COURS D’ECONOMETRIE DES DONNÉES DE PANEL

Institut Sous-régionale de Statistique et d’Économie Appliquée

Intervenants :
ISSEA

AYIAGNIGNI Mohamed Elkatib

YOUMBI Anne Darline

Elèves ingénieurs statisticiens économistes (niveau 3)

Enseignant : M CHASSEM Nacisse

Enseignants associés à l’ISSEA-CEMAC

Représentant permanent du GICAM pour les régions Centre-Sud-Est

Année académique : 2021 - 2022

 Internet et Développement Humain
AYIAGNIGNI Mohamed Elkatib. - YOUMBI Anne Darline

Élèves Ingénieurs Statisticiens Économistes

ISSEA Yaoundé

Sous la supervision de : M. CHASSEM Nacisse

17 Avril 2022

Table des matières

Introduction 3

1 Définition des concepts 4

1.1 Définition des concepts . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

2 Revue de littérature sur le développement humain 5

2.1 Capital humain et capital immatériel . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2 Progrès économique et développement humain . . . . . . . . . . . . . . . . . . . . . 7

3 Méthodologie de l’étude 7
3.1 Échantillon de l’étude . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
3.2 Variables de l’étude et sources de données . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Spécification économétrique du modèle . . . . . . . . . . . . . . . . . . . . . . . . . 8

4 Analyses descriptives des données 9

4.1 Analyses univariées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
4.2 Analyses bivariées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

5 Estimation du modèle économétrique 12

Conclusion 14

Références 14

2
TABLE DES MATIÈRES 3

Annexe 15

Econométrie des données de panel 3 Année académique 2021-2022

Introduction générale 4

Introduction générale
D’après le premier Rapport des Nations Unies pour le Développement (PNUD) publié en 1990,
« Le développement humain est un processus qui conduit à l’élargissement de la gamme des pos-
sibilités qui s’offrent à chacun. En principe, elles sont illimitées et peuvent évoluer avec le temps.
Mais, quelque soit le stade de développement, elles impliquent que soient réalisées trois conditions
essentielles : vivre longtemps et en bonne santé, acquérir un savoir et avoir les ressources nécessaires
pour jouir d’un niveau de vie convenable. Si ces conditions ne sont pas satisfaites, de nombreuses
possibilités restent inaccessibles. Mais le concept de développement humain ne se limite pas à cela
et englobe également des notions aussi capitales que la liberté politique, économique ou sociale,
et aussi importantes que la créativité, la productivité, le respect de soi et la garanti des droits
humains fondamentaux. » (Betoine et al., 2001) 1 .

Cependant, le contexte actuel est de plus en plus marqué par l’hégémonie de l’internet. En
effet, l’utilisation de l’internet a connu un essor fulgurant depuis sa popularisation par l’apparition
du World Wide Web dans les années 1990. Il s’agit d’un ensemble de réseaux mondiaux inter-
connectés qui permet à des ordinateurs et à des serveurs de communiquer efficacement au moyen
d’un protocole de communication commun (IP). Le développement des smartphones a accentué
cet essor ces dernières années. D’après le site internet Live Stats, le monde comptait environ 4,79
milliards d’internautes en 2020, soit 5,5% de plus qu’en 2019, et environ 166% de plus qu’il y
a 10 ans. Faisant davantage du monde un village planétaire, cette interconnexion n’est pas sans
conséquences sur le développement humain. Dans les pays de la CEMAC 2 , nul doute que l’inter-
net occupe davantage une place de choix dans les outils de communication. L’utilisation de cet
outil a été vulgarisée dans cette zone au début des années 2000. Bien que le taux de pénétration de
l’internet dans cette zone soit parmi les plus faibles du monde, il n’en demeure pas moins important.

A l’ère où l’essor de l’Internet prend une ampleur sans précédent, il est légitime de se demander
quelle est la place de cet outil dans le processus de développement humain, notamment dans les
pays en développement tels que ceux de la CEMAC. Ce travail se fixe pour objectif d’apporter une
réponse à ce questionnement.
Il sera articulé en cinq parties. La première partie va donner une brève définition des concepts, la
deuxième partie sera consacrée présentera une revue de littérature sur les déterminants du dévelop-
pement humain. Ensuite la troisième partie va porter sur les aspect méthodologiques (échantillons,
données, modèle économétriques). Enfin La quatrième partie sera consacrée à la présentation des
résultats.

