Biens échangeables et croissance économique en rdc

Conclusion partielle

Ce deuxième chapitre, vient de nous passer en revue la réalité économique, en montrant les produits qui soutiennent l'économie congolaise et celles qui font l'objet de nos importations par la présentation de la balance de paiement. Passons au prochain chapitre qui essaie fournir la réponse au problème sous étude en étudiant l'incidence de ses biens sur les activités économiques.

38

Chapitre III. Biens échangeables et Croissance Economique

Au cours du présent chapitre, axé sur l'étude de deux sections, nous allons nous y pencher pour fournir des réponses aux questions de recherches. La première section présente les principaux produits soutenant la croissance économique du pays et leurs contributions économique et la deuxième essaie de ressortir les éléments de validation de l'hypothèse émise.

Section 1 : les recettes issues des exportations

Tout au long de cette section, nous nous focalisons sur les 3 produits qui font l'objet de transactions internationales, il est question de :

? Produits miniers ; ? Produits agricoles : ? Produits industriels.

1.1. Les produits miniers et hydrocarbures

Au cours de la décennie 2009 à 2018, la production minière et des hydrocarbures a été plus marquée par la vente de minerais tels que : Le cuivre, le zinc, le cobalt, le diamant, le plomb, l'or, la cassitérite, le pétrole brut et autres. Leurs productions respectives se présentent comme suit :

Tableau n° 013 : Recettes issues des exportations de produits miniers et
hydrocarbures(en millions de USD)

Années	Cuivre	Cobalt		Zinc	Diamant	Or		Cassit érite	pétrole brut	Autres	Tot recettes
2009	1648,7	1	710,30	31,3	233,7		6,1	113,5	486,5	10,1	4240,2
2010	3 107,00	3	793,50	20,4	310,5		5,9	134,4	655,9	307,6	8335,2
2011	4 103,30	3	692,70	41,5	364,6		10,1	134,5	983,1	5,4	9335,2
2012	4 530,70	2	660,50	20,5	293,2		102,9	61,2	946,4	6,9	8622,3
2013	7 938,40	1	963,70	23	207,3		184,6	69,5	866,8	8,1	11261,4
2014	7 531,00	2	302,20	26,8	228,3		816,2	0	770,4	89,9	11764,8
2015	5 762,00	2	484,60	24,7	254,2	1	072,30	0	403	81,7	10082,5
2016	4 982,90	1	807,20	27,7	246,8	1	219,50	64,1	332,3	55,6	8736,1
2017	6 272,60	3	368,80	22	207,4	1	086,80	87,2	383,2	40,5	11468,5
2018	7 436,10	6	350,70	2,1	188,5	1	100,90	101,2	596,5	50,6	15826,6

Source : Nous-mêmes sur base de données du tableau n°008

A travers ce tableau, il ressort une variation positive de revenus suite à la forte demande de ces produits sur le marché international qui tellement accru pour la production de divers biens à l'ère de la mondialisation.

39

1.2. Les produits agricoles

La RDC est réputée au cours de dix dernières années dans la vente de produits agricoles consommés au plan international. Il est question de produits suivantes :

· Le café ;

· Le cacao ;

· Le thé ;

· Le rauwolifia ;

· L'huile de palme, huiles palmistes ;

· Les tourteaux (palmistes, coton) ;

· Le caoutchouc ;

· Les bois ; le quinquina ; et autres.

Le tableau ci-dessous, nous retrace les revenus de l'activité agricole en RDC.

Tableau n°014 : Recettes de produits agricoles en millions de USD

Années	Café	thé	Cacao	Caoutc houc	Bois	Quin	quina Autres Total
			2009 37,3 0 0 0 40 0 0 77,3
			2010 46,7 0 0 0 64,3 0 0 111
			2011 31,4 0 0,2 0 65,2 0 0 96,8
			2012 18,5 0 0,1 0 66,8 0 1,4 86,8
			2013 51,1 0 7,3 0 85,4 0 3,2 147
			2014 246,2 0,1 17,4 0 45,6 0 0 309,3
			2015 31 0,3 43,7 0 102,6 8,3 10,4 196,3
			2016 41,8 0,2 44,8 0 401,1 7,5 5,1 500,5
			2017 27 0,2 11,1 0,4 32 1,1 2,5 74,3
			2018 24,7 0,1 24,9 13 57 3,5 0,8 124

Source : nous-mêmes sur base du tableau n°008

Il revient de dire un mot que trois produits ont connu une demande nulle durant dix ans ce qui s'explique par l'abandon de cultures pérennes qui ont connu le succès durant l'époque coloniale et la plus grande partie de recette ne provient que de la vente de bois et du café. D'autres, parce que à faible importance sont abandonnées.

