Le Modèle ARDL : Fondements
Théoriques, Méthodologie et
Applications en Économétrie
INTRODUCTION
La méthode ARDL (Autorégressive Distributed Lag) est une approche économétrique
couramment employée pour examiner les liens dynamiques entre les variables dans le
temps, surtout quand ces dernières sont de différents ordres d'intégration (I(0) ou I(1)) et
qu'une cointégration potentielle entre elles est envisagée. Cette approche permet
d'évaluer de manière simultanée les impacts à court et à long terme dans un cadre
flexible, sans exiger que toutes les séries soient intégrées à un même ordre. [1][2][3].
PRINCIPES ET FORMULATION DU MODELE ARDL
Le modèle ARDL fusionne un modèle à autorégression (AR) avec des délais répartis
(Distributed Lags) des variables explicatives. Il est formellement exprimé de la manière
suivante :
∑ ∑
où Yt représente la variable dépendante, Xt un ensemble de variables explicatives, p et q
les ordres de retard respectifs, ϕ une constante et εt un terme d'erreur présumé être du
bruit blanc. [3][4].
Ce cadre permet de saisir l'impact des valeurs historiques de la variable dépendante,
ainsi que des valeurs actuelles et décalées des variables explicatives.
AVANTAGES METHODOLOGIQUES
Flexibilité dans l’intégration des séries : L'ARDL peut être utilisé même lorsque les variables
sont intégrées à des ordres différents, tant qu'aucune n'est intégrée à un ordre 2 ou supérieur,
ce qui est une contrainte moins sévère par rapport à d'autres techniques de cointégration. [1][2].
Estimation simultanée des effets à court et long terme : La conversion du modèle ARDL en
une forme à correction d'erreur (ECM) facilite la séparation précise des dynamiques temporaires
des relations d'équilibre sur le long terme. [5][6].
Test de cointégration aux bornes : La procédure de Pesaran et ses co-auteurs. (2001)
associée à l’ARDL permet de tester l’existence d’une relation de cointégration entre variables,
même en présence de séries intégrées d’ordres différents, via un test aux bornes avec des
seuils critiques spécifiques [1][2].
Sélection optimale des retards : L'emploi de standards d'information tels que l'Akaike (AIC) ou
le Schwarz (BIC) permet de fixer automatiquement le nombre idéal de retards à intégrer dans le
modèle, ce qui accroît la précision de l'estimation. [5][2].
APPLICATIONS EMPIRIQUES
Le modèle ARDL est utilisé dans divers domaines économiques et financiers pour analyser la
soutenabilité de la dette publique, la dynamique des réserves de change, ou l’impact des
investissements directs étrangers sur la croissance économique.
Par exemple :
Dans une analyse portant sur la dette publique au Maroc (1970-2018), l'ARDL a été employé
pour déterminer la viabilité de la dette en estimant les liens à long terme entre les revenus et les
dépenses publiques, et ayant ainsi conclu à une relation stable grâce à ce modèle. [1].
Un autre travail de recherche a utilisé un modèle ARDL-ECM pour examiner les facteurs
influençant les réserves de change marocaines (1980-2022). Il a souligné des impacts positifs
notables à long terme du PIB par habitant et des investissements directs étrangers, ainsi que
des réactions dynamiques aux perturbations économiques grâce à l'aide de fonctions de
réponse impulsionnelle. [6].
LIMITATIONS ET CONDITIONS D’UTILISATION
Il est nécessaire d'incorporer des variables jusqu'à un ordre maximum de 1 (I(0) ou I(1)) ;
l'inclusion de variables I(2) rendrait la méthode ARDL invalide. [2].
Le modèle part du principe que les variables explicatives sont exogènes, une hypothèse qui
peut ne pas être toujours respectée dans certains environnements. [4].
La compréhension des coefficients requiert la conversion en format ECM pour différencier les
effets à court et à long terme.
CONCLUSION
Le modèle ARDL est un instrument économétrique solide et adaptable pour analyser les
liens dynamiques entre des variables dans le temps, particulièrement pertinent lorsque
les séries affichent différents ordres d'intégration. Son aptitude à évaluer simultanément
les impacts à court et long terme, associée au test de cointégration aux limites, la
positionne comme une technique privilégiée dans les études économiques et financières
actuelles.
Ce résumé s'appuie sur diverses recherches et publications scientifiques actuelles qui
décrivent la méthodologie ARDL, ses usages et son intérêt dans l'analyse économétrique
des données temporelles.[1][5][2][6][4][3].
Bibliography
1. Blancheton, Bertrand. Introduction aux politiques économiques. Dunod, 2020. 12.
2. Rabhi, A. (2020). Taux de change d'équilibre et compétitivité au Maroc : estimation par le modèle de
cointégration ARDL. Université Sidi Mohamed Ben Abdellah.
3. Seabold, S. & Perktold, J. (2010). Autoregressive Distributed Lag Models. Dans Statsmodels Documentation
Examples. Repéré à l’adresse : [Link]
4. Kripfganz, S. (2023). ardl : Estimating autoregressive distributed lag and equilibrium correction models.
Stata Journal, 23(4), 983-1019.
5. Méthode ARDL et fonctions de réponse impulsionnelle (Article en ligne). African Scientific Journal. Repéré à
l’adresse (2024) .
6. Chtioui, N., Arbia, A., & Hoummad, R. (2024). Analyse de l'impact des dépenses publiques sur la croissance
économique au Maroc : Investigation empirique à l’aide du modèle VECM. Dossiers de Recherches en
Économie et Gestion, 12(2), 59–85.
Publié par : Zakaria Benaicha
Date de publication : 27 juin 2025