HAL Id: hal-01760356
https://hal.archives-ouvertes.fr/hal-01760356
Preprint submitted on 17 Apr 2018
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
L’INVESTISSEMENT: CAS DE LA COMMUNAUTÉ ECONOMIQUE DES PAYS DES GRANDS LACS
Lucien Momeka Ruhangamuza
To cite this version:
Lucien Momeka Ruhangamuza. IMPACT DE LA DETTE PUBLIQUE SUR L’INVESTISSEMENT:
CAS DE LA COMMUNAUTÉ ECONOMIQUE DES PAYS DES GRANDS LACS. 2018. �hal- 01760356�
SUJET : IMPACT DE LA DETTE PUBLIQUE SUR L’INVESTISSEMENT : CAS DE LA CEPGL
Présenté par : LUCIEN MOMEKA Ruhangamuza, Assistant des enseignements à l’Université Evangélique en Afrique/Bukavu/République Démocratique du Congo
E-mail : lucienmomeka58@gmail.com Téléphones : +243 990 350 696
+243 858 542 406
SIGLES ET ABBREVIATIONS
ADF : Augmented Dickey Fuller AIC : Akaike Info Criterion
CEPGL : Communauté Economique des Pays des Grands Lacs CRINTB : Crédit Intérieur Brut
ECM : Error Correction Model
FCBF : Formation Brute du Capital Fixe FMI : Fond Monétaire International
FMOLS : Folly-Modified Ordinary Least Square GLS : Generaly Least Square
INVPRI : Investissement Privé INVPUB : Investissement Public
IPPTE : Initiative en faveur des Pays Pauvres Très Endettés LOG : Logarithme
OCDE : Organisation de coopération et de Développement Economique PAS : Programme d’Ajustement Structurel
RDC : République Démocratique du Congo
RSDPGE : Ratio Service de la Dette Publique et Garantie par l’Etat SDEXTPGE : Stock Dette extérieure Publique et Garantie par l’Etat SIC : Schwarz Info Criterion (SIC)
TCD : Taux de Croissance Démographique
TCPIBr : Taux de Croissance du Produit Intérieur Brut réel TDCHAr : Taux de Change réel
TERECH : Termes de l’échange TINFL : Taux d’inflation
TINTr : Taux d’intérêt réel
UEA : Université Evangélique en Afrique USD : United State Dollars
RESUME
La CEPGL et ses Etats membres comme la plupart des pays à faible revenu, accusent une dette extérieure publique très importante et une faiblesse en termes d’investissements. D’où la question de se demander « Quel peut être l’impact de la dette publique sur l’investissement public et privé ? ». Pour mener à bien cette étude, deux modèles ont été spécifiés sur la base de la littérature théorique et empirique existante et en fonction des spécificités de l’économie de la CEPGL et de ses pays membres. Après des tests préliminaires (tests des effets individuels et test de spécification de Hausman) qui nous ont amené à l’estimation de l’INVPRI par le truchement du FMOLS et du MCO et l’estimation de l’INVPUB par les GLS, il ressort de cette étude que l’investissement public impacte positivement l’investissement privé et vice-versa, le stock de la dette publique et garantie par l’Etat, pour sa part, impact négativement l’investissement privé contrairement à sa relation positive avec l’investissement public. Quant à ce qui est du service de la dette publique et garantie par l’Etat, il influence négativement l’investissement (public et privé de long terme) contrairement à son impact sur l’investissement privé de long terme
MOTS CLES : Investissement, Dette publique, CEPGL, données de PANEL.
ABSTRACT
The CEPGL and its member states, like most low-income countries, have a very large public external debt and a weakness in terms of investment. Hence the question of asking "What impact can the public debt have on public and private investment? ". To carry out this study, two models were specified on the basis of the existing theoretical and empirical literature and according to the specificities of the economy of the CEPGL and its member countries. After preliminary tests (individual effects tests and Hausman specification test) which led to INVPRI estimation through the FMOLS and MCO and INVPUB estimation by the GLS, it appears that of this study, that public investment positively impacts private investment and vice versa, the government-backed stock of public debt, on the other hand, has a negative impact on private investment, contrary to its positive relationship with the private sector.
public investment. As for the servicing of the public debt and guaranteed by the State, it negatively influences the investment (public and private long-term) contrary to its impact on long-term private investment.
KEY WORDS : Investment, Public debt, CEPGL, PANEL data.
