1
ANALYSE DE L'IMPACT DE L'ENERGIE ELECTRIQUE SUR LA CROISSANCE ECONOMIQUE DU TOGO
Palakiyèm KPEMOUA1
Résumé : Cet article à pour objectifs d’examiner empiriquement l’impact de l’énergie électrique sur la croissance économique globale et sectorielle (agriculture, industrie, service) au Togo ainsi que l’existence d’une relation de causalité entre l’énergie électrique et la croissance économique globale et sectorielle à partir d’une fonction de production de type néoclassique augmentée, par l’estimateur du maximum de vraisemblance (ARMA) et du test de causalité de Granger. Les résultats indiquent l’existence de corrélations positives significatives entre la consommation d’électricité et la croissance économique globale et sectorielle (secondaire et tertiaire) à long terme. Les résultats du test de causalité de Granger montrent qu’à long terme, il existe une causalité bidirectionnelle entre la consommation d’électricité et la croissance économique globale, une causalité unidirectionnelle de la consommation d’électricité vers l’agriculture et les services, et de l’industrie vers la consommation d’électricité.
Mots-clés : Consommation d’énergie électrique, Croissance économique, test de causalité au
sens de Granger.
Classification JEL : C33, O13, O40.
Abstract: The purposes of this paper are to investigate empirically the impact of electric power on Togo’s aggregate and economic branch levels (primary, secondary, tertiary) production growth, with a model that relies on a neoclassical production function and to test the causality between that electric power and the growth of aggregate production and economic branch levels. The empirical methodology is based on the (ARMA) maximum likelihood and Granger causality tests. The obtained results indicate that the impact of electricity consumption on Togo’s aggregate and economic branch levels (secondary, tertiary) production in the long-run is positive and significant. The results show also a significant existence of circular causality between electricity consumption and aggregate production growth, while that the causality goes from electricity consumption to the agricultural, services sectors , and from industrial sector to electricity consumption according to Granger.
Keywords: electricity consumption, Economic growth, Granger causality test.
JEL Codes : Q50,H63,O49, C32.
1
2
INTRODUCTION
Le rôle de l’énergie électrique dans le développement économique des nations n’est plus à démontrer. Depuis la révolution industrielle de 1780 basée sur l’utilisation de nouvelles sources d’énergie dont l’énergie électrique et, considérée comme la deuxième révolution dans le monde après celle de l’agriculture au néolithique, l’énergie électrique est entrain de changer toutes les habitudes de l’activité humaine.
Selon la littérature économique, la croissance économique d’un pays est souvent liée au niveau de consommation de l’énergie électrique. En effet, la disponibilité en quantité et en qualité de l’énergie électrique peut offrir de nouvelles opportunités d’emplois, une meilleure efficacité des investissements en matériels de production incorporant de nouvelles innovations, des progrès dans le domaine de la santé, l’éducation et un accès aux nouvelles technologies de l’information et de la communication, et par conséquent une augmentation de la croissance économique. Pour Rosenberg (1998), l’électrification dans l’industrie permet d’intensifier la production en l’automatisant, ce qui a pour effet d’améliorer la productivité des firmes. La croissance économique peut donc entraîner une amélioration du bien-être, et des niveaux élevés de revenus, qui incitent à l’acquisition à terme, des appareils électroménagers par la population. Ainsi, une augmentation simultanée de la population, du nombre d’équipements électriques, peut provoquer une forte demande de l’énergie électrique. L’Afrique est considérée comme le continent le moins électrifié dans le monde. Wolde-Rufael, (2006) estime le taux d’électrification en Afrique subsaharienne à seulement 26 %. Pour Reinikka et Svensson, (2002), l’insuffisance de la production ou la mauvaise qualité des infrastructures provoquent des coupures d’électricité, qui sont préjudiciables à la production et ternissent également la réputation des entreprises ne pouvant livrer leurs commandes dans les délais. Ainsi, la déficience de l’approvisionnement d’électricité décourage d’une part les investisseurs potentiels dans les activités productrices dépendantes de l’énergie électrique et limite le développement industriel local. Pour répondre aux coupures de courant, certaines firmes se dotent alors de leur propre générateur. En réduisant les autres opportunités d’investissement, les coupures de courants réduisent aussi la productivité des firmes.
3 surtout en milieu urbain où la proportion est de 73 % (DGSCN (2014)). Or, face à une augmentation de la population (2.84 %), un déficit de l’offre de l’énergie électrique, d’une demande qui s’accroit, la pénurie d’énergie électrique peut donc entrainer une hausse des coûts de production, par conséquent un renchérissement de leur prix aux consommateurs, la baisse de la compétitivité des entreprises, des sorties de devises pour supporter les dépenses d’approvisionnement en énergie pour le pays qui est un importateur net, et engendrer souvent des crises énergétiques.
