Vous êtes sur la page 1sur 20

REMFO N°6 Octobre 2017 ISSN 2489-205X

Revue D’Etudes e Ma age e t et Fi a ce D’Orga isatio


N°6 Octobre 2017
IMPACTS DIRECTS ET INDIRECTS DU CAPITAL IMMATÉRIEL
SUR LA RICHESSE DES PAYS DÉVELOPPÉS ET EN
DÉVELOPPEMENT
DIRECT AND INDIRECT IMPACTS OF INTANGIBLE CAPITAL ON
THE WEALTH OF DEVELOPED AND DEVELOPING COUNTRIES
SOUSSI NOUFAIL Outmane
Professeur chercheur
Faculté des Sciences Juridiques Economiques et Sociales de Salé
Université Mohamed 5, Rabat.
Email : soussioutmane@gmail.com
Résumé
Une question essentielle se pose aujourd’hui dans une économie de plus en plus dépendante
du savoir et de l’innovation : quel est l’impact de cette nouvelle économie sur la richesse des
économies. Le capital immatériel est devenu la clé principale d’évaluer la performance
économique et la croissance des pays. Ce travail trace les effets directs et indirects du capital
immatériel sur la richesse globale des économies mondiales, en se basant sur les données de la
banque mondiale pour un panel de 153 pays développés et en développement. Différents
canaux de transmissions ont été observés à travers les résultats des estimations de l’équation
de croissance de Barro et sala-i-Martin. En particulier, l’investissement en éducation, le
développement du marché financier et le contrôle de la croissance démographique. Les
résultats affirment que l’investissement intérieur fixe a un effet significatif sur le capital
immatériel et la richesse des pays développés et en développement.
Mots clés : Capital immatériel, croissance économique et richesse des nations, canaux de
transmission, données de panel, MMG.
Abstract
An essential question arises today in an economy increasingly dependent on the knowledge
and on the innovation: what is the impact of this new economy on the wealth of economies.
Intangible capital has become the head teacher to evaluate the economic performance and
growth of countries. This paper outlines the direct and indirect effects of the intangible capital
on the global wealth of global economies, based on data from the World Bank for a panel of
153 developed and developing countries. Different transmission channels were observed
through the results of estimates of the growth equation Barro and Sala-i-Martin. In particular,
the investment in education, the financial market development and control population growth.
Besides, the results argue that the fixed domestic investment has a significant effect on the
intangible capital and the wealth of the developed countries and in development.
Key words: Intangible Capital, economic growth and wealth of nations, transmission
channels, panel data, MMG.

REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
2

Introduction
Une grande avancée depuis la publication des travaux de la banque mondiale (2006, et 2011)
en analysant les différentes composantes de la richesse des nations. La composition de la
richesse immatérielle a été estimée sur la base d’un ensemble de données transversales, cette
analyse avait un certain nombre de limites qui peuvent être liées à l’omission de variables
liées aux caractères fixes de chaque pays ou à des chocs communs (crise de 2008). Ces
estimations ont montré que dans la majorité des pays analysés, la part du capital immatériel
représente la part la plus importante dans la richesse totale. Le capital immatériel est calculé
comme une simple différence (écart résiduel) entre la richesse totale et le capital matériel
(produit et naturel).
Ce papier utilise les nouvelles estimations de la richesse totale et du capital immatériel pour
un panel de pays développés et en développement pour faire la lumière sur les effets directs et
indirects existants entre ces deux vecteurs.
La principale caractéristique de ces estimations c’est que le comportement des économies a
changé, et désormais elles dépendent de l’importance du capital immatériel. Ainsi le capital
immatériel peut avoir un impact positif sur le processus de création de la richesse des
économies. Il offre un formidable moyen potentiel d’établir des distinctions entre les pays et
leurs classements. L’intérêt que portent les institutions internationales sur le capital
immatériel et la richesse globale a suscité un nombre croissant des études durant cette
dernière décennie.
Ces études ont confirmé que le capital immatériel est considéré comme une ressource très
importante pour déterminer le succès de toute politique économique. La performance
économique dépend de la façon dont le matériel, financier, et des ressources humaines sont
gérées et contrôlées, ainsi que sur l'ensemble de conditions immatérielles créées par la
dynamique de la croissance d’une économie.
Cependant malgré le volume important des investigations empiriques sur cette thématique et
sa relation avec la croissance économique. À notre connaissance, il n’existe pas d’études qui
ont présenté un intérêt des impacts de la richesse sur le capital immatériel. Globalement, nous
constatons à travers les estimations économétriques que les niveaux du capital immatériel et
la richesse globale sont positivement et significativement corrélés. Les résultats montrent
aussi qu’il existe une relation positive et significative entre la richesse totale des nations d’une
part entre la variation du terme de l’échange, et d’autres parts, avec le ratio de
l’investissement privé. Aussi la capitalisation boursière a un effet significatif et positif sur la
richesse totale. Cependant, les autres variables explicatives notamment la dotation des
ressources humaines d’une part, est jugée significative malgré un signe négatif qui est à
l’encontre des affirmations théoriques, et d’autre part, la croissance démographique qui
représente un coefficient significatif et positivement corrélé avec la création de la richesse
globale.

2
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
3

1. REVUE DE LA LITTÉRATURE THÉORIQUE


Avant l’émergence et la montée des études relatives aux cycles économiques et aux politiques
de stabilisation, le modèle de croissance proposé par Rober Solow et Trevor Swan (1950) en
fonction de l’accumulation des facteurs (CT) et du progrès technologique (LT) a été au cœur
de la réflexion et a été riche en termes de concluions. Les différentes contributions empiriques
principalement appliquées aux États-Unis étaient florissantes (Dal Jorgenson). Actuellement,
il est constaté que l’intérêt académique et le nombre de recherches et les études sur la
croissance économique a augmenté progressivement par l’utilisation des nouvelles techniques
de relatives à la modélisation de la dynamique de la croissance économique d’une part, et le
déploiement des bases données importantes à une échelle mondiale.
En effet, la montée de la modélisation de la croissance économique a commencé après des
réactions face aux différentes limites du modèle néoclassique qui a conduit par conséquent de
nombreux chercheurs à proposer des solutions alternatives. Paul Romer (1986) a développé la
théorie de la croissance endogène, qui consiste à construire des représentations
mathématiques ou un modèle dans lequel la croissance économique sur le long terme n’est
pas le résultat d’un progrès technologique exogène, mais se produit par les externalités
générées par l'accumulation de capital qui compensent des rendements décroissants. Robert
Lucas (1988), un autre pionnier de la nouvelle littérature sur la croissance, a présenté un
modèle dans lequel le capital humain joue un rôle fondamental dans la perpétuation de la
croissance économique et la prévention des rendements décroissants à l'accumulation de
capital physique.
Les examens de la nouvelle littérature sur la croissance a était la base des travaux de Xavier
Sala-i-Martin. À cet effet, il a mis l’accent sur trois aspects dans sa contribution ; il a mis en
exergue le lien étroit entre les nouvelles théories et les données empiriques utilisées pour les
tester. Ensuite, il a mis l’accent sur le progrès technologique endogène principalement les
rendements croissants fournis par le marché par la concurrence monopolistique. Et enfin,
fusion des différents volets de l'économie, particulièrement, l’interaction par la croissance
économique entre la macroéconomie de la théorie des cycles et celle de l’analyse
institutionnelle et la planification économique.

