Memoire Online - Cuivre, dette et pauvreté en RDC:"une analyse par la modélisation var"

En dépit des ressources substantielles tirées de l'exploitation cuprifère au cours des 50 dernières années, la RDC est confrontée à une véritable crise d'endettement qui handicape sérieusement son développement économique et social. De plus en plus de congolais éprouvent de grandes difficultés pour subvenir à leurs besoins élémentaires à savoir : se nourrir, se vêtir, se loger, s'instruire etc. Ainsi, le présent article s`intéresse-il aux liens de causalité entre la pauvreté, le niveau d'endettement et la production du cuivre en R.D Congo. En mettant en oeuvre un modèle VAR, ce travail met en évidence d'une part, l'effet catalyseur de l'endettement sur la montée de la pauvreté et d'autre part l'incidence négligeable de la production du cuivre sur l'indice développement humain. Dans le cas de la RDC, la réduction de la dette est le levier important de la lutte contre la pauvreté.

PREAMBULE

Pour bien appréhender la problématique de la pauvreté en R.D Congo, nous allons pouvoir étudier le comportement de l'économie de la RDC pendant ses 50 ans d'indépendance. Cela étant, nous nous sommes mis à analyser dans le cadre de ce travail la relation de causalité entre la production du cuivre, la dette et la pauvreté afin de bien appréhender la problématique de la dette extérieure et la pauvreté en R.D Congo. Le sujet sous étude porte sur : CUIVRE, DETTE ET PAUVRETE EN RDC par l'approche de la modélisation VAR.

Pour se faire, nous avons recouru à la modélisation VAR (Vecteur Autorégressif) sur base des données disponibles et en tenant compte de l'existence de la dette publique extérieure après l'accession du pays à l'indépendance.

Parmi les difficultés rencontrées dans la réalisation de ce travail, nous devons souligner, le non disponibilité des données relatives aux différentes séries pour les 50 ans d'indépendance.

0.INTRODUCTION

0.1. Problématique

La République démocratique du Congo est l'un des pays le plus riche de la planète du point de vue géologique. En effet son sol et son sous sol regorgent des minerais les plus recherchés au monde, parmi lesquels nous pouvons citer : l'Or, le diamant, le cuivre, le cobalt, le coltan, l'étain, etc. La production du cuivre et du cobalt place le pays respectivement au deuxième et premier rang à l'échelle mondial.

Nonobstant sa richesse du sol et du sous sol qui est vu à travers le monde comme un scandale géologique, on remarque qu'après l'accession du pays à l'indépendance jusqu'aux années 70, l'économie congolaise était marquée par une relative prospérité pour la population (congolaise) et des performances économiques appréciables. C'est ainsi qu'après les années 70 suite au changement de régime en termes de politiques économiques, le pays a plongé dans une crise sans précédents dont les caractéristiques ont été entre autres : un endettement excessif, une paupérisation croissante des populations, une montée du degré des nationalisations des entreprises autrefois privées et un recul des indicateurs composites de développement humain.

Par ailleurs, les recettes provenant de la vente des cuivres brut congolais et de l'augmentation qui s'en est suivi ont permis une augmentation considérable de recettes du budget de l'Etat. C'est ainsi que depuis 2006, suite aux différentes revisitassions du contrat minier, le budget de l'Etat était relativement revis à la hausse mais cette augmentation des recettes ne se fait pas sentir sur le bien être socio économique des ménages. D'où la pauvreté qui caractérise la plupart des ménages congolais vivant de moins d'un dollar américain par jour.

Comme le souligne CAMPBELL (2002), « les stratégies de lutte contre la pauvreté sont devenues la pierre angulaire des stratégies de développement ». Même la banque mondiale et le fonds monétaire international qui étaient restés jusque là en retrait sur ce front, axant leur action sur la mise en oeuvre des programmes d'ajustements structurels, y participent activement. C'est dans cette optique qu'ils ont lancé, dès 1996 une initiative de réduction de la dette des pays pauvres très endettés (IPPTE), initiative qui depuis son renforcement en 1999 voudrait que l'aide soit « ciblée vers les pays ayant des niveaux élevés de pauvreté mais ayant mis en place des bonnes politiques et le cadre institutionnel permettant le succès de la lutte contre la pauvreté » (WORLD BANK, 2001). C'est ainsi que la RDC vient de bénéficier d'un allégement de près de 85 % du poids de sa dette extérieure par l'atteinte du poids d'achèvement en fin de mois de juin 2010.

Ainsi l'ampleur de ce phénomène de pauvreté exige que sa réduction soit tout aussi un « réel » objectif majeur de la politique économique de la RDC. Mais pour atteindre ledit objectif, il faudrait d'une part que le pays entreprenne des actions susceptibles de contribuer au bien être social de sa population afin de réduire de façon substantiel le niveau général de la pauvreté et d'autre part atteindre un niveau de ressources susceptibles de rendre le pays plus ou moins indépendant vis-à-vis des emprunts extérieurs afin de ne plus tomber dans ce gouffre de grand endettement qui le pénalise.

