Écart de production dans la zone UEMOA : analyse comparative d'une estimation par la fonction de production, le filtre de Kalman et le var structurel bayésien

• Autorzy: Thierno THIOUNE

Warianty tytułu

Output gap in the WAEMU zone: Comparative analysis of estimate by production function, Kalman filter and Bayesian structural VAR

• Języki publikacji: FR

Abstrakty

Les notions de production potentielle et d'écart de production (output gap) constituent des outils importants permettant aux banques centrales et en particulier à la Banque centrale des États de l'Afrique de l'Ouest (BCEAO) de prévoir l'inflation dans la poursuite de leur objectif prioritaire de maitrise de l'inflation. Le choix d'une méthode d'estimation de l'inflation s'avère délicat. Ce papier propose une estimation de la production potentielle par les méthodes à composantes inobservables, l'approche de Watson (1986) et celle de Kuttner (1994), et par une méthode de modélisation économique, notamment le VAR structurel bayésien. Il propose également une comparaison de ces différentes méthodes avec la fonction de production très usitée dans la littérature et reconnue comme meilleure méthode d'estimation de la production potentielle pour les pays de l'UEMOA. Les résultats indiquent que les différentes approches ainsi que la fonction de production expliquent les différentes périodes de crise recensées au sein de l'union. L'analyse comparative, contre toute attente, révèle que seul l'output gap obtenu par la fonction de production n'explique pas l'inflation. (abstrakt oryginalny)

EN

The potential output and output gap concepts are important tools for central banks, and in particular the Central Bank of West African States (BCEAO), to forecast inflation in pursuit of their priority objective of inflation control. The choice of a method for estimating inflation is a delicate one. This paper proposes an estimation of potential output by the unobservable component methods, Watson's (1986) and Kuttner's (1994) approach, and by an economic modelling method, namely the Bayesian structural VAR. It also proposes a comparison of these different methods with the production function, which is widely used in the literature and recognized as the best method for estimating potential output for WAEMU countries. The results indicate that the different approaches as well as the production function explain the different crisis periods identified within the union. The comparative analysis, against all expectations, reveals that only the output gap obtained by the production function does not explain inflation.(original abstract)

Słowa kluczowe

PL

Inflacja; Funkcje banku centralnego; Banki

EN

Inflation; Central bank functions; Banks

• Czasopismo: Revue Internationale des Economistes de Langue Française : revue de l'Association Internationale de Economistes de Langue Française avec la collaboration Université des Sciences Economiques et de Gestion
• Rocznik: 2021
• Tom: 6
• Numer: nr 2
• Strony: 77-105

