Une présentation simplifiée de l’approche de

Johansen
La cointégration dans un cadre multivarié

Gilbert Colletaz
3 avril 2017

Table des matières

1 Les corrélations canoniques 2

2 Le calcul des corrélations canoniques 2

3 Approche de Johansen et corrélations canoniques 4

3.1 Les enseignements d’une ré-écriture de type Dickey-Fuller d’un
processus autorégressif vectoriel . . . . . . . . . . . . . . . . . . 4
3.2 corrélations canoniques et rang de l’espace de cointégration . . 7
3.3 La sélection de r̂ : le test de la trace et le test λ-max . . . . . . . . 8

4 L’identification des matrices α et β 9

5 La présence de termes déterministes 12

5.1 un exemple illustrant l’attention qui doit être portée à la position
des termes déterministes dans le VECM . . . . . . . . . . . . . . 13
5.2 Les cinq cas types de prise en compte de variables déterministes 14
5.3 Test de rang dans VARMAX en présence d’une constante . . . . 17

6 Les tests sur α et β 17

6.1 tests sur β . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2 tests sur α . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.2.1 Trois définitions de l’exogénéité . . . . . . . . . . . . . . 19
6.2.2 Exogénéité faible dans le VECM . . . . . . . . . . . . . . 20

7 La causalité selon Granger dans un système cointégré 22

8 Exemples 23
8.1 Un premier exemple sur séries stationnaires . . . . . . . . . . . . 23
8.2 Un second exemple sur séries I(1) . . . . . . . . . . . . . . . . . . 24

1
1 Les corrélations canoniques
On a deux ensembles de variables X et Y respectivement en nombre nX et
nY . On les suppose stationnaires et centrées de sorte que :
! !
E[Xt Xt> ] E[Xt Yt> ] ΣXX ΣXY
= (1)
E[Yt Xt> ] E[Yt Yt> ] ΣYX ΣYY
Soit encore n = min (nX , nY ) et deux matrices A( n, nX ) et B( n, nY ). On définit
également deux vecteurs de taille n comme :

ut = AXt (2)
vt = BYt (3)
Ainsi, le iième élément de ut (resp. vt ) est une combinaison linéaires des
observations de X (resp. Y) du temps t avec des poids donnés dans la iième
ligne de A (resp. de B). On cherche alors à trouver des pondérations telles que
les combinaisons linéaires au sein de chacun des 2 groupes soient orthogonales
entre elles, de variance unitaire et telles que la corrélation entre les combinaisons
linéaires de rang i construites avec X d’une part et Y d’autre part soit maximale
pour i = 1, . . . , n et accessoirement, de sorte à ce que ces corrélations soient
classées par ordre décroissant. Les corrélations en question sont les corrélations
canoniques. On a donc une structure de la forme :
E[ut u>
t ] = AΣXX A> = I (4)
E[vt v>
t ] = BΣYY B> = I (5)
 
ρ1 0 ... 0 
 .. .. 
 0 ρ2 . . 
E[ut v>
t ] = R =  . 
 (6)
 . . . . ..
 . . 0 
 
0 ... 0 ρn

2 Le calcul des corrélations canoniques

On va rechercher une estimation de la première corrélation ρ1 . Simultané-
ment, on trouvera également les coefficients des combinaisons linéaires asso-
ciées, c’est à dire les deux premières lignes de A et B notée par la suite a> et b> .
Soit u1,t = a> Xt et v1,t = b> Yt , on a donc :
a> ΣXY b
ρ1 = cor(u1,t , v1,t ) = √ √ = a> ΣXY b (7)
a> ΣXX a b> ΣYY b
Il s’agit de trouver a et b de sorte à maximiser cette corrélation. Le lagrangien
associé s’écrit donc :
1 1
L (a, b, κ1 , κ2 ) = a> ΣXY b − κ1 (a> ΣXX a − 1) − κ2 (b> ΣYY b − 1) (8)
2 2

2
Par suite :

δL
= 0 = ΣXY b − κ1 ΣXX a (9)
δa
δL
= 0 = ΣYX a − κ2 ΣYY b (10)
δb
(11)

d’où :

a> ΣXY b = κ1 a> ΣXX a = κ1 (12)

b> ΣYX a = κ2 b> ΣYY b = κ2 (13)

et donc : κ1 = κ2 = cor(u1,t , v1,t ).

En prémultipliant la première condition d’ordre 1 du problème de maximi-
sation ci-dessus par ΣYX Σ−1 XX
, et en utilisant la deuxième condition ainsi que la
dernière égalité, il vient :
2
ΣYX Σ−1
XX ΣXY b = κ1 ΣYX a = κ1 ΣYY b (14)
Avec des opérations symétriques, on montre également que :
2
ΣXY Σ−1
YY ΣYX a = κ1 ΣXX a (15)

Si on note λ1 = κ21 et que l’on multiplie (14) par Σ−1

YY
et (15) par Σ−1
XX
, on
obtient finalement

Σ−1 −1
YY ΣYX ΣXX ΣXY b = λ1 b, et (16)
Σ−1 −1
XX ΣXY ΣYY ΣYX a = λ1 a (17)

On reconnaît alors une structure connue : λ1 , qui est donc le carré de la pre-
mière corrélation canonique, est la valeur propre d’une certaine matrice et a (ou
b) est le vecteur propre associé. En pratique, pour trouver les corrélations cano-
niques, il suffit donc de résoudre un problème de recherche de valeurs propres
et de prendre leurs racines carrées. Entre les deux systèmes précédents, on uti-
lisera plutôt celui dont la dimension est la plus faible, sachant que l’on pourra
ensuite passer sans difficulté de l’un à l’autre système de vecteurs propres en
utilisant l’une des deux équations de transition suivantes (encore tirées de (14)
et (15)) :

1
b = √ Σ−1
YY ΣYX a, ou (18)
λ
1
a = √ Σ−1
XX ΣXY b (19)
λ

3
3 Approche de Johansen et corrélations canoniques
Dans un premier temps, on discute de la réécriture de type Dickey-Fuller
d’un processus vectoriel autorégressif d’ordre p. Cela permet de mettre en évi-
dence la matrice sur laquelle peut être révélé le rang de cointégration, c’est à
dire le nombre de combinaisons linéaires I(0) orthogonales entre elles que l’on
peut construire à partir de k variables supposées I(1). Par la suite, on présente
l’intérêt de considérer les corrélations canoniques pour identifier ce rang de
cointégration, ce qui doit faciliter la compréhension, au moins intuitive de l’ap-
proche de Johansen. Enfin les deux tests proposé par cet auteur permettant la
sélection du rang de cointégration seront présentés.

3.1 Les enseignements d’une ré-écriture de type Dickey-Fuller

d’un processus autorégressif vectoriel
On part d’une écriture autorégressive d’ordre p sur un vecteur constitué
des réalisations au temps t de k variables 1 :

yt = Φ1 yt−1 + Φ2 yt−2 + ∙ ∙ ∙ + Φp yt−p + ut (20)

dans laquelle ut est un bruit blanc vectoriel.
L’écriture équivalente de type Dickey-Fuller est :

4yt = Πyt−1 + Φ∗1 4yt−1 + ∙ ∙ ∙ + Φ∗p−1 4yt−p+1 + ut (21)

Pp Pp
avec Π = i=1
Φi − I et Φ∗i = − j=i+1
Φ j.

On rappelle qu’on ne considère ici que des variables qui, si elles sont in-
tégrées, le sont au plus à l’ordre 1, et dans ce cas Δy y = yt − yt−1 est intégré
d’ordre 0. Il ressort, de l’écriture précédente, que 3 cas doivent être considérés
en fonction du rang de la matrice Π :
1. Rang(Π) = k
chacune des composantes du vecteur y est stationnaire en niveau puis-
qu’elles s’écrit comme combinaison linéaire de variables I(0). En effet,
on a :
yt−1 = Π−1 (4yt − Φ∗1 4yt−1 + ∙ ∙ ∙ − Φ∗p−1 4yt−p+1 − ut ) (22)

Dans ce premier cas, un VAR(p) sur yt est évidemment adapté pour

réaliser une analyse des relations dynamiques dans le système étudié.
2. Rang(Π) = 0, soit encore Π = 0
L’équation (21) devient alors :

Δyt = Φ∗1 Δyt−1 + ∙ ∙ ∙ + Φ∗p−1 Δyt−p+1 + ut (23)

1. On omet pour l’instant la présence de termes déterministes. leur inclusion sera discutée par
la suite.}

4
 Le système est dans ce second cas gouverné par un VAR d’ordre p-1 écrit
sur les différences premières des variables initiales.
3. 0 < rang(Π) = r < k
C’est le cas le plus intéressant. Lorsque toutes les constituantes de y
sont I(1), il signifie que ces variables sont cointégrées et qu’existent r
relations de cointégration. La présence de cointégration est en effet né-
cessaire pour assurer la cohérence de l’écriture (21) : à gauche du signe =
on a une expliquée qui est I(0). Il est donc nécessaire d’avoir un objet qui
soit également I(0) à droite. Or cet objet est construit comme une somme
de composantes I(0), Φ∗1 4yt−1 + ∙ ∙ ∙ + Φ∗p−1 4yt−p+1 + ut , et de combinaisons
linéaires non nulles des niveaux des variables initiales, Πyt−1 . On ne
peut donc retrouver un objet I(0) que si ces combinaisons linéaires sont
elles-mêmes stationnaires, ce qui, par définition, signifie la présence de
relations de cointégration au sein du système yt .

