la consommation des mÉnages au quÉbec …...la consommation des mÉnages au quÉbec une analyse...
TRANSCRIPT
LA CONSOMMATION DES MÉNAGES AU QUÉBEC Une analyse empirique
Mémoire
Maude Chiasson
Maîtrise en économique
Maître ès Arts (M.A.)
Québec, Canada
© Maude Chiasson, 2013
iii
Résumé
Étant donné que les dépenses de consommation comptent pour environ 60 % du PIB au Québec, il
est primordial de comprendre comment les politiques économiques affectent la demande agrégée
via les dépenses de consommation des ménages et aussi, comment les dépenses de consommation
seront affectées selon l’environnement des consommateurs. En premier lieu, ce mémoire modélise
la consommation avec une technique économétrique qui ne repose pas sur l’hypothèse d’une
structure de préférence particulière. Dans un deuxième temps, ce mémoire estime un modèle
d’agent économique rationnel optimisateur face au problème de l’allocation intertemporelle de sa
consommation de biens durables et non durables quand les fluctuations des taux d’intérêt
canadiennes varient. La période étudiée est de 1981 à 2011. Nos résultats correspondent à ce qui est
généralement observé dans la littérature et nous ont permis de mettre en évidence le rôle joué par le
revenu, le prix relatif des biens durables, la richesse financière, la valeur des maisons, la confiance
des ménages et les fluctuations des taux d’intérêt pour expliquer les variations des dépenses de
consommation des ménages québécois dans son ensemble, mais aussi selon certaines sous-
catégories. Notre analyse nous a également permis de constater qu’en désagrégeant la
consommation des ménages québécois, il est important de tenir compte des liens entre ses sous-
catégories. La non-séparabilité au niveau des préférences entre les biens durables et non durables
est importante et c’est pourquoi il est préférable d’en tenir compte dans la modélisation des
différentes catégories de la consommation agrégée.
v
Abstract
Due to the fact that the household consumption expenditure are valued for approximately 60% of
Quebec's GDP, it is important to understand how economic politics affect the aggregate demand
through consumers' expenses and also, how household consumption expenditures will vary
according to the consumer's environment. Firstly, this paper reviews the consumption with an
econometric technique of no particular structure. Secondly, this paper proposes and estimates a
model of an optimizing agent who is faced with the problem of allocating intertemporally his
consumption of non-durable and durable goods when confronted with a fluctuating rate of return.
Expectations are assumed to be formed rationally. The study was conducted from 1981(01) to
2011(03). Our results are consistent with the findings of previous studies and the literature and
allowed us to interpret how income, relative price of durable goods, financial wealth, housing
market, index of consumer confidence, and interest fluctuations could explain the variation in
consumption expenditures of households in Quebec as a whole, but also by some sub-categories.
Our analysis also revealed that when household consumption is disaggregated, it is important to
consider the relationship between those sub-categories. Non-separability in preferences between
durables and non-durables is important and this is why the modeling of different types of aggregate
consumption should be taken into consideration.
vii
Table des matières
RÉSUMÉ ................................................................................................................................ III
ABSTRACT ............................................................................................................................ V
TABLE DES MATIÈRES ..................................................................................................... VII
LISTE DES TABLEAUX ....................................................................................................... IX
LISTE DES FIGURES ........................................................................................................... XI
AVANT-PROPOS .................................................................................................................XV
I. INTRODUCTION ................................................................................................................ 1
II. REVUE DE LA LITTÉRATURE ....................................................................................... 3
II.1 MODÈLE D’INTÉGRATION ......................................................................................................... 3
II.2 MODÈLE D’OPTIMISATION ........................................................................................................ 6
III. MÉTHODOLOGIE ........................................................................................................... 9
III.I MODELE D’INTEGRATION ....................................................................................................... 11
III.2 MODELE D’OPTIMISATION ..................................................................................................... 15
IV. DONNÉES ....................................................................................................................... 19
V. RÉSULTATS .................................................................................................................... 31
V.1 MODÈLE D’INTÉGRATION ....................................................................................................... 31
V.2 MODÈLE D’OPTIMISATION ...................................................................................................... 45
VI. CONCLUSION ................................................................................................................ 49
BIBLIOGRAPHIE ................................................................................................................ 53
ANNEXE I ............................................................................................................................. 57
Dickey-Fuller : test de racine unitaire – un retard
ANNEXE II ........................................................................................................................... 59
Dickey-Fuller : test de racine unitaire – deux retards
ANNEXE II ........................................................................................................................... 61
Dickey-Fuller : test de racine unitaire – deux retards
viii
ANNEXE III .......................................................................................................................... 63
Dickey-Fuller : test de racine unitaire – un retard, sans constance ni tendance
ANNEXE IV .......................................................................................................................... 65
Regression long terme 1981(01)-2011(03)
ANNEXE V ............................................................................................................................ 67
Regression court terme 1981(01)-2011(03)
ANNEXE VI .......................................................................................................................... 69
Regression court terme 1981(01)-1996(04)
ANNEXE VII ............................................................................................................................. 71
Regression court terme 1997(01)-2011(03)
ANNEXE VIII ........................................................................................................................ 73
Regression court terme 1981(01)-1989(04)
ANNEXE IX .............................................................................................................................. 75
Regression court terme 1990(01)-1999(04)
ANNEXE X ............................................................................................................................ 77
Regression court terme 2000(01)-2011(03)
ANNEXE XI .............................................................................................................................. 79
Méthode SUR : Seemingly unrelated regression 1981(01)-2011(03)
ANNEXE XII ............................................................................................................................. 81
Méthode SUR : Seemingly unrelated regression 1981(01)-2011(03)
ix
Liste des tableaux
Tableau 1: Biens durables, équation de long terme. 33Tableau 2: Biens non durables, équation
de long terme ........................................................................................................................... 333
Tableau 3: Biens non durables et services, équation de long terme ......................................... 34
Tableau 4: Ensemble de la consommation, équation de long terme ......................................... 34
Tableau 5: Biens durables, équation de court terme ................................................................ 36
Tableau 6: Biens non durables, équation de court terme ......................................................... 37
Tableau 7: Biens non durables et services, équation de court terme........................................ 37
Tableau 8: Ensemble de la consommation, équation de court terme ....................................... 38
Tableau 9 Statistiques descriptives_per capita (1981(01)-2011(03)) ....................................... 40
Tableau 10 : Estimations des équations d’Euler (4.2) et (4.3); 1985(01)-2011(03) ................ 47
xi
Liste des figures
Graphique 1: Consommation per capita 1981(01)-2011(03)………..........................................21
Graphique 2: Consommation per capita des biens durables 1981(01)- 2011(03) ................... 21
Graphique 3: Consommation per capita des biens non durables 1981(01)- 2011(03) ............ 22
Graphique 4: Consommation per capita des services 1981(01)- 2011(03) .............................. 23
Graphique 5: PIB réel au Québec 1981(01)- 2011(03) ............................................................ 24
Graphique 6: Prix réel des maisons au Québec 1981(01)- 2011(03) ....................................... 25
Graphique 7: Prix relatif des biens durables au Québec, 1981(01)- 2011(03) ................. 26
Graphique 8: TSX/IPC 1981(01)- 2011(03) ............................................................................. 27
Graphique 9: Indice de confiance des consommateurs québécois 1981(01)- 2011(03) ........... 28
Graphique 10: Taux d’intérêt réel 1981(01)- 2011(03) ............................................................ 29
xiii
« En vérité, le chemin importe peu, la volonté
d’arriver suffit à tout » Albert Camus.
xv
Avant-Propos
Je désire remercier sincèrement ma directrice de mémoire, Madame Lucie Samson, pour l’intérêt
qu’elle a porté à ce travail de recherche. Sa disponibilité, ses remarques judicieuses de même que
ses encouragements m’ont été d’une aide précieuse.
Mes remerciements vont également aux études économiques du Mouvement Desjardins et plus
particulièrement à madame Hélène Bégin. Sa disponibilité et ses commentaires ont grandement
favorisé la rédaction de ce mémoire. Je désire aussi remercier les études économiques pour le
soutien financier.
Enfin, à ma famille, ma mère et mon père, votre patience et vos encouragements m’ont été d’un
support inestimable.
1
I. Introduction
Les dépenses de consommation des ménages servent à acquérir des biens et services pour le bien-
être individuel ou collectif. Celles-ci représentent une large part de l’activité économique dans tous
les pays. Au Québec, comme dans la majorité des pays industrialisés, ces dépenses de
consommation comptent pour environ 60 % du PIB. Étant donné son importance et le nombre élevé
de personnes concernées, il est primordial de bien comprendre les déterminants de cette catégorie
de dépenses. En particulier, il est essentiel de comprendre comment les politiques économiques
affectent la demande agrégée via les dépenses de consommation des ménages. L’analyse de ce
mémoire se concentrera plus spécifiquement sur l’impact des fluctuations des taux d’intérêt au
Québec ainsi que sur l’impact des fluctuations dans les prix des actifs financiers et de l’immobilier.
La catégorie de dépenses de consommation est une agrégation de plusieurs composantes. Une
décomposition en quatre regroupements de produits est souvent effectuée: les biens non durables,
les biens semi-durables, les biens durables et les services. Cependant, les données utilisées dans
notre modèle ne tiendront compte que des biens durables, non durables et des services1. Cette
décomposition est intéressante puisque des recherches antérieures de Mankiw (1983) et plus
récemment Erceg et Levin (2002) ont déjà montré que les dépenses pour les biens de consommation
durables sont beaucoup plus sensibles aux variations des taux d’intérêt que ne le sont les dépenses
pour les biens de consommation non durables et les services. Cela entraîne également d’importantes
conséquences pour les fluctuations des taux d’intérêt puisque celles-ci ont un impact direct sur les
dépenses de consommation. En effet, lorsque la banque centrale du Canada décide de modifier son
taux directeur, les variations des dépenses de consommation des biens durables sont alors beaucoup
plus affectées que les dépenses de consommation des biens non durables et les services. Plusieurs
études dans la littérature ont aussi trouvé que les fonctions d’utilités étaient non séparables entre les
biens durables et non durables (Fauvel et Samson, 1991; Ogaki et Reinhart, 1995). Une telle
formulation suppose que les biens de consommation sont complémentaires ou substituts entre eux.
Cela permet donc de modéliser les habitudes de consommation et les dépenses de biens durables et
non durables simultanément.
1 On ne considère pas les biens semi-durables parce qu’ils ne sont pas très importants et parce qu’ils ont aussi
un taux de dépréciation différent des biens durables. Ne pas en tenir compte dans notre analyse empirique
revient à faire l’hypothèse qu’ils sont séparables en utilité.
2
Les fluctuations des taux d’intérêt peuvent aussi avoir une influence différente si les dépenses des
consommateurs ne réagissent pas de la même façon à une variation donnée dans le taux directeur.
Différentes raisons peuvent expliquer ces phénomènes: niveau d’emploi, préférences différentes,
contraintes de liquidités plus ou moins sévères, confiance des ménages, etc. De plus, il existe un
lien entre les dépenses de biens de consommation et la situation financière des ménages. Par
exemple, au Québec, les ménages ont profité de faibles coûts d’emprunt dans les dernières années.
De bas taux d’intérêt jumelés à une hausse des prix du logement et des maisons ont mené à
l’accroissement de la dette des ménages québécois. La situation financière d’un grand nombre de
ménages québécois, maintenant considérée comme précaire, pourrait avoir des répercussions sur
leurs dépenses de consommation. Il est donc important d’essayer de prévoir de combien la
consommation va varier, mais également d’analyser comment les dépenses seront affectées selon
l’environnement des consommateurs.
L’analyse sera faite en deux étapes. En premier lieu, l’objectif sera de modéliser la consommation
du Québec avec une technique économétrique qui ne repose pas sur l’hypothèse d’une structure de
préférence particulière. Cela permettra de mettre en évidence le rôle joué par les principaux facteurs
mentionnés ci-haut pour expliquer les différences dans les variations des dépenses de
consommation.2 Notre analyse fera notamment ressortir le rôle des fluctuations des taux d’intérêt,
de la richesse financière et de l’immobilier comme déterminants de la consommation des ménages.
Dans un deuxième temps, ce mémoire développe et estime un modèle d’agent économique rationnel
optimisateur face au problème de l’allocation intertemporelle de sa consommation de biens durables
et non durables. La non séparabilité des dépenses de consommation est explicitement considérée
dans notre analyse. L’étude utilisera des données trimestrielles de consommation québécoise de
1981 à 2011. Cette analyse permettra d’évaluer les élasticités pour les deux types de biens pour
comprendre comment un agent arbitre entre sa consommation présente et future à l’égard des
modifications dans les taux d’intérêt.
La suite de ce mémoire est structuré comme suit. La section II présente la revue de littérature, la
section III décrit la méthodologie utilisée, la section IV aborde les données, la section V expose nos
résultats et enfin, la conclusion est présentée à la section VI.
2 Deux définitions seront utilisées pour cette approche pour les biens non durables, soit avec ou sans les
services. Cette procédure est souvent utilisée dans la littérature.
3
II. Revue de la littérature
II.1 Modèle d’intégration
Une approche basée sur des fonctions de demande est fréquemment utilisée pour calculer l’élasticité
de la demande de certains biens par rapport aux variables d’intérêt, telles que le revenu, le taux
d’intérêt, les élasticités prix, etc.3
La littérature est abondante concernant le rôle joué par les variations du prix de l’immobilier dans la
prise de décision des ménages en matière de dépenses à la consommation. En effet, au cours des
dernières années, de nombreuses économies avancées, dont le Canada, ont connu une hausse
spectaculaire du prix des maisons et simultanément, une augmentation des dépenses liées à la
consommation. Cette hausse du prix des maisons peut s’expliquer notamment par le faible niveau
des taux d’intérêt de même que la progression du revenu des ménages. Selon Skinner (1994),
l'augmentation de la valeur du prix des maisons devrait accroître la consommation. Les travaux de
Slok (2002) trouvent que, pour les pays de l’OCDE, les changements dans la richesse immobilière
ont une influence sur les changements dans la consommation globale. Dvornak et Kohler (2003) ont
montré qu’une hausse permanente d’un dollar du prix des maisons en Australie augmentait la
consommation annuelle d’environ trois cents. Des recherches dans la littérature (Lettau et
Ludvigson, 2004; Case, Quigley et Shiller, 2005) révèlent aussi que la richesse immobilière peut
avoir une influence plus importante sur les dépenses de consommation que sur les autres formes de
richesse. En effet, puisque le prix des maisons est moins volatil que les cours de la bourse par
exemple, les gains de richesse immobilière peuvent sembler plus permanents pour les ménages. Du
point de vue des ménages qui épargnent pour acheter une maison, une hausse des prix de
l’immobilier pourrait amener ceux-ci à réduire leur dépense de consommation de façon à accroître
leur épargne.