TABLEAUX ET FIGURES I. TABLEAUX
Tableau n° 1 : Effets individuels pour le premier modèle (INVPRI) ... 11
Tableau n° 2 : Effets individuels pour le deuxième modèle (INVPUB) ... 11
Tableau n° 3 : Test de Hausman pour le premier modèle (INVPRI) ... 12
Tableau n° 4 : Test de Hausman pour le premier modèle (INVPUB) ... 12
Tableau n° 5 : Test d’homoscédasticité pour le premier modèle (INVPRI) ... 13
Tableau n° 6 : Test d’homoscédasticité pour le deuxième modèle (INVPUB) ... 13
Tableau n° 7 : Test unitaire LLC, IPS et ADF Chi-square ... 15
Tableau n° 8 : Nombre de retards appliqué au test de cointégration ... 16
Tableau n° 9 : Test de cointégration de Pedroni ... 17
Tableau n° 10 : Estimation de la relation de court terme pour le premier modèle ... 18
Tableau n° 11 : Estimation de la relation de long terme pour le premier modèle ... 19
Tableau n° 12 : Estimation du coefficient de correction ... 20
Tableau n° 13 : Estimations du second modèle ... 20
Tableau n° 14 : Détermination du nombre des retards pour le test de causalité ... 21
Tableau n° 15 : Test de causalité au sens de Granger ... 22
II. FIGURES Figures n° 1 : Description graphique des variables d'intérêt ... 9
Figures n° 2 : Description graphique des variables d'intérêt par pays en $ ... 10
PLAN SOMMAIRE
SIGLES ET ABBREVIATIONS ... I RESUME ... II ABSTRACT ... II TABLEAUX ET FIGURES ... III
1. INTRODUCTION ... 1
2. L’APPROCHE METHODOLOGIQUE ... 6
2.1. SPECIFICATION DES MODELES ... 6
2.2. TECHNIQUES D’ESTIMATION ... 8
2.2.1. Estimation des coefficients des modèles ... 8
2.2.2. Estimation du modèle de panel ... 8
3. ANALYSE DES DONNEES ET INRERPRETATION DES RESULTATS ... 9
3.1. ANALYSE DESCRIPTIVE DES DONNEES ... 9
3.2. ANALYSES ECONOMETRIQUES DES DONNEES... 10
3.2.1. Test de présence d’effets individuels ... 10
3.2.2. Test de Hausman ... 12
3.2.3. Corrélation et hétéroscedasticité ... 12
3.2.4. Estimation des modèles ... 14
3.2.5. Test de causalité au sens de Granger ... 21
4. DISCUSSION DES RESULTATS ... 22
4.1. DISCUSSION ECONOMIQUE DES RESULTATS ET VERIFICATION DES HYPOTHESES DE RECHERCHE ... 23
4.1.1. Relation Stock et service de la dette Publique et investissement ... 23
4.1.2. Liaison investissement public-investissement privé ... 24
4.2. RECOMMANDATIONS DE POLITIQUES ECONOMIQUES ... 24
4.2.1. La poursuite des politiques en faveur de l'annulation de la dette ... 25
4.2.2. Développement des politiques d’investissement public favorisant la promotion du secteur privé ... 25
4.2.3. Stratégies de promotion et de diversification des exportations ... 26
4.3. PERSPECTIVES D'AVENIR ... 26
4.4. LIMITES ET VOIES DE RECHERCHE ... 26
CONCLUSION ... 27
BIBLIOGRAPHIE ... 28
1. INTRODUCTION
L’accroissement des dépenses publiques, l’insuffisance de l’épargne intérieure et les sources réduites de l’assiette fiscale expliquent le recours à l’emprunt. Il s’en est suivi le formidable accroissement de la dette publique qui commença à la fin des années 1960 et déboucha sur une crise de remboursement à partir de 1982 (*1). La dette publique des pays du tiers-monde a ainsi été multipliée par douze entre 1968 et 1980 (MILLET & TOUSSANIT, 2012).
Par ailleurs, les Etats ont l’obligation de recourir aux marchés financiers ou à leurs citoyens pour suppléer à un quelconque déficit budgétaire et ne peuvent emprunter à taux zéro. Contre les hauts taux d’intérêt des dettes, les Etats doivent donner des gages de « bonne gestion » aux marchés financiers en restreignant les dépenses publiques qui peuvent avoir en général des répercussions sur le niveau des investissements publics et par voie de conséquence sur le niveau des investissements privés (NAUTET & MEENSEL, 2013).
Il est évident qu’à la suite du premier choc pétrolier, un double laxisme est intervenu. Du côté des créanciers tout d’abord qui, ayant à faire face au recyclage des eurodollars, puis des pétrodollars(*2), ont développé une activité de prêt aux pays du Tiers monde. Du côté des pays en développement ensuite, les crédits obtenus n’ont guère été utilisés rationnellement. Au lieu de financer des investissements productifs, seuls susceptibles de renforcer la capacité exportatrice de ces pays et de générer les flux de devises nécessaires au remboursement de la dette, les gouvernements des pays endettés se sont lancés dans des programmes d’investissement à la rentabilité plus que douteuse et trop souvent inadaptés aux besoins locaux (BERR, 2005).
Ainsi, au cours de ces trois dernières décennies, le contexte économique a été marqué par un endettement massif pour beaucoup de pays en développement (GAIDAM). Face au constat selon lequel la dette des pays pauvres était devenue insoutenable et qu’elle compromettait le développement de ces derniers, la communauté des bailleurs a lancé en 1996 l’initiative en faveur des pays pauvres très endettés qui s’est traduite par l’annulation de la dette extérieure
1 La crise de 1982 n’est pas la première du genre. Pour un historique des crises d’endettement, voir Toussaint (2001), Millet et Toussaint (2002).
2 Les « eurodollars » renvoient aux dollars prêtés dans les années 1950 par les Etats-Unis aux Nations européennes, notamment via le plan Marshall destiné à financer leur reconstruction. A partir des années 1960, les banques privées européennes regorgent donc de capitaux, essentiellement constitués par ces « eurodollars », et elles vont alors chercher à les prêter pour qu’ils génèrent des profits. Quant aux « pétrodollars », ce sont les dollars issus du pétrole. A partir de 1973, l’augmentation du prix du pétrole (ce qu’on a appelé le premier « choc pétrolier ») a apporté des revenus confortables aux pays producteurs qui les ont placés dans les banques occidentales. Pour qu’ils leur profitent, ces banques ont alors accordé des prêts à des conditions avantageuses.
de certains pays en développement dont ceux de la CEPGL. Ces annulations associées aux Programmes d’Ajustement Structurel (PAS) ont atténué, à court terme les problèmes de liquidité liés au service de la dette, mais à long terme elles ont connu dans leur ensemble des résultats mitigés. Pire le fardeau de la dette demeure encore lourd et continue de croître, si bien que certains pays en sont arrivés à une dette dont ils ne peuvent aujourd’hui assurer le service (FMI, 2010).
Ainsi, le débat relatif aux effets de l’endettement public suscite aujourd’hui davantage d’intérêt d’autant plus que bon nombre de pays continuent à s’engager dans des processus de réforme de la dette de l’Etat. Les gouvernements et la communauté financière internationale font face à un environnement défavorable au processus de développement économique et social suite au fléau d’endettement (CARTON, 2013).
La problématique de l’endettement public dans la théorie macroéconomique se pose aux termes des effets de la dette de l’Etat sur l’économie réelle en général et plus particulièrement sur l’investissement (MBUYI, 2008). Depuis les analyses de Barro, les économistes n’ont cessé de réviser leurs croyances initiales épuisées dans les théories keynésienne et néoclassique. Pour les classiques l’interventionnisme de l’Etat est une source de déséquilibre de marché dues aux effets d’évictions liés à l’alourdissement de la dette publique et la charge d’intérêt tandis que pour les keynésiens, l’Etat doit jouer un rôle clé dans le processus de croissance économique à travers les dépenses publiques et plus particulièrement les investissements publics (WARNER, 1992).
