Déterminants de l'exclusion bancaire au Cameroun

Section 2 : Analyse économétrique

Les analyses économétriques des facteurs institutionnels de l'exclusion bancaire s'inspirent du modèle de Popescu et Totan (2013). Ce modèle, est estimé par la méthode des moindres carrés ordinaires à partir des données sous forme de série temporelle. La durée et son choix ont été expliqués en introduction générale.

1. Spécification du modèle

Notre modèle se présente de la manière suivante :

t=1,2....34

Où, Y_t= taux d'exclusion bancaire ; tid = taux d'intérêt débiteur ; nb= nombre de banques ; ng= nombre de guichets ; mnaie= masse monétaire. Notons que, ces variables sont institutionnelles dans la mesure où elles ne dépendent pas de la demande. Elles émanent des institutions bancaires.

a. Justifications des variables institutionnelles

v Le taux d'intérêt débiteur

Selon la banque mondiale, le taux d'intérêt débiteur est le taux d'intérêt perçu par les banques sur les prêts accordés aux clients préférentiels. Il est un déterminant de l'exclusion bancaire dans la mesure où, une variation de ce taux entraine une modification du nombre ou du volume de crédit octroyé et a un effet sur le niveau d'exclusion bancaire. La figure ci-après représente l'évolution de ce taux entre 1980 et 2013.

Figure 5: Evolution du taux d'intérêt débiteur 1980 à 2013

Source : par l'auteur à partir des données de la banque mondiale

La lecture de ce graphique renseigne que, le taux d'intérêt débiteur au Cameroun est sans cesse croissant. Au début des années 80, il connait un faible niveaupar la suite, il a connu une chute considérable dans les années 1994-1995 au lendemain de la dévaluation du Franc CFA. Seulement, après cette conjoncture économique qu'a subit le Cameroun, il a continué sa lancé vers la monté et en 2013, le taux se situe autour de 21.73% selon la banque mondiale. Cependant, un niveau très élevé du taux d'intérêt débiteur est de nature à décourager les ménages à solliciter les crédits bancaires et par conséquent ces ménages se trouvent exclus. taux d'intérêt bancaire est une fonction croissante du niveau d'exclusion bancaire. Ainsi, le taux d'intérêt débiteur est une fonction croissante du niveau d'exclusion bancaire.

v Le nombre de banques

Selon la banque centrale de France, le niveau d'exclusion bancaire est de 1% en France. Pour elle, si plusieurs facteurs expliquent ce faible niveau, le grand nombre de banques existant en France joue également un rôle primordial. En effet, plus il y a les banques dans un pays, mieux les ménages ont l'occasion de se bancariser. L'évolution du nombre de banque au Cameroun se présente comme suit :

Figure 6: Evolution du nombre de Banques de 1980 à 2013

Source : Fait par l'auteur

La lecture de notre figure montre que, durant les années 80, le nombre de banques au Cameroun est faible. En outre, suite à la crise bancaire qu'a connue le Cameroun durant ces années, certaines banques ont fermé et d'autres ont fusionné ce qui justifie le pique de la courbe au niveau le plus bas. Les restructurations qui ont suivi et qui ont permis la libéralisation du secteur bancaire, permet d'observer une augmentation du nombre de banques.Aujourd'hui, ce niveau du nombre de banques a davantage augmenté et le Cameroun enregistre dorénavant 13 banques. Parallèlement, on a pu constater que, l'augmentation du nombre de banques réduit le niveau d'exclusion bancaire. Ainsi, le nombre de banques est fonction décroissante du niveau d'exclusion bancaire.

v La masse monétaire

La banque mondiale définit la masse monétaire comme étant, la somme des circulations fiduciaires hors banque, des dépôts à vue autres que ceux du gouvernement central, des dépôts d'épargne à terme et des dépôts en devise étrangère des secteurs résidents autres que le gouvernement central, les chèques de banque et de voyage, ainsi que d'autres titres comme les certificats de dépôt et les billets de trésorerie.La figure ci-dessous nous montre l'évolution de la croissante de la masse monétaire.

