REPUBLIQUE DU BENIN

***********

MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE

SCIENTIFIQUE

**************

UNIVERSITE D'ABOMEY-CALAVI

**************

FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION

(FASEG)

**************

LICENCE PROFESSIONNELLE EN SCIENCE ECONOMIQUE

**************

SPECIALITE : ECONOMIE APPLIQUEE

THEME:

ANALYSE DE L’EFFET DU CAPITAL HUMAIN SUR LA DIVERSIFICATION

ECONOMIQUE AU BENIN.

Présenté par :

Miché ATINDEHOU & Patrick Arcade AZINKPONON

Sous la direction de :

Maitre de Stage Maitre de Mémoire

Mr. Franck MEDEGNONBLO Roch Edgard GBINLO

Ingénieur Statisticien-Epidémiologiste Enseignant/Chercheur à la FASEG

Année académique : 2022-2023

La Faculté des Sciences Economiques et de
Gestion de l’Université d’Abomey-Calavi
n’entend donner ni approbation, ni
improbation aux opinions émises dans ce
mémoires. Ces opinions doivent être
considérées comme propres à leurs auteurs.

1
DÉDICACE 1
À

 mon père, ATINDEHOU Edhisone

 ma mère, BALLO Elise

2
DÉDICACE 2
À

 Mon père, AZINKPONON C. Clément

 Ma mère, KPATACLO Adelaïde


3
REMERCIEMENT
La réalisation de ce travail n’a été que grâce à une assistance soutenue, une collaboration
prompte et spontanée d’augustes personnes à qui nous tenons à exprimer nos sincères et
profondes gratitudes.

 à DIEU tout puissant pour ses bienfaits.

 au professeur Félicien AVLESSI, Recteur de l’Université d’Abomey-Calavi;
 au professeur Denis ACCLASATO HOUENSOU; doyen de la Faculté des Sciences
Economiques et de Gestion de l’Université d’Abomey-Calavi
 au professeur Maxime Jean-Claude HOUNYOVI vice-doyen de la FASEG de
l’Université d’Abomey-Calavi ;
 au Docteur GBINLO Edgard notre maitre de mémoire, qui n’a ménagé aucun effort
pour finaliser ce travail malgré ses multiples occupations ;
 au Docteur GHEZO Marius pour son appréciation et apport pour la réalisation de ce
travail ;
 à Monsieur Franck MEDEGNONBLO, ingénieur statisticien-épidémiologiste pour son
appréciation et apport pour la réalisation de ce travail ;
 à tout le personnel du Cabinet d’Expertises Statistique, Informatique et
Epidémiologique ;
 à tous les enseignants qui ont su donner le meilleur d’eux même pour notre formation
et épanouissement ;
 à toute les familles ATINDEHOU et AZINKPONON pour leurs apports et
contribution dans la rédaction de ce mémoire.

4
LISTE DES SIGLES ET ABRÉVIATIONS
BCEAO : Banque Centrale des Etats de l’Afrique de l’Ouest

CEMAC : Communauté Economique et Monétaire de l’Afrique Centrale

CNUCED : Conférence des Nations Unies sur le Commerce et le Développement

GMM : Méthode des Moments Généralisés

INSAE : Institut National de la Statistique et de l’Analyse Economique

INStaD : Institut National de la Statistique et de la Démographie

MEMP : Ministère des Enseignements Maternelle et Primaire

MESRS : Ministère des Enseignements Secondaire, Technique et de la Formation

Professionnelle

MESTFP : Ministère de l’Enseignement Supérieur et de la Recherche Scientifique

OCDE : Organisation de Coopération et de Développement Economiques

ODD : Objectifs de Développement Durable

RMS : Rapport mondial du suivi

TBS : Taux Brut de Scolarisation

UNESCO : Organisation des Nations Unies pour l’Education, la Science et la Culture

5
LISTE DES TABLEAUX

6
LISTE DES GRAPHIQUES ET FIGURES

7
SOMMAIRES

8
 INTRODUCTION
En Afrique, la question de la diversification économique a commencé au lendemain des
indépendances. Cette interrogation a motivé la plupart des dirigeants Africain qui ont entamé
pour leurs pays un processus de diversification de leurs structures économiques, à travers des
politiques industrielles, afin de réduire progressivement leur dépendance par rapport aux
produits de base (Kamgna, 2007). Ce débat sur la diversification économique va pendre de
l’ampleur et évoluera en indiquant les facteurs sources de diversification économique.

Jadis, le succès économique reposait essentiellement sur la richesse en matières premières, sur
les industries manufacturières et sur le volume de capital matériel dont disposait chaque
nation. Mais aujourd’hui, la vraie richesse d’un pays est son capital humain car elle est
abstraite. Elle constitue la capacité à innover, à créer des concepts et à produire des idées qui
est devenue l’avantage compétitif essentiel de toute nation. Selon l’OCDE, l’investissement
dans le capital humain est au cœur des stratégies mise en œuvre par les pays pour promouvoir
leur prospérité économique. Les individus, les organisations, et les nations sont de plus en
plus conscients que pour stimuler l’emploi, la diversification économique et favoriser
l’inclusion sociale, il est essentiel de veiller à ce que l’offre de compétences soit adaptée et
pleinement utilisée, tout en développant en permanence les qualifications de la main-d’œuvre
(OCDE, 2011). L'investissement dans l’éducation, dans la santé du capital humain constitue
une source très importante de la croissance et de la diversification économique. Il est même la
base de tout développement, et de tout progrès social. Il n'est de diversification économique
possible sans présence et intervention de l'homme en tant qu'agent de l'activité économique.
Un peuple bien instruit constitue une richesse incontournable.

Le Bénin, depuis quelques années s’est engagé à investir dans l’éducation et dans la santé de
sa population pour faire d’elle sont capital humain afin de diversifier son économie. En effet
le taux brut de scolarisation est passé de 111,5% en 2011 à 122% en 2014. Dans le secteur de
la santé le taux de fréquentation des services de santé est passé de 45,2% en 2011 à 50,6% en
2012 (PMA, 2019) soit une amélioration des services d’éducation et de santé au Bénin. Tous
ses investissements dans le capital humain béninois constituent un véritable atout pour la
nation.

Mais malgré tous ses multiples investissements dans le capital humain du pays, le Bénin est
compté parmi les pays les moins diversifiés d’Afrique car il est fortement tributaire de
l’agriculture malgré un climat politique favorable. Plus de 38,5% de la population en 2019 vit

9
en dessous du seuil de la pauvreté selon l’INSAE. Les systèmes sanitaire et éducatif public au
Bénin sont dans un état de délabrement total.

La littérature regorge de nombreux facteurs expliquant la diversification économique et

parlent fondamental de l’investissement dans le capital humain comme étant un facteur de
diversification économique sans pour autant se demander quels sont les effets du capital
humain sur la diversification économique au Bénin. C’est dans le souci de concrétiser cette
suggestion que cette thématique a retenu notre attention. Le développement de ce thème se
présente en trois chapitres : le premier chapitre est consacré à la présentation de la structure de
stage. Le deuxième chapitre s’intéresse à la problématique, aux objectifs, les hypothèses et à
la présentation de la méthodologie de recherche adoptée. Le troisième chapitre quant à lui
traite des approches de solution et les suggestions, ceci après la vérification des hypothèses.

10
11
CHAPITRE 1 : CADRE INSTITUTIONNEL ET DIAGNOSTICS DU
CABINET D’EXPERTISES STATISTIQUE INFORMATIQUE ET
EPIDEMIOLOGIQUE
Dans ce chapitre, nous présentons l’historique du Cabinet d’Expertises Statistique
Informatique et Epidémiologique, sa structure : organisationnelle, son fonctionnement et le
déroulement de stage.

SECTION 1 : CADRE INSTITUTIONNEL DE L’ETUDE

Après une présentation générale du cabinet d’Expertises Statistique Informatique et
Epidémiologique, nous allons exposer nos observations de stage.

1. PRESENTATION, HISTORIQUE ET MISSION DU CABINET D’EXPERTISES

STATISTIQUE INFORMATIQUE ET EPIDEMIOLOGIQUE
Le Cabinet d’Expertises Statistique Informatique et Epidémiologique est situé au centre de la
ville d’Abomey-Calavi, dans le quartier Topka-Zougbo à côté de l’école ISM Adonaï.

1.1. Historique et Objectif

1.1.1. Historique
Le Cabinet d’Expertises Statistique Informatique et Epidémiologique a été créé et a vu le jour
le 04 septembre 2019.

1.1.2. Objectif

1.2. LES SECTEURS D’ACTIVITES DU CABINET D’EXPERTISE

STATISTIQUE INFORMATIQUE ET EPIDEMIOLOGIQUE
Le Cabinet d’Expertises Statistique Informatique et Epidémiologique (CESIE) est un
Cabinet :

 De prestations Intellectuelles de haut niveau en matière :

- D’enquêtes, d’études et de recherches dans tous les domaines d’activités
humaines (Santé Publique, Economie, Transport, Banque et Finance,
Education, agriculture, etc.) ;
- De rédaction de projets-programmes dans tous les domaines d’activités
humaines ;

12
 - De planification, d’organisation, de suivi-évaluation et de direction de projets et
programmes ;
- De conception de logiciels, progiciels, et applications ;
- D’expertises, formations, consultations, assistances et conseils en statistique,
informatique, épidémiologie et gestion de projets programmes.
 D’achat et de vente de matériels informatiques et mobiliers de bureaux
 D’exploitation agricole

1.3. Structure organisationnelle, ressources et activités

Comme toute entreprise, le Cabinet d’Expertises Statistique Informatique et
Epidémiologique est animé par un (01) Secrétariat Général, huit (08) Directions
Centrales et 03 Annexes Régionales. Il est composé de :

o La Direction des Etudes et Recherches (DER)

o La Direction des Commandes Publiques
o La Direction de l’Information et de la Documentation
o La Direction des Formations et Recyclages
o La Direction de l’Administration et des Finances
o La Direction des Matériels et Mobiliers de bureaux
o La Direction des Exploitations Agricoles
o La Direction de la Communication et du Digital

03 Annexes Régionales (confère organigramme).

a- La Direction des Etudes et Recherches (DER)

La DER est la direction en charge des études et recherches au sein du cabinet. Elle
s’occupe à la fois des études pour lesquelles le cabinet est sollicité et des études
initiées par le cabinet lui-même. Elle dispose de quatre (04) services :

 Le Service des Mémoires et Thèses (SMT) qui gère le système de production

automatisée des mémoires et thèses
 Le Service de Veille Technologique (SVT) procède à la recherche permanente
de meilleurs moyens de réalisation des tâches courantes des différentes

13
 directions et services du cabinet. Elle est aussi chargée du trie les problèmes
importants émanant des études et recherches réalisées par le cabinet pour en
faire des idées de projets.
 Le Service des Etudes Internes (SEI) est chargé de la conduite de toutes études
initiées par le cabinet. A ce titre, il reçoit de tous les autres services les
problèmes susceptibles de faire objet d’études approfondies.
 Le Service des Recherches Cliniques (SRC) est chargé de toutes les recherches
d’ordre expérimental
b- La Direction des Commandes Publiques

La DCP a pour objet l’analyse des commandes publiques, le montage et le suivi des
dossiers de commandes publiques. Elle dispose de deux (02) services.

