Résultats empiriques

Les résultats de la régression sont présentés dans le tableau III.

• Le coefficient de la part de la dépense de l’état dans le PNB est statistiquement significatif (à 1 % de niveau de confiance), mais de signe non attendu. On s’attend à ce qu’une augmentation des dépenses de l‘État va avoir comme effet d’augmenter sa taille dans l’activité économique, ce qui aura pour effet d’augmenter les occasions des fonctionnaires de pratiquer la corruption, mais d’un autre coté, on peut penser qu’une dépense plus élevée de l’État peut avoir comme effet de renforcer la qualité de ses institutions en matière de lutte anti-corruption ce qui rejoint le résultat de Treisman (2000) qui montre que l’intervention de l’État a un effet positif pour la lutte contre la corruption.

• Les résultats montrent qu’il y a une relation statistiquement significative (à 1% de niveau de confiance) et positive entre le degré

d’ouverture économique et le niveau de la corruption. Ce qui peut être expliqué par l’augmentation du niveau de concurrence dans l’économie. Ce qui confirme le résultat établi par Ades et Di Tella (1995).

• Le coefficient de revenu national brut par habitant est statistiquement significatif (à 1% de niveau de confiance) et de signe attendu, ce qui implique qu’une augmentation du niveau de vie permet de faire baisser le niveau de la corruption. Mais, le coefficient est très faible (β1= 0,0002), ce qui nous permet de constater que la

corruption est un fléau qui peut toucher tous les pays, les pays riches comme les pays pauvres. La richesse n’est pas une condition préalable pour lutter contre la corruption. L’étude réalisée par Graf Lambsdorff, (rapport 2005, Transparency International), montre que la perception de la corruption a chuté significativement, lors de la dernière décennie, dans des pays à faibles revenus tels que l’Estonie, la Colombie et la Bulgarie.

• Le coefficient du rapport de l’investissement direct étranger et de PNB est statistiquement significatif (à 5% de niveau de confiance) mais de signe négatif, non attendu. étant donné que la corruption peut jouer le rôle d’une taxe supplémentaire pour les entrepreneurs étrangers, comme la montre Wei (1997), dans son étude sur l’effet de la corruption sur l’investissement direct étranger.

l’État pour la construction de nouvelles routes et d’entretenir les anciennes infrastructures.

• Le coefficient de l’indicateur de niveau de l’éducation (pondération de deux taux bruts de scolarisation, secondaire et tertiaire) est statistiquement non significatif, ce qui nous permet de constater que le niveau d’éducation dans les différents pays n’a pas d’effet sur le niveau de la corruption. Ceci contredit le résultat établi par Mauro (1998), dans lequel il a utilisé un indicateur de moyen, (la part de la dépense du gouvernement dans le secteur de l’éducation) donc moins satisfaisant et qui a trouvé que plus les pays sont corrompus, moins ils dépensent pour l'éducation.

Tableau III :

Estimation du niveau de la corruption par les MCO avec correction pour l’hétéroscédasticité, écarts-types robustes par la méthode

d’Eicker-White

Variable dépendante, IPC

Variables Coefficient Ecart-type robuste t-statistique Probabilité Ggdp 0,0446* 0,0165 2,69 0,008 DOE 1.0549* 0,4403 2,40 0,018 IDEgdp -0,0170** 0,0087 -1,96 0,053 RNBPH 0,0002* 0,000014 12,55 0,000 INF 0,0164 0,0117 1,39 0,166 TBSST 0,00004 0,0045 0,01 0,993 constant 1,1495 0,2969 3,87 0,000 R2 0,8409 nombre d'observation 110 * significatif a 1%, ** significatif a 5%

CONCLUSION

Les études qui précèdent donnent des résultats différents et parfois contradictoires, l’effet de la corruption sur les investissement directe étrangers n’est pas toujours significatif, de même pour le degré d’ouverture économique, alors que la richesse n’est pas une condition préalable pour lutter contre la corruption. Les résultats des études empiriques de l’impact de la taille de la bureaucratie sur la corruption sont ambigus.

Dans ce rapport de recherche, nous avons essayé d’établir les relations qui peuvent exister entre la corruption et quelques indicateurs macroéconomiques. Selon nos résultats quatre variables sur six sont statistiquement significatives. La corruption est corrélée négativement avec le degré d’ouverture économique, et les dépenses de l’État, alors que le rapport de l’investissement direct étranger et de PIB est corrélé positivement avec la corruption. Par contre les variables niveau d’éducation et infrastructure ne sont pas significatifs.

