et al., 2004). Pour ce qui concerne les pays en voie de développement, les transferts de fonds des migrants ont été pointés comme l’un des facteurs agissant sur le taux de change réel (Acosta et al., 2009 ; Amuedo-Dorantes et Pozo, 2004 ; Barajas et al., 2010). Toutes ces études s’appuient sur le fait que ce type de transferts peut affecter la demande domestique, les taux d’intérêt domestiques, les prix relatifs des biens non échangeables et la politique monétaire de la Banque centrale. Ils interagissent ainsi avec les déterminants théoriques pour conduire à une variation des taux de change (appréciation ou dépréciation). Puisque ces transferts se font sans contrepartie, la position extérieure nette du pays récipiendaire constitue le premier canal par lequel ils affectent le taux de change. Ils peuvent également accroître la demande des biens non échangeables, ce qui entraîne une hausse de leur prix et donc une hausse générale de l’indice des prix dans le pays, avec pour conséquence une appréciation de la monnaie (effet Balassa-Samuelson). De ces transferts peut également résulter une accélération de la croissance, suivie d’une réduction du pourcentage du PIB de la position extérieure nette et de la dépréciation de la monnaie (López et al., 2017).
3De nombreuses études empiriques ont aussi conclu que les transferts de fonds provoquent l’appréciation du taux de change réel dans les pays récipiendaires (Amuedo-Dorantes et Pozo, 2004 ; Bourdet et Falck, 2006 ; Chnaina et Makhlouf, 2015 ; Lartey et al., 2012 ; Vargas-Silva, 2009). Cette appréciation conduit à une perte de compétitivité des biens exportables, ce qui entraîne une détérioration de la balance commerciale. Il s’ensuit une baisse de la fabrication de nombreux produits manufacturés, un marasme et un surcroît de chômage. Identifié sous le nom de syndrome hollandais ou Dutch disease, ce phénomène a été analysé par Corden et Neary (1982), Corden (1984) et Edwards et Aoki (1983).
4Cependant, si l’effet d’appréciation est particulièrement observé dans la littérature empirique, tout porte à croire que c’est l’effet contraire qui prévaut dans les pays de la région MENA, comme l’indique notamment la figure 1. Dans cette région, les envois d’argent des migrants ont largement dépassé, durant les dix dernières années, les autres types d’entrées de devises, telles que l’investissement direct à l’étranger ou l’aide publique au développement. Le Moyen-Orient et l’Afrique du Nord ont enregistré une augmentation de 9,3 % des envois de fonds en 2017 et de 4,4 % en 2018, pour atteindre 56 milliards de dollars, selon la dernière édition de la note d’information de la Banque mondiale (Migration and Development Brief 29, 2018 [1]). En Afrique du Nord, l’Égypte est le plus grand bénéficiaire (25,7 milliards de $), dépassant largement le Maroc (7,4 milliards de $). Pour ce qui concerne le Moyen-Orient, la Jordanie a enregistré 4,4 milliards de $ d’entrées de capitaux et le Yémen 3,4 milliards de $. Or, le fait de noter une évolution inverse entre ces transferts et le taux de change effectif réel vient relancer la réflexion sur la nature de la relation entre les deux variables macroéconomiques.
Évolutions des envois de fonds et du taux de change effectif réel dans neuf pays de la région MENA (1980-2015)
Évolutions des envois de fonds et du taux de change effectif réel dans neuf pays de la région MENA (1980-2015)
5L’objectif de notre article est de contribuer à ce débat en analysant, pour la région MENA, le rôle joué par les transferts de fonds des migrants sur les fluctuations du TCER. Notre analyse s’appuie sur une stratégie d’estimation qui s’attache à comparer la sensibilité du taux de change réel à l’entrée des transferts des migrants vers les pays d’Afrique du Nord et du Moyen-Orient. Nous adoptons le modèle autorégressif à retards échelonnés en panel, notre estimation se faisant à l’aide de l’estimateur Pooled Mean Group. La prise en compte d’effets individuels des pays permet aussi de tenir compte des spécificités de chacun d’entre eux, sachant qu’ils présentent une vulnérabilité différente aux crises financières et aux chocs externes à court terme.
6L’article est organisé comme suit : la section 2 présente les faits stylisés sur l’utilisation des transferts de fonds ; la section 3 expose une revue de littérature de la relation entre les transferts de fonds et le TCER ; la section 4 discute du modèle théorique ; la section 5 présente la méthodologie empirique. La section 6 délivre les résultats économétriques et la section 7 conclut.
2 – Faits stylises sur l’utilisation des transferts de fonds
7Les migrants envoient de l’argent dans leur pays d’origine pour diverses raisons. L’une des plus connues est le désir d’améliorer les conditions de vie de leur famille. Dans ce contexte, plusieurs enquêtes ont été réalisées par des organisations internationales ou des institutions nationales pour déterminer comment sont utilisés les fonds parvenus dans le pays d’origine.
8Notre analyse de la relation entre les transferts de fonds et le taux de change réel nécessite une connaissance de cette utilisation. Dans la région MENA, très peu d’enquêtes ont été effectuées sur l’utilisation des fonds envoyés par les migrants. Seul le Maroc dispose d’une enquête réalisée par la Banque africaine de développement (BAD) en 2008. Cette enquête détaille la composition de l’utilisation des fonds par les migrants marocains et leur famille (tableau 1). Pour illustrer la relation probable entre les transferts de fonds et le taux de change réel au Maroc, nous établissons une comparaison avec le Mexique, pour lequel une étude empirique a été conduite par Vargas-Silva (2009).
Utilisations des transferts de fonds
Maroc | |
---|---|
Consommation courante | 69 % |
Santé | 30 % |
Éducation / formation | 26 % |
Immobilier familial | 10 % |
Immobilier individuel | 6 % |
Investissement productif | 13 % |
Projet social | 1 % |
Utilisations des transferts de fonds
Estimations des transferts de fonds sur la consommation au Mexique
Mexique | |
---|---|
Consommation courante | -0,0334 |
Santé | 0,0221 |
Éducation / formation | 0,0011 |
Immobilier | 0,0102 |
Estimations des transferts de fonds sur la consommation au Mexique
9Le rapport de la BAD [2] montre qu’au Maroc les transferts des migrants sont presque exclusivement destinés à la consommation courante des ménages. En effet, 69 % des interviewés déclarent utiliser ces fonds pour les dépenses courantes contre 30 % pour la santé et 26 % pour l’éducation. De plus, une étude réalisée par Miotti et al. (2010) sur un échantillon de 215 migrants marocains enquêtés en 2008 dans les bureaux de Poste en France montre que plus de 70 % des fonds transférés sont alloués aux dépenses courantes et 6 % à l’investissement. Ces chiffres révèlent qu’il existe une forte probabilité que les familles de migrants marocains utilisent les fonds reçus dans le secteur des biens échangeables, ce qui tend à augmenter le niveau général des prix de ces biens [3].
10Dans le cas du Mexique, une enquête a été menée par l’Institut national de statistique et de géographie [4] sur l’utilisation des envois de fonds des migrants en 2000. À partir de cette enquête, Airola (2007) estime une relation entre les transferts de fonds des Mexicains et la consommation désagrégée en plusieurs catégories au Mexique.
11Selon Airola (2007), les transferts de fonds des migrants mexicains réduisent la consommation courante (nourriture) au profit des dépenses de santé, des biens durables et du logement. Les modes de consommation des ménages mexicains qui reçoivent des transferts de fonds sont différents de ceux des autres ménages et favorisent donc les biens qui pourraient être considérés comme des investissements plutôt que relevant de la consommation. Les transferts sont donc destinés à la consommation de biens non échangeables.
12Ces deux enquêtes mettent en évidence une utilisation différente des transferts dans les pays considérés. Si, au Mexique, les fonds sont alloués aux dépenses en biens non échangeables, au Maroc ils sont destinés aux dépenses en biens échangeables. Sur la base de l’étude de Vargas-Silva (2009), qui montre que les envois de fonds mexicains provoquent une appréciation du taux de change réel, nous pouvons donc émettre l’hypothèse que ces transferts entraîneraient une dépréciation du taux de change réel au Maroc.
3 – Revue de littérature
13C’est une antienne de la littérature économique : les transferts financiers des migrants vers leur pays d’origine ont des conséquences très différentes sur le TCER. Elles résultent de l’intensité des échanges commerciaux, du régime de change, des flux migratoires et de la taille des pays (Barajas et al., 2010 ; Singer, 2010). De ce fait, certains d’entre eux sont confrontés à une dépréciation de leur monnaie suite à l’afflux de capitaux, et d’autres connaissent une appréciation de leur taux de change. C’est pourquoi plusieurs études économétriques se sont attachées à l’évaluation précise de l’impact des transferts des migrants sur le TCER de leur pays d’origine. Et, bien que leurs résultats soient controversés, trois orientations principales se détachent.
14De nombreuses études attestent, tout d’abord, le lien direct entre augmentation des transferts et appréciation du TCER. Portant sur un seul pays, la première a été réalisée par Bourdet et Falck (2006). Leur examen des envois de fonds des travailleurs du Cap-Vert durant la période 1980-2000 a confirmé le phénomène d’appréciation du taux de change réel d’équilibre, suite à l’augmentation des transferts. De tels résultats ont aussi été enregistrés à propos du Pakistan pour la période 1978-2005 (Hyder et Mahboob, 2006) et de la Jordanie pour la période 1964-2000 (Saadi-Sedik et Petri, 2006). Chnaina et Makhlouf (2015), quant à eux, ont conclu de manière similaire pour ce qui concerne la Tunisie des années 1975-2009. Pour trois pays (République dominicaine, El Salvador, Guatemala), le taux de change réel d’équilibre aurait été visiblement affecté, mais avec une intensité bien plus importante pour les deux derniers.
15Le nombre limité de pays étudiés jusqu’ici empêchant toute généralisation, d’autres chercheurs ont utilisé, pour examiner les effets des entrées de fonds sur le taux de change réel, des méthodes de panel en retenant de plus grands groupes de pays. Menée par Amuedo-Dorantes et Pozo (2004), une première étude a porté sur treize pays d’Amérique latine et des Caraïbes au cours de la période 1978-1998. Ces auteurs ont montré qu’un doublement des envois de fonds avait engendré une augmentation de 22 % du taux de change réel. En utilisant des échantillons beaucoup plus importants de pays provenant aussi de régions différentes, d’autres études (Fuentes et Herrera, 2008 ; Holzner, 2006 ; López et al., 2007) ont révélé la même tendance, avec cependant un moindre impact quantitatif des flux de transferts sur le taux de change réel que dans l’étude d’Amuedo-Dorantes et Pozo (2004).
16Le mécanisme de transmission par lequel la hausse des capitaux provoque une appréciation du taux de change réel a été expliqué dans le paradigme de Corden (1960), Dornbusch (1974), Salter (1959) et Swan (1960). Tous ces auteurs ont montré que l’accroissement du revenu réel des ménages, suite à l’afflux de capitaux, avait un double effet : un effet de revenu déclenchant une expansion de la demande globale traduite par une augmentation des prix relatifs des biens non échangeables, et un effet de substitution des ressources entraînant un déplacement supplémentaire vers le secteur des biens non échangeables. Et, dans ce cas, l’indice des prix des biens non échangeables augmente et conduit à une appréciation du taux de change réel.
