Does Women Empowerment Foster Export Diversification Evidence From A Sample of Developing Countrie FR

Machine Translated by Google
Le Journal du commerce international et de l'économie

Développement
Une revue internationale et comparative
ISSN : (Imprimé) (En ligne) Page d'accueil de la revue : https://www.tandfonline.com/loi/rjte20
L’autonomisation des femmes favorisetelle la diversification des

exportations ? Preuve d’un échantillon de pays en développement
JeanMarc M. Kilolo, Mamadou Mouminy Bah & JeanLuc Namegabe Mastaki
Pour citer cet article : JeanMarc M. Kilolo, Mamadou Mouminy Bah & JeanLuc Namegabe Mastaki
(2023) : L'autonomisation des femmes favorisetelle la diversification des exportations ? Preuves
provenant d'un échantillon de pays en développement, The Journal of International Trade & Economic
Development, DOI : 10.1080/09638199.2023.2255908.
Pour créer un lien vers cet article : https://doi.org/10.1080/09638199.2023.2255908
Publié en ligne : 07 septembre 2023.
Soumettez votre article à cette revue
Voir les articles connexes
Afficher les données Crossmark
Les conditions générales complètes d'accès et d'utilisation peuvent être consultées sur
https://www.tandfonline.com/action/journalInformation?journalCode=rjte20
LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT

ÉCONOMIQUE https://doi.org/10.1080/09638199.2023.2255908
L’autonomisation des femmes favorisetelle la diversification des exportations ?

Preuve d’un échantillon de pays en développement
JeanMarc M. Kilolo , Mamadou Mouminy Bah et JeanLuc Namegabe

Mastaki
Bureau sousrégional pour l'Afrique centrale (SROCA), CEA, Yaoundé, Cameroun
ABSTRAIT
Cet article contribue à la littérature sur les moteurs de la diversification des exportations en abordant
une question qui a reçu peu d'attention dans cette littérature, à savoir l'effet de l'autonomisation des
femmes sur la diversification des produits d'exportation dans les pays en développement.
L’analyse se concentre sur un échantillon de 106 pays en développement couvrant la période 20022018.
Les résultats suggèrent que l'autonomisation politique des femmes et la parité des sexes dans la
scolarisation dans le secondaire ont un effet positif sur la diversification des exportations. Au contraire,
les inégalités d’emploi vulnérable entre hommes et femmes et les inégalités salariales entre hommes et
femmes ont un effet négatif sur la diversification. Ces résultats suggèrent que les politiques ciblant
l’ODD 5 – parité entre les sexes et autonomisation des femmes – peuvent potentiellement améliorer les
performances commerciales.
MOTS CLÉS Concentration des exportations ; diversification des exportations; inégalité des genres; l'autonomisation des femmes; ODD5
CLASSIFICATIONS JEL F14, J16, C26
HISTORIQUE DE L'ARTICLE Reçu le 24 décembre 2022 ; Accepté le 30 août 2023
1. Introduction
La vulnérabilité aux chocs extérieurs est l’un des nombreux défis auxquels sont confrontées les
économies en général et en particulier celles qui sont riches en ressources. La forte volatilité des prix
des matières premières, conjuguée aux effets néfastes des chocs de ces dernières années, tels que
la crise financière mondiale de 20082009, la pandémie de coronavirus (COVID19) de 2020 ou la
guerre en Ukraine de 2022, avec les perturbations du commerce international qui en ont résulté, ont
ralenti La croissance économique, la volatilité financière accrue et l’insécurité alimentaire illustrent
parfaitement le degré d’exposition des économies aux chocs extérieurs. La diversification des
exportations fait partie de la solution à ces défis. Le motif central de cette politique (diversification des
exportations) réside dans l'amélioration de la résilience du pays face au type de chocs externes qui
affectent les prix des matières premières.
En effet, de nombreux ouvrages soulignent que la diversification des exportations est un moteur
du développement économique, car elle stimule la croissance de la productivité, favorise une
demande plus élevée de biens et de services locaux et augmente le nombre de biens et de services.
CONTACTER JeanMarc M. Kilolo jeanmarc.kilolo@un.org
© 2023 Informa UK Limited, exerçant ses activités sous le nom de Taylor & Francis Group
2 J.M. KILOLO ET AL.
services offerts sur le marché intérieur. Compte tenu de l’importance particulière de la diversification des exportations,
ce document se concentre en particulier sur les pays en développement, tout en examinant également un ensemble de
106 pays répertoriés à l’annexe A1.
Depuis les travaux de Cadot et StraussKahn (2011), plusieurs études ont reconnu l'importance du facteur humain.
Sauf Kazandjian et al. (2019) qui mettent en lumière l'importance de l'égalité des sexes, la plupart des chercheurs se
sont penchés sur le rôle du capital humain (Agosin, Alvarez et BravoOrtega 2012 ; Cadot, Carrère et StraussKahn
2011 ; Jetter et Hassan 2015 ; Lectard et Rougier 2018 ; Mosley 2018) et/ou la population active (Parteka 2020) sur la
diversification des exportations. Leur focalisation sur le capital humain repose sur l’idée que ce dernier favorise la
diversification en encourageant la croissance d’industries à forte intensité de compétences, l’adoption de nouvelles
technologies et en facilitant la diffusion technologique (BalGunduz, DablaNorris et Intal 2015 ).
En nous appuyant sur cette littérature, nous introduisons l'autonomisation des femmes1 comme un déterminant
supplémentaire de la diversification des exportations. Ainsi, l'autonomisation des femmes peut affecter la diversification
des exportations à travers plusieurs mécanismes.
Premièrement, l’autonomisation des femmes grâce à une plus grande égalité des sexes sur le marché du travail
conduit au développement de nouvelles idées en augmentant l’efficacité du travail (Cuberes et Teignier 2016), ce qui,
à son tour, stimule la productivité et la diversification des exportations. Dans de nombreux pays en développement, les
femmes sont confrontées à la discrimination sur les marchés du travail et dans les institutions sociétales. Parce
qu’elles n’exploitent pas leur potentiel, les compétences (aptitudes et talents) des femmes ne sont pas utilisées
efficacement dans les activités. Par exemple, selon l’OIT (2018), le taux d’activité des hommes et des femmes âgés de
15 ans et plus s’élève à 61,8 % en 2018, en baisse de 1,4 point de pourcentage au cours de la dernière décennie. En
incluant les femmes plus jeunes (âgées de 15 ans et plus) et plus âgées (âgées de 55 ans et plus), en 2018, le taux
mondial de participation des femmes à la population active est même inférieur, à 48,5 %, soit 26,5 points de pourcentage
inférieur à celui des hommes (OIT 2018). Dans le même temps, de nombreuses femmes occupent un travail rémunéré
à temps partiel et occupent des emplois, des secteurs et des professions reflétant des stéréotypes de genre et
caractérisés par des revenus relativement faibles, de mauvaises conditions de travail et des opportunités d’évolution de
carrière limitées (UNHLP 2016). Ces différences qui affectent l'autonomisation économique des femmes sont enracinées
dans des inégalités entre les sexes qui ne sont pas abordées dans la société. Ces contraintes entravent à leur tour la
capacité d'un pays à créer et à mettre en œuvre des idées, c'estàdire à se diversifier.
Le Rapport sur le développement dans le monde (Banque mondiale 2011) conclut que la suppression de tous les
obstacles qui empêchent les femmes d'accéder au marché du travail augmentera la production par travailleur de 40 %.
Deuxièmement, un autre mécanisme par lequel l'autonomisation des femmes affecte la diversification est le capital
humain via l'éducation. Plusieurs études ont montré que les inégalités entre les sexes dans l’éducation nuisent à la
croissance économique en raison de la réduction du capital humain, ce qui à son tour compromet la diversification des
exportations (Klasen 2002 ; Klasen et Lamanna 2009 ; Thévenon et al. 2012). À l’aide de données de panel, Klasen et
Lamanna (2009) ainsi que Thévenon et al. (2012) étudient l’impact des écarts entre les sexes en matière d’éducation
et de participation au marché du travail et constatent que les écarts entre les sexes sont associés à une croissance
économique réduite. Comme l’observe Klasen (2002), l’inégalité entre les sexes dans l’éducation a un impact direct sur
la croissance économique en diminuant la qualité moyenne du capital humain. Dans les pays de l’OCDE, Thévenon et
al. (2012) constatent qu'en moyenne, une augmentation d'une année supplémentaire pour les filles entraînerait une
augmentation du PIB par habitant de 10 %. Comme l'ont souligné Kazandjian et al. (2019), l’inégalité entre les sexes
réduit la diversification en restreignant le réservoir potentiel de capital humain, en raison d’un accès plus difficile à
l’éducation pour les femmes, ce qui limite l’adoption de technologies et l’innovation.
De plus, en excluant les femmes du vivier de talents, l’inégalité entre les sexes limite le nombre de femmes
entrepreneurs et freine ainsi le développement d’idées créatives.
LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 3
Ces résultats sont corroborés par une revue systématique et une métaanalyse sur les inégalités entre les
sexes en matière d’éducation et la croissance économique par habitant (Minasyan et al. 2019).
Bien que la littérature ait montré que l'inclusion des femmes dans l'économie est positivement liée à la
croissance économique et donc à la diversification, les effets de l'inclusion politique des femmes restent mal
compris. Nous considérons l'autonomisation politique des femmes et leur capacité à influencer la répartition
des ressources et les décisions comme le troisième mécanisme par lequel l'autonomisation des femmes
améliore la diversification des exportations.
Un débat émerge selon lequel l'augmentation de l'autonomisation politique des femmes peut avoir des
effets bénéfiques significatifs sur les résultats globaux. L'autonomisation politique des femmes joue un rôle clé
dans le développement socioéconomique car elle améliore la qualité des institutions (Brollo et Troiano 2016 ;
Esarey et SchwindtBayer 2018 ; Mitra, Bang et Biswas 2015), augmente le capital humain et la croissance
économique. (Duflo 2012 ; Klasen 2002 ; Knowles, Lorgelly et Dorian Owen 2002 ; Mitra, Bang et Biswas
2015), l'efficacité des politiques environnementales (Mavisakalyan et Tarverdi 2019), la perception populaire
de la responsabilité du gouvernement au niveau local (Deininger , Ali et Alemu 2011) et les investissements
dans les infrastructures (Chattopadhyay et Duflo 2004). Pourtant, ces études se concentrent sur un seul aspect
de l'autonomisation politique des femmes, à savoir les femmes au parlement ou au gouvernement.
Récemment, Dahlum, Knutsen et Mechkova (2022) étudient le lien entre l'autonomisation politique des
femmes et la croissance économique en utilisant trois aspects de l'autonomisation politique des femmes, à
savoir : la représentation descriptive, la protection des libertés civiles et la participation de la société civile. En
utilisant un large panel de données provenant de 182 pays et 221 ans, ils trouvent l'autonomisation politique
des femmes et trois souscomposantes individuelles améliorent la croissance économique en (a) augmentant
le nombre et la variabilité des nouvelles idées introduites dans l'économie et (b) en améliorant la sélection des
des idées plus efficaces.
En outre, en examinant l’impact de l’abondance des ressources naturelles sur l’autonomisation politique des
femmes dans un large panel de 130 pays en développement entre 2002 et 2017, Awoa, Ondoa et Tabi (2022)
constatent que la rente totale des ressources par habitant a un fort impact négatif. impact positif sur
l'autonomisation politique globale des femmes et il y a trois souscomposantes séparément.
Nous explorons ainsi si les mécanismes avancés dans ces études affectent la croissance via leurs effets
sur le processus dynamique de diversification des exportations. En d’autres termes, à quoi ressemblerait le
monde si les femmes n’étaient pas confrontées à ce type d’exclusion et de discrimination ?
L’autonomisation des femmes favorisetelle la diversification des exportations ? Nous contribuons à répondre
à cette question en nous concentrant sur les bénéfices potentiels de l'autonomisation des femmes2 sur la
diversification des exportations dans les pays en développement.
A cet effet, nous utilisons quatre indicateurs développés : (i) l'indice d'autonomisation politique des femmes
(wpei), (ii) l'indice de parité hommesfemmes de scolarisation brute dans le secondaire (gpis), (iii) l'écart salarial
entre les sexes (écart salarial). et (iv) l’écart entre les sexes en matière d’emploi vulnérable (gap_vu).
L’utilisation de ces variables repose sur les hypothèses suivantes :
(H1) l'autonomisation politique des femmes a un effet positif sur la diversification des exportations car elle est propice
à l'adoption de lois qui établissent des conditions de concurrence équitables sur le marché du travail à l'extérieur du
foyer, mais aussi à des lois moins discriminatoires qui limitent l'accès des femmes au capital, à la terre, et ressources
productives.3
(H2) la parité des sexes dans la scolarisation dans l’enseignement secondaire augmente le réservoir potentiel de
capital humain et peut ainsi permettre à un pays d’imiter les technologies4 et aux femmes de saisir les opportunités
entrepreneuriales.
(H3) L’inégalité salariale entre les sexes diminue la diversification des exportations, car elle peut conduire à une diminution des efforts et
donc à une baisse de la productivité lorsqu’elle est perçue comme injuste.5, 6
(H4) étant donné que les femmes sont plus susceptibles d’occuper des emplois vulnérables, plus l’écart entre les sexes en matière
d’emploi vulnérable est grand, plus le panier de produits d’exportation est restreint.7
Pour tester ces hypothèses, nous utilisons un ensemble de données couvrant la période 20022018 pour
106 pays en développement d'Asie de l'Est et Pacifique (EAS), d'Amérique latine et des Caraïbes (ALC),
du MoyenOrient et d'Afrique du Nord (MENA), d'Asie du Sud. et Afrique subsaharienne (ASS).
La structure de nos données nous permet d'utiliser des techniques de données de panel standard pour
résoudre le problème d'endogénéité entre l'autonomisation des femmes et notre variable de résultat. Nous
utilisons la méthode des moments généralisés (IV/GMM) pour résoudre le problème de l'endogénéité de
nos variables explicatives. Nous nous appuyons sur les deux techniques IV pour isoler l'effet causal du
degré spécifique à chaque pays de nos mesures d'autonomisation des femmes sur la diversification des
exportations. Pour mettre en œuvre cela, nous utilisons d'abord le décalage de deux périodes des
variables d'autonomisation des femmes comme instrument interne pour l'autonomisation contemporaine
des femmes. Deuxièmement, à la suite de Baccini et Urpelainen (2012) et Kilolo (2018), nous construisons
un instrument comme moyenne des variables capturant les variables d'autonomisation des femmes par
pays autres que le pays et par année. Cela montre comment un pays se compare à un autre pays en
termes d’autonomisation. Enfin, nous introduisons les droits juridiques des femmes en tant qu'instruments
externes dans notre cahier des charges. Notre choix de ces instruments externes difficiles à trouver
s'inspire de Neumayer et de Soysa (2007 ; 2011) qui ont déjà montré dans leurs études que les droits
légaux des femmes ont eu un effet direct et fort sur l'autonomisation des femmes. Nous soutenons
également que le genre fondé sur les restrictions légales n’exerce pas d’effet direct sur la diversification
des exportations. En tant qu'instruments externes, nous utilisons le libre choix de la profession ou de
l'emploi sans qu'il soit nécessaire d'obtenir le consentement du mari ou des membres masculins de la
famille, la nondiscrimination de la part des employeurs, l'égalité de salaire pour un travail et un
consentement égal et le droit d'être chef de famille.8 Cela en fait de bons candidats pour remplir la
première condition de pertinence de l’instrument et la deuxième condition d’exogénéité de la théorie.9
Depuis que l’estimateur PPML développé par Silva et Tenreyro (2010 et 2006) est devenu une technique
incontournable dans la littérature spécialisée, nous l'utilisons également pour le contrôle de robustesse.
Les résultats montrent que l'autonomisation politique des femmes et la parité des sexes dans la
scolarisation dans l'enseignement secondaire ont un effet positif sur la diversification des exportations.10
Au contraire, les inégalités d'emploi vulnérables entre les sexes et les inégalités salariales entre les sexes
ont un effet négatif sur la diversification. Ces résultats suggèrent que les politiques ciblant l’ODD 5 – parité
des sexes et autonomisation des femmes – peuvent potentiellement améliorer les performances commerciales.
Ce document est étroitement lié au volet de la littérature commerciale sur les moteurs de la
diversification des exportations. Outre le capital humain déjà mentionné cidessus, plusieurs autres
facteurs expliquent la diversification des exportations, notamment : le revenu par habitant (Cadot et
StraussKahn 2011 ; Mau 2016 ; Parteka 2020 ; Parteka et Tamberi 2013b ; 2013a) ; institutions (Sheng
et Yang 2016), coûts du commerce (Mau 2016 ; Persson et Wilhelmsson 2016 ; Regolo 2013), géographie
et localisation (Agosin, Alvarez et BravoOrtega 2012) et productivité (Cieślik et Parteka 2021 ; Regolo
2013). , pour n'en nommer que quelquesuns.
Bien que étroitement liée, cette étude diffère de Kazandjian et al. (2019) sur plusieurs aspects.
Premièrement, ces derniers utilisent l’indice Theil de diversification des exportations du FMI, construit à
partir des données de flux commerciaux bilatéraux COMTRADE au niveau SITC à 4 chiffres (Rév. 1) ;
nous calculons deux indicateurs à l'aide des données commerciales désagrégées BACI2002 au niveau à
6 chiffres de la classification du Système harmonisé (HS6) du CEPII11 (à savoir HerfindahlHirschman
(HHI), l'indice Theil et le nombre de produits exportés). Deuxièmement, ces auteurs utilisent l’indice d’inégalité
de genre des Nations Unies, alors que nous nous appuyons sur les quatre variables décrites cidessus.
Troisièmement, ils distinguent les pays à faible revenu et en développement (LIDC) des pays nonLIDC, tandis
que nous nous intéressons également aux groupements régionaux de la Banque mondiale (EAS, LCN, MENA,
SAS et SSA). Enfin, nous n'utilisons pas nécessairement les mêmes variables de contrôle ; en particulier, nous
utilisons la plupart des facteurs courants utilisés dans la littérature.
Le reste de ses papiers est organisé comme ceci. La section 2 décrit les variables utilisées dans l'analyse.
La section 3 présente l'analyse empirique, tandis que la section 4 présente les résultats et les contrôles de
robustesse. Enfin, la section 5 conclut.
2. Description des données
Notre échantillon se compose de 106 pays en développement sur la période 20022018. La liste des pays est
présentée dans le tableau A1 en annexe. Il y en a 18 pour l’Asie de l’Est et le Pacifique (EAS), 24 pour l’Amérique
latine et les Caraïbes (ALC), 11 pour le MoyenOrient et l’Afrique du Nord (MENA), 8 pour l’Asie du Sud et enfin
45 pour l’Afrique subsaharienne (ASS). Une description détaillée de toutes les variables et sources de données
est fournie dans le tableau A2, tandis que les statistiques descriptives sont fournies dans le tableau A3 en
annexe. La matrice de corrélation est fournie dans le tableau A4 en annexe.
2.1. Mesurer la diversification des exportations
En utilisant la même approche que Cadot et StraussKahn (2011), nous construisons plusieurs mesures de
diversification des exportations, à savoir le nombre de lignes de produits exportées (nombre de biens exportés),
deux indices de concentration (c'estàdire l'indice HerfindahlHirschman ( HHI)12, 13, d'une part, et l'indice de
Theil, d'autre part).
Pour construire ces indicateurs, nous nous appuyons sur les données commerciales désagrégées BACI2002
fournies par le CEPII.14,15 L'échantillon de référence distingue 4 914 produits selon les codes SH à 6 chiffres
(produits H6) et englobe 106 pays en développement dans un panel déséquilibré en raison de données
manquantes. pour certaines variables.16 Le nombre de lignes de produits est obtenu après avoir compté le
nombre de produits actifs (exportations non nulles) exportés par chaque pays. Cette mesure de la diversification
des exportations est simple à calculer et à interpréter ; cependant, sa limite potentielle est que tous les biens
exportés sont considérés comme étant d’égale importance ; en général, la valeur des exportations de nouveaux
produits est souvent faible et ne contribue pas beaucoup à la valeur totale des exportations.
Les indices de concentration atténuent le problème mentionné cidessus, puisqu’ils tiennent compte du poids
relatif des biens dans les exportations totales (en d’autres termes, la répartition des exportations entre les
secteurs est prise en compte)17.
L'indice HHI prend des valeurs de 0 à 1, la plus élevée représentant une plus grande (moins) concentration
(diversification) ; il est calculé comme indiqué cidessous. En outre, pour couvrir d’autres manières de définir la
diversification des exportations, nous avons également utilisé l’indice de Theil de diversification des exportations.
Ces mesures sont présentées cidessous.
• L'indice Herfindahl (HHI), qui additionne les parts au carré de chaque produit dans les exportations totales,
normalisées entre 0 et 1, est donné par la formule suivante :
N 2 − 1
k=1 (skt) N
HHIl = (1)
11−
N
Figure 1. Diversification des exportations, 20022018 (PIB, moyenne pondérée). Source : BACI2002, CEPII.
xkt
où skt = N est la part du bien d’exportation k dans les exportations totales. Cet indice prend
k= 1xkt
valeurs de 0 à 1, la plus élevée représentant une plus grande
concentration. • L'indice Il est donné par
1 N 1 N
Tt = lnxkt oùμ = xkt (2)
µ
Nk =1 Nk =1
où xkt est l'exportation du bien ou du produit k au moment t et N est le nombre de lignes

