|
Présenté par : Mr BEKIOUA
Fateh Encadré par :
Mr REFFAF Mehdi Mme Moussi Oum El
Kheir
En vue de l'obtention du diplôme
d'Ingénieur d'Etat en
Planification et Statistique
Option : Statistique Appliquée
EDUCATION ET CROISSANCE ECONOMIQUE EN
ALGERIE :
UNE ANALYSE EN TERMES DE
CAUSALITE A L'AIDE DES MODELES VAR
Recherche préparée au sein du centre
national d'études et
d'analyses pour la population et le
développement CENEAP
INSTITUT NATIONAL DE LA PLANIFICATION
ET DE LA
STATISTIQUE
Promotion 2005 - 2006
REMER~IEMENTS
Au terme de ce modeste travail, nous tenons à
remercier :
Dieu tout puissant de nous avoir donné la patience, la
santé et le courage pour terminer ce travail.
Mme MOUSSI O ; Chargé de cours à L 'INPS Pour
son encadrement, ses conseils judicieux et pour l'intérêt qu'elle
a accordé à notre travail.
Mr CHENNOUF S ; Maître de conférences à
l.E.S. C pour sa précieuse
aide.
Mr Christophe Hurlin ; Professeur à
l'Université d'Orléan pour ces précieux conseils.
Mr BELKA CEMI D. ; responsable du service informatique au
sein du CENEAP pour tout l'aide qu'il nous a fournie.
Aux membres du jury, de nous avoir fait l'honneur
d'évaluer notre travail.
A l'ensemble des enseignants ayant assuré nos
années d'étude, et dont le travail que nous présentons
aujourd'hui constitue en soit une preuve de leur dévouement.
Nous tenons à exprimer nos sincères sentiments
envers nos familles et nos amis.
Merci à tous.
71~~ é ~~~€~€ ~~ ~~~~€,€~~~ ~~~~€
~~~~~ ~
71 ~~ ~ ~~~€ ~€ €d ~~~~~d~~~~€d
71 €d ~~Qd ~~€~d ~~U€~~d ~~~ ~~~
~~~~~~~d ~~~ ~~ ~~~~ ~~~ €~f~~
~~~~ ~~~~~ ~~ ~~~~~~~~€ ~~~~€ ~€
~~~€~~€~~€~€~d ~~~~~€~
!~€d~i~€ ~~~~~d ~~~~ €~~~~ ~~~d ~€
~~~ ~~~ ~~~~€ ~ ~€~~~~~àd~~~€€~ ~~~~ ~~ ~ ~~~~
71 €d ~~€~d ~~~~€d .' #~~~~ ~ $~%~~~~~ €~ ~
~€~~~€ d&~~ "'~~~~~~
71 €d ~~~~~€d ~~€ '~~~~ €~ (~~~ ~~
71 €d 2€d €e? €d ~~~~€d~
71 €d ~ ~d " )€~~~~ (~~~~~€~ *~~€~+ ~ ~~~d
~€~, ~~~ ~~~ €~~ €~ ~~, ~~~~€d
!€ ~~~~€ ~€ ~ ~~~€
~ ~~ ~~~~~~€ ~~ ~€~~~ Ç,uc~~~
~ ~~ ~~~€~~~e7 2~~~1d ~~~ ~~ ~~~~ ~~~~ €~
~~~ -e7 ~~~~~~~ ~~~~~ €~~~~~ ~~~~ ~€
~~e~€~~~~ ~~~J ~~e€ ~~ ~~~~~~€ ~€ ~~ ~~~~~~~~~~~
~€ ~€ ~~~ ~~~~
~ ~~~ ~~~€ ~~~~ ~~~ ~~~€ ~~~~~~~~~€~
7i€~~~€~d ~~~~€~ €~ ~&~~~~
~~~~~~~€~€~~ *~~~~% ~~~~ ~€~ ~~~~€~~~
~~~~~~~~~~~~~€~ €~ ~~.€~ ~~~~ ~~ ~~~~€~~~~~
~€ ~~~ ~~~~~~~€~ ~~~~€~ ~-~~~~~~~~~~€~~
7i€~ ~~~~.' )€~~~~ (~~~~~€~ /~~~~ ~ )~~~~~,. ~
~~~~ ~€~, ~~~ ~~~~~€~~ €~ ~~, ~~~~€~~
!€ ~~~~€ ~€ ~~~~~~€
*~~€~
Sommaire
Introduction générale 1
Chapitre I : Évolution du système
éducatif Algérien. 5
Introduction. 6
Section 1 : Evolution des réformes. 7
Section 2 : Structure et organisation actuelle du système
éducatif Algérien. 11
Section 3 : Evolution des effectifs scolaire et du budget de
l'éducation. 15
Section 4 : Evaluation par degré d'enseignement 19
Conclusion. 26
Chapitre II : Survol de la littérature empirique
traitant de la relation 27
éducation/croissance
économique.
