Diversification des exportations au Bénin : Outils de mesure, déterminants et impact sur la croissance.

Paragraphe 2 : Présentation et interprétation des résultats.

2.1- Présentation des résultats d'estimation

L'hypothèse de risque de cointégration a été mise en évidence dans le paragraphe précédent. Nous appliquerons donc la méthode de Granger - Engel mentionnée dans la méthodologie pour estimer le modèle à correction d'erreur.

a- Estimation de la relation de long terme

L'estimation du modèle nous donne les résultats suivants obtenus à partir du logiciel Eviews.

Tableau 5 : Résultats de l'estimation du modèle de long terme

Variable	Coefficients estimés	T de Student	Probabilités.
C	0.193233	0.0941 59	0.9258
LPIB_HBT	-1.183768	-6.135721	0.0000
LFBCF	1.622488	3.547493	0.0007
TCER	-0.001528	-1.1660406	0.2555
D94	-0.424465	-2.693198	0.01 30

(Les détails de l'estimation sont en annexe 4)

La relation de long terme se présente comme suit :

ENT_t =0.193233 -1.183768LPIB_HBT_t - 1.622488LFBCF_t -0.001528TCER_t -
0.424465D94

Où la variable indicatrice D94 représente la dévaluation du franc CFA en

1994.

Validation statistique du modèle de long terme

La validation statistique du modèle passe par l'analyse de la significativité des coefficients et de la qualité des résidus.

i. Test de Student

Les p-value des variables LFBCF et LPIB_HBT sont inférieures à 5%, donc ces variables sont significatives au seuil de 5%. Quant au taux de change effectif réel, sa p-value est supérieure à 5%. Cette variable n'est pas significative au seuil de 5%.

ii. Test de Fisher

Pour étudier la significativité globale du modèle, on appliquera le test de Fisher. Ce test permet de voir si au moins une des variables explicatives du modèle explique la diversification des exportations. Le modèle de long terme est globalement significatif puisque la probabilité de Fisher (0.00000dans le long terme) obtenue est inférieure à 5%.

iii. Test de normalité des résidus

Ici on applique le test de normalité de Jarque Bera dont l'hypothèse nulle est celle de normalité des résidus. La règle de décision consiste à accepter cette hypothèse si la statistique de Jarque Bera JB est inférieure à 5.99. Ici, la statistique de Jarque Bera est égale à 3,188. Les résidus du modèle sont donc normaux. Cela s'illustre plus aisément par le graphe ci-après :

-0.8 -0.6 -0.4 -0.2 0.0 0.2 0.4

Figure 4 : Courbe de normalité de J arque Bera

6

4

2

5

3

0

1

Series: Residuals Sample 1979 2006 Observations 28

Mean -3.17E-17

Median 0.021572

Maximum 0.468586

Minimum -0.891438

Std. Dev. 0.311337

Skewness -0.765120

Kurtosis 3.625560

Jarque-Bera 3.188451
Probability 0.203066

iv. Test d'hétéroscédasticité des erreurs :

Pour étudier l'hétéroscédasticité des résidus, on applique le test de white dont les hypothèses sont les suivantes :

H₀ : Modèle homoscédastique

H₁ : Modèle hétéroscédastique

Il s'agira aussi d'accepter l'hypothèse nulle Ho (hypothèse d'homoscédasticité) si la probabilité est supérieure à 5%. Ici, la probabilité est égale à 0.455 893 (voir annexe 5-a). Les résidus sont homoscédastiques.

v. Test d'autocorrélation des erreurs :

Pour ce faire, on applique le test de Durbin-Watson dont les hypothèses

sont :

H0 : Non autocorrélation des erreurs.

H1 : Autocorrélation des erreurs.

Les conditions de base d'utilisation du test de Durbin-Watson sont vérifiées, vu que notre modèle comporte un terme constant, le nombre d'observations est supérieur à 1 5, le modèle est spécifié en série temporelle et la variable à expliquer ne figure pas parmi les variables explicatives en tant que variable retardée. La statistique de Durbin Watson DW est égale à 1 .989632,

sensiblement égale à 2. Les résidus sont non autocorélées. De même, l'application du test de Breush-Godfrey à l'ordre 2 nous donne une probabilité égale 0.41 1 340 (voir annexe 5-b) donc on conclut qu'il y a non auto corrélation.

vi. Test de stabilité :

Pour étudier la stabilité du modèle, on applique le test de Cusum qui permet de détecter les instabilités structurelles. Ici, la courbe ne coupe pas le corridor, alors le modèle est structurellement stable (voir annexe 5-c).