Au Togo, la production de l’énergie électrique est assurée par la CEET (basse tension), qui partage les services de distribution avec la communauté électrique du Bénin (CEB) (haute tension). La CEB est fournie en électricité par le Ghana, la Côte d’Ivoire et le Nigéria.
Selon la Direction de l’Economie (2013) en 2010, l’énergie électrique totale livrée au réseau s’élève à 918 Gwh dont 878 Gwh livrés par la CEB et 40 Gwh produits par la CEET. Le taux d’électrification est de 26 %. Par ailleurs, à la fin de l’année 2012, les disponibilités totales de la CEET atteignent 901 255 944 Kwh contre 907 162 812 en 2011. La production locale a augmenté de 27.4 % tandis que les achats auprès de la CEB ont diminué de 1 % pour se situer respectivement à 14 001 392 Kwh et 887 254 552 Kwh. La consommation d’énergie moyenne tension facturée au cours des douze mois de l’année 2012 se chiffre à 229 470 953 Kwh, soit une hausse de 8.7 % par rapport à l’année 2011. Le montant hors TVA facturé se chiffre à 29.6 milliards de FCFA, en hausse de 8.1 % par rapport à l’année 2011. Sur la même période, la quantité et le montant hors TVA facturés de l’énergie basse tension augmentent respectivement de 6.6 % pour se situer respectivement à 437 439 833 Kwh et 49.7 milliards de FCFA.
Le secteur de l’énergie électrique au Togo a enregistré, ces quarante dernières années, des crises plus ou moins importantes : 1983-1984, 1998, 2006 liées aux vols des câbles, des branchements clandestins « araignée », de la sécheresse, aggravée par la crise sociopolitique des années 1993 et à de longues pauses dans les investissements, occasionnant des pertes énormes d’énergie compte tenue de la vétusté des équipements. Ces crises sont devenues régulières, vu leur durée, leur fréquence et leur généralisation sur toute l’étendue du territoire. Elles se traduisent par des coupures régulières du courant électrique.
4 consommation totale d’électricité, les productions globale et sectorielle et le lien de causalité entre cette consommation totale d’électricité et ces productions.
Il faut signaler qu’en ce qui concerne le Togo, il existe un manque de connaissances sur le lien entre la consommation totale d’électricité et les productions globale et sectorielle. Cette étude apparaît donc comme une contribution au débat dans ce domaine.
Pour ce faire, cet article sera organisé comme suit : une première section sera consacrée à la revue de la littérature, une deuxième à l’analyse du lien entre la consommation d’énergie électrique et les productions globale et sectorielle, ainsi que leur lien de causalité. Enfin la dernière section en guise de conclusion sera réservée aux recommandations qui en découlent.
1. REVUE DE LITTERATURE
La relation entre la consommation d’énergie électrique et la croissance économique a été largement discutée dans les travaux de recherche. Cette section examine brièvement la littérature dans ce domaine.
Ferguson et al (2000) ont constaté que pour les pays développés, il y a une corrélation forte entre l'augmentation de la richesse dans le temps et l'augmentation de la consommation d'énergie électrique, qu'entre la consommation totale d'énergie et le revenu.
5 Yemane Wolde-Rufael (2006) s’est proposé de déterminer la relation de long terme qui peut exister entre la consommation d'électricité par habitant et le produit intérieur brut réel (PIB) par habitant pour 17 pays africains sur la période 1971-2000, en utilisant un test de cointégration proposé par Pesaran et al (2001) ainsi qu'une version modifiée du test de causalité de Granger dû à Toda et à Yamamoto (1995). Les résultats empiriques montrent qu'il existe une relation de cointégration entre la consommation d'électricité par habitant et le PIB par habitant pour seulement 9 pays. Ainsi, pour 5 pays (République du Congo, Gabon, Nigeria, Afrique du Sud et Zimbabwe), il existe une relation de long terme lorsque le PIB est pris comme variable dépendante, alors qu'il y a une relation de long terme pour 4 pays (Bénin, Cameroun, Maroc et Zambie) lorsque la consommation d'électricité par habitant a été utilisée comme variable dépendante.
Pour 6 pays il trouve une causalité unidirectionnelle allant du PIB à la consommation d'électricité et un résultat contraire pour 3 pays. Enfin, une causalité bidirectionnelle est trouvée pour 3 pays.
Wolde-Rufael note que l'absence de causalité dans les deux sens pourrait statistiquement signifier que les mesures permettant d'économiser l'électricité peuvent être prises sans compromettre le développement économique. Cependant, il souligne que réduire la consommation de l'électricité chez les populations qui ont un accès difficile à cette ressource n'est pas une option envisageable : les pays africains n'ont pas encore atteint un niveau d'autonomie d'électricité pour se permettre une réduction de leur consommation ; cependant, ils peuvent prévenir les conséquences néfastes liées à la consommation accrue de l'électricité. Au contraire en rendant l'électricité accessible à tous, cela pourrait contribuer à réduire non seulement la pauvreté, mais aussi à améliorer la qualité de vie des populations.