 Le Service des Informations de Commandes Publiques (SCP) qui a pour

mission la recherche et la mise en œuvre de tous les moyens destinés à avoir à
temps les informations relatives à la commande publique. Ainsi, elle est chargée
de recenser et d’analyser les commandes publiques afin d’en tirer celles dont le
cabinet à compétence. Les commandes jugées pertinentes pour le cabinet sont
alors transférées au service de montage des dossiers pour la constitution des
offres.
 Le Service de Montage et Suivi des Dossiers (SMSD) qui est chargé de la
production et de la soumission des offres
 Production et de la soumission des offres.
c- La Direction de l’Information et de la Documentation

La DID est chargée de la production de l’information statistique, de la gestion des

archives et de la documentation. A ce titre, elle collecte, traites et analyse toutes les
données statistiques du cabinet afin d’alimenter les prises de décision. Les statistiques
concernées sont :

 Les statistiques des étudiants et doctorants

 Les statistiques des projets rédigés par le cabinet
 Les statistiques des études et recherches internes au cabinet

14
  Les statistiques des commandes publiques
 Les statistiques des formations
 Les statistiques de ressources humaines, financières et matérielles
 Les statistiques des mobiliers et matériels de bureaux
 Les statistiques des productions agricoles et agrobusiness
 Les statistiques des restaurants et des boutiques
 Les statistiques de communication, du marketing et du digital

d- La Direction des Formations et Recyclages

Elle est chargée de la formation et de la mise à niveau du personnel et des clients du

cabinet. Elle dispose de deux (02) services :

 Le Service de Formations et Recyclages Internes (SFRI) qui est chargé

d’identifier les opportunités de formations et de la mise en formation du
personnel
 Le Service de Formations et Recyclages Externes (SFRE) est chargé de
l’élaboration des curricula, de la programmation et de la mise en œuvre des
formations dispensées par le cabinet.
e- La Direction de l’Administration et des Finances

Elle est chargée de la gestion des ressources du cabinet. De ce fait, elle compile les
ressources financières et gère les ressources humaines et matérielles du cabinet.

Les ressources financières du cabinet sont celles émanant des :

 Prestations de services aux étudiants et doctorants

 Commandes publiques
 Formations
 Ventes des matériels et mobiliers de bureaux
 Exploitations agricoles
 Ventes des espaces publicitaires et supports de communication

Elle dispose de deux (02) services :

15
  Le Service des Ressources Humaines (SRH) qui est chargé de la gestion des
carrières du personnel.
 Le Service Comptabilités et Finances (SCF) qui gère les comptabilités et la
finance du cabinet.
f- La Direction des Matériels et Mobiliers de bureaux

Elle est chargée de l’acquisition et de la commercialisation des matériels

informatiques, matériels et mobiliers de bureaux. Elle dispose de deux (02) services.

 Le Service Acquisition des Matériels et Mobiliers de Bureaux (SAMMB) qui

est chargé de l’achat des matériels et mobiliers de bureau. Cet achat est de trois
(03) ordres :
- Achat de matériels et mobiliers de bureaux neufs sur commandes
- Achat de matériels et mobiliers de bureaux d’occasion
- Achat de matériels et mobiliers de bureaux sur vente aux enchères publiques
 Le Service Vente des Matériels et Mobiliers de Bureaux (SVMMB) qui est
chargé de la vente des matériels et mobiliers de bureaux.
 Chargé de la vente des matériels et mobiliers de bureaux.
g- La Direction des Exploitations Agricoles

Elle a en charge la production et la transformation des produits agricoles et pastoraux.

Elle dispose de trois (03) services :

 Le Service de Productions Agricoles (SPA) qui a en charge la planification, la

production, le suivi et l’évaluation de la culture des produits vivriers et autres
produits comestibles
 Le Service Agrobusiness (SAB) se charge de la transformation des productions
agricoles et pastorales
 Le Service de Restauration et Gestion des Boutiques (SRGB) assure deux (02)
fonctions :
- Gérer les services de restauration interne au cabinet à travers les pauses café
et déjeunés du personnel

16
 - Gérer les services de restauration externe au cabinet à travers la gestion des
restaurants et boutiques commerciales du cabinet
h- La Direction de la Communication et du Digital

Elle s’occupe de l’élaboration, de la mise en œuvre, du suivi et de l’évaluation des

stratégies de communication tant pour le cabinet que pour les clients. Elle dispose de
deux (02) services :

 Le Service Communication et Coopération (SCC) qui est chargé de

l’élaboration des stratégies et des outils de communication
 Le Service Digital et Marketing (SDM) qui est chargé d’assurer le volet digital
de la stratégie et du marketing.

Les annexes constituent la représentation du cabinet au niveau régional. On en dispose

trois (03) :

 L’annexe régionale Borgo – Alibori /Atakora – Donga

 L’annexe régionale Zou – Collines / Mono – Couffo
 L’annexe régionale Ouémé – Plateau

2. DEROULEMENT DE STAGE ET CONSTATS

Ce paragraphe nous permet d’une part de rendre compte de nos observations et
expériences de stage et, d’autre part de définir la problématique liée au thème ainsi que
la démarche méthodologique suivie.

2.1. Déroulement du stage

Pendant le stage certaines tâches ont été effectués mais il n’en demeure pas moins que
quelques difficultés ont été rencontrés ce qui n’empêchera pas de donner des
impressions. Les travaux effectués tout au long du séjour au cabinet d’expertises
statistique informatique et épidémiologique, le Service des Mémoires et Thèses (SMT) qui
gère le système de production automatisée des mémoires et thèses, le Service de Veille
Technologique (SVT) procédant à la recherche permanente de meilleurs moyens de
réalisation des tâches courantes des différentes directions et services du cabinet. Elle
est aussi chargée du trie les problèmes importants émanant des études et recherches

17
réalisées par le cabinet pour en faire des idées de projets, le Service des Etudes
Internes (SEI) aussi chargé de la conduite de toutes études initiées par le cabinet. A ce
titre, il reçoit de tous les autres services les problèmes susceptibles de faire objet
d’études approfondies et le Service des Recherches Cliniques (SRC) chargé de toutes
les recherches d’ordre expérimental.

2.2. Difficultés et impressions de stage

Sans oublier nos difficultés quelles sont nos impressions après ce stage.

-Difficultés

 Insuffisance du matériel de fonctionnement à savoir : l’ordinateur, le

photocopieur, du groupe électrogène, la connexion et autres ;
 L’incompréhension de certains clients par rapport aux temps pour leur rendre le
service.

-Impression de stage

Au cours du stage au Cabinet d’Expertises Statistique Informatique et Epidémiologique,

nous avons été émergés dans l’expérience du milieu professionnel. Cela dû non seulement au
savoir-faire mais aussi à l’accueil et à l’écoute en permanence du personnel. De ce fait, il n’en
résulte que les conditions du stage nous ont donné un avant-goût de la vie professionnelle
futur.

2.3. Constats ou observations du stage

Pendant le stage, certaines situations objets de constats ont attiré notre attention. Ces constats
font l’objet de problèmes auxquels il faut plus d’attention. Il est difficile de libérer les clients
à temps. Nous avions noté un manque de moyens matériels comme l’ordinateur, le manque de
bureau et l’absence d’une bonne connexion internet. A l’endroit des clients, on note une
insuffisance d’information sur les frais à payer et le temps pour leur servir. En ce qui concerne
le Cabinet d’Expertises Statistique Informatique et Epidémiologique, il recueille tous les
services des clients et ne les servent pas dans les délais.

18
SECTION 2 : DIAGNOSTIC DU SYSTEME DE RECOUVREMENT DU
CABINET D’EXPERTISES STATISTIQUE INFORMATIQUE ET
EPIDEMIOLOGIQUE
Il s’agit dans cette section de réaliser le diagnostic du système de recouvrement du Cabinet
d’Expertises Statistique Informatique et Epidémiologique.

Tableau 1 : Récapitulatif des Forces, Faiblesses, Opportunités et Menaces

Forces Faiblesses

-Dynamique et compétente -Absence de notoriété

-Utilisation des nouvelles technologies -Petite base de client
-Système de travail informatisé -Ignorance de certains logiciels
-Bonne visibilité sur internet -Manque d’organisation
-Politique d’innovation avantageuse -Insuffisance de ressources humaines et
-Possibilité partenariat financières
-Insuffisance d’action de marketing au sein de
l’entreprise

Opportunités Menaces

-Nouveau marché -Accès à internet difficile dans certaines

-Segment en croissance localités
-Utilisation des moyens de communication -Marché fortement concurrentiel
web -Piratage informatique
-Evolution constante de la technologie

Source : tableau récapitulatif réalisé au cours de notre stage

19
CHAPITRE 2 : CADRE THEORIQUE
SECTION 1 : PROBLEMATIQUE, OBJECTIFS ET HYPOTHESES
1. Problématique
Une économie forte, croissante et durable est l’objectif visé par toute nation du monde. En
effet, la diversification économique est l’un des leviers qui permettrait d’atteindre les objectifs
fixés en matière de développement. Elle reste un défi pour la plupart des pays en
développement et sans doute pour les pays ayant les plus faibles revenus, les petits pays, les
pays sans littoral ou ceux dont l’économie est très dépendante des produits de base. Elle est
censée améliorer le tissu économique d’un pays grâce à la création de nouveaux secteurs
d’activités ou à l’expansion des secteurs d’activités déjà existants (Ndjambou, 2011).

En effet, la dépendance des économies des pays Africain aux exportations d’un nombre limité
de produit de rente pousse la plupart de ces pays à faire de la diversification de leur économie
une priorité de développement (Ndinga et al. 2017). Elle est, au cœur de toutes les
préoccupations des pays exportateurs des matières premières, (Mudenda et al., 2014 ; BAD,
2019) et il est donc indispensable de s’interroger sur les différents facteurs qui peuvent
entraîner la diversification économique. Evidemment, plusieurs auteurs ont cherché à
identifier ses facteurs contributifs. Imbs et Wacziarg (2003) mettent en œuvre des modèles
non-paramétriques et paramétriques sur des données de panel pour étudier les effets du
développement économique, mesuré par le revenu par habitant, et sur le degré de
diversification. Ces auteurs estiment que le revenu par habitant est un facteur de la
diversification. Plusieurs autres facteurs peuvent être incontournables pour favoriser la
diversification économique, parmi tant d’autres, il y a la croissance économique, le capital
humain, la qualité des institutions, l’investissement, la main d’œuvre. Parketa et Tamberi
(2008) affirment que le capital humain facilite la diversification de la production et par
conséquent, augmente le taux de nouvelles activités dans une économie, notamment en raison
de l'innovation dans la production. En raison de son aptitude à ouvrir des perspectives et à
innover, un capital humain de qualité et diversifié pourrait être la clé de la transformation et
de la diversification productive dans les pays en développement. Il est une variable de
contrôle clé dans le processus de diversification. Les pays qui veulent donc s’affranchir du
joug de la dépendance des produits primaires, doivent investir massivement et efficacement
dans le capital humain. Dès lors le capital humain joue un rôle fondamental dans la
détermination de la structure d’une économie (Kodila-Tedika et Asongu, 2014).

