Efficacité de la production agricole et pauvreté au Cameroun.

CONCLUSION

Au terme de ce chapitre intitulé productivité globale des facteurs agricole et pauvreté, ou nous avons d'abord présenté le concept de productivité globale des facteurs en parlant de ses origines et critiques, des méthodes de calcul et une revue de la littérature. Ensuite, nous avons présenté les différentes écoles ou courants de pensée en ce qui concerne l'approche de la pauvreté. Et enfin nous avons mis en exergue les différents travaux qui ont porté sur la relation productivité globale des facteurs et pauvreté. Dès lors nous nous posons la question de savoir quelle est l'incidence de la productivité globale des facteurs sur la pauvreté au Cameroun ?

57

Mémoire de Master II soutenu par : NGASSEU NOUPIE Elie

CHAPITRE 4 : INCIDENCE DE LA PRODUCTIVITE GLOBALE DES FACTEURS

SUR LA PAUVRETE AU CAMEROUN

Introduction

La PGF se base sous sa forme la plus élémentaire, sur les fondements conceptuels. Introduite d'après Griliches (1995), par Copeland en 1937 dans son ouvrage « Concepts of National Income », elle est estimée à l'appui d'une fonction de production de type Cobb-Douglas (avec des pondérations fixes) par Tinbergen en 1942. Il a fallu attendre Solow (1957) pour qu'elle soit théoriquement formalisée. Dès lors, la productivité globale des facteurs (PGF) est utile pour l'analyse de la compétitivité coût de l'économie. Elle mesure l'efficacité du processus de production. Cet indicateur se calcule à partir d'une fonction de production en retranchant de la croissance les apports du travail et du capital. Dans la théorie traditionnelle de la croissance, le progrès technique est assimilé au taux de croissance de la productivité globale des facteurs. L'expression de « progrès technique » est utilisée pour désigner la modification graduelle des fonctions de production. De nombreux facteurs sont susceptibles d'accroître la production qui peut être obtenue à partir de quantités données de travail et de capital. Le terme de progrès technique évoque les découvertes scientifiques et techniques grâce auxquelles de nouveaux modes de fabrication peuvent être mis en oeuvre, l'expérience progressivement acquise dans l'emploi de technologies anciennes, les progrès réalisés dans l'organisation des entreprises et toutes les transformations qui accroissent l'efficacité du système productif.

Dans ce chapitre, nous allons utiliser les PGF calculés au chapitre 2 dans l'équation de la pauvreté. Ceci dans l'optique d'estimer le taux de pauvreté au Cameroun compte tenu de la PGF. Ce chapitre sera organisé en deux sections. La première section présentera le modèle et dans la seconde section nous présenterons les résultats des estimations et les interprétations.

58

Mémoire de Master II soutenu par : NGASSEU NOUPIE Elie

Section1 : Présentation du modèle d'analyse

Chaque problème économique s'inscrit, ou même s'identifie, à un modèle d'analyse bien spécifique et pourrait être estimé à partir d'un modèle économétrique selon la conception théorique et la disponibilité des données. Dans le cadre de notre étude, nous inscrivons notre analyse dans le modèle de régression multiple. Puisqu'il s'agit d'analyser l'effet de la productivité globale des facteurs sur la pauvreté au Cameroun (nous avons plusieurs variables indépendantes expliquant la variation du taux de pauvreté). Les estimations quant à elles seront faites à partir des moindres carrés ordinaires. Toutefois nous ne saurons utiliser un modèle sans sa présentation au préalable.

La régression linéaire multiple est une analyse statistique qui décrit les variations d'une variable endogène (ici le taux de pauvreté) associée aux variations de plusieurs variables exogènes (ici la PGF, le taux de croissance de la population, le logarithme népérien du PIB non agricole, le logarithme népérien des envois de fonds des agriculteurs).

Par exemple, une analyse de régression multiple peut révéler une relation positive entre la variation du taux de pauvreté au Cameroun et l'augmentation de la PGF.

1.1. Modèle théorique

La régression linéaire multiple est une généralisation, à p variables explicatives (dans notre étude, nous en avons 4), de la régression linéaire simple.

Nous sommes toujours dans le cadre de la régression mathématique : étant donné un échantillon _(Yi,Xi1:... ,Xi_p), i = 1,..., n nous cherchons à expliquer, avec le plus de précision possible, les valeurs prises par Yi (dans notre étude P qui représente le taux de pauvreté), dite

variable endogène, à partir d'une série de variables explicatives Xi1, _,Xip. Le modèle
théorique, formulé en termes de variables aléatoires, prend la forme :

Yi = a_o + a1 _Xi1 + a2X i2+...+a_pX ip+åi, i=1,...n ou encore dans notre etude:

où åi est l'erreur du modèle qui exprime, ou résume, l'information manquante dans l'explication linéaire des valeurs de Yi à partir des _Xi1,...,Xip (problème de spécifications, variables non prises en compte, etc). a_o, a1,...,a_p sont les paramètres à estimer.

59

Mémoire de Master II soutenu par : NGASSEU NOUPIE Elie

1.1.1. Exemple

Nous relevons 7 fois les paramètres suivants : le taux de pauvreté (ce sera notre yi, i étant compris entre 1 et 7) la PGF (ce sera notre _i1) le taux de croissance de la population (ce sera notre _i2) ect.

Faire une régression linéaire revient à déterminer les a0, a1, _a2... et åi tels que, quelle que soit la mesure prise, on ait :