|
Les effets de la politique budgétaire sur la croissance économique en république démocratique du Congo. "Volet dépenses publiques" de 1985 à 2015.( Télécharger le fichier original )par Reagan Protais MUFAUME MULANGWA Université de Kinshasa - Diplôme dà¢â‚¬â„¢Etudes Supérieures Spécialisées (DESS) 2016 |
CHAPITRE III. ANALYSE EMPIRIQUE DES EFFETS DES DEPENSES PUBLIQUES SUR LA CROISSANCE ECONOMIQUE EN RDC.Il sera question dans ce chapitre de discuter empiriquement de la relation entre les dépenses publiques sur la croissance économique dans le cas précis de la RDC, et de proposer sur cette base la politique économique adéquate Pour évaluer les effets des dépenses publiques sur la croissance économique, nous allons construire un modèle intégrant les variables de la dépense publique et de la croissance économique. Dans cette partie, nous allons procéder à la présentation des variables retenues, la méthode, les données, le modèle, des résultats de l'estimation et l'interprétation.
Au regard de ce qui précède, un certain nombre des variables sont mise en exergue, il s'agit notamment de : § Variable dépendante : c'est la croissance économique qui se traduit en taux de PIB réel par tête et qui est fonction des variables explicatives. Elle est l'objet de l'analyse économique classique de cette étude. § Variables indépendantes : sont celles qui influencent indirectement le taux de croissance du PIB, en l'occurrence, (dépenses publiques de fonctionnement, la dette extérieure, les dépenses publiques d'investissement et la corruption) § Les paramètres à estimer sont â, ä, á et èetåt le terme d'erreur
Tableau N°2 : Présentation des statistiques descriptives
Sources: Sortie d'EXCEL décrivant les données à étudier. Le tableau 1 fournit une description synthétique des données à étudier, qui sont au nombre de 30 observations, la valeur minimale, la valeur maximale, la moyenne, et l'écart type de chaque série. Les données utilisées pour les estimations proviennent principalement de deux sources à savoir : les indicateurs macroéconomiques recueillis dans la base de données de la banque mondiale (World Développent Indicator) et de la base des données d'intégrité publiée par WB data et l'ICCRGL (Indice de la corruption), elles couvrent la période 1985 - 2015. La matrice de corrélation met en évidence les corrélations linéaires existantes entre différentes variables prises deux à deux. La matrice de corrélation donne les informations et ou la liaison qui existe entre deux variables. La matrice de corrélation se présente comme suit Tableau N° 3 : la corrélation entre les variables de l'étude
(*) Significatif au seuil de 1%, (**) significatif au seuil de 5% et (***) significatif au seuil de 10% Source : Nos calculs à l'aide du logiciel Stata 12 Dans cette section, il est question d'examiner si les variables que nous allons utiliser pour nos analyses sont stationnaires ou non. En cas de non stationnarité des variables, nous devrons éliminer soit la tendance soit la racine unitaire selon qu'il s'agit d'un processus TS ou DS44(*). En effet, il nous est opportun de recourir à cette analyse pour éviter des régressions fallacieuses. Pour ce faire, nous allons utiliser le test de racine unitaire (ADF) proposé par DICKEY et FULLER. Ce test s'effectue en utilisant trois modèles (le modèle avec tendance et terme constant, le modèle sans tendance mais avec terme constant ainsi que le modèle sans tendance ni constante) de manière séquentielle jusqu'à l'acceptation du modèle approprié. Ce test permet de tester l'hypothèse H?45(*): présence de la racine unitaire (le processus n'est pas stationnaire) contre ?46(*) : absence de la racine unitaire (le processus est stationnaire) Le tableau suivant nous renseigne sur le caractère stationnaire ou non stationnaire de nos variables
Sources : annexes Il ressort de ce tableau que : Toutes nos variables sont stationnaires soit sous forme logarithmique soit après différence 1ère de la forme logarithmique. En annexe, se trouvent les détails de ce test sur nos variables.