d'exportation. L'indice de Theil varie entre zéro lorsque tous les produits sont exportés aux mêmes
valeurs et ln(N) lorsque l'exportation consiste en un seul produit exporté ; ainsi, comme pour
l’indice HHI, plus la valeur est élevée, plus la concentration des exportations est élevée et plus
l’indice est faible, plus les exportations sont diversifiées. Le tableau 1 présente quelques statistiques descriptives
Entre 2002 et 2018, les indices HHI et Theil moyens ont augmenté respectivement de
0,152 à 0,192 et de 4,951 à 5,329. La figure 1 illustre l’évolution de la diversification/
concentration des exportations sur la période 20022018. Pour tenir compte des différences
de taille des pays, les indices globaux annuels (indices HHI et Theil) sont obtenus en
pondérant l'indice de diversification de chaque pays par le rapport de son PIB nominal au PIB
total. Comme indiqué, l’évolution des deux indices est similaire ; en particulier, on peut
facilement constater une évolution en dents de scie des deux indices, qui se traduit néanmoins
par une hausse de la valeur de chaque indice sur la période.
La figure 2 montre l’évolution de la concentration des exportations pour différentes régions du
monde, en utilisant à nouveau la moyenne pondérée par le PIB. Parmi les groupements de pays en
développement, l’Asie de l’Est et Pacifique (EAS) présente le niveau de concentration des exportations
le plus faible par rapport aux autres régions, qui tend à être stable sur la période. A l’inverse, les quatre
autres groupes régionaux connaissent une augmentation de la concentration des exportations sur la
période, notamment pour l’Afrique subsaharienne (ASS) et le MoyenOrient et Afrique du Nord (MENA),
où l’on note une évolution en dents de scie. Compte tenu des stades de développement (figure 3), les exportations
Tableau 1. Indicateurs de diversification des exportations (concentration)

et le nombre de pays.
Herfindahl Théil
Moyenne des pays Dakota du Sud Signifier Dakota du Sud
2002 99 0,157 0,190 4,951 1.430

2006 104 0,202 0,236 5,223 1.546
2010 104 0,177 0,198 5,164 1.452
2013 106 0,19 0,204 5,259 1.460
2016 98 0,161 0,177 5,131 1.409
2017 98 0,173 0,187 5,207 1.430
2018 98 0,192 0,208 5,329 1.479
Date Source : BACI2002 (HS6) CEPII, 20022018.
Figure 2. Diversification des exportations par régions, 20022018 (PIB, moyenne pondérée). Source : BACI2002, CEPII. Note:
EAS = Asie de l’Est et Pacifique, LCN = Amérique latine et Caraïbes, MENA = MoyenOrient et Afrique du Nord, SAS =
Asie du Sud, ASS = Afrique subsaharienne.
Les pays les moins développés (PMA) sont plus concentrés en quelques produits que
aux nonPMA.
En examinant les pays individuellement, nous notons les niveaux de concentration des exportations les plus
élevés (ou de diversification les plus faibles) en Irak [avec un indice HHI (Theil) de 0,93 (8,36)], en Angola [0,84
(8,06)], Tchad [0,77 (7,99)], Libye [0,66 (7,70)], Nigéria [0,62 (7,47)] et pays équatorial
Guinée [0,56 (7,59)]. Tous ces pays sont exportateurs de pétrole brut. En revanche, la Turquie
[0,0073 (2,36)], la Chine [0,009 (2,20)] et la Thaïlande [0,01 (2,67)] sont les trois pays en développement les
plus diversifiés, avec les indices de concentration des exportations les plus faibles (pays)
entre 2002 et 2018.18
2.2. Capturer l’autonomisation des femmes (principaux régresseurs)
Le premier indicateur utilisé dans cette étude pour mesurer l'autonomisation des femmes est le genre.
écart d'emploi vulnérable sur le marché du travail, en suivant Nassani et al. (2019).
Selon l'OIT (2010), les travailleurs occupant un emploi vulnérable sont des travailleurs à leur propre compte.
et les travailleurs familiaux, qui sont donc plus susceptibles de ne pas bénéficier d'une sécurité sociale adéquate.
et le recours à des mécanismes efficaces de dialogue social, deux éléments essentiels d’une vie décente.
l’emploi (OIT 2010). En outre, les caractéristiques de l'emploi vulnérable sont des revenus insuffisants, une
faible productivité et des conditions de travail difficiles qui affaiblissent la situation des travailleurs.
droits fondamentaux. L'écart entre les sexes est mesuré comme la différence entre les femmes et les hommes
Figure 3. Diversification des exportations par stade de développement (PMA vs nonPMA). Source : BACI2002, CEPII.
Tableau 2. Emploi vulnérable par région (moyenne pondérée par la population).
Emploi vulnérable en pourcentage de l’emploi total

(moyenne pondérée)
Régions Femmes Hommes Écart
Asie de l'Est et Pacifique 0,522 0,483 0,039

Amérique latine et Caraïbes 0,341 0,329 0,012
MoyenOrient et Afrique du Nord 0,366 0,28 0,086
Asie du sud 0,825 0,739 0,086
Afrique subsaharienne 0,811 0,694 0,115
Total 0,585 0,514 0,072
Source : Base de données des indicateurs du développement dans le monde.
emploi vulnérable. Les données proviennent du World Development de la Banque mondiale.

