Les déterminants du crédit à la consommation au Canada

Les déterminants du crédit à la consommation au
Canada
Mémoire
Mylène Àlvarez
Maîtrise en économique
Maître ès arts (M.A.)
Québec, Canada
© Mylène Àlvarez, 2015
Les Déterminants du crédit à la consommation au
Canada
Mémoire
Mylène Àlvarez
Sous la direction de :
Lucie Samson, directrice de recherche
Résumé
Les crédits que l’on accorde pour l’achat de biens et services, par exemple les automobiles et les
équipements de la maison, s’appellent des crédits à la consommation. Il est important de savoir que
depuis trois décennies on constate une baisse du taux d’épargne au Canada et, en contrepartie, une
hausse de l’endettement des ménages, et plus particulièrement une hausse des crédits à la
consommation. À quoi est due cette hausse des crédits à la consommation? Et quel est l’impact de cette
hausse sur l’économie canadienne?
Cette analyse se base sur la Théorie du Revenu Permanent. Celle-ci stipule que les choix
effectués par les consommateurs sont dictés non pas par leur revenu effectif actuel, mais par leur
estimation de revenu permanent. Une implication est que les individus souhaitent lisser leur consommation
dans le temps. Les emprunts seront donc reliés aux fluctuations du revenu autour de ce revenu
permanent.
Pour estimer cette relation, nous réalisons une régression avec correction d’erreur qui nous
permet de calculer l’équilibre stationnaire et de court terme. Une équation de forme réduite est estimée.
Pour les facteurs influençant la demande de crédit, nous considérons la richesse totale des ménages
(financière, humaine et immobilière) et le taux d’intérêt. Du côté de l’offre, la perception du risque des
banques est un facteur à considérer.
En somme, cette étude cherche à comprendre quelles sont les causes de l’augmentation du crédit
à la consommation au Canada. Notre analyse montre que cette hausse est due à une augmentation de la
richesse globale (humaine, financière et Immobilière) des ménages et au fait que les emprunts ne
semblent pas réagir autant à la baisse lorsque ces variables diminuent.
iii
Table des matières
Résumé.................................................................................................................................. iii
Table des matières .................................................................................................................iv
Liste des tableaux.................................................................................................................... v
Liste des graphiques...............................................................................................................vi
Introduction ............................................................................................................................. 1
1.-Revue de la littérature ......................................................................................................... 3
2.-Les données ........................................................................................................................ 7
3-Le modèle .......................................................................................................................... 17
4-La méthodologie ................................................................................................................ 20
5-Résultats et interprétation .................................................................................................. 24
Conclusion ............................................................................................................................ 36
Bibliographie ........................................................................................................................ 37
iv
Liste des tableaux
Tableau 1 : Tests de stationnarité (1990 :1-2012 :2) .................................................................... 24
Tableau 2 : Équation de long terme (1990:1-2012 :2) .................................................................. 25
Tableau 3: Équation (6) de court terme (1990 :1-2012 :2) ............................................................ 26
Tableau 4 : Équation de court terme (1990 :1-2001 :1) ................................................................ 27
Tableau 5 : Équation de court terme (2001 :2-2012 :2) ................................................................ 28
Tableau 6 : Test de Dickey-Fuller pour le taux d’endettement ...................................................... 29
Tableau 7 : Équation de long terme pour le taux d’endettement (1990:1-2012:1) ........................... 30
Tableau 8 : Équation de court terme pour le taux d’endettement (1990:1-2012:1) .......................... 30
Tableau 9 : Les résultats avec asymétrie pour le revenu (1990 :1- 2012 :1) ................................... 33
Tableau 10 : Les résultats avec asymétrie pour la richesse financière (1990 :1- 2012 :1)................ 34
Tableau 11 : Les résultats avec asymétrie pour la richesse Immobilière (1990 :1- 2012 :1) ............. 35
v
Liste des graphiques
Graphique 1 : Stock de crédit à la consommation en millions de dollars au Canada de 1991 à 2011 . 8
Graphique 2 : Revenu disponible réel en millions de dollars au Canada de 1991 à 2011 .................. 9
Graphique 3 : Taux d’Endettement des Ménages en Crédit à la Consommation par Rapport à leur
Revenu Disponible. (1-1990,3-2010).................................................................................. 10
Graphique 4 : Valeur immobilisée réelle en millions de dollars au Canada de 1991 à 2011 ............. 11
Graphique 5 : Indice TSX/S&P réel au Canada de 1991 à 2011 ................................................... 13
Graphique 6 : Indice de confiance des Entrepreneurs au Canada de 1990 à 2011 ......................... 14
Graphique 7 : Taux des crédits à la consommation au Canada de 1991 à 2011 ............................ 15
vi
À mon père.
Introduction
Depuis déjà trois décennies, une grande majorité des économies mondiales sont confrontées à une
diminution du taux d’épargne des ménages. Le Canada se voit lui aussi touché par cette forte diminution du
taux d’épargne, même si celle-ci est moins prononcée que dans certains autres pays. En outre, il ne faut pas
oublier que l’endettement est le miroir de l’épargne. Le taux d’endettement est donc généralement à la
hausse aux Canada.
La raison pour laquelle il existe un intérêt pour l’endettement des ménages, c’est surtout vis-à-vis de la
capacité de ceux-ci à rembourser leur dette lorsque l’on fait face à un choc économique négatif. Dans le cas
de défaut de paiement répandu c’est toute l’économie qui peut en être affectée.
Lorsque l’on parle d’endettement, il faut distinguer celui lié aux hypothèques et le crédit à la consommation.
Est appelé crédit à la consommation, tout type de crédit fourni par une institution financière ayant pour but de
financer des dépenses servant à l’achat de biens et services destinés souvent pour l’aménagement du
logement ou encore pour l’achat d’un moyen de locomotion. Ces dernières années, les emprunts
hypothécaires ont augmentés considérablement avec la hausse du prix de l’immobilier, mais le crédit à la
consommation a aussi connu une importante tendance à la hausse. En effet, en 1999, les crédits à la
consommation s’élevaient à environ 182 123 milliards de dollars réel, alors qu’en 2011, ils atteignaient 487
645 milliards dollars réel. Entre 2003 à 2009, le crédit à la consommation connaît des taux de croissant allant
jusqu'à 11%.
Cette étude, a pour but de comprendre comment les Canadiens se situent vis-à-vis de l’utilisation du crédit à
la consommation. Notre analyse sera effectuée au niveau macroéconomique, nous n’allons donc pas
distinguer entre les différents sous-groupes de revenus pour l’endettement. Par contre, nous allons analyser
l’impact des variables macroéconomiques d’intérêt sur le taux d’endettement visant à se procurer des biens
de consommation ou des services. Les variables considérées sont celles qui influencent la consommation
selon la théorie du revenu permanent : cette théorie implique que la consommation est déterminée par la
richesse des ménages. Pour représenter cette richesse, nous allons utiliser les variables de revenu
disponible, le prix de l’immobilier, et une mesure de la richesse financière.
Cette analyse va permettre de mieux comprendre, par exemple, quel serait l’impact d’une bulle spéculative,
immobilière ou financière, sur le crédit à la consommation des ménages, mais aussi de savoir si le Canada a
1
atteint un niveau d’endettement qui affecterait sa stabilité économique dans d’éventuelles crises. L’impact de
la baisse récente des taux d’intérêt sera aussi analysé.
Le reste de ce mémoire se déroule comme suit. Le prochain chapitre présente un survol de la littérature
récente dans le domaine. Le modèle utilisé pour poser la question de ce qui détermine l’évolution du crédit à
la consommation au Canada est ensuite présenté. Dans le chapitre suivant, nous discutons des données
utilisées pour effectuer notre analyse empirique, de la méthodologie et des résultats attendus. Le chapitre
subséquent rapporte et interprète les résultats obtenus. Finalement, nous terminons par une brève
conclusion.
2
1. Revue de la littérature
Depuis la crise de 2008, un intérêt tout particulier a été porté à l’endettement des ménages. Des
études ont été réalisées un peu partout dans le monde, que ce soit d’un point de vue microéconomique ou
bien macroéconomique. Dans cette section, nous allons faire ressortir les principales études comportant un
intérêt particulier dans le cadre de ce projet.
1.1 Du point de vue microéconomique
La consommation et l’endettement des ménages a toujours intéressé les économistes, c’est pourquoi un
grand nombre d’études porte sur ce sujet. Par contre quand il s’agit de faire une étude plus restrictive de
l’endettement qui ne prend en compte que le crédit à la consommation, le nombre d’études diminue.
Les études microéconomiques ne s’intéressent pas à l’endettement global, mais analysent en général le
comportement des groupes spécifiques de la population. C’est ce qui est réalisé dans l’étude de Gomez
Salvador & al (2001) qui porte sur la zone Euro. Les auteurs s’intéressent à la structure même de
l’endettement des ménages européen afin de mieux comprendre les conséquences d’une instabilité
macroéconomique sur les niveaux d’endettement des ménages. Ils arrivent à la conclusion que des variables
telles que le PIB réel et le taux d’intérêt de long et court terme jouent un rôle sur la demande de prêts. Par
ailleurs, ils trouvent aussi que le taux d’endettement est relié positivement au niveau de revenu des ménages
et que les ménages à faibles revenus sont plus à risque de retard de paiements. Le risque de défaut est
donc plus élevé pour ces ménages moins nantis qui sont davantage affectés par les hausses de taux
d’intérêt ou les récessions.
Une étude canadienne de Crawford & Faruqui (2011) identifie les principaux facteurs qui affectent le niveau
d’endettement des ménages depuis 1990. Elle dresse un portrait du Canada en ce qui concerne l’évolution
du crédit global dans le temps. Par exemple, un lien est établi entre le niveau d’âge des individus et leur
endettement total. Ils démontrent que cette courbe a une forme en U inversé. En particulier, ils identifient que
les individus jeunes ont en général un taux d’endettement moins élevé que la catégorie des 25-55 ans par
exemple. Par la suite, le niveau d’endettement est assez stable pour cette catégorie d’âge, et enfin à l’âge de
la retraite, il y a une diminution de l’endettement. On observe ce type de comportement de l’endettement
total surtout car cette définition incorpore les emprunts hypothécaires. Leur analyse ne donne pas
l’information pour le crédit à la consommation, mais elle montre que le pourcentage de ce type de crédit qui
3
est associé à la valeur des propriétés est passé d’environ 20% en 2000 à environ 50% aujourd’hui. Ce
facteur peut contribuer à expliquer pourquoi, malgré le vieillissement de la population, on remarque, depuis
plusieurs années, une augmentation du taux d’endettement lié au crédit à la consommation. En effet,
l’augmentation du prix de la propriété peut jouer un rôle important dans l’importance de la contrainte de
financement. Cet article, Crawford & Faruqui (2011) fait donc ressortir les taux d’intérêt faibles, le fort prix de
l’immobilier et l’innovation financière comme des facteurs qui ont favorisé l’augmentation de l’endettement
total des ménages.