20
La limite de ces auteurs est qu’ils n’ont fait aucune distinction entre les différentes
composantes du capital humain. Le développement de l’éducation en Afrique est caractérisé
dans son ensemble par des progrès assez remarquables. A tous les niveaux, plus d’enfants et
de jeunes sont scolarisés. Cette expansion est cependant encore insuffisante car on estime à
plus ou moins 30 millions le nombre d’enfants non encore scolarisés en Afrique et ce chiffre
est en pleine augmentation à cause de la croissance rapide de la population africaine. La
pyramide globale de l’éducation africaine présente également une base large (79% au niveau
primaire), très étroite au milieu (50% au niveau secondaire) et un sommet microscopique (7%
à l’enseignement supérieur), (RMS, 2015). Au Bénin, l’éducation bénéficie en moyenne de
30% des dépenses publiques (ANB, 2019). On estime à près de 44% la proportion de la
population des femmes âgées de 15 à 24 ans alphabétiser contre 60% d’homme du même
groupe d’âge. De plus, seulement 35% des jeunes femmes vivant en milieu rural sont
alphabétisé contre 53% vivant en milieu urbain (l’INStaD en 2014). L’effet du capital
humain dans le processus de diversification économique et plus particulièrement celui de
l’éducation est important car elle permettra aux pays en voie de développement de connaitre
la formation adéquate qu’il faut pour un changement structurel de leurs économies. La
présente étude s’inscrit dans la logique d’identifier l’effet du capital humain à travers
l’éducation dans le processus de la diversification économique. Elle permettra de montrer
comment évolue les dépenses publiques réalisées par l’Etat dans le secteur de l’éducation au
Bénin et d’apprécier l’effet de ces dépenses publiques par années sur le Taux Brut de
Scolarisation dans le secteur éducatif béninois.

1.1. OBJECTIFS DE RECHERCHE

1.3.1. Objectif général
L’objectif général de l’étude est d’analyser l’effet du capital humain sur la diversification
économique au Bénin.

1.3.2. Objectifs spécifiques

De façon spécifique, il s’agit de :
 Analyser l’effet du capital humain à travers les dépenses publiques en éducation sur la
diversification économique du Bénin ;
 Déterminer l’impact de la formation brute de capital fixe sur la diversification
économique sur la diversification économique du Benin.

21
 1.4. HYPOTHESES
H1 : Le capital humain à travers les dépenses publiques en éducation a un effet positif sur la
diversification de l’économie Béninoise.

H2 : La formation brute de capital fixe impact positivement la diversification économique

Benin.

SECTION 2 : REVUE DE LITTERATURE ET METHODOLOGIE D’ETUDE

1.5. REVUE DE LITTERATURE

1.5.1. DEFINITION CONCEPTUELLE
Diversification économique

La diversification économique demeure une composante essentielle de développement grâce à

laquelle un pays s’oriente vers une structure de production et d’échanges plus variées ou plus
diversifié. Pour les experts de la Banque Mondiale, elle consiste à la transformation
structurelle de l’économie et à l’élévation des niveaux de productivité résultant de la
circulation des ressources économiques à l’intérieur des différents secteurs de l’économie et
entre ces secteurs. Ils proposent une définition regroupant deux aspects de la diversification
(Banque Mondiale, 2020). Le premier est lié à la diversification des échanges commerciaux
qui consiste à l’exportation de produits nouveaux ou améliorés ou vers de nouveaux marchés.
La seconde porte sur la diversification de la production nationale, consiste au rééquilibrage de
la production nationale avec réaffectation des ressources entre les différents secteurs et, au
sein des secteurs, entre les entreprises, pour accroitre la productivité totale des facteurs. Elle
débouche sur la transformation structurelle car elle implique une redistribution des ressources,
des activités à faible productivité vers les activités à plus forte productivité. De ces
composantes, on peut retenir que la diversification économique consiste à la transition vers
une structure plus variée de la production nationale et des échanges, en vue d’augmenter la
productivité, de créer des emplois et de jeter les bases d’une croissance soutenue permettant
de réduire la pauvreté.

La diversification est importante à plusieurs titres car elle représente une réponse face à la
vulnérabilité des chocs extérieurs (Koren et Tenreyro, 2007), qui peut saper les perspectives
de croissance économique. Elle est un soutien aux activités productives à forte valeur ajoutée.
Pour les pays ayant leurs structures économiques concentrées c’est-à-dire dépendant

22
fortement de l’agriculture primaire ou des minéraux, soumis aux chocs sectoriels, la
diversification permet d’atténuer les chocs météorologiques ou les chocs soudains sur les prix
des minéraux. Elle permet d’accroitre la résilience aux chocs qui fragilisent les résultats
économiques. La diversification de la production augmente le revenu (CNUCED, 2018). Elle
permet d’atténuer les chocs sur la croissance économique issus de la volatilité des prix des
produits de base (Van der Ploeg et Poelhekke, 2009). Les économies diversifiées sont plus
performantes dans le long terme (Gelb, 2010). Cette bonne performance économique
s’explique par le fait que la production manufacturière déclenche un processus dynamique
d’apprentissage ce qui permet d’améliorer la productivité et les revenus. La diversification
permet aux producteurs d’avoir des informations diversifiées sur les marchés étrangers, et
améliore leur capacité productive et peut donc déboucher sur un effet d’externalité par rapport
à d’autres secteurs. La diversification est un moyen de consolidation des économies et de
limiter les risques de conflits d’instabilité politique (Gaboua, 2017), de réduire les
vulnérabilités d’une économie qui dépend d’une seule source de revenu et qui plus ai lorsque
ces revenus proviennent des ressources non renouvelables (Muhama al Naimi, 2021). Elle est
importante pour créer un environnement florissant et améliorer la qualité de ces institutions et
de la vie de ces citoyens. Elle ouvre également la voie à la réalisation des ODD (UNDP,
2020). Elle sert de socle à l’épanouissement économique et financier des pays (Al-Jundi,
2012).

Capital humain

Le concept de capital humain, tel qu’il est utilisé en économie repose sur l’hypothèse selon
laquelle les différences entre les salaires correspondent à celles des niveaux de productivités
des salaires. Ces écarts entre les salaires résultent des différences de niveau de capital humain
qu’ils ont accumulé par le biais de l’investissement (ROUSSEL, 2010). Il est la notion bien
connue selon laquelle les savoirs et le savoir-faire acquis par l’instruction, la formation et
l’expérience représentent certaines de nos plus précieuses ressources.

Le capital humain est considéré par Bontis (1996) comme étant le cœur du capital immatériel.
Brookings et al, (1996) définissent le capital humain comme les connaissances tacites et
explicites des gens et leur capacité à générer des actifs corporels et incorporels. Selon Gallego
et Rodriguez (2005), le capital humain regroupe toutes les capacités individuelles, les
connaissances, le talent et l’expérience des employés et des dirigeants de l’entreprise. C’est
aussi, l’ensemble des expériences, connaissances, qualifications acquises par un individu
depuis sa naissance et qui le rendent plus ou moins capable de produire des satisfactions avec
23
un ensemble donné de biens et de services. C’est le stock de connaissance que les employés
prennent avec eux lorsqu’ils quittent l’entreprise. La banque mondiale le désigne comme étant
l’ensemble des connaissances, compétences et conditions de santé que les individus
accumulent tout au long de leur vie et qui leur permet de réaliser pleinement leur potentiel en
devenant des membres productifs de la société. Pour eux, le capital humain joue un rôle
déterminant pour mettre fin à l’extrême pauvreté et renforcer l’inclusion sociale.
L’Organisation de Coopération et de Développement Economique (OCDE) le définie comme
étant l’ensemble des connaissances, qualifications, compétences et caractéristiques
individuelles qui facilitent la création du bien-être personnel, social et économique. Il
constitue un bien immatériel qui peut faire progresser ou soutenir la productivité, l’innovation
et l’employabilité.

1.5.2. REVUE DE LITTERATURE

Revue théorique

Dans la littérature, il y a un accord sur les enjeux de la diversification économique dans la

plupart des pays. La diversification économique est gage de développement car elle consiste à
transformer la structure de l’économie et réduire sa dépendance vis-à-vis des ressources
(Rodrik, 2004 ; Greenwald et Stiglitz, 2013). Elle vise à protéger l’économie locale des chocs
externes et à soutenir la croissance économique (Banque Mondiale, 2020).

Malgré la vaste littérature sur la diversification économique, elle demeure faible dans les pays
en voie de développement. Un facteur explicatif fait donc défaut dans l’explication des
mauvaises performances économiques. La diversification économique tire ces fondements de
ce qu’on appelle communément la malédiction des ressources, à savoir l’idée que l’abondance
des ressources naturelles nuire à la croissance économique à long terme (Kolstad et Wiig,
2009), ce qui met en exergue le rôle du capital humain dans l’explication de la diversification
économique. Le manque de diversification économique détourne la main d’œuvre de qualité
loin des activités manufacturières, augmentant ainsi le coût de production dans ces secteurs et
rendant moins compétitives les économies (Papyrakis et Raveh, 2014). L’argument de cette
théorie ne fait que mettre en lumière le biais structurel qu’introduise la qualité du capital
humain, qui bloque la diversification dans les pays exportateurs de pétrole. Le capital humain
permet donc d’atténuer les effets de la malédiction des ressources (Gelb, 2010). Il est donc un
vecteur de transmission des effets positifs de la diversification sur la croissance (Bravo-
Ortega, 2007). La diversification passe par le développement des compétences (Saiyed et

24
Pathania, 2016). Les pays qui veulent donc s’affranchir de la dépendance des produits
primaires, doivent investir massivement et efficacement dans le capital humain.

La théorie de l’Etat rentier, initialement développée par Mahdavy (1970) et renforcée par
Beblawi et Luciani (2015), abonde dans ce sens. Selon cette théorie, lorsque les
gouvernements tirent une part substantielle de leurs recettes nationales de rentes, ils sont
libérés de la nécessité de prélever des taxes et se préoccupent moins des facteurs capables de
doper la structure de l’économie. Du fait qu’ils disposent d’une légitimité politique de
répartition ininterrompue des rentes, ils se préoccupent moins des performances
macroéconomiques globales (Moor, 2004), moins du renforcement des fondements de base
capable de soutenir la croissance. Même si cette théorie n’aborde pas directement l’effet du
capital humain dans la diversification économique, elle n’omet pas le rôle des facteurs
structurels dans le renforcement du cadre macroéconomique. Le niveau élevé de
l’autonomisation des Etats rentiers les pousse à oublier les préférences de la société et par là
empêcher l’émergence de groupes sociaux indépendants (Ross, 2004). Il en résulte donc un
manque d’information de la part du gouvernement due à la qualité du capital humain, ce qui
entrave la formulation de stratégies judicieuses de diversification et de sophistication de
l’économie (El Kadi, 2020). Le développement du capital humain n’est donc pas encouragé ce
qui est une entrave à la diversification économique.

Cette analyse de la théorie de l’Etat rentier a été renforcée par la Nouvelle Economie
Institutionnelle (NEI), qui met en exergue le rôle de la qualité des institutions dans le
développement, synonyme de la diversification économique (El Kadi, 2020). La logique de
l’auteur est que la qualité des institutions, tributaire du capital humain, réduise les risques,
favorise les investissements et entrave moins la diversification économique. La qualité des
institutions qui protègent la propriété privée, favorise donc la croissance et le développement
(Acemoglu, Jonhson et Robinson, 2001). Le manque de diversification peut être évité en
présence des institutions de qualité qui contraignent les hommes à rendre des comptes et
allouer les ressources publiques suivant des critères de mérite. De ce fait, l’auteur souligne
que la qualité des institutions repose sur la qualité du capital humain.