1. Dictionnaire des sciences économiques (Betoine et al., 2001)

2. Communauté Économique des États de l’Afrique Centrale

Econométrie des données de panel 4 Année académique 2021-2022

1 Définition des concepts 5

1 Définition des concepts

Il s’agira dans cette partie de définir les concepts fondamentaux de notre thématique d’une
part, et d’autres part, de présenter les données qui seront utilisées par la suite.

1.1 Définition des concepts

1.1.1 Le concept de développement humain

Le PNUD publie depuis 1990 un rapport annuel sur le développement humain dans le monde,
présentant un ensemble d’indicateurs économiques, sociaux et environnementaux. Il s’agit de l’In-
dice de Développement Humain (IDH), l’Indice Sexospécifique de Développement Humain (ISDH),
l’Indicateur de Participation des Femmes (IPF), l’Indice de Pauvreté Humaine (IPH). L’Indicateur
de Développement Humain est le plus célèbre de ces indicateurs, ce dernier sera retenu dans le
cadre de ce travail. Il est constitué de la moyenne de trois indicateurs permettant chacun de classe
les pays sur une échelle de 0 à 1 : l’Indice du PIB par habitant (exprimé en parités de pouvoir
d’achat), l’indice de l’espérance de vie à la naissance, et l’indice du niveau d’instruction (mesuré
par un indicateur alliant pour deux tiers le taux d’alphabétisation des adultes et pour un tiers le
taux de scolarisation).

L’espérance de vie à la naissance (IESP)

L’indice de l’espérance de vie à la naissance s’exprime en années. Pour la convertir en indice (IESP),
on utilise la formule suivante :
E − 25
IESP =
85 − 25
Avec E l’espérance de vie du pays considéré. 85 ans représentent l’espérance de vie considérée
comme maximale, et 25 ans l’espérance minimale.

L’indice de niveau d’instruction (INI)

L’indice de niveau d’instruction (alphabétisation + scolarisation) mesure le niveau atteint par le

pays considéré en termes d’alphabétisation des adultes et de scolarisation dans les trois cycles
d’enseignement (« taux brut de scolarisation combiné »). Il s’agit de calculer un indice pour l’al-
phabétisation des adultes (part de la population alphabétisée, entre 0 et 1) et un autre pour la
scolarisation (effectif scolarisé dans les trois cycles, divisé par la population d’âge correspondant).
Ces deux indices sont ensuite fusionnés par une moyenne pondérée (2/3 pour l’indice d’alphabéti-
sation et 1/3 pour l’indice de scolarisation) afin de donner l’indice de niveau d’instruction.

L’indice du PIB par habitant en PPA (IPIB)

Econométrie des données de panel 5 Année académique 2021-2022

2 Revue de littérature sur le développement humain 6

Il est calculé sur la base du PIB par habitant en PPA, parités de pouvoir d’achat. Pour le PIB par
habitant le seuil inférieur fixé est à 100 dollars par an, et le solde supérieur à 40 000.

log(PIB) − log(100)
IndicedePIB =
log(40000) − log(100)

L’IDH est une moyenne simple :

IESP + INI + IPIB

IDH =
3

1.1.2 Le concept d’Internet

Internet est une infrastructure de communication à l’échelle planétaire issue de l’interconnexion

de réseaux informatiques. Le taux de pénétration d’internet indique le pourcentage de foyers,
d’individus, d’entreprises ou de consommateurs ayant payé ou utilisé une connexion internet sur
une période donnée. Dans le cadre de ce travail, la variable qui sera utilisée pour capter ce concept
est : le pourcentage d’individus de la population utilisant internet.

2 Revue de littérature sur le développement humain

2.1 Capital humain et capital immatériel

Il convient tout d’abord de faire la différence entre capital immatériel et richesse immaté-
rielle. La richesse des actifs immatériels ne peut être considérée uniquement comme capital dans le
sens d’une classification et évaluation. Néanmoins, elle fait appel aux aspects culturels et sociaux,
puisque ces actifs ne se réduisent pas à la recherche et développement, brevets et marques.