Deux issues qui méritent une attention particulière. La première, consiste à s’interroger sur la causalité : la corruption serait plutôt l’œuf ou la poule. La seconde, le rôle possible d'autres variables économiques, tel que le ratio du salaire des fonctionnaires et de salaire moyen. Cependant de telles données restent difficiles à obtenir.

Bibliographie

Articles & rapports

• Ades, A. & Di Tella R. (1999), “Rents, competition, and corruption“, The American Economic Review, Vol.89, Issue 4, 982-993.

• Ades, A. & Di Tella, R. (1995), “Competition and Corruption”, Applied Economics Discussion Paper Series, No. 169, Oxford University.

• Ades, A. & Di Tella, R. (1997), “National champions and corruption: some unpleasant interventionist arithmetic”, The Economic Journal, Vol. 107, No. 443, 1023-1042.

• Azam, J.P, Gauthier, B. & Goyette, J. (2004), “The effect of fiscal policy and corruption control mechanisms on firm growth and social welfare: Theory and evidence”, Cahier de recherche No IEA-04-10, ISSN: 0825-8643.

• Bliss, C. & Di Tella, R. (1997), “Does competition kill corruption”, Journal of Political Economy, Vol. 105, No.5, 1001-1023.

• Gerring, J. & Thacker, S. (2005), “Do neoliberal policies deter political corruption?” International Organization, Vol. 59, No 1. • Gray, W. C. & Kaufmann, D. (1998), ″Corruption and

development″, Finance and Development, Mars 1998.

• Gupta, S, De Mello, L. & Sharan, R. (2000), “Corruption and military spending”, IMF, WP, 00-23.

• Gupta, S, Davoodi, H. & Alonso-Terme, R. (1998), “Does Corruption Affect Income Inequality and Poverty?” IMF, WP, 98- 76.

• Husted, W. B. (1999), ″Wealth, culture, and corruption″, Journal of International Business Studies, 30, 2, pp. 339-360.

• Kaufmann, D (1997), “Corruption: The Facts”, Foreign Policy, No. 107, pp 114-31.

• Kaufmann, D, Kraay, A, & Mastruzzi, M. (2005), “Governance Matters IV: Governance Indicators for 1996-2004”, The World Bank.

• Lambsdorff J. G (2005), “Consequences and causes of corruption: What do we know from a cross- section of countries?” Diskussionsbeitrag Nr. V-34-05.

• LaPalombara, J. (1994), “Structural and Institutional Aspect of Corruption”, Social Research, 61, 2, pp. 325-50.

• Mauro, P. (1995), “Corruption and growth”, The Quarterly Journal of Economics, vol. 110, No 3, 681-712.

• Mauro, P. (1996), “The effects of corruption on growth, investment, and government expenditure: a cross-country analysis”, Institute for International Economics, 83-109.

• Mauro, P. (1997), “Why worry about corruption?”, Economic issues No 6, FMI.

• Mauro, P, (1998), “Corruption and the composition of government expenditure”, Journal of Public Economics 69, 263–279.

• Meier, K. J. & Holbrook, T. M (1992), “I seen my opportunities and I took ’Em: Political, Corruption in the American States″, the Journal of Politics, 54, 1, pp. 135-155.

• Rijckeghem, C. V & Weder, B. (1997), “Corruption and the rate of temptation: Do low wages in the civil service cause corruption?” IMF, WP, 73.

• Seka, P. R, (2005), ″Corruption, croissance et capital humain : Quels rapports″, Université de Cocody, UFR-SEG, Abidjan.

• Shleifer, A. & Vishny, R. W. (1993), “Corruption”, The Quarterly Journal of Economics, Vol. 108, No. 3, pp. 599-617.

• Tanzi, V. (1998),”Corruption around the world causes, consequences, scope, and cures”, IMF Staff papers Vol. 45, No. 4.

• Tanzi, V & Davoodi, H. (1997), ″Corruption, public investment, and growth″, IMF, WP, 97-139.

• Tanzi, V. & Davoodi, H. (2000),”Corruption, Growth, and Public Finances, Washington”, IMF, WP, 182.

• Treisman, D. (2000),”The causes of corruption: A cross-national study”, Journal of Public Economics, 76, pp. 399-457

• Wei, S-J. (1997), “How taxing is corruption on international investors?” NBER, WP, 6030.

• Wei, S-J. (1997), “Why is corruption so much more taxing than taxes? Arbitrariness kills”, NBER, WP, 6255.

