1646 5005 1 PB

European Scientific Journal August 2013 edition vol.9, No.
22 ISSN: 1857 7881 (Print) e - ISSN 1857- 7431
MODLISATION DE LA FONCTION DE LA
DEMANDE DES DPENSES PUBLIQUES
ALGRIENNE LAIDE DE MODLE ECM
Lakhdar Adouka
Maitre de confrences luniversit de Mascara
El Mustapha Kchirid
Professeur luniversit de Cadi Ayyad - Marrakech
Aonia Benzekoura
Maitre assistante luniversit de Mascara
Zohra Bouguelli
Matre de confrences luniversit de Mascara
Abstact
The objective of this paper is to explain the growth of public
spending by the approach of the demand for public goods in Algeian from
1970 to 2010, to test the veracity of Wagner's law for the Algerian economy
by an approach demand, to verify the positive effect between the share of
public expenditure to GDP ratio and the following variables: the per capita
income, population, urbanization, degree of economic openness, the effect of
Baumol and macroeconomic stability.
Keywords: Wagner law, government spending, growth, stationarity, VECM
Rsum
Lobjectif de ce papier est dexpliquer la croissance des dpenses
publiques par lapproche de la demande pour les biens publics en Algrie de
1970 2010 , de tester la vracit de la loi de Wagner pour lconomie
algrienne par une approche de la demande pour vrifier leffet positif entre
la part des dpenses publiques par rapport au PIB et les variables suivantes ;
le revenu par tte, la population, lurbanisation, le degrs douverture
conomique, leffet de Baumol et la stabilit macroconomie.
Mots cls : loi Wagner, dpenses publiques, croissance, stationnarit, ECM
159
European Scientific Journal August 2013 edition vol.9, No.22 ISSN: 1857 7881 (Print) e - ISSN 1857- 7431
1. Introduction
Jusqu'aux environs de 1960, les dpenses publiques taient un
domaine relativement nglig de l'tude d'ensemble des finances publiques.
Depuis lors, on attache une attention considrable aux diffrents aspects des
dpenses publiques en essayant de redresser le dsquilibre rsultant de
l'accent mis dans le pass sur le rle de la fiscalit dans l'conomie. C'est
ainsi que de nombreuses ides furent mises pour expliquer la croissance des
dpenses publiques. En se situant dans une perspective d'offre et de
demande, et non dans une perspective historique, certains auteurs ont
expliqu cette croissance des dpenses publiques par la demande des agents
conomiques pour les biens publics. D'autres plutt avancent l'ide selon
laquelle cette croissance des dpenses publiques est due au niveau d'offre des
ressources publiques. Du fait qu'il n'existe pas un march o la demande des
biens publics et l'offre des ressources publiques se rencontrent, certains
auteurs plus rcents avancent l'hypothse de recourir l'approche du
dsquilibre o l'offre et la demande s'ajustent en mme temps et le niveau
des dpenses publiques se situent soit sur l'offre soit sur la demande.
Il apparait primordial dans cet article de sintresser sur lexplication
de la croissance des dpenses publiques par lapproche de la demande des
agents conomiques en Algrie durant la priode 1970 2010. A cet effet,
dans ce travail nous avons pos la question rcurrente suivante :
Peut-on expliquer la croissance des dpenses publiques par
lapproche de la demande ?
A cette principale question se subdivise des auxiliaires questions qui
sont :
est ce que la loi de Wagner se vrifie pour lconomie algrienne ?
quelles sont les dterminants de la fonction de la demande ?
Les dpenses publiques stimulent-elles lactivit conomique ?
Quelle est leffet de revenu et leffet de productivit sur la
croissance des dpenses publiques ?
Lobjectif de ce papier est dexpliquer la croissance des dpenses
publiques par lapproche de la demande pour les biens publics en Algrie de
1970 2010 , de tester la vracit de la loi de Wagner pour lconomie
algrienne.
Afin d'atteindre notre objectif, larticle a t organis en trois sections.
Le premier est une brve prsentation du modle de lapproche de la
demande, la deuxime section est consacre aux indicateurs
macroconomiques qui sont utiliss dans ce modle. Enfin, dans la troisime
section, nous essayons l'application empirique et une analyse
conomtrique de ce modle lconomie algrienne.
160
2. Le cadre thorique du modle

La croissance des dpenses publiques sont expliques soit par
lapproche de la demande, soit par lapproche de loffre.
Dans la premire approche la croissance tendancielle des dpenses
publiques est expliqu par :
la loi de Wagner (1909) ,
le thorme du votant mdian de Black(1948)
le thorme du votant mdian de Meltzer et Richard (1981, 1983)
le thorme de redistribution de revenu aux groupes d'intrt de
Buchanan et Tullock (1962).
Dans la deuxime approche, la croissance des dpenses publiques est
expliqu par :
La diffrence de productivit (La thse de Baumol)
Leffet de dplacement (Peacock et Wiseman)
Les lments de la thorie de la bureaucratie (Niskanen) (1971)
En se rfrant ltude de Romuald sostaine, on peut noter cinq
versions de la loi de Wagner et que plusieurs chercheurs ont
interprt leur manire et quils ont teste de faon empirique :
les dpenses publiques doivent crotre plus rapidement que le
PNB
dans les conomies en croissance, le ratio dpenses publiques de
consommation/revenu national s'lve
lorsqu'un pays connat une croissance accompagne d'un
dveloppement, les activits du secteur public doivent augmenter
d'un taux qui, une fois converti en dpenses, doit dpasser le taux
de croissance du PNB par habitant
il y aurait une lvation de la part du secteur public ou du ratio
dpenses publiques/PNB lorsqu'un pays passe d'un faible un
fort niveau de revenu par habitant
le nombre par habitant des fonctionnaires du gouvernement
s'accrot avec le revenu par habitant.
La formulation la plus utilise pour la vrification empirique de la loi de
Wagner est celle donne par le modle du Musgrave (1969). Ce dernier
scrit comme suit :
Gt = + Yt + t (1)
Avec :
Gt : dsigne les dpenses publiques par rapport au PIB en termes rels
Yt : dsigne le PIB par tte en terme rel
Selon Musgrave, il faut que llasticit revenu soit positive Pour
que la loi de Wagner soit vrifie.
161
La vrification empirique de cette loi peut se faire aussi par

