WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

Déterminants des investissements directs étrangers en Afrique subsaharienne

( Télécharger le fichier original )
par Hermann FOTIE II
Ecole Nationale Superieure de Statistique et d'Economie Appliquée d'Abidjan - Ingenieur Statisticien Economiste 2003
Dans la categorie: Economie et Finance
  

Disponible en mode multipage

 
 

MINISTERE DE L'ENSEIGNEMENT 1 Section 1

REPUBLIQUE DE COTE D IVOIRE

SUPERIEUR ET DE LA RECHERCHE *******
SCIENTIFIQUE

*******

ECOLE NATIONALE SUPERIEURE

DE STATISTIQUE ET D'ECONOMIE

APPLIQUEE

Mémoire d'Economie Appliquée

 

LES DETERMINANTS DES INVESTISSEMENTS

DIRECTS ETRANGERS EN AFRIQUE

SU BSAHARIENNE

Realise par

FOTIE II Hermann

Eldve Ingénieur Statisticien Economiste

Enseignant

Dr. GRANGER Wilfrid

Enseignant chercheur a l'ENSEA

Juin 2003

 

SOMMAIRE

EQUATION CHAPTER 1 SECTION 1 0

SOMMAIRE I

LISTE DES GRAPHIQUES II

LISTE DES TABLEAUX II

SYNTHESIS NOTE IV

INTRODUCTION 1

CHAPITRE I : CARACTERISTIQUES ET IMPACTS DES IDE 3

1.1 - Définitions des concepts 3

1.2 - Avantages et inconvénients des flux d'IDE 4

CHAPITRE II : REVUE DES TRAVAUX THEORIQUE ET EMPIRIQUE SUR LES IDE 6

2.1 - Un aperçu des développements relatifs aux déterminants des flux de capitaux 6

2.2 - Limites des précédentes études 13

CHAPITRE III : DONNEES, VARIABLES ET METHODES 14

3.1 - Données et variables 14

3.2 - Méthodes d'analyse 16

CHAPITRE IV : RESULTATS ET COMMENTAIRES 20

4.1 - Description des flux d'IDE en Afrique subsaharienne 20

4.2 - Choix du modèle 26

4.3 - Test de stationnarité des variables 27

4.4 - Construction du modèle à correction d'erreur 30

4.5 - Discussion des résultats 33

CONCLUSION ET LIMITES DE L'ETUDE 34

BIBLIOGRAPHIE 35

ANNEXES I

A.1 - Résultats de l'AFC sur le tableau des flux d'IDE I

A.2 - Résultats de l'AFC sur le tableau des flux d'IDE en pourcentage du PIB I

A.3 - Fonction linéaire discriminante de la première analyse II

A.4 - Fonction linéaire discriminante de la deuxième analyse II

A.5 - Choix de modèle III

TABLE DES MATIERES IV

LISTE DES GRAPHIQUES

Graphique 1 : Evolution de la valeur des IDE reçus par les pays étudiés 20

Graphique 2 : Répartition du total des IDE reçus par les 23 pays sur la période 1970-1998 21

Graphique 3 : Premier plan factoriel des profils temporels de la destination des flux d'IDE 21

Graphique 4 : Premier plan factoriel des profils temporels de la destination des flux d'IDE en % du PIB 22

Graphique 5 : Evolution des flux d'IDE et de l'indice risque politique pour le Nigeria 23

Graphique 6 : Evolution comparée des flux d'IDE et de l'indice risque politique en l'Afrique du Sud 23

Graphique 7 : Evolution comparée des flux d'IDE et de l'indice risque politique en la Côte d'Ivoire 24

Graphique 8 : Evolution comparée du ratio d'investissements directs et de l'indice risque politique au Swaziland

24

Graphique 9 : Evolution comparée du ratio d'investissements directs et de l'indice risque politique au Nigeria 25

Graphique 10 : Evolution comparée du ratio d'investissements directs et de l'indice risque politique au Botswana

25

LISTE DES TABLEAUX

Tableau 1 : Synthèse des résultats d'études récentes du choix de localisation. 7

Tableau 2 : Les variables identifiées par Hernandez L. et al. et leurs signes attendus. 11

Tableau 3 : Les variables d'étude de Agénor L. -R. et leurs signes attendus. 12

Tableau 4 : Les variables d'étude 16

Tableau 5 : Les neuf déciles de la distribution de IDE/PIB 17

Tableau 6 : Classement de la première Analyse Factorielle Discriminante 26

Tableau 7 : Classement de la deuxième Analyse Factorielle Discriminante 26

Tableau 8 : Résultats du test de Pedroni P. (1999) 30

Tableau 9 : coefficients estimés de la rélation de long terme 31

Tableau 10 : Test de stationnarité des résidus de long terme 31

Tableau 11 : Test de nullité de la moyenne des résidus moyens de long terme 31

Tableau 12 : Résultats d'estimation de la relation de court terme 32

Tableau 13 : Test de stationnarité des résidus de court terme 32

Tableau 14 : Test de nullité de la moyenne des résidus moyens de court terme 32

NOTE DE SYNTHESE

Entre 1970 et 1998, deux périodes se dégagent en terme d'évolution des flux d'IDE reçus par les pays d'Afrique subsaharienne. La première période est la décennie 1970 au cours de laquelle le niveau d'IDE est resté relativement constant et globalement inférieur à 1 milliards de $ US. Mais, après 1980, les flux d'IDE reçus ont connu une tendance croissante jusqu'en 1997. Cette deuxième période peut être aussi subdivisée en deux sous-périodes à savoir la décennie 1980 et la décennie 1990. Au cours de la décennie 1980, il y a eu une légère hausse des flux d'IDE, que l'on peut attribuer dans une certaine mesure à la mise en oeuvre quoique graduelle du programme des privatisations des entreprises publiques. La souspériode la plus importante est la décennie 1990, marquée par la démocratisation dans plusieurs pays, durant laquelle les flux d'IDE à destination de l'Afrique subsaharienne ont connu une croissance exponentielle, atteignant un pic en 1997.

L'analyse descriptive révèle que les pays qui ont reçus plus d'IDE au cours de la période 1970-1998 sont le Nigeria (43,9%), l'Afrique du Sud (19,5%) et la Côte d'Ivoire (6,7%). L'Analyse Factorielle des Correspondances (AFC) montre que le Nigeria a été la destination la plus privilégiée de 1991 à 1994 tandis que l'Afrique du Sud a reçu plus d'IDE que les autres pays en 1974, 1984 et 1997. Par ailleurs, le Kenya et le Congo Kinshasa sont les destinations les plus importantes en 1979. Le Cameroun s'est illustré en 1983 et en 1985. Cependant, lorsqu'on rapporte les IDE reçus au PIB, le Swaziland (17,4%), le Nigeria (11,3%) et le Botswana (9,6%) sont les trois pays qui ont reçu plus d'IDE durant toute la période 1970-1998. Le Togo a été la destination la plus privilégiée en 1978. Le Cameroun s'est illustré en 1983 et en 1985, le Nigeria en 1985. Le Bénin et le Mali se sont distingués respectivement en 1991 et en 1995, probablement à cause du changement politique induit par le renouveau démocratique.

L'Analyse Factorielle Discriminante (AFD) a permis de postuler comme potentielles facteurs déterminants de l'évolution du ratio d'IDE, l'IDE en pourcentage du PIB avec un retard d'ordre 1, le taux d'intérêt français, le degré d'ouverture de l'économie avec un retard d'ordre 1, et les variables retardées d'ordre 2 que sont le taux d'investissement, le volume des exportations de pétrole et du taux de croissance de la population comme de potentiels déterminants des IDE en pourcentage du PIB. Ce sont donc ces variables qui ont été spécifiées dans le modèle économétrique. L'analyse économétrique a montré que, parmi ces facteurs, le taux d'ouverture de l'économie, le taux d'investissement, la croissance démographique et le taux d'intérêt international (seul le taux d'intérêt français est significatif) déterminent à long terme les flux d'IDE reçus en pourcentage du PIB. La dynamique de court terme révèle l'importance des variables comme l'IDE en pourcentage du PIB décalée d'une période, le degré d'ouverture de l'économie et le taux d'intérêt international. Mais, les variables taux d'investissement et exportation de pétrole ne sont pas significatives dans le modèle de court terme.

SYNTHESIS NOTE

Between 1970 and 1998 there have been two periods in the evolution of foreign direct investment (FDI) received by sub-Sahara African countries. The first period is 1970's decade during which the level of FDI remained approximately stable and lower than $ 1 billion. But after 1980, the level of FDI increased sharply before reached a peak in 1997. This second period can be divided in two sub-periods which are 1980's decade and 1990's decade. During 1980's, there is a slight growth of FDI, probably due to Structural Adjustment Programs, in particular privatization of public company. The 1990's have been the period during which the level of FDI received is the highest.

Descriptive analysis also reveals that countries which mostly received FDI during the period 1970-1998 are Nigeria (43.9%), South Africa (19.5%) and Côte d'Ivoire (6.7%). Correspondence Analysis shows that Nigeria was a priority destination of FDI from 1991 to 1994 while South Africa received more FDI comparatively to other countries in 1974, 1984 and 1997. Moreover, Kenya and Congo Kinshasa are important destinations in 1979 and Cameroon illustrated itself in 1983 and 1985. However, when we consider FDI in percentage of GDP, Swaziland (17.4%), Nigeria (11.3%) and Botswana (9.6%) are the three first countries which received more FDI during the period 1970-1998. Correspondence Analysis realized with those data reveals that Swaziland and Botswana received more FDI than other countries in 1970 and 1971. Moreover, Togo was the priority destination in 1978, Cameroon received more FDI than other countries in 1983 and 1985, and Nigeria illustrated itself in 1985. Benin and Mali were important destinations of FDI in percentage of GDP respectively in 1991 and 1995, probably due to performances realized in political environment.

We use Discriminant Analysis to choose variables which can explain significantly FDI in percentage of GDP. That variables are FDI in percentage of GDP with one lag, French interest rate, opening of economy with 1 lag and 2 lag variables like investment rate, export of petrol and demographic growth. It's those variables that are specified in panel econometric model with common effect. The results of model's estimation show that in the long-run, opening of economy, investment rate, demographic growth and French interest rate are determinant in the reception of FDI in the related countries. But in short term dynamic, FDI in percentage of GDP with 1 lag, opening of economy with 1 lag and French interest rate explain significantly the reception of FDI. In the short term model, investment rate and export of petrol are not significant.

INTRODUCTION

L'Afrique subsaharienne a d'énormes besoins d'investissements que le niveau de l'épargne domestique ne peut permettre de financer. Au lendemain des indépendances, des politiques budgétaires d'inspiration keynésienne ont été mises en oeuvre dans les Etats pour créer des infrastructures et des industries capables de produire pour la satisfaction de la demande locale. Ces politiques ont pour la plupart échoué entraînant un endettement massif des pays africains et une paupérisation de leurs populations. Face à l'échec généralisé des politiques interventionnistes, d'autres mesures ont été proposées aux Etats. Parmi ces mesures nous pouvons citer les programmes d'ajustement structurel préconisés par le FMI et la Banque Mondiale à partir des années 1980 et le Nouveau Partenariat pour le Développement de l'Afrique (NEPAD) qui est une initiative récente née de la fusion de plusieurs programmes à paternité africaine.

Le NEPAD serait aujourd'hui la nouvelle donne c'est-à-dire la nouvelle voie pour un développement harmonieux et équilibré du continent africain. A ce titre, l'un de ces objectifs est l'attraction des investissements directs étrangers (IDE) pour pallier à la faiblesse de l'investissement domestique. L'IDE, contrairement à d'autres types de capitaux internationaux, présente l'avantage de ne pas être un endettement pour le pays bénéficiaire dans la mesure où il n'existe aucune obligation juridique qui puisse contraindre le pays d'accueil à rembourser sa valeur. De plus, les IDE induisent d'énormes avantages sociaux (Mishra D. et al., 2001) pour le pays d'accueil : la création de nouveaux emplois et la distribution de revenus qui en résulte pourraient permettre d'améliorer le bien-être d'une partie de la population.

Le rapport de la CNUCED de 1997 sur l'investissement dans le monde indique que l'Afrique a bénéficié d'une part marginale des flux d'IDE à destination des régions en développement. La part de l'Afrique n'a été que de 5% du total des flux évalués à 470 milliards $ pour la période 1990-1997. Pour l'ensemble de l'Afrique, les flux d'IDE ont atteint 5,3 milliards $. Ce montant est inférieur à celui de 1994 (5,8 milliards $), mais il constitue une amélioration par rapport à la moyenne des flux annuels de la fin des années 80 (2,8 milliards $). L'Afrique subsaharienne a attiré 3,6 milliards $ dont près de la moitié (1,7 milliards $) était destinée au Nigeria. L'Afrique du Sud, l'Angola et le Ghana ont reçu respectivement 330 millions $, 290 millions $ et 255 millions $. Depuis 1991, on observe une inégale répartition des flux d'IDE en Afrique puisque seule 10 pays ont attiré 88% du total de tels flux et en plus, la majeure partie de ces capitaux était orientée vers les secteurs d'hydrocarbures et de mines.

