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

 > 

Les déterminants de la faible bancarisation dans l'UEMOA

( Télécharger le fichier original )
par Agossou Jacques GANSINHOUNDE
Université Polytechnique du Bénin - Master Banque-Finance 2007
  

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

Chapitre 4 Etude économétrique de la faible bancarisation

Le chapitre précédent a permis d'identifier les principaux facteurs susceptibles de contribuer à l'amélioration de la bancarisation dans l'espace UEMOA. Ces facteurs existent tant au niveau économique, social, juridique, bancaire que financier. Mais quelle est leur contribution réelle à l'édification des barrières et frontières d'accès aux services bancaires? Quelle est la contribution particulière de la microfinance ? Ce sont là des préoccupations auxquelles cette étude tente de répondre.

Ce chapitre est constitué de quatre points. Le premier point sert à spécifier le modèle. Le deuxième point permet de faire une régression multiple pour estimer les facteurs explicatifs les plus pertinents. Le troisième point permet de valider l'estimation du modèle à travers différents tests. Le quatrième et dernier point fait ressortir les résultats de l'investigation.

I Spécification du modèle

La modélisation consiste à choisir un modèle adapté aux informations à traiter sur la base d'un ou de plusieurs modèles théoriques et des variables explicatives retenues.

1 Modèle théorique

Beck, Demirguc-Kunt et Peria (2006) ont étudié la relation entre les barrières à l'accès aux services bancaires et les caractéristiques des banques dans différents pays du monde. Ils ont pour cela constitué un échantillon de 193 banques réparties dans 58 pays du monde entier. Le modèle de régression suivant a été spécifié:

Fi,k = á + Bi*â + Ck*ã + åi,k

· Fi,k est la variable endogène qui mesure les difficultés d'accès aux services de la banque i du pays k;

· Bi est un vecteur de variables explicatives de la banque i ;

· Ck est un vecteur de variables caractéristique du pays k ;

· åi,k représente le résidu d'explication pour la banque i du pays k ;

· â est le coefficient permettant de mesurer la contribution des caractéristiques bancaires ;

· ã est le coefficient permettant de mesurer la contribution du facteur pays ;

· á est la constance homogène du modèle.

L'objectif de cette étude est de déterminer les principaux facteurs qui contribuent à l'édification d'obstacles à l'accès aux services financiers. En utilisation des techniques variées d'estimation suivant la nature des variables, les auteurs ont pu tester ce modèle et en ont déduit que :

· La taille des banques est la caractéristique principale dans la création des barrières. Les banques de taille modeste confrontées à des coûts de gestion élevés de la clientèle offrent des services assez chers . Par contre les grandes banques, bénéficiant des économies d'échelle baissent leurs tarifs et rendent les services plus abordables ;

· Les pays ayant des infrastructures de base (transport, communication , énergie, ...), un cadre juridique et contractuel assaini, un secteur bancaire concurrentiel et transparent et une dominance de banques étatiques présentent moins d'obstacles à l'accès aux services bancaires et financiers.

2 Modèle empirique

2.1 Une approche différente

Bien que s'inscrivant dans la dynamique de massification et de démocratisation des services bancaires et financiers, notre étude diffère de celle précédemment décrite en deux points essentiels.

La première différence est relative à l'objectif principal de l'étude. Notre objectif est de déterminer les facteurs qui contribuent à la faible bancarisation. Il s'agit d'une problématique nationale ou sous-régionale. Même si les banques en sont les principaux acteurs, la faible bancarisation ne saurait être définie et étudiée à leur niveau. De part sa définition, la faible bancarisation ne peut être mesurée qu'à l'échelle d'un Etat ou d'une région. Il n'est donc pas possible de construire des variables sur la base des informations propres à une banque. Les variables doivent être définies pour le secteur bancaire national pris dans son ensemble.

La deuxième différence concerne la qualité et l'exhaustivité des données disponibles dans les pays constituant notre échantillon. Beck, Demirguc-Kunt et Peria (2006) ont disposé de 193 observations. Notre étude est basée sur 35 observations (annexe 2). Cela a un impact direct sur le choix du modèle.

2.2 Modèle retenu

En nous inspirant du modèle théorique et tenant compte de la particularité des informations à traiter, nous avons fait le choix d'un modèle de panel formulé comme suit: Mi,t = ui + Xi,t*â + ei,t avec 1 <= i <= 7 indice pays, 2001 <= t <= 2005 indice année et où :

· Mi,t marge de bancarisation22 du pays i à l'année t ;

· Xi,t la matrice des variables explicatives du pays i au temps t ;

· â coefficients de contribution uniformes des variables explicatives ;

· ui constance individuelle destinée à capter l'effet pays;

· ei,t erreur ou résidu d'explication pour le pays i au temps t.