Pour les experts de la Banque Mondiale (2020), la diversification économique, requiert quatre
leviers importants dont: l’établissement de cadres incitatifs appropriés, les investissements et
les réformes des politiques destinés à réduire les coûts du commerce, les politiques efficaces
favorisant l’ajustement et la réaffectation des ressources au profit de nouvelles activités et les
interventions des pouvoirs publics ciblant certains dysfonctionnements du marché des
25
politiques et des institutions. En évoquant ainsi les leviers de la diversification, la banque
mondiale soutient qu’un capital humain de qualité permettra à l’Etat d’élaborer les meilleures
stratégies de diversification. Il est donc admis que la diversification économique passe par
l’accumulation de capital humain et physique (CNUCED, 2018). La diversification passe
alors par la mise en place d’infrastructures capables d’accroitre les capacités scientifiques et
technologiques et le renforcement des institutions et de la gouvernance. Les investissements
dans l’éducation, la santé, les infrastructures et la sécurité sont des facteurs capables de
booster la productivité et contribuer à la diversification et à la création de la valeur ajoutée à
l’échelle de l’économie.

Revue empirique

La question de la diversification économique n’est pas récente dans la littérature. Elle a

commencé dans la plupart des pays africains au lendemain des indépendances et n’est pas
restée loin des résultats théoriques. Elle identifie cinq groupes de facteurs, sources de la
diversification économique :

 Facteurs physiques : investissement, croissance et capital humain

 Choix politiques : impact des politiques commerciales et industrielles ;
 Variables macroéconomiques : taux d’inflation, de changes ainsi que les grands
déséquilibres économiques ;
 Variables institutionnelles : gouvernances, conflits et environnement de
l’investissement ;
 Accès aux marchés : élimination des barrières tarifaires, le développement du marché
financier.

En s’inspirant des travaux de Hammouda et al. (2006) sur données de panel, Kamgna (2007)
identifie les déterminants de la diversification des exportations dans la zone CEMAC. En
utilisant les indices synthétiques (indice d’ogive, indice d’Hirschman et indice agrégatif de
spécification), l’auteur trouve les résultats similaires à celui obtenus par Hammouda et al.
(2006) fondé sur les cinq groupes de facteurs pouvant favoriser la diversification. Elhiralka et
Mbate (2014) utilisent la méthode des moments généralisés (GMM) pour identifier les

26
déterminants à long terme de la diversification des exportations. Sur la base d’un panel de 53
pays africains, ces auteurs aboutissent aux mêmes résultats que les auteurs précédents et
soutiennent donc l’importance du revenu par habitant, de l’infrastructure, l’investissement
public, le capital humain et le cadre institutionnel comme moteurs de la diversification des
exportations. Ces résultats confirment ceux de Bakaboukila Ayessa (2020) qui trouve sur la
base des GMM que la croissance économique, la qualité des institutions et l’investissement
dans l’éducation et dans la formation sont les déterminants de la diversification économique.

Malclès (2016) d’après ces études pense que l’investissement dans le capital humain possède
d’abord une efficacité cumulative car il facilite l’acquisition de nouvelles compétences. Dans
le même temps, il découvre que ces compétences acquises génèrent des externalités positives,
sources de rendements croissants, car il est favorable à l’innovation et met l’accent sur
différents types d’investissement dans le capital humain, comme l’investissement dans
l’éducation et l’investissement dans la santé.

En effet l’investissement dans l’éducation permet d’améliorer directement le bien-être des

populations, mais il contribue également, de façon indirecte, au renforcement de différentes
formes du capital humain, qui concourt à la diversification économique. Dans cette même
optique Benos et Karagiannis (2016) soutiennent que le niveau d’éducation est un facteur
déterminant qui contribue à la diversification de l’économie d’un pays. L’investissement dans
la formation postule que les compétences acquises via l’école permettent d’augmenter le
salaire des individus et l’innovation, avec des effets à long terme sur la diversification
économique.

De plus, la diversification économique sert de socle à l’épanouissement économique et

financier des pays (Al-Jundi, 2012). Mishrif et Al Balushi (2018) dans leurs résultats insistent
sur une réforme du processus éducatif afin que l’investissement en capital puisse impacter la
diversification économique. Il faut donc investir dans les infrastructures physiques et non se
concentrer sur les réformes liées aux changements des programmes scolaires. Les systèmes
éducatifs traditionnels constituent des blocages à l’obtention d’un capital humain spécialisé
nécessaire pour la diversification. Ozili (2021) et Al-Saidi et Saadaoui (2021) complètent
l’analyse de Mishrif et Al Balushi (2018), en insistant sur le rôle de l’économie circulaire
dans le processus de la diversification. Cependant le rôle de l’économie circulaire dans le
processus de la diversification passe par une bonne connaissance qui améliore le niveau de
l’éducation. L’investissement dans l’éducation est donc un facteur essentiel pour permettre
aux fabricants locaux d’être en mesure de répondre aux normes mondiales.
27
Dans le cadre de l’économie marocaine, Moussir et Tabit (2016) constatent sur la base des
GMM, que les IDE et la formation brute de capital fixe (FBCF) influence positivement la
diversification des exportations contrairement aux variables telles que le revenu par habitant,
le taux de change effectif réel, le taux d’inflation et la gouvernance. En se fondant sur un
modèle ARDL sur l’économie pakistanaise et en utilisant l’indice Gini Hirschman (GHI)
comme indicateurs de diversification des exportations, Mubeen et Ahmad (2016) abondent
dans le même sens que les auteurs précédents. L’investissement direct étranger, le revenu
mondial et le taux de change effectif réel améliorent le processus de diversification des
exportations. Dans le cadre des économies du Moyen Orient et en Afrique du Nord (MENA),
Alaya (2012) montre que la dotation en ressources naturelle explique la concentration des
exportations. En outre l’auteur trouve une relation positive entre l’ouverture et l’accumulation
du capital et la diversification des exportations. Cependant, il trouve une relation en « u »
renversé entre le développement et la diversification sur la base des données en panel.

En recourant à la technique DOLS, Ndinga et al. (2017) trouvent des résultats contraires quant
à l’influence des connaissances et les savoirs sur la diversification des économies. Les auteurs
concluent sur la base des données issues des pays membres de la CEMAC que ces variables
ont un effet marginal sur la diversification économique.

28
 1.6. METHODOLOGIE DE RECHERCHE
Notre étude est fondée sur des données provenant de différentes sources qui sont
essentiellement l’UNESCO, la Banque Mondiale et l’INStaD. Les données disponibles sur ces
diverses plateformes nous ont permis d’établir une base de données dont nous nous sommes
servis pour les analyses ayant trait à notre recherche. L’analyse des variables ainsi que
l’estimation du modèle ont été faites à l’aide des logiciels Excel et

PLAN D’ANALYSE DES RESULTATS

Pour conduire les analyses dans le cadre de la présente étude, nous procèderont d’abord à une
analyse descriptive. Les variables quantitatives seront présentées sous forme de moyenne ±
écart type lors qu’elles ont une distribution normale et sous forme de médiane suivie de l’écart
interquartile lorsque la distribution est anormale. Quant aux variables qualitatives et celles
quantitatives réparties par intervalles, on déterminera leurs fréquences et leurs pourcentages
afin de produire des représentations graphiques en barre ou des camemberts.

29
Le plan d’analyse de données de notre étude est fait selon chaque hypothèse afin de définir
dans quelle mesure chacune d’elle est validée ou rejetée.

Nous allons représenter les dépenses publiques réalisées par l’Etat dans le secteur de
l’éducation, observer sa tendance et ainsi interpréter ses variations dans le temps. Nous aurons
en outre à étudier la stationnarité des variables avec le texte de Dickey-Fuller Augmenté pour
apprécier l’effet des dépenses publique réalisée par l’Etat dans l’éducation sur les différents
secteurs de l’éducation béninoise.

De plus, pour mieux choisir la méthode qui conduit aux meilleurs résultats, le processus
d’estimation varie en fonction de la stationnarité et du degré d’intégration des variables. Afin
de choisir la spécification appropriée (MCO, VAR, MCE ou VECM), on procède par étape :

 Si les variables sont stationnaires en niveau, on procède à l’estimation d’un MCO ;

 Si les variables sont stationnaires en différents ordres d’intégration et qu’il existe de
relation de cointégration entre la variable initiale des variables intégrés de même
ordre, on procède à l’estimation d’un modèle à Correction d’Erreur (MCE) ou Vector
Error Correction Model (VECM) selon le nombre de relation de cointégration ;
 Si les variables sont stationnaires en différents ordres d’intégration et qu’il n’existe
pas de relation de cointégration, on estime un VAR.
 Ainsi, après estimation du modèle, les tests usuels (de bruit blanc, d’autocorrélation
des résidus…), test de stabilité et validation du modèle seront effectués afin de
procéder à l’interprétation des coefficients selon le type de modèle
METHODE D’ESTIMATION

1- Test économétrique

Test de saisonnalité

Nos variables étant des données chronologiques et mensuelles, cela impose de tester la
saisonnalité. Cette étude est un préalable au traitement d’une série chronologique. En effet,
lorsque cette composante existe, il convient de l’isoler afin de pouvoir analyser les autres
caractéristiques. Une dessaisonalisation systématique, sans tester l’existence de cette
composante, peut créer un « bruit » parasite nuisible à l’analyse de la chronique et donc
dégrader la qualité de la prévision. Ainsi, le test de saisonnalité permettra d’évaluer la
présence ou non d’une saisonnalité et de l’extraire (s’il y en a)

Test de stationnarité

30
Avant tout traitement économétrique, il faut s’assurer de la stationnarité des variables
utilisées. Pour étudier la stationnarité des variables utilisées dans ce travail, on a fait recours
aux tests de Dickey-Fuller Augmenté (noté : ADF). Ces tests permettent de mettre en
évidence le caractère stationnaire ou non d'une série par la détermination d'une tendance
déterministe ou stochastique. Une série possédant une racine unitaire est non stationnaire.
Pour détecter cela, nous allons utiliser le test de Dickey-Fuller augmenté (ADF). Le test de
Dickey-Fuller Augmenté est basé sur l’estimation par les moindres carrées des trois modèles
suivants :

o Modèle avec constante : ∆𝑦𝑡=𝛼𝑜+𝛾𝑦𝑡−1+∑𝛽𝑗∆𝑦𝑡−𝑗𝑝𝑗=1+𝜀𝑡

o Modèle avec constante et tendance : ∆𝑦𝑡=𝛼𝑜+𝛼1𝑡+𝛾𝑦𝑡−1+∑𝛽𝑗∆𝑦𝑡−𝑗𝑝𝑗=1+𝜀𝑡

o Modèle sans constante ni tendance : ∆𝑦𝑡=𝛾𝑦𝑡−1+∑𝛽𝑗∆𝑦𝑡−𝑗𝑝𝑗=1+𝜀𝑡

La procédure de ce test consistera à analyser successivement ces trois équations. À chaque

fois qu’une n’est pas significative, nous passons à la suivante. Ainsi, nous procédons comme
suit :

o Déterminer le nombre retards p de chaque variable du modèle. Dès lors, il s’avère

nécessaire de l’utilisation des critères de sélection comme le log vraisemblance (LR),
AIC, BIC et FPE.

o Effectuer le test ADF sur chaque variable dans chacun de ces modèles ci-dessus.

Les hypothèses du test se présentent comme suit :

𝐻0 : les séries ne sont pas stationnaires ou il existe une racine unitaire

𝐻1 : les séries sont stationnaires

La règle de décision est la suivante :

 Si le t-statistique est inférieur à la valeur critique (ou p<5%), on rejette l’hypothèse

nulle. La série est donc stationnaire ;

 Si le t-statistique est supérieur à la valeur critique (ou p> 5%), on accepte l’hypothèse
nulle de présence de racine unitaire. La série est donc non stationnaire.