Introduction. 28
Section 1 : Le capital humain dans les modèles
théoriques de croissance. 29
Section 2 : L'analyse empirique de la relation entre capital
humain et croissance 35 Section 3 : La contribution de la productivité
totale des facteurs de production 42
dans les estimations des modèles
de croissance des pays pétroliers.
Conclusion 48
Chapitre III : Etude économétrique
49
Introduction. 50
Section 1 : Processus aléatoire et représentation
VAR 50
Section 2 : Principaux résultats et interprétation
68
Conclusion. 107
Introduction Générale :
Aujourd'hui le développement et la croissance d'une nation
semblent dépendre plus que jamais de son niveau culturel et
scientifique, et par là même de la valeur de son enseignement.
Un tel bouleversement n'est toutes fois possible qu'avec un
spectaculaire développement des connaissances et ne peut avoir lieu que
lorsque se trouvent réunies des conditions techniques et sociologiques.
Si divers facteurs (population, éducation,..) interviennent dans la
croissance économique, leur rôle peut être inégale
selon les périodes, voir selon les pays ou les régions.
Dès lors, il apparaît évident que
l'accumulation du capital humain contribue au même titre que
l'accumulation du capital physique à la croissance économique,
dans un tel contexte il n'est pas surprenant de voir l'éducation et la
formation occuper une place prépondérante dans l
`élaboration des politiques économiques, d'où l'importance
particulière accordée par l'Algérie au
développement de son système éducatif après
l'indépendance, ce qui a permis le recul très significatif du
taux d'analphabétisme, et la montée très forte des taux de
scolarisation.
Les économistes eux aussi ont été
intéressé par le rôle que l'éducation peut jouer
dans la croissance économique, avec les théories du capital
humain (Becker, 1962 ; Schultz 1961), puis celle de la croissance
endogène (Lucas, 1988 ; Romer, 1990), dans laquelle la notion
générale d'éducation laisse place à des concepts
qui doivent se faire mesurer facilement, et auxquels il devient possible
d'associer une valeur monétaire. C'est le concept de capital humain
(stock de connaissances appropriées par chaque individu), or nous
verrons que ce concept pose d'innombrables problèmes de
définitions et de commensurabilité, pour demeurer à la fin
largement indéterminé. L'intérêt porté
à l'éducation par les économistes s'insère dans le
besoin général d'investir dans le capital humain. Ce dernier
contribue à la croissance économique nationale par l'augmentation
de la productivité du travail. L'éducation est également
supposée contribuer à l'adaptabilité de la main-d'oeuvre
aux nouvelles technologies. Le but ultime de réduire la «
pauvreté » vient renforcer l'intérêt pour
l'éducation dans le contexte de la société de la
connaissance et de la concurrence économique entre les nations.
Au niveau microéconomique, il y a bien un rendement
positif du capital humain. L'impact du niveau d'étude sur le salaire (et
donc sur la productivité marginale) dans les études sur les
populations de salariés (microéconomique) apparaît toujours
significatif et positif. Cependant, La relation éducation-croissance, au
niveau macroéconomique c'est-à-dire à la fois à
l'échelle d'un Etat et à partir de données de sa
comptabilité nationale, a fait l'objet d'innombrables travaux depuis les
années 1950, travaux de mesure empirique comme travaux
théoriques. Ces travaux de mesure, dont les plus influents ont
été initiés aux Etats-Unis, ont d'ailleurs suscité
à travers le monde la mise en place de séries temporelles
homogènes entre pays, via les grands organismes internationaux de
l'après-guerre (Banque Mondiale, UNESCO). Cette littérature, qui
se donne pour objectif d'estimer un effet de l'éducation sur la
croissance commun à tous les pays, est incapable de démontrer
empiriquement l'existence d'une relation positive. Quelques auteurs
suggèrent toutefois que les rendements de l'éducation sont
probablement très hétérogènes. Ils alimentent
l'idée selon laquelle la productivité du capital humain est, plus
que celle d'un autre facteur, sensible à l'environnement
économique. Il y a là non seulement un enjeu théorique
(puisqu'il est important de pouvoir démontrer que le capital humain peut
avoir des effets sur la croissance) mais aussi un enjeu considérable de
politique économique : l'investissement en capital humain ne serait
vraiment rentable que dans certaines circonstances.