La définition et la composition du capital immatériel diffèrent selon le contexte national et


international. Il existe plusieurs propositions de définitions et de classifications distinctes.
Dans son projet MERITUM, la commission européenne différencie entre le capital humain, le
capital relationnel et le capital structurel. La Fédération internationale des Comptables partage
le capital immatériel en capital humain, capital relationnel et capital organisationnel. L’OCDE
de son côté retient la dénomination d’«actifs intellectuels» et sépare l’investissement
immatériel en technologie, entre les logiciels et entre les marchés des investissements dans
«l’appui aux investissements immatériels».

2. REVUE DE LA LITTÉRATURE EMPIRIQUE


L’un des principaux résultats de l’ouvrage de la banque mondiale, à travers lesquels les
chercheurs ont mesuré le capital immatériel aux 21 siècles, ils arrivent à la conclusion que

3
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
4

78% de la richesse du monde est due d’une façon ou d’une autre, au capital immatériel1. Ces
résultats varient par régions et entre les pays que ce soient des pays développés ou en
développement, dans lesquels les résultats montrent que le poids du capital immatériel
représente plus que la moitié de la richesse. Tandis que dans les pays de l’OCDE (revenu
élevé) ce ratio s’élève à 80%.
Il existe plusieurs études empiriques qui ont tenté d’estimer l’importance des actifs
incorporels en faveur de la croissance économique. Nous distinguant deux types d’études qui
sont encore utilisés dans la littérature empirique sur la relation entre le capital immatériel et la
croissance économique.
Le premier groupe de chercheurs a utilisé les calculs comptables de la croissance économique
en intégrant des mesures du capital immatériel dans un modèle de croissance. Alors que les
autres travaux utilisent les estimations économétriques et des régressions sur des modèles de
la croissance économique. L’intérêt de cette voie d’investigation est double ; d’une part, elle
renseigne la part d’une variable dépendante expliquée par les différentes variables
explicatives, et d’autre part, déterminer par le biais de la réduction de la variance inexpliquée
(résiduelle) lors de l’ajout d’une certaine variable indépendante. En plus, et contrairement à
l’exercice comptable, les techniques économétriques sont appliquées sur divers types de
données (transversales, panel, etc.).
Il existe une grande littérature qui touche le premier volé basé sur les calculs sur la base des
données issues de la comptabilité et qui débouchent sur des équations de la croissance
économique. On distingue par ailleurs des études de type micro-économique (des entreprises),
et ceux dans un cadre macro-économique (national). Sichel (2008) a montré que l'une des
approches les plus récentes pour mesurer le capital immatériel est de mesurer la différence
(écart) entre la valeur de marché d'une entreprise et ses actifs corporels. Plusieurs études
micro-économiques par Brynjolfsson et Yang (1999) et par Brynjolfsson, Hitt et Yang (2002)
ont suivi cette approche pour analyser la relation entre l'investissement immatériel et le
développement des ordinateurs (secteur de la nouvelle technologie) aux États-Unis. Webster
(2000) de sa part a adopté une approche similaire en utilisant les données micro-économiques
australiennes, et il a trouvé que le ratio des actifs incorporels sur le capital total a augmenté de
1,25% par an de 1948 à 1998. Cummins (2005) a défini le capital immatériel en termes
d'ajustement des coûts et utilise des données américaines des entreprises pour estimer ces
coûts. Lev et Radhakrishnan (2005) ont construit une autre mesure du capital immatériel en
utilisant une variable qui mesure les « ventes, frais généraux et administratifs » comme une
variable proxy mesurant le capital organisationnel. Leurs données représentent un panel de 15
pays européens.

2.1. Revue de littérature empirique qui trace l’importance du capital immatériel


Par ailleurs, plusieurs travaux empiriques ont démontré l’importance des dépenses
d’immobilisation incorporelle dans la croissance économique. Ainsi, ces travaux ont mesuré

1
Banque mondiale (2006), Où est la richesse des nations ?

4
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
5

le capital immatériel par le volume du stock du capital en pourcentage du PIB. Dans ce cadre,
Corrado, Hulten et Sichel (2005) ont trouvé que la part des investissements dans les actifs
incorporels était de 12% du PIB aux États-Unis entre 1998 et 2000.
Au Royaume-Uni, Giorgio Marrane et Haskel (2006) ont montré que le secteur privé a
dépensé une somme équivalente à 11 % du PIB sur les actifs incorporels en 2004. Quant aux
Jalava, Aulin- Ahmavaara et Alenen (2007), ils ont constaté qu’en 2005 l'investissement dans
les actifs incorporels finlandais a été de 9,1% en pourcentage du PIB.
En 2<007, Fukao, Hamagata, Miyagawa et Tonogi (2007) ont conclu que la part de 7,5% du
PIB est investie dans le capital immatériel au Japon entre 1995 et 2002. Alors que l’étude
d’Hao, Manole et van Ark en 2008 sur les dépenses en pourcentage du PIB sur le capital
immatériel pour l'Allemagne, la France, l'Italie et l'Espagne, a démontré que l'Italie et
l'Espagne ont investi 5,2%, l'Allemagne de 7,1% et la France de 8,8%. Van Rooijen, Van Den
Bergen et Tanriseven (2008) trouvent 10% pour les Pays-Bas entre 2001 et 2004. Edquist
(2009) a suit une approche similaire et, il a trouvé qu'en Suède, les dépenses totales sur les
actifs incorporels étaient équivalentes à 10,6% du PIB en 2004. Nakamura (2010) a estimé,
aux États-Unis durant la période de 1959 à 2007, que l'investissement dans le capital
immatériel est aussi important que l'investissement dans les actifs corporels.