lapproche en termes de causalit de Granger. Cette approche tudie la
relation rciproque entre les dpenses publiques et la croissance conomique.
La reprsentation mathmatique de la loi de Wagner en adoptant une
approche en termes de causalit de Granger est comme suit :
k k
Gt = i Gt 1 +
i =1
Y
i =1
i t 1 + t
(2)
k k
Yt =
i =1
i Yt 1 +
i =1
i Gt 1 + u t
Avec :
Gt : dsigne les dpenses publiques par rapport au PIB en termes rels
Yt : dsigne le PIB par tte en terme rel
Par contre, en se rfrant ltude de Elkhider et al, nous abordons
dans cet section une autre version ltude de la validit de la loi de Wagner.
Cet version a mis laccent sur laspect dsagrgs ( par secteur) des
dpenses publiques et ses effets sur la croissance conomique laide de
deux modles :
Le premier type de modle sinterroge sur lefficience des
dpenses publiques de sant et dducation, en adoptant la
formulation suivante :
S t = C + 1 G t (0) + 2 E t + 3 H t + vt (3)
Avec :
S t : reprsente les indicateurs sociaux
G t (0) : reprsente le niveau initial de dveloppement
E t : reprsente les dpenses publiques dducation
H t : reprsente les dpenses publiques de la sant
Le deuxime type de modle sinterroge sur le lien entre le capital
public et la croissance conomique. Ce modle scrit sous forme dune
fonction de type de Cobb-Douglass comme suit :
Yt = K t K t' H DO IP (4)
Avec :
Yt : reprsente le PIB
K t : reprsente le capital public
K ' t : reprsente le capital public priv
H : reprsente le capital humain
DO : reprsente le degr douverture
IP : reprsente lindice de productivit globale des facteurs aux USA
162
3. Application empirique du modle

3.1 Spcification du modle
Dans le cadre de cette tude, nous allons expliquer la croissance
tendancielle des dpenses publiques de lAlgrie entre 1970 et 2010 par un
modle dans lequel on intgre seulement la fonction de la demande qui
scrit de la manire suivante :
DPt = 0 + 1U t + 2 log Pt + 3Y t + 4 RIDt + 5 DOt + 6 D t + t (5)
Avec :
DP : Part des dpenses totales dans le PIB
U : la proportion de population urbaine dans la population totale
P : la population totale
Y : revenu rel par tte au prix constant
RID : le rapport entre l'indice de prix la consommation et le
dflateur du PIB
DO : le dgre douverture
D : Dummy variable reprsente la stabilit macroconomique
Nous testons la loi de Wagner laide des variables U, LogP et Y
Nous attendons un signe positif pour les coefficients du trois
premires variables explicatives (U , logP et Y) parce qu'elles influencent
positivement la demande des dpenses publiques. L'augmentation de la
population a un effet positif sur la demande de biens fournis par le
gouvernement.
Nous attendons un signe positif pour lindice de prix dflat (RID),
ce variable reflte leffet de Baumol. Ce dernier indique quil y a un
accroissement du prix relatif du bien public avec une demande inlastique
par rapport au prix
Le dgre douverture (DO) lconomie reprsente la distribution
de revenu aux groupes de pression, nous attendons aussi un signe positif.
3.2 Les donnes statistiques de lanalyse empirique
Nous souhaitons estimer dans le cas de lconomie algrienne
lquation (5) sur un chantillon de donnes annuelles portant sur la priode
1970 -2009. Les donnes sont tires des statistiques financires
internationales du FMI, de la banque mondiale et de loffice nationale des
statistiques (ONS) .
Les graphes de six variables (ratio des dpense publiques, la
proportion de la population urbaine dans la population totale, la population
totale, le pib par tte, lindice de prix la consommation dflat et de dgre
douverture sont donns ci-dessous montrent la prsence dune tendance
pour chaque variable. Cela, mettre la stationnarit des sries en question.
163
Graphe 1 : lvolution des variables de ltude
16 80
15
14 70
13
60
12
11
50
10
9 40
8
7 30
1970 1975 1980 1985 1990 1995 2000 2005 1970 1975 1980 1985 1990 1995 2000 2005
depenses publiques dgr d'ouverture
2400 17.4
2200
17.2
2000
17.0
1800
16.8
1600
16.6
1400
1200 16.4
1970 1975 1980 1985 1990 1995 2000 2005 1970 1975 1980 1985 1990 1995 2000 2005
pib par tte population
70 14
65 12
60
10
55
8
50
6
45
40 4
35 2
1970 1975 1980 1985 1990 1995 2000 2005 1970 1975 1980 1985 1990 1995 2000 2005
prop de pop urb IPC dflat
3.3 Test de racine unitaire

Il existe un grand nombre de tests de racine unitaire. Les travaux
pionniers en la matire sont ceux de Fuller (1976) et Dickey et
Fuller(1979,1980). Les tests de Dickey Fuller sont des tests paramtriques
permettant de mettre en vidence le caractre stationnaire ou non d'une
chronique par la dtermination d'une tendance dterministe ou stochastique.
Ces tests reposent sur lestimation dun processus autorgressive.
164
Dickey et Fuller considrent trois modles de base pour la srie X t :

Modle(1) : modle sans constante ni tendance dterministe
X t = X t 1 + t
Modle(2) : modle avec constante sans tendance dterministe
X t = X t 1 + b + t
Modle(3) : modle avec constante et tendance dterministe
X t = X t 1 + at + b + t
Dans chacun des trois modles, on suppose que t BB(0, 2 )
Le principe de test est comme suit :
H 0 : = 1 prsence dune racine unitaire do la srie est non
stationnaire
H 0 : < 1 absence de racine unitaire do la srie est stationnaire
Si l'hypothse H 0 : = 1 est retenue dans l'un de ces trois modles, alors le
processus est non stationnaire.
La stratgie de test est squentielle, on part du modle (3) au modle
(1).
Sur le modle (3), on teste la significativit du coefficient de la pente
du trend a partir de statistique de Student. Si a est significativement
diffrent de zro, alors on teste pour ce mme modle le coefficient de
par le mme test.
On rejette H 0 : = 1 , c'est--dire la srie est stationnaire si t > t
c t
Par contre si le coefficient a est significativement nul, on passe