Indicateurs (WDI).
Dans les 106 pays en développement, la part moyenne (pondérée en fonction de la population)
l’emploi vulnérable dans l’emploi total est de 0,514 pour les hommes et de 0,585 pour les femmes,
ce qui entraîne un écart entre les sexes de 7,2 points de pourcentage (tableau 2).
Le tableau 2 révèle des différences régionales en matière d’emploi vulnérable. En particulier, l’emploi des femmes
vulnérables est le moins répandu en Amérique latine et dans les Caraïbes (34 % des femmes).
femmes employées contre 33 % des hommes). En revanche, l’emploi des femmes vulnérables est le plus
prédominante en Afrique subsaharienne (81 % des femmes employées contre 70 % des hommes étant vulnérables).
Dans l’ensemble, l’écart moyen entre hommes et femmes en matière d’emploi vulnérable est positif dans toutes les régions,
la plus grande étant en Afrique subsaharienne (11,5 points), au MoyenOrient et en Afrique du Nord
et Asie du Sud (8,6 points dans chaque région). En revanche, l’écart entre les sexes est relativement faible
(inférieur à 4 points de pourcentage) en Asie de l’Est et Pacifique et en Amérique latine et Caraïbes.
En outre, l’échantillon présente une variation substantielle entre les pays dans la part des
emploi vulnérable. L’emploi vulnérable représente moins de 1 % du total
l'emploi pour les deux sexes dans trois pays du MoyenOrient et d'Afrique du Nord (Qatar,
Émirats arabes unis et Koweït) à plus de 85 % pour les deux sexes en Éthiopie, au Niger,
Burkina Faso, Bénin, Afghanistan, République Centrafricaine, Guinée, Tchad, etc. Pour 79
Tableau 3. Écart salarial entre hommes et femmes par région (moyenne pondérée en fonction de la population).
Salaires et salariés
(moyenne pondérée)
Régions Hommes Femmes Écart
Asie de l'Est et Pacifique 0,483 0,467 0,017

Amérique latine et Caraïbes 0,614 0,634 −0,02
MoyenOrient et Afrique du Nord 0,650 0,617 0,033
Asie du sud 0,244 0,170 0,074
Afrique subsaharienne 0,282 0,179 0,103
Total 0,447 0,40 0,047
Source : Basé sur la base de données des indicateurs du développement dans le monde.
sur 106 pays (74,53%), la part de l'emploi vulnérable est plus importante pour les femmes
que pour les hommes.
Le deuxième indicateur utilisé pour mesurer l'autonomisation des femmes est l'écart salarial entre les sexes.
sur le marché du travail, tel que défini par l'OIT. Les travailleurs salariés (employés) sont
les travailleurs qui occupent le type d'emplois définis comme des emplois rémunérés, où le
les titulaires sont titulaires de contrats de travail explicites (écrits ou oraux) ou implicites qui donnent
leur une rémunération de base qui ne dépend pas directement des revenus de l'unité
pour lesquels ils travaillent.19 L’écart salarial entre les sexes est mesuré comme la différence entre les hommes
et les travailleuses salariées et salariées. Les données proviennent de la base de données WDI.
Dans notre échantillon, la part des salariés dans l’emploi total varie
considérablement dans la région, allant d’aussi peu que 23,4 % en ASS à 64,3 % en
MoyenOrient et Afrique du Nord. Parmi les travailleurs salariés, les écarts salariaux entre hommes et femmes peuvent
être substantielle. À l’échelle mondiale, l’écart salarial entre hommes et femmes est estimé à 4,7 % ; autrement dit,
les femmes gagnent 95,3 % de ce que gagnent les hommes (voir tableau 3). En effet, parmi les 106 pays,
l’écart salarial entre hommes et femmes s’est généralement creusé, comme le montre la moyenne de l’écart dans ces
pays, qui est passée de 4,7% à 5,07%. L’ampleur de l’écart présenté
dans le tableau 3 est en partie attribuable aux différences dans les tendances de l'emploi entre les femmes et les hommes.
Hommes.
Parmi les travailleurs salariés, les écarts salariaux moyens entre hommes et femmes sont positifs dans tous les domaines.
régions à l’exception de l’Amérique latine et des Caraïbes, comme le montre le tableau 3. L’écart salarial entre hommes et femmes
est relativement importante en Afrique subsaharienne par rapport à d’autres régions.
Le troisième indicateur est l'indice d'autonomisation politique des femmes (wpei). Les données pour wpei
proviennent de la base de données version 11 du projet Varieties of Democracy (VDem) (Coppedge
et coll. 2021). wpei est calculé comme la moyenne simple non pondérée de trois sousindices,
à savoir : indice des libertés civiles des femmes (wcli), indice de participation des femmes à la société civile
(wcspi) et indice de participation politique des femmes (wppi). wcli capture la liberté des femmes de prendre des décisions
importantes dans leur vie quotidienne (c'estàdire leur liberté de gestion domestique).
la liberté de mouvement, l’absence de travail forcé, les droits de propriété et l’accès à la justice ; Sundström et al. 2017).
wcspi capture la liberté des femmes de s'engager librement dans le débat public
(liberté de discussion, participation aux organisations de la société civile (OSC) et représentation dans les rangs des
journalistes). Enfin, le wppi mesure l'engagement formel des femmes
dans la prise de décision politique construite comme une simple moyenne de deux indicateurs (la présence législative
des femmes et la répartition du pouvoir politique par sexe).20 Le tableau 4 répertorie tous
indicateurs inclus dans chaque sousindice.
Le tableau 5 présente les coefficients de corrélation entre les trois indices. WCSPI est plus
étroitement liée aux deux autres indices, tandis que la corrélation entre WCLI et WPPI
dix J.M. KILOLO ET AL.
Tableau 4. Composantes et indicateurs entrant dans l'indice d'autonomisation politique des femmes de VDem.
Indice d'autonomisation politique des femmes
Indice des libertés civiles des femmes (wcli) • la liberté de mouvement domestique des femmes
• l'absence de travail forcé
• droits de propriété
• accès à la justice
Indice de participation des femmes à la société civile (wcspi) • la liberté de discussion des femmes
• Participation des femmes des OSC
• pourcentage de femmes journalistes
Indice de participation politique des femmes (wppi), • présence législative des femmes
• répartition du pouvoir politique par sexe
Tableau 5. Corrélations entre les trois dimensions.
Variables (1) (2) (3)
1h00
(1) Libertés civiles
0,766 1h00
(1) Participation de la société civile
0,487 0,623 1h00
(1) Participation politique
p < 0,01, p < 0,05, p < 0,1.
Tableau 6. Indice d'autonomisation politique des femmes (wpei) dans les régions, 20022018
(moyenne pondérée par la population).
Régions Wpei moyen (pondéré) Wpei moyen (non pondéré)
Asie de l'Est et Pacifique 0,668 0,674

Amérique latine et Caraïbes 0,794 0,795
MoyenOrient et Afrique du Nord 0,469 0,468
Asie du sud 0,669 0,638
Afrique subsaharienne 0,709 0,702
Total 0,682 0,678
Source : Calcul basé sur le projet VDem (2021).

Remarque : Basé sur la classification régionale de la Banque mondiale. Les moyennes régionales sont basées sur des données pondérées
la population signifie.
est inférieur à 0,5. Les corrélations positives entre chaque paire sont toutes significatives. Ce
signifie que dans certains pays, les femmes peuvent jouir de toutes les libertés civiles mais ne pas bénéficier d'une égalité
présence en politique.
Le tableau 6 décrit l'indice d'autonomisation politique des femmes (wpei) dans toutes les régions (moyenne pondérée
par la population). Dans les 106 pays en développement, le wpei est de 0,682 en moyenne.
La région MoyenOrient et Afrique du Nord (MEA) est la seule région dont la performance
est en dessous de cette moyenne (0,47).
Audelà des différences régionales, il existe d’importantes variations d’un pays à l’autre dans la
wpei. Les cinq pays avec le wpei le plus faible sont l'Arabie saoudite (0,203), le Yémen (0,23),
Libye (0,31), Congo (0,33) et Qatar (0,36) (voir Figure 4). En revanche, le Costa Rica (0,95),
Hong Kong (0,92), la Jamaïque (0,898), TrinitéetTobago (0,89), la Corée du Sud (0,88) sont
les cinq pays qui ont enregistré le meilleur indice d'autonomisation politique des femmes
dans notre échantillon.
L'autonomisation des femmes est également reflétée par un quatrième indicateur, à savoir le genre
indice de parité de scolarisation secondaire brute (IPS), qui est calculé comme le rapport entre filles et
garçons inscrits au niveau secondaire dans des écoles publiques et privées (WDI, 2022). Un gpis de moins
Figure 4. Évolution de l'autonomisation politique des femmes, 20022018. Source : Calcul basé sur le projet VDem.
Tableau 7. Indice de parité entre les sexes en matière de scolarisation secondaire brute (gpis) par
régions (moyenne pondérée par la population).
Régions Femme homme gpis
Asie de l'Est et Pacifique (EAS) 0,766 0,770 0,983

Amérique latine et Caraïbes (LCN) 0,880 0,834 1,06
MoyenOrient et Afrique du Nord (MENA) 0,815 0,830 0,970
Asie du Sud (SAS) 0,553 0,60 0,894
Afrique subsaharienne (ASS) 0,397 0,444 0,842
Total 0,659 0,669 0,948
Source : calculs basés sur la base de données des indicateurs du développement dans le monde.
supérieur à 1 suggère que les filles sont plus désavantagées que les garçons en termes d’opportunités d’apprentissage et qu’un
gpis supérieur à 1 signifie le contraire. Les données sont extraites de la base de données WDI.
Dans les 106 pays en développement, le GPI moyen est de 0,948, ce qui signifie que les filles sont
plus défavorisés que les garçons en matière d’opportunités d’apprentissage, comme le montre le tableau 7. Sauf
pour l’Amérique latine et les Caraïbes, le GPI moyen est inférieur à 1 dans toutes les régions.
En outre, le tableau 7 montre que l’Afrique subsaharienne est la région où les performances sont les plus faibles.
en termes de scolarisation secondaire brute tant pour les femmes que pour les hommes (39% contre 44%). Pour 14
sur 106 pays ont un gpis supérieur à 1 ; ils comprennent quatre pays d’ASS (Afrique du Sud)
Afrique, Rwanda, Maurice et CapVert), six pays d'Amérique latine et des Caraïbes
(Cuba, République dominicaine, Chili, Colombie, Mexique et Argentine), trois pays d'Asie de l'Est
et des pays du Pacifique (Corée et Indonésie) et un pays d’Asie du Sud (Bangladesh).
2.3. Variables supplémentaires (de contrôle)
Nous tournons maintenant notre attention vers les variables de contrôle clés de notre analyse empirique.
Pour rendre l’analyse informative, le choix de nos contrôles est guidé par la littérature :
• PIB par habitant et PIB par habitant carré : ces variables mesurent respectivement le niveau de revenu
et le développement économique global. Le PIB par habitant joue un rôle explicatif important dans le
processus de diversification. En introduisant le carré du PIB par habitant, nous nous attendons à
une relation en forme de U inversé entre diversification et développement économique (l'« effet de
seuil » ; voir Imbs et Wacziarg 2003, Cadot et StraussKahn (2011) ; Mau 2016). Notez qu'il aurait
été préférable d'utiliser les données du PIB en parité de pouvoir d'achat plutôt qu'à niveau constant,
mais la première comporte plus de données manquantes que la seconde et nous souhaitons avoir
une taille d'échantillon aussi grande que possible. Les données sont collectées à partir de la base
de données WDI fournie par la Banque mondiale.
• Indice du capital humain. Le manque d’investissement dans le capital humain, qui réduit la productivité,
limite l’efficacité économique et restreint le commerce et la croissance économique et, par
conséquent, la diversification économique. Nous nous attendons à ce que cette variable ait un impact
positif sur la diversification des exportations si l’accumulation de capital humain permet aux pays de
modifier leurs modèles de spécialisation des produits de base vers les produits manufacturés (voir
Agosin, Alvarez et BravoOrtega 2012 ; Cadot, Carrère et StraussKahn 2011). . Les données sont
collectées à partir de Pen World Table (PWT 10).
• La qualité des institutions peut également avoir un impact positif sur la diversification, puisque les
institutions façonnent l'environnement dans lequel les entreprises opèrent et la facilité d'entrer sur
un marché pour mettre en œuvre une idée ou produire un nouveau produit. Ceci est représenté par
l'indice de perception de la corruption (IPC) qui mesure le degré de corruption perçu dans un pays,
ce qui nous renseigne sur le rôle que les institutions peuvent jouer dans le processus de diversification.
Cet indice varie entre –2,5 (faible niveau de corruption) et 2,5 (très corrompu). Les données sont
collectées à partir de la base de données WDI. • Termes de
l'échange (facteur cyclique) : les facteurs cycliques peuvent stimuler ou comprimer un certain secteur à
court terme, affectant ainsi la diversification au fil du temps. Nous introduisons donc des variables
macroéconomiques, telles que les termes de l'échange, dans nos régressions. Les données
proviennent de la base de données WDI.
• Taux de change : C'est la valeur monétaire relative d'une monnaie par rapport à une autre.
Selon Melitz (2003), une dépréciation monétaire augmente les exportations sur les marchés
étrangers actuels et peut faciliter la pénétration de nouveaux marchés. Cependant, en présence de
coûts d’entrée fixes prohibitifs, les exportateurs peuvent décider de rester en dehors des marchés
internationaux si les gains attendus sont inférieurs aux coûts d’entrée (voir Agosin, Alvarez et Bravo
Ortega (2012) ; Ben Hammouda et al. (2006) . Les données sont collectées à partir de Pen World
Table (PWT 10).
• Taille de l'économie représentée par la population. Nous nous attendons à ce que les grands pays
soient plus diversifiés en raison de marchés internes plus grands et d’un degré plus élevé de
différenciation des produits (voir Cadot, Carrère et StraussKahn 2011 ; Mau 2016 ; Osakwe et Kilolo 2018).
Les données sont collectées à partir de la base de données WDI.
• Rentes minières (% du PIB) : elle rend compte du rôle des ressources naturelles et de la mesure dans
laquelle un pays dispose d'une structure de production diversifiée. Les données sont collectées à
partir de la base de données WDI.
• Valeur fictive PMA : étant donné que la relation entre la diversification et l'autonomisation des femmes peut
varier selon les niveaux de développement, nous incluons un pays les moins en développement.
(PMA) factice dans l’analyse.
Le tableau 8 montre les statistiques descriptives. Observez que l’indice de Theil est très élevé
Indice de Herfindahl, en moyenne. La variabilité entre est beaucoup plus élevée que celle à l’intérieur de laquelle
Tableau 8. Statistiques récapitulatives. Dans l’ensemble, au sein et entre les statistiques.
Variables Signifier Dakota du Sud Min. Max. Obs.
Indice Herfindahl Dans l'ensemble 0,182 0,206 0,0053 0,983 N = 1743

Entre 0,197 0,0075 0,930 n = 106
Dans 0,065 −0,152 0,624 barre TT = 16,44
Indice Theil Dans l'ensemble 5.172 1,471 2,009 8,48N = 1743

Entre 1,442 2,164 8,343 n = 106
Dans 0,318 3,244 7,060 barre TT = 16,44
WPEI Dans l'ensemble 0,678 0,167 0,105 0,956 N = 1743

Entre 0,165 0,195 0,947 n = 106
Dans 0,0413 0,391 0,885 Barre en T = 16,44
Écart de vulnérabilité entre les sexes Dans l'ensemble 0,077 0,103 −0,228 0,336 N = 1743
Entre 0,099 −0,191 0,278 n = 106
Dans 0,0270 −0,123 0,192 Barre en T = 16,44
Écart salarial entre les sexes Dans l'ensemble 0,055 0,107 −0,288 0,293 N = 1743
Entre 0,104 −0,270 0,268 n = 106
Dans 0,027 −0,151 0,169 Barre en T = 16,44
Indice de parité entre les sexes Dans l'ensemble 0,948 0,174 0,210 1,410 N = 1743
du secondaire brut Entre 0,168 0,420 1,343 n = 106
inscription (GPIS) Dans 0,055 0,688 1,234 Barre en T = 16,44
PIB par habitant en log Dans l'ensemble 7.948 1,244 5.555 11,084 N = 1743
Entre 1,238 5.721 11,033 n = 106
Dans 0,161 7.182 8,550 Barre en T = 16,44
Indice du capital humain Dans l'ensemble 2.153 0,552 1,088 4,154 N = 1454
Entre 0,539 1,155 3,476 n = 88
Dans 0,127 1,624 3,125 barre en T = 16,522
la corruption Dans l'ensemble −0,422 0,740 −1,815 2,340 N = 1743

