WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Agriculture et croissance économique dans les pays de la CEMAC

( Télécharger le fichier original )
par AZAKI MAHAMAT
Université de Ngaoundéré - Master II 2014
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

I-3- Résultat du test d'autocorrélation

La valeur de Rho (ñ ) tend vers 0, la statistique de Durbin-Watson (DW = 1,66) tend vers 2, on conclue donc qu'il y a autocorrélation entre les résidus (cf. annexe 4).

I-4- Résultat du test d'hétéroscédasticité des erreurs

Pour le modèle à effets fixes, la statistique du test d'hétéroscédasticité est donnée par l'expression nR2, avec n le nombre total d'observations et R2 le coefficient de détermination de la régression.

R2 = 0,66 ; N = 6 et T = 19, le nombre totale d'observations est donc :
n = N x T = 114 ; k = 4 ; nR2 = 75,25.

Au seuil de 1%, on a nR2 = 75,25 > ÷2lu (3) = 11,345.

On rejette l'hypothèse nulle et on conclue que les erreurs sont hétéroscédastique (voir annexe 3.1).

Ainsi, il est donc important de corriger l'hétéroscédasticité des erreurs par la méthode d'Eicker-White (annexe 3.2). Cette méthode consiste à effectuer une régression par les MCO d'une part et calculer les variances robustes d'autre part comme nous l'avons évoqué au chapitre précédent.

Il est important de signaler que l'inconvénient de cette méthode est qu'elle gonfle les écarts-types et réduit la puissance des tests.

I-5- Résultats des estimations

Avant de présenter les résultats de l'estimation pour la CEMAC, nous allons présenter d'abord ceux de l'estimation de chaque pays membre de la sous-région.

· La régression par pays

Le tableau ci-dessus présente les résultats de l'estimation pour chaque pays (annexe 8.1).

Tableau 7 : Résultats des estimations par pays (modèle 1)

PAYS



VRBLES



CAMEROUN



CENTRAFRIQ



CONGO



GABON



GUINEE EQUATRLE



TCHAD

 

Coeff

Prob

Coeff

Prob

Coeff

Prob

Coeff

Prob

Coeff

Prob

Coeff

Prob


C

-7,27

0,02

-7,98

0,00

-4,12

0,26

-9,60

0,00

-22,48

0,06

-9,09

0,00


LOG(k)

0,62***

0,00

-0,18

0,10

1,33***

0,00

0,19***

0,00

0,43*

0,08

-0,14***

0,00


LOG(VAAGR)

0,07

0,46

0,33

0,10

-0,87**

0,02

0,33***

0,00

1,23

0,17

0,57***

0,00


LOG(VAIND)

-0,05

0,73

0,55**

0,03

0,03

0,75

0,32***

0,00

0,09

0,97

0,30***

0,00


R2

0,7825

0,8052

0,8711

0,9934

0,6864

0,9957

R2 Ajusté

0,7359

0,7662

0,8453

0,9921

0,6237

0,9948

Prob(F-Statistic)

0,0000

0,0000

0,0000

0,0000

0,0004

0,0000

(***), (**) et (*) significatifs respectivement à 1%, 5% et 10%

Source : Construction de l'auteur à partir du logiciel Eviews 8.0

Dans les 6 pays de la CEMAC, les valeurs de Ret R2 ajusté montrent que les variables choisies du modèle théorique ont bien une influence sur la variable expliquée ; on peut donc dire que la qualité d'ajustement du modèle est bonne. On peut aussi dire que pour un R2=0,78, ceci indique tout simplement que 78% des variables prises en compte dans ce modèle sont susceptibles d'expliquer la variable dépendante. De plus, la probabilité de Fisher montre que le modèle est globalement significatif.

On constate que les valeurs du coefficient associé au logarithme du capital physique sont positives dans 4 pays (Cameroun, Congo, Gabon et Guinée Equatoriale) et négatives dans 2 pays (Centrafrique et Tchad). Il faut ajouter que le capital physique par tête est significatif au seuil de 5% dans ces pays à l'exception de la Centrafrique et de la Guinée Equatoriale.

Les élasticités du logarithme du PIB par tête par rapport au logarithme de la valeur ajoutée du secteur agricole sont respectivement 0,07 ; 0,33 ; -0,87 ; 0,33 ; 1,23 ; 0,57 pour le Cameroun, la Centrafrique, le Congo, le Gabon, la Guinée Equatoriale et le Tchad. Ce qui signifie, si la valeur ajoutée du secteur agricole augmente de 1% dans ces pays, alors le Logarithme du PIB par tête augmente respectivement de 0,07% ; 0,03% ; -0,87% ; 0,33% ; 1,23% et 0,57%. La valeur ajoutée du sous-secteur agricole est significative au seuil de 5% dans trois pays (Congo, Gabon et Tchad) et non significative dans le reste des pays de la CEMAC (Cameroun, Centrafrique et Guinée Equatoriale).