directement au test sur le modle (2), on teste la significativit du constante b
par le test de Student. Si b est significativement diffrent de zro, alors on
teste pour ce mme modle le coefficient de par le mme test. Si la
constante b est significativement nul, on passe au test sur le modle (1).
Si la srie X t au niveau nest pas stationnaire, on applique le test DF
et avec la mme procdure la srie diffrenci X t
Nous rappelons que le test de DF sur les trois modles suppose que le
processus de rsidus est un bruit blanc. Or il ny a aucune raison pour qu
priori, lerreur soit non corrle. Pour tenir compte de cette hypothse,
Dickey et Fuller ont dvelopp leur test en 1981. Ce test est connu sous le
nom du test de Dickey Fuller augment (ADF) qui se repose sur trois
modles :
165
Modle(4) : modle sans constante ni tendance dterministe

p
X t = X t 1 + j X t j + t
j =1
Modle(5) : modle avec constante sans tendance dterministe

p
X t = X t 1 + + j X t j + t
j =1
Modle(6) : modle avec constante et tendance dterministe

p
X t = X t 1 + + t + j X t j + t
j =1
La mise en uvre du test de ADF est similaire au test de DF seules

les tables statistiques diffrent.
Lapplication de test de ADF ncessite au pralable de choisir le
nombre de retard p introduire de sorte blanchir les rsidus. La valeur p de
retard est dtermine soit l'aide de la fonction des autocorrlations
partielles, soit laide de la statistique de Box-Pierce, soit laide des
critres dAkaike (AIC) o de Schwartz (BIC).
Dans notre tude nous allons appliquer le test ADF et nous avons
dtermin le nombre de retard laide de la fonction des autocorrllations
partielles en tudiant la significativit des coefficients des corrlations
partielles. Lapplication de cette mthode en se basant ltude de
corrllogramme des diffrentes variables de lquation (5), nous avons
obtenu le retard un pour tous les variables.
Aprs que nous avons dtermin le retard pour chaque variable,
nous allons adopt la stratgie squentielle du test de ADF pour tudier la
stationnarit des variables de ltude. Le tableau suivant rsume notre
lapplication :
Tableau 1 : Test de Dickey Fuller augment
ADF
Variables Nombre de retard Ordre dintgration
DPt 1 1,08 I(1)
dDPt 1 -7,02 I(0)
LPt 1 -7,21 I(0)
Ut 1 -3,52 I(0)
Yt 1 1,48 I(1)
1 -3,26 I(0)
dY t 1 -0,27 I(1)
DOt 1 -4,28 I(0)
1 -1,73 I(1)
dDOt 1 -6,08 I(0))
166
Dt 1 -2,31 I(1)
1 -6,13 I(0)
dDt 1
RIDt
dRIDt
En comparant les valeurs calcules de ADF (Tableau 1) avec la

valeur critique de ADF pour un seuil de signification de 5 % . Cette
comparaison, nous montre que lhypothse nulle de non stationnarit est
accepte pour les variables en niveau (dpenses publiques, pib par tte, le
degrs douverture conomique , lindice de prix la consommation dflat
et la stabilit macroconomique), par contre on constate que lhypothses
nulle est rejete pour les mmes variables en diffrences premires
(Tableau1) .Les sries ( DPt , Yt , RID t , DO t , DA t ) sont alors intgres
dordre 1, vu que la diffrence premire de chacune de ces variables est
stationnaire I(0).
Nous constatons aussi du tableau 1 que lhypothse H 0 est rejete
pour les variables en niveau (la population totale et la proportion de la
population urbaine par rapport la population totale) au seuil de
signification de 5% pour la premire variable et un seuil de 10% pour la
deuxime variable. Do ces variables ( Pt , U t ) sont stationnaire et ils sont
alors intgres dordre 0. les variables population totale( Pt ) et la proportion
de la population urbaine par rapport la population total ( U t ) seront
limines de notre tude car elles ne remplie pas les conditions dapplication
des modles de correction derreur (ECM)
3.4 Tests de cointgration
Nous rappelons, pour quune relation de long terme existe entre
plusieurs variables, deux conditions doivent tre runies, premirement les
variables doivent tre non stationnaires et intgres au mme ordre.
Deuximement leurs tendances stochastiques doivent tre lies.
Les tests ADF laissent donc supposer lexistence dune relation de
cointgration entre dpenses publiques, pib par tte, le degre douverture
conomique et lindice de prix la consommation dflat et la stabilit
macroconomique
Afin dtudier lexistence dune relation de long terme entre les variables du
modle, nous allons appliqus deux mthodes :
la mthode gnrale du maximum de vraisemblances (Johansen,
1988, 1991 ; Johansen et Jueslius, 1990).
La mthode de deux tapes de Engle et Granger ( 1978)
167
3.4.1 Application du test de Johansen

Le test de la Trace de Johansen, nous permet de dtecter le nombre
de vecteurs de cointgration. Les hypothses de ce test se prsentent comme
suit :
H 0 : il existe au plus r vecteurs de cointgration
H 1 : il existe au moins r vecteurs de cointgation
Nous acceptons H 0 lorsque la statistique de la Trace est infrieure
aux valeurs critiques un seuil de signification de 0 0 . Par contre, nous
rejetons H 0 dans le cas contraire. Ce test sapplique dune manire
squentielle de r=0 jusqu r=k-1
Tableau 2 : Test de cointgration de Johansen
Likelihood ratio Hypothse sur le
Valeurs propres (trace statistique) Valeur critique nombre de EC
0,49 75,42 69,81 Aucune
0,37 49,67 47,85 Au moins un
0,36 31,65 29,79 Au moins deux
0,18 14 ,33 15,49 Au moins trois
0 ,15 6,38 3,84 Au moins quatre
Nous testons premirement lhypothse o le nombre de vecteurs de

cointgration est strictement gale zro ( r = 0 ) ( colonne Likelhood ratio,
Tableau 2).
Nous constatons que la statistique de la Trace pour r = 0 (75,42) est
suprieure la valeur critique au seuil statistique 5 0 0 (69,81); ce qui nous
amne rejeter H 0 .
Nous testons ensuite, lhypothse o le nombre de vecteurs de
cointgration est strictement gale un ( r = 1 ) . La statistique de la Trace
pour r = 1 ( 49,67) est suprieure la valeur critique ( 47,85), ce qui nous
amne par consquent de rejeter H 0 au seuil de 5 0 0 .
cointgration est strictement gale deux ( r = 2 ) . La statistique de la Trace
pour r = 2 ( 31,65) est suprieure la valeur critique ( 29,79), ce qui nous
amne par consquent de rejeter H 0 au seuil de 5 0 0
cointgration est strictement gale trois ( r = 3 ) . La statistique de la Trace
pour r = 3 ( 31,65) est inferieur la valeur critique ( 29,79), ce qui nous
amne par consquent daccepter H 0 au seuil de 5 0 0
Le teste de la Trace de Johansen, nous permet de conclure quil existe
trois relations de cointgration entre les cinq variables.
168
3.4.2Application de la mthode de Engle et Granger