Les nouveaux investissements sont plus productifs dans les pays dotés d'une main d'oeuvre qualifiée et d'une infrastructure suffisamment développée (Mishra D. et al., 2001). C'est pourquoi, les nouveaux flux de capitaux ont tendance à se diriger vers les pays qui en ont largement bénéficié dans le passé. Ainsi, les investisseurs recherchent un climat d'affaires favorable pour leurs investissements. La qualité de l'environnement d'investissements serait donc déterminante dans le choix des pays bénéficiaires. Cependant, l'Afrique subsaharienne a connu de nombreux conflits sociaux qui accroissent le risque d'y investir.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Il apparaît donc clairement que pour bénéficier de plus de flux d'IDE, les pays d'Afrique subsaharienne devront faire plus d'efforts afin d'être plus attractifs. A cet effet, ils devront créer des conditions propices pour que leurs environnements d'investissements soient les plus attrayants possibles. Cela pourrait permettre au continent de devenir une destination privilégiée pour des IDE dans un horizon de moyen à long terme. Mais pour que les politiques en matière d'investissements soient mieux formulées, il faudra au préalable identifier les variables économiques et sociales qui expliquent les flux d'IDE en Afrique et par conséquent sur lesquelles il faudrait agir.

Il existe très peu d'études sur les déterminants des flux d'IDE en Afrique, et en Afrique subsaharienne en particulier. La présente étude, qui vise à déterminer les facteurs explicatifs des flux d'IDE en Afrique subsaharienne, constituera donc un apport majeur pouvant éclairer les décideurs africains. Les résultats qui en découleront nous permettrons de formuler des recommandations idoines qui pourraient servir de base aux politiques de promotion d'IDE à mettre en oeuvre en Afrique subsaharienne.

La présente étude est structurée en 4 chapitres. Le premier chapitre donne la définition des différents concepts. Il décrit aussi les avantages et les inconvénients des flux d'IDE pour le pays bénéficiaire. Le deuxième chapitre présente les facteurs explicatifs des flux d'IDE qui ressortent de la revue de la littérature tant théorique qu'empirique. Le troisième chapitre fournit une analyse descriptive des IDE en Afrique subsaharienne qui s'appuie sur les méthodes d'analyse de données. L'approche factorielle a permis de sélectionner, parmi les variables suggérées par la théorie économique, celles qui sont susceptibles d'expliquer de façon significative les flux d'IDE en Afrique subsaharienne. Le quatrième et dernier chapitre présente une analyse économétrique des variables économiques et sociales qui expliquent de façon significative les flux d'IDE en Afrique subsaharienne à travers une étude en données de panel.

CHAPITRE I : CARACTERISTIQUES ET IMPACTS DES IDE

1.1 - Définitions des concepts

1.1.1 - Les investissements directs étrangers

D'après le cinquième Manuel de la Balance des Paiements du FMI, « l'investissement direct étranger est effectué dans le but d'acquérir un intérêt durable dans une entreprise exerçant ses activités sur le territoire d'une économie autre que celui de l'investisseur direct. Le but de ce dernier étant d'avoir un pouvoir effectif dans la gestion de l'entreprise étrangère. »

Selon l'OCDE, « l'investissement direct étranger est effectué en vue d'établir des liens économiques durables avec des entreprises... ». A titre d'exemple de lien économique, nous avons les investissements qui donnent la possibilité d'exercer une influence sur la gestion de ladite entreprise au moyen : -(i) de la création d'une entreprise ou d'une succursale - (ii) de l'acquisition intégrale d'une entreprise existante - (iii) d'une participation majoritaire à une entreprise nouvelle ou existante - (iv) d'un prêt à long terme (5 ans et plus).

L'investissement direct étranger n'est pas seulement un apport de capital. Il est aussi un apport en capacité de gestion et un transfert de technologie. La différence entre investissement direct et investissement de portefeuille réside dans l'ampleur de la prise de participation dans l'entreprise étrangère. Selon l'OCDE, on parlera d'investissement direct, si l'investisseur direct détient au moins 10% des actions ordinaires ou des droits de vote d'une entreprise. En dessous de ce pourcentage, la prise de participation est considérée comme un investissement de portefeuille. Les bénéfices réinvestis ou les prêts à long terme entre maison-mère et filiales sont des investissements directs étrangers. L'investisseur direct peut être une personne physique, une entreprise publique ou privée dotée ou non d'une personnalité morale distincte, un groupe de personnes physiques ou d'entreprises qui sont associées, un gouvernement ou un organisme officiel.

1.1.2 - L'entreprise d'investissements directs

L'entreprise d'investissement direct est une entreprise dotée ou non de la personnalité morale, dans laquelle un investisseur direct qui est résident d'une autre économie détient au moins 10% des actions ordinaires ou des droits de vote (dans le cas d'une entreprise non dotée d'une personnalité morale distincte). Les entreprises d'investissement direct comprennent les entités qui sont identifiées comme suit :

· La filiale

Une société A est considérée comme filiale d'une autre société B si la société B a le droit de désigner ou de révoquer la majorité des membres du conseil d'administration de la société A ou bien si elle possède plus de la moitié des droits de vote des actionnaires. La société B est qualifiée de société-mère ou de maison-mère.

· La société affiliée

Une société A est une société affiliée d'une société B si cette dernière détient au moins 50% des droits de vote des actionnaires de la société A et participe activement à sa gestion.


· La succursale

Une société A est considérée comme une succursale d'une autre société B si la société B détient 100% de ses droits de vote. La succursale est dotée d'une certaine autonomie de gestion par rapport à la société-mère.

1.1.3 - Définition et typologie des firmes multinationales

Les firmes multinationales (FMN) sont des entreprises d'investissements directs. Elles sont implantées dans plusieurs pays et jouent un rôle croissant dans les échanges internationaux, dans les exportations des pays du Tiers Monde, aussi bien de produits primaires que de produits manufacturés. Elles constituent le principal vecteur d'IDE.

Dunning (1993)1 considère dans ses travaux cinq types de firmes multinationales selon leur comportement productif :

Les « Ressources Seekers » : Elles s'implantent dans une économie dans le but d'acquérir des ressources particulières, main-d'oeuvre par exemple, à moindre coût ou des ressources indisponibles dans son lieu de résidence.

Les « Market Seekers » : Elles recherchent la rentabilité de l'approvisionnement sur le marché local. Généralement, elles tiennent compte de la taille du marché dans l'arbitrage entre exporter vers une économie à l'étranger ou s'y implanter.

Les « Efficiency Seekers »: Elles recherchent l'efficacité de l'économie d'échelle et de la diversification des risques en s'implantant à l'étranger.

Les « Strategy Asset ou capability Seekers » : Ce sont des firmes qui achètent des actions à l'étranger dans le but de promouvoir leurs objectifs de long terme. Elles sont motivées par le renforcement de leur compétitivité ou par la baisse de compétitivité de leurs concurrents.

Le dernier type regroupe les firmes qui adoptent des stratégies d'investissement pour échapper à des restrictions afin de soutenir l'activité d'autres filiales ou tout simplement des investissements passifs dans le but d'accroître le capital.

1.2 - Avantages et inconvénients des flux d'IDE

Loungani P. et Razin A. (2001) notent que les flux d'IDE peuvent procurer différents types de gains aux pays bénéficiaires. L'IDE favorise le transfert de technologie, en particulier sous forme de nouveaux types d'intrants de capital fixe, que les investissements financiers ou le commerce de biens et services ne peuvent assurer. L'IDE peut aussi promouvoir la concurrence sur le marché intérieur des intrants. L'IDE s'accompagne de programmes de formation du personnel des nouvelles entreprises, ce qui contribue au développement des ressources humaines du pays d'accueil. Les bénéfices engendrés par l'IDE ont des effets positifs sur les recettes fiscales du pays hôte. Les flux d'IDE sont des capitaux à long terme et ne peuvent donc pas quitter le pays aussi facilement aux premiers signes de difficultés. L'IDE devrait donc, contribuer à l'investissement et à la croissance dans les pays récepteurs. Contrairement aux capitaux à court terme, ces investissements sont considérés comme étant du « bon cholestérol » en raison de ses avantages.

1 Dunning (1993) tel que rapporté par Romalahy M. I. (2003).

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Selon Fontagné L. et Pajot M., (1999), les IDE peuvent accroître la compétitivité des firmes installées sur le marché d'accueil. Au plan macroéconomique, ils ont des effets d'entraînement sur les exportations du pays bénéficiaire. Les retombées positives des IDE en matière technologique augmentent le rendement du capital dans l'économie d'accueil et y favorisent l'investissement. Des externalités positives peuvent exister entre les entreprises, provenant, par exemple, d'effets de retombées technologiques, de partage d'un marché du travail local et/ou de marché de produits intermédiaires et de sous-traitance (Mayer T., Mucchielli J. -L., 1999).

Même si les machines sont solidement installées, donc difficiles à sortir, les transactions financières peuvent favoriser des rapatriements d'IDE. La filiale étrangère peut emprunter sur le marché intérieur contre sa garantie et prêter cet argent à la maison-mère. Du fait qu'une part importante d'IDE représente une dette interne de la société, la maison-mère peut exiger son remboursement à bref délai (Loungani P. et Razin A., 2001). Par ailleurs, les entrées d'IDE peuvent évincer l'investissement domestique dans la mesure où les firmes étrangères bénéficient d'un avantage initial tant sur le marché des biens et services, que sur le marché des facteurs (accès aux capitaux et à la main-d'oeuvre qualifiée).

CHAPITRE II : REVUE DES TRAVAUX THEORIQUE ET
EMPIRIQUE SUR LES IDE

 

Nous envisageons dans ce chapitre de procéder à une revue assez large des différents travaux, aussi récents que possible, concernant les déterminants des IDE. Nous présenterons les différents résultats théoriques et empiriques en nous étendant aux déterminants des flux de capitaux.

2.1 - Un aperçu des développements relatifs aux déterminants des flux de capitaux

L'étude des facteurs explicatifs des IDE date de plusieurs décennies déjà. C'est à partir de 1970 que les chercheurs se sont intéressés à l'évolution croissante et contrastée des flux d'IDE dans le monde. L'un des premiers à proposer une explication économique des flux d'IDE est Dunning.

Sur la base des résultats d'enquête menée auprès des entrepreneurs engagés dans la production internationale, Dunning (1973) propose trois types de facteurs explicatifs. Il s'agit des facteurs de marché tels que la taille et la croissance mesurés par le PNB du pays récepteur ; les facteurs de coûts tels que l'abondance de la main d'oeuvre, la faiblesse des coûts de production et l'inflation ; les facteurs liés à l'environnement d'investissement tels que le degré d'endettement extérieur du pays et l'état de la balance des paiements. L'environnement d'investissement dépend essentiellement de la stabilité politique.

Dunning va plus loin en 1977 en s'appuyant sur la théorie de l'organisation industrielle et développe l' « approche éclectique » axée sur le « paradigme d'OLI ». Cette approche montre que les investisseurs recherchent trois types d'avantages à travers la décision d'implantation d'une firme. Il s'agit des avantages liés aux dotations spécifiques induites (détention d'un brevet exclusif pour bénéficier d'une situation de monopole sur le marché) par la concurrence imparfaite (Ownership advantages), des avantages liés à la localisation des entreprises (Localization advantages) et, enfin, des avantages liés à la faiblesse des coûts de production (Internalization advantages). Il ressort de ce qui précède que la théorie développée par Dunning analyse l'importance des flux d'IDE selon les intérêts des investisseurs. Son approche semble ici plus micro que macroéconomique.

Dans une optique microéconomique, Mayer T. et Mucchielli J. -L. (1999) ont étudié la décision de localisation à l'étranger des firmes multinationales. Il en ressort de leur étude quatre principaux facteurs de choix. Le premier facteur est la demande du marché des biens que l'entreprise peut espérer exploiter pour chaque localisation. Le deuxième facteur est le coût des facteurs de production. Le troisième facteur est le nombre d'entreprises locales et étrangères déjà installées sur place. L'autre facteur est une synthèse des différentes politiques d'attraction menées par les autorités locales du pays d'accueil (subvention à la création d'emploi, exemption temporaire de la fiscalité locale, faiblesse de l'imposition sur les bénéfices, etc.). Les entreprises cherchent à se localiser là où la demande est importante et là où les coûts de production sont faibles.

Les deux auteurs précédents proposent un modèle théorique simple qui explique la profitabilité (ð ) de chaque localisation possible à partir des quatre facteurs mentionnés.

Le modèle se présente comme suit :

ð = âdemande + â coûts + â nombre de firmes + â 4 mesure s in citatives 1 2 3
(+) (-) (- ou +) (+)

â3 peut être négatif ou positif selon l'ampleur relative des effets de concurrence et des effets d'agglomération. En effet, le nombre d'entreprises augmente le degré de concurrence locale et réduit l'attractivité du territoire alors que l'agglomération géographique des firmes peut avoir des retombées positives en matière technologique et de partage du marché local (marché du travail, marché des produits intermédiaires).

Les déterminants répertoriés par Mayer T. et Mucchielli J. -L. (1999) n'influent pas tous de façon égale sur la profitabilité pour chaque niveau de région. Le tableau 1 ci-dessous réalisé par l'INSEE synthétise les résultats empiriques de quelques études récentes des choix de localisation. Il donne le pays d'origine des investisseurs, la zone d'implantation considérée et les principaux résultats (signe de la variable quand celle-ci est significative) des quatre principaux déterminants : la taille du marché d'accueil (demande), les coûts du travail, l'impact du nombre de firmes sur place (concentration géographique) et l'influence des mesures incitatives.

Tableau 1 : Synthèse des résultats d'études récentes du choix de localisation.