Le capital immatériel recouvre tous les actifs intangibles d’une économie, il comprend plusieurs
catégories telles que les compétences détenues par les individus, le savoir-faire industriel et les
différentes aptitudes et qualifications. Le capital humain représente l’une des composantes prin-
cipales de ce capital, il joue un rôle décisif dans la constitution du capital immatériel. Ces deux
types de capitaux sont liés mais différents (Bessieux-Ollier et Walliser, 2010), en effet toutes les
composantes du capital immatériel sont le résultat de l’effort humain.

C’est ainsi que les qualifications des individus pour le travail représentent leur richesse humaine
qu’ils offrent à la nation, et donc le potentiel de croissance économique du pays. La nécessité est
apparue d’investir dans le capital humain à travers les politiques d’éducation et de santé. Ainsi
le facteur humain ne cesse d’être considéré comme un élément fondamental et indispensable aux
gains de productivité à côté des progrès scientifiques et technologiques.

Econométrie des données de panel 6 Année académique 2021-2022

2.1 Capital humain et capital immatériel 7

Le capital humain est généralement évalué à partir des indicateurs comme le taux de scolari-
sation (Barro, 1990). Il est aussi possible d’utiliser des estimations plus directes de ce capital en
employant le nombre moyen d’années de scolarité de la population de plus de 25 ans, ou encore
la répartition de la population active en fonction de son niveau de scolarisation, qui représente un
indicateur de capital humain plus précis (Pigalle, 1994).

En effet, le capital humain est souvent mesuré par des variables liées à l’éducation et à la
santé, telles que le pourcentage de scolarisation au primaire ou l’espérance de vie à la naissance.
Ces variables sont considérées comme importantes parce qu’une population en bonne santé est
une population qui peut déployer des efforts et acquérir des compétences et aptitudes. A cet effet,
l’amélioration des variables liées à ces facteurs permet d’augmenter la capacité de création, de
conception et d’utilisation des nouvelles technologies.

Lepage (1978) souligne à cet effet que la notion de capital humain renvoie aux aptitudes,
connaissances, compétences et qualifications dont disposent les individus. La théorie du capital
relève de la science économique et s’occupe d’analyser et d’expliquer comment se développent ces
qualités dans le cadre de l’activité économique, et comment se forment les relations et les diffé-
rents types de comportement économique. Le capital humain est en effet un facteur essentiel pour
la production, il exige une main-d’œuvre qualifiée et en bonne santé pour constituer un facteur
important pour la croissance.

Ainsi le rôle de la formation du capital humain est mis en exergue et devient l’ensemble des
compétences et des capacités productives, il est constitué entre autres par la socialisation profes-
sionnelle qui permet d’approprier ces aptitudes dans la pratique. Ce capital s’acquiert, s’accumule,
se déprécie et intègre évidemment les facteurs relatifs à la santé des individus.

Le rôle direct du capital humain est la production, mais il peut aussi servir comme complément
aux autres facteurs et ressources utilisés dans l’activité économique comme les ressources natu-
relles. En ce sens, l’éducation et la formation jouent un rôle grandissant dans la constitution de ce
capital, elles peuvent faire face par conséquent au principe des rendements d’échelle décroissants,
comme il est connu chez les autres facteurs de production, tel que le capital physique.

L’apport de cette approche se présente principalement dans l’introduction de l’éducation et la

formation à travers le changement de la vision restreinte du capital comme étant un stock phy-
sique par une notion plus large incluant le savoir et les connaissances accumulées. Et ce pour une
nouvelle économie politique de transition vers un modèle économique durable et humanisé.

Econométrie des données de panel 7 Année académique 2021-2022

2.2 Progrès économique et développement humain 8

2.2 Progrès économique et développement humain

Le développement humain nécessite en vérité de mettre en exergue plusieurs facteurs qui portent
sur des éléments déterminants comme l’éducation et l’équité dans la répartition des richesses éco-
nomiques et le résultat du progrès économique. En revanche, la variable la plus citée et la plus
reconnue comme déterminante du développement humain est l’éducation. Ainsi, la qualité de l’édu-
cation est souvent avancée parmi les facteurs s’impliquant directement dans le progrès économique
et la richesse des nations.