40

1.3. Les produits industriels

Les produits industriels sont composés de : les ciments ; les produits chimiques ; le sucre de canne ; et autres produits divers.

Tableau n°015 : Recettes de produits industriels en millions des USD

Années	Ciment	produits chimiques	sucre de canne	divers		Total	2009
15,7	0,8	7,8	29,3	53,6		2010
13,4	0	0	18,4	31,8		2011
12,6	0	0	18,3	30,9		2012
8,2	0	0	21,3	29,5		2013
7,4	0	0	109,2	116,6		2014
4,9	0	0	2,4	7,3		2015
0,3	0	0	4	4,3		2016
0	0	0	16	16		2017
0	0	0	5,5	5,5		2018
0	0	0	16,1	16,1

Source : nous-mêmes sur base de données du tableau n°008

En nous basant sur ce tableau, nous disons que la demande de canne à sucre a connu une baisse depuis la chute de certaines sucreries au pays et aussi un certain désintéressement vis-à-vis de cette culture et les produits chimiques également.

1.4. Apport de biens échangeables à l'économie

Il se manifeste que, le produit intérieur brut est soutenu durant la période de recherche plus par le secteur minier en particulier et les quelques produits entrant dans les échanges internationaux. Dans la globalité, le commerce extérieur est porteur de croissance à l'économie Congolaise sur base de sa contribution à la formation de du P.I.B. tel que nous indique le tableau ci-après :

41

Tableau n°016 : Part en pourcentage des exportations dans le P.I.B

PIB en millions de $	Recettes Minières	Recettes Agricoles	Recette Industrielle	Tot. Expo		Part en PIB	14 633,50
4240,2	77,3	53,6	4371,1	0,29870503		15 673,70
8335,2	111	31,8	8478	0,5409061		16 751,20
9335,2	96,8	30,9	9462,9	0,56490878		17 938,30
8622,3	86,8	29,5	8738,6	0,48714761		19 459,90
11261,4	147	116,6	11525	0,59224354		21 302,80
11764,8	309,3	7,3	12081,4	0,56712733		22 776,10
10082,5	196,3	4,3	10283,1	0,45148643		23 322,60
8736,1	500,5	16	9252,6	0,39672249		24 191,80
11468,5	74,3	5,5	11548,3	0,47736423		25 600,10
15826,6	124	16,1	15966,7	0,62369678

Source : nous-mêmes sur base de données de la BCC, rapport 2018 Graphique n°006

Evolution des recettes des Exportations

0,7 0,6 0,5 0,4 0,3 0,2 0,1 0

Source : Nous-mêmes à travers les données de la BCC

Il est à noter que les biens échangeables prennent une grande part dans la formation du Produit Intérieur Brut contrairement autres produits intéressants l'économie congolaise. Cette montée en puissance reste ascendante de toute la période d'étude.

42

Section 2 : Conception du modèle économétrique et vérification des hypothèses. La présente section tente de concevoir un modèle économétrique devant confirmer ou infirmer les hypothèses du travail.

D'une manière générale, l'économétrie est le principal outil d'analyse quantitative utilisé par les économistes et gestionnaires dans divers domaines d'application. Les méthodes de l'économétrie permettent de vérifier l'existence de certaines relations entre des phénomènes économiques, et de mesurer concrètement ces relations, sur la base d'observations de faits réels²⁰.

2.1. L'utilité de l'économétrie en recherche

L'une de particularité de l'économétrie est celle de la construction d'un modèle. Le modèle en soit met en confrontation les paramètres qui peuvent être économiques ou autres. Cela implique une représentation formalisée du fait sous étude sous forme d'une équation. Ainsi, le modèle constitue une représentation simplifiée de la réalité et consiste à représenter un phénomène sous forme d'une ou plusieurs équations²¹.

Pour arriver à une bonne conclusion de résultats de nos recherches, il nous a été utile de faire recours à la spécification linéaire afin d'arriver à prouver le rôle du commerce international dans l'économie congolaise.

Généralement, un modèle économétrique se constitue des équations, variables et paramètres. Parlant des équations, nous en déduisons²² :

- Celles de comportement de la forme c=a+bR

- Celles technologiques de la forme Cobb-Duglass Q= AK^? + L? - Et enfin, celles d'identités comptables Y= C+I+G+X-M

Pour notre étude, nous avons choisi celles de comportement dans le souci de procéder à la spécification linéaire.

