La dynamique de convergence en méditerranée. Un système d'évaluation basé sur l'analyse multicritère

III. APPLICATION AU CAS MEDITERRANEEN
EVALUER LA DYNAMIQUE D'OUVERTURE

Quel est le bilan de la situation après dix années de réformes en Méditerranée ? Les paragraphes suivant proposent de comparer les PM à des profils performants et accessibles (classification ou benchmarking), puis de déterminer leur rang respectif (classement ou rating)...

1. Construction des espaces de critères : Pertinence et hiérarchie des indicateurs

La coopération impulsée par le processus de Barcelone concerne aujourd'hui trente-cinq pays des deux rives de la Méditerranée, notamment après l'adhésion à l'UE des dix PECO dont le processus de transition s'est remarquablement accéléré. Les partenaires méditerranéens doivent à présent oeuvrer dans le sens de la convergence en vue d'atteindre, au plus vite, le niveau d'intégration des pays d'Europe de l'Est. La priorité est de prendre exemple sur ces standards pour être en phase avec les nouveaux enjeux politiques, économiques et sociaux de la région. Dans ce sens, nous proposons d'élaborer un benchmarking puis un rating faisant appel aux procédures d'agrégation multicritère. Il s'agit d'évaluer les distances entre les pays euro-méditerranéens au niveau des trois thèmes abordés par les accords d'association (volets politique, économique et social).

L'objectif est d'obtenir une statique comparative entre le moment de la signature de la Déclaration de Barcelone et la période actuelle (1995-2005). Pour ce faire, une série de critères regroupés au sein de trois grands axes représentant les principaux volets de la Déclaration de Barcelone résume les thèmes sur lesquels seront jugés les PM. Le premier axe, à savoir le « volet politique et de sécurité », contient 13 critères répartis en trois sous-espaces. Le second axe, le « volet économique et financier », contient 17 critères répartis en quatre sous-espaces. Enfin le troisième axe, le « volet social, culturel et humain », contient 13 critères répartis sur quatre sous-espaces (cf. annexe 16).

a. Hiérarchisation des poids par la régression linéaire

L'attribution des poids comporte en soi un aspect subjectif. Afin de contourner ce problème, nous avons hiérarchisé les critères d'évaluation en utilisant une technique de régression linéaire. A l'aide du logiciel XlStat, nous avons estimé des coefficients de corrélation que nous avons transformés en poids puis utilisés dans l'évaluation des PM.

L'idée de retranscrire les coefficients de corrélation dans un système de pondérations nous a été inspirée des travaux de Sala-i-Martin. A la lumière de son article « I just ran four million regressions », il apparaît que les variables explicatives de la dynamique de croissance n'ont pas le même impact. Partant d'une série de conclusions d'analyses antérieures (Barro [1991], Levin et Renelt [1992]), l'auteur a tenté de construire un système de poids afin retranscrire le niveau de sensibilité de la croissance économique (variable dépendante) aux 63 critères sélectionnés (variables explicatives) à partir d'une équation de régression multiple :

ã á â â â å

= j + _yj y + _zj z + _xj x _j +

Où : ã est le taux de croissance (variable dépendante ou expliquée).

y est un vecteur fixe de variables explicatives revenant dans toutes les régressions (niveau initial de revenu, taux d'investissement, taux de scolarisation, longévité).

z est la variable explicative testée au cours de la régression j.

xj est un vecteur de trois variables sélectionnées parmi les critères disponibles.

L'équation ci-dessus est une combinaison linéaire des variables explicatives de la croissance ã. Il a fallu ensuite définir une fonction analytique permettant de trouver les valeurs numériques les plus vraisemblables pour les multiplicateurs â. Chaque régression j correspond à un modèle donnant une description spécifique de la croissance (il y a au total M modèles explicatifs et donc M combinaisons possibles pour les variables xj). La vraisemblance L_zj est la probabilité que le modèle théorique ait pour

réalisation l'échantillon observé.

?

Un intérêt particulier est accordé à la fonction de densité de z

â , où la distribution globale des estimateurs de âzj est supposée suivre une loi normale d'écart-type ózj et d'espérance nulle²⁵. Dans ce cas, l'estimateur est calculé par une moyenne pondérée des M paramètres âzj :

? â z

=

M ~= j 1

ù âzj zj

Au final, chaque poids ù_zj est défini comme la proportion de la vraisemblance L_zj qui lui est associée :

ù zj		L zj
	= M
~= j 1			L zj

25 Dans le cas où la distribution ne suit pas une loi normale, l'auteur développe une approche différente de celle exposée ci-dessus. Sur ce point, voir Sala-i-Martin [1997], pp. 5-6.

A travers son système de poids, l'auteur a pu donner davantage de crédibilité au modèle de croissance le plus « vraisemblable », celui dont les composantes ont un impact significatif sur la croissance. Concrètement, il a décelé 21 variables fortement corrélées à la croissance avec un coefficient supérieur à 95%. C'est le cas des variables relevant des caractéristiques régionales, politiques ou religieuses.

Il en est de même pour les variables liées aux distorsions des marchés (taux de change et activités informelles), au types d'investissement (en équipement ou pas), à l'ouverture et au type de structure économique (libéralisé au sens de Freedom House ou pas). A l'inverse, les facteurs qui semblent avoir très peu d'influence sur la croissance, voire pas d'incidence du tout, relèvent du développement du secteur financier, du niveau d'inflation, des effets d'échelle, des barrières aux échanges et des caractéristiques ethnolinguistiques.

Ces résultats ont été corroborés par une étude empirique sur les facteurs déterminants de la croissance économique à long terme (Doppelhofer et al. [2000]), ce qui nous a conforté dans le choix d'une approche similaire pour justifier le système de pondérations de notre application empirique. La seule différence est que nous n'avons pas utilisé une régression multiple (reposant sur plusieurs variables explicatives) mais une régression simple (à partir d'une seule variable explicative). Quoi qu'il en soit, le cadre conceptuel et les méthodes de calculs sont identiques.