11

Cet article de recherche explore le rôle du chômage dans l’appréciation des prédictions de la croissance du produit intérieur brut (PIB) en utilisant des modèles vectoriels autorégressifs (VAR), avec un accent particulier sur les modèles VAR bayésiens à fréquences mixtes (MF-BVAR). Il examine également l’intégration d’indicateurs économiques clés, tels que le PIB, l’offre de monnaie (M1), l’inflation, les taux d’intérêt à court terme et le chômage. En intégrant les données sur le chômage, l’étude vise à améliorer la précision des prévisions du PIB. Les résultats soulignent l’impact significatif du chômage sur les indicateurs économiques et la précision globale des modèles de prévision. À partir des données macroéconomiques et des outils méthodologiques innovants, cette recherche vient en complément à la littérature sur les prévisions économiques, en démontrant l’importance de la prise en compte des dynamiques du marché du travail dans les modèles prédictifs, offrant des perspectives précieuses pour les décideurs politiques et les économistes.Classification JEL : C53, E24, E58.

This research paper explores the role of unemployment in improving gross domestic product (GDP) growth forecasting reliability by using vector autoregressive (VAR) models, with a particular focus on mixed frequency Bayesian VAR (MF-BVAR) models. It also examines how key economic variables, which are largely employed by central banks, are included, such as GDP, money supply (M1), inflation, short-term interest rates, and unemployment. By incorporating unemployment data, the study aims to improve the accuracy of GDP forecasts. The findings highlight the significant impact of unemployment on economic indicators and the overall accuracy of the forecasting models. This research contributes to economic forecasting literature by demonstrating the value of considering labor market dynamics in predictive models and offers valuable insights for policymakers and economists.JEL classification: C53, E24, E58.