Le rôle d’indicateur avancé du prix des actions ne doit pas être négligé. En effet, une chute des
cours boursiers, comme cela s’est produit lors de la récente crise financière, se répercute par une
diminution des profits anticipés, ce qui se traduit par une baisse des projets d’investissement. La
3 Voir le rapport final de la Haute école de gestion de Genève, (2009), « l’Élasticité-prix de la demande
d’essence en Suisse ».
4
production chute, entraînant également l’emploi et le revenu des ménages à la baisse, ce qui affecte
à long terme les dépenses de consommation. Au cours des années 1990, les marchés financiers
nord-américains ont été marqués par une hausse notable des indices boursiers. Ces gains ont un
effet sur la croissance de la richesse pour ceux détenant des portefeuilles d’actions ou de parts dans
les fonds communs de placement. La hausse des indices boursiers jumelée à l’augmentation de la
détention d’actions peuvent avoir une influence sur les dépenses de la consommation par le biais
d’un effet de richesse.
Ludvigson et Steindel (1999) ont étudié l’importance de l’impact des fluctuations des marchés
financiers sur la consommation des ménages aux États-Unis. Leurs résultats ne montrent toutefois
pas une relation stable entre ces variables. Selon les auteurs, cela pourrait venir du fait que la
théorie ne fournit pas une explication précise du fonctionnement des marchés financiers. Il est alors
difficile d’isoler les effets structurels d’une appréciation de la valeur des actifs financiers sur les
dépenses de consommation. Macklem (1997) développe une mesure de la richesse globale au
Canada se répartissant en deux éléments : la richesse humaine (revenu permanent) et la richesse non
humaine (somme des actifs financiers et réels, diminuée des dettes). Son analyse révèle que les
fluctuations de la richesse non humaine sont fortement influencées par les variations de la valeur
des actions, la composante la plus volatile. L’auteur trouve dans ces estimations un effet non
significatif à long terme de la richesse non humaine sur les dépenses de consommation. Il évoque
deux explications possibles : soit les consommateurs interprètent les variations du prix des actions
comme des chocs temporaires n’ayant qu’un effet à court terme ou soit les dépenses de
consommation globale ne varient pas beaucoup suite aux changements dans le prix des actions
parce que seulement une petite proportion des ménages détient ce type d’actifs financiers.
Les travaux de Poterba et Samwick (1995) ont trouvé deux facteurs pouvant expliquer une hausse
des dépenses de consommation résultant d’une augmentation du cours des actions au Canada. Tout
d’abord, le prix des actifs, étant un indicateur avancé bien connu de l’activité économique, peut
augmenter lorsque les ménages anticipent une importante croissance du PIB. Également, les
fluctuations du prix des actions peuvent produire un effet de richesse incitant les ménages à
dépenser plus lorsque les cours des actions augmentent. Il est cependant difficile de distinguer le
facteur étant la cause d’un changement dans les dépenses de consommation. Ces mêmes auteurs
constatent aussi que la distribution des ménages détenant des actions est concentrée chez les plus
riches. De plus, Poterba et Samwick montrent qu’un accroissement de 10 % du prix réel des actions
5
engendre une hausse d’environ 0,3 % de la consommation réelle par habitant au Canada. L’effet sur
la consommation de biens durables, non durables et de services est respectivement une hausse de
1,4 %, 0,3 % et 0,1 %. Pichette (2000) a étudié les effets réels du cours des actions sur la
consommation. L’auteur révèle l’existence d’un effet de richesse provenant des fluctuations du prix
des actifs boursiers de l’ordre de 3 % à long terme.
Aucun modèle de ce genre n’a encore été développé concernant la consommation de biens durables
et non durables au Québec pour des données trimestrielles de consommation québécoise allant de
1981 à 2011. C’est ce que nous proposons de faire dans la première partie de notre analyse
empirique.
6
II.2 Modèle d’optimisation
En réponse à la fonction de consommation keynésienne (1936), Friedman (1957) développe la
théorie du revenu permanent disant que la consommation d’un individu n’est pas uniquement
fonction de son revenu à la période courante, mais plutôt de sa richesse humaine et financière. La
richesse humaine est composée de la valeur présente de ses revenus courants et futurs anticipés
tandis que la richesse financière est composée des actifs de l’individu. Suite à la critique de Lucas
(1976), Hall (1978) introduit l’hypothèse des anticipations rationnelles au modèle de Friedman
(1957). Cette innovation de Hall permet de tester la théorie du revenu permanent à partir des
conditions de premier ordre d’un modèle d’optimisation intertemporelle.
Des recherches empiriques ont constaté une sensibilité excessive des dépenses de consommation à
des modifications du revenu courant en opposition à la théorie du revenu permanent. La littérature
indique que certains rejets de la théorie du revenu permanent peuvent être expliqués par des
spécifications des préférences qui peuvent être inexactes : par exemple, s’il y a de la persistance
dans les habitudes des ménages (Constantinides et Ferson, 1991) ou des contraintes de liquidité
(Flavin, 1981). L’hypothèse de persistance des habitudes dans le comportement de consommation
des agents est un mécanisme de propagation pertinent puisqu’il permet d’affaiblir le mécanisme de
substitution intertemporelle (Hall, 1988; Campbell et Mankiw, 1989; Attanasio et Weber, 1993). De
plus, certaines spécifications, comme celle de Mankiw, Rotemberg et Summers (1985), ont permis
de tester pour la présence de contraintes de liquidité aux modèles d’optimisation de consommation
en utilisant directement les conditions du premier ordre. Pour sa part, Flavin (1981) a testé si la
sensibilité de la consommation au revenu était imputable à l’existence de contraintes de liquidité
qui, elles, ont pour implication d’augmenter l’épargne pour contrer l’incertitude des agents face à
des baisses possibles de revenus futurs (Jappelli et Pagano, 1994). Ses résultats impliquent qu’un
changement non anticipé du revenu entraînerait un changement plus important des dépenses à la
consommation qu’une modification anticipée du revenu. Elle confirme empiriquement l’existence
d’une relation entre la variation des dépenses de consommation et le revenu passé, puisque son
modèle montre une sensibilité excessive de la consommation à ce même revenu passé. Flavin
conclut à l’existence de contraintes de liquidités. Par la suite, les recherches de Mankiw,
Rotemberg, Summers (1985) ont permis de tester pour la présence de contraintes de liquidité aux
modèles d’optimisation de consommation en utilisant directement les conditions du premier ordre.
L’évidence d’un lien direct entre les dépenses des biens de consommation durables ainsi que les
7
fluctuations des taux d’intérêt est établie assez tôt dans la littérature avec les travaux de Hamburger
(1967). Étant donné que les variations des fluctuations des taux d’intérêt ont un impact direct sur
l’épargne des consommateurs, un agent rationnel prendra des décisions de dépenses de
consommation en tenant compte des variations du taux d’intérêt. Ainsi, cela amène d’importantes
conséquences pour les fluctuations des taux d’intérêt puisque les modifications de celles-ci vont
influencer la volonté de substitution intertemporelle d’un agent (voir Auray, 2009). Le mécanisme
de substitution intertemporelle joue donc un rôle déterminant dans le comportement des
consommateurs.
Plusieurs études dans la littérature ont trouvé que les fonctions d’utilités étaient non séparables entre
les biens durables et non durables (Fauvel et Samson, 1991; Ogaki et Reinhart, 1995). Une telle
formulation suppose que les biens de consommation sont complémentaires entre eux, ce qui permet
donc de modéliser les habitudes de consommation et les dépenses de biens durables et non durables
simultanément.
Hall (1978) avait préalablement trouvé que l’élasticité de substitution intertemporelle des biens de
consommation non durables était pratiquement insignifiante. En utilisant une fonction d’utilité
séparable entre les biens durables et non durables, Mankiw (1986) a établi que les dépenses pour les
biens de consommation durables allaient être modifiées suite à une variation des taux d’intérêt.
Erceg et Levin (2002) ont eux aussi mis en évidence que les biens de consommation durables
étaient beaucoup plus sensibles aux variations des taux d’intérêt que ne pouvaient l’être les biens de
consommation non durables (voir aussi Mankiw, 1983). Les travaux de Fauvel et Samson (1991)
avec des données canadiennes de l’après-guerre ont révélé que les dépenses pour les biens de
consommation durables étaient influencées par les variations des taux de rendement réel.
L’élasticité de substitution entre les biens de consommation durables et non durables était
relativement semblable. Donc, les auteurs concluent que le taux de substitution intertemporelle était
assez important pour faire des variations des taux de rendement réel une cause importante des
variations dans les dépenses de consommation. Aucune recherche n’a été faite à ma connaissance
dans ce sens pour analyser les données de consommation québécoise.
9
III. Méthodologie
Cette section introduit les deux approches retenues dans ce mémoire. Nous présentons d’abord un
modèle à correction d’intégration ou à correction d’erreurs qui stipule une relation linéaire entre la
variable de consommation et les variables explicatives. La deuxième partie de la section estime un
modèle d’agent économique rationnel optimisateur face au problème de l’allocation intertemporelle
de sa consommation de biens durables et des biens non durables. Les consommateurs sont
considérés comme des agents rationnels ayant des préférences identiques. L’agent maximise son
plan de consommation selon son taux préférentiel pour le temps.
11
III.I Modèle d’intégration
Dans cette première partie de l’analyse, plutôt que d’estimer les conditions de premier ordre, la
demande de consommation de biens durables et non durables sera supposée de type Cobb Douglas.
Cela permettra ainsi d’écrire des fonctions log linéaires de la forme suivante pour trois sous
catégories ainsi que pour la consommation totale :
⁄ (1.1)
⁄ (1.2)
⁄ (1.3)
⁄ (1.4)
Où,
Consommation réelle de biens durables à la période t
Consommation réelle de biens non durables à la période t
Consommation réelle de biens non durables et de service à la période t
Consommation réelle de biens non durables, durables et services à la période t
PIB réel à la période t
Prix réel des maisons à la période t
Prix relatif de biens durables à la période t
Prix relatif de biens durables sur les biens non durables
Prix relatif de biens durables sur les biens non durables et services
Prix relatif de biens durables et services
Indice boursier canadien à la période t
Indice des prix à la consommation à la période t
Résidu évalué à la période t
12
Ces équations, qui seront estimées séparément, retiennent des indicateurs de richesse humaine ,
de richesse immobilière , de richesse financière et le prix relatif des biens durables
. Ces quatre variables peuvent potentiellement jouer un rôle à long terme dans la détermination
de l’évolution de la consommation totale et de ses diverses composantes. C’est ce que nos
estimations vont tenter de démontrer à l’instar des études précitées portant sur d’autres pays ou
régions.
L’estimation des équations (1.1) à (1.4) est problématique lorsque les séries sont non stationnaires.
Une estimation par les moindres carrés ordinaires (MCO) peut donner des résultats qui font croire à
tort qu’une relation existe et qu’elle est importante, et ce même si dans la réalité aucune relation
n’est assujettie à ces variables.4 La notion de cointégration, introduite par Granger (1981) permettra
d’utiliser les données sur les dépenses de consommation des ménages québécois et de les mettre en
relation avec des variables censées avoir un impact sur ces mêmes dépenses. L’analyse est faite
avec des données trimestrielles de 1981 à 2011. Dans les équations (1.1) à (1.4), si la variable
est stationnaire, il y a cointégration et les variables sont interprétées comme un déséquilibre de
court terme. Pour qu’il y ait cointégration, deux ou plusieurs variables doivent converger vers un
sentier d’équilibre à long terme, malgré qu’elles puissent diverger à court terme. L’approche utilisée
pour valider les résultats sera celle de Engle et Granger (1987).
Suite à l’estimation par les MCO du sentier dynamique de long terme des équations, il faut estimer
la dynamique de court terme avec les modèles à correction d’erreur suivants5:
⁄
(1.5)
⁄
(1.6)
4 Voir Granger et Newbold, (1974), « Spurious Regressions in Econometrics ».
5 L’introduction de variables retardées dans les modèles à correction d’erreur n’amène pas de changements
importants dans nos résultats.
13
⁄
(1.7)
⁄
(1.8)
Où,
Vitesse d’ajustement à l’équilibre à long terme
Résidus estimés de la relation de long terme
6
Aux variables déjà décrites précédemment s’ajoutent deux variables pouvant influencer la
consommation à court terme, mais qui n’ont aucune tendance à la hausse ou à la baisse pendant la
période d’analyse :
Indice de confiance à la période t
Taux d’intérêt réel
Puisque les variables des équations sont données en logarithmes, les paramètres estimés ont des
interprétations directes concernant les élasticités de dépenses des biens de consommation. Cela
signifie que les coefficients estimés dans les équations (1.1) à (1.4) expriment les élasticités à long
terme et les coefficients estimés dans les équations (1.5) à (1.8) expriment les élasticités à court
terme.
6 La même longueur de période est utilisée lors des estimations pour mesurer les résidus estimés de la relation
de long terme.
15
III.2 Modèle d’optimisation
Cette section introduit le modèle intertemporel qui sera testé empiriquement avec des données
québécoises. L’analyse est basée sur un modèle où les consommateurs sont considérés comme des
agents rationnels ayant des préférences identiques. L’agent maximise son plan de consommation
selon son taux préférentiel pour le temps. Le problème d’optimisation du consommateur
représentatif se présente comme suit:
∑ (2.1)
Où,
Il est sujet à la contrainte budgétaire intertemporelle suivante:
[ ] (2.2)
Où,
Fonction d’utilité ayant comme élément
Stock de biens durables à la période t
Stock de biens durables à la période t
Espérance mathématique conditionnelle à l’information disponible à la période initiale
Stock de bons/obligations à la période t
Revenu disponible de l’agent à la période t
Prix relatifs des biens durables (en terme de ), soit
⁄
Facteur d’escompte subjectif égal à ⁄
Taux préférentiel pour le temps
Taux d’intérêt réel
En maximisant la fonction d’utilité (2.1) sous la contrainte budgétaire (2.2), on obtient les
conditions du premier ordre suivantes :
16
(2.3)
(2.4)
(2.5)
En égalisant l’équation (2.3) et (2.4), on trouve que:
[ ] (2.6)
Cette équation d’Euler (2.6) indique le choix entre consommer une unité d’un bien non durable à la
période t ou consommer unités espérées de ce même bien à la période t+1. Elle implique
qu’au fil du temps, l’agent va consommer les biens non durables de façon à ne pas modifier son
bien-être s’il diminue sa consommation de biens non durables par une unité aujourd’hui en échange
de unités de ce même bien demain. Consommer cette quantité supplémentaire du bien
non durable à t+1 va rapporter à l’individu une utilité actualisée supplémentaire de [
].