6 suite de la "révolution verte" pourrait expliquer les différences d’output industriel entre Etats de 10 à 15 points de pourcentage.
Jacobson (2007) étudie les impacts sociaux de l'électrification rurale par panneaux solaires photovoltaïques au Kenya. Ses conclusions sont (1) que des panneaux solaires bénéficient en priorité à la classe moyenne, (2) qu'ils jouent un rôle modeste dans la création d'activités productives et d'activités liées à l'éducation, (3) qu'ils participent principalement à l'expansion de l'utilisation du téléviseur et de l'éclairage artificiel.
Le panneau solaire photovoltaïque constitue donc ici un bien de consommation destiné à la classe moyenne avant d'être un investissement productif. Jacobson note cependant que le téléviseur peut participer à une demande accrue pour des bien de consommation et donc à un accroissement de l'activité, et que l'éclairage artificiel peut favoriser l'apprentissage scolaire pour les enfants de la classe moyenne et augmenter ainsi le niveau d'éducation. Le caractère de « contribution au développement » est dans ce cas conditionné par l'utilisation que la population cible fait du système énergétique. La problématique devient donc socioculturelle et non plus purement économique.
Chebbi, H.E. et Boujelbere, Y. (2008) ont trouvé que c’est la production sectorielle qui cause la consommation d’énergie électrique en Tunisie. Yoo et Kwak (2010) ont analysé la consommation d’électricité et le PIB réel de sept (7) pays d’Amérique du sud sur la période 1975-2006 : l’Argentine, le Brésil, le Chili, la Colombie, l’Equateur, le Pérou et le Venezuela. Les résultats indiquent que le lien de causalité entre la consommation d'électricité et la croissance économique varie en fonction des pays. Il y a une relation de causalité unidirectionnelle de la consommation d'électricité vers le PIB pour l’Argentine, le Brésil, le Chili, la Colombie et l’Equateur. Cela veut dire qu'une augmentation dans la consommation d'électricité affecte directement la croissance économique dans ces pays. Au Venezuela, il y a une causalité bidirectionnelle entre la consommation d'électricité et la croissance économique. Cela implique qu'une augmentation de la consommation d'électricité affecte la croissance économique directement et cette croissance économique stimule aussi la consommation d'électricité dans ce pays. Cependant, aucun lien de causalité n'existe au Pérou.
7 l’électricité. Liew et al (2012) concluent que le Gouvernement du Pakistan pouvait introduire des mesures de conservation d’énergie sans nuire à la croissance de la production des services ou de l’industrie.
Une étude récente réalisée par Akinwale et al. (2013) a montré qu’il peut y avoir une relation de long terme entre la croissance économique et la consommation d'électricité au Nigéria. Les résultats établis par cette étude aboutissent à l'existence d'une relation de causalité au sens de Granger allant de la croissance économique vers la consommation d'électricité, sans aucun effet rétroactif. Honoré Ahishakiye (2014) examine le lien entre la consommation totale d’électricité, la croissance et la production sectorielle dans le cas du Burundi pour la période allant de 1982 à 2012. A l’aide de la procédure de Toda et Yamamoto (1995), les résultats montrent une liaison spécifique pour chaque secteur. En effet, le sens de causalité va du PIB et de la valeur ajoutée dans le secteur tertiaire vers la consommation d’électricité, tandis qu’il n’y a pas de causalité entre la valeur ajoutée agricole et la consommation d’électricité. Il a également constaté une causalité bidirectionnelle entre la production industrielle et la consommation d’électricité.
Kpemoua (2016) a montré pour le cas du Togo, que la relation entre la productivité du travail et la consommation d’énergie électrique par tête est une relation de court terme avec une corrélation positive et signale une absence de causalité entre cette productivité du travail et la consommation d’énergie électrique par tête.
2. DONNEES ET METHODOLOGIE DE L’ETUDE 2.1 Le modèle
Le modèle utilisé repose sur une fonction de production néoclassique augmentée dont la forme générale est :
𝑌 = 𝐹 (𝐾, 𝐿, 𝐸) (1)
𝜕𝑌
𝜕𝐾
≻ 0 ,
𝜕𝑌
𝜕𝐿
≻ 0 ,
𝜕𝑌
𝜕𝐸
≻ 0
8
2.2 Mesure des variables et source des données
Les données utilisées pour l’estimation de l’équation (1) sont annuelles. Elles proviennent essentiellement des bases de données de la Banque Mondiale (World Development Indicators) à l’exception de la consommation d’électricité qui provient de la base de données de la BCEAO. La période couverte va de 1965 à 2014.
L’output global ou PIB est le produit intérieur brut réel, la production sectorielle est représentée par les valeurs ajoutées réelles de l’agriculture, de l’industrie et des services, le capital est la formation de capital réel. Toutes ces variables sont en FCFA constants. L, le travail, représente la population totale. E, la consommation d’électricité est en KWh. Toutes les variables sont en logarithmes naturels.