²⁰ DORE Eric, Econométrie, Pearson, Lille 2004, p1.

²¹ MIGNON V., Econométrie : théorie et application, Economica, Paris, 2008, pp7-9.

²² LOMBOTO Albert, Notes de cours d'économétrie, Université de Mbujimayi, Première Licence Economie, 2018, inédit.

Le modèle a pour hypothèses :

· H0 : l'hypothèse nulle ;

· H1 : l'hypothèse alternative.

Le présent modèle de croissance dépend de 3 paramètres ; ledit modèle se présente comme suit :

P.I. B_t = f3o + _f31Rec. Minhyd_t + _f32Rec. Agri_t + _f33Rec. Ind_t

Où : YPIB_t symbolise la croissance économique;

Rec. Min₁: recettes minières et hydrocarbures

Rec. Agri₂: recettes agricoles

Rec. Ind3 : recettes de produits industriels

f3: sont des paramètres de pondération

U_t: le vecteur d'erreur

Par estimation, le modèle se présente comme suit :

^ Yt

^ = f3o

+ f31

^ REc. Minhyd + f32

Rec. Agri + f33^^Rec. Ind

43

a. La balance commerciale

En vue de déterminer la dépendance d'une économie de l'autre ou du reste du monde, on fait recours à la balance commerciale pour déterminer le genre de relation dans les échanges commerciaux.

Le tableau ci-dessous, nous retrace l'évolution du solde de cette composante de la balance des paiements durant la période sous étude.

44

Tableau 017 : La balance commerciale en millions de dollars américains de 2009-2018

Années	Exportations	Importations		Solde de la balance commerciale	2009
4 371,00	4 949,00	-578,00		2010
8 477,90	8 042,50	435,40		2011
9 471,90	8 915,60	556,30		2012
8 743,40	8 677,20	66,20		2013
11 613,00	10808,4	804,60		2014
12 321,20	12 706,30	-385,10		2015
10 284,80	10 574,60	-289,80		2016
11 885,50	12148,8	-263,30		2017
11 548,20	11 340,00	208,20		2018
15 966,80	14 972,70	994,10

Source : nous-mêmes sur base de données du tableau 013 Graphique n°007 :

Solde de la balance commerciale

						08 2010
2012		2014 2016 2018	20

20

1200

1000

800

600

400

200

0

2

-200

-400

-600

-800

Le tableau n°016 et le graphique 006 ci-hauts, nous indiquent une certaine amélioration du solde de la balance des paiements 6/10^ème durant la décennie sous étude, celle-ci est la conséquence de l'application du respect plan d'ajustement structurel préconisé par les institutions de breton Wood particulièrement le F.M.I.

45

Tableau 018 : Estimation des paramètres

Années	PIB	Rec. Minhyd.	Rec.Agri.		Rec.Ind	2009
14 633,5	4240,2	77,3	53,6		2010
15 673,7	8335,2	111	31,8		2011
16 751,2	9335,2	96,8	30,9		2012
17 938,3	8622,3	86,8	29,5		2013
19 459,9	11261,4	147	116,6		2014
21 302,8	11764,8	309,3	7,3		2015
22 776,1	10082,5	196,3	4,3		2016
23 322,6	8736,1	500,5	16		2017
24 191,8	11468,5	74,3	5,5		2018
25 600,1	15826,6	124	16,1

Source : Rapport Banque Centrale du Congo

De ce tableau, nous retenons que les variations annuelles de P.I.B tiennent compte du prix de 2005 de 11 967,7 millions de francs congolais. La croissance du P.I.B a été constatée à partir de 2009 après la crise financière qui a frappé l'économie mondiale, c'est la période de relance.

Ayant déjà constitué ce tableau, nous pouvons désormais procéder au calcul de la

corrélation.

Le modèle que nous présentons a pour variables :

- Variables dépendantes : le Produit intérieur Brut ;

- Variables indépendantes ou paramètres : les recettes issues de la production minière, agricole et industrielle.

b. Relation commerce extérieur et croissance économique en RDC

Avant de procéder à l'utilisation des méthodes modernes de séries chronologiques telles que Moindre Carré Ordinaire, nous devons nous rassurer de la stationnarité de nos séries au cours de la période pour éviter de tomber dans le cas d'estimation fallacieuse.²³

A cet effet, la stationnarité de nos séries P.I.B, recettes minières, agricoles et industrielles, nous utilisons le test de racine unitaire avec précision celui de DUCKEY-FULLER afin de tester l'hypothèse nulle (H0) de non stationnarité et l'hypothèse alternative (H1) de stationnarité.

