Memoire Online - Volatilité et accumulation du capital dans les économies subsahariennes

UNIVERSITY OF YAOUNDE II SOA
FACULTY OF ECONOMICS AND
MANAGEMENT SCIENCES
P.O. Box: 1365 Yaoundé

Mémoire en vue de l'obtention du Diplôme d'Etudes Approfondies (DEA)
en Sciences Economiques

Sous la direction du :
Professeur Georges KOBOU
Agrégé des Facultés des Sciences Économiques

DEDICACE

REMERCIEMENTS

Alors que ce mémoire marque la fin d?une étape de notre cursus, nous tenons en y mettant un point final à exprimer toute notre gratitude aux maîtres qui ont contribué à notre formation, inspiré et guidé nos premiers pas dans la recherche. Nous pensons tout naturellement à notre directeur, le professeur Georges KOBOU, dont la disponibilité et la grande clairvoyance ont permis l?aboutissement de cette étude.

Nous tenons également à remercier le professeur Désiré AVOM pour les conseils bienveillants, l?ensemble du corps enseignant de la Faculté des Sciences Economiques et de Gestion de l?Université de Yaoundé II et l?administration du Nouveau Programme de Troisième Cycle Interuniversitaire que ces quelques lignes ne permettent malheureusement pas de désigner nommément.

Toute notre reconnaissance à notre oncle Mr Wounang Romain, qui a grandement contribué à notre formation aussi bien dans le domaine académique qu?ailleurs, et grace à qui nous avons pu mener à bien le travail économétrique présent dans ce travail.

Merci au Dr Mondjeli Mwa Djokou, qui a bien voulu relire ce travail pour nous faire part de ses nombreuses suggestions et critiques.

Qu?aurait été ce mémoire sans le soutien multiforme de tous les membres de notre promotion ? FOSSI Willy, NIEE FONING Maxime, MBOHOU Moustapha, et tous les autres que j?ai omis de citer ici dans le programme auquel je fais partie ; vos précieuses remarques ont permis à mes différents manuscrits de converger vers cet output final. Nous vous en remercions grandement.

Nous ne saurons terminer sans également adresser un merci à tous les autres membres de notre famille et à nos amis, en particulier La famille NGUEFACK, Mr CHOPKENG Cyrille, Mme DADEM Philomène et Mlle NGUEYAP Indira, qui à chaque fois nous ont aidé à nous relever quand tout semblait perdu.

Enfin, notre gratitude est également dirigée vers tous ceux qui de près ou de loin ont apporté leurs pierres, aussi petites soient-elles, à cet édifice.

SOMMAIRE

Chapitre 1: Eclairage théorique des principes de maximisation de l'utilité intertemporelle 29

Section 1: Les approches basées sur la théorie standard de maximisation de l?utilité espérée (Savage, 1954) : la décision d?investissement en situation d?incertitude 30
Section 2: Extension de la théorie standard : « l?aversion à la déception » (Gul, 1991) et Le

Chapitre 2: Evaluation de l'influence de la volatilité sur le stock de capital physique des

Section 1: Balayage des méthodes empiriques et spécification du modèle 49

Chapitre 3: Cadres conceptuels de la relation entre volatilité et capital humain 74

Section 1: Le mode d?apprentissage comme déterminant essentiel de l?influence de la

Section 2: Les effets pervers de la volatilité sur les dépenses publiques sociales ..84

Chapitre 4: Evaluation de l'influence de la volatilité sur le stock de capital humain des

Section 1: revue des méthodes empiriques et spécification économétrique 91

Section 2: Présentation des fats stylisés, analyse et interprétation des résultats 100

LISTE DES ANNEXES ET TABLEAUX

Annexe1: Evidence de la volatilité des prix des matières premières et de quelques agrégats macroéconomiques......................................................................................125

Annexe 2 : graphiques des relations entre volatilité et croissance du capital Physique pour les

18 pays choisis..........................................................................................127

Annexe 3: graphiques des relations entre volatilité et stock de capital humain pour les 18 pays

considérés................................................................................................129

Annexe 4: Résultats des tests de racine unitaire sur les variables des modèles................131 Annexe 5 : Résultats des modèles GARCH (1,1) pour tous les indices de volatilité..........134 Annexe 6 : Résultats test d?autocorrélation sur les modèles.....................................135

Annexe 7 : Résultats des tests d?Hausman sur les modèles.......................................136

Annexe 8 : Résultats des tests d?hétéroscédasticité sur les modèles............................138

Tableau A1.1 évolution de la volatilité supra-annuelle des prix depuis 1980 par catégories de matières premières......................................................................................131

Tableau A1.2 : indicateurs statistiques sur les variables, 1980-2010...........................132

Tableau 1.1 : définitions des variables et sources des données....................................58 Tableau 1.2 : matrice de corrélation des variables d?intérêt.......................................62 Tableau 1.3 : résultats des tests de racine unitaire...................................................61

Tableau 1.4 : résultats de l?estimation : données annuelles et volatilité-GARCH...............67 Tableau 1.5 : résultats de l?estimation avec les termes interactifs.................................70

Tableau 1.6 : résultats de l?estimation : données quinquennales et volatilité mesurée par écart-

type..........................................................................................................71

Tableaux de la deuxième partie
Tableau 2.1 définitions des variables et sources de données......................................104
Tableau 2.2 : matrice de corrélation des variables d?intérêt.......................................106
Tableau 2.3 : résultats des tests de racine unitaire..................................................105
Tableau 2.4 : Résultats de l?estimation, volatilité mesurée par GARCH................... 109

Tableau 2.5 : Estimation avec volatilité mesurée par écart-type.................................115

LISTE DES GRAPHIQUES

Graphique 1.1: Evolution des prix des principales matières premières (1996-2011)..........131 Graphique 1.2a : évolution du taux de croissance du FIB en ASS à partir de 1980 avec

projection jusqu?en 2016...............................................................................131

Graphique 1.2b : évolution du taux d?inflation en ASS à partir de 1980 avec projection

jusqu^?en 2016............................................................................................131

Graphiques 1.3a : évolution du taux de change effectif réel en ASS entre 2005 et 2010, par

groupede pays..........................................................................................132

Graphiques 1.3b : évolutions conjointes des prix des matières premières et du taux de change
effectifréel...............................................................................................132

Graphique 1.4 : causes de la volatilité du FIB en ASS entre 1970-2007........................132

Graphique 2.1 : croissance moyenne du stock de capital physique/hab. en fonction de la
volatilité moyenne du taux de change effectif réel pour les 18 pays d?ASS, 1980-
2010.......................................................................................................133

Graphique 2.2 : croissance moyenne du stock de capital physique/hab. en fonction de la volatilité moyenne du terme de l?échange pour les 18 pays d?ASS, 1980-2010..............133

Graphique 2.3 : croissance moyenne du stock de capital physique par hab. en fonction de la

volatilité moyenne du taux d?inflation pour les 18 pays ASS, 1980-2010.....................134

Graphique 2.4 : croissance moyenne du stock de capital physique/hab. en fonction de la
volatilité moyenne de la croissance du PIB/hab. pour les 18 pays d?ASS considéré, 1980-

2010.......................................................................................................134

Graphique 3.1 : stock de capital humain en fonction de la volatilité moyenne de la croissance

du PIB/hab. pour les 18 pays d?Afrique subsaharienne, 1980-2010............................135

Graphique 3.2 : stock de capital humain en fonction de la volatilité moyenne du taux

d?inflation pour les 18 pays d?ASS considéré, 1980-2010.......................................135

Graphique 3.3 : stock de capital humain en fonction de la volatilité moyenne du taux de change effectif réel pour les 18 pays d?ASS considéré, 1980-2010.............................136

Graphique 3.4 : stock de capital humain en fonction de la volatilité moyenne du terme de

l?échange pour les 18 pays d?ASS considéré, Période 1980-2010...............................136

LISTES DES SIGLES ET ABBREVIATIONS

CNUCED : conférence des nations unies sur le commerce et le développement FAO : Food and agriculture organization

UNESCO : organisation des nations unies pour l'éducation, la science et la culture WDI : World Development Indicators

AVERTISSEMENT

L'Université de Yaoundé II n'entend donner aucune approbation ou improbation aux opinions émises dans ce mémoire. Celles-ci doivent être considérées comme étant propres à leur auteur.

RESUME

L?objectif de ce travail est d?étudier l?influence de la volatilité sur l?accumulation du capital en ASS, notamment en considérant les aspects physiques et humains. Pour ce faire, nous nous sommes appuyés sur un panel de 18 pays de la région couvrant la période 1980- 2010. En outre, nous utilisons deux mesures de volatilité, à savoir l?écart-type quinquennale simple et la prédiction par un modèle GARCH, avec quatre indices macroéconomiques que sont le terme de l?échange, le taux de change effectif réel, la croissance du PIB et le taux d?inflation. On aboutit aux résultats suivants : (1) une augmentation d?une unité de l?écarttype du taux de change effectif réel entraine une diminution de 0.011 point de pourcentage de la croissance du stock de capital physique/ hab. et de 2.3 ans le nombre moyen total d?années de scolarisation effectué par les individus. Cependant, une plus grande intégration commerciale et financière peut annuler le premier effet. (2) En ce qui concerne le PIB, une unité en plus de son écart-type équivaut à 0.02 ans en moins d?années de scolarisation, avec une augmentation de 0.0002 point de pourcentage du taux de croissance du stock de capital physique. (3) l?accroissement d?une unité de l?écart-type du terme de l?échange réduit d?environ 1.6 ans le stock de capital humain, tout en ayant un effet negatif et non significatif sur le capital physique. (4) La volatilité du taux d?inflation n?a aucun effet significatif sur l?accumulation du capital. Les pouvoirs publics devraient donc dans un premier temps mettre en place des mesures de diversification économique pour réduire la vulnérabilité et la volatilité ; et ensuite favoriser l?établissement de pôles d?atténuation par l?intégration financière et commerciale.

Mots dles : Volatilité, capital physique, capital humain, Afrique subsaharienne, GARCH, données de panel.

ASBSTRACT

The aim of this work is to study the influence of volatility on capital accumulation in SSA, especially considering the physical and human aspects. To do this, we relied on a panel of 18 countries in the region, covering the period 1980-2010. In addition, we use two measures of volatility: the five year standard deviation, and the predictions from a GARCH model with four macroeconomics indicators such as the terms of trade, the real effective exchange rate, growth of GDP and the inflation rate. This leads to the following results: (1) a one unit increase in the standard deviation of the real effective exchange rate leads to a decrease of 0.011 percentage point of growth in the stock of physical capital per capita, and a loss of 2.3 years on the average total number of years of schooling completed by individuals. However, greater trade and financial integration can cancel the first effect. (2) With respect to GDP, one more unit in his standard deviation reduce the schooling by 0.02 years, with an augmentation of 0.0002 percentage point of growth in the stock of physical capital. (3) The one-unit increase in the standard deviation of terms of trade reduced by approximately 1.6 years the stock of human capital, while having a negative and insignificant effect on physical capital. (4) The volatility of inflation rate has no significant effect on the capital accumulation. Governments should therefore initially put in place measures to enhance economic diversification and thus reduce vulnerability and volatility, and then promote the establishment of mitigation measures by the financial and trade integration.

Keyword: Volatility, physical capital, human capital, sub-Saharan Africa, GARCH, panel data

INTRODUCTION GENERALE

La récente période de volatilité des prix des matières premières a une fois de plus montrée le niveau de vulnérabilité élevé des économies subsahariennes. C?est d?ailleurs ce que remarque le rapport de la banque de France 2010 : calculant les degrés d?exposition de chaque pays à la volatilité de ces prix, il en ressort que le phénomène affecte profondément leurs processus de développement. Ce résultat est en outre confirmé par la CNUCED dans un rapport de 2012 concernant ses implications macroéconomiques dans la région.

En effet, les prix des matières premières ont été plus volatils depuis le début des années 2000 que sur les deux décennies précédentes (FMI, 2010 ; Mayer et Gareis, 2010) ; notamment dans les domaines énergétiques et alimentaires où on a eu le pic de juillet 2008. Ceci semble être dû non seulement aux facteurs affectant les fondamentaux, mais aussi à la financiarisation plus poussée des marchés. Les prix des principaux produits de base exportés par l?Afrique se sont effondrés au premier trimestre de 2009, notamment par rapport aux records enregistrés à la mi-2008. Ces prix ont repris de la vigueur au cours des deux trimestres suivants et se sont stabilisés en début 2010 pour remonter en fin d?année jusqu?en 2011. Les prix du pétrole brut ont augmenté en moyenne de 36% au-dessus de l?indice des prix des produits de base. Ayant atteint un sommet en juin 2008, l?indice composite des cours des produits alimentaires a ensuite régulièrement baissé. En août 2009, il chutait de 79% par rapport à son niveau record de 2008. Les prix des principales denrées alimentaires et boissons tropicales ont baissé à l?exception de ceux du sucre et du cacao, qui ont augmenté de 40% et 5% respectivement en 2009. Poursuivant leur baisse tendancielle entamée en 2007, les prix du maïs et du blé ont continué de refluer en 2009, de 25% pour le maïs et de 30% pour le blé. Enfin, les prix des minerais et autres métaux ont également subi des variations semblables (conf. graph 1.1 et tab. 1.1).

Depuis la fin de la période coloniale, il semble que le système d?organisation commerciale colonies-métropole ait persisté jusqu?aujourd?hui. Les pays d?Afrique subsaharienne constituent de petites économies ouvertes dont la plupart des revenus sont basés sur le commerce international de matières premières¹. Ces revenus dépendent donc indirectement

des mouvements des prix qui exhibent, comme on l?a montré plus haut, des tendances volatiles. De plus, le faible niveau de productivité oblige les pays de la région à importer des biens énergétiques, mais surtout agricoles pour subvenir aux besoins de leurs populations. En outre, les gouvernements sont en situation de « price taker » et ne peuvent que mener des politiques d?absorption adéquates des chocs ; Cependant, cette dernière alternative est taclée par la mauvaise qualité des institutions.

La volatilité des prix des matières premières était responsable d?environ 36% de la volatilité totale du PIB en Afrique subsaharienne entre 1970 et 2005 (Perry, 2009)². Dans les économies de marché plus diversifiées et possédant un système financier plus développé, la volatilité se rattache le plus souvent au marché boursier. Dans ce contexte, le prix d?un actif peut subir en un court laps de temps des variations extrêmes sur lesquelles les investisseurs font des anticipations pour en tirer le maximum de profit. La volatilité demeure alors un phénomène essentiellement microéconomique qui dépend des décisions des agents. Au contraire, dans les économies de rente reposant sur une faible variété de produits exportables et disposant d?un secteur financier moins profond comme celles au sud du Sahara, la volatilité est surtout liée aux prix des matières premières, et va en s?accentuant avec la marche de la mondialisation³ ; c?est un choc exogène⁴ qui relève donc principalement du cadre macroéconomique, mais avec un impact microéconomique important (Abaidoo, 2012).

Enfin, la volatilité des prix des matières premières est plus élevée que celle des produits manufacturiers (Arezki et Gylfason, 2011) ; ce qui montre que les pays exportateurs de matières premières, et en particulier ceux d?Afrique subsaharienne doivent faire face à de plus fortes situations d?incertitudes et de risques.

De la volatilité des prix à la volatilité locale des agrégats économiques

Comme nous l?avons précisé plus haut, la volatilité des prix des matières premières contribue majoritairement à la volatilité totale des agrégats économiques en Afrique subsaharienne depuis 1970 (Perry, 2009). Il y a donc des mécanismes de transmission qui ont notamment été mis en exergue par la CEA (2011) et la CNUCED (2012). Tout d?abord, la volatilité des prix des matières premières influence la quantité des exportations et des

³ Voir Ahmed, A. et S. Suardi (2009), Do Financial and Trade Liberalisation Cause Macroeconomic Volatility in Sub-Saharan Africa? Working Paper No. 44, Centre for Strategic Economic Studies Victoria University Melbourne

⁴ Même s?il y a une volatilité endogène causée par les politiques fiscales et monétaires discrétionnaires

importations ; par conséquent elle accroit également la volatilité du terme de l?échange. Ensuite, étant donné qu?elle contribue pour une grande part à la croissance du PIB à travers les recettes d?exportations, elle rend également ce dernier extrémement volatile. D?un point de vue plus monétaire, il existe dans l?économie locale une inflation importée qui est d?autant plus grande que les résidents ne produisent pas/ ou pas suffisamment et donc, sont obligés de se ravitailler à l?extérieur ; dans ce sens, la volatilité des prix des matières premières accroit celle du taux d?inflation, et à partir de là, celle du taux de change effectif réel. Finalement, elle accentue l?incertitude généralisée sur l?évolution des principales variables macroéconomiques qui même prise de manière isolées le sont déjà.

Notons que ces liens avaient déjà été montrés par d?autres auteurs. En effet, l?une des caractéristiques essentielles de la croissance dans les pays en développement est son manque de persistance⁵. Le fait que tous les pays, même les plus défavorisés, puissent connaitre durant certaines périodes une forte croissance indique que cette dernière peut être simple à amorcer, mais difficile à soutenir. Une étude pionnière de la stabilité de la croissance dans les économies les moins avancées montre qu?une part importante de sa variabilité dans ces pays peut être directement imputée aux chocs externes, pour lesquels la volatilité des prix des matières premières joue un grand rôle (Easterly et al. 1993). Ceci est confirmé par Van der ploeg et poelhekke (2009) mais encore par un rapport de la CEA en 2011. Ainsi, déjà loin des 7% nécessaire à l?atteinte des OMD, les chiffres de la croissance dans les économies subsahariennes laissent paraitre une forte instabilité, mais aussi une évidente corrélation avec les tendances anciennes comme récentes des divers prix internationaux des produits primaires. L?accroissement du PIB dans la région était de 6,60% en 2007, puis 5,05% en 2008; ensuite 1,98% en 2009 quand les prix chutent pour remonter avec le niveau des prix à 5,14 et 5,5% respectivement pour les années 2010 et 2011 (WDI, 2012) ; C?est sensiblement le méme scenario que durant les périodes des chocs pétroliers de 1973 et 1979. Par ailleurs, Les données du FMI indiquent qu?en moyenne, le taux d'inflation pour la sous-région tournait autour de 10% entre 1980 et 1988. Ce taux d'inflation relativement élevé a considérablement augmenté entre 1991 et 1996, avec le niveau le plus élevé sur la période pour atteindre plus de 40% en moyenne. Les conditions inflationnistes dans la sous-région après 2000 ont toutefois été relativement faible par rapport aux normes régionales, à l'exception de la période 2007-

⁵ Voir, Hausmann R, Pritchett L et Rodrik D (2005). Growth accelerations. Journal of Economic Growth, 10(4): 303-329.

2010 lié la volatilité à la hausse des prix des matières premières⁶. Dornbusch (1976) et Katseli (1984) montrent pour leur part que la volatilité des prix des matières premières induit celle du taux de change effectif réel. Le graph. 1.3b permet de confirmer ce dernier résultat sur la période 2000-2011.

En bref, la volatilité représente des changements importants et rapides des variables économiques dans le temps. Les variations de ces variables ne sont pas nécessairement toutes problématiques ; en particulier, l?activité économique est toujours sujette à une certaine variabilité cyclique et saisonnière. Dans la théorie microéconomique, elle représente le changement de préférences des consommateurs, et donc de technologies des firmes. Les variations deviennent problématiques quand elles sont considérables et ne peuvent être anticipées, générant de l?incertitude pour les producteurs et les investisseurs, les négociants, les consommateurs et les Etats. Cette incertitude peut alors conduire à des décisions qui s?avèreront socialement et\ou individuellement sous-optimales. En outre, les variations de prix qui ne reflétant pas les indicateurs de base du marché sont elles aussi problématiques, car elles amènent également à prendre de mauvaises décisions. C?est le cas des prix des matières premières, ou même des taux de change, dont la volatilité sous l?influence des mouvements spéculatifs a grandement augmentée⁷.

Au niveau microéconomique en particulier, Les populations dépendent de l?exploitation des matières premières pour avoir un revenu qui leur permet d?investir dans l?achat des biens alimentaires, sanitaires et d?éducation. Près de 60 % de la population subsaharienne vit des exportations agricoles, dont au moins 80 % sont essentiellement des petits fermiers exploitant moins de 2 hectares⁸. La volatilité des prix couplée à l?inefficacité du système bancaire et la position de « Price taker » de leurs gouvernements laissent ces derniers sans protection. De plus, l?incertitude qu?elle engendre tire à la baisse les prix des récoltes négociés sur les marchés à terme, et par conséquent le revenu des ruraux. Ces derniers sont alors en constante situation d?incertitude et il devient difficile de soutenir la scolarisation des enfants (BM, 99 ; IISD, 2008), d?autant plus que la volatilité du PIB accroit le risque de se retrouver au

⁷ Voir, Nissanke, Machiko (2011) Commodity markets and excess volatility: sources and strategies to reduce adverse development impact. Project Report. UN Common Fund for Commodities.

chômage (Flug et al. 1998). Dans le cas des firmes, la volatilité de l?environnement économique augmente l?incertitude sur les bénéfices espérés et devrait par conséquent les pousser à abandonner ou reporter leurs projets d?investissement (Dixit et pindyck, 1994 ; Aizenman et Marion, 1999 ; Bloom, 2007). Ceci est valable aussi bien pour les IDE que pour les investisseurs locaux.

Du point de vue de l?Etat, l?accroissement de l?incertitude sur les revenus remet également en cause la soutenabilité et la disponibilité des financements pour les projets d?investissement en capital physique et surtout humain (Varvarigos, 2007). En outre, la présence de volatilité diminue sa capacité d?emprunt sur les marchés de capitaux (Catao et Kapur, 2006).

Sur la base de ces intuitions, On essaie maintenant de faire une comparaison entre les chiffres de l?accumulation du capital humain réalisés sur les deux périodes 1991-2000 et 2001-2010 en ASS. Il en ressort clairement que la deuxième période, caractérisée par des phénomènes de volatilité plus sévères est également celle avec les performances les plus faibles. En particulier, La région a connu un accroissement d?environ 1.5 années de la scolarisation moyenne totale chez les plus de 15 ans durant la première période, alors qu?elle n?était que de 0.5 an en moyenne sur la période suivante ; outre ce fait, le taux d?alphabétisation des jeunes s?est élevé d?environ 3% entre 1991 et 2000, passant de 72.77 à 75.62%, tandis que sur la dernière décennie, cette augmentation n?était que de 1%, atteignant 76.68% (Barro et Lee, 2010 ; Unesco, 2012⁹). A son tour, l?investissement semble montrer une corrélation négative avec la volatilité économique. Le FMI (2010)¹⁰ indique un retournement des flux de capitaux correspondant à 3% du PIB dans la région, ceci seulement sur la période 2007-2010 qui a connu la volatilité la plus élevée de la décennie.

A la suite de toutes ces observations théoriques et empiriques, il semble justifié de se poser la question suivante :

La volatilité influence-t-elle négativement l'accumulation du capital dans les économies subsahariennes ?

C?est ainsi qu?en tant que partenaire économique et financier, la France a essayée tant bien que mal d?assister les pays du sud du Sahara. Reconnaissant l?importance fondamentale des enjeux attachés à la volatilité pour le développement de ces économies, la présidence

française du G20 en 2011 a accordée dans son agenda une place de choix à ce problème. En outre, la conférence conjointe FMI-Banque mondiale de septembre 2011, mais aussi le dernier sommet du G20 en 2012 ont également mis à l?honneur ce thème, relevant son impact négatif sur le caractère inclusif de la croissance dans les pays à faibles revenus. En effet, la croissance inclusive se caractérise par la soutenabilité et la réduction des inégalités de revenus (Ianchovichina et Gable, 2012)¹¹ ; mais cet objectif ne peut être atteint sans l?accroissement adéquat des capitaux humains et physiques, qui semble être freiné par le phénomène de volatilité.

De fortes oscillations d?une variable autour d?un niveau moyen peuvent constituer le phénomène de volatilité. A ce stade, le concept semble facile à saisir mais il n?en est rien. Il peut être appréhendé de diverses manières. Ainsi, la volatilité mesure l?amplitude et la rapidité de la variation du prix d?un actif pour une période de temps donnée qui peut être le jour, le mois ou l?année. En théorie économique, elle englobe deux aspects : la variabilité et l?incertitude. Le premier fait référence aux variations de prix tandis que le second se rapporte à l?imprévisibilité de ces variations. D?un point de vue empirique, elle peut être définie comme la tendance d?une série (de prix par exemple) à prendre des valeurs très éloignées de sa moyenne ; ou encore le fait que cette série ait des changements majeures (souvent extremes) de ses valeurs d?une période a une autre. La volatilité est aussi communément saisie en termes d?erreur de prévision. Ainsi, la série peut avoir des écarts de valeurs importants d?une période à l?autre, ou des valeurs très éloignées de sa moyenne, mais tant que la moyenne conditionnelle est capable d?expliquer la plus grande partie de la variance, la série ne peut pas être considérée comme volatile. Enfin La volatilité peut être appréhendée selon qu?elle est ex ante, c?est-à-dire basée sur les anticipations des agents en fonction de l?information passée ; ou bien ex post, lorsqu?elle dépend exclusivement des tendances historiques.

En ce qui concerne l?accumulation du capital, l?expression est employée au départ par les premiers classiques. Il représente tout simplement le mécanisme par lequel on acquiert un stock de biens additionnel qui est intégré dans le processus de production. Il revêt notamment plusieurs aspects, en fonction de la nature du bien considéré ; ainsi, on a premièrement le

¹¹ Dans, «What is Inclusive Growth?» in Commodity Prices and Inclusive Growth in Low-Income Countries, ed. by Rabah Arezki, Catherine Pattillo, Marc Quintyn, and Min Zhu, International Monetary Fund.

capital humain, dont l?essence est l?ensemble des qualités en terme d?éducation, de santé, de comportement même qui détermine la productivité d?un travailleur ; le capital physique quant à lui fait référence aux possessions palpables, privées ou publiques, qui participent à la production : on a par exemple les bâtiments, les véhicules, les moyens de transport. On peut également considérer le capital social, représentant la crédibilité d?un individu ou d?une unité de production, ce qui lui permet de jouir de certaines facilités dans l?exercice son activité ; enfin, le capital organisationnel, qui indique l?efficience de la manière avec laquelle les tâches sont réparties dans l?unité de production.

Ce travail pose donc le problème de la volatilité et est par conséquent étroitement lié à l?article séminal de Ramey et Ramey (1995). Les auteurs avaient montrés que la volatilité du PIB freine la croissance, sans pour autant déterminer les mécanismes de cette relation. Sans s?intéresser à l?impact sur l?accumulation de capital humain, Ils affirment par ailleurs que l?investissement et donc l?accumulation de capital physique semble ne pas être significativement réduit par cette volatilité. Cependant, avec l?avancé des méthodes techniques et la prise en compte des spécificités individuelles de certaines régions a conduit à la remise en cause de cette conclusion (Cavalcanti et al. 2011). Van der ploeg et Poelhekke (2009) trouvent également que la volatilité des prix des matières premières accroit la volatilité du PIB par tête, ce qui freine finalement la croissance réelle.

Ayant pour objectif de devenir des économies émergentes dans un futur aussi proche que possible, il est nécessaire de s?éloigner progressivement de la production de rente pour rejoindre un sentier plus diversifié. Etant donné que la diversification est un processus long et complexe, Ceci nécessite sans aucun doute que les revenus issus du commerce international soient exploités de manière judicieuse pour amorcer un changement structurel. Ce dernier devra intervenir non seulement au sein des pouvoirs publics pour assurer une gestion efficiente, mais aussi au niveau des systèmes de production, des compétences et du savoir-faire des ressources productives.

L?objectif de cette recherche est d?étudier l?influence de la volatilité sur l?accumulation de capital en ASS. Pour y arriver, on considère les deux variantes principales du stock de capital, à savoir humaine et physique. Ainsi les objectifs intermédiaires se construisent autour des réponses aux deux questions subsidiaires suivantes :

- Quel est l?effet de la volatilité sur l?accumulation du capital physique dans les économies subsahariennes ?

- Quel est l?effet de la volatilité sur l?accumulation du capital humain dans les économies subsahariennes ?

Premièrement, vérifier les conclusions qui jusque-là ont été répertoriées dans la littérature, notamment celle de Cavalcanti et al. (2011). Plus précisément, ils affirment que la volatilité constitue un frein à l?accumulation de capital humain et physique dans les pays fortement exportateurs de matières premières. En outre, notre étude qui se déroule dans le contexte spécifique des économies subsahariennes apporte un plus à l?analyse.

Deuxièmement, compléter, aussi peu soit-il, la littérature empirique en ce qui concerne l?influence de la volatilité sur les facteurs de la croissance. En effet, pendant qu?il existe une multitude d?études traitant directement du lien volatilité-croissance, les travaux relatifs aux mécanismes de cette relation sont bien moins nombreux, surtout dans le cas du capital humain. Depuis le papier séminal de Blackburn et Galindev (2003), on note quand même quelques avancées majeures.

Troisièmement et pour finir, proposer des mesures adéquates de politiques économiques. Ces mesures sont d?autant plus importantes pour les économies subsahariennes que la volatilité est grandement exogène. Les politiques qui jusque-là ont été mises en oeuvre n?ont pas eu la valeur ajoutée attendue pour la réalisation des OMD. On pourra donc déterminer ce qui doit être fait aussi bien au niveau du marché comme du secteur public, mais aussi sur le plan national comme sur le plan de la coopération. Ceci permettra alors de pouvoir assurer la croissance du stock de capital et par conséquent la soutenabilité de la croissance économique.

Avant la mise en oeuvre du travail, il est essentiel de s?inspirer de toutes les avancées de littérature sur la question.

Au cours des dernières décennies, contrairement à aux croyances conservatrices, les économistes ont commencé à combiné la théorie des fluctuations à celle de la croissance, postulant que ces fluctuations pourraient avoir des effets de long terme sur les variables économiques (Nelson et Plosser, 1982 ; Kydland et Prescott, 1982). En effet, de manière

théorique, plusieurs raisons permettent de penser que la volatilité a des effets positifs ou négatifs sur l?accumulation de capital, et donc sur la croissance.

D?un côté, Black (1987) a affirmer que les pays peuvent avoir le choix entre un haut niveau de volatilité et des rendements anticipés élevés issues des industries, mais aussi une faible volatilité accompagnée de rendements minimums. Dans un tel monde, l?aversion au risque des acteurs d?une économie détermineront donc si le pays concerné doit être doté d?un fort taux moyen d?investissement et donc de croissance avec une volatilité accrue, ou d?un niveau d?investissement plus faibles accompagné d?une croissance stable. Un autre argument en faveur du lien positif entre volatilité et croissance est l?épargne de précaution (Mirman, 1971). En effet, S'il y a un motif de précaution à l'épargne, une plus grande volatilité devrait conduire à un taux plus élevé d'épargne, et donc un taux d'investissement en capital physique et humain plus élevé. Une fois de plus, dans la mesure où l?accroissement du stock de capital conduit à une croissance plus forte, on devrait observer une relation positive entre la croissance et la volatilité.

Cependant, les théories en faveur d?une liaison négative sont également robustes. S?il y a irréversibilité dans l'investissement, alors une volatilité accrue peut entraîner une baisse des investissements (Bernanke, 1983; Pindyck, 1991). Ramey et Ramey (1991) soutiennent que si les entreprises doivent choisir leurs technologies de production à l? avance (ce qui est le cas pour pouvoir respecter les carnets de commande), alors la volatilité peut entraîner une baisse de la production moyenne parce que les entreprises devront produire à des niveaux sousoptimaux ex-post. Si la baisse de la production actuelle affecte l'accumulation des ressources, la croissance est négativement touchée.

