Dynare Working Papers Series

http://www.dynare.org/wp/

Evaluation
de la politique mon
etaire
dans un mod`
ele DSGE pour la zone euro

Stephane Adjemian
Antoine Devulder

Working Paper no. 7

Initial revision: May 2011
This revision: July 2011

142, rue du Chevaleret 75013 Paris France

http://www.cepremap.ens.fr

valuation de la politique montaire dans un modle DSGE

pour la zone euro.
Stphane Adjemian, Antoine Devulder
11 juillet 2011

Rsum
Dans cet article nous prsentons de faon dtaille un modle DSGE canonique et montrons comment
celui-ci peut tre simul puis estim. Nous proposons deux applications sur la base du modle estim. Dans
la premire nous valuons les consquences sur le bien tre social de la forme de la politique montaire. On
montre que le bien tre social est significativement dgrad si la Banque Centrale ne prend pas en compte
lcart de production. Dans la seconde, nous interrogeons le modle sur la publicit que la Banque Centrale
doit faire autour de sa politique. Nous montrons que face un choc de productivit ngatif il est prfrable de
ne pas annoncer une politique montaire acommodante, afin de limiter lampleur des tensions inflationnistes.

Introduction

Dans cette contribution, nous montrons comment un modle DSGE (Dynamic Stochastic General Equilibrium)
peut tre utilis pour valuer la politique montaire dans la zone euro. Depuis une dizaine dannes, sous
limpulsion des travaux de Smets et Wouters (2003, 2005, 2007), les modles DSGE envahissent progressivement les banques centrales. Ces modles sont utiliss pour construire des prvisions, interprter des prvisions
obtenues partir de modles athoriques et/ou de jugements dexperts, mettre en uvre des expriences de
politique conomique.

Pour construire les projections macroconomiques moyen terme sur lesquelles sappuient les dcisions de
politique montaire, les banques centrales ont besoin doutils la fois prcis et interprtables. Les modles
athoriques de type VAR sont rputs performants, mais ils ne permettent pas de construire un discours conomique convaincant pour soutenir les prvisions obtenues et alimenter les discussions qui les entourent. De
ce fait, les banques centrales de lEurosystme utilisent le plus souvent de gros modles macroconomtriques
pour ces exercices. Ces outils ont lavantage de coller prcisment avec le cadre de la comptabilit nationale,
mais prsentent des dfauts importants : ils souffrent de labsence dune structure pleinement cohrente avec
la thorie conomique, ngligent les effets des anticipations et leur estimation est sujette des biais de simultanit (voir Sims (2002)). Au total, les projections obtenues avec ces outils et leur cohrence densemble
Les

codes dynare et matlab pour reproduire les rsultats, sont disponibles en ligne : www.dynare.org/stepan.
du Maine, GAINS & CEPREMAP. e-mail : stephane [DOT] adjemian [AT] ens [DOT] fr
Banque de France.

Universit

reposent en partie sur linformation apporte au modle par les prvisionnistes lors de la simulation. Ce recours au jugement dexperts, matrialis par le calage des variables exognes ou des rsidus des quations
conomtriques, permet denrichir la simulation en utilisant des sources et des expertises sectorielles diverses,
mais dgrade la lisibilit des mcanismes conomiques qui sous-tendent la prvision 1 . Lide dutiliser des
modles dquilibre gnral microfonds, estims par la mthode baysienne, dans le cadre de prvisions macroconomiques institutionnelles, a t popularise par Smets et Wouters (2003). Ils montrent quun modle
DSGE no-keynsien en conomie ferme, incluant un nombre suffisant de rigidits et de chocs structurels,
est mme de reproduire de manire satisfaisante les donnes de la zone euro ou des tats-Unis et dafficher
des performances prdictives moyennes comparables celles dun VAR. Ces comparaisons sont cependant
fragiles. Le modle DSGE a une structure stochastique plus riche que celle dun modle VAR. Ds lors, il nest
pas tonnant que ses performances in sample soient suprieures. Si la comparaison en faveur des DSGE est un
argument de vente pour les institutions, lavantage du modle DSGE vient surtout de sa structure cohrente
avec les mcanismes conomiques thoriques. Comparer un modle DSGE et un modle macroconomtrique
traditionnel, tant en termes de performances prdicitives moyennes quen termes de cohrence conomique,
nest pas pertinent car, comme cela est voqu plus haut, le recours au jugement dexperts est crucial pour la
simulation de prvisions crdibles avec ces derniers outils. Ceci explique sans doute en partie lengouement
des banques centrales pour les travaux visant intgrer des modles microfonds dans la pratique des prvisions institutionnelles.

Nous prsentons le modle dans la section 2, discutons les mthodes de simulation et destimation dans la
section 3, prsentons lestimation du modle dans la section 4 et proposons deux exercices autour du modle dans la section 5. Dans le premier exercice, nous utilisons le modle pour valuer le cot en bien tre
des fluctuations et nous nous demandons si lautorit montaire ne pourrait pas utiliser une meilleure rgle
de fixation du taux dintrt (du point de vue du bien tre des mnages). Dans le second exercice, nous interrogeons le modle sur lavantage dune politique montaire acomodante face un choc de productivit ngatif.

1. Il convient de noter que, dans le monde institutionnel, les pratiques ne suivent pas toujours les paradigmes thoriques. Ainsi, les
jugements dexperts ou calages sont souvent intgrs dans les modles DSGE. Par exemple, la BCE et les banques nationales de leurosystme construisent des prvisions conditionnelles une trajectoire de taux dintrt nominal, alors que dans ces modles (contrairement
aux modles macro traditionnels), il sagit dune variable endogne.

Le modle

Le modle considr ici est proche du modle propos par Smets et Wouters (2007). Il sagit dun modle
dquilibre gnral stochastique en conomie ferme, o diffrents agents (des mnages et des firmes) ragissent de faon optimale des fluctuations de variables exognes (comme des chocs sur lefficience du
travail). La figure 1 dcrit les interactions entre les diffrents agents du modle. Les mnages achtent une
certaine quantit de bien homogne aux entreprises du secteur de production du bien final pour consommer
(C) et accumuler du capital (K) et achtent des titres mis par ltat. Pour financer ses dpenses, ils bnficient
de transferts forfaitaires de ltat, obtiennent des revenus financiers grce la location du capital accumul
aux firmes du secteur de production des biens intermdiaires et aux rendements des titres mis par ltat, et,
finalement, obtiennent un revenu du travail.

syndicats [0, 1]
l()

mnages h [0, 1]

agence demploi

B,T
C,I

producteurs de biens
intermediaires [0, 1]

tat

Y ()
producteur de bien final

F IGURE 1 Le modle DSGE

Les firmes, indices par [0, 1], du secteur de production des biens intermdiaires agissent dans un environnement imparfaitement concurrentiel. Elles transforment le capital, lou aux mnages (K), et le travail
(L), indirectement offert par les mnages, en biens intermdiares (Y ()). Les mnages sont propritaires des
firmes ; ainsi, les profits raliss leur sont reverss. Les biens intermdiaires tant imparfaitement substituables,
chaque firme du secteur dispose dune marge de manuvre dans le choix du prix du bien intermdiaire, et
donc bnficie dune rente. Idalement, une firme devrait mettre jour le prix (P ()) du bien produit (Y ())
chaque date de faon maximiser son profit. Mais nous supposons lexistence dune rigidit nominale la
Calvo (1983) : la firme na la possibilit de choisir son prix une date t que si elle reoit un signal, tomb
du ciel, qui napparat quavec une certaine probabilit constante. Nous verrons plus bas, en section 2.2, comment cette rigidit affecte le comportement des firmes du secteur intermdiaire. Les firmes du secteur de bien
final agissent dans un environnement parfaitement concurrentiel. Elles achtent des biens intermdiaires et les

agrgent afin de produire un bien homogne qui alimentera la consommation (C) et linvestissement (I) des
mnages et sera consomm par ltat (G) 2 .

Du ct de loffre de travail, nous introduisons une rigidit sur le salaire nominal en adoptant une structure
limage de celle utilise du ct de loffre de biens. Les mnages offrent du travail homogne (L) des syndicats, indics par [0, 1], qui diffrencient le travail (en formant l()) et offrent ce travail diffrenci des
agences demplois. Celles-ci agrgent le travail diffrenci (L) pour loffrir aux firmes du secteur intermdiaire.
Les agences demploi sont concurrentielles alors que les syndicats oprent sur un march en concurrence monopolistique. Cette imperfection concurrentielle na dautre but que dintroduire une rigidit la Calvo sur le
salaire nominal 3 : les syndicats ne peuvent librement choisir le salaire nominal chaque date mais doivent
attendre un signal qui apparat avec une probabilit constante.

2.1

Les mnages

Lconomie est peuple par un continuum de mnages h [0, 1] identiques. Chaque mnage valorise la
consommation dun bien homogne on note Ct (h) la demande en ce bien du mnage h la priode t
et voit son bien-tre diminuer avec le nombre dheures de travail offert on notera Lt (h) loffre de travail du
mnage h la priode t. Le bien-tre (ou lutilit intertemporelle) dun individu h la date t est dfini par :

Wt (h) = ut (h) + E[Wt+1 (h)]

(

1c

1+l )
Ct (h) C t1
c 1 Lt (h)
ut (h) =
exp L,t

1 c
1 + l
L

(2.1)

o L,t est un choc sur la dsutilit du travail (un processus stochastique linaire stationnaire desprance
4 ).
log L

Nous avons choisi une fonction dutilit non sparable entre la consommation et les heures de travail la
King, Plosser et Rebelo qui, en annulant la somme des effets substitution et revenu lis une augmentation
du salaire rel, est compatible avec lexistence dun sentier de croissance quilibr (voir par exemple Basu et
2. Nous pourrions considrer un modle sans le secteur de production du bien final, en supposant que les mnages agrgent eux
mmes les biens intermdiaires, cest--dire en supposant que ceux-ci consomment un panier de biens diffrencis plutt quun bien
homogne. Sous certaines conditions cela serait parfaitement quivalent. Lhypothse implicite, avec la modlisation adopte ici, est que
les biens intermdiaires sont agrgs de la mme faon pour la consommation et linvestissement (et aussi les dpenses publiques). Une
consquence directe est quil ny aura pas ici de diffrence entre lindice des prix la consommation et lindice des prix de linvestissement
(au del de la diffrence induite par la rigidit relle sur lajustement de linvestissement).
3. Dans un environnement concurrentiel, les agents seraient preneurs de prix et il ne serait donc pas possible dintroduire une rigidit
nominale.
4. ce paramtre nous donne un degr de libert pour ajuster le niveau de long terme des heures et na dautre intrt que de faciliter le
calcul de ltat stationnaire du modle.

Kimball (2002)).

Nous supposons que lutilit obtenue en t par le mnage h dpend la fois du niveau de consommation en t
du mnage h mais aussi du niveau de consommation agrge la priode prcdente, C t1 =

R1
0

Ct1 (h)dh ;

il sagit dun mcanisme de formation dhabitudes externe 5 destin introduire de linertie dans la demande
des mnages.

La contrainte budgtaire relle du mnage h la priode t est de la forme suivante :

(

Bt1 (h)
Bt (h)
Wm

+ (1 W,t ) t Lt (h)
Pt
Pt B,t Rt
Pt
)
D1,t (h) + D2,t (h)
+ rtk zt (h)Kt1 (h) +
+Tt (h)
Pt

(1 + C,t ) Ct (h) + pI,t It (h) = (1 R,t )

(2.2)

o Pt est lindice agrg des prix, Rt = 1 + it le facteur dintrt nominal ; Bt (h) le montant nominal de titres
dtenus par le mnage h la priode t ; B
t reprsente une prime de risque demande par les mnages en
contrepartie de la dtention dun titre ou, plus gnralement, reflte les inefficiences du march du crdit non
formalises dans ce modle (log B
t est un processus stochastique linaire stationnaire) ; Ct (h) la consommation de h la priode t ; C,t est une taxe sur la consommation (log(1 + C,t ) est un processus stochastique
linaire stationnaire desprance positive) ; It (h) linvestissement de h la priode t ; log pI,t est un processus stochastique linaire stationnaire desprance nulle rendant compte de variations exognes du prix relatif
de linvestissement ; Wtm le taux de salaire horaire nominal la priode t peru par le mnage ; Tt (h) reprsente les transferts gouvernementaux forfaitaires perus par le mnage h la priode t ; w,t est une taxe sur
le revenu du travail (log(1 w,t ) est un processus stochastique linaire stationnaire desprance ngative) ;
D1,t (h) et D2,t (h) reprsentent les dividendes perus par le mnage h la priode t, provenant respectivement des firmes du secteur intermdiaire et des syndicats qui diffrencient le travail des mnages. Du ct des
ressources, les revenus du capital physique sont donns par :

rtk zt (h)Kt1 (h)

o le stock de capital physique la date t est donn par :




It (h)
It (h)
Kt (h) = (1 (zt (h)))Kt1 (h) + I,t 1 S
It1 (h)

(2.3)

5. Quand les mnages prennent leurs dcisions, ils font comme si celles-ci navaient pas de consquences sur le niveau moyen de la
consommation.

rtk > 0 est le rendement du capital ; zt (h) [0, 1] est le taux dutilisation du capital physique, dont le niveau
de long terme sera not z ? ; le taux de dprciation du capital physique, , est une fonction croissante du taux
dutilisation du capital vrifiant : (0) = 0, (1) = 1, (z)0 > 0 pour tout z [0, 1] et on notera (z ? ) = ? ;
I,t reprsente un ala sur lefficience de la technologie daccumulation du capital (log I,t est un processus
stochastique linaire stationnaire desprance nulle) ; la fonction S reprsente un cot dajustement sur linvestissement, suppos tel que S(1 + g) = 0, avec g le taux de croissance de linvestissement le long du sentier
de croissance quilibr, S(1 + g)0 = 0 et S 00 > 0. Finalement, R,t est une taxe sur lensemble des revenus du
mnage (log(1 R,t ) est un processus stochastique linaire stationnaire desprance ngative).

Le cot dajustement convexe sur linvestissement induit une persistance des dcisions dpargne du mnage,
puisque les variations du niveau dinvestissement (en cart au taux de croissance de long terme de lconomie)
sont coteuses. Au total, la persistance de la demande des mnages en bien final, pour linvestissement et la
consommation, est contrle par la fonction S (ses drives premire et seconde) et le paramtre (qui caractrise limportance du phnomne de formation dhabitudes). Le taux de dprciation est suppos endogne de
faon induire un cot (bnfice) lorsque le taux dutilisation du capital est suprieur z ? (infrieur z ? ). Ce
mcanisme traduit simplement lide que les machines susent plus vite si elles sont plus intensivement utilises. Une augmentation du taux dutilisation du capital gnre un cot, mais celui-ci peut tre compens par
laugmentation induite des revenus du capital. On peut ainsi dfinir un quilibre pour le taux dutilisation du
capital. Lendognisation du taux de dprciation permet de limiter les sur-ajustements du taux dutilisation
du capital lis au cot dajustement quadratique sur linvestissement.

Chaque mnage h choisit des trajectoires pour la consommation, loffre de travail, la dtention de titres, le
capital, linvestissement et le taux dutilisation du capital, en maximisant son utilit intertemporelle (2.1) sous
la contrainte budgtaire (2.2) et la loi dvolution de son stock de capital physique (2.3), sachant les chemins
des prix, les variables exognes contemporaines et les distributions futures de ces variables. Les conditions du
premier ordre associes au programme dun consommateur h sont donnes dans lannexe B.1.

2.2

La production et la formation des prix

2.2.1

Producteurs du bien homogne

Les producteurs du bien final, Yt , agissent dans un environnement parfaitement concurrentiel en assemblant
un continuum de biens intermdiaires, nots Yt () avec [0, 1]. Ils ont accs une technologie dagrgation

rendements constants commune la Kimball (1996), implicitement dfinie par :

Gf

Yt ()
Yt


(2.4)

d = 1

o Gf est une fonction strictement croissante et concave telle que Gf (1) = 1. Nous suivons Dotsey et King
(2005) ou Levin et al. (2007) en adoptant la fonction suivante :

Gf (x) =

h
i


f (1 + f )
1 + f x f
(1 + f )(f (1 + f ) 1)

(1+f )f 1
(1+f )f

f (1 + f )
1
(1 + f )(f (1 + f ) 1)


(2.5)

Cette fonction gnralise lagrgateur Dixit et Stiglitz (1977) que nous retrouvons lorsque f = 0. Ce paramtre
contrle la courbure de la fonction de demande. Le producteur de bien final reprsentatif choisit la quantit de
bien intermdiaire de faon maximiser son profit rel, Yt

R1
0

Pt ()
Pt Yt ()d,

sous sa contrainte technologique

(2.4) et (2.5). Llasticit prix de la demande en bien est alors donne par :
"
#



f
 Yet () = f 1 + f
Yet ()
Dans le cas o f est nul, on retrouve lagrgateur CES Dixit et Stiglitz (1977) avec une lasticit prix de la
demande constante gale f . Plus gnralement, llasticit prix de la demande (et donc le taux de marge
des firmes du secteur des producteurs des biens intermdiaires) dpend du niveau de la demande relative.
On supposera dans la suite que le paramtre f est ngatif, de sorte que llasticit prix est une fonction dcroissante de la demande relative, Yet ()

Yt ()/Yt ,

et donc croissante du prix relatif,

Pt ()/Pt .