Dans un même ordre d’idées, la contribution majeure de Faruqui (2008) est d’examiner la distribution des
produits financiers parmi les différents ménages canadiens grâce à des données microéconomiques. Il
constate qu’entre la richesse que possèdent le ménage (possession de différents biens) et le niveau de dette
de celui-ci, la balance est à l’équilibre. Plus précisément, il conclut que les ménages qui détiennent déjà un
fort niveau d’endettement ont aussi un bon nombre de collatéraux assurant la pérennité des prêts accordés.
Cette observation impliquerait donc que l’endettement élevé n’est pas un problème car les actifs détenus
sont en proportion de cet endettement. Mentionnons cependant que cette étude se termine avant la dernière
crise financière.
L’analyse de Kartaskova et Tomlin (2013), utilise des données canadiennes pour analyser
l’évolution des prix des maisons et la hausse du crédit à la consommation. Ils trouvent dans leur recherche
une relation positive et statistiquement significative entre ces deux éléments. De plus, la relation qui unit le
prix des maisons et l’endettement devient beaucoup plus forte pour les propriétaires âgés de 35 ans et plus.
Le fait d’être propriétaire, et relativement jeune, favorise donc l’endettement. On peut penser que cette
observation découle du fait que les besoins associés à une famille relativement jeune impacte de façon
probante sur l’endettement pour fin de consommation car l’âge des propriétaires reflète aussi en partie l’âge
de leurs enfants.
Ainsi, les études microéconomiques nous permettent de bien identifier parmi les groupes de la population
ceux qui sont les plus touchés par l’endettement et donc de mieux comprendre leur réaction face à de
l’instabilité financière ou macroéconomique. De surcroît, elles identifient un certain nombre de facteurs
explicatifs nous offrant certaines pistes vis-à-vis des déterminants macroéconomiques du crédit à la
consommation.
4
1.2 Du point de vue macroéconomique
La littérature macroéconomique utilise l’agrégation de données. Ces études offrent l’avantage que les
périodes d’analyses sont généralement plus longues et que, par conséquent, les grandes tendances sont
plus faciles à faire ressortir. Un autre avantage des études macroéconomique est de pouvoir distinguer entre
les variables qui affectent l’endettement à long terme et ce qui va juste avoir un effet temporaire.
L’étude réalisée par Seccareccia (2005) tente d’identifier 4 raisons pour lesquelles on constate une baisse de
l’épargne au Canada. Elle arrive à identifier 4 grandes causes :
— une politique fiscale qui a pour but de diminuer la dette des états, mais cause un effet nocif sur
l’endettement en augmentant l’endettement des ménages.
— une baisse des revenus après impôts
— une politique de faible taux d’intérêt afin de ne pas créer de récessions
— les effets de richesse qui peuvent être occasionnés par l’investissement des ménages sur le
marché boursier et dans l’immobilier. Donc, ils ont tendance à se sentir plus riches selon la théorie du revenu
permanent, et à épargner moins ou emprunter plus.
Pour une grande partie de cette revue de littérature, nous avons parlé de la demande de prêts et de la
manière dont celle-ci a évoluée, mais dans mon mémoire je vais aussi essayer d’identifier des facteurs de
l’offre. C’est ce qui est réalisé dans l’étude d’Adalid et Gómez-Salvador (2011). Ils identifient deux principaux
éléments qui affectent l’offre de prêts pour les banques européennes :
— la facilité avec laquelle les banques accordent les prêts, telle que mesurée par le taux d’intérêt.
— la perception du risque.
On pourrait ajouter le bilan de la banque, mais au Canada les banques sont très solides, donc nous
allons ignorer cette variable.
L’article indique qu’il semble que les banques préfèrent faire des prêts pour des achats de biens immobiliers,
car ces prêts semblent plus sûrs. Donc les banques européennes semblent considérer le crédit à la
consommation comme plus risqué.
Christensen & al (2009), à partir d’une méthode bayésienne, analyse l’importance d’une augmentation des
prix des maisons sur la consommation dans une économie fictive où la limite des crédits d’un agent se base
seulement sur le prix de sa propriété. Dans cette étude, les auteurs remarquent qu’un choc positif sur la
demande des biens immobiliers amène à une hausse des prix des maisons et donc augmente la valeur du
5
collatéral. Ainsi, les ménages possèdent une plus grande capacité de financement, c’est pourquoi la
consommation agrégée augmente. On remarque cette hausse particulièrement dans les années 1980
pendant le boom immobilier. Les auteurs trouvent que la hausse des prix de l’immobilier a aussi joué un rôle
dans la hausse de la consommation au début des années 2000. Leur étude porte sur la consommation, et
non l’endettement, mais si les revenus augmentent moins vite que la valeur des propriétés, alors quand la
hausse de prix des maisons fait augmenter la consommation, l’endettement risque d’augmenter aussi.
Contrairement à cette étude, notre analyse va porter directement sur le crédit à la consommation.
Dans l’ensemble, le problème est déjà bien ciblé. Un grand nombre d’études abordent une
vision beaucoup plus détaillée de l’endettement. Et d’autres, comme celle-ci, s’intéressent d’avantage à la
tendance à long terme du crédit à la consommation. La section suivante porte sur les données qui sont
utilisées dans ce document.
6
2. Les données
Dans la définition de l’endettement selon Statistique Canada on distingue plusieurs
types d’emprunts:

les prêts hypothécaires : que l’on divise en deux catégories les prêts pour le domicile
principal et pour les autres biens Immobiliers

les marges de crédits

les cartes de crédit et les crédits à tempérament

les prêts étudiants

les prêts automobiles

et autres dettes.
Commençons par clarifier le concept de crédit à la consommation. On entend par crédit à la consommation
tous les prêts qui sont accordés pour l’achat de biens pour l’aménagement du logement, mais aussi l’achat
de biens de locomotion et autres dépenses courantes. Le crédit à la consommation va donc exclure les prêts
hypothécaires. Ces crédits sont effectués principalement par les banques à chartes, mais aussi par les
sociétés de fiducie ou de prêts hypothécaires, les compagnies d’assurances, les caisses populaires et les
sociétés spécialisées.
Les données utilisées dans notre étude proviennent de Statistique Canada (CANSIM). Ce sont des données
trimestrielles désaisonnalisées (s’il y a lieu) en dollars courant pour l’ensemble de la période choisie. Pour
pouvoir observer la relation qui existe entre les variables réelles, il faut les transformer en dollars constants.
Pour transformer les valeurs nominales en variables réelles, nous utilisons l’indice des prix à la
consommation, l’IPC, qui mesure l’évolution du prix d’un même panier de bien à travers le temps. Pour la
plupart des variables, il s’agit uniquement de diviser la valeur nominale par l’indice de prix pour effectuer la
transformation désirée, mais pour le taux d’intérêt, nous appliquons la formule suivante :
, où r
est le taux d’intérêt nominal et π est le taux d’inflation défini comme le changement en pourcentage dans
l’IPC.
La période d’analyse sera de 1990 :1 à 2011 :4, donc une période d’environ 22 années, ou plus de quatrevingt observations. La disponibilité de la série sur le crédit à la consommation détermine le début de la
7
période d’analyse. La taille de notre échantillon est assez grande pour réaliser des estimations statistiques
significatives.
Graphique 1 : Stock de crédit à la consommation en millions de dollars au Canada de 1991 à 2011
Graphique1:Le stock de crédit à la consommation réel en million de dollars au Canada de 1991à 2011
450000
Million de Dollars
400000
350000
300000
250000
200000
150000
19
90
19
90
19
91
19
92
19
93
19
93
19
94
19
95
19
96
19
96
19
97
19
98
19
99
19
99
20
00
20
01
20
02
20
02
20
03
20
04
20
05
20
05
20
06
20
07
20
08
20
08
20
09
20
10
20
11
20
11
100000
Années
Le graphique 1 indique que, depuis les années 1990 jusqu'à nos jours, le stock de crédit à la consommation
a toujours augmenté. Par contre, la hausse la plus abrupte se remarque surtout à partir de la fin des années
quatre-vingt-dix, pour ensuite constater une certaine stagnation à compter de 2010. Il est fort probable que
cette stagnation soit en lien avec la crise financière de 2008 et la perte de confiance des banques et d’autres
agents dans l’économie. Cette supposition se voit supportée par le graphique 5 concernant l’indice de
confiance des entrepreneurs.
Pour ce qui est des autres variables explicatives, la richesse humaine des ménages est approximée par le
revenu disponible, comme dans plusieurs autres études. Par définition le revenu disponible prend en
compte :
8
Graphique 2 : Revenu disponible réel en millions de dollars au Canada de 1991 à 2011
Graphique2: Le Revenu disponible réel en million de dollars au Canada de 1991à 2011
1000000
950000
Million de Dollars
900000
850000
800000
750000
700000
650000
600000
550000
19
90
19
90
19
91
19
92
19
93
19
93
19
94
19
95
19
96
19
96
19
97
19
98
19
99
19
99
20
00
20
01
20
02
20
02
20
03
20
04
20
05
20
05
20
06
20
07
20
08
20
08
20
09
20
10
20
11
20
11
500000
Années
Nous constatons, à l’aide du graphique 2, que le revenu disponible des ménages connaît une tendance à la
hausse pendant toute la période. Malgré que depuis les années 2000 la hausse soit plus prononcée, il y a
aussi une certaine baisse de la tendance depuis 2008. L’évolution de cette variable ressemble beaucoup à
celle observée dans le graphique 1, au niveau des grandes tendances du moins.
Le graphique 3 ci-dessous montre l’endettement des ménages pour fin de consommation par rapport à leur
revenu disponible. Ce graphique nous permet de savoir combien représente le crédit à la consommation en
pourcentage de revenu disponible des ménages canadiens, soit le taux d’endettement pour fin de
consommation. Pour le premier trimestre de 2011,par exemple, cet endettement des ménages canadiens
représentait environ 49% de leur revenu disponible. Donc, en moyenne, la moitié du revenu disponible des
ménages est utilisé pour des fins de crédit à la consommation. A partir de ce graphique, on pourrait conclure
que plus les ménages s’enrichissent, plus ils sont capable de s’endetter pour fin de consommation car ce
9
ratio a plus que doublé dans entre 1990 et 2011. Notre étude vise à décortiquer combien de l’augmentation
de ce ratio peut être attribuable à d’autres facteurs.
Graphique 3 : Taux d’Endettement des Ménages en Crédit à la Consommation par Rapport à leur Revenu
Disponible. (1-1990,3-2010)
% rapport crédit/revenu disponible
60%
50%
40%
30%
20%
10%
1990
1990
1991
1992
1993
1993
1994
1995
1996
1996
1997
1998
1999
1999
2000
2001
2002
2002
2003
2004
2005
2005
2006
2007
2008
2008
2009
2010
2011
2011
0%
Années
Parmi ces autres facteurs se retrouve la richesse immobilière. Pour représenter la richesse immobilière, on
utilise la valeur immobilière telle que mesurée par Statistique Canada à partir des fichiers d’évaluations
foncières produits par les provinces et les municipalités canadiennes. « Ces fichiers contiennent la valeur
évaluée courante de toutes les propriétés dans toutes les provinces du Canada, l’année de l’évaluation, le
type de propriété et d’autres variables connexes, pour les propriétés résidentielles ainsi que non
résidentielles. Par conséquent, il est possible d’utiliser ces fichiers pour calculer une valeur de marché pour
le stock de biens Immobiliers résidentiels au Canada.