17Reste que cela peut aussi engendrer une baisse de la compétitivité (Amuedo-Dorantes et Pozo, 2004 ; Bourdet et Falck, 2006 ; Hinkle et Montiel, 1999 ; Izquierdo et Montiel, 2006 ; Khan et al., 2016 ; Singer, 2010). Ce phénomène est connu sous le terme de syndrome hollandais (Bourdet et Falck, 2006 ; Lartey et al., 2012 ; Mughal et Makhlouf, 2013). Un tel mécanisme ne peut qu’agir de manière négative sur la balance des paiements et sur le marché du travail, ce qui se traduit par un accroissement du chômage et, donc, par une nouvelle vague de migrations.
18D’autres études (deuxième orientation) ont, au contraire, démontré que les transferts de fonds entraînaient une dépréciation du TCER (Li et Rowe, 2007 ; Özcan, 2011). Ainsi, en Jamaïque, au moyen d’un modèle intégrant les dépenses publiques, l’aide publique au développement et les termes de l’échange, Barrett (2014) a prouvé que les envois de fonds avaient provoqué une dépréciation du taux de change réel. Dans une étude centrée sur l’impact de l’aide au développement, Li et Rowe (2007) sont parvenus à une conclusion identique à propos de la Tanzanie. S’opposant à la théorie de Dutch disease, de tels résultats seraient le reflet du développement financier des pays de l’échantillon, dans la mesure où ces derniers ne parviendraient pas à canaliser les envois de fonds vers les investissements dans le secteur non échangeable. Il faut dire que la théorie du syndrome hollandais a d’abord été formulée à propos des pays développés, notamment à partir de la découverte de gaz aux Pays-Bas dans les années 1950. L’exploitation et l’exportation intenses des ressources naturelles avaient accru les recettes de l’exportation, ce qui aurait entraîné une appréciation de la devise du pays. Il en aurait résulté des difficultés d’exportation des autres produits et donc une baisse de la production manufacturière. La pertinence reconnue de ce phénomène a alors poussé les économistes à vouloir l’appliquer aux pays en voie de développement. Mais de réelles disparités entre les pays sont apparues, en partie dues aux spécificités des différents régimes de change (Krugman et al., 2012 ; Vargas-Silva, 2009). Barajas et al. (2010) ont aussi montré que les risques de Dutch disease étaient amoindris, sinon inverses, selon plusieurs facteurs importants, tels que le degré d’ouverture vers l’international, la mobilité des facteurs entre les secteurs nationaux, la contre-cyclicité des transferts de fonds, la part de la consommation des biens échangeables et la sensibilité d’un pays vis-à-vis de la prime de risque des envois de fonds.
19Enfin (troisième orientation), plusieurs études tendent à prouver l’inexistence de ce lien entre les transferts de fonds des migrants et les taux de change réels d’équilibre (Rajan et Subramanian, 2005 ; Vargas-Silva, 2009 [5]). Ogun (1998) pour le Nigéria, Nyoni (1998) pour la Tanzanie et Arhenful (2013) pour le Ghana ne trouvent par exemple aucune trace de syndrome hollandais. Izquierdo et Montiel (2006), pour six pays d’Amérique centrale au cours de la période 1960-2004, n’ont relevé aucun impact des envois de fonds sur les taux de change réels d’équilibre, notamment dans le cas du Honduras, de la Jamaïque et du Nicaragua. Non seulement l’influence aurait été nulle sur l’ensemble de la période, mais elle l’aurait été également sur les dernières années, alors même que ces trois pays recevaient des entrées de fonds très importantes. Plus récemment, en utilisant la méthode Pooled Mean Group, Mongardini et Rayner (2009) ont analysé, pour 29 pays d’Afrique subsaharienne et sur la période 1980-2006, les déterminants communs à long terme du taux de change réel, tout en permettant une dynamique à court terme hétérogène entre pays. Leurs résultats montrent que les transferts de fonds n’induisent pas l’appréciation du TCER.
Synthèse de la littérature sur la relation entre le taux de change et les transferts de fonds des migrants
Synthèse de la littérature sur la relation entre le taux de change et les transferts de fonds des migrants
Taux de change effectif réel : TCER ; Taux de change réel d’équilibre : TCRE ; Taux de change réel : TCR ; Transferts de fonds : TRF ; Termes de l’échange : TE ; Inflation : IP ; Avoirs étrangers nets : AEN ; Dépenses publiques : G ; Productivité : Prod ; Investissements directs étrangers : IDE ; Ouverture commerciale : OC ; Aide publique au développement : APD ; Taux d’intérêt : I ; Restrictions commerciales : RC ; Prix agricoles administrés : PAA ; Désastre naturel : DN ; Marché noir : MN ; Production industrielle : PI ; Consommation marchande : CM ; Consommation non marchande : CNM ; Bien marchand : BM ; Bien non marchand : BNM ; Capital échangeable : KE ; Capital non échangeable : KNE ; Proxy de la politique gouvernementale : PPG ; Proxy du progrès technologique : PPT ; Modèle d’équilibre général stochastique : MEGS ; Taux de croissance : TxPIB.4 – Modèle théorique
20Dans cet article, nous examinons en détail les effets des déterminants majeurs du taux de change réel de long terme dans les pays en développement, en accordant un intérêt particulier au rôle des transferts de fonds. Pour ce faire, nous nous basons sur le modèle théorique d’Alper et Saglam (2000) et Drine et Rault (2005) qui assure un équilibre simultané de la balance externe et de la balance intérieure. Nous utilisons leur modèle comme point de départ, en introduisant les transferts de fonds comme des flux entrants de capitaux. Considérons une petite économie ouverte avec trois types de biens : les biens exportables, les biens importés et les biens non échangeables, sachant que les firmes nationales produisent les biens exportables et non échangeables, et que les ménages consomment les biens importés et non échangeables.
21Nous émettons l’hypothèse que le pays échange seulement avec un seul pays dans un régime de change flexible et l’on note par E le taux de change nominal.
22Soit Pm et Pn représentant les prix respectifs des biens importables et non échangeables, P*x le prix international des biens exportables est normalisé à l’unité (P*x = 1). Le prix intérieur des biens exportables est P*x = EP*x E et P*m dénote le prix international des biens importables.
23Les prix relatifs domestiques des biens importables et des biens exportables par rapport aux biens non échangeables sont notés respectivement em et ex.
25et
27alors, le prix relatif des biens importables par rapport aux biens non échangeables peut être formulé comme suit :
29Le pays applique sur les importations des biens des tarifs douaniers qui vont être ajoutés aux prix des biens importables selon la relation suivante :
31où τ représente le tarif douanier pratiqué sur les biens importés.
32La production totale des biens exportables et non échangeables est donnée par l’équation suivante :
34avec Q′x > 0 et Q′n < 0.
35Pour estimer les niveaux de consommation privée, C, l’on s’intéresse à deux types de consommation : la consommation privée des biens importables Cm et celle des biens non échangeables Cn. La consommation privée prend la forme suivante :
37C′m < 0 et C′m > 0.
38Le taux de change réel étant défini comme le prix relatif des biens échangeables par rapport aux biens non échangeables, il peut être écrit sous la forme suivante :
40avec α ∈ (0, 1).
41Supposons que le capital est parfaitement mobile à long terme. Le pays investit ses actifs étrangers nets, A, au taux d’intérêt r*. Le compte courant du pays est égal à la somme du solde de la balance commerciale et des rendements nets des actifs étrangers, exprimés en monnaie étrangère. Ce qui nous permet d’écrire le compte des opérations courantes comme suit :
43La variation des réserves de change du pays, R, est donnée par :
45KI désigne les entrées nettes de capitaux.
46Les entrées de capitaux étant composées des transferts de fonds des migrants, tfr, des investissements directs étrangers, ide, et d’aide publique au développement, oda, l’équation (9) devient :
48Les entrées de capitaux jouent un rôle important en contribuant à l’augmentation des réserves internationales, notamment par rapport aux réserves de change.
49Dans le court et le moyen terme, Ŕ = 0, ce qui résulte d’un déséquilibre de la balance des paiements du moment où le déficit courant ne peut pas être compensé par le compte financier. L’équilibre externe est donc atteint si la somme du rendement net des actifs étrangers et de la balance commerciale exprimée en monnaie étrangère est égale à zéro.
51Quant à l’équilibre interne, il est atteint lorsque le marché intérieur des biens non échangeables est en équilibre, soit :
53avec Gn représentant les dépenses publiques en biens non échangeables.
54Le taux de change réel est dit à l’équilibre s’il assure simultanément l’équilibre interne et externe. À partir des équations (11) et (12), nous pouvons définir le taux de change d’équilibre, e*, comme fonction de P*m, r*, τ, A, Gn, tfr, ide, et oda.
Effet des transferts de fonds des migrants sur le taux de change d’équilibre à long terme
56Dans la littérature présentée dans la section précédente, les transferts des migrants sont considérés comme un revenu supplémentaire ayant un impact exogène sur les dépenses totales des ménages. Dans ce cas, les transferts apparaissent comme des entrées de capitaux supplémentaires dans la contrainte extérieure telle que présentée dans l’équation (10). Étant donné que seul l’équilibre externe est impacté, une augmentation des transferts entraîne une appréciation du taux de change réel. En effet, la hausse des transferts provoque un accroissement de la balance des capitaux, ce qui entraîne un déséquilibre de la balance externe. Pour rétablir l’équilibre, l’excédent du compte de capital doit être compensé par un déficit du compte commercial. Ce déficit est obtenu par l’appréciation du taux de change réel, ce qui a pour effet de décourager les exportations et d’accroître les importations.
57En nous référant au modèle théorique de Barajas et al. (2010), nous émettons l’hypothèse que les transferts de fonds des migrants affectent les préférences des ménages récipiendaires, et que ces derniers ont la possibilité de substituer la consommation des biens échangeables à celle des biens non échangeables, et vice versa.
58Supposons que la totalité des transferts est consacrée à l’achat de biens échangeables, et que toute consommation supplémentaire est répartie entre biens échangeables et biens non échangeables, comme c’était le cas sans les transferts. Dans ce cas, la hausse des transferts aura pour effet d’accroître la consommation des biens échangeables plus qu’auparavant au détriment des biens non échangeables. L’excédent de la balance des capitaux provoqué par cette hausse est donc compensé dans une certaine mesure par l’accroissement de la consommation des biens échangeables. L’équilibre extérieur se trouve ainsi peu affecté. De même, à la différence du cas où les transferts sont considérés comme exogènes, l’équilibre intérieur est également impacté puisque les transferts entraînent une baisse de la consommation des biens non échangeables. La combinaison des variations de l’équilibre intérieur et de l’équilibre extérieur limite ou inverse l’effet des transferts sur le taux de change réel à long terme (Barajas et al., 2010).
59Pour expliciter cet effet, nous considérons la fonction d’utilité des ménages suivante :
61Nous dérivons de cette fonction d’utilité la consommation des biens échangeables et celle des biens non échangeables des ménages qui reçoivent les transferts des migrants.
63où c est la consommation totale des ménages et tfr représente les transferts de fonds.