Maintenant, si Π(k×k) est de rang r, alors elle peut toujours s’écrire comme

Π = αβ> (24)

où α(k×r) et β(k×r) sont 2 matrices de constantes 2 également de rang(r).

Ainsi :
Πyt−1 = [αβ> ]yt−1 = α[β> yt−1 ] ∼ I(0) (25)
Comme α est une matrice de constante, l’intégration d’ordre zéro de
α[β> yt−1 ] est impliquée par celle de β> yt−1 : la matrice β contiendrait
donc en colonne les coefficients des relations de cointégration. Comme
β possède r colonnes, cela signifie que nous sommes en présence de
r relations de cointégration. On sait également que β> yt−1 s’interprète
souvent comme l’écart en t − 1 à une position d’équilibre de long terme,
les relations de cointégration étant précisément chargées de décrire les r
relations d’équilibre de long terme existant entre les variables en niveau.
Dans ces conditions, la matrice α(k×r) contient les coefficients de ces r
écarts pour chacune des k équations, et précise donc la vitesse avec
laquelle chacune des variables s’ajuste à ces déséquilibres de long terme.
Un exemple permet d’illustrer les paragraphes précédents. Soit un sys-
tème de 3 variables obéissant à un VAR(2), yt = (y1,t , y2,t , y3,t )> et supposons
l’existence de 2 relations de cointégration. Les écritures suivantes sont alors
impliquées par cette structure :
1. Le modèle VAR(2)
2. Comme nous allons le voir, ces matrices α et β ne sont pas uniques ce qui posera des problèmes
d’identification.

5
 yt = Φ1 yt−1 + Φ2 yt−2 + ut , soit encore :

y1,t = 1 Φ11 y1,t−1 +1 Φ12 y2,t−1 +1 Φ13 y3,t−1

+2 Φ11 y1,t−2 +2 Φ12 y2,t−2 +2 Φ13 y3,t−2 + u1,t
avec ut = (u1,t , u2,t , u3,t )>
y2,t = 1 Φ21 y1,t−1 +1 Φ22 y2,t−1 +1 Φ23 y3,t−1
+2 Φ21 y1,t−2 +2 Φ22 y2,t−2 +2 Φ23 y3,t−2 + u2,t
y3,t = 1 Φ31 y1,t−1 +1 Φ32 y2,t−1 +1 Φ33 y3,t−1
+2 Φ31 y1,t−2 +2 Φ32 y2,t−2 +2 Φ33 y3,t−2 + u3,t ,
et
   
1 Φ11 1 Φ12 1 Φ13 
 2 Φ11 2 Φ12 2 Φ13 

   Φ 
Φ1 = 1 Φ21 1 Φ22 Φ 

1 23  et Φ 2 = 2 21 2 Φ22 2 Φ23 
  
1 Φ31 1 Φ32 Φ
1 33 2 Φ31 2 Φ32 2 Φ33

2. L’écriture de Dickey-Fuller associée

Δyt = Πyt−1 + Φ∗1 Δyt−1 + ut , avec Φ∗1 = −Φ2 , soit encore :

Δy1,t = π11 y1,t−1 + π12 y2,t−1 + π13 y3,t−1

−2 Φ11 Δy1,t−1 −2 Φ12 Δy2,t−1 −2 Φ13 Δy3,t−1 + u1,t
Δy2,t = π21 y1,t−1 + π22 y2,t−1 + π23 y3,t−1
−2 Φ21 y1,t−1 −2 Φ22 y2,t−1 −2 Φ23 y3,t−1 + u2,t
Δy3,t = π31 y1,t−1 + π32 y2,t−1 + π33
−2 Φ31 Δy1,t−1 −2 Φ32 Δy2,t−1 −2 Φ33 Δy3,t−1 + u3,t ,

et,
 
π11 π12 π13 
 π23 
Π = π21 π22
 
π31 π32 π33

3. L’écriture de Π = αβ> avec

   
α11 α12  β11 β12 
 α22  et β = β21 β22 
α = α21
(3×2)   (3×2)  
α31 α32 β31 β32

4. Les deux termes d’erreurs I(0) donnés par les deux relations de cointé-
gration
! !
> β> yt−1 β11 y1,t−1 + β21 y2,t−1 + β31 y3,t−1
β yt−1 = > .1 =
β.2 yt−1 β12 y1,t−1 + β22 y2,t−1 + β32 y3,t−1

où β.i , i = 1, 2 est la ime colonne de β.

5. Le modèle à correction d’erreur, ou VECM dont l’écriture est identique

à celle de Dickey-Fuller avec seulement substitution de αβ> à Π

6
 Δyt = αβ> yt−1 + Φ∗1 Δyt−1 + ut , soit encore :
h i h i
Δy1,t = α11 β> y
.1 t−1
+ α12 β> y
.2 t−1
−
h 2 Φ1,1 Δyi 1,t−1 −h2 Φ1,2 Δy i 2,t−1 −2 Φ1,3 Δy3,t−1 + u1,t
Δy2,t = α21 β> y
.1 t−1
+ α 22 β >
y
.2 t−1
−
h 2 Φ 2,1 yi1,t−1 − 2 h 2,2 y2,t−1
Φ i −2 Φ2,3 y3,t−1 + u2,t
Δy3,t = α31 β>.1
yt−1 + α 32 β >
.2
y t−1
−2 Φ3,1 Δy1,t−1 −2 Φ3,2 Δy2,t−1 −2 Φ3,3 Δy3,t−1 + u3,t ,

3.2 corrélations canoniques et rang de l’espace de cointégration

L’attention se porte donc naturellement sur la matrice Π. Dans cette logique,
les augmentations en 4yt−i sont relatives aux fluctuations de court terme et
apparaissent comme des termes de nuisances au regard de la dynamique de
long terme qui cherche à traduire l’impact de yt−1 sur 4yt , d’où l’idée de purger
ces deux termes de ces nuisances en considérant les régressions suivantes :

4yt = A∗1 4yt−1 + ∙ ∙ ∙ + A∗p−1 4yt−p+1 + R0t (26)

yt−1 = B∗1 4yt−1 + ∙∙∙ + B∗p−1 4yt−p+1 + R1t (27)

En considérant les résidus de ces régressions, on obtient un modèle plus simple

que l’écriture initiale (rappelez-vous le théorème de Frisch-Waugh) :

R0t = ΠR1t + ut (28)

Dans ce système, les résidus R0t sont afférents aux différences premières
des variables y alors que les résidus R1t sont afférents aux niveaux de ces
variables. On rappelle aussi que la corrélation entre une I(1) et une I(0) est
asymptotiquement nulle. En conséquence, on est donc face à deux ensembles
de variables tels que, en l’absence de cointégration, les corrélations intergroupes
sont nulles, ce qui implique que la corrélation existant entre une combinaison
linéaire construite avec les variables du premier groupe et une combinaison
linéaire des variables du deuxième groupe doit être nulle. En d’autres termes
les corrélations canoniques sont nulles. En revanche, si on peut construire une
combinaison linéaire avec R1t corrélée avec une combinaison linéaire construite
sur R0t c’est que la première est I(0) et que cette combinaison linéaire est une
relation de cointégration. Comme les corrélations canoniques sont les corréla-
tions maximales que l’on peut construire au moyen de combinaisons linéaires
de ce type, vous devez comprendre que le nombre de coefficients de corrélation
canonique non nuls est également le nombre de relations de cointégration, c’est
à dire le rang de Π. Il suffit donc de trouver le nombre r de valeurs propres
non nulles, leurs vecteurs propres associés composant alors la matrice β dans
l’écriture Π = αβ> .

7
 Naturellement il y a une difficulté : même si r valeurs propres sont non
nulles, et donc si λi = 0, i = r + 1, . . . , k, on sait que Prob[λ̂i = 0] = 0. En d’autres
termes nous devons être en mesure de tester cette nullité.