Le point de départ de La littérature empirique renvoi aux travaux de Ramey et Ramey (1995) et s?inscrivent pour la plus part dans la continuité du lien négatif. En effet, les auteurs établissent que les pays caractérisés par une croissance volatile tendent à avoir un taux moyen de croissance plus faible. Ils étudient un panel de 92 pays sur la période 1962-1985 et trouvent une relation négative et statistiquement significative entre l?écart-type du taux de croissance annuel d?un pays et son taux de croissance moyen sur la même période. Le canal de transmission principal ici étant la dépense publique. L?investissement ici semble ne pas être profondément réduit par la volatilité. Le résultat précèdent est confirmé par Aizenman et Marion (1995, 1999), qui par ailleurs mettent en évidence l?existence d?une relation négative entre la volatilité et l?accumulation du capital physique. A contrario, Kormendi et Meguire

(1985) and Grier et Tullock (1989) avait trouvés plus tôt qu?un écart type élevé des taux de croissance s?accompagnait d?un taux moyen de croissance élevé ; par ailleurs, Gavin et Hausmann (1995) corrobore cette conclusion à l?aide de mesures alternatives de volatilité.

Bleaney and Greenaway (2001), estimant un panel de 14 pays d?Afrique sub-saharienne sur la période 1980-1995 trouve que la croissance est négativement affectée par la volatilité des termes de l?échange et l?investissement par la volatilité du taux de change. Aghion et Al. (2009) utilisent également un panel dynamique de 83 pays de 1960 à 2000 ; ils montrent qu?un niveau de volatilité élevé du taux de change peut freiner la croissance, en particulier dans les pays où le marché des capitaux est peu développé. Blattman et al. (2007), toujours dans un panel de 35 pays fortement dépendants des exportations de matières premières et s?étalant sur la période 1870-1939, font ressortir l?influence défavorable de la volatilité sur le niveau des investissements directs étrangers et par conséquent sur la croissance.

Van der Ploeg et Poelhekke (2009)¹² démontrent que la volatilité des prix des matières premières crée une forte volatilité de la croissance du Pib/hab. dans les pays fortement dépendants. L?étude porte sur un panel de 62 pays et concerne la période 1970 - 2003. Il en résulte des incertitudes sur la croissance prévisionnelle qui engendrent alors un effet nocif et important sur l?équilibre de la croissance proprement dite, et constitue à ce niveau la « malédiction des ressources naturelles ». Considérant par suite que la volatilité des prix est à l? origine de tout cet enchainement, Cavalcanti et Al (2011) décident d?en approfondir l?étude. Les prix sont saisis ici à travers une construction adaptée du terme de l?échange¹³ entre 1970 et 2007 pour 118 pays. En conclusion, la volatilité freine l?équilibre de la croissance bien que l?accroissement du terme de l?échange ait un effet positif. En prenant en compte ces deux effets de manière simultanée, il en ressort que l?effet total est négatif. Ce résultat se rapproche de celui de Van der Ploeg et Poelhekke. Les auteurs poussent l?analyse en essayant de déterminer les canaux de transmission ; ils en déduisent que l?influence de la volatilité est nocive pour l?accumulation du capital physique et humain, bien qu?elle n?affecte pas la productivité totale des facteurs.

Les résultats précédant sont très saisissant, et théoriquement semblables à ceux de Van der ploeg et poelhekke. Cependant, certains économistes pensent que la relation négative

entre croissance et volatilité des prix n?est robuste que si l?on omet de considérer certains facteurs essentiels comme la structure de la croissance et la qualité des institutions.

Arezki et Gyfalson (2011) étudient donc les effets de cette volatilité sur la croissance sans tenir compte du produit issu de l?exploitation des ressources naturelles, tout en scindant les pays en deux groupes suivant un index d?efficacité des institutions. Ils se basent sur le score politique combiné de Marshall et Jaggers (2009)¹⁴. Pour un panel de 158 pays sur la période 1970-2007, ils concluent que l?accroissement de la volatilité a un effet significatif et largement positif sur la croissance dans les pays démocratiques, mais non significatif dans les pays autocratiques ; ce qui fait ressortir le rôle des institutions. Le canal ici est l?épargne nationale nette. En effet, en situation démocratiques, les périodes de forte volatilité se traduisent par un comportement d?épargne lorsque le niveau des prix le permet pour ensuite le réinvestir lorsque les recettes de l?état sont sapées par la baisse des prix ; ce qui n?est pas le cas dans un régime autocratique. Il s?en suit un accroissement du stock de capital physique et humain.

Finalement, on constate que la grande majorité des travaux empirique sur le problème de la volatilité se sont concentrés sur son effet sur la croissance à travers l?accumulation de capital physique. L?étude de l?influence sur le stock de capital humain a été négligée. Ceci est d?autant plus compréhensible que l?accumulation de capital humain est difficilement saisissable, donc imposait plusieurs difficultés quant à sa mesure précise. Quand bien même on pouvait le mesurer, il subsistait des manquements énormes en terme de données, qui ont bien évidement été complétées avec le temps.

Pour répondre à cette préoccupation, Notons tout d?abord la contribution de Flug et al. (1999) qui entreprennent des investigations sur ce lien. Les auteurs déballent tout d?abord un corpus théorique supplémentaire sur l?ensemble des différences entre capital physique et humain qui font que ce dernier puisse également être affecté par la volatilité ; ceci de manière négative et plus violente même que le stock de capital physique. Ensuite, une étude en données de panel sur la période 1970-1992 permet de confirmer que la volatilité du taux d?emploi¹⁵ exerce une influence significativement négative sur l?enrôlement secondaire ; ce

¹⁴ C?est un indice qui mesure le niveau de démocratie dans un pays en se basant sur certains critères prédéfinis et l?interrogation des experts. Il est repartit sur une échelle de 0 à 10 et permet de classer les pays suivant l?importance du régime politique qui prévaut : démocratique ou autocratique.

¹⁵ Approximée par la volatilité du revenu (PIB) vu la non disponibilité des taux d?emploi par pays

résultat est principalement valable dans les économies en développement, tandis que la volatilité du revenu affecte positivement le capital humain dans les pays développés.

L?étude analytique de la relation volatilité-accumulation de capital humain commence effectivement avec le modèle de Blackburn et Galindev (2003). Ce modèle fait suite au débat concernant le rôle du mode d?apprentissage dans cette relation. En effet, certains théoriciens pensent que si le changement technologique est le résultat d?un apprentissage ciblé (interne) par des actions délibérées qui se substituent à des activités de production, la volatilité a un effet positif sur l?accumulation de capital humain en réduisant le « coût d'opportunité " de détourner les ressources des activités de production vers l?accroissement de son capital humain (Aghion et Saint-Paul, 1998). D?un autre côté, l'évolution technologique peut être due à un apprentissage hasardeux (externe) à travers des actions non intentionnelles qui sont complémentaires à la formation de capital humain : C?est le « Learning by doing ". Dans ce cas, la volatilité a un impact négatif sur l?accumulation du capital humain en réduisant l'emploi, qui constitue le facteur principal par lequel l'expertise, les connaissances et les compétences sont acquises et diffusées (Martin et Rogers, 1997 et 2000).

Ainsi, Blackburn et Galindev (2003) construisent un modèle de croissance endogène prenant en compte les deux modes d?apprentissage. Les auteurs posent qu?il n?y à priori pas de raison fondamental qui permette de supposer que cette relation doive absolument être d?un signe particulier, en fonction du mode d?accumulation (intentionnelle ou pas). Egalement, il n?y a pas de raison de supposer que l?accumulation du capital humain provient d?un seul mode d?apprentissage sans que l?autre ne soit pris en compte. En conclusion, ils trouvent des résultats déjà mis en exergue par Aghion et Saint-Paul (1998) : la volatilité du PIB affecte positivement l?accumulation du capital humain à cause du fait que durant les récessions, le chômage et la faiblesse des salaires contribuent à baisser le coût d?opportunité d?allouer plus de temps à l?apprentissage qui est bien entendu interne. A partir de ce modèle, plusieurs autres ont été mis en oeuvre, prenant chaque fois en compte des caractéristiques différentes. On a par exemple celui de Varvarigos (2008) pour saisir la sphère monétaire et donc la volatilité de l?inflation. Ce dernier arrive également à la conclusion que la volatilité affecte positivement la croissance, mais cette fois si via une épargne de précaution indirecte qui induit une augmentation des avoirs en encaisses réelles ; ce qui réduit ainsi les coûts des transactions liées à la consommation. A partir de là, comme les firmes sont confrontés à la possibilité d?une plus grande disponibilité de revenus disponible issue de la production, ils accroissent les inputs, donc l?emploi et finalement le capital humain. Ce résultat est en contradiction avec

ceux trouvé plus tôt par Blackburn et Pelloni (2005), qui en saisissant également la sphère monétaire avait ressortis une relation négative.

Un modèle plus récent de Blackburn et Varvarigos (2008) étudie la relation entre la croissance et la volatilité dans un modèle d?équilibre général dynamique où cette croissance arrive de manière endogène à travers l?accumulation du capital humain. Les résultats du modèle semblent finalement contredire les conclusions de la littérature existante : premièrement, les auteurs montrent que les allocations optimales de temps de travail et d'apprentissage sont tous deux pros cycliques. De ce point la volatilité a des effets ambigu sur l?accumulation du capital humain, puisse que les réponses du temps de travail et d?apprentissage sont symétriques. Cependant, cette conclusion n?est pas systématique. Ils identifient alors Deuxièmement un paramètre de préférence (autre que le coefficient relatif d?aversion au risque mais qui peut être considérer comme tel) qui est essentiel dans la détermination du signe du lien. Troisièmement, ils affirment que la corrélation entre volatilité et accumulation du capital humain peut être soit positive soit négative en fonction de ce paramètre de préférence.

Checchi et García-Peñalosa (2004) mènent l?étude sur la période 1960-1995 pour un panel de 111 pays avec des données quinquennales ; ils trouvent également que la volatilité du PIB est liée à un faible niveau moyen total de scolarisation. Précédemment, ils obtiennent le même résultat dans le cadre d?un modèle de croissance ou le niveau moyen de scolarisation dépend du risque sur la production agrégée. Approfondissant aussi bien de manière théorique qu?empirique leurs travaux, Vandewege et Heylen (2005) concluent que les résultats de ces derniers ne sont pas robustes. Un canal important de l?effet de la volatilité sur l?accumulation du capital humain semble être son impact défavorable sur les dépenses publiques d?éducation. En effet, contrôlant l?effet de la dépense publique d?éducation dans toutes leurs régressions, il apparait que l?influence de la volatilité (mesurée de manière invariante dans le temps) change de signe, c?est-à-dire devient positive. En utilisant une mesure de volatilité temporellement variable, son effet sur le capital humain devient également positif. Ce résultat est confirmé plus tard par Kedir et Bani (2012). Ces derniers utilisent des données de panel pour 100 pays en développement d?Asie, d?Amérique latine et d?Afrique couvrant la période 1970-2009 ; Les auteurs concluent que la volatilité est néfaste à la croissance, mais le terme interactif entre volatilité et éducation exerce un effet significativement positif. L?accumulation du capital humain semble donc être le mécanisme par lequel la volatilité impacte positivement la croissance.

Cavalcanti et al. (2012) s?intéressent également à la relation volatilité accumulation du capital humain dans le contexte d?un panel de 118 pays d?Afrique subsaharienne, d?Europe et d?Asie sur la période 1970-2007. Les résultats de cette étude montrent que la volatilité du terme de l?échange des matières premières exerce un effet négatif et significatif sur l?accumulation de capital humain. En testant la robustesse de ces résultats aves des méthodes d?estimations autres que la méthode généralisé des moments (Blundell et bond, 1998), le résultat devient mitigé. Pendant que certaines méthodes confirment les résultats négatifs, d?autres produisent des chiffres non significatifs.

A partir des variantes analytiques et empirique qu?on vient de passer en revue, il est dès lors aisé de choisir un ancrage pour la suite de notre étude.

A partir des différentes conclusions obtenues et prenant en compte les spécificités des économies subsahariennes, on élabore nos hypothèses de travail comme il suit :

Pour mener à bien ce travail, nous allons tour à tour utiliser plusieurs ancrages théoriques dont la pertinence est grandement reconnue dans la littérature. Premièrement, l?analyse de l?influence de la volatilité sur l?accumulation du capital sera construite de manière globale autour de la théorie de la maximisation de l?utilité inter temporelle en situation d?incertitude. Il s?agit ici d?étudier la décision d?investissement (en capital humain ou physique) des agents économiques lorsque ceux-ci font face à l?inexactitude des profits et revenus futurs. Initialement élaborée par Savage (1954), elle est grandement utiliser en sciences sociales. Elle connait ensuite certaines améliorations suite à la critique due au paradoxe d?Allais pour devenir plus générale, notamment avec Gul (1991) ; et est alors utilisée par Aizenman et Marion (1995) pour étudier l?impact de la volatilité sur la formation brute de capital fixe. A cette théorie générale, on ajoute la théorie de l?irréversibilité des investissements (pindyck, 1988 ; Dixit et Pindyck, 1994) particulièrement pour l?étude sur le capital physique : il s?agit de savoir comment les individus prennent leurs décisions d?investissement face à l?incertitude

et la présence de coûts d?ajustement élevés. Enfin, on tiendra compte des spécificités du mode d?apprentissage (interne ou Learning by doing) pour l?étude sur le capital humain (Blackburn et Galindev, 2003) : ici, on examine comment la volatilité affecte la décision d?investir en capital humain lorsque l?apprentissage est majoritairement interne ou externe ; Notons également que le rôle de l?état sera mis à nu, lui aussi faisant face à l?incertitude ambiante.

L?étude est faite sur la période allant de 1980 à 2010. On a choisi 18¹⁶ pays d?Afrique subsaharienne sur la base de la disponibilité des données, mais aussi du degré de volatilité macroéconomique noté dans la littérature empirique. La plupart des données pour ces derniers étant disponible, le panel reste néanmoins non cylindré. Enfin, on considère 4 indices de volatilité macroéconomique, à savoir la volatilité du revenu (PIB), celle du terme de l?échange (TDE), celle du taux de change effectif réel (TCER), et celle du taux d?inflation. Ils sont calculés de deux manières : premièrement à l?aide de l?estimation de la variance d?un modèle à hétéroscédasticité conditionnelle GARCH (1,1), ensuite l?écart-type simple des données quinquennales.

Les variables utilisées dans cette étude ont été obtenues ainsi qu?il suit : le stock de capital physique est calculé sous la base de la méthode de l?inventaire permanent à partir des données de la PWT 7.1 de Heston et al. (2012) ; Le stock de capital humain est issu de Barro et Lee (2010) ; enfin, le reste de données proviennent du WDI 2012.

La suite du travail se déroule selon un plan dynamique ainsi qu?il suit : dans la première partie, nous étudions l?influence des indices de volatilité choisis sur l?accumulation de capital physique. Ensuite, la seconde partie s?intéresse à l?impact de cette volatilité sur l?évolution du stock de capital humain.

¹⁶ Ces pays sont notamment le Bénin, le Botswana, le Burkina Faso, le Burundi, le Cameroun, la Centrafrique, le Congo, la Cote d'Ivoire, le Gabon, le Ghana, le Kenya, le Lesotho, le Mali, le Niger, le Sénégal, le Soudan, le Togo et la Zambie.

PREMIERE PARTIE :

VOLATILITE ET ACCUMULATION DU CAPITAL PHYSIQUE

INTRODUCTION DE LA PREMIERE PARTIE

L?importance de l?accumulation du capital physique dans l?accroissement de la production n?est plus à démontrer (Solow, 1956 ; Barro et Sala-i-martin, 1995). C?est pourquoi les économistes ont de tout temps cherché à percer le mystère qui entoure ses déterminants, en particulier dans les contextes comme celui de l?ASS où l?on note un manque de dynamisme de la part du secteur financier. Les conclusions de ces recherches indiquent que l?évolution du stock de capital physique dépend dans ces cas-là de l?incertitude ambiante (Dixit et Pindyck, 1994), c?est-à-dire de la volatilité des principaux agrégats économiques. Cette dernière peut être le fruit d?une mauvaise qualité institutionnelle¹⁷ ou simplement due aux chocs exogènes liés au commerce extérieur ; il n?en demeure pas moins qu?elle affecte considérablement l?investissement total. Tandis que certains auteurs la considère comme un catalyseur de la croissance du stock de capital, notamment du fait de la convexité de la fonction de profit (Hartman, 1972; Abel, 1983) ; d?autres y voient plutôt un frein important lié à l?irréversibilité des investissements, mais aussi au fait que les agents économiques ont tendance à accorder plus de poids aux mauvaises anticipations qu?à celles qui sont bonnes (Aizenman et Marion, 1999) ; Ils décident alors de reporter leurs projets d?investissement en attendant des informations supplémentaires. L?issue de ce débat est d?autant plus importante pour les pays d?ASS que la stabilité des agrégats macroéconomiques a été mise à rude épreuve depuis le début de la période d?extrême volatilité des prix des matières premières. La prise de position les concernant passe alors par l?implémentation d?une étude empirique tenant compte de leurs spécificités.

L?objectif de cette partie est donc d?étudier l?influence de la volatilité sur l?accumulation du capital physique dans les économies subsahariennes. Pour ce faire nous allons premièrement étaler la situation du débat théorique sur la question (CHAP I), d?où nous pourrons tirer des bases adéquates à l?explication du contexte subsaharien. Ensuite, après avoir passé en revue les différentes méthodes empiriques utilisées, nous pourrons nous en inspirer pour la construction de notre modèle, dont les résultats seront interpréter à la suite de la présentation des faits stylisés (CHAP II). Enfin, quelques mesures de politiques économiques seront proposées en conclusion.

¹⁷ Voir, Acemoglu, D., S. Johnson, J. Robinson, Y. Thaicharoen, (2003). «Institutional causes, macroeconomic symptoms: volatility, crises and growth». Journal of Monetary Economics, vol. 50(1), pages 49-123.

CHAPITRE I : ECLAIRAGE THEORIQUE DES PRINCIPES DE
MAXIMISATION DE L?UTILITE INTERTEMPORELLE

Introduction

L?influence de la volatilité sur l?accumulation du capital physique est un sujet de grand débat, aussi bien du point de vue théorique qu?analytique. Les travaux répertoriés ont fait ressortir un grand nombre de mécanismes relatifs à cette relation, bien sûr sous des postulats bien définis concernant par exemple l?aversion au risque des agents économiques ou les coüts d?ajustement (Caballero, 1991 ; Abel et Eberly, 1999 ; Bloom, 2007). Certains de ces mécanismes ont un effet positif, tandis que d?autres semblent agir de manière néfaste. De facto, l?effet total est a priori ambigu. D?un côté, la convexité de la fonction de profit assure que l?accroissement de la volatilité se traduise par l?augmentation de l?espérance de gains, et donc des incitations à investir (Abel, 1983) ; de l?autre, prenant en compte le caractère irréversible des investissements (Pindyck, 1989) dans le cadre du modèle néoclassique standard, puis celui plus général de l?aversion à la déception, on démontre que les investisseurs ont tendance à reporter leurs projets en situation de volatilité pour attendre des informations supplémentaires (Aizenman et Marion, 1999) . Ils évitent ainsi les coûts d?ajustement liés à une situation ex post défavorable. L?effet total dépend de l?intensité et du réalisme des différents postulats en fonction de la zone d?étude. Il est donc essentiel de balayer dans le détail les avancées conceptuelles majeures afin d?en dégager l?ancrage théorique le plus robuste pour le contexte subsaharien. Enfin, eu égard à l?importance du capital physique - encore faible - pour le développement de ces économies, cet exercice semble d?autant plus approprié à l?obtention de politiques économiques adéquates.

Ce chapitre, se poursuit donc comme il suit : dans une première section, nous présenterons les approches basées sur le modèle standard de maximisation de l?utilité espérée, puis dans la section suivante, l?extension des résultats obtenus dans le cadre plus général de la théorie de l?aversion à la déception.

SECTION I : Les approches basées sur la théorie standard de maximisation de l'utilitéespérée (Savage, 1954) : la décision d'investissement en situation d'incertitude

La littérature part du principe que la volatilité crée une situation contraignante d?incertitude pour les investisseurs. Pris dans l?ensemble, cependant, les prédictions théoriques sont ambiguës. Selon leurs hypothèses sous-jacentes, certaines approches prédisent une relation positive, tandis que d'autres lui donnent un signe négatif.

1.1- Effet mitigé de la volatilité sur l'accumulation de capital physique : Analyse microéconomique

L?analyse microéconomique révèle deux mécanismes majeurs qui s?opposent : l?effet positif du à la convexité de la fonction de profit, et l?effet défavorable issu de l?hypothèse d?irréversibilité des investissements.

1.1.1- convexité de la fonction de profit VS irréversibilité

L'impact de la volatilité dans les modèles standard d?investissement avec neutralité au risque des investisseurs dépend essentiellement de la relation entre le revenu marginal espéré du capital et la (les) variable (s) incertaine (s)-généralement le prix à la production ou le salaire réel. Considérons par exemple, le scénario familier des rendements constants, des firmes parfaitement concurrentielles dans lesquels le capital est le seul facteur fixe, tandis que d'autres facteurs de production (par exemple, le travail) peuvent être sans coûts ajustés en fonction de l'évolution des prix à la production. Les chocs de prix entrainent alors une modification de la technologie de production de l?entreprise, c?est-à-dire de sa force de travail, étant donné que c?est le seul facteur d?ajustement. Par suite, le revenu marginal du capital augmentera plus que proportionnellement (ou se réduira moins que proportionnellement) au prix de l?output. Dans ces conditions, la rentabilité marginale est une fonction convexe des prix à la production, et l'inégalité de Jensen implique alors qu?une incertitude de prix plus élevée augmente la rentabilité espérée du capital, augmentant ainsi le stock de capital désiré et donc les investissements (Hartman, 1972; Abel, 1983).

Récemment, une part grandissante de la littérature théorique a déplacé le centre d?analyse sur les coûts d?ajustement induit par l?acquisition et l?installation du capital, en insistant sur la possibilité de report dans le futur et le caractère irréversible de la grande majorité des projets d'investissement fixes (Dixit et Pindyck, 1994)¹⁸. Cette caractéristique rend les coûts d?ajustement des investissements asymétriques, c?est-à-dire plus élevés pour des réductions de la quantité de capital que pour son accroissement. Ce qui crée sous des conditions appropriées

l?inaction des investisseurs, qui ne prennent la décision d?investir que lorsque la profitabilité espérée du capital dépasse un certain seuil.

Serven (1997) considère une entreprise face à la décision d?investir sur un projet s?étalant sur un horizon temporel de deux périodes. L?entreprise est neutre au risque, le projet est irréversible, son coût d?achat est Pk, et son rendement incertain dû à la volatilité du prix de l?output ou celle de la demande. Plus précisément, on postule que si le projet est mis en oeuvre à la période 0, son rendement à la fin de l?année est connu et égal à R0, mais il est incertain sur chacune des périodes à venir et égal à R. Les informations dont on dispose maintenant établissent à E0(R) la valeur espérée du rendement futur. La valeur présente des bénéfices anticipés est donc :

V0 = -Pk + [1/ (1+r)] R0 + [1/ (1+r)]²?⁸i=0(1+r)^-i E0(R) = -Pk + (1+r)^-1[R0+ (1/r)E0(R)]

Ou r est le taux d?actualisation ou le taux de rendement réel de l'actif alternatif. L?application naïve du critère de la valeur actualisée nette (VAN) recommande la réalisation du projet si V0> 0, qui peut être réécrit sous la forme commode :

Notons que la dépréciation est absente, et rPk est le cotit d?utilisation du capital de Jorgenson (1963) du capital. Si les investissements étaient totalement réversibles, alors l'avenir n?aurait pas d?importance, et la décision optimale serait d'investir maintenant si et seulement si R0> rPk, c?est-à-dire si le rendement actuel excède le coût d?utilisation du capital. Ceci parce que la décision peut toujours être annulée à la prochaine période si les événements se révèlent défavorables.

Cependant, même si le critère de la VAN est vérifié ex-ante, l'entreprise peut regretter à posteriori d?avoir entrepris le projet. Cette situation peut se produire s?il y a une chance que R < rPk, de sorte qu'avec une faible probabilité le rendement futur sera en deltà du coût du capital. Dans ce cas, l'entreprise se trouverait engagée dans un projet non rentable. Lorsque cette possibilité existe, et l'entreprise peut reporter l'investissement pour apprendre davantage sur le rendement futur - peut-être par observation de la trajectoire de prix à la production ou des déterminants de la demande -, la règle de décision proposée par (1) n'est pas correcte. La

raison en est qu'elle peut payer pour attendre plus d'informations avant de s?engager dans un investissement irréversible.

1.1.2- Elargissement du débat : la prise en compte d'hypothèses supplémentaires

Comme exemple extrême, supposons que l'incertitude due à la volatilité disparaît complètement à la période suivante, de sorte que le rendement futur restera constant pour toujours à la valeur qui est réalisée à cette période. Dans ce cas, envisager une stratégie n?impliquant aucune action cette année - et donc pas de flux de trésorerie - et la réalisation du projet à l'année suivante si et seulement si le rendement dépasse le coût d'usage du capital. Le flux de trésorerie attendu de cette stratégie est :

Notons que l'expression entière est multipliée par la probabilité que le rendement du projet va se révéler supérieur au coût d'usage du capital, car c'est seulement dans ce cas que l'investissement sera fait l?année suivante. Nous pouvons comparer les deux stratégies par le calcul de la différence de rendement :

Il est rentable d'investir immédiatement si cette expression est négative, ce qui est équivalent à l?exigence que :

Cette condition compare simplement le coût de l'attente - le rendement net de la période courante (R0 - rPk) est perdu en n'investissant pas - à la valeur de l'attente, donnée par l'irréversible erreur qui pourrait être révélée demain au cas où les rendements futurs du projet sont en deçà du coüt d'usage du capital (c?est-à-dire, R <rPk). La valeur actuelle probable de cette erreur est mesurée par le côté droit de (3): l'erreur est faite avec une probabilité Pr [R <rPk]; son ampleur par période, compte tenu de l'information d'aujourd'hui, est E0 [rPk - R|R <rPk], et puisqu'il revient à chaque période dans un avenir indéterminé, il doit être multiplié

par (1 / r) pour le transformer en terme de valeur présente. Il n?est rentable d'investir immédiatement que si le rendement en première période dépasse le coût d'usage du capital conventionnel par une marge assez grande pour compenser l'erreur possible irréversible - c'est à dire, si le coût de l'attente emporte sur la valeur de l'attente.

La caractéristique importante de (3) est que l?anticipation d?un « futur favorable », représentée par une réalisation de R > rPk est complètement inutile dans la détermination du seuil d?investissement. C?est le principe des « mauvaises nouvelles » développé initialement par Bernanke (1983) : c?est seulement les anticipations relatives à la sévérité des mauvaises nouvelles futures qui déterminent la décision d'investir aujourd?hui ou de reporter l?investissement. Les bonnes nouvelles potentielles importent peu. La raison intuitive de cette asymétrie est que l'option d'attendre n'a pas de valeur dans les situations où l'adoption de l'investissement aurait été la bonne décision - elle n'est utile que dans les Etats où les investissements précoces auraient été regretté. La valeur de cette option d?attendre est égale à V1-V0 et 0. Si V1<V0, l?option d?attendre n?a pas de valeur, et la décision optimale est de procéder immédiatement à l?investissement.

Méme avec des quantités modérées d'incertitude, toutefois, la valeur de l'option d?attendre peut être assez importante. Ceci peut être facilement vu par le calcul de la prime au-dessus du coüt d?usage du capital qu?un projet irréversible doit offrir aux investisseurs pour qu?ils renoncent à leur option d?attendre. Serven prend un exemple simple d'un projet irréversible avec une probabilité de 0,10 d?échouer- c?est-à-dire que le rendement annuel du projet est inférieur de 2 points de pourcentage au taux d?escompte-, et avec une probabilité de 0,90 de réussir. Soit Pk=1 et r=0.4, on peut se demander quel rendement immédiat R0 un projet doit garantir à un investisseur neutre au risque pour que ce dernier puisse le mettre sur pied ? Un calcul simple à partir de (3) montre que R0 doit être au moins 9%, c?est-à-dire au moins 5% de pourcentage au-dessus du cout du capital, pour qu?un investisseur l?adopte.

La principale conséquence du principe de mauvaises nouvelles, c'est que tout élargissement de la distribution des rendements futurs augmente l'incertitude défavorable, augmente la valeur de l'option d'attendre et a donc tendance à déprimer l'investissement (Serven, 1997). Dans l'exemple précédent, supposons que nous réduisons le rendement du projet dans le scénario défavorable d?un 1%, de sorte que maintenant il est loin de r de 3 pour

cent¹⁹ ; avec tous les autres paramètres inchangés, R0 doit maintenant être d'au moins 11%. Deux points supplémentaires de prime sont désormais tenus, parce que l'erreur irréversible est devenue plus grand.

Jusqu'à présent, nous avons supposé que seul un projet d'investissement était à la disposition de l?entreprise. Toutefois, un important corollaire du principe des mauvaises nouvelles concerne la sélection entre plusieurs projets d'investissement irréversibles: les événements qui menacent de modifier l?ordre de rentabilité des différents projets - même si elles augmentent les rendements absolus à tous les projets - ont tendance à réduire les investissements (Serven, 1997).

Un autre exemple peut servir à illustrer ce point. Considérons une entreprise qui doit décider entre deux projets, qui exigent tous deux un investissement égal à Pk. le premier projet utilise du travail, et donc son rendement futur dépend de l'évolution du salaire réel. Aujourd'hui, le salaire réel est égal à w0 ; à partir de l'année prochaine, il pourrait monter à un niveau élevé _wH avec une probabilité (1-p), ou alors chuter à un niveau plus bas w^L avec une probabilité p. la valeur nette actualisée du premier projet qui utilise le travail est donc :

Et on suppose que (1-wL)> (1-wH)> r, et (1-w0)> r, de sorte que le projet soit rentable dans les deux scénarios. En revanche, le second projet n'utilise pas de travail, et donc son rendement est indépendant du salaire réel. Supposons que le taux de rendement annuel est égal à a. On a donc :

Supposons dans un premier temps que a < (1-w^H). Le second projet est toujours moins rentable que le premier, et la stratégie optimale consiste à entreprendre le projet 1 immédiatement. Supposons cependant, qu'une amélioration technique provoque un accroissement de a à 1-w^H <a <1 - w^L, de sorte qu?avec de hauts salaires le projet 2 devient plus rentable que le projet 1. Intuitivement, puisque la rentabilité d'au moins un projet a augmenté, l'investissement devrait être encouragé. Mais ce n'est pas le cas, parce que

¹⁹ On peut aussi augmenter les rendements dans le scénario favorable autant que nous voulons, mais ceux-ci ne sont pas pertinents

maintenant il peut être préférable d'attendre la prochaine période, et ensuite adopter le projet 1 si les salaires se révèlent faibles et le projet 2 si ils sont élevés. Cette stratégie donnerait:

Il est facile de vérifier qu?attendre devient la stratégie optimale si et seulement si : (1-W0-r) < (1 --p) (a --[1 --wH])

Si les deux inégalités tiennent, une augmentation de la rentabilité du projet 2, sans aucune baisse de la rentabilité du projet 1, abaisse effectivement l?investissement, puisque l'entreprise préfère maintenant attendre la prochaine période afin d'éviter l'erreur irréversible d'avoir choisi ce qui pourrait se révéler être le «mauvais» projet -- un problème qui auparavant ne pouvait se poser parce que le projet 1 était supérieur dans tous les scénarios possibles.

Ainsi, les modèles analytiques précédents caractérisent le seuil critique qui doit être atteint par la rentabilité marginale du capital afin d?être propice à l'investissement. Ils prédisent que si la volatilité augmente, le seuil de rentabilité des investissements va également augmenter de sorte que les entreprises seront plus hésitantes à investir pour éviter de se faire prendre avec trop de capital si l'avenir se révèle pire que prévu. En revanche, si l'avenir se révèle meilleur que prévu pour l'entreprise, il suffit d'ajouter autant de capital que nécessaire.

