Efficience des dépenses publiques de santé, d'éducation et croissance économique dans l'espace UEMOA

UNIVERSITE D'ABOMEY-CALAVI

FACULTE DES SCIENCES ECONOMIQUES ET
DE GESTION

Ecole doctorale de Sciences Economiques et
de Gestion

Nouveau Programme de Troisième Cycle Interuniversitaire
en Economie

Première promotion du Master recherche en Economie (2007-2009)

MEMOIRE PRESENTÉ POUR L'OBTENTION DU
DIPLOME D'ETUDE APPROFONDIE (DEA) -MASTER RECHERHCE

OPTION : Economie Industrielle SPECIALITE : Economie Publique

Efficience des dépenses publiques d'éducation, de santé et
croissance économique dans l'espace UEMOA

Par:

Damas HOUNSOUNON

Sous la direction de :

Magloire LANHA

Professeur agrégé des Sciences Economiques

avertissement

La Faculté des Sciences Economiques et de Gestion de

l'Université d'Abomey-Calavi, n'entend donner aucune
approbation, ni improbation aux opinions émises dans les
mémoires. Ces opinions doivent être considérées comme

propres à leurs auteurs.

A SENA AUDREY B. N'HANOU

pour ta compréhension et ton soutien et HOUNSOUNON S. MARJORY EURIEL

Remerciements

Nous tenons à remercier tous ceux qui de près ou de loin ont contribué à la réalisation de ce travail.

De façon particulière, nos remerciements s'adressent tout d'abord au Professeur AMouSSouGA GgRo FuLBERT, doyen de la FASEG et Directeur de l'école doctorale de ladite faculté pour son expertise, son dévouement et son encadrement ; au Professeur MAGLoIRE LANHA, coordonnateur du NPTCI, aux Docteurs IGug CHARLEMAGNE, AuGuSTIN CHABoSSou, VENANT CoSSI C. QuENuM, GILLES SoSSou et YvES SoGLo et à tous les professeurs de la FASEG.

Nos remerciements vont ensuite à l'endroit du Nouveau Programme de Troisième Cycle interuniversitaire (NPTCI) qui a mis à notre disposition tous les moyens matériels et financiers nécessaires nous ayant permis de peaufiner nos études en DEA /Master.

Nos remerciements s'adressent également à nos parents et tous nos oncles, tantes, cousins, neveux et en particulier notre oncle RoBERT HouNSouNoN pour son indéniable soutien financier et moral et son désir ardent de me voir réussir. Puisse Dieu vous accorder une longue vie afin que votre oeuvre soit continuelle.

Nous ne saurions terminer cette page sans exprimer nos reconnaissances aux honorables membres du jury pour avoir accepté de lire ce mémoire en si peu de temps et les remercions des critiques et observations qu'ils voudront bien formuler à cet égard en vue de son amélioration.

Efficience des dépenses publiques d'éducatoion, de santé et croissance économique dans l'espace uemoa

Résumé

Si en théorie, les dépenses socio-publicques d'éducation et de santé sont de nature à générer des gains de productivité pour une croissance rapide comme le prédisent les modèles de croissance endogène, ce peut ne pas être le cas en pratique dans certains pays en raison de l'inefficience du financement de ces services publics ou de la mauvaise gouvernance sous ces différentes formes (corruption, détournement, le favoritisme, le clientélisme etc...).

Dans cette étude, nous avons tenté d'analyser sur une période de 35 ans (1970-2004), les scores d'efficience des dépenses publiques d'éducation et de santé à l'échelle de l'UEMOA et rechercher si l'efficience de ces dépenses permet un accroissement de la production plus vite que le volume des dépenses engagées.

Pour y parvenir, nous avons d'abord procédé à l'estimation des scores d'efficience par la méthode DEA-Malmquist avant d'étudier l'impact de ces scores estimés sur la croissance à travers un modèle de croissance endogène.

Les résultats montrent d'une part que les dépenses socio-publiques d'éducation et de santé sont peu efficientes dans les pays de l'UEMOA durant la période considérée et d'autre part que c'est une utilisation efficiente des ressources consacrées à l'éducation et à la santé qui est plus importante que le volume de ces dépenses en tant que facteur contribuant à la croissance.

Mots clés Dépenses socio-publiques, Efficience, Analyse d'enveloppement des données, DEA-Malmquist, Croissance endogène.

Efficiency of public expenditure on education, health and economic growth in << uemoa >>

Abstract

While in theory, the public spending on education and health are likely to generate productivity gains for rapid growth as predicted by the endogenous growth models, this may not be the case in practice in some countries due to the inefficiency of financing of these public services or poor governance in these different forms (bribery, embezzlement, favoritism, cronyism etc ...).

In this study, we tried to analyze over a period of 35 years (1970-2004), the scores of efficiency of public spending on education and health in << UEMOA >> and to determine whether the efficiency of these services allows increased production faster than the volume of expenditure.

To achieve this, we first proceeded to the estimation of efficiency scores by DEA-Malmquist approach before considering the impact of these scores estimated on growth through a model of endogenous growth.

The results show both that the public spending on education and health have little effect in << UEMOA >> during the period and that it is an efficient use of resources devoted to education and health is more important than the volume of such expenditure as a factor contributing to growth.

Key words Public spending, Efficiency, Data envelopment analysis, DEA-Malmquist, Endogenous growth.

Liste des sigles

BAD : Banque Africaine de Développement

BM : Banque Mondiale

DEA : Data Envelopment Analysis

DMU : Decision Making Units

FDH : Free Disposable Hull

FMI : Fonds Monétaire International

INSAE : Institut National de Statistique et d'Analyse Economique

OCDE : Organisation pour la Coopération et le Développement Economique

PIB : Produit Intérieur Brut

PVD : Pays en Voie de Développement

UEMOA : Union Economique et Monétaire Ouest-Africaine

Sommaire

Résumé iv

Introduction générale 2

Chapitre 1 Services publics et croissance économique : une analyse théorique 5

1.1 Production de services socio-publics et croissance 5

1.2 Efficience économique et généralités sur les modèles de frontière . . . 9

Chapitre 2 Méthodologies 21

2.1 Spécification des modèles 21

2.2 Spécification et choix des variables 28

Chapitre 3 Estimation, analyse des résultats et recommandations 32

3.1 Estimation des modèles 32

3.2 Analyse des résultats et recommandations 40

Conclusion générale 53

Annexe 60

Liste des Figures 77

Liste des Tableaux 78

Introduction générale

Dans les Pays en Voie de Développement (PVD), la réduction de la pauvreté est une préoccupation croissante des responsables de la politique économique. A cet égard, la mise en oeuvre de toute politique visant à éradiquer ce fléau implique une connaissance préalable approfondie des états sociaux liés au bien-être des individus et des ménages. En effet, selon les experts de la Banque Mondiale, l'accès de la population aux services publics, en particulier à l'éducation et à la santé, permet d'améliorer les conditions de vie, d'accroître le bien-être, d'accélérer la croissance et de réduire l'incidence de la pauvreté. L'acquisition de ces actifs de capital humain constituerait donc un moyen très efficace de promotion de la croissance, de la réduction des inégalités et de la pauvreté. Les résultats de ces études sont conformes aux prédictions des modèles de croissance endogène qui assignent à l'Etat un rôle actif dans la prestation de ces services compte tenu des externalités positives qu'ils génèrent ainsi que d'autres imperfections de marché qui les caractérisent.

Dans ces perspectives, l'ensemble des pays membres de l'Union Economique et Monétaire Ouest Africaine (UEMOA) s'est lancé, à l'instar d'autres pays de la sous région, dans une logique de restructuration et d'assainissement des finances publiques surtout dans les domaines de l'éducation et de la santé.

Toutefois, si en théorie, ces services sociaux sont de nature à générer des gains de productivité pour une croissance rapide comme le prédisent les modèles de croissance endogène, ce peut ne pas être le cas en pratique dans certains pays en raison de l'inefficience du financement des services publics ou de la mauvaise gouvernance sous ces différentes formes(corruption, détournement, le favoritisme etc...).

En effet, il existe une vaste littérature sur les effets de la corruption sur l'activité économique en générale et sur la production de biens publics par l'Etat en particulier. Les études récentes sur le sujet ont souligné que la corruption freine la capacité d'action de l'État par l'intermédiaire de plusieurs mécanismes. Elle réduit l'efficacité des dépenses, induit des distorsions dans leur répartition entre les différents postes budgétaires et entrave l'équilibre budgétaire(CLARA DELAVALLADE,2007). Plus particulièrement, la corruption atténue l'impact des dépenses publiques d'éducation et de santé sur les performances sociales (taux d'alphabétisation ou taux d'illettrisme, taux de mortalité ou espérance de vie) et amoindrit la qualité des services fournis (ABLO et REINIKKA, 1998). La corruption peut donc altérer l'allocation efficiente des services publics, réduire la quantité d'output fournie par l'État ainsi que la qualité des projets dans lesquels l'État investit.

Réduire la corruption permettrait ainsi de réaliser des améliorations significatives en termes de mortalité infantile et de taux de scolarisation primaire (GUPTA ET AL., 2001).

Dès lors, la question fondamentale qui se pose pour le cas des pays de l'UEMOA est de savoir, si dans le contexte actuel où la corruption rime avec le tissu « socio-politico-économique , l'allocation des dépenses sociales est-elle optimale au point de permettre une accumulation efficiente du capital humain. Autrement dit, les dépenses publiques d'éducation et de santé sont-elles efficientes dans l'espace UEMOA? .

C'est à cette interrogation que s'attelle cette étude en vue d'y proposer des éléments de réponses conséquents.

L'objectif général de la présente étude est donc d'analyser l'efficience des dépenses sociales dans la prestation des services d'éducation et de santé dans les pays de l'UEMOA.

De façon spécifique, l'étude vise à :

· calculer les scores d'efficience des dépenses publiques d'éducation et de santé;

· Analyser l'impact de l'efficience sur la croissance économique de l'union

Les deux principales hypothèses qu'il convient de vérifier peuvent se formuler de la façon suivante :

· les dépenses publiques d'éducation et de santé sont efficients dans l'espace UEMOA;

· le degré d'efficience de ces dépenses permet une croissance du FIB plus rapide que le volume des dépenses engagées.

Cette étude présente alors un double intérêt : primo, la mesure des scores d'efficience des dépenses publiques pour montrer la performance(ou la médiocrité) du secteur public dans la production des biens publics et secondo, la recherche du lien de causalité entre le degré d'efficience et la croissance pour appréhender qu'une bonne utilisation des ressources est source de croissance économique et donc de réduction de la pauvreté.

La littérature économique offre un champ particulièrement intéressant sur la question de l'efficience en général et sur celle des dépenses publiques en particulier. En effet plusieurs auteurs ont étudié l'efficience des dépenses publiques sociales et analysé l'impact de cette efficience sur la croissance économique d'un ensemble de pays (voir infra). Mais deux points essentiels permettent de différencier le présent travail de ceux déjà effectués :

· à notre connaissance, aucune étude n'est encore réalisée sur l'efficience des

dépenses publiques d'éducation et de santé dans l'espace UEMOA;

· la plupart des études réalisées dans ce domaine sont statiques et ne prennent pas en compte l'évolution de l'environnement économique et technologique.

Ainsi, contrairement à ces études, nous avons non seulement étudié l'efficience de façon dynamique mais aussi l'impact de cette efficience est recherché à partir d'un modèle de panel.

Dans cette étude, nous nous sommes seulement intéressés à la question de l'efficience et non à l'efficacité même si dans la littérature ces deux notions sont indifféremment utilisées. Il s'agit donc de voir si le peu d'objectifs atteint en matière de politiques d'éducation et de santé l'ont été dans un atmosphère de parfaite rationalisation des dépenses engagées.

Enfin, nous avons dans le présent travail utilisé différemment trois logiciels :

· le logiciel DEAF version 4.1 pour l'estimation des scores d'efficience;

· le logiciel R version 2.9.1 pour certains tests non programmés sur Stata;

· le logiciel Stata version 9.0 pour certains tests pré-programmés et pour l'estimation des modèles de croissance.

Le présent travail est subdivisé en trois chapitres. Le premier fait une analyse théorique de la question de l'efficience des dépenses publiques et de leur impact sur la croissance. Le deuxième présente la méthodologie adoptée dans cette étude et le dernier débouche sur les analyses et principales recommandations qui en découlent.

Chapitre1

Services publics et croissance économique :

une analyse théorique

Depuis l'avènement des théories de la croissance endogène, l'Etat est reconsidéré comme un acteur principal de la vie économique. On assiste à une réhabilitation du rôle de l'Etat dans l'économie à travers la fourniture des biens publics indispensables à l'amélioration de la productivité du secteur privé. Plusieurs études empiriques ont tenté d'évaluer, à la suite de l'article de BARRO (1990), l'mpact des dépenses publiques sur la croissance économique. Le présent chapitre fait d'abord une synthèse des principaux résultats de ces études avant de déboucher sur l'analyse théorique de l'efficience des services publics.

1.1 Production de services socio-publics et croissance

Avant de passer en revue les principaux résultats de ces études, il est important de comprendre la notion de dépenses sociales et sa structure.

1.1.1 Définition et structures des dépenses sociales

De façon générale, les dépenses publiques sont les dépenses de fonctionnement de tous bureaux, départements, établissements, gouvernement et d'autres organismes constituant des institutions de l'autorité centrale (BM, 2000). Elles se composent entre autres des dépenses sociales et des dépenses productives.

Les dépenses productives sont des dépenses allouées aux différents secteurs pu-

blics permettant de produire des biens et services. Il s'agit des dépenses effectuées dans certains secteurs comme : rural, industrie et artisanat, eau et électricité, infrastructure, commerce, service et tourisme.

1.1.1.1 Définition des dépenses sociales

Ce sont les dépenses effectuées par l'Etat en direction des secteurs sociaux. Elles sont constituées de dépenses de santé, d'éducation, de nutrition, d'assainissement et d'infrastructures.

Dans cette étude, nous nous sommes intéressés aux seules dépenses d'éducation et de santé.

· Les dépenses publiques de santé sont les dépenses effectuées par l'Etat dans le cadre du développement des services sociaux sanitaires en vue d'améliorer l'état de santé des populations. Il s'agit essentiellement des salaires versés aux agents de la santé, les dépenses qui ont servi à rémunérer la main d'cuvre utilisée pour la construction et l'entretien des centres et établissements socio-sanitaires, et les subventions que l'Etat accorde aux différents centres privés de santé pour les faire participer au développement du secteur.

· Les dépenses publiques de l'éducation sont constituées des dépenses servant à rémunérer la main d'cuvre utilisée pour la construction des écoles et leur entretien; les dépenses pour l'achat du matériel didactique, les bourses et autres récompenses, les salaires et traitement des enseignants permanents et vacataires ainsi que les subventions aux écoles privées par l'Etat.

1.1.1.2 Dépenses sociales dans l'UEMOA

Les dépenses publiques effectuées dans les secteurs sociaux (santé et éducation) dans l'espace UEMOA, prennent de plus en plus une part très importante dans le financement des dépenses gouvernementales.

En effet, dans le domaine de l'éducation, les pays de l'UEMOA dépensent en moyenne 4.8%¹ du FIB dans le secteur de l'éducation. Cette part se situe entre 2.5 et 9.5% du FIB. Le Sénégal, est le pays qui dépense le plus, suivi du Bénin, du Burkina et de la Côte d'Ivoire . On enregistre au Mali, au Niger et au Togo les parts des dépenses les plus faibles.