3.3 La sélection de r̂ : le test de la trace et le test λ-max

On suppose que les valeurs propres estimées sont classées par ordre dé-
croissant : λ̂1 > λ̂2 > . . . > λ̂k . Johansen montre que l’expression de la logvrai-
semblance sous l’hypothèse d’un rang de cointégration égal à r est :
r
TX
`ˆ = C − log (1 − λ̂i ) (29)
2
i=1

A partir de là, on peut imaginer de mettre en place aisément des tests de

type LRT. Par exemple, si l’hypothèse H0 est que le rang de Π est égal à r0
versus H1 : Π est de rang r1 > r0 , on aura :

  r1
X
  
LRT = −2 `ˆ rang(Π) = r0 − `ˆ rang(Π) = r1 = −T log (1 − λ̂i ) (30)
i=r0 +1

Le test précédent est connu sous le nom de test de la trace (trace test). Atten-
tion sa distribution asymptotique n’est pas un chi-2 pour la raison habituelle :
sous l’hypothèse nulle, il est construit avec des variables non stationnaires (dans
le cas précédent, sous H0 il y a (r1 − r0 ) racines unitaires ).
Un second test, connu sous l’appellation λ-max, est aussi proposé par Jo-
hansen. Il confronte H0 : "il y a r relations de cointégration" à H1 : "il y a r+1
relations de cointégration", et il vient dans ce cas :
    
LRT = −2 `ˆ rang(Π) = r − `ˆ rang(Π) = r + 1 = −T log (1 − λ̂r+1 ) (31)

Comme dans le cas précédent, la distribution asymptotique de la statistique

LRT n’est pas la loi de χ2 . Des valeurs critiques pour ces tests ont été tabulées
par Osterwald et Lenum (1992). Comme avec le test de Dickey-Fuller, les distri-
butions asymptotiques et les valeurs critiques qui en découlent dépendent de
la présence ou non de termes déterministes. Par ailleurs, elles vont également
dépendre de la façon dont ces termes déterministes sont pris en compte dans
le processus VECM (Conf. Infra). Fort heureusement, la plupart des logiciels
d’économétrie affichent les valeurs critiques adaptées au modèle estimé.

En pratique le choix de r est souvent effectué via une succession de tests λ-

max : on commence par opposer r = 0 à r = 1. Si H0 n’est pas rejetée on conclut
à la non-cointégration ; sinon, on oppose r = 1 à r = 2. En l’absence de rejet
on retient une seule relation de cointégration, sinon on continue (opposition de
r = 2 à r = 3, etc. ...).

8
 Dans VARMAX, la mise en oeuvre de ces tests de Johansen est réclamée par
la présence de l’option COINTEST dans la commande MODEL. Ils ne peuvent être
réalisés que pour des systèmes de dimension k ≤ 11. La ligne d’appel est de la
forme :
MODEL . . . / . . . COINTEST=(JOHANSEN=(TYPE=mot-clef SIGLEVEL=value));
L’option TYPE= précise la nature du test a réaliser : TYPE=MAX pour le test
λ-max, TYPE=TRACE pour le test de la trace. L’option SIGLEVEL gouverne le seuil
de risque et donc les valeurs critiques employées. Les valeurs possibles sont
1%, 5% et 10%. Par défaut, TYPE=TRACE et SIGLEVEL= 0.05 3 .

4 L’identification des matrices α et β

On repart de l’écriture Π = αβ> ou α et β sont des matrices (k, r) de rang r
telles que β> yt est I(0). On sait donc que les colonnes de β sont les coefficients
des r relations de cointégration et que la jième colonne de α donne les coefficients
de la jième relation de cointégration dans chacune des k relations définissant les
accroissements (4y1t , 4y2t , . . . , 4ykt )> . Soit :

4yt = αβ> yt−1 + Φ∗1 4yt−1 + ∙ ∙ ∙ + Φ∗p−1 4yt−p+1 + ut (32)

A l’évidence, pour toute matrice M régulière de dimension (r, r) on peut

constituer une autre matrice de vecteurs cointégrants βM> ayant αM−1 comme
matrice de coefficients associés. Cette nouvelle écriture est indiscernable de la
>
première puisque αβ> = αM−1 Mβ> = α∗ β∗ = Π. Cela signifie que α et β ne sont
pas complètement identifiées. En fait, β est seulement une base de l’espace de
cointégration. Il est donc facile d’imposer des pseudo-restrictions, c’est à dire
des restrictions qui ne changent pas la valeur la fonction de vraisemblance.
Pour pouvoir afficher un résultat parmi les infinités de solutions possibles, Jo-
hansen utilise une contrainte arbitraire de normalisation des β qui consiste à
contraindre à l’unité le coefficient d’une des variables dans la relation de cointé-
gration estimée. Attention, cette normalisation n’a aucun sens économique. Par
exemple, supposons que l’on ait obtenu l’estimation suivante d’une relation de
cointégration dans un système de 3 variables

2y1t − .8y2t + 4y3t = wt ∼ I(O) (33)

> >
dont les coefficients seraient α = (−0.6, +.3, −1) . On peut désirer forcer le
coefficient de y1t a être égal à l’unité en ayant en tête une interprétation plus
structurelle de la forme y1t = c1 y2t + c2 y3t + w∗t , signifiant que y1t est une variable
qui s’ajuste à une cible de long terme, définie par y2t et y3t selon c1 y2t +c2 y3t , avec
3. Pour information, il existe une autre option associée à JOHANSEN : il s’agit de IORDER=value.
Deux valeurs sont possibles : 1, qui signifie que l’on étudie la cointégration dans un système de
variables I(1), et 2, qui permet l’étude de la cointégration dans un système de variables I(2). Ce
dernier cas n’est pas abordé dans ce cours. Par défaut, IORDER=1.

9
un écart à cette position stationnaire égal à w∗t . Clairement la prise en compte
de cette contrainte dans la sortie précédente revient à diviser par 2 les coeffi-
cients β et à doubler les coefficients α correspondants : cela donne donc comme
"nouvelle" relation de cointégration 4 y1t − .4y2t + 2y3t avec les poids associés
(−1.2, +.6, −2)> et w∗ t = wt /2. Naturellement la valeur de la vraisemblance ne
change pas : il s’agit bien d’une pseudo-contrainte. On peut tout aussi bien de
normaliser à l’unité le coefficient de y2t ou celui de y3t : toutes ces écritures sont
équivalentes 5 . Une leçon importante est qu’on ne doit pas faire d’interprétation
structurelle avec de telles pseudo-contraintes. Il faut notamment prendre garde
à ne pas raisonner en termes de variable expliquée et de variables explicatives
en se référant à une écriture du type régression de cointégration. De ce point
de vue, la procédure de Johansen est moins dangereuse que la procédure en
deux étapes d’Engle-Granger qui, dans sa première étape oblige son utilisateur
à faire un pari sur la nature de la régression de cointégration, à savoir expliquer
y1t par y2t et y3t ou expliquer y2t par y1t et y3t , ou y3t par y1t et y2t avec comme
on le sait des possibles contradictions dans les conclusions des tests d’Engle-
Granger réalisés à la seconde étape notamment lorsque le R2 de la première
étape s’éloigne de l’unité.

En revanche il est naturellement possible d’imposer des restrictions signi-

fiantes. Un exemple type est de forcer à zéro un des coefficients constituant
α : cela signifie que les déviations par rapport à l’équilibre de long terme que
décrit la relation de cointégration correspondante n’expliquent pas les varia-
tions de la variable afférente à l’équation concernée. De même, lorsque l’on est
en présence d’une seule régression de cointégration, on peut vouloir mettre à
zéro le coefficient d’une variable dans le vecteur cointégrant : cela revient à
imposer l’absence de cette variable dans la relation de long terme et ce n’est
pas une pseudo-restriction. Ce type de restrictions affecte alors la valeur de la
vraisemblance et elles peuvent être étudiées au moyen de tests LRT. Dans ces
cas, conditionnellement à la valeur de r, on retrouve des statistiques distribuées
asymptotiquement comme des χ2 et dont le nombre de degrés de liberté est le
nombre de contraintes signifiantes imposées.
Les deux exemples précédents ne doivent pas masquer le fait que l’identifica-
tion des relations d’équilibre de long terme est l’une des difficultés majeures
de l’approche de Johansen. Pour illustrer ce point, on reprend l’exemple de
mise à zéro du coefficient d’une variable dans une relation de cointégration en
4. attention à la petite gymnastique : si y1t = c1 y2t + c2 y3t + wt est la régression de cointégration,
alors la relation de cointégration est y1t − c1 y2t − c2 y3t et donc le vecteur cointégrant est (1., −c1 , −c2).
5. On peut imposer cette normalisation soit dans l’option COINTEST vue précédemment, soit
dans l’option ECM qui réclame l’estimation du modèle à correction d’erreur. Par exemple,

MODEL y1 y2 y3 / . . . COINTEG=(JOHANSEN=(normalize=y2 ));

va réaliser le test sur le rang de Π en forçant le coefficient de la variable y2 à être égal à l’unité dans le
où les vecteurs de cointégration rangés dans β. Si vous avez compris les précédents développements,
vous savez alors que le résultat du test de cointégration ne dépendra pas de la variable choisie
dans cette normalisation.

