I-3- Résultat du test d'autocorrélation
La valeur de Rho (ñ  ) tend vers 0, la statistique de Durbin-Watson (DW = 1,66) tend vers 2,
on conclue donc qu'il y a autocorrélation entre les résidus
(cf. annexe 4).
I-4- Résultat du test
d'hétéroscédasticité des erreurs
Pour le modèle à effets fixes, la statistique du
test d'hétéroscédasticité est donnée par
l'expression nR2, avec n le nombre total d'observations et
R2 le coefficient de détermination de la régression.
R2 = 0,66 ; N = 6 et T = 19, le nombre totale
d'observations est donc :
n = N x T = 114 ; k = 4 ;
nR2 = 75,25.
Au seuil de 1%, on a nR2 = 75,25 >
÷2lu (3) = 11,345.
On rejette l'hypothèse nulle et on conclue que les erreurs
sont hétéroscédastique (voir annexe 3.1).
Ainsi, il est donc important de corriger
l'hétéroscédasticité des erreurs par la
méthode d'Eicker-White (annexe 3.2). Cette méthode consiste
à effectuer une régression par les MCO d'une part et calculer les
variances robustes d'autre part comme nous l'avons évoqué au
chapitre précédent.
Il est important de signaler que l'inconvénient de
cette méthode est qu'elle gonfle les écarts-types et
réduit la puissance des tests.
I-5- Résultats des estimations
Avant de présenter les résultats de l'estimation
pour la CEMAC, nous allons présenter d'abord ceux de l'estimation de
chaque pays membre de la sous-région.
· La régression par pays
Le tableau ci-dessus présente les résultats de
l'estimation pour chaque pays (annexe 8.1).
Tableau 7 :
Résultats des estimations par pays (modèle 1)
|
PAYS
VRBLES
|
CAMEROUN
|
CENTRAFRIQ
|
CONGO
|
GABON
|
GUINEE EQUATRLE
|
TCHAD
|
|
Coeff
|
Prob
|
Coeff
|
Prob
|
Coeff
|
Prob
|
Coeff
|
Prob
|
Coeff
|
Prob
|
Coeff
|
Prob
|
|
C
|
-7,27
|
0,02
|
-7,98
|
0,00
|
-4,12
|
0,26
|
-9,60
|
0,00
|
-22,48
|
0,06
|
-9,09
|
0,00
|
|
LOG(k)
|
0,62***
|
0,00
|
-0,18
|
0,10
|
1,33***
|
0,00
|
0,19***
|
0,00
|
0,43*
|
0,08
|
-0,14***
|
0,00
|
|
LOG(VAAGR)
|
0,07
|
0,46
|
0,33
|
0,10
|
-0,87**
|
0,02
|
0,33***
|
0,00
|
1,23
|
0,17
|
0,57***
|
0,00
|
|
LOG(VAIND)
|
-0,05
|
0,73
|
0,55**
|
0,03
|
0,03
|
0,75
|
0,32***
|
0,00
|
0,09
|
0,97
|
0,30***
|
0,00
|
|
R2
|
0,7825
|
0,8052
|
0,8711
|
0,9934
|
0,6864
|
0,9957
|
|
R2 Ajusté
|
0,7359
|
0,7662
|
0,8453
|
0,9921
|
0,6237
|
0,9948
|
|
Prob(F-Statistic)
|
0,0000
|
0,0000
|
0,0000
|
0,0000
|
0,0004
|
0,0000
|
|
(***), (**) et (*) significatifs respectivement à 1%,
5% et 10%
|
Source : Construction de l'auteur à partir du
logiciel Eviews 8.0
Dans les 6 pays de la CEMAC, les valeurs de
R2 et R2 ajusté montrent que les variables
choisies du modèle théorique ont bien une influence sur la
variable expliquée ; on peut donc dire que la qualité
d'ajustement du modèle est bonne. On peut aussi dire que pour un
R2=0,78, ceci indique tout simplement que 78% des variables prises
en compte dans ce modèle sont susceptibles d'expliquer la variable
dépendante. De plus, la probabilité de Fisher montre que le
modèle est globalement significatif.
On constate que les valeurs du coefficient associé au
logarithme du capital physique sont positives dans 4 pays (Cameroun, Congo,
Gabon et Guinée Equatoriale) et négatives dans 2 pays
(Centrafrique et Tchad). Il faut ajouter que le capital physique par tête
est significatif au seuil de 5% dans ces pays à l'exception de la
Centrafrique et de la Guinée Equatoriale.
Les élasticités du logarithme du PIB par
tête par rapport au logarithme de la valeur ajoutée du secteur
agricole sont respectivement 0,07 ; 0,33 ; -0,87 ; 0,33 ;
1,23 ; 0,57 pour le Cameroun, la Centrafrique, le Congo, le Gabon, la
Guinée Equatoriale et le Tchad. Ce qui signifie, si la valeur
ajoutée du secteur agricole augmente de 1% dans ces pays, alors le
Logarithme du PIB par tête augmente respectivement de 0,07% ;
0,03% ; -0,87% ; 0,33% ; 1,23% et 0,57%. La valeur
ajoutée du sous-secteur agricole est significative au seuil de 5% dans
trois pays (Congo, Gabon et Tchad) et non significative dans le reste des pays
de la CEMAC (Cameroun, Centrafrique et Guinée Equatoriale).
