SECTION 2. PRESNTATION DES RESULTAT ECONOMETRIQUE.
Cette section a pour but d'analyser les données
à travers les tests de racine unitaire et les résultats du test
de normalité des résidus.
2.1. Les
Résultats économétriques.
Afin de déterminer l'effet du financement de
l'économie sur la diversification des exportations et l'effet du
financement de l'économie sur l'industrialisation en zone franc
Africaine, nous avons fait recours à l'estimateur PMG.
2.1.1. Résultat global
Nous allons présenter ici le résultat global des
estimations et en suite présenter pour les sous régions.
Tableau 7. Estimation de la
première équation avec ARDL(1, 2, 2, 2, 2, 2, 2)
|
|
Relation à court terme
|
|
|
Variables
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.*
|
|
D(DIV)
|
|
|
|
|
|
D(INF)
|
-0.001054
|
0.001438
|
-0.732976
|
0.4650
|
|
D(M2)
|
-0.002921
|
0.001490
|
-1.959768
|
0.0523
|
|
D(M2(-1))
|
-0.000821
|
0.001545
|
-0.531786
|
0.5958
|
|
D(CSP)
|
0.004673
|
0.002903
|
1.609835
|
0.1100
|
|
D(CSP(-1))
|
0.007769
|
0.002786
|
2.788843
|
0.0061
|
|
D(AGRI)
|
-0.006622
|
0.003199
|
-2.069950
|
0.0405
|
|
D(AGRI(-1))
|
0.005234
|
0.008101
|
0.646175
|
0.5194
|
|
D(SERV)
|
0.004777
|
0.004200
|
1.137403
|
0.2576
|
|
D(SERV(-1))
|
0.001418
|
0.003459
|
0.409919
|
0.6826
|
|
D(OUV)
|
0.000930
|
0.000598
|
1.555372
|
0.1224
|
|
D(OUV(-1))
|
0.000430
|
0.000953
|
0.451006
|
0.6528
|
|
COINTEQ01
|
-0.514363
|
0.102265
|
-5.029704
|
0.0000***
|
|
Relation à long terme
|
|
INF
|
0.005942
|
0.000900
|
6.602125
|
0.0000***
|
|
M2
|
0.003140
|
0.000958
|
3.277160
|
0.0014***
|
|
CSP
|
-0.002483
|
0.000520
|
-4.771660
|
0.0000***
|
|
AGRI
|
0.003100
|
0.001078
|
2.875824
|
0.0047***
|
|
SERV
|
-0.005593
|
0.000769
|
-7.269051
|
0.0000***
|
|
OUV
|
-0.002065
|
0.000199
|
-10.38378
|
0.0000***
|
|
C
|
0.402762
|
0.091093
|
4.421423
|
0.0000***
|
Source : Construit par l'auteur
à partir d'Eviews 9
Note: ***, **, * indiquent les niveaux de significativité
de 1%, 5% et 10%
Le tableau ci-dessus présente le résultat
de notre première estimation mettant en relation financement de
l'économie sur la diversification des exportations par la méthode
ARDL en panel sur une période de 1995 à 2017 pour les 13 pays de
la Zone Franc Africaine.Le résultat d'estimation montre que tous les
coefficients qui ont des probabilités signalées en gras sont
statistiquement significatifs. Acout terme les variablesM2 et INF,ont un impact
négatifet non significatifssur la diversification des exportations.La
dynamique du secteur de diversification des exportations reste insensible aux
agrégats monétaires M2 et l'inflation. Cela pourrait s'expliquer
parl'endogénéité de l'offre de monnaie (Goux, 2008).
Tandisque les variables CSP,a un impact positif sur la diversification des
exportations.Eggoh (2011) a également trouve ce même
résultat.Par contre le secteur des services est favorable à la
diversification des exportations dans la Zone Franc. Cerésultat pourrait
être expliqué par l'importance des services dans l'économie
des pays africains de la zone Franc. Selon le rapport de la CNUCED (2015), ils
jouent un rôle fondamental dans le processus de transformation
structurelle des pays de la Zone. Par exemple les sous-secteurs de services
dynamiques comme les télécommunications, la logistique, la
distribution sont profitables au développement du secteur manufacturier
des pays africainsAussi, les autres variables du système donnent
plusieurs enseignements.
En effet, en considérant l'échantillon global,
sur la production du secteur agricoleproduit un effet positif à
très court terme pour devenir négatif. A longue terme les
variables INF, CSP, SERV et M2 ont un impact positif et significatif sur la
diversification des exportations ce résultat est la même pour
Misati et Nyamongo (2012) qui concluent que ces variables affecte positivement
la transformation structurelle. Par ailleurs, les résultats indiquent
que l'ouverture influence négativement la dynamiquedu secteur
manufacturier dans la Zone Franc Africaine aussi bien à court
qu'à long terme. Ainsi,même si l'ouverture est
généralement bénéfique pour l'ensemble des pays,
elle doit sefaire avec beaucoup de précautions étant donné
ses effets négatifs sur le secteurmanufacturierlaproduction
manufacturière est plus sensible à l'ouverture qu'aux autres
indicateurs. Àtitre illustratif, sur l'ensemble de la période
hormis la production manufacturière elle-même, la part de
l'ouverture dans les fluctuations de la production manufacturière
estlargement supérieure à celle des autres variables dans la zone
Franc prise globalement. Pour des analyses plus fines, il est nécessaire
d'examiner la réponse dusecteur manufacturier en fonction de
l'appartenance des pays à une zone monétairecommune (UEMOA et
CEMAC).