Cette formulation suppose d'une part un comportement globalement uniforme des pays par rapport aux variables qui tient au fait qu'ils appartiennent tous à une même union économique et monétaire et d'autre part la présence d'effets individuels qui sera prouvée par des tests de spécification.

Le modèle de panel (annexe 1) gère des données à deux dimensions (individu, période). Nous avons constitué un échantillon de 7 pays (N= 7). La Guinée-Bissau est écartée pour des raisons d'indisponibilité de certaines informations et pour le caractère particulier de son secteur bancaire et financier (un seul établissement) dans la période de l'étude. Les observations sont étalées sur 5 années (T = 5): de 2001 à 2005. Cela donne au total 35 observations. Le modèle est cylindré; c'est-à-dire qu'il n'y a pas de donnée manquant pour un pays ou pour une année.

3 Choix et définition des variables 3.1 Choix des variables

Tenant compte des facteurs explicatifs potentiels identifiés précédemment, nous avons choisi de tester la contribution de plusieurs facteurs à la détermination de la faible bancarisation. La liste des variables initiales figure en annexe 5.

Le choix définitif des variables a été fait par la méthode dite de « régression pas à pas » (Bourbonnais, 2003). Il s'agit d'une technique qui, à partir de la variable exogène la plus fortement corrélée à la variable endogène permet de construire progressivement un modèle optimal en éliminant systématiquement les variables pour lesquelles le t-student est inférieur au

22 Marge de bancarisation = 100% - taux de bancarisation

seuil pré-fixé.

3.2 Définition des variables

Plus que l'optimisation des résultats significatifs du modèle, le choix des variables explicatives répond prioritairement à une préoccupation économique. Chaque variable doit apporter une contribution positive ou négative au phénomène observé. Le tableau 4 ci-dessous retrace les signes prévus. Une description plus détaillée des variables est en annexe 6.

Tableau 4: Définition des variables

Type de variable

Variables

Libellé

Signe attendu

Explication

Variable à expliquer

 

m_banc

Marge de bancarisation

 

100% - taux de bancarisation

Variables explica- tives

Variable d'état

pib_hbt

Produit intérieur Brut
par habitant

-

Plus il y a de création de richesse, plus il y a de création de comptes et plus la marge diminue.

 

t_pgr_b

Taux de progression du nombre de banques

-

Plus il y a de nouvelles banques, plus il y a de création de comptes et plus la marge diminue.

 

Volume de crédit
bancaire

-

Plus le volume augmente, plus l'activité économique est florissante, plus il y a de création

de comptes et plus la marge
diminue.

 

Banque de petite taille

+

Du fait du manque d'économie d'échelle, les coûts d'ouverture et de fermeture des comptes sont élevés et découragent la création de compte. Ce qui entraîne un accroissement de la marge de bancarisation..

 

v_crimf

Volume de microcrédit

-

Plus le volume de microcrédit
augmente, plus les revenus générés

par les activités économiques

financées sont importants

permettant la contitution d'une
épargne bancarisable.

 

4 Existence et nature des effets individuels

4.1 Existence des effets individuels

Une fois les variables choisies, il est important de vérifier l'existence effective des effets individuels dans le modèle. Pour ce faire, nous utilisons la statistique F avec (N-1, NT-N-K-1) degrés de liberté (annexe 3 au point 3).

Hypothèse et mode de décision

H0: ui = 0

Si (Prob>F) < (seuil = 5%) alors l'hypothèse H0 est rejetée. L'introduction des effets individuels est nécessaire.

Résultat du test

Prob> F = 0,0000. Nous rejetons l'hypothèse H0.

Les effets individuels sont nécessaires pour capter l'hétérogénéité des pays étudiés.

4.2 Nature des effets individuels : fixes versus aléatoires

Les effets individuels engendrés par notre modèle peuvent être à effets fixes ou à effets aléatoires (annexe 1). Pour avoir la précision, nous utilisons le test de spécification de Hausman (annexe 3 au point 4)

Hypothèse et mode de décision

H0 : Pas de différence systématique dans les coefficients;

Si (Prob > chi2 ) < (seuil = 5%) alors l'hypothèse H0 est rejetée et les effets sont plutôt fixes. Résultat du test de Hausman

chi2(7) = 19,13

Prob>chi2 = 0,001 8

L'hypothèse H0 est rejetée et le modèle est à effets fixes.

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








"Un démenti, si pauvre qu'il soit, rassure les sots et déroute les incrédules"   Talleyrand