Partant de là l'objet de ce travail est d'étudier
cette relation pour le cas de l'Algérie pour la période datant du
1964 jusqu'à 2004, ce qui nous permet de poser la problématique
suivante :
Existe-il une relation de causalité entre
éducation et croissance économique en Algérie ?
De cette problématique principale on peut dériver 3
questions :
· Comment le système éducatif
algérien a-t-il évolué ?
· Dans quelle mesure la littérature
empirique existante peut-elle évaluer l'impact de l'éducation sur
la croissance économique ?
· Existe-il des relations de causalité entre
les sphères éducatives et économiques en
Algérie?
La réponse à la problématique posée
peut être approchée par la vérification des
hypothèses suivantes :
Hypothèse 1 : Aucune relation de
causalité n'existe. Hypothèse 2 : La relation de
causalité existe.
Notre étude se présentera en 3 chapitres :
1er chapitre : Analyse de l'évolution du système
éducatif Algérien.
2nd chapitre : Survol de la littérature économique
traitant de la relation éducation/croissance. 3ème chapitre :
Etude économétrique.
Nous terminerons par donner une conclusion à notre
travail.
Et pour ce faire, nous adopterons le plan suivant :
1er chapitre : Analyse de l'évolution du
système éducatif Algérien.
Nous commençons par présenter le système
éducatif Algérien, puis nous donnons une analyse descriptive du
système et de son évolution depuis l'indépendance.
2ème chapitre : Un survol de la
littérature économique traitant de la relation
éducation/croissance.
Afin d'aborder l'étude de l'Algérie, nous
commencerons par proposer ici le cadre d'analyse théorique de la
relation macrodynamique éducation/croissance, nous parlerons des
principaux modèles qui se sont intéressés à cette
relation, nous discuterons des critiques apportées a ces modèles,
et nous finirons par parler de cette relation dans le cas particulier des pays
pétroliers.
3ème chapitre : Etude
économétrique
Dans cette partie nous présenterons la théorie
des séries temporelles univariées et multivariées, ensuite
nous utiliserons la représentation VAR afin d'étudier les
liaisons entre le PIB et les différentes variables de
l'éducation. A la fin nous appliquerons les tests de causalités
de Granger à nos variables et nous interpréterons les
différents résultats obtenus.
Pour cela nous allons suivre six étapes :
1. Présentation des Données
statistiques
Afin de mener notre analyse, nous considérons les
variables suivantes en logarithmes depuis 1964 : - Nombre de bacheliers
(BAC).
- Dépenses d'éducation (DEP).
- Nombre de diplômés du supérieur (DIP).
- Effectifs scolarisés tous niveaux confondus (SCO).
- La croissance économique, évaluée par le
Produit Intérieur Brut (PIB).
Nos séries sont issues des sources suivantes : Le
Ministère de L'Éducation Nationale, l'office national des
statistiques (ONS), et la banque mondiale.
2. Stationnarisation des variables :
Nous ne pouvons identifier clairement les
caractéristiques stochastiques d'une série chronologique que si
elle est stationnaire. Cette étude de stationnarité s'effectue
essentiellement a l'aide de l'étude des fonctions
d'autocorrélation et des tests de racine unité qui permettent,
pour la première de détecter si le processus stochastique est
affecté d'une tendance ou d'une saisonnalité, et pour le second
d'apporter des éléments de réponses sur le type de non
stationnarité de la série. Pour ce faire, deux types de processus
sont distingués :
- Le processus TS (Trend Stationary) qui présentent une
non-stationnarité de type déterministe.
- Le processus DS (Differency Stationnary) pour les processus non
stationnaires aléatoires.
Ces deux types de processus sont respectivement
stationnarisés par écart à la tendance et par le filtre
aux différences. Dans ce dernier cas, le nombre de filtres aux
différences permet de déterminer l'ordre de l'intégration
de la variable.