Le débat relatif à l’impact de la dette publique sur l’investissement (public et privée) a ainsi connu ces dernières années une ampleur considérable tant par l’importance de ses implications en termes de politique économique que par le nombre d’analyses théoriques et empiriques auxquelles il a donné lieu (GAIDAM). Dans la plupart d’études empiriques, une forme réduite d’équation de l’investissement ou de la croissance est utilisée, sous laquelle le stock de la dette est présumé l’affecter soit directement, soit indirectement. Certains auteurs comme (WARNER, 1992) ont conclu que la crise de la dette n’a pas déprimé l’investissement. Cependant, d’autres à l’instar de GREENE et VILLANUEVA (1991), SERVEN et SOLIMANO (1993), ainsi que DESHPANDE (1997) ont trouvé des résultats en faveur de l’hypothèse du fardeau virtuel de la dette. En outre, beaucoup d’autres études ont démontré l’effet de l’investissement public sur l’investissement privé. Les conclusions divergent quant à la nature de cet impact. Certains auteurs comme GREENE et
VILLANUEVA (1991) ainsi que BLEJER et KHAN (1984) ont abouti à une relation de complémentarité à long terme, tandis que d’autres comme GAIDAM (2004) et WERE (2001) ont confirmé l’hypothèse de l’effet d’éviction.
B. CLEMENTS, BHATTACHARYA R. et NGUYEN T. Q. (2003) dans leur étude sur la relation dette extérieure, investissement public et croissance dans cinquante cinq pays à faible revenu, ont abouti aux résultats suivants selon lequel stock élevé de la dette extérieure peut déprimer la croissance économique dans les pays à faible revenu à travers ses effets sur l’utilisation efficiente des ressources plutôt qu'en déprimant l’investissement privé. En outre, la dette extérieure affecte aussi la croissance par un effet indirect à travers l’investissement public. Cependant, le stock de la dette publique ne semble pas déprimer l’investissement public. Pour ces auteurs, la réduction de la dette des pays à faible revenu aura un impact positif sur leur croissance économique. Ainsi si la moitié du service de la dette est canalisée, sans accroître le déficit budgétaire, alors la croissance pourrait s’accélérer de 0,5 point par an.
Par ailleurs, Des rares arguments empiriques pour les pays en développement divergent sur la question de l’impact de l’investissement public sur l’investissement privé, plusieurs études en la matière ont confirme l’idée suivant laquelle l’effet dépend du degré de complémentarité ou de substituabilité entre l’investissement public et l’investissement prive. GREENE et VILLANUEVA (1991) de leurs parts en examinant la relation entre l’endettement et l’accumulation privée des richesses dans 23 pays sur la période 1975-1987, ont interprété la relation entre l’investissement public et l’investissement prive comme une complémentarité à long terme et une substituabilité à court terme.
Comparativement à d’autres travaux auxquels nous avons eu recours, le notre présente des particularités en ce sens qu’il se veut d’étudier les aspects temporels proches de la date actuelle en intégrant dans son analyse les dernières années que ces autres travaux n’en avaient pas tenu compte. L’aspect importance de l’échantillon par le fait que les données de PANEL constitueront même la clé de ce travail est aussi nécessaire d’autant plus que nous aurons à faire à un échantillon énorme. Ce que d’autres auteurs n’ont pas fait à l’exception des certains rapport des organisations internationales. En plus, l’insuffisance des études pareilles pour les pays de la CEPGL, fera de notre travail une particularité dans ce sens qu’elle s’intéresse à toute une région économique d’une importance énorme en termes de potentialités économiques, humaines, hospitalières, Etc.
Les problèmes d’endettement et surtout ceux de l’affectation de ce dernier se posent aussi avec beaucoup d’acuité en Afrique et principalement au sud du Sahara (Banque mondiale, 1989). Pour cela, tout au long de notre travail nous allons entreprendre une étude qui s’intéressera à l’impact de la dette publique sur l’investissement en apportant toute notre réflexion sur les Etats membres de la CEPGL.
En effet, en comparant les deux dernières années pour chaque Etat membre de la CEPGL, nous observons la diminution de l’encours de la dette publique se rapportant au Revenu national brut (*3), l’augmentation du service de la dette publique se rapportant aux exportations en termes d’engagement de ces Etats pour le remboursement de la dette(*4) ainsi que la diminution du niveau des investissements (publics et privés)(*5). Partant de ces trois observations, nous constatons que dans les trois Etats membres de la CEPGL, on consacre beaucoup plus de ressources au remboursement de la dette qu’aux dépenses d’investissement.
Le niveau élevé de cet indicateur (service de la dette) par rapport à l’évolution du niveau des investissements dans les Etats membres de la CEPGL pose problème quand bien même, nous savons que les objectifs pour le développement durable suggèrent aux pays pauvres très endettés (PPTE) de consacrer plus de 35% de leur PIB à l’investissement en vue d’atteindre un taux de croissance de 7% d’ici 2020.
Au vu de tout cela, quand bien même, les gouvernements des Etats membres de la CEPGL ont toujours tendance à recourir aux emprunts pour assurer l’équilibre budgétaire et avoir ainsi des moyens nécessaires pour financer les investissements publics sans pour autant chercher à asphyxier ceux du secteur privé ; il se pose une préoccupation majeure à savoir : Qu’est ce qui influence la variation du niveau des investissements dans les Etats membres de la CEPGL?
De cette question primordiale, il sied d’articuler deux autres questions suivantes qui méritent une attention particulière : Quel est l’impact de l’investissement public sur l’investissement privé dans les Etats membres de la CEPGL ? Quel est l’impact des stocks et services de la dette extérieure publique sur l’investissement dans les Etats membres de la CEPGL ?