Comme le taux

de marge des firmes du secteur intermdiaire est une fonction dcroissante de llasticit prix de la demande,
cette fonction dagrgation implique une relation dcroissante entre le taux de marge et le prix relatif. Ainsi,
une firme du secteur intermdiaire qui optimise son prix appliquera un taux de marge plus faible sur le cot
marginal quune firme qui na pas la possibilit dajuster son prix de faon optimale (du fait de la rigidit la
Calvo (1983)) et dont le prix relatif dcrot. Ce mcanisme, spcifique la technologie dagrgation la Kimball
(1996), contribue augmenter la rigidit des prix. Avec cette technologie il est donc plus facile de reproduire
le niveau observ de rigidit de linflation en gardant une valeur de la probabilit de Calvo cohrente avec ce
que dcrivent les tudes microconomiques 6 .

6. Les tudes microconomiques saccordent pour identifier une probabilit de Calvo de lordre de 3/4, Fabiani et al. (2007). Lestimation
du modle DSGE canonique, Smets et Wouters (2003, 2005) a tendance naturellement conduire vers des valeurs significativement plus
leves que cette probabilit afin de reproduire le degr de rigidit nominale empirique, sauf serrer les croyances a priori autour de 3/4.
En considrant une fonction dagrgation plus gnrale, on se donne un degr de libert supplmentaire pour reproduire la dynamique
de linflation.

Finalement, la condition de nullit du profit dans ce secteur dfinit lindice de prix du bien final comme une
agrgation des prix des biens intermdiaires (voir lannexe B.2.1).

2.2.2

Producteurs des biens intermdiaires

Un continuum de firmes [0, 1] en concurrence monopolistique produit les biens intermdiaires utiliss par
les producteurs du bien homogne. Les firmes accdent toutes la mme technologie de production CobbDouglas pour transformer le capital physique et le travail en biens intermdiaires diffrencis :

1
Yt () = Ktd ()
At Ldt ()

(2.6)

o Ktd () et Ldt () sont respectivement les demandes de la firme intermdiaire en capital physique et en travail, At reprsente le progrs technique neutre au sens de Harrod 7 . On suppose que celui-ci se dcompose
sous la forme du produit de AT,t et AC,t , les composantes tendancielles et cycliques de lefficacit du travail
(log AC,t est un processus stochastique linaire stationnaire desprance log AC et log AT,t est un processus
stationnaire desprance g).

Chaque firme intermdiaire [0, 1] peut librement accder des marchs concurrentiels afin dobtenir des
facteurs de production ; chaque firme considre donc les prix du travail et du capital comme une donne. La
firme [0, 1] dcide du mlange optimal de capital physique (Ktd ()) et de travail (Ldt ()) de faon minimiser
ses cots, rtk Ktd ()+(1+L,t )wt Ldt (), sous la contrainte technologique (2.6), o wt Wt /Pt est le salaire horaire
rel, L,t reprsente les taxes sur le travail payes par lemployeur (log(1 + L,t ) est un processus stochastique
linaire stationnaire desprance positive). On montre alors que le ratio de la demande de capital physique
la demande de main duvre et le cot marginal sont invariants dans la coupe des firmes [0, 1].

Le profit nominal dune firme qui propose le prix P la date t est donn par :


  (1+f )f
P
P
t (P) = y,t
mct
Pt
Pt

Pt ()
Pt

(1+f )f
! 1(1+
)

1(1+f )f

Pt Yt
+ f
1 + f

o y,t (dont le logarithme est un processus stochastique linaire stationnaire desprance nulle) est un choc
F
7. Le progrs est neutre au sens de Harrod si le ratio des parts du capital (K K
) et du travail (L F
) dans la production totale est
L
invariant vis--vis du couple (K, L) (rappelons que si la fonction de production F est rendements constants, cest--dire homogne de
F
degr un, alors nous avons F (K, L) = K K
+ L F
par le thorme dEuler). On peut alors montrer, en toute gnralit, que ce progrs
L
technique doit amliorer lefficacit du travail pour assurer lexistence dun sentier de croissance quilibr, voir (Uzawa (1961) et la section
1.5.3 dansBarro et Sala-i-Martin (2004) ). videmment, dans le cas dune fonction de production Cobb-Douglas cette condition nest pas
indispensable puisquil suffit de re-paramtriser la tendance de progrs technique pour se ramener un progrs technique portant sur le
travail.

sur le chiffre daffaires des firmes. Ce choc mesure lefficacit des firmes du secteur des biens intermdiaires
recouvrir le paiement de leurs ventes 8 . Ce choc rduit ou augmente la marge effective (sur le prix) des firmes
du secteur ; lorsque y,t < 1 la marge de la firme sur le prix est rduite. La firme dispose dun pouvoir de
march mais elle ne peut dcider de faon optimale du prix Pt () toutes les dates ; elle est soumise une
loterie la Calvo (1983). chaque date, la firme reoit un signal lui signifiant si elle peut ou non rviser son
prix de faon optimale. Avec une probabilit p , la firme ne peut rviser librement son prix et elle applique la
rgle suivante :
Pt () =
1p

Pt1
Pt2

p
Pt1 () = t Pt1 ()

(2.7)

o
est la cible dinflation de lautorit montaire, qui dans ce modle correspond aussi au niveau de linflation ltat stationnaire. Ainsi, lorsquune firme reoit un signal dfavorable, elle indice son prix sur une
combinaison convexe de linflation cible de la banque centrale et de linflation la priode prcdente 9 . Une
valeur de p strictement positive permet daccrotre la persistance de linflation dans le modle. Si la firme
reoit un signal favorable (avec une probabilit 1 p ) elle va choisir le prix Pt () qui maximise la somme espre des profits futurs actualiss, tout en sachant quil existe une probabilit strictement positive pour quelle ne
reoive que des signaux dfavorables pendant un certain nombre de priodes. Elle sait quil lui faudra attendre
en moyenne (1p )1 priodes avant de recevoir nouveau un signal favorable. Ainsi, lorsque la firme choisit
son prix la date t, elle doit prendre en compte les consquences de ce choix sur le profit contemporain mais
aussi sur ses profits futurs.

Soient Vet la valeur dune firme qui reoit un signal favorable la date t et Vt (Pt1 ()) la valeur dune firme
qui reoit le mauvais signal la date t. Une firme recevant un signal dfavorable suit simplement la rgle ad
hoc (2.7). Cela explique pourquoi sa valeur la date t dpend de Pt1 (). linverse, le programme dune firme
recevant un signal favorable est purement tourn vers le futur, sa valeur la date t ne dpend daucune variable
dtat endogne. De plus, puisque les firmes ont les mmes esprances quant au futur, elles choisiront toutes
le mme prix optimal. On peut donc dire que lhistoire na dimportance que pour les firmes dfavorises dans
la loterie la Calvo (1983). Plus formellement, la valeur la date t dune firme recevant le signal favorable est :


  



t+1 
e
e
(1 p )Vt+1 + p Vt+1 P
Vt = max t P + Et
P
t

(2.8)

8. Il reoit une interprtation diffrente du choc defficience At car il naffecte que les recettes et pas les cots. De plus il est stationnaire,
contrairement At .
9. On parle alors dindexation parfaite des prix. Cette hypothse assure que le niveau dinflation de long terme
napparat pas dans
la courbe de Phillips (linarise) et que la monnaie est neutre long terme.

o t est le multiplicateur de la contrainte budgtaire nominale des mnages 10 . On notera P ? le prix optimal
dune firme ayant la possibilit dajuster comme elle le souhaite son prix. La valeur la date t dune firme
malchanceuse dans la loterie la Calvo (1983) est :

Vt Pt1 () = t t Pt1 () + Et




t+1 
e
(1 p )Vt+1 + p Vt+1 t Pt1 ()
t

(2.9)

La condition du premier ordre et la condition de lenveloppe du programme dune firme recevant un signal
favorable dans la loterie la Calvo (1983) permettent de caractriser son prix et, en agrgeant, de caractriser
la dynamique de linflation (voir lannexe B.2.2).

2.3

Le travail et la formation des salaires

Le travail homogne Lt =

R1
0

Lt (h)dh offert par les mnages est diffrenci par un continuum de syndicats

[0, 1]. Les syndicats revendent le travail diffrenci, lt (), une agence demploi qui agrge le travail pour
le proposer comme facteur de production aux firmes du secteur des biens intermdiaires. Les syndicats jouent
en concurrence monopolistique et lagence demploi adopte un comportement concurrentiel. Chaque syndicat,
linstar des firmes du secteur des biens intermdiaires, exploite une rente et dispose dun degr de libert
pour choisir le salaire de faon maximiser son profit 11 . On introduit une rigidit sur le salaire en supposant
que ces syndicats participent une loterie la Calvo (1983). La modlisation de loffre de travail et de la formation des salaires adopte ici, propose par Schmitt-Groh et Uribe (2005), est isomorphe la modlisation
de la production et de la formation des prix ; une description plus dtaille en est donne dans lannexe B.3.

Le lecteur pourrait sinterroger sur lintrt ou le ralisme du modle adopt ici. En effet, on ne voit pas trs
bien quelle pourrait tre la contrepartie empirique de ces syndicats. Au del du vocabulaire discutable, il
faut comprendre que lexistence de ces agents na dautre but que de limiter le degr dhtrognit dans le
modle. Un formalisme alternatif consisterait, comme Erceg et al. (2000), supposer que les mnages ne dlguent pas la diffrenciation du travail des syndicats mais quils sont htrognes dans le sens o ils offrent
un travail diffrenci. videmment, cette hrrognit va a priori affecter les dcisions intertemporelles des
mnages et se manifester par des dcisions financires (accumulation du capital physique, demande de bons
du trsor,...) htrognes, ce qui complique considrablement lagrgation des comportements des mnages et
in fine la rsolution et lestimation du modle. On peut montrer quil est possible de mettre en uvre un systme dassurance 12 tel que lutilit marginale de la consommation soit invariante dans la coupe des mnages
10. Nous avons donc Pt t = t
11. Qui sera revers aux mnages.
12. Contre le risque idiosyncrasique li la loterie la Calvo (1983).

10

h [0, 1] (voir Christiano et al. (2005)). Dans Erceg et al. (2000) ou Christiano et al. (2005), les prfrences sont
additivement sparables entre la consommation et le travail. Ainsi lgalisation des utilits marginales induit
linvariance dans la coupe des choix de consommation. Lagrgation des comportements des mnages devient
alors triviale. Dans notre cas, les prfrences (2.1) ne sont pas additivement sparables 13 et nous ne pouvons rduire lhtrognit des mnages. La fiction adopte ici nous permet dliminer le problme dhtrognit,
qui, tant donne la dimension du modle, rendrait les simulations et lestimation impossibles. Schmitt-Grohe
et Uribe (2006) montrent que cette modlisation produit, si on linarise le modle, une dynamique strictement
quivalente celle qui serait obtenue en suivant le formalisme de Erceg et al. (2000). Ces deux formalismes ont
cependant des implications normatives diffrentes, par exemple si on sintresse caractriser ce que pourrait
tre la politique montaire optimale.

2.4

Le gouvernement

On suppose que le budget du gouvernement est quilibr chaque date. Ltat peroit lensemble des taxes
(proportionnelles et forfaitaires) et absorbe une partie de la production de lconomie domestique Gt = gt Yt ,
sous la forme de dpenses publiques. On suppose que log gt est un processus stochastique linaire stationnaire
desprance log g ? . Il finance son dficit, form par la diffrence entre ses dpenses publiques (production domestique absorbe et remboursement de sa dette) dune part et ses recettes fiscales dautre part, par lmission
de titres de dette Bt :
Z

Bt

B,t Rt
0
Z 1
+ tC Pt Ct + W,t Wtm Lt + L,t Wt
Ldt ()d
0
(

Pt Gt + Pt

Tt (h)dh + Bt1 =

+ R,t
Z
0

On notera Tt

R1
0

R1

Bt1 (h)dh

(2.10)

(1 W,t ) Wtm Lt + Pt rtK zt Kt1

0

Bt (h)dh
+
B,t Rt

Z
0

D1,t (h)dh +

)
D2,t (h)dh

Tt (h)dh lensemble des taxes (ou subventions) forfaitaires verses aux mnages (la rparti-

tion de ces taxes entre les mnages nest pas dtermine lquilibre). On suppose que Tt est ajust par ltat
de faon quilibrer son budget chaque date.
13. Car nous souhaitons utiliser une forme suffisamment gnrale et compatible avec un sentier de croissance quilibr.

11

2.5

La banque centrale

On suppose que le comportement de la banque centrale peut tre caractris par la rgle de Taylor suivante :
 r 
 
r 
rY  r$ 1R
Yt/Yt
t
t1 r Yt Y
$t
R
R,t
Rt = Rt1
R?
Yt1/Yt1

Yt
t1
$
et

(2.11)

o
est la cible dinflation de la banque centrale, Yt est le niveau de production efficient (celui que nous
observerions dans un monde sans rigidits nominales, cest--dire celui que nous observerions en labsence
des rigidits la Calvo sur les salaires nominaux dcids par les syndicats et sur les prix dcids par les
firmes du secteur intermdiaire), $t est le facteur de croissance du salaire rel, $
e t est le facteur de croissance
du salaire rel efficient (celui que nous observerions dans un monde sans rigidits nominales) et log R,t (un
processus stochastique linaire stationnaire desprance nulle) reprsente les dviations discrtionnaires de la
banque centrale sa rgle. Nous supposons ici que la politique montaire vise stabiliser linflation autour de
sa cible et contrler les inefficiences induites par lexistence de rigidits nominales.

2.6

Lquilibre

chaque date, les marchs des facteurs et des titres mis par ltat sont quilibrs. Lquilibre sur sur le march
des biens se traduit par :
Gt + Ct + pI,t It = y,t Yt + (l,t 1) wt Lt

Notons que si les chocs y,t et l,t sinterprtent comme des taxes (ce nest pas le cas ici ; ces chocs reprsentent
lefficacit des firmes et des syndicats recouvrir leurs recettes) et apparaissent donc comme des revenus dans
le budget de ltat, alors le membre de droite se rduit simplement Yt et on retrouve lidentit habituelle.
Lquilibre est dcrit en dtail dans lannexe B.4.

3
3.1

Simulation et Estimation dun modle DSGE

Rsoudre un modle DSGE

Le modle prsent dans la section 2 peut se rsumer sous la forme dun systme dquations rcurrentes stochastiques 14 . Une particularit de ce systme est quil fait intervenir des variables endognes passes, contem14. Ds lors que le modle admet un sentier de croissance quilibr (ce qui est vrifi dans notre cas), il est possible de reparamtriser
le modle en liminant les variables non stationnaires. Techniquement, on remplace chaque variable non stationnaire xt par x
bt gt , o
gt est le facteur de croissance de cette variable le long du sentier de croissance quilibr. Dans le modle reparamtris, il existe un tat
stationnaire pour toutes les variables du modle. Dans la suite, nous supposons que le modle est crit sous forme stationnaire.

12

poraines et anticipes :
Et [F (yt1 , yt , yt+1 , t )] = 0

(3.1)

o y est un vecteur n 1 regroupant les variables endognes du modle, est un vecteur q 1 alatoire regroupant les innovations des chocs affectant lconomie, F est une fonction non linaire paramtre par un vecteur
de paramtres structurels , Et est loprateur desprance conditionelle linformation disponible en t. On distingue deux types de modles selon les hypothses sur les innovations et lensemble dinformation la date t.

Si les innovations futures sont dans lensemble dinformation la date t, (3.1) peut se rcrire sous la forme :

F (yt+s1 , yt+s , yt+s+1 , t+s ) = 0, pour s = 0, . . . , T

(3.2)

avec t+s , s 0 connus. Il sagit dun modle anticipations parfaites. tant donnes des conditions initiales pour les variables dtat et des conditions terminales pour les variables non prdtermines, on cherche
une trajectoire {yt+s ; s = 0, . . . , T 1} satisfaisant (3.2) pour s = 0, . . . , T 1 ; il sagit dune version discrte
dun systme dquations diffrentielles avec conditions aux limites de Dirichlet. Nous devons rsoudre, par
rapport la trajectoire pour les endognes y, un systme dquations non linaires. Laffargue (1990) propose
un algorithme de Newton pour rsoudre efficacement ce type de problme. Pour la condition terminale, on
suppose que lhorizon T est assez grand pour que lconomie soit arbitrairement proche de son tat stationnaire. La seule approximation, dans la rsolution dun modle anticipations parfaites, est donc de supposer
que le niveau terminal des variables non prdtermines est ltat stationnaire. Les modles anticipations
parfaites sont utiliss pour mettre en uvre des variantes, par exemple valuer leffet dune annonce de politique conomique (fiscale ou montaire). Nous verrons un exemple plus loin, en section 5. En adoptant ce type
de modlisation, on suppose implicitement que lincertitude sur la ralisation des innovations futures naffecte pas le comportement des agents conomiques. Ainsi, nous ne pourrions pas expliquer un comportement
dpargne de prcaution avec un modle anticipations parfaites.