2.3 Méthodologie
La méthodologie empirique utilisée dans cette étude se déroule en trois étapes et consiste à déterminer le degré d’intégration de chacune des variables. Dans la littérature économétrique, plusieurs tests statistiques sont utilisés pour déterminer le degré d’intégration d’une variable. Les tests qui seront utilisés dans le cadre de cette étude sont les tests de Dickey-Fuller Augmenté (ADF), celui de Phillips-Perron (PP) et le test de Kwiatkowski, Phillips, Schmidt et Shin (KPSS). Une fois l'ordre d'intégration des séries connu, l'étape suivante consistera à l’examen de la présence éventuelle de relations de cointégration qui peut exister à long terme entre les variables. Cette analyse se fera suivant la procédure de test de cointégration de Johansen (1988) plus efficace que la stratégie en deux étapes d’Engle et Granger (1987) lorsque l'échantillon est d’une certaine taille et le nombre de variables élevé.
La troisième étape porte sur le test de causalité entre les variables de la croissance économique, du stock de capital, le travail et la valeur ajoutée de l’industrie ainsi que la valeur des exportations manufacturières toutes les deux rapportées au PIB. Les procédures de test dite séquentielle de Granger et celle non séquentielle de Toda et Yamamoto (1995) seront appliquées.
2.3.1 Résultats empiriques
2.3.1.1 Résultats des tests de stationnarité et de cointégration
9
Tableau 1 : Résultats des tests de stationnarité
Variables En niveau En différences premières CONCLUSION
ADF PP KPSS ADF PP KPSS ln(Y) 3.933 3.859 0.936 -6.481*** -6.473*** 0.193*** I(1) ln(Agri) 2.369 3.731 0.919 -8.126*** -8.806*** 0.107*** I(1) ln(Ind) 1.533 2.564 0.855 -6.904*** -8.463*** 0.199*** I(1) ln(Serv) 1.935 1.997 0.837 -6.845*** -6.845*** 0.104*** I(1) ln(K) 0.723 1.199 0.381*** -7.888*** -8.369*** 0.153*** I(1) ln(L) 0.304 14.864 0.946 -0.394 -0.387 0.286*** I(1) ln(E) 3.556 3.488 0.865 -11.684*** -11.963*** 0.294*** I(1)
Note : *** dénotent le rejet de l’hypothèse nulle au seuil de 1%.
Source : calculs de l’auteur
Les résultats obtenus pour les variables en niveau indiquent que les séries ln(Y), ln(K), ln(L),
ln(Agri), ln(Ind), ln(Serv) et 𝑙𝑛 𝐸 ne sont pas stationnaires au seuil de 1 %. En effet pour ces
séries, les statistiques des tests ADF, KPSS et PP ont des probabilités supérieures à 1 % et autorisent donc à ne pas rejeter l’hypothèse nulle de racine unitaire (non stationnarité) sauf que pour la série ln(K), le test de KPSS indique sa stationnarité.
Le test effectué sur les séries en différence première permet de rejeter l’hypothèse nulle de non stationnarité pour toutes les séries au seuil de 1 %. Cependant pour la série ln(L), les tests d’ADF et de PP acceptent l’hypothèse de présence de racine unitaire (non stationnarité) alors que le test KPSS permet de rejeter l’hypothèse nulle de non stationnarité ; compte tenu de l’efficacité du test de KPSS, il convient d’accepter l’hypothèse de stationnarité de cette série en différence première. En définitive, il convient de retenir que toutes les séries sont stationnaires en différences première.
La présence d’au moins deux séries non-stationnaires conduit à rechercher la présence d’une relation d’équilibre de long terme entre les variables du modèle par la procédure de Johansen basée sur l’estimation d’un modèle vectoriel autorégressif par la méthode du maximum de vraisemblance.
10 Tableau 2: Résultats des tests de cointégration de Johansen-Juselius
Nombre de relations de cointégration Valeurs propres Statistique de la trace Valeurs critiques à 5%
Test de cointégration entre le PIB réel, le capital, le travail et la consommation d’électricité
r = 0 0.40759 53.8187 47.8561*
r ≤ 1 0.37647 27.6407 29.7970
r ≤ 2 0.06649 4.0222 15.4947
r ≤ 3 0.01157 0.5820 3.8414
Test de cointégration entre la valeur ajoutée de l’agriculture, le capital, le travail et la consommation d’électricité
r = 0 0.43562 64.7150 54.0790*
r ≤ 1 0.36839 38.4015 35.1927*
r ≤ 2 0.24489 17.2649 20.2618
r ≤ 3 0.09010 4.3436 9.1645
Test de cointégration entre la valeur ajoutée de l’industrie, le capital, le travail et la consommation d’électricité
r = 0 0.43333 47.2038 40.1749*
r ≤ 1 0.21283 21.0777 24.2759
r ≤ 2 0.13792 10.0690 12.3209
r ≤ 3 0.06805 3.2423 4.1299
Test de cointégration entre la valeur ajoutée des services, le capital, le travail et la consommation d’électricité
r = 0 0.48622 86.0657 63.8761*
r ≤ 1 0.47055 55.4315 42.9152*
r ≤ 2 0.36171 26.1785 25.8721*
r ≤ 3 0.11318 5.5256 12.5179
Note : r indique le nombre de relations de cointégration. Le critère d’information de SC a été utilisé pour déterminer le nombre de retards optimal. * indique le rejet de l’hypothèse nulle de non-cointégration à 5 %.