Livre

• Wooldridge, J. M. (2003), ″ Introductory econometrics: A modern approach″, Thomson, south-western, 2ed.

Internet

• Organisation de coopération et de développement économiques (OCDE),http://www.oecd.org.

• Organisation des Nations Unies pour l’éducation, la science et la culture (UNESCO), http://portal.unesco.org

• Organisation mondiale du commerce (OMC), http://www.wto.org. • Transparency International, http://www.transparency.org.

ANNEXE : données du modèle

Pays CPI Ggdp DOE IDEgdp RNBPH INF TBSST Finland 9.7 22 0.35 2.1 27460 15.12 114.666 Denmark 9.5 27 0.434 0.6 31050 13.3 108.333 New Zealand 9.5 18 0.295 3.1 21350 23.09 103.333 Singapore 9.4 12 1.818 12.5 24180 0.73 38 Sweden 9.3 28 0.405 1.1 26710 23.69 120.333 Netherlands 8.9 25 0.673 3.1 28560 7.19 100.666 Australia 8.8 18 0.194 1.3 28780 40.78 127.333 Norway 8.8 23 0.335 0.9 37910 19.97 103.666 Switzerland 8.8 12 0.389 5.5 32220 9.62 81.666 Canada 8.7 19 0.356 0.7 30040 44.58 88 UnitedKingdom 8.7 21 0.268 1.2 27690 6.27 134.666 Austria 8 19 0.554 2.9 29740 24.69 83 Hong Kong 8 11 1.702 8.6 28680 0.27 63.666 Germany 7.7 19 0.342 0.5 31050 2.79 83.666 Belgium 7.6 23 0.953 32.4 28920 14.33 127.666 Ireland 7.5 15 0.769 17.3 30910 23.93 88.666 USA 7.5 15 0.116 0.4 37750 21.93 90.333 Chile 7.4 12 0.353 4.1 9810 5.04 73.333 Japan 7 18 0.121 0.1 28450 9.18 85 France 6.9 24 0.276 2.7 27640 14.93 91.333 Spain 6.9 18 0.29 3 22150 16.17 98.666 Portugal 6.6 21 0.331 0.7 17710 1.65 94 Slovenia 5.9 22 0.569 1.2 19100 10.12 95.333 Botswana 5.7 36 0.448 1.1 8370 6.01 50.333 Estonia 5.5 19 0.94 9.8 12680 39.96 86 Uruguay 5.5 12 0.256 2.5 7980 2.64 83 Italy 5.3 20 0.252 1.1 26830 8.33 85 Kuwait 5.3 26 0.467 0.20 19480 1.85 66.333 Malaysia 5.2 14 1.057 2.4 8970 2.65 56.333 Tunisia 4.9 17 0.465 2.2 6850 1.92 61 Hungary 4.8 11 0.656 3 13840 15.8 87.666 Lithuania 4.7 20 0.553 1 11390 22.04 92 Namibia 4.7 29 0.456 3.1 6660 21.12 43.666 Jordan 4.6 23 0.601 3.8 4290 1.38 69 TrinidadTobago 4.6 10 0.481 5.9 10390 6.4 57.666