Référence bibliographique

Pays d'origine

Zone et période
d'accueil

Demande

Coûts
du
travail

Concentration
géographique

Politiques
incitatives

Wheeler et Moody (1992)

Etats-Unis

42 pays allant du
Pérou à la Suisse

+

-

+

n.s.

Mayer et Mucchielli (1998)

Japon

Royaume-Uni,
France, Allemagne,
Espagne, Italie
(1984-1993)

+

-

+

+

Head et al. (1999)

Japon

Etats américains
(1980-1992)

+

-

+

+

Head et Ries

(1996)

Etats-Unis,
Japon, Europe,
Australie,
Canada

Villes chinoises
(1984-1991)

Non testée

n.s.

+

+

Ferrer (1998)

France

Régions
européennes

(1994)

Non testée

n.s.

+

-

Devereux et Griffith (1998)

Etats-Unis

Royaume-Uni,
France, Allemagne

(1980-1994)

+

n.s.

+

+

n.s. = variable non significative

 

Source : INSEE, Economie et Statistique N°326-327.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Schneider F. et Frey B. S. (1985) ont combiné les variables politiques et économiques pour estimer à partir de trois spécifications les flux d'IDE dans les 80 pays les moins avancés du monde. Un premier modèle qui explique les flux d'IDE uniquement à partir des variables économiques. Un deuxième modèle qui explique les flux d'IDE à partir des variables politiques. Un troisième modèle qui explique les flux d'IDE à partir de toutes les variables, politiques et économiques. Ce dernier s'étant révélé meilleur, ils ont réalisé une régression simple suivie d'une régression normée. Les résultats de la régression normée ont montré que le PNB par habitant, le taux de croissance du PNB influent positivement sur les flux d'IDE alors que le taux d'inflation, le déficit de la balance des paiements, les coûts des facteurs de production et l'instabilité politique influent négativement sur les flux d'IDE. Schneider et Frey concluent qu'un « bon » modèle pour estimer les flux d'IDE dans les pays en développement doit prendre en compte à la fois les variables économiques et les variables politiques du pays récepteur de l'IDE.

Fernández-Arias E. et Montiel P. J. (1996)2 ont proposé un cadre théorique qui a servi de référence à plusieurs études récentes sur les déterminants des flux de capitaux privés. Leur objectif était d'arriver à trouver la valeur d'équilibre des flux de capitaux découlant de la confrontation d'un certain nombre de facteurs externes (situation financière des pays créditeurs) et les facteurs internes (environnement économique et financier des pays bénéficiaires). Leur modèle théorique s'inscrit dans le cadre de l'école « pull-push » selon laquelle ce sont les facteurs internes et externes qui expliquent les flux d'IDE. L'encadré 1 cidessous présente ce modèle théorique.

Encadré 1 : Le modèle théorique de Fernández-Arias E. et Montiel P. J. (1996)

On suppose que les flux de capitaux peuvent avoir lieu dans le cadre de n différents actifs indexés par u, u = 1,...., n. Le rendement de chaque type d'actifs peut être décomposé en rendement attendu au niveau des projets (Gu) et en un facteur d'ajustement reflétant la crédibilité du pays (Cu).

Le rendement attendu s'écrit :

Gu = Gu(g, F) (1)

Où F est l'ensemble des flux de capitaux en direction de tous les types de projet ;

g est un facteur reflétant l'environnement intérieur du pays.

La crédibilité du pays Cu est supposée dépendre d'un vecteur de stocks de dettes (S) en fin de période pour tous les types d'actifs :

Cu = Cu(c, S) = Cu(c, S-1 + F) (2)

Où c est un facteur mesurant la crédibilité du pays ;

S-1 représente les stocks de dettes en début de période.

Etant donné que les investisseurs étrangers tendent à diversifier leur portefeuille, le coût d'opportunité du type d'actif u noté Vu est une fonction de S :

Vu = Vu(v, S-1 + F) (3)

Où v traduit les conditions financières des pays créditeurs.

Fernández-Arias E. et Montiel P. J. (1996) établissent sur cette base, la condition d'équilibre suivante : Gu(g, F) * Cu(c, S-1 + F) = Vu(v, S-1 + F) (4)

On fait l'hypothèse que les fonctions Gu,Cu, Vu sont croissantes en chacun des paramètres g, c, v. L'équation (4) définit implicitement la valeur d'équilibre du vecteur F. Cette valeur d'équilibre s'écrit comme suit :

F* = F*(g, c, v, S-1) (5)

F*

crédibilité du pays bénéficiaire (c), du facteur reflétant les conditions financières du pays créditeur (v) et les stocks de dettes en début de période (S-1). F* croît avec g et c, mais décroît avec v et S-1. Cela traduit le fait que l'amélioration du cadre macroéconomique ou une plus grande confiance dans la capacité du pays à honorer ses engagements se traduisent par des entrées de capitaux. Par contre, l'amélioration des conditions financières dans les pays créditeurs incitera les investisseurs étrangers à investir chez eux plutôt qu'ailleurs. Concernant les stocks de dettes en début de période, plus il est élevé plus les chances du pays hôte d'être solvable diminuent. Ce qui peut freiner les entrées de capitaux.

En supposant S-1 constant et en différenciant l'équation (5), on obtient le modèle de court terme qui met en relation les différences premières :

est donc une fonction du facteur reflétant l'environnement intérieur du pays (g), du facteur mesurant la

2 Tel que rapporté par Taylor M. P. et Sarno L. (1997), Batana Y. M. (1999)

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Ä = Ä + Ä + Ä (6)

F F g g F c c F v v

* * * *

Taylor M. P. et Sarno L. (1997) ont introduit dans le modèle l'hypothèse d'imperfection du marché, d'asymétrie de l'information et l'existence de coût pour les marchés financiers émergents qui induisent des coûts auxquels font face les investisseurs étrangers dans l'ajustement de leur portefeuille. Ces coûts sont supposés croître en fonction de la grandeur de l'ajustement. Les investisseurs vont chercher à minimiser la différence entre les valeur effective et désirée des flux de capitaux. Soit L la fonction de perte quadratique des investisseurs :

*

L = 1

( F F )' M ( F F ) ( F F 1 )' M 2 ( F F 1 )

- + - -

*

- - (7)

-

Où M1 et M2 sont des matrices de pondération définies positives. La condition du premier ordre pour la minimisation de L donne :

1

Ä = +

F ( M 1 M 2 ) M 1 ( F F 1 )

- * - (8)

-

Posons F F 1 F

* = - + Ä et utilisons l'équation (6). On obtient un Modèle à Correction d'Erreur :

* *

Ä =

F A 0 ( F F ) 1 A 1 g A 2 c A 3 v

* - + Ä + Ä + Ä (9)

-

1

A 0 ( M 1 M 2 ) M 1

-

= + et 1

A M M M F i

i ( 1

= + 2 ) 1

- * (avec i=1,2,3) ;

Les iF* sont des dérivées partielles correspondantes.

L'équation (9) traduit le fait que les variations dans les valeurs courantes des flux de capitaux sont déterminées partiellement par l'erreur commise à la date précédente et en partie par les chocs sur les variables déterminant l'équilibre à long terme.

 

Batana Y. M. (1999) a recherché à partir d'un modèle à correction d'erreur les variables explicatives des flux de capitaux internationaux au Togo, en se basant sur le modèle théorique de Fernández-Arias E. et Montiel P. J. (1996). Les résultats de son étude portant sur la période 1965-1992 ont montré que le taux d'investissement est un facteur pertinent dans l'explication des flux de capitaux privés internationaux à court terme au Togo, avec un signe positif. De même, les dépenses publiques (infrastructures de base et services publics) exercent un effet positif avec un décalage de deux ans. Le degré d'ouverture de l'économie togolaise présente un coefficient négatif, mais non significatif. Le taux d'intérêt et le ratio de solvabilité du Togo ne sont pas significatifs.

Kouadio Y. M. (2003) a étudié les déterminants des flux de capitaux dans les pays de l'UEMOA sur la base du modèle théorique de Fernández-Arias E. et Montiel P. J. (1996). Son étude a pris en compte la période 1973-2000. Il a retenu au seuil de 10% un modèle de données de panel à effets fixes. Les résultats de ce modèle montrent que ce sont les facteurs internes (pull factors) qui déterminent les flux de capitaux dans les pays de l'UEMOA aussi bien à court terme qu'à long terme. Mais la qualité de ce modèle l'a amené à réaliser une étude pays par pays. Les résultats de cette étude ont confirmé les premiers résultats à savoir que les facteurs internes sont les plus déterminants dans l'explication des flux de capitaux aussi bien à court terme qu'à long terme. Par ailleurs, ils lui ont aussi permis de tirer la conclusion selon laquelle l'après crise de la dette des années 1980 a été catastrophique pour la plupart de ces pays dans l'attrait de capitaux privés.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Bhattacharya A. et al. (1997) montrent que l'Afrique subsaharienne n'a pas bénéficié des flux de capitaux internationaux privés à cause du risque élevé que présentent les investissements en Afrique. En se basant en partie sur les résultats d'enquête menée auprès de banquiers travaillant dans les banques commerciales et d'investissement ainsi que les directeurs des fonds mutuels à New York et à Londres, ils. ont identifié les facteurs économiques et politiques susceptibles d'expliquer la faiblesse des flux d'IDE vers Afrique. Ces facteurs sont les conflits civils, l'instabilité macroéconomique, la faible croissance économique et les marchés intérieurs exigus, l'économie axée sur l'intérieur et la lourdeur de la réglementation, la lenteur de la privatisation, la médiocrité des infrastructures, le niveau élevé des salaires et des coûts de production.

Pour vérifier empiriquement ces résultats théoriques, Bhattacharya A. et al. (1997) ont effectué une estimation à partir des données. Ils ont inclus dans la spécification du modèle des variables indicatrices qui captent les effets communs à tous les pays, mais spécifiques pour chaque année. Leur étude a porté sur 31 pays d'Afrique subsaharienne3 pour la période 1980- 1995 afin de vérifier empiriquement les effets des facteurs internes et externes sur les flux d'IDE. Les résultats de leurs estimations ont montré que ce sont la croissance économique, l'ouverture de l'économie sur l'extérieur et le coefficient de variabilité du taux de change effectif réel ont un impact positif sur les flux d'IDE. De plus, le modèle est autorégressif d'ordre 1 c'est-à-dire que les flux d'IDE de l'année t-1 influencent positivement les flux d'IDE de l'année t.

Wilhelms S. K. S. et Witter S. M. D. (1998) ont développé le concept d'« adaptation institutionnelle à l'IDE ». Ce concept s'identifie dans la tradition de l'école de l'intégration. Le modèle explicatif spécifié par ces deux auteurs stipule que les flux d'IDE s'expliquent par l'adaptation du gouvernement à l'IDE (G), le marché (M), l'éducation (E) et la réalité socioculturelle (S) du pays qui reçoit l'IDE. La spécification du modèle se présente comme suit : IDE = â0 + â1 G + â2 M + â3 E + â4 S. L'adaptation institutionnelle du gouvernement

constitue selon les auteurs la capacité du pays à créer un environnement attractif et propice aux flux d'IDE. Dans le modèle G, M, E et S sont des vecteurs.

Ils ont procédé à des vérifications empiriques de leur intuition théorique à partir des données de panel relatives à 67 pays en développement et couvrant la période 1978-1995. Ils retiennent les variables suivantes comme explicatives : le PNB\habitant, le commerce extérieur, les recettes fiscales, les crédits bancaires à l'économie, l'utilisation commerciale de l'énergie, l'indice risque pays, le facteur capital humain (nombre d'inscription à l'école primaire). Les résultats de leurs estimations montrent que les variables suivantes ont des effets positifs sur les flux d'IDE : le commerce extérieur, le crédit local, la consommation d'énergie. Par contre, les variables telles que les recettes fiscales, l'indice risque pays, le PNB/habitant ont des effets négatifs. Les variables reflétant le niveau d'éducation et la situation socioculturelle sont apparues non significatives.

3 Ces pays sont le Bénin, le Botswana, le Burkina Faso, le Burundi, le Cameroun, la Centrafrique, le Tchad, le Congo, la Côte d'Ivoire, le Gabon, la Gambie, le Ghana, la Guinée, l'Ile Maurice, le Kenya, le Lesotho, la Madagascar, le Malawi, le Mali, la Mauritanie, la Mozambique, le Niger, le Nigeria, le Sénégal, la Sierra Leone, le Swaziland, la Tanzanie, le Togo, l'Uganda, la Zambie et le Zimbabwe.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Hernandez L. et al. (2001) ont étudié les déterminants des flux de capitaux privés de la décennie 1970 à la décennie 1990 pour les pays d'Asie de l'Est et d'Amérique Latine dans le cadre de l'identification des canaux de transmission des effets de contagion entre pays bénéficiaires de capitaux privés. Les résultats théoriques relatifs à leurs travaux montrent que deux types de facteurs déterminent les flux de capitaux privés et les flux d'IDE en particulier. Il s'agit des facteurs internes qualifiés de pull factors et les facteurs externes qualifiés de push factors. Leur étude s'inscrit donc dans la pensée de l'école « pull-push ».

Le modèle théorique proposé par Hernandez L. et al. est le suivant :

= á + Ø - â + Ù ÷ + M ID E ? + å

'

ID E j t

, j j t

, 1 t t i , t j , t

Où,

IDE j , t est l'IDE reçu par le pays j à l'année t.