La notion de cointgration postule que si deux variables X et Y sont
intgres dordre un (I(1)), et sil existe une combinaison linaire de ces
variables qui est stationnaire I(0), alors on peut conclure que X et Y sont
cointgres dordre (1,1).
Nous avons dj montr que les sries sont non stationnaires et
intgres de mme ordre. Il nous reste, alors, tester si les rsidus de cette
combinaison linaire sont stationnaires. Dans le cas chant, les dviations
par rapport la valeur dquilibre tendent sannuler dans le temps et, donc,
une relation de long terme existe entre les variables.
Nous estimons dans une premire tape par les MCO la relation de
long terme :
DPt = 28,82 0.07DO1t 0, 001Y t 1,13RIDt 2, 01DA + (6) t
On dduit de lestimation de la relation statique (6) la srie des

rsidus, rappelons que :
Si les rsidus sont non stationnaires, la relation estime de long
terme (6) est une rgression fallacieuse
Si les rsidus sont stationnaires, la relation estime de long
terme (6) est une relation de cointgration
Pour tester la stationnarit de rsidu, nous allons utiliser les valeurs critiques
tabules de Engle et Yoo(1987) dans lapplication du test ADF
Les rsultats issues de lapplication du test ADF sur les rsidus de la
relation statique entre les dpenses publiques et le pib par tte, le degr
douverture conomique, lindice de prix la consommation dflat et la
stabilit macroconomique se trouve en annexe.
On constate que la statistique ADF estime (-3,29) est infrieur la
valeur tabule de Engle et Yoo au seuil de 5% (-2,67), cela, nous permet de
rejeter lhypothse de non stationnarit de rsidu, do les rsidus de la
relation statique entre les dpenses publiques et le pib par tte, le degrs
stabilit macroconomique sont stationnaires. Par consquent, les variables
dpenses publiques et le pib par tte, le degrs douverture conomique,
lindice de prix la consommation dflat et la stabilit macroconomique
sont cointgres. Il est alors possible destimer le modle correction
derreur.
3.5 Estimation du modle ECM
Aprs que nous avons examin la stationnarit des sries et la
cointgration entre les variables, nous passons ltape de lestimation des
coefficients du modle, mais avant de procder cette tape, nous devons
vrifier que la relation de cointgration unique est bien une quation des
dpenses publiques et par consquent les autres variables sont faiblement
169
exognes. A cet effet, nous avons ralis un test dexognit simple partir
de lestimation du modle VECM en utilisant la mthode de Johansen. Ce
test se ralise par le biais de coefficient dajustement associs aux vecteurs
de cointgration.
Daprs le tableau de VECM (tableau 4en annexe), nous constatons
que les paramtres dajustement associs au vecteur de cointgartion (vitesse
dajustement) sont non significatifs sauf pour la deuxime et la quatrime,
cela nous permet de dire que les variables les variables pib par tte et le
dgre douverture conomique sont faiblement exognes. Par contre les
variables lindice de prix la consommation dflat et la stabilit
macroconomique ne sont pas faiblement exogne . Le test dexognit
faible, nous ne permet pas par consquent de dire que lquation (5) sus-
crite est une quation des dpenses publiques.
Aprs le test dexognit faible, nous abordons ltape de
lestimation des paramtres de lquation statique des dpenses publiques,
selon Engle-Granger (1987) la simple mthode destimer la relation de long
terme entre les dpenses publiques, et les variables pib par tte, le dgre
stabilit macroconomique est dappliquer la mthode des moindres carrs
ordinaires (OLS) la rgression suivante :
DPt = 0 + 3Y t + 4 RIDt + 5 DOt + 6 D t + t (7)
Avec 0 ,3 , 4 , 5 , 6 reprsentent les coefficients de long terme.
Les paramtres estims de lquation (7) par OLS sont super convergentes
et biaises car les variables sont cointgres (Davidson et Mackinnon, 1993).
Afin damliorer les estimations, nous appliquons la correction de Stock et
Watson (1988) lquation (7) devient :
DPt = 0 + 3Y t + 4 RIDt + 5 DOt + 6 D t +
p p (8)
t i i
Y + RID t i +
i = p = p
p
DO +t
t i
i = p
Nous estimons les coefficients de la relation de long terme de lquation des
dpenses publiques comme suit :
DPt = 31, 28 0, 002Y t 1,14RIDt 0, 06DOt 1,89DAt +
0, 003Y t (+1) 0, 001Y t 0, 0006Y t (1) +
(9)
0, 22RIDt (1) + 0,33RIDt 0, 21RIDt (+1)
0, 01DOt (1) 0, 006DOt 0, 03DOt (+1) + t
170
Daprs le tableau (2) en annexe et selon le test de student nous

constatons que tous les coefficients des variables diffrencis de lquation
(9) sont non significatifs au niveau de 5 0 0 ,cela nous permet dcrire
lquation statique de notre modle, en prenant compte du correction de
Stock et Watson comme suit:
DPt =36, 67 0, 003Y t 1, 43RIDt 0, 08DOt 2, 86DAt
Ltude de la relation de court terme par le biais de ECM, nous

permet danalyser dune part la vitesse de convergence du taux de change
rel vers son niveau dquilibre de long terme et dautre part la contribution
des fondamentaux la dynamique de court terme. Cela nous amne tester
la signification des paramtres de lquation de court terme suivante
p p p
DPt = z t 1 + a i Y + RID t i + ci DO + DAt +t
t i t i
= i 0= i 0= i 0
Avec :
Z t 1 =DPt-1 (28,82 0.07DO1t-1 0, 001Y t-1 1,13RID t-1 2, 01DA t-1 )