En substituant l’équation (2.3) dans (2.5), on obtient que:
[ ] (2.7)
Cette équation d’Euler (2.7) est la deuxième condition nécessaire pour optimiser l’allocation entre
la consommation de biens durables et non durables. Celle-ci stipule que consommer une unité
supplémentaire d’un bien durable au temps t augmente l’utilité marginale de l’agent par . Par
contre, l’agent se prive de unités du bien non durable qui lui aurait rapporté en unités
supplémentaires. Cependant, ce coût est neutralisé en partie par unité du bien durable
disponible qui sera consommée à la période t+1. L’espérance escomptée d’utilité est de
[ ] si celui-ci transige unité pour acheter des biens de consommation
non durables.7 Ensemble, les équations (2.6) et (2.7) déterminent aussi implicitement l’allocation de
la consommation du bien durable entre les périodes t et t+1. Pour estimer ce modèle, il faut spécifier
une forme fonctionnelle particulière pour la fonction d’utilité. Ceci permet d’écrire les utilités
7 Voir Fauvel et Samson, (1987), « Intertemporal substitution and durable goods: an empirical analysis ».
17
marginales (non observables) en terme de consommations (observables). Cette approche a
l’avantage de s’appuyer sur des fondements microéconomiques solides, mais présente
l’inconvénient qu’une erreur au niveau de la fonction choisie peut amener au rejet les restrictions du
modèle. Il sera possible de tester grâce à ces estimations si la non-séparabilité entre les biens
durables et les non-durables et services est essentielle au non rejet du modèle.
19
IV. Données
Pour estimer les équations de la section précédente, nous utilisons des données trimestrielles
québécoises désaisonnalisées provenant de Statistique Canada et de l’Institut de la statistique du
Québec. 8
Les séries de données s’étalent de 1981(01) à 2011(03) et sont énoncées en dollars
enchaînés. Elles tiennent donc compte des fluctuations des prix relatifs.
Les variables sont réelles pour le modèle d’intégration. Le taux d’intérêt nominal utilisé est le taux
des prêts à la consommation par les principales banques à charte au Canada.9 Concernant le modèle
d’optimisation, le stock de biens durables détenu par les ménages est indexé à un taux de
dépréciation . Celui-ci est postulé égal à 0,25 par année, à savoir 0,0625 par trimestre. Il est
construit à partir des données sur les dépenses de biens durables: [ ].10
Les
variables sont également exprimées en per capita pour cette sous section, car nous utilisons
l’hypothèse d’un individu représentatif.11
8 Les données des biens de consommation proviennent de l’Institut de la statistique du Québec. Elles ont été
fournies par Richard Barbeau, économiste et coordonnateur comptabilité économique à l’Institut de la
statistique du Québec. Consulté le 9 mars 2012. 9 Tableau 176-0043 Statistiques du marche financier, au dernier mercredi sauf indication contraire, trimestriel
(pourcentage). http://www5.statcan.gc.ca/cansim/a26?id=1760043&pattern=&p2=-
1&p1=1&tabMode=dataTable&stByVal=1&paSer=&csid=&retrLang=fra&lang=fra. Consulté le 30 juillet
2012. 10
Pour la période initiale, l’on suppose que : . 11
La population du Québec provient du site de l’Institut de la statistique du Québec,
http://www.stat.gouv.qc.ca/donstat/societe/demographie/struc_poplt/qc_1971-20xx.htm. Consulté le 9 mars
2012.
20
Graphique 2: Consommation per capita 1981(01)-2011(03)
Ce graphique illustre la consommation per capita au Québec des biens de consommation durables,
non durables et des services pour la période allant de 1981 à 2011. Les données sont trimestrielles et
désaisonnalisées au taux annuel.
Tout d’abord, on constate une augmentation marquée des dépenses à la consommation depuis 30
ans. En 1981, un consommateur moyen allouait environ 12 000$ de son budget en dépenses de
consommation. Ce même consommateur en débourse approximativement 20 000$ aujourd’hui.
Ensuite, on remarque que les dépenses pour les services représentent environ la moitié des dépenses
à la consommation. Ce constat est valable pour les 30 années étudiées. La proportion des dépenses
de consommation des biens durables est, quant à elle, beaucoup plus faible en début de période
qu’aujourd’hui. Enfin, en fonction de ce graphique, les dépenses pour les biens non durables
semblent être relativement stables depuis 30 ans, ce qui implique qu’elles sont maintenant moins
importantes en pourcentage de la consommation totale. En résumé, une augmentation est
perceptible pour les dépenses de consommation de biens durables et pour les dépenses attribuées
aux services.
21
Graphique 3: Consommation per capita des biens durables 1981(01)- 2011(03)
Ce graphique montre les dépenses de consommation per capita de biens durables. Ces dépenses, qui
oscillaient autour de 1 200$ en 1981, sont maintenant autour de 4 000$ en 2011. L’on observe que
cette composante des dépenses semble réagir fortement aux variations du revenu et du taux
d’intérêt. Le Québec a connu deux récessions qui ont affecté cette agrégation de dépenses. La
récession de 1980-82, avec des taux d’intérêt avoisinant les 20%, a duré un peu plus d’un an. La
reprise s’est faite rapidement contrairement à celle de 1990-92 qui a cependant été moins
prononcée. Depuis, la tendance est à la hausse. En référence à ce graphique, la récession de 2008
semble avoir très peu influencé les dépenses de consommation de biens durables. À l’égard de ce
graphique, l’on peut conclure que les fluctuations des taux d’intérêt semblent avoir une influence
directe sur les dépenses de consommation de biens durables.
Un bien durable se définit comme un bien étant utilisé de façon répétée ou continue sur une période
supérieure à un an. Cette catégorie inclut notamment les machines, les meubles, les appareils
électroménagers et les automobiles.
22
Graphique 4: Consommation per capita des biens non durables 1981(01)- 2011(03)
Ce graphique indique les dépenses de consommation per capita de biens non durables. Celles-ci, qui
étaient d’un peu plus de 4 500$ en 1981, sont aujourd’hui d’environ 5 300$. Les récessions de
1980-82 et 1990-92 ont fait diminuer les dépenses sous la barre des 4 500$, mais l’effet est
beaucoup moins prononcé qu’au graphique précédent. Une légère tendance des dépenses est à la
hausse jusqu’en 2007. Cependant, les dépenses de consommation de biens non durables semblent se
stabiliser depuis cette période. Les dépenses de consommation de biens non durables ne semblent
donc pas être autant corrélées avec les taux d’intérêt et les cycles économiques que ne le sont les
dépenses de consommation de biens durables.
Un bien non durable se définit comme étant un bien qui est utilisé entièrement en moins d’une
année.
23
Graphique 5: Consommation per capita des services 1981(01)- 2011(03)
Ce graphique montre les dépenses de consommation per capita en services. Les dépenses de cette
composante n’ont pas cessé d’augmenter depuis les vingt dernières années, si bien qu’elles ont
pratiquement doublé, passant de 6 000$ en 1981 à 11 400$ au troisième trimestre de 2011. Selon ce
graphique, les dépenses à la consommation de services semblent réagir de la même façon que les
dépenses de consommation de biens non durables aux variations du taux d’intérêt, soit assez
faiblement.
Un service se définit comme étant le résultat d’une activité de production qui modifie l’état des
unités qui les consomment, ou facilite l’échange de produits ou d’actifs financiers.
24
Graphique 6: PIB réel au Québec 1981(01)- 2011(03)
Le PIB est la mesure la plus fréquemment utilisée de l’activité macroéconomique. Il prend en
compte la valeur de tous les biens et services produits, durant une période et sur le territoire d’un
pays. Le PIB réel est un indicateur fondamental de la performance macroéconomique. Entre le
premier trimestre de 1981 et le troisième trimestre de 2011, la croissance économique au Québec a
varié de 80 %. Le PIB réel au Québec a enregistré une croissance à tous les ans, sauf lors des
récessions de 1980-82, 1990-92 et de 2008. Une augmentation du PIB devrait augmenter les
dépenses de biens de consommation.
0 $
50 000 $
100 000 $
150 000 $
200 000 $
250 000 $
300 000 $
1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011
25
Graphique 7: Prix réel des maisons au Québec 1981(01)- 2011(03)
Le principal actif pour la majorité des ménages québécois est leur logement. Une augmentation de
la valeur de celui-ci peut inciter les consommateurs à augmenter leur emprunt et accroître leurs
dépenses de consommation. Le graphique 6 indique le prix moyen de ventes des propriétés vendues
par l’entremise des agents d’immeubles au Québec.12
Le prix des maisons a été divisé par l’IPC de
façon à obtenir le prix réel13
. À l’égard du graphique, on peut constater qu’au Québec, le prix réel
des maisons a très peu varié entre 1981 et 2001. Toutefois, depuis 10 ans, il y a une hausse marquée
du prix réel des maisons.
12
La source provient de la Fédération des Chambres immobilières du Québec. 13
L’Indice des prix à la consommation utilisé dans ce mémoire est l'indice de référence qui exclut de l'IPC
d'ensemble l'effet des changements de taxes indirectes et huit des composantes les plus volatiles identifiées
par la Banque du Canada.
0 $
50 000 $
100 000 $
150 000 $
200 000 $
250 000 $
300 000 $
1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011
26
Graphique 8: Prix relatif des biens durables au Québec, 1981(01)- 2011(03)
Le prix relatif des biens durables est défini comme étant le prix des biens durables divisé par le prix
des non-durable et services et il peut être interprété comme un terme d’échange. Lorsqu’on analyse
le prix relatif de biens durables, on note que celui-ci a varié de -47 % pour la période allant de 1981
à 2011. Le graphique 7 montre que le ratio a oscillé à la hausse comme à la baisse jusqu’à la fin des
années 1990. Depuis, le ratio a diminué beaucoup plus abruptement. Étant donné que le prix relatif
des voitures, de même que ceux des électroménagers ont chuté historiquement, cela signifie que les
ménages québécois sont incités à consommer plus de biens durables aujourd’hui qu’autrefois.
0,0 $
0,2 $
0,4 $
0,6 $
0,8 $
1,0 $
1,2 $
1,4 $
1,6 $
1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011
27
Graphique 9: TSX/IPC 1981(01)- 2011(03)
L’indice du S&P/TSX est l’indice boursier principal mesurant la performance de la bourse au
Canada. L’indice est divisé par l’indice des prix à la consommation, de façon à avoir un indice de
richesse réelle. Le graphique 7 montre que l’indice boursier a été relativement stable pendant une
certaine période, malgré la bulle spéculative au début des années 1990. Toutefois, dans la dernière
décennie, l’indice a connu deux bulles économiques se soldant par deux crises financières : au début
des années 2000 et en 2008. Les variations à la baisse de l’indice suivant ces deux crises
financières ont été de l’ordre de plus de 70 %.
0 $
20 $
40 $
60 $
80 $
100 $
120 $
140 $
160 $
1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011
28
Graphique 10: Indice de confiance des consommateurs québécois 1981(01)- 2011(03)
L’indice de confiance des consommateurs au Québec provient de la Conference Board et est conçu
pour mesurer le niveau de confiance des consommateurs face aux conditions économiques
actuelles. L’enquête est divisée en trois parties distinctes: l’indice de confiance des consommateurs,
l’indice des conditions économiques actuelles et l’indice d’attente des consommateurs. Les
personnes interrogées sont invitées à donner leur point de vue par rapport aux perspectives d'emploi
à court terme et à évaluer si le moment est opportun pour faire un achat important. Les réponses
positives sont celles dans lesquelles le répondant affirme que la situation financière s'est améliorée
au cours des six derniers mois ou s'améliorera. Un consommateur confiant estime que son niveau de
vie s’accroit. Il est donc susceptible de dépenser davantage pour faire des achats plus importants,
comme une maison ou une voiture. Les réponses négatives sont celles où le défendeur fait état d'une
aggravation de la situation financière ou s'attend à ce que sa position financière s'aggrave à court
terme. À l’égard du graphique, il n’y a pas de tendance la hausse ou à la baisse pour cette variable
entre 1981 et 2011. Cependant, il y a plusieurs oscillations et l’indice est très variable selon les
conjonctures économiques. Généralement, l’indice est en baisse pendant les périodes de récession.
29
Graphique 11: Taux d’intérêt réel 1981(01)- 2011(03)
Le taux d’intérêt réel est le taux d’intérêt nominal corrigé du taux d’inflation. Le taux d’intérêt
nominal utilisé est le taux des prêts à la consommation des banques à Charte.14
Celui-ci peut avoir
un pouvoir explicatif dans les dépenses de consommation. En effet, le niveau du taux d’intérêt réel
influence les dépenses de consommation et plus particulièrement les dépenses de biens de
consommation durable. Plus le taux d’intérêt est élevé, plus les dépenses de consommation seront
faibles et inversement. Pour stimuler la demande globale, les autorités monétaires diminuent les
taux d’intérêt.
Il n’y a pas de tendance à la hausse au cours de la période étudiée, tout comme il ne semble pas
avoir de période cyclique. Toutefois, le graphique indique que les taux d’intérêt semblent plus
stable pour la seconde moitié de la période étudiée, ce qui correspond à la période où l’inflation est
sous contrôle au Canada à environ 2 %.
14
Soit les taux les plus représentatifs offerts par les principales banques à charte.