641er cas : les coûts de transactions [6] associées à la consommation sont négligeables (économie non monétaire).
65Les marchés étant « parfaits » dans cette économie, les ménages n’ont aucun intérêt à détenir de la monnaie. Dans ce cas, la hausse des transferts des migrants dans la même proportion que la hausse de la consommation, c, n’aura aucun effet sur l’équilibre intérieur et extérieur. Cela se justifie par le fait que, dans l’équilibre interne, la combinaison de ces variations n’entraîne pas de variation de la consommation des biens non échangeables. Ce mécanisme s’observe en appliquant la différentielle totale à l’équation (16), de telle sorte que l’on obtient :
67si dc = dtfr, alors dCn = 0
68De la même façon, dans l’équilibre externe, si les transferts des migrants augmentent dans la même proportion que l’accroissement de la consommation totale des ménages, c, alors la consommation des biens échangeables augmentera dans la même proportion que la hausse des transferts. A partir de l’équation (15), nous avons :
70si dc = dtfr, alors dCn = dtrf
71Il en résulte que les balances internes et externes ne sont pas affectées par l’augmentation des versements de capitaux des migrants. Par conséquent, le taux de change d’équilibre demeurera inchangé.
722ème cas : les coûts de transactions associées à la consommation sont importants, ce qui est le cas le plus souvent, et s’expriment sous la forme d’une quantité supplémentaire de biens importables.
73Sous cette hypothèse, l’accroissement de la consommation totale des ménages est moins élevé que celui des transferts de fonds (dc < dtfr). Cela va engendrer dans un premier temps une baisse de la consommation des biens non échangeables (dCn < 0) au profit de la consommation domestique des biens importés, ce qui provoque par la suite un déficit de la balance commerciale. Puisque la consommation domestique des biens importés augmente dans une proportion plus grande que celle des transferts, ce déficit ne peut pas être compensé par les entrées de capitaux des migrants. Le déséquilibre créé par le déficit de la balance commerciale conduit à une dépréciation du taux de change de long terme.
Effet des autres variables sur le taux de change effectif réel d’équilibre à long terme
74Termes de l’échange TE (+/-). L’indice des termes de l’échange net est le rapport entre les prix à l’exportation et les prix à l’importation, mesuré par rapport à l’année de référence 2000 : . En théorie, l’amélioration des termes de l’échange influe sur la fluctuation du taux de change réel par le biais de deux effets différents : l’effet revenu et l’effet de substitution. L’effet revenu consiste en une augmentation du revenu national qui entraîne un accroissement de la demande de biens non échangeables. Il s’en suit une hausse du niveau général des prix, laquelle entraîne une appréciation du taux de change réel (Guillaumont Jeanneney et Hua, 2002 ; Tuuli, 2015). L’effet de substitution se reflète par l’augmentation de la consommation de biens importés au détriment des biens du secteur arbitré. Il en résulte une diminution de la demande de biens non échangeables et, par conséquent, une dépréciation du taux de change réel (Zhang, 2001 ; Asfaha et Huda, 2002).
75Investissement direct à l’étranger (IDE) (+). L’investissement direct étranger, qui représente l’afflux net de devises étrangères, entraîne une hausse exogène de la balance des capitaux, ce qui provoque une appréciation du taux de change réel (Ricci et al., 2013).
76Productivité (Prod) (+). Se mesure par le PIB réel par habitant (Prod). L’accroissement de la productivité tend à apprécier la monnaie par l’augmentation des salaires et des prix des biens non échangeables (Balassa, 1964 ; Samuelson, 1964).
77Dépense publique (G) (+/-). L’impact théorique des dépenses publiques sur le taux de change réel dépend du choix des secteurs dans lesquels elles ont été effectuées (Edwards, 1989). En effet, lorsque les dépenses sont destinées à l’acquisition de biens échangeables, elles provoquent une hausse du niveau général des prix de ces biens. Cela induit à long terme une dépréciation du taux de change réel pour maintenir l’équilibre de la balance externe. À l’inverse, quand les dépenses portent sur des biens non échangeables, leur prix augmente, ce qui provoque une appréciation du taux de change réel (Froot et Rogoff, 1991).
78Ouverture commerciale (OC) (-). Mesure le degré d’ouverture d’un pays. Son élargissement, qui se traduit par une libéralisation commerciale, entraîne une dépréciation du TCER, en raison de l’accroissement des échanges et de l’alignement progressif des prix des biens échangeables (Drine et Rault, 2005).
79Position extérieure nette (PEN) (-). Représente la somme des avoirs étrangers détenus par les autorités monétaires et les banques de dépôt, moins leurs dettes extérieures. Son accroissement permanent a tendance à déprécier le taux de change réel à long terme (Lane et Milesi-Ferretti, 2004).
80Aide publique au développement (AID) (+). Tend à provoquer une appréciation réelle en modifiant la composition de la demande de biens échangeables et non échangeables : c’est le « syndrome hollandais » (Opoku-Afari, 2004). Selon Younger (1992), l’augmentation des apports d’aide pose des problèmes de gestion macroéconomique liés à une inflation élevée et à l’appréciation du taux de change réel.
5 – Méthodologie empirique
Données
81Les données utilisées sont celles des neuf pays précités : cinq pays du Moyen-Orient (Jordanie, Iran, Oman, Syrie, Yémen) et quatre pays d’Afrique du Nord (Algérie, Maroc, Tunisie, Egypte). La période d’étude retenue est 1980-2015, soit 35 ans. La construction des données a été basée sur différentes sources (voir tableau A.1 en annexe). La série des taux de change effectif réel a été collectée à partir de la base de données du FMI [7]. La productivité a été recueillie dans la base de données du Conference Board for International Labor Comparisons et le reste des séries provient de la base de données de la Banque mondiale (World Development Indicators).
82Les données relatives à l’indice du taux de change effectif réel (TCER) sont issues des statistiques financières du Fond monétaire international (FMI), calculées sur la base de l’année 2010. Il représente la somme pondérée du taux de change effectif nominal, TCEN, divisée par un déflateur des prix au sens du FMI. La pondération est calculée sur la base des rapports commerciaux avec les principaux partenaires de chaque pays. Dans notre analyse, le taux de change effectif nominal (TCEN) est coté au certain [8]. L’indice du TCER a été déjà utilisé dans les précédentes études comme mesure du taux de change effectif réel (Bourdet et Falck, 2006 ; López et al., 2007).
83Les statistiques descriptives relatives aux variables sont présentées dans le tableau A.2 (en annexe). Après une première lecture, nous constatons que les transferts de fonds des migrants dans les pays du Moyen-Orient dépassent ceux vers les pays d’Afrique du Nord, alors que l’autre source d’entrée de devises sous forme d’investissements directs étrangers est plus dirigée vers les pays d’Afrique du Nord.
Spécification du modèle empirique
84Pour estimer la relation d’équilibre entre le taux de change effectif réel (TCER) et les transferts de fonds vers les pays MENA tout en tenant compte de l’ensemble des variables de contrôle, nous émettons l’hypothèse que le TCER est lié à ses déterminants théoriques par un processus autorégressif à retards échelonnés (ARDL) décrit comme suit :
86où tfri,t représente les transferts de fonds des migrants vers un pays i à la date t et Xit est le vecteur des autres déterminants du taux de change réel ; εi,t constitue le terme d’erreur (εit ~ iid(0, σ)). L’avantage de cette spécification est qu’elle offre la possibilité d’estimer la relation à court et à long terme entre le TCER et les variables explicatives. Soit la relation suivante après transformation de l’équation (19) :
88avec TCERi,t–1 – βi,1tfri,t–1 – β′i,1Xi,t–1, désignant la relation de long terme et Φi, le coefficient d’ajustement de long terme ; Φi doit être statistiquement significatif et négatif ; θit, φit, et φ′it sont des paramètres de court terme. Le déballage optimal (p* ou q*) est obtenu à partir des critères d’informations d’Akaike (AIC), de Schwarz (SIC) et d’Hannan et Quinn (HQ). Les retards optimaux retenus sont ceux dont le modèle estimé présente la valeur minimale d’un de ces critères.
89Si l’équation (20) permet de capter la dynamique de court terme et l’effet à long terme des transferts de fonds et d’autres variables, son estimation dépend de la cointégration entre les variables. Autrement dit, même si toutes nos séries ne sont pas stationnaires, il existe une combinaison linéaire entre elles, laquelle est stationnaire. Avant de tester cette hypothèse, nous effectuons les tests de racine unitaire sur les variables afin de déterminer leur niveau d’intégration. En effet, les séries intégrées d’ordre 2 peuvent entraîner des biais dans le calcul des statistiques des différents tests (Wagner et Hlouskova, 2010). Ces séries seront donc retirées dans l’estimation des modèles permettant la mise en place des tests de cointégration.
Tests de stationnarité et de ruptures structurelles
90Les tests de stationnarité utilisés sont ceux de Levin et al. (2002), Im et al. (2003) et Pesaran (2007). Ils tiennent compte respectivement de l’homogénéité, de l’hétérogénéité et de la dépendance entre les pays. Le principe de ces tests repose sur la spécification suivante :
92L’hypothèse nulle avec n désignant le nombre de pays stipule que la série contient une racine unitaire pour tous les panels. Le rejet de cette hypothèse permet donc de conclure que la série est stationnaire.
93Les résultats des différents tests de racine unitaire sur nos variables sont présentés en annexe (tableau A.3). Ils montrent que toutes nos variables sont soit stationnaires, soit intégrées d’ordre 1. Ainsi, toutes nos variables peuvent être considérées dans les tests de cointégration sans risque d’inconsistance.
94L’occurrence potentielle de ruptures structurelles dans la dynamique du taux de change dans les différents pays considérés nous pousse à effectuer des tests de rupture afin d’en tenir compte dans nos estimations. Pour cela, nous avons fait appel au test de rupture structurelle de Zivot et Andrews (1992). Les résultats de ce test indiquent la présence d’une rupture structurelle du TCER en 1990 pour l’Algérie, l’Egypte et l’Iran (voir en annexe). Il existe également une rupture structurelle du TCER en 1986 pour la Tunisie et Oman, en 1987 pour la Jordanie, en 1992 pour la Syrie, en 1993 pour le Maroc et, enfin, en 1998 pour le Yémen. Ces différentes ruptures structurelles ont été prises en compte dans les estimateurs à travers des variables dummy prenant la valeur 1 s’il y a une rupture, et 0 dans le cas contraire. Le tableau A.4 (en annexe) montre également que la variable TCER est intégrée d’ordre 2 pour certains pays. Cependant, compte tenu de la puissance des taux de racine unitaire en panel, nous ne retiendrons que l’ordre d’intégration obtenu avec les tests de Levin et al. (2002), Im et al. (2003) et Pesaran (2007).