Ø j , t - 1 est le vecteur des facteurs internes prédéterminés du pays d'accueil. Ùt est le vecteur des facteurs externes exogènes déterminés.

IDE i , t est le vecteur des IDE reçus par les autres pays i (i ? j ) à l'année t.

Mt est le vecteur poids des pays. Il est utilisé pour tester les effets de contagion régionale. On donne un poids positif aux pays de même région que le pays j et un poids nul aux autres pays.

áj , ? sont des coefficients à estimer.

â , ÷ sont des vecteurs de coefficients à estimer. å j , t est le terme d'erreur.

Dans ce modèle, tout se passe comme si les investisseurs potentiels observent les indicateurs macroéconomiques du pays d'accueil à l'année t-1 et décident en fonction de l'environnement économique international et/ou régional en relation avec le pays d'accueil de l'année courante. Le tableau ci-après présente les variables internes et externes identifiées par Hernandez L. et al. ainsi que les signes attendus de ces variables sur les flux d'IDE.

Tableau 2 : Les variables identifiées par Hernandez L. et al. et leurs signes attendus.

Variables

Signes attendus

Variables externes

Taux d'intérêt international réel (ex-post)

-

Le total des flux d'IDE à destination des autres pays en développement en % du total des PIB des grands pays industriels

+

Le niveau d'activité dans les pays industriels (PIB)

-

Variables internes

Le taux de croissance réel

+

Le solde de la balance des paiements en % du PIB

+

Les investissements en % du PIB

+

Les exportations en % du PIB

+

Le service de la dette extérieure en % du PIB

-

La croissance des crédits bancaires à l'économie

-

 

Les déterminants des investissements directs étrangers en Afrique subsaharienne

-

Le taux d'appréciation du taux de change

Agenor P. -R. et al. (2000) ont travaillé sur les régions du Moyen-orient4 et de l'Afrique du Nord5. A partir des données couvrant la période 1989-1998, ils ont utilisé la technique d'estimation par la variable instrumentale sur des données de panel. Ce qui leur a permis de corriger le probable caractère aléatoire de certaines variables parmi les dix retenus à priori (voir tableau 3). A cet effet, ils ont utilisé les variables taux de croissance réel, taux d'investissement, taux d'ouverture de l'économie, le service de la dette en % du PIB comme variables instrumentales. Le modèle est spécifié avec effet fixes signifiant que les différences entre pays sont appréhendées à travers les termes constants de chaque pays dans les régressions. Les résultats des estimations ont montré que les variables significatives ayant les signes attendus sont le taux d'investissement, le taux d'ouverture de l'économie, le service de la dette en % du PIB, le taux d'intérêt international, l'indice risque politique et la variation du taux d'inflation.

Tableau 3 : Les variables d'étude de Agénor L. -R. et leurs signes attendus.

Variables

Signes attendus

IDE (-1)

+

Taux de croissance réel

+

Investissement en % du PIB

+

Degré d'ouverture de l'économie (base 100 en 1990)

+

PIB réel par habitant

n.i

Service de la dette en % du PIB

-

Taux d'intérêt réel international

(London Inter-Bank Offer Rate : LIBOR)

-

Variation du taux d'inflation

-

Variation du taux de change effectif réel

-

Indice risque politique

(Un indice élevé traduit un niveau de risque faible)

+

 

Morisset J. et Neso O. (2002) à partir de l'expérience internationale récente montrent que les procédures administratives complexes, nécessaires à l'établissement et au fonctionnement des affaires, découragent l'entrée des flux d'IDE. Les coûts des procédures administratives varient significativement selon les pays. Ils sont positivement corrélés au niveau estimé de la corruption, à la puissance gouvernementale et au degré de protection de l'économie. La qualité de l'environnement d'investissement joue un rôle important dans les prises de décisions de nombreux investisseurs. Cela est une reconnaissance croissante de ce que les procédures administratives peuvent significativement influencer le lieu d'implantation des firmes multinationales.

4 Les pays du Moyen-Orient sont Bahreïn, les Emirats Arabes Unis, l'Iran, la Jordanie, le Koweït, le Liban, Oman, le Qatar, l'Arabie Saoudite, la Syrie, Turquie et le Yémen.

5 Les pays d'Afrique du Nord sont l'Algérie, l'Egypte, le Maroc et la Tunisie.

2.2 - Limites des précédentes études

Les études qui ont fait l'objet de notre revue de littérature portent pour la plupart sur pays d'Europe de l'Est, les pays d'Amérique latine et d'Asie orientale. Seules les travaux réalisés par Battacharya (1997) et Kouadio Y. M. (2003) ont porté exclusivement sur des pays d'Afrique subsaharienne. Mais ces études n'ont pas intégré, à l'instar de celle d'Agenor P. -R. et al. (2000), l'indice risque politique parmi les facteurs internes susceptibles d'expliquer les flux d'IDE en Afrique. En même temps, ceci soulève la complexité d'une telle étude dans la mesure où de nombreuses variables comme celle reflétant par exemple les procédures administratives pour l'installation d'une filiale d'entreprise étrangère sont difficiles à mesurer. Nous essayerons dans la suite de prendre en compte la variable reflétant la situation politique.

Une autre limite de ces études réside dans la taille de l'échantillon d'étude. En effet, la plupart de ces études sont très souvent réalisées à partir d'échantillon de taille faible Iiconvient de rappeler que lorsque l'échantillon est de grande taille, les résultats sont plus

précis et on a la possibilité de réaliser des tests asymptotiques (à distance infinie) lorsque les hypothèses formulées ne marchent plus à distance finie.

CHAPITRE III : DONNEES, VARIABLES ET METHODES

 

Dans ce chapitre nous procèderons à la recherche factorielle des déterminants des flux d'IDE en Afrique subsaharienne. L'avantage d'une telle approche réside dans sa capacité à révéler, parmi les variables suggérées par la théorie économique et compte tenu de la qualité des données disponibles, celles qui pourraient expliquer de façon significative le phénomène étudié.

Pour y parvenir, nous adopterons une démarche progressive qui consistera dans un premier temps à décrire l'évolution des flux d'IDE ainsi que leurs destinations. Enfin, nous sélectionnerons les variables explicatives grâce à l'Analyse Factorielle Discriminante (AFD).

3.1 - Données et variables
3.1.1 - Les données

L'analyse que nous effectuons s'appuie sur des données de 23 pays d'Afrique subsaharienne et couvrant la période 1970-1998. Il faut dire que les pays ont été choisis en fonction de la disponibilité des informations statistiques sur les investissements directs étrangers sur toute la période et les variables susceptibles de les expliquer. La liste de l'échantillon des 23 pays avec les symboles utilisés par la banque mondiale est la suivante : le Bénin (BEN), le Burkina Faso (BFA), le Botswana (BWA), la République Centrafricaine (CAF), la Côte d'Ivoire (CIV), le Cameroun (CMR), le Ghana (GHA), la Gambie (GMB), le Kenya (KEN), le Madagascar (MDG), le Malawi (MWI), le Mali (MLI), l'Ile Maurice (MUS), le Niger (NER), le Nigeria (NGA), le Sénégal (SEN), le Swaziland (SWZ), le Tchad (TCD), le Togo (TGO), l'Afrique du sud (ZAF), la République démocratique du Congo (ZAF), la Zambie (ZMB) et le Zimbabwe (ZWE).

Les données de l'étude proviennent de différentes sources ainsi qu'on le voit à travers le tableau 4. Elles ont été compilées sous Excel avant leurs transferts vers d'autres logiciels pour analyse.

3.1.2 - Les variables et leurs mesures

Les variables économiques ont été choisies en rapport avec la théorie et les travaux antérieurs concernant les déterminants des IDE et tenant compte de la contrainte qu'impose la disponibilité des statistiques. On peut distinguer les variables externes et internes. Les variables internes ne varient que selon les années tandis que les variables externes sont fonction du pays et de l'année. Les variables valeur ajoutée industrielle et agricole sont exprimées en millions de $ US constant 1995 tandis que la variable exportation de pétrole est exprimée en milliers de tonnes.

Concernant les variables politiques, nous en avons retenu une seule en fonction de la disponibilité des données, à savoir l'indice risque politique. L'indice risque politique est celui élaboré par l'ONG Freedom House. Il s'agit d'un indice composite qui permet d'établir un classement de pays selon leurs degrés de liberté.

Encadré 2 : L'indice de risque politique élaboré par Freedom House1

Freedom House est une Organisation non gouvernementale américaine dont le siège est à Washington. Elle fût créée il y a 60 ans par Eleanor Roosevelt, Wendell Willkie et d'autres américains dans le but d'oeuvrer pour la paix et la démocratie dans le monde.

Leur indice de risque politique tient compte de :

· La nature des élections politiques (démocratique ou non) ;

· La liberté de la presse ;

· La liberté d'association ;

· La liberté du système judiciaire ;

· La liberté d'entreprise ;

· etc.

Lorsque la valeur de l'indice est comprise entre :

- 1,0 et 2,5, il y a liberté dans le pays ;

- 3,0 et 5,5, il y a liberté en partie dans le pays ;

- 5,5 et 7,5, on considère qu'il n'y pas de liberté dans le pays.

 

Pour que l'investissement étranger soit rentable dans le pays bénéficiaire, il faut qu'il y ait des travailleurs qualifiés au niveau des entreprises. La variable qui peut traduire le niveau du capital humain est le taux d'alphabétisation des adultes (15 ans et plus). C'est pourquoi nous l'avons retenue parmi les variables d'étude. Concernant le traitement des valeurs manquantes, nous avons utilisé la méthode de l'imputation déterministe. Cette méthode consiste à attribuer à la valeur manquante la moyenne des valeurs disponibles. Le tableau 4 présente les variables, les signes attendus et les sources.

Le niveau d'investissement direct sera par moment normalisé en le divisant par le PIB. Ceci nous permet d'ajuster le niveau d'investissement à la dimension de l'économie du pays capturée par le produit intérieur. Cette transformation se justifie par au moins deux raisons :

· Elle permet de meilleures comparaisons entre les pays. Par exemple, comparer simplement le niveau d'IDE du Nigeria à celui du Swaziland n'est pas correcte parce qu'il existe une extrême différence dans les dimensions des deux économies.

· Deuxièmement, le niveau du PIB d'un pays est probablement pertinent par rapport au montant d'IDE qu'il peut recevoir. A l'inverse, une grande dimension de l'économie implique plus d'opportunités d'investissement. Si le PIB est inclus comme une variable indépendante, on aura des problèmes statistiques sur la qualité des estimateurs.

Tableau 4 : Les variables d'étude

Variables

Définitions

Signes attendus

Source

Variable expliquée

 
 
 

Investissements directs étrangers en % du PIB

 

Cnuced

Variables explicatives

 
 
 

PIBIND

Taux de croissance du PIB réel des pays industrialisés

-

Statistiques
financières
internationales,
FMI

TIF

Taux d'intérêt du marché monétaire français

-

 

Taux d'intérêt du marché monétaire britannique

-

Yearbook, United
Nation

VARIABLES INTERNES

T_PIB

Taux de croissance économique

+

World Bank
Africa Database
2000 CD ROM

T_DEMO

Taux de croissance démographique

+

 

Taux d'investissement

+

 

Crédit local fournit au secteur privé en % du crédit total

+

 

Balance des opérations courantes en % du PNB

+

 

Taux d'ouverture de l'économie

+

 

Valeur ajoutée industrielle

+

 

Valeur ajoutée agricole

+

 

Exportations de pétrole

+

 

Taux d'alphabétisation des adultes (15 ans et plus)

+

 

Service de la dette en % des exportations

-

 

Taux d'inflation

-

 

Indice de risque politique

-

Freedom house

 

3.2 - Méthodes d'analyse

Nous présentons ici la méthode de travail que nous avons utilisé. On présentera tour à tour les méthodologies d'analyse exploratoire et économétrique.

3.2.1 - Analyse exploratoire

Pour connaître les plus importantes destinations de ces flux, nous aurons recours à l'Analyse Factorielle des Correspondances (AFC). Concrètement, l'AFC permettra de déterminer, en fonction des années, les pays qui ont reçu plus de flux d'IDE. Une deuxième AFC sur les données en considérant les flux d'investissements en pourcentage du PIB permettra de savoir en fonction des années les pays qui ont les ratios IDE/PIB les plus élevés.

Encadré 3 : Principe de l'Analyse Factorielle des Correspondances :

L'AFC s'effectue sur un tableau croisant deux caractères (variables) et dont la somme en ligne et en colonne a un sens. L'objectif de cette analyse est de résumer les éventuelles liaisons qui existent entre les variables. Si l'une des variables est le temps, elle permet de décrire l'évolution du profil présenté par la seconde variable en fonction du temps. L'AFC projette sur un plan factoriel, plan où le nuage des modalités des variables est le plus étalé, les dates et sur un autre le second caractère et elle juxtapose les deux plans. Une date est attirée par les modalités de l'autre caractère qui prédominent dans son profil, de même une modalité du second caractère est attirée par les dates prédominantes du profil temporel.

 

Les déterminants des investissements directs étrangers en Afrique subsaharienne

L'étape la plus importante de l'approche descriptive sera la recherche factorielle des déterminants des flux d'IDE en Afrique subsaharienne. Il s'agira de détecter parmi les variables suggérées par la théorie économique, et grâce à l'Analyse Factorielle Discriminante, les variables qui sont le plus corrélées aux ratios IDE/PIB. Ce sont ces variables que nous spécifierons comme variables explicatives dans le modèle économétrique. Le modèle théorique de Hernandez L. et al. (2001) suggère que les variables internes soient retardées d'ordre 1. Pour cette étude, nous irons plus loin en intégrant les variables internes retardées d'ordre 1 et d'ordre 2. Les résultats de l'analyse des données proviendront principalement du logiciel WINSPAD 4.