Si les innovations futures sont inconnues la date t 15 , nous devons considrer une autre mthode de rsolution. En effet, la trajectoire pour les endognes va tre contingente aux ralisations futures des innovations ; si
nous suivions la mme dmarche que pour les modles anticipations parfaites, nous devrions rsoudre une
infinit de systmes dquations non linaires. Afin de travailler dans un espace de dimension plus raisonnable, nous allons plutt chercher caractriser les proprits de la distribution des endognes. Si elle existe,
15. On suppose tout de mme que les agents connaissent la distribution jointe des innovations.

13

la solution dun modle anticipations rationnelles (3.1) est une quation rcurrente stochastique tourne vers
le pass :
yt = H, (yt1 , t )

(3.3)

o est un vecteur de paramtres caractrisant les innovations (par exemple les variances et covariances),
vrifiant 16 :


Et F (yt1 , H, (yt1 , t ), H, (H, (yt1 , t ), t+1 ), t ) = 0

(3.4)

La rcurrence stochastique (3.3) caractrise les proprits de la distribution des endognes du modle anticipations rationnelles (3.1). Identifier la fonction H peut se rvler tre un problme complexe ; de rares
exceptions prs, nous ne disposons pas de solutions analytiques et nous devons recourir des mthodes numriques. Juillard et Ocaktan (2008) prsentent diffrentes stratgies pour rsoudre ce problme (pour une
prsentation plus dtaille des diffrentes approches, on peut se reporter Judd (1998)). Plutt que didentic, (yt1 , t ) qui vrifie une approximation de
fier la fonction (3.3) qui vrifie (3.4), on cherche une fonction H
lquation fonctionnelle (3.4). La mthode de rsolution par perturbation consiste remplacer (3.4) par une
approximation de Taylor lordre k de (3.4) autour de ltat stationnaire dterministe du modle, y(). Si on
considre une approximation avec k = 1, alors lquation fonctionnelle approxime est linaire en y et et on
c est elle aussi linaire. On a alors :
montre que la solution pour H

cy yt1 y() + H
c t
yt = y() + H

(3.5)

cy et H
c sont respectivement des matrices n n et n q relles obtenues partir de la matrice jacobienne
o H

cy et H
c ne
de F value ltat stationnaire dterministe. Un rsultat remarquable est que les matrices H

dpendent pas des caractristiques de linnovation (rsumes par le vecteur ). La ralisation des innovations
affecte les ralisations des endognes, mais les caractristiques des innovations naffectent pas les liens entre yt
c est solution) est
et yt1 ou yt et t . Ce rsultat nest pas surprenant ; puisque lquation fonctionnelle (dont H
linaire, nous vrifions la proprit dquivalent certain. Avec une approximation lordre un, tout se passe
comme si la taille des chocs navait pas de consquence sur les comportements des agents. nouveau, un
modle anticipations rationnelles rsolu par la mthode de perturbation lordre un na, comme les modles
anticipations parfaites voqus plus haut, rien dire sur lpargne de prcaution. Pour pallier cette limite, il
faut considrer un ordre suprieur dapproximation de (3.4). Par exemple, on peut montrer que si k = 2 alors
16. On obtient cette quation en substituant la solution postule (3.3) dans (3.1).

14

yt

c,

yt1

F IGURE 2 Perturbation aux ordres un et deux.

c est quadratique en y et , et que lon a :

la nouvelle fonction H

cy ybt1 + H
c t
yt = y() + c, + H

cyy
H

ybt1 ybt1 +

cy
H

(3.6)

ybt1 t +

c
H

t t

cyy , H
cy et
o ybt = yt y() est le vecteur des endognes en dviation ltat stationnaire dterministe, H

c sont respectivement des matrices n nn, n nq et n qq relles, c, est un vecteur n 1. Les matrices H
c
H

et le vecteur c, sont obtenus partir de calculs dalgbre linaire sur le jacobien et le hessien de F valus
ltat stationnaire dterministe voir par exemple Juillard et Ocaktan (2008). Cette solution lordre deux
rend compte de leffet des proprits de linnovation sur le comportement des agents via le terme constant
c, . Notons que les lasticits de yt ybt1 , ybt1 ybt1 , ybt1 t , t , t t sont toujours indpendantes des
proprits de linnovation . Elles ne seront, par exemple, affectes par la variance de que pour un ordre dapproximation strictement suprieur deux. La figure 2 reprsente graphiquement, dans le cas o n = q = 1 et
o linnovation contemporaine est nulle, les solutions du modle avec une perturbation lordre un (la droite
bleue) et une perturbation lordre deux (la courbe parabolique rouge). Avec une approximation lordre un,
si lconomie est en y la date t1 alors elle demeure en ltat stationnaire dterministe la date t. Lesprance
de la distribution ergodique de y est ltat stationnaire dterministe. Avec une approximation lordre deux

15

du modle, lconomie ne reste pas en y, mais, dans notre illustration graphique, se dplace vers y. Le point
fixe associ lapproximation lordre deux du modle nest pas ltat stationnaire dterministe. La diffrence
traduit leffet la date t des chocs qui affecteront lconomie en t + s (s > 0). Par exemple, si y est le stock
de capital physique accumul par les mnages, nous voyons, avec lapproximation lordre deux, comment
les mnages intgrent linformation sur lincertitude de demain dans leur dcision dpargne aujourdhui. La
difference en y entre les courbes bleue et rouge, donne par c, , correspond un accroissement dpargne li
un motif de prcaution. Pour sassurer contre les chocs futurs, les mnages augmentent le niveau dpargne au
del de ltat stationnaire dterministe. Ainsi, lesprance de la distribution ergodique des endognes, calcule
avec une approximation de Taylor lordre deux du modle (3.4), est diffrente de ltat stationnaire dterministe.

c, du modle, on parle aussi de forme rduite du modle. partir de celle-ci, on

Pour dsigner la solution H
peut calculer des statistiques sur la distribution des endognes, construire des fonctions de rponses aux chocs
structurels ou estimer les paramtres du modle DSGE.

3.2

Estimer un modle DSGE

Pour estimer les paramtres (, ), ou un sous ensemble de ce vecteur de paramtres, nous utilisons
lapproche baysienne. Une prsentation de cette approche est donne dans Adjemian et Pelgrin (2008). Lapproche baysienne consiste, en pratique, modifier la forme de la fonction de vraisemblance du modle en
la compltant avec des croyances de lconomtre sur les paramtres du modle. Nous savons, par exemple,
que le paramtre dune fonction de production Cobb-Douglas (llasticit de la production par rapport au
capital) est dans lintervalle [0,1] et nous croyons que ce paramtre se trouve probablement dans un voisinage
de 1/3. On suppose quil est possible de formuler cette croyance a priori sous la forme dune fonction de densit de probabilit. Contrairement lapproche classique de linfrence, lapproche baysienne ne raisonne pas
conditionnellement une vraie valeur (inconnue) des paramtres, mais suppose que ceux-ci sont des variables
alatoires et raisonne conditionnellement lchantillon pour mettre jour les croyances sur les paramtres en
estimant une densit a posteriori. Dans le cas du paramtre , notre croyance a priori sera caractrise par une
distribution (ventuellement asymtrique) centre sur 1/3 avec une certaine variance (dautant plus faible que
notre croyance sur la proximit de 1/3 est forte). En utilisant le thorme de Bayes, on montre alors que la
densit a posteriori des paramtres est proportionnelle au produit de la densit a priori et de la vraisemblance.
En effet, si on note p0 () la densit jointe a priori sur les paramtres du modle et p(YT |) L(; YT ) la densit
de lchantillon conditionnellement au modle et ses paramtres (cest--dire la vraisemblance), la densit a
16

posteriori est donne par :

p1 (|YT ) = R

p0 ()p(YT |)
p0 ()p(YT |)d

(3.7)

Il nest gnralement pas possible, pour un modle DSGE, dobtenir une expression analytique de cette densit 17 . Il faut alors recourir des mthodes de Monte-Carlo pour estimer la forme de la densit a posteriori
(voir Adjemian et Pelgrin (2008) pour une description de ces algorithmes). Dans la suite, pour mettre en uvre
les variantes prsentes en section 5, nous utiliserons le mode de la distribution postrieure des paramtres
(cest--dire la valeur des paramtres qui maximise la densit postrieure p1 (|YT )). Le mode de la distribution postrieure est estim en maximisant (avec un algorithme doptimisation quelconque) le numrateur
du membre de droite de lquation (3.7), appell le noyau postrieur, car le dnominateur ne dpend pas des
paramtres . Il est possible destimer le mode de la densit a posteriori sans disposer dune forme analytique
pour la vraisemblance ; il suffit que nous soyons capables de lvaluer.

c, (yt1 , t ) nest pas triviale. Mme si la

Lvaluation de la vraisemblance associe au modle (rduit) yt = H
c, est linaire en yt1 et t , cette valuation ne peut tre directe, comme dans le cas dun modle
fonction H
c, dcrit la distribution jointe dun ensemble de variables qui ne sont pas toutes
VAR. En effet, la fonction H
observes. Afin damener le modle aux donnes, on doit le rcrire sous une forme tat-mesure :

yt? = Zyt

(3.8a)

c, (yt1 , t )
yt = H

(3.8b)

o yt? est un vecteur m 1, regroupant les variables observes et Z est une matrice de slection m n. On
peut ventuellement augmenter lquation de mesure 3.8a dun processus stochastique exogne reprsentant
linadquation des variables thoriques avec les variables observes, ou plus simplement une erreur de mesure.
T

On note YT? = {yt? }t=1 lchantillon notre disposition et Rp le vecteur des paramtres du modle tatmesure. La vraisemblance est la densit de lchantillon, conditionnellement aux paramtres et au modle
dfini par (3.8) :
L(; YT? ) = p (YT? |) =

T
Y

?
p yt? |Yt1
,

(3.9)

t=1
?
Lvaluation de la densit de yt? conditionnellement Yt1
(lchantillon jusqu la date t 1) nest gnrale-

ment pas simple, dans la mesure o yt? dpend de variables endognes inobservables. Nous pouvons nan17. Voir Adjemian et Pelgrin (2008) pour une application sur les modles VAR dans un cas o il est possible dobtenir une expression
analytique de la densit a posteriori.

17

moins utiliser la relation suivante :

?
yt? |Yt1
,

?
p (yt? |yt , ) p(yt |Yt1
, )dyt

(3.10)

?
La densit de yt? conditionnellement Yt1
est obtenue comme la moyenne de la densit de yt? sachant yt ,
?
pondre par la densit de yt sachant Yt1
. La premire densit sous lintgrale est specifie par lquation de

mesure (3.8a). Lvaluation de la densit de la prvision des variables latentes, conditionnellement linformation disponible en t 1, est moins directe, et on doit utiliser un filtre de Kalman. Ce filtre peut tre interprt
comme une procdure baysienne rcursive destimation du vecteur des variables latentes. chaque date
?
(entre 1 et T) on forme une prvision des variables latentes (yt sachant Yt1
), en utilisant lquation dtat (yt
?
sachant yt1 , quation 3.8b) et une estimation initiale des variables latentes (yt1 sachant Yt1
), puis on cor-

rige cette prvision quand une nouvelle observation (yt? ) augmente lensemble dinformation. En initialisant
les variables latentes avec la densit associe leur distribution ergodique, dfinie par lquation dtat (3.8b),
p (y0 |Y0? , ) = p (y0 |) = p (y |), la rcursion scrit de la faon suivante :

?
p yt |Yt1
, =

?
p (yt |yt1 , ) p yt1 |Yt1
, dyt1

(3.11a)

p (yt |Yt? , )

?
,
p (yt? |yt , ) p yt |Yt1


=R
? , dy
p (yt? |yt , ) p yt |Yt1
t

(3.11b)

Lquation de prdiction (3.11a) nous dit que la densit (prdictive) des variables latentes en t est la moyenne
de la densit de yt sachant yt1 , dfinie par lquation dtat (3.8b), pondre par la densit de yt1 sachant
?
Yt1
. Cette dernire densit est dfinie par lquation de mise jour (3.11b) ou la condition initiale. Lquation

de mise jour (3.11b) est, linstar de lquation (3.7), une application du thorme de Bayes. Le premier terme


?
au numrateur, p yt |Yt1
, est la densit a priori du vecteur des variables latentes. Le second terme, p (yt? |yt ),
cest--dire la densit de lobservation sachant ltat obtenu via lquation de mesure (3.8a), est la vraisemblance. Le dnominateur est la densit marginale de la nouvelle observation.
La vraisemblance du modle DSGE et donc son noyau postrieur sont valus en itrant sur le systme dquations (3.11). Ainsi, en toute gnralit, lvaluation du noyau postrieur repose sur des calculs dintgration.
Comme nous devons intgrer sur un espace dont la dimension est gale au nombre de variables endognes
dans le modle, on voit que lvaluation de la vraisemblance devient rapidement trs coteuse, voire impossible. Cest pourquoi, dans la suite, nous considrerons une approximation de Taylor lordre un du modle.
Dans ce cas, lquation dtat (3.8b) est linaire et, si on suppose que les innovations sont gaussiennes, il est
possible de calculer ces intgrales analytiquement (puisque les variables endognes sont normalement distri-

18

bues). On obtient alors les quations linaires bien connues du filtre de Kalman (voir par exemple Harvey
(1999)).

Toutes ces mthodes de simulation et destimation sont implmentes dans le logiciel Dynare (voir Adjemian
et al. (2011)), qui est utilis pour les applications qui suivent 18 .

3.3

Formes rduites et structurelle

Lanalyse dun modle structurel anticipations rationnelles (3.1) ou son estimation ncessitent au pralable
c, (yt1 , t ). Le passage de la forme structurelle la forme rduite est
le calcul de sa forme rduite yt = H
gnralement numrique 19 . Les paramtres de la forme rduite dpendent alors des paramtres de la forme
structurelle. Par exemple, dans le cas dune approximation de Taylor lordre un du modle de la section 2, on
dnombre trente trois variables dtat 20 . La forme rduite exprime, par exemple, le niveau de la consommation
la date t en fonction des trente trois variables dtat et des quatorze innovations des variables exognes. Ainsi,
lquation (rduite) pour la consommation est de la forme :

Ct = b() +

S
X

cs ()Xs,t +

s=1

q
X

di ()i,t

(3.12)

i=1

o S est le nombre de variables dtat, q est le nombre dinnovations, Xs est une variable dtat et i une innovation. Comme nous lavons vu dans la section 3.1, les paramtres de la forme rduite ne dpendent que
des paramtres structurels () et pas des paramtres dfinissant les proprits des innovations (). La forme
rduite (3.5) dfinit une quation du type (3.12) pour chaque variable du modle la date t. Puisque les paramtres rduits de ces quations sont tous des fonctions du vecteur de paramtres , la forme rduite (3.5)
associe lapproximation du modle (3.1) dfinit un ensemble de restrictions, intra et inter quations, sur les
paramtres rduits.

Contrairement aux modles DSGE, les modles macro-conomtriques traditionnels sont directement dfinis
partir dune forme rduite. Par exemple, un tel modle caractrisera la dynamique de la consommation avec
une quation de la forme :
Ct = b +

S
X

cs Xs,t +

s=1

q
X

di i,t

(3.13)

i=1

18. Les codes sont disponibles auprs des auteurs.

19. Voir Campbell (1994) pour des exemples o le passage de la forme structurelle linarise la forme rduite est analytique.
20. Le nombre de variables dtat peut dpendre de lordre dapproximation. Avec une approximation lordre un, les variables de
distorsions lies la variabilit des prix et salaires (dcrites dans lannexe B.4) induites par les loteries la Calvo (1983) disparaissent.

19

o Xs est une variable explicative de la consommation et i un ala. La diffrence essentielle entre les formes
rduites (3.12) et (3.13) rside dans la nature des paramtres rduits. Mme si les deux formes rduites font
intervenir les mmes variables (ce que, malgr toute vraisemblance, suggrent les notations adoptes ici), ces
deux formes rduites sont trs diffrentes. Une premire diffrence est que dans le second cas il nexiste aucune restriction inter quations. La seconde diffrence est lie aux consquences sur les paramtres rduits
dun changement de politique conomique et la critique de Lucas.