Tableau 8. Estimation de la deuxième
équation avec ARDL(2, 2, 2, 2, 2, 2, 2)
|
|
Relation à court terme
|
|
|
Variables
|
Coefficient
|
Std. Error
|
t-Statistic
|
Prob.*
|
|
INDUS
|
|
|
|
|
|
D(INDUS(-1))
|
-0.055938
|
0.102720
|
-0.544566
|
0.5871
|
|
D(INF)
|
0.174472
|
0.071816
|
2.429445
|
0.0167
|
|
D(M2)
|
0.119682
|
0.108013
|
1.108030
|
0.2702
|
|
D(M2(-1))
|
0.091346
|
0.030676
|
2.977801
|
0.0036
|
|
D(CSP)
|
0.170721
|
0.123761
|
1.379438
|
0.1705
|
|
D(CSP(-1))
|
-0.242987
|
0.124596
|
-1.950196
|
0.0537
|
|
D(AGRI)
|
0.341490
|
0.370397
|
0.921957
|
0.3586
|
|
D(AGRI(-1))
|
-0.143543
|
0.284245
|
-0.504996
|
0.6146
|
|
D(SERV)
|
-0.021409
|
0.114730
|
-0.186600
|
0.8523
|
|
D(SERV(-1))
|
-0.021568
|
0.111637
|
-0.193197
|
0.8472
|
|
D(OUV)
|
0.004584
|
0.040468
|
0.113275
|
0.9100
|
|
D(OUV(-1))
|
0.039280
|
0.032565
|
1.206190
|
0.2303
|
|
COINTEQ01
|
-0.164404
|
0.073786
|
-2.228121
|
0.0279
|
|
Relation à long terme
|
|
INF
|
-0.043038
|
0.033477
|
-1.285602
|
0.2013
|
|
M2
|
-0.570249
|
0.064528
|
-8.837181
|
0.0000***
|
|
CSP
|
0.123739
|
0.025918
|
4.774255
|
0.0000***
|
|
AGRI
|
-0.368808
|
0.053424
|
-6.903373
|
0.0000***
|
|
SERV
|
0.137422
|
0.024943
|
5.509389
|
0.0000***
|
|
OUV
|
-0.007208
|
0.016162
|
-0.445996
|
0.6565
|
|
COINTEQ01
|
-0.164404
|
0.073786
|
-2.228121
|
0.0279***
|
Source : Construit par l'auteur
à partir d'Eviews 9
Note: ***, **, * indiquent les niveaux de significativité
de 1%, 5% et 10%
Le tableau ci-dessus présente le résultat de
notre deuxième estimation mettant en relation financement de
l'économie et industrialisationpar la méthode ARDL en panel sur
une période de 1995 à 2017 pour les 13 pays de la Zone Franc
Africaine.Le résultat d'estimation montre que tous les coefficients qui
ont des probabilités signalées en gras sont statistiquement
significatifs.Ainsi A cout terme, les variables CSP, AGRI, ont un 'impact
négatifs sur l'industrialisation. Herrondorf (2013) a trouvé ce
même résultat qui tente d'expliquer les expériences de
transformation structurelle de certains pays à l'instar de la Chine,
Etats-Unis, etc. Par ailleurs, les résultats indiquent que l'ouverture
influence négativement la dynamique du secteur manufacturier dans la
Zone Franc Africaine aussi bien à court qu'à long terme. Ainsi,
même si l'ouverture est généralement
bénéfique pour l'ensemble des pays, elle doit se faire avec
beaucoup de précautions étant donné ses effets
négatifs sur le secteur manufacturier.Ainsi l'impact du crédit au
secteur privé sur le secteurl'industrialisation n'est pas uniforme dans
la durée. Deux enseignements peuvent être tirésde ce
résultat. Premièrement, les crédits bancaires de court
terme ne sont pas favorablesà l'industrialisation d'où la
nécessité de mettre l'accent sur les crédits à long
terme pourdévelopper le secteur manufacturier. Deuxièmement, ce
résultat pourrait être expliquépar le coût du
crédit qui limite l'accessibilité à la finance des PME,
qui constituel'essentiel du tissu industriel. Cela confirme les
prédictions théoriques de Rajan et Zingales(1988). Ils
soutiennent que lorsqu'un pays est caractérisé par un
système financier noncompétitif dans lequel les banques payent un
intérêt faible sur les dépôts et facturent destaux
élevés sur les prêts, le crédit sera limité
et l'industrie devient non compétitive.D'ailleurs, plusieurs
études microéconomiques ont révélé que
l'accès au financement estl'une des principales contraintes des
entreprises manufacturières des pays africains (Bigsten, 2004 ;
Kiendrebeogo, 2014 ; Lo, 2016)En effet, ces résultats confirment
l'idéed'une dépendance des industries manufacturières sur
le crédit bancaire plutôt que sur laquantité de monnaie en
circulation. Ils corroborent ainsi les résultats Kim et al.
(2016), quisoutiennent que le développement financier, par le canal
du crédit au secteur privé, favorise unecroissance rapide des
secteurs industriels composés de petites et moyennes entreprisesdans les
économies ou la structure du système finance repose plus sur les
banques que surles marchés financiers.
| 
