Académique Documents
Professionnel Documents
Culture Documents
net/publication/341463213
CITATIONS READS
0 1,358
3 authors:
SEE PROFILE
Some of the authors of this publication are also working on these related projects:
Financial Inclusion and Investment in middle and low countries View project
All content following this page was uploaded by Idrissa Ouedraogo on 18 May 2020.
AXE 2:
Institutions au service de la création d'emplois, de l'acquisition de compétences et du
renforcement des capacités.
Article proposé :
Résumé
Cette étude examine le rôle de la qualité des institutions dans la formation de capital humain
en Afrique. Pour ce faire, des indicateurs de la qualité des institutions sont intégrés dans une
fonction de production éducative. L’estimation en panel dynamique de la fonction ainsi
conçue, à partir des données de la Banque mondiale pour la période 1996-2016, a permis de
relever que l'amélioration de la qualité des institutions favorise l'accès à l'enseignement
primaire, secondaire et supérieur dans les pays africains. En effet, l'amélioration de
l'efficacité des pouvoirs publics, de la voix et responsabilité citoyenne, de la primauté du
droit et de la stabilité politique ainsi que la réduction de la violence favorisent plus
particulièrement l'accès à l'enseignement primaire. En outre, l'efficacité gouvernementale et
la qualité de la réglementation favorisent également l'accès à l'enseignement secondaire.
L'accès à l'enseignement supérieur se révèle plus sensible à la voix et à la responsabilité
citoyenne. Ces résultats invitent les gouvernements africains à améliorer la qualité des
institutions dans leurs pays pour permettre aux citoyens africains d'acquérir et d'accroître le
niveau d’éducation qu’ils souhaitent avoir.
3
Le reste de cette étude se structure en quatre sections. La deuxième section fait une brève
revue de la littérature. La troisième section présente l’approche méthodologique utilisée et
décrit les données. La quatrième section présente et discute les principaux résultats obtenus.
La cinquième et dernière section conclut.
2. Revue de la literature
Depuis les travaux de North (1990), la prise en compte de la qualité des institutions dans
l’explication des performances économiques des pays revêt un intérêt toujours grandissant.
Sur le rôle de la qualité des institutions sur la formation de capital humain, les économistes
examinent le rôle individuel des dimensions de la qualité des institutions sur la formation de
capital humain. Les analyses portent notamment sur le rôle de la corruption, de la protection
des droits de propriété, du régime politique, de l’Etat de droit et de l’instabilité politique et la
violence dans la formation de capital humain. Cette brève revue de la littérature est donc
thématique.
Concernant le rôle de la corruption, Shleifer et Vishny (1993), Seka (2013) expliquent
comment la corruption peut être préjudiciable à l’éducation. Shleifer et Vishny (1993)
montrent que la corruption réduit la demande et l’offre de l’éducation à travers la «
corruption sans vol» et la «corruption avec vol». Dans le premier cas, l’agent public fixe au
dessus du prix normal les frais de scolarité des élèves auxquels il ajoute un pot-de-vin. Il va
empocher le pot -de-vin et reverser les frais officiels de scolarité dans les caisses de l’Etat. Le
pot-de-vin demandé fait augmenter le frais de scolarité et empêche les parents d’élèves qui ne
peuvent pas payer ces pots-de vin d’obtenir de la place pour leurs enfants. Dans le second
cas, l’agent public ne reverse pas dans les caisses de l’Etat, les frais de scolarité officiels fixés
par le gouvernement. Le pot-de-vin payé par un parent d’élève peut être inférieur au montant
des frais officiels de scolarité. Le fonctionnaire «sous-facture» les frais de scolarité et
empoche tout l’argent sans rien reverser à l’Etat. La corruption avec vol entraine, une perte
de revenus plus élevée pour l’Etat qui sera dans l’incapacité d’accroitre l’offre et la qualité de
l’éducation à long terme (construction de nouvelles salles de cours, de bibliothèque, d’un
centre informatique, recrutement des enseignants) puisque l’argent perçu par le bureaucrate
n’est pas reversé dans les comptes de l’Etat. Seka (2013) explique comment dans un
environnement corrompu caractérisé par l’attrait du gain facile, les étudiants perdent tout
engouement de poursuivre de longues études. Il montre que des étudiants talentueux qui au
départ voudraient faire de longues études les jugent précipitamment trop longues, quand ils
4
comparent le niveau de vie de ceux qui en ont déjà fait et ceux qui n’en ont pas fait mais qui
sont riches de par la corruption. Toutefois, selon Huntington (1968), Leff (1964), Lui (1985)
et Theobald (1990) les pots-de-vin peuvent permettre de surmonter une bureaucratie
excessivement centralisée, des tracasseries administratives et des délais importants dans la
fourniture des biens publics comme l’éducation .Ils pourraient donc permettre aux parents
d’obtenir rapidement ce bien pour leurs enfants.
S’agissant de la protection des droits de propriété, ceci peut motiver les individus à
s’instruire et à se former. Selon Romer (1990), les brevets peuvent servir de moteur à la
création de connaissance car ils incitent les acteurs de la Recherche-Développement (R&D) à
faire des investissements nécessaires à la création de connaissances. Selon Tebaldi et Elmslie
(2008), ce processus dépend fortement de la qualité des institutions car « les bonnes
institutions contribuent à faciliter le processus d’enregistrement de nouveaux brevets, à
diffuser des idées et à promouvoir la coopération entre chercheurs, à accélérer la diffusion
des connaissances scientifiques, à réduire l’incertitude liée aux nouveaux projets, toute chose
qui stimule les activités de R&D». La détention des terres par les femmes contribue à
renforcer les capacités génératrices de revenus des femmes à travers des investissements à
long terme, grâce à l’accès au crédit, la protection contre des chocs économiques et la
possibilité de tirer un revenu des terres, toute chose qui leur permette d’investir dans
l’éducation de leurs enfants (Menon et al., 2014 ;Do & Iyer, 2008).
Sur le régime politique, la démocratie expose les décideurs politiques aux demandes
populaires et favorise l’accès à l’éducation (Acemoglu et al., 2015; Ansell, 2010; Gallego,
2010 ; Bueno de Mesquita et al. , 2005 ; Lindert, 2005; Lake & Baum, 2001; Brown, 1999).
Selon ces auteurs, la compétition électorale, la liberté des médias, le respect des droits
individuels et des libertés civiles, les droits de l’homme, les droits de propriété et la volonté
d’avoir une croissance économique soutenue caractéristiques des régimes démocratiques
peuvent expliquer cette relation. Cela signifie que le régime démocratique contrairement au
régime autocratique peut favoriser l’accès à l’éducation. Cependant si la démocratie semble
avoir un effet positif certain sur la quantité de l’éducation, son effet sur la qualité de
l’éducation est incertain (Dahlum & Knutsen, 2017) du fait notamment que l’amélioration de
la qualité de l'éducation est difficilement perceptible par l'électeur médian (Harding &
Stasavage, 2014), tandis que l'élargissement de l'accès à l'école ou la suppression des frais de
scolarité semble être assez visible.
5
Les travaux sur le lien entre l’Etat de droit et la formation de capital humain à travers
l’éducation se sont attachés à étudier la relation entre l’Etat de droit et les choix éducatifs
(Nifo et al., 2017).Selon Nifo et al. (2017), le respect de l’Etat de droit réduit les ressources
que peuvent exproprier les rentiers, diminuant ainsi les incitations à choisir une carrière
consacrée à protéger les producteurs de la recherche de rente. La qualité des institutions
affecte la structure de rémunération et façonne les différences dans la rentabilité relative
attendue des carrières. Les institutions de mauvaise qualité encourage la recherche de rente,
poussant ainsi les talents vers des activités de recherche de rente ou des professions destinées
à se défendre contre les comportements de recherche de rente1. Toutefois, lorsque la qualité
des institutions est bonne, les carrières consacrées à la protection contre la recherche de rente
sont moins nécessaires et moins rentables, car une part plus faible de la production de rentes
est en jeu et la recherche de cette rente a moins de chances de réussir.
Les guerres civiles affectent durablement le niveau et l'accès à l'éducation des populations
civiles et combattantes touchées par la violence (Justino, 2011). Le phénomène des enfants
soldats, la modification des décisions d’allocation du travail des ménages, la baisse du
rendement de l’éducation, la peur, le ciblage des écoles, des enseignants, des élèves et les
mouvements de déplacement des populations empêchent les populations à investir dans leur
éducation pendant les conflits. Swee (2015), Merrouche (2011) et Shemyakina (2011)
observent qu’une mauvaise santé individuelle et la perte de membres de la famille peuvent
créer de sérieuses restrictions à l'accès à l'école.
Cette étude contribue à la littérature en (i) utilisant six indicateurs de la qualité des
institutions pour analyser le rôle de la qualité des institutions sur l’accès à l’éducation; (ii)
utilisant également un indicateur agrégé de la qualité des institutions calculés à partir de
l’analyse en composante principale (ACP) ; (iii) adoptant une spécification fondée sur un
modèle théorique endogène et une méthode d'estimation qui prend en compte l'endogénéité
associée à la qualité des institutions et à l’éducation : le modèle endogène d’Uzawa(1965)-
Lucas(1988) est utilisé et est estimé par la MMG en système; (iv) portant sur un échantillon
de 37 à 41 pays africains observés sur une période relativement longue allant de 1996 à 2016.
1
Krueger (1974), Keefer et Knack (2007) soulignent le rôle des politiciens et des bureaucrates dans les activités
de recherche de rente, l’intermédiation et la protection contre la recherche de rente, le lobbying ainsi que les
pots-de-vin.
6
3. Approche méthodologique et données
L’approche méthodologique et les données s’articulent autour de la présentation
successive de la spécification du modèle, des sources des données et des techniques
d’estimation.
2
Le retour sur investissement de l’éducation mesure le gain monétaire tiré d’une année supplémentaire
d’éducation comparé à son coût à la fois pour la société et pour l’individu.
7
y(e)= (1 a)n (1 a)h (1)
1
humain dans l’économie ; 0 a 1 est la proportion du travail qualifié et non qualifié alloué
au secteur de production des biens. Un plus élevé est associé à des institutions de meilleure
qualité. Cette spécification implique que des institutions de mauvaise qualité affectent la
productivité des travailleurs qualifiés dans le processus de transfert de leurs connaissances
aux travailleurs non qualifiés : les arrangements institutionnels qui ne récompensent pas les
éducateurs pour leur excellence en matière d’enseignement et de recherche peuvent
décourager les professionnels hautement qualifiés d’impliquer pleinement les étudiants à
s’investir dans le processus d’apprentissage. La qualité des institutions joue un rôle
fondamental dans le processus de détermination du rendement social de l’éducation. Par
exemple, une société avec de mauvaises institutions, c’est-à-dire faible, attribue également
une faible importance au développement de l’éducation. Cela entraîne la baisse du salaire
effectif des travailleurs qualifiés employés dans le secteur de l’éducation.