La principale difficulté que pose l’élaboration d’estimations du stock de biens immobiliers résidentiels d’après
les fichiers des évaluations foncières consiste à s’assurer que les évaluations se rapportent à un même point
dans le temps. La période où sont faites les évaluations varie d’une province à l’autre. Puisqu’une estimation
à un point particulier dans le temps est requise, la plupart des évaluations doivent être projetées ou
extrapolées en utilisant diverses techniques de modélisation et d’estimation. Ces techniques de modélisation
10
sont sujettes à une variance et, selon la longueur de l’intervalle entre la date de l’évaluation et la date de
référence, le degré d’ajustement des prix et des volumes peut être important. »1 Grâce à cette estimation de
la valeur immobilière, nous allons pouvoir évaluer l’impact de ce type de richesse sur le crédit à la
consommation de l’économie canadienne. Ainsi, nous pourrons déduire une relation potentielle entre la
hausse du prix de l’immobilier et la hausse de l’endettement des ménages. En effet, les agents économiques
se sentant plus riches quand la richesse immobilière augmente, même si leur revenu disponible de change
pas, ils seraient peut-être prêts à s’endetter pour consommer davantage.
Graphique 4 : Valeur immobilisée réelle en millions de dollars au Canada de 1991 à 2011
Graphique4: La valeur immobiliere réel en million de dollars au Canada de 1991 à 2011
1600000
Million de Dollars
1400000
1200000
1000000
800000
19
90
19
90
19
91
19
92
19
93
19
93
19
94
19
95
19
96
19
96
19
97
19
98
19
99
19
99
20
00
20
01
20
02
20
02
20
03
20
04
20
05
20
05
20
06
20
07
20
08
20
08
20
09
20
10
20
11
20
11
600000
Années
Comme l’indique le graphique 4, depuis 1990 la valeur de la richesse immobilière est en hausse, pour autant
on constate une augmentation plus forte depuis 2000 jusqu'en 2008. En 2009-2010 par contre, on constate
une baisse de la valeur de l’immobilier sur le marché canadien qui est dû sans doute à la crise financière de
2008. Cette crise a révélé une surestimation des biens Immobiliers, aux États-Unis en particulier, qui a
quand même eu des effets de débordement au Canada. La reprise à la hausse des prix des propriétés au
Canada semble indiquer que l’effervescence sur le marché immobilier canadien n’est pas terminée.
1
D’après le rapport explicatif de statistique Canada « mesurer le stock de bien Immobiliers
résidentiels »,2013. http://www.statcan.gc.ca/pub/13-605-x/2013002/article/11782-fra.htm
11
Pour vérifier si cette relation n’est pas un signe d’une « bulle spéculative » sur le marché immobilier, il suffit
de calculer la relation qu’il existe entre le prix de vente des maisons existantes et le revenu personnel
disponible par habitant. En réalisant cette étude Marchon (2008) s’est rendu compte qu’il y avait une
augmentation du prix de l’immobilier beaucoup plus forte que la hausse du revenu disponible « Du 1er
trimestre de 2002 au deuxième trimestre de 2008, le revenu personnel disponible par habitant s’est accru de
29,5 % comparativement à 73,3 % pour le prix moyen des maisons existantes ».2 De plus, certaines
politiques mises en place par le gouvernement, pour faciliter l’achat de maisons par les Canadiens, ont sans
doute augmenté cette tendance. Dès le début de la crise de 2008, on a constaté une baisse du prix de
l’immobilier dans la plupart des provinces du Canada. Cette baisse a aussi été accompagnée par une
augmentation de l’offre sur le marché de l’Immobilier due à l’emballement des promoteurs. Par conséquent,
beaucoup d’incertitude pèsent à l’heure actuelle sur le marché de l’immobilier au Canada.
Pour mesurer la richesse financière nous utilisons l’indice boursier de Toronto S&P/IB comme indicateur.
Celui-ci comprend les titres de centaines d’entreprises canadiennes et autres cotées à la bourse de Toronto,
qui a elles seules représentent 95% du marché canadien. Le changement dans la valeur de l’indice est la
principale mesure du rendement réalisé par les entreprises cotées à la bourse de Toronto. Donc, dans le
cadre de notre étude l’indice du S&P/IB va nous permettre de mesurer la richesse financière de nos agents
économiques. On s’attend à un effet revenu positif, si on constate une hausse de la richesse en capital, on
devrait alors constater une hausse de la consommation, qui pourrait amener à une augmentation de
l’endettement des ménages. Les agents économiques se sentant plus riches, même si leur revenu disponible
ne change pas, ils seraient potentiellement prêts à s’endetter pour consommer plus.
Les grandes tendances de cet indice sont présentées dans le graphique 5. La première chose à remarquer à
partir de ce graphique, c’est que la variance de l’indice est élevée. Malgré une tendance généralement à la
hausse sur toute la période, il y a des sous-périodes où les chutes de valeur sont très importantes. Par
exemple, en 1997-98 il y a une baisse importante de la valeur de l’indice, pour après, en 1999, connaître une
hausse fulgurante suivie d’une baisse tout aussi forte jusqu’en 2001. La tendance est ensuite à la hausse
jusqu’en 2008 où une dégringolade est observée suivie d’une reprise. Cette volatilité extrême peut être un
frein à l’utilisation de cette richesse comme d’un levier stimuler l’emprunt destiné à financer plus de
consommation. Notre analyse nous permettra de constater si cette variable a influencé l’endettement pour fin
de consommation des ménages canadien au cours des vingt dernières années.
2
D’après l’article de Marchon (2008), intitulé « La bulle spéculative de l’Immobilier résidentiel au Canada
est-elle sur le point d’éclater?» HEC Montréal
12
Graphique 5 : Indice TSX/S&P réel au Canada de 1991 à 2011
Graphique 5: Inidice TSX/S&P réel au Canada de 1991 à 2011
0,014
Indice TSX/S&P
0,012
0,01
0,008
0,006
0,004
0,002
11
10
20
09
20
08
20
08
20
07
20
06
20
05
20
05
20
04
20
03
20
02
20
02
20
01
20
00
20
99
20
99
19
98
19
97
19
96
19
96
19
95
19
94
19
93
19
93
19
92
19
91
19
90
19
19
19
90
0
Années
Ces différentes variables permettent de capter la richesse des ménages canadiens sous tous ses aspects.
Notre étude vise à comprendre laquelle ou lesquelles ont eu une influence directe sur la décision d’emprunt
des ménages canadiens.
Par ailleurs, nous allons aussi tenter de capturer la notion de perception du risque, grâce à l’indicateur de
confiance des entreprises tirés du Conférence Board. Pour obtenir cet indice l’institut collecte les réponses
d’un échantillon aléatoirement choisi de chefs d’entreprises canadiennes. Cet indice nous permet de savoir
comment les gestionnaires perçoivent l’économie et qu’elles sont leurs intentions d’investissement dans les
mois à venir. Donc, si les entreprises ont confiance dans l’économie, alors ils seront plus aptes à investir.
Dans les données du graphique 6, l’année de référence est 2002 donc quand la valeur est supérieure à
100 cela veut dire que le niveau de confiance est plus fort qu’en 2002. Par exemple, si l’on considère le
quatrième trimestre de 2008, on constate une forte baisse de la confiance des entrepreneurs. L’indice est de
68, un des niveaux les plus bas mesuré pour l’économie canadienne. Dans le cas des banques par exemple,
sous l’hypothèse qu’elles partagent le même indice de confiance que les entrepreneurs, celles-ci seraient
moins intéressées à offrir des prêts à la consommation quand l’indice diminue.
13
Graphique 6 : Indice de confiance des Entrepreneurs au Canada de 1990 à 2011
Graphique 6: Indice de confiance des Entrepreneurs au Canada de 1990 à 2011
1,4
1,2
Indice de confiance
1
0,8
0,6
0,4
0,2
19
90
19
90
19
91
19
92
19
93
19
93
19
94
19
95
19
96
19
96
19
97
19
98
19
99
19
99
20
00
20
01
20
02
20
02
20
03
20
04
20
05
20
05
20
06
20
07
20
08
20
08
20
09
20
10
20
11
20
11
0
Années
Le graphique 6 indique qu’il ne semble pas y avoir de tendance générale à la hausse pour l’indice de
confiance. Par contre, il s’agit d’une variable qui présente une grande volatilité, tout comme l’indice boursier
présenté plus haut. L’indice de confiance est une variable qui peut, à court terme, influencer l’offre de crédit
faite par le système financier. On devrait donc observer moins de crédit à la consommation quand la valeur
de l’indice diminue.
Tout comme l’indice de confiance des entrepreneurs, le taux d’intérêt chargé par les institutions financières
nous permet de modéliser l’offre de crédit. Pour capturer ce coût du crédit, une mesure du taux chargé par
les institutions financières est utilisée. Il s’agit du taux sur le crédit à la consommation. Cette mesure n’est
pas parfaite car certains ménages peuvent emprunter à un autre taux, mais comme tous les taux d’intérêt de
court terme ont tendance à évoluer de façon assez semblable, ce taux peut être considéré comme un coût
représentatif du crédit.
14
Graphique 7 : Taux des crédits à la consommation au Canada de 1991 à 2011
Graphique 7: Taux des crédit à la consommationl au Canada de 1991 à 2011
1,18
taux crédit consommation
1,16
1,14
1,12
1,1
1,08
1,06
1,04
11
11
20
20
09
10
20
20
08
08
20
20
06
07
20
20
05
05
20
20
03
04
20
20
02
02
20
20
00
01
20
20
99
99
19
19
97
98
19
19
96
96
19
19
94
95
19
19
93
93
19
19
91
92
19
19
19
19
90
90
1,02
Années
La hausse du coût d’emprunt devrait se traduire par moins de crédit à la consommation. La relation entre les
deux variables devrait être négative. La baisse observée des taux de d’intérêt [le taux d’intérêt chargé sur les
prêts à la consommation] depuis plusieurs années aurait donc pu contribuer à la hausse de l’endettement
des ménages aux fins de consommation. Cette variable a aussi évidemment un impact sur la demande de
crédit, mais notre interprétation est qu’une hausse de ce taux reflète une volonté de réduire l’offre de la part
des intermédiaires financiers.
Dans le graphique 7 on constate que le taux d’intérêt est assez volatile, mas pas autant que le marché
boursier évidemment. De 1990 à 1997 environ, le taux d’intérêt est en chute libre pour une bonne partie de
la période. Ensuite, on constate une hausse jusqu’au début des années 2000 et une certaine stabilisation par
la suite, pour connaître une légère diminution entre 2008 et 2009 sans doute due aux politiques de relance
de l’économie. Et enfin on observe une certaine stabilité entre 2010 jusqu'à aujourd’hui.