2.2. Capital immatériel mesuré à partir des calculs de la comptabilité nationale


Dans ce contexte, Corrado, Hulten et Sichel (2006) ont repris ces premières analyses avec
plus d'attention, et ils ont développé une méthodologie pour estimer la contribution du capital
immatériel à la croissance économique en utilisant un cadre comptable basé sur des équations
de la croissance. Ainsi, leur travail a été basé sur des données de la comptabilité nationale des
États-Unis durant la période 1973-1995, ils ont montré que la contribution du capital
immatériel dans la croissance était de 26%, et de 27% sur la période 1995-2003. Dans ce
modèle, la variance résiduelle est appelée «productivité multifactorielle».
Partant de cette méthodologie, Marrane, Haskel et Wallis (2007) ont travaillé sur des données
comptables du Royaume-Uni. Et ils ont trouvé que durant la période de 1979 à 2005, 15% de
la croissance de la productivité du travail est représenté par le capital immatériel, et ce ratio a
gagné 5 points durant la période 1995- 2003. Ainsi, la variance résiduelle a décliné de 22% à
16% lors de l'ajout du capital immatériel dans leurs équations.
L’exercice de Jalava, Aulin-Ahmavaara et Alanen (2007) a été similaire pour la Finlande. Ces
auteurs ont constaté que l’augmentation de capital incorporel a été très importante après l’an
2000. Ils ont trouvé que la part du capital immatériel est de 16% par rapport à la croissance de
la productivité du travail durant la période 1995 et 2000, et de 30% de 2000 à 2005.
Pour le Japon, cet accroissement de l'importance du capital immatériel dans le temps a été
vérifié dans le travail de Fukao, Hamagata, Miyagwa et Tonogi (2007). Ils trouvent que le
capital immatériel explique 11% de la croissance japonaise entre 1980 et 1990 et 40% durant
la période 1990-2002. Ils trouvent en outre que l'ajout de capital immatériel au modèle
augmente la croissance de 3% en 1980-1990 et de 7% en 1990 au 2002. Les auteurs ont

5
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
6

montré aussi qu’en intégrant le capital immatériel dans la spécification du modèle, cela
provoque aussi une décroissance de la part de la productivité multifactorielle.
Une autre étude élaborée pour l’Allemagne, la France, l'Italie et l'Espagne durant la période
1995-2003 par Hao, Manole et van Ark (2008). Leurs résultats montrent que le capital
immatériel représente respectivement 31%, 37%, 59% et 64% en Allemagne, en France, en
Italie et en Espagne, de la croissance de la productivité du travail. Selon leurs estimations, la
croissance économique a enregistré une augmentation de 10% en Allemagne, 14% en France,
37% en Italie et 40% en Espagne.
Dans un travail tout à fait récent (2009), et en adéquation avec les autres travaux empirique,
Corrado, Hao, Hulten et Van Ark ont effectué une simulation pour plusieurs pays notamment
les États-Unis et 27 pays européens de façon indépendante entre 1995 et 2006. Ils affirment
que les comptes référant au capital immatériel s’élèvent à 28% de la croissance de la
productivité du marché du travail aux États-Unis. Dans les pays européens, le capital
immatériel semble être légèrement moins important. En effet, l’Allemagne, la France, l'Italie,
l'Espagne, l'Autriche et le Danemark, le capital immatériel représente environ 22% de la
croissance de la productivité du travail. Toutes les études récentes affirment l’existence d’un
effet positif du capital immatériel sur les diverses mesures de la croissance économique dans
les différents pays et durant des périodes différentes.

2.3. Capital immatériel mesuré à partir des estimations sur la base d’enquêtes
Un autre type de travaux empiriques concerne l’étude de la relation entre la recherche et
développement (R et D) et la croissance économique en utilisant des techniques d’estimation
basées sur des régressions économétriques des équations de la croissance économique. Ces
travaux fournissent aussi des résultats qui affirment de l’existence d’un effet positif de la R et
D sur la croissance économique sur la base des données micro-économiques (niveau de la
firme) et qui ont par ailleurs permis de classer certains pays qui ont été objet de ces études.
Lichtenberg (1993) fut le premier à montrer empiriquement que la R et D stimule la
productivité au niveau agrégé ou macro-économique en plus du niveau de la firme (micro-
économique). Il l'a montré à partir d’une régression transversale pour 53 pays, que l'élasticité
de la production par rapport à la R et D privée est à environ 7%, soit environ un tiers de plus
que celle de la production par rapport au capital physique.
Coe et Helpman (1995) montrent la mesure dans laquelle la productivité d'un pays dépend de
la R et D des stocks du capital national et étranger. En utilisant les données macro-
économiques agrégées en panel pour les 21 pays de l'OCDE et Israël sur la période 1971 à
1990. Leurs résultats montrent qu'il existe une relation étroite entre les deux vecteurs. Plus
précisément, ils montrent que l'élasticité de la productivité totale des facteurs est de 0,073
0,159 et 0,273 respectivement par rapport à la R et D nationale, celle du G7, et étrangère. Coe
et Helpman concluent que les élasticités estimées de la R et D sont plus importantes. Cette
étude est la première et la plus importante puisqu’elle a montré empiriquement que la
croissance économique d'un pays dépend de sa propre R et D.

6
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
7

Park (1995) examine la mesure dans laquelle les investissements en R et D locale génèrent
des effets à l’international en utilisant un ensemble de données de panel de dix pays de
l'OCDE sur la période 1970-1987. Cette étude a développé trois résultats différents ; des
effets de la R et D publique et privée sur la croissance, des effets des externalités de
connaissances internationales dans la production et des effets des externalités de
connaissances internationales dans la recherche. Il présente par le biais de la méthode des
moindres carrées ordinaires, les estimations de l'équation avec effets fixes et avec effets
aléatoires de l’équation de la croissance. Les résultats indiquent que les effets internationaux
du savoir sont asymétriques : les poids des effets de la R et D privée étrangère sont plus
grands pour seulement les petits pays. Étant donné que les grands pays comme les États-Unis,
le Japon et l'Allemagne engagent la majeure partie de la recherche, les petits pays ont
tendance à recevoir plus de retombées de l’innovation étrangère qu'ils génèrent localement, et
inversement.
Toutes les autres études empiriques se sont concentrées sur des données macro-économiques
agrégées, et utilisent le stock de dépenses de R et D comme mesure du capital immatériel en
distinguant entre les dépenses de R et D privées et étrangères. O'Mahony et Vecchi (2003) ont
utilisé les techniques de l’information et de la communication (TIC) comme mesure de
l’innovation. Ils trouvent un effet positif et significatif du capital des TIC sur la croissance
économique.
Kahn et Lunitel (2006) ont effectué une estimation d’un panel hétérogène et ils constatent que
les trois volets de la R et D (privée, publique et étrangère) ont des effets positifs et
significatifs sur la croissance économique pour tous les pays de leur échantillon (16 pays de
l’OCDE).
Bassanini et Scarpetta (2001) de leur côté, confirment ces conclusions en utilisant les 16 pays
de l’OCDE, mais ils n’ont pas pris en considération l’hétérogénéité du panel. En plus, ils ont
trouvé un effet négatif des dépenses publiques de la R et D sur la croissance du PIB par
habitant.
Dans la même année, Guellec et Van Pottelsberghe ont utilisé d’autres méthodes d’estimation
avec le même panel de pays. Ils ont trouvé des coefficients positifs et significatifs pour les
dépenses publiques et privées de la R et D, avec un poids plus important pour les dépenses
étrangères de R et D sur la croissance économique.
En 2004, Griffith, Redding et Van Reenen ont étudié pour un échantillon de 12 pays de
l’OCDE pour une période plus courte, l’effet direct de la R et D sur la productivité totale des
facteurs et le potentiel de la R et D pour augmenter la capacité d’une économie à absorber les
nouvelles technologies. La R et D a été mesurée par les dépenses de R et D en pourcentage du
PIB et estimée par le biais d’un estimateur des moindres carrées. Leurs résultats débouchent
aux mêmes conclusions, mais avec un effet plus grand que ceux trouvés par les autres auteurs
déjà cités.
En guise de conclusion, nous pouvons affirmer que la littérature empirique nous renseigne de
l’effet positif du capital immatériel et les dépenses de la R et D sur la croissance économique.
Malgré l’adoption des deux approches différentes de la mesure du capital immatériel et sa
7
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
8

relation avec la croissance économique, l’analyse qui suit sera basée sur la première approche
où nous menons des estimations économétriques sur la base d’un échantillon plus large et des
données réelles sur le capital immatériel et la richesse des nations comme mesure plus
achevée de la croissance économique.