Tests de cointégration
95Les tests retenus pour contrôler l’hypothèse d’absence de cointégration de nos séries sont ceux de Kao (1999), de Pedroni (2000, 2004) et de Westerlund (2007). En plus de ces tests, nous effectuons également le test de Fisher basé sur la cointégration au sens de Johansen. La différence principale entre ces tests réside dans leur capacité à être performants face aux petits échantillons. Dans une comparaison des performances de cointégration, Wagner et Hlouskova (2010) montrent que deux des tests de Pedroni basés sur le principe ADF sont plus performants que ceux de Westerlund (2007), Larsson et al. (2001) et Breitung et Pesaran (2005), notamment pour T ≤ 25. Pour corriger cette mauvaise performance face aux séries courtes, Westerlund (2007) propose un test basé sur l’estimation d’un modèle à correction d’erreur qui prend en compte les ruptures structurelles. Il montre que son test donne de meilleurs résultats que les autres lorsque la dimension temporelle et le nombre de pays sont limités.
96Notre panel étant composé de 9 pays et de 35 années, soit un échantillon de 315 observations, il est possible que les tests habituels basés sur un ADF sur les résidus soient moins performants. Le test de Westerlund (2007) semble plus adapté à nos séries compte tenu de la présence de ruptures structurelles. Cependant, nous effectuons quatre tests de cointégration pour nous assurer de la robustesse de nos conclusions (voir annexes).
97Le test Kao (1999) rejette l’hypothèse nulle d’absence de cointégration au seuil de 1 %. Le test de Fisher basé sur la cointégration de Johansen rejette également l’hypothèse d’absence de cointégration au seuil de 1 %. De la même manière, ce test rejette l’absence d’au plus huit relations de cointégration. Le test de Pedroni (2000, 2004) ne pouvant pas être réalisé avec plus de six variables, un premier test a été effectué avec seulement quatre variables (le taux de change effectif réel, les transferts de fonds des migrants, la productivité, les termes de l’échange). Le tableau A.7 (en annexe) montre que trois sur onze des statistiques de Pedroni rejettent l’hypothèse d’absence de cointégration au seuil de 10 % entre le taux de change effectif réel, les transferts de fonds des migrants, la productivité et les termes de l’échange. Dans la deuxième étape du test de Pedroni, nous testons la cointégration entre les variables suivantes : taux de change effectif réel, transferts de fonds des migrants, position extérieure nette, ouverture commerciale, investissements directs étrangers, dépenses gouvernementales. Le tableau A.8 montre que seule une des statistiques de Pedroni permet de rejeter l’hypothèse d’absence de cointégration.
98Tout comme le test de Pedroni, celui de Westerlund (2007) a été réalisé en trois étapes avec successivement une, deux et cinq variables. Dans la première étape, l’on teste uniquement la relation de cointégration entre nos deux variables d’intérêt : le taux de change effectif réel et les transferts de fonds des migrants. Le tableau A.9 (en annexe) montre que, au seuil de 10 %, trois sur quatre des statistiques de Westerlund rejettent l’hypothèse d’absence de cointégration entre le taux de change réel et les transferts des migrants. Il existe donc une forte relation de cointégration entre nos deux variables d’intérêt. Dans la deuxième étape du test, on ajoute la productivité à la précédente relation. Le résultat dans le tableau A.10 (en annexe) montre que deux sur quatre des statistiques de Westerlund permettent de rejeter l’hypothèse de non cointégration aux seuils de 5 % et de 10 % entre le taux de change effectif réel, les transferts de fonds des migrants et la productivité. Dans la dernière étape, nous effectuons le test de cointégration entre les variables : taux de change effectif réel, transferts de fonds des migrants, position extérieure nette, ouverture commerciale et investissements directs étrangers. Le résultat (tableau A.11 en annexe) montre que seule une des quatre statistiques de Westerlund permet de rejeter l’hypothèse de cointégration au seuil de 5 % entre ces variables. Il résulte de ces tests l’existence d’une relation de cointégration entre le taux de change effectif réel et les transferts de fonds des migrants. Cependant, cette relation tend à disparaitre lorsque le nombre de variables de contrôle augmente.
Estimation
99Pour estimer l’équation (20), nous utilisons l’estimateur Pooled Mean Group (PMG) de Pesaran et al. (1999), sous l’hypothèse que les coefficients de court terme et la variance du terme d’erreur sont différents entre les pays. Néanmoins, compte tenu des ajustements et des politiques adoptées par les pays pour le retour à l’équilibre, les coefficients représentant les effets de long terme deviennent en moyenne communs à tous les pays. L’estimateur PMG s’oppose principalement à celui du modèle dynamique à effets fixes (DFE), cas dans lequel tous les paramètres, hormis la constante, sont communs à tous les pays.
100Cependant, pour confirmer une restriction de notre modèle à une relation commune à long terme pour tous les pays, nous effectuons le test de Hausman entre les résultats de l’estimation DFE et ceux de l’estimation PMG. Le résultat de ce test (tableau A.13 en annexe) montre qu’il n’existe pas de différence significative entre les deux estimations. Cela nous permet donc de continuer nos estimations avec l’estimateur PMG, qui a l’avantage de prendre en compte l’hétérogénéité des pays à court terme.
101La relation de cointégration étant plus forte entre le taux de change effectif réel et les transferts de fonds des migrants, nous commençons d’abord par estimer la relation entre ces deux variables. Ensuite, les variables de contrôle sont ajoutées dans quatre autres estimations. Enfin, nous retirons les variables potentiellement corrélées à d’autres variables afin d’atteindre la convergence.
6 – Résultats et robustesse
6.1 – Résultats
102Le tableau 4 (infra) présente les résultats de l’estimation de l’impact des transferts de fonds sur le TCER dans la région MENA. Les deux autres tableaux (5 et 6, infra) se rapportent à l’Afrique du Nord et au Moyen-Orient, les deux sous-groupes du MENA. La question est donc de savoir s’il existe des différences d’un sous-groupe à l’autre, mais aussi de valider les résultats obtenus lorsqu’on considère l’ensemble des pays de la région MENA.
Estimation PMG pour la région MENA (long terme)
Variable dépendante : taux de change effectif réel (log) | |||||
---|---|---|---|---|---|
(1) | (2) | (3) | (4) | (5) | |
TFR (% PIB) | -2,009*** | -5,756*** | -3,309** | -3,642** | -7,930*** |
(1,88) | (1,453) | (1,554) | (2,403) | ||
Prod (log) | 2,070 *** | 2,007*** | 1,897*** | 2,265*** | |
(0,536) | (0,571) | (0,472) | (0,649) | ||
TE (log) | 0,331 | 0,267 | -0,184 | ||
(0,251) | (0,249) | (0,285) | |||
PEN (% PIB) | -0,110 | -0,086 | -0,108 | ||
(0,096) | (0,104) | (0,100) | |||
OC (% PIB) | -0,010*** | -0,015*** | -0,013*** | -0,012*** | |
(0,003) | (0,004) | (0,003) | (0,004) | ||
IDE (% PIB) | 2,759* | 5,653** | |||
(1,679) | (2,815) | ||||
AID (% PIB) | 2,614 | 3,317** | 4,503** | ||
(1,932) | (1,512) | (2,210) | |||
G (% PIB) | 2,980** | 3,185** | 3,865** | ||
(1,337) | (1,425) | (1,667) | |||
Terme d’erreur | -0,172*** | -0,105** | -0,116* | -0,110* | -0,097** |
(0,023) | (0,073) | (0,064) | (0,062) | (0,048) | |
Nombre d’observations | 315 | 315 | 315 | 315 | 315 |
Nombre de groupes | 9 | 9 | 9 | 9 | 9 |
Observations par groupe (T) | 35 | 35 | 35 | 35 | 35 |
Log-vraisemblance | 282,467 | 376,641 | 378,062 | 388,742 | 388,023 |
Estimation PMG pour la région MENA (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.103Le coefficient de convergence vers l’équilibre à long terme est significatif et négatif dans les trois tableaux (θi = – 0,11). Issu de l’estimation Pooled Mean Group (PMG), un tel résultat permet de confirmer l’existence d’une relation de long terme entre le TCER et ses déterminants fondamentaux pour l’ensemble des pays de la région. Toutefois, la force de rappel est plus faible pour les pays d’Afrique du Nord (θi = – 0,05) que pour ceux du Moyen-Orient (θi = – 0,24). Cela signifie que l’ajustement non linéaire vers un modèle du taux de change d’équilibre à long terme est plus lent en Afrique du Nord qu’au Moyen-Orient. Une telle lenteur d’ajustement peut être expliquée, d’une part, par le poids des rigidités sur le marché des biens non échangeables et, d’autre part, par les interventions monétaires visant à stabiliser les parités sur le marché de change (Bouoiyour et al., 2004 ; Rey, 2016).
104Entre la région MENA et ses deux sous-zones, nous observons certes des tendances communes, mais aussi quelques dissemblances. Si l’on retient par exemple les variables fondamentales du TCER, il apparaît qu’elles sont, à long terme, statistiquement significatives pour la région MENA, excepté pour les avoirs nets à l’étranger et les termes de l’échange. Toutefois, les avoirs nets à l’étranger ont un effet négatif et significatif au Moyen-Orient.
105A long terme, les transferts de fonds des migrants vers l’ensemble des pays MENA impactent négativement le TCER. Cela est statistiquement confirmé pour les pays de l’Afrique du Nord et ceux du Moyen-Orient. Le tableau 4 montre qu’un accroissement de 1 % du ratio « transferts de fonds sur PIB » vers les pays de la région MENA génère une baisse du TCER de – 3,64 %. Mais cet effet est davantage marqué pour les pays du Moyen-Orient (– 7,06 %), par rapport à ceux d’Afrique du Nord (– 5,95 %). Autrement dit, le risque de syndrome hollandais est loin d’être vérifié pour l’ensemble des pays MENA. L’augmentation, à long terme, des transferts de fonds n’y détériore pas la compétitivité-prix.
106À court terme, les transferts de fonds n’ont pas d’impact statistiquement significatif sur le TCER dans la région MENA (voir tableaux A.14, A.15 et A.16 en annexe). Seuls les termes de l’échange ont un effet significatif et négatif sur le TCER (tableau A.14), ce qui est le reflet de la prédominance de l’effet substitution sur l’effet revenu.
107À l’inverse des envois d’argent des migrants, l’aide publique au développement, sous forme d’entrées de devises étrangères nettes, provoque bien une augmentation du TCER à long terme mais cet effet n’existe qu’au Moyen-Orient. Ce résultat confirme donc l’existence du risque « Dutch disease » pour l’ensemble des pays du Moyen-Orient et confirme ceux obtenus dans les études précédentes (Elbadawi, 1999 ; Opoku-Afari, 2004 ; White et Wignaraja, 1992). De la même manière, l’investissement direct à l’étranger exerce un effet d’appréciation sur le TCER, mais l’effet n’est significatif qu’en Afrique du Nord. En effet, l’entrée des flux de capitaux conduit à un risque de syndrome hollandais. Cela s’explique par une augmentation des prix des biens non échangeables et le passage vers des biens et services moins productifs et moins exportables, ce qui affecte négativement la compétitivité-prix (Comunale, 2017).
108Si la hausse de la productivité tend à apprécier le TCER dans la région MENA, il apparaît une différence entre les deux sous-zones. Cela s’illustre par la présence dans les pays d’Afrique du Nord du processus de rattrapage Balassa-Samuelson, un phénomène observable dans les économies en développement. Or, l’inverse est observé dans les pays du Moyen-Orient.