3 Pour le Burundi, l’encours de la dette est passé de 1,1 à 1,0% entre 2014 et 2015. Pour la RDC, l’encours de la dette est passé de 1,5 à 1,4% entre 2014 et 2015 Et pour le Rwanda, l’encours de la dette publique est passé de 0,7 à 0,6%.entre 2014 et 2015.
4 Pour le Burundi, le ratio service de la dette publique est passé de 8,8 à 13,7% entre 2014 et 2015. Pour la RDC, le ratio service de la dette publique est passé de 3,1 à 3,3% entre 2014 et 2015 Et pour le Rwanda, le ratio service de la dette publique est passé de 2,2 à 3,4% entre 2014 et 2015.
5 Pour le Burundi, le taux d’investissement est passé de 29 à 28% entre 2014 et 2015. Pour la RDC, le taux d’investissement est passé de 22 à 21% entre 2014 et 2015 Et pour le Rwanda, le taux d’investissement est passé de 26 à 25% entre 2014 et 2015.
Ainsi, nous appuyant aux études de JEAN EGBERT STURM (2011) et celles de GREEN et VILLANUEVA (1989), nous disons que le crédit domestique, les termes de l’échange, le taux de change réel, la dette publique, le taux d’intérêt, le taux d’inflation, la croissance du PIB réel, les aides extérieures ainsi que la croissance démographique expliquent la variation des investissements dans les Etats membres de la CEPGL. Les mêmes études de GREEN et VILLANUEVA nous poussent à avancer l’idée selon laquelle l’investissement public exerce une relation de complémentarité à long terme et de substituabilité à court terme sur l’investissement privé dans les Etats membres de la CEPGL. Par ailleurs, en se servant des travaux de WERE (2001) ainsi que ceux de B. CLEMENTS, BHATTACHARYA R. et NGUYEN T. Q. (2003) nous disons que le stock et le service de la dette extérieure publique influenceraient négativement l’investissement dans les Etats membres de la CEPGL.
L’objectif principal de la présente étude est d’examiner les effets de la dette publique sur l’investissement (public et privé), sans toutefois négliger les autres déterminants de ce dernier.
Outre cet objectif, ce travail se propose dans le cadre institutionnel des Etats membres de la CEPGL de décrire l’évolution et la structure des certaines indicateurs macroéconomiques ayant de l’influence sur l’investissement public ou privé et d’en dégager les liens possibles. Il sera aussi question d’analyser l’impact de l’investissement public sur l’investissement privé.
Nous avons choisi ce sujet pour traiter des phénomènes qui freinent les performances économiques des pays à savoir : un endettement public énorme et mal négocié ainsi que des projets d’investissement public mal choisis et mal gérés. Dans la réalité, chaque pays présente indubitablement des spécificités qui font que le poids de la dette n’est pas ressenti de la même manière. Dès lors, l’analyse de l’impact de l’endettement public sur le niveau des investissements pour un pays présente un intérêt majeur (FMI, 2010).
L’étude de la relation entre l’emprunt et l’investissement revêt ainsi donc un intérêt pratique pour un certain nombre de raisons : la persistance des déficits publics pour les pays membres de la CEPGL, parfois des faibles taux de croissance annuel dus aux insuffisances des investissements publics et privés. Sur le plan théorique, il s’agit de mettre en évidence deux sujets à questionnement apparemment distantes mais intimement reliées, à savoir l’endettement public et l’investissement. S’agissant de l’intérêt « opérationnel », il est question de savoir si la dette publique est vertueuse, c’est-à-dire, comment est-elle susceptible de se transformer en investissements productifs, source de croissance économique. La
détermination empirique de l’impact de la dette publique sur l’investissement serait de nature à orienter les choix en matière de politique économique dans les Etats membres de la CEPGL.
Ces investigations sont faites dans les limites de l’espace des Etats membres de la CEPGL qui est une communauté réunissant en son sein trois Etats souverains : la République Démocratique du Congo, la République du Burundi et la République du Rwanda. Elles portent essentiellement sur l’intervalle de temps allant de 1960 à 2015. Période pendant laquelle les dettes publiques ont énormément progressé dans tous les pays y compris ceux de la CEPGL.
Outre l’introduction et la conclusion, notre travail s’articule autour de trois points. Le premier point est consacré à la présentation du matériel et démarche méthodologique nécessaires pour tester nos hypothèses. Les résultats de nos analyses et les différents tests à mener seront présentés au deuxième point. Le troisième chapitre est consacré à la discussion des résultats.
2. L’APPROCHE METHODOLOGIQUE
Dans le cadre de récolte, analyse et traitement des données, les tests économétriques s’appuient sur des séries macroéconomiques annuelles exprimées en $ et en %, couvrant la période allant de 1960 à 2015 (55 ans) et utilisant la base de données de la Banque mondiale (CD-ROM, World Bank Indicators, 2015), celle du FMI ainsi que les rapports et annexes des banques nationales des Etats membres de la CEPGL.
2.1. SPECIFICATION DES MODELES
Les spécifications utilisées pour modéliser l’investissement public tirent leur fondement dans les modèles proposé par JEAN EGBERT STURM (2001) et repris par B. CLEMENTS, R.
BATTACHARYA et al. (2005) dans leur étude intitulée « l’allègement de la dette peut-il doper la croissance des pays pauvres ? ». L’investissement privé de son côté est modélisé à partir du modèle d’accélérateur flexible simple avec une spécification emprunté en grande partie chez GREENE ET VILLANUEVA (1989). Bien que les spécifications des auteurs précités soient différentes aux nôtres dans les choix des variables mais il y a une certaine similitude quant à la forme retenue. Cependant, il nous a été d’une importance capitale d’introduire deux notions se rapportant à la dette publique à savoir : le stock de la dette publique extérieure et garantie par l’Etat ainsi que le ratio service de la dette publique et garantie par l’Etat.
Ainsi, Pour mesurer l’impact de la dette publique sur l’investissement public tel que formulé dans la première hypothèse, le modèle d’investissement public retenu s’écrit comme suit :
Par ailleurs, il sera procédé à une estimation afin de faire ressortir, l’impact de l’investissement public sur l’investissement privé, et celui de l’endettement sur l’investissement, formulés tour à tour dans la deuxième et la troisième hypothèse.
