Construction des variables

On cherche à expliquer la variabilité observée de la productivité du travail agricole dans un ensemble de pays en 2005 et la variabilité des taux de croissance de cette productivité du travail agricole sur la période 1980-2005.

Les différentes bases de données (FAO, PNUD, Banque mondiale) ne renseignent pas les mêmes unités statistiques (les pays) aux mêmes dates, il faut donc « aligner » la base de données que nous construisons pour notre analyse sur « le plus petit dénominateur commun », c’est-à-dire sur le plus grand nombre de pays pour lesquels une donnée existe pour chacune des variables. Ainsi, la base de données construite pour notre analyse se

compose de 135 pays29 (unité statistique observée) sur la période 1980-2005. Par exemple,

les pays de l’ex-URSS n’ont pas été retenus dans l’analyse faute de données en 1980. Les deux variables dépendantes (en bleu dans les tableaux ci-après) construites sont : 1. la « productivité du travail agricole en 2005 » (présenté en LOG base 10 dans la partie

descriptive et les CAH suivantes et donc sans unité. Dans les régressions linéaires, nous en prenons le logarithme népérien)

2. le « taux de croissance de la productivité du travail agricole entre 1980 et 2005 » (%)

Les variables explicatives décrivent (partiellement bien sûr) 4 « objets » différents dans

chaque pays:

a. l’agriculture

b. la structure globale de l’économie c. l’économie non agricole

d. la démographie : les variables démographiques sont issues de la base World dataBank30.

On construit deux types de variables explicatives :

29

Les 135 pays sont : Afghanistan, Albania, Algeria, Angola, Argentina, Australia, Austria, Bahamas, Bahrain, Bangladesh, Barbados, Belgium et Luxembourg, Belize, Benin, Bhutan, Bolivia, Botswana, Brazil, Brunei Darussalam, Bulgaria, Burkina Faso, Burundi, Cambodia, Cameroon, Canada, Cape Verde, Central African Republic, Chad, Chile, China, People's Republic of Colombia, Congo, Costa Rica, Côte d'Ivoire, Cuba, Cyprus, Democratic Republic of the Congo, Denmark, Djibouti, Dominican Republic, Ecuador, Egypt, El Salvador, Fiji, Finland, France, French Polynesia, Gabon, Gambia, Germany, Ghana, Greece, Grenada, Guatemala, Guinea, Guinea-Bissau, Guyana, Haiti, Honduras, Hungary, India, Indonesia, Iran (Islamic Republic of), Iraq, Israel, Italy, Japan, Jordan, Kenya, Kuwait, Lao People's Democratic Republic, Lebanon, Lesotho, Liberia, Libyan Arab Jamahiriya, Madagascar, Malawi, Malaysia, Mali, Malta, Mauritania, Mauritius, Mexico, Mongolia, Morocco, Mozambique, Myanmar, Nepal, Netherlands, New Caledonia, New Zealand, Nicaragua, Niger, Nigeria, Norway, Oman, Pakistan, Panama, Paraguay, Peru, Philippines, Poland, Portugal, Qatar, Republic of Korea, Romania, Rwanda, Saint Lucia, Saudi Arabia, Senegal, Sierra Leone, Somalia, South Africa, Spain, Sri Lanka, Sudan, Suriname, Swaziland, Sweden, Switzerland, Syrian Arab Republic, Thailand, Togo, Tunisia, Turkey, Uganda, United Arab Emirates, United Kingdom of Great Britain and Northern Ireland, United Republic of Tanzania: Mainland, United States, Uruguay, Venezuela (Bolivarian Republic of), Viet Nam, Zambia, Zimbabwe.

30

http://databank.worldbank.org/ddp/home.do?Step=1&id=4

C. Construction de variables agricoles et non agricoles

potentiellement explicatives du développement agricole

81 i. « statique » : mesurées à une date donnée (1980 ou 2005)

ii. « dynamique » : mesurées par des taux de croissance entre 1980 et 2005 (%) Les variables explicatives construites sont toutes explicitées en annexe 2.2. Nous en signalons ici juste certaines:

Variables explicatives statiques :  décrivant l’économie NON agricole

o la productivité du travail NON agricole en 1980 o la productivité du travail NON agricole en 2005  décrivant la démographie :

o indice de fécondité en 1968 (soit 12 ans avant 1980) : voir note méthodologique 2 ci-dessous

o indice de fécondité en 1993 (soit 12 ans avant 2005) : voir note méthodologique 2 ci-dessous

Variables explicatives dynamiques :  décrivant l’économie NON agricole

o Taux de croissance de la productivité du travail NON agricole (%) o Taux de croissance du nombre d’actifs NON agricoles (%)

o Taux de croissance du PIB NON agricole « Manufacturing » (%)

o Taux de croissance du PIB NON agricole « Mining, Manufacturing, utilities » (%) o Taux de croissance du PIB NON agricole « Construction » (%)

o Taux de croissance du PIB NON agricole « Wholesale, retail trade, restaurants and hotels » (%)

o Taux de croissance du PIB NON agricole « Transports » (%)  décrivant la démographie :

o taux de croissance de la population totale (%) o taux de croissance de l’indice de fécondité (%)

Nous ne disposons malheureusement pas du nombre d’actifs non agricoles employés dans chacun des sous-secteurs de l’économie non agricole. Nous ne pouvons construire comme variable explicative que les taux de croissance des PIB de ces sous-secteurs et non les taux de croissance de la productivité du travail dans ces sous-secteurs.

Une autre limite liée à l’emploi de ce type de bases de données à cette échelle

mondiale tient à ce qu’il n’existe pas de variables pour caractériser le degré national de libéralisation des marchés fonciers. Cette limite sera dépassée dans le chapitre suivant concernant le Mexique.

Il convient de signaler que tous les taux de croissance sont calculés entre les deux dates

1980 et 2005, excepté pour :

 le taux de croissance de la consommation de fertilisants par hectare agricole (%) pour laquelle on prend la période 1977-2002, seule fournie par FAOStats. Lorsque la donnée est manquante pour l’année initiale 1980, on utilise l’année la plus proche avec donnée.  le taux de croissance de l’indice de fécondité : la période 1968 – 1993, décalée de 12 ans

par rapport à la période 1980-2005 utilisée dans le reste de l’étude, est volontairement

82 tester l’influence de forts taux de fécondité, « au plus tard 12 ans avant 1980 / 2005 », sur la taille de la population active agricole et indirectement sur le ratio surface par actif agricole et la productivité du travail agricole.