Après avoir analysé les données sur le crédit et nos principaux indicateurs, nous pouvons constater que
certaines variables présentent une très forte tendance à la hausse à long terme tandis que d’autres semblent
osciller autour d’une moyenne plus ou moins stable. Notre traitement des données lors de l’analyse empirique
15
tient compte de ces différences. Avant cette discussion, passons à la présentation du modèle qui sous-tend
notre analyse.
16
3-Le modèle
L’analyse suivante se base sur la théorie du revenu permanent, concept introduit par l’économiste
Milton Friedman en 1957. Ici, l’agent réalise des anticipations sur son revenu de long terme qui lui permet de
lisser sa consommation dans le temps et d’établir son niveau de consommation à chaque période à la valeur
de ce revenu permanent :
où ct est la consommation de biens et services et
est le revenu permanent. Mais à chaque période,
l’équation suivante doit aussi être satisfaite :
où st est l’épargne personnelle et
est le revenu disponible. L’épargne personnelle peut être positive ou
négative (demande de crédit). Pour sa part, le revenu disponible peut être décomposé en partie permanente,
ytp, et en partie transitoire, ytT. Ce modèle implique donc que l’épargne/la désépargne découle directement
des fluctuations transitoires du revenu.
Le revenu permanent est lui-même défini comme un flux durable généré à partir de la richesse totale de
l’individu. Cette richesse totale, nous la définissons pour les fins de notre analyse comme la somme de la
richesse financière, la richesse immobilière et la richesse humaine. Aux fins de notre étude, la valeur de
l’indice du TSX, la valeur de l’immobilier et le revenu disponible vont être utilisés pour approximer ces trois
variables.
Donc selon les équations (1) et (2), si la richesse financière ou immobilière augmente, la consommation va
aussi augmenter. Pour un revenu disponible donné, ceci implique une baisse de l’épargne ou une hausse de
l’endettement (le miroir de l’épargne). Quand le prix des maisons augmente, on devrait donc observer une
hausse de l’emprunt pour fin de consommation. Le lien entre l’indice boursier et le crédit à la consommation
devrait aussi être positif pour les mêmes raisons.
17
Selon l’équation (2), une hausse du revenu disponible devrait se répartir entre la consommation et
l’épargne, la partie permanente du changement irait en hausse de consommation, et la partie transitoire se
transformerait en épargne. L’inverse s’applique pour les baisses de revenu. Cependant, les études
microéconomiques ont montré que les ménages avec des revenus plus élevés ont aussi des taux
d’endettement plus élevés. Au niveau agrégé, l’impact d’une hausse/baisse du revenu disponible sur la
consommation ou l’épargne/l’endettement reste donc à déterminer (par les données). L’offre de crédit peut
jouer un rôle aussi. Par exemple, une amélioration des conditions incitant les institutions financières à faire
des prêts amènerait à une augmentation de l’emprunt pour un revenu disponible donné.
La théorie du revenu permanent prédit que les fluctuations du taux d’intérêt peuvent aussi influencer les
décisions de consommation et d’épargne/désépargne à court terme via l’effet de substitution intertemporelle. En effet selon ce modèle, l’agent maximise son plan de consommation selon sa contrainte
budgétaire inter-temporelle. Le problème d’optimisation d’un consommateur représentatif se présente donc
comme suit:
Max
𝑡+𝑖
𝐸𝑡 ∑∞
𝑈(𝐶𝑡+𝑖 )
𝑖=0 𝛽
;
0 < 𝛽 < 1
sujet à,
𝑛
𝑄𝑖,𝑡
𝐴𝑡
𝐶𝑡 + ∑ 𝛼𝑖.𝑡
+
𝑝𝑡
𝑝𝑡
𝑛
≤
𝑌𝑡𝑑
+ ∑ 𝛼𝑖,𝑡−1
𝑖=1
𝑖,𝑡−1
(𝐷𝑖,𝑡 + 𝑄𝑖,𝑡 )
𝐴𝑡−1 𝑅𝑡
+
𝑝𝑡
𝑝𝑡
(3)
où Ct est la consommation, U(..) est la fonction d’utilité, β est un facteur d’escompte des utilités futures, At est
un stock d’actifs sûrs, Qi,t est le prix d’un actif risqué i (action boursière), Di,t est le dividende associé à ce titre
risqué et pt est le prix des biens et services.
Les conditions du premier ordre qui découlent de ce problème d’optimisation sont, à la période t (avec U’ =
∂U/∂C =0) :
Et { (U’t+1/U’t) ri,t+1 } = 1
pour i = 1,...,n actifs risqués
Et { (U’t+1/U’t) rt+1 } = 1
pour l’actif sûr
(4a)
(4b)
18
où rt+1 = Rt+1(pt / pt+1) et ri,t+1 = (Di,t+1+Qi,t+1)/Qi,t (pt / pt+1) correspondent aux rendements réels de l’actif sûr et
des n actifs risqués entre les périodes t et t+1 respectivement. On peut voir qu’effectivement, ces conditions
impliquent que, pour une fonction concave (U’’= 0), une hausse du taux d’intérêt, rt+1, peut entraîner une
volonté de reporter la consommation à une période ultérieure (pour faire diminuer U’t+1 et augmenter U’t). La
même chose s’applique pour les rendements risqués. Par ailleurs, à ces effets de substitution s’ajoutent les
effets revenus. En particulier, plus la valeur des titres risqués est élevée, plus l’agent se sent riche et plus il va
consommer. Pour un revenu disponible donné, ceci implique une baisse de l’épargne et/ou une hausse de
l’emprunt. De plus, si le taux d’intérêt associé au crédit diminue, la consommation devrait donc augmenter et
la demande de crédit (son miroir) diminuer.
Ce modèle basé sur la théorie du revenu permanent est celui qui sous-tend notre analyse empirique et qui
détermine donc la demande de crédit des ménages. Tel que mentionné précédemment, du côté de l’offre de
crédit à la consommation, en plus de signal envoyé par le taux d’intérêt chargé sur le crédit offert, celle-ci
dépend aussi de la confiance des banques. Ce niveau de confiance peut refléter l’anticipation des
institutions financières des faillites personnelles à venir ou du défaut de paiement. Une baisse du niveau de
confiance devrait donc avoir un impact négatif sur l’offre de crédit.
19
4-La méthodologie
Le modèle présenté dans la section précédente indique que les emprunts visant à satisfaire leurs
besoins de consommation des ménages, sont donc fonction des fluctuations dans les variables qui
déterminent ce même niveau de consommation. A long terme, le niveau d’endettement pour fin de
consommation sera donc déterminé par l’évolution de la richesse totale. Cette richesse totale est
décomposée, dans notre analyse, en richesse humaine, financière et immobilière.
À long terme, nous estimons donc un modèle de cointégration. Le concept de cointégration décrit les
conditions d’équilibre de long terme vers lesquelles les variables tendent à retourner. Si Xt et Yt sont
cointégrées et que le terme d’erreur est stationnaire avec une moyenne égale à zéro, alors l’estimation pour
de grands échantillons par la méthode des MCO donne une estimation convergente des β, lesquels
décrivent la relation de long terme entre Xt et Yt.
La relation de long terme de notre modèle s’écrit donc de la façon suivante :
𝑙𝑛𝐶𝑟𝑡 = 𝛽0 + 𝛽1 𝑙𝑛𝑅𝐷𝑡 + 𝛽2 𝑙𝑛𝑃𝑀𝑡 + 𝛽3 𝑙𝑛𝐼𝐵𝑡 + 𝜀𝑡
(5)
Où lnCrt = logarithme du crédit à la consommation
lnRDt = logarithme du revenu disponible
lnPMt = logarithme du prix de l’Immobilier
lnIBt = logarithme de l’indice boursier de Toronto
Plusieurs études ont trouvé que toutes ces variables semblent non-stationnaires. Afin de confirmer cette
supposition un test de Dickey-Fuller s’impose afin de vérifier si tel est le cas pour les variables canadiennes
entre 1992 :03 et 2014 :06. Si l’ordre d’intégration est le même, il est possible que le résidu de l’équation,
soit stationnaire. Le modèle est alors cointégré. Nous allons donc vérifier si tel est le cas. Les β’s estimées
représentent alors des élasticités de long terme et on s’attend à des valeurs positives selon le modèle
proposé.
20
Nous allons aussi estimer la relation de court terme en utilisant un modèle avec correction d’erreur. Ceci
nous permettra d’évaluer la vitesse de convergence vers l’état stationnaire suite à une déviation de court
terme. Des variables endogènes retardées peuvent aussi être prises en compte afin de supprimer
l’autocorrélation s’il y a lieu. L’équation de court terme incorpore aussi des variables qui peuvent avoir un
effet à court terme, comme les fluctuations du taux d’intérêt ou du niveau de confiance des prêteurs.
La relation de court terme de notre modèle s’écrit de la façon suivante (Eq. (6) :
∆𝑙𝑛 𝐶𝑟𝑡 = 𝛾1 ∆𝑙𝑛𝑅𝐷𝑡 + 𝛾2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝛾3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝛾4 𝑟𝑡 + 𝛾5 𝐼𝐶𝑡 + 𝛾6 𝜀𝑡−1 + ∑ 𝛾7𝑖 ∆𝑙𝑛𝐶𝑟𝑡−1 + 𝜂𝑡
où, rt = taux d’intérêt sur le crédit à la consommation et ICt = indicateur de perception de la confiance des
institutions financières.
Les
’s estimées de (
à
) représentent les élasticités de court terme de ce modèle. Le paramètre
représente la vitesse d’ajustement du retour vers l’équation de long terme suite à une déviation temporaire.
Les variables rt et ICt ont un impact à court terme seulement et sont présumées stationnaires, de mêmes que
les changements dans les autres variables. Ces hypothèses sont vérifiées à l’aide du test de Dickey-Fuller.
Les valeurs attendues pour
,
et
sont positives, celle pour
coefficient estimé positif. La valeur prédite de
long terme. Finalement les
est négative et
devrait avoir un
est négative pour qu’il y ait un retour vers l’équilibre de
’s peuvent être égaux ou différents de zéro selon s’il y a autocorrélation ou
non. Nos estimations devraient nous permettre de vérifier si ce modèle décrit bien les données canadiennes.
Après cette brève présentation du modèle empirique, voyons la notion de stationnarité quand il s’agit de
série temporelle. Si les variables sont stationnaires, elles doivent satisfaire les conditions suivantes :
La condition (7) stipule que l’espérance doit être constante au cours du temps, il n’y a donc pas de
tendance. La (8) quant à elle stipule que la variance est constant dans le temps et quelle ne tend pas vers
l’infini. Pour ce qui est de la (9) l’autocorrélation entre les variables
21
.dépend seulement de l’ampleur
d’un décalage de k. Si l’une de ces conditions n’est pas respectée, alors nous sommes face à une série qui
est non -stationnaire.
Un élément important pour s’assurer de bien tester notre modèle est le nombre de variables retardées à
inclure dans l’équation de court terme. Pour se faire nous utilisons le « Hanna and Quinn information
criterion » (HQIC). Ce critère nous permet d’éviter la surestimation ou la sous-estimation de notre modèle.
