Memoire Online - Analyse des effets des exportations agricoles sur la croissance et le bien-etre au benin

Ce chapitre est consacré à l'élaboration et à l'estimation des modèles économétriques permettant d'évaluer les effets des exportations agricoles sur la croissance et le bien-être. De façon particulière, il s'agit d'appréhender l'impact des exportations agricoles sur la croissance du Produit Intérieur Brut (PIB) et la consommation des ménages par tête à travers les modèles de croissance et de bien-être.

Dans la modélisation, nous cherchons à indiquer les paramètres déterminant le niveau global de la croissance économique et du bien-être des populations à travers la croissance du PIB et la consommation des ménages par tête. Après la revue de littérature, nous avons retenu pour notre étude les modèles utilisés par Mahoutondji T. Ambroise (2006) dans le cadre de l'étude du thème « LES EFFETS DU COMMERCE EXTERIEUR SUR LA CROISSANCE ET LE BIEN-ETRE AU BENIN ». Ainsi, le modèle de croissance utilisé s'inspire des travaux de Cobb-Douglas et des théories classiques auquel nous apportons une légère modification.. Quant à celui de la consommation, il s'appuie sur les fondements des théories classiques de la microéconomie.

Dans ces modèles outre les taux, les variables ont été mises sous la forme logarithmique afin de permettre une analyse directe des sensibilités en termes d'élasticité à travers les coefficients.

Nous avons estimé les modèles linéaires du produit intérieur brut et de la consommation des ménages par tête par les Moindres Carrés Ordinaires (MCO) et les Modèles à Correction d'Erreur (MCE) sur le logiciel EVIEWS 5.0. Mais au préalable les tests sur les données temporelles ont été effectués. Il s'agit notamment des récents tests de stationnarité et de cointégration et, ce dans le brut d'éviter les risques d'une régression fallacieuse. La non stationnarité se manifeste à travers deux composantes : la présence de tendance déterministe et/ou de la tendance stochastique. A cet égard, le test proposé par Dickey-Fuller prend en compte le trend (tendance déterministe) et la racine unitaire (tendance stochastique).

1- la significativité ou non du trend : elle est appréciée à partir de la statistique calculée ou la probabilité attachée à cette statistique (celle-ci est comparée à 5%)

2- la présence ou non de racine unitaire : à cet effet, on teste l'hypothèse nulle H₀ contre l'hypothèse alternative H₁. Les hypothèses sont :

-si on a ADF Test Statistic > Critical Value alors on accepte H₀ : la série X a une racine unitaire.

-si on a ADF Test Statistic = Critical value alors on accepte H₁: la série X n'a pas de racine unitaire.

Mais généralement, les variables économiques ne réagissent pas le plus souvent instantanément mais avec un certain délai d'ajustement. Ainsi, lorsque les séries chronologiques sont non-stationnaires et cointégrées, il convient d'estimer leurs relations au travers d'un modèle à correction d'erreur. En effet Engle et Granger (1987) ont montré que toutes les séries cointégrées peuvent être représentées par un modèle à correction d'erreur.

Deux séries Y_t et X_t sont dites coïntégrées si les deux conditions suivantes sont vérifiées :

-les deux séries sont affectées d'une tendance stochastique de même ordre d'intégration d : Y_t I (d) et X_t I (d) ;

-une combinaison linéaire de ces séries permet de se ramener à une série d'ordre d'intégration inférieur : a₁Y_t + a₂X_t I (d - b) avec d = b > 0.

Il existe deux méthodes d'analyse des relations de cointégration entre deux ou plusieurs variables :

-la méthode en deux étapes d'Engle et Granger (1987) qui consiste à estimer un modèle de long terme à partir des variables intégrées du même ordre dans le modèle et à étudier la stationnarité des résidus du modèle. Dans ce cas, la relation de cointégration, si elle existe est unique.

-la méthode de Johansen qui, comparativement à celui de Engle et Granger, donne le nombre de relations de cointégration existant entre les séries concernées, en cas de situation de cointégration entre les séries.

Les données utilisées sont celles de la période allant de 1975 à 2008. Elles proviennent des statistiques de l'Institut National de la Statistique et de l'Analyse Economique (INSAE) ; de la Direction Générale des Affaires Economiques (DGAE) et de la Direction de la Prévision du Ministère de l'Economie et des Finances (MEF); de la Banque Centrale des Etats de l'Afrique de l'Ouest (BCEAO) et de l'Université de Sherbrooke (site Internet « Perspectives Mondiales ».)