Le résidu issu de ce modèle (LT) est stationnaire, on peut alors l'intégrer dans la dynamique de court terme tout en le retardant d'une année.

b- Estimation de la relation de court terme

Tableau 6: Résultats d'estimation du modèle de court terme

Variable	Coefficients estimés	T de Student	Probabilités.
LPIB_HBT1	-1 .230976	-2.944673	0.0080
LFBCF1	0.830960	1.985764	0.0609
TCER1	-0.001892	-1.693383	0.1059
OUV_CCIAL	0.005718	3.308897	0.0035
RSD (-1)	-0.958524	-5.162616	0.0000
D80	-0.525229	-4.564280	0.0002
D84	-1.025938	-3.953821	0.0008

(Les détails de l'estimation sont en annexe 6)

La relation de court terme se présente comme suit :

ENT1_t = -1.230976 LPIB_HBT1_t 0.830960LFBCF1_t -0.001892TCER1_t -
0.005718OUV_CCIAL_t -0.958524RDS (-1) -0.525229D80 -1.025938D84

Où les variables ENT1, LPIB_HBT1, LFBCF1, TCER1 sont les différences premières respectives des variables ENT, LPIB_HBT , LFBCF, TCER et les variables D80 et D84 marquent la détérioration continue des termes de l'échange et l'impact négatif du ralentissement de la croissance économique dans les pays voisins (Nigeria, Niger).

Validation statistique du modèle de court terme

i- Test de Student

Les variables LPIB_HBT1 et OUV_CCIAL sont significatives au seuil de 5% par opposition aux variables de l'investissement et du taux de change dont les p-values sont supérieurs à 5%.

ii- Test de normalité des résidus Ici, JB = 0,622 ; par suite, les résidus sont normaux. (En effet, JB <5,99).

Figure 5 : Courbe de normalité de Jarque Bera

Series: Residuals Sample 1980 2006 Observations 27

Mean	-0.002288
Median	0.033806
Maximum	0.375610
Minimum	-0.396925
Std. Dev.	0.209040
Skewness	-0.028941
Kurtosis	2.258312
Jarque-Bera	0.622632
Probability	0.732482
8 7 6 5 4 3 2 1 0

-0.4 -0.2 0.0 0.2 0.4

iii- Test d'hétéroscédasticité des erreurs :

La probabilité est égale à 0.733575 (voir annexe 7-a). Les résidus sont homoscédastiques.

iv- Test d'autocorrélation des erreurs :

La statistique de Durbin Watson DW est égale à 1.669053, On ne peut donc pas conclure de l'autocorrélation des résidus. L'application du test de BreushGodfrey à l'ordre 2 nous donne une probabilité égale 0.394109 (voir annexe 7-b) donc on conclut qu'il y a non auto corrélation.

v- Test de stabilité :

L'application du test de Cusum montre que la courbe ne coupe pas le corridor, alors le modèle est structurellement stable (voir annexe 5-c).

Le coefficient (terme de rappel) de la variable RSD (-1) est bien significativement négatif, la représentation à correction d'erreur est alors valide.

2.2- Interprétation des résultats d'estimation

Pour étudier les déterminants de la diversification, nous procédons donc à l'interprétation des résultats obtenus dans les 2 modèles (long terme et court terme) pour les différentes séries étudiées afin de juger de la conformité des résultats avec la théorie économique.

Lorsqu'on se place dans le long terme les résultats montrent que les variables explicatives retenues, à savoir le PIB_HBT, le TCER et le FBCF expliquent 77%

du comportement de l'indice de diversification sur la période de l'étude et ceci s'élève à 83% pour la dynamique de court terme dans laquelle apparaît la série OUV_CCIAL. Tous les coefficients estimés présentent des signes attendus sauf celui du PIB_HBT.