La mobilité sur le marché du travail implique que les salaires pour un travail similaire
devraient être égaux. Le modèle montre que l’amélioration de la qualité des institutions
accroit la productivité des facteurs de production alloués au secteur de l’éducation. Ce
résultat est montré par l’équation 2:
8
l’investissement dans l’éducation est la somme pondérée de tous les salaires futurs et est
donnée par :
W= whg e ( r )( st ) ds ( )n1 h 1e( r )( st ) ds (3)
t t
Avec r le taux d’escompte du marché ; le ratio r est le taux d’escompte effectif ou le taux
d’escompte ajusté (ou taux d’actualisation ajusté) par les inefficiences et les inefficacités
institutionnelles engendrées par des arrangements institutionnels de mauvaise qualité. Des
institutions de bonne qualité augmentent le rendement de l’éducation. Le ratio r actualise
l’investissement effectué dans l’éducation, donc son inverse, c’est-à-dire r peut être
interprété comme le taux effectif de retour sur investissement de l’éducation.
Le coût d’opportunité pour acquérir des connaissances par les travailleurs non
qualifiés est la somme du revenu auquel ceux-ci renoncent pendant le temps au cours duquel
ils acquièrent des connaissances formelles et du coût social moyen encouru pour que les
travailleurs non qualifiés développent leur capital humain. Le coût social moyen est obtenu
en divisant l’équation (2) par n le nombre de personnes non éduquées. Le coût d’opportunité
est aussi affecté par le temps, (t T ) , nécessaire pour que les personnes non qualifiées
, n ,deviennent qualifiées , h . En supposant que les coûts (C) sont actualisés dans le temps par
un taux , on obtient l’équation 4 :
T T
t T
L’équation (6) implique que le ratio optimal de travailleurs éduqués et non éduqués
dans l’économie h n dépend essentiellement de la qualité des institutions ( ) , de la
9
investissement de l’éducation (r) et du coût d’opportunité de cette éducation ( ) . Des
institutions de bonne qualité sont associées à un ratio des travailleurs qualifiés et non
qualifiés élevé et, par conséquent à une proportion plus importante de main- d’œuvre
qualifiée dans l’économie.
Finalement, le processus dynamique d’accumulation de capital humain peut être
obtenu en résolvant l’équation (6) pour n et en la substituant dans le ratio du salaire des
travailleurs qualifiés et des travailleurs non qualifiés3 pour donner :
h y(e) [( ] (r )1 h (7)
L’équation (7) montre qu’il s’agit bien d'un processus endogène d’accumulation de
capital humain qui dépend de la qualité des institutions. Elle peut être comparée à celle
proposée par Lucas (1988) qui est donnée par h (1 ) *h où représente l’effort consacré
effets spécifiques pays, it est le terme d’erreur, 0 ,..., 6 sont les paramètres du modèle.
3
Ce ratio est donné par ( w h wn ) ( 1 )(n h) , avec w h le salaire réel effectif du travailleur qualifié et
wn le salaire réel effectif du travailleur non qualifié.
10
L’inclusion du terme autorégressif AR(1) ( EDUCit 1 ) se justifie par le fait que
l’accumulation du capital humain est dynamique. Le niveau d’éducation antérieur influence
son niveau présent (Manuelli & Seshadri, 2014; Cunha, Heckman & Schennach, 2010).
4
Liste des pays africains de l’échantillon : Afrique du Sud, Algérie, Angola, Benin, Botswana, Burkina Faso,
Burundi, Cameroun, Cap Vert, Comores, Congo, Côte d'Ivoire, Djibouti, Egypte, Erythrée ,Ethiopie, Gabon,
Gambie, Guinée Bissau, Guinée Equatoriale, Kenya, Lesotho, Liberia, Libye, Madagascar, Malawi, Mali,
Maroc, Maurice, Mauritanie, Mozambique, Namibie, Niger, Nigeria, Ouganda, République centrafricaine,
République démocratique du Congo, Rwanda, São Tomé et Principe, Sénégal, Seychelles, Sierra Leone,
Soudan, Swaziland, Tanzanie, Tchad, Togo, Tunisie, Zambie, Zimbabwe. La Somalie et le Soudan du Sud sont
exclus de notre échantillon faute de données sur les différentes variables retenues.
5
Le choix de la période d’étude 1996 à 2016 se justifie principalement par la disponibilité des données sur les
indicateurs de la qualité des institutions de la Banque mondiale.
11
d'autres ont donnés. Bien que «plus d’informations soit préférable à moins», si ces experts
copient tous les documents qu’ils utilisent et réagissent les uns aux autres », l’erreur de
mesure potentielle pourrait alors être extrêmement importante.
Dans cette analyse, les variables dépendantes sont l’accès à l’éducation mesuré par les
taux de scolarisation au primaire, au secondaire et au supérieur. Les variables d’intérêt sont
les six indicateurs de la qualité des institutions issus de la base Indicateurs de gouvernance
mondiaux de la Banque mondiale (2018b) construits par Kaufmann et al. (2013). Ce sont : (i)
la maitrise de la corruption (Corr), (ii) l’efficacité des pouvoirs publics (EPP); (iii) la qualité
de la régulation(QR); (iv) la voix et responsabilité citoyenne (VRC), (v) l’Etat de droit (ED)
et ; (vi) la stabilité politique et absence de violence y compris le terrorisme (SPAV). Ces
indicateurs de la qualité des institutions sont fortement corrélés entre eux (tableau 1 en
annexe). Utiliser ces indicateurs simultanément dans une même équation de régression peut
générer des problèmes de multi colinéarité. C’est pourquoi, ces six indicateurs sont introduits
dans les modèles de régression de façon alternative. De plus, un indice synthétique de la
qualité des institutions est calculé en utilisant une Analyse en composante principale (ACP)6
comme l’a fait également Bobo (2018) et Langbein et Knack (2010). L’ACP permet de «
résumer » un ensemble de variables observées en un certain nombre de « composantes » qui
sont des combinaisons linéaires de ces variables. Ainsi, l’indice composite de la qualité des
institutions que nous appelons indice de la qualité des institutions est une combinaison
linéaire des six indicateurs de la qualité des institutions. Les coefficients en présence
représentent la contribution de chaque indicateur à la construction de l’indice de la qualité des
institutions (IIQ). La formule de cet indice synthétique de la qualité des institutions est
donnée, après les différentes opérations préalables par :
Gouvit 17,975EPPit 17,076Corrit 17,140QRit 14,738VRCit 19,650EDit 13,422SPAVit (10)
6
D’autres auteurs comme Knack et Keefer (1995), Kaufmann, Kraay et Mastruzi (2003), Easterly et Levine
(2003), Chong et Gradstein (2007) calculent un indice synthétique de la qualité des institutions en faisant la
moyenne arithmétique des six indicateurs. De ce fait, ces auteurs octroient la même pondération à chacun des
indicateurs. Cette pondération ne peut être optimale car elle peut paraitre subjective et arbitraire. Dans ce cas, il
est mieux de laisser «parler» les données en utilisant l’ACP. L’ACP permet de déterminer dans une relation de
combinaison linéaire les indicateurs de la qualité des institutions par leurs pondérations optimales.
12
brut (PIB) par habitant, les dépenses par étudiant de l'enseignement supérieur en pourcentage
du PIB par habitant et les dépenses consacrées à l’enseignement secondaire en pourcentage
des dépenses publiques consacrées à l’éducation. Les facteurs démographiques utilisés sont la
densité de la population et le taux de croissance de la population.
Les facteurs portant sur la structure du marché de l’éducation sont les inscriptions à
l’école primaire privée en pourcentage du total d’élèves au primaire et les inscriptions à
l’école secondaire privée en pourcentage du total d’élèves au secondaire. Ces variables
mesurent la taille du marché privé des enseignements primaire et secondaire. Dans le cas où
le marché de l’éducation est concurrentiel (Friedman, 1980), les parents d’élèves ont la
possibilité d’inscrire leurs enfants dans un établissement public ou dans un établissement
privé. Cette situation devient une réalité lorsque le secteur privé satisfait une grande partie de
la demande sur le marché de l’éducation. Le facteur lié à la santé est l’espérance de vie à la
naissance en nombre d’années7. Le facteur lié à la géographie utilisé est le total des bénéfices
tirés des ressources naturelles en pourcentage du PIB.
Les instruments utilisés sont internes, c’est-à-dire qu’ils sont les variables endogènes
retardées (taux de scolarisation au primaire, taux de scolarisation au secondaire, taux de
scolarisation au tertiaire) à l’ordre 1 et à l’ordre 2. Ces types d’instruments sont généralement
employés dans des modèles dynamiques8. Les définitions des variables, les sources des
données utilisées et les signes attendus sont indiqués dans le tableau 2 en annexe.
Les statistiques descriptives consignées dans le tableau 3 indiquent que la bonne
gouvernance semble ne pas être la chose la mieux partagée en Afrique. En effet, tous les
indicateurs de la gouvernance sont négatifs et n’ont pas atteint au moins la moyenne qui est 0
selon l’échelle d’évaluation de ces indicateurs. La gouvernance est faible en Afrique avec une
moyenne globale de (-0,673) sur la période allant de 1996 à 2016.Plus faibles sont l’efficacité
des pouvoirs publics avec une moyenne de (-0,699), la qualité de la régulation avec une
moyenne de (-0,660) ainsi que l’Etat de droit avec une valeur moyenne de (-0,656). La
maitrise de la corruption a une valeur moyenne (-0,597) tandis que la stabilité politique et
l’absence de violence a une valeur moyenne de (-0,508) étant plus proche de zéro que les
trois indicateurs précédents. Cette situation semble interpeller les gouvernements africains à
mener des actions concrètes pour améliorer significativement la qualité de la qualité des
7
Hanushek et Kimko (2000) considèrent l’espérance de vie à la naissance comme une variable démographique.
Voir leur note de bas de page n°11.
8
Un modèle dynamique est un modèle dans lequel un ou plusieurs retards de la variable dépendante figurent
comme variables explicatives.
13
institutions dans son ensemble mais de façon spécifique les différentes dimensions de la
celles-ci.