Ou Z t 1 reprsente le rsidu de la relation de cointgration, et le
terme de correction derreur (la force de rappel ou terme dajustement).
Modlisons les dpenses publiques en fonction des rsidus de la
priode prcdente, du dpenses publiques retard dune priode, du pib par
tte prsent et retard dune priode, du degr douverture conomique
prsent et retard dune priode, du lindice de prix la consommation
dflat prsent et retard dune priode et du stabilit macroconomique.
Le modle ECM de lquation de notre modle par lapproche de Granger est
comme suit :
DPt = 0, 26 0, 21et 1 + 0, 06DPt (1)t 0,19DAt 0, 002Y t 0, 26RIDt 0, 006DO + t

Nous constatons que le coefficient associ la force de rappel est
ngatif (0,21) et significativement diffrent de zro au seuil statistique de
10% ( son t de student est suprieur la valeur tabule). Il existe donc un
mcanisme correction derreur .ce mcanisme indique la convergence des
trajectoires de la srie des dpenses publiques vers la cible de long terme.
Ainsi, le chocs sur les dpenses publiques de lAlgrie se corrigent 21%
par effet de feed- back.
Le calcul de la dure de la convergence peut se faire par la formule
suivante:
(1 - ) = (1 - ) T
171
Avec T , et sont respectivement le nombre dannes; le

coefficient de correction derreur et le pourcentage de chocs.
Nous avons utilis linverse du coefficient du force de rappel pour
calculer la dure de convergence et nous avons conclu que :
Un choc constat au cours d'une anne donne est entirement
rsorb au bout de 4 ans et 8 mois et demi.
Nous avons constat du tableau ECM par lapproche de Granger
(tableau 3 en annexe) que tous les coefficients des variables qui expliquent la
croissance des dpenses publiques ne sont pas significatifs, cela nous permet
de dire quil nexiste pas une relation de court terne entre les dpenses
publiques et le pib par tte, le degr douverture conomique, lindice de
prix la consommation dflat et la stabilit macroconomique.
Ce rsultat est confirm aussi par lutilisation par la mthode de
Johansen (tableau 4 en annexe )
Nous interprtons notre quation statique de long terme obtenu par le
MCO :
DPt = 28,82 0.07DO1t 0, 001Y t 1,13RIDt 2, 01DA t +
Nous constatons du tableau1 en annexe que tous les coefficients de
lquation sont significatifs au seuil 5% sauf le pib par tte et que les signes
des coefficients obtenus ne correspondront pas la thorie conomique :
La variable pib par tte possde un signe ngatif (le signe attendu
est positif) et il est non significatif, cela nous permet de dire que
notre modle ne vrifie pas la loi de Wagner
Le degr d'ouverture de l'conomie, capt dans notre modle par
la part des exportations et des importations dans le PIB, a une
influence ngative sur les dpenses publiques un niveau
significatif.
L'effet de Baumol, reflt par l'accroissement du prix relatif du
bien public avec une demande inlastique par rapport au prix, a
une influence ngative qui reflte une relation non positive entre
les dpenses publiques et lindice de prix la consommation
dflat. Cet rsultat se contredit avec la thorie de productivit de
Baumol. le test Statistique de student confirme la significativit
du coefficient au seuil 5%.
Si nous tudions lquation statique de notre modle(5) sans
constante, nous obtenons lestimation des coefficients par le MCO de la
forme suivante ;
DPt= 0.04DO1t + 0, 004Y t + 0, 06RIDt + 1, 5DA (10)
t
Nous avons dduis de cette quation la srie des rsidus et nous

avons appliqus le test de ADF cette srie. Ce test, nous confirme la
172
stationnarit des rsidus. Par consquent la relation estime de notre quation

(10)est une relation de cointgration.
Nous constatons que les coefficients de lquation sont significatifs
au seuil de 5% sauf leffet de Baumol (effet de productivit) et tous les
coefficients sont positifs et compatibles la thorie conomique et aux
signes prvus (voir tableau 5 en annexe) . Cela, nous permet de dire que
lquation statique de long terme des dpenses publiques sans constante
vrifie la loi de Wagner, cela se justifie par la relation positive quon a
trouve entre les dpenses publiques et le revenu par tte. Notre rsultat est
conforme ltude faite en 1988 par Abizadeh et Yousfi qui ont trouv un
effet positive entre les dpenses publiques et le revenu au Canada entre 1945
1984.
Pour mettre en uvre les tests de robustesse sur les rsidus, la
stabilit des coefficients, nous avons suivis les dmarches suivantes :
i) on utilise le test de Chow pour tester la stabilit des coefficients
(galits entre les coefficients). Ce test ne peut tre mis en pratique quaprs
avoir dtermin les sous priodes.
A cet effet, on va prendre deux sous priodes :
Premire priode : 1970-1986, do on a T1 = 17 observations
Deuxime priode : 1987-2009, do on a T 2 = 23 observations.
Nous rappelons que ce test se base sur la statistique suivante :
RSS - RSS1 T1 + T2 2 K
Chow = F ( K , T1 + T2 2 K )
RSS K
RSS est la somme des carrs rsiduels pour toutes les observations
(40 observations), RSS1 est la somme des carrs rsiduels pour la premire
sous priode et K le nombre de variables.
Sous lhypothse H 0 dgalit des coefficients contre H 1 linstabilit
des coefficients,
Lapplication de ce test, nous donne le rsultat suivant :
Chow = c
2, 61 < F t (4 , 32) =5.74
Selon le test de Chow, on peut conclure que les coefficients sont

stables.
ii) les rsidus de notre modle empirique respectent les quatre
conditions : la normalit, la stationnarit, lhomoscdasticit et
lindpendance entre les rsidus.
Les rsidus sont effectivement distribus comme une loi normale, le
test de Jarque-Bera accepte lhypothse nulle de normalit (
= JB =
2,52 0,05 (2) 5,99 ). Le test ADF sur les rsidus confirme la
2
173
stationnarit des rsidus en utilisant comme valeurs critiques la table de