L’investissement privé dans les pays de la CEPGL est analysée à partir d’un modèle d’accélérateur flexible simple dans lequel il est supposé que la technologie de production est caractérisée par une relation fixe entre le stock de capital désiré ( ) et le niveau de production espéré . La forme la plus simple du modèle d’accélérateur est donnée par l’équation :
Le stock de capital s’ajuste en fonction de la différence entre ce stock de capital désiré et le stock de capital de la période précédente à la vitesse β. Ainsi,
En empruntant en partie la spécification de Greene et Villanueva (1989), la vitesse d’ajustement β est modélisée par l’équation suivante :
L’investissement privé ) est déterminé en fonction du stock de capital courant et du taux de dépréciation du capital selon la relation ci-après :
Avec
En utilisant l’opérateur de retard définie par pour tout X, l’investissement privé s'écrit :
En posant l’hypothèse selon laquelle , c’est-à-dire que le rythme de dépréciation du capital reste égal à la vitesse d’ajustement du stock de capital, l’équation de long terme de l’investissement privé s’écrit alors : .En effet, à long terme, et il peut être postulé que pour une grandeur donnée. Ainsi, l’équation de l’investissement privé est donnée par :
2.2. TECHNIQUES D’ESTIMATION
La présente étude fait recours aux outils statistiques et économétriques pour la vérification des hypothèses formulées en utilisant le logiciel EVIEWS version 8.0, STATA 12.0 et l’opérateur Excel 2010. Avant de procéder à l’analyse des données, si la procédure d’analyse nous autorise, il est nécessaire de mener deux tests préliminaires pour éviter toute régression fallacieuse : test de stationnarité et celui de cointégration. La stationnarité des séries se justifie si la moyenne et la variance sont constantes dans le temps et si la valeur de la covariance entre deux périodes ne dépend pas du moment auquel la covariance est calculée. Ainsi, le non stationnarité d’une série se manifeste à travers deux composantes : la présence de tendance déterministe et/ou de tendance stochastique.
2.2.1. Estimation des coefficients des modèles
Sachant que les équations sont exprimées en logarithme générée par le logiciel en vue d’obtenir directement les élasticités des certaines variables (du moins pour les variables exprimées en $ USD). En introduisant dorénavant la relation de long terme qui fera l’objet du test de cointégration, les modèles spécifiés s’écrivent de la manière suivante :
2.2.2. Estimation du modèle de panel
Partant du double dimension, individuelle et temporelle que doit contenir le modèle de Panel, deux tests sont effectués : Le premier qui a été d’une importance capital permet de spécifier les effets individuels pour notre panel en cherchant à discriminer les effets fixes et aléatoires.
Le second quant à lui est le test d’homogénéité et celui de spécification de Hausman Donc, il s’agit de faire un choix entre le modèle de composantes d’erreur ou modèle d’effets aléatoires et le modèle des effets de fixité. Si nous devons opter pour le modèle à effets fixe qui sont de la forme : , nos modèles spécifiés s’écriront de la manière suivante :
3. ANALYSE DES DONNEES ET INRERPRETATION DES RESULTATS Dans le présent point, nous allons analyser de façon descriptive et économétrique les données en utilisant les logiciels STATA 12.0 et Eviews 8.0
3.1. ANALYSE DESCRIPTIVE DES DONNEES
Nous avons trouvé un intérêt particulier de décrire statistiquement nos variables d’intérêt (investissement public, investissement privé, stock de la dette publique et garantie par l’Etat et le ration service de la dette publique et garantie par l’Etat) avant même d’appréhender d’autres analyses.
Figures n° 1 : Description graphique des variables d'intérêt
0 10 20 30 40
1.0e+09 2.0e+09 3.0e+09
Series: FBCF__INVPRI_
Sample 1960 2016 Observations 171 Mean 7.35e+08 Median 4.91e+08 Maximum 3.56e+09 Minimum 1.19e+08 Std. Dev. 8.30e+08 Skewness 2.143920 Kurtosis 6.617676 Jarque-Bera 224.2462 Probability 0.000000
0 10 20 30 40
4.0e+08 8.0e+08 1.2e+09 1.6e+09 2.0e+09
Series: INVPUB Sample 1960 2016 Observations 171 Mean 5.48e+08 Median 3.64e+08 Maximum 2.16e+09 Minimum 1.01e+08 Std. Dev. 5.22e+08 Skewness 1.960859 Kurtosis 5.914862 Jarque-Bera 170.1185 Probability 0.000000
0 10 20 30 40 50 60 70
5 10 15 20 25 30 35 40 45 50
Series: SERV_DETTE Sample 1960 2016 Observations 171 Mean 17.44516 Median 18.34191 Maximum 51.11837 Minimum 2.520132 Std. Dev. 7.235574 Skewness 1.360833 Kurtosis 9.739971 Jarque-Bera 376.4471 Probability 0.000000
0 4 8 12 16 20 24 28
2500.00 1.0e+09 2.0e+09 3.0e+09 4.0e+09 5.0e+09
Series: STOCK_DETTE Sample 1960 2016 Observations 171 Mean 2.65e+09 Median 2.56e+09 Maximum 5.18e+09 Minimum 1.22e+08 Std. Dev. 1.72e+09 Skewness 0.043261 Kurtosis 1.491112 Jarque-Bera 16.27513 Probability 0.000292
Source : De nos données à partir de Eviews 8.0
Les figures ci-dessus décrivent les caractéristiques des variables d’intérêts pour les trois pays membres de la communauté économique des pays des grands lacs. Cependant nous pouvons résumer graphiquement les mêmes statistiques pour chacun de ces pays (Cf. Graphiques n°2).