10
supposant maintenant que l’on a trois variables dans le système étudié et deux
vecteurs cointégrants. Soit donc les deux relations en question :



β11 y1t + β12 y2t + β13 y3t

 (34)
β21 y1t + β22 y2t + β23 y3t

Dans ce système, pour une raison quelconque, on pense que l’une des
relations est définie uniquement à partir des deux variables y1t et y3t . Si on
choisit la première relation pour représenter cette configuration, cela revient
à imposer β12 = 0. Maintenant, si dans le système précédent on multiplie la
β
première équation par − β22 12
, on obtient évidemment toujours une relation I(0)
qui, si on l’ajoute à la seconde, nous donne une structure équivalente de deux
relations stationnaires :
 β β 
 β22 β13 
− β12 y1t − β12 y3t β∗12 y1t + β∗13 y3t
22 11
 

 ⇔ 
 (35)
β21 y1t + β22 y2t + β23 y3t β21 y1t + β22 y2t + β23 y3t

En d’autres termes on peut sans imposer de contrainte particulière, passer

de (34) à (35) et donc le fait d’imposer ici β12 = 0 n’est absolument pas une
contrainte testable.
Ce problème d’identification des matrices α et β, qui contiennent chacune
k × r termes, est résolu dans un travail de Bauwens et Lubrano 6 montrant que
sous la restriction π = αβ> , seuls 2kr − r2 termes sont identifiés. Il faut donc
introduire r2 restrictions supplémentaires pour avoir l’identification complète.
Avec une seule relation de cointégration, il suffit par exemple de contraindre
à l’unité le coefficient d’une des variables 7 . Le problème se complique lorsque
le rang de cointégration est supérieur à 1 puisqu’il faut alors s’assurer que les
restrictions supplémentaires sont indépendantes entre elles. Soit par exemple
Ri β.i = 0 ou Ri est une matrice c × k décrivant un ensemble de c contraintes por-
tant sur la ime colonne de β, alors l’indépendance des contraintes entre elles exige
que rang(Rβc ) = r − 1, où βc est constitué des vecteurs cointégrants respectant
les c contraintes. Cette condition de rang assure en effet qu’aucune restriction
ne définit un vecteur de cointégration pouvant s’écrire comme combinaison
linéaire des r − 1 autres vecteurs.
Afin d’illustrer ce point, nous reprenons un exemple construit par Michel Lu-
brano. soit k=4 et r=2 :  
β11 β12 
β β22 

β =  21  (36)
β31 β31 
 
β41 β41
6. Bauwens, L., AND M. Lubrano (1996) : "Identifications Restrictions and Posterior Densities
in Cointegrated Gaussian VAR Systems" in Advances in Econometrics, ed.by T. Fomby, Vol 11, part
B, pp. 3-28. JAI Press, Greenwich, USA.
7. en évitant toutefois de faire porter cette restriction sur une variable dont le vrai coefficient
serait nul

11
et soit les restrictions suivantes sur le premier vecteur cointégrant β21 = −β11 ,
β41 = −β31 , et, sur le second : β12 = 0,β22 = 0, β42 = −β32 . Les matrices R1 et R2
correspondantes sont donc :
!
1 1 0 0
R1 = (37)
0 0 1 1
 
1 0 0 0
 0
R2 = 0 1 0 (38)
 
0 0 1 1
avec les vecteurs cointégrants contraints suivants :
 
 β11 0 
−β 0 

βc =  11  (39)
 β31 β32 

−β31 −β32

Dans ces conditions,

!
0 0
R1 βc = (40)
0 0
et,  
 β11 0
 0
R2 βc = −β11 (41)
 
0 0
Comme rang(R1 βc ) = 0 , r − 1 = 1, le vecteur cointégrant β.1 n’est pas
identifié. En revanche, si β11 , 0, alors le second est identifié par les restrictions
décrites par R2 puisque rang(R1 βc ) = 1 8 .
Un des enseignements pratique de cette section est ainsi de montrer que dès
lors que l’on a plus d’une relation de cointégration il devient très difficile de les
identifier : plus que l’économétrie, la théorie économique est alors essentielle
à condition de fournir un cadre théorique de référence permettant de préciser
les restrictions à tester.

5 La présence de termes déterministes

Jusqu’à présent nous avons omis la présence de composantes déterministes.
Celle-ci est cependant souvent nécessaire, via par exemple l’inclusion d’une
constante, ou d’un trend déterministe ou bien encore de variables indicatrices
représentatives de mouvements saisonniers.
Depuis les tests DF et ADF de Dickey-Fuller, vous savez que la prise en compte
ou non de termes déterministes ainsi que la nature de ceux-ci, constante ou
trend linéaire, affecte la distribution asymptotique des statistiques de test. Ce
8. Et que par ailleurs le nombre de restrictions imposées, égal à 5, est supérieur à r2 = 4.

12
résultat obtenu dans un cadre univarié continue malheureusement d’être valide
dans le cadre multivarié.
En outre, le cadre multivarié amène des difficulté supplémentaires qui lui sont
propres et qui vont un peu plus perturber ces distributions asymptotiques.

5.1 un exemple illustrant l’attention qui doit être portée à la

position des termes déterministes dans le VECM
Pour illustrer les problèmes liés à l’intégration de termes déterministes dans
l’écriture VECM, on considère simplement deux variables xt et yt intégrées
d’ordre 1 et cointégrées. Si nous reprenons le théorème de représentation et que
l’on insère une constante de la manière usuelle à savoir l’ajout d’une colonne de
1 dans la liste des explicatives, les équations auront une structure de la forme :

p−1
X p−1
X
Δxt = α1 (β1 xt−1 + β2 yt−1 ) + a1i Δxt−i + b1i Δyt−i + c1 + u1t (42)
i=1 i=1
p−1
X p−1
X
Δyt = α2 (β1 xt−1 + β2 yt−1 ) + a2i Δxt−i + b2i Δyt−i + c2 + u2t (43)
i=1 i=1

Dans cette structure, comme les expliquées sont des différences premières,
on sait que la présence de constantes non nulles dans les explicatives revient à
imposer l’existence d’un trend déterministe linéaire de pentes respectives c1 et
c2 dans les niveaux de x et y.

On peut aisément imaginer des situations ou l’incorporation de tels trends

linéaires déterministes dans les niveaux de certaines variables est totalement
déraisonnable. Un exemple type est celui de deux taux d’intérêt, l’un à court
terme, St , et l’autre à long terme, Lt . Si on admet que le second est égal au premier
augmenté d’une prime éventuellement variable mais d’espérance constante et
positive pour couvrir le risque de transformation, pt = p + ut , p > 0, il vient
Lt = St + p + ut . Il existe bien une constante dans le système, à savoir p, mais
celle-ci est intégrée dans l’équation de cointégration et ne provoque pas de
dérive du niveaux des taux d’intérêt.
Plus généralement, l’incorporation d’une constante dans les équations de coin-
tégration peut être souvent légitime : c’est notamment le cas où précisément
on désire interpréter l’équation de cointégration comme définissant une erreur
et les coefficients α comme mesurant la vitesse d’ajustement des variables à
cette erreur. Dans ces conditions, si le terme βyt−1 définit une variable wt−1 sta-
tionnaire d’espérance c éventuellement non nulle, alors afin d’assurer la nullité
en moyenne de l’erreur , il suffit de poser vt = wt − c. Il vient naturellement
βyt−1 + c = vt , et vt est bien un terme d’erreur par rapport à une position
d’équilibre de long terme qui est nul en moyenne. Cela revient dans l’exemple
précédent à faire en sorte que l’écart du taux long à sa position d’équilibre de
long terme est mesuré non pas simplement par Lt − St mais par Lt − St − p. Dans

13
ce deuxième cas de prise en compte d’une constante, les équations du VECM
auront pour structure (toujours pour k=2 et r=1) :
p−1
X p−1
X
Δxt = α1 (β1 xt−1 + β2 yt−1 + c) + a1i Δxt−i + b1i Δyt−i + u1t (44)
i=1 i=1
p−1
X p−1
X
Δyt = α2 (β1 xt−1 + β2 yt−1 + c) + a2i Δxt−i + b2i Δyt−i + u2t (45)
i=1 i=1

La prise en compte de trends déterministes explicites dans les équations

conduit avec un raisonnement similaire à celui qui vient d’être mené à distin-
guer deux cas : soit le trend est à l’extérieur de l’espace de cointégration et alors
on impose des trends quadratiques dans le niveaux des variables modélisées.
Soit le trend est à l’intérieur de cet espace, ce qui revient à poser que le terme
βyt définit une variable stationnaire autour d’un trend linéaire.