Engle et Yoo (1987) (ADF estim = -3,29 est infrieur la valeur tabule
qui est gale -2,67). Le test de White (1980) accepte lhypothse nulle
lhomosscdasticit et rejette lhypothse alternative dhteroscdasticit.(
=TR 2 16, = 07 0,05
2
(14) 23, 685 )Le test de Durbin-Watson (DW) confirme

lindpendance des erreurs ( .( DW= d= 1,56 ; d L d d U )
iii) Pour confirmer que cette relation est globalement stable,
plusieurs tests peuvent tre utiliss : les tests de rsidus rcursifs, CUSUM
carrs et de CUSUM . Ce dernier test que nous allons appliquer.
Graphe 2: Test de CUSUM appliqu aux coefficients du modle
15
10
-5
-10
-15
88 90 92 94 96 98 00 02 04 06 08
CUSUM 5% Significance
Nous observons sur la graphique 2 que le CUSUM est lintrieure

de corridor. Ce test nous permet de dire que la relation est stable.
iv) le pouvoir explicatif dans notre modle est de 44 %, Cela nous
permet de dire que le pib par tte, le degr douverture conomique, lindice
de prix la consommation dflat et la stabilit macroconomique
expliquent fortement les dpenses publiques durant la priode dtude
Daprs ltude statistique que nous avons traite, nous pouvons
conclure que notre modle est globalement satisfaisant.
3.6Test de causalit
Dans ce paragraphe, nous allons voire est ce que les dpenses
publiques cause la croissance o la croissance cause les dpenses publiques
o il ya une relation de feed-back entre le deux ? Pour rpondre cet
question, nous allons appliquer le test de causalit de Granger. Le principe de
causalit est comme suit ;
On dira X cause Y si la prvision fonde sur la connaissance des
passe conjointe de X et de Y est meilleur que la prvision fond sur la seul
connaissance de Y
Nous appliquons les tests de non causalit qui se repose sur la
statistique de maximum de vraisemblance :
= TC X Y (11)
174
O T et C X Y reprsente respectivement le nombre dobservation et

la mesure de causalit
Sous lhypothse nulle de non causalit lexpression (11) suit une loi
de Khi deux (T ) p dgre de libert o est le nombre de contrainte
imposes. La rgle de dcision est la suivante :
Si < 2 ( (T ) p ) , on accepte lhypothse nulle dabsence de
causalit
Si > 2 ( (T ) p ) , on rejette lhypothse nulle dabsence de
causalit
Le resautt de lapplication de test de causalit de Granger se rsume
dans le tableau suivant :
Tableau 3 : test de causalit de Granger
Lhypothse nulle F statistique Prob
Le revenu par tte ne 1,33 0,25
cause pas les dpenses
publiques
les dpenses publiques ne 3,64 0,06
cause pas le revenu par
tte
Daprs le tableau3 de causalit, nous rejetons lhypothse nulle de

non causalit, cela nous permet dire que le revenu par tte cause les dpenses
publiques et les dpenses publiques ne cause pas le revenu par tte, do il y
a une relation de feed-back.
4 .Conclusion
Lobjet de notre article est dtudier la liaison entre les dpenses
publiques et la croissance conomique en Algrie durant la priode 1970
2010 et de tester la vracit de la loi de Wagner pour lconomie algrienne
par une approche de la demande pour vrifier leffet positif entre la part des
dpenses publiques par rapport au PIB et les variables suivants ; le revenu
par tte, la population, lurbanisation, le degrs douverture conomique,
leffet de Baumol et la stabilit macroconomie.
Nous avons conclu de notre tude que la loi de Wagner se vrifie
pour lconomie algrienne si nous prenons lquation du modle ( la
fonction de la demande de croissances des dpenses publiques) sans
constante. Par contre notre modle ne confirme pas la loi de Wagner, si nous
prenons lquation de stabilit de long terme des croissances avec constante.
Nous avons conclu aussi de notre tude quil y a une relation de feed
-back entre les dpenses publiques et le revenu par tte par le test de
causalit de Granger
175
References:
Abizadeh S. et Yousefi M. (1988), The growth of government expenditure:
the case of Canada , Public Finance Quaterly
Barro R.J. (1991), Economics growth in a cross section of countries ,
Quaterly journal of Economics, 106, pp 407-443.
Baumol W.J. (1967), The macroeconomics of unbalanced growth ,
American Economic Review.
Bernard J. (1985), Economie publique , Economica.
Bird R.M. (1972), The displacement effect : a critical note , public
finance.
Black D. (1948), On the rationale of group decision making , Georges
Allen and Unwin, UK.
Blais A. et Nadeau R. (1992), The electoral budget cycle , public choice
74
Borcheding T.E. (1977), Budgets and bureaucrats: the sources of
Government growth , Duke U.P., 1977.
Bourbonnais R. (2002), Economtrie , Dunod, 4e Edition.
Bresson G. et Pirote A. (1995), Economtrie des sries
temporelles , PUF, Paris
Davidson R., Mckinnon J. (1993), Estimation and Inference in
Econometrics, New-York, Oxford University Press
Dickey D.A. et Fuller W.A. (1981), Likelihood ratio statistics for
autoregessive time series with a unit root , Econometrica.
Dickey D.A. et Fuller W.A. (1979), Distribution of the estimators for
autoregressive time series with a unit root , journal of the American
statistical association.
Durbin J., Watson G. (1950), Testing for serial Correlation in Least Squares
Regression, Biometrika
Elkhider A, Kchirid E., Tahiri C. (2005), "Identification des dpenses
publiques porteuses de croissance conomique : cas du Maroc de 1970
2003", Working paper du projet FEMISE 22-26
Engle R.F. et Granger C.W.J. (1987), Cointegration and error correction:
representation, estimation and testing , Econometrica.
Engle R.F. et Yoo S. (1987), Forecasting and testing in cointegrated
systems , Journal of Econometrics.
Engle R.F. et Granger C.W.J. (1987), Cointegration and error correction:
representation, estimation and testing , Econometrica.
Engle R.F. et Yoo S. (1987), Forecasting and testing in cointegrated
systems , Journal of Econometrics.
Johansen S.(1988), Estimation and Hypothesis Testing of Cointegration
Vectors in Gaussian Vector Autoregressive Models , Econometrica
176
Johansen S.(1991), Statistical Analysis of Cointegration Vectors , Journal