Considrons lexprience de pense suivante : une date T , le gouvernement change le taux de TVA. Dans
notre modle, cela correspond une variation du niveau de long terme de la variable exogne C,t (
C , son
niveau de long terme, est un paramtre dans le vecteur ). Ce choc fiscal permanent va affecter la relation fonctionnelle rduite entre la consommation (Ct ) et les variables Xs et i . Par exemple, suite cette mesure fiscale, la
consommation peut devenir plus ou moins sensible aux variations des revenus des mnages. La forme rduite
(3.13) na rien dire sur ce sujet, car elle suppose implicitement que les paramtres rduits sont invariants et
en particulier indpendants des choix de politique conomique. Cette hypothse nest pas tenable au regard
de lintuition. La supriorit de la forme rduite (3.12) est quelle nous dit exactement comment une variation
de C va se traduire par une variation de la forme fonctionnelle entre la consommation et les variables Xs et i ,
puisque les paramtres rduits dpendent explicitement de . Ainsi, les modles macro-conomtriques traditionnels ne sauraient servir analyser de faon pertinente les consquences dun changement de politique
conomique. Si ces modles peuvent ventuellement tre utiles pour construire des prvisions, ils ne devraient
pas tre utiliss pour produire des variantes 21 .

Lhypothse des modles DSGE est que les paramtres dits structurels 22 (sur lesquels reposent les paramtres
rduits) sont invariants vis--vis dun changement de politique conomique. Cette hypothse peut paratre
raisonnable lorsque lon pense aux paramtres lis la spcification des prfrences des mnages ou des technologies de production et dagrgation, mais doit (devrait) tre discute pour dautres paramtres. En effet,
les modles DSGE ne sont pas exempts de formes rduites ; en particulier, les fondements microconomiques
des rigidits, nominales et relles, sont souvent faibles voire inexistants 23 . Par exemple, dans notre cas, les
rigidits de prix sont introduites via une loterie la Calvo (1983) et un paramtre p , la probabilit pour une
firme du secteur intermdiaire de ne pas pouvoir optimiser son prix une date t. Il sagit dune forme rduite,
et rien nassure que ce paramtre soit invariant vis--vis de toutes les variantes de politique conomique. Il est,
21. Une autre diffrence notable est que les modles macro-conomtriques laissent peu de place aux anticipations, il sont gnralement
tourns vers le pass. Ainsi, ces modles ne peuvent rien dire sur leffet anticip dun changement de politique conomique annonc.
22. On parle aussi, dans la littrature anglo-saxonne, de deep parameters, dans le sens o ils dterminent les paramtres rduits.
23. En dehors du monde dArrow-Debreu, il nexiste pas de modle pleinement micro fond.

20

bien sr, toujours possible dadopter des rigidits bases sur des fondations microconomiques plus solides,
mais au prix dune plus grande complexit du modle. Il y a donc ici un arbitrage dans les choix de modlisation. Dans ce sens, nous pourrions modliser la rigidit nominale sur les prix en suivant Dotsey et King
(2005) plutt que Calvo (1983) ; cest--dire en considrant un modle o la date laquelle une firme intermdiaire optimise son prix est endogne et dpend de ltat de lconomie, plutt quun modle o cette date est
exogne (dcide par une loterie). La littrature donne assez peu dlments convaincants pour conclure sur
le statut vritablement structurel des paramtres dits structurels. Il est impossible dapprhender ce problme
de faon gnrale, et on doit raisonner au cas par cas (selon les variantes de politique conomique qui nous
intressent).

Le lecteur pourrait tre tonn par labondance de chocs dans un modle DSGE, alors que lobjectif annonc
est de proposer une modlisation sur la base de comportements micro fonds. Se poser la question de la micro
fondation de ces variables na videmment, par nature, aucun sens. Ce quil faut discuter, cest le statut exogne
de ces variables. Encore une fois, celui-ci doit tre discut en relation avec lusage qui sera fait du modle.

4
4.1

Estimation du modle
Les croyances a priori

Les premires colonnes du tableau 2 rsument les croyances sur les paramtres du modle. Certains dentre
eux sont clairement peu identifiables (tant donnes nos observables), voire non identifiables. Nous prfrons
nanmoins postuler une croyance a priori sur ces paramtres, mme si nous savons que la densit a priori se
refltera parfaitement dans la densit a posteriori. On peut interprter cette pratique comme une forme dtalonnage stochastique. Les formes fonctionnelles adoptes pour la dprciation du capital et le cot dajustement
de linvestissement sont dcrites dans lannexe E.

Concernant les processus exognes (les chocs defficience, sur les prfrences, fiscaux, ...), nous supposons que
les chocs sont des AR(1) gaussiens indpendants. Nous dfinissons les croyances sur lautocorrlation dordre
un, sur lesprance et sur la variance de ces chocs 24 . Pour certains chocs (par exemple les chocs fiscaux 1 + C ,
1 W , 1 + L et 1 R ), nous disposons par ailleurs dinformations assez prcises que nous exploitons pour
dfinir les a priori. Pour les autres chocs (par exemple le choc de risk premium) nous suivons la littrature pour
fixer les distributions a priori ( lexception du choc sur loffre de travail dont le niveau de long terme per24. Il est plus simple de dfinir les croyances sur la fonction dautocovariance dune variable exogne, plutt que sur le(s) paramtres
autorgressifs et linnovation de la variable exogne (lapproche habituellement considre dans la littrature).

21

met dajuster le niveau de long terme des heures). Dans tout les cas, nous laissons suffisamment de degrs de
libert la procdure destimation en posant des variances assez importantes (voire infinies sur la taille des
variables exognes).

Pour les a priori sur les paramtres structurels, nous suivons gnralement la littrature (en particulier les travaux de Smets et Wouters (2003, 2005, 2007)). Plutt que de poser des croyances a priori sur les probabilits
de Calvo (1983) (p et w ), nous dfinissons nos croyances a priori sur la dure moyenne de la priode durant
laquelle une firme ou un syndicat ne peut optimiser son prix (1/1p et 1/1w ). Ce choix nous semble plus
pertinent dans la mesure o nous disposons de donnes microconomiques sur cette dure moyenne (voir par
exemple Loupias et Sevestre (2010) ou Fabiani et al. (2007)). Les densits a priori sur ces dures sont centres sur
quatre trimestres. Les paramtres f et s caractrisent la courbure des fonctions dagrgation des biens intermdiaires et du travail diffrenci. Nous ne disposons pas dides prcises sur ce paramtre ; cest pourquoi les
variances a priori sont relativement importantes. Leurs densits a priori sont centres sur 10, ce qui correspond
aux calibrations souvent retenues dans la littrature (voir Smets et Wouters (2007), Levin et al. (2007)).

En licitant les densits a priori, nous avons vrifi que la masse de probabilit a priori effective, cest--dire une
fois que nous avons limin les configurations de paramtres pour lesquels ltat stationnaire nexiste pas ou
pour lesquels les conditions de Blanchard et Kahn ne sont pas vrifies, est bien unitaire.

4.2

Les donnes

Le modle est identifi avec sept sries trimestrielles pour la zone euro extraites dEurostat et couvrant la
priode 1995T2-2008T3. Lchantillon destimation exclut volontairement les points correspondant la crise
financire rcente. Les sries relles observes sont divises par la population dont lge est compris entre 15
et 64 ans puisque le modle ne tient pas explicitement compte de la croissance de la population. La source de
cette dernire srie est aussi Eurostat. Par ailleurs, dans la mesure o le modle inclut une tendance stochastique avec drive de la productivit, les sries relles intgres sont observes en taux de croissance sans tre
pralablement filtres. Plus prcisment, notre base de donnes comprend les taux de croissance du PIB rel
par tte, de la consommation prive relle par tte, de linvestissement total rel par tte, de la masse salariale
relle par tte, ainsi que, pour les sries stationnaires, le glissement annuel de lindice des prix la consommation harmonis de la zone euro (IPCH), le taux dutilisation des capacits de production (TUC) et le taux
dintrt nominal interbancaire trois mois. Lobservation de sries brutes pose cependant un problme dans
la mesure o le modle suppose que la croissance de toutes les variables relles a pour origine une tendance de
22

productivit exogne commune. Cette hypothse implique en effet que leur taux de croissance de long terme
est identique, ce qui est clairement rejet par les donnes sur notre priode destimation (voir la figure 4 en
annexe). Pour y remdier, les quations de mesure des variables concernes (consommation, investissement
et masse salariale par tte) comprennent un terme derreur constant correspondant la diffrence entre leur
taux de croissance moyen observ et celui du PIB par tte. Les hypothses faites sur le degr dintgration des
sries observes sont vrifies laide de tests standard de racine unitaire. Le tableau 3 en annexe A donne les
rsultats ainsi quune brve description des tests.

On utilise pour lestimation, en plus des sries trimestrielles cites ci-dessus, une srie dheures travailles.
Celle-ci est fournie par Eurostat en frquence annuelle et seulement partir de lanne 2000. Les observations
manquantes sont traites comme des variables latentes dans le modle tat mesure (3.8). Techniquement, on
considre un filtre de Kalman o le nombre de lignes dans la matrice de slection Z nest pas constant. Les
dtails sont donns dans Adjemian et Devulder (2011).

4.3

Les croyances a posteriori

Les dernires colonnes du tableau 2 donnent les rsultats de lestimation du mode et de la variance de la distribution postrieure. Le mode de la densit postrieure est obtenu laide dune routine doptimisation et
la variance postrieure est approxime par linverse de loppos de la matrice hessienne du noyau postrieur
valu au mode. Cette approximation nest valable que si la distribution postrieure est assez proche dune
gaussienne. Notons que nous nous sommes contents dune estimation du mode, mais nous aurions pu estimer la distribution postrieure dans son ensemble laide dun Monte-Carlo (voir Adjemian et Pelgrin (2008)).
Lestimation ici ne nous sert qu slectionner des valeurs pour les paramtres, afin de mettre en uvre des
expriences sur la politique montaire dans la section suivante.

On remarque que la dure moyenne des contrats de prix des biens intermdiaires est trs faible (1,3 trimestres)
contrairement la dure moyenne des contrats de salaire (5,3 trimestres). Le markup ltat stationnaire (f )
des firmes du secteur intermdiaire est plus faible (1,26) que la marge des syndicats (s =1,43). La courbure
de la fonction dagrgation des firmes du secteur du bien final apparat plus faible (8,18) que celle de lagence
dempoi (10,75). Dans lensemble, selon notre estimation, les prix sont moins rigides que les salaires. On remarque aussi que linflation des prix est moins persistante que linflation des salaires (p = 0,12 < 0,28 = w ).

23

Variantes de politique montaire

Dans cette section nous proposons deux exercices afin dillustrer lintrt de la modlisation DSGE. Les questions abordes ici ne pourraient tre traites en dehors dun modle structurel.

5.1

Cot des fluctuations et forme de la rgle de Taylor

Nous valuons lefficacit de la politique montaire, en quantifiant dans quelle mesure elle parvient utilement
stabiliser les fluctuations agrges 25 . Nous valuons le cot en bien tre conditionnel des fluctuations en suivant Schmitt-Grohe et Uribe (2004). Ces auteurs montrent que le cot en bien tre (la variable Wt dfinie dans
lquation (2.1)) la date t , sachant que lconomie est ltat stationnaire dterministe la date t 1, peut
tre approxim laide de la correction sur la constante dans la forme rduite dune approximation lordre
deux du modle DSGE (le terme c, dans la forme rduite (3.6)). On peut donner lintuition de ce rsultat en
considrant la figure 2. Si lconomie est initialement ltat stationnaire non stochastique (yt1 = y), nous
avons vu quune itration sur la forme rduite (3.6) va dplacer lconomie hors de ltat stationnaire dterministe (yt = yt1 + c, 6= y), mme en labsence de chocs en t, cause de lanticipation par les agents des
chocs agrgs qui frapperont lconomie demain (en t + s, pour s > 0). Face aux ralisations incertaines des
chocs futurs, les agents sassurent en accumulant plus de capital, cest dire en consommant moins aujourdhui (et demain) ce qui entrane une dgradation du bien tre. Nous observerons donc un saut vers le haut
de linvestissement en t mais une chute vers le bas du bien tre, dont la mesure est donne par llment du
vecteur c, correspondant la variable W . Comme le bien tre est une variable tourne vers le futur, dans le
sens o Wt = ut + E[Wt+1 ], le saut initial rend compte du cot en bien tre aujourdhui et demain (la tranf). Une telle valuation du bien tre est contingente
sition vers le point fixe associ forme rduite (3.6), W
une transformation croissante arbitraire de la fonction dutilit. Afin dobtenir une mesure plus lisible, il est
dusage dexprimer la perte en bien-tre en son quivalent en consommation. On cherche alors exprimer la
quantit de consommation quun consommateur serait prt sacrifier en change de llimination des fluctuations agrges. Ce sacrifice est exprim en pourcentage du niveau de long terme de la consommation.

Le tableau 1 donne lvaluation, en termes de pourcentage de la consommation ltat stationnaire dterministe, du cot des fluctuations, pour diffrentes spcifications de la politique montaire (de la rgle de Taylor
(2.11)). Dans le premier cas, on considre la rgle de Taylor estime. Le cot des fluctuations est de lordre de
-0,41%. Cette valuation, qui peut paratre faible, est sensiblement plus importante que les chiffres reports par
25. Le cot des fluctuations idiosyncrasiques, lies aux loteries la Calvo (1983), nest pas pris en compte.

24

Lucas (2003, 1987) (de lordre de un vingtime de pourcentage) 26 . Au del de cette valuation, il peut tre plus
intressant de comprendre comment la politique de la banque centrale affecte le cot en bien tre des fluctuations. Les quatre lignes suivantes du tableau dcrivent comment varie le cot des fluctuations si on retire une
(des) variable(s) de la rgle de Taylor. On observe que, gnralement, cela ne change pas sensiblement les valuations du cot des fluctuations, sauf dans le cas o la banque centrale ne ragit pas lcart de production.
Dans ce cas, le cot en bien-tre des fluctuations est plus important. Lcart de production, dans un monde
imparfait o les firmes ne peuvent pas ajuster librement les prix, est souvent vu comme un indicateur avanc
de linflation. En ne ragissant pas aux variations de lcart de production, la banque centrale contrle moins
efficacement linflation, ce qui engendre in fine un cot pour les mnages.

La rgle de Taylor estime rend compte de la politique montaire effective. Nous pourrions nous demander si
lautorit montaire naurait pas pu faire mieux en termes de matrise des fluctuations. La rponse est positive.
En supposant que le but assign la banque centrale soit le contrle de la volatilit de linflation, nous cherchons les paramtres R , r , rY , r , rY et r$ qui minimisent la variance (ergodique) de linflation. Lavant
dernire ligne du tableau 1 reporte un cot des fluctuations de lordre de -0,28%, sensiblement moindre que
dans le cas de la rgle de Taylor. On parvient encore rduire ce cot si on demande lautorit montaire
de pnaliser simultanment la volatilit du taux dintrt nominal (la dernire ligne du tableau). Daprs notre
estimation du modle, lautorit montaire pourrait stabiliser plus efficacement linflation, ce qui amnerait
des gains en bien tre pour les mnages.

26. Cette diffrence peut dabord sexpliquer par lapproche moins structurelle de Lucas. Celui-ci ne raisonne que sur la base dun
processus exogne pour la consommation et dune fonction dutilit. Ici nous proposons une valuation du cot des fluctuations dans un
modle dquilibre gnral stochastique o les inefficiences sont nombreuses (marges variables des firmes intermdiaires et des syndicats,
externalit lie aux habitudes de consommation, rigidits la Calvo (1983) , ...).

25

Scnario

quivalent consommation

Rgle de Taylor
Rgle de Taylor
Rgle de Taylor
Rgle de Taylor
Rgle de Taylor

-0.4112%
\

{it1 }

-0.3004%

-0.4101%

n
o
Yt
t , Y

$t
$
et

Yt
Yt
,Y
Yt
t

-0.4109%
-1.1333%

Rgle de Taylor optimise A

-0.2790%

Rgle de Taylor optimise B

-0.2635%

TABLE 1 Cot des fluctuations. La rgle de Taylor optimise A correspond lquation (2.11) o les coefficients sont choisis pour minimiser la volatilit de linflation (lobjectif est V[t ]). La rgle de Taylor optimise
B correspond la mme quation o les coefficients sont choisis pour minimiser la volatilit de linflation et la
volatilit du taux dintrt nominal (lobjectif est V[t ] + 0.1V[it ]).

5.2

Faut-il annoncer une politique montaire acomodante ?

Cette section propose une variante illustrant lutilisation du modle prsent pour lvaluation de la politique
montaire. On suppose que lconomie de la zone euro est frappe par un choc de productivit ngatif entranant un ralentissement de lconomie ainsi quune augmentation du cot unitaire du travail et donc de
linflation. La banque centrale envisage alors de mener temporairement une politique montaire acomodante.
Cette situation peut apparatre dans le contexte dune conomie fragilise par la crise financire : lautorit montaire est tente de rpondre des tensions inflationnistes exognes, telles quune hausse du prix du ptrole,
par des hausses de taux dintrt plus faibles que dordinaire. On se demande alors, dune part, quels sont les
effets dune telle politique et, dautre part, ce quil advient si celle-ci est pralablement annonce et crdible
(ou, en dautres termes, si elle est parfaitement anticipe).