3. Détermination de la représentation VAR
optimale :
Après avoir stationnarisé les variables, nous
construirons un modèle VAR (Vector Auto Regressive). Ces modèles
permettent, d'une part d'analyser les effets d'une variable sur l'autre
à travers des simulations de chocs aléatoires et d'autre part de
mener une analyse en terme de causalité. Dans le cas d'un processus VAR
chacune des variables est modélisée en fonction de ses propres
retards et des retards des autres variables
Un modèle VAR à k variables et p décalage
s'écrit :
Y A AY - A Y - A p Y t p V
t
t 0 1 t 1 2 t 2
= + + + + - + A(D)Y t =
A0 +V t où Yt est un vecteur de
dimension (K, 1) et Vt le vecteur des résidus .
Pour déterminer le nombre de retard optimal pour la
représentation VAR nous estimerons plusieurs modèles VAR pour un
ordre allant de 1 à h (h étant le retard maximum admissible par
la théorie économique ou par les données disponibles). Le
retard P qui minimisera les critères d'Akaike (AIC) et Schwartz (SC)
sera retenu.
4. Etude de la cointégration :
L'analyse de la cointégration permet d'identifier si
une relation de long terme existe entre plusieurs variables. Si les variables
sont de même ordre d'intégration, l'existence d'un ou de plusieurs
vecteurs de cointégration sera possible.
Pour déterminer le nombre de relation de
cointégration nous utiliserons le test de Johansen. Si le test
révèle l'existence de la cointégration nous aurons besoin
d'une correction du modèle (modèle à correction d'erreur)
qui tien compte de cette relation.
5. Etude du modèle VAR (ou VECM) :
Si l'étape précédente met en
évidence une relation de cointégration, l'étude se fera
à ce niveau sur le modèle VECM, si le test de Johanson indiquera
qu'il n'y a pas de relation de cointégration, on poursuivra l'analyse
à l'aide du modèle VAR.
Nous construisons 2 modèles VAR, le premier comportera
les variables suivantes : PIB, DEP, SCO et BAC, ce qui nous permettra
d'étudier les interactions entre les variables de l'éducation
national et la production agrégée, le second comportera les
variables du PIB et DIP, afin de voir si l'effet diplôme a un impact sur
la croissance économique.
Les modèles VAR permettent d'analyser les effets d'une
politique économique à travers deux outils :
- L'analyse des fonctions de réponse impulsionnelle qui
permettent de mesurer l'impact d'un choc sur les variables,
- La décomposition de la variance de l'erreur de
prévision à chaque variable par rapport à un choc : si un
choc sur l'erreur de prévision de Y1t n'affecte pas la
variance de l'erreur de Y2t celle ci est considérée comme
exogène, car elle évolue de manière
indépendante.
Il est alors possible d'étudier les impacts que les
variables ont les unes sur les autres.
6. Etude de la causalité :
La mise en évidence de relations causales entre les
variables économiques permet une meilleure compréhension des
phénomènes économiques, et par la même, permet la
mise en place d'une politique économique optimisée. Nous
utiliserons ici la notion de causalité développée par
Granger : la variable Y1t cause la variable Y2t si la
prévision de cette dernière est améliorée en
incorporant à l'analyse des informations relatives à
Y1t et à son passé.
A la fin du travail nous donnerons une conclusion
générale et nous proposerons des perspectives de recherche qui
peuvent améliorer ce travail.
Le choix du modèle VAR est dû, d'une part, au
fait que toutes les variables du modèle sont supposées
endogène, et d'autre part, à ces caractéristiques
citées précédemment, à savoir les fonctions de
fréquences impulsionnelles, la décomposition de la variance de
l'erreur de prévision, et les tests de causalités à la
granger, qui permettent d'étudier les interactions des
différentes variables entre elles, et de chercher les relations de
causalités existantes.
Si les tests de causalité s'avèrent
négatifs, cela veut dire que les variables en relation avec le test sont
exogènes au modèle, ce qui nous permettra de voir quelles sont
les théories économiques les plus aptes à l'explication de
la relation entre l'éducation et la croissance économique en
Algérie.
Notre choix du sujet se justifie par l'intérêt
particulier que porte l'État Algérien pour notre système
éducatif. Nous voulons ainsi participer à la réflexion
intellectuelle et au débat scientifique mené par les
universitaires à propos de l'efficacité de notre système
éducatif, en essayant de rechercher les éventuelles relations de
causalités qui pouvaient exister entre les sphères
éducatives et économiques, par une étude
économétrique solide qui laisse la parole aux données afin
de donner une vision statistique à ce problème.