Ce critère repose sur
Ce critère nous permet de connaître la capacité d’ajustement de notre modèle estimé par rapport à la réalité.
Afin de vérifier si les variables dans notre analyse sont stationnaires ou non, le Test de Dickey –Fuller
augmenté est utilisé. Celui-ci consiste à prendre la variation du logarithme du crédit à la consommation en
ajoutant un terme qui prend en compte la variation dans le temps
:
𝑙𝑛𝐶𝑟𝑡 = 𝛼0 + 𝛼1 𝑙𝑛𝐶𝑟𝑡−1 + 𝛼1 𝑙𝑛𝐶𝑟𝑡−2 + 𝛼3 𝑙𝑛𝐶𝑟𝑡−3 + ⋯ + 𝛼𝑝−2 𝑙𝑛𝐶𝑟𝑡−𝑝+2
+ (𝛼𝜌−1 + 𝛼𝑝 )𝑙𝑛𝐶𝑟𝑡−𝑝+1 − 𝛼𝑝 ∆𝑙𝑛𝐶𝑟𝑡−𝑝+1 + 𝜀𝑡
puis une période de plus et la même étape sera réalisée mais pour un horizon plus long
:
𝑙𝑛𝐶𝑟𝑡 = 𝛼0 + 𝛼1 𝑙𝑛𝐶𝑟𝑡−1 + 𝛼2 𝑙𝑛𝐶𝑟𝑡−2 + 𝛼3 𝑙𝑛𝐶𝑟𝑡−3 + ⋯ − (𝛼𝑝−1 + 𝛼𝑝 ) ln 𝐶𝑟𝑡−𝑝+2
− 𝛼𝑝 ∆𝑙𝑛𝐶𝑟𝑡−𝑝+1 + 𝜀𝑡
Ainsi de suite jusqu'à obtenir
22
,
Le paramètre qui retient notre attention est α.
(
Dans le cadre d’un test de Dickey-Fuller, les équations pour chacune des variables seront définies de la
même façon. L’illustration qui suit retient le variable de crédit comme exemple. L’objectif est donc d’estimer
ces trois équations:
(10)
(11)
(12)
La stratégie retenue est la suivante. La forme la plus générale du test avec une tendance et une constante est
initialement estimée. Cependant celles-ci ne sont conservées que lorsqu’elles seront statistiquement
significatives. Le nombre de retard sera déterminé en fonction du critère mentionné plus haut. Les résultats
des différents tests et estimations sont présentés dans la section suivante.
23
5-Résultats et interprétation
Mentionnons qu’afin de ne pas alourdir le texte inutilement, plusieurs résultats détaillés sont présentés en
Annexe 1. La première tâche à effectuer est de vérifier si les différentes variables retenues dans notre
analyses sont stationnaires ou non. La relation de long terme peut ensuite être testée et la cointégration des
variables d’intérêt ensuite vérifiée.
5.1 Test de stationnarité
Le tableau suivant résume les principaux résultats des tests de Hanna and Quinn et de Dickey–Fuller.
Tableau 1 : Tests de stationnarité (1990 :1-2012 :2)
Variable
Valeurs
Valeurs
retard
lnICt
tendance
test
critiques
-0.770
-2.904
4
non
-3.416
-3.466
3
oui
-1.839
-3.466
3
oui
-1.490
-2.902
2
non
-4.088
-2.901
3
non
-3.163
-2.901
1
non
Rappelons nos hypothèses :
(
Pour rejeter H0 notre valeur estimée doit être supérieure à la valeur de notre seuil à 0,05%. Notre série est
donc stationnaire pour le taux d’intérêt et l’indice de confiance des entrepreneurs. Par contre le crédit à la
consommation, la valeur Immobilière, le revenu disponible ainsi que le taux d’intérêt sur les crédits à la
24
consommation ne sont pas stationnaires. Ces résultats de tests correspondent à nos attentes étant donné
les graphiques présentés à la section 2.
5.2 Estimations des équations de long et court termes
Même si toutes les variables approximant les différentes composantes de la richesse sont non stationnaires,
de même que le crédit à la consommation, il est possible d’estimer des élasticités de long terme à partir de
cette relation en autant que ces variables soient cointégrées :
𝑙𝑛𝐶𝑅𝑡 = 𝛽0 + 𝛽1 𝑙𝑛𝑅𝐷𝑡 + 𝛽2 𝑙𝑛𝑃𝑀𝑡 + 𝛽3 𝑙𝑛𝐼𝐵𝑡 + 𝜀𝑡
(5)
Suite à l’estimation de cette équation, nous réalisons une vérification sur les résidus, ε t, pour tester leur
stationnarité. Si ceux-ci s’avèrent stationnaires, une évaluation par les moindres carrés ordinaires s’avère
appropriée. En outre, l’estimateur des moindres carrées généralisés possède des propriétés asymptotiques
très intéressantes, il converge plus rapidement vers sa limite de probabilité que les autres estimateurs.
Le résultat de notre test de Dickey–Fuller sur les résidus est le suivant :
Valeur-p
Valeur critique
Retard
-2.901
1
-3.237
On peut donc conclure que nos résidus sont effectivement stationnaires. Le tableau 2 présente le résultat de
l’estimation de l’équation de long terme (5).
Tableau 2 : Équation de long terme (1990:1-2012 :2)
Paramètres
Valeur
Écart-type
2.082508*
.1912774
.2647222*
.1110131
.1163482
.0221489
-38.8875*
2.305056
R2= 0.9927; F(3,84)=3821.85 ; RootMSE= .03603
Selon les résultats rapportés au Tableau 2, si le revenu disponible augmente de 1%, le crédit à la
consommation va augmenter d’environ 2%. Cette élasticité reflète le fait que le taux d’endettement a doublé
25
depuis vingt ans au Canada. Chaque hausse de 1$ dans le niveau de revenu disponible a généré un
emprunt supplémentaire beaucoup plus élevé que cette valeur. Le revenu disponible explique environ 70%
de la hausse du crédit à la consommation. C’est donc l’indicateur qui a la plus grande influence sur
l’endettement des ménages.
Ce tableau indique que l’augmentation de la valeur de l’indice S&P/IB a aussi contribué à augmenter le crédit
à la consommation. L’élasticité de long terme indique qu’une hausse de 1% dans la valeur de l’indice génère
en moyenne une hausse de 0,12% dans le crédit à la consommation. Une augmentation de la valeur
immobilière affecte, pour sa part, le crédit à la consommation, par un facteur de 0,26. Étant donné les
hausses substantielles présentées aux graphiques 4 et 5 dans le niveau de ces deux types de richesse, ces
effets sur l’endettement ne sont pas négligeables. Cependant, la richesse immobilière semble avoir joué un
rôle plus important durant cette période que la richesse financière.
Étant donné l’importance du revenu disponible à long terme, l’avènement d’une bulle spéculative sur le
marché de l’immobilier ou le marché financier ne devrait pas grandement affecter l’endettement des
ménages à long terme. En effet, une hausse du collatéral du prêt sans hausse de revenu disponible
causerait une augmentation modérée de l’endettement des ménage (élasticités de long terme de 0,26 et
0,12).
Pour ce qui est du court terme, la relation estimée est la suivante (Eq.(6):
Tableau 3: Équation (6) de court terme (1990 :1-2012 :2)
Paramètres
𝛾7𝑖
Élasticité
Écart-type
.0348782
.0658625
.1202759
.1132285
.0142231
.011403
-.0936609*
.0661715
.0275923
.0073342
-.0084642
.0327903
.0289847*
.0243834
.0927807
.0765943
R2=0.4037 ; F(7,79)=7.64 ; RootMSE=.00745
26
Les élasticités de court terme nous indique que s’il y a une hausse du prix de l’immobilier ou de toute autre
variable, le retour à l’équilibre de long terme va être lent car le coefficient estimé sur ε t-1 est très faible. A
court terme, une hausse de 1% du prix des possessions foncières entraîne une augmentation de 0,12 de la
demande de crédit à la consommation. La hausse du revenu courant a un impact limité à 0,04, tandis que le
marché financier a un impact estimé de 0,014. Ces effets estimés sont relativement faibles. Ceci peut
s’expliquer en partie par le fait que les baisses observées dans le taux d’intérêt ont contribué
significativement à l’endettement des ménages pour fin de consommation (paramètre estimé de -0,09)
durant cette période. Ce facteur a semblé avoir joué un rôle très important dans les décisions d’emprunt.
Finalement, l’indice de confiance (IC) joue aussi un rôle à court terme, diminuant l’offre de crédit quand il
baisse et l’augmentant quand la confiance revient.
Étant donné que la période considérée est relativement longue, nous avons divisé notre échantillon en deux
et réalisé une estimation de notre équation de court terme pour ces deux sous-périodes. Ces estimations
nous permettent d’évaluer si les contributions de chacun des facteurs à l’étude ont changées dans le temps.
Le premier sous-échantillon contient les valeurs de 1990 au premier trimestre de 2001. (45 observation)
tandis que notre deuxième sous-échantillon contient du deuxième trimestre de 2001 à 2012. Les coefficients
estimés le sont à partir de la même équation de court spécifiée auparavant (Eq. 6):
∆𝑙𝑛 𝐶𝑟𝑡 = 𝛾1.1 ∆𝑙𝑛𝑅𝐷𝑡 + 𝛾1.2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝛾1.3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝛾1.4 𝑟𝑡 + 𝛾1.5 𝐼𝐶𝑡 + 𝛾1.6 𝜀𝑡−1
+ ∑ 𝛾1.7𝑖 ∆𝑙𝑛𝐶𝑟𝑡−1 + 𝜂𝑡
Le tableau 4 rapporte les coefficients estimés pour la première sous-période et le Tableau 5 rapporte ceux
associés à la seconde sous-période.
Tableau 4 : Équation de court terme (1990 :1-2001 :1)
Paramètres
Élasticités
Erreurs
Standards
𝛾1.1
-.0238149*
.0771583
𝛾1.2
.0657133*
.1701763
𝛾1.3
.0172631
.0135108
𝛾1.4
.0923081
.0819477
27
𝛾1.5
.0559586
.0086216
𝛾1.6
-.0214577*
.02955
𝛾1.7𝑖
R2=
-.0156707*
.0285245
0.7248 ; F(7,35)=13.17 ; RootMSE=0.0059
Globalement, l’impact du revenu à court terme reste faible et non significatif pour les deux sous-périodes. Le
coefficient associé à la valeur de la richesse immobilière a doublé en valeur entre les deux sous-périodes,
mais reste peu significatif statistiquement. Le rôle de la richesse financière a significativement augmenté
pour expliquer l’endettement au cours de la dernière décennie. Ce marché a par ailleurs connu une hausse
fulgurante durant cette période, jusqu’en 2008. Le taux d’intérêt n’est significatif que pour la seconde
période, lorsqu’il est devenu très bas. Il a alors contribué significativement à la hausse du crédit à la
consommation selon nos estimations. Finalement, l’indice de confiance des entrepreneurs semble avoir
guidé davantage l’offre de crédit des institutions financières dans les années quatre-vingt-dix que dans la
décennie suivante. On peut supposer que celles-ci seraient peut-être devenues moins prudentes.