Les statistiques descriptives montrent également que l’éducation primaire n’est pas
encore universelle en Afrique. Sur la période allant de 1996 à 2016, en moyenne, 53,85 % des
pouvoirs publics africains n’ont pas encore rendu l’enseignement primaire universel dans
leurs pays. De plus, 57,69% des pays africains n’ont pas atteint la moyenne du taux de
scolarisation au primaire sur le continent qui est de l’ordre de 96,28% sur la période d’étude.
Ces résultats indiquent qu’il reste encore, malgré les efforts consentis, un nombre important
d’enfants non scolarisés au cycle primaire.
Tableau 3 : Statistiques descriptives des variables retenues
Variable Observations Moyenne Ecart-type Minimum Maximum
Taux de scolarisation
au primaire (%) 240 95,897 23,361 29,150 145,570
Taux de scolarisation
au secondaire (%) 204 42,674 24,486 5,210 105,740
Taux de scolarisation
au tertiaire (%) 197 8,599 9,766 0,250 55,300
Maitrise de la corruption 260 -0,597 0,601 -1,790 1,030
Efficacité des pouvoirs
publics 260 -0,699 0,592 -1,810 1,000
Qualité de la régulation 260 -0,660 0,591 -2,250 1,060
Voix et responsabilité
citoyenne 260 -0,619 0,717 -2,190 0,990
Etat de droit 260 -0,656 0,627 -2,010 1,030
Stabilité politique
et absence de violence 260 -0,508 0,866 -2,340 1,090
Indice de la qualité
des institutions 260 -0,673 1,000 -1,876 2,868
Dépenses par élève
de l'enseignement primaire
(% PIB par habitant) 133 12,884 5,906 2,790 41,820
Dépenses consacrées
à l’enseignement secondaire
(% des dépenses publiques
consacrées à l’éducation) 137 30,061 10,675 0,000 71,590
Dépenses par étudiant
de l'enseignement
supérieur (% PIB par habitant) 112 275,013 392,611 0,000 2525,710
Densité de la
population (habitants/Km2) 259 85,291 112,724 2,170 622,190
Total des bénéfices
tirés des ressources
naturelles (% PIB) 256 12,930 12,695 0,000 64,150
Inscription à l’école, primaire,
privée (% total d’élèves au primaire) 213 13,156 14,622 0,000 88,840
Inscription à l’école, secondaire,
Privée (% total d’élèves au
secondaire) 160 18,784 17,638 0,000 77,410
Ratio de la population inactive à
la population active, enfants 259 82,341 16,052 41,500 111,700
14
(% de la population en âge de
travailler)
Espérance de vie à la naissance
(années) 260 58,275 8,142 36,820 75,970
Source: Auteurs, à partir des données WGI et WDI de la Banque mondiale (2018a, b)
9
Le reste des graphiques est disponible et peut être obtenu à la demande.
15
secondaire que les pays africains ayant une mauvaise maitrise de la corruption. Les taux de
scolarisation sont plus élevés au Botswana, au Cap Vert, aux Seychelles, à Maurice, en
Afrique du Sud, pays qui ont relativement une bonne maitrise de la corruption. En revanche,
les taux de scolarisation sont plus faibles en Angola, au Tchad, en République centrafricaine,
au Niger, au Soudan, en Guinée, ces pays ayant relativement une mauvaise maitrise de la
corruption.
Graphique 1 : Relation entre la maitrise de la corruption et le taux de scolarisation au secondaire en Afrique
100
Libye
Afrique du Sud
Maurice
Tunisie Seychelles
80
Cap Vert
Algerie
Egypte Botswana
60
Namibie
São Tomé and Principe
Swaziland
Gabon Maroc
Congo Ghana
KenyaComores Gambie
RepubliqueZimbabwe
Demo Congo Lesotho
40
Cameroun
Soudan Togo Benin
Liberia Côte d'Ivoire
Nigeria Sierra LeoneMadagascar
Malawi
Mali
Djibouti Senegal
Erithree
Guinee
Burundi Ethiopie
Guinee Bissau
Guinee Equatoriale Rwanda
Mauritanie
20
Angola Tanzanie
Mozambique Burkina Faso
Tchad Ouganda
Republique Centrafricaine
Niger
-1.5 -1 -.5 0 .5 1
Maitrise de la corruption
Source : Auteurs, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
L’efficacité des pouvoirs publics est positivement corrélée avec les taux de
scolarisation au secondaire en Afrique (graphique 2). Cette corrélation est significative au
seuil de 10% et est de R2 0,55 (tableau 1). Cela signifie que les pays africains ayant des
pouvoirs publics plus efficaces ont tendance à avoir plus d’accès à secondaire. A l’inverse,
les pays ayant des pouvoirs publics moins efficaces ont plutôt tendance à avoir les taux de
scolarisation les plus faibles. Les pays ayant des gouvernements relativement plus efficaces
comme Maurice, le Botswana, le Cap Vert, les Seychelles, l’Afrique du Sud, la Tunisie ont
les taux de scolarisation les plus élevés. A l’opposé, dans les pays ayant des gouvernements
relativement moins efficaces comme le Djibouti, le Niger, l’Erythrée, le Tchad, le Soudan, la
Guinée, les citoyens ont moins accès à l’éducation aussi bien au primaire, au secondaire
qu’au tertiaire.
16
Graphique 2 : Relation entre l’efficacité des pouvoirs publics et le taux de scolarisation au secondaire en
Afrique
100
Libye
Afrique du Sud
Maurice
Seychelles
Tunisie
80
Cap Vert
AlgerieEgypte Botswana
60
Namibie
São Tomé and Principe
Swaziland
Gabon Maroc
Congo Gambie Ghana
Comores Kenya
Republique Demo CongoZimbabwe Lesotho
40
Togo
Soudan Cameroun Benin
Liberia
Sierra Leone Côte d'Ivoire
Nigeria Madagascar
Malawi
Erithree Mali
Djibouti Senegal
Burundi Guinee Ethiopie
GuineeGuinee Bissau
Equatoriale Rwanda
Mauritanie
20
-1.5 -1 -.5 0 .5
Efficacité des pouvoirs publics
Source : Auteurs, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
17
Graphique 3 : Relation entre l’Etat de droit et le taux de scolarisation au secondaire en Afrique
100
Libye
Afrique du Sud
Maurice
Tunisie Seychelles
80
Cap Vert
Algerie Egypte Botswana
60
Namibie
São Tomé and Principe
Swaziland
Gabon Maroc
Congo Gambie Ghana
Zimbabwe ComoresKenya
Republique Demo Congo Lesotho
40
-2 -1 0 1
Etat de droit
Source : Auteurs, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
Selon ces analyses corrélationnelles, les différences dans l’accès à l’éducation Afrique
semblent être corrélées avec les différences dans l’accès à l’éducation. Cependant corrélation
n’étant pas causalité, les estimations économétriques de la sous section (3.3.) se proposent
d’étudier le rôle causal de la qualité des institutions sur l’éducation afin de mieux préciser les
liens.
3.2. Techniques d’estimation
L’existence de variables endogènes comme les indicateurs de la qualité des
institutions et les proxys de l’éducation (Acemoglu et al., 2014), ainsi que la prise en compte
de la variable dépendante retardée ( EDUCit 1 ) comme variable explicative nous fait tomber
inéluctablement dans les problèmes d’endogénéité habituellement rencontrés dans les études
macroéconomiques10. En outre, l’endogénéité peut également provenir de l’erreur de mesure
des variables explicatives. Selon Acemoglu et al. (2001), Williams et Siddique (2008), les
variables sur la qualité des institutions sont issues des opinions d'experts et des données
d'enquête et sont de ce fait potentiellement sujettes à des erreurs de mesure. Par exemple, cela
pourrait se produire, si les experts ont tendance à observer une meilleure qualité des
10
La dimension dynamique implique d’intégrer la variable dépendante retardée parmi les variables explicatives
dans le modèle; étant donné que la variable dépendante est corrélée avec le terme d’erreur, sa valeur retardée
l’est également ; toute chose qui soulève aussi un problème d’endogénéité.
18
institutions dans les pays qui ont une population instruite et bien formée. Une autre source
d’endogénéité est l’existence de variable omise : les indicateurs de la qualité des institutions
et de l’éducation pourraient être corrélés avec des variables non observées spécifiques aux
pays. Une autre source d’endogénéité est la double causalité. Cela signifie que la variable
explicative agit sur la variable dépendante et inversement. En effet, selon Shleifer et Vishny
(1993) et Seka (2013), la corruption peut constituer un obstacle au développement du secteur
de l’éducation. L’éducation aussi peut affecter la corruption. Selon Gupta, Davoodi et
Tiongson (2001), un faible niveau d’éducation pourrait aussi créer un environnement propice
à la corruption. A l’inverse, une population plus éduquée semble indiquer plus de chances de
mieux combattre la corruption .Il est généralement admis aussi que les citoyens les plus
instruits sont moins tolérants avec la corruption (Swamy et al., 2001; Truex, 2011). Aussi,
dans la théorie dite de la modernisation, Lipset (1959) soutient que l’éducation peut aussi
favoriser l’éclosion d’une société démocratique, montrant ainsi que la causalité entre
démocratie et éducation peut aussi aller dans les deux sens. Les sources d’endogénéité
indiquées rendent les techniques d’estimation standards comme les Moindres carrés
ordinaires (MCO) inappropriées : les MCO ne permettent pas d’obtenir des estimations
efficientes (Sevestre, 2002). La méthode la mieux appropriée pour prendre en compte les
problèmes d’endogénéité évoqués semble être la Méthode des moments généralisés(MMG).
La MMG a été initialement proposée par Holtz-Eakin et al. (1988) et Arellano et
Bond(1991). Elle génère deux types d’estimateurs à savoir l’estimateur d’Arellano et Bond
(1991) ou Méthode de moments généralisés en différences (MMG en différence) et
l’estimateur de Blundell et Bond (1998) ou MMG en système. Pour la MMG en différences,
la stratégie pour éviter les biais d’endogénéité évoqués est de différencier les équations en
niveau en différences premières. Bien que celle -ci offre des estimations plus précises que les
MCO, l’utilisation des variables retardées en niveau comme instruments n’est pas toujours
appropriée et ne permet d’identifier l’effet des facteurs invariants dans le temps. De plus,
Blundell et Bond (1998) montrent à l’aide de simulations de Monte Carlo que l’estimateur
MMG en système est plus performant que celui en différence premières. En effet, ce dernier
donne des coefficients biaisés sur de petits échantillons lorsque les instruments sont faibles.