En vue d'atteindre ce pari, la RDC doit nécessairement accroitre sa production afin de pallier entre autre au besoin de consommation interne, lutter contre le phénomène de pauvreté sur ses différents axes et renforcer son budget afin d'éviter le risque de surendettement. Dans un article publié par l'institut européen du cuivre sur le rôle que joue ce métal dans la société moderne, Christian de Barrin, Directeur de la communication dudit institut, déclare que « chaque augmentation de PIB d'un million de dollars nécessite que 500 Kg de cuivre supplémentaire. D'où le cuivre confirme son rôle clé pour la croissance des sociétés modernes ». Ainsi les liens entre d'une part poids de l'endettement et la production du cuivre et d'autre part la production du cuivre et la pauvreté sont une réelle constitue l'objet de notre étude. En effet l'objectif du présent article est de définir les relations dynamiques existant entre l'endettement, la pauvreté, et la production cuprifère afin de mettre en évidence les éventuels liens de causalité entre ces phénomènes. Pour atteindre ce résultat, nous allons recourir à la mise en oeuvre d'un modèle autorégressif vectoriel (VAR).

0.2 Question de recherche

Quelle est la contribution de la dette extérieure et de la production du cuivre sur le bien être socio - économique des populations de la RDC ainsi que sur la croissance économique ?

0.3. Hypothèse

La dette extérieure et la production du cuivre apporteraient une faible contribution dans la réduction de la pauvreté en RDC.

0.4. Méthodologie

Beaucoup de chercheur montre qu'il existe une interaction entre l'exploitation minière, la dette et la pauvreté ainsi que des possibilités de feedback et de causalité bidirectionnelle entre ces variables.

Vu sous cet angle, il sera avantageux dans le cadre de ce travail de tester le sens de la causalité sans préalablement faire des hypothèses endogènes-exogènes (Sims, 1980). Cela étant, l'application de l'approche par la modélisation VAR semble être appropriée pour cette étude.

0.5 Choix et intérêt du sujet

Ce sujet est irrécusable à plus d'un titre car le débat sur le surendettement de notre pays a été l'un des points majeurs touchant l'économie de notre pays. En effet ce travail se veut éclairer d'une part les décideurs politiques dans leur choix de politique économique afin que ceux-ci tiennent compte du bien être socio-économique de la population et d'autre part d'informer la population de la situation du surendettement du pays et comment ceci a participe à la détérioration de la structure socio économique du pays.

0.6. Revue de la littérature

A) Revue de la littérature théorique

Après un parcours de la littérature en la matière, il sied de remarquer que comme tel, les relations entre le cuivre, la dette et la pauvreté n'ont pas été analysées mais il existe cependant une abondante littérature sur les relations entre ces phénomènes pris deux à deux. Nous présentons ici quelques unes d'entres ces relations.

B) Relation entre cuivre et pauvreté

Le cuivre est un minerais destiné principalement à l'exportation et donc pourvoyeurs de recettes en devises pour le pays. Dans cette condition, il ne peut exister qu'une corrélation de sens inverse entre ces deux variables. Mais dans les années 1980, le phénomène du Dutch Disease ou « syndrome hollandais » (l'impact d'un taux de change surévalué sur le secteur non exportateur de ressources) attira l'attention de (Corden, 1984) ; (Corden and Neary, 1982) l'observation majeure effectuée dans ces années est que les exportations pétrolières générèrent tout un ensemble de phénomènes complexes qui handicapèrent la croissance de l'économie. « Cette maladie, pour reprendre le terme employé par les économistes, ne résulte pas seulement de l'exportation de pétrole mais peut également résulter de l'exportation d'autres produits primaires dont le cuivre, cacao, etc. »^1(*)

Dans les années 1990 avec la théorie de rent-seeking ce fut principalement l'impact des revenus du pétrole, des projets miniers et du gaz sur le comportement des gouvernements qui domina la discussion académique (Ascher, 1999 ;Auty, 1990). Cette dernière met au coeur de son analyse les différentes formes de rentes. Elle affirme que la production de ressources naturelles a pour caractéristique de favoriser d'importantes rentes économiques générées par l'Etat. Dans ce cadre, trois principaux arguments sont avancés pour expliquer leurs effets négatifs sur la croissance économique, à savoir :

ü L'abondance de ces ressources naturelles permet au gouvernement de prélever des taxes importantes et d'en redistribuer une partie sous forme de revenus et ceux qui perçoivent ces revenus peuvent se constituer en groupes d'intérêts hostiles aux changements, qui entravent les réformes.

ü Cette théorie affirme aussi que l'abondance de ressources naturelles mène inévitablement à la corruption et l'inefficience de la bureaucratie : ce sont ces comportements qui pèsent négativement sur la croissance ;

ü les gouvernements qui reçoivent directement les rentes sur les ressources naturelles ont eu tendance à les gaspiller dans des dépenses improductives ou de vastes programmes d'investissements publics inefficients.

Ainsi l'on constate clairement que la production des minerais en général et du cuivre en particulier n'a pas simplement un effet positif mais peut aussi être source de nuisance pour une économie et engendrer des malaises qui peuvent conduire a la pauvreté.

C) Relation entre dette et pauvreté

D'après la théorie économique, l'emprunt extérieur a un effet positif sur l'investissement, sur la production des entreprises et sur la croissance économique. Mais cet emprunt ne doit pas dépasser un seuil (niveau). Dépassé ce seuil, son effet devient négatif, donnant lieu à une relation en forme de « courbe de Laffer » entre la dette extérieure d'une part et l'investissement et la croissance du revenu par habitant d'autre part. A cet effet, pour Adedeji (1998), la dette a un effet dévastateur sur les pauvres. Elle détruit le tissu d'écoles, cliniques et hôpitaux et ses effets ne sont pas moins dévastateurs que ceux de la guerre. Des études empiriques dont celles de Krugman (1988), Sachs (1989) et Patillo et al (2002) ont montré que l'accumulation de la dette décourage l'investissement par l'effet d'éviction. Toutes choses égales par ailleurs, un lourd service de la dette peut accroitre la facture des intérêts et le déficit budgétaire de l'Etat et réduire ainsi l'épargne publique.