De ce qui précède, il doit être clair que l'irréversibilité n'est pas en soi une raison suffisante pour tourner le dos à l'impact positif de la volatilité sur l'accumulation de capital physique obtenue de la convexité de la fonction de profit. En effet, même en présence de coûts d'ajustement asymétriques, il peut être démontré que l'investissement optimal par une entreprise concurrentielle continu d'être une fonction non décroissante de l'incertitude (Caballero, 1991; Abel et Eberly, 1994). Pour inverser ce résultat, il est nécessaire d?apporter des hypothèses supplémentaires comme la concurrence imparfaite ou les rendements d'échelle décroissants²⁰. Lorsqu'ils sont combinés avec l'irréversibilité, ils peuvent créer la négativité du

lien incertitude-accumulation du capital en transformant le produit marginal du capital en fonction décroissante du stock de capital (Caballero, 1991). Dans ces conditions, le seuil de rentabilité mentionné ci-dessus augmente avec le degré d'incertitude, et si cet effet est assez puissant, il peut l'emporter sur l'augmentation de rentabilité espérée découlant de la convexité de la fonction de profit, ce qui réduit les investissements. La raison intuitive est que dans ce cas, la nature asymétrique des coûts d'ajustement rend l'incertitude du point de vue de la baisse des prix plus importante que l'incertitude sur leur hausse : étant donné que le désinvestissement est plus coûteux que l'investissement, les chocs favorables ont un effet moindre sur la rentabilité que les chocs défavorables, et les entreprises deviennent ex ante hésitantes à investir pour réduire le risque d'être coincé ex-post avec des projets non rentables et irréversibles.

L'hypothèse selon laquelle la rentabilité marginale du capital décroit avec la baisse du stock de capital ne peut évidemment pas s'appliquer à une firme parfaitement concurrentielle et disposant de rendements constants, puisque dans ce cas le taux marginal de rentabilité du capital est, par construction, sans rapport avec le niveau de capital et égal au prix de l?output qui est une résultante des fondamentaux du marché. Cependant, une telle hypothèse est plus réaliste pour les entreprises en concurrence imparfaite et, peut-être plus important encore, pour une industrie sans barrières à l?entrée et parfaitement concurrentielle dans son ensemble. A ce niveau de la branche industrielle, la distinction entre l'incertitude globale et spécifique à l'entreprise prend de l'importance: cette dernière continue d'avoir des effets positifs (ou nonnégatifs) sur l'investissement de la firme comme décrit ci-dessus, mais les chocs globaux ont un effet asymétrique, parce que l' impact des chocs globaux favorables sur la rentabilité de l?ensemble de l'industrie est limité par l'entrée de nouvelles entreprises, pendant que irréversibilité empêche la sortie en cas de chocs défavorables. Comme les entreprises individuelles parfaitement concurrentielles sont conscientes de ce fait, une plus grande incertitude globale élève sans ambiguïté leurs seuils de rentabilité et tend à réduire aussi bien l?investissement de la firme ainsi que celui de l'ensemble du secteur (Caballero et Pindyck, 1996).

Même dans le cas précédent, les prédictions théoriques de l'approche de l?irréversibilité concernent la décision d'investissement ex ante, et donc font surtout référence au court terme (Bertola and Caballero, 1994). À long terme, un effet «gueule de bois» (Abel et Eberly, 1999)

entre en jeu: des degrés plus élevés d?irréversibilité et / ou d'incertitude rendent plus probable le fait que les entreprises se retrouvent ex-post coincées avec un capital excessif, rendant en effet le capital à long terme et les investissements supérieurs à ce qu?ils auraient été autrement.

Il est intéressant de noter également que des facteurs analogues à l'irréversibilité peuvent en fait contribuer à un lien positif entre volatilité et investissement, du moins en théorie. Par exemple, si les entreprises ont la possibilité de l'abandon des projets non rentables, les coûts d'ajustement de l?investissement deviennent aussi asymétriques, mais dans le sens opposé à celui impliqué par l'irréversibilité : avec la possibilité d'abandon, l'incertitude sur la hausse de la rentabilité est la seule qui compte, puisque l'impact de chocs négatifs peut être atténué en arrêtant ces projets révélés a posteriori comme non rentables, et donc une plus grande incertitude accélère réellement l'investissement à condition que le coût des projets de l'abandon n'est pas trop élevé²¹.

Jusqu'à présent, la discussion a été limitée au cas de neutralité face au risque. Une approche alternative prend pour point de départ le cas d?agents averses au risque et confrontés à des possibilités de diversification limitées dans le contexte des marchés de capitaux imparfaits. Dans cette logique, Zeira (1990) présente un modèle de l'accumulation du capital optimale en concurrence parfaite avec aversion au risque des investisseurs faisant face à des prix relatifs incertains. Dans ce cadre, l'incertitude a un impact ambigu sur l'investissement: d'une part, elle tend à augmenter l'investissement grâce à la convexité de la fonction de profit mentionné plus tôt, d'autre part, une plus grande incertitude décourage l'investissement en raison de l?aversion au risque des investisseurs. L'effet net dépend de la concavité de la fonction d'utilité,²² la convexité de la fonction de profit, et la répartition des risques.

1.2- Analyse macroéconomique : L'effet sur l'investissement agrégé

Tout ce qui précède est relatif à la décision d'investissement d?une seule entreprise. Du point de vue macroéconomique, cependant, la question la plus importante est l'impact de la volatilité sur l'investissement global. Pourtant, il est évident que l'on ne peut pas simplement transposer mécaniquement les résultats microéconomiques ci-dessus à l'investissement global.

²¹ Voir, Bar-Ilan, A. et W. Strange. 1996. «Investment Lags.» American Economic Review 86, pp. 610-622.

En réalité, nous n'avons jamais observé des périodes d'investissement global zéro qui devrait se produire si toutes les entreprises de l'économie faisaient face à la contrainte de volatilité - ou étaient toutes à la fois dans le domaine de l'inaction identifié dans les modèles microéconomiques. Au lieu de cela, l'investissement global affiche une douceur et une certaine inertie.

1.2.1- l'hétérogénéité des agents économiques

Pour évaluer le rôle de la volatilité sur de l'investissement global, il est donc essentiel de prendre explicitement en compte l'hétérogénéité des individus dans leurs décisions individuelles d?investissement. Par exemple, chaque firme ajuste son stock de capital lorsque la rentabilité est supérieure à son seuil spécifique, qui reflète les capacités de gestion, les conditions sur les marchés de l?output, et d'autres facteurs idiosyncratiques²³. À un moment donné, certaines entreprises pourraient être proches de leurs points de déclenchement et les autres loin d'eux. Les entreprises peuvent faire l'objet de chocs globaux qui ont tendance à toutes les pousser au-dessus ou en dessous de leurs points de déclenchement d'investissement, mais aussi des chocs spécifiques, qui poussent les entreprises différentes dans des directions différentes. C?est le méme scénario si on considère un pays au lieu d?une entreprise. Ainsi, la réponse de l'investissement global à un choc global peut afficher une forte inertie, comme les différentes unités microéconomiques peuvent atteindre leurs seuils d?investissement à des moments différents (Serven, 1997).

En outre, la volatilité a un effet différent selon que l?investissement est public ou privé (Catao et Kapur, 2006). Pour les pouvoirs publics, il se pose un problème supplémentaire ; rappelons qu?ils sont à la fois engagés dans des projets de rentabilité financière et sociale (éducation et santé, etc...). Concernant le premier type de projet, les administrateurs se comportent effectivement comme des entreprises, en ce sens qu?ils obéissent aux principes de rentabilité inter temporelles en situation d?incertitude ; cependant, pour le deuxième type, l?Etat doit être d?autant plus offreur que les populations sont incapables de se les offrir. Ainsi, il n?a pas souvent le choix et est obligé de s?engager à vue dans la fourniture de ces services. La volatilité a pour effet de réduire la soutenabilité de ces projets qui sont d?ailleurs porteurs d?externalités positives sur l?investissement privé. En effet, si en période de récession les revenus ne permettent pas de continuer la fourniture de ces services, ces derniers seront stoppés et freineront l?accumulation de capital physique. C?est notamment le cas en Afrique

subsaharienne ou les institutions sont faibles (Arezki et Gyfalson, 2011). Ces derniers affirment que dans les économies avec de fortes institutions, les gouvernements font des épargnes de précaution en période d?expansion pour qu?en période de récession la fourniture de services sociaux ne soit pas freiner.

1.2.2- Agrégation des effets microéconomiques de la volatilité

L?agrégation des politiques d'investissement individuelles des firmes n'est pas facile parce que, comme nous l'avons, sous l'irréversibilité, de telles politiques ne sont pas linéaires. Ainsi, l'impact d'un choc donné sur l'investissement global dépend, par exemple, des institutions, de combien d?entreprises individuelles sont dans les plages d'inaction, de quelle distance les séparent de leurs points de déclenchement, et de l'importance des chocs particuliers relativement aux chocs globaux.

Bertola et Caballero (1994) ont étudié les implications de l?irréversibilité de l'investissement global dans un modèle dans lequel l'investissement des entreprises individuelles se produit en rafales discontinues. Les investissements individuels ne sont pas synchronisés, et les entreprises sont assujetties à la volatilité idiosyncratique, en plus de la volatilité globale. En conséquence, l?investissement global montre une certaine douceur dans ses variations. Une perturbation global favorable (par exemple, une baisse du prix des biens d'équipement) peut avoir un effet très faible sur l'investissement global si beaucoup d?entreprises sont en deçà de leur seuil d'investissement positif, et peut prendre beaucoup de temps pour développer son plein effet, qui dépend des conditions initiales - c?est-à-dire la situation originale des entreprises par rapport à leurs seuils d'investissement respectifs. Les etudes qui ont suivi se sont plus axées sur l?empirisme que les méthodes analytiques.

Bloom et al. (2007) utilisent un modèle de simulation avec une large gamme de coûts d?ajustements, une mesure temporellement variable de volatilité, et les données sur 672 firmes manufacturières d?Angleterre pour le calibrer ; Ces dernières subissent à la fois des chocs idiosyncratiques, mais aussi communs. Il se base sur le modèle typique de la littérature qui considère que l'investissement est fait dans un bien capital unique partiellement irréversible, avec une fonction de revenus Cobb-Douglas, et de la demande qui suit un processus brownien avec une variance constante. L'investissement se produit uniquement lorsque le revenu marginal du capital atteint un seuil supérieur donné par le coût d'usage traditionnel du capital

plus une valeur d'option pour l'investissement. De même, le désinvestissement se produit uniquement lorsque le revenu marginal atteint un seuil inférieur, donné par le coût d'usage pour la vente du capital moins une valeur d?option de désinvestissement. L'entreprise choisit d'attendre et de ne rien faire si son efficacité marginale du capital se situe entre ces deux seuils.

Comme l?EMC évolue de manière stochastique cette approche prédit que l'entreprise s'engage dans des rafales sporadiques d'investissement ou de désinvestissement, cohérentes avec la preuve typique des données²⁴. Abel et Eberly (1996) montrent par des statistiques comparatives que les valeurs d'option sont de plus en plus élevées pour des mesures invariantes dans le temps de l'incertitude. Cela suggère que les entreprises qui font face à un niveau plus élevé de volatilité sont moins susceptibles de réagir à un choc de demande donnée.

Il existe alors deux types distincts d'agrégation qui peuvent être observés: d'abord, l'agrégation pour tous les types de capitaux (constructions, le matériel et les véhicules) et, deuxièmement, l'agrégation entre les usines au sein de la firme ou de l'entreprise. Dans les deux cas, on observe une proportion plus élevée des observations avec des investissements zéro lorsque l'on considère des données plus détaillées. Il est également susceptible d'avoir un troisième type d'agrégation - agrégation temporelle - puisse que la fréquence des chocs et des décisions d'investissement est susceptible d'être beaucoup plus élevée que celles des données (annuelles).

Les conclusions montrent que l?effet néfaste de l?irréversibilité sur l?investissement agrégé est conforté. En fait, même un choc positif de demande se traduirait par une réponse moins flexible des investissements.

Enfin, comme on l?a déjà rappelé, il a été montré qu?en présence de bonnes institutions, l?effet de la volatilité sur l?investissement agrégé et donc l?accumulation de capital physique est aussi considérablement réduit, ceci grace à l?épargne de précaution des pouvoirs publics, du secteur privé (Dotsey et Sarte, 2000 ; jones, 2005) mais aussi des effets externes positif de ces épargnes dans l?ensemble de l?économie. Le rôle des institutions n?est donc pas à négliger dans le processus d?agrégation.

SECTION II : Extension de la théorie standard : « l'aversion à la déception » (Gul, 1991) et Le modèle de croissance d'Aizenman et Marion (1995)

Le modèle standard de maximisation de l?utilité inter temporelle a subi de nombreuses critiques rattachées au fait qu?il est incompétent pour expliquer les choix des agents économiques dans certaines situations. Ainsi, les conclusions obtenues dans les analyses précédentes risqueraient de ne plus être valables dans un environnement qui n?est pas pris en compte par le modèle. C?est dans cette logique qu?arrive le paradoxe d?Allais, qui met en évidence une situation complexe qui ne cadre pas avec les explications issues de ce modèle. Ainsi, en correction à ces insuffisances, d?autres approches plus générales sont développées, et ensuite utilisées par les économistes pour tester la robustesse des décisions d?investissement des individus en situations d?incertitude.

2.1- Du modèle traditionnel de maximisation de l'utilité à la théorie de l'aversion à la déception

Tous les cas de neutralité /aversion au risque avec irréversibilité des investissements traités dans la section précédente s'inscrivent dans le cadre du modèle néoclassique standard de l'utilité espérée, développé au départ par Savage (1954). Cependant, il est important de noter que ces modèles vont bien au-delà de l?analyse de la relation volatilité-accumulation de capital, et sont aussi utilisés par d?autres sciences sociales comme la psychologie. Ainsi, le cadre d?analyse de la maximisation de l?utilité espérée, bien qu?utile dans plusieurs contextes, éprouve des difficultés à expliquer certaines anomalies et modes de comportement. Par exemple, l?extrême volatilité du cours des actions²⁵ et le casse-tête de la prime de risque sur les marchés boursiers²⁶ ont soulevés des questions concernant l?adéquation du modèle de Savage. En outre le « paradoxe d?Allais » fait remarquer qu?il y a des situations intéressantes où les préjugés envers un résultat connu affecte la prise de décision selon des mécanismes qui ne sont pas pris en compte dans l?environnement de Savage²⁷. Ce genre de préoccupations ont

²⁵ Notée par, Shiller, R. (1981). «Do stock prices move too much to be justified by subsequent changes in dividends?» American Economic Review, 71, 421-36.

²⁶ Identifié dans Mehra, R. et Prescott, E. (1985). «The equity premium». Journal of Monetary Economic, 15, 145-61.

²⁷ Il montre que l?hypothèse d?indépendance, faisant partie des postulats de Savage (1954) n?est pas toujours vérifiée. Cet hypothèse s?énonce comme il suit : « si la loterie A est préférée à la loterie B, alors, quelle que soit la loterie C et quelle que soit la probabilité p, la loterie [A (p) ; C (1-p)] est préférée à la loterie [B (p) ; C (1-p)] ». [A (p) ; C (1-p)] désigne une méta-loterie dans laquelle on joue la loterie A avec la probabilité p, et la loterie C avec la probabilité (1-p).

conduit au développement de modèles généralisés de maximisation inter temporelle qui rendent plus flexibles les postulats de Savage.

L?une de ces approches est celle de «l'aversion à la déception » Gul (1991), notamment préconisée par Aizenman et Marion (1995, 1999). Elle s'écarte du paradigme de l'utilité espérée en supposant que les préférences des agents accordent plus de poids aux résultats défavorables que favorables. En effet, l?une des caractéristiques du modèle de Savage est que la perte de l?utilité espérée issue de la volatilité du produit est proportionnelle à la variance de ce produit. Par conséquent, la volatilité peut plutôt avoir de faibles effets en fonction d?hypothèses appropriées sur la répartition des chocs. Aizenman et Marion (1995) montrent qu?en vertu d?hypothèses adéquates concernant le degré d'aversion pour la déception, la théorie de Gul peut produire un impact négatif plus significatif de la volatilité sur l'accumulation de capital, par rapport à celui proposé par le cadre conventionnel de l?utilité espéré. En effet, les auteurs affirment que quand les préférences des agents sont saisies à travers le modèle généralisé de l?utilité espérée (modèle de Gul), ces agents accordent toujours plus d?importance aux anticipations relatives aux mauvais résultats qu?à celles qui sont favorables. De ce fait, il y a une non linéarité des préférences. Par conséquent, la volatilité a un effet d?ordre 1 sur l?investissement agrégé proportionnel à l?écart-type des chocs plutôt qu?un effet d?ordre 2 proportionnel à leurs variances.

2.2- Le Modèle de croissance avec incertitude d'Aizenman et Marion (1995)

On rappelle que ce modèle se base simplement sur le fait qu?en situation de volatilité et donc d?incertitude, les agents économiques prennent leurs décisions d?investissement en accordant plus de poids au mauvaises nouvelles à venir qu?aux bonnes : C?est l?aversion à la déception.

2.2.1- hypothèses et résolution du modèle

Les préférences d?un agent économique averse à la déception peuvent être saisies à travers le système [u(x), â] où u est la fonction d?utilité conventionnelle décrivant l?utilité de la consommation x, [u?>0 et u??<0], et â ? 0 est le paramètre qui mesure le degré d?aversion à la déception. Soit V(â) l?utilité espérée d?un agent averse à la déception dont le degré d?aversion est â. En l?absence de risque lié à la volatilité, l?utilité de l?agent est simplement u(x).

Supposons maintenant qu?il existe deux états de la nature. Avec la probabilité á l?agent reçoit le revenu x1, et avec (1-á) le revenu x2, avec x1>x2. Pour cet exemple, l?utilité espérée avec aversion à la déception est simplement :

Dans cette expression, le premier terme dans les crochets à droite représente l?utilité espérée conventionnelle en l?absence d?aversion pour la déception, et le second terme est le degré d?aversion (â) multiplié par la déception espérée. En réarrangeant l?égalité précédente, on obtient :

Où è1= (1-á) k > 0, è2= ká > 0, et k= â/ [1+ (1-á) â] > 0. Si l?agent est averse à la déception alors (â > 0) ; il attache un poids supplémentaire de (1-á) è2 aux mauvaises situations où il est déçu (relativement à la pondération probabiliste utilisé dans l?utilité conventionnelle), il attache un poids plus faible áè1 aux bonnes situations, avec (1-á)è2 = áè1. Le paramètre â mesure donc l?écart d?importance entre les mauvais et les bons états de la nature. Notons ici que pour (â = 0), la fonction V devient identique à la fonction conventionnelle d?utilité. Dans ce cas les situations favorables et défavorables sont traitées symétriquement dans la pondération de la mesure de l?utilité.

Maintenant, examinons le rôle de l?aversion dans la relation volatilité-accumulation de capital. On s?appuie sur un exemple à deux périodes où le seul risque est l?incertitude sur les rendements de l?investissement issu de la volatilité. Pour isoler l?impact de l?aversion au risque de premier ordre, Aizenman et Marion (1995) se concentrent sur le cas où les d?ajustements sont nuls.

L?utilité est inter temporelle, et les agents présentent l?aversion à la déception en situation de risque. A la période 1, l?agent débute avec une dotation de capital K et un revenu extérieur Z. la fonction de production à la première période est f(K), avec f?>0 et f??<0. Le revenu de la période 2 est aléatoire et donné par Z + f (K+I) (1+ë), ë est un choc aléatoire de productivité et I l?investissement de la période 1. On suppose deux états de la nature, d?où ë = (î, -î) qui arrive avec des probabilités égales.

Le consommateur choisi le niveau de l?investissement I de sorte qu?il puisse maximiser la fonction d?utilité espérée averse à la déception :

ñ est un facteur d?escompte subjectif ; en appliquant (II) et (III), l?agent maximise

Où I0 est le taux d?investissement en absence de volatilité et h(î²) représente les termes proportionnelles à î², et

Où R est le coefficient de l?aversion relative au risque, avec R= -d (log u?(x))/d (log x). Donc pour les î très petit, on a

2.2- Interprétations des résultats du modèle

Ainsi, utilisant La théorie de « l?aversion à la déception », Aizenman et Marion (1995) arrivent à la conclusion déjà obtenue précédemment : la volatilité affecte négativement l?accumulation du capital physique. Cependant, eût égard à la généralité du cadre employé, le résultat semble ici bien plus robuste. Suivant les recommandations de l?auteur, il existe plusieurs mesures de volatilité qui peuvent être considérées (f) et il est par conséquent nécessaire de vérifier si elles aboutissent aux mêmes conclusions. Par ailleurs, il existe peutêtre un effet de seuil concernant l?influence de la volatilité (b) ; la condition exposer ici (b) semble appuyer le fait qu?elle est encore plus néfaste dans les pays d?Afrique subsaharienne où en outre le secteur financier est embryonnaire et les chocs non idiosyncratiques parce que la presque totalité de ces économies dépendent du commerce de matières premières (e). Notons enfin que le cadre de l?aversion à la déception bien qu?adéquat n?est pas le seul avec lequel il est capable d?obtenir une influence fortement négative de la volatilité sur l?investissement²⁸.

²⁸ Les travaux de Segal et Spivak (1990) y entaient déjà parvenus avec des approches différentes.

Conclusion

Finalement, On constate qu?il existe deux résultats divergents concernant l?influence de la volatilité sur l?accumulation du capital physique. Pour certains, cette relation est positive via l?effet favorable sur la profitabilité espérée des investissements (convexité de la fonction de profit), mais aussi si les agents décident de faire une épargne de précaution qui sera ultérieurement investie dans ce capital. Par ailleurs, en l?absence d?aversion au risque, il y a des chances supplémentaires d?aboutir à cette conclusion. Pour d?autres, la volatilité constitue plutôt un frein en fonction des postulats relatifs à l?irréversibilité des investissements, à la nature des marchés, des agents et même des chocs. En effet, considérant l?irréversibilité et la présence d?aversion au risque, les agents économiques ont tendance à reporter la mise en oeuvre de leurs projets d?investissement pour attendre plus d?informations, et ainsi éviter de se retrouver ex post en situation défavorable. Ce résultat est obtenu premièrement dans le cadre de la théorie standard de maximisation de l?utilité inter temporelle, puis conforté par l?adoption du cadre plus général de la théorie de l?aversion à la déception. Ainsi, Le débat persiste et le consensus doit donc être trouvé empiriquement et individuellement en fonction des zones ou pays étudiés. Le cas des économies subsahariennes semble d?autant plus intéressant qu?elles sont grandement frappées par les chocs externes, et ceci de manière presque équivalente. En effet, elles dépendent toutes plus ou moins grandement du commerce international de matières premières dont les prix sont fortement volatils. On essaiera donc d?évaluer empiriquement pour ces économies le signe et la magnitude du lien volatilité-accumulation du capital physique.

CHAPITRE II - EVALUATION DE L?INFLUENCE DE LA VOLATILITE
SUR LE STOCK DE CAPITAL PHYSIQUE DES ECONOMIES
SUBSAHARIENNES

Introduction

Comme il a été montré au chapitre précédent, les théories traitant de l?influence de la volatilité sur l?accumulation du capital physique proposent des résultats divergents. La conclusion qu?on peut tirer est alors que l?adéquation d?un résultat théorique à un contexte spécifique dépend des caractéristiques de ce dernier. Par conséquent, une évaluation empirique s?impose pour pouvoir déduire des résultats convenables. Nous le ferons notamment dans le cas des pays d?Afrique subsaharienne, ou la stabilité des variables économiques a toujours constituée un problème majeur, et plus encore avec l?extrême volatilité des prix des matières premières enregistrée entre 2007 et 2011 (FMI, 2011).

L?objectif de ce chapitre est donc d?évaluer l?influence de quelques indices de volatilité macroéconomique sur l?accumulation du capital physique des économies subsahariennes. Parmi ces indices, nous avons choisis ceux qui sont directement affectés par la volatilité des prix des matières premières sur les marchés internationaux. On a donc la volatilité du terme de l?échange, du taux de croissance du PIB, du taux d?inflation, et du taux de change effectif réel. Le chapitre s?articule autour de deux parties : nous ferons d?abord état des principales méthodes empiriques utilisées, ce qui nous permettra de construire notre modèle (Section I). Ensuite, nous présenterons l?analyse et l?interprétation des résultats obtenus, précédée par la mise en évidence des faits stylisés.

SECTION I- Balayage des méthodes empiriques et spécification du modèle

1.1- La diversité des techniques d'estimation

1.1.1- Les études sur données transversales

La littérature empirique sur la relation entre la volatilité et l'investissement est encore beaucoup plus rare que son homologue théorique. La plupart des études empiriques, en particulier ceux qui utilisent les données macro-économiques, adoptent une approche non structurelle, dans laquelle les différents proxys de l'incertitude sont intégrés aux équations d'investissement de forme réduite.

Les études empiriques sur données transversales sont nombreuses. Hausmann et Gavin (1995) rapportent une association négative entre des indices de volatilité macroéconomiques (qui combinent la volatilité du PIB réel et du taux de change réel) et le ratio investissement / PIB, à l'aide d'un large échantillon de pays en développement. Par contre, Bleaney (1996) constate que les mesures de volatilité (y compris par exemple la variabilité du taux de change

réel) affectent négativement les performances de croissance des pays en développement, mais pas l'investissement total. Un résultat similaire est obtenu par Ramey et Ramey (1995), qui utilisent également des données sur l?investissement global.

Cependant, Aizenman et Marion (1995, 1999) signalent une corrélation négative entre les différents indicateurs de l'instabilité économique (tels que la volatilité des termes de l'échange, l'inflation et le taux de change réel) et l'investissement privé. Ils montrent en outre que ces mesures de la volatilité contribuent de manière significative à l?explication des performances de l'investissement privé entre les pays dans le cadre d?une régression de forme réduite. L?investissement total (c'est-à-dire, privé plus public), cependant, n'est pas lié aux indicateurs d'instabilité de leur échantillon. Ici, à la suite de la résolution d?un modèle de croissance endogène, l?estimateur des moindres carrés est utilisé.

Une approche plus structurelle est suivie par Bertola et Caballero (1994), qui mettent en oeuvre empiriquement un modèle qui découle explicitement de l'agrégation des investissements irréversibles des entreprises individuelles ; Caballero (1993) applique une approche similaire aux données des pays en développement. Ces deux études illustrent la réponse asymétrique de l'investissement global à des chocs positifs ou négatifs, et sa forte dépendance aux conditions initiales: après une profonde récession, par exemple, de nombreuses entreprises sont susceptibles d'être bien en deçà de leurs seuils d'investissement, et donc la réactivité de l?investissement global aux changements positifs d?incitations peut être très limitée.

Concernant Les régressions transversales, il existe un biais induit par les variables manquantes ou omises, sans compter le fait qu?elle est inappropriée à l?étude dynamique, puisque la variable dépendante retardée est liée au terme d?erreur. Par conséquent, il est impératif de passer à une modélisation en panel (Van der ploeg et Arezki, 2007). Le panel donne l?avantage d?inclure dans l?analyse les effets fixes spécifiques à chaque pays, ce qui permet de cerner toutes les caractéristiques hétérogènes invariantes dans le temps. De plus, cette méthode permet d?agrandir la taille des données utilisées.

1.1.2- Les études en données de panel

La plupart des études empiriques sont limitées à la dimension transversale à travers les pays, ignorant la variation dans le temps des données de la série. Cependant, il existe des exceptions. Serven et Solimano (1993) estiment une équation d'investissement privé à l'aide

des données de panel sur un groupe de pays en développement, en incluant comme variables explicatives les écarts-types de l'inflation et du taux de change réel ; ils trouvent des preuves que ces mesures de volatilité affectent négativement l'investissement. Pindyck et Solimano (1993) testent les effets de l'incertitude sur l'investissement global en utilisant l'approche de l'irréversibilité. En utilisant des données de panel pour les pays industrialisés et en développement, ils construisent des proxys pour le seuil de rentabilité, et examinent sa relation avec la volatilité de la rentabilité elle-même. Ils estiment également une fonction d'investissement de forme réduite, prenant en compte des indicateurs de volatilité comme l'écart type de l'inflation et du taux de change réel; Ce dernier semble avoir un impact négatif sur l'investissement. Goldberg (1993) étudie l'impact de la volatilité du taux de change sur le niveau d?investissement au sein des industries aux États-Unis, et estime que dans les années 1980, la dépréciation du dollar réel (respectivement son appréciation) était probablement associée à la contraction des investissements (respectivement à leur extension). Darby et coll. (1998) estiment une équation simple d?investissement, étendue pour inclure une mesure de la volatilité du taux de change réel, et ce séparément pour cinq économies de l'OCDE ; ils trouvent un effet toujours négatif, que ce soit à court ou à long terme, ou les deux.

La grosse limite des études précédentes est qu?elles ne s?intéressent pas à la volatilité ex-ante (incertitude), qui ne peut être saisi par les mesures standards obtenues à l?aide de l?écarttype. Une importante révolution apportée par Serven (1998) est donc à noter. En considérant encore l?investissement en pourcentage du PIB comme variable dépendante, mais une mesure de volatilité différente issue de l?estimation d?un modèle GARCH (1,1), Il conclut que la volatilité de cinq variables macroéconomiques clés (croissance du PIB, inflation, taux de change réel, termes de l?échange et prix relatif du capital) exerce une influence négative sur l?accumulation de capital physique. Seul l?effet du terme de l?échange n?est pas significatif. L?étude est menée sur 60 pays en développement.

Dehn (2000) se sert d?un panel de 44 pays en développement. Il trouve que la volatilité des termes de l?échange n?a pas d?effet significatif sur le taux d?investissement. L?estimation de la volatilité est également issue d?un modèle GARCH (1,1). Bleaney and Greenaway (2001), estimant un panel de 14 pays d?Afrique sub-saharienne sur la période 1980-1995 trouve que la croissance est négativement affectée par la volatilité des termes de l?échange et l?investissement par la volatilité du taux de change.

Un couple d?études assez similaires sur l'effet de la volatilité sur le niveau de l'investissement privé est donné par Serven (2003) et Pradhan et al. (2004). L?étude de Serven est basée sur des données transnationales en séries chronologiques de 61 pays pour la période 1970-1995 ; il trouve un effet pleinement négatif de l'incertitude du taux de change réel sur l'investissement privé, utilisant l?estimateur GMM en panel dynamique. Cet effet est particulièrement important dans les économies relativement ouvertes. Pradhan et al. (2004) examinent l'effet de la volatilité du taux de change réel sur l'investissement privé total en Indonésie, en Malaisie, aux Philippines et en Thaïlande en utilisant les données de séries chronologiques de 1972 à 2000. Après avoir analysés les propriétés en séries temporelles des données, ils estiment un modèle à correction d'erreur pour chacun de ces pays. Ils trouvent des résultats différents pour les différents pays. Asteriou et Price (2005) ont également montré que la volatilité, en raison de l'incertitude qu?elle crée réduit l'investissement et la croissance économique.

En utilisant un panel pour 87 pays, Addison et Wodon (2007) montrent que la croissance du PIB réel par habitant au cours de la période 1980-1994 était fonction de la croissance de la productivité et du taux d'investissement, qui tous deux ont été négativement touchés par la volatilité (du terme de l'échange, du taux de change réel, et des investissements publics). Ces résultats sont tout d?abord obtenus à l?aide de l?estimateur des moindres carrés ordinaires, puis confirmés par la méthode des variables instrumentales (VI).