Tableau 5 : Équation de court terme (2001 :2-2012 :2)
Paramètre
Élasticité
Erreur
Standards
𝛾2.1
.0500615*
.0633117
𝛾2.2
.1559632
.1034833
𝛾2.3
.1559632
.0094107
𝛾2.4
-.215253*
.1255965
𝛾2.5
-.002380*
.0071433
𝛾2.6
-.109561*
.0334621
𝛾2.7𝑖
.714795
.0933425
R2=0.7678 ; F(7,35)=16.53 ; RootMSE=0.00438
5.3 Estimation des équations de long terme en fonction du ratio crédit sur Revenu
disponible.
Le but de cette estimation c’est de savoir comment évolue le taux d’endettement par rapport au revenu
disponible à long et à court termes. L’analyse présentée précédemment a permis de constater que lorsque le
28
revenu, la richesse immobilière et la richesse financière augmentent, le crédit pour fin de consommation
augmente aussi à long terme. A court terme la confiance et les fluctuations du taux d’intérêt jouent aussi un
rôle sur l’endettement global. Dans ce qui suit, nous vérifions comment le taux d’endettement réagit à ces
mêmes variables. Car dans le cas du long terme, elle nous permet d’expliquer 70% de l’augmentation de
l’endettement. En calculant ce ratio et en estimant la relation qu’il existe entre la part d’endettement des
ménages et les autres variables nous somme capable de voir l’impact d’une hausse de celle-ci sur la part
d’endettement des ménages. Et donc d’isoler l’effet des autres variables par rapport au ratio.
Le graphique (4) a montré que le rapport crédit sur le revenu disponible a sensiblement augmenté dans le
temps. Nous utilisons donc ce ratio comme variable dépendante dans la deuxième partie de notre analyse.
Pour le long terme, on a
𝑙𝑛(𝐶𝑅𝑡 /𝑅𝐷𝑡 ) = 𝜑1 + 𝜑2 𝑙𝑛𝑃𝑀𝑡 + 𝜑3 𝑙𝑛𝐼𝐵𝑡 + 𝜑4 𝑙𝑛 𝑅𝐷𝑡 + 𝜀𝑡
(13)
et pour la relation de court terme, on a
∆ ln(𝐶𝑅𝑡 /𝑅𝐷𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4 ∆ ln 𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 + 𝜏7 𝜀𝑡−1 +
∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(14)
Le résultat du test de Dickey-Fuller sur cette variable est :
Tableau 6 : Test de Dickey-Fuller pour le taux d’endettement
Variable
Valeur test
Valeur critique
Retard
Tendance
𝑙𝑛(𝐶𝑅𝑡 /𝑅𝐷𝑡 )
1
Oui
-2.922
-3.463
Selon le Tableau 6, le taux d’endettement n’est pas stationnaire. Ceci peut sembler logique quand on sait
qu’il est le résultat du ratio de variables qui ne le sont pas non plus. La régression de long terme peut donc
être effectuée par les moindres carrées ordinaires car les résidus sont stationnaires tel que rapporté ciaprès.
Test de Dickey-Fuller sur les résidus est le suivant :
Variable
𝜀𝑡
Valeur Test
Valeur critique
Retard
Tendance
-3.722
-2.901
1
Non
29
Le tableau 7 rapporte la réaction de long terme du taux d’endettement des ménages pour fin de crédit à la
consommation aux changements dans le prix des maisons, dans la valeur de l’indice boursier et dans le
revenu disponible.
Tableau 7 : Équation de long terme pour le taux d’endettement (1990:1-2012:1)
𝑙𝑛(𝐶𝑅𝑡 /𝑅𝐷𝑡 ) = 𝜑1 + 𝜑2 𝑙𝑛𝑃𝑀𝑡 + 𝜑3 𝑙𝑛𝐼𝐵𝑡 + 𝜑4 𝑙𝑛 𝑅𝐷𝑡 + 𝜀𝑡
Paramètres
Élasticité
Erreurs Standards
𝜑1
-56.66905
3.112678
𝜑2
.3989867*
.1499088
𝜑3
.1495751*
.0299092
𝜑4
1.58884*
.2582953
R2=0,98 ; F(3,84)=1798 ; RootMSE=0.049
On constate qu’une augmentation de 1% du revenu amène à une augmentation de 1,5 du taux
d’endettement des ménages. Cette régression confirme que c’est le revenu qui a le plus grand impact sur le
taux d’endettement des ménages canadiens à long terme. Comme nous l’avons constaté dans la revue de
littérature, une hausse de la valeur des biens immobiliers peut entraîner un regain de croissance dans
l’endettement des ménages, ce résultat se voit confirmer avec la régression rapportée au Tableau 7. En
effet, une hausse du prix de l’immobilier de 1% a pour conséquence une augmentation du ratio de
l’endettement de 0.39. Quant au coefficient associé à l’indice boursier, il prend une valeur de 0,15. Donc,
l’augmentation de la richesse financière affecte aussi la décision d’endettement des ménages mais en
moindre mesure. Ces résultats confirment dans l’ensemble, pour le taux d’endettement, ce que nous avions
déjà observé pour l’endettement global.
Les résultats pour l’équation de court terme sont les suivants :
Tableau 8 : Équation de court terme pour le taux d’endettement (1990:1-2012:1)
∆ ln(𝐶𝑅𝑡 /𝑅𝐷𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4 ∆ ln 𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 + 𝜏7 𝜀𝑡−1
+ ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
30
Variables
Élasticité
Erreurs Standards
𝜏1
.060026
.0805802
𝜏2
.093441
.114748
𝜏3
.0104299
.0113723
𝜏4
-.9808747*
.0663865
𝜏5
-.0649597
.0698902
𝜏6
.0289941*
.0072393
𝜏7
.0192358
.0200727
𝜏8
.0424168
.0357701
R2=0,79; F(7,79)=42,2; RootMSE=0,0074
Pour ce qui est du court terme, le coefficient associé à la vitesse de retour à l’équilibre (ε t-1) est non significatif,
mais il est possible de conclure qu’un éventuel retour vers l’équilibre de long terme serait lent. Pour ce qui est
des autres variables, on trouve des résultats similaires au modèle de court terme pour l’endettement global
sauf dans le cas du revenu disponible. En effet, le Tableau 8 indique qu’une augmentation de celui-ci
causerait une diminution du taux d’endettement à court terme. Donc, une hausse de revenu fait augmenter
l’endettement, mais moins que proportionnellement à court terme (mais pas à long terme selon le Tableau 7).
Il est possible que certaines interactions se produisent entre les variables à court terme que l’analyse n’a pas
permis d’identifier.
5.4 Effets d’asymétrie sur l’endettement
Dans la dernière partie de notre analyse empirique, nous vérifions si certains effets d’asymétrie sont
observables au niveau de l’endettement des ménages à court terme. Étant donné la similitude des résultats
précédents, cette analyse est effectuée uniquement pour l’endettement total (lnCRt). Nous voulons donc
vérifier si l’impact sur l’endettement pour fin de consommation d’une hausse du revenu, du prix des maisons
ou de l’indice boursier est identique, plus important ou moins important que celui d’une baisse dans ces
valeurs. L’impact d’une baisse de la valeur de la richesse financière ou immobilière pourrait être plus faible
que celui d’une hausse si l’endettement est incompressible ou si des effets d’habitude de consommation
existent par exemple.
Pour tester empiriquement la présence d’asymétrie, les variables suivantes sont créées pour le revenu
disponible par exemple:
31
ΔlnRDt+ = ΔlnRDt si le changement est positif
= 0 si le changement est négatif
Et,
ΔlnRDt‒= ΔlnRDt si le changement est négatif
= 0 si le changement est positif
Des variables semblables sont créées pour le prix de l’immobilier et pour la valeur de l’indice boursier. Les
équations de court terme estimées prendront alternativement les formes suivantes :
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4𝑎 ∆𝑙𝑛𝑅𝐷𝑡+ + 𝜏4𝑏 ∆𝑙𝑛𝑅𝐷𝑡− + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(15a)
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3𝑎 ∆𝑙𝑛𝐼𝐵𝑡+ + 𝜏3𝑏 ∆𝑙𝑛𝐼𝐵𝑡− + 𝜏4 ∆𝑙𝑛𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(15b)
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2𝑎 ∆𝑙𝑛𝑃𝑀𝑡+ + 𝜏2𝑏 ∆𝑙𝑛𝑃𝑀𝑡− + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4 ∆𝑙𝑛𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(15c)
L’hypothèse nulle de symétrie implique l’égalité des coefficients associés aux changements négatifs et aux
changements positifs. Dans le cas de du revenu disponible par exemple, le test est le suivant :
H0 : 𝜏4𝑎 = 𝜏4𝑏 → symétrie
H1 : 𝜏4𝑎 ≠ 𝜏4𝑏 → asymétrie
Le même test peut s’appliquer aux deux autres variables de richesse.
En effectuant les régressions on constate, au Tableau 9, qu’une hausse du revenu disponible affecte plus
fortement la décision des ménages canadiens de s’endetter. Dans la régression de court terme sans
distinction des hausses et baisses, on trouvait un résultat de 0,034. Après distinction des valeurs pour une
hausse du revenu disponible, la valeur sur le crédit à la consommation est de 0,203 soit un coefficient
presque six fois plus élevé. De plus, le coefficient estimé est plus significatif que dans le cas sans asymétrie.
Par contre, le coefficient estimé pour les baisses de revenu est négatif et non significatif. Une valeur
négative pour τ4b implique qu’une baisse du revenu disponible conduirait à une hausse de l’endettement
32
absolu. Ceci semble peu probable et explique sans doute pourquoi le coefficient estimé est non significatif.
On peut donc conclure de cette régression que les baisses de revenus n’affectent pas significativement
l’endettement. Le résultat du test d’asymétrie a une valeur de test de 2,49 avec un niveau de significativité de
0,1188. Ce test indique que l’hypothèse nulle (la symétrie) n’est pas rejetée à un niveau de confiance de 5%.
Tous les autres coefficients de la régression sont très semblables à ceux rapportés au Tableau 3.
Tableau 9 : Les résultats avec asymétrie pour le revenu (1990 :1- 2012 :1)
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4𝑎 ∆𝑙𝑛𝑅𝐷𝑡+ + 𝜏4𝑏 ∆𝑙𝑛𝑅𝐷𝑡− + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1 (15a)
Variables
Coefficient d’asymétrie
Erreurs standards
𝜏1
.0985937
.0759727
𝜏2
.1670779
.1160024
𝜏3
.0143361
.0112971
𝜏4𝑎
.2025315
.1247353
𝜏4𝑏
-.1059483
.1105669
𝜏5
-.0967018
.0655851
𝜏6
.0264743
.0073008
𝜏7
-.0132344
.0243447
𝜏8
.0985937
.0759727
R2=0,42; F(8,78)=7,12; RootMSE=0,0074
Le Tableau 10 présente les résultats de l’estimation de court terme avec asymétrie pour la richesse
financière des ménages.