CHAPITRE I
EVOLUTION DU SYSTÈME EDUCATIF
ALGÉRIEN
Introduction :
L'édification du système éducatif
algérien, s'est réalisée à un rythme rapide depuis
l'indépendance, et représente aujourd'hui un ensemble de sous
systèmes qui est en voie d'être profondément
réformé.
Par son ampleur le système scolaire et universitaire
algérien a exercé des effets socio-économiques importants
sur la société algérienne : conjointement aux
investissements économiques réalisés en Algérie en
particulier durant les années soixante dix, les institutions
éducatives, notamment celles de l'enseignement supérieur, ont
grandement contribué au développement d'une classe moyenne
influente, formée de cadres administratifs d'enseignants, de
médecins, d'ingénieurs etc.
Dans le présent chapitre, on tentera de cerner, d'une
manière générale, les progrès quantitatifs et
qualitatifs du système éducatif actuel. Ce bilan a
été dressé a partir de données statistiques
puisées dans les documents officiels du ministères de
l'éducation nationale et ceux de I'Office National des Statistiques,
ainsi que du rapport national sur le développement de l'éducation
en Algérie, présenté dans la conférence
internationale de l'éducation qui s'est déroulé du 8-1
1septembre 2004 à Genève.
Dans la première section, on parlera de l'évolution
des réforme du système éducatif entreprise par
l'Algérie depuis son indépendance, jusqu'a aujourd'hui.
Une 2nd section sera consacré à la
présentation de la structure et de l'organisation Actuel du
système éducatif algérien.
Dans la 3ème section, on analysera
l'évolution des effectifs scolaires, qui traduisent la bonne
volonté des décideurs soucieux de procurer une place à
chaque élève en age scolaire. Nous analyserons aussi le budget
consacré à l'enseignement et son évolution dans le
temps.
A la fin de ce chapitre, on procèdera à
l'évaluation quantitative de notre système éducatif par
degré d'enseignement (le préscolaire, l'enseignement fondamental,
l'enseignement secondaire et l'enseignement universitaire). Avant de donner une
conclusion sur ce qui a caractérisé l'évolution du
système éducatif Algérien.
Section I : Évolution des réformes du
système éducatif algérien
Après sa révolution contre le colonialisme
français qui c'est concrétisée par son indépendance
en 1962, l'Algérie a entamé plusieurs autres révolutions
dans différents domaines. L'une des plus importantes fut la
révolution culturelle, qui avait pour but de compléter
l'indépendance acquise par les armes, en permettant aux Algériens
d'affirmer leur personnalité, en redevenant eux-mêmes.
Partant de la, cette révolutions a mis l'accent sur
certains points essentiel pour réformer le système
éducatif algérien, à savoir :
· La décolonisation de l'enseignement,
· La démocratisation,
· L'arabisation.
D'autres réformes ont été adoptées
un peu plus tard, pour permettre au système éducatif de suivre
l'évolution de la société algérienne, et du monde
extérieur.
1 Les politiques scolaires adopté par
l'Algérie dés l'indépendance : 1.1 La
décolonisation de l'enseignement :
L'Algérie indépendante s'est très vite
attaché à décoloniser l'enseignement par une série
de réformes des programmes touchant tous les degrés, et à
décoloniser l'histoire, les mentalités, par un véritable
contre enseignement combattant les préjugés et les mensonges
inculqués par le colonialisme, en faisant mieux connaître ce qu'il
a voulu faire mépriser, déformer ou ignorer.
Le contenu de l'enseignement a été
progressivement algérianisé. Dans une première
étape l'enseignement de l'histoire, de la géographie, de la
littérature et de la philosophie, a été rendu en fonction
du milieu physique et humain et de la civilisation arabo-islamique, d'une part,
et l'université algérienne a été mise
progressivement en accord avec les orientations et le développement de
l'Algérie d'autre part.
Dans une seconde étape, et pour mener a bien cette
politique de décolonisation de l'enseignement, il fallait
également algérianiser et renforcer les moyens
pédagogique, particulièrement les manuels scolaires. C'est ainsi
que la totalité des moyens pédagogiques utilisés dans le
cycle élémentaire et une partie de ceux en usage dans le cycle
secondaire, sont conçus, confectionnés et diffusés par
l'institut pédagogique national (IPN).