On considre que le choc de productivit ngatif qui frappe lconomie en premire priode a une amplitude
dun cart-type. La politique acomodante de la banque centrale est modlise par une chronique de 6 innovations ngatives sur le choc de la rgle de Taylor du modle, chacune damplitude gale 10% de son cart-type
et survenant entre la premire et la sixime priode. On suppose donc que la dure de cette politique est dun
an et demi. Les graphiques suivants prsentent les rponses des principales variables macroconomiques dans
trois cas : lorsque la banque centrale rpond normalement au choc technologique, cest--dire en suivant la
rgle de Taylor, lorsquelle mne une politique acomodante sans lannoncer et, enfin, lorsquelle mne la mme
politique mais en lannonant ds la premire priode :

26

PIB (%)

0.2

Consommation (%)

0.1

0.2

0.05

0.0

Investissement (%)

0.4

0.10

0.0

0.00

-0.2

-0.1

-0.05

-0.2

-0.10

-0.3

-0.15

-0.4
-0.6
-0.8
0

12

16

20

24

28

Output gap (pp)

12

16

20

24

28

12

16

20

24

28

Inflation (pp)
0.4

0.2

0.1

0.3

rgle de Taylor

0.2

politique montaire non anticipe

0.1
0.0

politique montaire anticipe

0.0
-0.1

-0.1
0

12

16

20

24

28

12

16

20

24

28

F IGURE 3 Variantes sur la politique montaire.

La politique montaire acomodante a pour effet, quelle soit annonce ou pas, dattnuer sensiblement limpact
du choc technologique sur lactivit. En revanche, elle amplifie ses effets inflationnistes. Dune part, les chocs
de Taylor ngatifs diminuent la rmunration des titres dtat et incitent les mnages transfrer leur pargne
vers linvestissement en capital productif. Dautre part, ils poussent la baisse le taux dpargne des mnages
puisque le fait de renoncer une certaine quantit de consommation pendant la priode prsente leur permet
de bnficier, grce aux intrts dgags, dune quantit de consommation aux dates futures moindre quen
labsence de ces chocs. Autrement dit, ils augmentent les prix relatifs de la consommation aux dates futures par
rapport au prix prsent, do un effet de substitution intertemporelle au profit de la consommation prsente.
Ainsi, la hausse de la demande relance lactivit et les mnages bnficient dun surcrot de revenu pendant et
aprs la priode pendant laquelle la politique montaire est acomodante. Au total, leffet sur la demande est
positif sur tout lhorizon de simulation, do davantage de tensions sur le march des biens. Les entreprises
ragissent en rvisant progressivement leurs prix la hausse, ajoutant linflation provoque par le choc technologique.

Lorsque la politique montaire acomodante est anticipe, les mnages effectuent en priode 1 le mme arbitrage que dans le cas de chocs de Taylor non anticips, cest--dire quils augmentent immdiatement leur
consommation et leur investissement en capital productif, mais, de plus, ils prennent en compte le fait quils
auraient arbitrer de la mme faon pendant chacune des 5 priodes suivantes. Autrement dit, ds la priode
1, ils choisissent leur demande pendant toutes les priodes futures en considrant leffet cumul de la politique montaire acomodante : dsireux de lisser leur profil intertemporel de consommation, ils substituent de

27

la consommation prsente de la consommation future dans des proportions plus importantes que dans le cas
o les chocs futurs ne sont pas anticips. De mme, ils choisissent immdiatement dinvestir davantage afin
de limiter les variations, coteuses, de linvestissement. Leffet positif sur lactivit de la politique montaire
acomodante est donc amplifi, do un accroissement des tensions inflationnistes. Celles-ci sont dautant plus
fortes que les entreprises anticipent elles-mmes parfaitement les effets des chocs de Taylor futurs ; ntant autorises rviser leurs prix chaque date quavec une probabilit 1 p , elles rpercutent sur linflation leffet
des tensions futures sur le march des biens ds quelles ont lopportunit de le faire. Dans cette variante, le
welfare, exprim en quivalent de consommation, diminue de 0.014% en priode 1 contre 0.007% dans le cas
o le taux dintrt ragit suivant la rgle de Taylor du modle. La politique montaire acomodante, malgr
son effet positif sur lactivit, nest donc pas prfrable du point de vue du bien-tre des mnages. En effet, les
chocs ngatifs sur le taux dintrt, en diminuant la rmunration de lpargne, affectent ngativement leur
richesse intertemporelle.

En rsum, une politique montaire acomodante pendant une dure limite est efficace pour attnuer leffet
sur lactivit dun choc de productivit ngatif. Lapparition de tensions inflationnistes est alors invitable. Si
elle souhaite limiter lampleur de ces dernires, la banque centrale a intrt ne pas annoncer la politique
montaire envisage.

28

Croyances a priori

Croyances a posteriori

Distribution

Mode

cart-type

Mode

cart-type

[AT ]
[AC ]
[C ]
[W ]
[R ]
[L ]
[pI ]
[I ]
[B ]
[L ]
[y ]
[l ]
[R ]
[g ]

Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma
Inverse gamma

0.004
0.010
0.004
0.011
0.005
0.010
0.005
0.010
0.010
0.003
0.005
0.005
0.005
0.021

0.0030
0.0092
0.0196
0.0108
0.0324
0.0095
0.0048
0.0115
0.0063
0.0082
0.0034
0.0042
0.0019
0.0273

0.0007
0.0018
0.0043
0.0041
0.0053
0.0035
0.0016
0.0052
0.0010
0.0016
0.0009
0.0014
0.0003
0.0117

AT (1)
AC (1)
C (1)
W (1)
R (1)
B (1)
L (1)
pI (1)
I (1)
L (1)
y (1)
l (1)
R (1)
g (1)
(1)

Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Bta

0.464
0.500
0.910
0.958
0.909
0.500
0.500
0.918
0.500
0.750
0.500
0.500
0.500
0.855
0.855

0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236
0.2236

0.6344
0.7958
0.1468
0.9707
0.8611
0.5293
0.5182
0.6445
0.2250
0.7902
0.9225
0.8838
0.8309
0.9624
0.8545

0.2032
0.0775
0.1146
0.1806
0.0494
0.1320
0.3693
0.2375
0.2294
0.0873
0.0604
0.1084
0.0433
0.0349
0.2852

cart sur C
cart sur I
cart sur W

Gaussienne
Gaussienne
Gaussienne

-0.049
0.177
-0.121

0.0200
0.0200
0.0200

-0.0429
0.1813
-0.1173

0.0143
0.0186
0.0127

c
l

Gaussienne
Gaussienne
Bta
Gamma

1.200
2.000
0.560
4.000

0.0500
0.3000
0.1400
1.0000

1.1972
2.1554
0.8108
1.3081

0.0489
0.2823
0.0376
0.0890

Gamma
Gamma
Gamma
Bta
Bta
Gamma
Gamma
Bta
Bta
Bta
Gaussienne
Gaussienne
Gaussienne
Gaussienne
Gaussienne
Bta
Bta
Bta
Bta
Bta
Bta
Bta
Gamma
Gaussienne
Gaussienne
Bta

4.000
1.200
1.200
0.290
0.300
10.000
10.000
0.391
0.020
0.830
1.485
0.350
0.000
0.700
0.000
0.004
1.005
1.111
0.881
0.877
1.285
0.217
2.000
0.821
0.271
1.003

1.0000
0.0500
0.2000
0.1000
0.1000
2.0000
2.0000
0.0030
0.0500
0.0500
0.0800
0.0500
0.5000
0.3000
0.5000
0.0020
0.0040
0.0500
0.0500
0.0500
0.0200
0.0400
0.5000
0.0500
0.1000
0.0020

5.2934
1.2557
1.4291
0.1214
0.2778
8.1847
10.7530
0.3919
0.0358
0.8160
1.4813
0.3893
0.7458
0.6206
-0.1737
0.0040
1.0054
1.1099
0.8562
0.8780
1.2972
0.2037
2.4754
0.8209
0.2696
1.0032

1.0512
0.0483
0.2167
0.0556
0.0972
1.6488
2.0334
0.0030
0.0166
0.0270
0.0798
0.0473
0.2230
0.2751
0.2653
0.0007
0.0013
0.0483
0.0554
0.0486
0.0202
0.0353
0.4058
0.0068
0.0033
0.0011

1
1p
1
1w

f
s
p
w
f
s
wL
Y

R
r
ry
r
ry
rw
AT

C
R
W
L
g

z
L
r

TABLE 2 Croyances a priori et a posteriori.

29

Rfrences
Stphane A DJEMIAN, Houtan B ASTANI, Michel J UILLARD, Ferhat M IHOUBI, George P ERENDIA, Marco R ATTO
et Sbastien V ILLEMOT : Dynare : Reference manual, version 4, October 2011. URL www.dynare.org.
Stphane A DJEMIAN et Antoine D EVULDER : Improving the forecasting performance of a bayesian dsge model
for the euro area using missing observations series, 2011.
Stphane A DJEMIAN et Florian P ELGRIN : Un regard baysien sur les modles dynamiques de la macroconomie. conomie et Prvision, 183-184:127152, 2008.
Robert J. B ARRO et Xavier S ALA - I -M ARTIN : Economic Growth. MIT Press, 2004.
Susanto B ASU et Miles S. K IMBALL : Long run labor supply and the elasticity of intertemporal substitution for
consumption. mimeo, University of Michigan, October 2002.
Guillermo A. C ALVO : Staggered prices in a utility-maximizing framework. Journal of Monetary Economics, 12
(3):383398, September 1983.
John Y. C AMPBELL : Inspecting the mechanism : An analytical approach to the stochastic growth model. Journal
of Monetary Economics, 33(3):463506, Juin 1994.
L. C HRISTIANO, M. E ICHENBAUM et C. E VANS : Nominal rigidities and the dynamic effects of a shock to
monetary policy. Journal of Political Economy, 113(1):145, 2005.
Avishna D IXIT et Joseph S TIGLITZ : Monopolistic Competition and Optimum Product Diversity. American
Economic Review, 67(3):297308, 1977.
Michael D OTSEY et Robert G. K ING : Implications of state-dependent pricing for dynamic macroeconomic
models. Working Papers 05-2, Federal Reserve Bank of Philadelphia, February 2005.
Graham E LLIOTT, Thomas J. R OTHENBERG et James H S TOCK : Efficient tests for an autoregressive unit root.
Econometrica, 64(4):81336, July 1996.
C. E RCEG, D. H ENDERSON et A. L EVIN : Optimal monetary policy with staggered wage and price contracts.
Journal of Monetary Economics, 46(2):281313, 2000.
Silvia FABIANI, Claire L OUPIAS, Fernando M ARTINS et Roberto S ABBATINI : Pricing Decisions in the Euro Area.
Oxford University Press, 2007.
Andrew C. H ARVEY : Forecasting, Structural Time Series and the Kalman Filter. Cambridge University Press,
1999.
30

Kenneth L. J UDD : Numerical methods in Economics. MIT press, 1998.

Michel J UILLARD et Tarik O CAKTAN : Mthodes de simulation des modles stochastiques dquilibre gnral.
conomie et Prvision, 183-184:115126, 2008.
Miles S. K IMBALL : The quantitative analytics of the basic neomonetarist model. NBER Working Papers 5046,
National Bureau of Economic Research, March 1996.
Denis K WIATKOWSKI, Peter C.B. P HILLIPS, Peter S CHMIDT et Yongcheol S HIN : Testing the null hypothesis of
stationarity against the alternative of a unit root : How sure are we that economic time series have a unit
root ? Journal of Econometrics, 54(1-3):159178, 1992.
Jean-Pierre L AFFARGUE : Rsolution dun modle macroconomique avec anticipations rationnelles. Annales
dEconomie et de Statistique, 17:97119, 1990.
Andrew T. L EVIN, J. David L OPEZ -S ALIDO et Tack Y UN : Strategic complementarities and optimal monetary
policy. Kiel Working Papers 1355, Kiel Institute for the World Economy, June 2007.
Claire L OUPIAS et Patrick S EVESTRE : Costs, demand, and producer price changes. Working Papers 1211,
European Central Bank, 2010.
Robert E. L UCAS : Models of Business Cycles. Blackwell Publishers, 1987.
Robert E. L UCAS : Macroeconomic priorities. American Economic Review, 93(1):114, March 2003.
Peter S CHMIDT et Perter C.B. P HILLIPS : LM tests for a unit root in the presence of deterministic trends. Oxford
Bulletin of Economics and Statistics, 54(3):25787, August 1992.
Stephanie S CHMITT-G ROHE et Martin U RIBE :

Optimal operational monetary policy in the Christiano-

Eichenbaum-Evans model of the u.s. business cycle. NBER Working Papers 10724, National Bureau of
Economic Research, septembre 2004.
Stephanie S CHMITT-G ROHE et Martin U RIBE : Comparing two variants of calvo-type wage stickiness. NBER
Working Papers 12740, National Bureau of Economic Research, December 2006.
Stephanie S CHMITT-G ROH et Martn U RIBE : Optimal fiscal and monetary policy in a medium-scale macroeconomic model. In NBER Macroeconomics Annual 2005, Volume 20, pages 383462. National Bureau of
Economic Research, Inc, 2005.
Christopher S IMS : The role of models and probabilities in the monetary policy process. Brooking Papers on
Economic Activity, pages 162, February 2002.
31

Frank S METS et Rafael W OUTERS : An estimated dynamics stochastic general equilibrium model of the euro
area. Journal of the European Economic Association, 1:11231175, 2003.
Frank S METS et Rafael W OUTERS : Comparing shocks and frictions in us and euro area business cycles : A
bayesian approach. Journal of the European Economic Association, 20:161183, 2005.
Frank S METS et Rafael W OUTERS : Shocks and frictions in us business cycles : A bayesian dsge approach.
American Economic Review, 97(3):586606, June 2007.
Hirofumi U ZAWA : Neutral inventions and the stability of growth equilibrium. review of Economic Studies,
28:117124, 1961.

32

Annexes
A

Les donnes

Donnes des comptes nationaux trimestriels :

PIB : Euro area 16 (fixed composition) - Gross domestic product at market price - Chain linked volumes, reference year 2000 - ECU/euro Seasonally and partly working day adjusted, mixed method of adjustment, Eurostat code : B1GM/EA16/SWDA/MIO_EUR_CLV2000.
Consommation en volume : Euro area 16 (fixed composition) - Final consumption of households and NPISHs (private consumption)
- Chain linked volumes, reference year 2000 - ECU/euro - Seasonally and partly working day adjusted, mixed method of adjustment,
Eurostat code : P31_S14_S15/EA16/SWDA/MIO_EUR_CLV2000.
Investissement : Euro area 16 (fixed composition) - Gross fixed capital formation - Chain linked volumes, reference year 2000 - ECU/euro
- Seasonally and partly working day adjusted, mixed method of adjustment, Eurostat code : P51/EA16/SWDA/MIO_EUR_CLV2000.
Masse salariale brute en valeur : Euro area 16 (fixed composition) - Gross wages and salaries, domestic, Current prices, ECU/euro,
Seasonally and partly working day adjusted, mixed method of adjustment, Main series, Eurostat code : D11/EA16/SA/MIO_EUR.
Dflateur de la consommation : Euro area 16 (fixed composition) - Final consumption of households and NPISHs (private consumption), Deflator, National currency, Neither seasonally nor working day adjusted, Index, Eurostat code : P31_S14_S15/EA16/SWDA/CPI00_EUR.
Autres indicateurs :
IPCH : Euro area 16 (fixed composition) - HICP - Overall index, Neither seasonally nor working day adjusted, Monthly Index, Eurostat
code : VAL.IDX05.EMU16.00
TUC : Capacity utilisation in manufacturing, total, Seasonally adjusted, Euro area 16, Eurostat code : TEIBS070.
Taux dintrt : Euro interbank offered rate (deposit) 3 months, data collected at 11 pm central european time (CET), monthly average
of working days, Eurostat code : TEIMF040.
Heures travailles : Euro area (16 countries) - Total annual hours worked total economy - millions - AMECO data class Data in 1000
persons. SEBC seulement, ne pas publier.
Population 15-64 ans : Euro area 16 (fixed composition) ; European Labour Force Survey ; Population ; Total ; Age 15 to 64 ; Female &
Male ; Neither seasonally nor working day adjusted 27 .

