Global Journal of Human Social Science, E: Economics, Volume 22 Issue 3

. = . −1 1 + . −2 2 + ⋯+ . − +1 . −1 + . − . + . . + + {1, 2, … , }, {1, 2, … , } (k*k) . 1 , . 2 , …, . et la matrice (l*k) B. sont des paramètres à estimer. Love et Abrigo (2016) estiment que les innovations ont les caractéristiques suivantes: [ ] = 0, [ ′ ] = ∑ . et [ ′ ] = 0 pour tout > . De façon spécifique, le modèle PVAR de l’équation (1) ci-dessus peut se réécrire sous une forme structurelle permettant d’analyser les effets des chocs sur les variables endogènes. Il se présente comme suit: = 10 + 11 −1 + 12 −1 + 13 −1 + 14 _ −1 + 15 1 −1 + 1 + 1 + 1 = 10 + 11 −1 + 12 −1 + 13 −1 + 14 _ −1 + 15 1 −1 + 1 + 1 + 1 = 10 + 11 −1 + 12 −1 + 13 −1 + 14 _ −1 + 15 1 −1 + 1 + 1 + 1 _ = 10 + 11 −1 + 12 −1 + 13 −1 + 14 _ −1 + 15 1 −1 + 1 + 1 + 1 = 10 + 11 −1 + 12 −1 + 13 −1 + 14 _ −1 + 15 1 −1 + 1 + 1 + 1 Où: ISSF représente l’indice synthétique de stabilité financière; TPIB, CP, DP_PIB et CE représentent respectivement: taux de croissance du PIB, le cours du pétrole, le déficit public sur PIB et provisions sur créances douteuses; i = 1…6 (nombre de pays); t représente l’horizon temporel (premier trimestre 2000 au quatrième trimestre 2020). Avec , représentent respectivement les effets spécifiques pays, temps et l’erreur idiosyncratique. b) La technique d’estimation Si certains . −1 ne sont pas disponibles, l’équation en différence première de la période t et t -1 aura des données manquantes. Les périodes de temps 4 D’autres méthodes incluent la correction du biais analytique des modèles de variables muettes par les moindres carrés (Bun et Carree, 2013). D’autres auteurs corrigent ce biais par des méthodes Bootstap (Everaert et Pozzi, 2007). Pour un aperçu exhaustif des modèles PVAR, voir l’article de Canova et Ciccarelli (2013). nécessaires pour chaque panel sont plus élevées avec l’ordre de retard d’un PVAR. Pour un PVAR de second ordre, les instruments en niveau nécessitent que l’on observe > 5 pour chaque panel (Abrigo et Love, 2015). Arellano et Bover (1995) proposent une déviation orthogonale comme une alternative à la transformation de l’équation en différence première. Au lieu d’utiliser les écarts par rapport aux observations passées, ils soustraient la moyenne de toutes les observations futures disponibles, en minimisant ainsi la perte de données. Potentiellement, seules les observations récentes ne sont pas utilisées au cours de l’estimation, car les observations passées ne sont pas inclues dans cette transformation, celles-ci restent des instruments valides. Par exemple, dans un PVAR de second ordre; seules les observations avec un > 4 sont nécessaires pour avoir des instruments valides en niveau. De plus, la littérature empirique montre qu’il existe deux principales méthodes d’analyse des résultats issus de l’estimation d’un modèle PVAR. La première méthode fait référence à l’analyse des fonctions de réponses impulsionnelles. Pour déterminer les réponses du système aux impulsions structurelles, nous déterminons les multiplicateurs dynamiques structurels. Toutefois, n’ayant pas une variable sur la stabilité financière, nous allons construire un indice synthétique de stabilité financière, en se basant sur les travaux de Minvielle (2003). La formule utilisée suivant en cela Cloutier et Robinson (2015) pour construire cette variable d’indice synthétique stabilité Volume XXII Issue III Version I 42 ( ) Global Journal of Human Social Science - Year 2022 © 2022 Global Journals E Role of Financial Stability in Synchronising Real and Financial Cycle in CEMAC (1) (2) (3) (4) (5) (6) Où . est un vecteur (1*k) de variables dépendantes ; . est un vecteur (1*l) de variables exogènes ; sont respectivement les vecteurs (1*k) des variables dépendantes des effets fixes et spécifiques et des erreurs idiosyncratiques. La matrice Plusieurs estimateurs basés sur la méthode GMM ont été proposés pour calculer les estimations des équations ci-dessus, en particulier lorsque T est fixe et N grand 4 . Si nous supposons que les erreurs ne sont pas corrélées, l’estimation de ces équations à partir de sa transformation en différence première peut être faite en instrumentant Les variables en différence et en niveau des périodes précédentes (Anderson et Hsiao, 1982). Mais cet estimateur pose un problème, car la transformation de l’équation en différence première augmente l’écart dans un panel non équilibré (Abrigo et Love, 2015).