Source : calculs de l’auteur
Les résultats du test de cointégration de Johansen révèlent que pour la relation entre la croissance économique, le capital, le travail et la consommation d’électricité, l’hypothèse (r = 0) c'est-à-dire qu’il n’existe aucune relation entre ces variables est à rejeter. Pour cette hypothèse, la statistique de la trace reporte une valeur de 53.8187, supérieure à la valeur critique de 47.8561 au seuil de 5 %. Cependant, on ne peut rejeter l’hypothèse d’au plus une relation de cointégration (r ≤ 1). En effet, la statistique de la trace reporte une valeur de 27.6407, inférieure à celle de la valeur critique de 29.7970 au seuil de 5 %. Ces résultats conduisent à retenir pour ces variables l’hypothèse de l’existence d’une seule relation de cointégration.
11 statistique de la trace reporte une valeur de 17.2649, inférieure à la valeur critique de 20.2618 au seuil de 5 %. Ces résultats conduisent à retenir pour ces variables l’hypothèse de l’existence de deux relations de cointégration.
Les résultats du test de cointégration de Johansen révèlent que pour la relation entre la valeur ajoutée de l’industrie, le capital, le travail et la consommation d’électricité, l’hypothèse (r = 0) c'est-à-dire qu’il n’existe aucune relation entre ces variables est à rejeter. Pour cette hypothèse, la statistique de la trace reporte une valeur de 47.2038, supérieure à la valeur critique de 40.1749 au seuil de 5 %. Cependant, on ne peut rejeter l’hypothèse d’au plus une relation de cointégration (r ≤ 1). En effet, la statistique de la trace reporte une valeur de 21.0777, inférieure à celle de la valeur critique de 24.2759 au seuil de 5 %. Ces résultats conduisent à retenir pour ces variables l’hypothèse de l’existence d’une seule relation de cointégration.
Les résultats du test de cointégration de Johansen révèlent que pour la relation entre la valeur ajoutée des services, le capital, le travail et la consommation d’électricité, les hypothèses de (r = 0), (r ≤ 1) et (r ≤ 2) c'est-à-dire qu’il n’existe aucune relation, d’au plus une relation d’une part, et d’au plus deux relations de cointégration d’autre part, entre ces variables sont à rejeter. Pour ces hypothèses, les statistiques de la trace reportent respectivement 86.0657, 55.4315 et 26.1785, supérieures aux valeurs critiques au seuil de 5 % respectivement de 63.8761, 42.9152 et 25.8721. Cependant, on ne peut rejeter l’hypothèse d’au plus trois relations de cointégration (r ≤ 3). En effet, la statistique de la trace reporte une valeur de 5.5256, inférieure à la valeur critique de 12.5179 au seuil de 5 %. Ces résultats conduisent à retenir pour ces variables l’hypothèse de l’existence de trois relations de cointégration.
12 Tableau 3: Test d’exclusion de l’espace de cointégration
Variables
Equation avec le PIB Equation avec valeur ajoutée agricole Equation avec valeur ajoutée industrielle Equation avec valeur ajoutée des services
ᵪ2 Probabilité ᵪ2 Probabilité ᵪ2 Probabilité ᵪ2 Probabilité
ln(K) 173.51* 0.000 121.06* 0.000 120.44* 0.000 20754.16* 0.000 ln(L) 252866.8* 0.000 281948.7* 0.000 283088.8* 0.000 1.17exp(08)* 0.000 ln(E) 1905.63* 0.000 1065.17* 0.000 1034.98* 0.000 84065.18* 0.000 ln(Y) 3448.83* 0.000 ln(Agri) 1524.94* 0.000 ln(Ind) 464.29* 0.000 ln(Serv) 180028.6* 0.000
Notes: Le test d’exclusion est basé sur la statistique du ratio de vraisemblance et suit une distribution du χ2(r), où le nombre de degrés
de liberté r est le nombre de vecteurs de cointégration (ici r = 4 pour le PIB et les valeurs ajoutées respectives de l’agriculture, de l’industrie et des services). * indique une significativité au seuil de 1 %.