Variables
log Yt
log Ct
log It
log wt Lt
log zt
log t
log Rt

KPSS a
0,2505
0,3263
0,1736
0,1736
0,1744
0,3344
0.1885

SP b
-2,4882
-1,6726
-2,6330
-2,1829

1
-1,4300
-0,2993
-1,3383
-0,9457
-2,7788
-3,1083
-1,4296

ERS c
2
3
-1,8044
-1,7544
-0,6329
-1,1907
-1,7708
-1,9635
-1,4436
-1,8654
-3,1183
-2,8923
-2,5003
-2,6126
-1,6210
-1,6690

4
-1,8108
-1,0419
-3.2123
-2,7356
-2,6690
-2,3912
-1,4785

a. Statistique de Kwiatkowski et al. (1992). Pour les variables qui ont thoriquement une tendance (log Yt , log Ct , log It , log wt ) lhypothse nulle est I(0)+T contre lhypothse alternative
I(1)+T. Les valeurs critiques 1%, 5% et 10% sont alors respectivement de 0,216 0,146 et 0,119.
Pour les variables supposes stationnaires autour dune constante (log t , log Rt et log zt ) lhypothse nulle est I(0)+C et les valeurs critiques 1%, 5% et 10% sont 0,739 0,463 et 0,347.
b. Statistique de Schmidt et Phillips (1992). Pour les variables qui ont thoriquement une tendance (log Yt , log Ct , log It , log wt ) lhypothse nulle est I(1)+T et les valeurs critiques 1%, 5%
et 10% sont -3,73 -3.11 et -2,80. Pour les variables supposes stationnaires autour dune constante
(log t , log Rt et log zt ) le test de Schmidt-Phillips nest pas applicable.
c. Statistique de Elliott et al. (1996). Chaque colonne correspond au nombre de retards considrs pour la diffrence premire de la variable endogne. Pour les variables qui ont thoriquement une tendance (log Yt , log Ct , log It , log wt ) lhypothse nulle est I(1)+T et les valeurs
critiques 1%, 5% et 10% sont -3,58 -3,03 et -2,74. Pour les variables supposes stationnaires autour dune constante (log t , log Rt et log zt ) lhypothse nulle est I(1)+C et les valeurs critiques
1%, 5% et 10% sont -2,61 -1,95 et -1,62. Pour chaque variable, la statistique calcule en utilisant
le nombre de retards qui maximise le R2 ajust est note en gras.

TABLE 3 Stationnarit de lchantillon.

27. La srie Eurostat est rtropole avant 2000, annualise aprs 2005 puis trimestrialise sur lensemble de la priode couverte en
utilisant un spline cubique, avant dtre utilise pour dtrender les sries de PIB, de consommation, dinvestissement, de masse salariale
et dheures travailles.

33

 log Y

log C

1.5

log I

1.5

1.0

4.0

1.0
2.0

0.5

0.5
0.0

0.0
0.0
-0.5

-2.0

-0.5
-1.0
96T1

99T1

02T1

05T1

08T1

96T1

99T1

02T1

05T1

08T1

96T1

99T1

g.a. de lIPCH

log (wL)

02T1

05T1

08T1

05T1

08T1

TUC

4.0

1.0

84.0
0.5

3.0

0.0

2.0

-0.5

82.0

1.0

80.0

-1.0
96T1

99T1

02T1

05T1

08T1

0.0

96T1

99T1

02T1

05T1

08T1

05T1

08T1

96T1

99T1

02T1

log R
1.4
1.2
1.0
0.8
0.6
0.4
96T1

99T1

02T1

F IGURE 4 Les donnes.

B
B.1

quations du modle
Les mnages

Les conditions du premier ordre associes au programme dun consommateur h sont donnes par :



c


c 1
exp L,t
Ct (h) C t1
Lt (h)1+l = 1 + C,t t (h)
1 + l

(?)

o t (h) est le multiplicateur de Lagrange associ la contrainte budgtaire relle,



(1 R,t+1 )t+1 (h)
(1 R,t )t (h) = B,t Rt Et
t+1
o t+1 Pt+1 /Pt est le taux dinflation entre t et t + 1,
ut (h) (c 1) L,t Lt (h)l = t (h) 1 R,t

1 W,t

Wtm
Pt

(??)

en notant t (h) le multiplicateur associ la loi dvolution du stock de capital, il vient :






It (h)
It (h) 0
It (h)
pI,t t (h) = t (h)I,t 1 S

S
It1 (h)
It1 (h)
It1 (h)
"

2 
#
It+1 (h)
It+1 (h)
+Et t+1 (h)I,t+1
S0
It (h)
It (h)


t (h) 0 (zt (h)) = t (h) 1 R,t rtk
et enfin :

h


i

k
t (h) = Et t+1 (h) 1 (zt+1 (h)) + t+1 (h) 1 R,t+1 rt+1
zt+1 (h)

Puisque les conditions (?) et (??) doivent tre vrifies pour toutes les valeurs (pertinentes) des paramtres (, c et l ), des variables
dtat (la consommation moyenne passe et les taxes) et des prix (le salaire rel), les niveaux de consommation et doffre de travail sont
invariants dans la coupe des mnages. Cela entrane linvariance dans la coupe des multiplicateurs de Lagrange. Finalement on a :




c 1 1+l
(Ct Ct1 )c exp L,t
Lt
= 1 + C,t t
(B.1)
1 + l


(1 R,t+1 )t+1
(1 R,t )t = B,t Rt Et
(B.2)
t+1



Wtm

ut L,t (c 1) Lt l = t 1 R,t 1 W,t

(B.3)
Pt
"






2 
#
pI,t
I,t+1 It+1
It
It
It
t+1
It+1
= Qt 1 S

S0
+ Et
Qt+1
S0
(B.4)
I,t
It1
It1
It1
t
I,t
It
It

34


Qt = Et

t+1
t

Qt 0 (zt ) = 1 R,t rtk





k
Qt+1 1 (zt+1 ) + 1 R,t+1 rt+1
zt+1

(B.5)
(B.6)

En notant Qt t/t le Q de Tobin. Notons que dans (B.1) nous avons pu remplacer C t1 par Ct1 car les mnages sont identiques.

B.2

Les producteurs et dynamique de linflation

B.2.1

Le secteur du bien homogne

Puisque que la fonction dagrgation (2.5) est homogne de degr un, la maximisation du profit revient minimiser le cot par unit
produite par rapport la demande relative de bien sous la contrainte technologique (2.4) et (2.5). La condition du premier ordre associe
au programme de la firme reprsentative dtermine sa demande en bien intermdiaire :
"
#

Pt ()/Pt (1+f )f
Yt ()
1
=
+ f
(B.7)
Yt
1 + f
t
o t est le multiplicateur de Lagrange associ la contrainte technologique (2.4) et (2.5) de la firme reprsentative. En substituant (B.7)
dans la contrainte technologique on obtient lexpression suivante du multiplicateur de Lagrange :
1

Z
t =
0

Pt ()
Pt

1f (1+f )

1
1f (1+f )

(B.8)

Finalement, puisque ce secteur est parfaitement concurrentiel, le profit de la firme reprsentative doit tre nul et nous dduisons lindice
des prix agrgs :
1

Z 1
Z 1
1(1+f )f
f
1
Pt ()d +
Pt =
Pt ()1(1+f )f d
(B.9)
1 + f 0
1 + f
0
Le prix agrg est un mlange convexe dun agrgateur linaire et dun agrgateur CES.

B.2.2

Le secteur des biens intermdiaires

Le comportement optimal de la firme intermdiaire sur les marchs des facteurs est rsum par la frontire des prix des facteurs :
(1 + L,t )wt Ldt ()
1
=

rtk Ktd ()

(B.10)

La frontire des prix des facteurs nous permet de rcrire le cot total dune firme en fonction du stock de capital physique :
CTt () =

rtk Ktd ()

Par ailleurs, puisque les rendements par rapport aux deux facteurs de production sont constants, nous savons que le cot total est de la
forme :
CTt () = mct ()Yt ()
o mct () est le cot marginal rel. En galisant les membres de droite des deux dernires quations, on obtient lexpression suivante
pour le cot marginal de la firme :
!1


 k 
1 + L,t wt
rt
1
mct () = At
mct
(B.11)

1
Puisque le cot marginal ne dpend pas de la taille de la firme, il est invariant dans la coupe des firmes.
Avec probabilit p > 0 la firme ne peut optimiser son prix et elle suit la rgle ad-hoc :


Pt1 p
Pt () =
1p
Pt1 () = t Pt1 ()
Pt2
Plus gnralement on notera :

t+j,t =

j(1p )

j1
Y

(B.12)

p
t+h

= t+1 t+2 . . . t+j

h=0

le facteur de croissance du prix dune firme qui ne reoit pas un signal favorable durant j priodes successives (pour j = 0 nous avons
t,t = 1, pour j = 1 nous avons t+1,t = t+1 ).
La condition du premier ordre et la condition de lenveloppe du programme dune firme recevant un signal favorable sont donnes par :






t+1 0
Vt+1 P ? = 0
(B.13a)
0t P ? + p Et
t








Vt0 Pt1 ()
t+1 0
= 0t t Pt1 () + p Et
V
t Pt1 ()
(B.13b)
t
t t+1
avec la drive du profit en P :
 


1 f (1 + f ) P (1+f )f (1+f )f
t
Yt
0t P
= y,t
1 + f
Pt
(B.14)
 (1+f )f 1
f
P
(1+f )f
+f
t
mct Yt +
y,t Yt
Pt
1 + f
En supposant momentanment, pour allger les notations, que le prix hrit du pass est P, on peut rcrire la condition de lenveloppe

35

en dcalant dune priode vers le futur sous la forme :









t+2 0
0
Vt+2 t+1,t P
Vt+1
P = t+1,t 0t+1 t+1,t P + p t+1,t Et+1
t+1
en itrant vers le futur et en appliquant lesprance conditionnelle linformation en t, il vient :

X
 0



t+1+j
Et Vt+1 P = Et
(p )j t+1+j,t
0t+1+j t+1+j,t P
t+1
j=0
En substituant dans la condition du premier ordre (pour P = P ? ), on obtient la condition suivante pour le prix optimal choisit par une
firme qui reoit un signal favorable :

Et

(p )j t+j,t

j=0

t+j 0
t+j t+j,t Pt? = 0
t

(B.15)

Le prix optimal Pt? est le prix qui assure la nullit de la somme (escompte) du profit marginal contemporain (en t) et des profits marginaux anticips dans le cas o la firme ne peut mettre jour son prix quen suivant la rgle ad hoc (2.7).
En passant notons quil est possible dobtenir une criture rcursive (mais non linaire) du multiplicateur t qui apparat dans lexpression
du profit (cette criture rcursive servira plus bas). Lquation (B.8) peut scrire de faon quivalente sous la forme :

Z 1
Pt () 1f (1+f )
1 (1+f )
d
t f
=
Pt
0
Sous lintgrale apparat le prix propos par la firme la date t. Ce prix a t dtermin de faon optimale j priodes auparavant avec
probabilit (1 p )pj . Ainsi nous pouvons crire lintgrale sous la forme suivante 28 :
1f (1+f )

= (1 p )

pj

?
t,tj Ptj

1f (1+f )

Pt

j=0

o Pt? est le prix optimal la date t. Finalement, on peut voir cette somme infinie comme la solution de lquation rcurrente suivante :

 ? 1f (1+f )

t,t1 1f (1+f ) 1f (1+f )
Pt
1 (1+f )
t f
= (1 p )
+ p
t1
(B.16)
Pt
t
Nous pouvons obtenir une expression plus explicite du prix qui satisfait lquation (B.15). En substituant dans cette quation lexpression
du profit marginal (B.14) et en divisant par Pt? (1+f )f on obtient :
 ? 1+(1+f )f
f (1 + f ) Z1,t
f
Z3,t
Pt?
Pt
=
+
(B.17)
Pt
f (1 + f ) 1 Z2,t
f (1 + f ) 1 Pt
Z2,t
avec

Z2,t

(1+f )f
t+j
(1+ )
t+j f f mct+j Yt+j
Pt+j/Pt
i=0

1(1+f )f

X
t+j
(1+ )
= Et
(p )j t+j y,t+j
t+j f f Yt+j
Pt+j/Pt
i=0

Z1,t = Et

(p )j t+j

Z3,t = Et

(p )j t+j y,t+j

i=0

t+j
Pt+j/Pt

(B.18a)

(B.18b)

(B.18c)

Yt+j

En notant que Pt+j/Pt , le facteur dinflation entre t et t + j, peut scrire de faon quivalente sous la forme ji=1 t+i , nous pouvons
reprsenter les variables Z1,t , Z2,t et Z3,t sous forme rcursive :

!(1+f )f
t+1
(1+f )f
b
b

Z1,t = t mct t
Yt + p Et
Z1,t+1
(B.19a)
p
t1

1p

Z2,t

bt y,t (1+f )f Ybt + p Et

=
t
"
bt y,t Ybt + p Et
Z3,t =

En notant que f,t

R1
0

Pt ()
d
Pt

!(1+f )f 1

t+1

Z2,t+1

p
t1

1p

p
t1

1p

t+1

(B.19b)

#
Z3,t+1

(B.19c)

peut scrire sous forme rcursive :

p

f,t = (1 p )

1p t1
Pt?
+ p
f,t1
Pt
t

(B.20)

nous pouvons finalement crire lquation (B.9) de faon quivalente sous la forme :
f f,t
t
+
=1
1 + f
1 + f
Au final la dynamique de linflation est caractrise par les quations (B.21), (B.20), (B.16), (B.17), (B.19a), (B.19b), (B.19c).
28. On note que (1 p )

j
j=0 p

= 1.

36

(B.21)

B.3

Le travail et la formation des salaires

B.3.1

Lagence demploi

Elle agrge le travail lt () offert par les syndicats laide dune fonction dagrgation la Kimball (1996), dfinie implicitement par :


Z 1
lt ()
Gs
d = 1
(B.22)
Lt
0
o Gs est une fonction strictement croissante et concave telle que Gs (1) = 1. Nous adoptons la forme fonctionnelle suivante :


h
i (1+s )s 1


s (1 + s )
s (1 + s )
(1+s )s
1 + s x s

1
Gs (x) =
(1 + s )(s (1 + s ) 1)
(1 + s )(s (1 + s ) 1)

(B.23)

Lagence demploi choisit la quantit relative de travail de type de faon minimiser son cot de production par unit de travail
Wt () lt ()
homogne, W
, sous la contrainte technologique (B.22) et (B.23). La condition du premier ordre associe au programme de lagence
L
t

demploi dtermine sa demande en bien intermdiaire 29 :

1
lt ()
=
Lt
1 + s

"

Wt ()/Wt

(1+s )s

(B.24)

+ s

o t est le multiplicateur de Lagrange associ la contrainte technologique (B.22) et (B.23) de la firme reprsentative. En substituant (B.24) dans la contrainte technologique on obtient lexpression suivante du multiplicateur de Lagrange :
1

Z
t =
0

Wt ()
Wt

1s (1+s )

1
1s (1+s )

(B.25)

Puisque lagence demploi adopte un comportement concurrentiel, son profit doit tre nul et nous dduisons le salaire agrg :
Wt =

B.3.2

s
1 + s

Wt ()d +
0

1
1 + s

Z

Wt ()1(1+s )s d

1
1(1+s )s

(B.26)

Les syndicats

Ils produisent un facteur travail diffrenci partir de loffre de travail homogne des mnages. Les syndicats disposent dun pouvoir de
march grce la diffrentiation de loffre de travail homogne des mnages. Le profit dun syndicat est proposant un salaire Wt () et
offrant lt () units de travail :


St (Wt ())) = l,t Wt () Wtm lt ()
o log l,t , un ala exogne sur la recette du syndicat, est un processus stochastique stationnaire desprance nulle. Pour une demande
donne, si l,t = 1, la mesure du profit du syndicat est donn par la diffrence entre le salaire demand lagence demploi (recette) et
celui revers au mnage (cot). En substituant la fonction de demande (B.24) de lagence demploi :
#
"

Wt ()/Wt (1+s )s


1
m
St (Wt ())) = l,t Wt () Wt
(B.27)
+ s Lt
1 + s
t
Chaque syndicat subit une loterie la Calvo (1983). chaque priode un syndicat peut ajuster le salaire Wt () de faon optimale avec
probabilit w . Dans ce cas, le syndicat choisit le salaire Wt? qui maximise son profit sachant que dans le futur il naura pas loccasion
dajuster comme il le souhaite son salaire pendant un certain nombre de priodes (en moyenne pendant (1 w )1 priodes). Lorsque la
loterie est dfavorable au syndicat (avec probabilit 1 w ), celui-ci ajuste son salaire en suivant une rgle ad-hoc :
Wt () =

AT,t 1w w

t1 Wt1 ()
AT,t1

(B.28)

w
On notera t = (AT ,t/AT ,t1 )
1w t1
t,t1 le facteur de croissance du salaire nominal du syndicat la date t si celui-ci na pas
lopportunit de rviser son prix de faon optimale. Dans ce cas, le syndicat augmente son salaire en indexant celui-ci sur (i) un mlange
convexe de la cible dinflation de lautorit montaire et sur linflation pass et (ii) la croissance de lefficience des firmes du secteur des
biens intermdiaires. Plus gnralement on notera :

w
j1
AT,t+j j(1w ) Y

t+j,t =
= t+1 t+2 . . . t+j

t+h
AT,t
h=0

le facteur de croissance du salaire dun syndicat qui ne reoit pas un signal favorable durant j priodes successives (pour j = 0 nous
avons t,t = 1, pour j = 1 nous avons t+1,t = t+1 ).
Soient Uet la valeur dun syndicat qui reoit un signal favorable la date t et Ut (Wt1 ()) la valeur dun syndicat recevant le mauvais
signal la date t. Dans ce cas, le syndicat suit simplement la rgle ad hoc (B.28), cela explique pourquoi sa valeur la date t dpend de
Wt1 (). linverse le programme dun syndicat recevant un signal favorable est purement tourn vers le futur, sa valeur la date t ne
dpend daucune variable dtat endogne. De plus, puisque les syndicats ont les mmes esprances quant au futur, ils choisiront tous le
mme prix optimal (Wt? ). Plus formellement la valeur la date t dun syndicat recevant le signal favorable est :
  




t+1 
Uet = max St W + Et
(1 w )Uet+1 + w Ut+1 W
(B.29)
W
t
o t est le multiplicateur de la contrainte budgtaire nominale du mnage reprsentatif, on notera Wt? le salaire optimal dun syndicat
ayant la possibilit dajuster comme il le souhaite son prix. La valeur la date t dun syndicat malchanceux dans la loterie la Calvo est :








t+1 
(B.30)
Ut Wt1 () = St t Wt1 () + Et
(1 w )Uet+1 + w Ut+1 t Wt1 ()
t
29. Afin dconomiser les notations, nous ne faisons pas la diffrence entre la demande de lagence demploi et loffre des syndicats.