1.2 L'arabisation :
L'un des objectifs essentiels de l'Algérie, dicté
par le coeur tout autant que par les exigences du réel, est de donner
à l'arabe sa place de langue nationale.
Dans tous les domaines de l'activité nationale
(Enseignement. Administration, Entreprises publiques, Justice) des mesures
tendant à rendre à la langue arabe sa dignité et son
efficacité en tant que langue de travail et de civilisation sont prises
et appliquées. La langue arabe reprend progressivement la place que le
peuple algérien n'a cessée depuis toujours de revendiquer pour
elle.
Parmi les mesures d'arabisation progressive de l'enseignement,
on peut mentionner:
· l'arabisation totale des 2 premières années
du cycle élémentaire,
· l'introduction de 10 heures d'enseignement en langue
arabe de la 3e à la 7e année du
cycle
élémentaire, plus l'arabisation du calcul en 3e année
à partir de la rentrée 1969/70,
· l'arabisation des enseignements de la morale, de
l'instruction civique, de l'histoire et de la géographie.
· la création de 10 collèges d'enseignement
général et de 5 lycées entièrement
arabisés,
· l'instauration d'une épreuve d'arabe obligatoire
pour tous les examens de l'éducation nationale,
· La création de diplômes d'enseignement en
langue nationale : EI-Ahlya baccalauréat arabe, licence en lettres
arabe, licence d'histoire et licence en droit en langue arabe.
L'arabisation s'est développée en premier lieu
dans le primaire et le secondaire. Ce processus s'est étendu ensuite au
supérieur. Une grande partie des enseignements donnés dans les
facultés des lettres et des sciences humaines sont actuellement
dispensés en langue arabe, un enseignement en arabe est donné
également dans les facultés de droit et des sciences
économiques, et même pour les sciences techniques dans certaines
universités.
En faculté des lettres, toutes les licences
préparant à la carrière d'enseignant sont
entièrement arabisées. Outre ces mesures qui élargissent
le secteur arabisé de l'enseignement supérieur, d'autres mesures
ont été prises pour que les étudiants engagés dans
les études en langue étrangère reçoivent en trois
cents heures, au cours de leur scolarité normale, une formation en arabe
telle qu'à l'issue de leurs études, ils possèdent une
maîtrise suffisante de la langue nationale pour l'utiliser dans leur vie
professionnelle.
1.3 Démocratisation de l'enseignement
:
Les efforts fournis jusqu'à ce jour en vue de
réaliser "l'école pour tous" ont déjà porté
leur fruit. Dans ce domaine, les chiffres parlent d'eux-mêmes,
puisqu'à la rentrée scolaire 2004-2005, l'Algérie pouvait
affirmer que rien que dans le primaire, une progression de plus de 200% des
effectifs des élèves venant de franchir les portes de
l'école pour la première fois est enregistré par rapport
à la rentré scolaire 1963/64.
Ainsi, en même temps que se réalise le principe
qui consiste à donner à chaque enfant algérien les
mêmes chances, au départ, d'accéder au savoir, les autres
niveaux d'enseignement suivent une progression des plus prometteuses en
s'ouvrant de plus en plus aux enfants issus des couches populaires les plus
déshéritées.
La réalisation de la justice scolaire ne vise pas
uniquement la généralisation de l'enseignement dans le cycle
élémentaire mais aussi la possibilité pour chaque enfant
algérien de progresser aussi loin que le lui permettent ses aptitudes
afin d'occuper la place qu'il mérite au sein de la
société.
2. les réformes du système éducatif
:
2.1. La réforme de l'enseignement
supérieur de 1971 :
La réforme universitaire mise en application en
1971/1972 est l'aboutissement de plusieurs années d'effort et de
réflexion. L'algérianisation totale des programmes de sciences
sociales est devenu par cette réforme une réalité.
L'enseignement de l'économie politique comprend l'étude des
problèmes de la gestion socialiste.
Ce souci d'adaptation aux réalités nationales
et aux options du pays apparaît aussi bien dans les enseignements de
sciences sociales, à fort contenu idéologique, que dans les
programmes des disciplines conduisant aux carrière scientifiques. Le
diplôme d'ingénieur reçoit en particulier une
définition assez large pour qu'il puisse permettre le
développement plus rapide de l'enseignement technologique.