Ce modèle permet d'évaluer l'impact que les fluctuations des exportations agricoles peuvent avoir sur le produit intérieur brut au Bénin. Il permet par ailleurs de mesurer l'incidence des variables investissement, exportations non agricoles, importations et le taux d'inflation sur le PIB. Dans le but d'éviter une régression fallacieuse, les différents tests pour les séries temporelles ont été effectués.

Pour déterminer le degré de stationnarité (ordre d'intégration) des variables du modèle, nous avons utilisé le test de Dickey-Fuller augmenté et le test de cointégration de Engle et Granger.

Les résultats des tests de stationnarité effectués en niveau sur les variables montrent qu'elles sont non-stationnaires (voir annexe).

Les résultats des tests de stationnarité en niveau des variables du modèle sont résumés dans le tableau N°3-1.

Variables	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations
LPIB	1	Non	Non	4,959743	-1,951687	Oui	Non stationnaire
LINV	1	Oui	Oui	-2,176612	-3,557759	Oui	Non stationnaire
LEXPNA	1	Non	Oui	-2,946091	-2,957110	Oui	Non stationnaire
LEXPA	3	Non	Oui	-1,974312	-2,963972	Oui	Non stationnaire
LIMP	2	Non	Non	2,113397	-1,952066	Oui	Non stationnaire

De l'examen du tableau N°3-1, il ressort que toutes les variables sont non-stationnaires. Toutefois, l'analyse des tests ADF pratiqués cette fois-ci sur la différence première des variables nous permet de conclure que les variables en différences premières sont toutes stationnaires et intégrées d'ordre 1 comme l'illustre le tableau N°3-2 .

Tableau N°3-2 : Résultats des tests de stationnarité en différence première.

Variables	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations	Ordre d'intégration
LPIB	1	Non	Oui	-3,366309	-2,960411	Absence	Stationnaire	I(1)
LINV	1	Non	Oui	-4,677678	-2,960411	Absence	Stationnaire	I(1)
LEXPNA	1	Non	Non	-5,742991	-1,952066	Absence	stationnaire	I(1)
LEXPA	3	Non	Non	-2,936531	-1,952910	Absence	Stationnaire	I(1)
LIMP	2	Non	Non	-3,100119	-1,952473	Absence	Stationnaire	I(1)

En effet, de la lecture du tableau, nous retenons que les valeurs de la statistique de Dickey-Fuller pour chacune des variables sont toutes inférieures à la valeur critique de Mackinnon au seuil de 5% en différence première. Nous n'avons donc pas de raison de rejeter l'hypothèse alternative de stationnarité pour toutes les séries. Cependant, le fait qu'elles soient intégrées d'ordre 1 fait penser à un risque de coïntégration entre elles ; ce qui est confirmé par le test de coïntégration effectué à partir du résidu de l'équation du modèle de long terme. Le modèle est estimé par les MCO et avec le logiciel Eviews 5.0, puis est appliqué le test de racine unitaire sur son résidu.

En effet, l'hypothèse de coïntégration des variables est acceptée si le résidu est stationnaire. Le tableau N°3-3 rend compte du résultat du test de racine unitaire appliqué sur le résidu.

Résidu de l'équation	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations
Modèle de long terme	1	Non	Non	-3,085866	-1,952473	Absence	Stationnaire

De la lecture du tableau N^o3-3, il ressort que la valeur de la statistique de Dickey-Fuller Augmenté du résidu du modèle de long terme est inférieure à la valeur critique de Mackinnon au seuil de 5%.

Ainsi, le résidu est stationnaire, ce qui implique la coïntégration des variables du modèle.

Suite à tout ce qui précède, nous allons donc utiliser le Modèle à Correction d'Erreur (MCE) pour estimer notre modèle.

L'équation ci-dessus indique que le niveau du PIB de long terme est fonction de l'effet conjugué des exportations agricoles, des exportations non agricoles, des importations et de l'investissement.

Les exportations agricoles sont sources de croissance. L'accroissement de la part des exportations agricoles dans le PIB s'accompagne d'une entrée de devise pour le financement de la croissance et d'achat des biens équipement à l'étranger pour l'accroissement et l'amélioration des capacités de production. D'où l'effet positif attendu des exportations agricoles sur le PIB.