31
Test de Cointégration
L’étude de la cointégration permet de tester l’existence d’une relation stable de long terme
entre deux ou plusieurs variables non stationnaires en incluant des retards et des variables
exogènes. Il existe plusieurs tests de cointégration. En effet pour tester l’existence ou non de
la cointégration entre séries, la littérature économétrique fournit plusieurs tests ou approches
dont le test de Engel et Granger, ceux de Johansen et Juselius. Le test de cointégration de
Engel et Granger n’aide à vérifier la cointégration qu’entre deux séries intégrées d’ordre (1), il
est donc adapté au cas bivarié et s’avère ainsi moins efficace pour des cas multivariés. Dans le
cadre de cette étude, le test utilisé est celui de Johansen. Le test de cointégration de Johansen
permet de vérifier plutôt la cointégration sur plus de deux séries, il a été conçu pour des cas
multivariés. L’hypothèse nulle du test est : H0 : q = r, c’est-à-dire qu’il existe au plus r
vecteurs de cointégration.

- Si r = 0, il n’y a aucune relation de cointégration. On estime alors un modèle VAR

(Vector Autorégressive) sur les variables stationnaires.
- Si r= 1, le modèle approprié est un Modèle à Correction d’Erreur (MCE) qui s’estime
en deux étapes : un modèle de long terme et un modèle de court terme. Le modèle de
long terme s’obtient par régression des moindres carrés ordinaires (MCO) sur les
variables à niveau. Le résidu de cette régression retardé d’une période s’ajoute aux
variables stationnaires dans le cadre de l’estimation du modèle de court terme,
également par la méthode des MCO.
- Si r > 1, il convient d’estimer un Modèle à Correction d’Erreur Vectoriel (VECM) qui
n’est qu’une généralisation du MCE dans le cadre de plus d’une relation de
cointégration. Il est important de remarquer que dans le cas où les variables sont
stationnaires à niveau, la méthode d’estimation appropriée est celle des MCO.

Test d'autocorrélation

Il est important de vérifier si les erreurs sont autos corrélées. Parmi les tests d’autocorrélation
qui existent, nous avons utilisé le test de Breusch-Godfrey et celui de la statistique DW
(Durbin et Watson). La statistique de Breusch-Godfrey connu également sur le nom de test de
Multiplicateur de Lagrange (Lagrange Multiplier test « LM test ») est fondé sur le test de
Fisher de nullité des coefficients ou de multiplicateur de Lagrange et suit une distribution de
Khi-deux avec p degré de liberté, p étant le nombre de retard des résidus, et est donnée par
LM = nR² avec n le nombre d’observation et R² le coefficient de détermination. Lorsque LM

32
> Khi-deux lu ou lorsque la probabilité est inférieure à 5%, alors il y a autocorrélation des
erreurs.

Test d'homoscédasticité de White

Le test d’homoscédasticité permet de détecter et de corriger l’hétéroscédasticité des erreurs. Il

existe plusieurs méthodes ou tests permettant de détester l’hétéroscédasticité comme par
exemple, le test de Park, le test de white, le test de Breusch-Pagan-Godfrey etc. Parmi
lesquels nous avons choisi celui de White. Si la valeur de Khi-deux obtenue (nR²) est
supérieure à la valeur critique du Khi-deux (valeur lue dans la table de Khideux) au niveau de
signification choisie, alors il faut conclure à la présence d’hétéroscédasticité. Dans le cas
contraire, le modèle est homoscédastique. De même, lorsque la probabilité est supérieure à
5%, le modèle est dit homoscédastique et lorsqu’elle est inférieure à 5%, il est dit
hétéroscédastique.

Test de significativité des variables explicatives

Ce test permet l’évaluation de la contribution d’une variable explicative donnée à

l’explication de la variable expliquée. Le test le mieux adapté est le test de Student. Ce test
consiste à analyser la significativité de chaque coefficient du modèle estimé. En pratique et
sur le logiciel Stata, si au seuil de 5% la valeur absolue de t-statistic associé à la variable est
supérieure à 1,96 on dira que le coefficient associé à cette variable est significatif. Par contre
on dira que cette variable est non significative si au seuil de 5% la valeur absolue de t-statistic
est inférieure à 1,96.

Test de normalité

Le test de normalité est important parce que, sans ledit test, on ne peut pas effectuer le test de
student sur les paramètres. C’est un test qui permet de vérifier si les erreurs sont normales ou
non. Parmi les tests de normalité qui existent nous avons utilisés le test de Jarque-Bera.

2- Spécification du modèle

La spécification d'un modèle économétrique pour une régression linéaire implique de

déterminer les variables à inclure dans le modèle, de choisir la fonction de régression et de
sélectionner les méthodes d'estimation et de test appropriées. La régression linéaire est l'un
des outils les plus couramment utilisés en économétrie, et elle est souvent utilisée pour étudier
la relation entre une variable dépendante et plusieurs variables indépendantes. L'histoire de la
régression linéaire remonte au début du 19e siècle, lorsque le mathématicien français Adrien-

33
Marie Legendre a développé la méthode des moindres carrés pour ajuster une courbe à un
ensemble de données. Cette méthode a été ensuite développée par le mathématicien anglais
Francis Galton pour étudier la relation entre la taille des parents et celle des enfants. Plus tard,
l'économiste norvégien Ragnar Frisch a été le premier à utiliser la régression linéaire en
économie, en appliquant la méthode des moindres carrés à des données économiques pour
étudier la relation entre le revenu et la consommation. La spécification d'un modèle
économétrique pour une régression linéaire implique plusieurs étapes clés : Identification des
variables, spécification de la fonction de régression, estimation des coefficients de régression,
test de la significativité des coefficients et vérification des hypothèses.

Le modèle est formaliser nécessairement par une fonction d’une fonction de type Cobb-
douglas qui exprime la production la variable dépendante en fonction des variables
explicatives.

Y=f (K, L) =AKαLβ avec 0<α<1

Le modèle cherche à minimiser la distance entre les valeurs observées et les valeurs prédites
en ajustant les coefficients à l’aide de la méthode des moindres carres. Il sera ensuite
important de linéariser cette fonction afin d’obtenir un modèle double log-linéaire en vue
d’expliquer le modèle à partir des coefficients sous formes d’élasticité. Ainsi de Y=AKαLβ, on
obtient :

Ln(Y)= A+ αLn(K) + βLn(L) (1)

Nous avons choisi un modèle économétrique qui nous permettra de comprendre la

problématique de l’impact des financements sur le bien-être de la population du Bénin. Pour
cela quatre variables explicatives et une variable expliquée ont été considérées dans cette
étude.

IDE= Indice de diversification économique (elle est obtenu à partir de la formule de

Herfindahl-Hirschman, sa formule est IDE= {(1-somme de Si 2) /1-1/N} *100 avec Si2 qui
représente la somme des carres des part de chaque produit dans le total d’exportations et N
représente le nombre de produits exportés.

Pib= PIB par habitant

FCBF= Formation brute de capital fixe

DPE= Dépenses publiques en éducation

34
TOC = Taux d'ouverture commerciale

En intégrant ces variables explicatives dans l’équation (1), on obtient le modèle originel
suivant :

Ln (DE) = α0 + α1Ln (PIB RH) + α2Ln (FCBF) + α3Ln (DPE) + α4Ln (TOC)
(2)

Ce modèle ne prend pas encore en compte le terme d’erreur qui permet de voir la marge
d’erreur lors des estimations. Pour cela, il va nous falloir, intégrer ce terme dans ce modèle
pour obtenir un modèle économétrique. Ainsi on a :

Ln(IBH) = α0 + α1Ln(POP) + α2Ln(FNB) + α3Ln(CI) + α4EPB + εt (3)

Avec εt : le terme d’erreur (ensemble des variables omises)

La méthode couramment utilisée dans l'évaluation des impacts est celle basée sur les données
temporelles.

35
Chapitre 3 : Présentation, analyse des résultats et
recommandation
Il s’agit dans ce chapitre d’analyser les résultats, de déduire leurs implications et de vérifier
les deux (2) hypothèses fixées à l’étude.

Section 1 : Analyse exploratoire des données

A-Présentation des variables
1- Statistiques descriptives
Le tableau ci-dessous présente la statistique descriptive des variables utilisé dans le cadre de
cette recherche.

Tableau 1 : Statistique descriptive des variables

LnIDE LnPIBh LnDPE lnFCBF LnTOC
Moyenne -0,9254663 13,27898 1,038758 27,51157 -0,7236342
Médiane -0,9669579 13,25625 1,0644 27,32607 -0,7601236
Minimum -1,196843 13,12396 0,653351 26,84874 -0,9681589
Maximum -0,6112699 13,48391 1,481123 28,49909 -0,4398716
Ecart-type 0,2042899 0,0948609 0,1995349 0,5615832 0,1752293
Variance 0,0417344 0,0089986 0,0398142 0,3153757 0,0307053
Skewness 0,2143783 0,5196252 0,0752333 0,5608306 0,2819557 36

Kurtosis 1,596399 2,501425 2,649419 1,82461 1,716165

Obs 24 24 23 24 24
 Source : Banque Mondiale

Le tableau 1 nous présente la statistique descriptive des variables de notre étude. Ainsi dans
ce tableau nous avons la moyenne, la médiane, le minimum, le maximum, l’écart-type, la
variance, le coefficient d’aplatissement, coefficient d’asymétrie.

2- Corrélation entre les variables

Tableau 2 : Liaison entre les variables

LnIDE LnPIBh LnDPE LnFCBF LnTOC

LnIDE 1,0000

LnPIBh 0,4421* 1,0000

Prob 0,0305

LnDPE 0,2649 0,5085* 1,0000

Prob 0,2219 0,0132

LnFCBF 0,5710* 0,9707* 0,5212* 1,0000

Prob 0,0036 0,0000 0,0108

LnTOC 0,8624* 0,7358* 0,4295* 0,8151* 1,0000

Prob 0,0000 0,0013 0,0000 0,0000

Source : Réalisé par les auteurs à partir des données de la banque mondiale et de UNDP

D’après ce tableau on voit qu’il y a une corrélation positive entre toutes les variables à
l’étude. De plus, chaque bonne corrélation positive est justifiée ou appuyée par une
probabilité inférieure à 0.05. On remarque une très forte corrélation entre l’indice de
diversification économique et le taux d’ouverture commercial et une bonne corrélation
positive entre l’indice de diversification, le PIB/habitant et la formation brute de capital fixe.
Notons également qu’il existe une corrélation positive mais un peu faible entre l’indice de

37
 Variables Lag LR (Likehood Ratio) P (Prob)

LnIDE 1 6,7939* 0,009

2 3,1823 0,074

LnPIBh 2 0,51355 0,474

3 6,0219* 0,014

LnDPE 1 17,574* 0,000

2 0,02284 0,880

LnFCBF 1 64,813* 0,000

2 0,20059 0,654

LnTOC 1 16,263* 0,211

2 1,5643 0,211

diversification économique et les dépenses publiques en éduction. Cette dernière corrélation

n’est pas significative.

3- Autocorrélation des variables

En statistique, l’autocorrélation d’une série temporelle discrète est la corrélation de cette série
par rapport à une version décalée dans le temps de lui-même.