Les objectifs fixés par la réforme de 1971
étaient :
· La formation des cadres immédiatement
opérationnels exigés par l'effort de développement de
l'Algérie en mobilisant l'ensemble de son potentiel,
· La diversification des profils de formation pour
satisfaire les besoins de l'ensemble des secteurs : en d'autres termes,
l'université doit répondre à toutes les demandes en cadres
que lui formuleront les organismes utilisateurs,
· La formation du plus grand nombre de cadres au moindre
coût possible afin de rentabiliser au maximum l'ensemble des
investissements, cela est exigé par la nécessité du
développement du pays,
· Durant sa formation, l'étudiant doit
s'imprégner des réalités de son peuple grâce
à l'ouverture de l'université sur la collectivité
nationale qu'il aura à servir, ce qui permettra de former des cadres
engagés auprès de leur peuple.
2.1. Le plan quadriennal (1974-1977) «
l'instauration du système éducatif »
Cette rénovation du système éducatif a
vu le jour, juste après celle concernant l'enseignement supérieur
en 1971. Les deux réformes étaient dictées par une demande
pressante en cadres et en main d'oeuvre qualifiée. L'objectif principal
visé par cette mesure est de remplacer l'école primaire
classique, par l'école fondamental polytechnique, en intégrant
les deux cycles primaires et moyen dans un seul cycle dénommé
l'enseignement fondamental composé de trois paliers, trois ans pour
chacun, d'une durée total de 9 ans.
2.2. La création du Conseil Supérieur de
l'Éducation :
La création du CSE était dictée par la
faillite de l'école algérienne qui est devenu une
réalité avouée, surtout depuis la crise politique de 1988,
qui a déclenché des débats houleux condamnant toute
médiocrité et inefficacité de l'école qui ne
produit pour l'économie nationale qu'une main d'oeuvre peu
qualifiée, voir démunie de toute compétence dans un monde
en plein mutation.
Le conseil est constitué de cinq commissions
permanentes chargées de concevoir une politique nationale qui a pour
mission de réformer l'institution éducative en place et donc de
redresser la situation, chaque fois que nécessaire.
Le CSE est chargé de la coopération, de la
concertation, de l'étude, et de l'évaluation en matière
d'éducation et de formation.
2.3. La nouvelle réforme du système
éducatif :
Une réforme globale du système éducatif
était entreprise, à travers l'instauration, par le
président de la république d'une commission nationale de
réforme du système éducatif le 13 mai 2000. La commission
était chargée de procéder, sur la base de critères
scientifiques et pédagogiques, à une évaluation du
système éducatif en place en vue d'établir un diagnostic
qualifié, objectif et exhaustif de tous les éléments
constitutifs du système d'éducation, de formation professionnelle
et d'enseignement supérieur, et d'étudier, en fonction de cette
évaluation, une refonte totale et complète du système
éducatif. La commission a donc été chargée de
proposer un projet définissant les éléments constitutifs
d'une nouvelle politique éducative comportant, notamment, une
proposition de schéma directeur portant d'une part, sur les principes
généraux, les objectifs, les stratégies et les
échéanciers de mise en oeuvre graduelle de la nouvelle politique
éducative, et, d'autre part, sur l'organisation et l'articulation des
sous-systèmes ainsi que l'évaluation des moyens humains,
financiers et matériels à mettre en place. La Commission a
adopté son rapport général (mi mars 2001). Ce projet de
réforme de l'éducation correspond à une étape de la
démarche globale de réforme du système éducatif
engagée par l'État, réforme dont l'opportunité a
été constamment confortée au cours de ces dernières
années par les réactions de mécontentement de l'opinion
publique devant les performances insuffisantes enregistrées aux examens
scolaires, notamment au baccalauréat, et par les aspirations
légitimes de la société à un enseignement et une
formation de qualité pour ses enfants. L'injection ponctuelle de mesures
dites qualitatives n'a pas suffi, malgré une légère
tendance à l'amélioration observée au cours des cinq
dernières années.