Figures n° 2 : Description graphique des variables d'intérêt par pays en $
0 400,000,000 800,000,000 1,200,000,000 1,600,000,000 2,000,000,000 2,400,000,000
1 - 60 1 - 66 1 - 72 1 - 78 1 - 84 1 - 90 1 - 96 1 - 02 1 - 08 1 - 14 2 - 63 2 - 69 2 - 75 2 - 81 2 - 87 2 - 93 2 - 99 2 - 05 2 - 11 3 - 60 3 - 66 3 - 72 3 - 78 3 - 84 3 - 90 3 - 96 3 - 02 3 - 08 3 - 14
INVPUB
0 400,000,000 800,000,000 1,200,000,000 1,600,000,000 2,000,000,000 2,400,000,000 2,800,000,000 3,200,000,000 3,600,000,000
1 - 60 1 - 66 1 - 72 1 - 78 1 - 84 1 - 90 1 - 96 1 - 02 1 - 08 1 - 14 2 - 63 2 - 69 2 - 75 2 - 81 2 - 87 2 - 93 2 - 99 2 - 05 2 - 11 3 - 60 3 - 66 3 - 72 3 - 78 3 - 84 3 - 90 3 - 96 3 - 02 3 - 08 3 - 14
FBCF_(INVPRI)
0 1,000,000,000 2,000,000,000 3,000,000,000 4,000,000,000 5,000,000,000 6,000,000,000
1 - 60 1 - 66 1 - 72 1 - 78 1 - 84 1 - 90 1 - 96 1 - 02 1 - 08 1 - 14 2 - 63 2 - 69 2 - 75 2 - 81 2 - 87 2 - 93 2 - 99 2 - 05 2 - 11 3 - 60 3 - 66 3 - 72 3 - 78 3 - 84 3 - 90 3 - 96 3 - 02 3 - 08 3 - 14 STOCK_DETTE
0 10 20 30 40 50 60
1 - 60 1 - 66 1 - 72 1 - 78 1 - 84 1 - 90 1 - 96 1 - 02 1 - 08 1 - 14 2 - 63 2 - 69 2 - 75 2 - 81 2 - 87 2 - 93 2 - 99 2 - 05 2 - 11 3 - 60 3 - 66 3 - 72 3 - 78 3 - 84 3 - 90 3 - 96 3 - 02 3 - 08 3 - 14 SERV_DETTE
Source : De nos données à partir de Eviews 8.0
Les quatre figures ci-haut présentées prouvent à suffisance peu une certaine homogénéité des caractéristiques descriptives des variables d’intérêt.
3.2. ANALYSES ECONOMETRIQUES DES DONNEES
Il est intéressant d’identifier l’effet associé à chaque pays, c’est-à-dire un effet qui ne varie pas dans le temps, mais qui varie d’un pays à l’autre. Cet effet peut être fixe ou aléatoire. En plus de la question des effets individuels, sont examinées les questions de la corrélation et de l’hétéroscédasticité dans le cadre des données en notre possession ainsi que la question du biais de sélection qui sera aussi tenu compte pour parfaire certains tests.
3.2.1. Test de présence d’effets individuels
Nous allons commencer par vérifier s’il y a bel et bien présence d’effets individuels dans nos données. On peut représenter ces effets par une intercepte propre à chaque pays . On cherche donc à tester l’hypothèse nulle dans la régression
qui est une modélisation des effets individuels.
Tableau n° 1 : Effets individuels pour le premier modèle (INVPRI)
Fixed-effects (within) regression Number of obs = 171 Group variable: Country_Code Number of groups = 3 R-sq: within = 0.6921 Obs per group: min = 57
between = 0.9684 avg = 57.0
overall = 0.7873 max = 57
F(9,159) = 39.71 corr(u_i, Xb) = 0.4793 Prob > F = 0.0000 sigma_u .38953299
sigma_e .72440744
rho .22429487 (fraction of variance due to u_i)
F test that all u_i=0: F(2, 159) = 2.80 Prob > F = 0.0638 Source : De nos données à partir de STATA 12.0
Tableau n° 2 : Effets individuels pour le deuxième modèle (INVPUB)
Fixed-effects (within) regression Number of obs = 171 Group variable: Country_Code Number of groups = 3 R-sq: within = 0.8280 Obs per group: min = 57
between = 0.9809 avg = 57.0
overall = 0.8774 max = 57
F(7,161) = 110.73 corr(u_i, Xb) = 0.4701 Prob > F = 0.0000 sigma_u .28504909
sigma_e .51038772
rho .23775658 (fraction of variance due to u_i)
F test that all u_i=0: F(2, 161) = 8.18 Prob > F = 0.0004 Source : De nos données à partir de STATA 12.0
Etant donné que pour le premier modèle (INVPRI), la probabilité associée au test de Fisher est supérieur à 5%, nous infirmons l’hypothèse nulle selon laquelle il ya une intercepte commune pour ce modèle, chose différente pour le second modèle. Ainsi, on doit inclure des effets individuels dans le premier modèle. Pour capter les effets individuels liés au premier modèle, nous allons utiliser l’estimateur «within» (qui revient au même à l’ajout de variables dichotomiques) qui mesure la variation de chaque observation par rapport à la moyenne du pays auquel appartient l’observation . Les effets individuels sont donc éliminés et l’estimateur de MCO peut être utilisé sur les nouvelles variables du premier modèle.
3.2.2. Test de Hausman
Etant un test de spécification qui permet de déterminer si les coefficients des deux estimations (fixe et aléatoire) sont statistiquement différents. Sous l’hypothèse nulle d’indépendance entre les erreurs et les variables explicatives, les deux estimateurs sont non biaisés, donc les coefficients estimés devraient peu différer.
Tableau n° 3 : Test de Hausman pour le premier modèle (INVPRI)
b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho:
difference in coefficients not systematic
chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 5.65
Prob>chi2 = 0.7739
(V_b-V_B is not positive definite)
Source : De nos données à partir de STATA 12.0
Tableau n° 4 : Test de Hausman pour le premier modèle (INVPUB) b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 18.66
Prob>chi2 = 0.0048
(V_b-V_B is not positive definite) Source : De nos données à partir de STATA 12.0
Les résultats suivent une loi χ2 avec K-1 degré de liberté. Pour le premier modèle, la p-value (0,7739) étant supérieure au niveau de confiance (5%), nous rejetons l’hypothèse nulle de la présence des effets fixes, donc, pour ce modèle nous utiliserons les effets aléatoires qui sont efficaces s’il n’y a pas de corrélation entre les erreurs et les variables explicatives. Par contre, pour le second modèle, la p-value (0,0048) étant supérieure au niveau de confiance (5%) nous allons utiliser les effets fixes pour ce modèle.
