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 :
Hit = a0 + a1VOLi + axXi + azZit + ri +
ët + îit (1)
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 plupart des populations des économies subsahariennes
vivent grandement de
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.
Tableau 2.1 définitions des variables et sources
de données
Nom de la variable Définition Sources de
données
Terme de l'échange Prix des exportations
relativement aux WDI (2012) (TDE) importations (net bater)
Croissance du PIB Première
différence logarithmique du PIB WDI (2012)
réel/hab. (CPIB) réel/hab. (en
prix constant du dollar US
2000)
Inflation (INF) Accroissement de l?indice des
prix à la WDI (2012)
consommation à chaque fin de période (en
%)
Taille du Rapport des dépenses de
consommation WDI (2012)
gouvernement (TG) finale du gouvernement au PIB
(en log)
Ouverture Somme des exportations et des
importations WDI (2012)
commerciale (OC) rapportée au PIB (en
log)
Stock de capital Nombre d?années totales
de scolarité des Barro et Lee (2010)
humain (H) individus âgés de 15 ans
et plus
Structure valeur ajoutée en provenance du
secteur WDI (2012)
industrielle (STI) agricole en ratio du PIB (en
log)
Taux de change (i) Taux de change effectif
réel base WDI (2012)
effectif réel (TCER) 100= 2005
Taux de fertilité(FERT) Nombre moyen
d?enfants par femme WDI (2012)
| 