Les exportations non agricoles sont sources de croissance. L'accroissement de la part des exportations non agricoles dans le PIB s'accompagne d'une entrée de devise pour le financement de la croissance et d'achat des biens équipement à l'étranger pour l'accroissement et l'amélioration des capacités de production.

Les importations sont sources de croissance. L'accroissement de la part des importations dans le PIB s'accompagne d'une sortie de devise et d'achat des biens équipement à l'étranger pour l'accroissement et l'amélioration des capacités de production. D'où l'effet positif attendu des importations sur le PIB.

L'investissement contribue à une amélioration de la qualité et à un accroissement de la production en ce sens qu'il est l'acquisition du capital fixe. Il influence positivement la croissance d'un pays.

ÄPIB_t = g(ÄEXPA_t, ÄEXPNA_t, ÄIMP_t, ÄINV_t, PIB_t-1, EXPA_t-1,EXPNA_t-1,IMP_t-1,INV_t-1)

Cette équation indique que le niveau de variation du PIB dépend de l'effet conjugué des variations des exportations agricoles, des exportations non agricoles, de l'importation, de l'investissement et du résidu décalé d'un an de ces mêmes variables et du PIB de la relation de long terme.

ÄLPIB_t = b₀ + b₁ÄLEXPA_t + b₂ÄLEXPNA_t+ b₃ÄLIMP_t + b₄ÄLINV_t + b₅INFL_t + b₆

PIB_t-1 est la force de rappel de l'équilibre et indique la vitesse à laquelle tout déséquilibre entre les niveaux désirés et effectifs du PIB est résorbé dans l'année qui suit tout choc. Son coefficient doit être significativement négatif.

Il permet de déterminer l'impact que les exportations agricoles peuvent avoir sur la consommation des ménages par tête. Il permet en outre, d'appréhender les effets des exportations non agricoles, des dépenses publiques et du niveau général des prix.

Pour éviter une régression fallacieuse, les tests de spécification ont été effectués.

Pour déterminer le degré de stationnarité (ordre d'intégration) des variables du modèle, nous avons utilisé le test de Dickey-Fuller augmenté et le test de cointégration de Engle et Granger.

Les résultats des tests de stationnarité effectués en niveau sur les variables montrent qu'elles sont non stationnaires (voir annexe).

Les résultats des tests de stationnarité en niveau des variables du modèle sont résumés dans le tableau N°3-4.

Variables	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations
LCMT	2	Oui	Oui	-5,356415	-3,562882	Non	Non stationnaire
LDEP	1	Oui	Oui	-3,253874	-3,557759	Oui	Non stationnaire
INFL	1	Non	Non	-2,141921	-1,951687	Non	stationnaire
LEXPA	3	Non	Oui	-1,974312	-2,963972	Oui	Non stationnaire
LEXPNA	1	Non	Oui	-2,946091	-2,957110	Oui	Non stationnaire

De la lecture du tableau ci-dessus, il ressort que toutes les variables, sauf le niveau général des prix mesuré ici par le taux d'inflation (INFL), sont non stationnaires. Toutefois, l'analyse des tests ADF pratiqués cette fois-ci sur la différence première des variables nous permet de conclure que les variables en différences premières sont toutes stationnaires et intégrées d'ordre 1 comme l'illustre le tableau N°3-5.

Tableau N°3-5 : Résultats des tests de stationnarité en différence première.

Variables	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations	Ordre d'intégration
LCMT	2	Non	Oui	-4,190832	-2,963972	Absence	Stationnaire	I(1)
LDEP	1	Non	Oui	-4,064164	-2,960411	Absence	Stationnaire	I(1)
LEXPA	3	Non	Non	-2,936531	-1,952910	Absence	Stationnaire	I(1)
LEXPNA	1	Non	Non	-5,742991	-1,952066	Absence	stationnaire	I(1)

En effet, de la lecture du tableau, nous retenons que les valeurs de la statistique de Dickey-Fuller pour chacune des variables sont toutes inférieures à la valeur critique de Mackinnon au seuil de 5% en différence première. Cependant, le fait que les séries soient intégrées d'ordre 1 fait présager à un risque de coïntégration entre elles ; ce qui est confirmé par le test de coïntégration effectué à partir du résidu de l'équation du modèle de long terme. Le modèle est estimé par les MCO et avec le logiciel Eviews 5.0, puis est appliqué le test de racine unitaire sur son résidu. Le tableau N°3-6 rend compte du résultat du test de racine unitaire appliqué sur le résidu.

