This paper examines the long run and short run dynamic relationship between real broad money and macroeconomic factors in Tunisia for the period 2010M01 to 2019M07. We employ linear and NARDL bound testing approach for co-integration between the money demand measure and its determinants. Three real broader money demand variables (M2, M3, and M4) are considered to show that exchange rate have asymmetric significant effects once we introduce nonlinearity in the long run as well as in the short run association. Then, by using the (Shin et al., 2014) NARDL approach, we show that currency appreciation and depreciation could affect the demand for money in an asymmetric manner. However, in the long run, it is only the oil price and Tunisian Dinar (TD) depreciation and appreciation which have significant effect out of the five considered macroeconomic factors (real income, interest rates, inflation, oil price, and the exchange rate). Besides, the QSUMSQ stability tests results reveal that only real M3 money demand function which is clearly stable. In implementing monetary policy, the Tunisian central bank (TCB) should target the M3 monetary aggregate and take into account of the exchange rate changes stabilization.

Volume 78, numéro 1, mars 2002 URI : id.erudit.org/iderudit/007243ar

Résumé Ce texte propose des méthodes d’inférence exactes (tests et régions de confiance) sur des modèles de régression linéaires avec erreurs autocorrélées suivant un processus autorégressif d’ordre deux [AR(2)], qui peut être non stationnaire. L’approche proposée est une généralisation de celle décrite dans Dufour (1990) pour un modèle de régression avec erreurs AR(1) et comporte trois étapes. Premièrement, on construit une région de confiance exacte pour le vecteur des coefficients du processus autorégressif (φ). Cette région est obtenue par inversion de tests d’indépendance des erreurs sur une forme transformée du modèle contre des alternatives de dépendance aux délais un et deux. Deuxièmement, en exploitant la dualité entre tests et régions de confiance (inversion de tests), on détermine une région de confiance conjointe pour le vecteur φ et un vecteur d’intérêt γ de combinaisons linéaires des coefficients de régression du modèle. Troisièmement, par une méthode de projection, on obtient des intervalles de confiance « marginaux » ainsi que des tests à bornes exacts pour les composantes de γ. Ces méthodes sont appliquées à des modèles du stock de monnaie (M2) et du niveau des prix (indice implicite du PNB) américains.