Jusqu?ici, les études présentées ci-dessus considèrent l?accumulation du capital physique de manière basique comme la part de la quantité d?investissement dans le PIB total. A partir de là, des auteurs comme Cavalcanti et al. (2011) calculent une mesure de l?accumulation de capital tel que définie dans le model de Solow (1956), en prenant en compte le taux d?amortissement. Ensuite, ils considèrent cette valeur comme variable dépendante dans la régression d?un panel de 118 pays d?Afrique subsaharienne, d?Europe et d?Asie sur la période 1970-2007. L?échantillon comprend 62 pays exportateurs de matières premières et la techniques d?estimation employée est la méthode généralisée des moments (GMM) dans le cadre d?un panel dynamique. Les conclusions montrent que la volatilité du terme de l?échange des matières premières affecte négativement l?accumulation du capital physique dans les pays fortement dépendant des exportations de ressources naturelles. Ce résultat laisse paraitre l?effet néfaste de la volatilité sur l?accumulation de capital physique en Afrique subsaharienne.

A l?égard de ce qui vient d?être dit, on peut maintenant essayer de spécifier un modèle empirique qui nous permettra d?évaluer l?ampleur de cette causalité.

1.1.3- Ancrage théorique

Dans le but de mener à bien cette évaluation, nous allons-nous appuyer sur la théorie de « l?aversion à la déception » déjà employée par Aizenman et Marion (1995). Ces derniers montrent qu?en vertu d?hypothèses adéquates concernant le degré d'aversion pour la déception, la théorie de Gul peut produire un impact négatif plus significatif de la volatilité sur l'accumulation de capital physique par rapport à celui obtenu dans le cadre conventionnel de l?utilité espérée. En effet, les auteurs affirment que quand les préférences des agents sont saisies à travers le modèle généralisé de l?utilité espérée (modèle de Gul), ces agents accordent toujours plus d?importance aux anticipations relatives aux mauvais résultats qu?à ceux qui sont favorables. De ce fait, il y a une non linéarité des préférences. Par conséquent, la volatilité a un effet d?ordre 1 sur l?investissement agrégé, proportionnel à l?écart-type des chocs plutôt qu?un effet d?ordre 2 proportionnel à leurs variances. Il nous semble que cette hypothèse parait la plus réaliste pour les économies subsahariennes, qui avec de mauvaises et instables performances macroéconomiques relativement aux autres régions du monde donnent cours la plupart du temps à la primeur des anticipations négatives de la part des investisseurs locaux, mais aussi étrangers (IDE). Ces derniers favorisent alors le plus souvent la décision de précaution et de report des investissements.

Nous partons donc de l?hypothèse selon laquelle la volatilité dans les économies subsahariennes affecte négativement la formation de capital physique. Pour la vérifier, il conviendra d?utiliser un panel à effets individuels dans le but de saisir les particularités géographiques, ethniques et culturelles spécifiques à chaque économie au sud du Sahara. En outre, ou pourra également prendre en compte les effets temporels.

1.2- Méthodologie

L?évaluation se fait sur la période allant de 1980 à 2010, soit 31 ans. On a choisi 18 pays d?Afrique subsaharienne sur la base de la disponibilité des données, mais aussi du degré de

volatilité macroéconomique noté dans la littérature empirique²⁹. La plupart des données pour ces pays étant disponibles, le panel reste néanmoins non cylindré.

1.2.1- Spécification du modèle.

Nous allons nous servir du modèle typique utilisé dans la littérature, et ensuite repris puis amélioré en fonction des besoins jusqu?à la spécification la mieux adaptée à notre travail de Cavalcanti et al (2011). Ce modèle consiste en la régression en panel d?une équation simple avec pour variable dépendante le logarithme de l?investissement, capté ici par la formation brute de capital fixe. Dans un premier temps, au lieu de prendre les données en moyenne arbitraire de 5 ou 10 ans, et ainsi abandonner certaines observations dans un contexte de rareté, on préfère travailler avec les données annuelles (Serven, 2003). Ensuite, prenant en compte le niveau d?éducation dont la variable n?est observable que sur 5 ans, on prendra obligatoirement les données en moyenne. Le modèle se présente ainsi qu?il suit :

Où I est le logarithme de l?investissement privé en ratio du PIB, X un ensemble de déterminants standard de l?investissement comme variables de contrôle, et ó un ensemble d?indicateurs de volatilité macroéconomique. î est le terme d?erreur et les indices i= 123. ..N et t= 1, 2, 3. .N représente respectivement la dimension individuelle et temporelle du panel. Serven (2003) inclut dans le vecteur X, le PIB réel et sa valeur retardée d?une période (effet accélérateur), le prix relatif des importations en biens capitaux, un indice de profondeur financière et le taux d?intérêt réel.

Ce modèle est ensuite modifié par Shioji et Khai (2011) et Cavalcanti et al. (2011) pour saisir avec plus de précision l?effet sur la formation de capital physique. Dans cette logique, It est remplacé par CKt, qui représente le taux de croissance du stock de capital physique par personne à l?année t. Shioji et Khai (2011) mettent notamment en exergue le fait que n?étant pas intéressé par l?étude de l?effet de convergence, on peut exclure la variable dépendante retardée et ainsi estimer le modèle avec les techniques standards en panel. Ensuite, En prenant en compte l?hétérogénéité entre chaque pays et pour saisir les effets temporellement invariants par individus, le modèle précèdent devient alors :

²⁹ Ces pays sont notamment le Bénin, le Botswana, le Burkina Faso, le Burundi, le Cameroun, la Centrafrique, le Congo, la Cote d?Ivoire, le Gabon, le Ghana, le Kenya, le Lesotho, le Mali, le Niger, le Sénégal, le Soudan, le Togo et la Zambie

Les variables de contrôle choisis par les auteurs précédents ne sont pas toutes pertinentes dans le contexte subsaharien actuel. De ce fait, pour saisir avec précision les spécificités de ces économies, le vecteur X contiendra les variables suivantes :

Le logarithme de l?ouverture commerciale (OC) : cette variable capte le niveau des échanges avec le reste du monde, et donc la capacité à pouvoir importer les biens capitaux et l?expertise pour mener à bien les projets d?investissement (Edwards, 1992). En outre elle baisse les coûts de transaction liés à la présence de barrières douanières, et favorise les IDE.

Le logarithme de la taille du gouvernement (TG) : il est entendu ici que dans les pays africains, la consommation publique est surtout utilisée à des fins de réélection et non pour favoriser les investissements. Ceci se traduit à long par des comportements rentiers et la corruption qui influence négativement la formation de capital. En outre, cet indice capte également l?effet d?éviction sur l?investissement privé.

Le logarithme de la profondeur financière (PFI), qui représente la capacité du système financier individuel de chaque pays à pouvoir accorder des crédits pour soutenir les investissements ; et donc aussi le développement des microfinances (Fowowe, 2011).

Le manque de stabilité dans les prix (ASP), représentant un degré basique d?instabilité des prix qui peut saisir la confiance des entrepreneurs quant à leurs prévisions de profit (Cavalcanti et al. 2011).

La structure industrielle (STI) en logarithme : certaines industries nécessitent plus de capital physique que d?autres, et donc les économies avec des structures industrielles différentes requièrent des niveaux différents de capital physique (Shioji et Khai, 2011).

L?investissement direct étranger en provenance de l?extérieur (IDE) en ratio du PIB, suivant Abdul et al. (2007). Il est important de noter ici que les IDE sont préférable au taux d?épargne en situation actuelle de grande mobilité de capitaux.

Les volatilités du terme de l?échange (óTDE) et du taux de change effectif réel (óTCER) : aussi étudiées par Bleaney et Grennaway (2001) dans le cas des économies subsahariennes,

elles constituent des proxys de l?instabilité des recettes d?exportation et des coûts des biens d?équipement.

La volatilité de la croissance du PIB /hab. (óCPIB) suivant Ramey et Ramey (1995) : c?est un indicateur de l?incertitude sur les revenus, et donc la demande future.

La volatilité du taux l?inflation (óINF) comme Varvarigos (2008) : indicateur de l?incertitude sur les couts salariaux, les prix à la production, et donc les profits. Le tableau 1 retrace l?évolution de ces variables pour l?ASS.

Le modèle finale est donc un panel à effets individuels qui s?apparente dans sa spécification à celui utilisé par Shioji et Khai (2011) pour étudier les déterminants de l?accumulation de capital physique dans les pays d?Asie :

CKit ã + _á1óTDEit + _á2óCPIBit + _á3óINFit + á4óTCERit + _â1lnTGit + â2lnOCit
+ _â3lnPFIit + _â4lnSTIit + _â5lnIDEit + _â6ASPit + ui + çt + îit

Où bien sir i= 1, 2, 3...N et t= 1, 2, 3...T représente respectivement les individus (pays) et le temps. En outre, on a CK qui représente est le taux de croissance (première différence logarithmique) du stock de capital physique par habitant.

óTDE, óCPIB, óINF, aTCER : respectivement les volatilités du terme de l?échange (CTDE), de la croissance du PIB, de l?inflation et du taux de change effectif réel.

lnTG, lnOC, lnPFI, lnIDE et lnSTI : respectivement la taille du gouvernement, l?ouverture commerciale, le développement financier, les investissements directs étrangers et la structure industrielle en logarithme.

ASP : un indice de stabilité des prix, et ui et çt sont respectivement les effets spécifiques individuels et temporels.

1.2.2- construction et des données du modèle

On génère les données sur le stock de capital physique K en appliquant la méthode de l?inventaire permanent, comme l?a fait Caselli (2005). Pour cela, l?équation de l?inventaire permanent est donné par :

Où I est le taux d?investissement et ñ le taux de dépréciation. I est obtenu à partir des données de Penn World Tables (PWT) 7.1, de Heston et al. (2012). Il représente l?investissement agrégé réel en terme de PPA. Il est calculé en faisant l?opération suivante :

Où ki est la part de l?investissement dans le produit réel par habitant (rgdpch) et pop est la population. Ces variables sont également issus de la PWT 7.1 où elles sont libellées tel quel. Partant du fait que les données soient totalement disponibles pour tous les pays de l?échantillon à la période 1970, nous la prenons comme année de référence (année t0) pour calculer le stock initial de capital comme suit :

Où gI est le taux de croissance géométrique de l?Investissement agrégé entre la période t0 et le période t0+10 (entre 1970 et 1980). Le choix de cette formule pour le calcul du stock de capital initial vient du fait que c?est elle qui représente l?expression du stock de capital à l?équilibre dans le modèle de croissance de Solow (1957). Suivant la littérature (Caselli 2005 ; Cavalcanti et al. 2011), le taux de dépréciation du capital est posé égale à 6% (0.06).

A la différence de la plupart de la littérature existante qui emploie des mesures non dynamiques de la volatilité, nous construisons deux mesures dynamiques. Premièrement, on considère l?écart-type (non mobile) sur 5 ans de l?indice macroéconomique choisit (Addison et Wodon ,2007 ; Cavalcanti et al. 2012), ce qui nous permet d?avoir :

Où Y représente l?indice macroéconomique pour lequel on calcule la volatilité, S=4 puisqu?on travaille avec la moyenne sur 5ans. La volatilité calculée ici représente l?ampleur à laquelle l?indice choisi dévie d?une moyenne donnée. Maintenant pour travailler avec les données annuelles et aussi intégrer une mesure de volatilité tenant compte de l?incertitude ex-

ante, on estime également la volatilité à l?aide d?un processus autorégressif à

Où îit ~- N(0,/ ²) ó²t représente la variance ît conditionnellement à l?information

disponible à la période t. ãi1 est le paramètre ARCH et èi le paramètre GARCH. On estime ce modèle pour l?ensemble du panel, et la série obtenue des ó²it est utilisée comme approximation de la volatilité de l?indice macroéconomique considéré. Les autres données sont obtenues ainsi :

Terme de l'échange Prix des exportations relativement aux WDI (2012) (TDE) importations (« net bater »)

Investissements Ratio de l?investissement direct étranger (en WDI (2012)

Stock de capital Méthode de l?inventaire permanent Heston et al. (2012) Penn World

Absence de stabilité Log (100+taux d?inflation) WDI (2012), calcul de l'auteur

On rappelle que la croissance du stock de capital est obtenue en faisant la première différence logarithmique sur les données issues du calcul de ce stock.

SECTION II- faits stylisés, analyse et interprétation des résultats

2.1. Analyse statistique

Ici, on essaie de voir si l?étude simple des caractéristiques statistiques des variables d?intérêt permet de vérifier, dans un premier temps, l?hypothèse que nous tentons de tester.

2.1.1 - matrice de corrélation des variables d'intérêt.

Tout d?abord, on peut essayer de déterminer s?il existe une relation causale entre la volatilité des indices macroéconomiques choisis et l?accumulation de capital physique en Afrique subsaharienne par l?étude des coefficients de corrélation. En outre, on obtient les signes, a priori, qui pourrait régir cette relation. Les résultats sont donnés au tableau 1.2.

Note : ***, **, * représentent respectivement la significativité à 1, et 5%. Les valeurs entre parenthèse sont les probabilités.

A partir de ce tableau, on peut a priori tirer quelques conclusions : on suspecte l?existe d?une corrélation fortement négative entre la volatilité conditionnelle de la croissance du terme de l?échange et l?accumulation du capital physique en Afrique subsaharienne, avec une probabilité inférieure à 5%. En outre, tous les autres indicateurs de volatilité (incertitudes) semblent avoir également des effets négatifs, mais non significatifs (p > 10%) ; cependant, il

existe une ambiguïté sur la non significativité de la volatilité du TCER (Pr = 0.1022). La volatilité du terme de l?échange pour chaque pays semble être liée de manière positive à celle de l?inflation et de la demande, tandis que celle de l?inflation accentue celle du taux de change effectif réel. Ce dernier résultat confirme que les chocs du commerce extérieur accroissent la volatilité macroéconomique locale. De plus, ceci peut intuitivement signifier que l?incertitude sur le niveau des recettes d?exportation décourage les investissements de long terme à travers le fait qu?elle biaise les anticipations sur la demande et le niveau des prix futur. Elle devrait donc à priori constituer l?origine des effets néfastes de la volatilité sur l?accumulation de capital physique en Afrique subsaharienne.

2.1.2- représentation graphique du nuage de points

Pour essayer d?étayer les conclusions précédentes, continuons notre propos par l?utilisation de quelques graphiques. Les tendances obtenues sont données en annexe 2. Notamment avec les graphiques 2.1 à 2.4.

On constate que les résultats du tableau des coefficients de corrélation sont vérifiés. Les effets néfastes d?une grande volatilité moyenne de la croissance du terme de l?échange et du taux de change effectif réel sont mis en exergue : plus le niveau moyen de volatilité est élevé dans une économie, plus le taux d?accumulation du capital physique est faible. Par contre, les graphiques sont moins prononcés sur l?influence de la volatilité du PIB, et encore moins sur celle de l?inflation. A la limite on peut dire ici que l?incertitude sur le taux d?inflation n?a pas d?effet direct, mais un effet indirect via la volatilité du taux de change réel.

2.2 - Analyse économétrique et interprétations des résultats

2.2.1 - test de racine unitaire IPS

Tout d?abord, l?analyse en panel nécessite effectivement que l?ensemble des variables de l?étude soit stationnaires. De méme, la stationnarité est nécessaire pour pouvoir appliquer la modélisation GARCH utile à la prévision de la volatilité des séries. Nous implémentons donc à chaque fois le test IPS (Im, Pesaran et Chin, 2003)³¹.

Ce test a pour hypothèse nulle (H0) que l?ensemble des panels contient une racine unitaire, contre l?hypothèse alternative qu?au moins un est stationnaire. Ils ont l?avantage de pouvoir

³¹ Im, K.S., Pesaran, M.H., Shin, Y. (2003), « Testing for Unit Roots in Heterogeneous Panels. », Journal of Economics, Vol.115, N°1, p.53-74.

être mis en oeuvre méme pour des séries de données qui contiennent plusieurs panels par rapport à une faible dimension temporelle, et qui ont des données manquantes. Une statistique W qui permet d?appliquer la règle de décision est alors calculée. Les résultats des tests sur les variables sont présentés dans le tableau 1.3.

Ce dernier laisse paraitre que certains des indices macroéconomiques sélectionnés sont non stationnaires en niveau. C?est le cas pour le terme de l?échange et le taux de change effectif réel. Pour obtenir nos variables d?intérêt, nous avons donc appliqué le filtre en différence première Pour pouvoir estimer notre modèle GARCH. Les résultats des régressions sont donnés à l'annexe 5. Ensuite, la prédiction des résidus permet d?obtenir les séries de volatilité qui elles sont stationnaires (Bollerslev, 1986). Deux des variables de contrôle exhibent également un ordre d?intégration égal à 1, à savoir les logarithmes de la profondeur financière (PFI) et de la structure industrielle (STI). Nous pouvons maintenant prédire la variance conditionnelle (volatilité) des indices macroéconomiques choisis.

2.2.1- Tests de spécification du modèle

Le test d?Hausman permet de dire qui des effets individuels fixes ou des effets individuels aléatoires est le mieux pour estimer les paramètres de la relation qui nous intéresse. Ici, nous

avons posé que le modèle consistant à la fois sous l?hypothèse nulle et alternative est le modèle à effet fixes. Les effets aléatoires sont efficients seulement sous l?hypothèse H0.

Dans notre cas, la statistique H = 44.23, avec une significativité a 1%. Le modèle retenu est donc celui à effet fixes. Cependant, l?estimateur risque d?être biaisé en présence d?hétéroscédasticité ou d?autocorrélation, et les modèle en panel en présentent souvent. Une fois le panel spécifié, on réalise donc les adéquats.

A la suite du test de wooldridge (2002) on peut rejeter l?hypothèse H0 avec 1% de chance de se tromper. On conclut donc que le modèle sera corrigé de l?autocorrélation. Les résultats sont en annexe 6.

On applique ici le test modifié de Wald pour la détection d?hétéroscédasticité en effets fixes. L?hypothèse nulle (H0) renvoie à l?égalité de la variance des erreurs pour chaque pays i (ó²îi = ó² quel que soit i, avec i = 1, 2, 3,...18). Le résultat montre que l?estimateur devra également etre corrigé de l?hétéroscédasticité (annexe 8).

CKit ã + _á1óTDEit + _á2óCPIBit + _á3óINFit + á4óTCERit + _â1lnTGit + â2lnOCit

Où ui représente l?effet individuel fixe dans le temps et çt l?effet temporel fixe pour tous les individus mais variant dans le temps. La présence d?effets temporellement spécifiques saisi notamment les chocs communs subis par l?ensemble des pays d?Afrique subsaharienne sur la période considéré, que ce soit en terme de commerce international ou de modifications structurelles. Ceci vient du fait que ces pays sont presque tous semblables dans certaines de leurs caractéristiques.

2.2.2- Résultats et interprétations de l'estimation du modèle : données annuelles et volatilité mesurée par un GARCH (1,1) : confère tableau 1.4.

2.2.3- Interprétations des résultats

L?explication des résultats est faite en termes de vérification des signes et de la significativité des variables du modèle. Le tableau suivant récapitule les signes obtenus, en comparaison à ceux attendu de l?examen de la littérature :

A partir des résultats de notre régression, on se rend compte que nos quatre mesures de volatilité macroéconomique n?ont pas toutes des influences négatives sur le stock de capital physique par hab. la volatilité du taux d?inflation, de la croissance du terme de l?échange et du taux de change effectif réel ont des effets négatifs tandis que seul la volatilité du PIB a un impact positif.

Concernant les effets négatifs, seule la volatilité du taux de change effectif réel a un effet fortement significatif à 1%. Ceci veut tout simplement dire que l?accroissement de l?incertitude sur l?évolution du taux de change effectif réel constitue un frein à l?accumulation du capital physique en ASS. En termes plus techniques et se référant à nos résultats, une augmentation d?une unité de l?écart-type conditionnelle du taux de change effectif réel entraine une diminution de 0.011 points de pourcentage de la croissance du stock de capital physique/hab. Ce résultat avait déjà été mis en évidence par Ghura et Grennes (1993) et

Bleaney et Greenaway (2001) dans le cas des économies subsahariennes. Ghura and Grennes (1993) effectuent leurs études sur un panel de 33 pays africains sur la période 1972-1987 ; ils trouvent une corrélation partielle négativement significative entre l?instabilité du taux de change effectif réel et différents agrégats macroéconomiques. Bleaney et Greenaway (2001) sur 14 pays d?ASS trouvent le méme résultat. La volatilité du taux de change effectif réel est négativement reliée (à 1% de probabilité) à l?investissement en ratio du PIB. Ceci peut s?expliquer de plusieurs manières : premièrement, l?accroissement du taux de change effectif réel encourage les investissements dans le secteur des biens échangeables, mais les décourage la compétitivité de l?économie réelle. Lorsque l?inverse de produit, l?investissement dans les biens non-échangeables devient rentable puisque leurs prix s?accroissent relativement à celui des biens importés. De ce fait, la volatilité et donc l?incertitude sur ce taux entraine les investisseurs locaux comme étrangers (IDE)³² à attendre des informations supplémentaires pour voir lequel de ces deux secteurs sera le plus profitable (Hau, 2000). Deuxièmement, les investissements nécessitent la plus part du temps des biens capitaux qui sont non disponibles dans les économies subsahariennes ; leurs fabrication met un certain temps et l?incertitude sur les prix peut pousser les investisseurs à reporter leurs commandes. Troisièmement, la volatilité du taux de change effectif réel accroit l?incertitude sur les recettes de l?état, ce qui constitue souvent un frein à la construction d?infrastructures dans nos économies et donc aux effets d?entrainement sur l?investissement privé. Enfin, Campa et Goldberg (1995) affirment intuitivement que les industries avec des taux de marges assez élevés sont moins atteint par la volatilité du taux de change effectif réel ; or la plupart des firmes dans nos économies sont agroalimentaires et ont encore des faibles taux de marge³³.

La volatilité de la croissance du FIB par tête a un effet positif et faiblement significatif (à 10%) sur le stock de capital par hab. plus précisément, un accroissement d?une unité de l?écart-type conditionnelle du taux de croissance du FIB/ hab. se traduit par une augmentation de 0.0002 point de pourcentage du taux de croissance du stock de capital physique/tête. ce résultat est confirmé également par les travaux d?Abaidoo (2012) pour les économies d?ASS sur la période 1980-2010. L?auteur trouve qu?une unité d?écart-type conditionnelle en plus sur le taux de croissance du PIB accroit l?investissement de 0.003% et la croissance de 0.30%. Ceci semble assez improbable, mais a pourtant une explication plausible. En effet, Dotsey et

³² L?effet néfaste de la volatilité du taux de change réel sur le flux d?IDE vers les économies subsahariennes a déjà été confirmé par Alaba (2003) et Ogunleye (2008).

³³ Ce résultat est confirmé empiriquement par Kandilov, I. et A. Leblebicioglu, (2011). "The impact of exchange rate volatility on plant-level investment: Evidence from Colombia," Journal of Development Economics, Elsevier, vol. 94(2), 220-230

Sarte (2000) concluent que pour des degrés d?aversion au risque suffisamment grands, un accroissement de la volatilité crée une augmentation des investissements de précaution en capital physique. Ce résultat confirme ceux de Smith (1996) et De Hek (1999). La période de volatilité est donc celle ou le capital physique est accumulé en attendant que l?économie soit plus stable pour être utilisé.

Tableau 1.4 : résultats de l'estimation : données annuelles et volatilité-GARCH

Note : * p<0.1; ** p<0.05; *** p<0.01. Les valeurs ( ) représentent les t de student.

En ce qui concerne nos variables de contrôle, sans surprise, elles sont toutes significatives avec des signes conformes aux conceptions théoriques :

La taille du gouvernement (TG) représentant ici la dépense finale de consommation des pouvoirs publics en ratio du PIB affecte négativement le taux d?accumulation du capital physique dans les économies subsahariennes, avec une significativité à 1%. En effet, un

accroissement de 1% de la dépense finale de consommation du gouvernement réduit le taux d?accumulation du capital physique de 0.033%. Ceci est notamment confirmé par les résultats de Shioji et khai (2011) dans le cadre des économies asiatiques en développement sur la période 1987-2007 ; Ce qui note non seulement l?effet d?éviction présent dans les économies étudiées, mais aussi le fait que les dépenses publiques sont plus axées sur le fonctionnement que sur l?investissement.

L?ouverture commerciale (lnOC) entre dans la régression avec un signe positif est significative à 5%. En d?autres termes, l?accroissement de 1% de la quantitative totale d?exportation et d?importation en ration du PIB augmente le taux de croissance du capital physique/hab. de 0.024%. Ce résultat confirme l?hypothèse théorique selon laquelle une plus grande ouverture donne la possibilité aux investisseurs d?importer plus facilement des biens d?équipement de rechange, mais aussi des technologies nouvelles qui entrent dans le processus de production (Edwards, 1992). On rejoint ainsi les résultats de Cavalcanti et al. (2011).

Notre régression montre également que l?accroissement des IDE est favorable à l?accumulation du capital physique en ASS, tout comme l?accroissement de la profondeur financière (PFI); Ces variables sont significativement positives à 5 et 1%. On confirme ici les conclusions d?Abdul et al. (2007). En outre, la quantité de valeur ajoutée attribuable à l?agriculture (STI) et le manque de stabilité des prix (ASP) sont significativement dommageables respectivement à 5% et 10% à la croissance du stock de capital physique. En particulier pour la valeur ajoutée attribuable à l?agriculture, Shioji et Khai (2011) confirment ce résultat : le secteur agricole des pays d?ASS est faiblement demandeur d?équipements hautement productifs, avec des hautes technologies. L?expansion de la contribution de secteur ralentit donc l?accumulation de capital physique.

Enfin, le modèle affiche des valeurs de R² 0.59 pour toutes les quatre régressions, preuve qu?il est capable d?expliquer environ 59% de la variabilité totale du taux de croissance du stock de capital physique par personne dans les économies subsahariennes. Les statistiques de Fisher sont significatives à 1%, preuve que les coefficients sont globalement significatifs. Concernant les effets individuels temporellement invariants, ils sont fortement significatifs pour l?ensemble des pays, avec des signes différents. Ceci prouve que bien que tous les pays fassent partie de la méme région, l?effet de la volatilité dépend aussi des caractéristiques spécifiques.

Serven (2003) affirme de manière empirique que la volatilité du taux de change effectif réel affecte négativement l?investissement seulement dans les pays faiblement ouverts à l?extérieur ou avec une faible profondeur financière, suivant respectivement la théorie de Hau (2000). Pour essayer de confirmer cet hypothèse dans le cadre de nos économies, on va successivement inclure dans l?équation finale de régression du départ des termes interactifs (óTCER*OC) et (óTCER*PFI). Les résultats sont présentés dans le tableau 1.5.

Comme on peut le constater, les résultats de la colonne (4) montrent que le terme interactif entre la volatilité du taux de change effectif réel et l?ouverture commercial entre avec un signe positif, et une significativité à 10%. En outre, le signe de la volatilité du taux de change effectif réel pris de manière isolée est positif et non significatif. Ceci nous permet notamment de confirmer les résultats théoriques et empiriques (Hau, 2000 ; Obstfeld and Rogoff, 1999 ; Serven, 2003). L?accroissement de l?ouverture commercial permet d?annuler les effets néfastes de la volatilité du taux de change réel.

Ce résultat s?explique simplement par le fait qu?en cas de chocs réels d?offre ou monétaire, l?équilibre monétaire requiert une plus grande variation du taux de change nominal si l?ajustement du niveau relatif des prix se fait par le bais du taux de change pour les pays avec une faible quantité de biens échangeables. L?ouverture commerciale est donc négativement liée à la volatilité. Néanmoins, cet effet devient non significatif quand on prend en compte à la fois le terme interactif, la volatilité du taux de change effectif réel et l?ouverture commerciale (3).

La profondeur financière semble également avoir des effets atténuants sur la volatilité, puisque le terme interactif est positif mais non significatif (1) et (2). En effet, l?efficacité du marché financier peut jouer le rôle de filet de sécurité en cas de situation défavorable ex post à la décision d?investissement.

2.4.2.4- Tests de robustesse : Données en moyenne de 5 ans et volatilité mesurée par l'écart-type.

Pour conforter les résultats trouvés plus haut, nous refaisons les estimons avec comme mesure de volatilité l?écart-type sur 5ans. La mesure de volatilité utilisée est une mesure ex post donc de volatilité réalisée et non plus anticipée. Les résultats obtenus sont consignés dans le tableau 1.6.

Comme on peut le constater, on parvient sensiblement aux mêmes résultats. Les signes des différents indices de volatilité restent négatifs, à l?exception de la volatilité du taux de croissance du PIB, comme noté plus haut. Cependant, ce dernier n?est plus significativement positif. Au contraire, bien que l?effet marginal de la volatilité du taux de change réel ait diminué, il exerce le même effet avec le même niveau de significativité. Plus précisément, l?accroissement d?une unité de l?écart-type inconditionnelle du taux de change effectif réel réduit le taux de croissance du capital physique de 0.00002%.

Concernant les variables de contrôle, les signes et la significativité ne changent également pas. Pendant que la taille du gouvernement, l?absence de stabilité des prix et la contribution du secteur agricole affecte négativement l?accumulation de capital physique par personne, l?accroissement de l?ouverture commerciale, l?augmentation du niveau des investissements directs étrangers et de la profondeur financière y sont favorables.

	CK (1)	CK (2)	CK (3)	CK (4)
lnTG	-0.033	-0.034	-0.033	-0.031
	(4.45)***	(4.64)***	(4.51)***	(4.21)***
lnOC	0.024	0.028	0.022
	(2.14)**	(2.48)**	(1.92)*
lnIDE	0.002	0.002	0.002	0.003
	(2.01)**	(1.82)*	(2.01)**	(2.51)**
ASP	-0.144	-0.175	-0.156	-0.165
	(3.42)***	(4.33)***	(3.70)***	(3.94)***
PFI	0.031		0.033	0.035
	(3.01)***		(3.23)***	(3.43)***
STI	-0.042	-0.040	-0.042	-0.043
	(1.99)**	(2.02)**	(2.02)**	(2.03)**
VTCER	-0.022	-0.038	0.009	0.042
	(1.40)	(1.71)*	(0.39)	(1.36)
VTCER*PFI	0.036	0.094
	(0.75)	(1.41)
VTCER*lnOC			0.019	0.052
			(0.89)	(1.82)*
_cons	0.252	0.313	0.272	0.282
	(3.15)***	(4.02)***	(3.42)***	(3.56)***
R2	0.59	0.58	0.59	0.58
N	438	438	438	438

Note : * p<0.1; ** p<0.05; *** p<0.01. Les valeurs ( ) représentent les t de student

Tableau 1.6 : résultats des estimations : données quinquennales et volatiité_écart-type

	CK	CK	CK	CK	CK
lnTG	-0.046	-0.045	-0.046	-0.043	-0.048
	(2.33)**	(2.78)***	(2.77)***	(2.54)**	(2.19)**
lnOC	0.025	0.034	0.035	0.027	0.035
	(1.03)	(1.64)	(1.77)*	(1.29)	(1.31)
ASP	-0.207	-0.298	-0.314	-0.270	-0.275
	(1.78)*	(3.27)***	(3.13)***	(1.83)*	(1.19)
DFI	-0.025	0.072	0.071	0.073	-0.018
	(0.52)	(1.38)	(1.42)	(1.43)	(0.37)
STI	-0.086	-0.158	-0.152	-0.154	-0.090
	(1.12)	(2.02)**	(1.98)*	(1.93)*	(1.06)
IDE	0.001	0.001	0.001	0.001	0.001
	(1.21)	(0.56)	(0.60)	(0.61)	(1.31)
óTCER	-0.00002				-0.000
	(3.60)***				(3.16)***
óTDE		-0.041			-0.004
		(1.25)			(0.10)
óCPIB			0.002		0.002
			(1.07)		(1.03)
óINF				-0.000	0.000
				(0.34)	(0.36)
_cons	0.351	0.557	0.576	0.494	0.477
	(1.38)	(3.04)***	(2.85)***	(1.72)*	(0.97)
R2	0.75	0.69	0.69	0.69	0.76
N	52	104	104	104	52

Note : * p<0.1; ** p<0.05; *** p<0.01. Les valeurs ( ) représentent les t de student

Conclusion

En conclusion, nous avons entrepris de tester l?hypothèse selon laquelle la volatilité affecte négativement l?accumulation du capital physique au sein des économies subsahariennes. Pour y arriver, notre analyse a été conduite sur un panel de 18 pays de la région couvrant la période 1980- 2010. Utilisant successivement les données annuelles, puis en moyennes de cinq ans, la volatilité est d?abord calculée à l?aide d?un modèle autorégressif à variance conditionnelle (GARCH), puis simplement avec l?écart-type par périodes quinquennales. On arrive aux conclusions ci-après : (I) Avec une mesure de volatilité conditionnelle, la volatilité du taux de change effectif réel et celle du taux de croissance du PIB/hab. ont respectivement une influence significativement négative (à 1%) et positive (à 10%) sur le taux d?accumulation du capital physique. en particulier, une augmentation d?une unité de l?écart-type conditionnelle du taux de change effectif réel (resp. de la croissance du

PIB/hab.) réduit de 0.011 point de pourcentage (resp. de 0.0002) le taux de croissance du capital physique. cependant, la significativité de la volatilité du PIB disparait quand elle est mesurée de manière inconditionnelle. (II) l?accroissement de l?ouverture commerciale peut annuler les effets négatifs de la volatilité du taux de change effectif réel et enfin (III) la profondeur du système financier domestique permet également d?atténuer ces effets, mais pas de manière significative.