Les dépenses publiques de santé quant à elles représentent en moyenne, sur la période 1990-2002, environ 5.4 % du FIB. Ces pays dépensent entre 8.8 et 3.3% du

'Tous ces indicateurs sont tirés du <<Rapport sur le développement dans le monde >>, Banque Mondiale 2004

PIB pour l'amélioration de l'état de santé de leurs populations. Le Burkina détient
la part la plus importante et le Bénin la part la plus faible aux services de la santé.

1.1.2 Dépenses sociales et croissance économique

1.1.2.1 Le rôle de l'Etat dans l'économie : Fondements théoriques de la croissance endogène

Dans le modèle de croissance à la Solow , l'Etat ne peut jouer aucun rôle particulier dans le processus de croissance, puis que ce dernier relève de facteurs exogènes. Les tenants de la croissance endogène vont montrer au contraire qu'une intervention de l'Etat peut stimuler la croissance en incitant les agents à investir d'avantage dans le progrès technique. L'Etat peut être ainsi conduit à inciter les innovateurs à accroître leurs efforts, en renforçant la législation sur les brevets ou en encourageant la coopération entre firmes. Il s'agit ici de favoriser non moins d'Etat mais mieux d'Etat. Pour inciter en outre à investir en capital humain, l'Etat peut favoriser l'accès à l'éducation, notamment par la mise en place d'un système de bourses. On assiste à une réhabilitation des dépenses publiques, non pas dans une perspective de régulation conjoncturelle, mais dans une perspective structurelle de croissance à long terme. En rendant le coût de l'information moins élevé, ces interventions de l'Etat favorisent par là même la mise en place des conditions de la concurrence pure et parfaite.

Ainsi, pour Barro (1990), parmi les facteurs qui augmentent le rendement privé, on trouve les infrastructures publiques, mais également les dépenses de santé, d'éducation et de recherche. Ce qui différencie les modèles étudiés ici des modèles traditionnels est le fait que ces facteurs soient (considérés comme) des biens publics. Il ne serait pas rentable pour les acteurs privés de produire en quantité optimale ou de les accumuler individuellement. Cependant leur rendement social justifie leur production publique (production faisant suite à l'intervention de l'Etat). Leur logique d'accumulation est différente de celle qui naîtrait de la décision d'agents privés.

1.1.2.2 Validations empiriques

Beaucoup d'études ont été réalisées dans le but de montrer la portée de chacun des modèles de la croissance endogène. Ces dernières ont abouti à des résultats assez concluants mais quelques fois controversés. Ces études estiment pour la plupart qu'en dehors de la prise en compte des externalités, l'Etat exerce une influence directe sur l'efficacité du secteur privé : les investissements publics concourent à l'augmentation et à l'amélioration de la productivité privée. On comprend alors tout le sens de

l'interrogation des défenseurs de cette thèse : sans routes, quelle serait la productivité d'une entreprise de transport ?

Dans cette optique, SCHULTZ et DENISON² avaient montré dans les années 1960 que l'accroissement de l'éducation contribuait à la croissance économique Américaine de 15 à 20% environ. Mais l'élévation du niveau de qualification a un impact plus immédiat dans les pays sous développés que dans les pays développés compte tenu de la situation de départ.

De meme, d'autres travaux sur séries temporelles, en particulier ceux d'ASCHAUER (1989) sur données américaines de 1950 à 1985 , sont parvenus à confirmer l'existence d'une corrélation positive entre dépenses publiques et croissance. L'interprétation proposée par cet auteur consiste à confirmer l'existence d'une externalité des dépenses publiques induisant des rendements d'échelle croissants dans la fonction de production des agents privés. Pour lui, une hausse de 1% du capital public américain induirait une hausse supplémentaire de 0,4% de la productivité privée.

De manière générale, les évidences empiriques de la nature de la relation entre les dépenses publiques et la croissance économique sont controversées. BARRO (1990) a trouvé par exemple que les dépenses publiques de consommation en pourcentage du PIB (calculées en déduisant les dépenses de défense et d'éducation) étaient corrélées négativement à la croissance. Au contraire, DEVARAJAN, SWAROOP et ZOU (1996), ont mis en évidence une relation positive entre les dépenses de consommation publique (mesurée par les dépenses courantes en pourcentage des dépenses totales) et la croissance économique. CASELLI, ESQUIVEL et LEFORT (1996) ont aussi relevé l'existence d'un effet positif des dépenses publiques en pourcentage du PIB (nettes des dépenses militaires et d'éducation) sur la croissance. EASTERLY, LOAYZA et MONTIEL (1997)³ n'ont trouvé aucun effet significatif de la part des dépenses publiques de consommation dans le PIB sur la croissance en Amérique Latine. Pour le cas du Bénin, alors que GBAGUIDI T.(2001) et DAHOUI P.(2000) trouvent que le niveau des dépenses publiques n'influence pas la production, HOUNSOUNON D. et ADIDO K. (2005) relèvent un impact significatif et positif des services publics sur la croissance économique. Pour leur part, OJO et OSHIKOYA (1995) ont montré, dans le cas des pays subsahariens, qu'une hausse des dépenses publiques réduit la croissance du PIB par tete. Dans le cas des pays de l'UEMOA, Ténou (1999)⁴ aboutit

²Cité par YVES ABESSOLO, (( déterminants de la croissance économique en Afrique Subsaharienne : une analyse empirique ». Document N°09, 2001

³cité par DE LA CROIX, D. et DELAVALLADE, C. (2006). << Growth, Public Investment and Corruption with Failing Institutions ». CORE Discussion Paper.

⁴cité par KAKO KOSSIVI N.(2003) (( Dépenses publiques et Croissance des économies de l'UEMOA »

également au même résultat.

Deux remarques importantes peuvent être faites à partir de l'analyse des résultats de l'ensemble de ces études empiriques. La première a trait à la diversité et à l'hétérogénéité des résultats obtenus et la seconde tient au fait que très peu de ces études considèrent la manière plus ou moins efficace que les dépenses publiques sont employées.

Selon, Kako Kossivi Nubukpo(2003), le manque de robustesse des évidences empiriques relatives à la relation entre dépenses publiques et croissance, peut être lié en partie à la nature non-linéaire de la relation entre ces variables . Mais il peut être aussi et surtout dû à la non prise en compte de l'efficacité des services publics dans les analyses.

1.2 Efficience économique et généralités sur les modèles de frontière

Si les dépenses sociales sont nécessaires pour un accroissement potentiel du niveau de vie des populations, leur efficience en est une autre non moins importante - si non plus importante- que les autorités doivent promouvoir.

De façon générale, l'efficience économique traduit la possibilité de produire une quantité maximale à partir d'un input donné. Elle est mesurée à partir de la relation entre la production observée et la production maximale suite à l'utilisation de l'input en question. On dira donc que les dépenses en services socio-publics sont efficientes si la production de ces services est maximale. Autrement dit, l'Etat ne peut produire, une fois que la frontière d'efficience est atteinte, un niveau d'output plus élevé que l'output efficient en réduisant les dépenses engagées.

Il existe dans la littérature plusieurs techniques d'estimation de cette frontière. Avant de passer en revue ces différents modèles de frontière, nous allons d'abord clarifié le concept d'efficience, un concept qui a fait l'objet de beaucoup d'études théoriques et empiriques surtout dans le domaine des dépenses publiques.

1.2.1 Clarification du concept d'efficience

La notion d'efficience productive ou économique est différente de la notion d'efficacité sociale ou collective. L'efficacité sociale ou collective est relative à l'ensemble

de l'économie qui inclut producteurs et consommateurs. Elle est atteinte lorsqu'il est impossible d'accroître l'utilité (ou la satisfaction) d'un consommateur sans détériorer celle d'un autre. On parle alors d'optimum de Pareto ou optimum de premier rang

Pour définir ce concept d'efficience économique, FARELL (1957) la décompose en une composante allocative et une composante technique qui, selon DANIELA BORODAK (2007) se décompose à son tour en efficience d'échelle et en efficience technique pure.

1.2.1.1 Efficience technique et efficience allocative

L'efficience allocative ou efficience des prix provient de la capacité à combiner les inputs et les outputs dans les proportions optimales, compte tenu des prix donnés sur le marché. Elle évalue donc la façon dont la firme choisit les proportions des différents inputs par rapport aux prix du marché, supposé concurrentiel. Théoriquement, un processus de production sera dit allocativement efficace si le taux marginal de substitution (TMS) entre chaque paire de facteurs est égal à la proportion des prix de ces derniers. Selon FARRELL (op.cit), l'inefficience allocative stigmatise l'utilisation des inputs dans des proportions qui ne correspondent pas à l'optimalité décrite par les prix relatifs des inputs.

L'efficience technique ou efficience physique concerne la capacité à éviter le gas-pillage (DANIELA BORODAK, 2007). L'entreprise est donc déclarée techniquement efficiente si, pour les niveaux d'inputs utilisés et d'outputs produits, il lui est impossible d'augmenter la quantité d'un output sans augmenter la quantité d'un ou plusieurs inputs ou de réduire la quantité d'un autre output. L'efficience technique mesure la manière dont une firme choisit les quantités d'inputs qui entrent dans le processus de production, quand les proportions d'utilisation des facteurs sont données.

Selon FARRELL l'inefficience technique correspond à une production insuffisante par rapport à ce qui est techniquement possible avec un niveau donné d'inputs.

Pour illustrer graphiquement ces concepts d'efficience, FARRELL représente une fonction de production à deux facteurs de la forme y = f(x1, x2), où y représente l'output et (x1 , x2) les deux facteurs considérés. Dans sa représentation, il suppose que les rendements d'échelle sont constants, ce qui donne la forme unitaire de la fonction (f(^x' , ^x2 ) = 1) représentée à la figure (1.1)

FIGURE 1.1 - Illustration de l'efficience technique et allocative

SOURCE : Farrell,1957

Sur la figure (1.1), la courbe SS' désigne l'isoquant et représente le lieu géométrique de l'ensemble des possibilités de production. Cette courbe délimite, à sa droite, l'ensemble des combinaisons d'inputs techniquement faisables. Selon Farrell, l'efficience technique au point P est donnée par le rapport^OQ

_OP . L'efficacité technique est donc comprise entre 0 et 1 (OQ < OF). Tous les points situés sur la frontière de production SS' sont techniquement efficients et ont un score d'efficience technique égale à 1. Théoriquement, pour être allocativement efficaces, les firmes doivent égaliser leur taux marginal de substitution technique entre les deux inputs avec le rapport des prix des inputs déterminés par le marché. La droite (AA') représente graphiquement ce rapport des prix. Le point Q correspond à la projection radiale de P sur la frontière SS'. Ceci assure qu'il possède les mêmes proportions d'input que P. Ainsi, pour FARRELL l'efficience allocative est déterminée par le rapport^OR

_OQ. On voit donc, comme dans le cas de l'efficience technique que l'efficience allocative est elle aussi comprise entre 0 et 1 (OR < OQ). Tous les points situés sur l'isocoût (AA') sont allocativement efficients mais ne sont pas tous faisables. FARRELL, définit l'efficience économique comme une combinaison de l'efficience technique (TE) et de l'efficience allocative (AE). Cette efficience économique est obtenue au point Q' (Q' est à la fois techniquement et allocativement efficace). L'efficience économique au point P est égale au produit TE*AE = OQ/OP * OR/OQ = OR/OP. En conséquence, le point P n'est ni techniquement ni allocativement efficient. Le point Q, bien qu'il soit techniquement efficace, est allocativement inefficace. Les points P et Q ont la même inefficience allocative car ils utilisent leurs inputs dans les mêmes proportions. Enfin le point E est allocativement efficient mais techniquement inefficient. Cette inefficience technique peut être due à une inefficience d'échelle ou à une inefficience technique pure.

1.2.1.2 Efficience d'échelle et efficience technique pure

L'efficience d'échelle permet de rapporter la mesure de l'efficience technique aux rendements d'échelle obtenus pour les niveaux d'activité optimaux. Elle caractérise l'écart existant entre les performances constatées et celles qui seraient obtenues dans une situation d'équilibre concurrentiel de long terme oil le profit est nul, c'est-à-dire par rapport à une situation oil les rendements d'échelle sont constants. Ainsi, une entreprise est inefficiente d'échelle si sa situation initiale est caractérisée par des rendements d'échelle croissants ou décroissants.

L'efficience technique pure reflète la capacité d'une entreprise à optimiser sa production pour un niveau donné d'intrants et, symétriquement, à minimiser ses consommations en ressources pour un niveau donné de production. Elle reflète l'organisation du travail à l'intérieur de l'unité de production, l'habilité d'organiser, de motiver et de surveiller efficacement les employés et les superviseurs ou encore l'habilité d'éviter les erreurs et les mauvaises décisions(DANIELA BORODAK, 2007). Ces aspects de l'efficience sont souvent classés sous la rubrique « X-efficience >>. Par conséquent, la mesure de l'efficience technique pure est indépendante des prix des produits et des intrants et de la disponibilité de ces derniers.

Pour illustrer ces deux types d'efficience, COELLI et AL., (1998) représente dans un repère, une fonction de production à un seul facteur (figure 1.2)

FIGURE 1.2 - Efficience technique pure et efficience d'échelle

Source : COELLI et AL., (1998)

La firme N (figure 1.2) est techniquement inefficiente étant donné qu'il est possible de produire la même quantité d'output avec moins d'intrant. Cette inefficience technique provient de deux sources : inefficience d'échelle et inefficience technique pure. L'efficience technique pure correspond au rapport _XXMN et l'efficience d'échelle

est égale à XXM H . Le produit de ces deux efficiences correspond à l'efficience technique totale au point N, soit _XXHN .

L'efficience d'échelle caractérise l'écart existant entre les performances constatées et celles qui seraient obtenues dans une situation de rendements d'échelle constants. Le rendement d'échelle constant correspond à un équilibre concurrentiel de long terme où le profit est nul. A long terme, tous les facteurs de production peuvent etre ajustés par le producteur pour réduire son inefficacité.

La courbe en trait discontinu sur la figure 1.2 traduit l'effet du progrès technique correspondant au déplacement de la courbe (frontière) vers le haut.

Le manque d'efficience est surtout attribué selon BAcHTA et CHESiL (2002) au manque de concurrence qui fait que les firmes peuvent se permettre d'opérer en dessous de leur frontière si elles sont protégées sur le marché. L'asymétrie de l'information ou l'accès à l'information sur les prix de marché des facteurs et des produits peut expliquer l'inefficience allocative des producteurs. La mesure de l'efficience technique (économique) commence par l'estimation de la frontière de production (coût ou profit). Les méthodes d'estimation des frontières et de l'efficience sont multiples.

1.2.2 Généralités sur les modèles de frontière

Les définitions et les méthodologies de quantification des scores d'efficience ont connu une certaine évolution en passant de mesures directes, qui sont relativement pauvres, à des mesures indirectes établies à partir de techniques plus élaborées.

· S'agissant de la première catégorie de mesures (mesures directes), deux types de mesures ont été identifiés, au niveau de l'input ou de l'output. Selon le premier type, l'efficience est mesurée par le montant des ressources allouées au domaine d'intervention concerné, tel que l'éducation et la santé. Ainsi, on considère qu'un pays est plus efficient s'il consacre une part de son PIB plus élevée au secteur en question qu'un autre pays. L'approche -output considère que ce sont les réalisations d'objectifs et non les inputs qui mesurent le mieux l'efficience et l'effort fourni par les pouvoirs publics. Selon cette approche, les pays qui atteignent les niveaux d'éducation et de santé les plus élevés sont jugés etre les plus performants ; abstraction faite de l'importance des ressources qu'ils consacrent à ces fins.