Pour Patillo et al. (2002) ont montré sur la base d'une étude sur 93 pays en voie de développement entre1969 et 1998, que la dette extérieure commence à avoir un impact négatif sur la croissance quand sa valeur nette a excédé 160-170% des exportations et 35-40% du PIB. La plupart des études menées autours de la dernière décennie sur le rapport endettement-pauvreté dans les pays en développement sur endettés ont conclu que le fardeau de la dette est l'une des plus grandes entraves au développement du tiers-monde.

« Elle contraint le gouvernement à mener une politique d'affectation des ressources budgétaires restrictives vers les secteurs sociaux, en particulier vers l'éducation et la santé, politique impuissante à redresser la situation chaotique de ces secteurs » (Boungou Bazika, 2004).

D) Relations croissance pauvreté inégalités

Ali et Thorbecke (1998) en utilisant des données d'enquête auprès des ménages de 16 pays d'Afrique ont trouvé que la pauvreté rurale tendait beaucoup plus à réagir à la croissance que la pauvreté urbaine, alors que cette dernière avait beaucoup plus tendance à réagir aux changements de la distribution du revenu. De leur coté Moser et al. (2001) ont montré à partir de données de panel sur 46 pays que dans les pays africains, il existait un lien significatif entre la croissance économique et l'amélioration des indicateurs de pauvreté non monétaires. Les inégalités quant à elles ont avec la croissance une relation double pouvant être tant positive que négative.

En considérant tout d'abord les effets de la croissance sur les inégalités., l'étude de ce sujet a une longue tradition dont le point de départ est l'hypothèse de Kuznets (1955) selon laquelle les inégalités tendent à augmenter dans la première phase du développement du fait des changements dans la structure économique, puis ces inégalités tendent à baisser par la suite. La relation entre croissance et inégalité de revenu évolue suivant une courbe en U renversé. La question a fait l'objet de nombreuses études empiriques dont celles de Deininger et Squire (1996) ayant soutenu que la croissance n'a aucun impact sur les inégalités ainsi que Dollar et Kraay (2002) qui eux ont conclu que la croissance est bonne pour les pauvres et par conséquent les politiques de promotion de la croissance sont aussi bonnes pour les pauvres que pour l'ensemble de l'économie.

Ce qui précède n'est qu'une face de la relation entre croissance et inégalités. En effet, de nombreux chercheurs soutiennent que les inégalités ne constituent pas seulement un résultat mais plutôt un déterminant de la croissance. Ce courant lancé par Galor et Zeira (1993) a fait l'objet de nombreuses études théoriques qui fournissent plusieurs canaux par lesquels les inégalités se répercutent sur la croissance en se répartissant en deux tendances :

La première suggère l'existence d'un effet néfaste des inégalités sur la croissance et avance trois principaux arguments:

ü le premier dit d'économie politique soutient qu'il y a une forte demande de redistribution dans les sociétés où une grande partie de la population n'a pas accès aux ressources productives de l'économie. En système démocratique cela tend à augmenter le niveau préféré d'imposition et nuit généralement à la croissance du fait de son impact négatif sur l'accumulation (Alesina et Rodrick, 1994). La politique redistributive pourrait notamment chez ceux qui reçoivent provoquer une démotivation à l'effort de travail et chez ceux qui transfèrent décourager l'investissement.

ü Le second est donné par les approches dites sociopolitiques (Alesina et Perrotti, 1996) qui soutiennent que la polarisation des revenus alimente la violence et le mécontentement social. les agents les plus défavorisés tendent à multiplier leurs revendications qui peuvent dégénérer en émeutes et en coups d'Etat. L'instabilité sociopolitique décourage l'accumulation en raison des perturbations actuelles et de l'incertitude sur l'avenir. Elle a donc une influence négative sur la croissance.

ü Le troisième argument dit des contraintes de crédit peut être résumé comme suit : Une répartition inégale des revenus peut ralentir à la fois la formation de capital humain, en diminuant la capacité des pauvres d'investir dans l'éducation et la formation de capital physique (Galor and Zeira, 1993).

Des études empiriques viennent corroborer ces arguments en faveur d'une relation négative entre inégalités et croissance. En incorporant les inégalités comme variable explicative dans la régression de Barro, (Alesina et Rodrick, 1994), (Perroti, 1996) et (Bénabou, 1996) ont conclu que les inégalités initiales sont préjudiciables pour la croissance de long terme.

A coté de ce courant en faveur d'un impact négatif des inégalités sur la croissance existe un autre suggérant l'existence d'une relation positive entre les inégalités et la croissance. On peut notamment citer l'hypothèse de Kaldor selon laquelle la propension marginale des riches est plus importante que celle des pauvres. Alors, si le taux d'investissement est positivement corrélé au taux d'épargne et la croissance positivement corrélée à l'investissement, une économie plus inégale est censée croître plus vite. Mirrless (1971) se fondant sur des considérations d'incitations soutient que des salaires constants et indépendants des résultats obtenus découragent tout effort de la part des travailleurs alors que l'indexation des salaires sur la production finale augmente leurs incitations et maximise la production de toute l'économie.