Twórcy

autor

Thierno THIOUNE

• Université Cheikh Anta Diop de Dakar, Sénégal

Bibliografia

• Abou, N. B., & Melesse, F. (2012). Évaluation du PIB potentiel et de l›écart de production dans l›UEMOA. Dakar: BCEAO, Direction de la Recherche et de la Statistique.
• Anas, J., & Ferrara, L. (2004). Detecting cyclical turning points: The ABCD approach and two probabilistic indicators. Journal of Business Cycle Measurement and Analysis, 2, 193-225.
• Banque de France. (2015). La croissance potentielle: une notion déterminante, mais complexe. Focus, 13, 1-8.
• BCEAO. (2016). Base des Données Économiques et Financières. Retrieved from https:// edenpub.bceao.int
• Brouwer, G. de. (1998). Estimating output gaps. (Research Discussion Paper, 1-32). Reserve Bank of Australia.
• Bry, G., & Boschan, C. (1971). Cyclical analysis of time series: Selected procedures and computer programs. New York, London: National Bureau of Economic Research, Columbia University Press.
• Bu, Y. (2006). Fixed capital stock depreciation in developing countries: Some evidence from firm level data. The Journal of Development Studies, 42(5), 881-901.
• Camba-Mendez, G., & Rodriguez-Palenzuela, D. (2003). Assessment criteria for output gap estimates. Economic Modelling, 20(3), 529-562.
• Chagny, O., & Döpke, J. (2001). Measures of the output gap in the euro-zone: An empirical assessment of selected methods. (Kiel Working Paper No. 1053). Kiel: Kiel Institute of World Economics.
• Cotis, J.-P., Elmeskov, J., & Mourougane, A. (2004). Estimates of potential output : Benefits and pitfalls from a policy perspective. In L. Reichlin (Ed.), The euro area business cycle stylized facts and measurement issues (pp. 35-60). London: Centre for Economic Policy Research.
• Daba, N., Keungne, K., & Mounkala, E. (2016). Estimation de l'écart de production et Inflation dans la CEMAC. (BEAC Working Paper No. 07/16, 1-29.
• Damette, O., & Rabah, Z. (2010). La datation du cycle français : une approche probabiliste. Revue Française d'Économie, 24(4), 135-163.
• Destais, G., Lecuyer, C., Mazzi, G. L., & Savio, G. (2005). L'estimation du produit potentiel et de l'écart de production de la zone euro basée sur un modèle VAR structurel. European Communities, 36.
• Diop, P. L. (2000). Estimation de la production potentielle de l'UEMOA. Dakar: BCEAO, Notes d'Information Statistiques.
• Durbin, J., & Koopman, S. J. (2012). Time series analysis by state space methods. Oxford: Oxford University Press.
• Ferrara, L. (2009). Caractérisation et datation des cycles économiques en zone euro. Revue Économique, 60(3), 703-712.
• Göran, H., & Kristian, J. (2010). In search of a method for measuring output gap in Swedish economy. National Institute of Economic Research, 183.
• Heba, S. (2011). Estimation of Egypt's potential output and output gap. (Euroindicators Working Papers, 1-25).
• Kabuya Kalala, F., & Tsasa V. Kimbambu, J.-P. (2012). Essai d'estimation du PIB potentiel de la République Démocratique du Congo par le filtrage univarié de Hodrick-Prescott. Laboratoire d'Analyse-Recherche en Économie Quantitative, 11-28.
• Kuttner, K. N. (1994). Estimating potential output as a latent variable. Journal of Business & Economic Statistics, 12(3), 361-368.
• Laxton, D., & Tetlow, R. (1992). A simple multivariate filter for the measurement of potential output. Ottawa: Bank of Canada.
• Lequien, M., & Montaut, A. (2014). Croissance potentielle en France et en zone euro: un tour d'horizon des méthodes d'estimation. (Document de travail, INSEE, 4-47).
• Litterman, R. B. (1986). Forecasting with Bayesian vector autoregressions-five years of experience. Journal of Business & Economic Statistics, 4, 25-38.
• Nehru, V., & Dhareshwar, A. (1993). A new database on physical capital stock: Sources, methodologies and results. Revista de Análisis Económico, 8(1), 37-59.
• Pybus, T. (2011). Estimating the UK's historical output gap. (OBR Working Paper No. 1).
• Ravn, M., & Uhlig, H. (2002). On adjusting the Hodrick-Prescott filter for the frequency of observations. The Review of Economics and Statistics, 84(2), 371-375.
• Sene, S. M., & Thiaw, K. (2011). La production potentielle du Sénégal : une approche mixte fonction de production-DGSE. Dakar: Direction de la Prévision et des Études Économiques.
• Sims, C. A., & Zha, T. (1998). Bayesian methods for dynamic multivariate models. International Economic Review (Symposium on Forecasting and Empirical Methods in Macroeconomics and Finance), 39(4), 949-968.
• Soumare, A. (2016). Évaluation de l'écart de la production de l'UEMOA à l'aide du filtre de Hodrick et Prescott corrigé. Revue d'Économie Théorique et Appliquée, 6(1), 1-16.
• Stock J. H., & Watson M. W. (2008). Phillip's curve inflation forecasts. National Bureau of Economic Research, 1-84.
• Waggoner, D. F., & Zha, T. (2003). A Gibbs sampler for structural vector auto-regressions, Journal of Economic Dynamics & Control, 28, 349-366.
• Watson, M. W. (1986). Univariate detrending methods with stochastic trends. Journal of Monetary Economics, 18(1), 49-75.

Identyfikatory

DOI

10.18559/RIELF.2021.2.4