0,0%
0,5%
1,0%
1,5%
2,0%
2,5%
3,0%
3,5%
4,0%
1981 1984 1987 1990 1993 1996 1999 2002 2005 2008 2011
V. Résultats
V.1 Modèle d’intégration
Avant même d’estimer les modèles d’intégration, il faut évaluer si les séries de données sont
stationnaires ou non. Le concept de stationnarité stipule que les données temporelles doivent
maintenir une distribution constante dans le temps. Les séries oscillent ainsi autour de leur moyenne
avec une variance constante. Un test de non-stationnarité largement répandu est le test de racine
unitaire augmenté proposé par Dickey et Fuller (1981). Cette procédure de test est fondée sur
l’estimation par la méthode des moindres carrés ordinaires (MCO) et vise à tester l’hypothèse nulle
de non stationnarité contre l’hypothèse alternative de stationnarité. Dickey et Fuller considèrent
trois types modèles autorégressifs. Notre procédure se base sur le modèle avec constante et
tendance déterministe. La régression augmentée de Dickey et Fuller (ADF) a été appliquée :
(3.1)
Où,
Terme constant
Variable de tendance
Terme d’erreur, où
Nombre de retards dans l’équation15
Ainsi, on teste les hypothèses suivantes :
- La série est non stationnaire et comporte au moins une racine unitaire
- la série est stationnaire et ne comporte pas de racine unitaire.
15
L’ajout de retards au modèle permet de contrôler pour l’autocorrélation.
32
L'hypothèse nulle de non stationnarité de la série temporelle ne peut être rejetée lorsque la
valeur observée (en valeur absolue) du test t est inférieure à la valeur critique pertinente. Les
tableaux à l’annexe I et l’annexe II montrent les résultats du test de la racine unitaire de Dickey et
Fuller. À l’annexe I, les résultats sont calculés avec un retard dans l’équation tandis que l’annexe II
indique les résultats avec deux retards. Ainsi, avec un retard dans l’équation, l’hypothèse nulle n’est
pas rejetée à un niveau de confiance de 5 % pour l’ensemble de nos variables ayant un effet à long
terme, à l’exception de la série des biens non durables16
. Toutefois, cette même série n’est pas
rejetée à un niveau de confiance de 5 % lorsqu’il y a deux retards dans l’équation.
Puisque les séries analysées sont non stationnaires, il faut maintenant vérifier s’il existe une relation
de long terme entre celles-ci. Suivant l’approche d’Engle et Granger (1987), qui tient compte du fait
que les résidus sont des résidus estimées par MCO, nous avons estimé la régression de cointégration
et exécuté le test de la racine unitaire de Dickey et Fuller sur les résidus des équations (1.1), (1.2),
(1.3) et (1.4). Pour les quatre régressions, les résultats trouvés stipulent que la valeur observée du
test t (en valeur absolue) est supérieure à la valeur critique pertinente, ce qui signifie que les résidus
sont stationnaires.17
Ainsi, la dynamique de long terme est estimée par les MCO pour obtenir une
estimation du déséquilibre. Les tableaux 1 à 4 montrent les résultats des régressions de long terme
pour la période de 1981(01)-2011(03). Les coefficients estimés s’interprètent comme des élasticités
de long terme.
16
Les variables du modèle ayant un effet à long terme sont les suivantes : biens durables, biens non durables,
services, TSX, PIB, prix réel des maisons et prix relatifs des biens durables. 17
Voir Annexe III.
33
Tableau 1: Biens durables, équation de long terme
Source SS df MS
Number of obs 123
Model 19,4089 5 3,8818
F( 5, 117) 1115,32
Residual 0,4072 117 0,0035
Prob > F 0,0000
Total 19,8161 122 0,1624
R-squared 0,9795
Adj R-squared 0,9786
Root MSE 0,059
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0478 0,0393 1,21 0,2270 -0,0301 0,1257
2,3125 0,2544 9,09 0,0000 1,8086 2,8164
0,024 0,0725 0,33 0,7410 -0,1195 0,1675
-0,8317 0,2026 -4,1 0,0000 -1,233 -0,4304
t -0,0061 0,0017 -3,68 0,0000 -0,0094 -0,0028
cons -18,0454 2,588 -6,97 0,0000 -23,1708 -12,9199
Tableau 2: Biens non durables, équation de long terme
Source SS df MS
Number of obs 123
Model 1,7570 5 0,3514
F( 5, 117) 902,24
Residual 0,0456 117 0,0004
Prob > F 0,0000
Total 1,8026 122 0,0148
R-squared 0,9747
Adj R-squared 0,9736
Root MSE 0,01974
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0362 0,0132 2,75 0,0070 0,0102 0,0623
0,3322 0,0784 4,23 0,0000 0,1768 0,4875
-0,0067 0,0243 -0,28 0,7830 -0,0548 0,0414
-0,0485 0,0455 -1,06 0,2890 -0,1386 0,0417
t 0,001 0,0004 2,33 0,0220 0,0001 0,0018
cons 6,1544 0,8224 7,48 0,0000 4,5256 7,7831
34
Tableau 3: Biens non durables et services, équation de long terme
Source SS df MS
Number of obs 123
Model 5,0603 5 1,0121
F( 5, 117) 11937,68
Residual 0,0099 117 0,0001
Prob > F 0,0000
Total 5,0702 122 0,0416
R-squared 0,9980
Adj R-squared 0,9980
Root MSE 0,0092
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0107 0,0061 1,74 0,0850 -0,0015 0,0228
0,0659 0,0397 1,66 0,1000 -0,0128 0,1445
0,1011 0,0113 8,94 0,0000 0,0787 0,1235
0,1874 0,0316 5,93 0,0000 0,1248 0,25
t 0,0056 0,0003 21,57 0,0000 0,0051 0,0061
cons 9,0676 0,4039 22,45 0,0000 8,2677 9,8676
Tableau 4: Ensemble de la consommation, équation de long terme
Source SS df MS
Number of obs 123
Model 6,5300 4 1,6325
F( 5, 117) 18327,44
Residual 0,0105 118 0,0001
Prob > F 0,0000
Total 6,5405 122 0,0536
R-squared 0,9984
Adj R-squared 0,9983
Root MSE 0,0094
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0163 0,0063 2,58 0,0110 0,0038 0,0287
0,3899 0,0353 11,03 0,0000 0,3200 0,4599
0,0857 0,0062 13,89 0,0000 0,0735 0,0979
t 0,0037 0,0002 23,01 0,0000 0,0034 0,004
cons 5,6286 0,3881 14,5 0,0000 4,8601 6,397
35
Le tableau 4 indique que le PIB réel est la variable, parmi celles qui y sont présentées, ayant le
coefficient influençant davantage l’ensemble des dépenses allouées à la consommation.18
Toutefois,
ce sont les dépenses de consommation de biens durables qui sont le plus corrélées avec cette
variable (voir tableau 1). En effet, une augmentation de 1 % du PIB réel se traduit par une
augmentation des dépenses de consommation de biens durables de 2,31 %, contrairement à une
augmentation de 0,33 % pour les dépenses de biens non durables. Cela indique qu’une hausse de
PIB réel au Québec se répercute par un accroissement des dépenses des ménages sur l’ensemble de
la consommation et cette augmentation est fortement attribuable à la composante des biens
durables.
La valeur du prix des maisons est un bon indicateur de richesse immobilière. Les estimations de nos
modèles montrent que cette variable influence davantage les dépenses de biens de consommation
non durables et services qu’elle ne fait varier les dépenses de biens durables.19
Cela signifie donc
qu’un consommateur ayant une maison à un prix élevé sera enclin à se payer plus de biens non
durables et de services que celui qui en détient une à un prix inférieur. L’impact sur la
consommation globale, bien que relativement faible, est estimé positif et est statistiquement
significatif. Le Tableau 4 stipule qu’une hausse de 10% dans la valeur des propriétés se traduirait
par un accroissement des dépenses d’environ 0,8% dans la consommation.
Si la richesse financière influence les décisions des consommateurs, la hausse du TSX devrait avoir
un impact appréciable sur la consommation. Selon nos résultats, les fluctuations du TSX produisent
un effet de richesse sur l’ensemble de la consommation, particulièrement par l’entreprise des
dépenses de biens non durables et un peu via les services. Cette hausse incite ainsi les ménages
québécois à dépenser plus lorsque les cours du TSX montent, mais l’impact est très faible avec un
coefficient estimé de 0,0163 (voir tableau 4).
Nos résultats indiquent donc que le pouvoir explicatif de la richesse immobilière est plus important
que la richesse financière, ce qui concorde avec les travaux rapportés par Pichette et Tremblay
(2003) pour le Canada de même que ceux rapportés par Case, Shiller & Quigley (2005) pour un
ensemble de 14 pays développés, incluant le Canada.
18
L’ensemble de la consommation exclue toutefois les biens semi-durables. 19
Le tableau 2 de l’annexe IV montre que le prix des maisons influence les dépenses de l’agrégat de services.
36
Le prix relatif des biens durables permet d’expliquer en partie la substitution qui semble s’être
effectuée à long terme entre les biens durables et les biens non-durables pendant la période sous
étude. À long terme, une baisse de 1 % du prix relatif des biens durables entraîne une augmentation
des dépenses de biens durables de 0,83 %, tandis qu’elle fait diminuer les dépenses de biens non
durables et des services de 0,19 %.20
À l’inverse, une baisse du prix relatif de 1 % fait augmenter les
dépenses de consommation de biens durables et diminuer celles des biens non durables et services.
En deuxième lieu, nous avons estimé la dynamique de court terme avec un modèle à correction
d’erreur comprenant les résidus estimés de la régression de long terme. Les tableaux 5 à 8 montrent
les résultats des régressions de court terme pour la période de 1981(01)-2011(03).
Tableau 5: Biens durables, équation de court terme
Source SS df MS
Number of obs 122
Model 0,0428 7 0,0061
F( 7, 114) 10,62
Residual 0,0656 114 0,0006
Prob > F 0,0000
Total 0,1083 121 0,0009
R-squared 0,3946
Adj R-squared 0,3575
Root MSE 0,02399
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0204 0,0301 0,6800 0,5000 -0,0393 0,0801
1,6269 0,3150 5,1600 0,0000 1,0028 2,2510
0,1397 0,0621 2,2500 0,0270 0,0166 0,2628
-0,8086 0,2268 -3,5700 0,0010 -1,2579 -0,3593
0,0308 0,0142 2,1600 0,0330 0,0026 0,0590
-1,4985 0,4803 -3,1200 0,0020 -2,4498 -0,5471
residu2 -0,0667 0,0414 -1,6100 0,1100 -0,1487 0,0153
cons -0,0032 0,0029 -1,0900 0,2770 -0,0089 0,0026
20
Les résultats sont semblables en ce qui attrait les services pris individuellement, à savoir qu’une hausse de
1% du prix relatif des biens durables fait augmenter les dépenses reliées aux services de 0,185%. Voir tableau
2 de l’annexe IV. De plus, le tableau 1 de l’annexe IV montre la même régression, mais cette fois en
remplaçant par . Les résultats indiquent que les coefficients calculés à l’annexe IV ont moins
d’influence sur les dépenses des biens durables que ceux calculés avec .
37
Tableau 6: Biens non durables, équation de court terme
Source SS df MS
Number of obs 122
Model 0,0021 7 0,0003
F( 7, 114) 4,58
Residual 0,0076 114 0,0001
Prob > F 0,0002
Total 0,0098 121 0,0001
R-squared 0,2196
Adj R-squared 0,1717
Root MSE 0,0082
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0034 0,0103 -0,3300 0,7430 -0,0238 0,0170
0,0861 0,1039 0,8300 0,4090 -0,1198 0,2919
0,0049 0,0212 0,2300 0,8190 -0,0371 0,0468
0,0264 0,0524 0,5000 0,6150 -0,0774 0,1303
0,0028 0,0049 0,5700 0,5700 -0,0069 0,0124
0,2329 0,1640 1,4200 0,1580 -0,0919 0,5578
residu4 -0,1898 0,0400 -4,7400 0,0000 -0,2691 -0,1106
cons 0,0023 0,0009 2,5000 0,0140 0,0005 0,0042
Tableau 7: Biens non durables et services, équation de court terme
Source SS df MS
Number of obs 122
Model 0,0013 7 0,00019
F( 7, 114) 9,91
Residual 0,0022 114 0,00002
Prob > F 0,0000
Total 0,0035 121 0,00003
R-squared 0,3782
Adj R-squared 034
Root MSE 0,00436
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0051 0,0055 0,9300 0,3550 -0,0058 0,0160
0,1259 0,0543 2,3200 0,0220 0,0183 0,2336
0,0032 0,0016 1,9600 0,0530 0,0000 0,0065
0,1680 0,0407 4,1300 0,0000 0,0874 0,2486
-0,0012 0,0026 -0,4600 0,6500 -0,0063 0,0039
-0,0565 0,0869 -0,6500 0,5170 -0,2287 0,1158
residu5 -0,2342 0,0460 -5,0900 0,0000 -0,3254 -0,1430
cons -0,0175 0,0118 -1,4800 0,1410 -0,0408 0,0059
38
Tableau 8: Ensemble de la consommation, équation de court terme
Source SS df MS
Number of obs 122
Model 0,0020 6 0,00034
F( 6, 28) 10,83
Residual 0,0036 115 0,00003
Prob > F 0,0000
Total 0,0057 121 0,00005
R-squared 0,3611
Adj R-squared 0,3278
Root MSE 0,0056
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0077 0,0070 1,1000 0,2730 -0,0062 0,0217
0,3436 0,0702 4,8900 0,0000 0,2046 0,4826
0,0282 0,0146 1,9400 0,0550 -0,0007 0,0571
0,0025 0,0033 0,7500 0,4530 -0,0041 0,0091
-0,2325 0,1119 -2,0800 0,0400 -0,4541 -0,0109
residu7 -0,2243 0,0556 -4,0400 0,0000 -0,3344 -0,1142
cons 0,0041 0,0006 6,8900 0,0000 0,0029 0,0053
Pour déterminer les effets des variables à court terme, nous avons également effectué des
régressions en divisant la période en deux, soit : 1981 à 1996 de même que 1997 à 2011. Les
résultats de ces analyses se trouvent aux annexes VI et VII.21
Concernant la période de 1981 à 1996,
la valeur des coefficients de détermination ajustés de chacune des régressions est assez élevée pour
être en mesure d’expliquer ce qui influence les changements dans la consommation par nos
modèles. En ce qui concerne la période de 1997 à 2011, la valeur des coefficients de détermination
ajustés est légèrement inférieure, ce qui révèle un pouvoir explicatif moindre de nos modèles.