Le niveau de la variable éducation est souvent mesuré par le taux brut de scolarisation ou par
les dépenses publiques consacrées à l’éducation. En effet, la formation présente aide à être plus
productif dans le futur. Ainsi, il y a un arbitrage entre le capital humain offert à la production
d’aujourd’hui et le capital qui se forme pour un meilleur rendement dans le futur. Il en ressort que
la croissance de long terme est intrinsèquement liée à la quantité de capital en formation pour une
meilleure productivité future.

Dans le même sens, plusieurs études ont examiné la relation entre l’éducation et les détermi-
nants de la croissance, la plus importante est celle de Barro et Sala-i-Martin (1995) qui s’intéresse
à la période 1965-85 couvrant un grand nombre de pays. Cette étude a démontré l’existence d’une
relation positive entre le niveau d’éducation mesuré par le nombre moyen d’années d’études et le
taux moyen de croissance.

En effet, le progrès économique doit contribuer en principe à améliorer le bien être de tous les
individus de la société, et par conséquent à encourager le développement humain. En revanche, la
répartition plus égalitaire du résultat de la croissance contribue au progrès économique et social
et donc au développement humain.

3 Méthodologie de l’étude

3.1 Échantillon de l’étude

Cette étude vise à analyser l’impact du développement technologique, à travers l’utilisation
de l’Internet, sur le développement humain des pays de la zone CEMAC. C’est ainsi que nous
avons constitué un panel formé des 6 pays de la CEMAC (Cameroun, Congo, Gabon, Guinée
Équatoriale, République Centrafricaine et Tchad) sur une période allant de 2000 à 2019. Le choix
de cet échantillon cadre parfaitement avec l’objectif de l’étude et la période d’étude retenue est
principalement due à la disponibilité des données.

Econométrie des données de panel 8 Année académique 2021-2022

3.2 Variables de l’étude et sources de données 9

3.2 Variables de l’étude et sources de données

Variable dépendante (endogène)

Dans cette étude le choix de la variable dépendante s’est portée sur l’IDH initié par le Pro-
gramme des Nations unies pour le développement (PNUD) depuis 1990. C’est logiquement que les
données de cette variable ont été prélevées sur le site du PNUD.

Variables explicatives (exogènes)

Il sera question de présenter la variable d’intérêt et les variables de contrôles qui seront utilisés
dans l’étude empirique.

Variable d’intérêt

Dans ce travail la principale variable d’intérêt est représentée par la variable Internet qui re-
présente le pourcentage d’individus de la population utilisant internet. Les données utilisées pro-
viennent de la base World Development Indicator (WDI, 2021) de la banque mondiale.

Variables de contrôle

La littérature et les études empiriques présentés à la section précédente retiennent comme déter-
minants indirect du développement humain :

• Le taux de croissance annuel du PIB (TXPIB) : Elle traduit le progrès économique qui est
lié au développement humain. Les données proviennent de la base WDI(2021) de la banque
mondiale ;

• Le taux de chômage (TXCHOM) : Selon les études empiriques (Bessieux-Ollier et Walliser,

2010), elle entretient une relation négative avec le développement humain. Lorsqu’il faible,
le niveau de développement humain est élevé. Les données de cette variables proviennent
également de la base WDI (2021).

• Le taux d’inflation (TXINF) est un indicateur du niveau de vie des populations.

3.3 Spécification économétrique du modèle

Le modèle économétrique en données de panel que nous utilisons pour analyser l’impact de
l’Internet sur le développement humain est représentée par l’équation suivante :

IDHit = β0 +β1 IDHit−1 +β2 IN T ERN ETit +β3 T XP IBit +β4 T XCHOMit +β5 T XIN Fit +εit (1)

Où i représente les individus (pays), t fait référence à l’année, β0 . . . β5 représentent les paramètres
du modèle à estimer. Enfin εit désigne le terme d’erreur.