3.2.3. Corrélation et hétéroscedasticité
On doit vérifier les hypothèses d’homoscédasticité et de corrélation. Quatre tests permettent de vérifier si nos données respectent ces hypothèses dans le contexte. En ce qui concerne l’hypothèse d’homoscédasticité (test1 et test2), on doit vérifier si la variance des erreurs de chaque individu est constante : pour tout individu i, on doit donc avoir pour tout t.
Pour la corrélation, l’aspect nouveau auquel on doit porter attention concerne la possibilité de corrélation des erreurs entre les individus (test3). On doit aussi vérifier que les erreurs ne sont pas autocorrélées et ce, pour chaque individu (test4).
3.2.3.1. Test d’hétéroscédasticité
Pour tester l’hétéroscédasticité des résidus, nous utilisons le Test de Breusch-Pagan en considérant les effets aléatoires pour le premier modèle et les effets fixes pour le second modèle :
Tableau n° 5 : Test d’homoscédasticité pour le premier modèle (INVPRI) Source SS df MS Number of obs = 171
F( 9, 161) =12365.04 Model 539897.496 9 59988.6107 Prob > F = 0.0000 Residual 781.086284 161 4.8514676 R-squared = 0.9986
Adj R-squared = 0.9985 Total 540678.583 170 3180.46225 Root MSE = 2.2026 Source : De nos données à partir de STATA 12.0
Tableau n° 6 : Test d’homoscédasticité pour le deuxième modèle (INVPUB)
Source SS df MS Number of obs = 171
F( 7, 163) =14157.91 Model 431713.29 7 61673.3271 Prob > F = 0.0000 Residual 710.044688 163 4.35610238 R-squared = 0.9984
Adj R-squared = 0.9983 Total 432423.334 170 2543.66667 Root MSE = 2.0871 Source : De nos données à partir de STATA 12.0
L’hypothèse nulle dans ce cas, est que tous les coefficients de la régression des résidus au carré sont nuls, bref il y a homoscédasticité. L’hypothèse alternative est qu’il y a hétéroscédasticité. Ainsi, pour les deux modèles, on rejette l’hypothèse nulle (« p-value » <
alpha) d’homoscédasticité, on peut conclure à la présence d’hétéroscédasticité. Alors on a
pour tout i, t ce qui implique nécessairement que pour tout t et pour tout i. Il n’est alors pas nécessaire de faire le test d’héteroscédasticité inter-individuel (Test de wald modifié) qui est considéré ici comme le test 2.
Comme le deuxième modèle ne contient pas d’effets individuels et il possède des effets fixes, on continu l’analyse au test de corrélation (test 3). Cependant, pour le premier modèle bien que cela soit théoriquement possible, certains logiciels comme STATA ne permettant pas de tester la corrélation si notre modèle inclut des effets aléatoires (on continue donc au test 4).
Comme on a conclu à la présence d’héteroscédasticité pour tenter d’obtenir plus d’informations sur la forme de l’hétéroscédasticité, on utilise alors les MCG (GLS en anglais) pour le second modèle où :
et 3.2.3.2. Corrélation contemporaine entre individus pour le deuxième modèle
Pour tester la présence de corrélation des erreurs inter-individus pour une même période, donc : pour , on utilise le test de Wald. L’hypothèse nulle de ce test est l’indépendance des résidus entre les individus. Ce test vérifie que la somme des carrés des coefficients de corrélation entre les erreurs contemporaines est approximativement zéro.
Puisqu’il est seulement nécessaire de tester ceux sous la diagonale, la statistique résultante suit une loi de 2 de degré de liberté équivalent au nombre de restrictions testées.
Après le test sous STATA 12.0 sur le panel corrigé, la valeur obtenue sur le 2 associé au test de Wald qui est de 1256,14 avec une p-value de 0.0000 qui est inférieure à la valeur critique (0.05), on confirme l’hypothèse nulle : les erreurs ne sont pas corrélées de manière contemporaine.
3.2.3.3. Autocorrélation intra-individus pour le premier modèle
Ici, on cherche à vérifier si les erreurs sont autocorrélées pour de forme autorégressive (AR1) : . Nous réalisons un test Wald dont l’hypothèse nulle est celle d’absence d’autocorrélation des erreurs. STATA 12.0 nous a produit les résultats suivants, le 2 associé au test de Wald étant de 95.18 avec une p-value de 0.0000 qui est inférieure à la valeur critique (0.05), les erreurs des individus ne sont pas autocorrélées.
3.2.4. Estimation des modèles
Dans le cadre des estimations de nos modèles, nous allons commencer par estimer le premier modèle (INVPRI) avant de faire la même chose pour le second modèle (INVPUB).
3.2.4.1. Estimation du premier modèle
Pour le premier modèle, nous allons commencer par mener des tests préliminaires appliqués aux séries temporelles (stationnarité et cointégration) avant d’effectuer les estimations proprement dites.
3.2.4.1.1. Test de racine unitaire
Afin de détecter la présence éventuelle de racine unitaire dans nos séries et dans la mesure où notre cadre méthodologique tient compte de l’existence éventuelle des hétérogénéités structurelles entre nations de notre échantillon, nous implémentons les tests de racine unitaire de deuxième génération. C’est ainsi que nous avons eu recours aux tests de racine unitaire de Levin et Lin (1992) (qui impose un même coefficient autorégressif pour toutes les séries) et de Im, Pesaran et Shin (1997) (qui permet une hétérogénéité des coefficients) avec un regard particulier sur le test ADF-Fisher. Ainsi, pour nos séries. Le tableau n°7 résume les tests de Levin-Lin-Chu (LLC), le test de Im-Pesaran-Shin (IPS) ainsi que le test de Dickey-Fuller augmenté utilisant le test de Chi-carré (ADF-Fisher Chi-square).
