Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                

Loi D'okun

Télécharger au format pptx, pdf ou txt
Télécharger au format pptx, pdf ou txt
Vous êtes sur la page 1sur 18

Analyse de la loi d‘Okun

Sous la direction de :

AHMED HEFNAOUI
Réalisé par :

Errafiai Abderrahman
El Walid BOURASS
Soufiane OUZIR
Salah Eddine DAKHOUCH
Introduction

Dans un contexte de chômage massif, la relance de la croissance économique est souvent


avancée comme une solution adéquate. Cependant, l’augmentation du taux de croissance
n’implique pas nécessairement la diminution du taux de chômage et ce pour diverses
raisons. Tout d’abord, la population active peut croitre à un taux plus élevé que celui de
l’emploi. Ensuite, la croissance économique peut avoir un faible contenu en emploi selon la
croissance de la productivité (Huang et Lin, 2008).

En 1962, Arthur Okun s’est intéressé à la relation entre la croissance économique mesurée
par le taux de croissance du PIB réel et le chômage aux Etats-Unis. Cette relation dite « loi
d’Okun » permet de déterminer le seuil de croissance à partir duquel le taux de chômage
commence à diminuer. Okun conclut qu’une croissance de 1% du PIB réel aux Etats-Unis
permet de réduire le taux de chômage de 0,4%. En outre, lorsque le taux de croissance
atteint 3%, le taux de chômage tend à se stabiliser. Au-delà de 3%, les emplois créés
conduisent le taux de chômage à diminuer
REVUE DE LA LITTÉRATURE SUR LA
RELATION D’OKUN:

Arthur Okun a été le premier à expliquer la relation négative entre la croissance et le


chômage. Il a proposé deux types d’approches pour modéliser la relation entre le
chômage et le PIB réel : la version en « différences premières » qui relie la variation du
PIB réel aux variations du taux de chômage observé et la version « gap » qui relie les
variations cycliques du PIB aux variations cycliques du chômage. Depuis, plusieurs
travaux ont tenté de vérifier la validité de cette relation dans d’autres pays autres que
les Etats-Unis, mais aussi de tenir compte des éléments négligés par Okun tels que la
présence de changement structurel et d’asymétrie dans cette relation (non linéarité de
la loi d’Okun). Bien qu’ils se distinguent au niveau du choix de la fréquence des
données, de la version à tester, des filtres à utiliser pour le calcul des variables
potentielles, etc., la majorité de ces travaux se sont attachés à prouver la non linéarité
de la relation d’Okun.
MÉTHODOLOGIE
Il convient de rappeler que la relation inverse entre le chômage et la croissance du PIB
a été modélisée par Okun à l’aide de deux types d’équations. La première, dite version
en « différences premières », peut se présenter comme suit :

avec ∆ la différence première de la variable ; est le taux de chômage ; PIB est le


logarithme du PIB réel. β mesure de combien varie le taux de chômage en points de
pourcentage lorsque le PIB réel varie de 1%. La seconde, dite « version gap », relie les
écarts du taux de chômage et du PIB observé respectivement au taux de chômage
naturel et au PIB potentiel. Cette version se présente sous la forme suivante :

avec u ∗ et PIB* sont respectivement le taux de chômage naturel et le PIB potentiel.


La différence (PIB-PIB*) est appelée écart de production (output gap).
Le coefficient d'Okun β* mesure de combien varie le taux de chômage cyclique
lorsque l'output gap varie de 1%.
Dans notre Cas:
Soit le modèle suivant :

U = C + β CPIB + є

Avec :
CH : Le taux de chômage de la population active.
C : Constante.
β : mesure de combien varie le taux de chômage en points de
pourcentage lorsque le PIB réel varie de 1%.
CPIB : Le taux de croissance du PIB (Taux Annuel%)
VALIDATION EMPIRIQUE
DE LA LOI D’OKUN

Tests de stationnarité
Le taux de
croissance du PIB
Corrélogramme et Graphe:

D’après le corrélogramme et le graphe, On peut constaté que le taux de croissance du PIB


pendant la piéride 1987 jusqu’à 2016 peut être non stationnaire puisque la probabilité
est inférieur a 5%.
Test : Trend and intercept

D’après ce Test on remarque que notre série n’est pas affectée par une Tendance
puisque le Tc = -0,08 < Tt = 3,25 d’une part, d’autre part Donc la série n’est
affecter par un processus DS avec Tc = -11,5 < Tt = -3,57. alors on conclu que notre
série est devient stationaire.
Le chômage
Corrélogramme et Graphe:

D’après le corrélogramme et le graphe, On peut constaté que le taux du chômage


pendant la piéride 1987 jusqu’à 2016 peut être non stationnaire puisque la probabilité
Est inférieur a 5%.
Test : Trend and intercept

D’après ce Test on remarque que notre série n’est pas affectée d’un processus TS
puisque le Tc = -2,61 < Tt = 3,25. Ainsi que donc la série est affecter d’un
processus DS avec Tc = -3,03 > Tt = -3,57, Alors en passe au deuxième Modelé
(Intercept).
Test : intercept

D’après ce Test on remarque que notre série n’est pas affectée par une
constante puisque le Tc = 1,25 < Tt = 2,97. Donc notre série est affecter d’un
processus DS avec Tc = -1,43 > Tt = -2,96, Alors en passe au premier Modèle
(None).
Test : None

D’après ce Test on constat que notre série est affecter par un processus DS
sans dérive avec Tc = -0,83 < Tt = -1,95.
La Première différenciation:

D’après le corrélogramme et le graphe en remarque que notre série de


chômage est devient stationnaire après la première différenciation puisque
la probabilité est Supérieurs a 5%.
La Première différenciation:

Après la première différenciation on a constater que le taux de chômage est


devenu stationnaire c’est-à-dire l’absence de Racine Unitaire
(Tc = -7,90 < Tt = -1,95).
Test : Normalité des erreurs (JB)

D’après ce test on remarque l’existence d’un bruit blanc non gaucian


puisque on a l’absence de normalité des résidus puisque
JB = 6,93 > Kh2 = 5,99 avec Kh2(5%;2) alors dans ce cas rejet de H0.
Test : Hétéro (White)

D’après ce test on remarque que n*R^2 > KH2(5,99) donc rejet de H0


c’est-à-dire donc notre modèle est Hététo.

Vous aimerez peut-être aussi