Econométrie des données de panel 9 Année académique 2021-2022

4 Analyses descriptives des données 10

Estimation du modèle

Nous utiliserons la méthode des moments généralisés (GMM) en panel dynamique. Cette mé-
thode permet ainsi de contrôler les effets spécifiques individuels et temporels des variables. Elle
pallie les biais d’endogénéité et de simultanéité des variables. La causalité inverse et les variables
omises sont prises en compte par celle-ci. La méthode GMM repose sur les conditions d’orthogo-
nalité entre les variables retardées et le terme d’erreur,aussi bien en différences premières qu’en
niveau.
L’estimateur GMM en système de Blundel et Bond (1998), combine les équations en différences
premières avec les équations en niveau. Lesinstruments dans l’équation en différences premières
sont exprimés en niveau,et vice versa.

∆Y = β∆X + γ∆Y
it it it−1 + ∆εit
(2)
Y = βX + γY +ε
it it it−1 it

Généralement, deux tests sont associés à l’estimateur GMM en panel dynamique : les tests de
suridentification de Sargan (ou Sargan-Hansen) et d’autocorrélation d’Arellano et Bond (1991). Le
test de Sargan consiste à démontrer la validité des variables retardées comme des instruments. Pour
le Descriptive
second test, l’hypothèse nulle signifie l’absence d’autocorrélation de second ordre des erreurs de
Statistics
l’équation
Variable en différence. Obs Mean Std. Dev. Min Max
IDH 120 .494 .113 .293 .703
Internet 120 8.3 12.499 .026 61
4 Analyses descriptives des données
URBAN 120 9.827 7.392 .807 20.749
TXPIB 120 4.296 9.643 -36.392 63.38
4.1
TXINF Analyses univariées
120 2.991 3.211 -8.975 14.899
TXCHOM 120 9.827 7.392 .807 20.749
Le tableau ci-dessous retrace les caractéristiques des principales variables de cette étude. Au
regard des deux premiers moments des variables, des caractéristiques statistiques intéressantes
Pairwise correlations
peuvent
Variablesêtre dégagées.(1)
Sur une (2)période 2000-2019,
(3) (4)il ressort(5)que la variable
(6) IDH est assez homogène
(1)elle
car IDHprésente une1.000
dispersion assez faible autour de la moyenne. Les autres variables notamment
(2) Internet 0.611* 1.000
la(3)variable
URBAN (Internet) affiche0.319*
0.680* une forte1.000
volatilité, ce qui traduirait une dispersion non homogène
(4) TXPIB
dans -0.055 TXCHOM
le panel. La variable -0.183* -0.111
posséde la1.000
moyenne la plus élevée (9.827) suivie de la variable
(5) TXINF -0.105 -0.131 -0.093 0.099 1.000
Internet
(6) TXCHOM(8.3) et de0.680*
la variable TXPIB
0.319* (4.296).
1.000* -0.111 -0.093 1.000
*** p<0.01, ** p<0.05, * p<0.1

Descriptive Statistics Table 1 – Statistiques descriptives

Variable Obs Mean Std. Dev. Min Max
IDH 120 .494 .113 .293 .703
Internet 120 8.3 12.499 .026 61
TXPIB 120 4.296 9.643 -36.392 63.38
TXINF 120 2.991 3.211 -8.975 14.899
TXCHOM 120 9.827 7.392 .807 20.749

Source : Calculs des auteurs

Pairwise correlations
Variables (1) (2) (3) (4) (5)
Econométrie
(1) IDH des données
1.000 de panel 10 Année académique 2021-2022
(2) Internet 0.611* 1.000
(3) TXPIB -0.055 -0.183* 1.000
4.1 Analyses univariées 11

En outre l’observation des boxplots nous révèle la présence de valeurs aberrantes dans toutes
les séries hormis celles de l’IDH et du taux chômage (TXCHOM) qui sont assez régulières. La présence
de ces valeurs aberrantes pourrait nous aider à soupçonner certaines spécificités liées aux pays.

Graphique 1 – Boxplot des variables de l’étude

Source : Calculs des auteurs

Evolution de l’accessibilié à internet pour chaque pays de la CEMAC de 2000 à 2019

A travers le graphique 2 ci-dessous, on peut observer une évolution du taux d’utilisation d’In-
ternet des pays de la CEMAC entre 2000 et 2019.

