Académique Documents
Professionnel Documents
Culture Documents
***********
**************
UNIVERSITE D'ABOMEY-CALAVI
**************
(FASEG)
**************
**************
THEME:
Présenté par :
Sous la direction de :
1
DÉDICACE 1
À
2
DÉDICACE 2
À
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.
4
LISTE DES SIGLES ET ABRÉVIATIONS
BCEAO : Banque Centrale des Etats de l’Afrique de l’Ouest
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.
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.
1.1.2. Objectif
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
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 :
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.
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
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.
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
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
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.
Sans oublier nos difficultés quelles sont nos impressions après ce stage.
-Difficultés
-Impression de 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.
Forces Faiblesses
Opportunités Menaces
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.
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.
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.
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
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 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
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 :
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 Effectuer le test ADF sur chaque variable dans chacun de ces modèles ci-dessus.
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.
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 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
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.
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 :
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 :
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.
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.
Prob 0,0305
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)
2 3,1823 0,074
3 6,0219* 0,014
2 0,02284 0,880
2 0,20059 0,654
2 1,5643 0,211
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.
39
.55
.5
.45
IDE
.4
.35
.3
40
13.5
13.4
LNPIBh
13.3
13.2
13.1
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.
41
1.4
1.2
LNDPE
1 .8
.6
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.
42
28.5
28
LNFCBF
27.5
27
26.5
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
43
-.4
-.6
LNTOC
-.8
-1
Source : Réalisé par les auteurs à partir des données de la banque mondiale
44
d’intégration
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.
0 112.0973 68.52
5 0.01173
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.
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.
46
Constante 29.273***
(7.837)
Taille de l’échantillon : 23
R2= 0.8645
47
Apres l’estimation du modèle, nous procédons aux différents tests de validation et de
vérification de la significativité des variables explicatives.
֍ Test de Student
Ce test a pour objectif de nous permettre d’identifier les variables explicatives qui expliquent
significativement notre variable expliquée.
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.
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.
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.
0 2 4 6 8 10
Lag
Bartlett's formula for MA(q) 95% confidence bands
L’analyse de ce graphe nous confirme que les erreurs ne sont pas corrélées en considérant les
écarts entres les pics.
49
Le test d’hétéroscédasticité de White permet de savoir si les erreurs sont homoscédastiques ou
hétéroscédastique.
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.
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.
50
Variables Stationnaire en niveau Stationnaire en différence première Ordre
d’intégration
On conclut d’après ce tableau que les erreurs sont non stationnaires en niveau et stationnaire
en différence première.
Nous utiliserons la méthode à correction d’erreurs (MCE) pour relier différente variable
indépendante à la variable dépendante à l’aide du logiciel Stata
Constante 11.465*
(6.032)
Résidu 0.0499
(0.127)
Taille de l’échantillon : 22
R2= 0.9440
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
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.
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.
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.
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.
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 :
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.
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].
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.
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).
59
Lectard, P. (2014) Quelle diversification ? Une analyse empirique de la structure des
exportations des pays en développement. Conference Paper, Université de Montpellier.
Lowi, Miriam (2011) : Oil Wealth and the Poverty of Politics : Algeria Compared. Reprint
edition. Cambridge : Cambridge University Press
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.
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
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
61
ANNEXES
Annexes
1- Statistiques des variables
Ѽ LnIDE
Ѽ LnPIBh
Ѽ LnDPE
62
Ѽ LNFCBF
Ѽ LNTOC
63
2- Corrélation entre les variables
Ѽ LnIDE
Ѽ LnPIBh
64
Ѽ LnDPE
Ѽ LNFCBF
Ѽ LNTOC
Ѽ LnIDE
65
Ѽ LnPIBh
Ѽ LnDPE
Ѽ LNFCBF
Ѽ LNTOC
66
4- Test de cointégration
67
6-2 Stationnarité en différence première
8- Test de normalité
68
9- Test d’hétéroscédasticité
69
TABLE DES MATIERES
DÉDICACE 1-------------------------------------------------------------------------------------------------------- 2
DÉDICACE 2-------------------------------------------------------------------------------------------------------- 3
REMERCIEMENT-------------------------------------------------------------------------------------------------4
SOMMAIRES------------------------------------------------------------------------------------------------------- 8
INTRODUCTION-------------------------------------------------------------------------------------------------- 9
1.1.1. Historique--------------------------------------------------------------------------------------------11
1.1.2. Objectif----------------------------------------------------------------------------------------------- 11
1. Problématique---------------------------------------------------------------------------------------------------19
1.4. HYPOTHESES---------------------------------------------------------------------------------------- 21
70
2.1. REVUE DE LITTERATURE---------------------------------------------------------------------- 21
1- Statistiques descriptives-----------------------------------------------------------------------------34
A-Test de stationnarité------------------------------------------------------------------------------------39
1.1.----------------------------------------------------------------------------------------------------------------- 47
A- Hypothèse 1--------------------------------------------------------------------------------------- 47
B- Hypothèse 2--------------------------------------------------------------------------------------- 47
2-2 Suggestion------------------------------------------------------------------------------------------------ 47
CONCLUSION---------------------------------------------------------------------------------------------------- 49
71
REFERENCES BIBLIOGRAPHIQUES---------------------------------------------------------------------50
ANNEXES---------------------------------------------------------------------------------------------------------- 54
72