3. MODÉLISATION DES EFFETS DYNAMIQUES DU CAPITAL IMMATÉRIEL


SUR LE DÉVELOPPEMENT ÉCONOMIQUE

Pour une modélisation des effets dynamiques du capital immatériel sur la croissance
économique, nous estimons un modèle constituant de la croissance économique. En se basant
sur la littérature empirique de la théorie de la croissance endogène qui cherche à lier le taux de
croissance économique d’un pays à des variables économiques, politiques et sociales en
utilisant un large échantillon en terme de pays et de périodes.

3.1. Présentation et spécification


Les différentes contributions empiriques à travers la littérature économétrique et les travaux
de la banque mondiale ont essayé d’expliquer la richesse totale à partir de plusieurs facteurs
mettant l’accent sur le capital immatériel. L’objet est donc d’étudier empiriquement les effets
directs et indirects du capital immatériel sur le développement économique des nations pour
un échantillon de pays développés et de pays en développement. Pour cela, nous utilisons
l’économétrie des données de panel en résolvant les problèmes d’endogénéité de la variable
indépendante, en l’occurrence le capital immatériel.

Notre intérêt est d’étudier les effets dynamiques du capital immatériel sur le développement
économique en spécifiant une équation de croissance type Barro et sala-i-Martin (1995), à
laquelle nous avons additionné la variable explicative correspondante au capital immatériel.
L’équation (1) de régression se présente sous la forme linéaire suivante :
′ ′
��, − ��, − = − ��, − + ��, + ��, + �� + ��,

Où ��, est l’indicateur du développement économique pour le pays � à la date , il est mesuré
par le logarithme de la richesse totale par habitant, ��, représente le capital immatériel2, ��,
est une matrice qui représente un ensemble de variables de contrôle (à savoir le nombre
moyen d’années de scolarité, le niveau initial de développement financier, mesuré par la
capitalisation boursière, le ratio investissement privé/ PIB, le taux de croissance
démographique et la variation des termes de l’échange). est l’opérateur retardé et ��
correspond aux effets fixes spécifiques aux pays. Les données de panel sont des données sur
trois périodes de cinq ans, période à laquelle correspond en indice inférieur.
Les définitions des variables retenues et les sources de données :

2
Le capital immatériel est mesuré par une échelle de (× ), pur résoudre le problème du niveau. Nous
n’avons pas appliqué le logarithme, car le capital immatériel représente des observations négatives pour certains
pays dans certaines périodes.

8
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
9

� est le logarithme réel par habitant de la richesse (source : base de données de la richesse des
nations).

��ℎ est la variation des termes de l’échange, c’est la moyenne des variations annuelles du
logarithme des termes de l’échange sur chaque période de cinq ans (source : WDI banque
mondiale).
ℎ : est la dotation des ressources humaines3, c’est le logarithme du nombre moyen d’années
de scolarité de la population âgée de 25 à 64 ans pour chaque période de cinq ans (source :
données de la PNUD).

: est la croissance démographique, c’est le taux de croissance annuel moyen de la


population pour chaque période de trois ans (source : base de données de la richesse des
nations).

�� : est la capitalisation boursière4 initiale, c’est le logarithme de la capitalisation boursière


par rapport au PIB la première année de chaque période de cinq ans (source : WDI de la
banque mondiale).

� � : est le ratio de l’investissement privé5 par rapport au PIB, est le logarithme de la


formation du capital fixe privé non résidentielle en pourcentage du PIB pour chaque période
de cinq ans (source : WDI de la banque mondiale).

3.2. Estimation des modèles dynamiques


Un modèle dynamique est lorsqu’il figure parmi les variables explicatives des variables
retardées. Son intérêt se résume dans l’impossibilité d’estimer une relation dynamique sur des
données chronologiques, puisque dans une telle relation la série ne doit pas être aussi courte.
Alors qu’en présence de données de panel la modélisation est adaptée peut être estimé pour
l’ensemble des individus.
Les méthodes d’estimation les plus courantes utilisées (estimateurs : MCO, maximum de
vraisemblance Within, etc.) dans le cas des modèles dynamiques étant inadaptées,
contrairement à la méthode des moments généralisés parce qu’elle repose sur les conditions

Durée moyenne de scolarisation : nombre moyen d’années d’éducation dispensées aux personnes âgées de
3

25 ans et plus, d’après les niveaux d’éducation de la population convertis en années de scolarisation sur la base
des durées théoriques de chaque niveau d’enseignement suivi (Rapport sur le développement humain 2014).
4
La capitalisation boursière (également connue sous le nom de valeur marchande) se calcule en multipliant le
cours de l'action par le nombre d'actions en circulation. Les sociétés intérieures cotées sont les entreprises
intérieures inscrites qui sont cotées à la bourse du pays à la fin de l'année. Les sociétés cotées ne comprennent
pas les sociétés de placements, les fonds communs de placement ou les autres véhicules d'investissement
collectif (Définition de la banque mondiale).
5
La formation brute de capital immobilisé (anciennement appelée investissement intérieur fixe brut) comprend
les améliorations des terres (clôtures, fossés, drains, etc.), les usines, la machinerie et les achats d'équipement, la
construction de routes, de chemins de fer, etc. y compris les écoles, les bureaux, les hôpitaux, les unités
résidentielles privées et les édifices commerciaux et industriels. Selon le système de comptabilité nationale de
1993, les acquisitions nettes de biens de grande valeur font également partie de la formation de capital
(définition de la banque mondiale)

9
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
10

d’orthogonalité entre les variables retardées et le terme d’erreur, aussi bien en différences
premières qu’en niveau. Il existe deux variantes d'estimateur des GMM en panel dynamique :
l'estimateur GMM en différences premières et l'estimateur GMM en système.
L’estimateur GMM consiste à suivre les étapes suivantes Arellano et Bond (1991):

 Définir quel est le moment à utiliser : L'estimateur MMG en différences premières, ou


l'estimateur MMG en système.
 Effectuer les estimations sur les paramètres.