Toutefois, les régressions pour la période allant de 1990 à 199922
ont des coefficients de
détermination ajustés assez importants pour expliquer ce qui fait varier notre consommation
pendant cette période. Les coefficients de détermination ajustés pour la période allant de 2000 à
2011 sont quant à eux plus faibles que les autres périodes étudiées.23
Les dépenses de
consommation des biens de durables pour la période 2000 à 2011, de même que celles pour
21
Cette exercice a aussi été fait en trois sous-périodes : 1981 à 1989, 1990 à 1999 et 2000 à 2011. Les
résultats sont aux annexes VIII, IX et X, 22
Voir annexe IX. 23
Voir annexe X.
39
l’ensemble de la consommation ont des coefficients de détermination assez élevés pour expliquer ce
qui influence la consommation des ménages québécois. Il faut cependant être vigilant concernant
les biens non durables, car notre modèle a un pouvoir explicatif très faible d’environ 6%.
Les résultats ont aussi été estimés avec la méthode SUR24
pour les biens durables et non durables25
(voir annexe XI), de même que pour les biens durables, non durables et les services évalués
indépendamment (voir annexe XII). Cette méthode tient compte de la possible corrélation des
résidus dans les équations de nos modèles. En effet, il se peut que les écarts-types soient affectés si
la corrélation entre les variables est importante. Or, les coefficients significatifs trouvés avec cette
méthode sont les mêmes que ceux calculés avec les MCO, à l’exception du coefficient du prix des
maisons qui est significatif pour les biens non durables (voir annexe XI). Toutefois, lorsque les
biens non durables et les services sont pris indépendamment, le coefficient du prix des maisons
n’est pas significatif pour aucune des deux variables. Puisque le coefficient est très faible, celui-ci
n’aura pas un impact déterminant pour expliquer la consommation des ménages québécois. Nous
n’en tiendrons pas compte dans notre analyse.
La catégorie des dépenses de biens de consommation non durables englobe notamment les produits
alimentaires. Ainsi, il est normal que ce type de biens ne varie pas beaucoup à court terme selon la
conjoncture économique. Le tableau 9 ci-dessous indique dans ce sens, puisque les biens non
durables ont une distribution beaucoup plus rapprochée autour de la moyenne comparativement aux
biens non durables et aux services. Ce sont donc des biens homogènes. À l’opposé, les services sont
les biens ayant la distribution la plus dispersée. Cette agrégation, contrairement aux biens non
durables, varie beaucoup selon l’environnement des ménages et la conjoncture. Enfin, les dépenses
liées aux biens durables ont une durée de vie permettant l’étalement de leur consommation sur une
période de plus d’une année. Les biens durables sont généralement des biens d’équipement du
foyer, mais aussi des biens telle qu’une voiture par exemple. Il est ainsi logique de penser que les
dépenses de ménages allouées aux biens durables seront fonction de la conjoncture économique
québécoise puisque ces dépenses sont généralement considérées comme plus dispendieuses.
24
Seemingly unrelated regressions. 25
La définition des biens durables est celle incluant les services.
40
Tableau 9 Statistiques descriptives_per capita (1981(01)-2011(03))
Moyenne 2356,82 4853,12 8523,36 15733,31
Écart type 820,22 337,92 1669,61 2793,01
Entre 1981 et 2011, les dépenses totales des ménages québécois allouées à la consommation se sont
accrues de 109 %. Cette hausse est largement attribuable à l’augmentation des dépenses pour les
biens durables, celle-ci ayant varié de 258,7 % pendant la période étudiée, comparativement à une
augmentation respective de 37 % et 30 % pour les dépenses des biens non durables et services.
Tout comme pour les régressions de long terme, le PIB est le coefficient significatif ayant le plus
d’effet sur l’ensemble des dépenses de consommation entre 1981 et 2011. Un changement de 1 %
du PIB amène une variation de 0,34 % des dépenses octroyées à l’ensemble de la consommation et
une variation de 1,63 % pour les dépenses de consommation de biens durables.26
Sachant que le PIB
a varié de 80,27 % pour la période étudiée, nous pouvons conclure que 25 % de l’augmentation
dans les dépenses la consommation totale des ménages québécois est imputable à la variation du
PIB et qu’environ 50 % de la hausse de la consommation de biens durables entre 1981 et 2011 est
expliquée par l’accroissement du PIB. Le coefficient du PIB est également relativement
semblable pour les deux sous périodes en ce qui a trait aux dépenses des ménages pour l’ensemble
de la consommation: 0,29 % pour la période allant de 1981 à 1996 et 0,25 % de 1997 à 2011 (voir
annexe VI et VII).27
Toutefois, ces valeurs sont légèrement inférieures à celui obtenu précédemment
avec la régression de long terme. La variable PIB a également plus d’effet sur les dépenses de
consommation de biens durables que tous les autres biens de consommation étudiés. Pour la période
de 1981 à 1996, un changement de 1 % du PIB engendre une variation de 1,75 % sur les dépenses
de biens durables, tandis que pour la période de 1997 à 2011, ce même changement se résulte par
26
Ce même changement se résulte par une augmentation négligeable de 0,13 % pour les dépenses en biens
non durables et services. 27
Le PIB est également significatif et les coefficients obtenus sont plus élevés pour deux des trois sous
périodes calculées à l’annexe VII et IX. 0,33 % pour la période allant de 1981 à 1989 et 0,35 % pour la
période allant de 1990 à 1999.
41
une augmentation de 1,25 % des dépenses de biens durables. Entre 1981 et 1996, environ 70 % de
l’augmentation dans la consommation de biens durables était expliquée par la hausse du PIB. Pour
la seconde sous période, un peu moins de 50 % de l’augmentation des dépenses de consommation
de biens durables est relié à une hausse du PIB. À l’égard de ces résultats, le PIB semble être une
variable ayant moins d’impact sur les dépenses de biens durables dans les quinze dernières années
qu’elle n’en avait autrefois.
La variation du prix réel des maisons entre 1981 et 2011 est de 114 %. Cependant, le prix des
maisons n’a fluctué que de 3 % entre 1981 et 1996. Depuis, celui-ci a varié de 111 %. Pour la
période allant de 1981 à 2011, un changement de 1 % du prix des maisons amène une variation d’un
peu plus que 6 % dans les dépenses de biens durables. De plus, le prix des maisons explique une
partie des variations concernant les dépenses de biens de consommation pour la période allant de
1981 à 1996, mais cette variable est non significative pour la période allant de 1996 à 2012. Pour la
sous-période significative, une variation de 1 % du prix des maisons se répercute par une variation
de 10 % sur l’ensemble des dépenses pour la consommation des ménages québécois. Les dépenses
des ménages de biens durables ont aussi été influencées par le prix des maisons pour la sous période
1990 à 1999. À cette époque, une hausse de 1 % du prix des maisons a engendré une augmentation
de 0,39 % des dépenses de biens durables.
Le prix relatif a un pouvoir explicatif plus important pour les régressions de court terme. Pour la
période de 1981 à 1996, une augmentation de 1 % du prix relatif des biens durables entraîne une
diminution des dépenses de consommation de biens durables de 1,07 %, tandis qu’elle fait
augmenter les dépenses de consommation de biens non durables et des services de 0,22 %. Pour la
période allant de 1997 à 2011, une augmentation de 1 % du prix relatif des biens durables amène
une diminution des dépenses de biens durables de 1,14 %. L’effet de substituabilité entre les biens
durables ainsi que les biens non durables et services est encore plus important si l’on divise notre
période en trois sous périodes. En effet, une augmentation de 1 % du prix relatif des biens durables
entraîne une diminution des dépenses de consommation de biens durables de 1,22 % pour la période
de 1981 à 1989, de 1,36 % pour la période de 1990 à 1999 et de 1,34 % pour la période de 2000 à
2011. Entre 1981 et 2011, le prix relatif de bien durable a diminué de 50 %. Tout près de 15 % de
l’accroissement des dépenses dans la consommation de biens durables est justifiée par la variation
du prix relatif. Entre 1981 et 1996, 33 % de l’augmentation des dépenses de consommation de biens
durables est expliquée par la baisse du prix relatif, tandis que la variation de la consommation se
42
chiffre à 54 % entre 1997 et 2011. C’est donc dire que le terme d’échange des biens durables a
fortement diminué au fil du temps, et particulièrement entre 1997 et 2011.
Les tableaux 5 à 8 indiquent que le TSX est non significatif dans la plupart des régressions, sauf
pour les dépenses de biens non durables et services pour la période de 2000 à 2011 (voir annexe X).
Pour cette régression, une hausse de 1% du prix du TSX engendre une augmentation d’es dépenses
d’environ 0,02 %. L’impact de la richesse financière, bien que relativement faible, semble donc
avoir augmenté dans le temps (absent au début de l’échantillon, mais partiellement présent par la
suite).
Le taux d’intérêt réel est l’une des deux variables que nous avons ajoutée dans nos estimations de
court terme. Il représente le coût de financement (ou de renonciation) pour les dépenses de biens
durables. Pour la période de 1981 à 2011, une hausse de 1 % du taux d’intérêt réel engendre une
baisse de 1,50 % des dépenses de biens durables et une diminution de 0,23 % des dépenses sur
l’ensemble de la consommation.28
Par exemple, une variation du taux d’intérêt de 20 % se répercute
par une baisse de 30 % des dépenses de consommation de biens durables et une diminution des
dépenses pour l’ensemble de la consommation d’environ 5 %. Nos réponses vont donc dans le sens
des travaux de Markiw (1983) de même que ceux d’Erceg et Levin (2002) qui ont montré que les
dépenses pour les biens de consommation durables sont beaucoup plus sensibles qu’aux variations
des taux d’intérêt que le sont les dépenses pour les biens non durables et les services.
L’indice de confiance, notre seconde variable ayant potentiellement un effet à court terme, sert à
émettre des prévisions sur la croissance économique. Il n’a d’effet à court terme que pour les
dépenses de consommation de biens durables pour l’ensemble de notre période étudiée. L’impact
est toutefois très faible. En effet, une variation de 20 % de l’indice de confiance engendre un
changement de 0,6 % pour les dépenses de biens durables. L’impact pour la consommation totale
des ménages n’est pas significatif. Bref, même si les ménages québécois sont plus optimistes quant
à la situation économique future de la province par rapport à la période précédente et même si ceux-
28
Pour la période de 1981 à 1996, une hausse de 1% du taux d’intérêt réel engendre une baisse de 1,33 % des
dépenses de biens durables, tandis que cette même hausse entraîne, pour la seconde période de 1997 à 2011,
une baisse de 1,58 % des dépenses de biens durables (Voir annexe VI et VII).
43
ci estiment que leur situation financière s’améliorera, ils ne sont pratiquement pas portés à accroitre
les dépenses dans leur consommation.
45
V.2 Modèle d’optimisation
Cette section estime le modèle intertemporel présenté à la section III.2.29
Cette analyse permettra
d’évaluer les élasticités pour les deux types de biens pour comprendre comment un agent arbitre
entre sa consommation présente et future à l’égard des modifications dans les taux d’intérêt. Afin
d’estimer les conditions de premier ordre, il est nécessaire de spécifier une forme fonctionnelle
particulière pour la fonction d'utilité de façon à être en mesure d’écrire les utilités marginales en
terme de consommation. La forme d’utilité utilisée sera la suivante :
(
) [ ]
(4.1)
Où,
,
Étant donné la forme fonctionnelle de la fonction utilité, nous pouvons réécrire les conditions du
premier ordre ainsi:
,(
) (
)- (4.2)
,
*
+ - (4.3)
Sous l’hypothèse que les consommateurs sont considérés comme des agents rationnels ayant des
préférences identiques, les régressions des équations (4.2) et (4.3) peuvent être estimées
directement. Il sera possible de tester grâce à ces estimations, si la non-séparabilité entre les biens
durables et non-durables est essentielle au non rejet du modèle.
La procédure utilisée d’estimation est basée sur la méthode des moments généralisés (Hansen et
Singleton, 1982). Les auteurs utilisent les conditions stochastiques d’Euler associées au problème
d’optimisation intertemporelle des agents en tant que source de leurs conditions sur les moments
conditionnels. Le principe de cette approche consiste à introduire un ensemble de paramètres
29
Dans cette section, la définition utilisée pour les biens non durables est celle qui inclut les services.
46
auxiliaires facilement estimables afin d’estimer les paramètres d’intérêt à partir de ses paramètres
auxiliaires.
Règle générale, les conditions du premier ordre peuvent s’écrire ainsi :
(4.4)
Où,
Vecteur de fonctions
Ensemble de variables en t et t+1
Vecteur de paramètres à estimer
Soit , un vecteur d’instruments incluant les variables faisant partie de l’ensemble d’information
de l’agent représentatif à la période t. On observe alors que :
[ ] (4.5)
Où,
L’espérance inconditionnelle
Produit de Kronecker
Hansen (1982) de même que Hansen et Singleton (1982) montrent que le meilleur estimateur du
paramètre est celui minimisant la somme pondérée des carrés du produit de ce vecteur
d'instruments au temps t avec la fonction . La valeur minimale de cette fonction objectif, sera
utilisée pour déterminer si les restrictions imposées par le modèle sont rejetées. La statistique suit
asymptotiquement une loi du , où représente le nombre de degré de liberté. La statistique
chi-carré mesure la corrélation entre les instruments et les termes d’erreurs des équations. Le
nombre de degrés de liberté est égal à la différence entre le nombre d’équations à estimer multiplié
par le nombre d’instruments et le nombre de paramètres à estimer. Pour que les restrictions du
modèle ne soient pas rejetées, la statistique doit être inférieure à la valeur critique du . Une
valeur plus grande de par rapport à la valeur critique du amène au rejet des restrictions du
47
modèle. Pour vérifier la robustesse de nos résultats, trois listes d’instruments sont utilisées pour
estimer notre modèle.30
La liste A comprend : une constante, le taux de croissance du stock de biens
durables retardé d’une période, le taux de croissance du stock de biens durables retardé de deux
périodes, le taux de croissance du stock de biens non durables retardé d’une période et le taux de
croissance du stock de biens non durables retardé de deux périodes. La liste B comprend : une
constante, le taux de croissance du stock de biens durables retardé d’une période, le taux de
croissance du stock de biens non durables au temps retardé d’une période et le ratio du prix relatifs
des biens durables retardé de deux périodes. Enfin la liste C est composée : d’une constante, du taux
de croissance du stock de biens durables retardé d’une période, et du taux de croissance du stock de
biens non durables retardé de deux périodes.
