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

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.