Nous procédons à utiliser le premier estimateur MMG puisque le modèle en différence


première permet d’éliminer l’effet aléatoire, avec lequel l’estimation se fait en omettant
l’ensemble des observations individuelles de la variable l’endogène associées aux deux
premières dates d’estimation ( = et = ), du fait de l’intégration de la variable a expliqué
retardée exprimée en différences premières parmi les variables exogènes. En partant de ce
constat, la matrice de variance covariance des perturbations est modifiée par rapport au
modèle en niveau. Et nous avons les restrictions linéaires suivantes sur les moments :
1. � �� , �� = Pour ≠
2. �(∆��, , ∆��, ) = �(��, , ��, ) + �(��, − , ��, − ) = ��
3. �(∆��, , ∆��, + ) = �(��, , −��, ) = −��
4. �(∆��, , ∆��, + )=

La troisième condition nous renseigne qu’il y a autocorrélation des différences premières,


d’où la modification de la matrice de variance covariance des perturbations.

3.3. Résultats des estimations


Un modèle dynamique est un modèle dans lequel un ou plusieurs retards de la variable
dépendante figurent comme variables explicatives. Les différentes techniques économétriques
standards comme la méthode des moindres carrées ordinaires appliquée sur les données de
panel ne permettent pas d’obtenir des estimations efficientes puisqu’il s’agit d’un modèle où
la variable dépendante retardée figure à droite de l’équation de régression. La méthode des
moments généralisés MMG dynamique proposée par Arellano et Bond (1991), permet de
résoudre ce problème de spécification, et par conséquent elle permet d’obtenir des coefficients
efficaces et efficients.
Parmi les avantages de cette méthode, elle agrée la résolution des problèmes liés au biais de
simultanéité, de causalité inversée et de variables omises ce qui remet en cause les techniques
économétriques utilisées dans les différentes études antérieures. Elle permet aussi de traiter le
problème de l’endogénéité de toutes les variables explicatives, et c’est justement ce qui se
pose lorsqu’on étudie la relation existante entre le capital immatériel et le développement
économique.
L’estimation est réalisée en mettant en exergue la spécification de l’équation de départ (1)
selon la présentation suivante :

10
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
11

′ ′
��, = ��, − + ��, + ��, + �� + ��,

La technique des données de panel implique de tester la validité de la structure de panel, avant
de valider la spécification du modèle retenu. En d’autres termes, il s’agit de s’interroger sur
l’hétérogénéité du comportement des individus.
Les résultats concluent le rejet de l’hypothèse d’une homogénéité du comportement, et la
légitimité de l’introduction des effets individuels dans le modèle retenu. Il est important à ce
stade de l’analyse de vérifier si ces effets sont fixes ou aléatoires grâce à l’application du test
de spécification des effets individuels d’Hausman. Il permet ici de conclure en faveur de la
présence d’effets individuels fixes. En effet, la valeur critique est égale à zéro 6 et donc elle est
inférieure au seuil de 5%.

Cette équation (2) donne référence aux définitions données ci-dessus. Cette équation a été
calculée à l’aide de l’estimateur de la méthode des moments généralisée (MMG). On utilise
la différence première de l’équation (1) pour éliminer les effets spécifiques aux pays et on
applique divers instruments pour régler les problèmes d’endogénéité, y compris ceux qui
découle de l’utilisation des différences premières notamment la corrélation entre la différence
première du terme d’erreur composé, et celle de la variable dépendante retardée. Si les erreurs
ne montrent pas de corrélations sérielles et si les variables indépendantes sont faiblement
exogènes, les valeurs retardées de �, � et � sont considérées comme des instruments valides.

En raison de la limitation des données, la régression en panel dynamique non cylindré a été
estimée pour un ensemble de pays développés et en développement, avec des observations qui
couvrent trois périodes de cinq ans consécutives : 1995, 2000 et 2005. Compte tenu de
l’échantillon relativement réduit et du fait que l’on recherche à étudier les effets spécifiques
du capital immatériel, on a retenu une spécification simple, avec une valeur courante et deux
valeurs retardées pour le capital immatériel � et le développement économique, et une valeur
courante pour les autres variables explicatives � (variables de contrôle).

Tableau 1 : Résultat de l’estimation par la MMG du panel dynamique


Indicateurs Coefficients T-stat Probabilité
Richesse totale (-1) 0,196*** 6,811 0,00
Capital immatériel 0,025*** 39,693 0,00
Capital immatériel (-1) -0,006*** -5,677 0,00
Ratio de l’investissement privé 0,384*** 2,089 0,04
Variation des termes de l’échange 1,356*** 3,013 0,00
Dotation des ressources humaines -0,176*** -2,947 0,00
Capitalisation boursière 0,224*** 8,688 0,00
Croissance démographique -0,185*** -14,288 0,00
Constante 1,546** 1,931 0,06
Test de corrélation sérielle 0,09

6
Voir les résultats du test de Hausman en annexe.

11
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
12

Les symboles *,**,*** indique respectivement une signification au niveau de confiance de 10%, 5% et 1%.
La règle de décision : H0 : les erreurs de la régression de différence première ne montrent ne montrent pas de corrélations
sérielles du second ordre.

L’équation (2) a été calculée à l’aide de l’estimateur de la méthode des moments généralisés
(MMG) en différences premières. Des variables muettes temporelles ont été introduites dans
le modèle7. La robustesse de l’estimateur MMG dépend de la validité des valeurs retardées du
développement économique et du capital immatériel, ainsi que des autres variables
explicatives utilisées comme instruments dans la régression de l’équation de la croissance.
Pour qu’ils soient valides, il faut que le terme d’erreur ��, ne montre pas de corrélation
sérielle. Pour vérifier si cette condition est remplie, le coefficient du test de corrélation
sérielle8 indique le rejet de l’hypothèse alternative et par conséquent les paramètres retardés
des variables utilisées peuvent être considérés comme valides.
Les résultats montrés dans l’annexe indiquent9 l’ampleur des écarts types des indicateurs
structurels de notre échantillon de pays sur les trois périodes. La signification statistique des
paramètres de la régression est donnée par le t-statistique. Ainsi les coefficients relatifs au
développement économique retardé et celui du capital immatériel courant et retardé sont
significativement différents de zéro.

3.4. Enseignements
Les résultats de la régression effectuée avec la méthode du MMG en panel dynamique
confirment l’effet positif et significatif du capital immatériel sur la richesse globale des pays
développés et en développement. Les résultats montrent aussi qu’il existe une relation
positive et significative entre la richesse totale des nations, et d’une part entre la variation du
terme de l’échange, d’autre part avec le ratio de l’investissement privé. Aussi la capitalisation
boursière a un effet significatif et positif sur la richesse totale. Cependant, les autres
variables explicatives notamment celle de la dotation des ressources humaines qui est jugée
significative malgré un signe négatif qui est à l’encontre des affirmations théoriques, et
d’autre part, la croissance démographique qui représente un coefficient significatif et
positivement corrélé avec la création de la richesse globale.
Les variables retardées à savoir le capital immatériel et la croissance sont très significatives et
leurs signes confirment l’hypothèse des canaux de transmission. Il en résulte que le capital
immatériel à deux effets sur la richesse globale : un premier effet est direct du fait qu’il peut
être considéré comme un déterminant consistant de la richesse tel que le capital matériel
(physique, humain et social). Ainsi une variation positive du capital immatériel courant
d’ordre de 2,5% contribue à une variation unitaire de la richesse des nations. Un deuxième

7
Les variables muettes font référence aux variables instrumentales utilisées dans la régression ; elles ne figurent
pas dans les résultats.