· Selon SAouSSEN BEN RoMDHANE (2006), ces deux approches ne sont pas satisfaisantes pour éclairer la question d'efficience puisque ni l'une ni l'autre ne rend compte du phénomène de gaspillage de ressources publiques. En effet, SAouSSEN BEN RoMDHANE justifie cela par le fait qu'un gouvernement peut consacrer une

part très importante de son budget à l'éducation ou à la santé sans que les performances ne soient bonnes en raison d'une mauvaise gouvernance se caractérisant notamment par une corruption très répandue. Inversement, des niveaux élevés d'indicateurs sociaux pourraient être le résultat de dépenses publiques excessives et donc de beaucoup de gaspillage de ressources qui auraient pu être utilisées dans le secteur productif.

Compte tenu de ces limites, plusieurs autres techniques de mesures dites indirectes sont développées par différents auteurs, qui mettent en rapport les inputs et les outputs et rendent compte de l'écart entre l'output potentiel permis par des quantités d'inputs données et le niveau d'output effectivement atteint avec ces mêmes quantités.

Deux différentes grandes méthodes permettent dans la littérature économique d'évaluer l'efficience des services publics : les méthodes paramétriques et les méthodes non paramétriques.

1.2.2.1 Les méthodes paramétriques

Les spécifications stochastiques (paramétriques) de la frontière de production tiennent compte des éventuelles aberrances et des erreurs de mesure soit en supposant que le terme d'erreur a deux composantes, l'une représentant les erreurs aléatoires et l'autre l'inefficience technique (modèle à effets individuels aléatoires, AIGNER, LOVELL et SCHMIDT 1977)⁵, soit en admettant des interceptions variables (modèle à effets fixes, EVANS et AL. 2000)⁶.

La méthode stochastique la plus courante pour estimer les frontières de production remonte à AIGNER, LOVELL et SCHMIDT (1977). Dans cette méthode, on évalue une fonction de production paramétrique et la spécification de cette fonction explicite le fait que les écarts par rapport à la variable de sortie maximum observée peuvent également être causés par des facteurs non liés à l'inefficience. Pour traiter ce problème, on suppose que le terme d'erreur a deux composantes : l'une représentant les erreurs aléatoires et l'autre l'inefficience technique.

De façon formelle, Le modèle à effets individuels aléatoires peut être représenté

⁵Cité par GUPTA, HONJO et VERHOEVEN (1997), « The efficiency of Government Expenditure: Experience from Africa» IMF Working Paper WP/97/153.

⁶Cité par GUPTA, HONJO et VERHOEVEN (1997), op.cit

mathématiquement ainsi :

Yit = a + X' it/3 + vit -- ui (1.1)

Dans l'équation (1.1), _Yit désigne la variable de sortie de l'unité i au temps t, Xit un vecteur d'entrées, _vit est un terme d'erreur de moyenne nulle et ui une variable aléatoire représentant l'inefficience (technique) spécifique à une unité. Il est supposé que le terme d'erreur ui est non négatif (ui ~ 0)

L'efficience technique (ET) peut être calculée comme le ratio de la valeur attendue de la variable de sortie observée pour le pays i par rapport à la valeur attendue de la variable de sortie lorsque ui = 0.

Soit :

E(Yit/ui, Xit)

ETi = (1.2)

E(Yit/ui = 0, Xit)

Le dénominateur de l'équation (1.2) représente la frontière de production, puisque le terme d'inefficience ui est zéro.

Les coefficients du modèle (1.1) peuvent être estimés en utilisant des méthodes du maximum de vraisemblance. On suppose en outre que v et u peuvent être séparés. Pour l'estimation soit robuste, il faut également faire certaines hypothèses quant à la distribution de u. Étant donné que les u doivent être non négatifs, on suppose généralement qu'ils sont distribués selon une loi semi-normale et normale tronquée.

Mais la frontière de production estimée de cette façon n'englobe pas forcément toutes les observations. Alors que la valeur de la variable de sortie attendue doit se situer sur ou sous l'enveloppe, la valeur réelle de la variable de sortie peut se situer bien au-dessus si l'erreur aléatoire pour cette observation est suffisamment grande.

De plus, si cette approche traite les distorsions potentielles introduites par les observations extrêmes, elle introduit potentiellement d'autres distorsions en imposant une forme fonctionnelle particulière sur la frontière.

Dans la littérature, les deux approches sont communément utilisées et la pratique des méthodes non paramétriques semble prendre le dessus.

1.2.2.2 Les méthodes non paramétriques

L'analyse de la productivité et de l'efficience est généralement effectuée en utilisant des approches non paramétriques tel que la Free Disposable Hull FDH ou la Data Envelopment Analysis DEA (Cf. infra).

i-) L'approche q Free Disposable Hull » L'analyse « Free Disposable Hull >> est une approche non paramétrique d'estimation des scores d'efficience développée principalement par DEpRiNS, SiMAR, et TuLkENS (1984). Dans cette méthode, on construit une « enveloppe >> linéaire par morceaux qui relie les points extremes sur la surface de telle sorte que toutes les données observées se situent soit sur la frontière soit en dessous. Pour mieux comprendre cette approche, nous allons d'abord expliquer ce que l'on entend par « frontière d'efficience >>.

Soit yt le niveau d'éducation ou de santé atteint par la population d'un pays à une date quelconque t. Nous appelons cet indicateur « yt >> l'output ou un vecteur d'output qui est obtenu à partir d'un minimum de dépenses publiques engagées dans les secteurs de l'éducation et de la santé, noté xt que nous appelons l'input ou un vecteur d'input. On appelle frontière d'efficience, la fonction F des possibilités de production de l'output y par combinaison des différents niveaux d'input $x$ telle que : yt = F(xt) (AFoNso et ST. AuByN, 2004)

A partir de cette définition, on peut définir de façon concrète la notion d'efficience à une date t.

Soit y_t* le niveau d'output observé (obtenu) avec un niveau d'input xt à la date t. Si y_t* = F(xt) < y^pt , avec y^pt le niveau potentiel d'output, on dira qu'à la date t les dépenses publiques sont inefficientes (AFoNso et ST. AuByN, 2004)

Sous cette condition d'inefficience, le niveau actuel d'output est inférieur au niveau d'output potentiellement souhaité.

En reprenant ANTONio AFoNSo et MiGuEL St. AuByN(2004), on peut prendre un exemple concret.

TABLEAu 1.1 --- Un exemple pour illustrer la notion d'efficience

Source : ANTONio AFoNSo et MiGuEL St. AuByN(2004), op.cit

D'après ce tableau, le plus bas niveau de dépenses est réalisé par le pays A correspondant également au plus bas niveau d'output. Par contre, le plus haut niveau de dépenses (1300) consenti par le pays D n'a pas donné le plus haut niveau d'output

(75) qui est obtenu par le pays C qui n'a dépensé que 1000.

Selon l'approche FDH, les pays A, B et C seront considérés comme efficients et vont être de ce fait situés sur la courbe de la frontière d'efficience alors que le pays D sera le seul pays considéré comme pays inefficient et gaspilleur de ressources. C'est ce que visualise la figure (1.3)

FiGurE 1.3 - Représentation de la frontière d'efficience par l'approche FDH

Source: António Afonso et MiGuEl St. Aubyn, 2004

À la différence de la procédure DEA mentionnée ci-après, la technique FDH n'impose pas de nombreuses restrictions à la technologie de production. C'est son principal avantage. Mais elle présente aussi plusieurs inconvénients. Premièrement, dans la mesure où plusieurs observations se situent sur la frontière, la technique FDH ne permet qu'un classement partiel; puisque les observations situées sur la frontière sont tout aussi efficientes. Deuxièmement, aucune distinction n'est faite entre les facteurs aléatoires qui pourraient affecter la production (comme la pluviométrie dans la production agricole) et l'inefficience réelle. L'analyse n'est donc pas robuste vis-à-vis des aberrances ou des données extrêmes.

Comme nous le verrons plus loin, cette approche ne donne pas toute la précision possible sur les scores d'efficience. D'autres auteurs ont développé d'autres approches telles que la Data Envelopment Analysis.

ii-) Data Envelopment Analysis (DEA)⁷ La DEA est également une approche
non paramétrique d'estimation des scores d'efficience développée au départ par Far-
rEll (1957) et popularisée par la suite par CHarnEs, CoopEr et RHoDEs (1978).

L'analyse de l'enveloppement des données (DEA, Data Envelopment Analysis)

⁷Cf. Méthodologie pour les procédures d'estimation

est en effet une autre approche déterministe non-paramétrique courante pour évaluer les frontières de production. Dans cette approche, on utilise des méthodes de programmation linéaire pour élaborer une enveloppe linéaire qui relie les données par rapport auxquelles il est possible de calculer les mesures d'efficience.

Par opposition à la méthode FDH, l'analyse DEA suppose que la possibilité de production (frontière d'efficience) est convexe, ce qui implique que les combinaisons linéaires des résultats de production les mieux observés se situent sur ou sous la frontière des possibilités de production. En conséquence, une technologie qui est efficiente selon la méthode FDH, peut ne pas l'être selon la méthode DEA. Comme moins de données d'observations se situent sur la frontière, on améliore le nombre d'observations qui peuvent être classées.

António Afonso et MiGuEl St. Aubyn (2004) ont montré, en reprenant l'exemple du Tab.1.1,que du fait de la convexité de la frontière imposée dans l'approche DEA, cette méthode se révèle plus efficace et plus contraignante que la FDH (cf. Fig.1.4). L'estimation de la frontière d'efficience DEA révèle que le pays B qui était efficient selon la FDH ne l'est plus sous la DEA et donc seuls les pays A et C continuent d'être efficients.

FiGuRE 1.4 - Estimation de la frontière DEA

Source: António Afonso et MiGuEl St. Aubyn, 2004

La Fig 1.4 montre donc qu' un pays qui est jugé efficient sous la FDH ne l'est pas toujours sous la DEA, alors qu'un pays efficient sous la DEA le sera sous la FDH.

Par construction, l'ensemble de production défini par FDH est donc inclus dans l'ensemble de production DEA. Ainsi, il est possible de déduire la frontière FDH à

partir de la frontière DEA.

Pourtant cette méthode reste déterministe et on ne peut toujours pas séparer la véritable efficience de la variation aléatoire.

Dans leur étude sur 24 pays de l'OCDE, ANTONio AFoNSo et MiGuEL St. AuByN (2004) ont appliqué simultanément les deux approches et ont montré par l'estimation des deux frontières que tout estimateur DEA est un FDH (cf. Fig1.5 )

FiGuRE 1.5 - Comparaison des deux approches :DEA et FDH

AFoNSo et ALL (2003) ont montré, sur la base de la méthode DEA, que les pays européens dépensent en moyenne 30% plus que les autres pays de l'OCDE les plus performants pour obtenir la meme performance.

Dans une étude sur les dépenses d'éducation et de santé, AFoNSo et ST. AuByN (2004) ont utilisé ces deux approches non paramétriques pour évaluer l'efficience de l'éducation secondaire et de la santé dans les pays de l'OCDE en 2000. Pour l'éducation, ils ont retenu les indicateurs PISA comme Output et deux mesures quantitatives sont utilisées en tant qu'input : le nombre d'heures par année passé à l'école et le nombre d'enseignants par étudiant. Pour la santé, la mesure quantitative de l'input est le nombre de docteurs, d'infirmières et de lits d'hôpitaux, les outputs sont le taux de mortalité infantile et l'espérance de vie.

En ce qui concerne les pays africains, GupTA, HoNjo et VERHoEvEN (1997)

ont cherche à determiner la relation entre les depenses publiques d'education et de sante et les indicateurs sociaux (scolarisation primaire, secondaire, taux d'alphabetisation, esperance de vie, taux de mortalite infantile, etc.... ). Ensuite ils ont estime des scores d'efficience des depenses publiques, pour un echantillon de 38 pays africains, sur la periode 1984- 1995, en se basant sur l'approche FDH. Ces indicateurs d'efficience ont ete enfin compares entre eux et avec ceux des pays de l'Asie et de l'Hemisphère occidental. Les resultats de ces travaux montrent que les depenses du gouvernement n'ont pas le meme effet sur la production des services d'education et de sante. En effet, les comparaisons entre les pays africains et les pays de l'Asie indiquent que les depenses publiques en Gambie, Guinee, Ethiopie et Lesotho sont plus efficientes que dans d'autres pays tel que la Botswana, le Cameroun, la Côte d'Ivoire et le Kenya. Ces resultats montrent en outre que les pays asiatiques sont les plus efficients et que les pays africains sont les moins performants dans la production des services d'education et de sante. Ceci s'explique par les salaires relativement eleves, en particulier pour le secteur de l'education, et la mauvaise allocation intrasectorielle des ressources dans les pays africains (ANTONio AFoNSo and MiGuEL ST. AuByN, 2004).

SAouSSEN BEN RoMDHANE (2006) a montre que la Tunisie et le Togo sont les pays les plus efficients dans la prestation des services publics d'education et que le Niger, le Lesotho et le Rwanda ont les scores d'efficience les plus faibles. Il a egalement montre dans la meme etude qu'une allocation efficiente des ressources publiques est un garant d'une croissance plus elevee beaucoup plus que leur niveau au delà d'un certain seuil minimum.

Chapitre2

Méthodologies

Nous présentons ici les modèles empiriques qui nous ont servi à : - estimer les scores d'efficience ;

- évaluer l'impact des scores d'efficience sur la croissance.
Nous présentons aussi les données utilisées ainsi que leurs sources.

2.1 Spécification des modèles

2.1.1 Services publics et efficience technique

Afin de pouvoir estimer les scores d'efficience, nous avons utilisé la méthode DEA qui est plus générale et plus contraignante.

Plusieurs raisons motivent ce choix :

· la méthode DEA est plus générale et plus contraignante que la FDH.

· elle a connu ces dernières années un grand succès à travers son utilisation, surtout après le développement et les modifications effectuées au niveau de cette technique par SEiFoRD et THRALL(1990) , MiLLER et NouLAS (1996) , et plus récemment par SEMNick (2001) ¹ ;

· elle est particulièrement convenable avec un échantillon de petite taille ;

· elle n'impose pas de spécification de coûts à priori ;

· elle permet la gestion simultanée d'inputs et outputs et ceci grâce à sa capacité de maximiser la relation entre eux ;

· elle est capable de distinguer entre l'inefficience technique et l'inefficience d'échelle et d'envergure.

¹Tous ces auteurs sont cités dans ANTONio AFoNSo and MiGuEL St. AuByN (July 2007) << Assessing health efficiency across countries with a two-step and bootstrap analysis >>.

Il existe deux versions de la méthode DEA : l'estimateur statique et l'estimateur dynamique.

2.1.1.1 Le modèle statique

Considérons pour chaque pays i; i = {1,... , N}² et à chaque date t; t = {1,
·.. , T}³, un vecteur d'inputs _Xi,t et un vecteur d'outputs Yi,t.

De façon formelle, l'estimateur DEA de la frontière technologique est donné par le programme linéaire suivant :

^àFt(X) = max{Y E R+/Y = _XT Ai,tYi,t ^et Xi,t ~ _XT Ai,tUi,t} (2.1)

t=1 t=1

avec U les différents facteurs (inputs) utilisés, X = UXi,t et Y = UYi,t. Les {Ai,t}N i=1 sont des paramètres de lissage et sont tels que Ai,t ~ 0 et PN i=1 Ai,t = 1.

Deux cas de figure sont couramment considérés dans la littérature :

· Si on n'impose aucune condition sur la jN i=1 Ai , alors il s'agit d'un modèle DEA avec rendements d'échelle constants tel que développé par A. CHARNES et AL. (1978).

· Si par contre on considère que IN i=1 Ai = 1 , on est dans le cadre d'un modèle DEA avec des rendements d'échelle variables tel que développé par R. D. BANKER et AL. (1984).

