Présentation des variables de la spécification

La mesure de la croissance économique et de l’ouverture économique Nous avons retenu le taux de croissance du PIB par habitant réel en dollar ou plus exactement la différence logarithmique du PIB réel par habitant (𝑔𝑔𝑖𝑖𝑡𝑡) comme indicateur de la croissance pour chaque pays, comme le suggère Barro. Le PIB par habitant est une variable couramment utilisée dans la littérature de la théorie de la croissance et ceci depuis Solow. Il est converti en dollar US (valeur courante) et n’est pas corrigé d’effet-prix ou de parité de pouvoir d’achat. Cet indicateur est privilégié, afin d’assurer une homogénéité entre ces données et les autres variables monétaires du modèle.

Le taux de croissance du PIB réel par habitant retardé d’une période (𝑌𝑌𝑖𝑖𝑡𝑡−1) est l’un des déterminants que nous avons retenus afin de prendre en compte la problématique de convergence.

188

Le taux d’inflation (𝐼𝐼𝑁𝑁𝐼𝐼𝑖𝑖𝑡𝑡) est également intégré. À défaut de série de déflateurs du PIB, le taux d’inflation de l’indice des prix à la consommation des ménages est utilisé.

Barro suggère également d’introduire une variable concernant l’ouverture économique. Nous avons retenu le poids des importations réel dans le PIB (𝐼𝐼𝑀𝑀𝑃𝑃𝑖𝑖𝑡𝑡), à la place du terme de l’échange par commodité et disponibilité des données.

Les variables de capital

Afin d’intégrer au mieux les conclusions du modèle de Romer (1990), nous retenons les investissements en capital productif et en capital humain dans le champ de notre recherche. Plusieurs variables sont retenues pour représenter ces deux indicateurs (Sala-i-Martin, 2002; Levine, et al., 1992). Le premier est souvent représenté par : (i) le poids de la formation brut de capital fixe (FBCF) dans le PIB, (ii) le logarithme des dépenses en investissement par habitant, ou (ii) le taux de croissance des dépenses en investissement par habitant. Nous avons retenu cette troisième possibilité, avec la différence logarithmique de la FBCF réelle par habitant (𝐼𝐼𝑁𝑁𝐼𝐼𝑖𝑖𝑡𝑡). L’investissement en capital humain est difficile à appréhender de manière directe. Il est généralement synthétisé par un niveau de scolarisation, c’est-à-dire un pourcentage d’enfants d’un âge précis scolarisés par rapport au nombre total d’enfants du même âge. Nous avons inclus le logarithme du taux net (corrigé de l’âge des élèves) de scolarisation des enfants (filles et garçons) au second degré (𝐻𝐻𝑈𝑈𝑀𝑀𝑖𝑖𝑡𝑡), soit le collège et lycée en France.

Un proxy des dépenses publiques

Les dépenses publiques font partie des variables dans un modèle à la Barro.

Ces dépenses englobent les dépenses de fonctionnement, mais également d’investissement réalisé par la sphère publique dans différents domaines comme la justice, l’éducation ou la santé. En l’état, cela signifie qu’une partie de ces dépenses est déjà prise en compte dans 𝐼𝐼𝑁𝑁𝐼𝐼𝑖𝑖𝑡𝑡, car cette variable inclut l’investissement privé, mais également public. Par ailleurs, les dépenses publiques en matière d’éducation influencent nettement le niveau de

189

scolarisation des habitants d’un pays. Ces corrélations nous laissent craindre une autocorrélation entre ces variables. Pour éliminer ce risque, nous avons choisi de réduire le champ des dépenses publiques retenues et de ne conserver que les dépenses de santé, appréhendées par leur poids dans le PIB (𝑆𝑆𝐴𝐴𝑁𝑁𝑇𝑇𝑆𝑆𝑖𝑖𝑡𝑡). La prise en compte de la bonne gouvernance

La stabilité politique et économique est également au cœur de la problématique de la croissance économique. Pour appréhender cette notion, la Banque mondiale fournit six indicateurs pour appréhender la qualité de la gouvernance d’un pays. Il s’agit tout d’abord de voix et responsabilité (voice and accountability) qui capture les perceptions de la mesure dans laquelle les citoyens d’un pays sont en mesure de participer au choix de leur gouvernement, ainsi que la liberté d’expression, la liberté d’association et la liberté des médias. Le deuxième indicateur traite de la stabilité politique et l’absence de violence ou de terrorisme. Il mesure la probabilité d’instabilité politique et/ou de violence à motivation politique, y compris le terrorisme. Le troisième prend en compte l’efficacité du gouvernement par la qualité des services publics, de la fonction publique et le degré de son indépendance par rapport aux pressions politiques. Ensuite, la qualité réglementaire mesure la perception de la capacité du gouvernement à formuler et à mettre en œuvre des politiques. Le respect de la loi capture les perceptions de la mesure dans laquelle les agents ont confiance et respectent les règles de la société, et en particulier la qualité de l’exécution des contrats, les droits de propriété, la police et les tribunaux, ainsi que la probabilité de la criminalité et de la violence. Enfin, la lutte contre la corruption saisit les perceptions de la mesure dans laquelle la puissance publique est exercée à des fins privées.