109Comme le montre le tableau 5, l’accroissement de la productivité est associé à une appréciation du TCER pour les pays d’Afrique du Nord. Cela peut s’expliquer par le fait que l’augmentation de la productivité dans le secteur des biens non échangeables tend à réduire le prix de la production domestique par rapport à celui de la production étrangère, ce qui entraîne une dépréciation globale du TCER (Benigno et Thoenissen, 2003). Cet effet Balassa-Samuelson, reliant l’appréciation du TCER à un accroissement de la productivité dans le secteur des biens échangeables (MacDonald et Ricci, 2005), est bien vérifié pour les pays d’Afrique du Nord. En revanche, c’est l’effet inverse qui s’observe pour ceux du Moyen-Orient.
110Lorsque l’on prend en compte l’ensemble de la région MENA, les dépenses publiques conduisent à une appréciation du TCER à long terme. Cela peut s’expliquer par une allocation de ces dépenses à des biens non échangeables. En effet, lorsque les dépenses publiques sont destinées à la consommation de biens non échangeables, leurs prix relatifs augmentent et s’ensuit une appréciation du TCER.
111La tendance générale observée pour l’ensemble de la région MENA peut cacher des caractéristiques particulières. Si l’on scinde la région en deux sous-groupes, on s’aperçoit par exemple que l’effet des dépenses publiques n’est significatif que pour les pays du Moyen-Orient.
112Contrairement aux dépenses publiques, l’ouverture commerciale a un effet négatif et significatif, à long terme, sur le TCER seulement pour les pays du Moyen-Orient (tableaux 5 et 6). A court terme, l’ouverture commerciale des pays du Moyen-Orient a un effet négatif et significatif sur le TCER, tandis qu’en Afrique du Nord l’effet inverse est observé. C’est un fait que l’ouverture commerciale exerce théoriquement un effet controversé sur le TCER à long terme (Lartey et al., 2012). Suivant l’effet revenu, l’accroissement des tarifs d’importation induit une baisse de revenu conduisant à une réduction de la demande de biens non échangeables, d’où la baisse de leurs prix et une dépréciation du TCER. A contrario, par le biais de l’effet substitution, cet accroissement conduit à un renchérissement des biens importés, ce qui provoque un transfert de la demande vers le secteur des biens non échangeables. Cela entraîne une hausse des prix des biens non échangeables avec, pour contrecoup, une appréciation du taux d’échange effectif réel (Lartey et al., 2012). L’effet de substitution semble l’emporter sur l’effet revenu dans les pays du Moyen-Orient.
Estimation PMG pour l’Afrique du Nord (long terme)
Variable dépendante : taux de change effectif réel (log) | ||||
---|---|---|---|---|
(1) | (2) | (3) | (4) | |
TFR (% PIB) | -5,916*** | -5,953** | -9,255*** | -11,181*** |
(2,236) | (2,357) | (3,507) | (4,699) | |
Prod (log) | 0,876** | 1,537*** | 1,624*** | 1,906** |
(0,408) | (0,502) | (0,598) | (0,871) | |
TE (log) | 0,074 | -0,229 | -0,309 | -0,454 |
(0,307) | (0,306) | (0,371) | (0,514) | |
G (% PIB) | -1,733 | -2,261 | -2,086 | |
(2,551) | (2,631) | (3,507) | ||
OC (% PIB) | -0,002 | -0,004 | -0,007 | |
(0,003) | (0,004) | (0,006) | ||
AID (% PIB) | 2,955 | 2,007 | ||
(1,980) | (2,323) | |||
IDE (% PIB) | 6,928 | 9,996* | ||
(4,233) | (5,969) | |||
Terme d’erreur | -0,074** | -0,057* | -0,046* | -0,035* |
(0,031) | (0,031) | (0,026) | (0,021) | |
Nombre d’observations | 140 | 140 | 140 | 140 |
Nombre de groupes | 4 | 4 | 4 | 4 |
Log-vraisemblance | 236,655 | 250,809 | 256,179 | 250,658 |
Estimation PMG pour l’Afrique du Nord (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.Estimation PMG pour le Moyen-Orient (long terme)
Variable dépendante : taux de change effectif réel (log) | ||||
---|---|---|---|---|
(1) | (2) | (3) | (4) | |
TFR (% PIB) | -7,036*** | -6,335*** | -13,233** | -8,084*** |
(2,045) | (1,62) | (5,740) | (2,591) | |
Prod (log) | -1,244** | -1,163** | 0,343 | |
(0,520) | (0,496) | (0,912) | ||
PEN (% PIB) | -0,206*** | -0,260*** | -0,259** | |
(0,049) | (0,049) | (0,115) | ||
AID (% PIB) | 4,412** | 13,685*** | 8,923*** | |
(2,169) | (5,020) | (3,413) | ||
OC (% PIB) | -0,016*** | -0,014*** | -0,021*** | |
(0,003) | (0,003) | (0,005) | ||
G (% PIB) | 2,327** | |||
(0,986) | ||||
IDE (% PIB) | 1,960 | 1,429 | 1,776 | |
(2,369) | (4,478) | (2,816) | ||
TE (log) | -0,059 | -0,140 | ||
(0,216) | (0,197) | |||
Terme d’erreur | -0,247** | -0,256** | -0,127** | -0,182* |
(0,127) | (0,134) | (0,055) | (0,101) | |
Nombre d’observations | 175 | 175 | 175 | 175 |
Nombre de groupes | 5 | 5 | 5 | 5 |
Observations par groupe (T) | 35 | 35 | 35 | 35 |
Log-vraisemblance | 135,749 | 134,898 | 114,924 | 125,675 |
Estimation PMG pour le Moyen-Orient (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.6.2 – Robustesse
113Afin de vérifier la robustesse de nos résultats, nous avons également estimé la relation entre les transferts de fonds et le taux de change effectif réel à l’aide de l’estimateur Mean Group (MG) de Pesaran et Smith (1995). Leur approche est basée sur l’hypothèse que les pays sont hétérogènes à long et à court terme. Les résultats des tableaux A.17, A.19 et A.21 (voir annexes) indiquent que, même en faisant l’hypothèse que les pays sont purement hétérogènes, les transferts des migrants ont toujours un effet négatif sur le taux de change effectif réel dans les pays MENA.
114Lorsque les pays sont affectés par des facteurs communs non observables, les résultats obtenus par les estimateurs Mean Group et Pooled Mean Group peuvent être inconsistants. C’est pourquoi nous utilisons aussi l’estimateur Dynamic Common Correlated Effects (DCCE) afin d’analyser l’effet des transferts sur le taux de change (Chudik et Pesaran, 2015). Dans cette estimation, nous faisons l’hypothèse que, si les moyennes transversales ne sont pas incluses dans l’équation ou si elles ne tiennent pas compte de toutes les dépendances entre les unités sectionnelles, le terme d’erreur contiendra une dépendance transversale. Par conséquent, il ne sera pas distribué de façon identique et indépendante comme cela a été proposé par Pesaran et al. (1999) pour l’estimateur PMG. Pour tester l’existence de facteurs communs dans nos séries, nous avons calculé le test de dépendance transversale proposé par Pesaran (2015). Le test rejette l’hypothèse nulle de dépendance faible de la section transversale, ce qui signifie que l’équation (1) devrait également être estimée avec l’estimateur Dynamic Common Correlated Effects pour vérifier la robustesse des résultats du Pooled Mean Group.
115Les résultats de l’estimateur DCCE pour les pays du MENA (du Moyen-Orient et d’Afrique du Nord) sont présentés respectivement dans les tableaux A.17, A.19 et A.21 (voir annexes). Ils confirment l’effet négatif de long terme des transferts de fonds sur le taux de change effectif réel.
7 – Conclusion
116L’objet de cet article était d’étudier la dynamique du taux de change réel dans la région MENA, avec une attention particulière portée sur le rôle des transferts des migrants. L’estimation de la relation de long terme entre le taux de change effectif réel et ses fondamentaux par la méthode ARDL confirme les hypothèses du modèle théorique. Il ressort de nos analyses que, contrairement aux transferts des migrants, les investissements directs étrangers et les aides publiques au développement ont un effet d’appréciation sur le taux de change effectif réel. Autrement dit, s’il existe un risque de syndrome hollandais dans la région MENA, il provient plutôt de l’aide au développement et de l’investissement direct étranger. Ainsi, l’accroissement de la productivité entraîne-t-il une appréciation du TCER pour les pays d’Afrique du Nord. En revanche, c’est l’effet inverse qui s’observe pour ceux du Moyen-Orient. Si les dépenses publiques y conduisent certes à une appréciation du TCER, l’ouverture commerciale a un effet négatif et significatif à long terme.
117Il est en effet apparu que, contrairement aux pays d’Amérique latine, les envois d’argent provoquent plutôt une dépréciation du TCER dans les pays de la région MENA. C’est un point qui se confirme aussi lorsque l’on applique les mêmes estimations aux deux grands sous-groupes de la région, à savoir l’Afrique du Nord et le Moyen-Orient. L’augmentation des transferts de fonds ne détériore donc pas, dans certains cas, la compétitivité-prix des pays récipiendaires. L’accroissement de la consommation domestique des biens échangeables, dans une proportion plus grande que celle des transferts, engendre une dépréciation du TCER. Telle est la contribution de ce papier.
118Cependant, d’autres mécanismes peuvent également expliquer cet effet engendré par les transferts de fonds des migrants. D’une part, la politique de contrôle des changes menée par les autorités publiques, lesquelles tendent à adopter un taux de change surévalué, conduit à inverser la relation entre les transferts de fonds et le TCER. D’autre part, lorsque les envois d’argent des migrants sont contra-cycliques, la consommation publique baisse, d’où une dépréciation du taux de change effectif réel à long terme.