37

La condition du premier ordre et la condition de lenveloppe sont donnes par :







t+1 0
Ut+1 Wt? = 0
St0 Wt? + w Et
t




0




Ut Wt1 ()
t+1 0
= St0 t Wt1 () + p Et
Ut+1 t Wt1 ()
t
t
avec la drive du profit du syndicat en W :




1 s (1 + s ) W (1+s )s (1+s )s
St0 W
= l,t
t
Lt
1 + s
Wt

(1+s )s 1
m
W
s
(1+s )s Wt
+s
Lt +
l,t Lt
t
Wt
Wt
1 + s

(B.31a)
(B.31b)

(B.32)

En supposant momentanment, pour allger les notations, que le salaire hrit du pass est W, on peut rcrire la condition de lenveloppe
en dcalant dune priode vers le futur sous la forme :








t+2 0
0
0
Ut+2 t+1,t W
Ut+1
W = t+1,t St+1
t+1,t W + p t+1,t Et+1
t+1
en itrant vers le futur et en appliquant lesprance conditionnelle linformation en t, il vient :

X
 0




t+1+j 0
j
Et Ut+1 W = Et
(p ) t+1+j,t
St+1+j t+1+j,t W
t+1
j=0
En substituant dans la condition du premier ordre (pour W = Wt? ), on obtient la condition suivante pour le prix optimal choisit par une
firme qui reoit un signal favorable :

Et

(p )j t+j,t

j=0

t+j 0
St+j t+j,t Wt? = 0
t

(B.33)

Le prix optimal Wt? est le salaire nominal qui assure la nullit de la somme (escompte) du profit marginal contemporain (en t) et des
profits marginaux anticips dans le cas o le syndicat ne peut mettre jour le salaire nominal quen suivant la rgle ad hoc (B.28).
De la mme faon que dans la section 2.2.2, on peut montrer quil est possible dobtenir une expression rcursive du multiplicateur t qui
apparat dans lexpression du profit du syndicat. Lquation (B.25) peut scrire de faon quivalente sous la forme :

Z 1
Wt () 1s (1+s )
1 (1+s )
d
t s
=
Wt
0
Sous lintgrale apparat le salaire propos par le syndicat la date t. Ce prix a t dtermin de faon optimale j priodes auparavant
j
avec probabilit (1 w )w
. Ainsi nous pouvons crire lintgrale sous la forme suivante :
1s (1+s )

= (1 w )

j
w

?
t,tj Wtj

1s (1+s )

Wt

j=0

?
o Wtj
est le salaire optimal la date t j. Finalement, on peut voir cette somme infinie comme la solution de lquation rcurrente
suivante :
 ? 1s (1+s )


Wt
t,t1 1s (1+s ) 1s (1+s )
1 (1+s )
t s
= (1 w )
+ w
t1
(B.34)
Wt/Wt1
Wt
Nous pouvons obtenir une expression plus explicite du salaire qui satisfait lquation (B.33). En substituant dans cette quation lexpression du profit marginal (B.32) et en divisant par Wt? (1+s )s on obtient :
 ? 1+(1+s )s
H3,t
s (1 + s ) H1,t
s
wt
wt?
=
+
(B.35)
wt
s (1 + s ) 1 H2,t
s (1 + s ) 1 wt
H2,t

o wt? est le salaire rel obtenu par un syndicat la date t sil peut ajuster son salaire nominal de faon optimale et wt le salaire rel moyen
dans lconomie, avec
(1+s )s

X
t+j
(1+ )
j
m

t+j s s Lt+j
(B.36a)
H1,t = Et
(w ) t+j wt+j
P
w
i=0

H2,t = Et

t+j

t+j

wt

Pt

1(1+s )s

t+j

(w ) t+j l,t+j wt+j

i=0

H3,t = Et

wt+j Pt+j
wt
Pt

(w )j t+j l,t+j wt+j

i=0

(1+s )s

t+j

t+j
wt+j Pt+j
wt
Pt

Lt+j

Lt+j

(B.36b)

(B.36c)

En notant que wt+j/wt , le facteur de croissance du salaire rel entre t et t + j, peut scrire de faon quivalente sous la forme ji=1 $t+i
($t est le facteur de croissance du salaire rel entre t et t 1) et que lon a :

t+j,t

= (1 + g)

j
Y

Et+h

1
1x

j1
Y

h=1

h=0

38

t+h

j1
Y

h=0

1w
t+h

nous pouvons finalement reprsenter les variables H1,t , H2,t et H3,t sous forme rcursive :

(1+s )s

H1,t = t wtm Lt t

+ w Et

$t+1 t+1
1
1x

(1 + g)Et+1

w 1w

t
t1

(1+s )s

H2,t = t l,t wt Lt t

H3,t
En notant que s,t

R1
0

Wt ()
d
Wt

(1+s )s

H1,t+1

(1+s )s 1
$t+1 t+1

+ w Et

1
1x

w 1w

t
t1

(1 + g)Et+1

1
1x w
t1w
(1 + g)Et+1 t1

= t l,t wt Lt + w Et
H3,t+1
$t+1 t+1

(B.37a)

H2,t+1

(B.37b)

(B.37c)

peut scrire sous forme rcursive :

1
1

s,t

1w

w
x

t
(1 + g)Et
t1
w?
= (1 w ) t + w
wt
$t t

(B.38)

s,t1

nous pouvons finalement crire lquation (B.26) de faon quivalente sous la forme :
s s,t
t
+
=1
1 + s
1 + s

(B.39)

Au final la dynamique du salaire rel est caractrise par les quations (B.31), (B.38), (B.34), (B.35), (B.37a), (B.37b), (B.37c).

B.4

quilibre

B.4.1

Distorsions de prix

Les prix dans le secteur des biens intermdiaires sont htrognes, nanmoins nous pouvons facilement tablir que cette htrognit
des dcisions nempche pas lagrgation. Nous savons que les firmes du secteur des biens intermdiaires vont toutes choisir le mme
mlange de facteurs de productions dans le sens o le ratio de la demande de capital la demande de travail est invariant dans la coupe
des firmes, voir lquation (B.10). En exprimant la demande de travail de la firme en fonction de sa demande de capital physique, nous
pouvons crire la production de cette firme de la faon suivante :

1
At Ldt
yt () =
Ktd ()
Ktd
R
R
Si Ktd 01 Ktd ()d est la demande agrge de capital physique et si yt 01 Yt ()d dsigne la somme des productions intermdiaires,
alors nous avons directement :

 
1
yt = Ktd
At Ldt
La somme des productions intermdiaires est diffrente de Yt , car la technologie dagrgation considre ici nest pas linaire. En intgrant
la fonction de demande en bien des producteurs de bien homogne (B.7) par rapport , on trouve :
(B.40)

yt = p,t Yt
avec :
p,t

1
1 + f

Pt ()/Pt

+ f

(1+f )f

(B.41)

La distorsion de prix peut scrire sous forme rcursive de la faon suivante :

p,t =

p,t = (1 p )

Pt?
Pt

f
1
(1+f )f

p,t +
1 + f t
1 + f

(1+f )f
+ p

t p t1 p

(B.42a)

!(1+f )f
p,t1

o le multiplicateur de lagrange t est dfini rcursivement dans lquation (B.16). Ainsi, nous avons :
 
1

p,t Yt = Ktd
At Ldt

B.4.2

(B.42b)

(B.43)

distorsions de salaires

Nous montrons ici comment lier loffre agrge de travail des mnages avec loffre de travail de lagence demploi aux firmes du secteur
des biens intermdiaires. Ce lien est affect par lhtrognit de salaire induite par la rigidit nominale rigidits la Calvo sur le salaire.
En intgrant la demande de travail de type de lagence demploi (B.24) par rapport , on trouve directement :
Lt = w,t Lt
avec :
w,t

1
1 + s

Z
0

Wt ()/Wt

(B.44)
!

(1+s )s

+ s

(B.45)

La distorsion de prix peut scrire sous forme rcursive de la faon suivante :

w,t =

1
s
(1+s )s

w,t +
1 + s t
1 + s

39

(B.46a)

w,t = (1 w )

wt?
wt

(1+s )s

(1+s )s
1w

tw t1

w,t1

$t t

1
1x

(1 + g)Et
+ s

(B.46b)

o le multiplicateur de lagrange t est dfini rcursivement dans lquation (B.34).

B.4.3

Dividendes verss par les firmes du secteur des biens intermdiaires

Les firmes du secteur des biens intermdiaires jouent en concurrence monopolistique et ralisent des profits qui sont reverss sous forme
de dividendes aux mnages. Calculons la somme des profits nominaux la date t :
Z 1
t ()d
t =
0
1



Pt ()
y,t
mct Pt Yt ()d
Pt
0
Z 1
Pt ()Yt ()d Pt mct yt
= y,t
Z



Z 1
Z 1


Ktd ()d + 1 + L,t Wt
Ldt ()d
= y,t Pt Yt Pt rtk
0
0




= Pt y,t Yt rtk Ktd 1 + L,t wt Ldt
Puisque les mnages dtiennent les firmes du secteur intermdiaires, les profits sont reverss aux mnages. La rpartition du profit agrg
entre les mnages est indtermin lquilibre gnral, mais nous savons que :
Z 1




D1,t (h)dh = Pt y,t Yt rtk Ktd 1 + L,t wt Ldt
(B.47)
0

B.4.4

Dividendes verss par les syndicats

De la mme faon nous pouvons calculer le profit nominal agrg des syndicats la date t. Ces profits seront aussi reverss aux mnages
sous forme de dividendes. Nous avons :
Z 1
St =
St ()d
0
1

l,t Wt () Wtm lt ()d

=
0

Z
= l,t

Wt ()lt ()d Wtm Lt

= l,t Wt Lt Wtm Lt
Ainsi, nous obtenons :

D2,t (h)dh = l,t Wt Lt Wtm Lt

(B.48)

B.4.5

Apurement des marchs des facteurs et du march des titres

lquilibre gnral, loffre de travail de lagence demploi galise la demande agrge de travail des firmes du secteur intermdiaire et
loffre agrge de capital physique des mnages galise la demande agrge des firmes du secteur intermdiaire. Plus formellement, nous
avons :
Z
Z
Lt 1
w,t
Z
et
K

Lt (h)dh =
0

Ldt ()d Ldt

(B.49)

Z
zt (h)Kt1 (h)dh =

Ktd ()d Ktd

(B.50)

De plus la demande agrge de titres par les mnages galise loffre de titres manant de ltat :
Z 1
Bt (h)dh = Bt

(B.51)

B.4.6

quilibre du march des biens

En sommant les contraintes budgtaires des mnages (2.2) sur h [0, 1] et en substituant les conditions dquilibre sur le march des
titres, la dfinition des dividendes agrgs ainsi que la contrainte budgtaire du gouvernement, nous obtenons :
Pt Gt + Pt Ct + pI,t Pt It = L,t Wt Ldt + W,t Wtm Lt
(








+ 1 R,t
1 W,t Wtm Lt + Pt rtK zt Kt1 + Pt y,t Yt rtk Ktd 1 + L,t wt Ldt + lt Wt Lt Wtm Lt
(
+ R,t

W,t Wtm Lt

Pt rtK zt Kt1





+ Pt y,t Yt rtk Ktd 1 + L,t wt Ldt

En simplifiant et sachant que les marchs des facteurs sont quilibrs, il vient :


Gt + Ct + pI,t It = y,t Yt + l,t 1 wt Lt

(B.52a)

1
Gt + Ct + pI,t It = y,t 1
p,t yt + l,t 1 w,t wt Lt

(B.52b)

ou de faon quivalente :

40

Notons enfin que si les chocs y,t et l,t sinterprtent comme des taxes (ce nest pas le cas ici, nous avons suppos que les firmes et les
syndicats sont plus ou moins efficaces dans la rcolte de leurs recettes) et apparaissent donc comme des revenus dans le budget de ltat,
alors le membre de droite se rduit simplement Yt .

Long terme du modle

Lconomie dcrite par ce modle crot taux constant dans le long terme. Pour simuler et estimer ce modle nous devons le rendre
stationnaire et calculer ltat stationnaire de la version stationnaire du modle. Dans ce modle la seule source de croissance long terme
des variables relles vient de la tendance de lefficience harrodienne. Nous normalisons donc les variables non stationnaires par AT,t
ou une puissance de cette variable. Dans cette section nous prsentons la version stationnaire des quations ncessaires la simulation
(stochastique) du modle, puis nous calculons ltat stationnaire du modle.

C.1

Version stationnaire du modle

bt Ac , wm = w
bt AT,t , t =
Du ct du mnage, nous posons Ct C
btm AT,t , It Ibt AT,t . Afin de faciliter lestimation (ou la
t
T,t
calibration) du niveau de long terme de L,t (ie le facteur dchelle qui permet dobtenir le niveau de long terme dsir des heures) on
redfinit la fonction dutilit en remplaant Lt par Lt/L o L est le niveau de long terme des heures (cela revient implicitement redfinir
le choc doffre de travail, en particulier son niveau de long terme).
(
)
 
c



c 1 Lt 1+l
bt
bt1
bt AT,t1 C
exp L,t
= 1 + C,t
(C.1)
C
AT,t
1 + l
L
#
"



bt+1


AT,t+1 c 1 R,t+1
bt = B,t Rt Et
(C.2)
1 R,t
AT,t
t+1
(
) 
 

1c



m
L,t
c 1 Lt 1+l
Lt l
bt 1 R,t 1 W,t w
bt AT,t1 C
bt1
C
exp L,t
=
bt
(C.3)
AT,t
L
1 + l
L
L
"
!
!#
AT,t
AT,t
AT,t
pI,t
Ibt
Ibt
Ibt
= Qt 1 S

S0
I,t
Ibt1 AT,t1
Ibt1 AT,t1
Ibt1 AT,t1

(C.4)
!2
!
bt+1  AT,t+1 c
I,t+1 Ibt+1 AT,t+1

Ibt+1 AT,t+1
0

+ Et
Qt+1
S
bt
AT,t
I,t
AT,t
AT,t
Ibt
Ibt

Qt 0 (zt ) = 1 R,t rtk
(C.5)
"
#







c
bt+1 AT,t+1

k

Qt = Et
Qt+1 1 (zt+1 ) + 1 R,t+1 rt+1
zt+1
(C.6)
bt
AT,t

Notons que le Q de Tobin Qt est une variable stationnaire. Ainsi, par dfinition du Q de Tobin, le multiplicateur t diverge de la mme
c
b
faon que t ; si ncessaire on adoptera la notation
bt = t A
T,t . En posant Kt Kt AT,t , la loi dvolution du stock de capital scrit :
!!
AT,t
AT,t1 b
Ibt
b
Kt1 + I,t 1 S
Ibt
(C.7)
Kt = (1 (zt ))
AT,t
Ibt1 AT,t1
b d le stock de capital physique install
Du ct de la production en posant : wt = AT,t w
bt le salaire net pay par les firmes, Ktd = AT,t K
t
la date t, la frontire des prix des facteurs devient :
(1 + L,t )w
bt Ldt
1
=
(C.8)
k
d
b

rt Kt
le cot marginal scrit :
mct =

A1
C,t

rtk

!1


1 + L,t w
bt
1

(C.9)

c
Pour les quations de prix, en dfinissant Zi,t = Zbi,t A1
pour i = 1, 2 et 3, nous avons :
T,t

 ? 1+(1+f )f b
f (1 + f ) Zb1,t
f
Pt
Pt?
Z3,t
=
+
Pt
f (1 + f ) 1 Zb2,t
f (1 + f ) 1 Pt
Zb2,t
et

!(1+f )f


AT,t+1 1c
t+1
(1+f )f
b
b
b
b

Z1,t = t mct t
Yt + p Et
Z1,t+1
p
1
AT,t
t1

t p

!(1+f )f 1


AT,t+1 1c

(1+f )f
t+1
b
b
b
b
Z2,t+1
Z2,t = t y,t t
Yt + p Et
p
1
AT,t
t1

t p
"
#
p
1 !

t p
AT,t+1 1c t1
b
b
b
b
Z3,t = t y,t Yt + p Et
Z3,t+1
AT,t
t+1

(C.10)

(C.11a)

(C.11b)

(C.11c)

1c
c
Les quations (B.20) et (B.21) sont inchanges. Du ct des syndicats et de lagence demploi, nous dfinissons Hi,t = H
pour
i,t AT,t
?
?
i = 1, 2 et 3, wt = AT,t w
bt et $t = $
b t AT,t /AT,t1 . Le salaire relatif dun syndicat ayant la possibilit dajuster son prix de faon
optimale est donn par :

 ? 1+(1+s )s c
c
w
bt?
s (1 + s ) H
s
w
bt
H3,t
1,t
=
+
c
c
w
bt
s (1 + s ) 1 H

(1
+

1
w
b
s
s
t
H
2,t
2,t

41

(C.12)




AT,t+1 1c
(1+s )s
m
c
b
H1,t = t w
bt Lt t
+ w Et
AT,t



AT,t+1 1c
(1+s )s
c
b
H
bt Lt t
+ w Et
2,t = t l,t w
AT,t
"

AT,t+1 1c
c
b
H
bt Lt + w Et
3,t = t l,t w
AT,t

$
b t+1 t+1

c
H
1,t+1

tw
t1w
$
b t+1 t+1

!(1+s )s

!(1+s )s 1

c
H
2,t+1

tw
t1w
tw
t1w
$
b t+1 t+1

(C.13a)

(C.13b)

#
c
H
3,t+1

(C.13c)

Nous pouvons exprimer s,t en fonction du salaire stationnaris :

s,t = (1 w )

t w t1 w
w
bt?
+ w
s,t1
w
bt
$
b t t

(C.14)

lquation (B.39) reste inchange. On peut enfin exprimer la distorsion de salaire en fonction des salaires stationnariss, cest--dire crire
w,t sous la forme :
!(1+s )s
 ? (1+s )s
1w

tw t1
w
bt
w,t1
(C.15)
w,t = (1 w )
+ w
w
bt
$
b t t
Pour les conditions dquilibre sur les marchs des biens et facteurs il suffit de rajouter des chapeaux...