Ces indicateurs ont été privilégiés à l’indice de perception de la corruption de l’ONG Transparency International ou bien l’indice de gouvernance mondiale du Forum pour une nouvelle Gouvernance mondiale (FnGM). Nous ne remettons pas en cause la pertinence de ces indicateurs, mais il ne couvre pas suffisamment notre échantillon. Nous avons retenu trois indicateurs de la Banque mondiale :

190

• l’indicateur « stabilité politique » (𝑃𝑃𝑃𝑃𝐿𝐿𝐼𝐼𝑖𝑖𝑡𝑡),

• l’indicateur « respect de la loi » (𝐿𝐿𝑃𝑃𝐼𝐼_{𝑖𝑖𝑡𝑡}) ,

• la lutte contre la corruption (𝐶𝐶𝑃𝑃𝐶𝐶𝐶𝐶𝑈𝑈𝑃𝑃_{𝑖𝑖𝑡𝑡}).

Barro (1990) introduit également le taux de fécondité dans sa régression.

Cependant, nous n’avons pu prendre en compte cette variable, faute de séries complètes pour chaque pays de notre échantillon.

Les sources des données

La plupart des données macroéconomiques sont tirées des indicateurs du développement dans le monde (WDI) de la Banque mondiale et celles de plus de 30 agences partenaires. La base de données couvre 209 économies et contient des données remontant jusqu’en 1965. La Banque mondiale ne couvre pas l’ensemble des PEID retenus. Cette base est complétée par des données provenant du National accounts main aggregates database des Nations Unies.

Cette base présente une série de tableaux analytiques des comptes nationaux à partir de 1970 pour plus de 200 pays et régions du monde. Il est le produit d’un effort global de coopération entre le Service des statistiques économiques de la Division de statistiques des Nations Unies, les organismes statistiques internationaux et les services nationaux de statistique de ces pays. Les données manquantes sur les niveaux de scolarisation sont extraites du centre de données de l’Institut de statistiques de l’UNESCO. Une partie des données sur les dépenses de santé proviennent également de la base de données mondiale des dépenses de santé de l’Organisation mondiale de la santé. L’extension de notre analyse à des pays non membres de l’ONU ou bien de la liste des PEID de l’ONU a également nécessité une recherche de plusieurs données sur les sites des bureaux statistiques des différents pays concernés. Enfin, certaines données macroéconomiques ont été obtenues sur les différents sites d’informations économiques comme indexmundi.com, tradingeconomics.com, knoema.com ou bien quandl.com.

Les variables liées au tourisme sont extraites du Compendium de l’OMT. Ce dernier contient des données statistiques et des indicateurs sur le tourisme récepteur, émetteur et interne, sur le nombre et les types d’industries

191

touristiques et le nombre de salariés par industrie touristique, ainsi que des indicateurs macroéconomiques liés au tourisme international. Les données annuelles disponibles couvrent la période 1995-2012, soit 18 ans. L’analyse est réduite à 17 années, afin d’étudier la pertinence des variables de créations de richesse par habitant ainsi que de la croissance de celle-ci.

Enfin, les indicateurs de gouvernance proviennent de tableaux de bord de la Banque mondiale couvrant 215 pays sur la période 1996-2014, pour six dimensions de la gouvernance.

Imputation et redressement de la base de données

Malgré les différentes bases à notre disposition, plusieurs données restent manquantes. Ignorer les données manquantes peut entraîner, outre une perte de précision, de forts biais dans les modèles d’analyse. Elles ont donc été imputées. L’imputation est le processus qui permet d’attribuer des valeurs de remplacement à des données manquantes, invalides ou incohérentes rejetées à l’étape de vérification des données. On compte deux grandes familles de méthodes d’imputation : stochastiques ou déterministes. Il existe plusieurs méthodes d’imputation déterministes : l’imputation logique, l’imputation historique (par exemple, l’imputation par valeur précédente), l’imputation par la moyenne, l’imputation par le ratio, l’imputation par régression et l’imputation par le plus proche voisin. Bien que toutes déterministes, ces méthodes se divisent encore en deux catégories. D’une part, il y a celles qui déduisent la valeur imputée en se fondant uniquement sur l’information disponible pour le non-répondant et d’autres données auxiliaires (logique et historique). D’autre part, il y a celles qui recourent aux données observées d’unités répondantes de l’enquête. Les données observées des unités répondantes peuvent être utilisées directement en opérant un transfert à partir d’un enregistrement donneur ou en utilisant des modèles paramétriques explicites (ratio et régression). Du côté des méthodes d’imputation stochastique, on trouve la méthode du « hot deck » aléatoire, l’imputation par le plus proche voisin, quand on opère une sélection aléatoire à partir de plusieurs « proches voisins », la régression avec résidus

192

aléatoires, ainsi que toute autre méthode déterministe recourant à des résidus aléatoires (Statistique Canada, 2001).

L’imputation par le plus proche voisin est le plus souvent retenue. Le répondant est choisi selon différents critères. En premier lieu, le donneur doit être du même groupe de dépendance, c’est-à-dire avoir la même métropole en commun. Par exemple, un département d’outre-mer français servira de donneur pour un autre département d’outre-mer français. Dans un deuxième lieu, la proximité en termes de distance est également retenue. Enfin, le niveau de vie est le dernier critère. Cette méthode est utilisée pour le redressement des séries concernant la FBCF, et les dépenses de santé. Cette technique fut également appliquée aux variables de gouvernances. Pour ces dernières, les données de la métropole concernée sont également employées comme proxy, en tenant compte d’un coefficient de correction. Parallèlement, l’imputation par le ratio est appliquée à la variable du taux de scolarisation dans le second degré. Ce taux est net. Le taux brut a permis de corriger de nombreuses données manquantes, par application d’un ratio moyen entre taux net et taux brut. Le taux de scolarisation au premier degré a également servi de clé de répartition. Dans les cas extrêmes, l’imputation historique est choisie pour compléter la série.

2.1.3.Description de l’échantillon au travers des variables du