5.2 Les cinq cas types de prise en compte de variables détermi-

nistes
Au total on peut définir cinq configurations types qui peuvent maintenant
être toutes estimées dans la plupart des logiciels d’économétrie avec disponi-
bilité des valeurs critiques du test de trace ou du test λ-max afférentes 9 . Pour
les illustrer, on considère un système bivarié ayant une écriture autorégressive
d’ordre 2. Dans ces conditions, d’une part s’il existe une relation de cointégra-
tion elle est unique, d’autre part il n’y a qu’une augmentation dans l’écriture
équivalente de type Dickey-Fuller. Les enseignements tirés de cette structure
simple peuvent être aisément généralisés à des structures plus complexes met-
tant en jeu plus de deux variables et/ou dont l’ordre d’autorégression est plus
élevé.
Pour cette présentation, nous reprenons la typologie cas 1-cas 5 que vous trou-
vez dans l’aide de la proc Varmax. Elle suppose un processus autorégressif
d’ordre p = 2 sur les niveaux des variables y = (y1 , . . . , yk )> . La logique qui
prévaut dans les instructions SAS que nous allons rencontrer est simple : la
structure du modèle autorégressif et la nature des variables déterministes sont
précisées dans la commande Model ... alors que le rang de cointégration dans
le VECM associé et l’emplacement de ces variables déterministes sont gérés par
la commande Cointeg 10 et la présence ou l’absence de son option ectrend.

9. En cas de besoin, vous trouverez un ensemble de tables statistiques utiles contenant notam-
ment la table de McKinnon pour les tests de Dickey-Fuller ou de cointégration en deux étapes
à la Engle-Granger, ainsi que la table d’Osterwald-Lenum pour les tests de trace et λ − max ici :
http ://www2.warwick.ac.uk/fac/soc/economics/staff/academic/jeremysmith/manual/statisticaltables.pdf.
10. L’option ECM=... de la commande Model est maintenant considérée comme obsolète.

14
 — cas 1 : absence de termes déterministes. C’est le cas que nous avons
considéré jusqu’ici :
p−1
X
>
Δyt = αβ yt−1 + Φ∗i Δyt−i + ut (46)
i=1

Par exemple, dans le cas d’un système bivarié (y1t , y2t ) avec un rang de
cointégration r = 1 11 et p = 5, et le coefficient de y2 forcé à l’unité dans
le vecteur cointégrant, soit :
4
X 4
X
Δy1t = α1 (β1 y1,t−1 + y2,t−1 ) + a1i Δy1,t−i + b1i Δy2,t−i + u1t
i=1 i=1
4
X 4
X
Δy2t = α2 (β1 y1,t−1 + y2,t−1 ) + a2i Δy1,t−i + b2i Δy2,t−i + u2t
i=1 i=1

Son estimation sous SAS est réclamée par les commandes :

MODEL y1 y2 / P=5 NOINT;

COINTEG RANK=1 NORMALIZE=y2;

— cas 2 : no trend, constante dans l’espace de cointégration :

p−1
X
>
Δyt = α(β , β0 )(yt−1 , 1) + Φ∗i Δyt−i + ut (47)
i=1

Toujours dans le cadre bivarié avec r = 1, p = 5, cela donnerait :

4 4

X X
Δy1t = α1 β1 y1,t−1 + y2,t−1 + β0 + a1i Δy1,t−i + b1i Δy2,t−i + u1t
i=1 i=1
4
X 4
X


Δy2t = α2 β1 y1,t−1 + y2,t−1 + β0 + a2i Δy1,t−i + b2i Δy2,t−i + u2t
i=1 i=1

Cette structure est estimée au moyen des commandes suivantes :

MODEL y1 y2 / P=5;
COINTEG RANK=1 NORMALIZE=y2 ECTREND;

— cas 3 : pas de trend dans le VECM, constante hors de l’espace de cointé-

gration :
p−1
X
Δyt = αβ> yt−1 + Φ∗i Δyt−i + c + ut (48)
i=1

11. Rappelez-vous que dans un cadre bivarié, si il y a cointégration, on a forcément r = 1.

15
 soit par exemple :
4
X 4
X
Δy1t = α1 (β1 y1,t−1 + y2,t−1 ) + a1i Δy1,t−i + b1i Δy2,t−i + c1 + u1t
i=1 i=1
4
X 4
X
Δy2t = α2 (β1 y1,t−1 + y2,t−1 ) + a2i Δy1,t−i + b2i Δy2,t−i + c2 + u2t
i=1 i=1

Son estimation est obtenue avec les commandes :

MODEL y1 y2 / P=5;
COINTEG RANK=1 NORMALIZE=y2;

— cas 4 : trend linéaire dans l’espace de cointégration et trend linéaire dans

le niveau des variables :
p−1
X
>
Δyt = α(β , β0 )(yt−1 , t) + Φ∗i Δyt−i + c + ut (49)
i=1

ainsi :
4
X 4
X
Δy1t =α1 (β1 y1,t−1 + y2,t−1 + β0 t) + a1i Δy1,t−i + b1i Δy2,t−i + c1 + u1t
i=1 i=1
4
X 4
X
Δy2t =α2 (β1 y1,t−1 + y2,t−1 + β0 t) + a2i Δy1,t−i + b2i Δy2,t−i + c2 + u2t
i=1 i=1

On l’ajuste avec SAS au moyen des commandes :

MODEL y1 y2 / P=5 TREND=LINEAR;

COINTEG RANK=1 NORMALIZE=y2 ECTREND;

— cas 5 : trend linéaire hors de l’espace de cointégration :

p−1
X
>
Δyt = αβ yt−1 + Φ∗i Δyt−i + c + dt + ut (50)
i=1

et comme exemple :
4
X 4
X
Δy1t = α1 (β1 y1,t−1 + y2,t−1 ) + a1i Δy1,t−i + b1i Δy2,t−i + c1 + d1 t + u1t
i=1 i=1
4
X 4
X
Δy1t = α2 (β1 y1,t−1 + y2,t−1 ) + a2i Δy1,t−i + b2i Δy2,t−i + c2 + d2 t + u2t
i=1 i=1

16
 L’ajustement de ce cinquième cas est réalisé au moyen de :

MODEL y1 y2 / P=5 TREND=LINEAR;

COINTEG RANK=1 NORMALIZE=y2;

On rappelle que dans ce dernier cas un trend quadratique est imposé dans
le niveau des variables. Cela peut donner un ajustement satisfaisant in-sample
mais conduire à des prévisions complètement délirantes hors période d’esti-
mation : en général il est déconseillé d’ajuster cette structure, sauf à avoir de
bonnes justifications.

5.3 Test de rang dans VARMAX en présence d’une constante

Ce point ne sert qu’à aider à la compréhension des résultats affichés par la
PROC VARMAX lorsqu’on demande un test de rang via l’option COINTEST et
qu’une constante est autorisée dans le VECM, i.e. lorsque l’option NOINT n’est
pas présente dans la commande MODEL . . .

Dans ce cas, VARMAX effectue automatiquement le test de trace ou le test

λ-max dans deux configurations : avec la constante hors de l’espace de cointé-
gration d’une part, et avec la constante dans l’espace de cointégration d’autre
part. Dans l’intitulé des tableaux en sortie, vous verrez apparaître la précision
"Under Restriction" pour signaler que les résultats sont afférents au deuxième
cas de figure.

Un autre moyen de repérer dans quelle configuration on se situe, est de

lire le contenu des deux dernières colonne des tableaux de présentation des
tests de rang. Celles-ci sont intitulées respectivement "Drift in ECM" et "Drift in
Process" : la première est relative à l’écriture VECM, la seconde à celle du pro-
cessus autorégressif initial. Ainsi, dans la colonne "Drift in ECM", l’indication
"Constant" signifie qu’il y a présence d’une constante dans le VECM. Lorsque,
dans la colonne "Drift in Process" on lit "Linear", cela signifie que cette constante
dans le VECM entraîne l’introduction d’un trend linéaire dans les niveaux des
variables. Si vous avez compris les précédents développements, on est alors
dans le cas où la constante est hors de l’espace de cointégration : c’est le cas 3
des 5 cas types. En revanche si vous lisez "Constant" dans "Drift in Process",
c’est que la constante présente dans le VECM n’introduit pas de trend linéaire
dans les niveaux : on est dans le cas 2 des 5 cas types, la constante est dans
l’espace de cointégration.