Résidu de l'équation	P	Trend	Constante	ADF Test Statistic	CV au seuil de 5%	Présence de racine unitaire	Observations
Modèle de long terme	2	Non	Non	-3,977412	-1,952910	Absence	Stationnaire

La fonction de la consommation des ménages par tête de long terme se présente comme suit :

Les exportations agricoles peuvent contribuer à l'amélioration des niveaux de vie des populations. Les exportations agricoles rapportent au pays des devises nécessaires au financement des infrastructures socio-économiques de base qui joue un rôle important dans l'amélioration des conditions de vie des populations.

Les exportations non agricoles peuvent contribuer à l'amélioration des niveaux de vie des populations. Les exportations non agricoles rapportent au pays des devises nécessaires au financement des infrastructures socio-économiques de base qui joue un rôle important dans l'amélioration des conditions de vie des populations.

Dans un pays comme le Bénin, caractérisé par la faiblesse des revenus, de l'épargne privée et le manque d'infrastructures, les dépenses publiques peuvent contribuer à améliorer les conditions de vie des populations.

La fonction de la consommation des ménages par tête de court terme se présente comme suit :

ÄLCMT_t = d₀ + d₁ÄLEXPA_t + d₂ÄLEXPNA_t+ d₃ÄLDEP_t + d₄INFL + d₅LCMT_t-1

Le niveau des prix agit sur le pouvoir d'achat à la baisse. Un niveau de prix plus élevé réduit donc le niveau de vie des populations.

Dans le but d'analyser l'impact des exportations agricoles sur la croissance économique au Bénin, nous avons estimé ici, à la fois le modèle de référence de long terme ainsi que celui de court terme. Il sera présenté et interprété dans un premier temps le modèle de long terme retenu après les différents tests économétriques et dans un second temps le modèle de court terme.

3-2-1-1- Le modèle de long terme

Les résultats de l'estimation sont regroupés dans le tableau N° 3-7. A partir de ce tableau nous pouvons présenter les résultats comme suit :

LPIB_t = -216, 83 + 0,0195 LEXPA_t+ 0,0139 LEXPNA_t+ 0,0513 LIMP_t+ 0,0719 LINV_t

Tableau N° 3-7 : Résultats de l'estimation des coefficients du modèle de long terme de la croissance

Variables	Coefficients	t-Statistic	Prob
C	-216.8299	-0.009315	0.9926
LEXPA	0.019520	2.988829	0.0060
LEXPNA	0.013885	1.148399	0.2613
LIMP	0.051309	2.067975	0.0487
LINV	0.071914	3.207876	0.0035
AR(1)	1.000151	63.06922	0.0000
R Squared (R²)	0.986594
F statistic (F)	1521.650
Durbin- waston stat (DW)	2.123854

Les résultats de l'estimation sont regroupés dans le tableau N° 3-8. A partir de ce tableau nous pouvons présenter les résultats comme suit :

0.143ÄLINV_t - 0.003 INFL_t - 0.085LPIB_t-1 + 0.019LEXPA_t-1+ 0.007LEXPNA_t-1+ 0.049LIMP_t-1+

Tableau N° 3-8 : Résultats de l'estimation des coefficients du modèle de court terme de la croissance

Variables	Coefficients	t-Statistic	Prob
C	0.872334	4.836966	0.0001
DLEXPA (-1)	0.026062	3.854666	0.0011
DLEXPNA (-1)	0.006123	0.569406	0.5758
DLIMP (-1)	0.048214	2.496829	0.0219
DLINV	0.142809	6.322490	0.0000
INFL	-0.002769	-4.806984	0.0001
LPIB (-1)	-0.085259	-3.136000	0.0054
LEXPA (-1)	0.018755	3.322259	0.0036
LEXPNA (-1)	0.007226	0.662231	0.5158
LIMP (-1)	0.049485	2.059861	0.0534
LINV (-1)	0.085192	6.609676	0.0000
AR(1)	-0.731630	-4.596725	0.0002
R Squared (R²)	0.808560
F statistic (F)	7.295264
Durbin- waston stat (DW)	2.212169

Ø R²= 0,808 indique que 80,8% de la variation de la croissance est expliquée par les variables prises en compte dans le modèle. Ce qui signifie que le modèle a un bon pouvoir explicatif de la variation du modèle de croissance de court terme.