Le biais est d’autant plus important que les variables sont persistantes dans le temps, que les
effets spécifiques sont importants et que la dimension temporelle du panel est faible. C’est la
raison pour laquelle Arellano et Bover (1995) et Blundell et Bond (1998) complètent la
stratégie d’estimation de la MMG sur l’équation en différences par une MMG sur l’équation
19
de référence prise en niveau avec des variables explicatives retardées prises en différence
comme instruments. Pour les équations en différence, des conditions additionnelles de
moments sont utilisées en supposant que les variables explicatives sont stationnaires, c’est-à-
dire qu’il n’y ait pas de corrélation entre l’effet spécifique aux pays et les variables
explicatives prises en différences. La combinaison des équations en différence avec celles en
niveau estimées simultanément augmente significativement la précision des estimateurs
lorsque les variables explicatives sont suffisamment auto-corrélées (Blundell & Bond, 1998).
Roodman (2009a, b) a récemment élaboré sur les conditions d’utilisation techniques
des MMG. Il souligne que la méthode des MMG convient à des structures de données de
panel dans laquelle la période d’étude (T) est courte et la taille de l’échantillon (N) est grande
(N T ). Dans le cadre de ce travail, T est égale à 5 et N varie entre 37 et 41 (donc N est bien
supérieur à T). L’existence d’une variable de gauche dynamique, dépendant de ses propres
réalisations passées, c’est-à-dire d’un terme autorégressif peut également justifier l’utilisation
de la MMG. Ainsi, le caractère dynamique de notre modèle permet aussi l’utilisation de la
MMG.
4. Résultats et discussions
L’objectif de cette section est de présenter les principaux résultats obtenus. A cet effet,
nous présentons d’abord les résultats de base (4.1). Ensuite, nous présentons une analyse de
sensibilité des résultats en prenant en compte l'éducation des filles (4.2).
20
Les résultats obtenus indiquent que l’amélioration de la qualité globale des institutions
a un effet positif et significatif au seuil de 5 ou 10% sur les taux de scolarisation au primaire,
au secondaire et au supérieur (tableaux 4, 5 et 6).Ces signes sont positifs et correspondent
ainsi aux effets escomptés. Ces résultats signifient que l’amélioration de la qualité globale des
institutions en Afrique peut favoriser l’accès à l’éducation primaire, à l’éducation secondaire
ainsi qu’à l’éducation tertiaire. Dias et Tebaldi (2012) étudient l’effet de la qualité des
institutions sur l’éducation sur un panel de 61 pays développés et en développement observés
sur des données quinquennales sur la période allant de 1965 à 2005. Ils estiment leur modèle
par la MMG en système. Leurs résultats indiquent que la qualité des institutions favorise le
développement de l’éducation. Nifo et al. (2017) trouvent également des résultats similaires
dans les régions italiennes. Ils étudient le lien entre les institutions régionales italiennes et les
choix de 80.996 étudiants ayant obtenu leurs diplômes en 2004 et 2007 des domaines d’étude
post-secondaires. Ils utilisent les modèles logit et logit multinomial. Leurs résultats indiquent
qu’une qualité institutionnelle supérieure de la région d’origine des étudiants est associée à
des parts plus importantes de diplômés de compétences techniques productives et de
compétences générales productives, ce qui suggère que les institutions jouent un rôle
important dans la détermination des choix en matière d’éducation.
Les resultats obtenus indiquent également que la maitrise de la corruption a un effet
positif mais non significatif sur les niveaux d’éducation au primaire, au secondaire et au
tertiaire. Elle a le signe attendu sur les trois niveaux d’éducation. Seka (2013), Dridi (2014) et
Duerrenberger et Warning (2018) trouvent un signe positif et plutôt significatif de l’effet de
la maitrise de la corruption sur l’éducation. Par exemple, Seka (2013) analyse en données de
coupe instantanée un échantillon de 38 pays développés et en développement observés sur
l’année 1998 l’effet de la maitrise de la corruption sur le taux d’inscription au supérieur. Il
trouve que la hausse du niveau de la corruption réduit le taux d’inscription aux études
supérieures. Dridi (2014) trouve à l’aide des MCO et des Doubles moindres carrés (DMC)
que la hausse du niveau de corruption réduit les taux de scolarisation au secondaire sur un
panel de 85 pays observés sur la période allant de 1980 à 2002. Duerrenberger et Warning
(2018) étudient plus recemment l’effet de la corruption sur le nombre d’années de
scolarisation au supérieur sur un échantillon de 88 pays en développement sur la période
allant de 2005 à 2012. Ils effectuent leurs estimations à l’aide des Moindres carrés groupés et
de l’estimateur de Prais-Winsten. Leurs résultats indiquent que dans les pays ayant un niveau
21
de corruption élevé, le nombre d’années de scolarisation dans l’enseignement supérieur est
faible.
L’efficacité gouvernementale a un effet positif et significatif pour l’éducation primaire
et secondaire respectivement au seuil de 5% et de 10%. Ce qui correspond au signe et à
l’effet attendus. Par contre, elle a un signe positif mais non significatif pour l’éducation au
supérieur. Sen (2014) étudie en coupe instantanée sur l’année 2010 l’effet de la qualité des
institutions sur le développement en Asie à l’aide des MCO et des DMC. Il trouve que
l’efficacité gouvernementale favorise l’accroissement du nombre d’années de scolarisation
des enfants âgés d’au moins cinq ans. De même, sur un panel de 64 pays développés et en
développement observés en coupe instantanée sur l’année 2000, Adams-Kane et Lim (2016),
trouvent, à l’aide de la MMG en système que l’efficacité des pouvoirs publics accroit le
niveau d’éducation de la population adulte âgée de 15 ans ou moins.
Tableau 4 : Estimation des effets de la qualité des institutions sur les taux de scolarisation au primaire en
Afrique par la MMG en système, 1996-2016
MMG en système
Taux de scolarisation au primaire (%)
VARIABLES
Taux de scolarisation
primaire retardée 0,435*** 0,430*** 0,439*** 0,422*** 0,418*** 0,434*** 0,430***
d’une période (0,086) (0,085) (0,087) (0,087) (0,086) (0,087) (0,085)
Maitrise de la 0,050
corruption (0,036)
Efficacité 0,062**
gouvernementale (0,028)
Qualité 0,042
de la régulation (0,028)
Voix et responsabilité 0,045*
citoyenne (0,024)
0,069**
Etat de droit (0,032)
Stabilité politique 0,047**
et absence de violence (0,018)
0,037**
Indice qualité institutions (0,017)
Dépenses par élève
de l'enseignement -0,089*** -0,091*** -0,089*** -0,101*** -0,099*** -0,089*** -0,091***
primaire (0,028) (0,028) (0,027) (0,030) (0,029) (0,024) (0,028)
Densité de la 0,038** 0,040** 0,039** 0,041** 0,040** 0,040** 0,040**
population (0,016) (0,017) (0,016) (0,018) (0,017) (0,017) (0,0167)
Total des bénéfices
tirés des ressources 0,021** 0,024** 0,018* 0,020* 0,027** 0,025** 0,024**
naturelles (0,009) (0,010) (0,009) (0,011) (0,012) (0,011) (0,010)
Inscription à l’école,
primaire, -0,015* -0,015* -0,019** -0,020** -0,016** -0,017** -0,015*
privé (0,008) (0,007) (0,008) (0,008) (0,008) (0,007) (0,007)
22
2,708*** 2,738*** 2,698*** 2,795*** 2,808*** 2,695*** 2,694***
Constante (0,403) (0,397) (0,406) (0,417) (0,402) (0,390) (0,388)
Nombre d’observations 101 101 101 101 101 101 101
Nombre de pays 41 41 41 41 41 41 41
Nombre d’instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,161 0,161 0,152 0,183 0,155 0,159 0,161
Test Hansen (p-value) 0,343 0,343 0,307 0,335 0,374 0,269 0,343
Note : Les données utilisées sont quinquennales .Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteur, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
23
l’accès à l’éducation au primaire sur un panel de 29 pays africains. De même, Dahlum et
Knutsen (2017) étudient l’effet de la démocratie sur la quantité de l’éducation mesurée par le
nombre moyen d'années de scolarité pour les 25 ans sur un échantillon de 120 pays observés
sur la période allant de 2005 à 2009. Ils effectuent leurs estimations par les MCO et les DMC.
Ils trouvent que la démocratie accroit la scolarisation et le nombre d’années de scolarité.
Tableau 5 : Estimation des effets de la qualité des institutions sur les taux de scolarisation au secondaire en
Afrique par la MMG en système, 1996-2016
MMG en système
Taux de scolarisation au secondaire (%)
VARIABLES
Taux de scolarisation au
Secondaire retardée 0,702*** 0,690*** 0,674*** 0,697*** 0,685*** 0,691*** 0,690***
d’une période (0,081) (0,083) (0,086) (0,095) (0,086) (0,082) (0,083)
0,044
Maitrise de la corruption (0,047)
0,074*
Efficacité gouvernementale (0,043)
Qualité de 0,123***
la régulation (0,042)
Voix et responsabilité 0,036
citoyenne (0,044)
0,060
Etat de droit (0,050)
Stabilité politique 0,028
et absence de violence (0,034)
0,044*
Indice qualité institutions (0,025)
Dépenses consacrées
à l’enseignement 0,088** 0,084** 0,086** 0,097* 0,090** 0,098** 0,084**
secondaire (0,043) (0,041) (0,041) (0,054) (0,042) (0,047) (0,041)
Densité de 0,027* 0,027* 0,033** 0,030** 0,027* 0,028* 0,027*
la population (0,015) (0,015) (0,015) (0,013) (0,015) (0,014) (0,015)
Total des bénéfices
tirés des ressources -0,007 -0,004 -0,002 -0,009 -0,005 -0,010 -0,004
naturelles (0,015) (0,015) (0,017) (0,014) (0,015) (0,015) (0,015)
Inscription à l’école,
secondaire, -0,001 -0,001 -0,009 -0,008 -0,005 -0,005 -0,001
privée (0,019) (0,020) (0,022) (0,023) (0,021) (0,019) (0,020)
0,874*** 0,946*** 1,008*** 0,870*** 0,944*** 0,887*** 0,895***
Constante (0,290) (0,310) (0,353) (0,291) (0,320) (0,284) (0,292)
Nombre d’observations 72 72 72 72 72 72 72
Nombre de pays 38 38 38 38 38 38 38
Nombre d’instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,305 0,300 0,297 0,301 0,303 0,302 0,300
Test Hansen (p-value) 0,141 0,164 0,125 0,135 0,151 0,159 0,164
Note: Les données utilisées sont quinquennales. Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteur, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
24
L’Etat de droit a un effet positif et significatif au seuil de 5% sur la scolarisation au
primaire (tableau 3). Bien que son effet soit positif sur la scolarisation au secondaire et la
scolarisation au supérieur, il n’est pas significatif (tableaux 5 et 6). Ces signes concordent
avec ceux que nous avons anticipés. Le résultat ainsi obtenu montre que l’amélioration de
l’Etat de droit en Afrique peut faciliter l’accès à l’éducation au primaire mesuré par le taux de
scolarisation correspondant. En Asie, Sen (2014) trouve, au contraire, que l’Etat de droit n’a
pas d’effet sur le nombre de scolarisation des enfants âgés de 15 ans ou moins. En Italie, Nifo
et al. (2017) trouvent que l’amélioration de l’Etat de droit de la région d’origine des étudiants
est associée à des parts plus importantes de diplômés de compétences techniques productives
et de compétences générales productives, ce qui suggère que l’Etat de droit joue un rôle
important dans la détermination des choix en matière d’éducation.