Encadré 4 : Principe de l'Analyse Factorielle Discriminante

L'AFD cherche à décrire une variable qualitative Y à k modalités grâce à p variables explicatives quantitatives X1, X2, ..., Xp. Pour cela on dispose d'un échantillon de n individus pour les quels on connaît simultanément les valeurs de (Y, X1, X2, ..., Xp). Dans l'espace des variables explicatives, l'AFD cherche le sous espace sur lequel la projection des n individus sépare le mieux possibles les k classes définies par les modalités de la variable Y. Les coordonnées des individus sur les axes de ce sous-espace sont des combinaisons linéaires des variables explicatives appelées facteurs discriminants.

Le programme de l'AFD :

Max

u

u Bu

'

 
 

'

u Bu est l'inertie du nuage des k centres de gravité ;

B est la variance interclasse, V la variance totale et u est le vecteur directeur de l'axe qui discrimine le mieux les classes.

Ainsi l'AFD est équivalente à l'Analyse en Composantes Principales sur le nuage des centres de gravité mais avec la métrique V-1

3.2.2 - Recherche factorielle des déterminants des flux d'IDE

La théorie économique consacrée aux IDE suggère des variables susceptibles d'expliquer ceux-ci dans les faits, il est difficile de disposer des données sur tous les facteurs évoqués c'est donc sous réserve de l'absence de certains de ces variables que nous postulerons un modèle explicatifs bien avant, il conviendrait de rechercher au moyen de la méthode factorielle discriminante (AFD) celles qui sont les plus corrélées aux flux d'IDE en pourcentage du PIB.

Cette approche consiste à créer une variable dichotomique (DUM) à partir des IDE cumulés des pays retenus pour toute la période couverte par l'étude et de définir un seuil z à partir des déciles de la distribution du taux d'IDE. Concrètement la création de cette variable repose sur l'hypothèse qu'au cours de la période 1970-1998 un pays donné peut passer d'une situation où il a un taux relativement faible ( IDE / PIB < z ) à une situation où le taux est

élevé ( IDE / PIB = z ). Le tableau 5 présente les 9 déciles de la distribution du taux d'investissement direct. L'écart entre le 9è décile et le 8è décile étant le plus élevé nous considérons que les observations dont les valeurs sont les plus élevées sont celles qui sont audelà du 8è décile. De la sorte, le seuil z se situe à 1,66%.

Tableau 5 : Les neuf déciles de la distribution de IDE/PIB

Décile

1

2

3

4

5

6

7

8

9

Valeur (%)

-0,07

0,05

0,14

0,3

0,48

0,72

1,11

1,66

3,14

 

Source : Nos calculs

la variable dichotomique DUM est définie comme suit :

DUM =

1" Moins d IDE si IDE PIB

' " / < 1,66%

0 " Plus d IDE si IDE PIB

' " / = 1,66%

 

L'AFD permettra de différencier ces deux groupes grâce aux variables explicatives suggérées par la théorie économique. Elle révèlera donc celles qui sont les plus significatives pour expliquer le fait qu'au cours de la période 1970-1998 un pays ait un taux d'investissement direct élevé ou non.

3.2.3 - Analyse économétrique

Compte tenu du nombre de pays que prend en compte notre étude et de la période (1970-1998), nous adopterons une étude économétrique des données de panel. Les modèles économétriques linéaires en données de panel déclinent sous plusieurs formes de spécifications. Les plus utilisées sont les suivantes :

Le modèle à effets communs (constante unique)

y it = á + â x it + å it t = 1, 2, ...T ; i =1, 2, K

'

E ( å it ) = 0 ? i , t

y it est la valeur de la variable à expliquer de l'individu i à la date t et xit est le vecteur des réalisations des K variables explicatives de l'individu i à la date t. xit est indépendant de åit .

Ce modèle suppose qu'il n'y a pas d'effets spécifiques par pays. La constante est donc unique pour tous les pays et le coefficient d'une variable explicative quelconque du modèle est le même pour tous les pays.

· Le modèle à effets fixes

y it = á i + â x it + å it

'

Ce modèle suppose que chaque pays a un effet spécifique. La constante n'est donc pas la même pour les pays, mais le coefficient d'une variable explicative quelconque du modèle est le même pour tous les pays.

· Le modèle à effets aléatoires/à erreurs composées

y it = á + â x it + ì i + å it

'

E (å it å i ' t ' ) = ? ii 'ó ì + ? ii ' ? tt ' ó å2

2 2 óì et 2

óå sont les variances respectives des deux éléments ìi

et åit de la perturbation.

Ce modèle suppose l'existence d'une perturbation aléatoire propre à chaque pays. Cette perturbation est constante dans le temps. Par ailleurs, le coefficient d'une variable explicative quelconque du modèle est le même pour tous les pays.

Pour connaître le modèle adapté à nos données, parmi ces trois types de modèles, nous procèderons à des tests économétriques. En effet, il y a deux types de tests :

Les déterminants des investissements directs étrangers en Afrique subsaharienne

+ Test d'existence de l'effet spécifique (test de Fisher) permet de décider entre

le modèle à effets fixes et le modèle à effets communs lequel permet la meilleure représentation des données.

Encadré 5 : Principe du test de Fisher d'existence d'effet spécifique

Il teste la significativité de l'effet de groupe (pays pour cette étude) ou effet spécifique c'est-à-dire qu'il teste l'hypothèse selon laquelle le terme constant est le même pour tous les groupes. Les hypothèses du test sont :

H0 : Les effets spécifiques sont les mêmes. H1 : Présence d'effets spécifiques.

( R R

2 2

- ) /( 1)

N -

u p

La statistique du test est la suivante : F N

( 1,

- N T N K

- - ) =

(1 ) /(

2

- R N T N K

- - )

u

N est le nombre d'individus (pays) et T le nombre d'années ; ; K est le nombre de variables explicatives ;

NT est le nombre total d'observations ;

Ru est le coefficient de détermination du modèle à effets fixes ;

2

Rp est le coefficient de détermination du modèle à effets communs.

2

Si le test conclut à l'inexistence d'effets spécifiques alors la procédure s'arrête et le modèle approprié est le modèle à effets communs. Dans le cas contraire (existence d'effets spécifiques) il faudra chercher à savoir, grâce au test de Hausman ou de Breusch-Pagan, si ces effets ne sont pas en fait des effets aléatoires.

+ Test d'existence d'effets aléatoires (test de Hausman) permet de choisir entre le modèle à effets fixes et le modèle à effets aléatoires.

Encadré 6 : Le test de Hausman (1978)

Ce test permet de tester de la validité de la spécification en termes de modèles à effets aléatoires. Il repose sur la différence entre les estimateurs du modèles à effets fixes et du modèles à effets aléatoires. Les hypothèses du test sont :

H0 : Pas de différence systématique entre les coefficients des deux modèles. H1 : Présence d'effets aléatoires.

La statistique du test est donnée par :

W ( â f â r ) ( V f V r ) ( â f â r )

' - 1

= - - -

âf est le vecteur des coefficients du modèle à effets fixes ;

âr est le vecteur des coefficients du modèle à effets aléatoires ; Vf est la variance de âf ;

Vr est la variance de âr .

Sous l'hypothèse nulle, W suit une loi du Khi-Deux à K degrés de liberté. K désigne le nombre de paramètres estimés hormis la constante.

Il est aussi possible d'utiliser le test du Multiplicateur de Lagrange de Breusch-Pagan (1980) pour tester la présence d'effets aléatoires dans un modèle.

CHAPITRE IV : RESULTATS ET COMMENTAIRES

Dans ce chapitre, nous abordons la construction d'un modèle explicatif sur la base des résultats obtenus dans le chapitre précédent. Les résultats issus de l'analyse seront comparés à ceux fournis par la littérature consacrée aux déterminants des IDE, évoquée dans le chapitre I. Une hypothèse forte dans cette partie suppose que toutes les variables explicatives sont exogènes. Aussi nous avions procédé à diverses estimations presque toutes s'appuyant sur la technique des données de panel. Les résultats sont obtenus sous trois logiciels statistiques à savoir STATA 7.0, EVIEWS 3.1 et RATS 4.30. Au préalable, nous avons choisi le type de modèle approprié aux données disponibles. L'analyse de la stationnarité des séries de données est ensuite effectuée. Ce qui a permis de déboucher finalement sur la construction d'un modèle à correction d'erreur.

4.1 - Description des flux d'IDE en Afrique subsaharienne

4.1.1 - La tendance des IDE

Le graphique 1 donne un aperçu global de l'évolution des flux d'IDE en direction des 23 pays étudiés. On note dans l'ensemble une tendance croissante avec un montant record en 1997, approchant les 7 milliards de $ US, marquant ainsi un bond considérable par rapport à 1990. En effet, sa valeur s'est multipliée par sept entre les deux dates. Les flux d'IDE en direction de l'Afrique du Sud (3,8 milliards de $ US), du Nigeria (1,5 milliards de $ US) et la Côte d'Ivoire (0,5 milliards de $ US) expliquent en grande partie le niveau observé en 1997.

Graphique 1 : Evolution de la valeur des IDE reçus par les pays étudiés

Source: World Bank Africa Database 2000

En 1995, alors que l'IDE dans les pays en voie de développement avait dépassé les 95 milliards de dollars US et 38 pour cent de l'IDE global dans le monde, les 23 pays étudiés n'attiraient qu'un montant de 3,4 milliards de dollars US. La tendance observée semble traduire les efforts (révision des codes des investissements par exemple) qu'on fait certains pays pour attirer les investissements. Les différences d'attractivité des IDE entre pays feront l'objet d'un point dans la suite. D'ores et déjà, on remarquera que le Nigeria qui possède des ressources pétrolières attirent énormément en terme relatif beaucoup d'IDE tandis que le Congo Kinshasa doté de nombreuses ressources naturelles aurait des difficultés à convaincre les investisseurs étrangers. On peut à ce niveau dire que la disposition des ressources naturelles ne constitue pas un gage d'attrait des investissements étrangers.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

4.1.2 - La destination des flux d'IDE

Au cours de la période 1970-1998, et d'après les données, les pays d'Afrique subsaharienne qui ont reçu plus d'IDE sont le Nigeria (43,9% du total de la période), l'Afrique du Sud (19,5%), la Côte d'Ivoire (6,7%), la Zambie (4,2%), le Cameroun (2,9%), le Ghana (2,6%), le Botswana (2,5%), le Swaziland (2,4%), le Zimbabwe (2,4%), le Kenya (2,0%) et le Congo Kinshasa (1,4%). Le graphique 2 présente les destinations les plus importantes des flux d'IDE en Afrique subsaharienne.

Graphique 2 : Répartition du total des IDE reçus par les 23 pays sur la période 1970-1998

Source: World Bank Africa Database 2000

L'analyse factorielle révèle les particularités en terme de destination des flux d'IDE au cours de la période (graphique 3). Ainsi, le premier facteur met en opposition le Nigeria (côté négatif) et l'Afrique du Sud (côté positif). Il montre que le Nigeria a été une destination privilégiée des flux d'IDE de 1991 à 1994 alors que l'Afrique du Sud a reçu plus d'IDE au cours des années 1974, 1984 et 1997.

Par ailleurs, le deuxième facteur oppose le Cameroun, le Kenya et le Congo Kinshasa (côté négatif) au Zimbabwe (côté positif). Par rapport aux autres pays le Cameroun a reçu plus d'IDE en 1983 et 1985 alors que le Kenya et le Congo Kinshasa ont reçu plus d'IDE en 1979.

Graphique 3 : Premier plan factoriel des profils temporels de la destination des flux d'IDE

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Dépassons à présent le cadre de description à partir des IDE en termes nominaux en considérant le ratio IDE/PIB qui se prête mieux aux comparaisons. Le plan factoriel (2, 4) que donne le graphique 4 permet d'avoir une idée des pays pour lesquels ce ratio est le plus élevé. Il s'agit principalement des pays comme le Swaziland, le Nigeria et le Botswana.

Le deuxième facteur montre que le Swaziland et le Botswana ont reçu plus d'IDE en pourcentage du PIB en 1970 et 1971 avec respectivement un pourcentage de 9,2% et 6,5% pour la dernière année citée. Il révèle également que le Bénin (7,1% en 1991) et le Mali (5,0% en 1995) ont reçu plus d'IDE en pourcentage du PIB. Le quatrième facteur quant à lui montre que le Cameroun (ratio de 2,5% en 1983 et 3,2% en 1985) et le Nigeria (2,0% en 1983 et 2,5% en 1985) ont un ratio élevé d'IDE en 1983 et 1985. Il dévoile aussi que le Togo (8,5% en 1978) a reçu plus d'IDE en pourcentage du PIB en 1978.

Graphique 4 : Premier plan factoriel des profils temporels de la destination des flux d'IDE en % du PIB

Il ressort donc que le Nigeria, l'Afrique du Sud et la Côte d'Ivoire sont les trois premiers pays en terme de flux d'IDE reçus. Cependant, en considérant le ratio d'investissement direct de flux d'IDE en pourcentage du PIB, le Swaziland, le Nigeria et le Botswana sont les trois pays qui ont les ratios les plus élevés au cours de la période 1970- 1998.