Source : calculs de l’auteur
2.3.1.2 Présentation des résultats de l’estimation des coefficients de long terme
13
Tableau 4 : Résultats des estimations
Variables explicatives PIB réel Agriculture Industrie Services
Stock de capital 0.119 (5.856)*** -0.009 (-0.223) 0.296 (5.831)*** 0.226 (5.668)*** Travail 0.646 (13.787)*** 1.125 (12.514)*** 0.488 (4.069)*** 0.307 (2.396)** Energie électrique 0.083 (4.943)*** -0.012 (-0.321) 0.185 (2.871)*** 0.123 (2.334)** Dum2006 0.168 (2.791)*** Dum2008 0.209 (6.753)*** Constante 0.017 (0.053) -3.699 (-9.288)*** -1.952 (-3.079)*** 0.636 (4.274)*** R2 R2 ajusté AR(1) AR(3) AR(14) Statistique de Fisher (F) Nombre d’observations (N) 0.987 0.985 0.578 (0.002) 684.88 (0.000) 50 0.984 0.981 0.574 (0.000) -0.362 (0.005) 375.08 (0.000) 50 0.956 0.948 0.467 (0.000) -0.534 (0.000) 130.99 (0.000) 50 0.931 0.923 0.636 (0.000) 118.85 (0.000) 50 Jarque-Bera ARCH(1) ARCH(2) 3.679 (0.158) 0.453 (0.500) 0.858 (0.651) 0.592 (0.743) 0.586 (0.443) 0.808 (0.667) 1.093 (0.578) 0.027 (0.867) 0.039 (0.980) 3.352 (0.187) 0.122 (0.726) 0.302 (0.859)
Note : Les nombres entre parenthèses sont les t-ratios. Pour les statistiques de tests de diagnostic, les nombres entre parenthèses sont les p-values. *** et ** = significativité à 1% et 5%.
Source : calculs de l’auteur
Les tests de diagnostic indiquent que les spécifications adoptées sont globalement satisfaisantes. Les tests de Jarque-Bera ne permettent pas de rejeter l’hypothèse de normalité des erreurs. Les tests effectués pour détecter la présence de résidus ARCH (Autoregressive Conditional Heteroscedasticity) dans les équations estimées ne mettent en évidence aucun problème d’hétéroscédasticité au seuil de 5 %. Les variables « dummies » ont été introduites pour améliorer la spécification du modèle.
14 du stock de capital mais significatif et de façon disproportionnée par rapport au travail au seuil de 1 % .
Ainsi, une augmentation de 1 % du stock de capital et du travail se traduira par une augmentation respective de 0.11 et 0.64 % de la croissance économique, 1.12 % de la valeur ajoutée de l’agriculture, 0.29 et 0.48 % de la valeur ajoutée de l’industrie et de 0.22 et 0.3 % de la valeur ajoutée réelle des services.
Une augmentation de la consommation d’électricité de 1 %, peut entraîner une augmentation respective de 0.08, 0.18 et 0.12 % du taux de croissance économique, des valeurs ajoutées de l’industrie et des services.
Ces résultats montrent donc que c’est le secteur industriel qui est le plus dépendant de la consommation d’énergie électrique suivi respectivement des services et au niveau global. En effet, cette prépondérance de la consommation d’électricité dans le secteur des services et des industries peut s’expliquer par la présence d’industries lourdes, manufacturières et minières ainsi que du développement des nouvelles technologies de l’information et de la communication et de l’urbanisation croissante de la société togolaise. Cependant l’absence d’impact positif significatif au niveau du secteur agriculture s’explique par l’utilisation massive des moyens traditionnels de production (bois de chauffe, houes, dabas, animaux attelés, lampes à pétrole, etc.), le faible taux de déploiement des infrastructures au niveau rural. En outre, les populations rurales considèrent l’électricité comme un bien de luxe et hors de leur portée à cause de la faiblesse de leurs revenus et utilisent l’énergie électrique uniquement qu’à des fins d’éclairage.