Tableau 6 : Estimation des effets de la qualité des institutions sur les taux de scolarisation au supérieur par la
MMG en système en Afrique, 1996-2016
MMG en système
Taux de scolarisation au supérieur (%)
VARIABLES
Taux de scolarisation
au supérieur retardée 0,269** 0,305** 0,271** 0,302** 0,290** 0,280** -0,0541
d’une période (0,114) (0,121) (0,120) (0,118) (0,115) (0,118) (0,280)
Maitrise de la
corruption 0,001
(0,152)
Efficacité des 0,072
pouvoirs publics (0,126)
Qualité de la 0,079
régulation (0,139)
Voix et responsabilité 0,146**
citoyenne (0,068)
0,0235
Etat de droit (0,164)
Stabilité politique 0,0282
et absence de violence (0,0774)
Indice qualité 1,504**
institutions (0,676)
Dépenses publiques
par étudiant au -0,304*** -0,292*** -0,302*** -0,294*** -0,296*** -0,299*** -0,0295
supérieur (0,112) (0,097) (0,098) (0,106) (0,102) (0,0987) (0,126)
Espérance de vie 2,114*** 1,925*** 2,064*** 1,840*** 2,023*** 2,057*** -3,436
à la naissance (0,616) (0,598) (0,561) (0,547) (0,634) (0,563) (2,058)
Total des bénéfices
tirés des ressources 0,075 0,081** 0,088** 0,108** 0,077 0,082** -0,025
naturelles (0,047) (0,036) (0,043) (0,042) (0,051) (0,038) (0,044)
Taux de croissance de -0,260** -0,238** -0,261*** -0,267*** -0,251** -0,256** 0,051
la population (0,101) (0,101) (0,095) (0,0923) (0,0956) (0,0950) (0,102)
-5,273* -4,630* -5,064** -4,223* -4,985* -5,090** 6,748
Constante (2,716) (2,520) (2,402) (2,354) (2,740) (2,387) (4,336)
25
Nombre d’observations 84 84 84 84 84 84 84
Nombre de pays 37 37 37 37 37 37 37
Nombre d’
instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,247 0,286 0,265 0,265 0,254 0,276 0,410
Test Hansen (p-value) 0,480 0,451 0,557 0,303 0,443 0,620 0,393
Note : Les données utilisées sont quinquennales .Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteurs, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
26
Tableau 7 : Résumé du rôle de la qualité des institutions dans l’accès à l’éducation en Afrique, 1996 -2016
Source : Auteurs
27
taux de scolarisation de l’éducation secondaire. Des résultats d’une étude d’Atangana Ondoa
(2011) sur l’identification des facteurs d’efficacité des écoles secondaires au Cameron
montrent que les écoles les plus efficientes sont celles qui sont relativement mieux dotées en
ressources. Toutefois, Papagapitos et Riley (2009) ne trouvent pas d’effet statistiquement
significatif des dépenses publiques d’éducation sur le taux de scolarisation de l’éducation
secondaire.
Les facteurs démographiques comme la densité de la population et le taux de
croissance de la population peuvent affecter positivement l’offre et/ou la demande
d’éducation. Les résultats obtenus révèlent que la densité de la population a un effet positif et
significatif au seuil de 5% sur l’éducation au primaire et de 10 ou 5% sur l’éducation
secondaire. Ces signes et effets correspondent à ceux escomptés. Ces résultats signifient que
l’éducation au primaire et au secondaire sont accessibles dans les zones à forte concentration
de population que dans les zones ou la population est faiblement concentrée. Contrairement à
la densité de la population, une forte croissance de la population semble nuire à l’accès à
l’éducation au supérieur. Les résultats obtenus indiquent que le taux de croissance de la
population a globalement un effet négatif et significatif sur le taux de scolarisation au
supérieur en Afrique. Ce signe est conforme à celui anticipé. Les pays où les taux de
croissance démographique sont élevés ont tendance à avoir des résultats plus faibles en terme
de scolarisation, ce qui est conforme aux explications classiques sur le compromis entre la «
quantité et la qualité des enfants » et l’effet des familles plus nombreuses (Hanushek, 1992;
Becker & Lewis, 1973; Willis, 1973;). Inversement, Boix (1997) et Dahlum et Knutsen
(2017) soutiennent qu’un pays ayant une forte croissance démographique aura tendance à
dépenser plus pour l'éducation qu'un autre pays ayant un profil démographique plus mature,
accroissant et améliorant ainsi l’éducation.
Les facteurs liés à la structure du marché de l’éducation tels que l’inscription à l’école
primaire privée en pourcentage du total des élèves au primaire a un effet négatif et significatif
au seuil de 5 ou 10% (voir tableau 4) sur la scolarisation d’ensemble au primaire. Cela
correspond au signe et à l’effet attendus. Pour l’enseignement secondaire, les résultats
obtenus montrent que l’inscription à l’école secondaire au privé en pourcentage du total des
élèves au secondaire a aussi un effet négatif mais non significatif sur le taux de scolarisation
au secondaire (tableau 5). Ce signe correspond aussi à celui escompté. Ces résultats semblent
indiquer que c’est le secteur public de l’enseignement primaire qui satisfait toujours la
majeure partie de la demande de l’éducation au primaire en Afrique. L’Etat est toujours
28
prééminent dans l’offre de l’éducation au primaire en Afrique. Nous pouvons aussi penser
qu’il y a une faible concurrence entre les établissements d’enseignement privé du primaire de
sorte à conduire à l’amélioration de la qualité du service public. Comme rapporté par
Atangana Ondoa (2011), la concurrence est à l’origine d’un transfert de la demande des
établissements publics vers les établissements privés. Ce transfert induit un progrès sur
certains indicateurs tels que le nombre d’élève par classe, le ratio élève enseignant et la
dépense moyenne par élève. Mais, l’effet global risque d’être nul, puisqu’il n’y a qu’un
transfert du secteur public vers le secteur privé.
Le facteur géographique comme la dotation en ressources naturelles est capté par le
revenu tiré de ces ressources. Les bénéfices tirés des ressources naturelles contribuent au
développement de l’enseignement primaire en Afrique (voir tableau 4). Les bénéficies tirés
des ressources naturelles semblent aussi globalement contribuer au développement de
l’éducation au supérieur (tableau 6). Par contre, ils ont un effet négatif et non significatif sur
l’enseignement secondaire (tableau 5). Cela signifie que l’effet des bénéfices tirés des
ressources naturelles est différencié selon les niveaux d’éducation et que les pouvoirs publics
allouent différemment les bénéfices tirés de ces ressources aux différents niveaux d’éducation
avec des efficacités différentes.
Comme cette recherche, Davis (1995) trouve aussi que la dépendance aux ressources
naturelles favorise l’accès à l’éducation primaire mesuré par les taux de scolarisation au
primaire. Il utilise des statistiques descriptives comparatives sur un panel de 57 pays pauvres
en ressources minérales et 22 pays riches en ressources minérales observés sur la période
allant de 1970 à 1991 pour obtenir ces résultats. Il en vient à la conclusion que l’hypothèse de
la malédiction des ressources n’est nullement vérifiée pour l’ensemble des économies
minérales et ne s’applique, le cas échéant, qu’au cas par cas, en fonction de facteurs
économiques intérieurs. A l’instar de Davis (1995), Stijns (2006, 2009) montrent que les
ressources sont une bénédiction pour les pays qui en possèdent. Selon Stijns (2006),
l’abondance des ressources naturelles favorise l’accumulation du capital humain mesuré par
le nombre d’années moyen de scolarisation, le nombre d’années moyen de scolarisation des
filles, le taux net de scolarisation au secondaire, le taux d’alphabétisation des adultes et les
dépenses publiques d’éducation en pourcentage du PIB. Il utilise une analyse corrélationnelle
à la Pearson sur un panel de 70 pays en développement et développés sur des données
quinquennales allant de 1975 à 2000 et en coupe instantanée en 1994. Stijns (2009) trouvent
sur un échantillon de pays en panel variant entre 69 et 77 observés sur la période allant de
29
1995 à 1999 à l’aide d’une approche paramétrique et des statistiques descriptives que les pays
dotés abondamment de ressources naturelles investissement plus dans la formation de capital
humain des hommes et des femmes mesurée par le nombre d’années moyen de scolarisation ,
le nombre d’années moyen de scolarisation au primaire, le nombre d’années moyen de
scolarisation au secondaire, le nombre d’années moyen de scolarisation au tertiaire et le taux
d’alphabétisation des jeunes et des adultes. Toutefois, Blanco et Grier (2012) ne trouvent pas
d’effet global significatif de la dépendance aux ressources naturelles sur le nombre d’années
moyen de scolarisation à l’école primaire sur un panel de 17 pays d’Amérique latine observés
sur la période allant de 1975 à 2004 et estimés par la MMG en système. Plus récemment, Sun
et al. (2018) étudient la relation entre la dépendance en ressources naturelles, les
investissements publics dans l’éducation et la formation de capital humain dans un panel de
31 provinces chinoises observées sur la période allant de 1999 à 2015. Le capital humain est
mesuré par la part du nombre d’inscription dans l’enseignement supérieur dans la population
totale. La dépendance en ressources naturelles est mesurée par le nombre de personnes
employées dans le secteur minier rapporté au nombre de personnes employés dans le secteur
manufacturier en zone urbaine. Les dépenses publiques d’éducation sont mesurées en
pourcentage du PIB. Ils trouvent à l’aide des MCO à effets fixes que la dépendance en
ressources naturelles est négativement et significativement corrélée avec le capital humain.