Ce coefficient fait référence au test d’Arellano-Bond.


8

9
Voir le tableau des statistiques descriptives en annexe.

12
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
13

effet indirect est transmis à la richesse globale à travers les autres variables explicatives. Pour
mieux distinguer les effets indirects du capital immatériel sur la richesse, nous avons introduit
la variable retardée du capital immatériel. Les résultats montrent que cette variable à un effet
négatif et significatif sur la richesse. En effet, il en résulte de l’importance tronquée de
l’ampleur de la variation des différentes variables explicatives de notre modèle. Et pour
distinguer les effets indirects du capital immatériel sur la richesse globale, nous utilisons un
modèle à équations simultanées.
Le modèle se présente de la manière simplifiée suivante :
��, = � + � ℎ �, + � �, + � � ��, + � ��ℎ�, + � �� �,
{
��, = � + � ℎ �, + � �, + � � ��, + � ��ℎ�, + � �� �,

L’estimation de ce système d’équations permet de prendre en compte les effets indirects du


capital immatériel sur la richesse des nations, les résultats se présentent ainsi dans le tableau
ci-dessous :

Tableau 3 : Estimations du système à équations simultanées


Variables Variables dépendantes
� �
t-stat t-stat
Dotation des ressources humaines 0,342*** 2,335 15,088*** 3,353
Croissance démographique -0,259*** -5,595 -4,195*** -2,948
Ratio de l’investissement privé 0,223 0,705 -0,815 -0,084
Variation des termes de l’échange 0,397 0,442 -11,919 -0,432
Capitalisation boursière 0,532*** 9,018 12,354*** 6,817
Terme constant 4,584*** 2,476 38,230 0,672
Nombre d’observations 202 202
R² 0,37 0,23

Les symboles *,**,*** indique respectivement une signification au niveau de confiance de 10%, 5% et 1%.

Les résultats de ce modèle simplifié montrent qu’il existe une relation positive et significative
entre la richesse globale et la dotation des ressources humaines mesurée par le nombre moyen
d’années de scolarité de la population. Cette relation est significative et positive, mais très
importante avec le capital immatériel et rend par conséquent cet indicateur très déterminant
dans la composition du capital immatériel. Néanmoins, le taux de croissance annuel moyen de
la population a un effet négatif et significatif en relation avec le capital immatériel et dans une
moindre mesure avec la richesse totale. La capitalisation boursière rapportée au PIB à un effet
significatif et positif sur la richesse, et son importance est très marquée dans la régression du
capital immatériel.
Tandis que les autres variables explicatives qui représentent la variation des termes des
échanges et le ratio de l’investissement privé rapporté au PIB ne sont pas significatives au
regard de la probabilité critique de rejeter à tort l’hypothèse nulle. Ce résultat peut être dû à la
présence des composantes liées au revenu dans la construction de ces variables.
13
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
14

Conclusions et recommandations
L’objet de cet article est de mettre en valeur le rôle que peut jouer le capital immatériel dans
le processus de la création de la richesse. Dans ce contexte, nous avons présenté deux
modèles économétriques pour juger empiriquement sur cette relation. Nous avons adopté une
analyse à travers l’utilisation des estimations basées sur les données de panel dynamiques par
la méthode du MMG en différences premières. Ces estimations nous ont renseigné qu’il existe
en plus des effets directs du capital immatériel sur la richesse totale, d’autres canaux de
transmission indirects ont été la base d’une estimation sur la base d’un modèle à équations
simultanées.

La prise en considération des effets indirects du capital immatériel sur la richesse globale à
travers les différents canaux de transmission, a montré que la richesse est associée à
l’importance du capital immatériel dans une économie. Ainsi, il est principalement transmis
indirectement et à long terme à travers le développement de la scolarité chez la population,
aussi le pays dont le taux de croissance démographique est moins important trouvera des
difficultés à accroître son capital immatériel et par conséquent contribue difficilement à son
développement économique. Et enfin, à court terme l’importance du marché boursier
contribue à l’accroissement du capital immatériel et la création de la richesse.

Malgré les limites d’une modélisation économétrique qui consistent principalement à donner
des prévisions, les résultats de nos estimations peuvent donner un premier regard sur les
canaris politiques suivis par les économies. Il est clair qu’une économie peut améliorer son
classement en termes de richesse à travers des politiques économiques budgétaires et sociales.
Des politiques à court terme, des politiques à long terme et des politiques à court et à long
terme.

Les politiques qualifiées à court terme sont celles qui touchent le développement de
l’investissement privé et la croissance de la variation du terme d’échange. Celles qui ont un
impact à long terme sont respectivement l’encouragement de la capitalisation boursière et la
réduction de la croissance démographique qui a en plus un impact à court terme. Les
politiques visant le développement de la formation de l’éducation et l’enseignement ont un
impact positif sur la création de la richesse d’une économie.