Entre 0,722 −1,610 2,176 n = 106
Dans 0,172 −1,223 0,397 Barre en T = 16,44
Taux de change Dans l'ensemble 1042,072 3170,223 0,269 40864,33 2910,483 0,290 N = 1641
Entre 18735,15 1177,383 −8629,874 25327,41 n = 100
Dans Barre en T = 16,41
Terme pour échanger Dans l'ensemble 124.227 42.082 21,340 321,691 N = 1781
Entre 34.596 55,557 215,017 n = 108
Dans 24.847 5,878 230.901 Barre en T = 16.490
Rente minière (% PIB) Dans l'ensemble 0,012 0,029 0,252 N = 1743

Entre 0,024 0,110 n = 106
Dans 0,017 00 0,154 Barre en T = 16,44
Entre 0,045 −0,098 0,294 n = 105
Dans 0,052 −0,010 −0,435 0,790 Barre en T = 16,44
Population en journal Dans l'ensemble 16h17 1,742 11,90 21.062 N = 1743

Entre 1,746 12,090 21.017 n = 106
Dans 0,172 15,479 16.538 Barre en T = 16.44
Figure 5. Corrélation entre l'indice de Herfindahl et l'autonomisation des femmes. Remarque : « cercle vert » pour Le moins
Pays développés (PMA), « x gris » pour les nonPMA.
signifie que nous pouvons observer une dispersion considérable de toutes les variables entre chaque pays
dans notre échantillon.
Les chiffres illustrent les corrélations internationales entre les variables de l'autonomisation des femmes et les
deux mesures de diversification des exportations. Un « cercle vert » représente au moins
pays développé (PMA), tandis qu'un « x gris » représente un pays non PMA.
La figure 5 illustre la corrélation entre les quatre variables d'autonomisation des femmes et l'indice de
Herfindahl (HHI). Le coin supérieur gauche de la figure 5 révèle que l’écart entre les sexes dans l’emploi vulnérable
est positivement associé à la concentration des exportations.
Cela suggère que les économies présentant un niveau élevé de vulnérabilité en matière d’emploi ont
un niveau de diversification moindre. Le coin supérieur droit de la figure 5 montre une corrélation positive entre
l’écart salarial entre les sexes et la concentration des exportations. Alors que le coin inférieur gauche et
à droite de la figure 4 révèlent que gpis et wpei sont négativement associés à l'exportation
concentration.
La figure 6 révèle une tendance similaire, puisque les deux mesures transmettent les mêmes informations
qualitatives, il n'est pas nécessaire de procéder à une analyse plus approfondie. Ces relations suggèrent que
L’autonomisation des femmes affecte positivement (négativement) la diversification des exportations. À savoir,
des niveaux élevés d’écart salarial entre les sexes ou d’écart d’emploi vulnérable entre les sexes sont associés
avec des niveaux inférieurs de diversification des exportations, tandis que l'autonomisation politique des femmes et
l’indice de parité entre les sexes en matière de scolarisation secondaire brute est positivement lié à l’exportation
diversification.
Figure 6. Corrélation entre l'indice de Theil et l'autonomisation des femmes. Remarque : « cercle vert » pour les moins avancés
Pays (PMA), « x gris » pour les nonPMA.
3. Analyse empirique
3.1. Spécification économétrique
Nous considérons un modèle de données de panel déséquilibré à composantes d'erreur bidirectionnelles défini comme
suit :
Yit = α + X itβ + uit, i = 1, ... , Nt ; t = 1, ... , T (3a)
Le terme d’erreur est spécifié comme
uit = μi + λt + it (3b)
où Yit désigne la variable dépendante, à savoir un indice de concentration des exportations

(Indice de Herfindhal et Theil) pour le pays i au temps t. Xit est un vecteur de variables
explicatives et β est un vecteur de coefficients à estimer et α est un scalaire. μi désigne le
effet spécifique à l'individu inobservable, λt est l'effet temporel inobservable et it représente
la perturbation résiduelle. Ce modèle (3a) est un panneau asymétrique à double sens
composantes d’erreur où Nt(Nt ≤ N) désigne le nombre d’individus observés dans
année t, avec N = Nt. t
Pour analyser la relation entre l'autonomisation des femmes et la diversification, notre

la spécification économétrique de base prend la forme suivante :
2
Dit = γ0 + βiempowerit + γ1 log (gdppc)it + γ2 log(gdppc) il + γ3cceit + γ4HCit
+ γ5xrit + γ6totradeit + γ7 log (popu)it + γ8 min e_rentit + λt + μi + it,
je = 1, ... , Nt; t = 1, ... , T (4)
où Dit désigne l’indice de concentration commerciale (indice Herfindhal et Theil) pour