Sources des données
Sources des données
Statistiques descriptives
Statistiques descriptives
Tests de racine unitaire
Tests de racine unitaire
Note : *, **, *** : seuil de significativité respectivement de 10%, 5% et 1%.Tests de racine unitaire avec rupture structurelle
TCER (log) | Ruptures | Retard optimal (via BIC) | t-statistique | Ordre d’intégration |
---|---|---|---|---|
Algérie | 1990 | 1 | -4,596*** | I(1) |
Égypte | 1990 | 1 | -5,145*** | I(1) |
Jordanie | 1987 | 1 | -3,641*** | I(1) |
Iran | 1990 | 1 | -3,983*** | I(1) |
Maroc | 1993 | 2 | -5,048*** | I(2) |
Oman | 1986 | 1 | -3,840*** | I(1) |
Syrie | 1992 | 0 | -4,388*** | I(0) |
Tunisie | 1986 | 1 | -3,871*** | I(1) |
Yémen | 1998 | 2 | -6,279*** | I(2) |
Tests de racine unitaire avec rupture structurelle
Note : *, **, *** : seuil de significativité respectivement de 10%, 5% et 1% (les trois niveaux de significativité ont été considérés dans les estimations).Test de cointégration de Kao
Séries : log(TCER), TFR (% GDP), log(Prod), log (TE), PEN (% GDP), OC (% GDP), AID (% GDP), IDE (% GDP), GOV (% GDP) | ||||
Échantillon : 1980-2015 | ||||
Observations : 324 | ||||
Hypothèse nulle : absence de cointégration | ||||
Tendance : absence de tendance | ||||
Nombre de retard spécifié : 1 | ||||
Sélection automatique de Newey-West et Bartlett Kernel | ||||
t-statistique | Probabilité | |||
ADF | -4,112712 | 0,0000 | ||
Variance résiduelle | 0,046621 | |||
Variance HAC | 0,025023 |
Test de cointégration de Kao
Test de cointégration de Fisher à la Johansen
Séries : log(TCER), TFR (% GDP), log(Prod), log (TE), PEN (% GDP), OC (% GDP), AID (% GDP), IDE (% GDP), GOV (% GDP) | ||||
Échantillon : 1980-2015 | ||||
Observations : 324 | ||||
Tendance : tendance linéaire | ||||
Retards (en première différence) : 1 1 | ||||
Test de cointégration de rang | ||||
Hypothèse de cointégration | Statistique de Fisher | Statistique de Fisher | ||
(Test de trace) | Probabilité | (Test maximum de valeurs propres) | Probabilité | |
Aucun | 328,7 | 0,0000 | 318,4 | 0,0000 |
Au plus 1 | 501,6 | 0,0000 | 219,4 | 0,0000 |
Au plus 2 | 261,4 | 0,0000 | 127,7 | 0,0000 |
Au plus 3 | 161,4 | 0,0000 | 67,11 | 0,0000 |
Au plus 4 | 104,3 | 0,0000 | 50,44 | 0,0001 |
Au plus 5 | 63,47 | 0,0000 | 43,55 | 0,0007 |
Au plus 6 | 31,87 | 0,0228 | 23,00 | 0,1907 |
Au plus 7 | 20,54 | 0,3030 | 15,50 | 0,6276 |
Au plus 8 | 29,65 | 0,0410 | 29,65 | 0,0410 |
Test de cointégration de Fisher à la Johansen
Test de cointégration de Pedroni
Séries : log(TCER), TFR (% GDP), log(Prod), log (TE) | |||||
Échantillon : 1980-2015 | |||||
Observations : 324 | |||||
Nombre de pays : 9 | |||||
Hypothèse nulle : absence de cointégration | |||||
Tendance : absence de tendance | |||||
Nombre de retard spécifié : 1 | |||||
Sélection automatique de Newey-West et Bartlett Kernel | |||||
Hypothèse alternative : coefficients AR communs (Intra-pays) | |||||
Statistique | Probabilité | Statistique pondérée | Probabilité | ||
Panel v-Statistique | -0,322578 | 0,6265 | 0,156458 | 0,4378 | |
Panel rho-Statistique | -1,123052 | 0,1307 | 0,119251 | 0,5475 | |
Panel PP-Statistique | -3,785284 | 0,0001 | -1,485588 | 0,0687 | |
Panel ADF-Statistique | -1,074416 | 0,1413 | -0,075566 | 0,4699 | |
Hypothèse alternative : coefficients AR individuels (Inter-pays) | |||||
Statistique | Probabilité | ||||
rho-Statistique | 0,337710 | 0,6322 | |||
PP-Statistique | -1,674838 | 0,0470 | |||
ADF-Statistique | -0,724311 | 0,2344 |
Test de cointégration de Pedroni
Test de cointégration de Pedroni
Séries : log(TCER), TFR (% GDP), PEN (% GDP), OC (% GDP), | |||||
IDE (% GDP) | |||||
Échantillon : 1980-2015 | |||||
Observations : 324 | |||||
Nombre de pays : 9 | |||||
Hypothèse nulle : absence de cointégration | |||||
Tendance : absence de tendance | |||||
Nombre de retard spécifié : 1 | |||||
Sélection automatique de Newey-West et Bartlett Kernel | |||||
Hypothèse alternative : coefficients AR communs (Intra-pays) | |||||
Statistique | Probabilité | Statistique pondérée | Probabilité | ||
Panel v-Statistique | -0,863891 | 0,8062 | -1,287897 | 0,9011 | |
Panel rho-Statistique | 1,146289 | 0,8742 | 1,997994 | 0,9771 | |
Panel PP-Statistique | -2,415859 | 0,0078 | 0,091358 | 0,5364 | |
Panel ADF-Statistique | -1,036862 | 0,1499 | 0,446275 | 0,6723 | |
Hypothèse alternative : coefficients AR individuels (Inter-pays) | |||||
Statistique | Probabilité | ||||
rho-Statistique | 3,107589 | 0,9991 | |||
PP-Statistique | 0,155082 | 0,5616 | |||
ADF-Statistique | 0,836240 | 0,7985 |
Test de cointégration de Pedroni
Test de cointégration de Westerlund (2007)
Séries : | log(TCER), TFR (% GDP) | ||
---|---|---|---|
Statistique | Valeur | Z-statistique | Valeur critique |
Gt | -2,250 | -1,578 | 0,057 |
Ga | -9,529 | -1,315 | 0,094 |
Pt | -5,364 | -1,028 | 0,152 |
Pa | -6,580 | -1,588 | 0,056 |
Test de cointégration de Westerlund (2007)
Test de cointégration de Westerlund (2007)
Séries | log(TCER), TFR (% GDP), log(Prod) | ||
---|---|---|---|
Statistique | Valeur | Z-statistique | Valeur critique |
Gt | -2,599 | -1,838 | 0,033 |
Ga | -11,658 | -1,211 | 0,113 |
Pt | -6,191 | -1,019 | 0,154 |
Pa | -8,787 | -1,568 | 0,059 |
Test de cointégration de Westerlund (2007)
Test de cointégration de Westerlund (2007)
Séries | log(TCER), TFR (% GDP), PEN (% GDP), OC (% GDP), IDE (% GDP) | ||
---|---|---|---|
Statistique | Valeur | Z-statistique | Valeur critique |
Gt | -1,851 | 1,867 | 0,969 |
Ga | -5,821 | 2,794 | 0,997 |
Pt | -8,310 | -1,722 | 0,043 |
Pa | -9,816 | -0,202 | 0,420 |
Test de cointégration de Westerlund (2007)
Test de cointégration de Westerlund (2007)
Séries | log(TCER), TFR (% GDP) et TFR (% GDP) au carré | |||
---|---|---|---|---|
Statistique | Valeur | Z-statistique | Valeur critique | Valeur critique (robuste) |
Gt | -2,394 | -1,171 | 0,121 | 0,110 |
Ga | -8,641 | 0,232 | 0,592 | 0,130 |
Pt | -5,452 | -0,303 | 0,381 | 0,220 |
Pa | -6,527 | -0,355 | 0,361 | 0,440 |
Test de cointégration de Westerlund (2007)
Test de Hausman entre les estimations PMG et DFE
---- Coefficients ---- | ||||
---|---|---|---|---|
(b) PMG | (B) DFE | (b-B) Différence | Racine (diagonale (V_b-V_B)) S, E, | |
TRF (% PIB) | -7,930 | -4,549 | -3,381 | 26,140 |
Prod (log) | 2,265 | -0,232 | 2,498 | 7,068 |
TE (log) | -0,184 | 0,187 | -0,372 | 3,104 |
OC (% PIB) | -0,012 | -0,011 | -0,001 | 0,045 |
FDI (% PIB) | 5,653 | 2,279 | 3,373 | 30,623 |
APD (% PIB) | 4,503 | -0,309 | 4,812 | 24,007 |
G (% PIB) | 3,865 | 6,235 | -2,370 | 18,081 |
Test de Hausman entre les estimations PMG et DFE
b = Convergent sous Ho et HaB = Non convergent sous Ha, efficient sous Ho
Test : Ho : différence non systématique entre les coefficients
chi2(7) = (b-B)’[(V_b-V_B)^(-1)](b-B) = 0,27
Probabilité > chi2 = 0,9999
Estimation PMG pour la région MENA (court terme)
Variable dépendante : Variation du taux de change effectif réel (log) | |||||
---|---|---|---|---|---|
(1) | (2) | (3) | (4) | (5) | |
ΔTFR (% PIB) | -4,492*** | 12,396 | 10,163 | 8,768 | 9,660 |
(14,073) | (13,164) | (11,464) | (12,025) | ||
ΔProd (log) | -0,287 | -0,196 | -0,351 | -0,542 | |
(0,302) | (0,264) | (0,291) | (0,360) | ||
ΔTE (log) | -0,118* | -0,109 | -0,113 | ||
(0,068) | (0,066) | (0,082) | |||
ΔPEN (% PIB) | -0,149 | -0,125 | -0,136 | ||
(0,116) | (0,091) | (0,134) | |||
ΔOC (% PIB) | -0,0002 | -0,001 | -0,001 | -0,0002 | |
(0,002) | (0,002) | (0,002) | (0,002) | ||
ΔIDE (% PIB) | -1,971 | -1,772 | |||
(2,149) | (1,895) | ||||
ΔAID (% PIB) | -18,463 | -16,335 | -22,982 | ||
(16,155) | (15,951) | (21,336) | |||
ΔG (% PIB) | -0,408 | -0,082 | 0,139 | ||
(0,373) | (0,297) | (0,485) | |||
Variable muette | -0,123** | -0,136** | -0,102** | -0,065 | |
(0,060) | (0,055) | (0,047) | (0,088) | ||
Constante | 0,847*** | -1,634** | -1,893* | -1,593* | -1,611** |
(0,027) | (0,790) | (1,017) | (0,881) | (0,784) | |
Nombre d’observations | 315 | 315 | 315 | 315 | 315 |
Nombre de groupes | 9 | 9 | 9 | 9 | 9 |
Observations par groupe (T) | 35 | 35 | 35 | 35 | 35 |
Log-vraisemblance | 282,467 | 376,641 | 378,062 | 388,742 | 388,023 |
Estimation PMG pour la région MENA (court terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.Estimation PMG pour l’Afrique du Nord (court terme)
Variable dépendante : Variation du taux de change effectif réel (log) | ||||
---|---|---|---|---|
(1) | (2) | (3) | (4) | |
ΔTFR (% PIB) | -3,117 | -2,579 | -2,798 | -2,729 |
(2,065) | (1,825) | (2,148) | (2,065) | |
ΔProd (log) | 0,229 | 0,136 | 0,007 | 0,058 |
(0,440) | (0,328) | (0,269) | (0,301) | |
ΔTE (log) | -0,260 | -0,132 | -0,130 | -0,124 |
(0,207) | (0,170) | (0,187) | (0,182) | |
ΔG (% PIB) | 0,523 | 0,926 | 0,837 | |
(1,191) | (0,553) | (0,524) | ||
ΔOC (% PIB) | -0,006 | -0,006* | -0,006 | |
(0,004) | (0,003) | (0,003) | ||
ΔAID (% PIB) | 0,854 | 2,180 | ||
(2,215) | (3,490) | |||
ΔIDE (% PIB) | -0,448 | 0,026 | ||
(1,234) | (0,901) | |||
Variable muette | -1,449* | -0,149** | -0,133** | -0,167** |
(0,084) | (0,065) | (0,055) | (0,082) | |
Constante | -0,304*** | -0,549** | -0,435** | -0,409* |
(0,113) | (0,272) | (0,224) | (0,217) | |
Nombre d’observations | 140 | 140 | 140 | 140 |