De nombreux auteurs ont cité dans leurs travaux l'indice risque politique comme l'un des principaux déterminants des flux d'investissement direct. Nous allons procéder ci-après, à l'étude de la liaison entre les flux d'IDE d'une part et le ratio IDE/PIB d'autre part et le risque politique.

4.1.3 - flux d'IDE et risque politique, quelle liaison ?

L'analyse porte ici uniquement sur les pays qui ont bénéficié de plus d'IDE en cumul sur la période. Elle se fera à partir des graphiques l'échelle des IDE est exprimée en millions de dollars US.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Le graphique 5 montre que pour la période 1978-1984 où l'indice risque s'est légèrement amélioré pour le Nigeria, c'est-à-dire que ce pays était relativement un « risk lovers », les flux d'IDE ont en moyenne baissé. Par ailleurs, après 1984 où l'indice est resté relativement élevé, ses flux d'IDE ont fluctué à la hausse. Il est donc difficile d'établir une relation causale entre les deux variables. C'est d'ailleurs ce que confirma la forme du nuage de points.

Graphique 5 : Evolution des flux d'IDE et de l'indice risque politique pour le Nigeria

 
 

Source: World Bank, Africa Database 2000

 

Contrairement au Nigeria, l'indice risque politique semble être déterminant dans la décision des investisseurs étrangers en Afrique du Sud (graphique 6). En effet, au cours de la période 1977-1993 où l'indice est demeuré quasi-constant, les flux d'IDE dont l'Afrique du Sud a bénéficié sont restés pratiquement constants. Mais après 1993, qui est pour ce pays la période post-apartheid et de grands changements politique (élection multipartite, amélioration du degré de cohésion sociale...), l'indice a connu une baisse traduisant ainsi une amélioration du degré de liberté économique et politique dans ce pays. Cette amélioration de l'indice s'est accompagnée d'un afflux important d'IDE jusqu'à une certaine date qui peut correspondre à celle où les possibilités pour les entreprises étrangères sont relativement moindres en relation à la concurrence des entreprises nationales. La forme hyperbolique du nuage de points confirme qu'il pourrait bien exister une relation entre flux d'IDE et indice de risque politique pour l'Afrique du Sud.

Source: World Bank Africa Database 2000

23

Graphique 6 : Evolution comparée des flux d'IDE et de l'indice risque politique en l'Afrique du Sud

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Pour ce qui est de la Côte d'Ivoire l'indice risque politique a connu une tendance presque constante, restant au dessus de 6 durant toute la période 1970-1998 ainsi que le montre le graphique 7. Cette évolution ne semble pas avoir eu directement de répercussions sur les flux d'IDE dans la mesure où il y a eu un afflux important d'IDE en Côte d'ivoire après 1990. Cela se confirme par la forme du nuage de points. Ce nuage de points ne laisse pas transparaître une relation évidente entre flux d'IDE et risque politique de la Côte d'Ivoire avant 1998. L'importance des IDE au cours de la décennie quatre vingt dix peut trouver sa justification dans les politiques de privatisation et de l'ouverture du marché.

Graphique 7 : Evolution comparée des flux d'IDE et de l'indice risque politique en la Côte d'Ivoire

Source : World Bank Africa Database 2000

Considérons à présent l'analyse à partir des IDE en pourcentage du PIB. Pour le Swaziland, le graphique montre qu'au cours de la période 1979-1989 où l'indice s'est légèrement amélioré, le ratio IDE/PIB a baissé, atteignant même une valeur négative en 1982 (pour cette les flux sortants ont été plus important que ceux entrants). Après 1989 où l'indice est resté constant au-dessus de 6, le ratio est resté très instable. Cette situation ne saurait justifier l'existence d'une quelconque relation entre le ratio considéré et risque politique. Cela se voit aussi à travers la forme du nuage de points ci-après.

Graphique 8 : Evolution comparée du ratio d'IDE et de l'indice risque politique au Swaziland

 
 

Source: World Bank Africa Database 2000

 
 
 
 

Au cours de la période 1970-1982 où l'indice risque politique a baissé traduisant une légère amélioration des conditions socio-politiques au Nigeria, le ratio d'investissements directs a suivi une tendance à la baisse. L'indice risque politique a ensuite eu une évolution quasi-parallèle à celle du ratio et marqué par un important saut en 1984. Il ressort donc qu'il n'existe pas une relation directe évidente entre flux d'IDE en pourcentage du PIB et indice de risque politique pour le Nigeria comme le montre le nuage de points (graphique 9).

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Graphique 9 : Evolution comparée du ratio d'investissements directs et de l'indice risque politique au
Nigeria

 
 

Source: World Bank Africa Database 2000

 
 
 
 

Concernant le Botswana, le graphique 10 montre que la situation de partielle liberté économique de la période 1973-1998 (où l'indice risque politique est resté très proche de 2,3) a coïncidé avec une évolution fluctuante du ratio. Ce qui laisse pensé qu'il n'y a pas eu de relation entre flux d'IDE en pourcentage du PIB et le risque politique au Botswana. La forme du nuage de points confirme bien l'inexistence de relation évidente entre ces deux indicateurs.

Graphique 10 : Evolution comparée du ratio d'investissements directs et de l'indice risque politique au
Botswana

 
 

Source: World Bank Africa Database 2000

 

Il ressort donc de cette analyse qu'il n'existerait pas une relation évidente entre flux d'IDE et l'indice risque politique d'une part et le ratio d'investissements directs et l'indice de risque politique d'autre part. La non liaison évidente entre les deux variable peut se comprendre par le fait (i) qu'il existe de relations privilégiées entre certains investisseurs et les dirigeants au pouvoir dans certains pays qui rendrait alors l'indice de risque politique indépendant de leur décision d'investissement et/ou (ii) que certains investisseurs sont souvent parmi les acteurs cachés des crises socio-politiques que vivent certains pays (cas du Congo Brazzaville) de sorte qu'il pourrait toujours investir.

Une première AFD réalisée sur toutes les variables a donné un taux de bon classement de 88,6%. Les résultats détaillés, présentés dans le tableau 6, montrent que sur 534 observations appartenant au groupe « Moins d'IDE » il y a 504 observations bien classées et 30 observations mal classées. De même sur 133 observations appartenant au groupe « Plus d'IDE » il y a 87 observations bien classées et 46 observations mal classées.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Tableau 6 : Classement de la première Analyse Factorielle Discriminante

 

Groupe d'affectation

Moins d'IDE

Plus d'IDE

Total

Groupe d'origine

Moins d'IDE

504
(94,4%)

30
(5,6%)

534
(100%)

Plus d'IDE

46
(34,6%)

87
(65,4%)

133
(100%)

Total

550

117

667

Source : Résultats de WINSPAD 4

Nous avons retenu les variables significatives au seuil de 40% dans la fonction linéaire discriminante (cf. annexe A.3) pour une deuxième analyse discriminante. Cette deuxième analyse discriminante a donné un taux de bon classement de l'ordre de 88,3%. Le classement des observations dans les groupes est présenté dans le tableau 7.

Tableau 7 : Classement de la deuxième Analyse Factorielle Discriminante

 

Groupe d'affectation

Moins d'IDE

Plus d'IDE

Total

Groupe d'origine

Moins d'IDE

501
(93,8%)

33
(6,2%)

534
(100%)

Plus d'IDE

45
(33,8%)

88
(66,2%)

133
(100%)

Total

546

121

667

Source : Résultats de WINSPAD 4

Dans la fonction linéaire discriminante de cette deuxième analyse (cf. annexe A.4), les variables qui sont significatives à 5% sont :

- les flux d'IDE en pourcentage du PIB avec un retard d'ordre 1 ; - le taux d'intérêt du marché monétaire français ;

- le taux d'ouverture de l'économie avec un retard d'ordre 1 ; - le taux d'investissement avec un retard d'ordre 2 ;

- le taux de croissance démographique avec un retard d'ordre 2 ; - la variable exportation de pétrole avec un retard d'ordre 2.

On notera de ces résultats que la variable taux d'investissement a un signe négatif contraire au signe attendu. Ce qui signifierait que lorsque le taux d'investissement augmente, les flux d'IDE reçus en pourcentage du PIB diminuent avec un décalage de deux ans. On pourrait comprendre cette relation négative par le fait qu'un taux d'investissement domestique élevé est signe d'un dynamisme des opérateurs économiques locaux qui constituent de fait des concurrents sérieux face aux investisseurs étrangers quant à ce qui concerne les projet d'investissements. Dans ce cas, on peut penser qu'il y ait alors moins d'opportunités d'investissements susceptibles d'attirer des investisseurs étrangers.

4.2 - Choix du modèle

En s'appuyant sur les résultats issu de l'Analyse Factorielle Discriminante (AFD), nous pouvons postuler la formulation linéaire suivante:

IDE/PIB = f [ IDE/PIB(-1), TIF, T_OUV(-1), T_INVEST(-2), T_DEMO(-2), PETROLE(-2) ]

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Il convient à présent de mettre en oeuvre la procédure décrite dans la méthode d'analyse pour choisir le modèle de panel approprié aux données disponibles. Le test de Fisher effectué a fourni une probabilité de dépassement de la Fisher empirique6 de l'ordre de 20%. Ce qui est suffisamment élevé pour que l'on puisse rejeter l'hypothèse nulle. Donc, il n'existe pas d'effets spécifiques entre individus. Le modèle retenu est donc celui à effets communs. Par conséquent, la procédure de choix s'arrête à cette étape. Les résultats des régressions qui ont permis de faire le test sont présentés en annexe (A.5).

Compte tenu de ce résultat, nous pouvons écrire :

IDE/PIBit = â0 + â1 IDE/PIBit-1 + â2 TIFit + â3 T_OUVit-1 + â4 T_INVESTit-2 + â5 T_DEMOit-2 + â6 PETROLEit-2 + åit

4.3 - Test de stationnarité des variables

Les données de l'étude ayant une dimension temporelle, Il convent avant toute estimation d'étudier leurs caractéristiques stochastiques afin de savoir si elles sont stationnaires (moyennes et variances constantes dans le temps) ou pas. Les applications de ce procédé ne sont pas rependues sur les données en panel comme sur les données uniquement chronologiques. Im, Pesaran et Shin (1997) ont proposé une démarche largement utilisée permettant d'effectuer le test de racine unitaire sur données de panel (IPS) que nous présentons ci-après.

Encadré 7 : Test de racine unitaire sur données de panel proposé par Im, Pesaran et Shin (1997)1

Im, Pesaran et Shin (1997) proposent un test de racine unitaire pour données de panel (i = 1, ..., N ; t = 1, ..., T). Le test est basé sur la moyenne t des statistiques tñ de Dickey-Fuller Amélioré (ADF) calculés

i

statistique du test ADF sur données individuelles (H0 : ñi = 1 ).

Les hypothèses du test de Im, Pesaran et Shin (1997) sont : H0 : ñi = 1 pour tout i contre H1 : ñi < 1 pour au moins un i.

Pour T ? 8 et N ? 8 et sous l'hypothèse nulle le théorème central limite de Lindeberg-Lévy

assure que la statistique tIPS de Im, Pesaran et Shin suit une loi normale centrée réduite.

Weiner. Im, Pesaran et Shin (1997) assure que les tiT sont indépendantes et identiquement distribuées de moyenne et de variance finies.

10

t=

W iz d W i z

0

212

W

iz

et W ( r )dr est l'intégrale de

iT

V a r

1

N

( t - 1 E t

[ | ñ = 1])

N i = 1 iT i

[ |

t ñ = 1]

iT i

1

N

t IP S = N

N i

=

N ( 0 , 1)

pi

'

y it = E + zitã +åit

j

t = 1 E t

N ñ

i=1

N

sur données individuelles :

i

1

, ñ est la

t

La mise en oeuvre de ce test à partir des données disponibles montre que (i) le taux d'investissement (IDE/PIB), IDE/PIB(-1) et exportation de pétrole retardée d'ordre 2 sont stationnaires. Le taux d'ouverture retardée d'ordre 1 et les variables retardées d'ordre 2 que sont le taux d'investissement et le taux de croissance démographique sont des marches aléatoires avec dérive. Ce qui signifie qu'elles sont toutes intégrées d'ordre 1. les résultats complets sont présentés dans le tableau 8.

6 La statistique du test de Fisher vaut F (22, 569) = 1, 24

VARIABLES

EN NIVEAU

EN DIFFERENCE

CONCLUS ION

Valeurs
du test

Valeurs
critiques

Nombre
de
retards

Avec
constante

Valeurs
du test

Valeurs
critiques

Nombre
de
retards

Avec
constante

 
 

-1,940

 
 
 
 
 
 
 

IDE/PIB

-2,019

-1,820

2

Oui

 
 
 
 

I(0)

 
 

-1,750

 
 
 
 
 
 
 
 
 

-1,940

 
 
 
 
 
 
 

IDE/PIB(-1)

-2,210

-1,820

2

Oui

 
 
 
 

I(0)

 
 

-1,750

 
 
 
 
 
 
 
 
 

-1,940

 
 
 

-1,940

 
 
 

T_OUV(-1)

-1,716

-1,820

2

Oui

-3,145

-1,820

2

Oui

I(1)

 
 

-1,750

 
 
 

-1,750

 
 
 
 
 

-1,940

 
 
 

-1,940

 
 
 

T_INVEST(-2)

-1,818

-1,820

2

Oui

-3,137

-1,820

2

Oui

I(1)

 
 

-1,750

 
 
 

-1,750

 
 
 
 
 

-1,940

 
 
 

-1,940

 
 
 

T_DEMO(-2)

-1,527

-1,820

2

Oui

-2,148

-1,820

2

Oui

I(1)

 
 

-1,750

 
 
 

-1,750

 
 
 
 
 

-1,940

 
 
 
 
 
 
 

PETROLE(-2)

-2,096

-1,820

2

Oui

 
 
 
 

I(0)

 
 

-1,750

 
 
 
 
 
 
 

TIF

 

-2,652

 
 
 

-2,656

 
 
 
 

-0,902

-1,954

1

Non

-4,455

-1,955

1

Non

I(1)

 
 

-1,622

 
 
 

-1,623

 
 
 

NB : Les valeurs critiques

sont rangées par ordre croissant des seuils (1%, 5%, 10%).