pays i au temps t exprimé en logarithmes. L'autonomisation désigne les variables d'autonomisation des femmes
(écart de vulnérabilité entre les sexes, écart salarial entre les sexes, autonomisation politique des femmes, indice
de parité entre les sexes dans la scolarisation secondaire brute) pour le pays i au moment t.
il
enregistrezle (gdppc) et enregistrezle (gdppc)2 représente le PIB par habitant et son carré21 tant en
enregistrer. cceit désigne la corruption et HCit le capital humain (l'année de scolarité).
xrit est le taux de change, log (popu) c'est la population en log, mine_rentit est le minéral
loyer (% PIB) et à échanger les termes de l'échange. μi désigne l’effet individuel inobservable, λt est l’effet
temporel inobservable et it représente le reste
perturbation.βi(i=1,2,3,4) et γi(i=0,1,2,3,4,5,6,7,8) sont le coefficient à estimer.
3.2. Technique d'estimation
Avant de choisir la stratégie d’estimation, nous utilisons d’abord un test de Hausman qui confirme
que les effets fixes doivent être utilisés à la place des effets aléatoires pour tenir compte de l'hétérogénéité entre
les pays dans les données de panel, de sorte que notre modèle statistique principal a des effets fixes
pour chaque pays (voir annexe). Deuxièmement, nous avons étudié avec Pesaran (2015) la dépendance
transversale, puisque notre échantillon comporte de nombreuses sections transversales (106 pays) mais
une dimension temporelle relativement plus courte (20022018, t = 17 ans). Nous ne pouvons pas rejeter le
hypothèse nulle d’absence de dépendance transversale entre les pays pour l’ensemble du panel
(c'estàdire que les erreurs sont faiblement dépendantes). Les résultats montrent l’existence d’une section transversale
dépendance dans les variables sousjacentes quel que soit l’échantillon. Enfin, nous testons
autocorrélation et hétéroscédasticité dans le panel. Un test d'autocorrélation de Wooldridge rejette l'hypothèse
nulle selon laquelle il n'y a pas de corrélation sérielle de premier ordre alors que le
Le test standard de Breusch – Pagan indique une hétéroscédasticité entre panels. Les résultats de tous
ces tests sont rapportés en annexe (tableau A5). Ces tests sont importants pour l'ajustement
modèles de données de panel. Par conséquent, la technique d’estimation appropriée doit produire des estimations
d’erreur type qui soient cohérentes en matière d’hétéroscédasticité et robustes aux formes générales.
de dépendance transversale et temporelle.
Comme indiqué précédemment, il est possible que l'autonomisation des femmes soit endogène à
diversification des exportations. Pour cette raison, nous utilisons également des variables instrumentales généralisées
méthode de régression par moments (IV/GMM) dans laquelle nous instrumentons l'autonomisation des femmes.
Pour traiter le problème de l’endogénéité entre diversification des exportations et
l'autonomisation des femmes, nous utilisons d'abord le décalage de deux périodes de l'autonomisation des femmes
variables (gap_vu, gap_wage, wpei et gpi_second) comme instrument interne pour le
l'autonomisation contemporaine des femmes. Deuxièmement, inspiré de Baccini et Urpelainen
(2012) et Kilolo (2018), nous construisons un instrument comme moyenne des variables capturant
variables d’autonomisation des femmes par pays autres que le pays i et par année. Cela montre comment un
pays se compare aux autres bénéficiaires en termes d'autonomisation. Enfin,
nous introduisons les droits légaux des femmes comme instruments externes dans notre cahier des charges. Notre
le choix de ces instruments externes difficiles à trouver s'inspire de Neumayer
et de Soysa (2007, 2011) qui ont déjà montré dans leurs études que les droits légaux des femmes ont eu un
effet direct et fort sur l'autonomisation des femmes. Nous soutenons également que le genre fondé sur les
restrictions légales n’exerce pas d’effet direct sur la diversification des exportations. En tant qu'instruments
externes, nous utilisons le libre choix de la profession ou de l'emploi sans avoir besoin d'obtenir le
consentement du mari ou des membres masculins de la famille, la nondiscrimination de la part des
employeurs, l'égalité de salaire pour un travail et un consentement égal et le droit d'être chef de famille. .22
Cela en fait de bons candidats pour remplir la première condition de pertinence de l'instrument et la deuxième
condition d'exogénéité de la théorie.23 Nous le confirmons également dans la section suivante, qui discute
de nos résultats.
Les estimations sont également réalisées avec SE robuste. Nous utilisons également la technique
d’estimation du pseudopoison maximum de vraisemblance (PPML) développée par Silva et Tenreyro
(2010), qui est devenue un modèle incontournable dans la littérature commerciale. Comme d'habitude, dans
ce cas, les variables dépendantes sont exprimées en niveaux plutôt qu'en logarithmes. Par conséquent,
pour cet ensemble d’estimations, nous utilisons HHI et Theil comme variables dépendantes.
3.3. Hypothèses Sur
la base de la littérature économique et des observations de l’analyse graphique cidessus, nous formulons
les hypothèses suivantes :
•H1'. L'indice d'autonomisation politique des femmes (wpei) et l'indice de parité entre les sexes en matière
de scolarisation secondaire brute (gpis) ont un effet positif sur la diversification des exportations.
•H2'. L’écart d’emploi vulnérable entre hommes et femmes (gap_vu) et l’écart salarial entre hommes et
femmes (écart de salaire) ont un effet négatif sur
la diversification. •H3'. Le fait d’être un pays parmi les moins avancés est associé à un niveau d’exportation plus faible
diversification.
Pour vérifier la validité de ces hypothèses, nous examinons les signes des coefficients tout au long des
résultats des estimations économétriques présentés cidessous. H1 est vérifié si les estimations des
coefficients du WPEI et du GPIS sont négatives. H2 est valide si les estimations des coefficients de gap vu
et GAPWAGE sont positives. En gardant à l’esprit qu’une diminution de la concentration équivaut à une
augmentation de la diversification des exportations, et vice versa.
4. Résultats de l'estimation
Cette section présente les résultats, qui visent à analyser l'effet de l'autonomisation des femmes sur la
diversification. Le logarithme naturel de la diversification des exportations est utilisé comme variable
dépendante. Les tableaux 9 et 10 présentent les résultats des régressions IV/GMM où nous instrumentons
l'autonomisation des femmes en utilisant le décalage de deux périodes des variables d'autonomisation des
femmes (gap_vu, gap_wage, wpei et gpi_second). La statistique Cragg – Donald / Kleibergen – Paap Wald
rapportée rejette un problème d'identification faible, tandis que la valeur p de la statistique du test J de
Hansen confirme la validité des instruments. En outre, toutes les spécifications incluent les effets fixes
temporels et les effets fixes des pays les moins avancés.
Le tableau 9 présente les résultats de l’indice de concentration des exportations HHI. La plupart des
variables explicatives sont significatives et ont un signe attendu. Dans la colonne 1, on peut voir que
l'autonomisation des femmes (gap_vu) a le signe positif attendu et statistiquement significatif aux niveaux
conventionnels. Comme dans Kazandjian et al. (2019), écart de vulnérabilité entre les sexes
Tableau 9. Estimation IV/GMM (lag) : diversification des exportations et ses déterminants logarithme de l'indice HHI.
Variables explicatives (1) (2) (3) (4)
gap_vu 0,567
(0,291)
lngdppca_wdi −3,007 −2,990 −2,762 −2,675
(0,235) (0,234) (0,244) (0,424)
ln2gdppca_wdi 0,199 0,199 0,181 0,158
(0,0140) (0,0139) (0,0147) (0,0258)
cce −0,653 −0,644 −0,599 −0,413
(0,0485) (0,0482) (0,0513) (0,0592)
hc_pwt −0,379 −0,360 −0,325 0,0190
(0,0862 ) (0,0866) (0,0904) (0,128)
faire du commerce 0,0115 0,0115 0,0114 0,0134
(0,000753) (0,000752) (0,000763) (0,000988)
lnpopu_wdi −0,180 −0,180 −0,182 −0,197
(0,0143) (0,0143) (0,0143) (0,0215)
location_minerale 3,656 3,571 3,702 2,558
(0,743) (0,743) (0,742) (1,068)
xr 1,92e05 1,91e05 1,57e05 4.54e05
(6,78e06) (6,88e06) (6,39e06) (9.48e06)
Factice Ldc 0,201 0,198 0,217 0,0828
(0,0924) (0,0921) (0,0944) (0,127)
écart_salaire 0,823
(0,285)
wpei −0,575
(0,195)
gpi_seconde −0,889
(0,364)
Constante 10,48 10,35 10,16 10,77
(1,011) (1,010) (1,043) (1.700)
Observations 1278 1278 1278 678
R au carré 0,492 0,493 0,495 0,494
Année FE oui oui oui Oui
CraggDonald/KleibergenPaap 14 000 14 258 15 245 2914
Hansen J (valeur p) 0,0685 0,0651 0,422 0,961
Remarque : erreurs types robustes entre parenthèses. Significatif à : p < 0,01, p < 0,05, p < 0,1. Variable d'autonomisation des
femmes : Gapvu (écart de vulnérabilité), Gapwage (écart salarial entre les sexes), wpei (autonomisation politique des femmes
index) et gpi_second (indice de parité entre les sexes dans la scolarisation brute dans le secondaire). Le test d’identification faible est basé
sur la statistique F de KleibergenPark Wald, le test des restrictions de suridentification est basé sur le test J de Hansen.
sur le marché du travail est positivement associée à la concentration des exportations. De même, l’écart salarial
entre hommes et femmes (écart salarial) présente également le signe positif attendu et est statistiquement fortement
significatif aux niveaux conventionnels (colonne 2). En particulier, le résultat suggère qu'un
L’augmentation de l’écart salarial entre hommes et femmes entraînera une réduction de la concentration des exportations, ce qui
le résultat est robuste avec les résultats basés sur l’analyse graphique de la figure 3.
Comme le montre la colonne 3, l'autonomisation politique des femmes (wpei) est fortement et négativement
associée à la concentration des exportations. Cette constatation conforte l'idée selon laquelle les femmes
l’autonomisation politique améliore la croissance économique, au moins en stimulant la croissance économique.
processus de diversification qui (a) augmente le nombre et la variabilité des nouvelles idées
introduits dans l'économie et (b) amélioré la sélection d'idées plus efficaces (par exemple
Dahlum, Knutsen et Mechkova 2022). Comme prévu, l’indice de parité fillesgarçons au secondaire (gpis) de la
colonne 4 a un très fort impact statistiquement significatif sur
concentration des exportations. Cela signifie qu’un taux de scolarisation plus élevé entre femmes et hommes est
lié de manière significative et positive à la diversification des exportations. Ce résultat est cohérent avec d’autres
études (par exemple Kazandjian et al. 2019).
En examinant nos variables de contrôle, le tableau 9 confirme l'importance du revenu par habitant (lngdppca_wdi),
de l'indice du capital humain (hc_pwt), du taux de change (xr) et des termes de l'échange (totrade), de la taille de
l'économie (lnpopulation) et de la rente minière. PIB (mineral_rent) dans le processus de diversification des
exportations. Les résultats confirment la relation en forme de U entre diversification des exportations et développement
(Cadot et StraussKahn (2011) ; Cadot, Carrère et StraussKahn 2011 ; Imbs et Wacziarg 2003 ; Kazandjian et al.
2019 ; Mau 2016), car les pays Ils ont tendance à se diversifier selon les marges extensives (c'estàdire le nombre
de produits exportés) au début à mesure que leurs revenus augmentent, jusqu'à ce qu'ils commencent à se
spécialiser, à reconcentrer leurs exportations vers moins de produits et à se diversifier selon les marges intensives.
L’accumulation de capital humain tend également à réduire la concentration des exportations, comme le montrent
Agosin, Alvarez et BravoOrtega (2012), Cadot, Carrère et StraussKahn (2011) et Kazandjian et al. (2019).
Comme prévu, la corruption (cce) qui reflète la qualité de l’institution a clairement un impact positif et significatif
sur la diversification. Ce résultat est conforme à celui de Ben Hammouda et al. (2006), Cadot, Carrère et Strauss
Kahn (2011). À l’instar de Cadot, Carrère et StraussKahn (2011), Mau (2016), Osakwe et Kilolo (2018), Persson et
Wilhelmsson (2016), la taille de l’économie, représentée par la population, est clairement associée à une diminution
des exportations. concentration. En d’autres termes, plus la population est nombreuse, plus l’économie est
diversifiée. Cela signifie que les marchés de grande taille sont plus susceptibles d’accueillir une grande diversité
d’entreprises vendant sur les marchés internationaux.
Le taux de change est également important pour la diversification. En outre, nous trouvons une relation positive
entre le taux de change et les indices de concentration, ce qui implique que la dépréciation de la monnaie entraîne
une concentration des exportations. Ce résultat est cohérent avec d'autres résultats tels que ceux de Ben Hammouda
et al. (2006) et Kazandjian et al. (2019). Comme dans Agosin, Alvarez et BravoOrtega (2012) et Kazandjian et al.
(2019), l’amélioration des termes de l’échange est associée à une augmentation de la concentration des exportations.
Cela reflète peutêtre l’effet d’une moindre compétitivité des prix à court terme. Comme prévu, la variable capturant
les dotations en ressources naturelles (rentes minérales) est associée à un indice de Herfindahl plus élevé.
Ce résultat montre qu’une forte dépendance à l’égard des ressources naturelles peut conduire à une plus forte
concentration des exportations. Enfin, la variable muette pour les PMA a un coefficient positif et significatif, reflétant
leurs niveaux relativement faibles de capacités productives.
Le tableau A6 (voir tableau A6 en annexe) présente les estimations de la concentration des exportations de
Theil. Les résultats sont quantitativement similaires à ceux présentés dans le tableau 9. Cependant, nous notons que
l'écart de vulnérabilité entre les sexes (gap_vu) dans la colonne 1 et l'indice de parité entre les sexes dans le
secondaire (gpis) dans la colonne 4 ont le signe attendu mais ne sont pas statistiquement significatifs à niveaux
conventionnels.
5. Contrôle de robustesse
Dans cette section, nous testons la robustesse des résultats cidessus face à quelques changements dans le choix
des instruments et les techniques d’estimation.
Premièrement, nous utilisons d'autres techniques d'estimation pour aborder la question de la causalité inverse
entre la diversification des exportations et l'autonomisation des femmes. Cette technique nous permet d'introduire
des instruments autres que décalés d'autonomisation des femmes. Grâce à ces instruments, les résultats tiennent.
Nous suivons ensuite Baccini et Urpelainen (2012) et Kilolo (2018) en construisant cet instrument comme la moyenne
des variables capturant les variables d'autonomisation des femmes par pays autres que le pays i et par année.
Tableau 10. Estimation IV/GMM (moyenne) : diversification des exportations et ses déterminants logarithme de l'indice HHI.
gap_vu 0,508
(0,284)
lngdppca_wdi −2,832 −2,823 −2,611 −2,332
(0,224) (0,223) (0,235) (0,316)
ln2gdppca_wdi 0,191 0,190 0,173 0,146
(0,0133) (0,0132) (0,0141) (0,0191)
cce −0,672 −0,665 −0,619 −0,496
(0,0476) (0,0474) (0,0504) (0,0557)
hc_pwt −0,437 −0,419 −0,379 −0,112
( 0,0843) (0,0846) (0,0876) (0,110)
(0,000738) (0,000737) (0,000746) (0,000892)
lnpopu_wdi −0,192 −0,192 −0,195 −0,201
(0,0142) (0,0142) (0,0141) (0,0184)
(0,755) (0,755) (0,755) (0,918)
xr 1,87e05 1,86e05 1,55e05 3.84e05
(6,71e06) (6,79e06) (6,34e06) (9.76e06)
Factice Ldc 0,219 0,215 0,230 0,171
(0,0905) (0,0903) (0,0923) (0,115)
(0,280)
wpei −0,535
(0,186)
(0,252)
Constante 10,08 9,990 9,780 9,509
(0,954) (0,953) (0,983) (1,282)
Observations 1 454 1 454 1 454 957
R au carré 0,479 0,480 0,482 0,472
Cragg – Donald ou Kleibergen – Paap 449 124 421 500 562 582 321 347
sur la statistique Kleibergen – Park Wald F.
Les résultats sont présentés dans le tableau 10 pour l'indice HHI et le tableau A7 (annexe)
pour l'indice de Theil. Encore une fois, nous rejetons l’hypothèse nulle du test de faible
instruments, ce qui suppose l’absence de problème d’instrument faible. La variable Gender vulnérable gap
(gap_vu) apparaît désormais clairement significative avec un
impact sur la concentration des exportations, tandis que l'indice d'autonomisation politique des femmes (wpei)
et l'indice de parité entre les sexes en matière de scolarisation secondaire brute (gpigs) restent favorables à la
diversification. En ce qui concerne les variables de contrôle, les résultats sont quantitativement similaires à
ceux présentés dans les tableaux précédents.
Deuxièmement, nous introduisons dans nos spécifications les droits juridiques des femmes en tant
qu’instruments externes. Cette technique nous aide à renforcer la confirmation de notre hypothèse en
fournissant la preuve d'un effet causal de l'autonomisation des femmes sur la diversification. Le
Les résultats (tableau 11 pour l'indice HHI et tableau A8 pour l'indice Theil) confirment que les femmes
l’autonomisation comme un déterminant important de la diversification commerciale, même après avoir inclus
droits légaux pour les femmes, comme le libre choix d’une profession ou d’un emploi sans
nécessité d'obtenir le consentement du mari ou d'un parent masculin, nondiscrimination de la part des employeurs,
un salaire égal pour un travail égal et un consentement égal et le droit d'être chef de famille, comme
instruments pour l’autonomisation des femmes.
Tableau 11. Estimation IV/GMM (instruments externes) : Diversification des exportations et ses déterminants Logarithme de l'HHI
Indice.
gap_vu 6,305
(1,922)
lngdppca_wdi −3,624 −3,481 −2,161 −1,441
(0,343) (0,356) (0,282) (0,479)
ln2gdppca_wdi 0,241 0,234 0,136 0,0918
(0,0215) (0,0226) (0,0190) (0,0293)
cce −0,536 −0,462 −0,428 −0,469
(0,0720) (0,0999) (0,0795) (0,0626)
hc_pwt −0,0654 0,143 −0,112 0,246
(0,163) (0,235 ) (0,132) (0,183)
(0,000889 ) (0,00101) (0,000801 ) (0,000946)
lnpopu_wdi −0,208 −0,201 −0,209 −0,217
( 0,0170) (0. 0180) (0 .0161) (0,0197)
location_minerale 3,022 2,167 3.861 1.250
(0,947) (1,123) (0.785) (1,023)
xr 2,39e05 2,18e05 7,36e06 3.38e05
(8,76e06) (9,95e06) (6,22e06) (1.01e05)
_Ildc_1 0,116 0,0744 0,238 0,148
(0,0926) (0,108) (0,0965) (0,124)
(2,915)
wpei −2,108
(0,531)
(1,155)
Constante 12,34 11,23 9,489 7,995
(1,166) (1,166) (1,045) (1,496)
Observations 1 454 1 454 1 454 957
R au carré 0,325 0,198 0,452 0,413
Cragg – Donald ou Kleibergen – Paap 13,07 7,631 71,40 32.27
Hansen J (valeur p) 0,919 0,841 0,199 0,598
Remarque : erreurs types robustes entre parenthèses. Significatif à : p > < 0,01, p < 0,05, p < 0,1. aux femmes
variable d'autonomisation : Gapvu (écart de vulnérabilité), Gapwage (écart salarial entre les sexes), wpei (participation politique des femmes).
indice d'autonomisation) et gpi_second (indice de parité entre les sexes dans la scolarisation brute dans le secondaire). Le test d'identification
faible est basé sur la statistique Kleibergen–Park Wald F, le test pour les restrictions de suridentification est basé sur
sur le test J de Hansen.
Enfin, nous exécutons notre régression en utilisant une méthode d'estimation par comptage, à savoir le PPML
technique. Les résultats sont présentés dans le Tableau 12 et le Tableau A9 (annexe pour l'HHI
respectivement l'indice et l'indice Theil). L’écart de vulnérabilité entre les sexes et l’écart salarial entre les sexes peuvent
être en effet une cause d’une moindre diversification économique, mais l’écart de vulnérabilité entre les sexes n’est toujours pas visible.
significative lorsque la diversification des exportations est mesurée par l’IHH. Ce résultat confirme le
les résultats de base présentés dans le tableau précédent. Alors que l'autonomisation politique des femmes
et l’indice de parité entre les sexes en matière de deuxième inscription brute est important pour la diversification.
6. Conclusion
En utilisant un échantillon de pays en développement de 2002 à 2018, cet article présente des preuves empiriques que l’autonomisation
des femmes affecte la diversification des exportations. Ça démontre

Tableau 12. PPML : Diversification des exportations et ses déterminants logarithme de l'indice HHI.
gap_vu 0,304
(0,349)
lngdppca_wdi −1,450 −1,489 −1,161 −1,005
(0,202) (0,195) (0,204) (0,260)
ln2gdppca_wdi 0,118 0,121 0,0970 0,0827
(0,0123) (0,0120) (0,0131) (0,0161)
cce −0,768 −0,760 −0,711 −0,460
(0,0692) (0,0698) (0,0712) (0,0709)
hc_pwt −0,848 −0,816 −0,799 −0,704
(0,0841) (0,0840) (0,0853) (0,120)
(0,000671) ( 0,000670) (0,000681) (0,000911)
lnpopu_wdi −0,040 6 −0,038 4 −0,04 60 −0,0567
(0,0181) (0,0180) (0,0185) (0,0253)
( 0,698) ( 0,700) ( 0,691) (0,803)
xr 1,56e05 1,60e05 1,11e05 2.95e05
(5,31e06) (5,32e06) (5,18e06) (7.27e06)
(0,350)
wpei −0,514
(0,183)
(0,220)
Constante 3,158 3,211 2,619 3,265
(0,773) (0,746) (0,738) (1,011)
Observations 1 454 1 454 1 454 957
R au carré 0,388 0,390 0,386 0,421
Année FE Oui Oui Oui Oui
Erreurs types robustes entre parenthèses.