Tableau 3 : Autocorrélation des variables

38
 Source : Réalisé par les auteurs à partir des données de la banque mondiale

Ce tableau nous permet de dire que toutes les variables de nos études sont auto corrélée sont
auto corrélée avec une version d’elles-mêmes décalée d’ordre 1 (lag=1) a l’expression du
PIB/habitant qui est auto corrèle avec une version décale d’ordre 3. Notons que chaque
autocorrélation est significative avec leur probabilité inférieure à 5% (0.05). Cette présence
d’autocorrélation peut biaiser les estimations des coefficients de régression conduisant à des
erreurs standard et des intervalles de confiance incorrects. Par conséquent nous allons prendre
en compte l’autocorrélation en utilisant les méthodes de régression qui permettent de corriger
l’autocorrélation dans les résidus de la régression.

B- Evolution des variables de notre étude

Graphique 1 : Evolution du lnIDE (Indice de diversification de l’économie)

39
 .55
.5
.45
IDE
.4
.35
.3

2000 2005 2010 2015 2020

Année

Source : Réalisé par les auteurs

Le graphe 1 nous présente l’évolution de l’indice de diversification de l’économie. Ce graphe

nous montre que l’indice est compris entre 0,2 et 0,8. Lorsque l’indice est proche de 0 comme
on le constate entre 2004-2005 et en 2020, cela signifie que les exportations du pays sont
concentrées sur un seul produit et lorsqu’il est élevée (proche de 1) comme en 1998, 2014,
2019 et à partir de 2021 on conclut que les exportations sont diversifiées à part égale.

Graphique 2 : Evolution du lnPIBh(Produit intérieur brut)

40
 13.5
13.4
LNPIBh
13.3
13.2
13.1

2000 2005 2010 2015 2020

Année

Source : Réalisé par les auteurs à partir des données de la banque mondiale

Le graphe nous présente une évolution ascendante du PIB/habitant sur toute la période de
notre étude. Cette courbe ascendante indique une augmentation de la richesse par habitant au
fil du temps. Elle montre des fluctuations qui peuvent être liées a des évènements
économiques.

Graphique 3 : Evolution du lnDPE (Dépense publique en éduction)

41
 1.4
1.2
LNDPE
1 .8
.6

2000 2005 2010 2015 2020

Année

Source : Réalisé par les auteurs à partir des données de la banque mondiale

D’après l’analyse du graphe 3, il ressort que les dépenses publiques en éducation ont évolué
sur une tendance croissance entre 1999 et 2011 avant de chuter et reprendre ascendance
croissante en 2017.notons qu’elle a considérablement chuter entre 1998-1999 et 2011-2015.
Une ascendance indique que le gouvernement investir davantage dans l’éducation publique ce
qui a un impact positif sur le capital humain.

Graphique 4 : Evolution du lnFCBF (Formation brute de capital fixe)

42
 28.5
28
LNFCBF
27.5
27
26.5

2000 2005 2010 2015 2020

Année

Source : Réalisé par les auteurs à partir des données de la banque mondiale

L’analyse du graphe nous montre une évolution du FCBF sur toute la période de notre
étude. Cette hausse du FCBF indique que l’économie investir d’avantage, ce qui peut être
un signe de confiance et de croissance économique

Graphique 5 : Evolution du lnTOC (Taux d’ouverture commercial)

43
 -.4
-.6
LNTOC
-.8
-1

2000 2005 2010 2015 2020

Année

Source : Réalisé par les auteurs à partir des données de la banque mondiale

L’analyse de ce graphe nous révèle que le taux d’ouverture commerciale a augmentée

atteignant un niveau supérieur en 2021 comparément à son niveau en 1998. La hausse du taux
d’ouverture commerciale indique que le pays est de plus en plus intègre dans l’économie
mondiale. Ce qui peut être un signe décroissance économique et dynamisme. Cela indique
également que le pays est devenu plus compétitif sur le marché mondial.

Section 2 : Présentation et analyses des résultats

Paragraphe 1 : Présentation des résultats
A-Test de stationnarité
L’étude de stationnarité est la principale étape d’une étude portant sur les séries temporelles.
Le test statistique nécessaire pour cette étude est celui de Dickey-Fuller Augmenté et permet
de voir si les séries sont stationnaires ou non. Le tableau suivant nous présente le test de
stationnarité de Dickey Fuller ADF appliqué sur les variables à l’étude.

Tableau 4 : Résultats des tests d’ADF sur les variables du modèle

Variables Stationnaire en niveau Stationnaire en différence première Ordre

44
 d’intégration

T-Statistic P-value Conclusion (5%) T-Statistic P-value Conclusion

(5%)

LN(IDE) -2.688 0.0762 Non Stationnaire -6.187 0.0000 Stationnaire I(1)

LN(PIBh) 0.902 0.9931 Non stationnaire -3.031 0.0321 Stationnaire I(1)

LN(DPE) -1.636 0.4646 Non stationnaire -6.039 0.0000 Stationnaire I(1)

LN(FCBF) 0.607 0.9878 Non stationnaire -4.765 0.0001 Stationnaire I(1)

LN(TOC) -1.499 0.5339 Non stationnaire -5.820 0.000 Stationnaire I(1)

Source : Réalisé par les auteurs à partir des données de la banque mondiale et de UNDP

De l’analyse de ce dernier tableau, on constate que toutes les variables qui sont non
stationnaires en niveau sont stationnaire en différence première, car la probabilité associée à
chacune d’elle par le test en différence première sont inférieure à 5%. On peut donc envisager
l’étude de cointégration.

B- Test de cointégration de Johansen

Le test de cointégration est utilisé pour vérifier s’il existe une dynamique de long terme entre
deux ou plusieurs variables.

Tableau 5 : Résultats du test de cointégration

Lags= 2 Eigenvalue Trace 5%

Rank Statistic Critical Value

0 112.0973 68.52

1 0.94573 50.9090 47.21

2 0.68990 26.3211* 29.68

3 0.53041 10.4474 15.41

4 0.38473 0.2477 3.76

5 0.01173

Source : Réalisé par les auteurs

45
 De l’analyse du tableau, il ressort que le rang de cointégration est 2 ce qui nous amène à
accepter hypothèse de cointégration. On peut aussi affirmer qu’il y a une dynamique de long
terme entre les variables à l’étude. Les résultats du test de cointégration de Johansen indiquent
l’existence d’une relation de cointégration à 5% lorsqu’on prend pour méthode de décision la
statistique de la trace. Il y a donc nécessité de réaliser un Modèle à Correction d’Erreur
(MCE). Pour le Modèle à Correction d’erreur ; nous avons deux étapes. La première étape va
consister à estimer par les Moindres Carrés Ordinaires, le modèle de long terme et récupérer
les résidus et la deuxième vas consister à estimer par les Moindres Carrés Ordinaires, le
modèle de court terme avec les résidus comme variables explicatives.

C- Estimation de long terme

֍ Estimation du modèle de long terme

Nous utiliserons la méthode des méthodes a correction d’erreur (MCE) pour relier différente
variable indépendante à la variable dépendante à l’aide du logiciel Stata. L’estimation de long
terme consiste à modéliser la relation à long terme entre deux ou plusieurs variables.

Tableau 6 : Résultats de l’estimation de la relation de long terme

Variables Coefficient (Ecart-type)

46
 Constante 29.273***

(7.837)

Produit Intérieur Brut par -3.041***

habitant (0.926)

Dépense publique en -0.026

éducation (0.102)

Formation brute de capital 0.400**

fixe (0.175)

Taux d’ouverture 1.102***

commercial (0.187)

Taille de l’échantillon : 23

R2= 0.8645

Probabilité de Fisher= 0.0000

Source : Réalisé par les auteurs avec Stata

Légende : *** : Significative à 1%, ** : Significative à 5%, * : Significative à

10%

A long terme il ressort du tableau précèdent l’équation suivante :

lnIDE= 29.273 – 3.041lnPIBh - 0.026lnDPE +

0.4lnFCBF + 1.102lnTOC

47
 Apres l’estimation du modèle, nous procédons aux différents tests de validation et de
vérification de la significativité des variables explicatives.

֍ Evaluation du pouvoir significatif du modèle de long terme

Le coefficient de détermination communément appelé R 2 est une mesure de la proportion des

variations de la variable dépendante qui est expliquée par le modelé de régression. Etant
donnée que le R2 est égale a 0,8645 soit 86.45%, cela signifie que 86.45% de la variation de la
variable dépendante (diversification de l’économie) peut être expliquée par les variables
indépendantes incluses dans le modelé.

֍ Test de Student

Ce test a pour objectif de nous permettre d’identifier les variables explicatives qui expliquent
significativement notre variable expliquée.

Tableau 7 : Variables explicatives du modèle

Variables explicatives Coefficients Probabilités Significativité au seuil de 5%

LnPIBh -3.041 0.004 Significatif
LnDPE -0.026 0.798 Non Significatif
LnFCBF 0.400 0.035 Significatif
LnTOC 1.102 0.000 Significatif
Source : Réalisé par les auteurs

Légende : *** : Significative à 1%, ** : Significative à 5%, * : Significative à 10%

De l’analyse de ce précèdent tableau, on note que toutes les variables explicatives inclues
dans notre modèle sont significatives au seuil de 5% à l’exception des dépenses publique en
éducation. Cette non spécification des dépenses publiques en éducation peuvent être du a des
problèmes de spécification. Les dépenses en éducation peuvent interagir avec d’autres
facteurs talque la qualité de l’environnement des affaires.

֍ Résultat du test de Fisher

Le test de Fisher également connu sous le test de F-test est utilisé pour déterminer si la
variance de deux échantillons numériques indépendants diffère significativement. Il compare
la variance entre les échantillons (variabilité intergroupe) a la variance à l’intérieur des
échantillons (variabilité intragroupe). D’après l’analyse du dernier tableau 7 qui présente les
résultats des estimations, on note que la probabilité liée au test de Fisher Prob (F-statistic) est

48
égale à 0.0000 donc inférieure à 5%. On conclut alors que le modèle est globalement
significatif.

֍ Test d’autocorrélation de Durbin Watson

Tableau 8 : Test d’autocorrélation

Lags(p) chi2 Df Prob > chi2

1 0.104 1 0.7474
Source : Réalisé par les auteurs

La probabilité associée à ce test est 0.7474>0.05 alors les erreurs ne sont pas corrélées.
L’absence d’autocorrélation indique que le modèle est bien spécifié et que toutes les d’erreurs
ont été prises en compte. Cela indique aussi que la variable dépendante est bien expliquée par
les variables indépendantes inclues dans le modèle.

Graphique 6 : Autocorrélation des erreurs

1.00 0.50
Autocorrelations of residu
-0.50 0.00
-1.00

0 2 4 6 8 10
Lag
Bartlett's formula for MA(q) 95% confidence bands

Source : Réalisée par les auteurs

L’analyse de ce graphe nous confirme que les erreurs ne sont pas corrélées en considérant les
écarts entres les pics.

֍ Test d’hétéroscédasticité de white

49
Le test d’hétéroscédasticité de White permet de savoir si les erreurs sont homoscédastiques ou
hétéroscédastique.

Tableau 9 : Test d’hétéroscédasticité sur les résidus

Chi2(1) 0.01
Prob > chi2 0.9264
Source : Réalisé par les auteurs

La probabilité associée à ce test est 0.9264>0.05 alors les résidus sont homoscédastique. Ce
résultat signifie que la variance des résidus est constante et ne dépend pas de la valeur prédite
ou de l’ordre temporel des observations. Cela peut être considérer comme une condition
favorable pour le modèle car cela suggère que les erreurs sont distribuées de manière égale
autour de la ligne de régression.