I(p) signifie que

la variable est intégrée d'ordre p.

Les valeurs de la variable TIF sont les mêmes pour tous les 23 pays. Donc, nous avons effectué un test Dickey-Fuller Amélioré

(ADF) sur cette variable.

La valeur du test pour IDE/PIB est inférieure aux différentes valeurs critiques (aux différents seuil), donc cette variable est I(0)

Source : Résultats de STATA 7.0

Les résultats (existence de variables intégrées) autorise à postuler le risque de cointégration des variables. Pour se fixer les idées, il convient d'effectuer le test de cointégration sur données de panel proposé par Pedroni P.(1999). Les résultats de ce test seront comparés à ceux du test en deux étapes de Engle et Granger (1987). Pedroni conclut dans son article que les résultats de son test ne sont qu'une extension de la méthode de Engle et Granger aux panels hétérogènes. Ce qui impliquerait que son test suppose l'unicité du vecteur de cointégration. En Toute rigueur, l'on devrait déterminer le nombre de vecteurs de cointégration puisque le nombre de variables non stationnaires est supérieur à 2.

Les résultats du test de Pedroni P. (1999) sont obtenus à partir du logiciel RATS. Les statistiques centrées réduites ont été calculées grâce à la table de moyennes et variances simulées par Pedroni P. (1999) en fonction du nombre de régresseurs. Au seuil de 5%, ces statistiques en valeur absolue sont supérieures à 1,96 sauf le panel t-statistique nonparamétrique (tableau 9). Ce qui nous amène à rejeter l'hypothèse nulle H0 « les variables ne sont pas cointégrées » et donc les variables sont cointégrées. On va de ce fait procéder à l'estimation du modèle à correction d'erreur (MCE).

à

Ùi

Encadré 8 : Test de cointégration pour panel hétérogène proposé Pedroni P. (1999)1

Pedroni P. (1999) propose une série de statistiques basées sur la variance du panel pour tester la

cointégration. Considérons l'équation de long terme

13 +'zyit = xitiitã+eit ; ; it est le résidu estimé ete

l'estimateur robuste (comme l'estimateur de Newey-West (1987)) de la matrice de variance-covariance Ùi de

eit . Soit

à

Li la matrice triangulaire inférieure issue de la décomposition de Cholesky de

Ù à i (

L iL i = Ù i ). 2

à à ' à L à i

11 11

- 1 '

E

qui est le premier élément de la diagonale s'écrit 2

à 1 -

= Ù ? Ù Ù Ù . Soit 2

à 2 2

à à à

L i L ó

ó ~ = à à

11 11 i 21 22 21

i i i N T

, N 11 i i

et et

i=1= 1

ëài = 1 (c'Ne ) où - i est la variance empirique et 2

sài est la variance empirique corrigée des résidus uàit de

2

l'autocorrélation eEnfin, la version paramétrique des t-statistiques repose sur les

i , t -1 + t

statistiques de Dickey-Fuller Amélioré (ADF). *

s ài est la variance corrigée estimée des résidus de ADF et

N

~ =

* 2 1 s à * 2

s .Les statistiques de Pedroni P. (1999) sont :

N T

, N i

i1

=

1


· Panelív --- Statistique :

1- N NT T11 N T2 2 - 2

etet T 2N 31í N , T ,T -- 0 N = (0,0ö('1'1)y(1)ö(1))).
· Panel ñ - pStatistique :

T NZ

ñ

N

= T N L e

à à

- à ( à

L e Ä -

e à ë à )

, 1

T - 11 , 1

i i t - 11 i i t

, 1

- i t

N T

2 3 / 2 2 3 / 2

T N Z í L e

- 2 2

= T N à à

N T

, 11 , 1

i i t i

= 1

=

t=1
=

-

et T N Z ñ ZN , T ,- 1--- È 2 È 1N N0,ö ( 2 (2)( 2 ) ö( 2 )2)
· Panel t t Statistique (non paramétrique) :

-

N

T -1/ 21N T T

Z t Z2 2 E EN , T,N , T,i , t

1-

EE11 -2 i ( ,eàAt - ëi)ii = 1 =t=1== 1

=

=

t =1

et Z N T ? È 2 ( È 1 ®(1 (+ È 3)) )1 / 2/N N ( 0,0ö('(3 3)(3) ö(3 )))


· Panel t t Statistique e aramétrique) :

N

T 1 / 2N 2T

Z N , T,s N , T,T E E E11 2 i (ii , i eài ,t,

2

t

i = 1 =t =1 =1 i = 1 =t=1=

Cette statistique est de même loi asymptotique que la t t Statistique non paramétrique.e

- N

T 1 T


· Groupe ñ p Statistique :

TN - 1/ 2 Z2N , T,- 1--1 --

TN -1/ 12 2E eà2i 2. (eà(Ä eàAt - ëi2) t = 1 , t=1=

et TN -1 / 2 Z ñ ZN N T --- È1 N N( 0,ø1)i)

,


· Groupe t t Statistique (non paramétrique) :

 

1/ 2/

N - 1/ 2 Z t ZN , T,= N -1/ 2 12E 2.2eà 2i 2.

(eà(Ä eà, t-r-- i)t

i= 1 =t = 1 =t=1=

Et N -1 / 2 1Z t N , T,2 N NN ( 0,ø 2)2
· Groupe t t Statistique (paramétrique) :

1/ 2/N T

N - 1/ 2 Z * 7N -1/ 2 /2E Isi *2 e`à a*2 *Ä , t- 1-i = 1 =1 It = 1 =t=1= t

Cette statistique est de même loi asymptotique que la -t -- Statistique non paramétrique de groupe

2929

Où ø( j ), j = 1, 2, 3 est le jième élément de la matrice de covariance ø et öj ( ) , j=1, 2, 3 se réfèrent aux

vecteurs

' - 2

ö(1) = -È , ö ' (2) ( 1 - , 2 1 - )

= ? È È È et le

1 2

1

' 1/ 2 1/ 2 1 3/ 2 1/ 2 1 1/ 2

vecteur ö ( - (1 ) - , 3/ 2

= ? È + È ? È È - (1 ) - , 2

+ È ? È È - (1 ) - )

+ È

(3) 1 3 2 2 1 3 2 1 3

Les « groupe statistique » sont calculés à partir du panel formulé en terme de moyenne de groupes (voir Greene W. H. (2003)).

Pedroni P. (1999) a simulé les moments ( È i et øij i,j = 1, ...,3 ; Èá etøá á =1,2). Ce qui lui a permis de
tabuler les moyennes et variances de la loi de ses statistiques selon le nombre de régresseurs (variables explicatives non stationnaires) dans la relation de long terme.

Tableau 8 : Résultats du test de Pedroni P. (1999)

Source : Résultats de RATS 4.30

4.4 - Construction du modèle à correction d'erreur

Nous allons mettre en oeuvre l'estimation en deux étapes de Engle et Granger (1987). Tout d'abord la relation de long terme sera estimée par la méthode des moindres carrés ordinaires (MCO) sur la base des variables non stationnaires. Si les résidus de la relation de long terme, que nous nommons ECM, sont stationnaires, alors l'hypothèse de cointégration admise précédemment est confirmée.

4.4.1 - Estimation de la relation de long terme

Le modèle pour l'estimation des coefficients de la relation de long terme s'écrit comme

suit :

IDE/PIBit = â0 + â2 TIFit + â3 T_OUVit-1 + â4 T_INVESTit-2 + â5 T_DEMOit-2 + åit

Les coefficients estimés ainsi que d'autres caractéristiques de la régression à partir du logiciel STATA sont présentés dans le tableau 10. La valeur de la statistique F de Fisher rassure de la significativité globale du modèle. Toutes les variables explicatives ont des coefficients significatifs au seuil de 5%, ce qui confirme le résultat déjà obtenu à travers l'Analyse discriminante. Mais, celles-ci n'expliquent qu'à hauteur de 22,4% le ratio d'investissement direct.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Tableau 9 : coefficients estimés de la rélation de long terme

Source : Résultats de STATA 7.0

Les résidus ECM sont stationnaires au seuil de 5% dans la mesure où la statistique Psi[tbar] est supérieure à 1,96, valeur du fractile d'ordre 5% de la loi normale centrée réduite. Le même résultat s'obtient en comparant la statistique empirique t-bar en valeur absolue aux différentes valeurs critiques à 10% (cv10) et 5% (cv5) mentionnées dans le tableau 11. On remarque qu'à 5%, on rejette l'hypothèse nulle de non stationnarité de la variable ECM.

Tableau 10 : Test de stationnarité des résidus de long terme

Source : Résultats de STATA 7.0

Nous avons ensuite testé la nullité du résidu moyen de long terme sur l'ensemble des observations. Le résultat obtenu figure dans le tableau 12 et indique qu'en moyenne le résidu est nul avec une probabilité égale à l'unité.

Tableau 11 : Test de nullité de la moyenne des résidus moyens de long terme

Test of Hypothesis: Mean = 0

Sample Mean = -5.28E-14 Sample Std. Dev. = 0.350886

Method Value Probability

t-statistic -7.67E-13 1.0000

Source : Résultats de EVIEWS 3.1

De plus, les résidus sont normaux avec le test de Jarque-Bera puisque le degré de crédibilité de l'hypothèse nulle de normalité est très élevé comme l'atteste la probabilité égale à 0,97. Ce dernier résultat et les précédents permettent de conclure que le modèle est de bonne qualité.

4.4.2 - Estimation de la relation de court terme

La dynamique de court terme se présente de la manière suivante :

Ä IDE/PIBit = â0 + â1 Ä IDE/PIBit-1 + â2 Ä TIFit + â3 Ä T_OUVit-1 + â4 Ä T_INVESTit-2

+ â5 ÄT_DEMOit-2 + â6 ÄPETROLEit-2 + â7 ECMit-1 + åit

â 7 est la force de rappel vers l'équilibre de long de terme compris entre -1 et 0.

Les déterminants des investissements directs étrangers en Afrique subsaharienne

Les résultats de l'estimation de l'équation de court terme sont présentés dans le tableau 13 ci-après. Le modèle est globalement bon ainsi que le montre la statistique de Fisher. Toutes les variables explicatives en différences premières sont significatives à l'exception de la variable pétrole. Le résidu obtenu à partir de la relation de long terme est aussi significatif et a le signe attendu. Ce qui dénote d'une bonne spécification du modèle. Le pouvoir explicatif du modèle est de 29%.

Tableau 12 : Résultats d'estimation de la relation de court terme

Source : Résultats de STATA 7.0

Pour vérifier la validité du modèle MCE, nous allons analyser les résidus. Les résultats du test de stationnarité montrent que les résidus du modèle MCE sont stationnaires. En effet, la probabilité d'accepter l'hypothèse de non stationnarité est nulle et confirme la stationnarité des résidus de l'équation de court terme (Tableau 14).

Tableau 13 : Test de stationnarité des résidus de court terme

Source : Résultats de STATA 7.0

Par ailleurs, pour effectuer le test de nullité de la moyenne des résidus, nous avons considéré les résidus moyens par année, calculés sur l'ensemble des pays. Ce qui paraît normal dans la mesure où il s'agit d'un modèle à effets communs. Les résultats montrent que les résidus sont en moyenne nulle puisque la probabilité de rejeter l'hypothèse nulle est quasinulle (tableau 15). De plus, l'analyse du corrélogramme des résidus conduit à l'absence du risque d'autocorrélation des erreurs. Le processus défini par les résidus est donc un bruit blanc. Celui-ci est de plus gaussien (cf. annexe A.6) dans la mesure où la probabilité de rejeter l'hypothèse de normalité n'est pas suffisamment petite.

Tableau 14 : Test de nullité de la moyenne des résidus moyens de court terme

Sample: 1970 1998 Included observations: 25

Test of Hypothesis: Mean = 0

Sample Mean = 4.00E-09 Sample Std. Dev. = 0.301998

Method Value Probability

t-statistic 6.62E-08 1.0000

Source : Résultats de EVIEWS 3.1

4.5 - Discussion des résultats

Les estimations économétriques, réalisées sur la base des variables retenues à partir de l'analyse discriminante, ont permis d'identifier celles qui sont les plus déterminantes dans l'explication des flux d'IDE reçus en pourcentage du PIB.