of Economic Dynamics and control
Johansen S., Juselius K. (1990), Maximum Likelihood Estimation and
Inferences on cointegration with Application to the Demand for Money,
Oxford Bulletin of Economics and Statistics
Laffont J. J. (1988), fondement de l'conomie publique, Economica , vol
I et II
Gaudemet P.M. et Molinier J. (1996), Finances publiques , 7e dition,
Montchrestien.
Granger C.W.J. (1983): Cointegrating variables and error correcting
models , UCSD Discussion paper.
Greene W. (2005), Economtrie , 5e d, Pearson Education France
Mignon V. et Lardic S. (2002) , Economtrie des sries temporelles
macroconomiques et financires , Economica
Muller D.C. et Murell P. (1985) , Interest groups and the political economy
of government size , in Forte F. et Peacock A.: Public expenditure and
government growth , Oxford.
Musgrave R.A. (1959), Theory of public finance, New York, USA,
McGraw Hill.
Musgrave R.A. (1986), Public finance in a democratic society , Oxford:
Harvester Press.
Niskanen W.J. (1971), Bureaucracy and representative government ,
Chicago, Aldine Atherton
Peacock A.T. et Wiseman J. (1967), The growth of public expenditures in
the United Kingdom 1890-1955, Allen and Unwin , London
Ram R. (1987), Wagner's hypothesis in time series and cross-section
perspectives: evidence from real data 115 countries , the Review of
Economics and Statistics.
Romuald Sostaine F. (2009), croissance des dpenses publiques et
incidences sur le dveloppement au Cameroun : le cas du secteur de
l'ducation, mmoire de D.E.A., universit de Yaound II
Stock J., Watson M. (1988), Testing for Common Trends Journal of the
American Statistical Association
Wagner A. (1909-1913) : Les fondements de l'conomie politique, Paris, 5
volumes
Weber L. (1978) : Analyse conomique des dpenses publiques, P.U.F.
White H. (1980), A Heteroskedasticity-Consistant Covariance Estimator
and a Direct Test for Heteroskedasticity Econometrica
177
Annexe
Tableau 1
Dependent Variable: DP1
Method: Least Squares
Date: 05/16/12 Time: 21:56
Sample: 1970 2009
Included observations: 40
Variable Coefficient Std. Error t-Statistic Prob.
C 28.82750 3.535224 8.154363 0.0000

Y -0.001293 0.000881 -1.467370 0.1512
DO1 -0.077855 0.019229 -4.048933 0.0003
RP1 -1.137801 0.155301 -7.326417 0.0000
DA -2.017288 0.543405 -3.712308 0.0007
R-squared 0.807392 Mean dependent var 12.52269

Adjusted R-squared 0.785379 S.D. dependent var 1.580018
S.E. of regression 0.731978 Akaike info criterion 2.330335
Sum squared resid 18.75270 Schwarz criterion 2.541445
Log likelihood -41.60670 Hannan-Quinn criter. 2.406666
F-statistic 36.67896 Durbin-Watson stat 1.160597
Prob(F-statistic) 0.000000
Tableau 2
Date: 05/18/12 Time: 08:27
Sample(adjusted): 1972 2008
Included observations: 37 after adjusting endpoints
C 31.28313 5.003131 6.252711 0.0000

Y -0.002937 0.001282 -2.290811 0.0315
RP1 -1.140481 0.232149 -4.912719 0.0001
DO1 -0.066941 0.032116 -2.084330 0.0484
DA -1.899380 0.763447 -2.487901 0.0205
D(Y(+1)) 0.003377 0.003937 0.857862 0.3998
D(Y(-1)) -0.000614 0.003242 -0.189410 0.8514
D(Y) -0.001198 0.002602 -0.460288 0.6496
D(DO1(-1)) -0.015465 0.036783 -0.420433 0.6781
D(DO1(+1)) -0.038172 0.043726 -0.872989 0.3917
D((DO1)) -0.006859 0.040457 -0.169548 0.8668
D(RP1(-1)) 0.190864 0.271183 0.703818 0.4886
D(RP1) 0.332103 0.355829 0.933323 0.3603
D(RP1(+1)) -0.213793 0.491835 -0.434684 0.6678
178

Log likelihood -31.93691 F-statistic 7.572364
Durbin-Watson stat 1.466912 Prob(F-statistic) 0.000015
Tableau 3
Dependent Variable: D(DP1)

Date: 05/17/12 Time: 22:50
Sample (adjusted): 1972 2009
Included observations: 38 after adjustments
C 0.260813 0.228310 1.142365 0.5326

RR(-1) -0.214371 0.111915 -1.915471 NA
D(DP1(-1)) 0.062439 0.153957 0.405559 0.6879
D(Y) -0.002010 0.002001 -1.004300 0.3230
D(DO1) -0.006045 0.026371 -0.229249 0.8202
D(RP1) -0.266845 0.243513 -1.095814 0.2816
DA -0.195282 0.253720 -0.769674 0.4473

Log likelihood -36.04430 Hannan-Quinn criter. 2.372818
Durbin-Watson stat 2.135342
179
Tableau 4
Vector Error Correction Estimates

Date: 05/19/12 Time: 10:39
Sample (adjusted): 1972 2009
Included observations: 38 after adjustments
Standard errors in ( ) & t-statistics in [ ]
Cointegrating Eq: CointEq1
DP1(-1) 1.000000
RP1(-1) 1.526565
(1.06782)
[ 1.42961]
Y(-1) 0.008896
(0.00537)
[ 1.65603]
DA(-1) 3.485603
(3.55835)
[ 0.97956]
DO1(-1) -0.265633
(0.12585)
[-2.11064]
C -26.85548
Error Correction: D(DP1) D(RP1) D(Y) D(DA) D(DO1)
CointEq1 -0.033786 -0.037245 -7.696978 0.002029 0.781149

(0.03875) (0.03728) (3.14663) (0.00894) (0.32067)
[-0.87181] [-0.99904] [-2.44610] [ 0.22701] [ 2.43600]
D(DP1(-1)) -0.283131 0.014774 4.043274 -0.024648 0.111695

(0.19331) (0.18597) (15.6962) (0.04459) (1.59958)
[-1.46462] [ 0.07945] [ 0.25760] [-0.55279] [ 0.06983]
D(RP1(-1)) -0.279672 -0.229923 4.937800 0.018654 -1.327192

(0.26677) (0.25663) (21.6604) (0.06153) (2.20738)
[-1.04837] [-0.89594] [ 0.22796] [ 0.30316] [-0.60125]
D(Y(-1)) 0.000146 -0.001460 -0.220875 -0.000191 0.023027

(0.00218) (0.00210) (0.17729) (0.00050) (0.01807)
[ 0.06700] [-0.69520] [-1.24588] [-0.37985] [ 1.27457]
D(DA(-1)) -0.343814 -0.427586 -49.18948 -0.118598 -4.649696