L'effet positif des inégalités sur la croissance est aussi suggérée par Forbes (2000) qui à partir d'une estimation sur données de panel conclut que « dans le court et le moyen terme, une augmentation du niveau des inégalités des revenus dans un pays a une forte corrélation avec la croissance économique subséquente». A cette même conclusion aboutit Barro (2000), mais pour qui la relation positive n'existe que dans le cas des pays développés.

Par ailleurs MUNLEVO, dans son articule sur le pétrole, dette et pauvreté au Congo Brazzaville montre l'existence d'une relation de long terme entre la production du pétrole et la pauvreté mais ladite relation est inverse entre les deux variables. Ce qui lui permet de montre que la production du pétrole a un effet négatif sur la pauvreté.

Pour nous, il y a une relation inverse unidirectionnelle entre l'IDH et la dette publique dans le cadre de notre travail portant sur le cuivre, la dette extérieure et la pauvreté en R.D.C.Ceci montre que toute augmentation de la dette participe à la détérioration du bien-être de la population en aggravant le niveau de pauvreté.

I. ANALYSE EXPLORATOIRE DES DONNEES

I.1 TESTS INFORMELS DE LA STAIONNARITE DES SERIES

A. ANALYSE GRAPHIQUE

La série de l'évolution de la production du cuivre est non stationnaire niveau et entachée d'une tendance à la baisse. Ce qui montre qu'il y a présomption de non stationnarité de la série dans le temps. (Cfr .Graphique 1 en annexe)

Il ya présomption de la stationnarité de la série de la dette. Ceci du fait que la série reste stationnaire malgré les fluctuations et les perturbations dans le temps. (Cfr Graphique 2 voir annexe)

La série est non stationnaire à niveau et la série est entachée d'une tendance à la hausse. (Cfr Graphique 3 en annexe)

B. ANALYSE DU CORRELOGRAMME

Les valeurs des probabilités associées à la statistique Q-stat, montrent que la série est non stationnaire du fait qu'elles soient toutes inférieures à 0,05.(Voir 1 Corelogramme 1 en Annexe)

Ce correlogramme montre que la série de la dette est stationnaire à niveau étant donné que toutes les probabilités associées à Q-stat sont significativement différent de zéro à 5%. Il en est de même pour la fonction d'auto corrélation simple qui indique la présence d'un processus Bruit blanc. (cfr correlogramme 2 en annexe)

La série est non stationnaire au regard de la non significativité de la statistique Q-stat au seuil de 5% et de la décroissance des coefficients de la fonction d'auto corrélation partielle dans le temps. (Cfr correlogramme 3 en annexe).

I.2 TESTS FORMELS : TEST DE RACINE UNITAIRE (ADF ET Mackinnon)

La valeur de la statistique ADF en valeur absolue est inférieure aux valeurs critiques de la statistique de Mackinnon en valeur absolue. D'où la série sous étude est non stationnaire. Cette non stationnarité est de type DS car le coefficient associé à la tendance est non significatif au regard de la t-stat. (Cfr Tableau 1 en annexe)

La série est stationnaire car, la valeur de la statistique ADF en valeur absolue est supérieure aux valeurs de la statistique de Mackinnon en valeur absolue à tous les seuils.(Cfr Tableau 2 en annexe)

La série est non stationnaire au regard de la valeur de la statique ADF en valeur absolue qui est

Inférieure aux valeurs critiques de Mackinnon .Et étant donné que la valeur de la statistique t-stat associée à la tendance est non significatif au seuil de 5%, la série est non stationnaire du type DS.(Cfr Tableau 3 en annexe).

I.3 STATIONNARISATION DES VARIABLES

On Remarque que la série devient stationnaire après la différence première ( Cfr tableau 4 en annexe).

La série est stationnaire au regard de la statistique ADF qui est supérieure à toutes les de Mackinnon en valeur absolue après la différence première (Cfr Tableau 5 en annexe).

II.RECHERCHE DU RETARD OPTIMAL (LAG OPTIMAL)

Pour trouver le nombre de retard optimal, nous allons faire recours aux critères d'AKAIKE(AIC) et de SCHWARZ(SC) afin d'identifier le lag qui minimise ces deux critères. Etant donné que notre série n'est pas très longue, nous prenons p=5 pour trouver la valeur du lag optimal.

Au regard du tableau ci-dessus, on remarque que les critères d'AKAIKE et SCHWARZ sont minimisés pour un lag p=1. D'où le modèle que nous allons utiliser sera un VAR (1 ,1) pour vérifier nos hypothèses.

III SPECIFICATION DU MODELE

Nous venons de trouver que le modèle adapté à nos données est un VAR (1,1). Cela étant, nous allons dans un premier temps spécifier économiquement, mathématiquement et économétriquement le modèle VAR(1,1).

III.1 Spécification économique du modèle

L'analyse économique postule une relation en sens inverse entre la dette et la pauvreté en ce sens que toute augmentation de la dette publique peut détériorer le bien être socio-économique de la population via le décaissement du service de la dette annuellement faute d'une bonne planification. Il en est de même pour l'exportation du cuivre qui est en relation inverse avec la pauvreté ; cela veut dire que lorsque, la production du cuivre augmente, les recettes publiques augmentent et par la suite cette augmentation des recettes aura un impact positif sur le bien-être de la population.