֍ Test de normalité de Jarque-bera

Tableau 10 : Test de normalité

Variable adj chi2(2) Prob>chi2

Résidu 4.66 0.0973
Source : Réalisé par les auteurs

La probabilité associée à ce test est 0.0973>0.05 alors les résidus sont normalement
distribués. Ce résultat signifie que les résidus sont distribués de manière symétrique autour de
zéro et que la plupart des résidus sont proches de zéro, avec peu de valeurs extrêmes. Ce
résultat renforce premièrement la validité de certains test statistiques et déliement il aide à
évaluer l’adéquation du modèle aux données observées car un modèle dont les erreurs ne
suive pas une loi normale peut indiquer que le modèle ne capte pas correctement les
caractéristiques de la série temporelle étudiée.

D- Estimation de la relation de court terme

Nous allons procéder dans cette étape à une estimation de court terme en considérant les
résidus comme une variables explicative.

֍ Test de stationnarité sur les résidus

Tableau 11 : Résultats des tests d’ADF sur les variables du modèle

50
Variables Stationnaire en niveau Stationnaire en différence première Ordre
d’intégration

T-Statistic P-value Conclusion T-Statistic P-value Conclusion

Résidu -1.569 0.4992 Non stationnaire -3.878 0.0022 Stationnaire I(1)

Source : Réalisé par les auteurs

On conclut d’après ce tableau que les erreurs sont non stationnaires en niveau et stationnaire
en différence première.

֍ Estimation du modèle de court terme

Nous utiliserons la méthode à correction d’erreurs (MCE) pour relier différente variable
indépendante à la variable dépendante à l’aide du logiciel Stata

Tableau 12 : Résultats de l’estimation de la relation de court terme

Variables Coefficient (Ecart-type)

Constante 11.465*

(6.032)

Produit Intérieur Brut par -1.179

habitant (0.705)

Dépense publique en -0.089

éducation (0.069)

Formation brute de capital 0.151

fixe (0.137)

Taux d’ouverture 1.124***

commercial
51
 (0.171)

Résidu 0.0499

(0.127)

Taille de l’échantillon : 22

R2= 0.9440

Probabilité de Fisher= 0.0000

Source : Réalisé par les auteurs avec Stata

Légende : *** : Significative à 1%, ** : Significative à 5%, * : Significative à

10%

A court terme il ressort du tableau précèdent l’équation suivante :

lnIDE= 11.465 – 1.179lnPIBh - 0.089lnDPE +

0.151lnFCBF + 1.124lnTOC

֍ Evaluation du pouvoir significatif du modèle de court terme

Le R2 est une mesure de l’ajustement d’un modèle de régression aux données observées. En
d’autres termes, il indique à quel point le modèle est capable de capturer la variation de notre
variable dépendante (indice de diversification de l’économie). Il varie entre 0 et 1 et est égale
a 0.9440. Dans notre modèle sur le court terme. Ainsi le modèle explique les variations de de
diversification économique a 94.40%.

֍ Test de Student

Tableau 13 : Variables explicatives du modèle de long terme

Variables explicatives Coefficients Probabilités Significativité au seuil de

52
 5%
LnPIBh -1.179 0.114 Non Significatif
LnDPE -0.089 0.221 Non Significatif
LnFCBF 0.151 0.286 Non Significatif
LnTOC 1.124 0.000 Significatif
Résidu 0.049 0.701 Non Significatif
Source : Réalisé par les auteurs

L’analyse de ce précèdent tableau, nous révèle que la variable qui mesurent le taux
d’ouverture commercial est significatif. Les résidus ont un coefficient positif mais non
significatif. Cela indique que la variable associée a ces résidus n’a pas une grande influence
sur la diversification de l’économie. De plus on constate que certaines variables significatives
sur le long terme ne sont pas significatives sur le court terme. Ce constat peut être du a des
différences dans les mécanismes sous-jacents qui affecte la relation entre les variables à
différentes échelles de temps.

Paragraphe 2 : Interprétation des résultats

1- PIB par habitant
D’après les résultats de l’estimation il ressort que le PIB par habitant est significatif et corrélé
négativement à long terme puis est non significative avec une corrélation négative sur le court
terme. Le PIB/habitant qui est considère comme un indicateur de la richesse du pays est
significatif sur le long terme car il permet d’investir dans de nombreux. Cependant à court
terme les effets peuvent être moins importants car la diversification économique ne se réalise
pas instantanément.

Ainsi une augmentation de 1% du PIB/habitant entraine une baisse de l’indice de

diversification de l’économie de 3.041727% à long terme et de 1.179626% à court terme.

2- Dépense publique en éducation

En se basant sur les résultats de nos estimations, on peut dire que les dépenses publiques en
économie (le capital humain) est non significative sur le court et le long terme et admet une
corrélation négative avec la diversification économique. Ce résultat peut être due aux faites
que les dépenses publiques en éducation ne sont pas un facteur clé pour la diversification de
l’économie. D’autres facteurs tels que la politique industrielle, les investissements en
cherchent et développement ou encore l’ouverture commercial peuvent avoir un impact plus

53
important sur la diversification économique. L’endogénéité entre les dépenses publique en
éducation et l’indice de diversification économique peut expliquer également cette situation.
De plus dans le cadre de notre étude il est possible que la taille de l’échantillon (24) soit pas
optimale pour détecter l’impact.

Néanmoins une augmentation de 1% des dépenses publique en éducation implique une

diminution l’indice de diversification de 0.0265403% sur le long terme et une diminution de
0.0899752% sur le court terme.

3- Formation brute de capital fixe

Les résultats de l’estimation montrent que la FCBF est significative sur le long terme et non
significative sur le court terme avec une corrélation positive entre la FCBF et l’indice de de
diversification. La formation brute de capitale fixe représente les investissements en
équipement étend infrastructures qui peuvent prendre du temps pour se concrétiser et avoir un
impact sur l’économie. Ainsi il est possible que la FCBF sois significative pour la
diversification économique à long terme car elle peut favoriser l’investissement dans de
nouveaux secteurs. Cependant à court terme, les effets peuvent être moins importantes car les
investissements nécessitent du temps pour produire un résultat.

Cependant Quand elle augmente de 1%, l’indice de diversification croît de 0.4% sur le long
terme et de 0.151% sur le court terme. On déduit que la formation brute de capitale fixe
impacte positivement l’indice de diversification sur le long terme et sur le court terme.

4- Taux d’ouverture commercial

D’après les résultats des estimations effectuées précédemment on peut conclure que le taux
d’ouverture commercial est significatif et admettent une corrélation positive avec l’indice de
diversification sur long et le court terme. Sa significativité sur le long terme signifie qu’il a un
effet durable sur la diversification de l’économie. Cela peut s’expliquer par le fait que le
commerce international permet d’élargir les horizons économiques et d’attirer des capitaux
étrangers, ce qui peut favoriser la diversification. Sa significativité sur le court terme indique
que les fluctuations de ce taux ont un effet immédiat sur la diversification de l’économie. Cela
peut s’expliquer par le fait que le taux d’ouverture commercial est souvent influencé par des
évènements économiques mondiaux tels que les crises financières, les guerres politiques et
commerciales, les virus qui peuvent avoir un impact direct sur la diversification des
économies nationales.

54
On conclut donc qu’une augmentation du taux d’ouverture commercial entraine une hausse de
l’indice de diversification de l’économie de 1.102673% sur le long terme et une hausse de
1.124% sur le court terme.

Section 3 : Vérification des hypothèses et suggestions

2.1 Vérification des hypothèses
Les conclusions de l’analyse des résultats issus des estimations du modèle et des
représentations graphiques nous permettent de vérifier nos hypothèses.

A- Hypothèse 1
Notre première hypothèse stipule que « Le capital humain à travers les dépenses publiques en
éducation ont un effet positif sur la diversification de l’économie Béninoise ». D’après les
analyses, on a constaté qu’à court comme à long terme, les dépenses publiques en éducation
impactent négativement la diversification de l’économie. Cette hypothèse est donc rejetée.
Nos résultats supposent que les dépenses publiques en éductions sont dirigées vers les
secteurs qui n’encourage pas la diversification économique.

B- Hypothèse 2
Cette hypothèse suppose que « La formation brute de capital fixe impact positivement la
diversification économique Benin ». Le coefficient estimé de la formation brute de capital
fixe est positif à court terme et à long terme. De plus la formation brute de capital fixe est
significative sur le long terme avant d’être non significative sur le court terme. Par conséquent
l’hypothèse est validée.

2-2 Suggestion
Au regard de tout ce qui précède et pour tirer pleinement profit de cette étude, nous
recommandons les mesures suivantes :

֍ Investir en éducation : augmenter les dépenses publiques en éducation, encourager

l’enseignement technique et professionnel ;
֍ Encourager l’entreprenariat : offrir des programmes de soutiens aux entrepreneurs,
faciliter l’accès aux financements, réduire les démarches administratives ;
֍ Promouvoir la recherche et le développement : augmenter les investissements dans la
recherche et le développement, virer des partenariats entres les entreprises, les
universités et les centre de cherche ;

55
֍ Favoriser la collaboration entre les entreprises : encourager les entreprises à collaborer
et à partager leurs connaissances et compétence, stimuler l’innovation.

56
CONCLUSION

57
REFERENCES BIBLIOGRAPHIQUES
Acemoglu D., Johnson S., Robinson J. et Thaicharoen Y. (2003) « Institutional causes,
macroeconomic symptoms: Volatility, crises and growth », Journal of Monetary Economics,
50(1), p. 49 à 123.

Alaya, M. (2012) The determinants of MENA export diversification: an empirical analysis.

Working paper 709, The economic research forum.

Al-Jundi (2012), « Economic diversification in the United Arab Emirates », Economic

Horizons Vol.33, No.122, https://www.researchgate.net/publication/276462973.

Al-Saidi M, Das P, Saadaoui I. Circular economy in basic supply: framing the approach for
the water and food sectors of the Gulf Cooperation Council countries. Sustain Prod Consum.
2021;27:1273–1285. loi: 10.1016/j.spc.2021.03.004. [CrossRef] [Google Scholar].

Banque Mondiale (2020), « Diversification économique : les leçons de l’expérience ».

Bakaboukila Ayessa (2020), « Déterminants de la diversification économique dans les pays de

la cemac », International Multilingual Journal of Science and Technologie, Vol 5, Isuue 8,
ISSN : 2528-9810.

Beblawi, Hazem / Luciani, Giacomo (2015) : The Rentier State, Routledge.

Berthélemy, J-C. (2005), « Commerce international et diversification économique », Revue

d’économie politique, Dalloz.

Bravo-Ortega, Claudi., and Jose de Gregorio 2007. “The Relative Richness of the Poor?
Natural Resources, Human Capital, and Economic Growth”. In Lederman, D., and Maloney,
W.F. (2007). Natural resources. Neither Curse nor Destiny. The World Bank. Stanford
University Press.

Cadot, O., Carrère C. et Strauss-Kahn V. (2011), « Export diversification: What’s behind the
hump? », The Review of Economics and Statistics, 93(2), p. 590 à 605.

CNUCED (2017), « Diversification et création de valeur ajoutée », Réunion d’experts

pluriannuelle sur les produits de base et le développement.