Figure 7: Evolution de la croissance de la masse monétaire M2

Source : Fait par l'auteur à partir des données de la Banque Mondiale

Cette courbe retrace l'évolution de la croissance de la masse monétaire. On peut constater que, l'offre de monnaie n'est pas stable et a connu des fluctuations considérables. Ainsi, une offre de monnaie restreinte discrimine les ménages qui sollicitent les crédits. Par ailleurs, une offre massive de monnaie encourage les ménages à solliciter les dits crédits. A cet effet, on constate que, l'offre de monnaie est une fonction décroissante de l'exclusion bancaire (Popescu et Totan, 2013). Cependant, il faut noter que, l'offre massive de monnaie a des répercussions négatives sur les prix. En effet, Fisher a démontré une relation positive entre l'offre de monnaie et le niveau de prix. C'est dans ce sens que Friedman a pu affirmer que : « l'inflation est partout et toujours un phénomène monétaire ».

b. Tests de stationnarité des paramètres

Afin de vérifier la stationnarité de nos paramètres, nous faisons les tests de racine unitaire. Pour effectuer ces tests, nous utilisons celui de Dickey Fuller Augmenté (DFA) et celui de Phillips Perron (PP).

NB : l'importance des tests de Dickey Fuller Augmenté et Celui de Phillips Perron a été expliquée au Chapitre 2.

o Test de Dikey Fuller Augmenté

Tableau 12: Récapitulatif des résultats du test ADF

Variables	ADF	Valeur Critique 1%	Valeur Critique 5%	Valeur Critique 10%	Ordre d'intégration
Excl Tid Nb Ng Mnaie	-5.3 -6.33 -6.30 -3.69 -7.39	-3.65 -3.65 -3.65 -3.65 -3.66	-2.95 -2.95 -2.95 -2.95 -2.96	-2.61 -2.61 -2.61 -2.61 -2.61	I (1) I (1) I (1) I (1) I (1)

Source : Fait par l'auteur

Le tableau ci-dessus nous renseigne sur la stationnarité de nos paramètres. Il nous montre que nos variables sont stationnaires en différence. Le fait que ces variables soient stationnaires en différence montre que les éventuels chocs ayant affecté celles-ci sont de natures transitoires plutôt que permanentes, résultat qui augure une certaine stabilité desdites variables. Nous procédons au test de Phillips - Perron, afin de voir si nos conclusions sont exactes.

o Test de Phillips Perron (PP)

Tableau 13: Résultats du test PP

Variables	PP	Valeur Critique 1%	Valeur Critique 5%	Valeur Critique 10%	Ordre d'intégration
Excl Tid Nb Ng Mnaie	-5.29 -8.33 -9.30 -3.68 -9.55	-3.65 -3.65 -3.65 -3.65 -3.65	-2.95 -2.95 -2.95 -2.95 -2.95	-2.61 -2.61 -2.61 -2.61 -2.61	I (1) I (1) I (1) I (1) I (1)

Source : Fait par l'auteur

A l'issu du résultat, le test de Phillips Perron confirme la stationnarité d'ordre I(1) des paramètres. A cet effet, nous nous passons au test de Cointégration qui permet de déterminer si les variables sont intégrées entre elles.

c. Les tests de cointégration

Afin de vérifier la cointégration de nos paramètres, nous faisons le test de cointégration de Johansen. Le choix de cette technique et son importance ont été développés au Chapitre 2.

Les résultats de ce test sont les suivants 

Figure 8: Résultats du test de Cointegration de Johansen

Unrestricted Cointegration Rank Test (Trace)
Hypothesized				Trace		0.05
No. of CE(s)		Eigenvalue		Statistic		Critical Value	Prob.**
None *		0.670269		85.44707		69.81889	0.0017
At most 1 *		0.501440		49.94375		47.85613	0.0314
At most 2		0.378385		27.67073		29.79707	0.0863
At most 3		0.301734		12.45681		15.49471	0.1363
At most 4		0.029671		0.963844		3.841466	0.3262
Trace test indicates 2 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values
Unrestricted Cointegration Rank Test (Maximum Eigenvalue)
Hypothesized			Max-Eigen		0.05
No. of CE(s)	Eigenvalue		Statistic		Critical Value
None *	0.670269		35.50332		33.87687
At most 1	0.501440		22.27302		27.58434
At most 2	0.378385		15.21392		21.13162
At most 3	0.301734		11.49297		14.26460
At most 4	0.029671		0.963844		3.841466
Max-eigenvalue test indicates 1 cointegrating eqn(s) at the 0.05 level
* denotes rejection of the hypothesis at the 0.05 level
**MacKinnon-Haug-Michelis (1999) p-values

Source : Fait par l'auteur

Les résultats du test de cointégration que nous obtenons à partir de la technique de Johansen nous indiquent, il existe deux relations de cointégration dans notre modèle. Ce constat permet ainsi, de nous orienter vers l'estimation d'un modèle à correction d'erreur.