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2 ∆𝑙𝑛𝑃𝑀𝑡 + 𝜏3𝑎 ∆𝑙𝑛𝐼𝐵𝑡+ + 𝜏3𝑏 ∆𝑙𝑛𝐼𝐵𝑡− + 𝜏4 ∆𝑙𝑛𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(15b)
Pour ce qui est de la richesse financière, la différence est dans le même sens que pour le Revenu. En effet,
une hausse de la valeur de l’indice IB de Toronto va occasionner une hausse dans la demande de crédit à
la consommation qui est estimée à 0,051 soit une valeur presque quatre fois plus élevée que celle estimée
dans l’équation sans asymétrie (voir Tableau 3). Le coefficient estimé est aussi plus significatif que dans le
cas symétrique. Par ailleurs, le coefficient estimé pour les changements négatifs dans l’indice de richesse
financière est presque nul et n’est pas significatif. Ces résultats indiquent que les hausses dans la richesse
financière viendraient donc alimenter l’endettement pour fin de consommation des ménages, mais les
33
baisses ne se traduiraient pas par des changements en sens inverse. Le résultat du test d’asymétrie a une
valeur de test de 2,78 avec un niveau de significativité de 0,0997. Ce test indique que l’hypothèse nulle n’est
pas rejetée à un niveau de confiance de 5%, mais est rejetée à 10%. Comme pour le cas précédent, les
autres coefficients estimés sont semblables à ceux du Tableau 3.
Tableau 10 : Les résultats avec asymétrie pour la richesse financière (1990 :1- 2012 :1)
Variables
Valeur du Test
Erreur Standards
𝜏1
.0726833
.0766985
𝜏2
.1669149
.1153941
𝜏3𝑎
.0511943*
.0248921
𝜏3𝑏
-.0076214
.0172946
𝜏4
-.0038756
.0691562
𝜏5
-.0779156
.0661161
𝜏6
.0286546*
.0072809
𝜏7
-.0062636
.0241503
𝜏8
.0212977
.0328281
R2=0,42; F(8,78)=7,18; RootMSE=0,0074
Le Tableau 11 présente les résultats avec asymétrie pour le prix de l’immobilier
∆ ln(𝐶𝑅𝑡 ) = 𝜏1 + 𝜏2𝑎 ∆𝑙𝑛𝑃𝑀𝑡+ + 𝜏2𝑏 ∆𝑙𝑛𝑃𝑀𝑡− + 𝜏3 ∆𝑙𝑛𝐼𝐵𝑡 + 𝜏4 ∆𝑙𝑛𝑅𝐷𝑡 + 𝜏5 𝑟𝑡 + 𝜏6 𝐼𝐶𝑡 +
𝜏7 𝜀𝑡−1 + ∑ 𝜏8 ∆𝑙𝑛𝐶𝑅𝑡−1 + 𝜃𝑡−1
(15c)
Pour la richesse Immobilière l’asymétrie est inversée une baisse de celle-ci affecte plus la demande de crédit
que sa hausse. La hausse affecte tout de même significativement la demande, et son impact est estimé au
double de ce qui est rapporté au Tableau 3. Par contre l’équation indique que les baisse dans le prix des
maisons influence positivement l’endettement pour fin de consommation à court terme. Il est possible que ce
résultat s’explique par le fait que bien que la richesse immobilière diminue quand le prix des maisons
diminue, ce qui devrait faire baisse la consommation et l’endettement pour fin de consommation (donc on
devrait avoir un coefficient positif), les paiements à faire à chaque mois diminuent aussi pour les
hypothèques sur les maisons quand le prix de celles-ci diminue. Avec des paiements moins importants à
faire pour les propriétés, il semble que les consommateurs en profitent à court terme pour s’endetter
davantage pour fin de consommation. Statistiquement, ce résultat de la baisse du prix des maisons serait
plus important que celui d’une hausse sur l’endettement des ménages. Idéalement pour mieux identifier les
différents effets de la variation du prix des maisons pour les individus, il aurait fallu pouvoir enlever la valeur
des hypothèques de la valeur des propriétés. Finalement, le résultat du test d’asymétrie a une valeur de test
34
de 5,86 avec un niveau de significativité de 0,0179. Ce test indique que l’hypothèse nulle est rejetée à un
niveau de confiance de 5%.
Tableau 11 : Les résultats avec asymétrie pour la richesse Immobilière (1990 :1- 2012 :1)
Variables
Valeurs paramètres
Erreurs standards
𝜏1
.0207103
.0865023
𝜏2𝑎
.2586225
.1356571
𝜏2𝑏
-1.109798*
.4984731
𝜏3
.0032493*
.0027233
𝜏4
.0120083
.0640039
𝜏5
-.0610501
-.0610501
𝜏6
.0326658
.0075743
𝜏7
.0005463
.022805
𝜏8
.0676509
.0352741
R2=0,45; F(8,78)=8,13; RootMSE=0,0072
Globalement, les résultats de cette section sur la présence de possibles effets d’asymétrie indiquent que
l’endettement des ménages canadiens pour fin de consommation a eu tendance à augmenter quand le
revenu disponible et la richesse financière ont augmentés mais qu’il n’a pas diminué quand ces variables ont
subi une chute. Par contre, l’effet des fluctuations dans le prix des maisons semble être positif sur
l’endettement en tout temps. Il faudrait remarquer cependant que les résultats concernant les effets
asymétriques du prix des maisons ne sont peut-être pas très robustes car le graphique 4 montre qu’il y a eu
en fait très peu de périodes de baisses dans le prix des maisons au Canada pendant la période à l’étude.
35
Conclusion
Le but de cette étude était de comprendre quels sont les facteurs qui ont joué sur l’offre et la demande de
crédit à la consommation au Canada entre les périodes de 1990 à 2012. Les différentes régressions réalisées
font clairement ressortir le revenu disponible (donc la richesse monétaire) d’un individu comme le critère qui
joue le plus fort impact sur la décision d’emprunt des ménages que ce soit dans le long terme ou le court
terme. Le test d’asymétrie n’a pas permis de distinguer de différence d’amplitude entre l’impact de la hausse
ou de la baisse des revenus sur l’endettement pour fin de consommation.
Les autres variables (richesse financière et richesse immobilière) jouent aussi un rôle significatif pour expliquer
l’endettement. Dans le cas de la richesse immobilière, une forte hausse du prix de l’immobilier affecte de façon
significative la demande de crédit à la consommation. Donc, la hausse du crédit à la consommation que nous
constatons actuellement peut être due en partie à la hausse actuelle du prix de l’immobilier dans un grand
nombre de provinces canadiennes. La division en deux échantillons de notre base de données montre que
l’indice de confiance des entrepreneurs avait une influence plus importante sur l’offre de crédit durant les
années quatre-vingt-dix que par la suite. Peut-être de nouvelles mesures permettant de rassurer les prêteurs
ont vu le jour après 2000, ou la forte confiance dans l’économie a laissé les prêteurs plus laxistes.
Une étude des caractéristiques plus sociodémographiques de la demande de crédits n’a pas pu être réalisée
faute de données. La pertinence d’une telle étude serait non négligeable surtout lorsque l’on s’intéresse à
prévoir les risques de défaut de paiement des différents types d’emprunteurs. Comme la théorie du revenu
permanent nous l’indique, l’endettement devrait être une fonction décroissante de l’âge. Ce type d’analyse
permettrait d’identifier lesquelles les variables identifiées dans notre présente étude jouent un rôle
prépondérant dans la décision d’endettement des sous-groupes d’individus.
36
Bibliographie
Adalid and Gómez Salvador). 2011 , “Recent Developments in loans To Households : Discerning Between
Demand And Supply Driven Factors”, European Central Bank.
Barazini, Weber et Nebo. 2009, “Elasticité Prix De La Demande D’essence En Suisse”.
Salvador, Adalid and Gómez. 2011. "Recent Developments in Loans to Households : Discerning between
Demand and Supply Driven Factors " European Central Bank.
Crawford and Faruqui. 2011, “What Explains Trends In Household Debt In Canada”, Bank of Canada
Rdiew.
Calza , Gartener and Sousa. 2001,“Modeling The Loan Demand in The Euro Area”, Working Paper Series,
European Central Bank.
Cheung and LaiSource. 1995, “Lag Order and Critical Values of the Augmented Dickey-Fuller Test”, Journal
of Business & Economic Statistics.
Enders. 2010,“Applied Econometric Time Series”, Wiley.
Faruqui. 2008,“Indebtedness And The Household Financial Health : An Examination Of The Canadian Debt
Service Ratio Distribution” Bank Of Canada.
Gómez Salvador, Westerman. 2011,“Household Sector Borrowing In The Euro Area”, Occasional Paper
Series.
Kartashova and Tomlin. 2012, “House prices, Consumption and the Role of Non-Mortgage Debt”, Bank of
Canada Working Paper.
Mantalos, Mattheou,
Karagrigoriou. 2004,“Using the Divergence Information Criterion for the
Determination of the Order of an Autoregressive Process”, Department of Statistics University of Lund
Sweden.
Quinn. 1980,“Order determination for a multivariate auto regression”, Journal of the royal statistical society.
Seccareccia. 2005 ,“Growing household indebtedness in Canada”, The Economic and Labour Relations
Rdiew.
Yiu Sin and White. 1996,“Information criteria for selecting possibly misspecified parametric models”, Journal
of econometrics.
Sims, Stock & Watsoni. 1990, “Inference in linear time series models with some unit”, Econometrica.
Smith and Spiegelhalter. 1980,“Bayes Factors and Choice Criteria for Linear Models”, Journal of the Royal
Statistical Society.
37
http://neumann.hec.ca/pages/maurice.marchon/Public/Articles/BullespeculativeOct2008.pdf
38
Annexe 1 : Résultats détaillés
1.1 Détails des tests de Dickey-fuller :
varsoc ln Crédit , maxlag(5)
Selection-order criteria
Sample: 6 - 88
Number of obs =
83
+---------------------------------------------------------------------------+
|lag | LL LR df p FPE
AIC HQIC SBIC |
|----+----------------------------------------------------------------------|
| 0 | -42.9196
.16871 1.0583 1.07001 1.08745 |
| 1 | 266.208 618.25 1 0.000 .000101 -6.36645 -6.34304 -6.30817 |
| 2 | 285.468 38.521 1 0.000 .000065 -6.80646 -6.77134* -6.71903* |
| 3 | 285.757 .57802 1 0.447 .000066 -6.78933 -6.7425 -6.67276 |
| 4 | 288.29 5.0658* 1 0.024 .000064* -6.82627* -6.76773 -6.68055 |
| 5 | 288.622 .66402 1 0.415 .000065 -6.81017 -6.73992 -6.63531 |
+---------------------------------------------------------------------------+
Endogenous: crédit
Exogenous: _cons
. dfuller ln Crédit ,lags(1) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-4.136
-4.071
-3.464
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0056
-----------------------------------------------------------------------------D.crédit
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------ln Crédit |
39
86
L1. |
LD. |
trend |
cons |
-.0684026
.4793241
.0011817
1.737107
.0165374 -4.14 0.000 -.1013008 -.0355044
.0869264 5.51 0.000 .3063998 .6522485
.0002762 4.28 0.000 .0006323 .0017311
.4192126 4.14 0.000 .9031596 2.571055
dfuller ln Crédit ,lags(4) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
83
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-2.132
-4.077
-3.467
-3.160
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.5282
-----------------------------------------------------------------------------D.ln Crédit | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------ln Crédit |
L1. | -.0454072 .0212986 -2.13 0.036 -.0878269 -.0029874
LD. | .4318843 .1005335 4.30 0.000 .2316545 .6321142
L2D. | -.0469479 .1094416 -0.43 0.669 -.2649196 .1710239
L3D. | .1585467 .1108097 1.43 0.157 -.06215 .3792434
L4D. | .0733036 .1004386 0.73 0.468 -.1267373 .2733444
trend | .000752 .0003653 2.06 0.043 .0000245 .0014796
cons | 1.155429 .5392742 2.14 0.035 .0813713 2.229487
-----------------------------------------------------------------------------.