Ø On peut aussi noter que toutes les variables sont significatives au seuil de 5%, à l'exception des exportations non agricoles, grâce au test de Student car à partir du tableau on constate que toutes les probabilités sont inférieures à 0,05 (Prob ? 0,05)

Ø La régression est globalement significative car la probabilité (F-statistique) est égale à 7.295264 avec une probabilité de 0,000095 indique une bonne adéquation du modèle.

Ø Le Durbin-Watson égal à 2,212 montre qu'il n'y a pas autocorrélation des erreurs.

3-2-1-3- vérification des hypothèses et interprétation économique des coefficients

Dans l'équation explicative de la croissance du PIB à long terme, les variables sont toutes significatives à 5%, sauf les exportations non agricoles, et ont toutes les signes attendus. Il en est de même pour ce qui est de l'équation explicative de la croissance à court terme. En conséquence, le PIB est influencé de façon significative à court et à long terme par les exportations agricoles, les importations, les investissements et l'inflation.

Conformément à l'hypothèse formulée sur la variable exportations agricoles, le signe de son coefficient est positif et significatif à 5%. Les exportations agricoles de l'année en cours expliquent donc la croissance du PIB à long terme mais à court terme, elle est expliquée par les exportations agricoles de l'année antérieure. Il faut toutefois noter que la contribution des exportations agricoles à la croissance est assez faible. Ainsi, lorsque les exportations agricoles croissent de 1% le niveau de la croissance croît respectivement dans les modèles de long terme et de court terme de 0,0195% et de 0,026%.

Cette faiblesse de la contribution des exportations agricoles à la croissance peut être imputable à la monoculture d'exportation et de la non diversification des produits agricoles exportables. En effet, les exportations agricoles restent dominées par le coton et ses dérivés. La détérioration des termes de l'échange dont elles sont victimes ne sont pas de nature à permettre aux exportations agricoles de jouer son rôle maximal dans l'amélioration des performances économiques du Bénin.

S'agissant des exportations non agricoles, les coefficients ne sont pas significatifs, toutefois elles pourraient contribuer de façon positive à la constitution du PIB aussi bien dans le long et court terme.

Quant aux importations, elles sont significatives à court et long terme au seuil de 5%. Son élasticité est positive et moins élevée à court terme qu'à long terme. Ainsi, lorsque les importations croissent de 1%, le niveau de croissance du PIB augmente respectivement dans le court terme et dans le long terme de 0,048% et de 0,051%. Cette faible contribution des importations à la croissance peut être imputable à la dominance de ces dernières par des biens de consommation et des activités de réexportation vers les pays voisins. Ces catégories d'importation ne renforcent donc pas l'appareil de production en vue d'un accroissement ultérieur conséquent de la production.

En ce qui concerne l'investissement, il est significatif et contribue de façon positive à la croissance du PIB à court et à long terme. Ainsi, une variation de 1% de l'investissement entraîne une augmentation de 0,14% et de 0,072% respectivement à court et à long terme. Cette faiblesse de l'investissement que cela soit dans le court ou long terme nous amène à être prudent sur la capacité à s'ajuster aux déséquilibres de long terme. L'investissement apparaît ici comme une variable prédéterminée qui ne peut être responsable des variations dans la croissance du PIB au Bénin. Cet état de chose peut s'expliquer par l'absence de structures capables de répartir ses effets.

Du fait qu'il soit stationnaire en niveau, le taux d'inflation n'intervient dans l'explication de la croissance qu'à court terme. Il explique négativement et significativement la croissance du PIB. Ainsi, une augmentation de 1% du taux d'inflation entraîne une diminution de 0,0028 % du PIB. Ce résultat est conforme à la théorie économique.

Le PIB retardé qui représente la force de rappel à l'équilibre de la croissance du PIB en cas de choc a un coefficient significatif à 5%. Sa valeur est de -0,085. Ainsi, tout choc sur la croissance est résorbé à près de 8,5% au bout d'un an.

Analyse des effets des exportations agricoles sur la croissance et le bien-etre au benin

CHAPITRE III LES EFFETS DES EXPORTATIONS AGRICOLES SUR

3-2-1-1- Le modèle de long terme