Le stock de biens durables est calculé ainsi : [ ] Toutefois, nous devons
supposer pour la période initiale que . Pour ne pas que la valeur calculé à la
période initiale vienne biaiser nos résultats, les estimations débutent en 1985:01. Le prix relatif des
biens durables est calculé en divisant l'indice implicite des prix des biens durables par l'indice des
biens durables sur les biens non durables et services. La valeur de rho est fixée à 0,005 par
trimestre ou 2% par année.31
La valeur de départ des deux paramètres à estimer ( ) est de 1.
Tableau 10 : Estimations des équations d’Euler (4.2) et (4.3); 1985(01)-2011(03)
Liste d'instrument A B C
Paramètres
1.9239 1.9300 1.9551
(0.0279) (0.0281) (0.0308)
0.1433 0.1785 0.2155
(0.0514) (0.0546) (0.0631)
Concavité U (.) oui oui oui
Signification 0.0617 0.0165 0.7279
Stat. J 14.8673 15.5236 2.0429
Note : Les chiffres entre parenthèses indiquent les écarts-types.
30
Voir Fauvel et Samson, (1987), « Intertemporal substitution and durable goods: an empirical analysis ». 31
Il a été impossible, à cause de problèmes de convergence, d’estimer les trois paramètres simultanément.
C’est pourquoi la valeur du paramètre rho a été fixée à une valeur raisonnable. Celle-ci doit se situer autour
du taux d’intérêt réel qui lui, varie autour de 2-3 % par an pour la période étudiée.
48
Le tableau 10 indique les résultats des estimations de notre fonction d'utilité pour la période allant
de 1985(01) à 2011(03). Les équations d'Euler sont estimées conjointement, ce qui implique que
l’agent n’est pas confronté à une contrainte de quantité dans l'un des marchés pour les deux types de
biens. Les trois listes d’instruments stipulent la concavité et les valeurs des tests t sur
signalent que la non séparabilité dans les préférences pour les deux types de biens est importante.
Les deux types de biens sont donc substituts. Ce résultat renforce les estimations de la section
précédente qui démontrent que lorsque le prix relatif du bien durable diminue, les dépenses de biens
durables se substituent partiellement aux dépenses de biens non durables. La statistique indique
que les restrictions imposées par le modèle ne sont pas rejetées pour la liste A et B à un niveau de
10 % et à un niveau de signification de 1% pour la liste C. En théorie, la corrélation devrait être
nulle parce que les erreurs d’anticipations devraient être rationnelles et non corrélées avec toute
l’information disponible à la période courante.
Ces résultats nous permettent de conclure que la non-séparabilité au niveau des préférences entre les
biens durables et non durables semble importante. Il serait donc préférable d’en tenir compte dans la
modélisation des différentes catégories de la consommation agrégée.
49
VI. Conclusion
Représentant une importante part de l’activité économique au Québec, il est primordial d’essayer
d’analyser comment les dépenses de consommation seront affectées selon l’environnement des
consommateurs. C’est pourquoi, dans un premier temps, l’objectif de ce mémoire a été de modéliser
la consommation du Québec avec une technique économétrique qui ne repose pas sur l’hypothèse
d’une structure de préférence particulière. Nos principaux résultats pour les régressions de long
terme pour la période de 1981(01) à 2011(03) montrent que le PIB réel est la variable ayant le
coefficient qui influence le plus l’ensemble des dépenses allouées à la consommation. Les dépenses
de consommation de biens durables sont le plus corrélées avec cette variable. Par ailleurs, les
estimations de nos modèles du prix réel des maisons au Québec indiquent que cette variable fait
varier davantage les dépenses de biens de consommation non durables et services qu’elle
n’influence les dépenses de biens durables. Les fluctuations du TSX produisent un effet de richesse
sur l’ensemble de la consommation, particulièrement par l’entreprise des dépenses de biens non
durables et un peu via les services. L’impact demeure toutefois très faible. Enfin, le prix relatif des
biens durables explique en partie la substitution qui semble s’être effectuée à long terme entre les
biens durables et les biens non-durables pendant la période étudiée.
En deuxième lieu, nous avons estimé la dynamique de court terme avec un modèle à correction
d’erreur comprenant les résidus estimés de la régression de long terme pour la période de 1981(01)
à 2011(03). Tout comme pour les régressions de long terme, le PIB est le coefficient significatif
ayant le plus d’effet sur l’ensemble des dépenses de consommation entre 1981 et 2011. Nous
pouvons conclure que 25 % de l’augmentation dans les dépenses de la consommation totale des
ménages québécois est attribuable à la variation du PIB entre 1981 et 2011 et qu’environ 50 % de la
hausse des dépenses de consommation de biens durables est expliquée par la hausse du PIB. Entre
1981 et 1996, environ 70 % de l’augmentation des dépenses de consommation de biens durables
était expliquée par la hausse du PIB. Entre 1997 et 2011, un peu moins de 50 % de l’augmentation
des dépenses dans la consommation de biens durables étaient reliés à une hausse du PIB. À l’égard
de ces résultats, le PIB semble être une variable ayant moins d’impact sur les dépenses de biens
durables dans les quinze dernières années qu’elle n’en avait autrefois. Pour la période allant de 1981
à 2011, un changement de 1 % du prix des maisons amène une variation d’un peu plus que 6 %
dans les dépenses de biens durables. De plus, le prix des maisons explique une partie des variations
50
concernant les dépenses de biens de consommation pour la période allant de 1981 à 1996, mais
cette variable est non significative pour la période allant de 1996 à 2012. Pour la sous-période
significative, une variation de 1 % du prix des maisons se répercute par une variation de 10 % de
l’ensemble des dépenses de consommation des ménages québécois. Concernant le prix relatif, celui-
ci a un pouvoir explicatif plus important pour les régressions de court terme. Entre 1981 et 2011,
tout près de 15 % de l’augmentation des dépenses de consommation de biens durables est
attribuable à la variation du prix relatif. Entre 1981 et 1996, 33 % de l’augmentation dans les
dépenses de consommation de biens durables est expliquée par la baisse du prix relatif, tandis que la
variation de la consommation se chiffre à 54 % entre 1997 et 2011. Pour sa part, le TSX est non
significatif dans la plupart des régressions, sauf pour les dépenses de biens non durables et services
pour la période de 2000 à 2011. Pour cette régression, une hausse de 1% du prix du TSX engendre
une augmentation des dépenses d’environ 0,02 %. L’impact de la richesse financière, bien que
relativement faible, semble s’être accru au fil du temps.
Le taux d’intérêt réel est l’une des deux variables que nous avons ajoutée dans nos estimations de
court terme. Pour la période de 1981 à 2011, une hausse de 1 % du taux d’intérêt réel engendre une
baisse de 1,50 % des dépenses de biens durables et une diminution de 0,23 % dans les dépenses
pour l’ensemble de la consommation. On a observé que cet impact plus élevé des fluctuations du
taux d’intérêt sur les dépenses des biens durables correspond à ce qui est généralement observé dans
la littérature. Cela signifie que les dépenses pour les biens de consommation durables devraient être
beaucoup plus sensibles aux variations des taux d’intérêt que les dépenses pour les biens de
consommation non durables et les services. Finalement, l’indice de confiance, notre seconde
variable ayant potentiellement un effet à court terme, n’a d’effet à court terme que pour les
dépenses de consommation de biens durables pour l’ensemble de notre période étudiée. L’impact
est toutefois très faible.
Ce mémoire a aussi considéré un modèle d’agent économique rationnel optimisateur face au
problème de l’allocation intertemporelle de sa consommation de biens durables et non durables.
Cette analyse a permis de constater que lorsqu’on désagrège la consommation, il est important de
tenir compte des liens entre ses sous-catégories. Nos résultats ont apporté un certain support, bien
que partiel, pour le modèle présenté.
51
La consommation est l’agrégat le plus important des dépenses dans l’économie. Ce mémoire a
analysé cette variable dans le contexte québécois et nous a permis de mettre en évidence certains
faits et liens importants illustrés par d’autres auteurs dans un contexte différent. Notre analyse a tout
d’abord permis de mettre en évidence le rôle joué par le revenu, le prix relatif des biens durables, la
richesse financière, la valeur des maisons, la confiance des ménages et les fluctuations des taux
d’intérêt pour expliquer les variations des dépenses de consommation au Québec dans son
ensemble, mais aussi selon les sous catégories. De plus, nous avons établi la non séparabilité au
niveau de préférences entre les biens durables et non durables. Une telle formation suppose que les
biens de consommation au Québec sont substituts entre eux, ce qui permet de modéliser les
habitudes de consommation et les biens durables et non durables simultanément.
53
Bibliographie
Attanasio, O.P. & M. Browning, Consumption Over the Life Cycle and Over the Business Cycle,
American Economic Review, December 1995. Volume 85(5), pp. 1118-37.
Auray, S., Monnaie, Consommation et Substitution Intertemporelle, Canada: Groupe de Recherche
en Économie et Développement International, EQUIPPE, Universités Lille Nord de France &
GREDI, Université de Sherbrooke & CIRPEE, 2009.
Campbell J. & G. Mankiw, International evidence on the persistence of Economic Fluctuations,
Journal of Monetary Economics, March 1989. Volume 23(2), pp. 319-333.
Case K.E., J.M. Quigley & R.J. Shiller, Comparing Wealth Effects : The Stock Market versus The
Housing Market, Advances in Macroeconomics, 2005. Volume 5, no 1, pp. 1-34.
Dvornak, N. & M. Kohler, Housing Wealth, Stock Market, Wealth and Consumption : A panel
Analysis for Australia, RBA Research Discussion Papers, Reserve Bank of Australia, 2003.
Engle R. & C. Granger, Co-integration and Error Correction : Representation, Estimation, and
Testing, Econometrica, 1987. Volume 55, issue 2, pp. 251-276.
Erceg, C. & A. Levin, Optimal Monetary Policy with Durable and Non-Durable Goods, European
Central Bank, September 2002. Working paper No.179.
Fauvel M. & L. Samson, Intertemporal Substitution and Durable Goods : An empirical Analysis,
Canada : The Canadian Journal of Economics / Revue canadienne d’Économique, February 1991.
Volume 24, No. 1, pp. 192-205.
54
Ferson, W. & G. Constantinides, Habit Persistence and Durability in Aggregate Consumption:
Empirical Tests, Journal of Financial Economics, October 1991. Volume 29(2), pp. 199-240.
Flavin, M., The Adjustment of Consumption to Changing Expectations About Future Income,
University of Chicago : The Journal of Politicial Economy, October 1981. Volume 89, No. 5, pp.
974-1009.
Friedman, M., A Theory of the Consumption Function, Princeton University Press, National Bureau
of Economic Research, 1957.
Granger, C., Some Properties of Time Series Data and Their Use in Econometric Model
Specification, Journal of Econometrics, May 1981. Volume 16, Issue 1, pp. 121-130.
Granger, C.W.J. & P. Newbold, Spurious Regressions in Econometrics, Journal of Econometrics,
1974. Volume 2, pp.111-120.
Haute école de gestion de Genève. Élasticité-prix de la demande d’essence en Suisse, Université de
Genève : Laboratoire d’Économie Appliquée. Rapport final du 14 juillet 2009.
Hall, R., Stochastic Implications of the Life Cycle-Permanent Income Hypothesis : Theory of
Evidence, University of Chicago, Journal of Political Economy, december 1978. Volume 86(6), pp.
971-87.
Hansel, L.P., Large Sample Properties of Generalised Method of Moments Estimators, Journal of
the Econometric Society, 1982. Volume 50(5), pp.1269-86.
55
Hansel, L.P. & K.J. Singleton, Generalized Instrumental Variables Estimation of Nonlinear
Rational Expectations Models, Journal of the Econometric Society, 1982. Volume 50(5), pp.1269-
86.
Hall, R., Intertemporal Substitution in Consumption, Jounal of Political Economy, University of
Chicago Press, April 1988. Volume 96(2), pp. 339-57.
Hamburger, J., Interest Rates and the Demand for Consumer Durable Goods, Staff Studies 41,
Board of Governors of the Federal Reserve System (U.S.), 1967.
Jappelli, T. & M. Pagano, Savings, Growth and Liquidity Constraints, The Quarterly Journal of
Economics, MIT Press, February 1994. Volume 109(1), pp. 84-101.
Lettau, M. & S. Ludvigson, The declining Equity Premium : What Role Does Macroeconomic Risk
Play ?, Meeting Papers 644, Society for Economic Dynamics, 2004.
Lucas, R., Econometric Policy Evaluation : A Critique, Carnegie-Rochester Conference Series on
Public Policy 1, 1976. pp.19-46.
Ludwig, A. & T. Slok, The Impact of Changes in Stock Prices and House Prices on Consumption in
OECD Countries, 2002. International Monetary Fund Working Paper Series, WP/02/1.
Macklem, T.R., Aggregate wealth in Canada, Canadian Journal of Economics, 1997. pp.152-168.
Mankiw, G., Consumer Durables and the Real Interest Rate, Washington : The Review of
Economics and Statistics, August 1985. Volume LXVII, No. 3, pp. 353-362.
56
Mankiw, G., J. Rotemburg, and L. Summers, Intertemporal Substitution in Macroeconomics, The
Quarterly Journal of Economics, February 1985. Volume 100, No. 1, pp. 225-251.
Ogaki, M. & C. Reinhart, Mesuring Intertemporal Substitution : The Role of Durables Goods,
University of Maryland, Department of Economics : Rochester Center for Economic Research, May
1995. Working Paper No. 404.
Phang ,S.-Y., House Prices and Aggregate Consumption: Do They Move Together? Evidence from
Singapore, Singapore Management University, Journal of Housing Economics, 2004.
Pichette, L., Les Effets Réels du Cours des Actions Sur La Consommation, Banque du
Canada. 2000. Document de travail 2000-21.
Pichette, L. & D. Tremblay, Are Wealth Effects Important For Canada, Banque du Canada.
2003. Working Paper 2003-30.
Skinner, J., Advances in the Economics of Aging : Is Housing Wealth a Side Show ?,
University of Chicago Press, 1996. Pp. 241-268.
Slok, T., The Impact of Changes in Stock Prices and House Prices on Consumption in
OECD Countries, IMF Working Papers, International Monetary Fund. 2002.