p < 0,01, p < 0,05, p < 0,1.
que l'autonomisation politique des femmes et la parité des sexes dans la scolarisation dans le secondaire ont un effet
positif sur la diversification des exportations. Au contraire, les inégalités d’emploi entre les sexes et les inégalités
salariales entre les sexes ont un effet négatif sur
diversification.
Ces résultats suggèrent que les politiques qui promeuvent l’ODD 5 – parité entre les sexes et femmes
l’autonomisation – peut potentiellement améliorer les performances à l’exportation. Ils devraient viser la parité en
matière d’emploi, ce qui implique d’offrir des conditions similaires à tous, sans distinction de sexe.
Comme indiqué précédemment, les inégalités salariales réduisent potentiellement les incitations au travail et diminuent
effort, affectant ainsi la productivité qui s’est avérée liée à la capacité d’exportation du commerce
littérature. De la même manière, les politiques devraient également viser à réduire l’emploi vulnérable, dont les
caractéristiques communes sont de faibles revenus, une faible productivité et un travail difficile.
conditions – sont également propices à une moindre diversification des exportations.
En outre, les politiques qui accroissent l'autonomisation politique des femmes sont également favorables
à l'expansion des exportations car ils sont censés être plus favorables au soutien des lois qui fixent
des conditions de concurrence équitables sur le marché du travail, d'une part, et qui améliorent la situation des femmes.
accès au capital, à la terre et aux ressources productives. Enfin, les politiques qui améliorent le genre
la parité en matière de scolarisation contribuent également à la diversification des exportations car elles contribuent à
l’expansion du capital humain qui facilite l’adoption de la technologie, mais qui équipe également les hommes
en tant que femmes à saisir les opportunités entrepreneuriales.
Audelà de la justice sociale, la question de l’égalité des sexes est aussi une solution aux enjeux
économiques comme le montre cet article. En fait, l’autonomisation des femmes sert également le
programme de diversification promu dans plusieurs pays en développement.
Remarques
1. L’autonomisation des femmes dans l’économie et la réduction des inégalités entre les sexes dans le monde du travail sont essentielles
à la réalisation du Programme de développement durable à l’horizon 2030 (ODD 5). L'autonomisation des femmes est définie, selon
Kabeer (1999), comme le processus par lequel les femmes acquièrent la capacité de faire des choix de vie stratégiques dans un
contexte où cette capacité leur était auparavant refusée (Kabeer 1999). Récemment, Duflo (2012) a défini l'autonomisation des
femmes comme un processus par lequel la capacité des femmes à accéder aux éléments du développement, en particulier la santé,
l'éducation, les opportunités de revenus, les droits et la participation politique, est améliorée. En ce qui concerne le domaine politique,
Sundström et al. (2017) définissent l'autonomisation politique des femmes comme un processus visant à accroître la capacité des
femmes, grâce à un plus grand choix, des agences et une plus grande participation, à la prise de décision sociétale.
2. Dans cet article, nous utilisons de manière interchangeable l'autonomisation des femmes et l'égalité des sexes, en supposant qu'en
autonomisant les femmes, les gens sont en concurrence sur un pied d'égalité.
3. Voir Stanistreet et al. (2007) pour plus de détails.
4. Ce point a été souligné notamment par Aghion et al. (2010).
5. Sur le lien entre inégalités salariales et moindre effort, voir Akerlof et Yellen (1990) et Levine
(1991).
6. Depuis les travaux fondateurs de Melitz (2003), des études récentes sur le commerce ont montré que les exportateurs sont
généralement plus productifs que les nonexportateurs. Ainsi, en réduisant les efforts de travail et la productivité globale, l’inégalité
salariale entre hommes et femmes peut effectivement réduire la diversification des exportations.
7. Comme expliqué dans la section 2, l'emploi vulnérable se caractérise par de faibles revenus, une faible productivité et des conditions
de travail difficiles. Le lien entre les faibles revenus et la faible productivité évoqué cidessus explique pourquoi cela peut conduire à
une diminution des exportations de biens.
8. Les données sont tirées du droit des affaires de la Banque mondiale (WBL)
9. Pertinent signifie que les instruments sont fortement liés aux variables endogènes conditionnées aux autres variables exogènes.
Exogène signifie que les instruments euxmêmes ne doivent pas être corrélés au terme d’erreur. L'instrument doit également être
redondant.
10. Nous utilisons les codes d'Osakwe et Kilolo (2018) pour calculer plusieurs mesures de diversification des exportations basées sur la
base de données BACI2002 : HHI, Theil et le nombre de produits d'exportation.
11. CEPII signifie Centre d'Études Prospectives et d'Informations Internationales ; Il compile les données commerciales disponibles en ligne sur
http://www.cepii.fr/CEPII/en/bdd_modele/bdd_modele.asp.
12. Cet indice est également appelé dans la littérature indice de Herfindahl.
13. Persson et Wilhelmsson (2016) calculent un indice de diversification, IHHI, qui correspond à la
inverse de HHI (IHHI = 1/HHI).
14. Centre d'études prospectives et d'informations internationales.
15. BACI est la base de données sur le commerce mondial construite par le CEPII à partir de la base de données Comtrade de l'ONU. Il
est élaboré à travers une procédure originale qui rapproche les déclarations de l'exportateur et de l'importateur.
16. Comme le montre le tableau A.3, les valeurs manquantes concernent 3 variables : gpi, année moyenne de scolarité et xr.
17. Persson et Wilhelmsson (2016) mettent en garde contre l’utilisation d’indices de concentration, car les variations de prix entre des
périodes consécutives peuvent induire des variations lorsque les volumes infimes ne changent pas.
18. Utilisation de la moyenne pondérée par le PIB.
19. Voir https://ilostat.ilo.org/resources/conceptsanddefinitions/descriptionemploymentbystatus/

consulté le 05/07/2022
20. Nous avons utilisé le WPEI plutôt que les autres indices d'autonomisation politique des femmes. Ces WPEI VDem sont beaucoup plus
étendus à la fois spatialement et temporairement (Sundström et al. 2017). Le WPEI agrégé et ses trois sousindices vont de 0 à 1
(autonomisation élevée).
21. Ce terme rend compte de la courbure du PIB par habitant. Cette variable capture l'effet de seuil.
22. Les données sont tirées du droit des affaires de la Banque mondiale (WBL)
23. Pertinent signifie que les instruments sont fortement liés aux variables endogènes conditionnées aux autres variables exogènes.
Exogène signifie que les instruments euxmêmes ne doivent pas être corrélés au terme d’erreur. L'instrument doit également être
redondant.
Déclaration de divulgation
Aucun conflit d’intérêt potentiel n’a été signalé par le ou les auteurs.
ORCID
JeanMarc M. Kilolo http://orcid.org/0000000176712360
Les références
Aghion, Philippe, GeorgeMarios Angeletos, Abhijit Banerjee et Kalina Manova. 2010. « Volatilité et croissance : contraintes
de crédit et composition de l'investissement.ï£¡ï£¡ï£¡ï£¡ Journal of Monetary Economics 57 (3) : 246265. https://doi.org/
10.1016/j.jmoneco.2010.02.005.
Agosin, Manuel R., Roberto Alvarez et Claudio BravoOrtega. 2012. « Déterminants de la diversification des exportations
dans le monde : 19622000 ». L'économie mondiale 35 (3) : 295315. https://doi.org/10.1111/j.14679701.2011.01395.x.
Akerlof, George A. et Janet L. Yellen. 1990. «L'hypothèse d'un salaireeffort équitable et le chômage».
The Quarterly Journal of Economics. 105 (2) : 255. https://doi.org/10.2307/2937787.
Awoa, Paul Awoa, Henri Atangana Ondoa et Henri Ngoa Tabi. 2022. « Autonomisation politique des femmes et
malédiction des ressources naturelles dans les pays en développement ». Politique des ressources 75 : 102442.
https://doi.org/10.1016/j.resourpol.2021.102442.
Baccini, Léonard et Johannes Urpelainen. 2012. « Paiements secondaires stratégiques : accords commerciaux
préférentiels, réforme économique et aide étrangère. » Le Journal de Politique. 74 (4) : 932949. https://doi.org/
10.1017/S0022381612000485.
BalGunduz, Y., E. DablaNorris et C. Intal. 2015. « Qu'estce qui motive la diversification économique ? » Interne
Document de travail du Fonds monétaire international.
Ben Hammouda, Hakim, Stephen Karingi, Angelica Njuguna et Mustapha Sadni Jallab. 2006. Diversification : Vers un
nouveau paradigme pour le développement de l'Afrique. 13359. Allemagne : Bibliothèque universitaire de Munich.
Brello, Fernanda et Ugo Troiano. 2016. « Que se passetil lorsqu'une femme remporte une élection ? Preuve des
courses serrées au Brésil. Journal de l'économie du développement 122 : 2845. https://doi.org/10.1016/
j.jdeveco.2016.04.003.
Cadot, Olivier et Vanessa StraussKahn. 2011. « Diversification des exportations : qu'y atil derrière le problème ?
Revue d'économie et de statistiques 93 (2) : 590605. https://doi.org/10.1162/REST_a_00078.
Cadot, Olivier, Céline Carrière et Vanessa StraussKahn. 2011. « Diversification du commerce : facteurs déterminants et
impacts ». Dans Tradend Employment: From Myths to Facts, édité par Marion Jansen, Ralf Peters et José Manuel
SalazarXirinachs, 253307. Genève : Bureau international du Travail.
Chattopadhyay, Raghabendra et Esther Duflo. 2004. « Les femmes en tant que décideurs politiques : données probantes
issues d'une expérience politique randomisée en Inde ». Économétrique 72 (5) : 14091443. https://doi.org/10.1111/
j.14 680262.2004.00539.x.
Cieślik, Andrzej et Aleksandra Parteka. 2021. « Productivité relative, taille du pays et diversification des exportations ».
Changement structurel et dynamique économique 57 : 2844. https://doi.org/10.1016/j.strueco.20 21.01.002.
Coppedge, Michael, John Gerring, Carl Henrik Knutsen, Staffan I. Lindberg, Jan Teorell, David Altman,
Michael Bernhard et coll. 2021. « Livre de codes VDem V11 ».
Cuberes, David et Marc Teignier. 2016. « Effets globaux des écarts entre les sexes sur le marché du travail : une
estimation quantitative ». Journal du capital humain 10 (1). https://doi.org/10.1086/683847.
Dahlum, Sirianne, Carl Knutsen et Valeriya Mechkova. 2022. «Autonomisation politique des femmes et croissance
économique». Développement mondial 156 : 105822. https://doi.org/10.1016/j.worlddev.2022.10 5822.
Deininger, Klaus, Daniel Ayalew Ali et Tekie Alemu. 2011. « Impacts de la certification foncière sur la sécurité foncière,
l'investissement et la participation au marché foncier : données probantes en provenance d'Éthiopie. » Économie
foncière 87 (2) : 312334. https://doi.org/10.3368/le.87.2.312.
Duflo, Esther. 2012. «Autonomisation des femmes et développement économique». Journal of Economic Literature 50
(4) : 10511079. https://doi.org/10.1257/jel.50.4.1051.
Esarey, Justin et Leslie A. SchwindtBayer. 2018. « Représentation des femmes, responsabilité et corruption dans les
démocraties ». Journal britannique de science politique. 48 (3) : 659690. https://doi.org/10.1017/
S0007123416000478.
Imbs, Jean et Romain Wacziarg. 2003. «Étapes de la diversification». Revue économique américaine 93 (1) :
6386. https://doi.org/10.1257/000282803321455160.
Bureau international du Travail. 2010. Tendances mondiales de l'emploi : janvier 2010. Genève : OIT.
Bureau international du Travail (OIT). 2018. Perspectives de l'emploi et des affaires sociales dans le monde – Tendances pour les femmes
2018 – Aperçu mondial. Genève : Organisation internationale du Travail.
Jetter, Michael et Andrés Ramírez Hassan. 2015. « Vous voulez une diversification des exportations ? Éduquer les enfants
D'abord." Enquête économique 53 (4) : 17651782. https://doi.org/10.1111/ecin.12213.
Kabeer, Naila. 1999. « Ressources, agencement, réalisations : réflexions sur la mesure de l'autonomisation des femmes. » Développement
et changement 30 (3) : 435464. https://doi.org/10.1111/14677660.00125.
Kazandjian, Romina, Lisa Kolovich, Kalpana Kochhar et Monique Newiak. 2019. «Égalité des genres et diversification économique».
Sciences sociales 8 (4) : 118. https://doi.org/10.3390/socsci8040118.
Kilolo, JeanMarc Malambwe. 2018. « Aide étrangère et réforme commerciale : données ACPUE ». Le Journal du commerce international
et du développement économique 27 (2) : 184199. https://doi.org/10.1080/09638199.2017.1353124.
Klasen, Stéphane. 2002. « Faible scolarisation des filles, croissance plus lente pour tous ? Preuves transnationales sur l’effet de l’inégalité
entre les sexes dans l’éducation sur le développement économique. La Revue économique de la Banque mondiale 16 (3) : 345373.
https://doi.org/10.1093/wber/lhf004.
Klasen, Stephan et Francesca Lamanna. 2009. « L’impact de l’inégalité entre les sexes dans l’éducation et l’emploi sur la croissance
économique : nouvelles données probantes pour un panel de pays ». Économie féministe 15 (3) : 91132. https://doi.org/
10.1080/13545700902893106.
Knowles, Stephen, Paula K. Lorgelly et P. Dorian Owen. 2002. « Les écarts entre les sexes en matière d'éducation sontils un frein au
développement économique ? Quelques preuves empiriques à travers le pays. Documents économiques d'Oxford 54 (1) : 118149.
https://doi.org/10.1093/oep/54.1.118.
Lectard, Pauline et Eric Rougier. 2018. « Les pays en développement peuventils gagner à défier l’avantage comparatif ? Distance par
rapport à l’avantage comparatif, diversification et sophistication des exportations et dynamique de spécialisation. Développement
mondial 102 (C) : 90110. https://doi.org/10.1016/j.worlddev.2017.09.012.
Levine, David I. 1991. « Cohésion, productivité et dispersion des salaires ». Journal du comportement économique
& Organisation 15 (2) : 237255. https://doi.org/10.1016/01672681(91)90031R.
Mau, Karsten. 2016. « La diversification des exportations et les différences de revenus reconsidérées : la marge étendue des produits en
théorie et en application ». Revue de l'économie mondiale 152 (2) : 351381. https://doi.org/10.1007/s102900150241x.
Mavisakalyan, Astghik et Yashar Tarverdi. 2019. « Genre et changement climatique : les femmes parlementaires fontelles la différence ?
Journal européen d'économie politique 56 : 151164. https://doi.org/10.1016/j.ejpoleco.2018.08.001.
Melitz, Marc J. 2003. « L'impact du commerce sur les réallocations intraindustrielles et la productivité globale de l'industrie. » Économétrique
71 (6) : 16951725. https://doi.org/10.1111/14680262.00467.
Minasyan, Anna, Juliane Zenker, Stephan Klasen et Sebastian Vollmer. 2019. « Écarts entre les sexes en matière d’éducation et
croissance économique : examen systématique et analyse de métarégression ». Développement mondial 122 : 199217. https://
doi.org/10.1016/j.worlddev.2019.05.006.
Mitra, Aniruddha, James T. Bang et Arnab Biswas. 2015. « Égalité des genres et croissance économique : égalité des chances ou égalité
des résultats ? Économie féministe 21 (1) : 110135. https://doi.org/10.1080/13545701.2014.930163.
Mosley, Paul. 2018. « Pourquoi la diversification des exportations atelle été si difficile à réaliser en Afrique ? L'économie mondiale 41 (4) :
10251044. https://doi.org/10.1111/twec.12620.
Nassani, Abdelmohsen A., Abdullah Mohammed Aldakhil, Muhammad Moinuddin Qazi Abro, Talat Islam et Khalid Zaman. 2019. « L'impact
du tourisme et de la finance sur l'autonomisation des femmes ».
Journal de modélisation politique. 41 (2) : 234254. https://doi.org/10.1016/j.jpolmod.2018.12.001.
Neumayer, Eric et Indra de Soysa. 2007. « Mondialisation, droits économiques des femmes et travail forcé ». L'économie mondiale 30
(10) : 15101535. https://doi.org/10.1111/j.14679701.2007.01060.x.
Neumayer, Eric et Indra de Soysa. 2011. « Mondialisation et autonomisation des femmes : analyse de la dépendance spatiale via le
commerce et les investissements directs étrangers ». Développement mondial 39 (7) : 10651075. https://doi.org/10.1016/
j.worlddev.2010.12.008.
Osakwe, PN et JM Kilolo. 2018. « Qu’estce qui motive la diversification des exportations ? Nouvelles preuves d'un panel
des pays en développement. » Recherche de la CNUCED (n° 3) : 33.
Parteka, Alexandre. 2020. « Qu’estce qui détermine les différences entre les pays dans la variété des exportations ? Une approche de
panel bilatéral. Modélisation économique 92 (C) : 4856. https://doi.org/10.1016/j.econmod.2020.07.001.
Parteka, Aleksandra et Massimo Tamberi. 2013. « Diversification des produits, spécialisation relative et développement
économique : analyse importexport ». Journal de macroéconomie 38 : 121135. https://doi.org/10.1016/j.jmacro.2013.09.011.
Parteka, Aleksandra et Massimo Tamberi. 2013. « Qu'estce qui détermine la diversification des exportations dans le processus
de développement ? Évaluation empirique. L'économie mondiale 36 (6) : 807826. https://doi.org/10.1111/twec.12064.
Persson, Maria et Fredrik Wilhelmsson. 2016. « Préférences commerciales de l’UE et diversification des exportations ».
L'économie mondiale 39 (1) : 1653. https://doi.org/10.1111/twec.12354.
Pesaran, M. Hachem. 2015. «Test de la faible dépendance transversale dans les grands panels». Économétrique
Avis 34 (610) : 10891117. https://doi.org/10.1080/07474938.2014.956623.
Regolo, Julie. 2013. « Diversification des exportations : dans quelle mesure le choix du partenaire commercial estil important ?
Journal d'économie internationale. 91 (2) : 329342. https://doi.org/10.1016/j.jinteco.2013.07.004.
Sheng, Liugang et Dennis Tao Yang. 2016. « Élargir la variété des exportations : le rôle des réformes institutionnelles dans les
pays en développement ». Journal of Development Economics. 118 (C) : 4558. https://doi.org/10.1016/j.jdeveco.2015.08.009.
Silva, JMC Santos et Silvana Tenreyro. 2006. «Le journal de la gravité». La revue de l'économie et des statistiques. 88 (4) :
641658. https://doi.org/10.1162/rest.88.4.641.
Silva, JMC Santos et Silvana Tenreyro. 2010. « Sur l'existence des estimations du maximum de vraisemblance dans la
régression de Poisson. » Lettres économiques 107 (2) : 310312. https://doi.org/10.1016/j.econlet. 2010.02.020.
Stanistreet, Debbi, Viren Swami, Dan Pope, Clare Bambra et Alex ScottSamuel. 2007. « Autonomisation des femmes et mort
violente chez les femmes et les hommes en Europe : une étude écologique ». Le Journal de la santé et du genre des
hommes 4 : 257265. https://doi.org/10.1016/j.jmhg.2007.05.003.
Sundström, Aksel, Pamela Paxton, YiTing Wang et Staffan I. Lindberg. 2017. « Autonomisation politique des femmes : un
nouvel indice mondial, 19002012 ». Développement mondial 94 : 321335. https://doi.org/10.1016/j.worlddev.2017.01.016.
Thévenon, Olivier, Nabil Ali, Willem Adema et Angelica Salvi del Pero. 2012. « Documents de travail de l'OCDE sur les
questions sociales, l'emploi et les migrations ». Documents de travail de l'OCDE sur les affaires sociales, l'emploi et les
migrations 138 : 138. https://doi.org/10.1787/5k8xb722w928en.
Groupe de haut niveau du Secrétaire général des Nations Unies sur l'autonomisation économique des femmes (UNHLP). 2016.
Ne laisser personne de côté : un appel à l'action pour l'égalité des sexes et l'autonomisation économique des femmes. New
York : Secrétaire général de l'ONU.
Banque mondiale. 2011. Rapport Sur Le Développement Dans Le Monde 2012 : L'égalité Des Sexes et Le Développement.
Washington, DC : Banque mondiale. https://doi.org/10.1596/9780821388105.
annexe
Tableau A1. liste des pays dans différents échantillons.
Pays Code Région Pays Code Région
1. Cambodge 3. KHM CAE 2. Oman 4. OMN MENA