III.2 Spécification mathématique du modèle

- Comme indicateur de l'activité cuprifère nous utilisons le niveau annuel de production du cuivre(en dollars) que nous noterons CUIVRE.

- Le fardeau de la dette est approximé par le ratio du service de la dette sur les recettes budgétaires. La série y relative provient de la BCC.

- La pauvreté est mesurée par l'indice du développement humain qui synthétise les richesses produites ainsi que le d'éducation et de santé. La série d'IDH est tirée du rapport annuel du PNUD (1990-2008) ; FMI ; Banque mondiale.

DIDH_t = â₁₀ + â₁₁DIDH_t-1 + â₂₁DCuivret_-1 + â₃₁Dette_t-1+ u₁t

DCuivre_t = â₂₀ + â₁₂DIDH_t-1 + â₂₂DCuivre_t-1 + â₃₂Dette_t-1+ u₂t

Dette_t = â₃₀ + â₁₃DIDH_t-1 + â₂₃DCuivre_t-1 + â₃₃Dette_t-1+ u₃t

IV.ESTIMATION DU MODELE VAR (1,1)

Le modèle estimé dans le cadre de ce travail est un VAR (1 ,1).Le modèle VAR (Vecteur Autorégressif) est un modèle à équations simultanées dans lequel une variable dépend non seulement des ses valeurs passées mais aussi des valeurs passées et présentes des autres variables. Après estimation du modèle VAR(1,1) ci-haut spécifié nous obtenons l'output de l'estimation (Cfr Tableau 6 en annexe).

DIDH = 0.001640680042 + 0.05256124608*DIDH(-1) - 4.938795379e-08*DCUIVRE(-1) + 2.694489725e-08*DETTE(-1)

DCUIVRE = - 27573.34819 + 1005615.101*DIDH(-1) + 0.6996172375*DCUIVRE(-1) + 0.4061426809*DETTE(-1)

DETTE = 4091.402099 - 83662.41296*DIDH(-1) + 0.0002658780472*DCUIVRE(-1) - 0.04860021589*DETTE(-1)

Les tests de nullité des paramètres de court terme lié aux trois équations ci-dessus permettent de relever qu'à court terme : la dette est influencée par l'IDH (retardé d'une période) car le t-stat associé à l'IDH est significatif dans l'équation de la dette.

Cette causalité de court terme mis en évidence avec les paramètres de court terme de la dette peut être confirmée par la méthode de Granger.

V. test de causalité de Granger

On rejette H0 car la probabilité associé à DIDH est inférieure à 0,05.D'où, il ya causalité unidirectionnelle entre l'IDH et la DETTE.

Au regard de la valeur de la probabilité ci-dessus, on remarque qu'il n'ya pas causalité entre la production du cuivre et l'IDH.

Au regard des valeurs des probabilités ci-dessus, on remarque qu'il n'y a pas causalité entre la dette et la production du cuivre au regard des données relatives à cette étude.

Bref, nous venons de voir qu'il n'y a de lien de causalité unidirectionnelle qu'entre la Dette et l'IDH. Et cette relation entre les deux variables ci-haut souligné est inverse en ce sens que toute variation de l'IDH d'une unité provoque une détérioration de la dette de 83662,41296 unités monétaires. Cela confirme la théorie selon laquelle, l'augmentation de la dette a un effet négatif sur le bien-être de la population.

VI. ANALYSE DES CHOCS ENTRE DETTE ET IDH (Pauvreté)

De l'analyse des fonctions de réponses obtenues par le test de Granger, il ressort que :

Les chocs subis par les variables sont transitoires, les variables trouvent leur équilibre de long terme au bout des 10 périodes présentés sur les graphiques et semblent un sentier d'équilibre. Les profils temporaires des impacts ne sont pas linéaires. On peut relever qu'un choc positif sur la dette a dans l'immédiat un effet sur l'IDH mais cet effet s'amplifie par la suite et amène l'IDH sur un nouveau sentier d'équilibre. (Cfr Graphique 4 et Tableau 4)

VII. DECOMPOSITION DE LA VARIANCE DE L'ERREUR PREVISIONNELLE

La décomposition de la variance permet de déterminer dans quelle mesure les variables ont une interaction entre elles, c'est-à-dire dans quelle direction le choc a-t-il le plus d'impact (Bourbonnais, 2002). les résultats présentés ci-haut indique que dans un horizon de 10 ans :

ü la variance de l'erreur de prévision de l'IDH est due à 88,31% à ses propres innovations et à 11,69% à celles de la dette.

ü La variance de l'erreur de prévision de la Dette est due à 83,36% à ses propres innovations et à 12,64% à celles de l'IDH.

Ainsi ; un choc sur l'IDH a un impact plus important sur la variable Dette que sur la variable DCUIVRE. Ce qui dénote d'une difficulté de faire évaluer l'IDH en agissant sur la production du cuivre en RDC car selon le résultat de ce travail, la production du cuivre n'a pas un impact positif sur l'IDH. (cfr Graphique 5 et Tableau 8)

IX DEPENDANCE DES RESIDUS

Le graphique8 en annexe montre que les erreurs sont indépendantes dans le temps.