6 Les tests sur α et β

Il est possible de construire des tests LRT sur les coefficients des relations
de cointégration β, ou sur les coefficients (loading factors) α de ces relations

17
retardées. Avec SAS, c’est la commande COINTEG qui autorise la mise en
oeuvre de ces tests via la spécification de deux matrices de transition notée
respectivement H pour ce qui concerne les restrictions sur la matrice β et J pour
celles afférentes à α.

6.1 tests sur β

L’écriture de l’hypothèse nulle à tester est de la forme H0 :β = HΦ, où Φ
est une matrice (s, r), s étant le nombre de paramètres libres à estimer sous
H0, et H une matrice (k, s) de passage entre les paramètres libres et les coef-
ficients β contraints. Il s’agit de la formulation duale de l’écriture matricielle
de contraintes linéaires que vous utilisez plus habituellement : Rβ = 0. Un
exemple simple est le suivant : on considère une relation de cointégration avec
2 variables : β1 xt + β2 yt et on soupçonne que la différence des deux variables est
stationnaire, soit H0 :β1 = −β2 . Sous cette hypothèse il n’y a qu’un paramètre à
estimer, Φ est de dimension (1 × 1) et on a donc H = (1, −1)> . En présence d’une
constante dans l’équation de cointégration on aurait deux paramètres libres à
estimer, à savoir un seul β (puisque β1 = β et β2 = −β) et la constante : Φ serait
donc de dimensions (2,1) et H serait donné par
 
 1 0
−1 0
H =  
 
0 1

Soit encore un VECM composé de trois variables avec une équation de coin-
tégration d’écriture β1 xt + β2 yt + β3 zt + β4 (donc avec constante dans l’espace
de cointégration) que l’on désire réduire à xt − zt . Le test de cette proposition
revient à spécifier une matrice H = (1, 0, −1, 0)> .

Attention : avec SAS, une fois donnée la structure β = HΦ, les restrictions
qu’elle décrit s’imposent à chacune des r relations de cointégration présentes.
En conséquence la statistique de test suit asymptotiquement une loi de χ2 à
r(k − s) degrés de liberté.

6.2 tests sur α

L’écriture de l’hypothèse nulle à tester est de la forme H0 :α = JΦ, où Φ
est une matrice (s, r), s étant le nombre de paramètres libres à estimer sous H0,
et J une matrice (k, s) de passage entre les paramètres libres et les coefficients
α contraints. Par exemple, dans un VECM a 3 variables et une relation de
cointégration, on a α = (α1 , α2 , α3 ). L’hypothèse de nullité jointe de α2 et α3
est testée en posant J = (1, 0, 0)> . L’hypothèse de nullité de α2 est réalisé en
spécifiant :
 
1 0
 
J = 0 0
 
0 1

18
 Le test de nullité de α est encore qualifié de test d’exogénéité faible. Avant
de continuer sur ce thème, il est utile de rappeler quelques définitions.

6.2.1 Trois définitions de l’exogénéité

On considère un couple de variables x̃ et ỹ ayant les réalisations xt et yt
au temps t et dont la fonction de densité jointe est fx̃, ỹ (xt , yt |λ, Xˉ t−1 , Yˉ t−1 ). Dans
cette expression, λ ∈ Λ est un vecteur de paramètres, Xˉ t−1 = {xt−1 , xt−2 , . . . , x0 }
représente le passé de x et Yˉ t−1 = {yt−1 , yt−2 , . . . , y0 } le passé de y jusqu’au temps
t − 1. On sait que l’on peut toujours écrire la loi jointe comme le produit d’une
conditionnelle et d’une marginale :

fx̃, ỹ (xt , yt |λ, Xˉ t−1 , Yˉ t−1 ) = f ỹ|x̃ (yt |λ, Xˉ t−1 , Yˉ t−1 , xt ) × fx̃ (xt |λ, Xˉ t−1 , Yˉ t−1 ) (51)

Supposons que l’on s’intéresse à l’estimation des paramètres λ. En règle gé-

nérale il faudra considérer la loi jointe et, par exemple, une maximisation de la
vraisemblance pour trouver λ̂. Lorsque le nombre de variables est relativement
important il devient vite fastidieux, voire impossible, d’écrire cette loi jointe qui
oblige à modéliser la totalité des variables du système. On préfère donc souvent
se limiter à l’étude de la loi conditionnelle ce qui peut simplifier considérable-
ment les choses. Ainsi par exemple, si on se contente de poser E[yt |xt ] = xt λ et
Var[yt |xt ] = σ2 alors, comme vous devez le savoir, on peut aisément construire
des estimateurs pour λ. Cependant dans l’écriture générale (51) une difficulté
peut apparaître avec cette façon de procéder : les paramètres λ sont a-priori
présents à la fois dans la loi conditionnelle et dans la loi marginale de x̃. En
conséquence, considérer uniquement la partie conditionnelle revient à se pri-
ver d’une information utile pour l’estimation de λ ce qui provoque une perte
d’efficience. En clair il faudrait considérer simultanément la conditionnelle et
la marginale (les marginales si on avait plusieurs variables explicatives dans la
conditionnelle).
On peut donc se demander à quelles conditions le fait de considérer uniquement
la loi conditionnelle ne provoquerait pas de perte d’efficience. Le raisonnement
précédent indique la solution : il faut que les paramètres qui sont dans f ỹ|x̃(.) ne
soient pas dans fx̃(.) . En d’autres termes, le vecteur λ peut être coupé en deux et
faire apparaître deux sous-ensembles de paramètres libres λ1 ∈ Λ1 dans la loi
conditionnelle et λ2 ∈ Λ2 dans la loi marginale avec donc Λ = Λ1 × Λ2 . Il faut
enfin naturellement que les paramètres d’intérêt soient des éléments de λ1 ou
des transformées ψ1 = g(λ1 ) de ces seuls paramètres. C’est précisément ce que
précise la notion d’exogénéité faible :

1. Exogénéité faible (Weak exogeneity) : dans (51) xt est faiblement exogène

pour un ensemble de paramètres ψ1 s’il existe une partition (λ1 , λ2 ) de
λ telle que (i) ψ1 est fonction du seul λ1 et (ii) λ1 ∈ Λ1 , λ2 ∈ Λ2 et
λ = (λ>1
, λ>
2
)> ∈ Λ = (Λ1 × Λ2 ). Dans ce cas il vient :

19
 fx̃, ỹ (xt , yt |λ, Xˉ t−1 , Yˉ t−1 ) = f ỹ|x̃ (yt |λ1 , Xˉ t−1 , Yˉ t−1 , xt ) × fx̃ (xt |λ2 , Xˉ t−1 , Yˉ t−1 )
(52)
et on peut, pour estimer ψ1 , considérer uniquement le modèle condition-
nel sans perte d’information utile. En particulier on n’a pas à travailler
sur les lois marginales des variables faiblement exogènes. Au passage,
vous remarquerez que cette exogénéité est relative à un ensemble de
paramètres d’intérêt donnés : si on s’intéresse à d’autres paramètres,
une variable qui était auparavant exogène faible peut très bien perdre ce
statut (et inversement).
2. Exogénéité forte (Strong exogeneity) : xt est une variable exogène forte (i)
si xt est exogène faible et (ii) si y n’est pas un prédicteur avancé de x (ou
encore, si y ne cause pas x au sens de Granger), soit

fx̃ (xt |λ2 , Xˉ t−1 , Yˉ t−1 ) = fx̃ (xt |λ2 , Xˉ t−1 )

L’exogénéité forte montre tout son intérêt lorsque l’on veut faire des
prévisions. on peut en effet prévoir les valeurs futures de la variable x à
partir de son écriture marginale, ou se donner une trajectoire, puis cal-
culer des prévisions pour y conditionnellement à cette trajectoire des x.
Vous devez vous persuader qu’en l’absence de cette condition, il devient
impossible de spécifier a priori une trajectoire sur x et d’en étudier les
effets sur l’évolution à venir de y.
3. Super exogénéité (Super exogeneity) : xt est super exogène pour ψ1 = g(λ1 )
si (i) xt est exogène faible et (ii) si λ1 est invariant lorsque des modifica-
tions affectent λ2 .