Dans notre travail nous avons imposé comme l'ont fait AFONSO et ST. AUBYN (2004) cette dernière condition. Un avantage immédiat de cette condition est qu'elle implique directement la convexité de la frontière technique. Cette hypothèse de convexité est nécessaire pour assurer que les scores d'efficience DEA estimés sont convergents. Cette condition (PN t=1 Ai = 1) nous épargne donc du test de convexité et de nous rassurer directement de la consistance des estimations obtenues.

Résolution analytique de l'équation (2.1)

On suppose l'existence de k inputs et de m outputs pour m DMU⁴. Pour un DMUi

²Le N vaut bien entendu 8 dans le cadre de cette étude puisqu'il s'agit des huit (8) pays de l'UEMOA.

³Dans cette étude, le T vaut 35 (années) puisque l'étude couvre une période de 35 ans (1970 - 2004.

⁴Decision Making Units ou Unités de prise de Décision en français. Techniquement, il peut s'agir d'une unité de production ou d'un pays. Dans cette étude, DMU représente un pays. On a donc

, yi est le vecteur en colonne des outputs et xi est le vecteur en colonne des inputs. X(k x n) est la matrice des inputs et Y (m x n) est la matrice des outputs.

L'objectif de la méthode DEA est de construire une frontière non paramétrique de telle sorte que toutes les observations se trouvent en dessous ou sur cette courbe. D'où la nécessité d'introduire les ratios outputs/inputs dans la spécification. C'està-dire que pour chaque DMU, on obtient une mesure de tous les inputs par rapport aux outputs tel que u0yi

v0xi où u est un (m x 1) vecteur des pondérations des outputs et v est un (k x 1)vecteur des pondérations des inputs.

Afin de sélectionner les pondérations optimales, on spécifie le problème de programmation suivant :

max u,v

u^'yi v^,xi

(2.2)

S/C

^u0yi v0xi = 1 i = 1, ..., N u,v ~ 0

u et v sont des scalaires associés à chaque DMU tel que l'efficience est maximisée et elle ne peut pas dépasser une valeur unitaire. Néanmoins, la résolution de ce programme peut générer une multiplicité de solutions (par exemple si (u^', v^') est une solution, alors (au^' + av^') l'est aussi). Une contrainte supplémentaire est donc nécessaire pour éviter ce problème.

Le programme (2.2) peut alors être réécrit de la manière suivante :

		max u,v u0yi
	?	v^'xi	=	1
S/C	?????	v^'xi - u^0yi	~	0	i = 1,...,N	(2.3)
	?????	u,v	=	0

En suivant ROMDHANE (2006) et en imposant la convexité de la frontière d'efficience, on peut écrire la dualité du programme (2.3) qui non seulement permet de dériver une forme d'enveloppement de ce problème mais aussi et surtout implique moins de contraintes que le programme (2.3) (k + m < n + 1).

Le programme (2.3) devient alors :

au total 8 DMU.

S/C

? ????????? ?????????

min 9 A° Y A -- yi 61xi --XA m1^'A A

~ ~ = =

0 0 1 0

(2.4)

Dans le programme (2.4), 61 est un scalaire, et A est un (m x 1) vecteur de constantes.

La contrainte m1^'A = 1 du programme (2.4) implique la convexité de la courbe (frontière) d'efficience. En prenant chaque élément du vecteur A de façon isolée, cette contrainte devient : IN i=1 Ai = 1.

Le programme (2.4) doit donc être résolu N fois afin de trouver une valeur de 61 pour chaque DMU car nous avons au total N DMU. Chaque valeur 61i après les N résolutions, est le score d'efficience pour un DMUi.

Chaque valeur de 61i doit satisfaire la condition suivante : 61i < 1. Si 61i = 1, alors on se trouve sur la frontière d'efficience et la DMUi est techniquement efficiente.

Cet estimateur 61i est statique et ne rend pas compte de l'évolution des scores d'efficience dans le temps. L'estimateur dynamique permet de rompre cette difficulté.

2.1.1.2 L'estimateur DEA-Malmquist

L'approche DEA-Malmquist considère dans l'évaluation des scores, l'évolution de l'environnement technique, social et économique du pays concerné. Cet estimateur permet donc de mesurer la variation des scores d'efficience entre deux dates consécutives. Il s'agit de l'estimateur DEA évoqué plus haut mais appliqué sur données de panel. Il implique donc plus de contraintes et est en conséquence plus complexe à mettre en oeuvre.

Le logiciel DEAP du professeur Coelli TiM J. permet d'évaluer directement l'estimateur DEA- Malmquist et présente les résultats par année et par pays.

2.1.2 Efficience et croissance : quelle relation empirique ?

L'objectif ici est de voir comment l'efficience des dépenses publiques peut stimuler la croissance plus vite que leur volume(vérification de la deuxième hypothèse de travail). Pour cela, nous développerons et estimerons un modèle de croissance néo classique à la Solow augmenté.

2.1.2.1 Présentation du modèle de base

Nous présentons ici le modèle économétrique théorique qui servira de bases aux estimations de l'impact des scores d'efficience sur la croissance économique.

Le modèle théorique qui servira de base à notre analyse est fondé sur le modèle de croissance de MANKIW et AL. (1992), KNIGHT et AL. (1993), GHRA et HADJMICHAEL (1996) , DEMETRIADES et LAW (2006)⁵. Ainsi comme l'ont fait ces auteurs, la fonction de production considérée ici est de type néo classique⁶ et satisfait les conditions d'INADA⁷.

La forme générale de notre fonction est donnée par :

Yt = F(H, K, AL) (2.5)

oil K est le capital physique, H le capital humain, L le travail, Y le produit national, A le niveau de la technologie et t un indice temps.

Grâce aux rendements d'échelle constants (propriété des fonctions néo classiques), la fonction de production (2.5) peut s'écrire sous la forme per capita suivante :

Yt = F(H, K, AL) = AL.F(H, K, AL) = F(H/AL, K/AL, 1) = AL.f(k,h)

= y_

Y AL

= f(k, h) avec f(k,h) = f(K/AL , H/AL, 1)

Les facteurs k et h sont des variables par tete ou variables en forme intensive ou encore variables par unité de travail efficace.

2.1.2.2 Spécification économétrique

A l'instar des auteurs sus-cités, notre point de départ est la fonction de production Cobb-Douglass⁸ de la forme générale suivante :

⁵Cité par OUIDADE CHATTI , NOURI CHTOUROU & ABDELKARIM YAHYAOUI (2007) (( Governance, qualité des institutions et croissance économique >>, Avril.

⁶Une fonction de production F(K, L) est dite néo-classique si elle vérifie les deux propriétés suivantes :

1. Productivités marginales décroissantes : FK = aFlaK > 0 , FL = ?F/aL > 0 et a²F7aK² < 0 , a²F7aL² < 0 , vK > 0 , L > 0

2. Rendements d'échelle constants : F (AK, AL) = AF(K, L), VA > 0.

⁷Conditions d'Inada (INADA (1963) : limK_0 FK = limL_>0 FL = oo et limK, FK = limL_0 FL = 0

⁸Cette fonction satisfait bien entendu les conditions ci-dessus

Yt = AK^a_t Hât L1-á-â (2.6)

t

Nous supposons que a + 0 < 1, ce qui signifie que la recette est supposée décroissante pour tout le capital, physique comme humain (OUIDADE CHATTI , NOURI CHTOUROU & ABDELKARIM YAHYAOUI, Avril 2007).

Il est supposé que L et A croîssent aux taux respectifs n et g tels que :

Lt = L_oe^nt et At = Aoe(gt+Xø)

Oil X est un vecteur de politique et autres facteurs pouvant affecter le niveau de la technologie et l'efficacité de l'économie tels que le degré d'efficience des services publics, les dépenses publiques de santé et d'éducation, le degré d'ouverture etc..., 0 représente le vecteur des coefficients relatifs à ces politiques et autres variables.

Si sk et sh désignent les parts du revenu investies respectivement en capital physique et humain, les équations d'accumulation des capitaux sont données par :

^ÿkt = skyt - (n + g + (5)kt (2.7)

^ÿht = shyt - (n + g + 8)ht (2.8)

kÿ _et h^ÿ désignent respectivement la variation instantanée du capital physique et du capital humain.

Il est supposé que la même fonction de production est appliquée au capital humain, capital physique et à la consommation. En outre on suppose que le capital humain et le capital physique se déprécient au même taux 8.

1 1-a-(3

(2.9)

A l'état stationnaire, les capitaux par tête sont donnés par :

k^* = [ 1-,3 ,3 1

n+g+6^.

s_k s_h

1

a a 1 1-a- (3

[ sk sh

1^--

h^* = (2.10)

n + g +6^.

Soit y la productivité moyenne du travail ou le rendement par ouvrier efficace,

on a⁹ :

Yt
AtLt

4¹.14 _L^Yt

= = yt = At4¹.14 (2.11)

En remplaçant les équations ( 2.9 page précédente) et ( 2.10 page précédente) dans l'équation (2.6) et en appliquant le logarithme des deux côtés de cette équation , la productivité moyenne y* du travail à l'état stationnaire est donnée par :

a

n

ln y^* = ln(A0) + gt + OX + ln(sk) + /³ ln sh

1 -- a -- 0 1 -- a -- 13

a +0

1--a--Oln(n+g+6) (2.12)

Nous supposons comme MANKiw et AL. (1992), que le taux d'amélioration de l'efficacité de la technologie g est constant au cours du temps. On peut alors regrouper ln(A0) et g dans un meme terme constant a0.

De plus il est supposé que g +6^. = 0.05 (MANKiw et AL. (1992)).

Après arrangement de l'équation (2.12) et en prenant en compte ces hypothèses, on obtient l'équation d'évaluation de la relation entre l'efficience des services publics et le produit par ouvrier :

ln y* = a0 + 'eff + a1 ln(k) + a2 ln h + a3 ln(n + g + 6) (2.13)

oil eff est l'ensemble des facteurs pouvant affecter le niveau de la technologie et l'efficacité de l'économie tels que le degré d'efficience des services publics, les dépenses publiques de santé et d'éducation, le degré d'ouverture, le risque politique, etc..., 0 représente le vecteur des coefficients relatifs à ces politiques et autres variables. k est le stock de capital physique et h le stock de capital humain.

A partir de l'équation (2.13), nous pouvons formuler le modèle économétrique qui servira de base pour les modèles empiriques qui seront estimés :

q = a + OX + (2.14)

9

Yt AtLt	=		Kt Hp(AtLt)^1-a-0		Yt	( Kt r ( Ht y = lq.hit^3 AtLt ) AtLt
			(AtLt)^1-a+^a-13+^0		AtLt
yt =		Yt Yt = At = Atki' .h^it^3 Lt AtLt

Dans l'équation (2.14), q , le produit par tête (PIB/tête) pris en logarithme, est la variable endogène, X représente les exogènes et '1 les coefficients relatifs à ces variables exogènes. désigne les innovations supposées être indépendamment identiques de moyenne nulle et d'écart-type oî.

Dans cette équation (2.14), X regroupe un ensemble de neuf (09) variables exogènes qui sont introduites dans les modèles de façon graduelle. Ces variables ainsi que leur dénomination sont regroupées dans le tableau (2.1) :

2.2 Spécification et choix des variables

Les données utilisées dans le cadre de ce travail sont de deux ordres : celles utilisées pour l'estimation des scores d'efficience et celles entrant dans l'estimation des cinq modèles retenus.

2.2.1 Données relatives aux scores d'efficience

Dans la littérature économique, les données utilisées dans l'estimation des scores d'efficience sont diverses et multiformes. Le choix de ces données dépend d'une part de leur disponibilité et de leur accessibilité et d'autre part des objectifs de chaque étude.

Pour les besoins de notre travail et dans la limite de la disponibilité et de l'accessibilité des données, nous avons retenu et spécifié(comme SAOUSSEN BEN ROMDHANE, 2006) pour chaque pays, les variables suivantes :

2.2.1.1 Pour le secteur de la santé :

1. Les inputs : nous avons retenu les dépenses publiques en santé comme le seul input.

2. Les outputs : l'espérance de vie et le taux de mortalité sont les deux outputs retenus.

2.2.1.2 Pour le secteur de l'éducation :

1. Les inputs : les dépenses publiques en éducation sont les seuls inputs retenus.

2. Les outputs: nous avons retenu les taux de scolarisation dans le primaire, le secondaire et le supérieur.

2.2.2 Données relatives aux modèles de croissance

Pour estimer les modèles, nous avons utilisé les variables suivantes : 2.2.2.1 La variable endogène

La littérature nous enseigne que pour apprécier les niveaux de vie on fait recours au PNB par tête et lorsqu'il s'agit d'analyser l'activité économique d'un pays on prendra le PIB par tête. Or dans le cas de cette étude il est question d'analyser l'évolution des activités économiques dans l'espace UEMOA et ceci dans une dynamique d'efficience des dépenses socio-publiques; d'où le choix du PIB par tête comme variable endogène s'avère indispensable.

Les valeurs de cette variable endogène ( désignée ici par y) sont données par la formule suivante :

y = PIB/POP

où POP représente la population.

Toutefois l'utilisation de cet indicateur quoique très répandue reconnaît des limites qui sont dues aussi bien à la méthode de calcul, qu'à l'interprétation qui peut en être faite.¹⁰

2.2.2.2 Les variables exogènes

Nous avons utilisé un ensemble de 09 variables exogènes qui sont introduites dans les modèles par gradation et selon le type d'impact recherché.

i-) Le capital humain Les modèles de croissance endogène définissent un taux de croissance régulière optimale qui dépend en particulier des paramètres de comportement des agents économiques. Ainsi, dans ces modèles, le capital humain peut être une source importante de croissance. Les modèles suggèrent que les politiques privilégiant la promotion du développement du capital humain peuvent avoir un effet bénéfique quant à l'augmentation de la croissance. Il est souvent mesuré par le taux de scolarisation brut dans l'enseignement primaire ou secondaire (YVEs ABEssoLo, 2001), ou par l'espérance de vie ou par le rapport enfants scolarisés dans le primaire sur la population active (MANKIW, RoMER et WEIL, 1992). Ici, le capital humain

¹⁰Voir HoUNsoUNoN D. et KARIM ADIDo K.(2005) <<Déterminants de la croissance économique au Bénin : une étude empirique fondée sur les nouvelles théories de la croissance >>, Mémoire de Maîtrise - FASEG, Avril., pour plus de détails

sera mesuré par le taux de scolarisation brut dans l'enseignement secondaire compte tenu de la disponibilité des données sur tous les pays considérés.

ii-) Dépense publique Il existe une littérature abondante et controversée sur les effets des pouvoirs publics sur l'évolution de l'économie. Pour les uns, le gouvernement fourni un ensemble de biens publics qui sont complétés par la production du secteur privé. Pour les autres, l'augmentation de la consommation publique est accompagnée par un accroissement des taxes et une monétarisation accrue du déficit budgétaire, lesquelles dénaturent l'allocation des ressources, augmentent l'inefficacité et réduisent la croissance. Il est donc clair que les dépenses gouvernementales influencent beaucoup la croissance économique. Nous avons considéré dans ce travail deux types de dépenses socio-publiques : les dépenses en éducation et les dépenses en santé. Nous avons considéré séparément ces deux types de dépenses en raison de nos hypothèses de travail.

iii-) Taux de couverture Dans les modèles de croissance endogène, une ouverture au commerce international accélère l'avancement technologique par un accès aux produits et services incorporant la technologie. De même, il est aussi montré que des restrictions quantitatives des importations détournent les ressources productives vers les activités de rente qui ralentissent la croissance. La croissance économique d'un pays dépend donc très fortement de l'évolution du solde de sa balance commerciale. Un concept fondamental dans l'analyse des variations de la balance commerciale est celui des termes de l'échange définis comme étant le rapport entre les prix à l'exportation (PX) et les prix à l'importation (PM) et généralement exprimés sous forme d'indice : te = PX/PM . Malheureusement, nous ne disposons pas des données relatives à ce terme d'échange pour tous les pays. C'est pourquoi nous avons choisi le taux de couverture, calculé à partir du volume des exportations et des importations, comme variable proxy du terme de l'échange.

iv-) Le risque politique Les risques politiques sont liés à la crédibilité de l'exécutif et à la stabilité politique. En effet, une exécution limitée des politiques annoncées entraînera des incertitudes. La perception par l'investisseur de l'absence de volonté ou de l'incapacité du gouvernement à mettre en oeuvre une stratégie de croissance, portée par le secteur privé est signe d'un manque de crédibilité des réformes politiques, qui peut conduire les investisseurs à reporter ou à annuler leurs investissements.