2.3.1.3 Analyse de la causalité
L’analyse de la causalité se fera suivant l’approche séquentielle de Granger. La causalité de Granger (1969) est une approche de la causalité qui renvoie non pas au caractère théorique de la causalité (cause-effet) mais au caractère prédictif de l’éventuelle cause sur l’effet. Le fondement de la causalité de Granger est la relation dynamique entre les
15
Tableau 5: Résultats des tests de causalité de Granger
Variables dépendantes
Source de causalité (variables indépendantes)
Causalité de Court terme Causalité de Long terme
∆ln(Y)t ∆ln(Agri)t ∆ln (In d)t ∆ln(Serv)t ∆ln(K)t ∆ln (L)t ∆ln (E)t
λt-1 (t- statistics) ∆ln(Y)t / λt-1 ∆ln(Agri)t / λt-1 ∆ln (In d)t / λt-1 ∆ln(Serv)t / λt-1 ∆ln(K)t / λt-1 ∆ln (L)t / λt-1 ∆ln(E)t / λt-1
Test de causalité entre le PIB réel, le stock de capital, le travail et la consommation d’électricité
∆ln(Y)t - - - - (0.599) 0.275 (0.503) 0.448 (0.875) 0.024 (-3.202) -0.313 - - - - (0.360) 3.212 (0.644) 1.665 (0.027)** 9.120 ∆ln(K)t 0.492 (0.483) - - - - 1.278 (0.258) 1.322 (0.250) - 2.567 (0.463) - - - - 0.263 (0.446) 2.938 (0.401) ∆ln (L)t 6.308 (0.012)** - - - 1.989 (0.158) - 0.125 (0.723) - 2.006 (0.571) - - - 1.550 (0.670) - 0.372 (0.945) ∆ln (E)t (0.283) 1.148 - - - (0.010)*** 6.581 (0.577) 0.311 - - (0.064)* 7.242 - - - (0.448) 2.649 (0.457) 2.599 -
Test de causalité entre la valeur ajoutée réelle de l’agriculture, le stock de capital, le travail et la consommation d’électricité
∆ln(Agri)t - - - - 0.057 (0.811) 0.293 (0.588) 0.832 (0.361) -0.545 (-2.570) - - - - 5.223 (0.156) 2.288 (0.514) 9.053 (0.028)** ∆ln(K)t - 0.286 (0.592) - - - 0.113 (0.736) 1.106 (0.292) - - 5.486 (0.139) - - - 5.637 (0.130) 1.331 (0.721) ∆ln (L)t - (0.759) 0.093 - - (0.109) 2.566 - (0.502) 0.449 - - (0.969) 0.246 - - 4.094 (0.251) - 2.198 (0.532) ∆ln (E)t - 2.573 (0.108) - - 2.486 (0.114) 0.437 (0.508) - - - 0.764 (0.858) - - 0.343 (0.951) 7.965 (0.046)** -
Test de causalité entre la valeur ajoutée réelle de l’industrie, le stock de capital, le travail et la consommation d’électricité
∆ln(Ind)t - - - - 0.002 (0.958) 0.076 (0.781) 0.317 (0.572) -0.173 (-0.646) - - - - 0.595 (0.897) 3.294 (0.348) 0.960 (0.810) ∆ln(K)t - - (0.711) 0.136 - - (0.759) 0.093 (0.404) 0.694 - - - (0.186) 4.801 - - 1.337 (0.720) 2.704 (0.439) ∆ln (L)t - - 2.579 (0.108) - 4.883 (0.027)** - 1.452 (0.228) - - - 0.896 (0.826) - 2.225 (0.527) - 0.626 (0.890) ∆ln (E)t - - 0.389 (0.532) - 1.958 (0.161) 0.221 (0.638) - - - - 8.280 (0.040)** - 0.439 (0.932) 4.106 (0.250) -
Test de causalité entre la valeur ajoutée réelle des services, le stock de capital, le travail et la consommation d’électricité
∆ln(Serv)t - - - - (0.883) 0.021 (0.792) 0.069 (0.717) 0.130 (-4.534) -0.995 - - - - 4.227 (0.238) 3.513 (0.319) 7.694 (0.052)* ∆ln(K)t - - - 0.029 (0.863) - 0.094 (0.758) 0.901 (0.342) - - - - 2.024 (0.567) - 4.018 (0.259) 1.049 (0.789) ∆ln (L)t - - - 0.944 (0.331) 3.775 (0.052)* - 0.805 (0.369) - - - - 0.322 (0.955) 0.764 (0.857) - 10.691 (0.013)** ∆ln (E)t - - - 0.402 (0.525) 3.473 (0.062)* 0.337 (0.561) - - - - - 2.749 (0.431) 1.493 (0.683) 3.766 (0.287) - Notes: *, ** et *** indiquent une significativité aux seuils de 10, 5 et 1 %. Les nombres entre parenthèses se réfèrent aux p-values. Les nombres figurant dans la colonne et λt-1 se réfèrent aux coefficients du terme de rappel dérivé
16 Les résultats du test de causalité de Granger indiquent une absence de causalité à court terme entre les variables d’intérêt de cette étude. Cependant à long terme il existe une causalité bidirectionnelle entre la consommation d’électricité et la croissance économique aux seuils respectifs de 5 et 10 %, une causalité unidirectionnelle à long terme de la consommation d’électricité vers l’agriculture et les services aux seuils respectifs de 5 et 10 % et de l’industrie vers la consommation d’électricité au seuil de 5 %.
CONCLUSION
L’objectif de ce travail était d’analyser la relation qui lie la consommation d’électricité à la croissance économique au Togo eu égard à l’importance de l’énergie électrique dans presque toutes les activités humaines.
Les résultats ont montré que la consommation d’électricité a eu un impact positif à long terme plus sur les secteurs industriel, des services qu’au plan global respectivement, alors que cet impact est négatif et non significatif dans le cas du secteur agricole.