Le facteur lié à la santé, c’est-à-dire l’espérance de vie à la naissance a un signe
positif et significatif sur l’éducation au tertiaire au seuil de 1%. Cela correspond au signe et à
l’effet attendu et suggère que la possibilité de vivre longtemps et en bonne santé incite les
citoyens des pays africains à acquérir des niveaux plus élevés d’éducation en s’inscrivant
dans l’enseignement supérieur. Ce résultat est globalement conforme à ceux trouvés par
Cervellati et Sunde (2005) et Soares (2005) pour qui l’amélioration de l'espérance de vie à la
naissance ou la baisse de la mortalité peut encourager les citoyens à investir dans leur
éducation.
4.2. Analyse de sensibilité des résultats : la prise en compte spécifique de l’éducation des
filles
La prise en compte de l’éducation des filles s’explique par le fait que l’éducation des
filles a traditionnellement été négligée dans de nombreux pays africains. Les inégalités dans
l’éducation entre les hommes et les femmes demeurent, même si l’on observe une importante
réduction de l’écart. Elles représentent toujours une part anormalement élevée des enfants
déscolarisés. Selon la Commission économique africaine (CEA) (2017), l’écart moyen entre
30
les hommes et les femmes est de 1,4 année de scolarisation : les femmes reçoivent en
moyenne 4,3 années de scolarité, contre 5,7 ans pour les hommes.
Sperling et Winthrop (2016) montrent généreusement en huit points les raisons pour
lesquelles les pouvoirs publics doivent investir massivement dans l’éducation des filles. Les
responsables politiques africains doivent investir dans l’éducation des filles car : (i)
l’investissement dans l’éducation des filles accroit la productivité du travail et favorise la
croissance économique ; (ii) investir dans l’éducation des filles sauve également des vies ;
(iii) investir dans l’éducation des filles conduit à des familles plus pétites et plus saines ; (iv)
investir dans l’éducation des filles atténue les effets du changement climatique ; (v) investir
dans l’éducation des filles permet d’avoir des enfants en meilleure santé et plus et mieux
éduqués ; (vi) investir dans l’éducation des filles réduit les risques de mariage des enfants;
(vii) investir dans l’éducation des filles mène à plus d’autonomisation des femmes; (viii)
investir dans l’éducation des filles réduit les consequences des catastrophes naturelles.
Tout en nous permettant de tester la sensibilité des résultats par rapport à l’éducation
globle sans distinction de sexe, la prise en compte de l’éducation des filles nous permet de
connaitre et de comprendre le rôle de la qualité des institutions sur l’accès des filles à
l’éducation. Dans l'ensemble, les résultats obtenus (tableaux 8, 9 et 10 en annexe) concordent
avec les résultats de base (tableaux 4, 5 et 6). Le tableau 11 effectue une comparaison entre
les indicateurs de la qualité des institutions qui contribuent à l’accroissement des taux de
scolarisation globale et ceux qui contribuent à l’accroissement des taux de scolarisation des
filles. Bien que la qualité globale des institutions soit non significative chez les filles, elle a le
signe attendu : le signe est positif. De même, bien que le signe de la qualité de la régulation
soit non significative sur l’accès à l’éducation primaire total , elle a un signe positif qui
correspond à celui attendu. Ces résultats suggèrent que les indicateurs de la qualité des
institutions identifiés sont aussi favorables à l’accès à l’éducation des filles.
Tableau 11 : Comparaison du rôle de la qualité des institutions sur l’éducation en Afrique.
Niveau Rôle de la qualité des institutions sur Rôle de la qualité des institutions sur
d’éducation l’éducation en général l’éducation des filles
Education Efficacité des pouvoirs publics Efficacité des pouvoirs publics
primaire Voix et responsabilité citoyenne Voix et responsabilité citoyenne
Etat de droit Etat de droit
Stabilité politique et absence de Stabilité politique et absence de
violence et de terrorisme violence
Indice qualité des institutions Qualité de la régulation
Education Efficacité des pouvoirs publics Efficacité des pouvoirs publics
secondaire Qualité de la régulation Qualité de la régulation
Indice qualité des institutions Indice qualité des institutions
31
Education Voix et responsabilité citoyenne Voix et responsabilité citoyenne
tertiaire Indice qualité des institutions
Source : Auteur
5. Conclusion
Cette étude examine le rôle de la qualité des institutions sur la formation de capital
humain appréhendée à travers l’éducation en Afrique. L’éducation est mesurée par les
taux de scolarisation au primaire, au secondaire et au supérieur. Les indicateurs de la
qualité des institutions issus de Kaufman et al. (2013) sont intégrés dans une fonction de
production de l’éducation basée sur le modèle Uzawa-Lucas. Ce modèle part de
l’hypothèse que l’amélioration de la qualité des institutions favorise l’accroissement du
retour sur investissement de l’éducation, toute chose qui motive les individus à investir
davantage dans leur éducation. L’estimation en panel dynamique par la MMG en système
de ce modèle à partir des données de la Banque mondiale sur la période allant de 1996 à
2016 permet de mettre en évidence quatre principaux résultats. Premièrement,
l’amélioration de la qualité globale des institutions calculée à l’aide de l’Analyse en
composante principale favorise l’accès à l’éducation au primaire, au secondaire et au
supérieur en Afrique. Deuxièmement, et de façon spécifique, l’amélioration de l’efficacité
des pouvoirs publics, de la voix et responsabilité citoyenne, de l’Etat de droit et de la
stabilité politique et moins de violence favorisent l’accès à l’éducation au primaire.
Troisièmement, l’efficacité des pouvoirs publics et la qualité de la régulation facilitent
aussi l’accès à l’éducation au secondaire. Enfin, la voix et la responsabilité citoyenne
favorisent l’accès à l’éducation au supérieur. Le croissement de ces résultats montre que
l’amélioration de la qualité globale des institutions, de l’efficacité des pouvoirs publics et
de la voix et responsabilité citoyenne favorisent l’accès à l’éducation en Afrique. Ces
résultats viennent appuyer ceux trouvés par l’examen des faits stylisés à savoir que les
différences dans l’accès à l’éducation en Afrique s’expliquent par les différences dans la
qualité des institutions.
Ainsi, ces résultats suggèrent-ils que les politiques publiques qui améliorent la qualité
des institutions dans son ensemble favorisent l’accès à l’éducation au primaire, au
secondaire et au tertiaire. De façon spécifique, ils suggèrent que pour améliorer l’accès à
l’éducation au primaire et espérer atteindre l’éducation primaire universelle, les pouvoirs
publics africains devraient améliorer leur efficacité, la voix et la responsabilité citoyenne,
l’Etat de droit et créer un environnement politique stable et sans violence. De plus, pour
accroitre l’accès à l’éducation au secondaire, ils devraient aussi améliorer leur efficacité
32
et la qualité de la régulation. Enfin, ils devraient promouvoir la voix et responsabilité
citoyenne afin de permettre à plus de citoyens de leurs pays de pouvoir accéder à
l’éducation au supérieur. Ces résultats devraient donc permettre aux gouvernements
africains qui ont souvent des moyens limités et qui souhaitent malgré tout offrir aux
citoyens de leurs pays la possibilité d’avoir le niveau scolaire ou académique qu’ils
souhaitent en améliorant la qualité générale des institutions et en mettant l’accent sur
quelques indicateurs clés.
Références
Acemoglu, D., Johnson, S., & Robinson, J. A. (2005). The rise of Europe : Atlantic trade,
institutional change, and economic growth. American Economic Review, 95(3), 546-
579.
Acemoglu, D., Naidu, S., Restrepo, P., & Robinson, J. A. (2015). Democracy does cause
growth. Journal of Political Economy.
Acemoglu, D., Gallego, F. A., & Robinson, J. A. (2014). Institutions, human capital, and
development. Annual Review of Economics, 6(1), 875-912.
Acemoglu, D., Johnson, S., & Robinson, J. A. (2001). The colonial origins of comparative
development: an empirical investigation. America Economic Review, 91(5), 1369-
1401
Adams-Kane, J.,& Lim, J.J.(2016). Institutional quality mediates the effect of human capital
on economic performance. Review of Development Economics, 20(2), 426-442
Ansell, B. W. (2010). From the ballot to the blackboard: the redistributive political economy
of education. New York, NY: Cambridge University Press.
Arellano, M., & Bond, S. (1991). Some tests of specification for panel data: Monte Carlo
evidence and an application to employment equations. Review of Economic Studies,
58(2), 277-297.
Arellano, M., & Bover, O. (1995). Another look at the instrumental variable estimation of
error-component models. Journal of Econometrics, 68(1), 29-51.
Atangana Ondoa, H. (2011). Les facteurs d'efficacité des écoles secondaires au Cameroun.
Les Cahiers du CREAD(96).
Bardhan, P. (2002) Decentralization of governance and development. Journal of Economic
Perspective, 16(4), 185-205.
33
Barro, R. J., & Lee, J. W. (2010). A new data set of educational attainment in the world,
1950–2010. NBER Working Paper(15902).
Becker, S. O., & Woessmann, L. (2009). Was Weber wrong? A human capital theory of
protestant economic history. Quarterly Journal of Economics, 124(2), 531-596.
Becker, G. S., & Lewis, H. G. (1973). On the Interaction between the Quantity and Quality of
Children. Journal of Political Economy, 81(2,2), S279-S288.
Berthélemy, J.-C. (2006). Clubs de convergence et équilibres multiples : comment les
économies émergentes ont-elles réussi à échapper au piège du sous-développement.
Revue d’économie du développement, 14(1), 5-44.
Blanco, L., & Grier, R. (2012). Natural resource dependence and the accumulation of
physical and human capital in Latin America. Resource Policy, 37(3), 281-295.
Blundell, R., & Bond, S. (1998). Initial conditions and moment restrictions in dynamic panel
data models. Journal of Econometrics, 87(1), 115-143.
Bobbo, A. (2018). Volatilité de l'inflation,gouvernance et investissements directs étrangers
entrants en Afrique sub-saharienne. Revue africaine de développement, 30(1), 86-99.
Boix, C. (1997). Political parties and the supply side of the economy: the provision of
physical and human capital in advanced economies, 1960-90. American Journal of
Political Science, 41(3), 814-845.
Brown, D. (1999). Reading, writing, and regime type: democracy' impact on primary school
enrollment. Political Research Quarterly, 52(4), 681-707.
Brown, D. (2000). Democracy, colonization, and human capital in Sub-saharan Africa.