Le tableau (2.1) présente de façon générale les variables ainsi que les signes attendus.

TABLEAU 2.1 - Signification et signes attendus des variables

Variables	Signification	Signe attendu
lpib	le logarithme du Produit Intérieur Brut	Variable endogène
licp	le logarithme de l'investissement en capital physique	+
tpm	taux de croissance de la population modifiée^11	-
tc	taux de couverture	+
ltsse	le logarithme du taux de scolarisation dans l'enseignement secondaire	+
de	dépense publique d'éducation	+
see	scores d'efficience en éducation	incertain
ds	dépense publique de Santé	+
ses	scores d'efficience en santé	incertain
rp	risque politique	-

Chapitre3

Estimation, analyse des résultats et

recommandations

3.1 Estimations des modèles

3.1.1 Estimation des scores d'efficience et présentation des résultats

Une fois la méthode d'estimation des scores est retenue, nous disposons de deux approches différentes pour évaluer l'efficience des services publics au Bénin :

· l'approche orientée vers l'input : elle est définie comme la possibilité de produire à partir d'une quantité minimale d'input afin de produire une quantité donnée d'output. On peut donc calculer de combien doit-on réduire la quantité d'input sans varier la quantité d'output pour avoir une production efficiente.

· l'approche orientée vers l'output, définie comme la possibilité de produire à partir d'un input donné le maximum d'output. Elle permet de calculer de combien doit-on augmenter l'output sans modifier la quantité d'input.

Ces deux approches conduisent à l'estimation des mesures d'efficiences techniques de plusieurs inputs ou outputs.

3.1.1.1 Estimation des scores

Dans le cadre de cette étude, le calcul des scores d'efficience repose sur l'approche orientée vers l'input. Celle-ci permet d'évaluer de combien doit être réduite la quantité d'input sans faire varier la quantité d'output. En d'autres termes de combien faut-il diminuer les dépenses publiques dans les secteurs de l'éducation et

de la santé tout en gardant le même niveau de rentabilité de ces dépenses? . Par exemple si le score d'efficience 61 pour une année i donnée est de 10%, alors 90% des dépenses publiques ne contribuent pas efficacement, à l'année i, à la production des services publics.

Cette méthode orientée vers les inputs est, selon SAOUSSEN BEN ROMDHANE (2006) plus pertinente car elle permet de dégager des résultats plus utiles aux décideurs politiques.

Comme Romdhane (2006), nous retenons dans le cadre de notre travail une approche monétaire, c'est-à-dire que les inputs considérés sont des variables financières et non pas des variables quantitatives.

Nous avons estimé les scores d'efficience technique des huit pays par la méthode de DEA-Malmquist. L'étude couvre une période de 35 ans, soit de 1970 à 2004.

Les scores d'efficience sont estimés sous le logiciel DEAP¹. Ils sont compris entre zéro et un. Plus ils s'approchent de l'unité, plus les dépenses sont efficientes.

3.1.1.2 Présentation des résultats

Les résultats des estimations des scores sont présentés à l'annexe (A).

3.1.2 Estimation des modèles de croissance

Nous procédons à présent aux estimations des modèles et présentons les résultats de nos estimations. Mais avant, il est utile de rappeler les différents modèles estimés dans le cadre de ce travail. Nous avons aussi présenté les différents tests de diagnostics effectuées sur les données.

3.1.2.1 Rappel des modèles

Comme nous avons signalé plus haut, nous avons estimé cinq (5) modèles qui ne diffèrent l'un de l'autre par l'intégration des variables par ordre de préférences et selon le type d'impact recherché. Le tableau (3.1) présente chaque type de modèles ainsi que les varaibles d'intérêt.

'Data Envelopment Analysis (computer) Program est un logiciel écrit en 1996 par le Professeur COELLI TIM J. du Center of Efficiency and Productivity Analysis, Department of Econometrics, University of New England(Australie).

http://www.une.edu.au/econometrics/cepa.htm

TABLEAU 3.1 - Les différents modèles et les variables d'intérêt

Modèles	Variables d'intérêt
Modèle 1 (Modèle standard)	licp, tpam, te, ltsse, rp
Modèle 2	de
Modèle 3	ses
Modèle 4	de
Modèle 5	see

Comme le montre le tableau (3.1), nous estimons différemment les impacts des dépenses publiques en Santé et en Education d'une part et les impacts des scores d'efficience sur la croissance économique d'autre part. Cette distinction nous épargne des effets de masque ; l'effet individuel de chaque variable d'intérêt apparaîtra alors clairement.

Le modèle 1 est le modèle standard néo classique et les modèles 2, 3, 4 et 5 sont le modèle standard augmenté respectivement des dépenses publiques en santé (ds), du score d'efficience dans le domaine de la santé (ses), des dépenses publiques en éducation (de) et du score d'efficience dans le secteur de l'éducation (see).

Ainsi, on a pour l'ensemble des huit pays de l'UEMOA, on a :

Modèle 1 : lpibi,t = a1licpi,t + a2ltssei,t + a3tpami,t + a4tci,t + a5rpi,t Modèle 2 : lpibi,t = a1licpi,t + a2ltssei,t + a3tpami,t + _a4tci,t + a5rpi,t + a6dsi,t Modèle 3 : lpibi,t = a1licpi,t +a2ltssei,t +a3tpami,t +a4tci,t + a5rpi,t + a6sesi,t Modèle 4 : lpibi,t = a1licpi,t + a2ltssei,t + _a3tpami,t + a4tci,t + a5rpi,t + a6dei,t Modèle 5 : lpibi,t = a1licpi,t +a2ltssei,t +a3tpami,t +a4tci,t + a5rpi,t + a6seei,t

Ces différents modèles montrent bien qu'il s'agit des modèles de panel puisque les observations sont compilées sous forme de données de panel (observations répétées sur chaque pays et dans le temps). Nous avons privilégié ce type d'analyse parce qu'il donne non seulement, l'avantage de disposer de séries chronologiques de taille acceptable pour l'analyse, mais aussi et surtout il permet de rendre compte simultanément de la dynamique des comportements et de leur éventuelle hétérogénéité entre les pays, ce qui n'est pas possible avec les séries temporelles ou les coupes transversales(QUENUM VENANT C.C., 2008). Les coefficients obtenus par estimation de modèle de panel peuvent donc varier à la fois dans le temps et dans l'espace (entre les pays).

L'économétrie des données de panel considère à cet effet quatre types de modèles canoniques, correspondant chacun à un ensemble de contraintes particulier sur la

manière de modéliser l'hétérogénéité :

1. le modèle à effets fixes;

2. le modèle à erreurs composées;

3. le modèle à coefficients composés;

4. le modèle à coefficients aléatoires.

Ainsi, l'un des premiers problèmes qu'il faut résoudre lorsqu'on travaille sur des données de panel, est celui du choix de la spécification qui répond mieux à nos attentes.

C'est pourquoi, avant de passer aux estimations, nous avons d'abord effectué des tests de spécifications pour rechercher l'existence ou non d'effet spécifique à chaque pays.

3.1.2.2 Tests de diagnostics

i-) Tests de spécification : les modèles sont-ils à effets ou sans effets ?

Plusieurs stratégies de tests permettent de rechercher l'existence ou non d'effets spécifiques dans un modèle de panel. Nous avons retenu celle de Fisher qui consiste à faire le choix entre un modèle pooled ou un modèle à effets spécifiques. C'est un test qui permet justifier s'il est opportun d'estimer le modèle sur données de panel ou s'il faut plutôt estimer le modèle pays par pays.

Le principe du test est le suivant :

H_o : modèle pooled
H1 : modèle à effets

Ce test est directement exécutable sur le logiciel R 2.9.1 via la commande pFtest du package plm écrit par YVES CROISSANT. Si la pvalue associée à la statistique du test est > a%, alors on ne peut pas rejeter l'hypothèse nulle d'absence d'effets spécifiques au seuil de a%. Dans ce cas, le modèle à estimer est qualifié de panel homogène.

Les résultats de ce test effectués sur le logiciel R 2.9.1, sont résumés dans le tableau (3.2).

TABLEAu 3.2 - Résultats du test d'homogénéité

Modèles	F statistic	pvalue
Modèle 1	23,4542	0.0000
Modèle 2	17.4031	0.0000
Modèle 3	37.4031	0.0000
Modèle 4	55.9556	0.0000
Modèle 5	145.2327	0.0000

A la lecture de ce tableau, la pvalue associée à la statistique de Fisher calculée pour chaque modèle est nettement inférieur à 1% et donc à 5%. Ce qui signifie qu'il s'agit de modèles à effets spécifiques ou individuels. L'utilisation des données de panel est par conséquent bien adaptée à la situation que nous décrivons.

Mais cet effet spécifique peut être individuelle ou aléatoire. Il faut donc effectuer un second test de spécification pour décider du caractère aléatoire ou non des effets spécifiques. Le test le plus répandu pour résoudre ce genre de problème est celui de HAusmAn.

i-) Le test de spécification de Hausman

Ce test permet de faire le choix entre un modèle à effets fixes et un modèle à effets aléatoires. L'hypothèse testée concerne la corrélation des effets individuels et des variables explicatives :

H_o : E(ai/Xi) = 0 (pr'esence d^'effets al'eatoires) H1 : E(ai/Xi) =6 0

Si la pvalue de la statistique de ce test est < a%, alors le modèle à effets fixes est préférable au modèle à effets aléatoires au seuil de a%. Mais lorsque la probabilité du test est > a%, alors le test de Hausman ne permet pas de différencier le modèle à effets aléatoires du modèle à effets fixes(KpodAr K.,2007, p 51).

Les résultats de ce test appliqué sur chacun des modèles sont présentés dans le tableau (3.3)

TABLEAU 3.3 - Résultats des tests de HAUSMAN

Modèles	F statistic	pvalue
Modèle 1	152.69	0.0000
Modèle 2	248.67	0.0000
Modèle 3	237.62	0.0000
Modèle 4	132.83	0.0000
Modèle 5	148.41	0.0000

A la lecture de ce tableau, on déduit que le modèle à effets fixes est plus adapté que le modèle à effets aléatoires au seuil de 1% puisque toutes les pvalue sont nettement < à 0.01.

Pour chacun des cinq modèles, nous pouvons ainsi appliquer l'estimateur within » qui permet d'estimer, sans biais, un modèle à effets fixes. Mais une condition nécessaire pour appliquer cet type d'estimateur qu'il faut absolument que les erreurs soient homoscédastiques et non auto-corrélées. Il nous faut donc d'abord faire les tests d'hétéroscédasticité et d'auto-corrélation des erreurs pour nous assurer de la validité de cet estimateur.

iii-) Tests d'hétéroscédasticité et d'auto-corrélation

· Pour l'hétéroscédasticité, en l'absence d'un test d'hétéroscédasticité sur données de panel pré programmé sur Stata, nous avons effectué manuellement le test de BREUSCH-PAGEN sur données de panel qui se fait en quatre étapes :

1. récupérer les résidus de la régression qu'on désire tester;

2. générer le carré des résidus;

3. régresser le carré des résidus sur les variables indépendantes de la régression originale;

4. tester si les coefficients sont conjointement significatifs (test F ou test LM).

Si tous les coefficients sont conjointement significatifs, alors on conclue à l'hétéroscédasticité.

Les résultats de test sont reportés au tableau(3.4)

TABLEAU 3.4 - Résultats des tests d'hétéroscédasticité

Modèles F statistic pvalue

Modèle 1 4901.84 0.0000

Modèle 2 4097.23 0.0000

Modèle 3 4105.62 0.0000

Modèle 4 4704.31 0.0000

Modèle 5 4414.78 0.0000

A l'issue de ces résultats, nous concluons que les erreurs sont hétéroscédastiques car toutes les pvalue sont < à 5%.

· Quant à l'auto-corrélation, nous avons utilisé le test d'auto-corrélation sur données de panel de WOODRIDGE (2002)² via la commande xtserial programmée sur STATA 9.0.

TABLEAU 3.5 - Résultats des tests d'auto-corrélation

Modèles F statistic pvalue

Modèle 1 8.588 0.0220

Modèle 2 8.307 0.0236

Modèle 3 8.985 0.0200

Modèle 4 8.507 0.0224

Modèle 5 8.646 0.0217

Les résultats du test de WOOLDRIDGE (tableau 3.5) montrent que les pvalue sont toutes inférieures à 5%. On conclut donc à l'auto-corrélation des erreurs.

A l'issu de ces deux tests, nous pouvons dire que les erreurs sont hétéroscédastiques et auto-corrélées.

Nous ne pouvons donc plus utiliser l'estimateur within pour les estimations. L'estimateur le plus adapté à ces genres de problème reste l'estimateur des «Moindres Carr'es G'en'eralis'es . Chacun des cinq modèles est estimé en utilisant cet estimateur. La syntaxe suivante directement exécutable dans Stata 9.0 est utilisée.

²Cité par KPODAR K., op.cit

"xtgls y x1 x2 ...,panel(hetero)corr(ar1)"

Cette commande permet de corriger à la fois l'hétéroscédasticité et l'auto-corrélation.

Mais, un autre problème tout aussi important que les précédents est celui de la présence de racine unitaire(unit root). En effet, la plupart des propriétés statistiques des méthodes d'estimation s'appliquent à des variables stationnaires (non tendancielles et non saisonnières). Or rien ne garantit la stationnarité de nos variables. Il nous faut alors faire un test de racine unitaire pour assurer que nos estimations répondent aux propriétés statistiques standard.

iv-) Test de Racine Unitaire

La littérature économétrique actuelle offre un champ particulièrement intéressant sur les stratégies des tests de racine unitaire sur données de panel. Plusieurs stratégies de test sont développées mais nous avons choisi celle développée par IM, PEsARAN et SHIN (2003)³ qui prend en compte l'hétéroscédasticité et l'auto-corrélation des erreurs. Ce test est pré programmé sous STATA version 9.0 via la commande

"ipshin"

Cette commande fournit directement la pvalue associée à la statistique du test. Si pvalue est supérieur à a%, alors on accepte l'hypothèse nulle de stationnarité au seuil a% considéré.

Les résultats de ce test⁴ appliqué sur chacune des données sont présentés dans le tableau(3.6).

Le tableau(3.6) montre que toutes nos séries sont stationnaires au seuil de 5% puisque les pvalue associées sont toutes supérieures à 5%. Il n'y a donc pas présomption de cointégration et nous n'avons aucune raison d'estimer un modèle à correction d'erreur(MCE).

³Cité par CHRIsTopHE HuRLIN et vALERIE MIGNoNy ( 2005) (< Une Synthèse des Tests de Racine Unitaire sur Données de Panel >>

⁴Tous les tests sont faits en considérant à la fois la constante et le trend

TABLEAU 3.6 - Résultats des tests de racine unitaire

Variables	W(t-bar)	pvalue
	statistic
lpib	0.468	0.680
licp	0.822	0.794
tpam	6.709	1.000
ltsse	1.429	0.923
tc	-0.062	0.272
ds	-0.072	0.471
de	0.712	0.762
ses	3.333	1.000
see	0.579	0.719

Nous avons par conséquent estimé pour chaque modèle une relation de long terme.