L’intérêt de la super-exogénéité est d’assurer que l’on peut continuer à

travailler avec l’écriture conditionnelle même si la loi marginale de x
change. Un exemple type est celui où x est un instrument de la politique
économique et y une variable telle que le chômage, le PIB ou l’infla-
tion,...Si on a réussi à construire et à ajuster une équation dans laquelle
y est expliquée par x alors, si x est super-exogène, un changement de
politique économique qui se traduirait par un nouveau mode de déter-
mination de x, et donc une nouvelle loi marginale fx̃ (.), n’empêche pas de
continuer à utiliser l’équation conditionnelle précédente pour apprécier
les conséquences de cette modification sur y.

6.2.2 Exogénéité faible dans le VECM

Considérons deux ensembles de variables intégrées d’ordre 1 : k1 variables
xt et k2 variables yt avec k = k1 +k2 et telles que le système (x0t , y0t )0 soit caractérisé

20
par r relations de cointégration avec 1 < r < k :
! p−1
X !
Δxt > > > ∗ Δxt−i
= αβ (xt−1 , yt−1 ) + Φi + ut (53)
Δyt Δyt−i
i=1

Si les k1 premières lignes de α sont nulles alors les r termes d’erreurs afférents
aux équations de long terme n’interviennent pas dans l’explication des varia-
tions courantes des variables x. En particulier les coefficients de ces équations,
β, n’apparaissent plus dans les k1 premières équations. En l’absence d’autres
contraintes, les coefficients de ces k1 équations appartiennent à un ensemble Λ1
et ceux des k2 suivantes à un ensemble Λ2 et sont tels que la totalité des para-
mètres est dans Λ1 × Λ2 . Dans ces conditions xt est exogène faible pour β. En
d’autres termes, l’estimation de β peut s’effectuer uniquement en considérant
le système partiel suivant :
p−1
X !
Δxt−i
Δyt = α2 β (x> > >
t−1 , yt−1 ) + Φ∗2i + u2t (54)
Δyt−i
i=1

Cela peut être intéressant en pratique puisque les tailles d’échantillon sont
souvent réduites et le passage du système complet au système partiel peut
augmenter sensiblement le nombre de degrés de liberté. Cette réduction doit
également accroître la précision des estimations (à condition naturellement que
les contraintes de nullité imposées sur certaines lignes de α soient vraies).

Sous l’hypothèse précédente, les variables x sont quand à elles gouvernées

par le processus :
p−1
X !
Δxt−i
Δxt = Φ∗1i + u1t (55)
Δyt−i
i=1

A la lecture de cette dernière écriture, vous devez parfaitement comprendre

que parler de x comme étant des variables exogènes n’a pas de sens : xt est
exogène faible pour les paramètres β mais à l’évidence xt n’est pas exogène
faible pour les paramètres Φ∗ : l’exogénéité faible de long terme (définie par
rapport aux paramètres des équations d’équilibre de long terme) n’implique
pas l’exogénéité faible de court terme (définie par rapport aux coefficients des
ajustements conjoncturels Φ∗ ). Elle ne permet notamment pas de conclure sur
sur le fait que y est ou n’est pas un prédicteur avancé de x.

On terminera ce point en précisant que SAS permet d’effectuer un test

d’exogénéité faible de long terme pour chacune des variables expliquée par le
VECM grâce à l’option EXOGENEITY dans la commande COINTEG. Ainsi,
dans un VECM sur 3 variables xt , yt et zt la commande

model x y z / p=2 ; cointeg rank=1 exogeneity ;

21
conduit à la réalisation de trois tests : exogénéité faible (de long terme) de xt ,
puis exogénéité faible de yt et finalement exogénéité faible de zt , chacune des
statistiques ayant dans cet exemple sous H0 une distribution asymptotique
χ2 (1).

7 La causalité selon Granger dans un système coin-

tégré
Si on est intéressé à la conduite d’un test de causalité selon Granger sur des
variables I(1), il convient de prendre quelques précautions : Les statistiques des
tests LRT ou de Wald usuels peuvent être calculées sur la représentation auto-
régressive afférente aux variables en niveau. La difficulté vient du fait, et cela
ne doit pas vous surprendre, que travaillant sur des variables non stationnaires,
ces statistiques ne possèdent pas leur distribution asymptotique standard. En
clair, elles ne sont pas sous la nulle des réalisations d’une variable de χ2 .
Apparemment, les choses semblent se simplifier s’il y a cointégration : plutôt
que de travailler à partir du VAR en niveaux, on considère l’écriture VECM dans
laquelle les variables sont stationnaires. On peut donc espérer retrouver cette
distribution standard pour les tests de nullité des coefficients qui traduisent
la non causalité. Cependant les choses sont plus complexes : la démarche pré-
cédente suppose que préalablement au test de non causalité on ait statué sur
la cointégration, pour justifier l’emploi du VECM. En d’autres termes, le se-
cond test (de non causalité) est conditionnel à la décision qu’a faite prendre le
premier (de cointégration). Or cette décision à été prise en prenant un risque
de première espèce : il existe une probabilité non nulle de s’être trompé en
concluant par exemple à la cointégration.
Au final, la statistique que l’on obtient à la seconde étape devrait être une
moyenne pondérée de la statistique que l’on obtient sous hypothèse de cointé-
gration et de celle qu’on obtiendrait sous hypothèse de non cointégration. La
loi de ce mélange n’a aucune raison d’être un χ2 , i.e. celle que l’on aurait si
on savait a-priori qu’il y a cointégration dans le système initial. Contrairement
aux apparences, le recours à un VECM n’est donc pas exempt de défaut, et
le raisonnement précédent semble conseiller une solution qui permettrait de
tester l’absence de causalité sans avoir à effectuer de test préalable sur la confi-
guration à retenir pour réaliser le test final.

Dans ce cas, le test de non causalité devrait être effectué sur la représenta-
tion autorégressive en niveau à condition naturellement de pouvoir connaître
la distribution de la statistique. C’est précisément ce que proposent Toda et Ya-
mamoto 12 . Ils montrent que si yt = (y1t , y1t , . . . , ykt) est un vecteur de k variables
intégrées avec yi ∼ I(di ), i = 1, . . . , k, obéissant à une écriture autorégressive
d’ordre p, alors on peut construire une statistique de test d’absence de causalité
12. Toda, H. Y. & Yamamoto,T., Statistical inference in vector autoregressions with possibly integrated
processes, Journal of Econometrics, 1995, 66, 225-250.

22
à l’horizon 1 qui possède asymptotiquement une distribution de χ2 dans un
VAR d’ordre p + d où d = max(d1 , d2 , . . . , dk ).

Formellement, soit l’écriture VAR(p) usuelle :

yt = Φ1 yt−1 + Φ2 yt−2 + . . . + Φp yt−p + c + ut (56)

où ut est un processus en bruit blanc. L’absence de causalité à l’horizon 1 de

yi , 1 ≤ i ≤ k sur n’importe quelle autre variable du système y j , , 1 ≤ j ≤ k, j , i
se traduit par la nullité des éléments Φs ( j, i), s = 1, . . . , p : le test à effectuer
concerne donc :

H0 : Φ1 ( j, i) = Φ2 ( j, i) = . . . = Φp ( j, i) = 0
versus
H1 : l’un au moins de ces coefficients est non nul

Ils montrent alors que dans le VAR augmenté d’ordre p + d

yt = Φ1 yt−1 + Φ2 yt−2 + . . . + Φp yt−p + Φp+1 yt−p−1 + . . . + Φp+d yt−p−d + c + ut (57)

la statistique de Wald afférente au H0 ci-dessus, et nommée alors MWald,

possède asymptotiquement une distribution de χ(2) à p degrés de liberté. Notez
bien que le test porte sur la nullité des coefficients des p premières valeurs
retardées de yi dans l’équation de y j . Les coefficients des valeurs de yi retardées
aux ordres p + 1, . . . , p + d ne sont pas pris en compte : leur présence dans les
équations vise uniquement à permettre à la statistique de test de posséder sa
distribution usuelle à savoir un χ2 a p degrés de liberté.

8 Exemples
8.1 Un premier exemple sur séries stationnaires
Dans cet exemple nous reprenons les séries simulées à la fin de la première
partie du cours consacrée à la modélisation VAR sur séries stationnaires. Nous
avions trois séries, y1 , y2 , y3 et un VAR sans constante. En plus du test de
cointégration de Johansen, nous avons demandé l’application de tests de racine
unitaire et notamment du test de Dickey-Fuller. Aucune option n’étant spécifiée
pour johansen, c’est le test de la trace qui sera effectué.

proc varmax data=simul;

model y1 y2 y3 / p=1 dftest cointtest=(johansen);
run;

Les résultats des tests DF sont présentés dans la table 1. Quelle que soit la
version du test (τ, τμ , τt ), nous serions bien en présence de séries I(0).