14
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
15

Références bibliographiques
Arellano, M. (2009) "Dynamic Panel Data Models II : Lags and Predetermined Variables 1
Class Notes Models with Strictly Exogenous and Lagged Dependent Variables An
Example : Cigarette Addiction", October, (3), pp. 1–25.
Aulin-Ahmavaara, P. and Jalava, J. (2003) "Capital and its productivity in Finland, 1975–
2001", Scandinavian Economic History Review, 51(3), pp. 62–79. doi:
10.1080/03585522.2003.10414234.
Barro, R. J. and Sala-I-Martin, X. (1995) "Economic Growth", European psychiatry the
journal of the Association of European Psychiatrists. doi: 10.1016/j.eurpsy.2009.07.013.
Bassanini, A. and Scarpetta, S. (2001) "Does Human Capital Matter for Growth in OECD
Countries? Evidence from Pooled Mean-Group Estimates", SSRN Electronic Journal.
doi: 10.2139/ssrn.265364.
Brynjolfsson, E. and Hitt, L. M. (2003) "Computing Productivity: Firm-Level Evidence",
Review of Economics and Statistics, 85(4), pp. 793–808. doi:
10.1162/003465303772815736.
Brynjolfsson, E. and Yang, S. (1996) "Information Technology and Productivity: A Review
of the Literature", Advances in Computers, 43(C), pp. 179–214. doi: 10.1016/S0065-
2458(08)60644-0.
Bond, S., A. Hoeffler and J. Temple (2001), "GMM Estimation of Empirical Growth
Models", CEPR Discussion Paper No. 3048, Centre for Economic Policy Research,
London.
Coe, D. T. and Helpman, E. (1995) "International R&D spillovers", European Economic
Review, 39(5), pp. 859–887. doi: 10.1016/0014-2921(94)00100-E.
Corrado, C. A., Hulten, C. R. and Sichel, D. E. (2006) "Intangible Capital and Economic
Growth", National Bureau of Economic Research Working Paper Series No. 11948, pp.
1–30. doi: 10.1017/CBO9781107415324.004.
Corrado, C., Hulten, C. and Sichel, D. (2005) "Measuring capital and technology: an
expanded framework". In Measuring capital in the new economy (pp. 11-46).
University of Chicago Press., Measuring Capital in the New Economy.
Corrado, C., Hulten, C. and Sichel, D. (2009) "Intangible capital and U.S. economic
growth", Review of Income and Wealth, pp. 661–685. doi: 10.1111/j.1475-
4991.2009.00343.x.
Carol Corrado,Jonathan Haskel,Cecilia Jona-Lasinio, Massimiliano (2012), «Capital
and Growth in Advanced Economies: Measurement Methods and Comparative
Results », IZA DP No. 6733. Forschungs institut zur Zukunft der Arbeit, Institute for
the Study of Labor.
Cummins, J. G. (2004) "A New Approach to the Valuation of Intangible Capital", SSRN
Electronic Journal. doi: 10.2139/ssrn.559461.
Edquist and Harald (2009) "How Much does Sweden Invest in Intangible Assets?",
Working Paper Series, (217512).
Felix Roth and Anna-Elisabeth Thum (2010), "Does intangible capital affect economic
growth?" CEPS Working Document N°335.

15
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
16

Fukao, K. et al. (2009) "Intangible investment in japan: Measurement and contribution to


economic GROWTH", Review of Income and Wealth, 55(3), pp. 717–736. doi:
10.1111/j.1475-4991.2009.00345.x.
Griffith, R., Redding, S. and Reenen, J. Van (2004) "Mapping the Two Faces of R&D:
Productivity Growth in a Panel of OECD Industries", The Review of Economics and
Statistics, 86(4), pp. 883–895. doi: 10.1162/0034653043125194.
Guellec, D. and Van Pottelsberghe De La Potterie, B. (2004) "From R&D to productivity
growth: Do the institutional settings and the source of funds of R&D matter?", Oxford
Bulletin of Economics and Statistics, 66(3), pp. 353–378. doi: 10.1111/j.1468-
0084.2004.00083.x.
Jorgenson, D. W. and Vu, K. M. (2016) "The impact of ICT investment on world economic
growth", Telecommunications Policy, pp. 381–382. doi: 10.1016/j.telpol.2016.02.006.
Lev, B. and Radhakrishnan, S. (2003) "The Measurement of Firm-Specific Organization
Capital", National Bureau of Economic Research (NBER), Working Paper 9581. doi:
10.3386/w9581.
Lichtenberg, F. R. (1993) "R&D Investment and International Productivity Differences",
National Bureau of Economic Research Working Paper Series. doi: 10.3386/w4161.
Lucas, R. E. (1988) "On The Mechanics Of Economic Development", Journal of Monetary
Economics, 22(February), pp. 3–42. doi: 10.1016/0304-3932(88)90168-7.
Marrano, M. G. and Haskel, J. (2006) "How much does the UK invest in intangible
assets?", Department of Economics Queen. http://www.economics.qmul.ac.uk/ papers
/doc/wp578.pdf.
Marrano, M. G., Haskel, J. and Wallis, G. (2009) "What happened to the knowledge
economy? ict, intangible investment, and Britain’s productivity record revisited",
Review of Income and Wealth, pp. 686–716. doi: 10.1111/j.1475-4991.2009.00344.x.
Nakamura, L. (2001) "What Is the U.S. Gross Investment in Intangibles? (At Least) One
Trillion Dollars a Year!’, Federal Reserve Bank of Philadelphia Working Paper no. 01-
15., (1).
O’Mahony, M. and Vecchi, M. (2009) "R&D, knowledge spillovers and company
productivity performance", Research Policy, 38(1), pp. 35–44. doi:
10.1016/j.respol.2008.09.003.
PARK, W. G. (1995) "International R&D Spillovers And Oecd Economic Growth",
Economic Inquiry, 33(4), pp. 571–591. doi: 10.1111/j.1465-7295.1995.tb01882.x.
Romer, P. M. (1986) "Romer - Increasing returns and long run growth.pdf", Journal of
Political Economy, pp. 1002–1037.
Sala-i-Martin, X. X. (1997) "I Just Ran Two Million Regressions", American Economic
Review, pp. 178–183. doi: 10.1126/science.151.3712.867-a.
Sichel, B. (2008) "Forecasting Demand With Point of Sales Data-a Case Study of Fashion
Products", The Journal of Business Forecasting, 27(4), pp. 15–16.
Webster, E. (2000) "The growth of enterprise intangible investment in Australia",
Information Economics and Policy, 12(1), pp. 1–25. doi: 10.1016/S0167-6245(99)
00024-4.
-------Base de données de la banque mondiale relative aux estimations de la richesse des
16
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
17

nations.

Annexes

1. Statistiques descriptives des variables retenues dans l’étude


� � � �� ��
Moyenne 4.848773 12.70495 0.789066 7.125450 1.331215 2.001910 1.408830
Médiane 4.832890 4.514079 0.845098 7.069617 1.343060 2.000000 1.490684
Maximum 5.962620 79.91230 1.079181 9.115444 1.605295 2.172217 2.581996
Minimum 3.540421 -0.738276 0.000000 5.325037 0.873277 1.793112 -0.725411
Std. Dev. 0.630030 17.55588 0.247459 0.769257 0.116303 0.039621 0.619480
Skewness -0.008341 1.619831 -1.231171 0.201529 -0.921327 -0.250070 -1.069349
Kurtosis 1.994386 4.565666 4.083956 2.861235 5.420701 9.223932 4.582891
Jarque-Bera 8.513776 108.9683 60.92061 1.529410 77.89764 328.1446 59.58640
Probabilité 0.014166 0.000000 0.000000 0.465471 0.000000 0.000000 0.000000
Total 979.4521 2566.401 159.3912 1439.341 268.9054 404.3858 284.5837
Sum Sq. Dev. 79.78440 61950.00 12.30847 118.9431 2.718797 0.315536 77.13493
Observations 202 202 202 202 202 202 202

2. Test de Hausman
Correlated Random Effects - Hausman Test
Equation: Untitled
Test cross-section random effects

Test Summary Chi-Sq. Statistic Chi-Sq. d.f. Prob.