Pour atteindre l'objectif de notre étude, nous allons procéder par une régression multiple dont les paramètres seront estimés à l'aide de deux méthodes, à savoir : la méthode de moindres carré ordinaire (MCO) et celle des moments généralisées (GMM) avec variables instrumentales. Le recours à ces méthodes permettrait d'apprécier la rigueur des résultats obtenus par la méthode de moment généralisé (GMM) avec variables instrumentales (VI) face à ceux que propose le MCO. En effet, les variables instrumentales (VI) sont opportunes lorsqu'on se fait des doutes quant à la précision de données récoltées. C'est-à-dire qu'il y a possibilité que les variables exogènes soient mesurées avec erreur. Ce qui fait que l'utilisation des variables instrumentales permet d'obtenir des estimateurs consistants et non biaisés en éliminant le biais d'atténuation qui découle du recours aux MCO. Aussi, les variables instrumentales règlent le problème d'endogénéité des variables explicatives en les exogénéisant. L'utilisation des variables instrumentales a été combinée à la méthode de moments généralisée car cette dernière est robuste en présence d'hétéroscédasticité et d'autocorrélation des erreurs, échappe également au biais d'endogénéité des variables explicatives qui pourrait créer une multicolinéarité qu'elle corrige le cas échéant. Dans nos modèles d'analyse, nous avons introduit la variable autorégressive d'ordre (1) pour tenir compte du niveau de développement initial dont dépend également la croissance économique. Comme il a été dit plus haut nous visons dans cette étude d'analyser l'impact de la politique budgétaire sur la croissance économique. Pour ce faire, cette dernière variable a été captée par le taux de croissance du PIB (txcr) et les variables de politique budgétaire retenues sont : les dépenses publiques de fonctionnement (dfonct), les dépenses publiques d'investissement (inv) ainsi que le stock de la dette publique extérieure (dext). Nous avons en outre introduit la variable corruption (corr) dans ce modèle car elle nous parait indispensable pour mener à bien une politique budgétaire. Notre modèle d'analyse se présente comme suit :
Où
Tableau N°5 : Résultats Obtenus par la Méthode de Moindre Carré Ordinaire (MCO)
Source : nos calculs sur eviews (annexes) Modèle I
Modèle II
Modèle III
Modèle IV
Interprétation des Résultats - le niveau de développement initial [AR(1)] impacte significativement la croissance économique. - la dette extérieure (dext) réduit la croissance économique mais cette influence n'est pas consistante. - les dépenses de fonctionnement (dfonct) jouent négativement mais de manière non significative sur la création de richesses du pays. - L'influence du taux d'investissement en capital (inv) est non significativement positive sur l'accroissement du produit national. - La corruption (corr) joue au détriment de la croissance avec un seuil de significativité de 10%. Du fait que l'impact de certaines variables sur la croissance économique [dépenses de fonctionnement (dldfonct), investissement (linv) et dette extérieure (dldext)] est non significatif dans notre modèle de base (modèle I), nous les avons progressivement retirées de ce modèle dans le but d'améliorer nos résultats (sans succès). Ce qui a généré les modèles II, III et IV. Donc la forme finale de notre modèle avec cette méthode d'estimation explique la croissance économique en fonction du niveau de développement initial [AR (1)] et de la corruption (dlcorr). Avec l'objectif de comparer la qualité des résultats obtenus à l'aide du MCO, qui violent les hypothèses de régression fiables, avec ceux issus de la méthode GMM, nous avons estimé le même modèle d'analyse avec cette dernière comme annoncé plus haut. A l'issu de cet exercice les résultats se présentent comme suit : Tableau N° 6: Résultats Obtenus par la Méthode des Moments Généralisée (GMM)
Source : Nos calculs sur Eviews (annexes) Modèle I
Modèle II
Modèle III