Graphique 2 – Accessibilité à internet (en % de la population)

Source : Calculs des auteurs

Econométrie des données de panel 11 Année académique 2021-2022

4.2 Analyses bivariées 12

Ce graphique montre que les pays de la CEMAC ont connu une grande avancée positive dans
l’utilisation de l’outil internet. En effet, on observe une croissance de ce taux pour tous les pays
de la CEMAC. Dans cette région le premier pays à connaitre un rebond dans l’outil internet est le
Gabon depuis l’année 2000. Pour les autres pays de la région il faut attendre la période 2006-2009
pour que ces derniers accentuent leur taux d’utilisation à internet. Ceci laisse penser que ces pays
ont vu la puissance d’Internet avec la médiatisation de la crise des Subprimes de l’année 2008.

Evolution du développement humain pour les pays de la CEMAC entre 2000 à 2019

A travers le graphique 3 ci-dessous, on peut observer une évolution de l’indice de développement

humain (IDH) des pays de la CEMAC entre 2000 et 2019. Ce graphique montre que de manière
globale, les pays CEMAC ont tous connu des avancés en terme de développement humain. Toutefois
ces avancées demeurent timides. Dans cette région le Gabon est leader en terme de développement
humain cela pourrait s’expliquer aux progrès observés dans l’amélioration du système de santé.
Par contre le Tchad et la république centrafricaine affichent tous deux les plus faibles scores. Ceci
pourrait être la conséquence au climat de guerres et de violences qui règne dans ces pays (les
attaques de la sectes terroristes Boko Haram au Tchad, la guerre menée par les anti balaka en
RCA).

Graphique 3 – Indice de développement humain

Source : Calculs des auteurs

4.2 Analyses bivariées

Pendant la période d’étude, la relation entre les cinq variables est indiquée dans le matrice de
corrélation suivante. Il ressort qu’il y a une corrélation positive entre la variable IDH et la variable

Econométrie des données de panel 12 Année académique 2021-2022

 Variable Obs Mean Std. Dev. Min
IDH 120 .494 .113 .293
5 Estimation du
Internetmodèle économétrique 120 8.3 12.499 13 .026
TXPIB 120 4.296 9.643 -36.392
Internet . De plus on observe une corrélation positive significative entre les variables TXCHOM et -8.975
TXINF 120 2.991 3.211
TXCHOM 120 9.827 7.392 .807
Internet mais cette dernière est relativement faible.

Table 2 – Statistiques descriptives

Pairwise correlations
Variables (1) (2) (3) (4) (5)
(1) IDH 1.000
(2) Internet 0.611* 1.000
(3) TXPIB -0.055 -0.183* 1.000
(4) TXINF -0.105 -0.131 0.099 1.000
(5) TXCHOM 0.680* 0.319* -0.111 -0.093 1.000
*** p<0.01, ** p<0.05, * p<0.1

Source : Calculs des auteurs

1
Internet et Développement humain

Le graphique 4 ci-dessous examine de plus prêt la relation qui existe entre les variables IDH
et Internet. Cela confirme bien la relation positive qui existe entre les deux variables. Ainsi plus
l’on améliore l’accès à internet, plus cela favorise une amélioration du niveau de développement
humain des pays de la région. Cela pourrait s’expliquer par le niveau d’instruction (composante de
l’IDH) qui se verrait directement touché par l’amélioration de l’accès à internet des populations.

Graphique 4 – Indice de développement humain et accessibilité à internet

Source : Calculs des auteurs

5 Estimation du modèle économétrique

Econométrie des données de panel 13 Année académique 2021-2022

5 Estimation du modèle économétrique 14

Test de la racine unitaire

Le test de la racine unitaire de Levin-Lin-Chu (les résultats figurent en annexe) montre que
la série IDHit est stationnaire en différence première. Ainsi la variable retardée IDHit−1 serait une
variable explicative à prendre en compte dans l’analyse de la dynamique de la variable IDH.

Estimation du modèle

Le tableau ci-dessous renseigne sur les résultats de l’estimation par les GMM en système. Les
résultat montrent que la variable Internet a un effet positif et significatif sur la variable IDH. Ainsi
toute chose égale par ailleurs, une augmentation de l’accès à internet 1% contribuerait en moyenne
à une augmentation du niveau de l’IDH de 0.065 unités. Ces résultats confirment également le fait
que la variable retardée IDHit−1 de la variable IDH explique bien les variations de cette dernière.