Cross-section random 75.797984 6 0.0000

3. Résultats de l’estimation de l’équation de référence


Dependent Variable: Y
Method: Panel GMM EGLS (Cross-section weights)
Date: 09/13/15 Time: 17:16
Sample: 1 426
Periods included: 61
Cross-sections included: 3
Total panel (unbalanced) observations: 107
White cross-section instrument weighting matrix
Linear estimation after one-step weighting matrix
Instrument specification: LPOP INV ECH CAP RH LPOP(-1) INV(-1) ECH(-1)
CAP(-1) RH(-1) @SYSPER
Constant added to instrument list

Variable Coefficient Std. Error t-Statistic Prob.

Y(-1) 0.196361 0.028830 6.811064 0.0000


KI 0.025291 0.000637 39.69302 0.0000
C 1.546071 0.800689 1.930925 0.0564
INV 0.384480 0.184063 2.088854 0.0393
ECH 1.355962 0.450095 3.012611 0.0033
RH -0.175687 0.059623 -2.946648 0.0040
CAP 0.224176 0.025802 8.688252 0.0000

17
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
18

LPOP -0.184858 0.012938 -14.28770 0.0000


KI(-1) -0.006111 0.001076 -5.677256 0.0000

Weighted Statistics

R-squared 0.780318 Mean dependent var 4.885179


Adjusted R-squared 0.762385 S.D. dependent var 0.767724
S.E. of regression 0.335658 Sum squared resid 11.04131
Durbin-Watson stat 2.406415 J-statistic 54.93275
Instrument rank 61 Prob(J-statistic) 0.364117

Unweighted Statistics

R-squared 0.775975 Mean dependent var 4.851032


Sum squared resid 11.04853 Durbin-Watson stat 2.467215

4. Résultats de l’estimation du système d’équations en panel


System: UNTITLED
Estimation Method: Least Squares
Date: 09/13/15 Time: 17:03
Sample: 1 426
Included observations: 202
Total system (balanced) observations 404

Coefficient Std. Error t-Statistic Prob.

C(1) 4.584122 1.851645 2.475702 0.0137


C(2) 0.341747 0.146350 2.335133 0.0200
C(3) -0.258988 0.046286 -5.595392 0.0000
C(4) 0.223292 0.316704 0.705050 0.4812
C(5) 0.396691 0.898427 0.441539 0.6591
C(6) 0.531650 0.058953 9.018201 0.0000
C(10) 38.23043 56.92341 0.671612 0.5022
C(11) 15.08762 4.499107 3.353470 0.0009
C(12) -4.194538 1.422925 -2.947828 0.0034
C(13) -0.815425 9.736145 -0.083752 0.9333
C(14) -11.91946 27.61950 -0.431559 0.6663
C(15) 12.35391 1.812339 6.816556 0.0000

Determinant residual covariance 22.41195

Equation: Y = C(1) + C(2)*RH + C(3)*LPOP + C(4)*INV + C(5)*ECH + C(6)


*CAP
Observations: 202
R-squared 0.384585 Mean dependent var 4.848773
Adjusted R-squared 0.368886 S.D. dependent var 0.630030
S.E. of regression 0.500513 Sum squared resid 49.10052
Durbin-Watson stat 1.938174

Equation: KI = C(10) + C(11)*RH + C(12)*LPOP + C(13)*INV + C(14)*ECH


+ C(15)*CAP
Observations: 202
R-squared 0.250950 Mean dependent var 12.70495
Adjusted R-squared 0.231841 S.D. dependent var 17.55588
S.E. of regression 15.38679 Sum squared resid 46403.66
Durbin-Watson stat 2.070534

18
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
19

5. Liste des pays (panel de 153 pays développés et pas en développement)


Pays ID Pays ID Pays ID Pays ID Pays ID
Algeria DZA Dominican Republic DOM Jordan JOR Philippines PHL Zambia ZMB
Argentina ARG Ecuador ECU Kenya KEN Portugal PRT Zimbabwe ZWE
Australia AUS Egypt, Arab Rep. EGY Korea, Rep. KOR Rwanda RW Albania ALB
A
Austria AUT El Salvador SLV Kuwait KWT Saudi Arabia SAU Armenia AR
M
Bahrain BHR Ethiopia ETH Lesotho LSO Senegal SEN Azerbaijan AZE
Bangladesh BGD Fiji FJI Luxembourg LUX Seychelles SYC Belarus BLR
Belgium BEL Finland FIN Macao, China MAC Sierra Leone SLE Bulgaria BGR
Belize BLZ France FRA Madagascar MDG Singapore SGP Croatia HRV
Benin BEN Gabon GAB Malawi MWI South Africa ZAF Czech Republic CZE
Bhutan BTN Gambia, The GMB Malaysia MYS Spain ESP Georgia GEO
Bolivia BOL Germany DEU Mali MLI Sri Lanka LKA Kyrgyz Republic KGZ
Botswana BWA Ghana GHA Malta MLT St. Kitts and Nevis KNA Latvia LVA
Brazil BRA Greece GRC Mauritania MRT St. Lucia LCA Liberia LBR
Brunei Darussalam BRN Grenada GRD Mauritius MUS St. Vincent and the Grenadines VCT Lithuania LTU
Burkina Faso BFA Guatemala GTM Mexico MEX Sudan SDN Macedonia, FYR MK
D
Burundi BDI Guinea GIN Mongolia MNG Swaziland SWZ Maldives MD
V
Cameroon CMR Guinea-Bissau GNB Morocco MAR Sweden SWE Moldova MD
A
Canada CAN Guyana GUY Mozambique MOZ Switzerland CHE Poland POL
Central African Republic CAF Haiti HTI Namibia NAM Syrian Arab Republic SYR Romania RO
M
Chad TCD Honduras HND Nepal NPL Thailand THA Russian Federation RUS
Chile CHL Hong Kong, China HKG Netherlands NLD Togo TGO Slovak Republic SVK
China CHN Hungary HUN New Zealand NZL Tonga TON Tajikistan TJK
Colombia COL Iceland ISL Nicaragua NIC Trinidad and Tobago TTO Turkey TUR
Comoros COM India IND Niger NER Tunisia TUN Ukraine UKR
Congo, Dem. Rep. ZAR Indonesia IDN Nigeria NGA Uganda UGA Uzbekistan UZB
Congo, Rep. COG Iran, Islamic Rep. IRN Norway NOR United Arab Emirates ARE Vanuatu VUT
Costa Rica CRI Ireland IRL Oman OMN United Kingdom GBR Angola AGO
Côte d'Ivoire CIV Israel ISR Pakistan PAK United States USA Cape Verde CPV
19
REMFO http://revues.imist.ma/?journal=REMFO&page=about
REMFO N°6 Octobre 2017 ISSN 2489-205X
20

Cyprus CYP Italy ITA Panama PAN Uruguay URY Lao PDR LAO
Denmark DNK Jamaica JAM Papua New Guinea PNG Venezuela, RB VEN Vietnam VN
M
Dominica DMA Japan JPN Peru PER

20
REMFO http://revues.imist.ma/?journal=REMFO&page=about