Chine 5. CHN CAE Qatar 6. QAT MENA
Fidji 7. FJI CAE Arabie saoudite 8. SAU MENA
RAS de Hong Kong. Chine HKG CAE Tunisie 10. TONNEAU MENA
9. Indonésie 11. IDN CAE Émirats arabes unis 12. Yémen. SONT MENA
Corée. représentant COR CAE représentant OUI MENA

13. RDP lao 15. AJO CAE 14. Afghanistan 16. AFG Asie du sud
Malaisie 17. MYS CAE Bangladesh 18. BGD Asie du sud
Mongolie 19. MNG CAE Bhoutan 20. BTN Asie du sud
Myanmar 21. ROR CAE Inde 22. INDIANA Asie du sud
PapouasieNouvelleGuinée 23. PNG CAE Maldives 24. MDV Asie du sud
Philippines 25. PHL CAE Népal 26. PNP Asie du sud
Singapour 27. Îles SGP CAE Pakistan 28. Sri PAK Asie du sud
Salomon 29. Thaïlande 31. SLB CAE Lanka 30. Angola LKA Asie du sud
Turquie 33. THA CAE 32. Bénin 34. IL Y A ASS
Vanuatu 35. TUR CAE Burkina Faso BEN ASS

Vietnam 37. VUT CAE 36. Burundi 38. Cap BFA ASS
Argentine 39. VNM CAE Vert 40. BDI ASS
Barbade 41. Bolivie ARG LAC Cameroun CPV ASS

43 Brésil 45. Chili BRB LAC CMR ASS
47. Colombie BOL LAC 42. République centrafricaine FAC ASS
49. Costa SOUTIENGORGE LAC 44. Tchad TCD ASS
Rica 51. LCH LAC 46. Comores 48. COM ASS
Cuba 53. COL LAC Congo. représentant DENT ASS
République IRC LAC 50. Côte d'Ivoire 52. CIV ASS
dominicaine LIONCEAU LAC Guinée équatoriale 54. Éthiopie GNQ ASS
55. Équateur 57. El Salvador 59. DOMAINE LAC 56. Gabon 58. ETH ASS
Guatemala 61. ÉCU LAC Gambie. 60. GAB ASS
Guyane 63. Haïti 65. SLV LAC Ghana 62. Guinée 64. GM ASS
Honduras 67. GTM LAC GuinéeBissau GHA ASS
Jamaïque 69. GARS LAC 66. Kenya 68. GIN ASS

Mexique HTI LAC Libéria 70. Madagascar GNB ASS
71. Nicaragua 73. HND LAC 72. Malawi KÉNÉ ASS
Panama 75. CONFITURE LAC 74. Mali 76. LBR ASS
Paraguay 77. MEXIQUE LAC Mauritanie 78. Maurice OMD ASS
Pérou 79. Suriname Carte réseau LAC 80. Mozambique MWI ASS
81. Trinitéet POÊLE LAC 82. Niger MLI ASS
Tobago 83. LEVIER LAC 84. Nigeria 86. TRM ASS

Uruguay PAR LAC Rwanda 88. Sao MUS ASS
85. Algérie 87. SUR LAC Tomé et Principe 90. MOZ ASS
Bahreïn 89. Djibouti 91. Égypte. BTT LAC Sénégal 92. NER ASS
Rép. arabe URY LAC Sierra Leone NGA ASS

DZA MENA 94. Afrique du RWA ASS
BHR MENA Sud 96. Soudan 98. Tanzanie 100. STP ASS
DJI MENA Togo 102. SEN ASS
ÉGY MENA Ouganda 104. Zambie LED ASS
93. Iran. Rép. islamique. IRN MENA 106. Zimbabwe ZAF ASS
95. Iraq IRQ MENA SDN ASS

97. Jordanie JOR MENA TZA ASS
99. Koweït KWT MENA TGO ASS
101. Liban 103. LBN MENA UGA ASS
Libye LBY MENA ZMB ASS

105. Maroc MAR MENA ZWE ASS
Note. EAP : Asie de l'Est et Pacifique, LAC : Amérique latine et Caraïbes, MENA : MoyenOrient et Afrique du Nord, ASS : Afrique subsaharienne
Afrique.
Tableau A2. Les sources de données.
Symboles Description Sourcea
HHI Indice Herfindahl (Indice de diversification des exportations) Auteurs basés sur BACI2002
Théil Indice Theil (Indice de diversification des exportations) Auteurs basés sur BACI2002
numpr Nombre de produits exportés Auteurs basés sur BACI2002
Écart vu Écart entre les sexes dans l’emploi vulnérable en pourcentage du total WDI
emploi
Écart de salaire Écart entre les sexes dans l’emploi salarié WDI
GPI_seconde Indice de parité entre les sexes en brut dans la scolarisation secondaire brute WDI
WPEI Indice d'autonomisation politique des femmes VDem
gdppca PIB par habitant (dollars américains constants de 2015) WDI

cce Contrôle de la corruption, estimation WDI
hc_pwt Indice du capital humain Point 10.0

totrade Termes de l'échange WDI
population Population totale WDI

rente minérale Rentes minières (% du PIB) WDI
xr Taux de change, monnaie nationale/USD (marché + estimation) Point 10.0
aWDI : base de données des indicateurs de développement dans le monde fournie par la Banque mondiale (2022), VDem : base de données du projet
Varieties of Democracy version 11 (Coppedge et al. 2021). Base de données Pwt 10.0 Pen World Table 10 . BACI2002
données commerciales désagrégées fournies par le CEPII.
Tableau A3. Statistiques descriptives.
N Signifier Dakota du Sud Min. Max.
HHI 1743 .18 0,21 ,01 1,47 2,01 .98

Théil 1743 5.17 0,10 −.23 0,11 8h49
écart vu 1743 .08 −.29 0,17 ,1 0,17 .34
écart de 1743 .05 .21 1,24 5,56 20,29 .29
salaire 1743 .68 30,86 0,74 −1,82 .96
wpei gpi 1115 .95 0,55 1,09 42,08 1.41
deuxième 1743 7.95 21,4 1,74 11,9 0,03 11.08

1743
lngdppca wdi ln2gdppca wdi 64.71 0 3170.22 122,86
cce 1743 −.42 2.33
hc pwt 1454 2.15 4.15

totrade 1743 124.23 321,69
lnpopu wdi 1743 16.17 21.06

loyer minéral 1743 .01 .25
xr 1641 1042.07 .27 40864.33
LJI
Tableau A4. Matrice de corrélation (108 pays, moyennes nationales sur la période 20022018).
Variables (1) (2) (3) (4) (5) (6) (7) (8) (9) (dix) (11) (12) (13) (14)
(1) HHI 1,00

(2) Theil 0,86 1,00
(3) gap_vu 0,14 0,21 −0,28 1,00
(4) gap_wage (5) 0,18 0,27 −0,35 0,98 1,00
wpei (6) −0,38 −0,33 0,18 −0,18 −0,19 1,00
gpi_second (7) −0,36 −0,34 0,34 −0,37 −0,42 0,35 1,00
lngdppca_wdi (8) cce −0,03 −0,18 0,52 −0,49 −0,53 −0,01 0,56 1,00
(9) −0,28 −0,31 0,40 −0,40 −0,41 0,29 0,43 0,60 1,00
hc_pwt (10) −0,26 −0,37 0,59 −0,53 −0,58 0,27 0,64 0,78 0,56 1,00
totrade (11) 0,37 0,41 −0,16 0,06 0,07 −0,18 −0,04 0,14 −0,11 −0,01 1,00
29
lnpopu_wdi (12) −0,17 −0,40 0,58 0,12 0,08 0,00 −0,15 −0,16 −0,24 −0,08 −0,03 1,00
mineral_rent (13) xr −0,01 0,11 −0,11 0,05 0,06 0,10 0,04 −0,06 −0,02 0,06 0,17 −0,08 1,00
−0,01 −0,04 0,08 0,03 0,04 −0,10 −0,08 −0,09 −0,15 0,00 −0,02 0,18 0,03 1h00
p < 0,01, p < 0,05, p < 0,1.