Tableau n° 7 : Test unitaire LLC, IPS et ADF Chi-square
Variables Statistique du test LLC
Statistique du test IPS
Statistique du test ADF Chi-square
Ordre d’intégration
LOGINVPUB -9,04963 -7,65509 57,8167 I(1)
LOGINVPRI -5,71307 -5,90157 43,3501 I(1)
LOGCRINTB -2,45119 -3,07270 23,2148 I(0)
RSDPGE -9,49342 -11,4513 91,2291 I(1)
LOGSDEXTPGE -6,77558 -4,97420 35,0290 I(1)
TCPIBr -5,97837 -6,05991 44,3369 I(0)
TDCHAr -2,45251 -3,89851 29,2852 I(0)
TERECH -7,59773 -7,39901 54,5325 I(1)
TINFL -6,01414 -4,60967 30,9198 I(0)
TINTr -6,17067 -6,86627 50,3857 I(0)
Source : De nous-mêmes à partir de Eviews 8.0
Les tests de racine unitaire indiquent que l’investissement public sous logarithme, l’investissement privé sous logarithme, le logarithme du stock de la dette publique et garantie par l’Etat, le ratio service de la dette publique et garantie par l’Etat ainsi que les termes d’échanges sont affectés d’une racine unitaire (voir tableau 7). La sélection des nombres de retard pour chaque variable est calculée à partir de Schwarz info criteron. En passant aux différences premières, nous constatons que toutes les séries précitées deviennent stationnaires.
Nous tirons des conclusions qu’elles sont intégrées d’ordre un {I(1)} pour le modèle avec trend et constante que nous avons utilisé pour ces tests.
Comme l’investissement public sous logarithme, l’investissement privé sous logarithme, le logarithme du stock de la dette publique et garantie par l’Etat, le ratio service de la dette publique et garantie par l’Etat ainsi que les termes d’échanges sont intégrées d’ordre 1, il ya un risque de cointégration.
3.2.4.1.2. Test de cointégration
Nous appliquons les techniques de cointégration pour tester la présence de relation à long terme entre les variables intégrées. En ce qui concerne ce test, pour la première étape, nous avons commencé, par déterminer le nombre des retards (à partir du modèle VAR(p) appliqué sur toutes les séries stationnaires à différence première) avant de mener le test de cointégration de Pedroni qui est adapté à la cointégration des series de Panel telles que les nôtres.
Tableau n° 8 : Nombre de retards appliqué au test de cointégration
Vector Autoregression Estimates Date: 04/01/18 Time: 01:58 Sample (adjusted): 1961 2016
Included observations: 168 after adjustments Standard errors in ( ) & t-statistics in [ ]
Determinant resid covariance (dof adj.) 2.191769 Determinant resid covariance 1.827358
Log likelihood -1242.550
Akaike information criterion 15.14940
Schwarz criterion 15.70725
Source : De nous-mêmes à partir de Eviews 8.0
Le tableau n° 8 nous renseigne que le nombre des retards associés au test de cointégration et qui est déterminé par le Akaike Information Criterion et Schwartz Criterion est de 15, ce nombre sera appliqué pour le test de cointégration. Pour ce dernier, nous appliquons les tests de Pedroni prenant en compte l’héterogeneité par le biais de paramètres qui peuvent varier entre les individus.
Ainsi, pour la seconde étape, nous testons l’hypothèse nulle d’absence de cointégration par la procédure développée par Pedroni (2001). Cette procédure qui vise à tester la cointégration dans un Panel comporte sept statistiques suivant asymptotyquement la loi normale centrée réduite et qui sont basées sur un modèle qui suppose que les vecteurs de cointégration sont hétérogènes.
Tableau n° 9 : Test de cointégration de Pedroni
Pedroni Residual Cointegration Test
Series: LINVPUB LFBCF__INVPRI_ SERV_DETTE LSTOCK_DETTE TERME_ECHAN
Date: 04/01/18 Time: 06:46 Sample: 1960 2016
Included observations: 171 Cross-sections included: 3 Null Hypothesis: No cointegration
Trend assumption: Deterministic intercept and trend
Automatic lag length selection based on SIC with a max lag of 15 Newey-West automatic bandwidth selection and Bartlett kernel Alternative hypothesis: common AR coefs. (within-dimension)
Weighted
Statistic Prob. Statistic Prob.
Panel v-Statistic 0.785440 0.2161 0.785440 0.2161 Panel rho-Statistic -1.717478 0.0429 -1.717478 0.0429 Panel PP-Statistic -3.145093 0.0008 -3.145093 0.0008 Panel ADF-Statistic -3.361443 0.0004 -3.361443 0.0004 Alternative hypothesis: individual AR coefs. (between-dimension)
Statistic Prob.
Group rho-Statistic -1.134772 0.1282 Group PP-Statistic -3.065399 0.0011 Group ADF-Statistic -3.308928 0.0005
Cross section specific results
Phillips-Peron results (non-parametric)
Cross ID AR(1) Variance HAC Bandwidth Obs
1 0.406 0.084556 0.076007 6.00 56
2 0.406 0.084556 0.076007 6.00 56
3 0.406 0.084556 0.076007 6.00 56
Augmented Dickey-Fuller results (parametric)
Cross ID AR(1) Variance Lag Max lag Obs
1 0.406 0.084556 0 15 56
2 0.406 0.084556 0 15 56
3 0.406 0.084556 0 15 56
Source : De nos données à partir de Eviews 8.0 6
D’après le tableau n°9, cinq parmi les sept statistiques infirme l’hypothèse nulle d’absence de cointégration si on considère un niveau de signification égal à 5%. Ceci nous amène à conclure qu’il existe une relation de long terme entre nos variables. La présence de relation de cointégration est justifiée non seulement par trois statistiques de type intra-dimension appelés test du ration de la variance paramétrique (Le panel rho-statistic, le panel pp-statistic et le
6 Eviews 8.0 est un programme approprié permettant de traiter la cointégration sur les données de Panels hétérogènes.