57
Annexe I
Dickey-Fuller : test de racine unitaire – un retard
Valeur critique pertinente :
1% Critical
value
5% Critical
value
10% Critical
value
-4,033 -3,447 -3,147
Valeur observée du test t :
Variables
Test Statistic
Z(t) -1,214
Z(t) -3,828
Z(t) -1,429
Z(t) -2,328
Z(t) -3,881
Z(t) -2,378
Z(t) -1,352
Z(t) -2,081
Z(t) -2,645
Annexe II
Dickey-Fuller : test de racine unitaire – deux retards
Valeur critique pertinente :
1% Critical
value
5% Critical
value
10% Critical
value
-4,033 -3,447 -3,147
Valeur observée du test t :
Variables
Test Statistic
Z(t) -1,016
Z(t) -3,875
Z(t) -1,439
Z(t) -2,179
Z(t) -3,355
Z(t) -2,550
Z(t) -0,189
Z(t) -1,515
Z(t) -2,289
Annexe II
Dickey-Fuller : test de racine unitaire – deux retards
Valeur critique pertinente :
1% Critical
value
5% Critical
value
10% Critical
value
-4,033 -3,447 -3,147
Valeur observée du test t :
Variables
Test Statistic
Z(t) -1,016
Z(t) -3,875
Z(t) -1,439
Z(t) -2,179
Z(t) -3,355
Z(t) -2,550
Z(t) -0,189
Z(t) -1,515
Z(t) -2,289
Annexe III
Dickey-Fuller : test de racine unitaire – un retard, sans constance ni tendance
Valeur critique pertinente :
1% Critical
value
5% Critical
value
10% Critical
value
-2,597 -1,950 -1,611
Valeur observée du test t :
Variables
Test Statistic
Z(t) -2,461
Z(t) -2,384
Z(t) -3,727
Z(t) -3,753
Z(t) -1,662
Z(t) -3,450
65
Annexe IV
Regression long terme 1981(01)-2011(03)
Tableau 1: Biens durables
Source SS df MS
Number of obs 123
Model 19,3627 5 3,8725
F( 5, 117) 999,26
Residual 0,4534 117 0,0039
Prob > F 0,0000
Total 19,8161 122 0,1624
R-squared 0,9771
Adj R-squared 0,9761
Root MSE 0,0623
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0438 0,0415 1,06 0,2930 -0,0384 0,1261
1,9431 0,2475 7,85 0,0000 1,453 2,4332
0,1596 0,0766 2,08 0,0390 0,0079 0,3112
-0,2571 0,1436 -1,79 0,0760 -0,5415 0,0273
t -0,0021 0,0013 -1,6 0,1130 -0,0048 0,0005
cons -15,0981 2,5942 -5,82 0,0000 -20,2358 -9,9604
Tableau 2: Services
Source SS df MS
Number of obs 123
Model 7,8465 5 1,5693
F( 5, 117) 3598,87
Residual 0,0510 117 0,0004
Prob > F 0,0000
Total 7,8975 122 0,0647
R-squared 0,9935
Adj R-squared 0,9933
Root MSE 0,0209
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0132 0,0139 -0,95 0,3460 -0,0408 0,0144
0,0106 0,0966 0,11 0,9130 -0,1807 0,2019
0,0904 0,0235 3,85 0,0000 0,0438 0,137
0,1851 0,0859 2,16 0,0330 0,015 0,3552
t 0,0076 0,0007 10,7 0,0000 0,0062 0,009
cons 9,172 0,9759 9,4 0,0000 7,2393 11,1048
67
Annexe V
Regression court terme 1981(01)-2011(03)
Tableau 1: Biens durables
Source SS df MS
Number of obs 122
Model 0,0367 7 0,0052
F( 7, 114) 8,34
Residual 0,0717 114 0,0006
Prob > F 0
Total 0,1083 121 0,0009
R-squared 0,3386
Adj R-squared 0,298
Root MSE 0,02507
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0202 0,0315 0,6400 0,5230 -0,0422 0,0825
1,5579 0,3290 4,7400 0,0000 0,9062 2,2095
0,1391 0,0653 2,1300 0,0350 0,0097 0,2685
-0,2793 0,1588 -1,7600 0,0810 -0,5939 0,0352
0,0309 0,0149 2,0700 0,0400 0,0014 0,0604
-1,5738 0,5012 -3,1400 0,0020 -2,5668 -0,5809
residu1 -0,0668 0,0410 -1,6300 0,1060 -0,1480 0,0143
cons 0,0000 0,0029 -0,0100 0,9920 -0,0057 0,0056
Tableau 2: Services
Source SS df MS
Number of obs 122
Model 0,0012 7 0,00017
F( 7, 114) 6,49
Residual 0,0030 114 0,00003
Prob > F 0,0000
Total 0,0042 121 0,00003
R-squared 0,2851
Adj R-squared 0,2412
Root MSE 0,00512
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0145 0,0064 2,2500 0,0260 0,0017 0,0272
0,1700 0,0647 2,6300 0,0100 0,0418 0,2982
0,0048 0,0132 0,3600 0,7190 -0,0215 0,0310
0,2096 0,0546 3,8400 0,0000 0,1013 0,3178
-0,0022 0,0030 -0,7100 0,4800 -0,0082 0,0039
-0,2544 0,1025 -2,4800 0,0150 -0,4575 -0,0513
residu6 -0,0376 0,0232 -1,6200 0,1080 -0,0834 0,0083
cons 0,0071 0,0006 11,1000 0,0000 0,0059 0,0084
69
Annexe VI
Regression court terme 1981(01)-1996(04)
Tableau 1: Biens durables
Source SS df MS
Number of obs 63
Model 0,0391 7 0,0056
F( 7, 55) 8,1300
Residual 0,0378 55 0,0007
Prob > F 0,0000
Total 0,0770 62 0,0012
R-squared 0,5086
Adj R-squared 0,4460
Root MSE 0,0262
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0948 0,0521 1,8200 0,0740 -0,0096 0,1991
1,7526 0,3980 4,4000 0,0000 0,9549 2,5503
0,1402 0,0824 1,7000 0,0950 -0,0250 0,3054
-1,0737 0,2802 -3,8300 0,0000 -1,6351 -0,5122
0,0347 0,0197 1,7600 0,0840 -0,0049 0,0743
-1,3334 0,6007 -2,2200 0,0310 -2,5372 -0,1297
residu2 -0,2049 0,0891 -2,3000 0,0250 -0,3835 -0,0263
cons -0,0036 0,0039 -0,9200 0,3630 -0,0114 0,0042
Tableau 2: Biens non durables
Source SS df MS
Number of obs 63
Model 0,0029 7 0,0004
F( 7, 55) 5,1000
Residual 0,0045 55 0,0001
Prob > F 0,0002
Total 0,0073 62 0,0001
R-squared 0,3935
Adj R-squared 0.3163
Root MSE 0,0090
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0162 0,0171 -0,9500 0,3480 -0,0504 0,0181
0,0164 0,1348 0,1200 0,9040 -0,2537 0,2865
0,0049 0,0283 0,1700 0,8620 -0,0517 0,0616
0,1943 0,0679 2,8600 0,0060 0,0582 0,3303
-0,0042 0,0068 -0,6100 0,5420 -0,0177 0,0094
0,1955 0,2072 0,9400 0,3500 -0,2197 0,6107
residu4 -0,5370 0,1016 -5,2900 0,0000 -0,7405 -0,3334
cons 0,0021 0,0013 1,6600 0,1020 -0,0004 0,0047
70
Tableau 3: Biens non durables et services
Source SS df MS
Number of obs 63
Model 0,0012 7 0,0002
F( 7, 55) 6,66
Residual 0,0014 55 0,0000
Prob > F 0,00
Total 0,0025 62 0,0000
R-squared 0,46
Adj R-squared 0,39
Root MSE 0,01
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0032 0,0095 0,3400 0,7360 -0,0158 0,0222
0,1209 0,0719 1,6800 0,0980 -0,0232 0,2651
0,0095 0,0060 1,5600 0,1240 -0,0027 0,0216
0,2234 0,0527 4,2400 0,0000 0,1178 0,3290
-0,0018 0,0038 -0,4800 0,6320 -0,0093 0,0057
-0,0858 0,1148 -0,7500 0,4580 -0,3158 0,1443
residu5 -0,2933 0,0751 -3,9100 0,0000 -0,4437 -0,1428
cons -0,0615 0,0426 -1,4400 0,1550 -0,1470 0,0239
Tableau 4: Ensemble de la consommation
Source SS df MS
Number of obs 63
Model 0,0019 6 0,0003
F( 6, 56) 8,74
Residual 0,0020 56 0,0000
Prob > F 0,0000
Total 0,0039 62 0,0001
R-squared 0,4835
Adj R-squared 0,4281
Root MSE 0,0060
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0166 0,0114 1,4500 0,1510 -0,0063 0,0396
0,2903 0,0901 3,2200 0,0020 0,1098 0,4709
0,0523 0,0200 2,6100 0,0120 0,0122 0,0925
0,0016 0,0045 0,3500 0,7260 -0,0074 0,0106
-0,2186 0,1378 -1,5900 0,1180 -0,4947 0,0575
residu7 -0,4918 0,1044 -4,7100 0,0000 -0,7010 -0,2825
cons 0,0039 0,0008 4,6200 0,0000 0,0022 0,0055
71
Annexe VII
Regression court terme 1997(01)-2011(03)
Tableau 1: Biens durables
Source SS df MS
Number of obs 58
Model 0,0148 7 0,0021
F( 7, 50) 6,61
Residual 0,0160 50 0,0003
Prob > F 0,0000
Total 0,0307 57 0,0005
R-squared 0,4808
Adj R-squared 0,4081
Root MSE 0,0179
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0083 0,0317 -0,2600 0,7950 -0,0720 0,0554
1,2500 0,4503 2,7800 0,0080 0,3455 2,1544
0,1644 0,0886 1,8600 0,0690 -0,0136 0,3424
-1,1450 0,4202 -2,7200 0,0090 -1,9890 -0,3009
0,0132 0,0182 0,7300 0,4710 -0,0233 0,0497
-1,5848 0,7554 -2,1000 0,0410 -3,1021 -0,0675
residu2 -0,5527 0,1193 -4,6300 0,0000 -0,7924 -0,3131
cons -0,0050 0,0046 -1,0700 0,2900 -0,0143 0,0044
Tableau 2: Biens non durables
Source SS df MS
Number of obs 58
Model 0,0006 7 0,0001
F( 7, 50) 2,3
Residual 0,0018 50 0,0000
Prob > F 0,0409
Total 0,0023 57 0,0000
R-squared 0,2437
Adj R-squared 0,1378
Root MSE 0,0059
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0091 0,0107 -0,8500 0,3980 -0,0305 0,0123
0,1877 0,1508 1,2500 0,2190 -0,1151 0,4905
-0,0090 0,0296 -0,3100 0,7610 -0,0684 0,0503
-0,0952 0,0837 -1,1400 0,2610 -0,2634 0,0729
0,0084 0,0060 1,4000 0,1680 -0,0036 0,0205
0,1516 0,2470 0,6100 0,5420 -0,3444 0,6477
residu4 -0,3510 0,1214 -2,8900 0,0060 -0,5949 -0,1071
cons 0,0019 0,0013 1,4300 0,1590 -0,0008 0,0046
72
Tableau 3: Biens non durables et services
Source SS df MS
Number of obs 58
Model 0,0003 7 0,0000
F( 7, 50) 3,01
Residual 0,0006 50 0,0000
Prob > F 0,0102
Total 0,0009 57 0,0000
R-squared 0,2966
Adj R-squared 0,1982
Root MSE 0,0035
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0122 0,0066 1,8500 0,0710 -0,0011 0,0254
0,1366 0,1041 1,3100 0,1950 -0,0725 0,3457
0,0007 0,0021 0,3300 0,7430 -0,0036 0,0050
-0,1306 0,0960 -1,3600 0,1800 -0,3233 0,0622
0,0009 0,0036 0,2500 0,8070 -0,0063 0,0081
0,1274 0,1469 0,8700 0,3900 -0,1677 0,4225
residu5 -0,3528831 0,1313 -2,6900 0,0100 -0,6166 -0,0892
cons -0,0012 0,0157 -0,0800 0,9390 -0,0327 0,0303
Tableau 4: Ensemble de la consommation
Source SS df MS
Number of obs 58
Model 0,000530749 6 0,0001
F( 6, 51) 4,16
Residual 0,001085742 51 0,000021289
Prob > F 0,0018
Total 0,001616491 57 0,0000
R-squared 0,3283
Adj R-squared 0,2493
Root MSE 0,0046
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0098 0,0081 1,2100 0,2310 -0,0065 0,0262
0,2517 0,1176 2,1400 0,0370 0,0156 0,4878
0,0238 0,0229 1,0400 0,3040 -0,0222 0,0697
0,0013 0,0046 0,2900 0,7710 -0,0079 0,0106
-0,2768 0,1897 -1,4600 0,1510 -0,6577 0,1041
residu7 -0,2887 0,1068 -2,7000 0,0090 -0,5030 -0,0743
cons 0,0050 0,0009 5,4500 0,0000 0,0032 0,0069
73
Annexe VIII
Regression court terme 1981(01)-1989(04)
Tableau 1 : Biens durables
Source SS df MS
Number of obs 35
Model 0,0297 7 0,0042
F( 7, 27) 4,8100
Residual 0,0238 27 0,0009
Prob > F 0,0013
Total 0,0535 34 0,0016
R-squared 0,5547
Adj R-squared 0,4393
Root MSE 0,0297
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0767 0,0684 1,1200 0,2720 -0,0636 0,2171
1,5531 0,5655 2,7500 0,0110 0,3927 2,7135
0,1380 0,1087 1,2700 0,2150 -0,0851 0,3610
-1,2198 0,4049 -3,0100 0,0060 -2,0505 -0,3890
0,0397 0,0420 0,9500 0,3530 -0,0465 0,1259
-1,4601 1,1765 -1,2400 0,2250 -3,8741 0,9539
residu2 -0,3747 0,1436 -2,6100 0,0150 -0,6693 -0,0801
cons -0,0023 0,0060 -0,3900 0,7020 -0,0146 0,0100
Tableau 2 : Biens non durables