Table 3 – Résultats de l’estimation par la méthode des GMM-système

(1) (2) (3)
VARIABLES Modèle 1 Modèle 2 Modèle 3

L.IDH 0.982*** 0 0.986***

(0.0751) (0) (0.0407)

Internet 0.061* 0.049* 0.065*

(0.000238) (0.00292) (0.000142)

TXCHOM 0.000172*** 0.00763*** 0.000170***

(0.000774) (0.00111) (0.000431)

TXPIB -0.000623 0.000203

(0.000871) (0.000167)

TXINF 0.0441 -7.28e-05

(0.0237) (8.23e-05)

Constant 0.109* 0.228* 0.1956*

(0.0269) (0.0936) (0.0140)

Observations 114 114 114

Number of country 6 6 6
Nombre d'instruments 6 6 6
F 0.000 0.000 0.000
AR1 0.001 0.001 0.001
AR2 0.736 0.336 0.577
Sargan test 0.473 0.608 0.128
Hansen test 0.291 0.680 0.772
Standard errors in parentheses
*** p<0.01, ** p<0.05, * p<0.1
Source : Calculs des auteurs

La statistique de Fisher est significative (pvalue <0.05), donc le modèle est suffisamment ro-

Econométrie des données de panel 14 Année académique 2021-2022

RÉFÉRENCES 15

buste. De plus, le test de Sargan montre que les instruments ont bien été choisi. Il est conforté
par le test de Hansen. Le retard d’ordre un de la variable IDH explique l’évolution de celle-ci. Les
tests de Arellano-Bond montrent que le modèle reste robuste.

L’internet serait donc un facteur clé pour améliorer le capital humain des pays de la CEMEAC.
Cela peut notamment s’expliquer par le fait qu’avoir un niveau de pénétration internet élevé fa-
cilite l’accessibilité aux ressources et formations diverses, notamment en réduisant les frais liés à
la mobilité. De plus l’usage d’Internet améliore la qualité des services offerts ce qui a pour consé-
quence de rehausser le bien-être des populations. En outre favorisant une société d’information,
l’Internet participe également à la réduction des inégalités (par exemple le problème d’asymétrie
d’information sur le marché de l’emploi)et à une meilleure transparence dans la gestion des affaires
publiques.

Conclusion
Ce travail a porté sur une analyse de la relation entre le développement humain des pays
membres de la CEMAC et l’accès à internet. Il en ressort que l’accès à internet est un facteur
important pour l’amélioration du capital humain des pays membres. Une variation d’une unité dans
l’amélioration de l’accès à internet permettrait d’améliorer le niveau de développement humain de
0.065 unités. Cette amélioration pourrait en particulier affecter plusieurs dimensions qui entrent
dans le calcul de l’IDH notamment l’espérance de vie à la naissance, le niveau d’instruction, le PIB
par habitant an parité du pouvoir d’achat. Les pays membres devraient donc mettre un accent
particulier dans l’amélioration de l’accès à internet

Références
[1] Barro R. (1991), « Economic growth in a cross section of countries », Quarterly Journal of
Economics, vol. 106, no. 2, (pp.407-443).

[2] Barro, R. and Xavier Sala-i-Martin (1995), Economic Growth, New York : McGraw-Hill.

[3] Bessieux-Ollier, C. et Walliser, E. (2010), « Le Capital Immatériel : État des lieux et pers-
pectives », Revue Française de Gestion, Vol 36, N° 207, pp 85-92.

[4] Lepage H. (1978), Demain le Capitalisme, Collection Pluriel dirigée par Georges Liébert :
Librairie générale française.

[5] Pigalle F. (1994), « Investissement en capital humain et croissance économique », Thèse de

doctorat ès sciences économiques soutenue à l’Université de Limoge, Octobre 1994

Econométrie des données de panel 15 Année académique 2021-2022

Annexe 16

Annexe

Table 4 – Tests de racine unitaire de la variable IDH

Source : Calculs des auteurs

Econométrie des données de panel 16 Année académique 2021-2022