Les résultats de chacune de ces estimations effectuées sous le logiciel STATA version 9.0 sont présentés en annexe(D)

3.2 Analyse des résultats et recommandations

Toutes les estimations étant faites aux chapitres précédents, nous allons à présent procéder aux analyses des résultats afin de pouvoir formuler quelques recommandations.

3.2.1 Analyse des résultats

Dans cette étude, nous cherchons à étudier l'efficience des dépenses sociales(en éducation et en santé) et analyser son impact sur la production nationale. Il s'agit principalement de voir si les dépenses socio-publiques d'éducation et de santé sont efficientes au point de stimuler une croissance plus vite que le volume des dépenses engagées.

3.2.1.1 Les scores d'efficience

De façon globale, les résultats de l'annexe (A) montrent que, même si les degrés d'efficience ne sont pas très faibles, les services socio-publics ne sont pas efficients dans les pays de l'UEMOA sur la période considérée, qu'il s'agisse du secteur de l'éducation ou de la santé.

En effet, pour le secteur de l'éducation, les résultats montrent un degré moyen d'efficience de 0.73 sur toute la période. Ce qui veut dire que sur toute la période des 35 ans, 27% (en moyenne) des dépenses sociales en éducation sont gaspillées et ne contribuent en effet pas efficacement au financement des services sociaux d'éducation de l'Union. Les pays de l'espace UEMOA, pris globalement, pouvaient donc réduire ses dépenses sociales d'éducation d'environ 27% pour avoir les mêmes performances, c'est-à-dire les mêmes niveaux de taux de scolarisation dans les trois ordres d'enseignement considérés. En d'autres termes, les gouvernements des pays concernés pouvaient allouer moins de ressources au secteur de l'éducation sans réduire les taux de scolarisation.

Dans le domaine de la santé, les résultats sont encore beaucoup plus décevant puisque le score moyen d'efficience tombe en dessous des 50% (0.45 soit 45%), ce qui signifie que près de 55% (en moyenne) des dépenses sociales de santé sont gaspillées et ne contribuent en effet pas efficacement au financement des services sociaux sanitaires de l'espace UEMOA.

En considérant les scores moyens d'efficience pays par pays durant toute la période, les tableaux (3.8) et (3.7) montrent que :

TABLEAU 3.7 - Scores moyens d'efficience en Santé

Scores d'efficience Pays moyenne

Nbre d'années d'efficiences

Bénin 0.493 9

Burkina-Faso 0.56 13

Côte d'Ivoire 0.479 8

Guinée 0.466 8

Mali 0.442 10

Niger 0.39 7

Sénégal 0.347 3

Togo 0.45 9

Moyenne 0.453

· Dans le domaine de la santé, le Burkina-Faso, le Bénin et la Côte d'Ivoire viennent en tête avec 0.56; 0.493 et 0.479 respectivement comme scores d'efficience. Le Sénégal est le pays le plus inefficient dans ce domaine avec un score d'efficience de 35% en moyenne. Ce qui signifie que le Sénégal gaspille à près de 65% les ressources allouées au secteur de la santé. De plus, ce pays n'a réalisé que trois (03) années d'efficience sur les 35 années considérées. Ce qui veut dire que le secteur de la santé reste encore, au Sénégal, un secteur très peu maîtrisé.

TABLEAU 3.8 - Scores moyens d'efficience en éducation

Pays Scores d'efficience Nbre d'années

moyenne d'efficience

Bénin 0,725 9

Burkina 0,717 7

Côte d'Ivoire 0,71 7

Guinée 0,735 8

Mali 0,722 8

Niger 0,732 10

Sénégal 0,77 17

Togo 0,745 16

Moyenne 0,732 -

· Dans le domaine de l'éducation, le Sénégal vient cette fois-ci en tête avec un score moyen d'efficience de 77% avec 18 années d'efficience. Paradoxalement, malgré l'instabilité socio-politique qui a régné au Togo pendant la période considérée, ce pays se classe deuxième dans l'utilisation des ressources consacrées à l'éducation avec un score d'efficience de 75% en moyenne pour 16 années d'efficience sur les 35 considérées. Le Burkina et la Côte d'Ivoire sont les derniers dans ce secteur avec seulement 07 années d'efficience sur les 35.

En comparant les scores d'efficience dans ces deux domaines, il apparaît que le secteur de la santé enregistre les plus faibles degrés d'efficience et qu'en moyenne près de 55% des dépenses dans ce secteur sont gaspillées contre 27% seulement dans le domaine de l'éducation. Ce qui veut dire que dans l'espace UEMOA, le secteur de la santé, pourtant très sensible, est très peu maîtrisé et doit en conséquence susciter beaucoup lpus d'attention de la part des autorités de l'Union.

En somme, même si les degrés d'efficience ne sont pas très faibles, on peut dire que les dépenses socio-publiques d'éducation et de santé ne sont pas efficientes dans l'espace UEMOA et qu'environ 27% et 55% en moyenne des dépenses sociales respectivement dans ces deux secteurs sont gaspillées. La première hypothèse de recherche vient ainsi d'être infirmée.

3.2.1.2 Impact de l'efficience sur la croissance

Afin d'évaluer l'ampleur des impacts des scores d'efficience sur la production, nous avons estimé un ensemble de cinq (5) modèles, chacun privilégiant un type donné de variables d'intérêt.

· De façon générale, les résultats présentés à l'annexe(D), montrent que chacun des modèles est globalement significatif puisque la probabilité liée à la statistique de Fisher pour chacun d'eux est nettement inférieure à 1% (0.0000). Globalement, les résultats montrent que pour chacun des modèles, les variables mesurant l'investissement en capital physique (licp) et le capital humain (ltsse) ont donné les signes attendus. En effet, les coefficients des deux variables ltsse et licp sont tous positifs et significatifs à 1% dans chacun des modèles. Le tableau (3.9) montre par exemple qu'une hausse de l'investissement en capital physique de 1% produit un accroissement de la production de 0.81%. Cette production, selon le même tableau, augmenterait de 0.01% si le capital humain connaissait un accroissement de 1%. Ce qui veut dire que le capital physique et le capital humain ont un impact positif sur la croissance des pays de l'espace UEMOA conformément aux prédictions des modèles de croissance endogène.

TABLEAU 3.9 - Résultats des estimations du modèle 1

Variable Coefficient

(Std. Err.)

licp 0.8061^**

(0.0175)

tpam _1.98e_^07**

(1.64e-⁰⁸ )

ltsse 0.0102^**

(0.0018)

tc 0.0137

(0.0088)

rp -0.0007

(0.0030)

Intercept -9.1741^**

(0.4352)

N 280

Log-likelihood 388.276

Prob > chi2 0.0000

Significance levels : : 10% * : 5% ** : 1%

De même, la variable mesurant le taux d'accroissement de la population (tpam) a gardé le signe négatif (significatif à 1%) attendu dans chacun des modèles même si son impact en terme de contribution à la croissance économique est très faible. Les résultats montrent également que le risque politique a un impact négatif (signe attendu) mais non significatif sur la croissance économique des pays de l'union dans chacun des modèles. Enfin, le modèle 1 laisse croire qu'une bonne politique commerciale axée sur l'amélioration du solde commerciale est source de croissance dans les pays de l'uemoa. En effet, les résultats (tableau 3.9)montrent que le coefficient de la variable mesurant le solde commercial (tc) a gardé le signe positif attendu dans tous les modèles même s'il n'est pas significatif partout.

· En ce qui concerne le secteur de l'éducation, deux spécifications sont retenues. Les dépenses publiques sont introduites dans la première spécification en terme de niveau (modèle 4) et dans la seconde en terme de degré d'efficience (modèle 5). Les résultats de la régression du modèle 4 (voir tableau 3.10) montrent l'impact positif très faible et non significatif des dépenses publiques d'éducation sur la croissance économique.

En effet, les résultats montrent qu'une augmentation du volume des dépenses publiques d'éducation d'une (1) unité ne provoque aucune amélioration significative du FIB par tête. Néanmoins, l'introduction des scores d'efficience a permis de dégager un résultat pertinent. En effet, à partir de la régression du modèle 5 (Voir tableau 3.11 ), il apparaît que le coefficient des scores d'efficience est positif et significatif à 1%. Ce qui nous permet de conclure que la croissance économique est stimulée par l'efficience des dépenses publiques d'éducation beaucoup plus vite que le volume des dépenses engagées .

· D'une manière analogue, dans le domaine de la santé, deux spécifications ont été considérées. La première intègre le volume des dépenses publiques de santé (modèle 2) alors que la deuxième introduit le score d'efficience de ces dépenses publiques (modèle 3). Les résultats empiriques issus de l'estimation des modèles 2 et 3 (voir les tableaux 3.12 et 3.13)ne sont pas conclusifs en terme de niveau mais sont significatifs lorsque la performance est mesurée par l'efficience.

En effet, les résultats montrent que les dépenses publiques de santé sont de nul effet (coefficient de la variable ds non significatif) sur la formation du FIB alors que la prise en compte de l'efficience de ces dépenses laisse apparaître un résultat positif et significatif à 1%.

En résumé, nos résultats montrent que c'est une utilisation efficiente des ressources consacrées à l'éducation et à la santé qui est plus importante que le volume des dépenses effectuées en tant que facteur contribuant à la croissance. Nous pou-

TABLEAU 3.10 - Résultats des estimations du modèle 4

Variable Coefficient

(Std. Err.)

licp 0.8090^**

(0.0165)

tpam --2.02e-07 **

(1.52e^-08 )

ltsse 0.0102^**

(0.0017)

tc 0.0146^†

(0.0088)

de 0.0057

(0.0056)

rp -0.0009

(0.0029)

Intercept -9.2668^**

(0.4105)

N 280

Log-likelihood 388.4031

Prob > chi2 0.0000

Significance levels : : 10% * : 5% ** : 1%

TABLEAU 3.11 - Résultats des estimations du modèle 5

Variable Coefficient

(Std. Err.)

licp 0.8080^**

(0.0166)

tpam _2.01e_^07**

(1.53e^-08)

ltsse 0.0104^**

(0.0017)

tc 0.0149^†

(0.0088)

see 0.0038

(0.0004)

rp -0.0008

(0.0029)

Intercept -9.2185^**

(0.4123)

N 280

Log-likelihood 388.3636

Prob > chi2 0.0000

Significance levels : : 10% * : 5% ** : 1%

TABLEAU 3.12 - Résulats des estimation du modèle 2

Variable Coefficient

(Std. Err.)

licp 0.8049^**

(0.0134)

tpam _2.23e_^07**

( 1.22e^-08)

tsse 0.0116^**

(0.0013)

ds 0.0097

(0.0061)

tc 0.0167^†

(0.0101)

rp -0.0018

(0.0040)

Intercept -9.1302^**

(0.3295)

N 280

Log-likelihood 359.5779

Prob > chi2 10303.3505

Significance levels : : 10% * : 5% ** : 1%

vons donc conclure que la deuxième hypothèse de recherche selon laquelle le degré d'efficience des dépenses d'éducation et de santé permet une croissance du PIB plus rapide que le volume des dépenses engagées est confirmée.

TABLEAU 3.13 - Résultats des estimation du modèle 3

Variable Coefficient

(Std. Err.)

licp 0.7874^**

(0.0200)

tpam --1.93e^-07**

(1.76e^-08)

ltsse 0.0108^**

(0.0021)

tc 0.0125

(0.0089)

ses 0.0102^**

(0.0018)

rp -0.0007

(0.0036)

Intercept -8.6331^**

(0.5464)

N 280

Log-likelihood 378.9031

Prob > chi2 0.0000

Significance levels : t : 10% * : 5% ** : 1%

Ces conclusions rejoignent celles de EBERT, SCHUKNECHT et THONE (2005) et celle de SAOUSSEN BEN ROMDHANE (2006), qui ont montré que si les dépenses publiques sont de bonne qualité, les services qui en résultent sont de nature à accélérer la croissance. Il ne suffit donc pas d'accroître ses dépenses sociales en éducation et en santé pour espérer un accroissement substantiel de la production nationale mais il faudra que ces dépenses soient économiquement efficientes.

3.2.2 Recommandations de politiques

Les différents développements dérivés de l'analyse de l'efficience des services publics et de son impact sur la croissance économique autorisent à retenir les principaux repères autour desquels peuvent etre élaborées les recommandations de politiques

pour une amélioration de l'efficience des dépenses publiques et de la productivité des différents facteurs de croissance identifiés.

3.2.2.1 Pour une amélioration de l'efficience des dépenses socio-publiques

Bien que notre analyse ne s'intéresse pas aux facteurs explicatifs de l'inefficience des dépenses socio- publiques, beaucoup d'études ont été réalisées dans ce domaine pour appréhender les principaux déterminants de l'efficience des dépenses sociales dans les pays africains. La plupart de ces études montrent que la stabilité politique, l'efficacité des pouvoirs publics, la protection des droits de l'homme et de la propriété et le contrôle de la corruption sont importants pour améliorer l'efficience. En effet, une mauvaise gouvernance qui implique un système d'administration publique inefficace et se traduit par le manque de transparence, le non respect des lois et de l'Etat de droit, la limitation de la participation des populations au processus de prise de décisions, l'inefficacité des gouvernements et le faible contrôle de la corruption sont à l'origine des problèmes sociaux, de troubles et conflits civils et d'une mauvaise gestion des ressources nationales et publiques susceptibles de compromettre l'efficience des dépenses publiques dans la prestation des services d'éducation et de santé.

L'ensemble des pays étudiés doit donc veiller à assurer un environnement caractérisé par un système d'administration publique efficace, un cadre juridique opérationnel et des structures réglementaires prévisibles, ainsi que des systèmes transparents pour assurer l'imputabilité financière et juridique. L'efficacité et la cohérence des politiques dans certains pays africains, ont permis la mise en place d'institutions fournissant des biens publics et offrant des services sociaux efficients (SAOUSSEN BEN ROMDHANE ,2006).

Enfin, ils doivent continuer à encourager les contrats de partenariat Public-Privé, c'est-à-dire impliquer d'avantage le secteur privé dans la prestation des services d'éducation et de santé en adhérant aux contrats de partenariat public- privé afin de profiter des avantages de telles associations.

3.2.2.2 Rationalisation des dépenses de santé et d'éducation

Ces pays doivent, à l'instar d'autres pays africains, introduire la gestion par objectif qui consiste à allouer les ressources budgétaires non seulement par domaine d'intervention mais aussi par objectif clair et mesurable et à travers des mécanismes permettant la vérification de la réalisation des objectifs en rapport avec les moyens

qui leur sont consacrés.

Au total, pour permettre aux dépenses sociales d'éducation et de santé engagées d'atteindre des objectifs économiques plus positifs, l'ensemble des pays de l'UEMOA devra mettre en place des politiques visant à créer un environnement politique et socio-économique sain, un plan de sécurité publique national en vue d'améliorer le climat sécuritaire et un plan global de développement afin d'assurer la croissance économique, améliorer la distribution de la richesse et des revenus, et réduire le niveau de la pauvreté. Ce plan de développement devra se focaliser sur des politiques visant à favoriser la stabilité politique et macro-économique, la réhabilitation des infrastructures socio économiques, le renforcement des institutions et le développement des investissements.

Conclusion générale

Depuis l'avènement des théories de la croissance endogène, l'Etat est reconsidéré comme un acteur principal de la vie économique. On assiste à une réhabilitation du rôle de l'Etat dans l'économie à travers la fourniture des biens publics indispensables à l'amélioration de la productivité du secteur privé. Plusieurs études empiriques ont tenté d'évaluer, à la suite de l'article de BARRO (1990), l'mpact des dépenses publiques sur la croissance économique.