Studies in Comparative International Development, 35(1), 20-40.
Bueno de Mesquita, B., Smith, A., Siverson, R. M., & Morrow, J. D. ( 2005). The logic of
political survival. Cambridge, Mass: MIT Press.
Castello-Climent, A., & Hidalgo-Cabrillana. (2012). The role of educational quality and
quantity in the process of economic development. Economics of Education Review,
31(4), 391-409.
Cervellati, M., & Sunde, U. (2005). Human capital formation, life expectancy, and the
process of development. American Economic Review, 95(5), 1653-1672.
Chong, A., & Gradstein, M. (2007). Inequality and institutions. Review of Economics and
Statistics, 89(3), 454-465.
Commission de l'Union africaine. (2015). Agenda 2063. L'Afrique que nous voulons. Addis
Abeba: Commission de l'Union africaine.
34
Cunha, F., Heckman, J., & Schennach, S. (2010). Estimating the technology of cognitive and
noncognitive skill formation. Econometrica, 78(3), 883-931.
Dahlum, S., & Knutsen, C. (2017). Do democracies provide better education? Revisiting the
democracy-human capital link. World Development,94.
Davis, G. A. (1995). Learning to love the Dutch disease: evidence from the mineral
economies. World Development, 23(10), 1765-1779.
Dias, J., & Tebaldi, E. (2012). Institutions, human capital, and growth: the institutional
mechanism. Structural Change and Economic Dynamics, 23(3), 300-312
Do, Q. T., & Iyer, L. (2008). Land titling and rural transition in Vietnam. Economic
Development and Cultural Change, 56(3), 531-579.
Dridi, M. (2014). Corruption and education: empirical evidence. International Journal of
Economics and Financial Issues, 4(3), 476-493.
Duerrenberger, N., & Warning, S. (2018). Corruption and education in developing countries:
The role of public vs. private funding of higher education. International Journal of
Educational Development, 62, 217-225
Easterly, W. (2007). Inequality does cause underdevelopment : insights from a new
instrument. Journal of Development Economics, 84(2), 755-776.
Easterly, W., & Levine, R. (2003). Tropics, germs, and crops : How endowments influence
economic development. Journal of Monetary Economics, 50(1), 3-39.
Engerman, S. L., & Sokoloff, K. L. (1997). Factor endowments, institutions, and differential
growth paths among new world economies. Dans S. Haber (Éd.), How Latin America
Fell Behind (pp. 260-304). Stanford, CA: Stanford University Press.
Friedman, M. (1980). Free to choose: a personal statement. New York, NY: Harcourt, Brace
& Jovanovich.
Fuchs, T., & Woessman, L. (2007). What accounts for international differences in student
performance? A Re-examination using PISA data. Empirical Economics, 32, 433-464.
Gallego, F. A. (2010). Historical origins of schooling : the role of democracy and political
decentralization. The Review of Economics and Statistics, 92(2), 228-243.
Galor, O., & Moav, O. (2006) Das human-kapital: A theory of the demise of the class
structure. Review of Economic Studies, 73, 85 -117.
Galor, O., Moav, O., & Vollrath, D. (2009). Inequality in landownership, the emergence of
human-capital promoting institutions and the great divergence. Review of Economic
Studies, 76, 143-179
35
Gennaioli, N., & Rainer, I. (2003). On the costs and benefits of political centralization: A
lesson from african indigenous institutions. manuscript. Harvard University
Gupta, S., Davoodi, H., & Tiongson, E. (2001). Corruption and the provision of health care
and education services. Dans J. Arvind (Éd.).The Political Economy of Corruption
(pp. 111-141). London: Routledge.
Hanushek, E. (1992). The Trade-off between child quantity and quality. Journal of Political
Economy, 100(1), 84-117.
Hanushek, E., & Kimko, D. (2000). Schooling, labor-force quality, and the growth of nations.
American Economic Review, 90(5), 1184-1208.
Harding, R., & Stasavage, D. (2014). What democracy does (and doesn’t do) for basic
services: school fees, school inputs, and African elections . The Journal of Politics,
76(1), 229-245..
Holtz-Eakin, D., Newey, W., & Rosen, H. S. (1988). Estimating vector autoregressions with
panel data. Econometrica, 56(6), 1371-1395.
Huntington, S. P. (1968). Political order in changing societies. New Haven, CT: Yale
University Press.
Inman,R., & Rubinfeld, D. L.(1997). Rethinking federalism. Journal of Economic
Perspectives, 11(4), 43-64.
Justino, P. (2011). Violent conflict and human capital Accumulation. Institute for
Development Studies Working Paper(379 ).
Kaufmann, D., Kraay, A., & Mastruzzi., M. (2003). Governance matters III: governance
indicators for 1996-2002. World Bank Policy Research Working Paper (3106).
Kaufmann, D., Kraay, A., & Mastruzzi, M. (2013). Worldwide governance indicators
project. Récupéré sur http://info.worldbank.org/governance/wgi/index.aspx#home
Keefer, P., & Knack, S. (2007). Boondoggles, rent-seeking, and political checks and balances
: Public investment under unaccountable governments. Review of Economics and
Statistics, 89(3), 566-572.
Kim, J.Y.(2018). The human capital gap. Foreign Affairs
Knack, S., & Keefer, P. (1995). Institutions and economic erformance: cross- country tests
using alternative institutional measures. Economics and Politics, 7(3), 207-227.
Kremer, M., Moulin, S., & Namunyu, R. (2002). Decentralization: A cautionary tale.
Manuscript, Harvard University
36
Krueger, A. (1974). The political economy of the rent-seeking society. American Economic
Review, 64(3), 291-303.
Lake, D. A., & Baum, M. A. (2001). The invisible hand of democracy: political control and
the provision of public services. Comparative Political Studies, 34(6), 587-621.
Langbein,L., & Stephen Knack,S. (2010).The worldwide governance indicators: six, one, or
none?The Journal of Development Studies, 46(2), 350-370
Leff, N. H. (1964) Economic development through bureaucratic corruption. American
Behavioral Scientist, 8(2), 8-14.
Lindert, P. H. (2005). Growing public: social spending and economic growth since the
eighteenth century (Vol. I). Cambridge: Cambridge University Press.
Lipset, S. M. (1959). Some social requisites for democracy: economic development and
political legitimacy. American Political Science Review, 53, 69-105.
Lucas, R. E. (1988). On the mechanics of economic development. Journal of Monetary
Economics, 22(1), 3-42.
Lui, F. (1985).An equilibrium queuing model of bribery. Journal of Political Economy,
93(4), 760-781
Manuelli, R. E., & Seshadri, A. (2014). Human capital and the wealth of nations. American
Economic Review, 104(9), 2736-2762.
Menon, N., Rodgers, V. D., & Nguyen, H. (2014). Women’s land rights and children’s
human capital in Vietnam. World Development, 54, 18-31.
Merrouche, O. (2011). The long term educational cost of war : evidence from landmine
contamination in Cambodia. The Journal of Development Studies, 47(3), 399-416.
Meyer, J. W., Ramirez, F. O., & Soysal, Y. N. (1992). World expansion of mass education.
Sociology of Education, 65(2), 128-149.
Nifo, A., Scalera, D., & Vecchione, G. (2017). The rule of law and educational choices:
evidence from Italian regions. Regional Studies, 1-15.
North, D. C. (1990). Institutions, institutional change and economic performance. New York,
NY: Cambridge University Press.
Oates, W. (1972). Fiscal federalism. New York, N Y: Harcourt Brace.
Papagapitos, A., & Riley, R. (2009). Social trust and human capital formation. Economics
Letters, 102(3), 158-160.
Perotti, R. (1996). Growth, income redistribution, and democracy: what the data say. Journal
of Economic Growth, 1, 149-187.
37
Poirier, T. (2012). The effects of armed conflict on schooling in Sub-saharan Africa.
International Journal of Educational Development, 32(2), 341-351.
Rajan, R. (2009). Rent preservation and the persistence of underdevelopment. American
Economic Journal: Macroeconomics , 1 (1), 178-218
Rodrik, D. (2000). Institutions for high-quality growth: what they are and how to acquire
them. Studies in Comparative International Development, 35(3), 3-31.
Romer, P. M. (1990). Endogenous technological change. Journal of Political Economy,
98(5), S71-S102.
Roodman, D. (2009a). A note on the theme of too many instruments. Oxford Bulletin of
Economics and Statistics, 71(1), 135-158.
Roodman, D. (2009b). How to do xtabond2 : an introduction to difference and system GMM
in Stata. The Stata Journal, 9 (1), 86-136.
Seka, P. R. (2013). Corruption, croissance et capital humain : quels rapports ? Afrique et
Développement, 38(1-2), 133-150.
Sen, K. (2014). Governance and development outcomes in Asia.Manila: Asian Development
Bank.
Sevestre, P. (2002). Econométrie des données de panel. Paris: Dunod.
Shemyakina, O. (2011). The effect of armed conflict on accumulation of schooling: results
from Tajikistan. Journal of Development Economics, 95(2), 186-200.
Shleifer, A., & Vishny, R. W. (1993). Corruption. Quarterly Journal of Economics, 108, 599-
617.
Soares, R. R. (2005). Mortality reductions, educational attainment, and fertility choice.
American Economic Review, 95(3), 580-601.
Sperling, G. B., & Winthrop, R. (2016). What works in girls’ education: evidence for the
world’s best investment. Washington D.C.: Brooking Institution Press.
Stijns, J.-P. (2006). Natural resource abundance and human capital accumulation. World
Development, 34(6), 1060-1083.
Stijns, J.-P. (2009). Mineral wealth and human capital accumulation: a nonparametric
approach. Applied Economics, 41(23), 2925-2941.
Sun, H.-P., Sun, W. F., Geng, Y., & Kong, Y.-S. (2018). Natural resource dependence, public
education investment, and human capital accumulation. Petroleum Science, 15(3),
657-665.
38
Swamy, A., Knack, S., Lee, Y., & Azfar, O. (2001). Gender and corruption. Journal of
Development Economics, 64(1), 25-55.
Swee, E. L. (2015). On war intensity and schooling attainment: the case of Bosnia and
Herzegovina. European Journal of Political Economy.
Tebaldi, E., & Elmslie, B. (2008). Institutions, innovation and economic growth. Journal of
Economic Development, 33(2), 1-27.
Theobald, R. (1990). Corruption, development, and underdevelopment. Durham ,N C: Duke
University Press.
Truex, R. (2011). Corruption, attitudes, and education : survey evidence from Nepal. World
Development, 39(7), 1133-1142.