CONCLUSION GENERALE

Dans le cadre du présent travail, nous avons montré l'existence des liens de causalité entre dette et pauvreté. l'analyse de ces causalités, notamment à travers une relation de long terme, a permis de confirmer l'intérêt porté sur le facteur Dette dans la lutte contre la pauvreté. Levier important qui constitue une source potentielle de renforcement de la lutte contre la pauvreté.

Rompre la spirale de la dette est devenu plus qu'une nécessité. En effet la dette par son remboursement capte des ressources qui devraient être consacrées à la satisfaction des besoins fondamentaux des populations, occultant ainsi toute perspective de développement durable. En plus, elle constitue une sorte de cercle infernal car le pays est obligé de s'endetter pour pouvoir rembourser les dettes précédentes, accroissant ainsi de façon incontrôlable son stock de dette.

La RDC a récemment (juillet 2010) atteint le point de décision de l'initiative renforcé d'allégement de la dette en faveur des PPTE et devraient de ce fait commencer à bénéficier d'un allégement intérimaire de sa dette envers certains créanciers. « L'allégement de la dette a pour objet de libérer des ressources qui pourraient être utilisées pour améliorer la condition des pauvres. il sera toute fois nécessaire d'améliorer durablement la gouvernance pour éviter que les ressources ne soient détournées par des groupes d'intérêt et pour les consacrer réellement et efficacement à l'amélioration de la prestation des services d'éducation, de santé et autres catégories des services essentiels »^2(*).

Pour clore, il sied de signaler que pari les facteurs qui sont à la base de la détérioration du bien-être des populations de la RDC, il y a celui de la dette extérieure qui constitue un obstacle majeur à la lutte contre la pauvreté. C'est ainsi que nous concluons que l'hypothèse de recherche consistant à démontrer la relation entre la dette extérieure et la pauvreté est confirmé comme ci-haut démontré par l'analyse économétrique à partir des données sur les différentes variables utilisées dans le cadre de ce travail. Toute fois, il sied aussi de signaler que cette analyse n'a pas été exhaustive faute des données statistiques fiables mais ces quelques résultats lapidaires en relevant tel un aspect essentiel.

ANNEXES

Date: 10/15/10 Time: 10:23
Sample: 1979 2009
Included observations: 31
Autocorrelation	Partial Correlation		AC	PAC	Q-Stat	Prob
. \|*******\|	. \|*******\|	1	0.956	0.956	31.193	0.000
. \|*******\|	***\| . \|	2	0.881	-0.400	58.553	0.000
. \|****** \|	.**\| . \|	3	0.779	-0.251	80.709	0.000
. \|***** \|	. \| . \|	4	0.666	-0.034	97.515	0.000
. \|**** \|	. \| . \|	5	0.549	-0.039	109.36	0.000
. \|*** \|	. *\| . \|	6	0.429	-0.090	116.90	0.000
. \|**. \|	. *\| . \|	7	0.309	-0.092	120.98	0.000
. \|* . \|	. *\| . \|	8	0.190	-0.067	122.59	0.000
. \|* . \|	. *\| . \|	9	0.073	-0.103	122.84	0.000
. \| . \|	. \| . \|	10	-0.038	-0.035	122.91	0.000
. *\| . \|	. *\| . \|	11	-0.143	-0.067	123.95	0.000
.**\| . \|	. \| . \|	12	-0.234	-0.001	126.90	0.000
.**\| . \|	. \|**. \|	13	-0.297	0.212	131.90	0.000
***\| . \|	. *\| . \|	14	-0.342	-0.088	138.92	0.000
***\| . \|	. *\| . \|	15	-0.370	-0.080	147.69	0.000
***\| . \|	. *\| . \|	16	-0.395	-0.142	158.32	0.000

Date: 10/15/10 Time: 10:28
Sample: 1979 2009
Included observations: 31
Autocorrelation	Partial Correlation		AC	PAC	Q-Stat	Prob
. \| . \|	. \| . \|	1	-0.042	-0.042	0.0593	0.808
. *\| . \|	. *\| . \|	2	-0.143	-0.145	0.7762	0.678
. \| . \|	. \| . \|	3	-0.003	-0.016	0.7765	0.855
. \|**. \|	. \|**. \|	4	0.269	0.253	3.5211	0.475
. *\| . \|	. *\| . \|	5	-0.147	-0.136	4.3705	0.497
. *\| . \|	. \| . \|	6	-0.096	-0.043	4.7488	0.576
. *\| . \|	. *\| . \|	7	-0.107	-0.155	5.2375	0.631
. *\| . \|	.**\| . \|	8	-0.122	-0.241	5.8944	0.659
. *\| . \|	. *\| . \|	9	-0.088	-0.073	6.2506	0.715
. \| . \|	. *\| . \|	10	-0.033	-0.084	6.3047	0.789
. \| . \|	. \| . \|	11	-0.014	0.006	6.3142	0.852
. \| . \|	. \|* . \|	12	0.057	0.115	6.4901	0.889
. \| . \|	. \| . \|	13	0.061	0.051	6.7032	0.917
. \|* . \|	. \|* . \|	14	0.078	0.085	7.0662	0.932
. *\| . \|	. *\| . \|	15	-0.079	-0.155	7.4624	0.944
. \| . \|	.**\| . \|	16	-0.043	-0.194	7.5891	0.960