Le secteur industriel à une influence positive sur le PIB par tête dans la sous-région CEMAC hormis le Cameroun où l'influence est négative et non significative.

· La régression pour la CEMAC

Tableau 8 : Résultats des estimations du modèle 1

Variable dépendante : LOG(PIBH)

Variables explicatives

Coeff.

Prob.

C

-7,9475***

0,000

LOG(k)

0,4363***

0,000

LOG(VAAGR)

0,0131

0,889

LOG(VAIND)

0,2921***

0,000

Spécification : Modèle à effets fixes
Nombre d'observation = 114
R2 (Within) = 0,6717
Test de Fischer : F(5,105) = 43,37 Prob> F = 0,000
*** : Significatif au seuil de 1%

Source : Construction de l'auteur à partir du logiciel STATA 11

Le tableau ci-dessus présente l'estimation de l'équation 1. Il en ressort que le modèle est globalement significatif (Prob>F = 0,000?1%) au seuil de 1%. Le R2 est de 0,67 ; la variabilité des variables explicatives de l'équation explique 67% de la variabilité du PIB par tête (pour un résultat complet voir annexe 6.1).

Le modèle qui permet d'analyser la contribution de l'agriculture à la formation du PIB des pays de la CEMAC s'écrit de la façon suivante :

LOGPIBHt = â0 + â1LOGkt + â2LOGVA AGRt+ â3LOGVA INDt+ ?t

Le modèle estimé s'écrit comme suit :

= -7,94+ 0,43LOGkt + 0,01LOGVA GAR + 0,29LOGVA IND

L'estimation ci-dessus montre que toutes les variables affectent positivement la formation du PIB dans les pays de la CEMAC. Il en ressort que tous les coefficients sont significatifs au seuil de 1% à l'exception du coefficient associé à la variable Logarithme de la valeur ajoutée agricole [LOG(VAAGR)].

On peut remarquer que toutes les variables sont conformes à la théorie économique et aux résultats empiriques qui stipulent que l'agriculture est un facteur important au processus du développement économique. Ainsi :

Au Cameroun :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 23,96% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 21,36% au PIB chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 24,01% au PIB chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 24,99% au PIB chaque année.

En Centrafrique :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 52,08% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 54,45% au PIB chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 54,82% au PIB chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 54,46% au PIB chaque année.

Au Congo :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 8,86% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 5,61% au PIB chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 4,14% au PIB chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 3,60% au PIB chaque année.

Au Gabon :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 7,14% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 5,87% au PIB chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 4,69% au PIB chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 3,93% au PIB chaque année.

En Guinée Equatoriale :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 68,65% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 65,09% au PIB chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 58,40% au PIB chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 5,94% au PIB chaque année.

Au Tchad :

- Entre les années 1995 et 2000, l'agriculture a contribué en moyenne à 39,61% au PIB chaque année ;

- Entre les années 2000 et 2005, elle a contribué en moyenne à 39,24% au PIB de chaque année ;

- Entre les années 2005 et 2010, elle a contribué en moyenne à 54,11% au PIB de chaque année ;

- Entre les années 2010 et 2013, elle a contribué en moyenne à 54,10% au PIB de chaque année.

Dans l'ensemble de la sous-région CEMAC, une augmentation de 1% de la valeur ajoutée du secteur agricole entraine une augmentation de 0,01% du PIB par tête.

En conclusion, les résultats nous montrent que l'agriculture contribue positivement à la croissance économique des pays de la CEMAC. Ces résultats confortent les conclusions de Block (1999) et bien d'autres (Fan et alii., 2000 ; Bella, 2009).

D'où la validation de notre première hypothèse :

Hypothèse 1 : l'agriculture contribue positivement et suffisamment à la formation du PIB des pays de la CEMAC.

Notre première hypothèse ayant été validée, nous pouvons maintenant passer à la seconde hypothèse.

II. AGRICULTURE ET DEVELOPPEMENT INDUSTRIEL

Dans ce paragraphe nous ne présenterons pas les résultats de tous les tests (test de stationnarité ; test d'hétéroscédasticité et le test d'autocorrélation), car le deuxième modèle (seconde équation) comprend les mêmes variables que le premier, sauf que dans le deuxième modèle la variable dépendante est la valeur ajoutée du secteur industriel. On va s'arrêter au test de Hausman et choisir soit le test à effet fixe soit le test à effet aléatoire. Tout dépend des résultats du test de Hausman.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Qui vit sans folie n'est pas si sage qu'il croit."   La Rochefoucault