CONCLUSION DE LA PREMIERE PARTIE

En définitive, cette première partie a essayée d?analyser l?influence de la volatilité sur l?accumulation du capital physique dans les économies subsahariennes.

Le chapitre I a montré que d?un point de vue théorique, les auteurs s?accordent à dire qu?il existe bien un lien entre volatilité et accumulation du capital physique, même si on a pu constater l?absence de consensus sur son signe. En effet, pendant que certains postulent qu?avec la convexité de la fonction de profit l?influence de la volatilité serait sans doute bénéfique, d?autres voient en elle un frein énorme aux investissements. C?est ainsi qu?en prenant en compte l?irréversibilité et la possibilité de report futur de ces derniers, Ils montrent successivement dans le cadre du modèle néoclassique traditionnelle, puis celui plus général « d?aversion à la déception » de Gul (1991) que les agents économiques préfèrent en période de volatilité attendre des informations supplémentaires, et par conséquent reportent leurs projets d?investissements. Finalement, le contexte étudié adhère plus à la relation de négativité que nous avons alors utilisée comme hypothèse.

Dans le but de la tester, on a Travaillé au chapitre II sur un panel de 18 pays d?ASS couvrant la période 1980-2010. Utilisant différents indices et différentes mesures de volatilité, on obtient les conclusions suivantes : (I) quel que soit la mesure de volatilité choisie (conditionnelle ou pas), la volatilité du taux de change effectif réel a une influence significativement négative Sur l?accumulation du capital physique. La volatilité du PIB exerce plutôt un effet positif, mais faiblement significatif seulement dans le cas de la volatilité inconditionnelle ; (II) l?accroissement de l?ouverture commerciale réduit ou peut rendre positif les effets négatif de la volatilité du taux de change réel et enfin (III) la profondeur du système domestique du crédit permet également d?atténuer ces effets.

Les décideurs politiques devraient donc opter pour une plus grande stabilité économique qui passe par l?accroissement de l?intégration financière, la diversification, le contrôle rigoureux de l?inflation doublé d?une politique de change adéquate pour les économies en situation de change flexible. Ceci permettrait de réduire les incertitudes chez les investisseurs tout en leurs proposant des filets de sécurité dans les situations défavorables.

Cependant, l?accumulation du capital ne se limite pas seulement aux aspects physiques, mais englobe également la vision humaine. Nous allons par conséquent essayer dans la partie suivante, d?analyser l?effet de la volatilité sur l?accumulation de capital humain en ASS.

DEUXIEME PARTIE :

VOLATILITE ET ACCUMULATION DU CAPITAL HUMAIN

INTRODUCTION DE LA DEUXIEME PARTIE

« Le plus précieux de tous les biens capitaux est celui qui est investi dans l?être humain ». Cette citation de Marshall (1920) résume l?importance de l?investissement en capital humain et la nécessité d?en étudier les mécanismes sous-jacents. Suivant les travaux précurseurs de Becker (1964), l?accumulation du capital humain passe par l?étude d?un choix inter-temporel effectué par les individus. En d?autres termes, l?individu détermine le montant des investissements à implémenter dans le but de maximiser son gain futur. L?éducation est ainsi appréhendée chez Becker comme un investissement auquel il convient d?associer une durée de vie, une capacité et un risque, Ce dernier facteur étant lié à la volatilité. Les individus arbitrent alors entre La possibilité de continuer leurs formations et celle d?entrer directement sur le marché du travail. La volatilité, en créant l?incertitude sur les rendements éducatifs (les salaires) rend ce choix plus ardu ; Ici, comme dans le chapitre précèdent, les avis sont partagés. Au départ, le débat s?est construit autour de l?importance du mode d?apprentissage : la volatilité aurait un impact positif si l?accumulation du capital humain est interne, notamment pour des raisons de précaution, de cout d?opportunité ou de migration ; mais négatif en cas d?apprentissage externe. En outre, son effet défavorable sur les dépenses publiques sociales semble venir appuyer cette dernière assertion, surtout dans le cas des économies fortement dépendantes des matières premières ; c?est les cas de celles au sud du Sahara. Une conclusion finale ne peut alors être donnée qu?en fonction des spécificités de l?économie considérée, et nécessite par conséquent une étude empirique. Cependant, Ces dernières sont encore plus rares que leurs homologues théoriques ; L?adoption d?une spécification adéquate passe alors par une étude profonde et détaillée des procédures employées jusque-là.

Ainsi, l?objectif de cette partie est d?étudier l?influence de la volatilité sur la dynamique du stock de capital humain dans les économies subsahariennes. Pour ce faire, nous allons dans un premier temps essayer de faire le point sur les avancées du débat théorique relatif à la question (CHAP III), afin d?en dégager un ancrage solide pour le contexte subsaharien. Ensuite, le balayage des principales méthodes empiriques employées nous permettra de spécifier notre modèle pour Enfin, après avoir présenté les faits stylisés, analyser et interpréter les résultats obtenus (CHAP IV). Quelques recommandations de politiques économiques seront présentées en conclusion.

CHAPITRE III : CADRES CONCEPTUELS DE LA RELATION ENTRE
VOLATILITE ET CAPITAL HUMAIN

Introduction

L?influence de la volatilité sur la dynamique du capital humain a récemment connu une analyse théorique particulière, dü au fait que, nous le rappelons, l?accroissement du stock de capital humain constitue un facteur endogène essentiel à la croissance soutenue (Lucas, 1988 ; Romer, 1990). Cependant, le signe de cette relation fait l?objet de débats. De manière générale, la discussion s?est construite autour de la prédominance du mécanisme à l?origine de l?apprentissage. Si ce dernier est obtenu de manière interne, c?est-à-dire par des actions délibérées qui se substituent à des activités de production, la volatilité a un effet positif sur l?accumulation du capital humain ; notamment, elle permet de réduire le coût d'opportunité de la formation (Aghion et Saint-Paul, 1998) et incite à des investissements de précaution (de Hek, 1999 ; Canton 2002 ; Jones et al. 2005). D?un autre côté, l?apprentissage peut être hasardeux (externe), c?est-à-dire à travers des actions non intentionnelles : C?est le «Learning by doing». Dans ce cas, la volatilité a un impact négatif par le biais de la réduction des emplois qui constituent le facteur principal par lequel l'expertise, les connaissances et les compétences sont acquises et diffusées (Martin et Rogers, 1997 et 2000). En outre, cette dernière position est confortée par le fait que la volatilité a une influence néfaste sur les dépenses publiques sociales (Catao et Kapur, 2006) ; enfin, considérant l?option de migration, on aboutit encore à un effet favorable qui nous laisse perplexe.

Ces résultats contradictoires sont souvent associés à des implications divergentes au sujet de la relation à long terme entre l?accumulation du capital humain et la volatilité. En plus, les conditions économiques et les comportements des agents diffèrent selon les régions. Pourtant, certaines des explications théoriques précédentes peuvent coïncidées avec les réponses attendues de l?étude du cas des pays d?ASS. Il est donc important de toutes les analyser pour en dégager l?ancrage le plus pertinent. Dans une première section, nous développerons le débat concernant le rôle du mode d?apprentissage, pour ensuite étudier dans la section suivante l?effet de la volatilité sur les dépenses publiques d?éducation et de santé.

SECTION I : Le mode d'apprentissage comme déterminant essentiel de l'influence de la volatilité : Accumulation interne VS learning by doing.

Dans la littérature, il semble en effet que l?influence de la volatilité sur la décision d?investissement privé en capital humain dépende grandement de la prédominance d?un mode particulier d?apprentissage ; Ainsi, l?accumulation de capital peut se faire de manière interne ou externe. Pour le premier cas, il s?agit d?un investissement consenti par l?individus, qui

décide donc de manière volontaire d?attribuer une partie de son temps à l?acquisition de compétences supplémentaires ; le second cas lui représente des situations ou l?apprentissage est « forcé " : il advient lorsque les individus acquiert l?expertise et l?habilité au fur et à mesure qu?il exerce de manière répétitive un ensemble de taches ; ce mode d?accumulation de capital humain est encore appelé « learning by doing "³⁴.

1.1- La volatilité, un catalyseur pour l'accumulation interne du capital humain

Ici, L?hypothèse sous-jacente est que la constitution du stock de capital humain se fait majoritairement de manière interne. En d?autres termes, les travailleurs décident de leurs propre chef d?abandonner les activités de production tout en accordant plus de temps à leurs formations, et donc à la constitution de leurs stocks de capital. Cette hypothèse est d?autant plus vérifiée dans les économies dotées d?un revenu réel par habitant élevé. Dans ce contexte, la volatilité peut effectivement être favorable pour plusieurs raisons :

1.1.1- La réduction du cout d'opportunité de la formation

Aghion et Saint-paul (1998) montrent que la volatilité du PIB peut être positivement reliée à l?accumulation du capital humain en utilisant l?approche du « cout d?opportunité " dans un contexte schumpetérien. L?hypothèse de destruction-créatrice de Schumpeter (1942) signifie basique ment que certaines idées qui sont créées dans un contexte particulier de la vie d?une nation (ou d?une économie), mais sont finalement détruites et remplacées par des idées plus efficientes au fur et à mesure que le contexte évolue. Les anciennes idées peuvent également être conservées tandis que les nouvelles viennent s?empiler sur elles, Ce qui conduit à un environnement croissant et en perpétuel changement. En effet, Les auteurs affirment que le cout d?opportunité du travail est faible durant les récessions, Puisque ces dernières sont caractérisées par des chutes du revenu national. Par conséquent, il y a moins de revenus (et d?avantages) perdus pendant les récessions lorsque les travailleurs décident de migrer d?un travail à l?autre ou lorsqu?ils entreprennent d?abandonner le travail pour accroitre de manière interne (intentionnellement) leur capital humain. Ce phénomène est bien sur dû au fait que la productivité est faible pendant les périodes de récession. A partir de là, la faiblesse du coût d?opportunité et le chômage élevé se traduiront par deux choses : premièrement, il y aura une

³⁴ Voir Arrow, K.J. (1962). «The economic implications of learning-by-doing». Review of Economic Studies, 29, 155-173.

réallocation de la force de travail vers les emplois plus productif,³⁵ et ensuite, une partie des travailleurs choisira d?allouer plus de temps à la formation. Ces deux résultats entraineront de facto l?accumulation de connaissances et de compétences nouvelles, et donc l?accroissement futur du stock de capital humain dans l?économie. Ainsi, les périodes de récession correspondent à la constitution d?un nouveau stock de capital humain qui vient s?ajouter à celui de la période précédente (logique schumpetérienne).

1.1.2- L'épargne de précaution en capital humain

Les individus peuvent percevoir l?accumulation du capital humain comme moyen d?assurance parce que ceux qui disposent d?un capital humain plus élevé peuvent postuler à une plus grande variété de travaux que ceux qui sont moins compétents. Dans cette logique, ils savent que durant les périodes de récessions ou l?offre d?emploi est plus compact, ils auront plus de chance d?être recruté que ceux disposant d?un capital humain plus faible. La magnitude de cet effet d?assurance dépend de la manière dont les individus perçoivent ou anticipent la volatilité futur, mais également de la contrainte de crédit.³⁶ Néanmoins, les évidences de l?effet d?assurance sont apportées par Behrman et Birdsall (1983) qui trouvent qu?au Brésil, les revenus des plus éduqués sont moins affectés pendant les périodes de récessions. Dans la même logique, le « rapport sur le développement mondial » de la BM (1990) affirme que dans les pays à faible revenus, les revenus des moins éduqués chutent en période de récession.

Plus récemment, dans un modèle stochastique simple de croissance endogène où le changement technologique provient bien sür de l?accumulation du capital humain, Jones et al. (2005) concluent que pour des degrés d?aversion au risque suffisamment grand (petit), un accroissement de la volatilité crée une augmentation (diminution) des investissements de précaution en capital humain. Ce résultat confirme ceux de Smith (1996) et De Hek (1999). Canton (2002) avait utilisé le même type de modèle pour analyser l'impact de la volatilité sur la croissance à long terme. Son modèle prédit que la croissance sera plus élevé pendant les fluctuations du cycle économique (volatilité) parce que les gens se livrent à une épargne de précaution et consacrent une part importante de cette épargne à l'accumulation du capital humain. Ces conclusions avait également été mises en évidence plus tôt par Dotsey et Sarte (2000).

³⁵ Voir Caballero, R. et M. Hammour (2000). Creative destruction in development: institutions, crises and restructuring. Paper presented at the annual World Bank Conference on Development Economics

³⁶ Qui dépend aussi de la volatilité future du fait que le capital humain ne puisse pas être utilisé comme garanti

1.1.3- L'option de migration

Dans leur contribution récente, Katz et Rapoport (2005) explorent la relation entre la volatilité économique et la formation de capital humain dans le cadre de deux pays. Dans un pays, le taux de rendement du capital humain est certain. Dans l'autre, il est incertain, mais sa valeur espérée est égale à celle du rendement certain. Katz et Rapoport (2005) trouvent que l'augmentation de la volatilité dans le pays instable, qu'ils qualifient de sous-développé, augmente les investissements domestique dans l'éducation. La raison en est que l'option de sortie (migration) fournit une assurance pour ceux qui ont un coût de migration suffisamment faible (c?est-à-dire un niveau élevé de capital humain).

Auparavant, Poutvaara (2000) a également étudié l'effet des chocs régionaux spécifiques sur la formation du capital humain lorsque les régions ont le même taux de rendement attendu de ce capital humain. Poutvaara (2000) suppose que deux régions font face à des chocs symétriques et opposées, et les deux ont ex ante des chances identiques de subir des chocs positifs ou négatif. Il trouve également que l'investissement en capital humain individuel s?accroit avec l'ampleur des chocs lorsque la migration est autorisée. Contrairement à Katz et Rapoport (2005), Poutvaara (2000) suppose que la migration peut aller dans les deux sens. Une autre différence réside dans la technologie de production : Katz et Rapoport (2005) supposer que la production est linéaire dans le capital humain, pendant que Poutvaara (2000) suppose une technologie de production Cobb Douglas qui combine le capital humain et des facteurs régionaux spécifiques fixes dans le temps. Katz et Rapoport assumer ex ante des individus hétérogène et neutres au risque, tandis que Poutvaara (2000) suppose que ceux qui sont devenus instruits sont ex ante identiques et qu'ils peuvent devenir averses au risque. La troisième différence est que Poutvaara (2000) permet à chacun d'émigrer, tandis que Katz et Rapoport (2005) supposent que les coûts d'ajustement et la préférence de vivre dans le pays d'origine freiner l'émigration.

Élargissant les conclusions de Poutvaara (2000) et Katz et Rapoport (2005), poutvaara (2006) montre cependant que les résultats des études précédentes avec production linéaire et technologie de production Cobb Douglas peuvent être inversés avec une technologie différente.

Enfin, le mécanisme décrit ici nous semble bien plus approprié pour cerner le cas des pays en développement assujetties à une forte volatilité des agrégats économiques. En effet, les chiffres du transport et les nouvelles politiques de contrôle frontaliers et d?immigration

choisie rendent nécessaire l?acquisition d?un background intellectuel solide pour faciliter la migration. Cependant, avec l?intégration régionale et mondiale ainsi que le développement continu des infrastructures de transport et des TIC, la migration semble bien plus facile aujourd?hui qu?hier, quel que soit le niveau de capital humain dont dispose un individu.

1.1.4- La critique de Flug (1998) : tenir compte des spécificités du capital humain

Utilisant les propriétés spécifiques du capital humain, Flug et al. (1999) envisage la possibilité que l?effet de la volatilité soit négatif méme lorsque l?apprentissage est interne. En effet, le capital humain possède les caractéristiques suivantes :

- Les investissements en capital humain sont irréversibles, dans le sens où ils ne peuvent être vendus ;

- Le capital humain ne peut pas servir de garanti, puisqu?il ne peut pas être exproprié ;

- l?investissement en capital humain implique la présence d?aléas moraux, puisque les

efforts qu?un individu accorde à l?apprentissage sont difficiles à mesurer par un tiers ;

- Enfin, le rendement de l?investissement en capital humain est obtenu à très long terme.

Les trois premières caractéristiques font qu?en période volatilité, les investisseurs (préts bancaire ou auto investissement) sont plus hésitants à soutenir l?accumulation de capital humain ; en outre, le fait que le rendement de cet investissement ne puisse être obtenu qu?à long terme aggrave le problème. De plus, il n?existe pas d?option d?attente comme dans le cas de l?investissement en capital physique. L?investissement en capital humain ne peut être reporté ultérieurement, puisqu?il doit être effectué à un age critique, passé lequel le rendement de l?investissement sera très faible. Enfin, Levhari et Weiss (1974) ont introduit l?incertitude (volatilité) dans l?analyse de la formation interne et concluent que son effet est ambigu.

Les arguments présentés par Flug et al. (1999) font la part belle à l?influence négative de la volatilité sur les incitations privées à investir dans le capital humain. De plus, considérant un mode externe d?accumulation, les théoriciens confortent ce résultat.

1.2- La volatilité, un frein au processus du learning by doing : la nécessité de la prise en compte simultanée des deux modes d'apprentissage

Le Learning by doing (Arrow, 1962) est un phénomène essentiel dans la formation et l?accumulation de capital humain. Dans la plupart des emplois, les connaissances théoriques acquises pendant les années d?études scolaires ne constituent que la base de ce qui est

nécessaire à un travailleur pour pouvoir mener sa tâche de manière efficiente. Le plus important est l?expérience et la compétence que les travailleurs ne peuvent obtenir qu?en travaillant. C?est donc un apprentissage non intentionnel (externe). Martin et Rogers (1997 et 2000) mettent en exergue ce fait. Ils établissent que la prolifération du chômage durant les périodes de récession entraine des pertes de capital humain (résultat à l?encontre des conclusions d?Aghion et Saint-paul en 1998). Le raisonnement intuitif derrière ce constat est assez simple : Quand les circonstances ou les prévisions économiques sont défavorables, volatilité, les firmes réduisent leurs personnels, ce qui à son tour prive les travailleurs de gagner en expérience et connaissances productive. La sévérité de la récession amplifie ou restreint la perte en capital humain. La volatilité exerce donc un effet négatif sur l?accumulation de capital humain.

Van Ewijk (1997) incorporent à la fois l?approche en terme de coüt d?opportunité et celle relative au Learning by doing pour expliquer la relation entre volatilité et accumulation de capital humain. Ses résultats montrent que l?effet positif de l?hypothèse du coüt d?opportunité domine lorsque l?économie subit une faible volatilité, mais l?effet négatif issu du Learning by doing prend le pas lorsque la volatilité est plus sévère.

Les conclusions divergentes des différentes théories ci-dessus sont souvent associées à des implications différentes en ce qui concerne le lien volatilité croissance via l?accumulation du capital. A priori, il n?y a pas de raison fondamental qui permette de supposer que cette relation doive absolument être d?un signe particulier, en fonction du mode d?accumulation (intentionnelle ou pas). Egalement, il n?y a pas de raison de supposer que l?accumulation de capital humain provient d?un seul mode d?apprentissage sans que l?autre ne soit pris en compte. Les résultats des modèles précédents dans lesquels c?est le cas sont dès lors difficiles à comparer étant donné leurs différences structurelles.

1.2.1- Le modèle de Blackburn et Galindev (2003) : l'intégration simultanée des deux modes d'apprentissage

Blackburn et Galindev (2003) étendent et consolident la littérature en incluant les deux modes de formation du capital humain dans un seul modèle analytique. L?importance de chaque mode est capturée convenablement par une para métrisation flexible du processus à l?origine du changement technologique qui le réduit à un processus basée entièrement sur un mode ou sur l?autre en fonction de configuration alternative de la valeur du paramètre. Les auteurs se basent sur un modèle de croissance stochastique simple.

L?économie est constituée d?individus identiques avec un horizon temporel infini qui produisent et consomment le meme bien. Le problème de l?agent est donc de maximiser

L?agente dérive l?utilité espérée de (1) à partir de la consommation Ct et du loisir 1-Lt^-Ht, ou Lt represente le temps alloue au travail (production) et Ht celui qui est alloue à l?apprentissage (accroissement du capital humain). Le terme ãt est une variable aleatoire positive qui peut representer une preference, un gout ou un choc de demande suivant un processus stationnaire de moyenne u et variance ?². La contrainte de budget de l?agent est donner par l?équation (2) qui égalise la consommation et l?output, avec Zt un facteur de variation technologique dans la fonction de production. La technologie evolue selon l?équation (3), qui inclut à la fois les comportements d?apprentissage délibéré (interne) et non delibere (externe). Le premier est representer par Ht, c?est-à-dire la quantite de temps que l?agent alloue intentionnellement à l?accroissement de sa propre productivité, alors que le second est capturé par Åt, le niveau global de l?emploi qui détermine l?ampleur de l?externalité de compétence entre les agents et que chaque agent prend évidement comme donnée. L?importance relative de ces deux paramètres de croissance est déterminée par la magnitude relative des paramètres respectifs ö et è. Les cas extremes qui nous intéressent sont obtenus à partir des configurations {ö > 0, è= 0} (apprentissage exclusivement intentionnel) et {ö= 0, è > 0} (apprentissage exclusivement forcé). Les solutions du modèle sont caracterisees par les règles de decision suivantes concernant Lt et Ht :

Où B= 1 . Évidemment, l?(.) > 0 et h?(.) < 0 : ce qui signifie intuitivement qu?un

accroissement de ãt, donc par exemple un choc positif (respectivement negatif) de demande
conduit les agents à accorder plus de temps (respectivement moins de temps) au travail et

moins de temps (respectivement plus de temps) à l?apprentissage. Ceci est dû à l?augmentation de l?utilité marginale de la consommation qui accroit le cout d?opportunité des activités liées à l?apprentissage.

En remplaçant (4) et (5) dans (2) et (3) et en appliquant la condition d?équilibre Lt= Åt, on peut obtenir le taux de croissance de la technologie et de l?output entre les périodes :

Ct+1/Ct = Ù (öBu)^öá^èãt^è-áã^át+1 / [(ë+öBu+ áãt)^ö+è-á(ë+öBu+ _áãt+1)á^c(ãt, ãt+1)

Comme indiqué dans la littérature existante, l?effet de la volatilité du produit sur l?accumulation du capital humain dépend effectivement du mode d?accumulation de ce capital : on constate ici que lorsque le mode d?apprentissage est exclusivement interne {ö > 0, è= 0}, alors z?(.) < 0, ce qui implique que la croissance de la technologie est contra cyclique. Dans ce cas, la volatilité de l?output conduit effectivement à l?accroissement du capital humain. A l?inverse, si le mode d?apprentissage est externe {ö= 0, è > 0}, z?(.) > 0 et l?évolution de la technologie est pro cyclique. Dans ce cas, la volatilité a un effet négatif sur l?accumulation de capital. Ces résultat divergents sont dérivés des réponses divergentes des variables Ht et Lt décrites plus haut. Des observations similaires peuvent être faites sur le taux de croissance de la production, même si l'expression est un peu plus compliquée. Etant donné que l?output de chaque période dépend de l'état de la technologie et du niveau de l'emploi dans cette période, le taux de croissance de la production d'une période à l'autre est fonction des chocs dans ces deux périodes. Un choc positif ãt provoque une augmentation de Lt, une diminution de la Ht et une augmentation ou une diminution dans Zt +1. Ces effets signifient que Ct augmente, pendant que Ct+1 augmente ou bien diminue, de sorte que le taux de croissance de la production peut augmenter ou diminuer. Dans les cas limites qui nous intéressent, on a c1(.) < 0 pour {ö > 0, è= 0}, pendant que c1(.) > Ou < 0 pour {ö= 0, è > ou < á}. A l?inverse, un choc positif ãt+1a des effets fortement positifs sur la croissance, c2(.) > 0, à travers son effet positif sur Lt+1 et par suite Ct+1. Les propriétés non linéaires de c(.) sont dus à des considérations similaires. Donc c11(.) > 0 pour {ö > 0, è= 0} ; c11(.) > Ou < 0 pour {ö = 0, è > ou < 0} ; et c22(.) < 0 dans tous les cas.

La conclusion du modèle est simple, puisqu?on retrouve les résultats précédemment mis en exergue par Aghion et saint-paul (1998) : la volatilité du PIB affecte positivement l?accumulation de capital humain à cause du fait que durant les récessions, le chômage et la faiblesse des salaires contribuent à baisser le coüt d?opportunité d?allouer plus de temps à l?apprentissage qui est bien entendu interne.

1.2.2- Extensions du modèle

A partir du modèle précèdent, plusieurs autres ont été mis en oeuvre, prenant chaque fois en compte des caractéristiques différentes. On a par exemple celui de Varvarigos (2008) pour saisir la sphère monétaire et donc la volatilité de l?inflation. Ce dernier arrive également à la conclusion que la volatilité affecte positivement la croissance, mais cette fois si via une épargne de précaution indirecte qui induit une augmentation des avoirs en encaisses réelles ; ce qui réduit ainsi les coûts des transactions liées à la consommation. A partir de là, comme les firmes sont confrontés à la possibilité d?une plus grande disponibilité des revenus disponible issue de la production, ils accroissent les inputs, donc l?emploi et finalement le capital humain. Cependant, ce résultat est en contradiction avec ceux trouvé plus tôt par Ho (1996) et Blackburn et Pelloni (2005), qui en saisissant également la sphère monétaire avait ressortis une relation négative.

La prise compte de l?aversion au risque, et la persistance de l?absence de consensus ont conduit Blackburn et Varvarigos (2008) à continuer l?analyse de la relation en essayant de saisir d?autres paramètre qui peuvent avoir des effets aussi importants. Ils étudient la relation entre la croissance et la volatilité dans un modèle d?équilibre général dynamique où la croissance arrive de manière endogène par à travers l?accumulation du capital humain. Ici, ce dernier dépend de à la fois de l'apprentissage délibérée et non délibérée, la volatilité est la résultante à la fois des chocs technologiques et de préférence. Les résultats du modèle semblent finalement contredire les conclusions de la littérature existante : premièrement, les auteurs montrent que les allocations optimales de temps de travail et d'apprentissage sont tous deux pros cycliques. De ce point la volatilité a des effets ambigu sur l?accumulation de capital humain, puisse que les réponses du temps de travail et d?apprentissage sont symétriques. Cependant, cette conclusion n?est pas systématique. Ils identifient alors Deuxièmement un paramètre de préférence³⁷ qui est essentiel dans la détermination du signe du lien.

³⁷ Autre que le coefficient relatif d'aversion au risque mais qui peut être considérer comme tel.

Troisièmement, ils affirment que la corrélation entre volatilité et accumulation de capital humain peut être soit positive soit négative en fonction de ce paramètre de préférence.

Les mécanismes cités ci-dessus ne réfèrent qu?à l?effet sur les incitations privées à l?accumulation du capital humain. En supplément, la volatilité exerce également une influence néfaste sur les incitations et la soutenabilité des investissements sociaux publics³⁸. Le vecteur ici est l?altération non seulement du niveau, mais aussi de la stabilité des revenus privés et publics.

SECTION II : Les effets pervers de la volatilité sur les dépenses publiques sociales

Le manque de ressources privées pour financer l?éducation et la santé dans un environnement volatile rend le financement public encore plus important (Flug, 1999 ; Carmignani et al. 2007 ; Unesco, 2009). Rappelons ici que l?effet positif de la dépense publique sociale sur l?accumulation du capital humain est reconnu dans la littérature Cecchi et Garcia-penalosa (2004). Cependant, les dépenses publiques de fonctionnement sont d?environ 70% dans les économies subsaharienne et sont rigides à la baisse, notamment à cause de la corruption ; ce qui fait qu?en période de chute ou de contraintes sur les recettes de l?état, c?est les dépenses d?investissement, en particulier dans le secteur social qui subissent l?ajustement. En outre, l?ajustement des investissements publics en capital physique n?est pas exceptionnellement néfaste à cause de l?effet d?éviction. Plusieurs études ont donc analysé l?effet de la volatilité macroéconomique sur les dépenses sociales. Dans cette logique, il existe alors deux mécanismes fondamentaux :

2.1- La volatilité des dépenses publiques sociales : un vecteur de faible soutenabilité des projets sociaux (IISD, 2008)

Ceci est notamment le cas dans les économies avec des institutions faibles, comme celles de la région subsaharienne. Elle est alors dû à :

2.1.1- l'absence d'épargne de précaution

Comme on l?a fait remarquer précédemment, il existe une rigidité à la baisse des dépenses publiques de fonctionnement du a la corruption dans les Etats d?Afrique subsaharienne. Ceci implique qu?en situation de contrainte sur les recettes de l?Etat, c?est la dépense dans le

³⁸ Il est à noter que la volatilité baisse le prix de vente des récoltes négociés sur les marché à terme, et réduit par conséquent les revenus des populations rurales. Par ce mécanisme, elle freine aussi l?investissement privé en éducation et santé.

secteur social qui subit l?ajustement et freine ainsi l?accumulation de capital humain. Plus précisément, la volatilité altère la soutenabilités des dépenses publiques dans le secteur éducatif et celui de la santé. Cependant, plusieurs moyen peuvent être mis en oeuvre pour lisser ces depenses, notamment le recourt au secteur financier ou l?établissement d?un fond de sécurité. Le marché des capitaux étant peu développé dans nos économies, la solution de l?épargne de précaution semble plus appropriée, mais n?est pas souvent mise en oeuvre (Furth, 2010 ; Arezki et gyfalson, 2011).

Le fait ici est que le gouvernement anticipe mal les retournements de tendances économiques, ce qui le conduit à prendre de mauvaises décisions (Catão et Kapur, 2006). Ainsi, en période de volatilité, les administrateurs ont le choix entre deux comportements : faire de gros investissements dans l?économie en période d?expansion en espérant que l?économie bien que volatile le sera à la hausse, ou alors préparer une épargne de précaution vu que la dynamique les recettes budgétaires est imprévisible.

Dans tous les cas, il y a des avantages et des inconvénients. Dans le premier scenario, si le gouvernement décide d?investir en présageant une hausse à court terme de l?activité économique (et donc des recettes fiscales) et qu?il se trompe, des pressions se feront ressentir sur les finances publiques ; l?économie risque alors d?être sujette à un haut niveau de dette international et une forte inflation accentuée par des politiques fiscales pro cycliques³⁹. En effet, une fois qu?une quantité d?investissement publique est mise en place, il devient très difficile de la réduire à court terme, comme l?affirme Boccara (1994). A long terme, Ceci va donc conduire à une forte baisse des dépenses publiques et un ralentissement de l?accumulation en capital. Dans le second scenario, si les décideurs ont une grande aversion pour le risque, ou s?ils anticipent plutôt que les prix vont chuter (ou seront volatiles à la baisse), ils choisissent d?approvisionner leurs comptes d?épargne au détriment des investissements publics. S?ils se sont trompés, alors il y aura un manque à gagner lié à l?accroissement de productivité, et donc la richesse qui aurait pu résulter de ces investissements est perdue.