23
 Table 1 – Résultats des tests de racine unitaire

Table 2 – Résultats des tests de racine unitaire

Dans la table 2 on trouve le test de la trace. La première ligne oppose H0 :r=0

à H1 : r>0. La statistique vaut 359.2 et avec une valeur critique à 5% égale à 24.08,
on rejette évidemment H0 : le rang de cointégration serait donc non nul. On
passe alors à la ligne suivante qui oppose H0 :r=1 à H1 : r>1. Avec une statistique
de 9.075 et une valeur critique de 12.21, on est à nouveau conduit à rejeter H0.
On continue donc à descendre dans la table pour s’intéresser à H0 :r=2 versus
H1 : r>2. La statistique de test égale à 10.99, comparée à la valeur critique de
4.14, conduit encore au rejet de H0. Nous serions donc conduit à admettre que
le rang est égal à 3, ce qui dans ce système à trois variables est le rang maximal
de la matrice π. On rappelle alors que si r, le rang de π, est égal à k, le nombre
de variables constituant le VAR, alors les variables en question sont I(0). En
d’autres termes le test de la trace de Johansen conforte ici les conclusions tirées
sur chacune des séries au moyen du test DF. L’ajustement d’un VAR en niveau
sur y1 , y2 , y3 serait donc justifié.

8.2 Un second exemple sur séries I(1)

Ici nous avons simulé 200 réalisations de trois aléatoires gouvernées par le
système suivant :

xt = xt−1 + uxt (58)

zt = zt−1 + uzt (59)
yt = 2.0 + 1.6xt − 0.8zt + u yt (60)

où uxt , uxt et zxt sont des pseudo-réalisations de gaussiennes i.i.d. centrées ré-
duites indépendantes entre elles. Les deux marches au hasard x et z sont évi-
demment I(1) et y, somme de deux I(1) et d’une I(0) est également intégrée

24
 Table 3 – Critère AICC sur les séries I(1)

d’ordre (1). Sous-jacent à (60) on reconnaît également une relation de cointégra-

tion intégrant une constante avec un vecteur cointégrant (2.0, 1.6, −1.0, −0.8)>
associé aux variables (1., xt , yt , zt )> .
Un exemple de réalisation de ce processus est donné dans la Figure (1). Ce
sont ces données qui sont utilisées par la suite.

Figure 1 – Graphique de séries simulées selon les équations (58), (59), (60)

Comme vous l’aurez compris, la première étape consiste a déterminer

l’ordre du processus autorégressif adapté à ces données. On emploie ici sim-
plement l’option MINIC, via une commande de la forme :

model x y z / minic=(p=5 q=0) print=(roots parcoef);

Les valeurs du critère AICC présentées dans la table 3 nous conduisent à re-
tenir un seul retard, ce que confirme l’examen de la table 4 des matrices de
corrélations partielles.
Les autocorrélations résiduelles, non présentées ici sont également non si-
gnificatives. Nous travaillerons donc par la suite avec un VAR(1). La recherche
du rang de cointégration est réalisé au moyen du test de trace de Johansen
avec :
model x y z / p=1 cointtest=(johansen);
L’ensemble des résultats associés à ce test est présenté dans la table 5. Notez
que, toujours à des fins d’illustration, nous n’avons pas utilisé l’option NOINT

25
 Table 4 – Matrices des Corrélations partielles

même si les constantes estimées s’avèrent finalement non significativement dif-

férentes de zéro. Selon les deux premiers tableaux, que la constante soit ou ne
soit pas dans l’espace de cointégration 13 , l’hypothèse d’un rang nul est rejetée,
ce qui n’est pas le cas de l’hypothèse d’un rang égal à l’unité. On retiendrait
donc une seule relation de cointégration.
Les troisième et quatrième tableaux renseignent sur la place de la constante :
le troisième rappelle simplement que l’hypothèse nulle imposant la constante
dans l’espace de cointégration, elle correspond au second cas des cinq typo-
logies vues précédemment. L’hypothèse H1 lève cette restriction et place la
constante hors de l’espace de cointégration, c’est le troisième cas des cinq ty-
pologies qu’il est possible d’estimer avec la Proc VARMAX. Si on travaille sous
l’hypothèse d’un rang égal à 1, la statistique de Chi2 égale à 0.58 ne permet pas
de rejeter la nulle, i.e. on retiendrait la constante dans l’espace de cointégration
ce qui correspond d’ailleurs au processus simulé.
On peut alors demander l’ajustement du modèle sélectionné par :

model x y z / p=1 print=(estimates) ecm=(rank=1 normalize=x

ectrend);

Ici nous avons arbitrairement imposé que le coefficient de la variable ’x’ soit
égal à l’unité. Les résultats suivants sont obtenus :
— Vecteur cointégrant, table 6, et loading factors estimés, table 7.
La relation de cointégration ajustée est donc xt −0.62yt −0.49zt +1.32. Cette
combinaison linéaire serait stationnaire et définit l’écart à l’équilibre de
long terme. La valeur en t−1 de cet écart entre dans l’équation de Δxt avec
un coefficient égal à -0.13, dans celles de Δyt et Δzt avec les coefficients
respectifs de 1.54 et -0.12.
L’estimation de la matrice π, donnée par π̂ = α̂β̂> est donnée dans la
table 8. La procédure affiche également un schéma permettant de repérer
aisément les coefficients significatifs et leur signe, table 9. Ici, les seuls
coefficients non nuls concernent l’équation de Δyt , avec une constante
qui serait positive, et des coefficients de x, y, z respectivement positif,
négatif et négatif.
13. Pour mémoire, lorsque la constante est en dehors de l’espace de cointégration, on a une
constante dans le VECM qui impose un trend linéaire dans l’écriture autorégressive sur les niveaux
des variables. Lorsque la constante est dans cet espace, on a toujours une constante dans le VECM et
seulement une constante dans l’écriture autorégressive. Ceci explique l’intitulé des deux dernières
colonnes des deux premiers tableaux de cette Figure (5).

26
 Table 5 – Résultats du test de la trace de Johansen dans VARMAX

— un tableau affichant pour chacune des équations du VECM, les coef-

ficients estimés, leurs écarts-types, les students usuels pour le test de
nullité ainsi que leurs niveaux de signification marginale, avec enfin en
dernière colonne, le nom de l’explicative concernée, table 10. La seule
surprise concerne peut être le fait qu’au sein d’une équation donnée de
notre VECM, les statistiques de student soient toutes égales en valeur ab-
solue, par exemple |t| = 6.67 dans l’équation de Δyt , ou encore, |t| = 1.03
dans l’équation de Δzt et cela quel que soit le coefficient considéré. Pour
comprendre ce résultat, considérons arbitrairement la première équation
du modèle 14 :


Δxt = α1 β1 xt−1 + β2 yt−1 + β3 zt−1 + β0 + u1t , avec β1 = 1, (61)
= α1 xt−1 + α1 β2 yt−1 + α1 β3 zt−1 + α1 β0 + u1t (62)
= π11 xt−1 + π12 yt−1 + π13 zt−1 + π14 + u1t (63)

Les students de cette première équation de la table 10 ont donc comme

nulle, H0 : π1i = 0, i = 1, 2, 3, 4. Maintenant, le VECM ajusté suppose
et impose une relation de cointégration dont les β sont les coefficients.
dans ces conditions, les β̂ doivent être superconvergents avec une vitesse
de convergence en T. En revanche, α1 est le coefficient d’une station-
naire dans le VECM : αˆ1 possède la vitesse de convergence usuelle, en
√
T. Cette différence de vitesse, permet à considérer que les β̂ sont des
14. Les trois équations ont la même structure : ce qui vaut pour l’une vaut pour les deux autres.

27
 Table 6 – relation de cointégration estimée

Table 7 – Coefficients d’ajustement à l’écart de long terme

constantes pour αˆ1 . Au final :

πˆ1i αˆ1 β̂i

tπ1i = = et, en considérant β̂i comme étant une constante
sπ̂1i sαˆ1 β̂i
αˆ1 β̂i αˆ1
= = = tα1 , i = 1, 2, 3, 4 (64)
β̂i sα̂1 sα̂1

Ainsi, dans chacune des trois équations, les students construits sur les
coefficients testent tous la même chose, à savoir la nullité du coefficient
d’ajustement de l’écart à l’équilibre de long terme.
— Les tests d’exogénéité faible. Il s’agit de tester la nullité des coefficients
α. Cela s’effectue via la commande cointreg

Table 8 – Estimation de la matrice π

28
Table 9 – Coefficients de π significatifs avec leur signe

Table 10 – Le VECM estimé

29