Les résultats du test de causalité de Granger indiquent qu’à long terme il apparait une causalité bidirectionnelle entre la consommation d’électricité et la croissance économique, une causalité unidirectionnelle à long terme de la consommation d’électricité vers l’agriculture et les services et de l’industrie vers la consommation d’électricité.
17
BIBLIOGRAPHIE
Ahishakiye, H., 2014, Analyse d'impact de l'énergie électrique sur la croissance économique, Institut de Développement Economique (IDEC), « Socio-Economie et Politique Pro-Pauvres », 35 p.
Akinwale, Y., Jesuleye, O., et Siyanbola, W., 2013, « Empirical Analysis of the Causal Relationship Between Electricity Consumption and Economic Growth in Nigeria », British
Journal of Economics, Management & Trade, 3(3): pp. 277-295, disponible en ligne sur
http://www.sciencedomain.org/download.php?f=1374046213-Akinwale332013 BJEMT4423.pdf.
Chebbi, H., E., et Boujelbere, Y., 2008, « Agricultural and non-agricultural outputs and energy consumption in Tunisia: empirical evidences from cointegration and causality », 12th Congress of the European Association of Agricultural Economists- EAAE 2008, disponible en ligne sur http://ageconsearch.umn.edu/bitstream/44055/2/334.pdf.
DGSCN, 2014, Enquête ménage sur la consommation d’énergie en milieu rural au TOGO, Rapport Final, mai 2014, Lomé.
Dickey, D., A., et Fuller W., A., 1981, « Likelihood Ratio Statistics for AutoRegressive, Time Series with a Unit Root », Econometrica.
Direction de l’Economie, 2013, Note de conjoncture économique, mars 2013, Lomé
Engle, R., F., et Granger C., W., J., 1987, « Cointegration and Error-Correction: Representation, Estimation and Testing », Econometrica.
Ferguson, R., Wilkinson, W. et Hill, R., 2000, « Electricity use and economic development. »,
Energy Policy 28, pp. 923-934.
Granger, C., W., J., (1969), « Investigating causal relations by econometric models and crossspectral methods », Econometrica 3.
Granger, C., W., J., 1988, « Some recent developments in a concept of causality », Journal of
Econometrics 39.
Jacobson, A., 2007, « Connective Power: Solar Electrification and Social Change in Kenya »,
World Development, Humboldt State University, USA, 2007.
Johansen, S., 1988, « Statistical analysis of cointegrating vectors », Journal of Economic
Dynamics and control. Vol 12.
Jumbe, C., B., L., 2004, « Cointegration and causality between electricity consumption and GDP: empirical evidence from Malawi. », Energy Economics, 26, pp. 61-68.
Kayhan, S., Adiguzel, U., Bayat, T., et Lebe, F., 2010, « Causality Relationship between Real GDP and Electricity Consumption in Romania (2001-2010) », Romanian Journal of Economic
18 Palakiyèm, K., 2016, « Consommation d’énergie électrique et croissance économique au Togo », MPRA_69113. Disponible en ligne sur https://hal-archives-ouvertes.fr/hal-01333659. Lee, C., C., 2005, « Energy consumption and GDP in developing countries: a cointegrated panel analysis on OECD countries. », Energy economics 27, pp. 415-427.
Liew, V., K., Nathan, T., M., et Wong, W., 2012, « Are Sectoral Outputs in Pakistan Led by energy Consumption? », Economic Bulletin, 32(3), pp. 2326-2331, disponible en ligne sur
http://www.accessecon.com/Pubs/EB/2012/Volume32/EB-12-V32-I3- P225.pdf.
Narayan, P., K., et Singh, B., 2007, « The electricity consumption and GDP nexus for the Fiji Islands », Energy Economics, 29, pp. 1141-1150.
Reinikka, R., et Svensson, J., 2002, « Coping with poor public capital. », Journal of
Development Economics, 69(1), pp. 51-69.
Rosenberg, N., 1998, « The role of electricity in industrial development », The Energy
Journal 19, pp. 7-24.
Rud, A., 2007, « Electricity Provision and Industrial Development: Evidence from India »,
Journal of Development Economics, Vol. 97, No. 2, 03. 2012, p. 352-367.
Samuel, A., et Christophe, M., 2005, « Croissance économique et consommation d’énergie au Congo : une analyse en termes de causalité », Bureau d'Application des Méthodes Statistiques et Informatiques, DT/12/2005.
Shiu, A. et Lam, P. L., 2004, « Electricity consumption and economic growth in China. »,
Energy Policy, Volume 32, pp. 47-54.
Wolde-Rufael, Y., 2006, « Electricity consumption and economic growth: a time series experience for 17 African countries », Energy Policy 34, pp. 1106-1114.
Yoo, S., H., et Kwak, S., Y., 2010, « Electricity consumption and economic growth in seven South American countries », Energy Policy, Volume 38, pp. 181-188.
Zamani, M., 2006, « Energy consumption and economic activities in Iran », Energy