Tableau A5. Tests préliminaires.
Essais Statistiques Valeur P Hypothèses Les décisions
Variable explicative Gap_vu

Hausmann Chi2(6) (HHI) = 59,80 0,000 H0 : présence d'effet aléatoire Chi2(6) (Theil) = 85,05 0,000 H0 rejeté
Pesarán (2015) CD(HHI) = 3,493 0,000 H0 : les erreurs sont faibles H0 rejeté
dépendant de la section transversale
CD(Theil) = 5,668 0,000
Wooldridge F(1,87) (HHI) = 39,032 0,000 H0 : pas de premier ordre H0 rejeté
autocorrélation
F(1,87) = 55,945 0,000
BreuschPagan chi2(1) (HHI) = 607,21 0,006 H0 : variance constante H0 rejeté
chi2(1) (Theil) = 53,41 0,000
Variable explicative : Gap_wage

Hausmann Chi2(6) (HHI) = 59,29 Chi2 0,000 H0 : présence d'effet aléatoire H0 rejeté
(6) (Theil) = 84,24 CD (HHI) = 0,000
Pesarán (2015) 3,442 0,001 H0 : les erreurs sont faibles H0 rejeté
CD (Theil) = 5,673 0,000
autocorrélation
F(1,87) (Theil) = 55,921 0,000
BreuschPagan chi2(1) (HHI) = 606,00 chi2(1) 0,0000 H0 : variance constante H0 rejeté
(Theil) = 53,91 0,000
Variable explicative : wpei

Hausman Chi2(6) (HHI) = 49,83 Chi2 (6) (Theil) = 0,000 H0 : présence d'effet aléatoire H0 rejeté
87,64 CD (HHI) = 2,586 0,000
Pesarán (2015) 0,010 H0 : les erreurs sont faibles H0 rejeté
CD (Theil) = 5,773 0,000
autocorrélation
F(1,87) (Theil) = 56,136 chi2(1) 0,000
BreuschPagan (HHI) = 615,58 chi2(1) (Theil) 0,0000 H0 : variance constante H0 rejeté
= 55,78 0,000
Variable explicative : Gpis

Hausman Chi2(6) (HHI) = 35,82 Chi2 (6) (Theil) = 0,000 H0 : présence d'effet aléatoire H0 rejeté
73,97 CD (HHI) = 0,000 0,000
Pesarán (2015) 1.000 H0 : les erreurs sont faibles Aucune décision

CD (Theil) = 0,000 1.000
autocorrélation
F(1,87) (Theil) = 28,318 chi2(1) 0,000
BreuschPagan (HHI) = 413,67 chi2(1) (Theil) 0,0000 H0 : variance constante H0 rejeté
= 21,11 0,000
Source : Calcul des auteurs.

Tableau A6. Estimation IV/GMM (lag) : diversification des exportations et ses déterminants logarithme de l'Indice de Theil.
gap_vu 0,0942
(0,0657)
lngdppca_wdi −0,634 −0,632 −0,596 −0,495
(0,0527) (0,0523) (0,0546) (0,102)
ln2gdppca_wdi 0,0411 0,0411 0,0383 0,0280
(0,00315) (0,00313) (0,00329) (0,00623)
cce −0,170 −0,168 −0,163 −0,117
(0,0112) (0,0111) (0,0117) (0,0138)
hc_pwt −0,0942 −0,0897 −0,0881 0,00201
(0,0196) (0,0197) (0,0202 ) (0,0309)
(0,000176) ( 0,000176) (0,000177) (0,000232)
lnpopu_wdi −0 0,0721 −0 0,0722 −0 0,0722 −0,0731
(0,00350) (0,00350) (0,00350) (0,00511)
(0,170) (0,170) (0,170) (0,243)
xr 2,02e06 2,02e06 1,53e06 8.18e06
(1,62e06) (1,64e06) (1,56e06) (2.11e06)
Factice Ldc 0,0658 0,0647 0,0685 0,0799
(0,0205) (0,0204) (0,0209) (0,0290)
(0,0639)
wpei −0,0796
(0,0445)
(0,0835)
Constante 4,905 4,888 4,846 4,528
(0,232) (0,231) (0,237) (0,411)
Observations 1 278 1 278 1 278 678
R au carré 0,590 0,590 0,591 0,590
Cragg – Donald ou Kleibergen – Paap 14000 14258 15245 2914
Hansen J (valeur p) 0,102 0,0907 0,347 0,896
sur la statistique Kleibergen – Park Wald F, le test des restrictions de suridentification est basé sur le test J de Hansen.
Tableau A7. Estimation IV/GMM (lag) : diversification des exportations et ses déterminants logarithme de l'Indice de Theil.
gap_vu 0,0793
(0,0637)
lngdppca_wdi −0,592 −0,592 −0,558 −0,457
(0,0496) (0,0493) (0,0520) (0,0749)
ln2gdppca_wdi 0,0391 0,0392 0,0365 0,0278
(0,00294) (0,00293) (0,00312) (0,00459)
cce −0,176 −0,175 −0,168 −0,136
(0,0109) (0,0108) (0,0115) (0,0128)
hc_pwt −0,108 −0,104 −0,0991 −0,0325
(0,0191) (0,0191) (0,0194) (0,0258)
(0,000172) (0,000172) ( 0,000173) (0,000210)
lnpopu_wdi −0. 0745 −0. 0745 −0 0,0750 −0,0742
(0,00344) (0,00344) (0,00343) (0,00439)
(0,172) (0,172) (0,172) (0,213)
xr 1,83e06 1,81e06 1,35e06 6.77e06
(1,58e06) (1,60e06) (1,52e06) (2.16e06)
Factice Ldc 0,0706 0,0698 0,0725 0,0858
(0,0199) (0,0199) (0,0203) (0,0259)
(0,0625)
wpei −0,0803
(0,0419)
(0,0574)
Constante 4,762 4,751 4,716 4,422
(0,216) (0,215) (0,221) (0,307)
Observations 1 454 1 454 1 454 957
R au carré 0,580 0,580 0,581 0,565

Cragg – Donald ou Kleibergen – Paap 449124 421500 562582 321347
Remarque : erreurs types robustes entre parenthèses. Significatif à : p < 0,01, p < 0,05, p < 0,1. Variable d'autonomisation des femmes :
Gapvu (écart de vulnérabilité), Gapwage (écart salarial entre les sexes), wpei (autonomisation politique des femmes
sur la statistique Kleibergen – Park Wald F.
Tableau A8. Estimation IV/GMM (instruments extérieurs) : diversification des exportations et ses déterminants logarithme de
Indice Theil.
gap_vu 1,441
(0,456)
lngdppca_wdi −0,778 −0,747 −0,455 −0,182
(0,0784) (0,0799) (0,0601) (0,118)
ln2gdppca_wdi 0,0510 0,0495 0,0278 0,0110
(0,00490) (0,00509) (0,00404) (0,00723)
cce −0,144 −0,127 −0,124 −0,127
(0,0168) (0,0234) (0,0178) (0,0151)
hc_pwt −0,0199 0,0286 −0,0374 0,0779
(0,0380) (0,0551) (0,0293) (0,0437)
(0,000211) (0,000241) (0,000187) (0,000228)
lnpopu_wdi −0,0783 * −0,0766 * −0,0781 * −0,0792
(0,00399) (0,00425) (0,00391) (0,00491)
(0,214) (0,256) (0,179) (0,244)
xr 3,08e06 2,58e06 −5,36e07 5.35e06
(2,08e06) (2,36e06) (1,45e06) (2.27e06)
Factice Ldc 0,0465 0,0367 0,0743 0,0787
(0,0202) (0,0237) (0,0214) (0,0304)
(0,688)
wpei −0,444
(0,119)
(0,279)
Constante 5,298 5,043 4,649 3,955
(0,267) (0,260) (0,229) (0,382)
Observations 1 454 1 454 1 454 957
R au carré 0,448 0,340 0,556 0,478

Cragg – Donald ou Kleibergen – Paap 13,07 7,631 71,40 32.27
Hansen J (valeur p) 0,799 0,964 0,399 0,653
Remarque : erreurs types entre parenthèses. Significatif à : p < 0,01, p < 0,05, p < 0,1. L'autonomisation des femmes
variable : Gapvu (écart de vulnérabilité), Gapwage (écart salarial entre les sexes), wpei (indice d'autonomisation politique des femmes)
et gpi_second (indice de parité entre les sexes dans la scolarisation brute dans le secondaire). Le test d’identification faible est basé sur
Kleibergen – Park Wald F statistique, le test des restrictions de suridentification est basé sur le test J de Hansen.
Tableau A9. PPML : diversification des exportations et ses déterminants logarithme de l'indice de Theil.
gap_vu 0,0884
(0,0670)
lngdppca_wdi −0,594 −0,595 −0,555 −0,458
(0,0456) (0,0449) (0,0460) (0,0673)
ln2gdppca_wdi 0,0397 0,0398 0,0368 0,0284
(0,00276) (0,00273) (0,00284) (0,00419)
CCE −0,177 −0,176 −0,169 −0,129
(0,0116) (0,0116) (0,0125) (0,0132)
hc_pwt −0,158 −0,153 −0,152 −0,0954
(0,0177) ( 0,0176) (0,0184) (0,0241)
Pouréchanger 0,00249 0,00248 0,00248 0,00294
(0,000168) (0,000168) (0,000169) (0,000214)
lnpopu_wdi −0. 0640 −0. 0638 −0. 0646 −0,0657
(0,00363) (0,00362) (0,00362) (0,00467)
(0,158) (0,158) (0,158) (0,193)
Xr 1,64e06 1,65e06 1,04e06 6.22e06
(1,60e06) (1,61e06) (1,55e06) (2.02e06)
(0,0658)
Wpéi −0,0786
(0,0425)
(0,0562)
Constante 4,745 4,734 4,686 4,505
(0,184) (0,182) (0,182) (0,261)
Observations 1 454 1 454 1 454 957
R au carré 0,523 0,524 0,523 0,524

Année FE Oui Oui Oui Oui
Erreurs types robustes entre parenthèses.

p < 0,01, p < 0,05, p < 0,1.

Does Women Empowerment Foster Export Diversification Evidence From A Sample of Developing Countrie FR

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Does Women Empowerment Foster Export Diversification Evidence From A Sample of Developing Countrie FR

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

Le Journal du commerce international et de l'économie

ISSN : (Imprimé) (En ligne) Page d'accueil de la revue : https://www.tandfonline.com/loi/rjte20

L’autonomisation des femmes favorise­t­elle la diversification des

Jean­Marc M. Kilolo, Mamadou Mouminy Bah & Jean­Luc Namegabe Mastaki

Pour créer un lien vers cet article : https://doi.org/10.1080/09638199.2023.2255908

Publié en ligne : 07 septembre 2023.

Soumettez votre article à cette revue

Voir les articles connexes

Afficher les données Crossmark

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT

L’autonomisation des femmes favorise­t­elle la diversification des exportations ?

Jean­Marc M. Kilolo , Mamadou Mouminy Bah et Jean­Luc Namegabe

Bureau sous­régional pour l'Afrique centrale (SRO­CA), CEA, Yaoundé, Cameroun

CLASSIFICATIONS JEL F14, J16, C26

HISTORIQUE DE L'ARTICLE Reçu le 24 décembre 2022 ; Accepté le 30 août 2023

CONTACTER Jean­Marc M. Kilolo jean­marc.kilolo@un.org

2 J.­M. KILOLO ET AL.

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 3

L’utilisation de ces variables repose sur les hypothèses suivantes :

4 J.­M. KILOLO ET AL.

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 5

2. Description des données

2.1. Mesurer la diversification des exportations

6 J.­M. KILOLO ET AL.

où xkt est l'exportation du bien ou du produit k au moment t et N est le nombre de lignes

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 7

Tableau 1. Indicateurs de diversification des exportations (concentration)

Moyenne des pays Dakota du Sud Signifier Dakota du Sud

2002 99 0,157 0,190 4,951 1.430

Date Source : BACI2002 (HS6) CEPII, 2002­2018.

2.2. Capturer l’autonomisation des femmes (principaux régresseurs)

8 J.­M. KILOLO ET AL.

Tableau 2. Emploi vulnérable par région (moyenne pondérée par la population).

Emploi vulnérable en pourcentage de l’emploi total

Régions Femmes Hommes Écart

Asie de l'Est et Pacifique 0,522 0,483 0,039

Source : Base de données des indicateurs du développement dans le monde.

emploi vulnérable. Les données proviennent du World Development de la Banque mondiale.

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 9

Régions Hommes Femmes Écart

Asie de l'Est et Pacifique 0,483 0,467 0,017

dix J.­M. KILOLO ET AL.

Indice d'autonomisation politique des femmes

Tableau 5. Corrélations entre les trois dimensions.

Variables (1) (2) (3)

p < 0,01, p < 0,05, p < 0,1.

Régions Wpei moyen (pondéré) Wpei moyen (non pondéré)

Asie de l'Est et Pacifique 0,668 0,674

Source : Calcul basé sur le projet V­Dem (2021).

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 11

Régions Femme homme gpis

Asie de l'Est et Pacifique (EAS) 0,766 0,770 0,983

12 J.­M. KILOLO ET AL.

2.3. Variables supplémentaires (de contrôle)

LE JOURNAL DU COMMERCE INTERNATIONAL ET DU DÉVELOPPEMENT ÉCONOMIQUE 13

Tableau 8. Statistiques récapitulatives. Dans l’ensemble, au sein et entre les statistiques.

Variables Signifier Dakota du Sud Min. Max. Obs.

Indice Herfindahl Dans l'ensemble 0,182 0,206 0,0053 0,983 N = 1743

Indice Theil Dans l'ensemble 5.172 1,471 2,009 8,48N = 1743

WPEI Dans l'ensemble 0,678 0,167 0,105 0,956 N = 1743

la corruption Dans l'ensemble −0,422 0,740 −1,815 2,340 N = 1743

Rente minière (% PIB) Dans l'ensemble 0,012 0,029 0,252 N = 1743

L’autonomisation des femmes favorisetelle la diversification des

JeanMarc M. Kilolo, Mamadou Mouminy Bah & JeanLuc Namegabe Mastaki

L’autonomisation des femmes favorisetelle la diversification des exportations ?

JeanMarc M. Kilolo , Mamadou Mouminy Bah et JeanLuc Namegabe

Bureau sousrégional pour l'Afrique centrale (SROCA), CEA, Yaoundé, Cameroun

CONTACTER JeanMarc M. Kilolo jeanmarc.kilolo@un.org

2 J.M. KILOLO ET AL.

4 J.M. KILOLO ET AL.

6 J.M. KILOLO ET AL.

Date Source : BACI2002 (HS6) CEPII, 20022018.

8 J.M. KILOLO ET AL.

dix J.M. KILOLO ET AL.

Source : Calcul basé sur le projet VDem (2021).

12 J.M. KILOLO ET AL.

14 J.M. KILOLO ET AL.

16 J.M. KILOLO ET AL.

18 J.M. KILOLO ET AL.

20 J.M. KILOLO ET AL.

22 J.M. KILOLO ET AL.

19. Voir https://ilostat.ilo.org/resources/conceptsanddefinitions/descriptionemploymentbystatus/

24 J.M. KILOLO ET AL.

JeanMarc M. Kilolo http://orcid.org/0000000176712360

26 J.M. KILOLO ET AL.

PapouasieNouvelleGuinée 23. PNG CAE Maldives 24. MDV Asie du sud

28 J.M. KILOLO ET AL.

30 J.M. KILOLO ET AL.