(0.89116) (0.85729) (72.3587) (0.20555) (7.37397)
180
[-0.38580] [-0.49876] [-0.67980] [-0.57698] [-0.63056]
D(DO1(-1)) -0.003389 -0.068919 -1.174949 -0.000939 0.270290

(0.03037) (0.02921) (2.46570) (0.00700) (0.25128)
[-0.11161] [-2.35916] [-0.47652] [-0.13402] [ 1.07567]
C 0.119326 -0.169239 31.83169 0.042293 -0.581991

(0.15282) (0.14701) (12.4080) (0.03525) (1.26448)
[ 0.78085] [-1.15122] [ 2.56543] [ 1.19989] [-0.46026]
R-squared 0.150487 0.232654 0.270290 0.042765 0.234561

Adj. R-squared -0.013935 0.084135 0.129056 -0.142506 0.086411
Sum sq. resids 17.51958 16.21321 115502.3 0.932044 1199.532
S.E. equation 0.751763 0.723192 61.03999 0.173395 6.220497
F-statistic 0.915247 1.566498 1.913774 0.230826 1.583271
Log likelihood -39.20859 -37.73623 -206.2894 16.53160 -119.5096
Akaike AIC 2.432031 2.354539 11.22576 -0.501663 6.658399
Schwarz SC 2.733692 2.656199 11.52742 -0.200002 6.960059
Mean dependent 0.131165 -0.183237 25.18527 0.026316 0.210625
S.D. dependent 0.746579 0.755680 65.40626 0.162221 6.508032
Determinant resid covariance (dof adj.) 268.2349

Determinant resid covariance 96.91829
Log likelihood -356.5018
Akaike information criterion 20.86852
Schwarz criterion 22.59229
Tableau 5
Date: 05/16/12 Time: 16:04
Sample: 1970 2009
Included observations: 40
RP1 0.064705 0.081771 0.791297 0.4340

Y 0.004620 0.000841 5.496043 0.0000
DA 1.579214 0.532987 2.962951 0.0054
DO1 0.046647 0.019626 2.376848 0.0229

Log likelihood -62.89966 Durbin-Watson stat 0.773186
181

1646 5005 1 PB

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

1646 5005 1 PB

Transféré par

Droits d'auteur :

Formats disponibles

European Scientific Journal August 2013 edition vol.9, No.

22 ISSN: 1857 7881 (Print) e - ISSN 1857- 7431

Keywords: Wagner law, government spending, growth, stationarity, VECM

Mots cls : loi Wagner, dpenses publiques, croissance, stationnarit, ECM

2. Le cadre thorique du modle

La vrification empirique de cette loi peut se faire aussi par

3. Application empirique du modle

Graphe 1 : lvolution des variables de ltude

depenses publiques dgr d'ouverture

pib par tte population

prop de pop urb IPC dflat

3.3 Test de racine unitaire

Dickey et Fuller considrent trois modles de base pour la srie X t :

Par contre si le coefficient a est significativement nul, on passe

Modle(4) : modle sans constante ni tendance dterministe

Modle(5) : modle avec constante sans tendance dterministe

Modle(6) : modle avec constante et tendance dterministe

La mise en uvre du test de ADF est similaire au test de DF seules

DPt 1 1,08 I(1)

dDPt 1 -7,02 I(0)

LPt 1 -7,21 I(0)

En comparant les valeurs calcules de ADF (Tableau 1) avec la

3.4.1 Application du test de Johansen

Nous testons premirement lhypothse o le nombre de vecteurs de

3.4.2Application de la mthode de Engle et Granger

On dduit de lestimation de la relation statique (6) la srie des

Daprs le tableau (2) en annexe et selon le test de student nous

Ltude de la relation de court terme par le biais de ECM, nous

Z t 1 =DPt-1 (28,82 0.07DO1t-1 0, 001Y t-1 1,13RID t-1 2, 01DA t-1 )

DPt = 0, 26 0, 21et 1 + 0, 06DPt (1)t 0,19DAt 0, 002Y t 0, 26RIDt 0, 006DO + t

Avec T , et sont respectivement le nombre dannes; le

Nous avons dduis de cette quation la srie des rsidus et nous

stationnarit des rsidus. Par consquent la relation estime de notre quation

Selon le test de Chow, on peut conclure que les coefficients sont

stationnarit des rsidus en utilisant comme valeurs critiques la table de

Nous observons sur la graphique 2 que le CUSUM est lintrieure

O T et C X Y reprsente respectivement le nombre dobservation et

Daprs le tableau3 de causalit, nous rejetons lhypothse nulle de

Johansen S.(1991), Statistical Analysis of Cointegration Vectors , Journal

Variable Coefficient Std. Error t-Statistic Prob.

C 28.82750 3.535224 8.154363 0.0000

R-squared 0.807392 Mean dependent var 12.52269

Variable Coefficient Std. Error t-Statistic Prob.

C 31.28313 5.003131 6.252711 0.0000

R-squared 0.810607 Mean dependent var 12.64050

Adjusted R-squared 0.703559 S.D. dependent var 1.336276

Dependent Variable: D(DP1)

Variable Coefficient Std. Error t-Statistic Prob.

C 0.260813 0.228310 1.142365 0.5326

S.E. of regression 0.691699 Akaike info criterion 2.265489

Vector Error Correction Estimates

Cointegrating Eq: CointEq1

Error Correction: D(DP1) D(RP1) D(Y) D(DA) D(DO1)

CointEq1 -0.033786 -0.037245 -7.696978 0.002029 0.781149

D(DP1(-1)) -0.283131 0.014774 4.043274 -0.024648 0.111695

D(RP1(-1)) -0.279672 -0.229923 4.937800 0.018654 -1.327192

D(Y(-1)) 0.000146 -0.001460 -0.220875 -0.000191 0.023027

D(DA(-1)) -0.343814 -0.427586 -49.18948 -0.118598 -4.649696

[-0.38580] [-0.49876] [-0.67980] [-0.57698] [-0.63056]

D(DO1(-1)) -0.003389 -0.068919 -1.174949 -0.000939 0.270290

C 0.119326 -0.169239 31.83169 0.042293 -0.581991

R-squared 0.150487 0.232654 0.270290 0.042765 0.234561

Determinant resid covariance (dof adj.) 268.2349