Pays CPI Ggdp DOE IDEgdp RNBPH INF TBSST Costa Rica 4.3 15 0.486 3.3 9140 8.82 50.333 Greece 4.3 16 0.271 0.4 19900 10.63 89.333 South Korea 4.3 13 0.368 0.5 18000 1.81 88.333 Belarus 4.2 21 0.682 1 6050 8.08 81.333 Brazil 3.9 19 0.15 2.1 7510 9.76 80.333 Bulgaria 3.9 19 0.607 7.1 7540 4.75 78.333 Czech Republic 3.9 24 0.643 2.8 15600 12.47 76.666 Jamaica 3.8 15 0.518 8.8 3790 7.19 61.666 Latvia 3.8 18 0.476 2.7 10210 26.29 87.666 Colombia 3.7 21 0.201 2.2 6410 2.53 55.333 Croatia 3.7 21 0.555 6.9 10610 6.44 73 El Salvador 3.7 11 0.36 0.6 4910 1.54 45 Peru 3.7 10 0.177 2.3 5080 2.89 70.666 Slovakia 3.7 21 0.778 1.8 13440 7.96 72.666 Mexico 3.6 13 0.299 1.7 8980 3.22 60 Poland 3.6 16 0.343 2 11210 9.54 90 China 3.4 13 0.336 3.8 4980 1.37 52 Panama 3.4 11 0.299 6.1 6420 3.88 61.666 Sri Lanka 3.4 8 0.406 1.3 3740 5.06 57.333 Syria 3.4 11 0.319 0.7 3430 3.72 32 DominicanRepublic 3.3 7 0.542 1.9 6310 1.45 50.666 Egypt 3.3 13 0.206 0.3 3940 0.94 66.333 Ghana 3.3 12 0.457 1.8 2190 2.23 27 Morocco 3.3 21 0.348 5.2 3940 1.92 33.666 Thailand 3.3 11 0.664 1.4 7450 0.92 66.666 Senegal 3.2 15 0.368 1.2 1620 1.43 14 Turkey 3.1 14 0.298 0.6 6710 5.01 62 Armenia 3 10 0.429 4.3 3790 2.72 66.333 Iran 3 14 0.219 0.1 7000 2.52 59 Lebanon 3 13 0.229 1.9 4840 1.62 67.333 Mali 3 10 0.317 3 960 1.29 14 India 2.8 13 0.147 0.7 2880 3.11 39.333 Malawi 2.8 20 0.381 1.3 590 2.58 22 Romania 2.8 9 0.417 3.2 7140 9.16 68.333 Mozambique 2.7 12 0.419 7.8 1060 1.62 11 Russia 2.7 16 0.294 1.8 8950 3.75 86.333 Algeria 2.6 14 0.307 1 5930 3.27 60.333 Madagascar 2.6 9 0.235 0.2 800 2.95 10

Pays CPI Ggdp DOE IDEgdp RNBPH INF TBSST Nicaragua 2.6 16 0.373 4.9 3180 3.4 46.666 Yemen 2.6 14 0.397 4.9 820 3.49 35 Albania 2.5 9 0.306 2.9 4710 5.62 59.333 Argentina 2.5 11 0.203 0.8 11410 5.85 86.666 Ethiopia 2.5 24 0.295 0.9 710 0.48 14 Gambia 2.5 11 0.404 15.2 1740 1.93 23 Pakistan 2.5 12 0.179 0.6 2040 1.74 16.333 Philippines 2.5 11 0.525 0.4 4640 2.48 66 Tanzania 2.5 11 0.232 2.4 620 2.45 4.333 Zambia 2.5 15 0.351 2.3 850 8.79 19.333 Guatemala 2.4 5 0.223 0.5 4090 1.14 31.666 Kazakhstan 2.4 12 0.474 7 6280 5.57 76.333 Moldova 2.4 18 0.707 3 1760 3.03 54.666 Uzbekistan 2.4 19 0.345 0.7 1720 3.19 68.666 Venezuela 2.4 8 0.226 3 4750 3.74 60 Vietnam 2.4 7 0.674 3.7 2490 1.15 51.333 Bolivia 2.3 17 0.251 2.1 2490 6.85 70.333 Honduras 2.3 14 0.416 2.8 2590 1.94 5 Macedonia 2.3 12 0.453 2 6750 4.34 65.666 Ukraine 2.3 16 0.556 2.9 5430 3.5 85.333 Congo Republic 2.2 17 0.585 5.6 730 3.37 22.666 Ecuador 2.2 10 0.275 5.7 3440 3.32 39.333 Sierra Leone 2.2 20 0.347 0.4 530 2.13 18 Uganda 2.2 15 0.208 3.1 1430 1.07 14.333 Cote d´Ivoire 2.1 8 0.414 1.3 1400 3 19.666 Kyrgyzstan 2.1 17 0.41 2.4 1690 3.63 75.333 Indonesia 1.9 9 0.309 0.30 3210 1.71 46 Kenya 1.9 18 0.262 0.6 1030 2.01 23 Azerbaijan 1.8 12 0.535 46 3390 3.42 60.666 Cameroon 1.8 12 0.234 1.7 1990 2.13 22.333 Georgia 1.8 9 0.295 8.5 2610 3.96 66 Tajikistan 1.8 9 0.584 2 1040 4.41 62.666 Paraguay 1.6 7 0.33 1.5 4690 5.27 52.333 Nigeria 1.4 23 0.317 2.1 900 1.42 26.666 Bangladesh 1.3 5 0.187 0.2 1870 1.5 33.333

Sources des données :

• IPC, Transparency International.

• RNBPH, INF, Ggdp et IDEgdp, Banque mondiale (World Development Indicator, 2005).

• TBSST, Institut de statistique de l’UNESCO

• DEO, importation et exportation, Organisation mondiale du commerce et PIB, Banque mondiale (World Development Indicator, 2005).