Date: 10/15/10 Time: 10:33
Sample: 1979 2009
Included observations: 31
Autocorrelation	Partial Correlation		AC	PAC	Q-Stat	Prob
. \|*******\|	. \|*******\|	1	0.845	0.845	24.376	0.000
. \|***** \|	. *\| . \|	2	0.665	-0.175	39.973	0.000
. \|**** \|	. \|* . \|	3	0.540	0.097	50.608	0.000
. \|*** \|	. *\| . \|	4	0.406	-0.148	56.863	0.000
. \|**. \|	. \| . \|	5	0.278	-0.035	59.902	0.000
. \|* . \|	. \| . \|	6	0.171	-0.045	61.103	0.000
. \|* . \|	. \|* . \|	7	0.140	0.187	61.939	0.000
. \|* . \|	. \|* . \|	8	0.163	0.113	63.127	0.000
. \|* . \|	. \| . \|	9	0.164	-0.052	64.380	0.000
. \|* . \|	. *\| . \|	10	0.143	-0.061	65.378	0.000
. \|* . \|	. *\| . \|	11	0.103	-0.122	65.921	0.000
. \| . \|	.**\| . \|	12	-0.008	-0.296	65.925	0.000
. *\| . \|	.**\| . \|	13	-0.166	-0.216	67.487	0.000
.**\| . \|	. \|* . \|	14	-0.253	0.168	71.331	0.000
***\| . \|	. *\| . \|	15	-0.336	-0.144	78.566	0.000
***\| . \|	. \|* . \|	16	-0.390	0.096	88.952	0.000

ADF Test Statistic	-0.682471	1% Critical Value*		-4.2949
		5% Critical Value		-3.5670
		10% Critical Value		-3.2169
*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(CUIVRE)
Method: Least Squares
Date: 10/15/10 Time: 10:37
Sample(adjusted): 1980 2009
Included observations: 30 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
CUIVRE(-1)	-0.052493	0.076916	-0.682471	0.5008
C	51038.72	214818.1	0.237590	0.8140
@TREND(1979)	-3526.916	8946.506	-0.394223	0.6965
R-squared	0.024244	Mean dependent var		-57506.67
Adjusted R-squared	-0.048034	S.D. dependent var		192341.1
S.E. of regression	196906.5	Akaike info criterion		27.31348
Sum squared resid	1.05E+12	Schwarz criterion		27.45360
Log likelihood	-406.7023	F-statistic		0.335425
Durbin-Watson stat	0.621458	Prob(F-statistic)		0.717972

ADF Test Statistic	-2.080105	1% Critical Value*		-4.2949
		5% Critical Value		-3.5670
		10% Critical Value		-3.2169
*MacKinnon critical values for rejection of hypothesis of a unit root.


Augmented Dickey-Fuller Test Equation
Dependent Variable: D(IDH)
Method: Least Squares
Date: 10/15/10 Time: 10:53
Sample(adjusted): 1980 2009
Included observations: 30 after adjusting endpoints
Variable	Coefficient	Std. Error	t-Statistic	Prob.
IDH(-1)	-0.278826	0.134044	-2.080105	0.0471
C	0.084188	0.038193	2.204267	0.0362
@TREND(1979)	0.001420	0.000938	1.513128	0.1419
R-squared	0.139973	Mean dependent var		0.005227
Adjusted R-squared	0.076267	S.D. dependent var		0.027641
S.E. of regression	0.026566	Akaike info criterion		-4.323757
Sum squared resid	0.019055	Schwarz criterion		-4.183637
Log likelihood	67.85636	F-statistic		2.197180
Durbin-Watson stat	1.547027	Prob(F-statistic)		0.130591

Date: 10/15/10 Time: 12:30
Sample(adjusted): 1981 2009
Included observations: 29 after adjusting endpoints
Standard errors & t-statistics in parentheses
	DIDH	DCUIVRE	DETTE
DIDH(-1)	0.052561	1005615.	-83662.41
	(0.19207)	(1021074)	(36533.9)
	(0.27366)	(0.98486)	(-2.28999)

DCUIVRE(-1)	-4.94E-08	0.699617	0.000266
	(2.8E-08)	(0.14781)	(0.00529)
	(-1.77634)	(4.73326)	(0.05027)

DETTE(-1)	2.69E-08	0.406143	-0.048600
	(9.5E-07)	(5.06634)	(0.18127)
	(0.02827)	(0.08016)	(-0.26810)

C	0.001641	-27573.35	4091.402
	(0.00645)	(34280.0)	(1226.54)
	(0.25444)	(-0.80436)	(3.33574)
Determinant Residual Covariance		3.01E+14
Log Likelihood		-606.8313
Akaike Information Criteria		42.67802
Schwarz Criteria		43.24380

Period	DETTE	DIDH
1	4901.725	279.2832
	(643.628)	(910.966)
2	-236.4509	-2173.623
	(824.766)	(920.926)
3	29.78183	-11.61203
	(392.829)	(560.475)
4	28.62825	104.6562
	(128.990)	(233.225)
5	18.81595	76.29011
	(84.2630)	(125.963)
6	11.72090	48.24194
	(53.1086)	(83.1863)
7	7.240581	29.87393
	(33.5101)	(51.9748)
8	4.466733	18.43668
	(21.2223)	(32.5839)
9	2.754916	11.37181
	(13.4758)	(20.8656)
10	1.699066	7.013527
	(8.57343)	(13.6356)
Ordering: DIDH DETTE DCUIVRE
Period	DIDH	DETTE
1	0.025811	0.000000
	(0.00339)	(0.00000)
2	0.001479	-0.000197
	(0.00477)	(0.00451)
3	-0.001188	-0.000346
	(0.00264)	(0.00149)
4	-0.000937	-0.000233
	(0.00141)	(0.00103)
5	-0.000599	-0.000146
	(0.00095)	(0.00065)
6	-0.000372	-9.01E-05
	(0.00060)	(0.00041)
7	-0.000229	-5.56E-05
	(0.00037)	(0.00026)
8	-0.000141	-3.43E-05
	(0.00024)	(0.00016)
9	-8.73E-05	-2.11E-05
	(0.00016)	(0.00010)
10	-5.38E-05	-1.30E-05
	(0.00010)	(6.7E-05)
Ordering: DIDH DETTE DCUIVRE