Interprétation des Résultats - le niveau de développement initial [AR(1)] accuse un signe positif et très significatif. - la dette extérieure (dext) joue un rôle négatif et non significatif sur la croissance économique. - les dépenses de fonctionnement (dfonct) jouent positivement mais de manière non significative sur la création de richesses du pays. - L'influence du taux d'investissement en capital (inv) a été significativement positive sur l'accroissement du produit national. - La corruption (dlcorr) minore la croissance et ce, de manière très significatif. Comme pour le MCO, nous avons retiré une par une les variables non significatives du modèle I en vue d'obtenir des résultats améliorés. Ce qui a donné lieu au modèle II et III. Nous observons que la méthode des moments généralisée (GMM) avec variables instrumentales corrige les hypothèses violées avec la méthode de moindre carré Ordinaire (MCO). Au regard de la statistique DW, sa valeur obtenue avec le MCO est de 1.23. Nous sommes donc dans la zone de doute laissant présager une autocorrélation positive des erreurs et de ce fait, une variation de la variance dans le temps (hétéroscédasticité) du fait de la valeur de la statistique Prob. F (0.0000) qui est inférieure à 5% (test de white). Le recours à la méthode des moments généralisée (GMM) nous a permis de corriger cette violation d'hypothèse en nous donnant une valeur DW (2.15) qui tourne autour de 2 (norme) dans le modèle III. La méthode de moindre carré ordinaire (MCO) et celle des moments généralisée donnent des valeurs des probabilités associées à la statistique de JarqueBera respectivement de 0.3183 (modèle IV) et 0.8755 (modèle III) supérieures à 5%. ce qui signifie que les erreurs suivent la loi normale qui voudrait que leur distribution soit symétrique et mésocurtique avec une moyenne nulle. Du fait que la valeur de la probabilité associée à la statistique de JarqueBera issu de la méthode des moments généralisée (0.8755) est supérieure à celle que donne le MCO (0.3183), nous déduisons que la méthode de moments généralisée (GMM) améliore la normalité. Après avoir testé la stabilité du modèle (modèle IV) estimé par la méthode de moindre carré ordinaire à l'aide du test de cusum, le résultat nous montre que ce dernier n'est pas stable car la courbe de cusum se situe à l'extérieure de l'intervalle de confiance, ce qui veut dire que ces coefficients ne peuvent pas servir à des fins prévisionnelles compte tenue de leurs évolutions au cour temps. Cfr le test de stabilité en annexe. Nous retenons donc que la croissance économique dépend du niveau de développement initial [AR(1)], des investissements publics (inv) et de la corruption (corr) conformément au modèle III de la méthode des moments généralisée (GMM) qui corrige toutes les violations possible en recourant au MCO. Les résultats obtenus confirment la difficulté à établir avec certitude le sens, la nature et la portée des effets positifs des dépenses publiques de fonctionnement et de la dette extérieure sur la croissance économique. En particulier l'impact négatif de dépenses de fonctionnement et ou de consommation suggère l'inexistence d'un effet multiplicateur de la demande, du fait notamment d'une forte propension marginale à importer dans l'économie congolaise. D'où, la question relative à la destination effective des engagements de dépenses effectués par les pouvoirs publics mérite d'être posée. Au contraire, à long terme, les dépenses publiques d'investissement ont impacté positivement la croissance économique en RDC. Cela est dû tout d'abord à la reprise de la coopération entre les institutions de BrettonWoods et la RDC vers les années 2002 et notamment le programme d'investissement public congolais a été appuyer et soutenu par les financements extérieurs auprès de différents partenaires durant cette décennie. Par conséquent, le principal enseignement de l'étude est que les dépenses publiques peuvent favoriser la croissance de l'économie congolaise lorsqu'elles sont destinées aux investissements. Par ailleurs, ces résultats semblent s'approcher de ceux de NUBUKPO (2003) qui met en évidence l'inexistence d'un impact significatif à court terme, mais l'existence d'un lien significativement positif à long terme entre les dépenses publiques d'investissement et la croissance économique dans la majorité des économies des pays d'Afrique de l'Ouest. * 44 Un processus TS est rendu stationnaire en faisant l'écart à la tendance tandis que le DS l'est par l'utilisation du filtre aux différences. * 45 Hypothèse nulle * 46 Hypothèse alternative |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
(1)
â, ä, á et è sont les paramètres
à estimer et åt le terme d'erreur.
(2)
(3)
(4)
(5)