Le secteur industriel à une influence positive sur le
PIB par tête dans la sous-région CEMAC hormis le Cameroun
où l'influence est négative et non significative.
· La régression pour la CEMAC
Tableau 8 :
Résultats des estimations du modèle 1
|
Variable dépendante :
LOG(PIBH)
|
|
Variables explicatives
|
Coeff.
|
Prob.
|
|
C
|
-7,9475***
|
0,000
|
|
LOG(k)
|
0,4363***
|
0,000
|
|
LOG(VAAGR)
|
0,0131
|
0,889
|
|
LOG(VAIND)
|
0,2921***
|
0,000
|
|
Spécification : Modèle à effets
fixes
Nombre d'observation = 114
R2 (Within) =
0,6717
Test de Fischer : F(5,105) = 43,37 Prob> F =
0,000
*** : Significatif au seuil de 1%
|
Source : Construction de l'auteur à partir du
logiciel STATA 11
Le tableau ci-dessus présente l'estimation de
l'équation 1. Il en ressort que le modèle est globalement
significatif (Prob>F = 0,000?1%) au seuil de 1%. Le R2 est de
0,67 ; la variabilité des variables explicatives de
l'équation explique 67% de la variabilité du PIB par tête
(pour un résultat complet voir annexe 6.1).
Le modèle qui permet d'analyser la contribution de
l'agriculture à la formation du PIB des pays de la CEMAC s'écrit
de la façon suivante :
LOGPIBHt = â0 +
â1LOGkt + â2LOGVA AGRt+
â3LOGVA INDt+ ?t
Le modèle estimé s'écrit comme
suit :
  = -7,94+ 0,43LOGkt + 0,01LOGVA GAR + 0,29LOGVA
IND
L'estimation ci-dessus montre que toutes les variables
affectent positivement la formation du PIB dans les pays de la CEMAC. Il en
ressort que tous les coefficients sont significatifs au seuil de 1% à
l'exception du coefficient associé à la variable Logarithme de la
valeur ajoutée agricole [LOG(VAAGR)].
On peut remarquer que toutes les variables sont conformes
à la théorie économique et aux résultats empiriques
qui stipulent que l'agriculture est un facteur important au processus du
développement économique. Ainsi :
Au Cameroun :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 23,96% au PIB chaque
année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 21,36% au PIB chaque
année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 24,01% au PIB chaque
année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 24,99% au PIB chaque année.
En Centrafrique :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 52,08% au PIB chaque
année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 54,45% au PIB chaque
année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 54,82% au PIB chaque
année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 54,46% au PIB chaque année.
Au Congo :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 8,86% au PIB chaque année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 5,61% au PIB chaque année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 4,14% au PIB chaque année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 3,60% au PIB chaque année.
Au Gabon :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 7,14% au PIB chaque année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 5,87% au PIB chaque année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 4,69% au PIB chaque année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 3,93% au PIB chaque année.
En Guinée Equatoriale :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 68,65% au PIB chaque
année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 65,09% au PIB chaque
année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 58,40% au PIB chaque
année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 5,94% au PIB chaque année.
Au Tchad :
- Entre les années 1995 et 2000, l'agriculture a
contribué en moyenne à 39,61% au PIB chaque
année ;
- Entre les années 2000 et 2005, elle a
contribué en moyenne à 39,24% au PIB de chaque
année ;
- Entre les années 2005 et 2010, elle a
contribué en moyenne à 54,11% au PIB de chaque
année ;
- Entre les années 2010 et 2013, elle a
contribué en moyenne à 54,10% au PIB de chaque année.
Dans l'ensemble de la sous-région CEMAC, une
augmentation de 1% de la valeur ajoutée du secteur agricole entraine une
augmentation de 0,01% du PIB par tête.
En conclusion, les résultats nous montrent que
l'agriculture contribue positivement à la croissance économique
des pays de la CEMAC. Ces résultats confortent les conclusions de Block
(1999) et bien d'autres (Fan et alii., 2000 ; Bella, 2009).
D'où la validation de notre première
hypothèse :
Hypothèse 1 : l'agriculture
contribue positivement et suffisamment à la formation du PIB des pays de
la CEMAC.
Notre première hypothèse ayant été
validée, nous pouvons maintenant passer à la seconde
hypothèse.
II. AGRICULTURE ET DEVELOPPEMENT INDUSTRIEL
Dans ce paragraphe nous ne présenterons pas
les résultats de tous les tests (test de stationnarité ;
test d'hétéroscédasticité et le test
d'autocorrélation), car le deuxième modèle (seconde
équation) comprend les mêmes variables que le premier, sauf que
dans le deuxième modèle la variable dépendante est la
valeur ajoutée du secteur industriel. On va s'arrêter au test de
Hausman et choisir soit le test à effet fixe soit le test à effet
aléatoire. Tout dépend des résultats du test de Hausman.
|
|