Variance Decomposition of DIDH:
Period	S.E.	DIDH	DETTE	DCUIVRE
1	0.025811	100.0000	0.000000	0.000000
2	0.026726	93.58150	0.005459	6.413045
3	0.027234	90.31006	0.021362	9.668579
4	0.027442	89.06453	0.028243	10.90723
5	0.027521	88.59658	0.030882	11.37254
6	0.027552	88.41976	0.031883	11.54835
7	0.027563	88.35270	0.032262	11.61504
8	0.027568	88.32721	0.032407	11.64038
9	0.027569	88.31753	0.032461	11.65001
10	0.027570	88.31384	0.032482	11.65368
Variance Decomposition of DETTE:
Period	S.E.	DIDH	DETTE	DCUIVRE
1	4909.675	0.323582	99.67642	0.000000
2	5374.643	16.62572	83.36969	0.004596
3	5407.018	16.42768	82.37734	1.194977
4	5423.866	16.36301	81.86913	1.767864
5	5430.662	16.34182	81.66557	1.992610
6	5433.270	16.33401	81.58764	2.078349
7	5434.264	16.33106	81.55798	2.110952
8	5434.642	16.32994	81.54671	2.123349
9	5434.786	16.32952	81.54242	2.128064
10	5434.840	16.32936	81.54079	2.129857
Ordering: DIDH DETTE DCUIVRE

CUIVRE	DETTE	IDH	DIDH	DCUIVRE
2001150.	2858.000	0.275400	NA	NA
2128500.	3115.000	0.285000	0.009600	127350.0
2341000.	2887.000	0.290800	0.005800	212500.0
2332000.	2128.000	0.296000	0.005200	-9000.000
2329000.	262.0000	0.302300	0.006300	-3000.000
2328000.	338.0000	0.308100	0.005800	-1000.000
2347000.	4977.000	0.314000	0.005900	19000.00
2378000.	4253.000	0.319600	0.005600	31000.00
2361500.	4464.000	0.324500	0.004900	-16500.00
2197500.	2137.000	0.331200	0.006700	-164000.0
2126000.	3684.000	0.294000	-0.037200	-71500.00
1890000.	2576.000	0.262000	-0.032000	-236000.0
1110500.	1732.000	0.299000	0.037000	-779500.0
674965.0	2218.000	0.384000	0.085000	-435535.0
229550.0	1716.000	0.371000	-0.013000	-445415.0
146615.0	493.0000	0.381000	0.010000	-82935.00
162560.0	264.0000	0.410000	0.029000	15945.00
194410.0	465.0000	0.450000	0.040000	31850.00
180000.0	2458.000	0.479000	0.029000	-14410.00
184845.0	1567.000	0.430000	-0.049000	4845.000
148170.0	27488.00	0.430000	0.000000	-36675.00
139760.0	321.0000	0.431000	0.001000	-8410.000
105000.0	264.0000	0.363000	-0.068000	-34760.00
90745.00	7292.000	0.365000	0.002000	-14255.00
40500.00	15952.00	0.378000	0.013000	-50245.00
38445.00	1685.000	0.391000	0.013000	-2055.000
80275.00	2319.000	0.411000	0.020000	41830.00
124600.0	1564.000	0.426030	0.015030	44325.00
172700.0	1354.000	0.426700	0.000670	48100.00
208400.0	1605.000	0.434567	0.007867	35700.00
275950.0	1458.000	0.432223	-0.002344	67550.00

Source PNUD (Rapport annuel 1990-2008); FMI, Banque mondiale et Rapport de la BCC

BIBLIOGRAPHIE

2. Ali, Abdel G and Eric Thorbecke.1998. «Poverty in sub-Saharan Africa: Magnitude and characteristics», Nairobi, AERC.

3. Bourbonnais, Régis., 2002, «Econométrie: Manuel et exercices corrigés », 4^ème éd., Paris, Dunod.

4. Adadeji, Adebayo.2001. « A silent war; the devastating impact of debt on the poor »,http://WWW.jubileeplus.org/analysis/reports/beginners_guide/silent.htm

5. Campbell, Bonnie,2002,» Stratégies de lute contre la pauvreté en Afrique: enjeux de développement et de sécurité»,Montreal,université du Québec.

* ¹ Hilel Hamadache - Rente pétrolière et évolution du secteur agricole en Algérie. « Syndrome hollandais et échangeabilité »

* ² Déclaration de PEDRO ALBA, Directeur à la Banque mondiale pour le Congo, la RDC et le Burundi

Cuivre, dette et pauvreté en RDC:"une analyse par la modélisation var"

CUIVRE, DETTE ET PAUVRETE EN RD.CONGO PAR L'APPROCHE DE LA MODELISATION VAR.

RESUME