40
dfuller ln Crédit, lags (4)regress
Augmented Dickey-Fuller test for unit root
Number of obs =
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-0.770
-3.534
-2.904
-2.587
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.8279
83
-----------------------------------------------------------------------------ln Crédit | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------ln Crédit|
L1. | -.0018227 .0023683 -0.77 0.444 -.0065385 .0028931
LD. | .478252 .1000167 4.78 0.000 .2790934 .6774106
L2D. | -.0383454 .1116374 -0.34 0.732 -.2606439 .1839531
L3D. | .1843317 .1123906 1.64 0.105 -.0394665 .4081299
L4D. | .0805826 .102465 0.79 0.434 -.1234514 .2846165
cons | .0521458 .0611488 0.85 0.396 -.0696169 .1739086
-----------------------------------------------------------------------------. varsoc ln Rd, maxlag(5)
Selection-order criteria
Sample: 6 - 88
Number of obs =
83
+---------------------------------------------------------------------------+
|lag | LL LR df p FPE
AIC HQIC SBIC |
|----+----------------------------------------------------------------------|
| 0 | 41.1843
.022233 -.968296 -.956589 -.939154 |
| 1 | 240.001 397.63 1 0.000 .000189 -5.73495 -5.71154 -5.67667 |
| 2 | 242.857 5.7123 1 0.017 .000181 -5.77968 -5.74456 -5.69225 |
| 3 | 248.728 11.742* 1 0.001 .000161* -5.89705* -5.85022* -5.78048* |
| 4 | 249.147 .83886 1 0.360 .000163 -5.88307 -5.82453 -5.73735 |
| 5 | 250.329 2.3631 1 0.124 .000162 -5.88744 -5.81719 -5.71258 |
+---------------------------------------------------------------------------+
Endogenous: rd
Exogenous: _cons
41
.
dfuller Ln Rd ,lags(1) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
86
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-2.815
-4.071
-3.464
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.1916
-----------------------------------------------------------------------------Ln Rd
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln Rd |
L1. | -.144113 .0512003 -2.81 0.006 -.2459668 -.0422592
LD. | -.2365793 .0991641 -2.39 0.019 -.4338484 -.0393102
trend | .0009173 .000303 3.03 0.003 .0003144 .0015201
cons | 3.884584 1.379052 2.82 0.006 1.141211 6.627958
. dfuller Ln Rd ,lags(3) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
84
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-3.416
-4.075
-3.466
-3.160
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0493
-----------------------------------------------------------------------------Ln Rd | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln Rd |
L1. | -.1788401 .0523551 -3.42 0.001 -.2830711 -.0746091
LD. | -.3507681 .1065056 -3.29 0.001 -.5628046 -.1387317
L2D. | -.3935371 .1047344 -3.76 0.000 -.6020473 -.185027
L3D. | -.1243368 .1043921 -1.19 0.237 -.3321655 .083492
trend | .0011947 .0003164 3.78 0.000 .0005649 .0018245
cons | 4.819336 1.409766 3.42 0.001 2.012708 7.625964
42
-----------------------------------------------------------------------------. dfuller Ln Rd,lags(3)regress
Augmented Dickey-Fuller test for unit root
Number of obs =
84
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
1.607
-3.532
-2.903
-2.586
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.9979
-----------------------------------------------------------------------------Ln Rd | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln Rd|
L1. | .0158448 .0098592 1.61 0.112 -.0037795 .0354691
LD. | -.387252 .1146233 -3.38 0.001 -.6154041 -.1591
L2D. | -.4016929 .1131596 -3.55 0.001 -.6269315 -.1764543
L3D. | -.0650916 .1115326 -0.58 0.561 -.2870916 .1569084
cons | -.4215465 .2677261 -1.57 0.119 -.9544419 .1113489
. varsoc Ln IB, maxlag(5)
Selection-order criteria
Sample: 6 - 88
Number of obs =
83
+---------------------------------------------------------------------------+
|lag | LL LR df p FPE
AIC HQIC SBIC |
|----+----------------------------------------------------------------------|
| 0 | -26.8722
.114606 .67162 .683328 .700763 |
| 1 | 98.3762 250.5 1 0.000 .005741 -2.32232 -2.2989 -2.26403 |
| 2 | 101.275 5.7968* 1 0.016 .005484* -2.36806* -2.33294* -2.28063* |
| 3 | 101.745 .94066 1 0.332 .005555 -2.3553 -2.30847 -2.23873 |
| 4 | 101.785 .08097 1 0.776 .005685 -2.33218 -2.27364 -2.18646 |
| 5 | 102.518 1.4659 1 0.226 .005722 -2.32574 -2.2555 -2.15089 |
+---------------------------------------------------------------------------+
Endogenous: IB
Exogenous: _cons
43
. dfuller Ln IB ,lags(1) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
86
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-2.880
-4.071
-3.464
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.1690
-----------------------------------------------------------------------------Ln IB
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln IB |
L1. | -.1470366 .0510509 -2.88 0.005 -.2485931 -.0454801
LD. | .3288557 .1048012 3.14 0.002 .1203728 .5373387
_trend | .0017343 .0007136 2.43 0.017 .0003147 .0031539
_cons | 1.236787 .4253411 2.91 0.005 .3906485 2.082926
-----------------------------------------------------------------------------dfuller Ln IB,lags(2) trend regress
Augmented Dickey-Fuller test for unit root
Number of obs =
85
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-2.581
-4.073
-3.465
-3.159
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.2889
-----------------------------------------------------------------------------Ln IB
| Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln IB |
L1. | -.1404577 .0544273 -2.58 0.012 -.2487715 -.0321439
LD. | .3280411 .1082537 3.03 0.003 .1126093 .5434729
L2D. | -.0320271 .1126809 -0.28 0.777 -.2562692 .1922151
trend | .0016232 .0007578 2.14 0.035 .0001151 .0031313
cons | 1.183987 .4530257 2.61 0.011 .282437 2.085537
------------------------------------------------------------------------------
44
. dfuller ln IB, lags(2) regress
Augmented Dickey-Fuller test for unit root
Number of obs =
85
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-1.490
-3.531
-2.902
-2.586
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.5386
-----------------------------------------------------------------------------D.Ln IB | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------Ln IB |
L1. | -.0344078 .0230984 -1.49 0.140 -.0803664 .0115509
LD. | .2846598 .1086718 2.62 0.011 .0684369 .5008826
L2D. | -.0986598 .110674 -0.89 0.375 -.3188665 .1215468
cons | .3144581 .2054748 1.53 0.130 -.0943723 .7232885
-----------------------------------------------------------------------------. varsoc ln IC, maxlag(5)
Selection-order criteria
Sample: 6 - 89
Number of obs =
84
+---------------------------------------------------------------------------+
|lag | LL LR df p FPE
AIC HQIC SBIC |
|----+----------------------------------------------------------------------|
| 0 | 56.1451
.015751 -1.31298 -1.30135 -1.28404 |
| 1 | 98.7231 85.156* 1 0.000 .005853* -2.30293* -2.27967* -2.24505* |
| 2 | 98.7492 .05224 1 0.819 .00599 -2.27974 -2.24484 -2.19293 |
| 3 | 98.959 .41957 1 0.517 .006104 -2.26093 -2.2144 -2.14518 |
| 4 | 98.9689 .0197 1 0.888 .006251 -2.23735 -2.17919 -2.09266 |
| 5 | 98.9859 .03415 1 0.853 .006399 -2.21395 -2.14415 -2.04032 |
+---------------------------------------------------------------------------+
Endogenous: IC
Exogenous: _cons
dfuller ln IC ,lags(1) trend regress
45
Augmented Dickey-Fuller test for unit root
Number of obs =
87
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-3.097
-4.069
-3.463
-3.158
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.1069
-----------------------------------------------------------------------------D.ln IC | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------n IC |
L1. | -.1937531 .0625608 -3.10 0.003 -.3181841 -.0693221
LD. | .034504 .1066546 0.32 0.747 -.1776278 .2466358
trend | .0000146 .0003336 0.04 0.965 -.000649 .0006782
cons | .1915145 .0598101 3.20 0.002 .0725547 .3104743
------------------------------------------------------------------------------
. dfuller ln IC , lags (1) regress
Augmented Dickey-Fuller test for unit root
Number of obs =
87
---------- Interpolated Dickey-Fuller --------Test
1% Critical
5% Critical 10% Critical
Statistic
Value
Value
Value
-----------------------------------------------------------------------------Z(t)
-3.184
-3.528
-2.900
-2.585
-----------------------------------------------------------------------------MacKinnon approximate p-value for Z(t) = 0.0209
-----------------------------------------------------------------------------ln IC | Coef. Std. Err. t P>|t| [95% Conf. Interval]
-------------+---------------------------------------------------------------n IC|
L1. | -.1931506 .0606627 -3.18 0.002 -.313785 -.0725162
LD. | .0340365 .1054857 0.32 0.748 -.1757333 .2438063
|
_cons | .1915871 .0594308 3.22 0.002 .0734025 .3097717
varsoc tauxcreditreel, maxlag(5)
46
Selection-order criteria
Sample: 6 - 88
Number of obs =
83
+---------------------------------------------------------------------------+
|lag | LL LR df p FPE
AIC HQIC SBIC |
|----+----------------------------------------------------------------------|
| 0 | 249.71
.000146 -5.99302 -5.98131 -5.96387 |
| 1 | 275.025 50.63 1 0.000 .000081 -6.57892 -6.5555 -6.52063* |
| 2 | 275.315 .57972 1 0.446 .000083 -6.5618 -6.52668 -6.47438 |
| 3 | 278.176 5.7231* 1 0.017 .000079* -6.60666* -6.55983* -6.49009 |
| 4 | 278.333 .31374 1 0.575 .000081 -6.58634 -6.5278 -6.44063 |
| 5 | 279.055 1.4432 1 0.230 .000081 -6.57964 -6.50939 -6.40478 |
+---------------------------------------------------------------------------+
Endogenous: tauxcreditreel
Exogenous: _cons
47