²³ LARDIC Sandrine et Valérie MIGNON, Econométrie des séries temporelles macroéconomiques et financières, Economica, Paris, 2002, p12.

46

Pour ces auteurs considèrent 3 modèles de base pour la série Yt(t=1 à T) : - Modèle 1 : Modèle avec tendance et constante

????? = ?? + ???? + _????(??-1) + ????

- Modèle 1 : Modèle avec tendance sans constante

????? = ?? + _????(??-1) + ????

- Modèle 1 : Modèle sans tendance ni constante

????? = ????(??-1) + ????

Pour les trois modèles, le test obéit au cheminement ci-après :

? Le calcul du test individuel du coefficient ?? à comparer aux valeurs tabulaires de Duckey-Fuller ;

? Dans le cas où cette statistique est supérieure à la valeur critique de Duckey-Fuller, il y a rejet de H0, et la série est donc stationnaire. Et dans le cas contraire, non rejet H0.

Tableau n°019 : Test de stationnarité de la série P.I.B

Ici, nous estimons le deuxième modèle avec le résultat à travers le tableau ci-après :

Coefficients
Unstandardized Coefficients			t
Constant		10449,669	2,442
		90,9	3,609
		86,24	1,531
		-26,505	-1,155

Source : traitement de la série à travers logiciel SPSS

47

2.2. Estimation des résultats du modèle

Le présent tableau, nous donne une synthèse de résultats qui feront l'objet d'une interprétation.

Tableau n°020 : les autres tests de validation

TESTS ECONOMETRIQUES						R = 88,1 R ^2=77,5 R=66,3 Constante 10449,669
Paramétriques
Non paramétriques				T-Student
Constante		3,442	D.W	1,751
Rec.Min		3,609
Rec.Agri		1,531
Rec.Ind		-1,155			F-Ficher
6,902		Khi-carré		7,75	Coefficients
B1		71,1			Beta
B2		30,5
B3		-23,4
n = 10

Source : assistance par logiciel SPSS

De ce tableau, nous pouvons présenter le modèle comme suit :

???? = ??0 + 71,1 R????.??????1 + 30,5 R????.????????2 + 23,4 R????.??????3 + U??

T-Student 3,442 3,609 1,531 -1,155

R ²=77,5 n=10

2.3. Interprétation de résultats

L'économétrie étant un outil d'investigation mis à la disposition de l'économiste, il lui confère le pouvoir d'infirmer ou de confirmer les théories qu'il construit en passant par des estimations. Pour quoi doit-on passer par estimation ? Plusieurs raisons incitent à cette démarche : tout d'abord cela force l'individu à établir clairement et à estimer les interrelations sous-jacentes mais aussi, la confiance aveugle dans l'intuition peut mener à l'ignorance de liaisons importantes ou à leur mauvaise utilisation²⁴.

Dans nos analyses, nous avons calculé le coefficient de détermination noté R² qui signifie ou désigne la quantité de la variable expliquée par le modèle théorique resté. Par convention, lorsque R² est supérieur ou égal à 0,5 cela implique une relation étroite entre la variable expliquée et celles explicatives²⁵.

24 R. Bourbonnais, Économétrie, Dunod 9è éd., Paris, 2015, p6.

25 TSHISUAKA KASHALALA G., Les déterminants de la pauvreté à Mbujimayi in annales de l'Université de Mbujimayi, p121.

48

S'agissant du cas sous examen, la valeur de ??²=0,77619504, ce qui mène à la conclusion selon laquelle, le modèle est bon.

Supra, les résultats de l'estimation, nous renseigne que la croissance économique de la R.D.C est expliquée non seulement par les variables identifiées par le modèle, mais aussi par plusieurs autres variables mais qui sont omises par ce même modèle. Cette thèse se justifie par constante qui est significative.

Pour être précis et concret, nous allons utiliser les tests paramétriques d'une part, et d'autre part ceux non paramétriques. Parler de tests paramétriques, cela fait appel au test de signification ou T-student et au test de signification du modèle global F-Ficher. Les tests non paramétriques renvoient à celui de normalité de résidus et d'autocorrélation de résidus.

2.4. Tests Econométriques

2.4.1. Tests paramétriques

Parler de tests paramétriques, cela revient à faire recours au test de Student et celui de Ficher.