Deux remarques importantes peuvent être faites à partir de l'analyse des résultats de l'ensemble de ces études empiriques. La première a trait à la diversité et à l'hétérogénéité des résultats obtenus et la seconde tient au fait que très peu de ces études considèrent la manière plus ou moins efficace que les dépenses publiques sont employées. Or l'impact positif des services publics sur la croissance économique peut dépendre en large partie de l'efficacité des dépenses engagées.

C'est pourquoi, dans le cadre de notre mémoire de DEA/Master en Economie publique, nous nous sommes penchés sur la question de l'efficience des dépenses publiques dans l'espace UEMOA. Il s'est agit de dégager dans cette étude des éléments de réponse aux deux interrogations suivantes :

· les dépenses publiques d'éducation et de santé sont-elles efficientes dans les pays de l'UEMOA?

· l'efficience de ces dépenses ne permet-elle pas un accroissement de la production plus vite que le volume des dépenses engagées?

Pour répondre à ces deux interrogations, nous avons d'abord procédé à l'estimation des scores d'efficience avant d'étudier l'impact de ces scores estimés sur la croissance à travers un modèle de croissance endogène. Les scores d'efficience ont été estimés au moyen de la méthode d'enveloppement des données à la Malmquist (DEA-Malmquist), technique non paramétrique ayant l'avantage de ne pas exiger de spécification explicite de la relation liant l'input à l'output et de considérer l'évolution de l'environnement technologique pouvant influencer sur l'efficience. Nous avons réalisé cette étude sur une période de 35 ans (1970 à 2004).

Les résultats de ces estimations montrent qu'en moyenne sur la période considérée, les dépenses socio- publicques d'éducation et de santé ne sont pas efficientes même si les degrés d'efficience ne sont pas très faibles et que les dépenses publiques sont gaspillées à près de 27% et de 55% en moyenne respectivement pour l'éducation et la santé. Ces résultats présagent que les dépenses sociales en matière d'éducation et de santé sont plus ou moins rationnelles. Mais ce résultat peut être dû à la non prise en compte de l'effet du secteur privé. En effet, les domaines de la santé et de l'éducation sont deux domaines qui sont considérablement explorés par le secteur privé. Or dans notre étude nous avons considéré d'une part, les niveaux globaux

des taux de scolarisation dans le primaire, le secondaire et le supérieur et d'autre part l'espérance de vie et le taux de mortalité (indicateurs globaux) sans prendre en compte - faute d'une technique de quantification- les dépenses engagées dans ces deux domaines par le secteur privé. Cette ignorance peut sans doute surestimer les scores d'efficience.

Les résultats des estimations de nos modèles de croissance ne sont pas conclusifs en terme de niveau mais sont significatifs lorsque la performance est mesurée par l'efficience ; ce qui signifie que l'efficience des dépenses sociales d'éducation et de santé favorisent la croissance économique plus vite que le volume des dépenses engagées.

Au total, nos résultats montrent d'une part que les dépenses socio-publiques sont peu efficientes dans l'espace UEMOA durant la période considérée et d'autre part que c'est une utilisation efficiente des ressources consacrées à l'éducation et à la santé qui est plus importante que le volume de ces dépenses en tant que facteur contribuant à la croissance. Ces conclusions rejoignent celles de EBERT, SCHUKNECHT et THONE (2005) et celle de SAOUSSEN BEN ROMDHANE (2006), qui ont montré que si les dépenses publiques sont de bonne qualité, les services qui en résultent sont de nature à accélérer la croissance.

Dans ces conditions, pour permettre aux dépenses sociales d'éducation et de santé engagées d'atteindre des objectifs économiques plus positifs, les Etats de l'UEMOA devront mettre en place des politiques visant à créer un environnement politique et socio-économique sain. Un plan de sécurité publique national en vue d'améliorer le climat sécuritaire et un plan global de développement afin d'assurer la croissance économique, améliorer la distribution de la richesse et des revenus, et réduire le niveau de la pauvreté. Ce plan de développement devra se focaliser sur des politiques visant à favoriser la stabilité politique et macro-économique, la réduction de la corruption privée comme publique, la réhabilitation des infrastructures socioéconomiques, le renforcement des institutions et le développement des investissements.

Cependant, notons que la présente étude souffre de quelques insuffisances tant au niveau de la spécification des modèles qu'au niveau de l'analyse quantitative des résultats. Pour des raisons d'orientation de recherche, de la non disponibilité de certaines données et aussi pour réduire le champ de l'analyse, l'étude a occulté certaines variables dont l'influence est sans doute non négligeable dans l'analyse de l'efficience des dépenses publiques. Pour les memes raisons, l'étude a ignoré l'influence du secteur privé. Au niveau de l'analyse, une limite tout aussi importante est que l'impact des dépenses publiques sur la croissance ne doit pas etre recherché seulement dans la propension marginale de cette variable à la production. L'ac-

tion publique développe un certain nombre d'externalités qui sont malheureusement difficiles à quantifier. Ces externalités se trouvent à travers l'assainissement de l'environnement socio-économique.

Nous souhaiterions ainsi voir des études ultérieures sur la question de l'efficience des dépenses publiques dans l'union prenant en compte la spécificité du secteur privé et avec des techniques d'évaluation beaucoup plus élaborées.

Bibliographie

[1] ABLo, E. et REiNikkA, R. (1998). Do Budgets Really Matter ? - Evidence From Public Spending on Education and Health in Uganda. Policy Research Working Paper Series 1926, The World Bank.

[2] AFoNSo, A., SCHukNECHT, L. and TANzi, V. (2003). «Public Sector Efficiency : an International Comparison,» Banque Centrale Européenne Working Paper N°242.

[3] AFoNSo ANToNio, EBERT WERNER, SCHNkNECHT LuDGE et THoNE MiCHAEL (2005), « Quality of Public finance and Growth >> European Central Bank, Working Paper Series N° 438.

[4] Agenda pour un Bénin nouveau, BoNi YAYi, 2006.

[5] ANToNio AFoNSo et MiGuEL St. AuBYN(2004), « Non-parametric Approaches to Education and Health Expenditure Efficiency in OECD Countries >>.

[6] ANToNio AFoNSo and MiGuEL St. AuBYN (July 2007) « Assessing health efficiency across countries with a two-step and bootstrap analysis >>.

[7] ASCHAuER D. A. (1989) « Is public Expenditure productive ? >> Journal of Monetary Economics, Mars, pp 177-200.

[8] BACHTA M.S., CHEBiL A.(2002) « Efficacité technique des exploitations céréalières de la plaine du Sers (Tunisie) >>. Série NEW MEDIT : Mediterranean Journal of Economics, Agriculture and Environment.

[9] BANkER, R.D. (1984) Estimating most productive scale size using Data Envelopment Analysis, European Journal of Operational Research, N°17.

[10] BANQuE MoNDiALE (2004), Rapport sur le développement dans le monde : « Le développement au seuil du Xxle siècle >> ; WASHINGTON D.C : BANQUE MONDIALE.

[11] BARRo, R. (1990) « Government Spending : A Simple Model of Endogenous Growth >> Journal of Political Economy, Vol.98, N°5 PP 103- 125 .

[12] BARRo R. (1997) « Determinants of Economic Growth », MIT Press, Cambridge.

[13] CASELLi F., ESQuivEL G., LEFoRT F. (1996) « Reopening the Convergence Debate : A New Look at Cross-Country Growth Empirics », Journal of Economic Growth, N°1, Septembre , PP.363-390.

[14] CHARNES A., W.W. CooPER and E. RHoDES (1978) Measuring the Efficiency of Decision Making Units, European Journal of Operational Research, 2, pp. 429-444.

[15] CLARA DELAvALLADE (2007) « Corruption publique : facteurs institutionnels et effets sur les dépenses publiques », Thèse de Doctorat en Sciences Economiques , l'Université de Paris I.

[16] CoELLi T.J.(1996) « A Guide to Frontier Version 4.1 : A Computer Program for Frontier Production Function Estimation ». Centre for Efficiency and Productivity Analysis Working Paper 96/07, Department of Econometrics, University of New England, Armidale.

[17] CoELLi T.J., PRASADA RAo D.S., BATTESE G.E.(1998) « An Introduction to Efficiency and Productivity Analysis », Kluwer Academic Publishers, Boston.

[18] CHRiSToPHE HuRLiN et vALERiE MiGNoNy ( 2005) « Une Synthèse des Tests de Racine Unitaire sur Données de Panel »

[19] DAHoui, P (2000) « efficacité des dépenses publiques en capital humain au Bénin » Mémoire de DEA- PTCI ; UCAD DAKAR, juillet.

[20] DANiELA B.(2007) « Les outils d'analyse des performances productives utilisés en économie et gestion : la mesure de l'efficience technique et ses déterminants », Cahier de recherche, Groupe ESC Clermont.

[21] DE LA CRoiX, D. et DELAvALLADE, C. (2006). « Growth, Public Investment and Corruption with Failing Institutions ». CORE Discussion Paper.

[22] DEPRiNS, D., L. SiMAR, and H. TuLkENS (1984) « Measuring Labor Efficiency in Post Offices », pp. 243- 267 in M. MARcHAND, P. PESTiEAu, and H. TuLkENS, »The Performance of Public Enterprises : Concepts and Measurements», North Holland.

[23] DEvARAjAN S., SwARooP V., Zou H. (1996) « 'The Composition of Public Expenditure and Economic Growth », Journal of Monetary Economics, 37, PP.318-344.

[24] FARRELL M.J.(1957) « The Measurement of Productive Efficiency », Journal of the royal Statistical Society (séries A).

[25] GBAGuiDi T. (2001) « L'impact des finances publiques béninoises sur la performance économique du pays », mémoire de DEA.

[26] GupTA, HoNjo et VERHoEVEN (1997), « The efficiency of Government Expenditure : Experience from Africa» IMF Working Paper WP/97/153.

[27] GupTA, S., DAVooDi, H. R. et TioNGSoN, E. R.(2001) « Corruption and The Provision Of Health Care And Education Services » ; London : Routledge.

[28] HARTLEY K. (2006), « Defence Spending and its Impact on the National Economy : A review of the literature and research issues », Centre for defense economics, New-York.

[29] HouNSouNoN D. et KARiM ADiDo K.(2005) « Déterminants de la croissance économique au Bénin : une étude empirique fondée sur les nouvelles théories de la croissance », Mémoire de Maîtrise - FASEG, Avril.

[30] CHRiSTopHE HuRLiN et VALgRiE MiGNoN (2005) « Une Synthèse des Tests de Racine Unitaire sur Données de Panel », Janvier

[31] KAko Kossivi N.(2003) « Dépenses publiques et Croissance des économies de l'UEMOA ».

[32] KpoDAR K.(2007) « Manuel d'initiation à Stata (Version 8) », Centres d'Etudes et de Recherches sur le développement international, Février.

[33] LoGoSSAH K. (1994) « Capital humain et croissance économique : une revue de la littérature », Economie et Prévision, 5 (116), PP. 17-34.

[34] MANkiW, N GREGoRY & RoMER, DAViD & WEiL, DAViD N.(1992), « A Contribution to the Empirics of Economic Growth », The Quarterly Journal of Economics, MIT Press, 107(2) , 407-37.

[35] Ojo O., OSHikoYA T. (1995) « Determinants of Long Term Growth : Some African Results », Journal of African Economics, 4 (2), PP.163-191.

[36] OuiDADE CHATTi , NouRi CHTouRou & ABDELkARiM YAHYAoui (2007) « Governance, qualité des institutions et croissance économique », Avril.

[37] QuENuM VENANT C. CgLESTiN(2008) « Financement public des systèmes éducatifs et croissance économique dans les Pays en Voie de Développement : cas des pays de l'Union Économique et Monétaire Ouest Africaine (UEMOA) », thèse de doctorat

[38] TEBALDi, EDiNALDo and MoHAN, RAMESH (2008) « Institutions-Augmented Solow Model And Club Convergence », Bryant University, August.

[39] YVES ABESSoLo (2001), « déterminants de la croissance économique en Afrique Subsaharienne : une analyse empirique ». Document N°09.

Annexe

AnnexeA

Résulats des estimations des scores

d'efficience

A.1 Pour l'éducation

Années	Bénin	Burkina	Côte-d'Ivoire	Guinée	Mali	Niger	Sénégal	Togo	Moyenne	Min
1970	0,182	0,182	0,309	0,278	1	0,782	0,902	1	0,579375	0,182
1971	0,959	1	0,357	0,899	0,17	1	0,956	0,195	0,692	0,17
1972	1	0,327	0,899	1	0,333	0,333	0,34	0,982	0,65175	0,327
1973	0,907	0,997	1	0,941	0,993	0,941	1	1	0,972375	0,907
1974	0,951	1	1	0,542	0,542	0,506	0,528	0,354	0,677875	0,354
1975	0,308	0,21	1	1	0,957	1	0,328	0,25	0,631625	0,21
1976	1	0,864	0,474	0,5	0,5	0,5	0,5	0,6	0,61725	0,474
1977	1	0,865	0,865	0,865	0,82	0,966	0,82	0,708	0,863625	0,708
1978	0,212	0,519	0,296	0,695	0,459	1	0,331	1	0,564	0,212
1979	0,339	0,822	0,858	0,161	0,867	0,816	0,939	1	0,72525	0,161
1980	0,525	1	1	0,996	1	0,248	0,244	0,166	0,647375	0,166
1981	1	0,964	0,509	0,842	1	0,754	0,738	0,456	0,782875	0,456
1982	0,79	0,217	1	0,306	0,212	0,251	1	0,188	0,4955	0,188
1983	1	0,464	0,464	0,464	0,464	0,464	0,495	0,495	0,53875	0,464
1984	0,876	0,876	0,876	0,935	0,935	1	1	1	0,93725	0,876
1985	0,814	0,814	0,872	0,872	0,872	0,894	1	0,936	0,88425	0,814
1986	0,909	0,909	0,977	0,977	1	1	1	1	0,9715	0,909
1987	0,609	0,125	1	0,702	0,148	0,148	0,141	0,141	0,37675	0,125
1988	0,329	0,584	0,235	0,425	0,138	0,521	0,624	1	0,482	0,138
1989	0,036	0,036	0,052	0,102	0,135	0,325	1	0,321	0,250875	0,036
1990	0,124	0,214	0,258	0,145	0,19	0,25	1	1	0,397625	0,124
1991	0,521	0,604	0,234	0,854	0,458	0,26	1	0,586	0,564625	0,234
1992	0,894	1	0,524	1	0,975	0,975	1	1	0,921	0,524
1993	0,906	0,916	0,916	1	1	1	1	1	0,96725	0,906
1994	0,935	0,935	0,935	0,978	0,978	1	1	1	0,970125	0,935
1995	1	1	0,963	0,963	0,963	0,963	1	0,971	0,977875	0,963
1996	1	1	0,366	0,366	0,391	0,391	0,391	0,825	0,59125	0,366
1997	1	0,846	0,846	0,846	0,929	0,929	1	1	0,9245	0,846
1998	0,958	0,858	0,858	1	1	1	1	1	0,95925	0,858
1999	0,893	0,893	0,893	0,981	0,981	1	1	1	0,955125	0,893
2000	0,929	0,929	0,982	0,143	1	0,496	0,496	0,508	0,685375	0,143
2001	0,301	0,301	0,213	1	1	1	1	0,442	0,657125	0,213
2002	0,334	1	1	1	0,98	0,98	1	1	0,91175	0,334
2003	1	0,98	0,98	0,961	0,961	0,961	0,961	0,961	0,970625	0,961
2004	0,83	0,83	0,83	1	0,907	0,962	0,227	1	0,82325	0,227
Moyenn	0,725	0,7166	0,70974286	0,7354	0,722	0,732	0,77031	0,7453	0,7319714	0,71
Min	0,036	0,036	0,052	0,102	0,135	0,148	0,141	0,141		0,036