Nombre de groupes | 4 | 4 | 4 | 4 |
Log-vraisemblance | 236,655 | 250,809 | 256,179 | 250,658 |
Estimation PMG pour l’Afrique du Nord (court terme)
Note : *, **, *** : seuil de significativité respectivement de 10%, 5% et 1%.Estimation PMG pour le Moyen-Orient (court terme)
Variable dépendante : Variation du taux de change effectif réel (log) | ||||
---|---|---|---|---|
(1) | (2) | (3) | (4) | |
ΔTFR (% PIB) | 19,997 | 27,051 | 13,805 | 18,376 |
(21,479) | (29,106) | (14,198) | (18,828) | |
ΔProd (log) | 0,012 | 0,212 | -0,331 | |
(0,217) | (0,183) | (0,268) | ||
ΔPEN (% PIB) | -0,32 | -0,066 | -0,046 | |
(0,048) | (0,083) | (0,035) | ||
ΔAID (% PIB) | -28,973 | -10,301 | -21,158 | |
(27,174) | (8,067) | (18,088) | ||
ΔOC (% PIB) | 0,003 | 0,001 | 0,004* | |
(0,048) | (0,002) | (0,002) | ||
ΔG (% PIB) | 0,107 | |||
(0,398) | ||||
ΔIDE (% PIB) | -3,672 | -3,086 | -3,401 | |
(3,550) | (3,589) | (3,753) | ||
ΔTE (log) | -0,081 | -0,068 | ||
(0,066) | (0,060) | |||
Variable muette | -0,074 | -0,110 | -0,175* | -0,120 |
(0,121) | (0,110) | (0,108) | (0,144) | |
Constante | 4,775** | 4,728* | 0,701** | 0,562* |
(2,445) | (2,491) | (0,322) | (0,342) | |
Nombre d’observations | 175 | 175 | 175 | 175 |
Nombre de groupes | 5 | 5 | 5 | 5 |
Observations par groupe (T) | 35 | 35 | 35 | 35 |
Log-vraisemblance | 135,749 | 134,898 | 114,924 | 125,675 |
Estimation PMG pour le Moyen-Orient (court terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 % (les trois niveaux de significativité ont été considérés dans les estimations).Robustesse pour la région MENA (long terme)
Robustesse pour la région MENA (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %. CD : Cross-sectional Dependence. PMG : Pooled Mean Group, MG : Mean Group, DCCE : Dynamic Common Correlated Effect.Robustesse pour la région MENA (court terme)
Robustesse pour la région MENA (court terme)
Note : *, **, *** : seuil de significativité respectivement de 10%, 5% et 1%. CD : Cross-sectional Dependence. PMG : Pooled Mean Group, MG : Mean Group, DCCE : Dynamic Common Correlated Effect.Robustesse pour l’Afrique du Nord (long terme)
Variable dépendante : Taux de change effectif réel (log) | |||
---|---|---|---|
PMG | MG | DCCE | |
TFR (% PIB) | -7,631*** | -7,516* | -8,349* |
(2,924) | (4,313) | (0,085) | |
Prod (log) | 0,520 | 1,161 | 0,485 |
(0,430) | (0,979) | (0,985) | |
PEN (% PIB) | 0,395 | -0,133 | 2,142 |
(0,399) | (1,274) | (1,752) | |
G (% PIB) | -0,813 | 0,748 | 3,393 |
(2,125) | (6,493) | (9,704) | |
Terme d’erreur | -0,057* | -0,217*** | -0,191** |
(0,035) | (0,072) | (0,085) | |
CD test | 0,34 | 0,12 | |
CD valeur critique | 0,736 | 0,902 | |
Nombre d’observations | 140 | 140 | 140 |
Nombre de groupes | 4 | 4 | 4 |
R2 ajusté | 0,66 | 0,67 | |
Log-vraisemblance | 233,910 |
Robustesse pour l’Afrique du Nord (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.CD : Cross-sectional Dependence. PMG : Pooled Mean Group, MG : Mean Group, DCCE : Dynamic Common Correlated Effect.
Robustesse pour l’Afrique du Nord (court terme)
Variable dépendante : Variation du taux de change effectif réel (log) | |||
---|---|---|---|
PMG | MG | DCCE | |
ΔTFR (% PIB) | -2,901 | -2,148 | -2,339 |
(2,241) | (1,737) | (2,039) | |
ΔProd (log) | 0,354 | -0,074 | 0,001 |
(0,535) | (0,447) | (0,531) | |
ΔPEN (% PIB) | -0,253 | -0,476 | -0,498 |
(0,281) | (0,538) | (0,448) | |
ΔG (% PIB) | -0,453 | -0,529 | -0,509 |
(1,891) | (2,035) | (2,345) | |
Variable muette | -0,183 | -0,126* | -0,094** |
(0,121) | (0,070) | (0,037) | |
Constante | -0,011 | -3,745 | -1,660 |
(0,011) | (4,230) | (3,136) | |
CD test | 0,34 | 0,12 | |
CD valeur critique | 0,736 | 0,902 | |
Nombre d’observations | 140 | 140 | 140 |
Nombre de groupes | 4 | 4 | 4 |
R2 ajusté | 0,66 | 0,67 | |
Log-vraisemblance | 233,910 |
Robustesse pour l’Afrique du Nord (court terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %.CD : Cross-sectional Dependence. PMG : Pooled Mean Group, MG : Mean Group, DCCE : Dynamic Common Correlated Effect.
Robustesse pour le Moyen-Orient (long terme)
Robustesse pour le Moyen-Orient (long terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %. CD : Cross-sectional Dependence.PMG : Pooled Mean Group, MG: Mean Group, DCCE : Dynamic Common Correlated Effect.
Robustesse pour le Moyen-Orient (à court terme)
Robustesse pour le Moyen-Orient (à court terme)
Note : *, **, *** : seuil de significativité respectivement de 10 %, 5 % et 1 %. CD : Cross-sectional Dependence.PMG : Pooled Mean Group, MG : Mean Group, DCCE: Dynamic Common Correlated Effect.
Bibliographie
Références
- ACOSTA, P. A., LARTEY, E. K. K. and F. S. MANDELMAN (2009). “Remittances and the Dutch Disease”, Journal of International Economics, 79, 102-116.
- AIROLA, J. (2007). “The Use of Remittance Income in Mexico”, International Migration Review, 41 (4), 850-859.
- ALPER, C. and I. SAGLAM (2000). “The Equilibrium Real Exchange Rate: Evidence from Turkey”, Topics in Middle Eastern and North African Economies, 2 (1).
- AMUEDO-DORANTES, C. and S. POZO (2004). “Workers’ Remittances and the Real Exchange Rate: A Paradox of Gifts”, World Development, 32, 1407-1417.
- ARHENFUL, P. (2013). “The Effect of Foreign Aid on Real Exchange Rate in Ghana”, Advances in Management & Applied Economics, 3 (5), 151-169.
- ASFAHA, S. G. and S. N. HUDA (2002). “Exchange Rate Misalignment and International Trade Competitiveness: A Cointegration Analysis for South Africa”, Annual Forum Series, Trade and Industrial Policy Strategies, South Africa.
- BALASSA, B. (1964). “The Purchasing-Power Parity Doctrine: A Reappraisal”, Journal of Political Economy, 72, 584-596.
- BARAJAS, A., CHAMI, R., HAKURA, D. S. and P. MONTIEL (2010). “Workers’ Remittances and the Equilibrium Real Exchange Rate: Theory and Evidence”, IMF Working Paper 10/287, Washington, DC: International Monetary Fund.
- BARRETT, K. (2014). “The Effect of Remittances on the Real Exchange Rate: The Case of Jamaica”, Working Paper, Caribbean Centre for Money and Finance, West Indies. http://ccmfuwi.org/files/publications/working_papers/2013KemeishaBarrett.pdf.
- BÉNASSY-QUÉRÉ, A. et H. RAYMOND (1997). « Les anticipations de change d’après les données d’enquêtes : un bilan de la littérature / Exchange Rate Expectations According to Survey Data », Revue d’économie politique, 107, 421-456.
- BENIGNO, G. and C. THOENISSEN (2003). “Equilibrium Exchange Rates and Supply-Side Performance”, The Economic Journal, 113, C103-C124.
- BOUOIYOUR, J., MARIMOUTOU, V. et S. REY (2004). « Taux de change réel d’équilibre et politique de change au Maroc : une approche non paramétrique », Économie internationale, 97, 81-104.
- BOURDET, Y. and H. FALCK (2006). “Emigrants’ Remittances and Dutch Disease in Cap Verde”, International Economic Journal, 20, 267-284.
- BRANSON, W. H. (1975). “Stocks and Flows in International Monetary Analysis”, in International Aspects of Stabilization Policies [Federal Reserve Bank of Boston and the International Seminar in Public Economics, Conference, Williamstown, Massachusetts, June 10-12, 1974], 27-50.
- BREITUNG, J. and M. H. PESARAN (2005). “Unit Roots and Cointegration in Panels”, Deutsche Bank Discussion Paper, 42, Frankfurt am Main: Deutsche Bundesbank.
- CHNAINA, K. and F. MAKHLOUF (2015). « Impact des transferts de fonds sur le taux de change réel effectif en Tunisie », African Development Review, 27 (2), 145-160.
- CHUDIK, A. and M. H. PESARAN (2015). “Common Correlated Effects Estimation of Heterogeneous Dynamic Panel Data Models with Weakly Exogenous Regressors”, Journal of Economics, 188, 393-420.
- COMUNALE, M. (2017). “Dutch Disease, Real Effective Exchange Rate Misalignments and their Effect on GDP Growth in EU”, Journal of International Money and Finance, 73, 350-370.
- CORDEN, W. M. (1960). “The Geometric Representation of Policies to Attain Internal and External Balance”, The Review of Economic Studies, 28, 1-22.
- CORDEN, W. M. (1981). “The Exchange Rate, Monetary Policy and North Sea Oil: The Economic Theory of the Squeeze on Tradeable”, Oxford Economic Papers, 33, 23-46.
- CORDEN, W. M. (1984). “Booming Sector and Dutch Disease Economics: Survey and Consolidation”, Oxford Economic Papers, 32, 359-380.
- CORDEN, W. M. and J. P. NEARY (1982). “Booming Sector and De-Industrialisation in a Small Open Economy”, The Economic Journal, 92, 825-848.
- DORNBUSCH, R. (1974). “Tariffs and Non-Traded Goods”, Journal of International Economics, 4 (2), 177-185.
- DORNBUSCH, R. (1976). “Expectations and Exchange Rate Dynamics”, Journal of Political Economy, 84 (6), 1161-1176.
- DRINE, I. and C. RAULT (2005). « Déterminants de long terme des taux de change réels pour les pays en développement : une comparaison internationale », Revue d’économie du développement, 13 (1), 123-150.
- DUFRÉNOT, G., LARDIC, S., MATHIEU, L. MIGNON, V., PÉGUIN-FEISSOLLE, A. (2004). « Coïntégration entre les taux de change et les fondamentaux », Revue économique, 55, 449-458.
- EDWARDS, S. (1989). Real Exchange Rates, Devaluation and Adjustment: Exchange Rate Policy in Developing Countries, Cambridge, Mass.: MIT Press.