2.4.1.1. Test de significativité de variables : Test de Student

Le test de Student permet de tester les hypothèses statistiques suivantes :

? L'hypothèse nulle notée H0 qui est l'hypothèse que l'on souhaite invalider ;

? L'hypothèse alternative notée H1 est l'hypothèse à retenir au cas où le test rejette l'hypothèse nulle H0.

Ainsi, pour tout test, la conclusion qui sera déduite des résultats de l'analyse aura un caractère probabiliste. On ne pourra prendre la décision qu'en ayant conscience qu'il a un certain risque qu'elle soit erronée. Ce risque nous est donné par le seuil de signification du test.

De manière théorique, lorsque la valeur calculée du test de signification est supérieure à celle tabulaire, le paramètre est statistiquement significatif.

Théoriquement, la règle de décision pour le test de student au seuil de 5% est la

suivante :

? Si t-statistic est inférieur ou P (statistique) est supérieur à 0,05 on accepte l'hypothèse H0 donc la variable n'est pas significative. Cela signifie que si l'on obtient un t-statistic dont la valeur absolue est inférieure à 1,96 on court un risque de 5% au minimum de commettre une erreur en rejetant l'hypothèse H0 ;

49

? Si t-statistic est supérieur ou P (statistique) est inférieur à 0,05 on rejette l'hypothèse H0 donc la variable est significative. Cela signifie que si l'on obtient un t-statistic dont la valeur absolue est supérieure à 1,96 on court un risque de 5% au minimum de commettre une erreur en acceptant l'hypothèse H0.

? Concernant la constante du modèle, le T de student de table est de 2,365 :

- Le T-student calculé pour f.?1 : 3,62085544 il y a rejet de l'hypothèse, donc le paramètre est statiquement significatif.

- Le T-student calculé pour f.?₂ : 1,54057555 il y a non rejet de l'hypothèse, donc le paramètre est non significatif.

- Le T-student calculé pour f.?3 : -1,1632106 ici, encore, il y a non rejet de l'hypothèse, donc le paramètre est non significatif.

2.4.1.2. La globalité de variables

La théorie nous renseigne que lorsque la statistique de Ficher est supérieure à celle tabulaire, ceci a pour conséquence la validation du modèle. De manière global, dans ce cas, le modèle est dit bon. En ce qui nous concerne, le test global nous donne la valeur de table de 5,59 et celle calculée nous donne 6,93635238, en définitive, ici, il y a rejet de l'hypothèse, donc le test est statiquement significatif avec le seuil de 5%.

2.4.2. Test non paramétriques

La validation ou l'invalidation de résultats d'un test économétrique n'est pas fonction d'un seul test mais de plusieurs pour éviter de tomber dans les erreurs. Non seulement le test paramétrique peut faire l'objet d'étude mais aussi se trouvent à ses côtés les estimateurs

^ de carrés ordinaires f.?

associés aux variables aléatoires.

Ainsi, évaluer un modèle, consiste à procéder à un certain nombre de test parmi

lesquels :

- Le test d'autocorrélation des erreurs ; - Le test d'hétéroscédasticité ;

Dans le souci de porter le jugement de valeur sur les résultats issus du modèle de notre étude, nous avons utilisé le test de normalité et de l'autocorrélation des erreurs.

50

2.4.2.1. Test d'autocorrélation des erreurs

En vue de nous rassurer de l'existence de liaison entre les erreurs du modèle qui peuvent provenir de la non intégration de certaines variables dans le modèle, de l'omission de la mauvaise spécification etc.

Le test de Durbin Watson D.W= 1,75 nous permet d'émettre notre point de vue soit pour confirmer soit pour infirmer l'absence d'autocorrélation ou la présence d'autocorrélation.

Nous basant sur le résultat de notre étude, DW= 1,75 nous disons qu'il y absence d'autocorrélation.

2.4.2.2. Test d'hétéroscédasticité

Le test d'hétéroscédasticité est utilisé dans la régression linéaire pour savoir s'il y a liaison entre les variables ou pas. Les hypothèses de ce modèle sont comme suit :

H0: Homocédasticité
H1: héteroscédasticité

Pour effectuer ce test, on se sert du test de White. Théoriquement, il y a homoscédasticité lorsque P valu est supérieur à 0,05 et il y a hétéroscédasticité, lorsque P valu est inférieur à 0,05.

Ce test se calcule de la manière suivante :

X₂² = n.R²

Pour cette étude, le test de Whit calculé, nous donne 7,75 en le comparant à la valeur tabulaire qui est de 5,99 ainsi, il y a hétéroscédasticité.