2.1.2- volatilité des recettes d'exportations

L?effet de la volatilité des prix des matières premières sur les recettes d?exportation dépend de trois mécanismes analytiques microéconomiques. Selon Ehrhart et Guerineau (2011) on a :

(I) l?effet direct des prix (effet d?incidence), (II) l?effet du taux d?impôt et (III) l?effet de volume.

Une caractéristique commune des impôts et des recettes non fiscales est d'être des Impositions à la marge. Par conséquent, le revenu de ce type d'imposition sera fortement nonlinéaire en fonction des prix des produits de base, à savoir qu?il sera très faible - voire nulle - quand le prix des matières premières est faible, mais va croître plus vite que le prix au fur et à mesure que celui-ci est élevé. Les impôts sur le pétrole, soit par le biais d'un impôt sur les bénéfices conventionnelle ou par le biais d'un contrat de partage de production (PCS), généralement augmente plus que proportionnellement lorsque le prix augmente (Leenhardt, 2005). Par conséquent, nous pouvons attendre l'effet de la volatilité des prix comme nulle (sur les exportations avec les taxes ad valorem) ou positif (pétrole et minéraux). La volatilité devrait également avoir un impact positif à travers l?effet du taux d'imposition ; en effet, l'augmentation des taux d'imposition en réponse à la hausse des prix à l?exportation accorde un gain net lorsque le prix est volatile. La volatilité peut toutefois avoir un effet volume négatif, car une forte volatilité des prix donne une incitation à substituer les marchandises exportées par moins de d?autres dont le prix est moins volatile pour amortir l'incertitude sur les bénéfices.

Ainsi, l?effet de la volatilité des prix des matières premières affecte la soutenabilité des projets publics sociaux en créant une incertitude chronique sur les recettes d?exportation.

2.1.3- la volatilité des politiques fiscales discrétionnaires

Les gouvernements ont eu recours à la discrétion de la politique fiscale pour des motifs non inhérents à la situation actuelle de l'économie, ce qui pourrait accroître la volatilité de cette politique. En fait, la politique fiscale n'est pas toujours menée par les gouvernements bienveillants, mais plutôt par des dirigeants politiquement motivées qui ne partagent pas nécessairement les mêmes préférences que celles de la majorité de la société. Par exemple, les politiques peuvent être menées pour des raisons politiques douteuses, qui ne bénéficient en générale qu?à une minorité de la population (Albuquerque, 2010). C?est cette composante de la politique fiscale que nous appelons la politique fiscale discrétionnaire à la suite de Fatas et Mihov (2003) ; elle est le résultat de l'incompétence, la cupidité et l?opportunisme des politiciens. Suivant cette ligne de pensée, la volatilité des dépenses publiques serait certainement augmenter avec des conséquences négatives sur l?accumulation de capital humain. En effet, la soutenabilité des projets sociaux est également menacée ici ; en outre,

cette volatilité entraînerait une forte incertitude entourant l'évolution future des politiques fiscales, ce qui va entraver la perception par le public de son effet réel, causant alors l?'éviction de la consommation privée et l'investissement (Albuquerque, 2010) ; la baisse de la quantité de facteur travail qui en résulte freine le processus de learning by doing. Ce résultat est confirmé par Lane (2003), Kaminsky et al. (2004). Si la composante discrétionnaire des depenses est procyclique, alors le signe de la corrélation entre les dépenses et la volatilité devient ambigu.

2.2- La baisse des depenses publiques sociales : un frein à l'accumulation de capital humain

La volatilité n?influence pas exclusivement la soutenabilité des depenses publique sociales ; elle contribue également à abaisser leurs niveaux. Ceci s?effectue à travers deux mécanismes :

2.2.1- La volatilité des prix des produits importés

En effet, la volatilité des prix des produits d?importation affecte négativement les recettes budgétaires, ce qui contribue à saper l?investissement publique dans le secteur sociale (catao et Kapur, 2006 ; IISD, 2008).

Suivant l?analyse de (Ehrhart et Guerineau, 2011), les trois effets microéconomiques cités plus haut aident une fois de plus à l?analyse : (I) l?effet direct des prix (effet d?incidence), (II) l?effet du taux d?impôt et (III) l?effet de volume.

Tout d'abord, puisque les taxes sur les importations sont principalement des taxes ad valorem, la relation entre les prix des matières premières et les recettes fiscales tirées de ces produits est linéaire; donc la volatilité des prix n'aura pas d'impact sur les recettes fiscales en moyenne puisque les gains au cours des phases de prix élevés sont strictement compensés par des pertes lorsque les prix sont bas. Deuxièmement, contrairement à l?effet prix, l'effet du taux d'impôt ne devrait pas être nul : les exonérations fiscales sur les importations de produits alimentaires et du pétrole accordé en période de prix élevés ne sont pas compensées par l'augmentation des taux d'imposition au cours de périodes de bas prix ; ces asymétries vont donc conduire à une perte nette de recettes fiscales lorsque le prix des importations est volatile. Troisièmement, la volatilité pourrait également avoir un effet volume négatif, car une forte volatilité des prix donne une incitation à remplacer les produits importés par des produits dont les prix sont moins volatiles pour amortir l'incertitude sur les factures des importations.

Ce résultat est notamment confirmé par Flug et al. (1999), qui prennent en compte l?influence de la volatilité sur les dépenses publiques d?éducation dans l?analyse du lien volatilité-accumulation de capital. Pour les auteurs, du point de vue de la demande, un environnement plus volatile implique que le besoin de financement public de l?éducation est plus sévère. Du point de vue de l?offre, la volatilité peut diminuer les ressources disponibles pour les dépenses publiques d?éducation, puisqu?une économie plus volatile signifie nécessairement une grande limitation de l?assiette fiscale et un revenu par tête plus bas.

2.2.2- L'intolérance de la dette

Il a été empiriquement démontré que les pays en développement font face à une dette souveraine ascendante et seront peu à peu éjectés du marché international des capitaux (DíazAlejandro, 1984; and Sachs, 1989). Reinhart, Rogoff et Savastano (RRS, 2003) ont approfondi l?analyse de cette affirmation. En combinant les données macroéconomiques de la période post-1970 avec les informations concernant l?histoire des crédits souverains depuis le début du 19^ème siècle, ils postulent qu?un important groupe de pays en développement était systématiquement atteint par ce qu?ils ont appelé « l?intolérance de la dette ». Ceci signifie que bien que le niveau de la dette souveraine rapporté au PIB soit faible par rapport aux normes internationales et bien que qu?il soit même moins élevé que celui de certains pays à revenus élevés, ces économies sont considérées comme risquées et inapte a supporté le poids d?une telle dette. Pour faire simple, le risque souverain respectif semblait être plus qu?équilibré par rapport au poids de la dette pour chacun de ses pays.

Pour expliquer ce constat, plusieurs explications ont été avancées, mais sont toujours restées incomplètes. Ainsi, La réponse vient tout simplement du fait que les économies en développement sont sujettes à une grande volatilité de leurs agrégats macroéconomiques, qui constitue le moteur du risque souverain (Catao et kapur, 2006). Dans les pays d?Afrique subsaharienne, le principal déterminant de cette volatilité macroéconomique est la volatilité du terme de l?échange. Elle est donc associé à un risque élevé de non-respect des échéances qui fait que ces économies reçoivent des capitaux du marché international a des taux élevé et très difficilement. L?intolérance de la dette n?est donc qu?un effet secondaire de la volatilité macroéconomique

En définitive, la volatilité des prix des matières premières freine l?accumulation de capital humain à travers son effet sur les depenses sociales d?investissement. En effet, elle sape non seulement la soutenabilité c?est-à-dire la bonne marche des projets publics dans les secteurs

éducatifs et de santé, mais elle contribue également à réduire la disponibilité des dépenses publiques dans ces domaines. Ceci à également été démontré récemment par Varvarigos (2007) dans le cadre de deux modèles de croissance ou la volatilité a pour origine l?aléa dans la quantité des dépenses publiques productives. Dans le premier modèle, les dépenses publiques sont considérées comme un input de la production ; Dans ce cas, l?auteur trouve que la relation entre la volatilité et la croissance dépend essentiellement des paramètres technologiques de la fonction de production. Dans le second model, les dépenses publiques sont considérées comme un input dans le secteur éducatif de l?économie ; dans ce cas, la volatilité freine la croissance parce que l?accroissement de l?incertitude pousse les individus a effectivement réduire plutôt que d?augmenter leurs investissements en capital humain.

Conclusion

En conclusion, on a passé en revue les différentes théories qui analysent le lien entre volatilité et accumulation du capital humain. La plupart d?entre elles sont basée sur la résolution des modèles stochastiques de croissance endogène, où bien sür c?est l?investissement en capital humain qui est à l?origine de la croissance. Les résultats trouvés sont divergents : certains affirment que lorsque l?apprentissage est délibéré, la volatilité affecte positivement l?accumulation du capital humain via la réduction du cout d?opportunité de la formation ou l?accroissement des investissements de précaution dans ce capital ; d?autres postulent cependant que cette relation est négative lorsque l?apprentissage devient externe, mais aussi parce que les propriétés spécifiques du capital humain décourage linvestissement privé y afférant dans un environnement volatile. Plus précisément, prenant en compte la possibilité de migration dans le cas des économies subsahariennes, certains auteurs confortent la conclusion du lien positif ; cependant l?impact défavorable de la volatilité sur leurs dépenses publiques sociales balance ce dernier effet et continu donc d?entretenir le suspense. Ainsi, seule l?analyse empirique pourra apporter un éclairage définitif pour les économies qui nous intéressent.

CHAP IV - EVALUATION DE L?INFLUENDE DE LA VOLATILITE SUR
L?ACCUMULATION DU CAPITAL HUMAIN EN AFRIQUE
SUBSAHARIENNE

Introduction

Comme nous venons de le constater dans le chapitre précédent, il n?y a pas de consensus théorique en ce qui concerne la relation volatilité - accumulation du capital humain. Pendant que certaines théories postulent un lien positif, d?autres au contraire considèrent que la volatilité est grandement néfaste. Pour être fixé, rien d?autre que l?étude des données.

L?objectif de cette section est donc d?évaluer empiriquement l?influence de la volatilité sur l?accumulation du capital humain dans les économies subsahariennes. Les indices de volatilité retenus sont ceux définies précédemment, à savoir la volatilité du taux de croissance du FIB/hab.⁴⁰, de l?inflation, du terme de l?échange, et du taux de change réel. Dans une première section, on fera état de l?ensemble des techniques utilisées jusque-là, ce qui nous permettra de spécifier notre modèle. Dans la section suivante, l?analyse des faits stylisés sera suivie de la présentation et de l?interprétation des résultats obtenus.

SECTION I- revue des méthodes empiriques et spécification économétrique

1.1- La rareté des études empiriques

Malgré la longue liste de modèles théoriques et analytiques qui traitent de la relation entre volatilité et accumulation du capital humain, il faut dire que les évidences empiriques se font très rares. Néanmoins, on peut noter quelques contributions majeures.

Flug et al. (1998) étudient l?influence de la volatilité sur la croissance du capital humain en se basant sur la période 1970-1992 pour 60 pays. Les auteurs trouvent que la volatilité du taux d?emploi, affectent négativement l?accumulation de capital humain, saisi ici à travers l?enrôlement total en cycle secondaire des individus ayant l?age normal pour y accéder, tandis que la volatilité du FIB a un effet non significatif. Cependant, dans un panel à effet fixe, cet effet devient significativement négatif. Apres avoir divisé le panel en pays à revenus élevés et à revenus faibles, il vient que la volatilité du taux d?emploi a un effet négatif et significatif sur l?enrôlement secondaire dans les pays à faible revenus, mais cet effet devient positif et non significatif quand dans le contexte des pays développés. Ce résultat suggère que dans les pays

⁴⁰ Qui permet ici d?approximer la volatilité du taux d?emploi (Flug et al. 1998)

en développement ou l?assurance contre le chômage est inexistant, l?opportunité d?emploi devient l?indicateur essentiel de l?incitation à accroitre son capital humain. Par contre, dans les pays développés où le marché financier est plus développé, les individus ont la possibilité de prêter aux banques ou de puiser dans leurs épargnes personnelles pour investir dans la formation de leur capital humain, de sorte que la volatilité soit insignifiante. La mesure de la volatilité employée ici est l?écart-type du taux d?emploi. La volatilité du PIB a un effet non significatif dans les deux catégories de pays. Les résultats sont obtenus à l?aide de l?estimateur des moindres carrés.

Checchi et García-Peñalosa (2004) se concentrent sur le stock de capital humain, c?est-àdire le niveau moyen d'éducation. Les auteurs développent tout d?abord un modèle de croissance dans lequel le risque liée au niveau de production détermine le niveau moyen d?éducation, ainsi que sa distribution. Ils concluent qu?un risque plus élevé est associé à un faible niveau de scolarisation, mais favorise les inégalités de capital humain. Ensuite pour confirmer ce résultat, une étude empirique s?étalant sur la période 1960-1995 est menée pour un panel de 111 pays. Les données sont prisent en moyennes de 5 ans et la volatilité est mesurée par l?écart-type de la croissance du PIB. Les auteurs trouvent encore que cet indice de volatilité contribue à réduire le niveau moyen de scolarisation. La plupart de leurs régressions comprennent 70 à 80 pays. En raison de l'absence d'une dimension temporelle dans la mesure de cette volatilité, ils ne peuvent pas utiliser un estimateur à effets fixes, mais opte pour un estimateur des moindres carrés pondérée par la population en incluant des variables indicatrices régionales.

Vandewege et Heylen (2005), approfondissant les travaux de Checchi et García-Peñalosa (2004) aussi bien de manière analytique qu?empirique, concluent que les résultats de ces derniers ne sont pas robustes. Un canal important de l?effet de la volatilité sur l?accumulation du capital humain semble être son impact néfaste sur les dépenses publiques d?éducation. En effet, contrôlant l?effet de la dépense publique d?éducation dans toutes leurs régressions, il apparait que l?influence de la volatilité (mesurée de manière invariante dans le temps) change de signe, c?est-à-dire devient positive. En utilisant une mesure de volatilité temporellement variable, son effet sur le capital humain devient également positif. Cet effet dépend également des caractéristiques spécifiques des pays, et est plus important dans les pays à revenus élevés. L?effet de la volatilité reste positif lorsqu?ils contrôlent l?existence potentielle d?endogéneité avec l?estimateur des doubles moindres carrés. L?estimateur utilisé une fois de plus est celui des MCO.

Kedir et Bani (2012) étudient le rôle de l?accumulation du capital humain dans la relation entre volatilité et croissance économique. Les auteurs utilisent 40 ans de données portant sur un panel de 100 pays en développement d?Asie, d?Amérique latine et d?Afrique ; la plage temporelle considérée couvre la période 1970-2009. Etant donné que les données de l?éducation sont disponibles par intervalle de 5 ans, ils prennent la moyenne simple sur 5 ans pour toutes les variables. Le capital humain est mesuré ici par le nombre moyen d?années d?études des individus âgés de 25 ans et plus. En considérant le fait que la force de travail dans les pays en développement est constituée en majorité de jeunes, la robustesse des résultats est testée en prenant plutôt la mesure du capital humain pour les individus de 15 ans et plus. La volatilité est mesurée comme l?écart-type de la croissance sur l?ensemble de la période. L?effet de la volatilité sur la croissance via l?accumulation de capital est mesurée en insérant dans l?équation un terme interactif (volatilité*éducation).

Les auteurs concluent que la volatilité est néfaste à la croissance, mais le terme interactif entre volatilité et éducation exerce un effet significativement positif. L?accumulation du capital humain semble donc être le mécanisme par lequel la volatilité impacte positivement la croissance. L?accumulation du capital humain diminue et éradique l?influence de la volatilité. Cependant, les tests de robustesse montrent que l?effet positif du terme interactif dépend grandement du niveau de revenus d?un pays et de la sévérité de la volatilité à laquelle il fait face.

Cavalcanti et al. (2011) s?intéressent également à la relation volatilité accumulation du capital humain dans le contexte d?un panel de 118 pays d?Afrique subsaharienne, d?Europe et d?Asie sur la période 1970-2007. L?échantillon comprend 62 pays exportateurs de matières premières et la techniques d?estimation employée est la méthode généralisée des moments (GMM) dans le cadre d?un panel dynamique. L?estimateur en première différence⁴¹ est alors utilisé. Les auteurs construisent une mesure de l?accumulation de capital humain en se basant sur l?interpolation linéaire des données relatives au niveau moyen de scolarité, qui sont disponibles après chaque 5 an. A partir de là, ils obtiennent des données annuelles sur l?accumulation du capital humain qui est ensuite inséré comme variables dépendantes dans la régression. Les auteurs contrôlent les effets individuels invariants dans le temps, mais aussi les effets temporels symétriques pour chaque individu. Les résultats de cette étude montrent que la volatilité du terme de l?échange des matières premières exerce un effet négatif et

⁴¹ Voir Arellano, M. and S. Bond (1991). Some Tests of Specification for Panel Data: Monte Carlo Evidence and an Application to Employment Equations. The Review of Economic Studies 58(2), 277-297.

significatif sur l?accumulation du capital humain. En testant la robustesse de ces résultats aves des méthodes d?estimations autres que ceux de la méthode généralisé des moments,⁴² le résultat devient mitigé. Pendant que certaines méthodes confirment les résultats négatifs, d?autres produisent des chiffres non significatifs.

A l?égard de ce qui vient d?être dit, on peut maintenant essayer de spécifier un modèle empirique qui nous permettra d?évaluer l?ampleur de cette causalité.

Pour mener à bien notre étude, il est important de rappeler les caractéristiques des économies subsahariennes qui nous poussent à choisir les théories explicatives les mieux adaptées. Premièrement, la zone Afrique subsaharienne est fortement frappée par le chômage (17% en 2011, WDI). Dans cette logique, dire que l?accumulation du capital humain se fait principalement par le Learning by doing (donc de manière externe) serait un peu irréaliste. On opte donc pour un mode d?apprentissage interne. De ce point de vue, il devrait exister une relation positive entre la volatilité et l?accumulation du capital humain dans la zone. Cette hypothèse serait d?autant plus forte que l?étroitesse du marché de l?emploi et la possibilité de plus en plus grande d?immigration choisie de la part des pays développés encourage les individus à se former dans un environnement volatile pour avoir des chances d?aller à l?étranger trouver un emploi. En même temps, la possibilité d?émigration des populations de la zone est également restreinte à cause du bas niveau de capital humain. En outre, considérant que l?épargne de précaution dans l?accumulation du capital humain est un choix rationnel pour les populations averses au risque, on peut encore étayer l?hypothèse du lien positif. Cependant, les propriétés spécifiques du capital humain découragent l?investissement privé dans sa formation (Flug et al. 1999) ; ceci se conjugue à un marché du crédit restreint et des dépenses publiques menacées par la grande incertitude (volatilité) macroéconomique que subissent ces économies. De ce fait, le lien devrait plutôt être négatif.

Nous considérons la primeur des effets négatifs sur les effets positifs et donc, adoptons l?hypothèse de la négativité de l?influence de la volatilité sur l?accumulation du capital humain, notamment à cause de l?effet revenu.

⁴² Notamment l?estimateur CPMG (Cross Sectionally Augmented Pooled Mean Group) adapté à l?étude de séries non stationnaires. Voir, Pesaran, M. H., Y. Shin, and R. P. Smith (1999). Pooled Mean Group Estimation of Dynamic Heterogeneous Panels. Journal of the American Statistical Association 94(446), 621-634.

1.2- Méthodologie

L?évaluation se fait sur la période allant de 1980 à 2010, Donc 31 ans. On a choisi 18 pays d?Afrique subsaharienne sur la base de la disponibilité des données, mais aussi du degré d?instabilité macroéconomique notée dans la littérature empirique. Ces pays sont notamment le Bénin, le Botswana, le Burkina Faso, le Burundi, le Cameroun, la Centrafrique, le Congo, la Cote d?Ivoire, le Gabon, le Ghana, le Kenya, le Lesotho, le Mali, le Niger, le Sénégal, le Soudan, le Togo et la Zambie. La plupart des données pour ces pays étant disponibles, le panel reste néanmoins non cylindré.

1.2.1- spécification du modèle

Nous allons ici nous servir du modèle utilisé par Vandewege et Heylen (2005). Il consiste en la régression en panel d?une équation simple avec pour variable dépendante un proxy du niveau d?investissement en capital humain. Ici c?est le stock de capital humain mesuré comme le nombre moyen d?années d?étude des individus âgés de 15 ans et plus. Les chiffres pour cette variable n?étant disponibles que par intervalles de 5 ans, les données sont prises en moyenne de 5 années, ce qui permet également d?éviter la corrélation cyclique entre les variables explicatives. Le modèle se décline ainsi comme il suit :

Avec i= 1, 2, 3,~N et t= 1, 2, 3,~T. Les variables explicatives présentent ici sont constitués par une mesure de la volatilité macroéconomique (VOLi), mais aussi deux ensembles de déterminants de l?investissement en capital humain incluent dans les vecteurs Xi et Zit. Comme on peut le voir, la volatilité et le premier vecteur X n?ont pas de dimensions temporelles ; seuls les autres déterminants contenus dans le vecteur Z en ont. En outre, ri saisi les effets spécifique individuels invariants dans le temps tandis que ët représente les effets

temporels communs par période à tous les individus (pays). Enfin, îit est le terme d?erreur.

La variable du vecteur X appréhendée par l?auteur est la disponibilité du crédit dans le pays. Les autres variables dynamiques dans le vecteur Z sont les inégalités de revenus, les inégalités d?éducation, les dépenses publiques réelles par personne en éducation, le capital physique en ration du PIB, le logarithme du PIB réel par hab. initial.

Cependant, on ne peut tout simplement pas transposer ce modèle tel quel à l?étude des économies subsahariennes, et ceci pour plusieurs raisons d?ordre théorique et pratique :

Premièrement, les proxys utilisés dans la littérature empirique sont la plupart du temps de deux ordres : premièrement, les taux de scolarisation dans l'enseignement primaire, secondaire ou supérieur, pondérés de la part de la tranche d'âge correspondante dans la population en âge de travailler. Cette mesure de l?investissement étant toutefois très approximative, on peut tout aussi bien utiliser le stock de capital humain mesuré par le nombre moyen d'années de scolarisation de la population de 25 ans et plus8. Aucun argument théorique ne penche de manière décisive en faveur de l'un ou l'autre des deux indicateurs du capital humain - le flux ou le stock. En outre, il est démontré que la population en éducation dans les pays en développement est plus importante pour la tranche de 15 ans et plus. Ainsi, nos estimations porteront sur le stock de capital humain mesuré par le nombre moyen d?années de scolarisation totale des individus âgés de 15 ans et plus. On rejoint l?auteur dans ce sens.

Deuxièmement, on remarque dans la spécification de l?équation (1) que la mesure de volatilité utilisée n?est pas dynamique. Ce qui est une insuffisance importante, puisque les évidences issues des observations laissent paraitre que la volatilité varie dans le temps (Serven, 1998 ; Cavalcanti et al. 2011). En outre, cette mesure ne permet pas de mesurer la volatilité ex ante, c?est-à-dire tel que définie par les anticipations des agents économiques, qui joue un rôle non négligeable dans la décision d?accumulation de capital humain de ces agents. De plus, le fait de considérer la contrainte de crédit comme non dynamique est également trop restrictive. Dans notre étude, nous considérons donc quatre mesures de volatilité dynamiques ex-ante mesurées à l?aide de la résolution de modèles autorégressifs à hétéroscédasticité conditionnelle GARCH (1,1) comme dans le chapitre précèdent. On analyse donc successivement les rôles de la volatilité du terme de l?échange (óTDE), la volatilité du taux de change effectif réel (óTCER), de la volatilité du PIB (óCPIB), et la volatilité du niveau d?inflation (óINF). La justification de ces choix réside dans les observations suivantes :

la culture des produits de rente comme le café, le cacao et le coton qu?ils exportent sur les marchés internationaux, tout comme leurs gouvernements qui tirent également d?énormes recettes fiscales et d?exportations de ce commerce. Ainsi, la volatilité des prix des matières premières sur ces marchés (mesurée par la volatilité du taux de croissance du terme de l?échange) affecte négativement la stabilité des revenus des ménages et des pouvoirs publics (Luciani, 2011). Du point de vue des ménages, il devient difficile de financer de manière individuelle l?éducation et la santé ; du point de

vue des pouvoirs public, la disponibilité des dépenses sociales (éducation, santé, couverture sociale...) est remise en cause (Catao et Kapur, 2006). Ceci contribue au final à décourager les investissements en capital humain. Cavalcanti et al. (2011) permettent empiriquement de confirmer l?influence néfaste de la volatilité du taux de croissance du terme de l?échange sur l?accumulation de capital humain dans les pays exportateurs de matières premières, et notamment 24 pays d?Afrique subsaharienne.

- Dans le chapitre précèdent, il a été démontré que la volatilité du taux de change effectif réel impacte négativement l?accumulation de capital physique. Etant donnée la relation d?interdépendance qui existe entre l?accumulation de capital humain et physique (Vandewege et Heylen, 2005), on peut donc a priori penser qu?elle influence également négativement l?accroissement du stock de capital humain. En effet, s?il y a des retards en ce qui concerne l?implantation du capital physique et donc l?offre d?emploi, le mode d?apprentissage externe (Learning by doing) est freiné. Cette approche a déjà été évoquée plus haut dans l?analyse théorique.

- La volatilité du PIB engendre des incertitudes en ce qui concerne la demande de

travail et les taux de salaire, Elle constitue donc un proxy de la volatilité du taux d?emploi (Flug et al. 1999). Si les individus ne sont pas sûrs du rendement de l?investissement en capital humain, c?est-à-dire qu?ils ne soient pas en mesure de pouvoir trouver un emploi à la fin de leurs cursus scolaires, il risque d?y avoir une délocalisation des fonds pouvant être alloué à l?accumulation de capital humain vers d?autres secteurs d?activité. En Afrique subsaharienne, c?est souvent le cas, puisque les parents préfèrent selon les circonstances inciter les enfants à se lancer dans le secteur informelle ou l?agriculture plutôt que les envoyer à l?école.

- La volatilité du taux d?inflation représente également une incertitude sur la demande en affectant le revenu disponible des ménages, mais aussi celle des taux d?intérêts dans l?économie (Varvarigos, 2008).

Troisièmement et enfin, les variables explicatives choisies par les auteurs ne sont pas adéquates dans le cadre de notre étude, non seulement par rapport à la disponibilité des données, mais aussi au regard des spécificités des économies subsahariennes. Pour ce travail, nous prenons donc comme variables de contrôle celles qui suivent :

L?ouverture commerciale en logarithme (lnOC) : il a été démontré qu?elle influence grandement les incitations à investir dans le capital humain en Afrique subsaharienne (Abessolo, 2005). L?auteur pose qu?en Afrique subsaharienne, l?influence positive de

l?accumulation du capital humain sur la croissance dépend fortement de l?ouverture commerciale. En effet, dans les économies fermées, le fait que le capital humain puisse ne pas avoir d?effets positifs (ou même négatifs) sur la croissance viendrait des distorsions dans l?affectation de ce capital. L'ouverture commerciale empêche le rendement du capital humain de diminuer et permet également d'éliminer ces distorsions. De plus, par le biais de la demande, l'ouverture commerciale multiplie les possibilités d'emploi du capital humain dans les activités économiques favorables à la croissance. En conséquence, l'économie peut récolter les fruits du relèvement du niveau d'éducation de la main-d?oeuvre et accélérer son processus de rattrapage des économies plus développées.

Le taux de fertilité (FERT)⁴³. Il mesure le nombre de naissance moyen par femme. En effet, la région subsaharienne est caractérisée par des pays possédant les taux de fécondité les plus élevés de la planète, mais des niveaux de revenus par tête parmi les plus faibles. Il s?en suit que les parents ne parviennent pas le plus souvent à envoyer la totalité de leurs enfants à l?école, ni à soutenir pendant longtemps leurs études. En outre la gente féminine est défavorisée. Par conséquent, le stock de capital humain tend à baisser.

Le log de la taille du gouvernement (lnTG) représentant les dépenses finales de consommation du gouvernement en ration du PIB (Cavalcanti et al. 2012). Il permet de cerner le rôle de létat dans l?accumulation de capital humain. Pour ce faire, il aurait été efficient de disposer des données sur les dépenses publique d?éducation en pourcentage du PIB, mais l?auteur note qu?à défaut, on peut utiliser cet indicateur. Pour Ndeffo (2010), Cet indicateur permet d'évaluer le niveau de gaspillage des ressources du secteur productif en faveur du secteur non productives telles que l'armement dans les économies subsahariennes. Ces placements dans le non secteur productif ont une tendance à marginaliser certains secteurs comme celui de l'éducation.

Un indicateur de la demande en main d?ouvre qualifié (STI) suivant Ndeffo (2010). Il mesure ici la part du PIB issue du secteur agricole, le reste étant attribué aux secteurs industriels et des services. Ainsi, plus la demande en main d?oeuvre qualifiée se fera sentir dans l?économie, plus les individus auront tendance à plus se former pour pouvoir répondre à cette demande. Les économies subsahariennes sont caractérisées par la prépondérance du secteur agricole dans la contribution au PIB national, secteur qui ne demande pourtant pas des travailleurs ayant un niveau d?apprentissage élevé ; il semble donc judicieux de penser

⁴³ Voir Zamo, C. (2010). «Fertility, health and female labour force participation» MPRA Paper.

que plus la part du secteur agricole dans le revenu national sera faible par rapport à celle des autres secteurs, plus les individus dans l?économie auront tendance à moins se former.

On considère également la croissance du PIB par tête, suivant Checchi et García-Peñalosa (2004). En effet, il est clair que cet indicateur devrait a priori avoir un impact important : Premièrement, l?accroissement du PIB par habitant se traduit par l?augmentation des revenus et à partir de là, la possibilité pour les parents de pouvoir assurer l?éducation de leurs progénitures. Ensuite, elle se traduit par une offre d?emplois supplémentaires qui pousse les individus à se former pour devenir plus compétitifs sur le marché. Enfin, elle permet aux travailleurs d?accumuler l?expérience, l?habilité et les compétences.

Toutes ces variables prisent en compte, Le modèle à effet individuels final qu?on obtient est le suivant :

Hit ã + _á1óTDEit + _á2óTCERit + _á3óPIBit + _á4óINFit + _â1lnOCit + _â2lnSTIit +
â3lnTGit + _â4FERTit + _â5CPIBit + ri + ët + _îit (2)

La présence d?effets spécifiques par pays renvoie au fait que les économies subsahariennes ont des structures ethniques, géographiques et culturelles différentes. On envisage donc la significativité de la variable ri. En ce qui concerne les effets communs par période de temps, seul le test et les régressions nous certifierons leurs présences.

Terme de l'échange Prix des exportations relativement aux WDI (2012) (TDE) importations (net bater)

Stock de capital Nombre d?années totales de scolarité des Barro et Lee (2010)

SECTION II- Présentation des fats stylisés, analyse et interprétation des résultats

2.1 Analyse statistique

On examine dans un premier temps les résultats des coefficients de corrélation, mais aussi la tendance donnée par la représentation du nuage de points pour l?ensemble du panel sur la période considérée.

2.1.1 - matrice de corrélation des variables d'intérêt.