- EDWARDS, S. and M. AOKI (1983). “Oil Export Boom and Dutch-Disease: A Dynamic Analysis”, Resources and Energy, 5, 219-242.
- ELBADAWI, I. A. (1999). “Can Africa Export Manufactures? The Role of Endowment, Exchange Rates, and Transaction Costs”, Policy Research Working Paper WPS 2120, Washington, DC: The World Bank.
- FLEMING, J. M. (1962). “Domestic Financial Policies under Fixed and under Floating Exchange Rates”, Staff Papers (International Monetary Fund), 9 (3), 369-380.
- FRANKEL, J. A. (1979). “On the Mark: A Theory of Floating Exchange Rates Based on Real Interest Differentials”, American Economic Review, 69, 610-622.
- FROOT, K. A. and K. ROGOFF (1991). “The EMS, the EMU, and the Transition to a Common Currency”, in S. Fischer and O. Blanchard (Eds.), National Bureau of Economic Research Macroeconomics Annual, Cambridge, MA: MIT Press, 269-317.
- FUENTES, J.C.C. and J. C. HERRERA (2008). “Emigrant Remittances and the Real Exchange Rate in Guatemala: An Adjustment-Costs Story”, Money Affairs, 1, 31-71.
- GUILLAUMONT JEANNENEY, S. and P. HUA (2002). « L’effet Balassa-Samuelson et les différences d’inflation entre les provinces chinoises », Revue d’économie du développement, 10 (3-4), 33-60.
- HINKLE, L. E. and P. J. MONTIEL (1999). Exchange Rate Misalignment: Concepts and Measurement for Developing Countries, New York: Oxford University Press.
- HOLZNER, M. (2006). “Real Exchange Rate Distortion in Southeast Europe”, The wiiw Balkan Observatory Working Paper No. 68, The Vienna Institute for International Economic Studies.
- HYDER, Z. and A. MAHBOOB (2006). “Equilibrium Real Effective Exchange Rate and Exchange Rate Misalignment in Pakistan”, SBP-Research Bulletin, 2 (1), 237-263.
- IM, K. S., PESARAN, M. H. and Y. SHIN (2003). “Testing for Unit Roots in Heterogeneous Panels”, Journal of Econometrics, 115 (1), 53-74.
- IZQUIERDO, A. and P. J. MONTIEL (2006). “Remittances and Equilibrium Real Exchange Rates in Six Central American Countries”, Department of Economics, Williams College, mimeo.
- KAO, C. (1999). “Spurious Regression and Residual-Based Tests for Cointegration in Panel Data”, Journal of Econometrics, 90 (1), 1-44.
- KHAN, Z., ALI, S. and S. KHALID (2016). “Remittances Inflow and Real Exchange Rate: A Case Study of Pakistan Economy”, Journal of Chinese Economics, 4, 84-94.
- KRUGMAN, P., OBSTFELD, M., MELITZ, M., CAPELLE-BLANCARD, G., CROZET, M. (2012). Économie internationale, 9ème éd., Paris : Pearson.
- LANE, P. R. and G. M. MILESI-FERRETTI (2004). “The External Wealth of Nations Mark II: Revised and Extended Estimates of Foreign Assets and Liabilities, 1970-2004”, IMF Working Paper 06/69, Washington, DC: International Monetary Fund.
- LARSSON, R., LYHAGEN, J. and M. LÖTHGREN (2001). “Likelihood-Based Cointegration Tests in Heterogenous Panels”, Econometrics Journal, 4, 109-142.
- LARTEY, E.K.K., MANDELMAN, F. S. and P. A. ACOSTA (2012). “Remittances, Exchange Rate Regimes and the Dutch Disease: A Panel Data Analysis”, Review of International Economics, 20, 377-395.
- LEVIN, A., LIN, C.-F. and J. C. CHIA-SHANG (2002). “Unit Root Tests in Panel Data: Asymptotic and Finite-Sample Properties”, Journal of Economics, 108, 1-24.
- LI, Y. and F. ROWE (2007). “Aid Inflows and the Real Effective Exchange Rate in Tanzania”, Policy Research Working Paper WPS 4456, Washington, DC: The World Bank.
- LÓPEZ, H., MOLINA, L. and M. BUSSOLO (2007). “Remittances and the Real Exchange Rate”, Policy Research Working Paper WPS 4213, Washington, DC: The World Bank.
- LÓPEZ, J. R., WINTER, J. M., ELLIOTT, J., RUANE, A. C., PORTER, C. and G. HOOGENBOOM (2017). “Integrating Growth Stage Deficit Irrigation into a Process Based Crop Model”, Agricultural and Forest Meteorology, 243, 84-92.
- MaCDONALD, R. and L. A. RICCI (2005). “Estimation of the Equilibrium Real Exchange Rate for South Africa”, South African Journal of Economics, 72, 282-304.
- MIOTTI, L., MOUHOUD, E. M. and J. OUDINET (2010). “Determinants and Uses of Remittances to Southern and Eastern Mediterranean Countries: Insights from a New Survey”, Centro Studi Luca d’Agliano Development Studies Working Paper No. 288. Available at SSRN: https://ssrn.com/abstract=1619887.
- MONGARDINI, J. and B. RAYNER (2009). “Grants, Remittances, and the Equilibrium Real Exchange Rate in Sub-Saharan African Countries”, IMF Working Paper 09/75, Washington, DC: International Monetary Fund.
- MUGHAL, M. and F. MAKHLOUF (2013). “Remittances, Dutch Disease, and Competitiveness: A Bayesian Analysis”, Journal of Economic Development, 38 (2), 67-97.
- MUNDELL, R. A. (1963). “Capital Mobility and Stabilization Policy under Fixed and Flexible Exchange Rates”, The Canadian Journal of Economics and Political Science, 29 (4), 475-485.
- NYONI, T. S. (1998). “Foreign Aid and Economic Performance in Tanzania”, World Development, 26, 1235-1240.
- OGUN, O. (1998). “Real Exchange Rate Movements and Export Growth: Nigeria, 1960-1990”, AERC Research Paper 82, Nairobi: African Economic Research Consortium.
- OPOKU-AFARI, M. (2004). “Measuring the Real Effective Exchange Rate (REER) in Ghana”, Credit Research Paper 04/11, University of Nottingham: Centre for Research in Economic Development and International Trade.
- ÖZCAN, B. (2011). “The Relationship between Workers’ Remittances and Real Exchange Rate in Developing Countries”, International Research Journal of Finance and Economics, 80, 84-93.
- PEDRONI, P. (2000). “Critical Values for Cointegration Tests in Heterogeneous Cointegrated Panels”, Advances in Econometrics, 61, 653-670.
- PEDRONI, P. (2004). “Panel Cointegration: Asymptotic and Finite Sample Properties of Pooled Time Series Tests with an Application to the PPP Hypothesis”, Econometric Theory, 20, 597-625.
- PESARAN, M. H. (2007). “A Simple Panel Unit Root Test in the Presence of Cross-Section Dependence”, Journal of Applied Economics, 22, 265-312.
- PESARAN, M. H. (2015). “Testing Weak Cross-Sectional Dependence in Large Panels”, Econometric Reviews, 34, 1089-1117.
- PESARAN, M. H., SHIN, Y. and R. P. SMITH (1999). “Pooled Mean Group Estimation of Dynamic Heterogeneous Panels”, Journal of the American Statistical Association, 94, 621-634.
- PESARAN, M. H. and R. SMITH (1995). “Estimating Long-Run Relationships from Dynamic Heterogeneous Panels”, Journal of Econometrics, 68, 79-113.
- RAJAN, R. and A. SUBRAMANIAN (2005). “What Undermines Aid’s Impact on Growth?”, NBER Working Paper No. 11657, Cambridge, MA: National Bureau of Economic Research.
- REY, H. (2016). “International Channels of Transmission of Monetary Policy and the Mundellian Trilemma”, IMF Economic Review, 64, 6-35.
- RICCI, L. A., MILESI-FERRETTI, G. M. and J. LEE (2013). “Real Exchange Rates and Fundamentals: A Cross-Country Perspective”, Journal of Money, Credit and Banking, 45 (5), 845-865.
- SAADI-SEDIK, T. and M. PETRI (2006). “To Smooth or Not to Smooth—The Impact of Grants and Remittances on the Equilibrium Real Exchange Rate in Jordan”, IMF Working Paper WP/06/257, Washington, DC: International Monetary Fund.
- SALTER, W.E.G. (1959). “Internal and External Balance: The Role Of Price and Expenditure Effects”, The Economic Record, 35, 226-238.
- SAMUELSON, P. A. (1964). “Theoretical Notes on Trade Problems”, Review of Economics and Statistics, 46 (2), 145-154.
- SINGER, D. A. (2010). “Migrant Remittances and Exchange Rate Regimes in the Developing World”, American Political Science Review, 104, 307-323.
- SWAN, T. (1960). “Economic Control in a Dependent Economy”, The Economic Record, 36, 51-66.
- TUULI, M. (2015). “The Impact of Remittances on the Real Exchange Rate: Empirical Evidence from Ghana”, Journal of Economic Cooperation and Development, 36 (3), 43-66.
- VARGAS-SILVA, C. (2009). “The Tale of Three Amigos: Remittances, Exchange Rates, and Money Demand in Mexico”, Review of Development Economics, 13, 1-14.
- WAGNER, M. and K. HLOUSKOVA (2010). “The Performance of Panel Cointegration Methods: Results from a Large Scale Simulation Study”, Econometric Reviews, 29, 182-223.
- WESTERLUND, J. (2007). “Testing for Error Correction in Panel Data”, Oxford Bulletin of Economics and Statistics, 69 (6), 709-748.
- WHITE, H. and G. WIGNARAJA (1992). “Exchange Rates, Trade Liberalization and Aid: The Sri Lankan Experience”, World Development, 20 (10), 1471-1480.
- YOUNGER, S. D. (1992). “Aid and the Dutch Disease: Macroeconomic Management when Everybody Loves You”, World Development, 20 (11), 1587-1597.
- ZHANG, K. H. (2001). “How Does Foreign Direct Investment Affect Economic Growth in China?”, Economics of Transition, 9 (3), 679-693.
- ZIVOT, E. and D. W. K. ANDREWS (1992). “Further Evidence on the Great Crash, the Oil-Price Shock, and the Unit-Root Hypothesis”, Journal of Business and Economic Statistics, 10, 251-270.
Notes
- [1]
-
[2]
Banque africaine de développement.
-
[3]
Un bien échangeable correspond à un bien qui peut être échangé entre deux pays (ex : voitures, meubles,…), alors qu’un bien non échangeable est un bien qui ne peut être consommé que dans le pays de production (coiffure, location, éducation, santé,…).
- [4]
-
[5]
Vargas-Silva (2009) trouve aussi que les effets des transferts sur le TCRE restent encore ambigus pour le Mexique.
-
[6]
Les coûts de transactions correspondent ici aux coûts liés à la défaillance des marchés, aux coûts de transport, aux taxes, aux coûts liés à la qualité et la durabilité des biens.
-
[7]
Fonds monétaire international.
-
[8]
Nombre d’unités de monnaie étrangère par unité de monnaie locale.