Elhiraika, A. and Mbate, M. (2014) Assessing the Determinants of Export Diversification in

Africa Applied Econometrics and International Development, Vol.14, No 1, pp.147-160.

58
El Kadi (2020), « Rente pétrolière, transformation économique et survie politique en Algérie
», Etude.

FMI (2014), “Assurer la croissance à long terme et la stabilité macroéconomique dans les
pays à faible revenu: rôle de la transformation structurelle et de la diversification”, IMF
Policy Paper (mars), Fonds monétaire international, Washington, (D.C.).

Gaboua, S. P. (2017), « La stratégie de diversification économique des pays des Grands Lacs,
facteur de stabilité et de développement : une analyse du Burundi, du Congo et de la
République Démocratique du Congo (RDC).

Gelb (2010), « Diversification de l’économie des pays riches en ressources naturelles »,

contribution préparée pour le séminaire de haut niveau du FMI Resspurces naturelles, finance
et développement, Alger.

Gerschenkron, A. (1962) Economic Backwardness in Historical Perspective. A Book of

Essays, Cambridge, Massachusetts, The Belknap Press of Harvard University Press, in-8°,
456 p.

Greenwald, B. and J. E. Stiglitz, 2013. “Industrial Policies, the Creation of a Learning

Society, and Economic Development,” in J. E. Stiglitz and J. Y. Lin (eds), pp. 43-71.

Hammouda, H. B. et al. (2006), Diversification : Towards a new paradigm for Africa’s

development, ATPC Work in Progress n° 35, Centre africain des politiques commerciales,
Commission économique des Nations Unies pour l’Afrique, Addis Abeba.

Hirschman, A. O. (1958) The strategy of economic development. New-Haven, Yale

University Press, pp. XIII et 217.

Imbs, J. et R. Wacziarg (2003), « Stages of diversification », American Economic Review

(93)1, pages 63 à 86.

Kamgna, S. (2007) Diversification économique en Afrique centrale: Etats des lieux et

enseignements. MPRA Paper No. 9602

Kolstad I. et Wiig A. (2009) « Is Transparency the Key to Reducing Corruption in Resource-

Rich Countries? », World Development 37, N° 3, pages 521–532.

Kouam J., Chu T. et Kouam H. (2020), « Stratégies pour l’accélération du processus de

diversification économique en Afrique Subsaharienne », Nkafu Policy institute.

59
Lectard, P. (2014) Quelle diversification ? Une analyse empirique de la structure des
exportations des pays en développement. Conference Paper, Université de Montpellier.

Lewis, W. (1954) Economic Development with Unlimited Supplies of Labor. The

Manchester School, Vol. 22, pp. 139-191.

Lowi, Miriam (2011) : Oil Wealth and the Poverty of Politics : Algeria Compared. Reprint
edition. Cambridge : Cambridge University Press

Mahdavy, Hossein (1970) : « The Patterns and Problems of Economic Development in

Rentier States : The Case of Iran », Life 1000, no. 1.

Mampouya – M’bama F. C. (2018) problématique de la diversification de l’économie

congolaise: Analyse par l’approche multidimensionnelle. Annales de l’Université Marien
Ngouabi, Vol. 18, No. 2, pp. 126-138.

McLaughlin, (1930) Industrial diversification in American cities, Quarterly Journal of

Economics, Vol.44, pp. 131-149.

Mishrif A, Al Balushi Y. Economic diversification in the Gulf region. II. Singapore: Palgrave
Macmillan; 2018. [Google Scholar].

Moore, Mick (2004) : « Revenues, State Formation, and the Quality of Governance in
Developing Countries », International Political Science Review 25, no. 3, 297–319.

Moussir and Tabit (2016), Export diversification and structural transformation in Morocco :
what role for FDI ? In Equilibres externes, Compétitivité et processus de transformation
structurelle de l’Economie Marocaine, OCP Policy Center.

Mubeen, N. and Ahmad, N. (2016). Towards Measurement and Determinants of Export

Diversification: An Empirical Analysis of Pakistan. Pakistan Journal of Commerce and
Social Sciences, Vol. 10, No. 3, pp. 588-605.

Ndinga, M., Akouele, A. et Lekana, H. (2017), « Effets des savoirs et des connaissances sur la
diversification des économies de la Communauté Économique et Monétaire d’Afrique
Centrale (CEMAC) », Revue CEDRES ETUDES - N°64 Séries économie – 2ie Semestre,
ISSN pp.1021-3236

North, D. C. (1990) Institutions, Institutional Change and Economic Performance

Cambridge. Cambridge University Press.

60
Page, John (2001) : Rowing Against the Current : The Diversification Challenge in Africa’s
Resource-Rich Economies, Brookings.

Ozili P (2021) Circular economy, banks, and other financial institutions: what’s in it for
them? Circ Econ Sustain. 10.1007/s43615-021-00043-y

Papyrakis, E. et Raveh, O. (2014) : « An Empirical Analysis of a Regional Dutch Disease :

The Case of Canada », Environmental and Resource Economics 58, no. 2, 179–98.

Parteka A. et Tamberi M. (2013), « What determines export diversification in the

development process? Empirical assessment », The World Economy, 36(6), p. 807 à 826.

Rodrik (2004), « Politiques de diversification économique », Revista CEPAL, Numéro hors-

série.

Ross, Michael L. 2004. « Does Taxation Leads to Representation ». British Journal of

Political Science, 34(2) : 229-240.

Saiyed et Pathania (2016), « Export expansion in Indian Economy », Bangladesh e-Journal of

Sociology, Vol 13, Number 1.

UNDP Sustainable Dévelopment goals

https://www.undp.org/content/undp/en/home/sustainable development-goals.html. Accessed 8
November 2020.

61
ANNEXES
Annexes
1- Statistiques des variables
Ѽ LnIDE

Ѽ LnPIBh

Ѽ LnDPE

62
Ѽ LNFCBF

Ѽ LNTOC

63
 2- Corrélation entre les variables

3- Stationnarité des variables

3-1 Stationnarité en niveau

Ѽ LnIDE

Ѽ LnPIBh

64
 Ѽ LnDPE

Ѽ LNFCBF

Ѽ LNTOC

3-2 Stationnarité en différence première

Ѽ LnIDE

65
Ѽ LnPIBh

Ѽ LnDPE

Ѽ LNFCBF

Ѽ LNTOC

66
 4- Test de cointégration

5- Résultats estimation long terme

6- Stationnarité des résidus

6-1 Stationnarité en niveau

67
6-2 Stationnarité en différence première

7- Résultats estimation de court terme

8- Test de normalité

68
9- Test d’hétéroscédasticité

10- Test d’autocorrélation

69
TABLE DES MATIERES
DÉDICACE 1-------------------------------------------------------------------------------------------------------- 2

DÉDICACE 2-------------------------------------------------------------------------------------------------------- 3

REMERCIEMENT-------------------------------------------------------------------------------------------------4

LISTE DES SIGLES ET ABRÉVIATIONS------------------------------------------------------------------5

LISTE DES TABLEAUX----------------------------------------------------------------------------------------- 6

LISTE DES GRAPHIQUES ET FIGURES-------------------------------------------------------------------7

SOMMAIRES------------------------------------------------------------------------------------------------------- 8

INTRODUCTION-------------------------------------------------------------------------------------------------- 9

CHAPITRE 1: CADRE INSTITUTIONNEL ET DIAGNOSTICS DU CABINET

D’EXPERTISES STATISTIQUE INFORMATIQUE ET EPIDEMIOLOGIQUE-----------------11

SECTION 1 : CADRE INSTITUTIONNEL DE L’ETUDE---------------------------------------------11

1. PRESENTATION, HISTORIQUE ET MISSION DU CABINET D’EXPERTISES

STATISTIQUE INFORMATIQUE ET EPIDEMIOLOGIQUE----------------------------------------11

1.1. Historique et Objectif-------------------------------------------------------------------------------- 11

1.1.1. Historique--------------------------------------------------------------------------------------------11

1.1.2. Objectif----------------------------------------------------------------------------------------------- 11

1.2. LES SECTEURS D’ACTIVITES DU CABINET D’EXPERTISE STATISTIQUE

INFORMATIQUE ET EPIDEMIOLOGIQUE----------------------------------------------------------11

1.3. Structure organisationnelle, ressources et activités--------------------------------------------12

2. DEROULEMENT DE STAGE ET CONSTATS-----------------------------------------------------16

SECTION 2 : DIAGNOSTIC DU SYSTEME DE RECOUVREMENT DU CABINET

D’EXPERTISES STATISTIQUE INFORMATIQUE ET EPIDEMIOLOGIQUE-----------------18

CHAPITRE 2 : CADRE THEORIQUE----------------------------------------------------------------------19

SECTION 1 : PROBLEMATIQUE, OBJECTIFS ET HYPOTHESES-------------------------------19

1. Problématique---------------------------------------------------------------------------------------------------19

1.1. OBJECTIFS DE RECHERCHE---------------------------------------------------------------------20

1.3.1. Objectif général----------------------------------------------------------------------------------20

1.3.2. Objectifs spécifiques----------------------------------------------------------------------------20

1.4. HYPOTHESES---------------------------------------------------------------------------------------- 21

70
 2.1. REVUE DE LITTERATURE---------------------------------------------------------------------- 21

2.1.1. DEFINITION CONCEPTUELLE-----------------------------------------------------------21

2.1.2. REVUE DE LITTERATURE----------------------------------------------------------------23

2.2. METHODOLOGIE DE RECHERCHE----------------------------------------------------------28

Chapitre 3 : Présentation, analyse des résultats et recommandation-----------------------------------------34

Section 1 : Analyse exploratoire des données---------------------------------------------------------------34

A-Présentation des variables-------------------------------------------------------------------------------- 34

1- Statistiques descriptives-----------------------------------------------------------------------------34

2- Corrélation entre les variables---------------------------------------------------------------------34

3- Autocorrélation des variables----------------------------------------------------------------------35

B- Evolution des variables de notre étude-----------------------------------------------------------------36

Section 2 : Présentation et analyses des résultats------------------------------------------------------------39

Paragraphe 1 : Présentation des résultats------------------------------------------------------------------39

A-Test de stationnarité------------------------------------------------------------------------------------39

B- Test de cointégration de Johansen-------------------------------------------------------------------40

C- Estimation de long terme----------------------------------------------------------------------------- 40

D- Estimation de la relation de court terme-------------------------------------------------------44

Paragraphe 2 : Interprétation des résultats----------------------------------------------------------------46

1- PIB par habitant--------------------------------------------------------------------------------------46

2- Depense publique en education--------------------------------------------------------------------46

3- Formation brute de capital fixe--------------------------------------------------------------------46

4- Taux d’ouverture commercial----------------------------------------------------------------------46

1.1.----------------------------------------------------------------------------------------------------------------- 47

Section 3 : Vérification des hypothèses et suggestions-----------------------------------------------------47

2.1 Vérification des hypothèses-----------------------------------------------------------------------------47

A- Hypothèse 1--------------------------------------------------------------------------------------- 47

B- Hypothèse 2--------------------------------------------------------------------------------------- 47

2-2 Suggestion------------------------------------------------------------------------------------------------ 47

CONCLUSION---------------------------------------------------------------------------------------------------- 49

71
REFERENCES BIBLIOGRAPHIQUES---------------------------------------------------------------------50

ANNEXES---------------------------------------------------------------------------------------------------------- 54

TABLE DES MATIERES---------------------------------------------------------------------------------------55

72