Les résultats du tableau 2.2 de matrice des corrélations ne sont pas très explicites ; néanmoins, nous pouvons déjà nous apercevoir qu?il pourrait a priori exister une relation significativement négative ( à 10%) entre la volatilité du taux de croissance du PIB/hab. (aCPIB), représentant celle du taux d?emploi, et le nombre total moyen d?années de scolarisation (H). ce qui signifie que l?incertitude sur le taux d?emploi, mais aussi le niveau de revenu des individus en ASS les incitent à quitter l?école le plus tôt possible. concernant les autres indices de volatilité à savoir la volatilité de la croissance du terme de l?échange, du taux de change effectif réel et de l?inflation, il n?existe a priori pas de relation significative ; cependant, ils possèdent tous des signes positifs, ce qui semble contradictoire par rapport à notre hypothèse de départ, mais justifié dans le corpus théorique. Notons enfin que ces résultats sont identiques, qu?il s?agisse de la mesure de volatilité conditionnelle ou la volatilité issue des écart-types.

Note : ***, **, * représentent respectivement la significativité à 1, et 5%. Les valeurs entre parenthèse sont les probabilités.

2.1.2- tendances obtenues des nuages de points

En attendant d?avoir les résultats des régressions, Ces propos peuvent être étayé par la présentation des quelques graphiques (annexe 3, graphiques 3.1 à 3.4). Ici, on peut constater qu?il y a une certaine similitude entre les résultats de la matrice de corrélation et les régressions basiques faites à partir des nuages de points : La volatilité de la croissance du PIB/hab. exerce une influence négative sur le stock de capital humain dans les pays d?ASS sélectionnés, tandis que les autres indicateurs de volatilité sont positivement corrélés à ce stock. La matrice des coefficients de corrélation indique que ces dernières relations ne sont pas significatives.

Egalement déduit à partir des nuages de points obtenus sur le graphique, cette relation positive entre le reste des indices de volatilité et le stock de capital humain semble techniquement due à quelques observations extremes qui s?écartent du nuage principal, en particulier pour la volatilité du taux l?inflation et du taux de change effectif réel. Ceci confirme donc la non-significativité obtenue dans le tableau des coefficients de corrélation. En ce qui concerne la volatilité du terme de l?échange, le constat est sensiblement identique.

Ainsi, l?observation des régressions basiques faites à partir du nuage de points donne lieu à une incertitude sur le signe des coefficients obtenus ; seules les régressions économétriques nous permettrons de nous décider.

2.2- Analyse économétrique et interprétations des résultats

2.2.1- tests de racine unitaire

Tout d?abord, On rappelle que l?analyse en panel nécessite effectivement que l?ensemble des variables de l?étude soit stationnaires. De méme, la stationnarité est nécessaire pour pouvoir appliquer les modèles GARCH utiles à la prévision de la volatilité des séries. Etant donné que les données sont prise en moyenne de 5 ans, on a plutôt appliqué le test de du multiplicateur de Lagrange de Hadri (2000)⁴⁴ sur les nouvelles variables incluses. Les résultats des tests sur les variables sont présentés dans le tableau 2.3.

Ce dernier montre comme dans le chapitre précèdent que certaines des variables qu?on a utilisée pour l?estimation des données sur la volatilité n?était pas stationnaires. On a donc

⁴⁴ Confère Hadri, K. (2000). "Testing for stationarity in heterogeneous panel data," Econometrics Journal, Royal Economic Society, vol. 3(2), pages 148-161

utilisé la différence première. Parmi les nouvelles variables de contrôle, le taux de fertilité (FERT) et le stock de capital humain (H) sont également été intégrés de premier ordre. Une fois l?ensemble des variables stationnaires, on peut commencer à traiter de la relation proprement dite entre les indicateurs de volatilité et l?accumulation de capital humain.

2.2.2- Tests de spécification du modèle

Comme on l?a dit plus haut, le test d?Hausman permet de dire qui des effets individuels fixes ou des effets individuels aléatoires est le mieux pour estimer les paramètres de la relation qui nous intéresse. Ici, le modèle consistant à la fois sous l?hypothèse nulle et alternative est toujours le modèle à effets fixes.

Dans notre cas (Annexe 7), la statistique H = 3.39, et est non significative (p=0.90). Le modèle retenu est celui à effet aléatoires

On utilise Pour effectuer ce test la méthode du ratio de vraisemblance. Dans notre cas, nous postulons que c?est le modèle homoscédastique qui est efficient sous l?hypothèse nulle tandis que sous l?hypothèse alternative il y a présence d?hétéroscédasticité. Dans notre cas, on a ÷²(16)=70.92, avec p = de 0.000 ; ce qui représente une significativité a 1% nous permettant de ne pas accepter l?hypothèse nulle du modèle homoscédastique. Notre estimation sera donc corrigée de l?hétéroscédasticité.

On utilise une fois de plus le test de Wooldridge (2002). Ce test nous permet de confirmer la présence d?autocorrélation dans la spécification du modèle, avec une probabilité de 1%.

Finalement, notre modèle à effets individuels aléatoires se présente comme suit :

Hit ã + _á1óTDEit + _á2óTCERit + _á3óCPIBit + _á4óINFit + _â1lnOCit + _â2lnSTIit + â3lnTGit + â4FERTit + _â5CPIBit + ri + îit (3)

On rappelle que H est le stock de capital humain mesuré par le nombre total moyen d?années de scolarisation pour les plus de 15 ans. Les autres variables d?intérêt et de contrôle sont toujours défini comme précédemment. La procédure d?estimation utilisée ici est la méthode des moindres carrés généralisés (MCG).

2.2.2- Résultats et interprétations de résultats du modèle

2.2.1- Mesure de volatilité conditionnelle (ex ante) par GARCH (1, 1) Tableau 2.4 : Résultats des estimations, volatilité mesurée par GARCH

	H	H	H	H	H
CPIB	-0.003	-0.008	-0.012	-0.007	-0.004
	(0.05)	(0.16)	(0.20)	(0.10)	(0.08)
lnTG	-0.775	-0.726	-0.895	-0.872	-0.637
	(2.46)**	(2.23)**	(2.46)**	(2.31)**	(1.89)*
lnOC	1.252	0.806	1.229	1.232	0.852
	(5.58)***	(2.70)***	(5.62)***	(5.27)***	(2.76)***
FERT	-4.647	-0.516	-3.595	-3.753	-1.201
	(1.24)	(0.13)	(0.97)	(0.99)	(0.30)
lnSTI	-1.880	-1.162	-2.294	-2.333	-0.723
	(1.84)*	(0.73)	(1.66)*	(1.75)*	(0.56)
óTCER	-2.295				-2.133
	(1.97)**				(1.52)
óCPIB		-0.017			-0.017
		(1.85)*			(1.77)*
óTDE			-1.428		-0.988
			(0.72)		(0.73)
óINF				0.000	0.000
				(0.03)	(0.61)
_cons	3.728	4.030	3.476	3.461	4.319
	(5.44)***	(4.69)***	(4.69)***	(4.60)***	(4.55)***
N	81	81	81	81	81
R²	0.40	0.39	0.38	0.39	0.42

Note : * p<0.1; ** p<0.05; *** p<0.01. Les valeurs ( ) représentent les t de student

On peut maintenant remarquer que concernant nos variables d?intérêt, la presque totalité affiche les signes négatifs attendus, sauf la variable óINF relative à la volatilité du taux d?inflation. En outre, seul deux d?entre elles sont significativement négatives, à savoir la volatilité du taux de croissance du PIB/hab. (óCPIB) et celle du taux de change effectif réel (óTCER).

Nous confirmons ici l?hypothèse adoptée au début de l?analyse, à savoir que la volatilité, en particulier celle des agrégats macroéconomiques en Afrique subsaharienne est néfaste pou l?accumulation du capital humain. Les explications théoriques de ce constat ne sont pas en reste.

Pour ce qui est de la volatilité du PIB, le résultat que nous obtenons confirme ceux de Vandewege et Helen (2005), mais aussi de Flug (1999) et Checchi et Garcia-Penalosa (2003) avant eux ; qui avaient également utilisés la volatilité de cet indicateur pour saisir la volatilité du taux d?emploi. En particulier, l?accroissement d?une unité de la variabilité conditionnelle du taux de croissance du PIB/hab. réduit d?environ 0.02 ans le nombre total d?années de scolarisation. En effet, dans les économies à faibles revenus en général et subsahariennes en particulier, le rendement privé de l?investissement en capital humain est très faible relativement au reste du monde (faibles taux de salaires), en plus d?être disponible à plus long

terme et avec une probabilité moins élevée (volatilité du taux d?emploi) ; ceci fait qu?en période de volatilité, les individus sont mois attirés par l?investissement de précaution en capital humain et préfère d?autres moyens moins long et moins aléatoires, même si ce sont des emplois à faibles rémunérations qui demandent donc nécessairement une compétence moins élevée. La volatilité entraine alors les individus à se lancer dans le marché de l?emploi de manière précoce, plutôt que de continuer leurs études. Ce marché est en outre caractérisée par la prépondérance de l?informel ; par conséquent, La solution idéale à la volatilité est d?entrer dans le secteur informel, qui ne demande pas une grande quantité de capital humain, mais permet de s?assurer un certain niveau de revenu. La volatilité des performances macroéconomiques serait donc à l?origine de l?évolution du secteur informel dans nos économies. Checchi et Garcia-Penalosa (2003) trouvent notamment qu?au Chili, la volatilité sape à la fois l?accumulation du capital humain et sa répartition égalitaire. Il met en évidence de manière robuste le fait que le niveau d?éducation moyen augmenterait de presque 1 an et les inégalités baisseraient de 7.9 points de Gini si le Chili pouvait réduire la volatilité de son PIB au niveau de celle des Etats-Unis (c?est-à-dire de 3.8 points de pourcentage avec les chiffres de 2003).

En outre, une augmentation d?une unité de l?écart-type conditionnelle du taux de change effectif réel diminue d?environ 2.3 ans le nombre total d?années de scolarisation. L?effet de la volatilité du taux de change effectif réel sur l?accumulation du capital humain en Afrique subsaharienne est majoritairement indirect. En effet il s?explique à travers le lien très étroit entre l?accumulation de capital physique à l?accumulation de capital humain. Dans le chapitre précèdent, nous avons mis en évidence l?influence défavorable et fortement significative qu?exerce la volatilité du taux de change effectif réel sur l?accumulation de capital physique. En outre, la croissance du stock de capital physique dans l?économie peut être considérée comme un proxy de la demande de main d?oeuvre qualifiée. L?accroissement du stock de capital physique élève donc les possibilités d?utilisation et le rendement du capital humain, et par suite, l?effet négatif de la volatilité du taux de change effectif réel sur le stock de capital physique devrait aboutir à une influence autant négative sur le stock de capital humain. Notons ici que Caballe et Santos (1993), mais aussi Graca, Saqib, et Philippopoulos (1995) démontrent qu?une augmentation du stock de capital physique devrait accroitre le stock de capital humain puisque ceci signifie que ce dernier devienne plus productif. En outre, chez Lucas (1993) et Greiner (1999), chaque unité de capital physique supplémentaire doit se traduire par une unité en plus de capital humain pour soutenir la croissance du revenu par tête

dans l?économie. Upadhyay (1994), reconnaissant la possibilité que de nouvelles technologies détruisent le stock de capital humain existant, construit un modèle où les innovations sont favorables à une demande dérivée pour de nouveaux types de capitaux humains plus productifs (logique schumpetérienne). Enfin, Grier (2005) affirment après un modèle a équations simultanées que les deux types de capitaux sont déterminés de manière endogène, l?un affectant l?autre dans la région subsaharienne; ce qui signifie que l?accumulation de capital physique est favorable à l?accumulation du capital humain, et vice versa. Au vue de ces évidences, la logique de l?influence indirecte de la volatilité du taux de change réel sur le capital humain à travers le capital physique semble vérifiée.

Le signe affecté à la taille du gouvernement confirme nos attentes. En effet, un accroissement de 1% de la dépense finale de consommation des pouvoirs publics réduit d?environ une demi année la scolarisation totale que les individus décident d?atteindre. Cette influence est négative est significative à 5%. Ceci rejoint en outre les trouvailles de ndeffo (2010). Conformément à la littérature, cet effet dépend de la composition et du moyen de financement des dépenses publiques. En effet, il existe un certain effet d?éviction de la dépenses publique d?éducation et de santé au fur et à mesure que la consommation finale total du gouvernement augmente : dans les économies subsahariennes en général, plus la consommation publique est élevée plus les comportements rentiers se font ressentir, c?est-àdire que les détournements de derniers publics s?accentuent, en particulier dans le cadre des dépenses sociales, étant donné la faiblesse des institutions en place. En outre, cette dépense supplémentaire est le plus souvent axée sur le fonctionnement et non l?investissement, faisant suite à la volonté du pouvoir en place de se maintenir en accroissant les recrutements publics et donc la taille du gouvernement. De ce fait, la dépense publique totale peut rester inchangée pendant que la part habituellement allouée aux secteurs stratégiques dans l?accumulation de capital humain est diminuée pour accroitre les dépenses de fonctionnements. Cette inefficience d?allocation est notée par Devarajan et al. (1996). Concernant le mode de financement des dépenses publiques, Grier et Tullock (1989) montrent qu?un accroissement des dépenses publiques financés par les taxes réduit le rendement des investissements et donc les incitations à investir dans le capital physique, ce qui freine également l?accumulation de capital humain comme montrer précédemment. De plus, étant donné que la dépense prioritaire

du ménage va à la nutrition⁴⁵, cet accroissement des taxes diminue également la part de revenus qui peut être alloué à l?éducation et la santé.

Le taux de fécondité (FERT) possède comme attendu un signe négatif, mais non significatif. Le nombre élevé d?enfants par femme pourrait donc être insignifiant dans la décision d?investir en capital humain ; mais en faisant une analyse plus approfondi, on se rend compte que c?est la liaison entre l?incertitude provoquée par les indices de volatilité choisis et ce taux qui absorbe sa significativité. En effet, estimant le modèle sans prendre en compte la volatilité, elle est fortement significative avec un effet pervers sur l?accumulation du capital humain. On conclut donc qu?en période de volatilité, donc d?incertitude sur les revenus futurs, les populations tendent à privilégier l?épargne de précaution quantitative plutôt que qualitative. Ceci signifie qu?ils préfèrent faire plus d?enfants pour accroitre la possibilité que l?un deux les prennent en charge dans les vieux jours alors qu?il serait plus judicieux d?en faire un peu et de tous leur donner une éducation de qualité, avec les soins sanitaires et nutritionnelles qui vont avec. D?un autre coté le fort taux de fécondité accroit également le phénomène de volatilité du PIB puisque les individus croissent de manière non contrôlée autant que les performances économiques.

La croyance populaire développée par la littérature voudrait qu?en plus de diversifier les possibilités d?utilisation de la force de travail qualifiée, donc par-là accroitre les incitations à accumuler le capital humain, l?ouverture commerciale (OC) permette également d?accélérer le processus de rattrapage technologique des économies avancées en permettant à celle qui sont en retard d?imiter plus facilement les produits faisant l?objet du commerce international (Abessolo, 2005). Cet hypothèse est confirmée ici, puisque l?accroissement d?1% cette variable se traduit par l?accroissement d?environ 1.25 ans du stock de capital humain avec une significativité à 1%. L?OC facilite également l?implantation de pôles de formation étrangers.

A l?issue de notre régression, nous trouvons un résultat qui semble assez surprenant, mais qui pourtant trouve une explication des plus réalistes qui soit dans le contexte subsaharien : c?est les signes négatifs attribué à la variable de la croissance du PIB (CPIB). En effet, le signe redevient positif quand on n?utilise aucune mesure de volatilité.

Nous supposons qu?il doit finalement exister un effet de seuil de niveau de vie à partir duquel l?accroissement du PIB par tête est favorable à l?accroissement du capital humain,

c?est-à-dire dans le sens où il permet d?assurer un plus grand revenus au individus pour pouvoir accroitre leurs demande d?éducation et de santé. Nous postulons donc que l?incertitude sur les revenus et le faible niveau de vie des habitants de la partie subsaharienne de l?Afrique les poussent à privilégier la satisfaction présente à la satisfaction future anticipée du rendement de l?éducation.⁴⁶ En effet, de la croissance du PIB par tête devrait résulter un accroissement des opportunités d?emplois à la fois dans le secteur formel qu?informel, que ce soit par l?embauche ou l?auto investissement. De ce fait, les individus ont tendance à ne pas terminer leurs cursus scolaire ou académique, ou alors à l?écourter dès lors qu?une occasion d?emploi se présente, quand bien méme elle serait mal rémunérée. Notons ici que le salaire de réservation des individus dans le contexte étudié est souvent faible du fait même de la nonconsistance du capital humain individuel, ou surtout de l?absence d?alternative. C?est donc surement ce qui explique les résultats obtenus.

2.2.2- Mesure de volatilité inconditionnelle (ex post) par écart-type

On remarque à partir du tableau 2.5 qu?en changeant la mesure de la volatilité, les signes des coefficients des variables d?intérêts restent identiques, mais cette fois si, seul la volatilité de la croissance du taux de change est significativement négative à 5%. En particulier, l?accroissement d?une unité de la variance du terme de l?échange réduit d?environ 1.6 ans le stock total de capital humain. Ceci voudrait sans doute dire deux choses :

- Premièrement, au vu de la volatilité antérieure subit par leurs revenus, les pouvoirs public évitent de faire de trois grand investissements dans le secteur social afin d?éviter de se retrouver dans une situation défavorables à l?avenir.

- Deuxièmement, la population subsaharienne dépend en majeure partie des revenus issus du commerce internationale des matières premières, surtout dans le secteur agricole (60% environ selon la FAO, 2010). La volatilité de leurs revenus les conduit à faire plus d?épargne de précaution pour la consommation, au lieu de l?investissement en capital humain.

En outre, le comportement des variables de contrôle est semblable à celui issu des résultats de la régression avec GARCH.

⁴⁶ Voir Amir, M., Mehmood, B., et Shahid, M. (2012). «African Journal of Business Management». Vol 6(1), pp. 280-285

	H	H	H	H
CPIB	-0.032	-0.019	0.061	-0.001
	(0.53)	(0.33)	(1.25)	(0.01)
lnTG	-0.869	-0.765	-0.467	-0.862
	(2.41)**	(2.23)**	(1.36)	(2.45)**
lnOC	1.327	1.059	1.358	1.279
	(7.64)***	(4.46)***	(2.30)**	(5.18)***
lnSTI	-2.441	-2.267	-4.568	-2.251
	(1.64)	(1.68)*	(4.42)***	(1.57)
FERT	-3.631	-2.429	-6.937	-3.788
	(1.02)	(0.61)	(3.27)***	(1.01)
óCTDE	-1.609
	(2.09)**
óCPIB		-0.065
		(1.34)
óTCER			-0.013
			(1.26)
óINF				0.004

Note : * p<0.1; ** p<0.05; *** p<0.01. Les valeurs ( ) représentent les t de student

Conclusion

En conclusion, nous avons essayé d?évaluer empiriquement l?influence de la volatilité sur l?accumulation du capital humain dans les économies subsahariennes. Les indices choisis sont la volatilité du taux de change effectif réel, du terme de l?échange, du taux de croissance du PIB/hab., et enfin du taux d?inflation. Elles ont été calculées successivement à l?aide d?un modèle autorégressif à variance conditionnelle (GARCH), puis simplement à travers l?écart-type par périodes quinquennales, pour enfin être introduites comme variables explicatives dans un panel de 18 pays de la région couvrant la période 1980-2010. On trouve que la volatilité du terme de l?échange, du taux de change effectif réel et du taux de croissance du PIB/hab. exerce des effets fortement négatifs sur l?accumulation du capital humain dans ces économies. En particulier, (1) une unité additionnelle de la variabilité de la croissance du PIB/hab. (resp. du taux de change effectif réel) équivaut à 0.02 ans (resp. 2.3 ans) en moins d?années de scolarisation. (2) l?accroissement d?une unité de la variabilité du terme de l?échange réduit d?environ 1.6 ans le stock de capital humain.

CONCLUSION DE LA DEUXIEME PARTIE

En définitive, cette deuxième partie a essayée de trancher le débat littéraire concernant l?effet de la volatilité sur l?accumulation du capital humain, ceci dans le contexte spécifique des économies subsahariennes.

En effet, le chapitre III montre que certains théoriciens postulent un lien négatif, tandis que d?autres montrent les mécanismes qui pourraient conduire à une influence favorable sur les incitations à investir en capital humain. En général, l?effet dépend grandement du mode d?accumulation, c?est-à-dire qu?il soit interne (volontaire) ou externe (involontaire ou Learning by doing). Dans le premier cas, la volatilité devrait accroitre l?accumulation du capital humain, notamment pour des raisons de cout d?opportunité et d?épargne de précaution; dans le second, l?effet inverse se produit parce que les périodes de récession correspondent à une diminution du Learning by doing à une vitesse plus grande que son accroissement en périodes d?expansion. En outre, Les possibilités de migration semblent également jouer un rôle important en faveur du lien positif tandis que l?effet pervers de la volatilité sur les dépenses publiques sociales tend à freiner l?accumulation du capital humain.

Utilisant un panel de 18 économies subsahariennes sur la période 1980-2010 au chapitre IV, on part de l?hypothèse que la volatilité a un impact négatif sur le stock de capital humain. La justification de ce choix est attribuable aux spécificités des économies considérées. Utilisant divers indices et différentes mesures de volatilité, on aboutit aux conclusions suivantes : (I) les volatilités du PIB/ hab. et du taux de change effectif réel influencent négativement l?accumulation du capital humain quand c?est la mesure conditionnelle qui est utilisée. (II) en utilisant une mesure inconditionnelle de volatilité, celle de la croissance du terme de l?échange réduit également le stock de capital humain.

Les gouvernements devraient donc militer pour une plus grande stabilité macroéconomique, qui passe notamment par la diversification des exportations, le contrôle du taux d?inflation et une politique de change rigoureuse. Toutes ces mesures contribueraient notamment à rendre la croissance plus soutenable, et donc accroitre le niveau et la stabilité de l?emploi et des salaires de manière à baisser les incertitudes des individus quant aux rendements des investissements en capital humain.

CONCLUSION GENERALE

En conclusion, la volatilité reste un phénomène préoccupant pour la croissance des économies en développement, et en particulier pour celles au sud du Sahara (Ramey et Ramey, 1995 ; Van der ploeg et Poelhekke, 2009 ; CEA, 2011). Notamment, elle a été bien plus accentuée depuis le début des années 2000 que durant les deux décennies précédentes. Ceci est majoritairement dû aux chocs exogènes liés aux prix des matières premières, puisque la presque totalité de ces économies est grandement tributaire du commerce extérieur de ces ressources (FMI, 2010) ; en outre, elles sont toutes en situation de price taker. La volatilité des prix des matières premières se transmet donc à l?économie domestique en créant des incertitudes sur l?évolution du terme de l?échange, du taux de croissance du PIB, du niveau général des prix et donc du taux de change effectif réel (CNUCED, 2012). Les études concernant ses conséquences ont alors beaucoup évolué depuis le papier séminal de Ramey et Ramey (1995). Plus précisément, elle exercerait un effet direct, mais aussi indirect sur la croissance à travers ses principaux déterminants, à savoir l?accumulation de capital et la productivité totale des facteurs (Beck et al. 2000). Nous avons donc entrepris d?analyser l?influence de cette volatilité sur l?accumulation de capital dans les économies subsahariennes.

Apres avoir balayé les faits stylisés, il apparait tant de manière chiffrée que graphique une corrélation négative entre l?accumulation du capital (humain et physique) et la volatilité de quelques indices macroéconomiques essentiels des économies considérées. Sur cette base, on est conduit à se poser la question centrale suivante : La volatilité influence-t-elle négativement l?accumulation du capital dans les économies subsahariennes ? Puisque l?accumulation de capital englobe l?aspect physique est humain, les deux parties de notre travail se sont donc construit autour de l?effet de la volatilité sur ces deux aspects. En particulier, la première partie tente de répondre à la question suivante : quel est l?effet de la volatilité sur l?accumulation du capital physique en Afrique subsahariennes? La deuxième partie est alors le symétrique par rapport à la volatilité sur l?accumulation du capital humain.

Le point sur la littérature théorique effectué dans les Chapitre I et III a permis de mettre en exergue l?état du débat qui entoure la question centrale. En effet, concernant le signe du lien volatilité-accumulation du capital physique, certains auteurs pensent que la convexité de la fonction de profit assure qu?il soit positif ; en revanche, en prenant en compte le caractère irréversible des investissement dans le cadre du modèle néoclassique standard, puis celui plus général de l?aversion à la déception, d?autres démontrent que les investisseurs ont tendance à reporter leurs projets en situation de volatilité pour attendre des informations supplémentaires.

Ils défendent donc l?hypothèse de la négativité. De méme, relativement à l?influence de la volatilité sur le stock de capital humain, deux groupes de théoriciens s?affrontent : d?un côté, certains pensent que si l?investissement en capital humain se fait de manière interne, la volatilité a un effet positif du aux motifs de précautions, de cout d?opportunité ou de possibilité de migration. De l?autre, le fait que l?apprentissage se fasse de manière externe réduit le stock de capital humain parce que sa vitesse d?amortissement en périodes de récession est plus élevée que le rythme de sa progression en périodes d?expansion. En outre, l?effet néfaste de la volatilité sur les finances publiques et donc les dépenses publiques sociales vient étayer cette hypothèse. Finalement, prendre position dans les débats susexpliqués nécessite l?application d?une étude empirique.

Dans les chapitre II et IV, nous avons donc essayé d?évaluer empiriquement la causalité définie par la question centrale sur un panel de 18 pays d?Afrique subsaharienne couvrant la période 1980-2010. On a considéré la volatilité de la croissance du PIB/hab., du terme de l?échange, du taux d?inflation et du taux de change effectif réel. Elles sont calculées de deux manières : premièrement à l?aide d?un modèle à variance conditionnelle d?ordre 1, c?est-àdire un GARCH (1, 1), puis simplement à travers l?écart-type par périodes quinquennales. On obtient alors les résultats suivants : (1) quel que soit la mesure de volatilité choisie (conditionnelle ou pas), la volatilité du taux de change effectif réel a une influence significativement négative Sur le taux d?accumulation du capital physique. La volatilité du PIB exerce plutôt un effet positif, mais faiblement significatif et seulement dans le cas de la volatilité inconditionnelle ; (2) l?accroissement de l?ouverture commerciale peut annuler les effets négatif de la volatilité du taux de change réel (3) la profondeur du système financier domestique permet également d?atténuer ces effets, mais pas de manière significative. (4) les volatilités du PIB/ hab. et du taux de change effectif réel influencent négativement l?accumulation du capital humain quand c?est la mesure conditionnelle qui est utilisée. (5) en utilisant la mesure inconditionnelle de volatilité, celle de la croissance du terme de l?échange réduit également le stock de capital humain.

Les mesures de politique économique à mettre en place devraient donc viser deux objectifs principaux :

Premièrement, il est important d?assurer une plus grande stabilité économique, de manière à réduire les incertitudes des agents et ainsi inciter les investissements en capital humain et physique. Pour ce faire, il faut :

- Diversifier la structure productive de manière à réduire la vulnérabilité aux chocs et accroitre l?intégration au commerce mondiale

- Réduire la mise en oeuvre de politiques discrétionnaires de manière à conforter les agents économiques dans leurs anticipations. Ceci permet notamment de réduire les incertitudes sur le niveau de l?inflation et du taux de change effectif réel.

Deuxièmement, il est également essentiel de faciliter la mise en place de mesures de protection ou d?assurance pour les agents économiques en période de volatilité. Pour ce faire, il faudrait :

- Favoriser l?intégration financière, ce qui permettrait de financer plus facilement les investisseurs en situation défavorables, mais aussi les individus incapables de soutenir l?avancée de leurs études à cause des effets de la volatilité sur le revenu. En outre, ceci permettrait également à l?état de continuer la mise en oeuvre de projets sociaux en empruntant pour combler les déficits souvent dus à la volatilité.

- Accroitre de manière progressive et rigoureusement contrôlée l?ouverture commerciale. Car une mauvaise implémentation de cette politique se traduira par l?absorption du tissu industriel « nourrisson » du pays.

Rendu à la fin de notre travail, il est évident de remarquer que certaines pistes n?ont pas pu être explorées. En effet, nous avons mentionné le rôle de la possibilité de migration dans la détermination du signe du lien volatilité-accumulation du capital humain sans pour autant l?inclure dans l?analyse. Ensuite, nous n?avons considéré ici que la volatilité majoritairement liée aux chocs exogènes, sans tenir compte d?autres sources comme les politiques fiscales discrétionnaires, qui sont pourtant répandus dans la région considérée. En outre, le lien capital physique-capital humain a été quelque peu négligé, pourtant il est reconnu dans la littérature que l?un favorise l?autre (Greir, 2005). Enfin, il est important de considérer le fait que la plupart des pays de la zone se trouvent dans des unions. Quel pourrait donc être l?impact de la volatilité idiosyncratique sur les performances des autres membres ou de l?union ? Voilà autant de réflexions qui pourrons faire l?objet de recherches futures.

Références bibliographiques

Abaidoo, R. (2012). «Macroeconomic Volatility and Macroeconomic Indicators among Sub-Saharan African Economies». International Journal of Economics and Finance; Vol. 4, No. 10; 1916-971. Published by Canadian Center of Science and Education.

Abdul H., S. Selvarathinam et Y. Muhammad (2007). «Sociopolitical instability and capital accumulation in developing countries: cross country pooled data evidence». Journal of Social Sciences. 1549-3652.

Abel, A. (1983). «Optimal Investment under Uncertainty». American Economic Review, 73, 228-233.

Abel, A. et J. Eberly (1994). «A Unified Model of Investment Under Uncertainty.» The American Economic Review (December): 1369-1384. Centre d?economie du development

Abel, A. et J. Eberly (1999), «The Effects of Irreversibility and Uncertainty on Capital Accumulation», Journal of Monetary Economics, 44, 339-377.

Abessolo, Y. (2005) Ouverture commerciale : condition de la contribution effective du capital humain à la croissance économique des pays en développement. Document de travail 109, Centre d?Economie du Développement.

Addison, D., & Q. Wodon. (2007). «Macroeconomic Volatility, Private Investment, Growth, and Poverty in Nigeria. World Bank Working Paper No. 79, January : pp. 123-137.

Aghion, P. et G. Saint-Paul, (1998). «On the virtue of bad times: an analysis of the interaction between economic Fluctuations and productivity growth». Macroeconomic Dynamcs, 2, 322-344.

Aghion, P., P. Bacchetta, R. Rancière, et K. Rogoff (2009). Exchange Rate Volatility and Productivity Growth: The Role of Financial Development. Journal of Monetary Economics 56(4), 494-513.

Aizenman, J. et N. Marion (1995). «Volatility, Investment and Disappointment Aversion.» NBER Working Paper No. 5386.

Aizenman, J. et N. Marion (1999). «Volatility and Investment: Interpreting Evidence from developing countries». Economica 66, 157-179.

Alaba, O. (2003). «Exchange Rate Uncertainty and Foreign Direct Investment in Nigeria». A Paper Presented at the WIDER Conference on Sharing Global Prosperity, Helsinki, Finland, 6- 7, September.

Alan Heston, Robert Summers et Bettina Aten, Penn World Table Version 7.1, Center for International Comparisons of Production, Income and Prices at the University of Pennsylvania, July 2012.

Albuquerque, B. (2010). «Fiscal Institutions and Public Spending Volatility in Europe». Banco de Portugal Working Papers. Economics and Research Department.

Arezki, R. et Gyfalson. T. (2011). «Commodity Price Volatility, Democracy and Economic Growth». IMF working paper.

Asteriou, D., et Price, S. (2005). «Uncertainty, Investment and Economic Growth: Evidence from a Dynamic Panel». Review of Development Economics, 9(2), 277-288.