United Nations Economic Commission for Africa (UNECA). (2017). Economic report on
Africa 2017: urbanization and industrialization for Africa’s transformation. Addis
Ababa: UNECA.
Uzawa, H. (1965). Optimum technical change in an aggregative model of economic growth.
International Economic Review, 6(1), 18-31.
Williams, A., & Siddique, A. (2008). The use (and abuse) of governance indicators in
economics : a review. Economics of Governance, 9(2), 131-175.
Willis, R. J. (1973). A new approach to the economic theory of fertility behavior. Journal of
Political Economy, 81(2), S14-S64.
World Bank. (2018a). World development indicators. Washington, D.C.: World Bank.
World Bank. (2018b). Worldwide governance indicators. Washington, D.C.: World Bank.
World Bank (2018c). The changing wealth of nations 2018. Building a sustainable future.
Washington, D.C.: World Bank.
39
Annexes
Tableau 1 : Corrélation entre les variables
40
Tableau 2 : Définitions, sources des variables retenues et signes attenus
41
Dépenses par étudiant Les dépenses publiques par étudiant sont les dépenses WDI, Positif
del'ense ignement moyennes des administrations publiques (dépenses Banque
supérieur (%PIB par courantes, capital et transferts) par étudiant pour mondiale
habitant) l’enseignement supérieur, exprimées en pourcentage du PIB (2018b)
par habitant.
Densité de la Elle mesure le nombre de personnes par kilomètre carré de WDI, Positif
population superficie de terres. Banque
(habitants/Km2) mondiale
(2018b)
Croissance de la Taux de croissance annuel de la population. WDI, Négatif
Population (%) Banque
mondiale
(2018b)
Inscription à l’école, On entend par inscription privée à l’école primaire , les WDI , Négatif
primaire, privée (% élèves inscrits dans des institutions scolaires primaires qui Banque
total d’élèves au ne sont pas gérées par une autorité publique mais contrôlées mondiale
primaire) et gérées, à but lucratif ou non, par un organisme privé tel (2018b)
qu'une organisation non gouvernementale, un organisme
religieux, un groupe d’intérêt , une fondation ou une
entreprise.
Inscription à l’école, On entend par inscription privée à l’école secondaire, les WDI, Négatif
secondaire, privée (% élèves inscrits dans des institutions scolaires secondaires qui Banque
total d’élèves au ne sont pas gérées par une autorité publique mais contrôlées mondiale
secondaire) et gérées, à but lucratif ou non, par un organisme privé tel (2018b)
qu'une organisation non gouvernementale, un organisme
religieux, un groupe d’intérêt , une fondation ou une
entreprise.
Total des bénéfices Les bénéfices totaux des ressources naturelles sont la somme WDI, Positif
tirés des ressources des bénéfices du pétrole, du gaz naturel, du charbon des Banque
naturelles (% PIB). minéraux et des forêts. Ces bénéfices totaux sont rapportés mondiale
au PIB . (2018b)
Espérance de vie à la L'espérance de vie à la naissance indique le nombre d'années WDI, Positif
naissance (années) qu'un nouveau-né vivrait si les taux de mortalité prévalents Banque
au moment de sa naissance restaient les mêmes tout au long mondiale
de sa vie. (2018b)
Note: Les indicateurs de la qualité des institutions prennent les valeurs de -2,5 à +2,5 avec un niveau plus élevé
indiquant plus d’effort de bonne qualité des institutions.
Source : Auteur
42
Tableau 8 : Estimation du rôle de la qualité des institutions sur les taux de scolarisation au primaire des filles en
Afrique par la MMG en système, 1996-2016
MMG en système
VARIABLES Taux de scolarisation au primaire des filles (%)
Taux de scolarisation
primaire de filles, retardé 0,450*** 0,453*** 0,456*** 0,443*** 0,434*** 0,452*** 0,376**
d’une période (0,077) (0,075) (0,078) (0,081) (0,076) (0,078) (0,149)
0,064
Maitrise de la corruption (0,040)
Efficacité 0,084**
gouvernementale (0,032)
Qualité 0,064*
de la régulation (0,032)
Voix et responsabilité 0,059**
citoyenne (0,029)
0,100**
Etat de droit (0,038)
Stabilité politique 0,061***
et absence de violence (0,021)
0,044
Indice qualité institutions (0,050)
Dépenses par élève
de l'enseignement -0,082** -0,083** -0,083*** -0,098*** -0,095*** -0,082*** -0,045
primaire (0,031) (0,031) (0,030) (0,034) (0,032) (0,027) (0,041)
Densité de la 0,045** 0,046** 0,045** 0,047** 0,046** 0,046** 0,042**
population (0,017) (0,018) (0,018) (0,020) (0,018) (0,018) (0,017)
Total des bénéfices
tirés des ressources 0,025** 0,030** 0,022** 0,024** 0,035** 0,030** 0,020
naturelles (0,010) (0,011) (0,010) (0,012) (0,013) (0,013) (0,012)
Inscription à l’école,
primaire, -0,011 -0,010 -0,016* -0,018** -0,013 -0,014* -0,020
privé (0,009) (0,008) (0,008) (0,009) (0,008) (0,007) (0,015)
2,573*** 2,569*** 2,564*** 2,648*** 2,679*** 2,551*** 2,580***
Constante (0,356) (0,345) (0,362) (0,379) (0,351) (0,344) (0,506)
Nombre d’observations 100 100 100 100 100 100 74
Nombre de pays 40 40 40 40 40 40 35
Nombre d’instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,178 0,194 0,183 0,229 0,176 0,198 0,313
Test Hansen (p-value) 0,378 0,354 0,336 0,421 0,436 0,348 0,402
Note : Les données utilisées sont quinquennales. Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteur, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
43
Tableau 9 : Estimation du rôle de la qualité des institutions sur les taux de scolarisation au secondaire des filles
en Afrique par la MMG en système, 1996-2016
MMG en système
VARIABLES Taux de scolarisation au secondaire des filles (%)
Taux de scolarisation au
Secondaire des filles,
retardé 0,685*** 0,679*** 0,658*** 0,688*** 0,669*** 0,694*** 0,417*
d’une période (0,090) (0,093) (0,094) (0,108) (0,096) (0,082) (0,214)
0,086
Maitrise de la corruption (0,064)
0,115*
Efficacité gouvernementale (0,058)
Qualité de 0,169***
la régulation (0,055)
0,050
Voix et responsabilité citoyenne (0,056)
0,100
Etat de droit (0,069)
Stabilité politique 0,035
et absence de violence (0,040)
0,318*
Indice qualité institutions (0,186)
Dépenses consacrées
à l’enseignement 0,117** 0,105* 0,112* 0,126 0,114** 0,118* -0,017
secondaire (0,055) (0,057) (0,056) (0,075) (0,056) (0,059) (0,112)
Densité de la 0,0298* 0,030* 0,038** 0,033* 0,031* 0,031* 0,016
population (0,017) (0,016) (0,017) (0,017) (0,017) (0,016) (0,034)
Total des bénéfices
tirés des ressources -0,004 -0,001 -0,002 -0,011 -0,002 -0,011 -0,036
naturelles (0,017) (0,017) (0,020) (0,017) (0,018) (0,017) (0,030)
Inscription à l’école,
secondaire, -0,003 -0,004 -0,0170 -0,014 -0,011 -0,007 -0,092
privée (0,024) (0,027) (0,031) (0,033) (0,029) (0,025) (0,061)
0,833** 0,915*** 0,984** 0,801*** 0,917** 0,793*** 0,537
Constante (0,313) (0,322) (0,375) (0,287) (0,342) (0,270) (0,435)
Nombre d’observations 71 71 71 71 71 71 58
Nombre de pays 38 38 38 38 38 38 32
Nombre d’instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,303 0,297 0,296 0,298 0,301 0,303 0,288
Test Hansen (p-value) 0,194 0,208 0,149 0,175 0,220 0,211 0,284
Note : Les données utilisées sont quinquennales. Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteur, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
44
Tableau 10 : Estimation du rôle de la qualité des institutions sur les taux de scolarisation au supérieur des filles
en Afrique par la MMG en système, 1996-2016
MMG en système
VARIABLES Taux de scolarisation au supérieur des filles (%)
Taux de scolarisation au
supérieur des filles,
retardés 0,334*** 0,340*** 0,281** 0,346*** 0,337*** 0,272** 0,204
d’une période (0,121) (0,118) (0,117) (0,116) (0,114) (0,117) (0,280)
0,034
Maitrise de la corruption (0,150)
0,175
Efficacité des pouvoirs publics (0,135)
0,186
Qualité de la régulation (0,170)
0,212**
Voix et responsabilité citoyenne (0,093)
0,128
Etat de droit (0,160)
Stabilité politique 0,104
et absence de violence (0,085)
1,227
Indice qualité institutions (0,758)
Dépenses publiques
par étudiant au -0,303** -0,310** -0,325** -0,302** -0,309** -0,335** -0,028
supérieur (0,128) (0,123) (0,125) (0,119) (0,126) (0,124) (0,135)
Espérance de vie 2,395*** 2,180*** 2,528*** 2,162*** 2,244*** 2,572*** -2,474
à la naissance (0,804) (0,789) (0,794) (0,734) (0,782) (0,800) (2,521)
Total des bénéfices
tirés des ressources 0,073 0,094** 0,107* 0,121* 0,098* 0,110* -0,030
naturelles (0,052) (0,046) (0,056) (0,062) (0,055) (0,054) (0,057)
Croissance de -0,338** -0,324** -0,380** -0,369** -0,341** -0,387** -0,051
la population (0,160) (0,149) (0,149) (0,145) (0,142) (0,152) (0,136)
-6,496* -5,574 -6,763* -5,485* -5,838* -6,917* 4,165
Constante (3,485) (3,376) (3,488) (3,199) (3,449) (3,455) (5,848)
Nombre d’observations 78 78 78 78 78 78 78
Nombre de pays 36 36 36 36 36 36 36
Nombre d’instruments 17 17 17 17 17 17 17
Test AR(2) (p-value) 0,310 0,317 0,343 0,283 0,304 0,352 0,338
Test Hansen (p-value) 0,084 0,091 0,084 0,110 0,125 0,058 0,163
Note : Les données utilisées sont quinquennales. Les nombres entre parenthèses représentent les erreurs
standards robustes des coefficients estimés. *, **, *** représentent les significativités à 10%,5% et 1% (* p<0,1,
** p<0,05, *** p< 0, 01).
Source : Auteurs, à partir des données WGI et WDI (Banque mondiale, 2018a, b)
45