Le taux d'ouverture de l'économie apparaît avec un coefficient positif aussi bien dans un horizon de long terme qu'à celui du court terme. Ce qui montre qu'au fur et à mesure qu'une économie s'ouvre, plus on peut s'attendre, toute chose égale par ailleurs, à un accroissement du volume des IDE en direction de cette économie. Ce signe obtenu est compatible avec celui qui était attendu et rejoint les résultats de Bhattacharya A. et al. (1997) pour les données de 31 pays d'Afrique subsaharienne ainsi que ceux de Agenor P.- R. et al. (2000) sur les données des pays du Moyen-Orient et d'Afrique du Nord.

Le taux de croissance de la population se révèle être un facteur pertinent dans l'explication des flux d'IDE dans le long terme. Le signe de son coefficient (0,43) positif confirme l'hypothèse de départ et se comprendrait plus dans le sens d'une augmentation de la taille de marché, et donc de la demande des biens et services que l'investisseur pourrait mettre sur le marché.

Les autres variables, notamment le taux d'intérêt français et le taux d'investissement apparaissent avec des coefficients significatifs dans la relation de long terme. Le signe du coefficient du taux d'intérêt français est conforme au signe attendu aussi bien à court terme qu'à long terme. Ce résultat est compatible avec celui d' d'Agenor P.- R. et al. (2000) qui a utilisé le LIBOR (London Inter-Bank Offer Rate) comme taux d'intérêt international. Le taux d'intérêt français a donc un effet négatif sur les IDE de l'Afrique subsaharienne. Cette variable étant indépendante de la politique économique des pays, une éventuelle politique d'attraction des IDE devra être axée sur d'autres variables.

L'effet négatif du taux d'investissement sur les IDE obtenu via son coefficient (-0,02) tranche avec bon nombre de travaux antérieurs. Son signe n'est pas celui attendu. Ce résultat est toutefois à prendre avec beaucoup de prudence dans la mesure où le modèle élaboré n'a pas un pouvoir explicatif suffisamment élevé. En effet, le coefficient de détermination de l'ordre de 22% dans la relation de long terme ne permet de dire que moins du quart de la variabilité du ratio IDE_PIB des pays considérés s'explique par celles des variables retenues.

Le coefficient significatif de l'ECM obtenu dans l'estimation de la relation de court terme avec le signe attendu confirme bien la relation de cointégration entre les variables explicatives intégrées d'ordre 1 et justifie pleinement notre modèle à correction d'erreur.

CONCLUSION ET LIMITES DE L'ETUDE

La nécessité des IDE dans les économies justifie les différentes politiques mise en oeuvre dans bon nombre de pays pour attirer les investisseurs étrangers. Pour que ces politiques soient efficaces, il apparaît nécessaire d'identifier les différents facteurs déterminants sur lesquels il faudrait agir, dans la mesure du possible, pour attirer davantage d'IDE. Nous avons tenté de le faire pour 23 pays d'Afrique subsaharienne à partir des données disponibles. Les résultats obtenus ont permis de tirer plusieurs conclusions.

Après 1980, les flux d'IDE reçus par les pays d'Afrique subsaharienne ont connu une tendance croissante jusqu'en 1997. L'analyse descriptive montre aussi que les pays qui ont reçus plus d'IDE au cours de la période 1970-1998 sont le Nigeria (43,9%), l'Afrique du Sud (19,5%) et la Côte d'Ivoire (6,7%). L'élimination de l'effet taille de l'économie a permis de constater que le Swaziland (17,4%), le Nigeria (11,3%) et le Botswana (9,6%) sont les trois pays qui ont reçu plus d'IDE au cours de la période.

Sur la base du seuil fixé à partir des déciles des IDE en pourcentage du PIB, nous avons effectué une analyse factorielle discriminante à partir de l'ensemble des variables explicatives. Ce qui a permis de retenir les variables explicatives qui discriminent de façon significative les observations en deux groupes. Au total six variables ont été retenues pour l'analyse économétrique. Il s'agit du taux d'investissement avec un retard d'ordre 1, le taux d'intérêt français, le degré d'ouverture de l'économie avec un retard d'ordre 1, et les variables retardées d'ordre 2 que sont le taux d'investissement, le volume des exportations de pétrole et du taux de croissance de la population.

L'analyse économétrique a montré que des facteurs comme le taux d'ouverture de l'économie, le taux d'investissement, la croissance démographique et le taux d'intérêt international (seul le taux d'intérêt français est significatif) déterminent à long terme les flux d'IDE reçus en pourcentage du PIB dans la mesure où il existe une relation de cointégration entre ces variables. Cette analyse ne confirme pas pour autant pleinement les travaux antérieurs puisque le taux d'investissement influe négativement sur les IDE. La dynamique de court terme révèle l'importance du ratio IDE_PIB décalé d'une période, du degré d'ouverture de l'économie et du taux d'intérêt international. Mais, les variables taux d'investissement et exportation de pétrole ne sont pas significatives.

Les tests statistiques ont conclu, dans l'ensemble, à une assez bonne qualité de l'équation de long terme et du modèle à correction d'erreur. Cependant, l'impossibilité d'inclure un ensemble plus large de variables constitue l'une des principales limites de cette étude. Ce qui explique certainement le faible pouvoir explicatif des modèles. Ces variables traduisant les aspects socio-politiques et culturels, le niveau d'infrastructures, le degré de corruption, la lenteur dans l'attribution des autorisations d'installation aux investisseurs, l'appartenance à une zone économique ou monétaire, etc. pourraient permettre, assurément, d'améliorer ce travail. C'est pourquoi, il serait important de poursuivre les investigations dans le sens de l'obtention de résultats plus robustes, en s'inspirant bien sûr sur les techniques d'analyse développées dans ce document.

BIBLIOGRAPHIE

AGENOR Pierre-Richard ; DIWAN Ishac ; AL-KIBBI Jamal (2000) «Private Capital Flows to MENA : Issues and Evidence» World Bank Institue, Washington DC 20433, 29 p.

BALTAGI BADI H. (2002), Econometric Analysis of Panel Data, Second Edition, New York, John Wiley and Sons, 293 p.

BATANA Yélé M. (1999) «Les Déterminants des Flux de Capitaux Privés Internationaux au Togo» Les GREAT Cahiers N°2, pp. 22-30.

BHATTACHARYA Amar ; MONTIEL Peter J. ; SHARMA Sunil (1997) «External Finance for Low-Income Countries : Capital Flows to Sub-Saharan African, an Overview of Trends and Determinants.» Edition de Zubair Iqbal., Washington D.C. IMF Institute, pp. 208-231.

BRY Xavier (1996), Analyses factorielles multiples, Edition ECONOMICA, Paris, 112 p.

FONTAGNE Lionel ; PAJOT Michaël (1999) «Investissement Direct à l'Etranger et Echanges Extérieurs : un Impact plus fort aux Etats-Unis qu'en France», Economie et Statistique, Paris, INSEE, Vol. 6/7, No. 326-327, 239 p.

GREENE William H. (2003), Econometric Analysis, Prentice-Hall, Fifth Edition, 1026 p.

GROPP Reint ; KOSTIAL Kristina (2001) «IDE et Recettes de l'Impôt sur les Sociétés. Harmonisation ou Concurrence Fiscale ?», Finance et Développement, Washington, D.C. 20431, IMF, Vol. 38, No2, 61 p.

HERNANDEZ Leonardo ; MELLADO Pamela ; VALDES Rodrigo, 2001 «Determinants of Private Capital Flows in the 1970s and 1990s : Is There Evidence of Contagion ?», IMF Working Paper, IMF Institute, pp. 3-21.

HOUDEBINE Michel ; TOPIOL-BENSAID Agnès (1999) «L'Investissement Direct et les Entreprises Françaises», Economie et Statistique, Paris, INSEE, Vol. 6/7, No. 326-327, 239 p.

HURLIN Christophe, L'économétrie des données de panel, modèles linéaires simples, Séminaire méthodologique, Ecole Doctorale Edocif, 68 p.

KOUADIO Yao M. (2003) «Déterminants des Flux de Capitaux dans les Pays de l'UEMOA», Rapport de stage, BCEAO-Abidjan, ENSEA, 70 p.

LOUNGANI Prakash ; RAZIN Assaf (2001) «L'Investissement Direct Etranger est-il Bénéfique aux Pays en Développement ?», Finance et Développement, Washington, D.C. 20431, IMF, Vol. 38, No2, 61 p.

MAYER Thierry ; MUCCHIELLI Jean-Louis (1999) «La localisation à l'Etranger des Entreprises Multinationales. Une Approche d'Economie Géographique Hiérarchisée Appliquée aux Entreprises Japonaises en Europe», Economie et Statistique, Paris, INSEE, Vol. 6/7, No. 326-327, 239 p.

MISHRA Deepak ; MODY Ashoka ; MURSHID Antu P. (2001) «Flux de Capitaux Privés et Croissance», Finance et Développement, Washington, D.C. 20431, IMF, Vol. 38, No2, 61 p.

MORISSET Jacques ; NESO Olivier L. (2002) «Administrative Barriers to Foreign Investment in Developing Countries», Washington D.C. 20433, World Bank, 21 p.

PEDRONI Peter (1999) «Critical Values for Cointégration Tests in Heterogeneous Panels with Multiple Regressors», Oxford Bulletin of Economics and Statistics, Special ISSCE, pp. 653-671.

SCHNEIDER Friedrich ; FREY Bruno S. (1985) «Economic and Political Determinants of Foreign Direct Investment», World Development, Vol.13, No.2, pp. 161-175.

SIDDIQI Moin (1999) «Pourquoi ne pas Investir en Afrique ?», Problèmes économiques, No.2.621, 32 p.

TAYLOR Mark. P. ; SARNO Lucio (1997) «Capital Flows to Developing Countries: Long and Short-term Determinants», The World Bank Economic Review, Vol.11, No.3.

WILHELMS Saskia K. S. ; WITTER Stanley M. D. (1998) «Investments Directs Etrangers et ses Eléments Déterminants dans les Economies Naissantes», [en ligne]. - Adresse URL : http://www.eargerproject.com/discussion9f.shtml

ANNEXES

A.1 - Résultats de l'AFC sur le tableau des flux d'IDE

A.2 - Résultats de l'AFC sur le tableau des flux d'IDE en pourcentage du PIB

A.3 - Fonction linéaire discriminante de la première analyse

Source : Résultats de WINSPAD 4

A.4 - Fonction linéaire discriminante de la deuxième analyse

Source : Résultats de WINSPAD 4

A.5 - Choix de modèle Modèle à effets communs

Source : Résultats de STATA 7.0

Modèle à effets fixes

Source : Résultats de STATA 7.0

Source : Résultats de STATA 7.0

Modèles à effets aléatoires

TABLE DES MATIERES

EQUATION CHAPTER 1 SECTION 1 0

SOMMAIRE I

LISTE DES GRAPHIQUES II

LISTE DES TABLEAUX II

SYNTHESIS NOTE IV

INTRODUCTION 1

CHAPITRE I : CARACTERISTIQUES ET IMPACTS DES IDE 3

1.1 - Définitions des concepts 3

1.1.1 - Les investissements directs étrangers 3

1.1.2 - L'entreprise d'investissements directs 3

1.1.3 - Définition et typologie des firmes multinationales 4

1.2 - Avantages et inconvénients des flux d'IDE 4

CHAPITRE II : REVUE DES TRAVAUX THEORIQUE ET EMPIRIQUE SUR LES IDE 6

2.1 - un aperçu des développements relatifs aux déterminants des flux de capitaux 6

2.2 - Limites des précédentes études 13

CHAPITRE III : DONNEES, VARIABLES ET METHODES 14

3.1 - Données et variables 14

3.1.1 - Les données 14

3.1.2 - Les variables et leurs mesures 14

3.2 - Méthodes d'analyse 16

3.2.1 - Analyse exploratoire 16

3.2.2 - Recherche factorielle des déterminants des flux d'IDE 17

3.2.3 - Analyse économétrique 18

CHAPITRE IV : RESULTATS ET COMMENTAIRES 20

4.1 - Description des flux d'IDE en Afrique subsaharienne 20

4.1.1 - La tendance des IDE 20

4.1.2 - La destination des flux d'IDE 21

4.1.3 - flux d'IDE et risque politique, quelle liaison ? 22

4.2 - Choix du modèle 26

4.3 - Test de stationnarité des variables 27

4.4 - Construction du modèle à correction d'erreur 30

4.4.1 - Estimation de la relation de long terme 30

4.4.2 - Estimation de la relation de court terme 31

4.5 - Discussion des résultats 33

CONCLUSION ET LIMITES DE L'ETUDE 34

BIBLIOGRAPHIE 35

ANNEXES I

A.1 - Résultats de l'AFC sur le tableau des flux d'IDE I

A.2 - Résultats de l'AFC sur le tableau des flux d'IDE en pourcentage du PIB I

A.3 - Fonction linéaire discriminante de la première analyse II

A.4 - Fonction linéaire discriminante de la deuxième analyse II

A.5 - Choix de modèle III

Les déterminants des investissements directs étrangers en Afrique subsaharienne

TABLE DES MATIERES IV

Mots clés : Investissement Direct Etranger, Afrique Subsaharienne, Analyse factorielle des Correspondances, Analyse Factorielle Discriminante, Données de panel, Test de stationnarité de Im, Pesaran and Shin (1997), Test de cointégration de Pedroni P. (1999), Modèle à Correction d'Erreur.

Key words: Foreign Direct Investment, sub-Saharan Africa, Correspondence Analysis, Discriminant Analysis, Panel Data, Panel Unit Root Test of Im, Pesaran and Shin (1997), Panel Cointegration test of Pedroni P. (1999), Error Correction Model.