A.2 Pour la santé

Année	Bénin	Burkina	Côte d'Ivoire	Guinée	Mali	Niger	Sénégal	Togo	Moyenne	Min
1970	0,014	0,018	0,054	1	0,125	0,25	0,367	1	0,352	0,014
1971	1	1	1	1	1	0,4	0,5	0,333	0,779	0,333
1972	1	0,8	0,267	1	0,051	0,048	0,048	0,048	0,408	0,048
1973	1	1	1	0,5	1	0,333	0,5	0,5	0,729	0,333
1974	0,571	1	0,667	0,04	0,04	1	0,5	0,333	0,519	0,04
1975	0,25	1	0,111	0,125	0,095	0,4	0,5	1	0,435	0,095
1976	0,5	0,105	1	0,25	0,25	0,286	0,222	1	0,452	0,105
1977	1	0,452	0,792	0,864	1	0,143	0,111	0,2	0,57	0,111
1978	0,2	0,125	0,2	0,125	1	0,333	0,25	0,2	0,304	0,125
1979	0,125	0,25	1	0,125	0,5	0,25	0,111	0,125	0,311	0,111
1980	0,25	1	0,125	0,313	0,333	0,333	1	0,143	0,437	0,125
1981	0,8	0,5	1	1	0,333	0,145	0,16	0,218	0,52	0,145
1982	0,222	1	0,5	0,667	1	1	1	0,222	0,701	0,222
1983	1	1	0,008	0,007	0,006	0,005	0,005	0,004	0,254	0,004
1984	1	0,91	0,834	0,769	0,712	0,662	0,618	0,578	0,761	0,578
1985	0,054	1	0,458	0,297	0,218	0,171	0,14	0,119	0,307	0,054
1986	0,002	0,002	0,167	0,333	0,25	0,2	0,111	1	0,258	0,002
1987	0,111	0,333	1	1	0,111	0,143	0,2	0,167	0,383	0,111
1988	1	0,056	0,208	0,217	0,217	0,217	0,217	1	0,393	0,056
1989	0,071	0,19	0,8	0,8	1	1	0,667	0,571	0,637	0,071
1990	0,111	0,026	0,069	0,053	0,043	1	0,667	1	0,371	0,026
1991	0,5	0,5	1	0,143	0,333	0,2	0,2	0,125	0,375	0,125
1992	0,8	1	0,8	0,667	0,16	0,16	0,16	1	0,593	0,16
1993	0,125	1	0,2	0,167	0,5	0,25	0,125	0,167	0,317	0,125
1994	0,913	0,913	0,125	1	1	0,6	0,368	0,239	0,645	0,125
1995	0,25	0,25	0,5	0,667	1	0,333	0,286	1	0,536	0,25
1996	1	1	0,25	0,25	1	0,2	1	0,2	0,613	0,2
1997	0,2	1	0,048	0,048	0,05	0,05	0,167	0,143	0,213	0,048
1998	0,444	1	0,571	0,062	0,089	0,046	0,063	1	0,409	0,046
1999	0,02	0,023	0,03	0,143	0,111	1	0,111	0,143	0,198	0,02
2000	0,167	0,167	0,125	1	1	0,111	0,25	0,2	0,377	0,111
2001	0,2	0,2	0,25	1	0,2	0,167	0,5	0,5	0,377	0,167
2002	0,5	0,5	0,5	0,5	0,5	1	0,333	0,125	0,495	0,125
2003	0,857	0,076	0,103	0,118	0,113	1	0,667	1	0,492	0,076
2004	1	0,2	1	0,071	0,125	0,2	0,01	0,143	0,344	0,01
Moy,	0,493	0,559886	0,47891429	0,46631	0,4419	0,39	0,34669	0,45	0,45328571
Min	0,002	0,002	0,008	0,007	0,006	0,005	0,005	0,004	0,198

Annexe113

Les tests de spécification

1- Modèle pooled versus Modèle a effets spécifiques

A-) Le modèle 1 (Standard)

pFtest(mod1p,mod1w)

F test for effects

data: lpib ~ licp + tpam + tc+ ltsse + rp

F = 23.45, df1 = 19, df2 = 178, p-value = 0.0000 alternative hypothesis: significant effects

B-) Modèle 2 (Standard +ds)

> pFtest(mod2p,mod2w)

F test for effects

data: lpib ~ licp + tpam + tc + ds ltsse + rp

F = 17.4031, df1 = 28, df2 = 169, p-value < 2.2e-16 alternative hypothesis: significant effects

C-) Modèle 3 (Standard + ses)

> pFtest(mod3p,mod3w)

F test for effects

data: lpib ~ licp + tpam + tc + ltsse + ses + rp

F = 17.4031, df1 = 28, df2 = 169, p-value < 2.2e-16 alternative hypothesis: significant effects

D-) Modèle 4 (Standard + de)

> pFtest(mod4p,mod4w)

F test for effects

data: lpib ~ licp + tpam + tc + ltsse + de + rp

F = 55.9556, df1 = 35, df2 = 303, p-value < 2.2e-16 alternative hypothesis: significant effects

E-) Modèle 5 (Standard + see)

> pFtest(gd,gi)

F test for effects

data: lpib ~ licp + tpam + tc + ltsse + see + rp

F = 145.2327, df1 = 35, df2 = 304, p-value < 2.2e-16 alternative hypothesis: significant effects

2- Modèle à effets individuels versus Modèle à erreurs composées : le test de Hausman

A-) Modèle 1

---- Coefficients ----

| |	(b) mef +	(B) .	(b-B) Difference	sqrt(diag(V_b-V_B)) S.E.
licp |	.9490702	.877766	.0713042	.002824
tpam |	-1.60e-07	-2.67e-07	1.07e-07	7.39e-09
tc |	.0538591	.0592738	-.0054148	0.000418
ltsse |	-.0093463	.0095931	-.0189394	.0014655
rp |	-.0075534	-.0121434	.0045899	0.000254

b = consistent under Ho and Ha; obtained from xtreg B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(4) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 152.69

Prob>chi2 = 0.0000

B-) Modèle 2

---- Coefficients ----

	| |	(b) mef +	(B) .	(b-B) Difference	sqrt(diag(V_b-V_B)) S.E.
licp	|	.9466476	.8608706	.085777	.0060841
tpam	|	-1.65e-07	-2.97e-07	1.32e-07	1.14e-08
tc	|	.0530606	.0549491	-.0018885	0.087452
ltsse	|	-.0091644	.0084833	-.0176478	.0016271
ds	|	.006423	.0726509	-.066228	0.000254
rp	|	-.0082539	-.0191852	.0109313	0.002587

B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic

chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 248.67

Prob>chi2 = 0.0000

C-) Modèle 3

---- Coefficients ----

	| |	(b) mef +	(B) .	(b-B) Difference	sqrt(diag(V_b-V_B)) S.E.
licp	|	.9466476	.8608706	.085777	.0060841
tpam	|	-1.65e-07	-2.97e-07	1.32e-07	1.14e-08
tc	|	.0530606	.0549491	-.0018885	3.25e-09
ltsse	|	-.0091644	.0084833	-.0176478	.0016271
ses	|	.0385377	.4359055	-.3973678	.0254111
rp	|	-.0082539	-.0191852	.0109313	.0025897

B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic

chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 237.62

Prob>chi2 = 0.0000

D-) Modèle 4

---- Coefficients ----

	| |	(b) mef +	(B) .	(b-B) Difference		sqrt(diag(V_b-V_B)) S.E.	licp
|	.9466839	.8739101	.0727738	.003089		tpam
|	-1.63e-07	-2.72e-07	1.09e-07	7.55e-09		tc
|	.0497419	.0611568	-.0114149	.002548		ltsse
|	-.0089285	.0106613	-.0195897	.0014724		de
|	-.0226118	-.0311626	.0085508	.0002458		rp
|	-.0060969	-.0106853	.0045884	.0004258

b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg

Test: Ho: difference in coefficients not systematic

chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 132.83

Prob>chi2 = 0.0000

E-) .Modèle 5

---- Coefficients ----

| (b) (B) (b-B) sqrt(diag(V_b-V_B))

	|	mef +	.	Difference	S.E.
licp	|	.9491165	.8767134	.0724031	.0030049
tpam	|	-1.60e-07	-2.68e-07	1.08e-07	7.63e-09
tc	|	.0537798	.0604991	-.0067193	.0058795
ltsse	|	-.0093551	.0097006	-.0190556	.0014877
see	|	-.0010576	.022558	-.0236155	.0002368
rp	|	-.0075331	-.0125552	.0050222	.0254882

b = consistent under Ho and Ha; obtained from xtreg

B = inconsistent under Ha, efficient under Ho; obtained from xtreg Test: Ho: difference in coefficients not systematic

chi2(5) = (b-B)'[(V_b-V_B)^(-1)](b-B)

= 148.41

Prob>chi2 = 0.0000

AnnexeC

Résultats des tests de racine unitaire

. ipshin lpib, lags(1) trend nodemean

Im-Pesaran-Shin test for lpib

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-2.040 -2.500 -2.600 -2.780 0.468 0.680

. ipshin licp, lags(1) trend nodemean

Im-Pesaran-Shin test for licp

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-1.936 -2.500 -2.600 -2.780 0.822 0.794

. ipshin tpam, lags(1) trend nodemean

Im-Pesaran-Shin test for tpam

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-0.211 -2.500 -2.600 -2.780 6.709 1.000

. ipshin tsse , lags(1) trend nodemean

Im-Pesaran-Shin test for tsse

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-1.758 -2.500 -2.600 -2.780 1.429 0.923

. ipshin tc , lags(1) trend nodemean

Im-Pesaran-Shin test for tc

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-2.843 -2.500 -2.600 -2.780 -0.062 0.272

. ipshin see , lags(1) trend nodemean

Im-Pesaran-Shin test for see

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-4.908 -2.500 -2.600 -2.780 0.579 0.719

. ipshin ds , lags(1) trend nodemean

Im-Pesaran-Shin test for ds

Deterministics chosen: constant & trend t-bar test, N,T = (8,35) Obs = 264
Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-2.198 -2.500 -2.600 -2.780 -0.072 0.471

. ipshin de , lags(1) trend nodemean

Im-Pesaran-Shin test for de

Deterministics chosen: constant & trend t-bar test, N,T = (8,35) Obs = 264
Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-1.968 -2.500 -2.600 -2.780 0.712 0.762

. ipshin ses , lags(1) trend nodemean

Im-Pesaran-Shin test for ses

Deterministics chosen: constant & trend

t-bar test, N,T = (8,35) Obs = 264

Augmented by 1 lags (average)

t-bar cv10 cv5 cv1 W[t-bar] P-value

-2.198 -2.500 -2.600 -2.780 3.333 1.000

Annexe1111

Résultats des estimations des différents

modèles effectuées sur Stata

D.1 Le modèle standard (modèle 1)

D.2 Le modèle 2 (standard + ds)

D.3 Le mdèle 3 (standard + ses)

D.4 Le modèle 4 (standard + de )

D.5 Le modèle 5 (standard + ses)

Table des matières

Avertissement i

Dédicace ii

Remerciements iii

Résumé iv

Abstract iv

Liste des sigles v

Introduction générale 2

1 Services publics et croissance économique : une analyse théorique 1.1 Production de services socio-publics et croissance			5 5
	1.1.1	Définition et structures des dépenses sociales	5
		1.1.1.1 Définition des dépenses sociales	6
		1.1.1.2 Dépenses sociales dans l'UEMOA	6
	1.1.2	Dépenses sociales et croissance économique	7
		1.1.2.1 Le rôle de l'Etat dans l'économie : Fondements théo-
		riques de la croissance endogène	7
		1.1.2.2 Validations empiriques	7
1.2	Efficience économique et généralités sur les modèles de frontière . . .		9
	1.2.1	Clarification du concept d'efficience	9

1.2.1.1 Efficience technique et efficience allocative 10

1.2.1.2 Efficience d'échelle et efficience technique pure . . . 12

1.2.2 Généralités sur les modèles de frontière 13

1.2.2.1 Les méthodes paramétriques 14

1.2.2.2 Les méthodes non paramétriques 15

2 Méthodologies 21

2.1 Spécification des modèles 21

2.1.1 Services publics et efficience technique 21

2.1.1.1 Le modèle statique 22

2.1.1.2 L'estimateur DEA-Malmquist 24

2.1.2 Efficience et croissance : quelle relation empirique? 24

2.1.2.1 Présentation du modèle de base 25

2.1.2.2 Spécification économétrique 25

2.2 Spécification et choix des variables 28

2.2.1 Données relatives aux scores d'efficience 28

2.2.1.1 Pour le secteur de la santé : 28

2.2.1.2 Pour le secteur de l'éducation : 28

2.2.2 Données relatives aux modèles de croissance 29

2.2.2.1 La variable endogène 29

2.2.2.2 Les variables exogènes 29

3 Estimation, analyse des résultats et recommandations 32

3.1 Estimations des modèles 32
3.1.1 Estimation des scores d'efficience et présentation des résultats 32

3.1.1.1 Estimation des scores 32

3.1.1.2 Présentation des résultats 33

3.1.2 Estimation des modèles de croissance 33

3.1.2.1 Rappel des modèles 33

3.1.2.2 Tests de diagnostics 35

3.2 Analyse des résultats et recommandations 40

3.2.1 Analyse des résultats 40

3.2.1.1 Les scores d'efficience 41

3.2.1.2 Impact de l'efficience sur la croissance 44

3.2.2 Recommandations de politiques 49

3.2.2.1 Pour une amélioration de l'efficience des dépenses socio-publiques 50
3.2.2.2 Rationalisation des dépenses de santé et d'éducation 50

Conclusion générale 55

Annexes 58

A Résulats des estimations des scores d'efficience 60

A.1 Pour l'éducation 61

A.2 Pour la santé 62

B Les tests de spécification 63

C Résultats des tests de racine unitaire 68

D Résultats des estimations des différents modèles effectuées sur Stata 71

D.1 Le modèle standard (modèle 1) 71

D.2 Le modèle 2 (standard + ds) 72

D.3 Le mdèle 3 (standard + ses) 72

D.4 Le modèle 4 (standard + de ) 73

D.5 Le modèle 5 (standard + ses) 73

Liste des Figures 77

Liste des Tableaux 78

Liste des figures

1.1	Illustration de l'efficience technique et allocative	11
1.2	Efficience technique pure et efficience d'échelle	12
1.3	Représentation de la frontière d'efficience par l'approche FDH . . . .	17
1.4	Estimation de la frontière DEA	18
1.5	Comparaison des deux approches :DEA et FDH	19

Liste des tableaux

1.1 Un exemple pour illustrer la notion d'efficience 16

2.1 Signification et signes attendus des variables 31

3.1 Les différents modèles et les variables d'intérêt 34

3.2 Résultats du test d'homogénéité 36

3.3 Résultats des tests de HAUSMAN 37

3.4 Résultats des tests d'hétéroscédasticité 38

3.5 Résultats des tests d'auto-corrélation 38

3.6 Résultats des tests de racine unitaire 40

3.7 Scores moyens d'efficience en Santé 42

3.8 Scores moyens d'efficience en éducation 43

3.9 Résultats des estimations du modèle 1 44

3.10 Résultats des estimations du modèle 4 46

3.11 Résultats des estimations du modèle 5 47

3.12 Résulats des estimation du modèle 2 48

3.13 Résultats des estimation du modèle 3 49