C.2

tat stationnaire

ltat stationnaire, nous avons

c



b
e c 1 = (1 + C )
exp L
1 + l
b
b = B R(1 + g)c (1 R )
(1 R )
?
1c e



L

b (1 R ) (1 W ) w
b
e c
b
C
exp L
=
bm
C
1+g
L
1 + l
Q=1

b
C

b
C
1+g

0 (
z ) = (1 R ) rk


1 = (1 + g)c 1 + (1 R ) rk z
b = 1 + g Ib
K
g +
(1 + L )wL
b d
1
=
k
d
b

r K

 k  
(1 + L ) w
b 1 1
r
mc =
AC

1


f (1 + f ) Zb1
f
P?
P ? 1+(1+f )f Zb3
=
+
P
f (1 + f ) 1 Zb2
f (1 + f ) 1
P
Zb2
(1+f )f b
b
Zb1 = mc
Y + p (1 + g)1c Zb1
(1+
)
b
b + p (1 + g)1c Zb2
f
fY
Zb2 =

bYb + p (1 + g)1c Zb3

Zb3 =
P?
f =
P
f f

+
=1
1 + f
1 + f
f
1
(1+f )f p +
1 + f
1 + f
 ? (1+f )f
Pt
p =
Pt
P?
=
P
 ? 1+(1+s )s c
c1
w
b?
s (1 + s ) H
s
w
b
H3
=
+
c
c
w
b
s (1 + s ) 1 H

(1
+

1
w
b
s
s
H
2
2
p =

c
c
b bm L(1+s )s + w (1 + g)1c H
H
1 = w
1
(1+s )s
1c c
c
b
H2 = wL
b
+ w (1 + g)
H2
c
c
b b + w (1 + g)1c H
H
3 = wL
3
w
b?
s =
w
b
s s

+
=1
1 + s
1 + s
w =

1
s
(1+s )s w +
1 + s
1 + s

42

(C.16)
(C.17)
(C.18)
(C.19)
(C.20)
(C.21)
(C.22)
(C.23)
(C.24)
(C.25)
(C.26a)
(C.26b)
(C.26c)
(C.27)
(C.28)
(C.29a)
(C.29b)
(C.30)
(C.31)
(C.32a)
(C.32b)
(C.32c)
(C.33)
(C.34)
(C.35a)


w =


w
b? (1+s )s
w
b
=1

(C.35b)
(C.36)

R = R?

 
1
bd
p Yb = K
AC Ld

(C.37)
(C.38)

L = w L

(C.39)

Ld = w L
z b
bd
K=K
1+g
b + Ib = (1 g ? ) Yb
C

(C.40)
(C.41)
(C.42)

Nous pouvons crire les quations (C.26a) (C.26c) de faon quivalente :

(1+f )f b
b
mc
Y
Zb1 =
1 p (1 + g)1c

Zb2 =
Zb3 =

(C.43a)

b (1+f )f Yb

1 p (1 + g)1c
bYb

(C.43b)
(C.43c)

1 p (1 + g)1c

En substituant dans (C.25) il vient :

f (1 + f )
f
P?
=
mc +
P
f (1 + f ) 1
f (1 + f ) 1

P?
P

1+(1+f )f

(1+f )f

(C.44)

qui dfinit implicitement le cot marginal rel ltat stationnaire comme une fonction du prix relatif optimal P ?/P et du multiplicateur
de Lagrange du programme de la firme reprsentative produisant le bien homogne. Par ailleurs, en substituant lquation (C.30) dans
(C.28), (C.27), (C.29b) et (C.29a) il vient :
P?
= f =
= p = p = 1
(C.45)
P
Le cot marginal rel ltat stationnaire est donc :
mc =

f (1 + f ) 1
f
f 1

=
f (1 + f )
f (1 + f )
f

(C.46)

Finalement en substituant (C.30) dans les quations (C.43a) (C.43c) il vient :

Zb1 = mc

bYb

1 p (1 + g)1c

(C.47a)

Zb2 = Zb3 = Zb1 /mc

b
b
o , Y seront dtermins plus bas avec les autres variables relles.

(C.47b)

Nous pouvons crire les quations (C.32a) (C.32c) de la faon suivante :

c
H
1 =
c
H
2 =
c
H
3 =

bw

bm L(1+s )s
1 w (1 + g)1c

(C.48a)

(1+s )s
bwL

b
1 w (1 + g)1c
bwL

(C.48b)
(C.48c)

1 w (1 + g)1c

En substituant dans (C.31) il vient :

s (1 + s ) w
bm
s
w
b?
=
+
w
b
s (1 + s ) 1 w
b
s (1 + s ) 1

w
b?
w
b

1+(1+s )s

(1+s )s

(C.49)

qui dfinit implicitement le rapport du salaire rel peru par le mnage au salaire rel moyen pay par les firmes lagence demploi
comme une fonction du salaire rel relatif optimal wb?/wb et du multiplicateur de Lagrange du programme de lagence demploi. Par
ailleurs, en substituant lquation (C.36) dans les quations (C.34), (C.33), (C.35b) et (C.35a) il vient :
= s =

w
b?
= w = w = 1
w
b

(C.50)

Ainsi nous avons :

w
bm
s (1 + s ) 1
s
=

w
b
s (1 + s )
s (1 + s )
Finalement, en substituant (C.36) dans (C.48a) (C.48c) il vient :
c
H
bm
1 =w

Les quations (C.37) et (C.17) impliquent :

b
L
1 w (1 + g)1c

(C.51)

(C.52a)

b
c
c
c w
H
2 = H3 = H1 m
w
b

(C.52b)

?
(1 + g)c
B

(C.53)

R? =

43

En pratique, nous estimons (ou calibrons) R? et ? puis dduisons conditionnellement lestimation courante du taux de croissance le
long du sentier de croissance quilibr, g, et du niveau de long terme de limposition sur les revenus (1 R ). partir de lquation (C.21)
nous obtenons le rmunration du capital ltat stationnaire :
rk =

(1 + g)c (1 )
(1 R )
z

(C.54)

o et z sont calibrs (ou estims). Lquation (C.20) pose la contrainte suivante sur la drive de la fonction de dprciation ltat
stationnaire :

(1 + g)c (1 )
0 (
z) =
(C.55)
z
Conditionnellement aux niveaux de long terme du cot marginal rel et de la rmunration du capital nous obtenons le salaire rel moyen
(rapport lefficacit tendancielle du travail) ltat stationnaire en utilisant lquation (C.24) :
h
  i 1 1
1
AC
w
b = mc k
r
1 + L

(C.56)

Le long du sentier de croissance quilibr le taux de croissance du salaire rel est le taux de croissance de lefficience Harrod neutre :
(C.57)

$ =1+g

En substituant (C.56) dans (C.46) on obtient le salaire rel peru par le mnage (toujours normalis par lefficacit tendancielle du travail)
ltat stationnaire
h

  i 1 1
s
s (1 + s ) 1
1

mc k
w
bm =
(C.58)
s (1 + s )
s (1 + s )
r
1 + L
Puisque les distorsions de prix et de salaire sont nulles ltat stationnaire, nous avons :

et

Ld = L = L

(C.59)


 
1
bd
Yb = yb = K
AC Ld

(C.60)

Dans la suite on note de faon gnrique X,Y le ratio de deux variables X et Y . Lquation (C.23) et (C.59) donne le ratio de la demande
de capital la quantit de travail ltat stationnaire :
K
b d ,L =

(1 + L )w
b
rk
1

(C.61)

En utilisant les quations (C.59), (C.60) et (C.61) il sensuit que le produit par tte ltat stationnaire est :
1

Yb ,L =
b d ,L AC
K

(C.62)

On peut crire lquilibre sur le march du bien final (C.42) de la faon suivante :
?
C,
b Y
b + I,
bY
b =1g

(C.63)

En utilisant la condition dquilibre sur le march du capital (C.41) ainsi que les quations (C.61), (C.62) et (C.22) on obtient le ratio de
linvestissement au produit ltat stationnaire :
g + 1 1
I,
b d AC
(C.64)
bY
b =
K ,L
z
Nous pouvons donc dterminer C,
b Y
b par complmentarit laide de lquation (C.63). En divisant (C.18) par (C.16) nous obtenons :

b
C

b
C
1+g

 e
L
(1 R ) (1 W )
=w
bm
L
1 + C

En multipliant et divisant le membre de gauche par Yb , on a de faon quivalente :




(1 R ) (1 W )
e=w
C,
L
bm
b Y
b Y
b ,L 1
1+g
1 + C
et donc :
e=
L

w
bm
(1 R ) (1 W ) 1 + g
C,
1 + C
1+g
b Y
b Y
b ,L

(C.65)

Il sensuit :
Yb = Yb ,L L

(C.66)

b = b b Yb
C
C,Y

(C.67)

b
Ib = I,
bY
bY

(C.68)

Enfin le multiplicateur de Lagrange associ la contrainte budgtaire du mnage ltat stationnaire est obtenu partir de lquation
(C.16) :

c


1
b=
b C
b
e 1 c

C
exp L
(C.69)
1 + C
1+g
1 + l

Le modle efficient

Avec la rgle de Taylor postule en (2.11), nous supposons que lautorit montaire ragit toute dviation du produit effectif au produit
(efficient) que nous observerions dans un monde idal sans rigidits nominales (sur les prix et les salaires). Pour obtenir le produit efficient
nous devons doubler le modle avec un modle sans rigidits nominales (un modle RBC avec comptition monopolistique et des rigidits
relles). Les quations suivantes dcrivent ce modle.
Rien ne change du ct des mnages, il suffit de changer les notations et dcrire lquation dEuler en faisant apparatre le taux dintrt

44

rel. En posant directement les variables dtrendes, nous avons donc :

c




?
1 c ? 1+l
b
b ? AT,t1 C
b?
exp L,t
= 1 + C,t
C
Lt
t
t
t1
AT,t
1 + l
"
#
c

?

?
AT,t+1
b = B,t R ? Et
b
1 R,t
1 R,t+1
t
t
t+1
AT,t
(
1c
 ? 1+l )  ? l




?m
L,t
c 1 Lt
Lt
b? 1 R,t 1 W,t w
b?
b ? AT,t1 C
exp L,t
=
C
bt
t1
t
t
AT,t
L
1 + l
L
L
!
!#
"
pI,t
Ibt? AT,t
Ib? AT,t
Ibt? AT,t
= Q?t 1 S
t
S0
?
?
?
I,t
AT,t1
AT,t1
AT,t1
Ibt1
Ibt1
Ibt1

!2
!


?
?
?

b
c
Ibt+1

AT,t+1
I,t+1 Ibt+1 AT,t+1
AT,t+1
t+1
?
0

Qt+1
S
+ Et
b?
AT,t
I,t
Ibt? AT,t
Ibt? AT,t

t

?
Q?t 0 (zt? ) = 1 R,t rtk
"
#
c 


b?  A

k? ? 
T,t+1
t+1
?
Q?t = Et
) + 1 R,t+1 rt+1
zt+1
Q?t+1 1 (zt+1
b?
AT,t

t
!!
Ibt? AT,t
b ? = (1 (z ? )) AT,t1 K
b ? + I,t 1 S
K
Ibt?
t
t
t1
?
AT,t
AT,t1
Ibt1

(D.1)
(D.2)

(D.3)

(D.4)

(D.5)
(D.6)

(D.7)

Du ct de la production de biens, le comportement des firmes du secteur du bien final est inchang. Pour les firmes du facteurs (minimisation des cots) est lui aussi inchang (nous retrouvons la mme frontire des prix des facteurs), nous avons donc :
(1 + L,t )w
bt? Ldt
? b d?
k
r K
t

A1
C,t

le cot marginal scrit :

mc?t

rtk

! 

L,t w
bt?
1

(D.8)

1
(D.9)

Le comportement de prix est grandement simplifi, puisque les firmes ont, dans cet environnement, la possibilit de changer le prix
toutes les dates. Ainsi, le programme des firmes devient statique, elles appliquent simplement un taux de marge sur le cot marginal. En
posant p = 0 il vient directement :
f (1 + f ) mc?t
f
1=
+
(D.10)
f (1 + f ) 1 y,t
f (1 + f ) 1
Le comportement de lagence demploi est inchang. Enfin, le programme de chaque syndicat devient statique, en posant w on trouve
directement :
s (1 + s )
s
w
btm ?
1=
+
(D.11)
s (1 + s ) 1 l,t w
bt?
s (1 + s ) 1
lquilibre du march du facteur travail, nous avons :
L? = L? = Ld

(D.12)

lquilibre du march du capital physique, nous avons :

AT
t1
AT
t

b? = K
b d?
zt? K
t1
t

(D.13)

Finalement, lquilibre du march du bien final, nous avons :

avec

E
E.1

b ? + pI,t Ib? = (1 gt )Yb ?

C
t
t
t

(D.14)


1
b d ? AC Ld
Ybt? = K
t
t
t

(D.15)

Spcification des formes fonctionnelles

La fonction de dprciation

Le taux de dprciation du stock de capital physique dpend du taux dutilisation du capital. Cette fonction vrifie (0) = 0, (z)0 > 0
Nous utiliserons la forme fonctionnelle suivante :
pour tout z [0, 1] et on notera (
z ) = .

(z) = e

(z
z)

(E.1)

o 0 0 (
z ) est la drive premire du taux de dprciation value ltat stationnaire. Ce paramtre est li aux paramtres g, c , ,
et z via lquation (C.55) :

(1 + g)c (1 )
0 =
>0
z
Ce paramtre ne doit donc pas tre talonn ou estim.

45

E.2

La fonction de cot dajustement de linvestissement

Lajustement du niveau dinvestissement est coteux pour le mnage. La fonction S rend compte de ce cot, on suppose que S(1 + g) = 0,
de sorte que le cot dajustement est nul le long du sentier de croissance quilibre, et nous supposons S(1)0 = 0 ainsi que la convexit
du cot S 00 > 0. Nous choisissons la forme fonctionnelle suivante :
S(x)

(x (1 + g))2
2

(E.2)

o x It/It1 est le facteur de croissance de linvestissement et un paramtre rel positif mesurant la taille du cot dajustement (il
devra tre estim). Nous pouvons exprimer le cot en fonction de linvestissement stationnaris de la faon suivante :
!
!2
AT,t
Ibt
(1 + g)2
Ibt
1
S

1
2
Ibt1
Ibt1 AT,t1 1 + g

E.3

Part de la rmunration du travail long terme

Le paramtre de la fonction de production Cobb-Douglas utilise par les firmes du secteur intermdiaire est li la part de la rmunration du travail long terme. Nous pourrions exploiter cette information pour former nos croyances sur , ou mme ne pas estimer
mais la part de la rmunration du travail puis dduire la valeur du paramtre technologique. On tablit facilement qu ltat stationnaire
nous avons :
f 1 1
wL
=
Y
f 1 + L
Soit de faon quivalente :
= 1 (1 + L )

46

f wL
f 1 Y