Le revenu par habitant

Le test de student nous montre que le revenu par tête est significatif sur le court et le long terme mais est corrélé négativement avec l'indice de diversification. En d'autres termes un accroissement du revenu par tête implique une perte de diversification pour l'économie béninoise. Ce résultat est contre intuitif selon la théorie. Ceci pourrait être une conséquence du fait que depuis longtemps l'économie béninoise est essentiellement basée sur la production du coton. Lorsque le revenu par tête augmente, cela se traduit par une ruée vers la production du coton, c'est-à-dire le secteur qui se porte déjà bien. La forte contribution de la filière cotonnière à la production nationale, l'implication de l'état dans ce domaine et l'existence de débouchés pour la récolte sont tant de raisons qui attirent les producteurs. Ceci s'explique par le fait que les producteurs béninois du fait de la pauvreté et de toutes les difficultés quotidiennes rencontrées, préfèrent prendre le moins de risque possible et produisent ce qu'ils sont plus ou moins surs de vendre. Cela explique une concentration de l'économie malgré l'accroissement de la richesse par tête. Plusieurs produits sont délaissés en faveur de la production cotonnière baissant ainsi le niveau de diversification des exportations béninoises. Le résultat peut être aussi interprété dans le long terme par une certaine spécialisation qui se justifie par la non compétitivité de certains produits exportés. Le nombre de produits exportés diminuant en dépit de l'évolution du revenu, on assiste à cette nature de relation entre les deux variables.

L'investissement

Dans le modèle de long terme l'investissement est significatif au seuil de 5% et a un impact positif sur la diversification. Ceci est pareil dans le modèle de court terme sauf qu'à ce niveau la variable n'est pas significative à 5% et perd ainsi dans ce modèle un peu son pouvoir explicatif. Les résultats du test de student montrent alors que la diversification s'explique mieux par les effets à long terme de l'investissement. Ce qui est logique vu le délai qui existe entre le moment où l'on investit et celui où l'on ressent ses effets. En observant les élasticités on remarque aussi que dans le long terme l'influence de l'investissement est plus importante que dans le court terme.

Dans le long terme une augmentation de 1% fait croître l'indice d'entropie de 1.622488% alors que dans le court terme pour la même variation de l'investissement l'indice d'entropie n'augmente que de 0.830960%.

En somme on peut dire que la diversification augmente à mesure que les investissements croissent. La formation brute de capital fixe est vitale pour la diversification des exportations au Bénin. Lorsque les gens prennent de plus en plus des décisions d'investissement cela se présente en faveur de la diversification ; soit dans les exportations de nouveaux produits ou dans une importance accrue pour des produits jusque là marginalisés dans l'exportation.

Le taux de change effectif réel

Le taux de change effectif réel est corrélé négativement avec l'indice de diversification mais n'a, dans aucun des deux modèles, un pouvoir explicatif considérable. Ceci pourrait s'expliquer par le fait que le Bénin dispose d'un système monétaire fixe par rapport à l'euro et la majorité des exportations du Bénin se font avec les pays européens. Cette variable n'influence donc pas de façon considérable la diversification des exportations.

L'ouverture commerciale

Variable importante du commerce extérieur, l'ouverture commerciale s'explique dans notre modèle de court terme. L'ouverture commerciale est significative et corrélée positivement avec l'indice de diversification. Ainsi l'accroissement des échanges extérieurs a un impact positif sur la diversification. Ceci pourrait s'expliquer les récents changements dans la politique du gouvernement qui encourage les exportations et donc la production locale. Les producteurs produisent plus et varient la gamme de leurs produits dans le but de s'offrir plus de possibilités de vente profitant ainsi de l'environnement favorable aux échanges extérieurs. Cependant, au vu de son coefficient on peut dire que l'influence de cette variable est faible et pourrait se justifier par le fait que les échanges extérieurs dépendent plus de la valeur des produits exportés alors que l'indice d'entropie dépend plutôt du nombre de produits exportés. Son influence est certes positive mais légère.

Les variables indicatrices

D80, D84 sont des variables indicatrices introduites afin de capter l'effet de la détérioration continue des termes de l'échange sur la période 80 à 84. Ces deux variables indicatrices sont significatives et sont négativement corrélées avec la diversification des exportations. On peut donc conclure que la détérioration des termes de l'échange a un impact négatif sur la diversification.