Source SS df MS
Number of obs 35
Model 0,0021 7 0,0003
F( 7, 27) 2,9800
Residual 0,0028 27 0,0001
Prob > F 0,0190
Total 0,0049 34 0,0001
R-squared 0,4356
Adj R-squared 0,2892
Root MSE 0,0102
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0176 0,0231 -0,7600 0,4520 -0,0651 0,0298
0,2888 0,1948 1,4800 0,1500 -0,1110 0,6885
-0,0069 0,0370 -0,1900 0,8530 -0,0830 0,0691
0,1239 0,0946 1,3100 0,2010 -0,0701 0,3180
-0,0115 0,0143 -0,8000 0,4310 -0,0408 0,0179
0,2605 0,4066 0,6400 0,5270 -0,5738 1,0947
residu4 -0,5875 0,1561 -3,7600 0,0010 -0,9078 -0,2672
cons -0,0005 0,0020 -0,2500 0,8010 -0,0045 0,0035
74
Tableau 3 : Biens non durables et services
Source SS df MS
Number of obs 35
Model 0,0010 7 0,0001
F( 7, 27) 4,5000
Residual 0,0008 27 0,0000
Prob > F 0,0020
Total 0,0018 34 0,0001
R-squared 0,5386
Adj R-squared 0,4190
Root MSE 0,0055
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0110 0,0125 0,8800 0,3870 -0,0147 0,0366
0,1669 0,1017 1,6400 0,1120 -0,0418 0,3756
0,0087 0,0083 1,0600 0,3000 -0,0082 0,0257
0,2532 0,0773 3,2800 0,0030 0,0947 0,4117
-0,0044 0,0082 -0,5400 0,5970 -0,0213 0,0125
0,0420 0,2185 0,1900 0,8490 -0,4062 0,4902
residu5 -0,5792 0,1439 -4,0200 0,0000 -0,8745 -0,2839
cons -0,0558 0,0581 -0,9600 0,3460 -0,1751 0,0635
Tableau 4 : Ensemble de la consommation
Source SS df MS
Number of obs 35
Model 0,0015 6 0,0002
F( 6, 28) 5,5900
Residual 0,0012 28 0,0000
Prob > F 0,0007
Total 0,0027 34 0,0001
R-squared 0,5449
Adj R-squared 0,4474
Root MSE 0,0066
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0210 0,0153 1,3700 0,1810 -0,0104 0,0524
0,3316 0,1243 2,6700 0,0130 0,0770 0,5863
0,0273 0,0238 1,1500 0,2610 -0,0214 0,0760
-0,0045 0,0091 -0,4900 0,6250 -0,0231 0,0141
-0,1054 0,2615 -0,4000 0,6900 -0,6411 0,4304
residu7 -0,6776 0,1429 -4,7400 0,0000 -0,9703 -0,3850
cons 0,0041 0,0013 3,2700 0,0030 0,0016 0,0067
75
Annexe IX
Regression court terme 1990(01)-1999(04)
Tableau 1 : Biens durables
Source SS df MS
Number of obs 39
Model 0,02165 7 0,0031
F( 7, 31) 9,6400
Residual 0,00995 31 0,0003
Prob > F 0,0000
Total 0,03161 38 0,0008
R-squared 0,6851
Adj R-squared 0,6140
Root MSE 0,0179
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0568 0,0525 1,0800 0,2870 -0,0502 0,1638
1,6694 0,4469 3,7400 0,0010 0,7579 2,5809
0,3899 0,1142 3,4200 0,0020 0,1571 0,6228
-1,3682 0,3910 -3,5000 0,0010 -2,1656 -0,5708
0,0182 0,0170 1,0700 0,2930 -0,0165 0,0528
-0,9152 0,5302 -1,7300 0,0940 -1,9966 0,1661
residu2 -0,4300 0,1246 -3,4500 0,0020 -0,6841 -0,1759
cons -0,0029 0,0041 -0,7200 0,4790 -0,0113 0,0054
Tableau 2 : Biens non durables
Source SS df MS
Number of obs 39
Model 0,00104 7 0,0001
F( 7, 31) 4,8500
Residual 0,00095 31 0,0000
Prob > F 0,0009
Total 0,00199 38 0,0001
R-squared 0,5229
Adj R-squared 0,4151
Root MSE 0,0055
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0017 0,0161 0,1000 0,9190 -0,0311 0,0344
0,0840 0,1305 0,6400 0,5240 -0,1821 0,3502
-0,0025 0,0346 -0,0700 0,9420 -0,0730 0,0680
0,1426 0,0835 1,7100 0,0980 -0,0277 0,3129
0,0053 0,0051 1,0400 0,3090 -0,0051 0,0156
-0,0233 0,1696 -0,1400 0,8920 -0,3692 0,3226
residu4 -0,7946 0,1665 -4,7700 0,0000 -1,1341 -0,4550
cons 0,0037 0,0011 3,2000 0,0030 0,0013 0,0060
76
Tableau 3 : Biens non durables et services
Source SS df MS
Number of obs 39
Model 0,00061 7 0,0001
F( 7, 31) 8,9800
Residual 0,00030 31 0,0000
Prob > F 0,0000
Total 0,00091 38 0,0000
R-squared 0,6697
Adj R-squared 0,5951
Root MSE 0,0031
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0171 0,0093 1,8400 0,0760 -0,0019 0,0360
0,1692 0,0749 2,2600 0,0310 0,0164 0,3220
-0,0049 0,0102 -0,4800 0,6330 -0,0258 0,0159
0,1815 0,0669 2,7100 0,0110 0,0451 0,3178
0,0032 0,0028 1,1700 0,2510 -0,0024 0,0089
-0,2876 0,0925 -3,1100 0,0040 -0,4762 -0,0990
residu5 -0,4838 0,1379 -3,5100 0,0010 -0,7651 -0,2025
cons 0,0389 0,0724 0,5400 0,5950 -0,1088 0,1865
Tableau 4 : Ensemble de la consommation
Source SS df MS
Number of obs 39
Model 0,00115 6 0,0002
F( 6, 32) 12,1700
Residual 0,00050 32 0,0000
Prob > F 0,0000
Total 0,00166 38 0,0000
R-squared 0,6954
Adj R-squared 0,6383
Root MSE 0,0040
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0223 0,0117 1,9200 0,0640 -0,0014 0,0461
0,3577 0,0886 4,0400 0,0000 0,1773 0,5381
0,0664 0,0248 2,6700 0,0120 0,0158 0,1170
0,0059 0,0036 1,6400 0,1100 -0,0014 0,0133
-0,3628 0,1174 -3,0900 0,0040 -0,6019 -0,1237
residu7 -0,4304 0,1158 -3,7200 0,0010 -0,6662 -0,1946
cons 0,0034 0,0008 4,2700 0,0000 0,0018 0,0050
77
Annexe X
Regression court terme 2000(01)-2011(03)
Tableau 1 : Biens durables
Source SS df MS
Number of obs 46
Model 0,0103 7 0,0015
F( 7, 38) 4,5100
Residual 0,0124 38 0,0003
Prob > F 0,0010
Total 0,0227 45 0,0005
R-squared 0,4537
Adj R-squared 0,3531
Root MSE 0,0181
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0030 0,0386 -0,0800 0,9380 -0,0812 0,0752
0,6084 0,6480 0,9400 0,3540 -0,7035 1,9203
0,1858 0,1223 1,5200 0,1370 -0,0618 0,4333
-1,3425 0,4645 -2,8900 0,0060 -2,2830 -0,4021
0,0255 0,0197 1,3000 0,2030 -0,0144 0,0654
-1,7052 0,8110 -2,1000 0,0420 -3,3469 -0,0635
residu2 -0,4932 0,1389 -3,5500 0,0010 -0,7744 -0,2120
cons -0,0060 0,0053 -1,1300 0,2650 -0,0168 0,0048
Tableau 2 : Biens non durables
Source SS df MS
Number of obs 46
Model 0,0004 7 0,0001
F( 7, 38) 1,4100
Residual 0,0015 38 0,0000
Prob > F 0,2304
Total 0,0019 45 0,0000
R-squared 0,2060
Adj R-squared 0,0598
Root MSE 0,0063
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0026 0,0135 -0,1900 0,8490 -0,0299 0,0247
0,1193 0,2313 0,5200 0,6090 -0,3490 0,5876
-0,0130 0,0422 -0,3100 0,7590 -0,0984 0,0723
-0,0873 0,1004 -0,8700 0,3900 -0,2905 0,1159
0,0071 0,0069 1,0300 0,3120 -0,0069 0,0210
0,1377 0,2852 0,4800 0,6320 -0,4396 0,7150
residu4 -0,3214 0,1377 -2,3300 0,0250 -0,6002 -0,0426
cons 0,0023 0,0016 1,4200 0,1640 -0,0010 0,0055
78
Tableau 3 : Biens non durables et services
Source SS df MS
Number of obs 46
Model 0,0003 7 0,0000
F( 7, 38) 2,6300
Residual 0,0005 38 0,0000
Prob > F 0,0255
Total 0,0008 45 0,0000
R-squared 0,3266
Adj R-squared 0,2025
Root MSE 0,0037
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0184 0,0083 2,2400 0,0310 0,0017 0,0352
0,0894 0,1427 0,6300 0,5350 -0,1994 0,3782
-0,0006 0,0026 -0,2400 0,8150 -0,0059 0,0047
-0,1673 0,1232 -1,3600 0,1830 -0,4168 0,0822
-0,0001 0,0040 -0,0300 0,9790 -0,0083 0,0081
0,1295 0,1673 0,7700 0,4440 -0,2092 0,4683
residu5 -0,4224 0,1718 -2,4600 0,0190 -0,7702 -0,0745
cons 0,0086 0,0194 0,4400 0,6620 -0,0308 0,0479
Tableau 4 : Ensemble de la consommation
Source SS df MS
Number of obs 46
Model 0,0004 6 0,0001
F( 6, 39) 2,7900
Residual 0,0009 39 0,0000
Prob > F 0,0237
Total 0,0012 45 0,0000
R-squared 0,3000
Adj R-squared 0,1923
Root MSE 0,0047
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0131 0,0100 1,3100 0,1990 -0,0072 0,0334
0,2486 0,1603 1,5500 0,1290 -0,0757 0,5728
0,0123 0,0313 0,3900 0,6970 -0,0510 0,0756
0,0022 0,0051 0,4200 0,6730 -0,0081 0,0125
-0,2420 0,2102 -1,1500 0,2570 -0,6671 0,1831
residu7 -0,2808 0,1176 -2,3900 0,0220 -0,5187 -0,0429
cons 0,0052 0,0011 4,8900 0,0000 0,0031 0,0074
79
Annexe XI
Méthode SUR : Seemingly unrelated regression 1981(01)-2011(03)
Equation Obs Parms RMSE "R-sq" chi2 P
122 7 0,0232 0,3937 81,23 0
122 7 0,0042 0,3758 70,66 0
Tableau 1 : Biens durables
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0212 0,0291 0,7300 0,4660 -0,0359 0,0783
1,6716 0,3036 5,5100 0,0000 1,0766 2,2666
0,1369 0,0588 2,3300 0,0200 0,0216 0,2522
-0,7895 0,2190 -3,6000 0,0000 -1,2188 -0,3602
0,0302 0,0138 2,2000 0,0280 0,0032 0,0572
-1,4809 0,4642 -3,1900 0,0010 -2,3906 -0,5712
residu2 -0,0840 0,0392 -2,1500 0,0320 -0,1608 -0,0073
cons -0,0033 0,0028 -1,1600 0,2450 -0,0087 0,0022
Tableau 2 : Biens durables et services
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0053 0,0053 1,0100 0,3140 -0,0050 0,0157
0,1341 0,0525 2,5600 0,0110 0,0312 0,2369
0,0037 0,0016 2,3800 0,0180 0,0006 0,0067
0,1706 0,0393 4,3400 0,0000 0,0936 0,2477
-0,0010 0,0025 -0,4100 0,6790 -0,0059 0,0038
-0,0560 0,0840 -0,6700 0,5050 -0,2207 0,1087
residu5 -0,2068 0,0435 -4,7500 0,0000 -0,2922 -0,1215
cons -0,0209 0,0112 -1,8800 0,0610 -0,0428 0,0009
81
Annexe XII
Méthode SUR : Seemingly unrelated regression 1981(01)-2011(03)
Equation Obs Parms RMSE "R-sq" chi2 P
122 7 0,0232 0,3936 83,25 0
122 7 0,0079 0,219 32,19 0
122 7 0,005 0,2842 51,78 0
Tableau 1 : Biens durables
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0210 0,0291 0,7200 0,4720 -0,0361 0,0781
1,6673 0,3037 5,4900 0,0000 1,0721 2,2626
0,1420 0,0601 2,3600 0,0180 0,0243 0,2597
-0,8333 0,2175 -3,8300 0,0000 -1,2596 -0,4070
0,0305 0,0138 2,2200 0,0270 0,0035 0,0575
-1,4804 0,4642 -3,1900 0,0010 -2,3901 -0,5707
residu2 -0,0833 0,0388 -2,1500 0,0320 -0,1593 -0,0074
cons -0,0035 0,0028 -1,2600 0,2090 -0,0090 0,0020
Tableau 2 : Biens non durables
Coef. Std. Err. t P>|t| [95% Conf. Interval]
-0,0036 0,0099 -0,36 0,716 -0,0231 0,0159
0,0885 0,1004 0,88 0,378 -0,1083 0,2854
0,0049 0,0204 0,24 0,809 -0,0352 0,0451
0,0162 0,0505 0,32 0,748 -0,0828 0,1152
0,0029 0,0047 0,62 0,538 -0,0063 0,0121
0,2353 0,1585 1,48 0,138 -0,0754 0,5459
residu4 -0,1819 0,0381 -4,76 0,000 -0,2567 -0,1071
cons 0,0022 0,0008 2,51 0,012 0,0005 0,0040
82
Tableau 3 : Services
Coef. Std. Err. t P>|t| [95% Conf. Interval]
0,0146 0,0062 2,3400 0,0190 0,0024 0,0268
0,1670 0,0625 2,6700 0,0080 0,0445 0,2896
0,0046 0,0128 0,3600 0,7200 -0,0205 0,0297
0,2291 0,0525 4,3600 0,0000 0,1261 0,3321
-0,0021 0,0029 -0,7300 0,4650 -0,0079 0,0036
-0,2574 0,0991 -2,6000 0,0090 -0,4516 -0,0631
residu6 -0,0363 0,0219 -1,6500 0,0980 -0,0793 0,0067
cons 0,0072 0,0006 11,6900 0,0000 0,0060 0,0085