Barro, R. et X. Sala-i-Martin. (1995). «Economic Growth. McGraw-Hill», New York.

Barro, R. et Lee, J. (2010). «A New Data Set of Educational Attainment in the World, 1950- 2010». NBER Working Paper 15902.

Becker, G. (1964). «Human capital: A theoretical and empirical analysis, with special reference to education». NBER, distributed by Columbia University Press (New York).

Behrman, J. et N. Birdsall (1983). «The quality of schooling: Quantity alone is misleading». American Economic Review. September

Bernanke, Ben S. (1983). «Irreversibility, Uncertainty, and Cyclical Investment.» Quarterly Journal of Economics 98 (February): 85-106.

Bertola, G., et R. Caballero (1994), «Irreversibility and Aggregate Investment», Review of Economic Studies, 61, 223-246.

Black, F. (1987). «Business Cycles and Equilibrium.» Cambridge, Mass: Blackwell

Blackburn, K. et A. Pelloni, (2004). «On the relationship between growth and volatility.» Economics Letters 83: 123-127.

Blackburn, K. et Varvarigos, D. (2008). «Human capital accumulation and output growth in a stochastic environment». Economic Theory 36: 435-452.

Blackburn, K. et R. Galindev, (2003). «Growth, volatility and learning». Economics Letters 79: 417-421.

Blattman, C., J. Hwang, et J. G. Williamson (2007). «Winners and Losers in the Commodity Lottery: The Impact of Terms of Trade Growth and Volatility in the Periphery 1870-1939.» Journal of Development Economics 82(1), 156-179.

Bleaney, Michael. (1996). «Macroeconomic Stability, Investment and Growth in Developing Countries.» Journal of Development Economics 48, 461-77.

Bleaney, M. et D. Greenaway (2001). «The Impact of Terms of Trade and Real Exchange Rate Volatility on Investment and Growth in Sub-Saharan Africa». Journal of Development Economics 65(2), 491-500.

Bloom, N., B. Stephen et J. Van Reenen (2007). «Uncertainty and Investment Dynamics.» Review of Economic Studies 74, 391-415

Boccara B. (1944).»Why Fiscal Spending Persists When a Boom in Primary Commodities Ends»; The World Bank.

Bollerslev, T. (1986), «Generalized autoregressive conditional heteroskediasticity». J. Economy. 31, 307-327.

Caballe, J. et S. Santos (1993). «On Endogenous Growth with Physical and Human Capital.» Journal of Political Economy. 101: 1042-1067.

Caballero, R. (1991), «On the Sign of the Investment-Uncertainty Relationship», American Economic Review, 81, 279-288.

Caballero, R. 1993. «On the Dynamics of Aggregate Investment In Striving for Growth after Adjustment, The Role of Capital Formation.» World Bank Regional and Sectorial Studies.

Caballero, R. et R. Pindyck (1996). «Uncertainty, Investment, and Industry Evolution.» NBER Working Paper No. 4160.

Campa, J. M. et L. S. Goldberg (1995). «Investment in Manufacturing, Exchange Rates and External Exposure" Journal of International Economics, 1995, 38, 297-320.

Canton, E. (2002). «Business Cycles in a Two-Sector Model of Endogenous Growth». Economic Theory,19: 477-492.

Carmignani, F., E. Colombo, et P. Tirelli (2007). «Public expenditure and growth volatility: do "globalisation" and institutions matter?» University of Milan-Biococca Working Paper Series.

Caselli, F. (2005). «Accounting for Cross-Country Income Differences.» Centre For Economic Performance Discussion Paper 667.

Catão, L. et S. Kapur, (2006), «Volatility and the Debt Intolerance Paradox,» IMF Staff Papers, 56, 195-218.

Cavalcanti, T., K. Mohaddes, et M. Raissi (2011c). «Commodity Price Volatility and the Sources of Growth.» Cambridge Working Papers in Economics 1112.

Checchi et García-Peñalosa, (2004). «Risk and the distribution of human capital» Economics Letters, Elsevier, vol. 82(1), p. 53-61.

de Hek, P.A., (1999). «On endogenous growth under uncertainty». International Economic Review, 40, 727-744.

Dehn, J. (2000). «Private Investment in Developing Countries: The Effects of Commodity Shocks and Uncertainty». Centre for the Studies of African Economies, University of Oxford WPS/2000-11

Devarajan, S., V. Swaroop, et H. Zou, (1996), «The Composition of Public Expenditure and Economic Growth» Journal of Monetary Economics, 37, 313-344.

Díaz-Alejandro, Carlos F., (1984), «Latin American Debt: I Don?t Think We Are in Kansas Anymore.» Brookings Papers on Economic Activity: 2, Brookings Institution, pp. 335-403

Dixit, A. et R. Pindyck, (1994), «Investment Under Uncertainty.» Princeton, NJ: Princeton University Press.

Doms, M. et T. Dunne, (1998), «Capital Adjustment Patterns in Manufacturing Plants», Review of Economic Dynamics, 67, 117-145.

Dotsey, M., et P.D. Sarte. (2000). «Inflation uncertainty and growth in a cash-inadvance economy.» Journal of Monetary Economics, 45, 631-655

Edwards, S. (1992a). «Trade orientation, distortions and growth in developing countries.» Journal of Development Economies, 39, 31-57.

Ehrhart, H. et S. Guerineau, (2011). «The impact of high and volatile commodity prices on public finances: Evidence from developing countries.» CERDI, Etudes et Documents, E 2011.31

Fatas, A. et I. Mihov, (2003). «The Case for Restricting Fiscal Policy Discretion.» Quarterly Journal of Economics 118 (4), 1419- 1447.

Flug, K., A. Spiimbergo, et E. Wachtenheim, (1998). «Investment in education: do economic volatility and credit constraints matter?» Journal of Development Economics 55, 465-481.

Fowowe, B. (2011). «Financial sector reforms and private investment in sub-Saharan Africa countries». Journal of economic development, Volume 36, Number.

Frankel, J. (2011). «A Solution to Overoptimistic Forecasts and Fiscal Procyclicality: The Structural Budget Institutions Pioneered by Chile». Working Paper Series 11-012, Harvard University, John F. Kennedy School of Government.

Furth, B. (2010). «Terms of Trade Volatility and Precautionary Savings in Developing Economies.» DEGIT Conference Papers c015_013, DEGIT, Dynamics, Economic Growth, and International Trade.

Goldberg, L. (1993). «Exchange Rates and Investment in United States Industry.» Review of Economics and Statistics 75, 575-588.

Ghura, D. et T. Greene, (1993). «The real exchange rate and macroeconomic performance in Sub-Saharan Africa.» J. Dev. Econ., 42: 155-174.

Greiner, A. (1999). «Endogenous Growth Through Externalities of Investment: A Different Approach.» Atlantic Economic Journal. 27: 86-90.

Grier, R. (2005). «The Interaction of Human and Physical Capital Accumulation: Evidence from Sub-Saharan Africa.» Wiley Blackwell, vol. 58(2), pages 195-211, 04.

Grier, R. et G. Tullock (1989). «An Empirical Analysis of Cross-National Economic Growth: 1951-1980.» Journal of Monetary Economics. 24: 259-276.

Graca, J., J. Saqib et A. Philippopoulos (1995), «Interaction of Human and Physical Capital in a Model of Endogenous Growth.» Economics of Planning. 28: 93-118.

Gul, F. (1991), «A theory of disappointment aversion.» Econometrica 59, 667-86.

Hartman, R. (1972). «The Effect of Price and Cost Uncertainty on Investment». Journal of Economic Theory, 5, 258-266.

Hau, H. (2000), «Real Exchange Rate Volatility and Economic Openness: Theory and Evidence,» Journal of Money, Credit and Banking 34(3), 611-630.

Hausmann, R. et M. Gavin, (1995). «Macroeconomic Volatility in Latin America: Causes, Consequences and Policies to Assure Stability.» Inter-American Development Bank, mimeo.

International institute for sustainable development (2008). Boom or bust on commodity price: How does commodity price volatility impedes growth and what should be done?

Jones, L., R. Manuelli, H. Siu et E. Stacchetti, (2005). «Fluctuations in convex models of endogenous growth I: growth effects.» Review of Economic Dynamics, 8, 780-804.

Jorgenson, D. (1963). «Capital Theory and Investment Behavior.» American Economic Review 53 (May): 247-259.

Kaminsky, G., C. Reinhart. et C. Végh, (2005). «When It Rains, It Pours: Procyclical Capital Flows and Macroeconomic Policies," NBER Chapters, in: NBER Macroeconomics Annual 2004, Volume 19, pages 11-82 National Bureau of Economic Research, Inc.

Katz, E. et H. Rapoport, (2005) «On Human Capital Formation with Exit Options». Journal of Population Economics 18(4):267274

Kedir, A. et N. Y. Bani (2012). «Panel Data Evidence on the Role of Education in the Growth-Volatility Relationship.» University of Leicester Working Paper No. 12/04.

Kormendi R C. et Meguire P. 1985, «Macroeconomic determinants of growth: crosscountry evidence», Journal of Monetary Economics, vol. 16, no 2, pp. 141-164.

Kydland, F. et E. Presscott (1982). «Time to Build and Aggregate Fluctuations». Econometrica, 50, 1345-70.

Lane, P. (2003), «The Cyclical Behaviour of Fiscal Policy: Evidence from the OECD.» Journal of Public Economics 87 (12), 2661- 2675.

Leenhardt, B. (2005), «Fiscalité pétrolière au sud du Sahara : la répartition des rentes» Afrique contemporaine, 4(216)

Lucas, R. (1988). «On the Mechanics of Economic Development,» Journal of Monetary Economics, 22, 3-42.

Luciani, G. (2011). «Price and Revenue Volatility: What Policy Options and Role for the State?» Global Governance 17, 213-228

Martin, P. et C.A. Rogers, (1997). «Stabilisation policy, learning-by-doing and economic growth. Oxford Economic Papers,» 49, 152-166.

Martin, P. et C.A. Rogers, (2000). «Long-term growth and short-term economic instability. European Economic Review,» 44, 359-381.

Mayer, J. et J. Gareis (2010). «Commodity price volatility: causes and impact on low-income countries». Danish Institute for International Studies, copenhagen.

Mirman, L. (1971). "Uncertainty and Optimal Consumption Decisions," Econometrica, Econometric Society, 39(1), 179-85.

Nelson C. et C. plosser (1982). «Trends and random walks in macroeconmic time series: Some evidence and implications.» Journal of Monetary Economics, vol. 10, issue 2, pages 139-162.

Nilson, O. et F. Schiantarelli. (2003), «Zeroes and Lumps in Investment: Empirical Evidence on Irreversibilities and Non convexities», Review of Economics and Statistics, 85, 1021- 1037.

Ndeffo, L. (2010). «Foreign Direct Investments and Human Capital Development in Subsaharan Africa.» Annals of «Dunarea de Jos» University of Galati. Economics and Applied Informatics. Years XVI - no 2 - ISSN 1584-0409.

Obstfeld, M. et K. Rogoff, (1998). «Risk and Exchange Rates» NBER Working Papers 6694, National Bureau of Economic Research, Inc.

Ogunleye, E. (2008b). «Exchange Rate Volatility and Foreign Direct Investment Inflows in Selected Sub-Sahara African Countries,» 1970-2005. PhD. Dissertation. University of Ibadan

Perry, G. (2009). «Beyond Lending: How Multilateral Banks Can Help Developing Countries Manage Volatility.» Centre For Global Development.

Pindyck, R. (1988). «Irreversibility, uncertainty, and investment,» Policy Research Working Paper Series 294, The World Bank.

Pindyck, R. et A. Solimano. (1993). «Economic Instability and Aggregate Investment.» NBER Macroeconomics Annual 8, 259-303

Poutvaara, P. (2000), «Education, Mobility of Labour, and Tax Competition.» International Tax and Public Finance 7(6):699719

Poutvaara P. (2006), «On Human Capital Formation with Exit Options: Comment and New Results». CESifo Working Paper Series, January.

Pradhan, G., Z. Schuster, et K. Upadhyaya. (2004). «Exchange Rate Uncertainty and the Level of Investment in Selected South-East Asian Countries», Applied Economics, vol. 36, pp. 2161-2165

Ramey, G. et V.A. Ramey, (1991). «Technology commitment and the cost of economic fluctuations.» NBER Working Paper No.3755.

Ramey, G. et V. Ramey. (1995). «Cross-Country Evidence on the Link between Volatility and Growth.» American Economic Review 1138-1151.

Reinhart, C. K. Rogoff, and M. Savastano, (2003), «Debt Intolerance,» Brookings Papers on Economic Activity: 1, Brookings Institution, pp. 1-74.

Romer, P. (1990). «Human Capital and Growth: Theory and Evidence», Carnegie-Rochester Conference Series on Public Policy 32, pp 251-286, North Holland.

Sachs, J. (1989), «Developing Country Debt and Economic Performance» ,Vol. 1 (Chicago: University of Chicago Press)

Serven, L. (1997). «Irreversibility, Uncertainty and Private Investment: Analytical Issues and Some Lessons for Africa.» The World Bank

Serven, L. (1998). «Macroeconomic uncertainty and private investment in LDC : an empirical investigation.» World Bank Policy research Working Paper 2035, Development Research Group.

Servén, L. (2002). «Real Exchange Rate Uncertainty and Private Investment in LDCs.» Review of Economics and Statistics 85(1):212-18.

Servén, L. et A. Solimano. (1993). «Debt Crisis, Adjustment Policies and Capital Formation in Developing Countries: Where Do We Stand ?» World Development 21, 127-140.

Shioji, E. et V. T. Khai (2011). «Physical Capital Accumulation in Asia-12: Past Trends and Future Projections». Asian Development Bank Economics Working Paper Series No. 240

Schumpeter, J. (1942). «Capitalism, Socialism and Democracy.» Harper and Brothers: New York.

Smith, T.R., (1996). «Cyclical uncertainty, precautionary saving and economic growth.» Economica, 63, 477-494.

Solow, R. (1956) «A Contribution to the Theory of Economic Growth.» The Quarterly Journal of Economics, Vol. 70, No. 1. (Feb., 1956), pp. 65-94.

UNCTAD (2012). «Excessive commodity price volatility: Macroeconomic effects on growth and policy options».

UNECA (2011). «Economic and Social Conditions in Africa 2011 and Prospects for 2012.»

UNESCO (2009). «Le financement de l?éducation en Afrique subsaharienne : Relever les défis de l?expansion, de l?équité et de la qualité.» Institut de statistiques de l?Unesco.

Upadhyay, M. (1994). «Accumulation of Human Capital in LDCs in the Presence of Unemployment,» Economica. 61: 355-378.

Vandewege, J. et F. Heylen (2005). «Macroeconomic volatility and human capital formation.» Paper prepared for presentation at the MMF 2005 conference Rethymno, Greece.

Van Ewijk, C. (1997). «Entry and Exit, Cycles, and Productivity Growth» Oxford Economic Papers, Oxford University Press, vol. 49(2), pages 167-87, April.

Varvarigos, D. (2007). «Policy Variability, Productive Spending and Growth». Economica, 74: 299-313.

Varvarigos, D. (2008). «Inflation, variability, and the evolution of human capital in a model with transactions costs.» Economics Letters, 98: 320-326.

Zeira, J. (1990). "Cost uncertainty and the rate of investment," Journal of Economic Dynamics and Control, Elsevier, vol. 14(1), pages 53-63, February.

Annexes

Annexe1: Evidence de la volatilité des prix des matières premières et de quelques agrégats macroéconomiques.

Graphique 1.1: Evolution des prix des principales matières premières (1996-2011)

Sources : FMI, perspectives économiques régionales : Afrique subsaharienne (2012)

Tableau A1.1 évolution de la volatilité supra-annuelle des prix depuis 1980 par catégories de produits

Graphiques 1.2 : évolution des taux de croissance du PIB (1.2a), de l?inflation (1.2b) et des exportations (1.2c) en ASS à partir de 1980 avec projection jusqu?en 2016.

Graphiques 1.3 : évolution du taux de change effectif réel en ASS entre 2005 et 2010, par groupe de pays (1.3a), évolutions conjointes des prix des matières premières et du taux de change effectif réel (1.3b)

Sources : FMI, perspectives économiques régionales : Afrique subsaharienne (2010, 2012)

Source: Perry, G. (2009). «Beyond Lending: How Multilateral Banks Can Help Developing Countries Manage Volatility.» Centre For Global Development.

Annexe 2 : graphiques des relations entre volatilité et croissance du capital Physique pour les 18 pays choisis.

Graphique 2.1 : croissance moyenne du stock de capital physique par hab. en fonction de la volatilité moyenne du taux de change effectif réel pour les 18 pays d?ASS considéré, 1980- 2010.

Graphique 2.2 : croissance moyenne du stock de capital physique par hab. en fonction de la volatilité moyenne du terme de l?échange pour les 18 pays d?ASS considérés, 1980-2010.

Graphique 2.3 : croissance moyenne du stock de capital physique par hab. en fonction de la volatilité moyenne du taux d?inflation pour les 18 pays ASS considérés, 1980-2010.

Graphique 2.4 : croissance moyenne du stock de capital physique par hab. en fonction de la volatilité moyenne du taux de croissance du FIB/ hab. pour les 18 pays d?ASS considéré, 1980-2010.

Annexe 3: graphiques des relations entre volatilité et stock de capital humain pour les 18 pays considérés.

Graphique 3.1 : stock de capital humain en fonction de la volatilité moyenne de la croissance du FIB/hab. pour les 18 pays d?Afrique subsaharienne considéré, 1980-2010.

Graphique 3.2 : stock de capital humain en fonction de la volatilité moyenne du taux d?inflation pour les 18 pays d?ASS considérés, 1980-2010.

Graphique 3.3 : stock de capital humain en fonction de la volatilité moyenne du taux de change effectif réel pour les 18 pays d?ASS considéré, 1980-2010.

Graphique 3.4 : stock de capital humain en fonction de la volatilité moyenne du terme de l?échange pour les 18 pays d?ASS considéré, Période 1980-2010.

Annexe 4: Résultats des tests de racine unitaire sur les variables des modèles

. xtunitroot ips CPIB, trend lags(1) Im-Pesaran-Shin unit-root test for CPIB

. xtunitroot ips TCER, trend lags(1) Im-Pesaran-Shin unit-root test for TCER

. xtunitroot ips lnTG, trend lags(1) Im-Pesaran-Shin unit-root test for lnTG

. xtunitroot ips lnOC, trend lags(1) Im-Pesaran-Shin unit-root test for lnOC

. xtunitroot ips lnSTI, trend lags(1) Im-Pesaran-Shin unit-root test for STI

. xtunitroot ips lnIDE, trend lags(1) Im-Pesaran-Shin unit-root test for lnIDE

. xtunitroot ips DFI, trend lags(1) Im-Pesaran-Shin unit-root test for lnPFI

Annexe 5 : Résultats des modèles GARCH (1,1) pour tous les indices de volatilité

TDE | Coef.

OPG
Std. Err.

P>|z|

[95% Conf.

Interval]

TDE

annee

| -.1358252

.0335987

-4.04

0.000

-.2016774

-.069973

TDE

L1.

| .8625697

.0109956

78.45

0.000

.8410188

.8841206

_cons

| 284.6143

67.80582

4.20

0.000

151.7173

417.5112

ARCH

arch

|
|

L1. garch

| 1.14178

.0968774

11.79

0.000

.951904

1.331656

L1.

| .3763153

.0315607

11.92

0.000

.3144576

.4381731

_cons

| 5.921532

1.629067

3.63

0.000

2.72862

9.114445

ARCH family regression

Sample: 1981 - 2010, but with gaps

Number of obs =

540

Distribution: Gaussian

Wald chi2(2) =

96.66

Log likelihood = -2055.258

Prob >

chi2 =

0.0000

OPG

INF | Coef.

Std. Err.

P>|z|

[95% Conf.

Interval]

INF

annee

| -.2280001

.0321262

-7.10

0.000

-.2909663

-.1650339

INF

L1.

| .2336108

.037691

6.20

0.000

.1597379

.3074838

_cons

| 460.6296

64.08571

7.19

0.000

335.0239

586.2352

ARCH

arch

|
|

L1. garch

| .5608286

.0687763

8.15

0.000

.4260295

.6956277

L1.

| .5848858

.0295384

19.80

0.000

.5269916

.64278

_cons

| 3.764139

1.477751

2.55

0.011

.8677997

6.660478

ARCH family regression

Sample: 1981 - 2010, but with gaps

Number of obs

540

Distribution: Gaussian

Wald chi2(2)

114.21

Log likelihood = -1482.27

Prob > chi2

0.0000

CPIB | Coef.

OPG
Std. Err.

P>|z|

[95% Conf.

Interval]

CPIB

annee

| .0491861

.0125781

3.91

0.000

.0245334

.0738388

CPIB

L1.

| .3394635

.0400378

8.48

0.000

.2609909

.4179362

_cons

| -97.74281

25.13419

-3.89

0.000

-147.0049

-48.48071

ARCH

arch

|
|

L1. garch

| .3195382

.0340149

9.39

0.000

.2528703

.3862061

L1.

| .7007803

.0190067

36.87

0.000

.6635278

.7380328

_cons

| .1409633

.1598976

0.88

0.378

-.1724303

.4543569

ARCH family regression

Sample: 1981 - 2010, but with gaps

Number of obs =

270

Distribution: Gaussian

Wald chi2(2) =

1872.27

Log likelihood = -1138.185

Prob >

chi2 =

0.0000

OPG

TCER | Coef.

Std. Err.

P>|z|

[95% Conf.

Interval]

TCER

annee

| .471836

.0663061

7.12

0.000

.3418783

.6017936

TCER

L1.

| .7042655

.0169368

41.58

0.000

.67107

.7374611

_cons

| -915.8871

133.3239

-6.87

0.000

-1177.197

-654.5771

ARCH

arch

|
|

L1. garch

| 1.391145

.1202265

11.57

0.000

1.155505

1.626784

L1.

| .0506607

.0193407

2.62

0.009

.0127535

.0885679

_cons

| 18.37266

3.809408

4.82

0.000

10.90636

25.83896

Wooldridge test for autocorrelation in panel data H0: no first-order autocorrelation

Annexe 7 : résultats des tests d'hausman pour les modèles

b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Annexe 8 : Résultats des tests d'hétéroscédasticité sur les modèles

.Modified Wald test for groupwise heteroskedasticity in fixed effect regression model

Estimated	covariances		=		17		Number of obs =				100
Estimated	autocorrelations		=		0		Number of groups =				17
Estimated	coefficients		=		7		Obs per group: min =				5
							avg =				5.882353
							max =				6
							Wald chi2(6) =				1515.57
Log likelihood			=		-138.7242		Prob > chi2 =				0.0000
H \| Coef.				Std. Err.		z		P>\|z\|	[95% Conf.	Interval]
MCPIB		\| -.0058625		.015304		-0.38		0.702	-.0358578	.0241329
MlnTG		\| .9455804		.1672175		5.65		0.000	.6178402	1.273321
MlnOC		\| 1.111018		.1235995		8.99		0.000	.8687677	1.353269
MDFI		\| .6551396		.3391258		1.93		0.053	-.0095348	1.319814
POPRAL		\| -.0456649		.0028193		-16.20		0.000	-.0511906	-.0401392
VPIB		\| -.0052023		.0023434		-2.22		0.026	-.0097953	-.0006094
_cons \| 9.766002				.3960112		24.66		0.000	8.989834	10.54217

Estimated	covariances		=		1		Number of obs =				100
Estimated	autocorrelations		=		0		Number of groups =				17
Estimated	coefficients		=		7		Obs per group: min =				5
							avg =				5.882353
							max =				6
							Wald chi2(6) =				125.24
Log likelihood			=		-174.1838		Prob > chi2 =				0.0000
H \| Coef.				Std. Err.		z		P>\|z\|	[95% Conf.	Interval]
MCPIB		\| .1210946		.0562855		2.15		0.031	.0107771	.2314121
MlnTG		\| 1.436827		.4658322		3.08		0.002	.5238123	2.349841
MlnOC		\| .7761341		.3586263		2.16		0.030	.0732395	1.479029
MDFI		\| 2.22052		1.68022		1.32		0.186	-1.07265	5.51369
POPRAL		\| -.0665186		.0095558		-6.96		0.000	-.0852476	-.0477896
VPIB		\| -.015764		.00809		-1.95		0.051	-.0316201	.0000921
_cons \| 12.35888				1.176686		10.50		0.000	10.05261	14.66514

TABLE DES MATIERES

Chapitre 1: Eclairage théorique des principes de maximisation de l'utilité intertemporelle 29

Section 1: Les approches basées sur la théorie standard de maximisation de l?utilité espérée (Savage, 1954) : la décision d?investissement en situation d?incertitude 30
1.1. Effet mitigé de la volatilité sur l?accumulation de capital physique : Analyse

Section 2: Extension de la théorie standard : « l?aversion à la déception » (Gul, 1991) et Le modèle de croissance d?Aizenman et Marion (1995) 42
2.1. Du modèle traditionnel de maximisation de l?utilité à la théorie de l?aversion à la

Chapitre 2: Evaluation de l'influence de la volatilité sur le stock de capital physique des

Section 1: Balayage des méthodes empiriques et spécification du modèle ...................49

1.1. La diversité des techniques d?estimation................................................49

Deuxième partie: Volatilité et accumulation de capital humain..................................72

Chapitre 3: Cadres conceptuels de la relation entre volatilité et capital humain................74

Introduction:.............................................................................................75

Section 1: Le mode d?apprentissage comme déterminant essentiel de l?influence de la volatilité: accumulation interne VS learning by doing...........................................75

1.1. La volatilité, un catalyseur pour l?accumulation interne de capital humain 76

1.2. La volatilité, un frein au processus du learning by doing : la nécessité de la prise en

Section 2: Les effets pervers de la volatilité sur les dépenses publiques sociales ..84

2.1. La volatilité des dépenses publiques sociales : un vecteur de faible soutenabilité des projets sociaux (IISD, 2008) 84
3.3. La baisse des depenses publiques sociales : un frein à l?accumulation de capital

Chapitre 4: Evaluation de l'influence de la volatilité sur le stock de capital humain des

Section 1: revue des méthodes empiriques et spécification économétrique 91

Section 2: Présentation des fats stylisés, analyse et interprétation des résultats 100

Volatilité et accumulation du capital dans les économies subsahariennes

DEDICACE

REMERCIEMENTS

SOMMAIRE

LISTE DES ANNEXES ET TABLEAUX

Annexe 7 : Résultats des tests d?Hausman sur les modèles.......................................136

LISTE DES GRAPHIQUES

LISTES DES SIGLES ET ABBREVIATIONS

AVERTISSEMENT

RESUME

ASBSTRACT

INTRODUCTION GENERALE

PREMIERE PARTIE :

VOLATILITE ET ACCUMULATION DU CAPITAL PHYSIQUE

INTRODUCTION DE LA PREMIERE PARTIE

CHAPITRE I : ECLAIRAGE THEORIQUE DES PRINCIPES DEMAXIMISATION DE L?UTILITE INTERTEMPORELLE

Introduction

SECTION I : Les approches basées sur la théorie standard de maximisation de l'utilitéespérée (Savage, 1954) : la décision d'investissement en situation d'incertitude

1.1- Effet mitigé de la volatilité sur l'accumulation de capital physique : Analyse microéconomique

1.1.1- convexité de la fonction de profit VS irréversibilité

1.1.2- Elargissement du débat : la prise en compte d'hypothèses supplémentaires

1.2- Analyse macroéconomique : L'effet sur l'investissement agrégé

1.2.1- l'hétérogénéité des agents économiques

1.2.2- Agrégation des effets microéconomiques de la volatilité

SECTION II : Extension de la théorie standard : « l'aversion à la déception » (Gul, 1991) et Le modèle de croissance d'Aizenman et Marion (1995)

2.1- Du modèle traditionnel de maximisation de l'utilité à la théorie de l'aversion à la déception

2.2- Le Modèle de croissance avec incertitude d'Aizenman et Marion (1995)

2.2.1- hypothèses et résolution du modèle

2.2- Interprétations des résultats du modèle

Conclusion

CHAPITRE II - EVALUATION DE L?INFLUENCE DE LA VOLATILITESUR LE STOCK DE CAPITAL PHYSIQUE DES ECONOMIESSUBSAHARIENNES

Introduction

SECTION I- Balayage des méthodes empiriques et spécification du modèle

1.1- La diversité des techniques d'estimation

1.1.1- Les études sur données transversales

1.1.2- Les études en données de panel

1.1.3- Ancrage théorique

1.2- Méthodologie

1.2.1- Spécification du modèle.

1.2.2- construction et des données du modèle

SECTION II- faits stylisés, analyse et interprétation des résultats

2.1. Analyse statistique

2.1.1 - matrice de corrélation des variables d'intérêt.

2.1.2- représentation graphique du nuage de points

2.2 - Analyse économétrique et interprétations des résultats

2.2.1 - test de racine unitaire IPS

2.2.1- Tests de spécification du modèle

2.2.2- Résultats et interprétations de l'estimation du modèle : données annuelles et volatilité mesurée par un GARCH (1,1) : confère tableau 1.4.

2.2.3- Interprétations des résultats

Conclusion

CONCLUSION DE LA PREMIERE PARTIE

DEUXIEME PARTIE :

VOLATILITE ET ACCUMULATION DU CAPITAL HUMAIN

INTRODUCTION DE LA DEUXIEME PARTIE

CHAPITRE III : CADRES CONCEPTUELS DE LA RELATION ENTREVOLATILITE ET CAPITAL HUMAIN

Introduction

SECTION I : Le mode d'apprentissage comme déterminant essentiel de l'influence de la volatilité : Accumulation interne VS learning by doing.

1.1- La volatilité, un catalyseur pour l'accumulation interne du capital humain

1.1.1- La réduction du cout d'opportunité de la formation

1.1.2- L'épargne de précaution en capital humain

1.1.3- L'option de migration

1.1.4- La critique de Flug (1998) : tenir compte des spécificités du capital humain

1.2- La volatilité, un frein au processus du learning by doing : la nécessité de la prise en compte simultanée des deux modes d'apprentissage

1.2.1- Le modèle de Blackburn et Galindev (2003) : l'intégration simultanée des deux modes d'apprentissage

1.2.2- Extensions du modèle

SECTION II : Les effets pervers de la volatilité sur les dépenses publiques sociales

2.1- La volatilité des dépenses publiques sociales : un vecteur de faible soutenabilité des projets sociaux (IISD, 2008)

2.1.1- l'absence d'épargne de précaution

2.1.2- volatilité des recettes d'exportations

2.1.3- la volatilité des politiques fiscales discrétionnaires

2.2- La baisse des depenses publiques sociales : un frein à l'accumulation de capital humain

2.2.1- La volatilité des prix des produits importés

2.2.2- L'intolérance de la dette

Conclusion

CHAP IV - EVALUATION DE L?INFLUENDE DE LA VOLATILITE SURL?ACCUMULATION DU CAPITAL HUMAIN EN AFRIQUESUBSAHARIENNE

Introduction

SECTION I- revue des méthodes empiriques et spécification économétrique

1.1- La rareté des études empiriques

1.2- Méthodologie

1.2.1- spécification du modèle

CHAPITRE I : ECLAIRAGE THEORIQUE DES PRINCIPES DE
MAXIMISATION DE L?UTILITE INTERTEMPORELLE

CHAPITRE II - EVALUATION DE L?INFLUENCE DE LA VOLATILITE
SUR LE STOCK DE CAPITAL PHYSIQUE DES ECONOMIES
SUBSAHARIENNES

CHAPITRE III : CADRES CONCEPTUELS DE LA RELATION ENTRE
VOLATILITE ET CAPITAL HUMAIN

CHAP IV - EVALUATION DE L?INFLUENDE DE LA VOLATILITE SUR
L?ACCUMULATION DU CAPITAL HUMAIN EN AFRIQUE
SUBSAHARIENNE