Par ailleurs, les mutations intervenues dans les
différents domaines, tant au plan national qu'international s'imposent
comme éléments constitutifs majeurs du développement
national que l'éducation doit alimenter en générations
formées et qualifiées. Parmi ces mutations, on peut citer:
1. au plan national
· l'avènement du pluralisme politique, ce qui
implique pour le système éducatif la préparation des
jeunes générations à une perception juste du concept de
démocratie et de tout ce qu'il sous-tend comme valeurs et attitudes au
service d'une société irriguée par son identité
nationale et tendue vers le mieux-être et la modernité,
· l'abandon de l'économie planifiée et des
modes de gestion centralisée et l'avènement de l'économie
de marché, avec toutes les mesures socio-économiques qui la
caractérisent et l'accompagnent (réduction des dépenses
publiques, ajustement structurel, restructuration industrielle,
démonopolisation du commerce extérieur, privatisation,...), ce
qui appelle l'éducation à préparer le futur citoyen
à vivre dans cet environnement et à s'y adapter.
2. au plan international
· la mondialisation de l'économie, qui exige de
l'éducation la préparation adéquate des individus et de la
société à la compétition impitoyable qui se profile
au seuil du 21 ème siècle où la
prospérité économique des nations dépendra
essentiellement du volume et de la qualité des connaissances
scientifiques et des savoir-faire technologiques qu'elles auront
intégrés,
· le développement rapide des connaissances
scientifiques et technologiques ainsi que des moyens modernes d'information et
de communication, dont l'impact sur l'évolution des professions appelle
l'éducation à axer ses programmes et ses méthodes
pédagogiques sur le développement des capacités d'analyse,
de raisonnement, d'argumentation et de synthèse qui permettent
l'adaptation à cette évolution des professions.
Section II : Structure et organisation actuelle du
système éducatif Algérien
L'évolution du système éducatif a
largement été conditionnée par une politique
éducative qui consacre entre autres, les principes de la
démocratisation, la gratuité de l'enseignement à tous les
niveaux, et l'obligation scolaire de l'enseignement de base. En effet
dès l'indépendance, le droit à l'éducation a
été l'un des premiers objectifs que le système
éducatif s'est efforcé de concrétiser.
Les principes régissant le système éducatif
algérien sont définis par la constitution algérienne :
· Le droit à l'enseignement est garanti,
· L'enseignement est garanti dans les conditions
fixées par la loi « l'enseignement est dispensé gratuitement
dans tous les établissements d'éducation et de formation et les
frais d'entretien et de fonctionnement de ces établissements sont
à la charge de l'Etat et des collectivités local. »,
· L'enseignement est obligatoire pour une durée
de 9 ans « Tout Algérien a droit à l'éducation et
à la formation. Ce droit est assuré par la
généralisation de l'enseignement obligatoire d'une durée
de neuf ans pour tous les enfants âgés de 6 à 16 ans
révolus. »,
· L'état organise le système
d'enseignement et veille à l'égalité des conditions
d'accès à l'enseignement post-fondamental sans autre limitation
que les aptitudes individuelles d'une part, les moyens et les besoins de la
société d'autre part. l'enseignement est gratuit à tous
les niveaux, quelque soit le type d'établissement publique
fréquenté.
Le système d'éducation algérien
administré par le ministère de l'éducation nationale
comprend les niveaux d'enseignement et de formation suivants :
· L'éducation préscolaire,
· L'enseignement secondaire, regroupant l'enseignement
secondaire général et l'enseignement secondaire technique,
· L'enseignement supérieur,
· La formation professionnelle,
· La formation des adultes.
2.1. L'éducation préscolaire :
L'éducation préscolaire a pour mission d'aider
chaque enfant à acquérir son autonomie, des attitudes et des
compétences qui permettront de construire les apprentissages
fondamentaux.
Elle est destinée aux enfants âgés de
quatre à six ans, elle les prépare à l'accès
à l'enseignement de base. L'éducation préscolaire est
dispensée dans des écoles préparatoires, des jardins
d'enfants et des classes enfantines.
Le ministre chargé de l'éducation est responsable,
en matière d'éducation préscolaire, notamment de :
· l'élaboration des programmes éducatifs,
· La définition des conditions d'admission des
élèves,
· L'élaboration des programmes de formation des
éducateurs,
· l'organisation de l'inspection et du contrôle
pédagogique.
2.2. L'enseignement de base :
L'objectif général de l'enseignement primaire
est de développer toutes les capacités de l'enfant en lui
apportant les éléments et les instruments fondamentaux du savoir
: expression orale et écrite, lecture, mathématiques.
Il lui permet de recevoir une éducation convenable,
d'étendre sa conscience du temps, de l'espace, des objets et de son
propre corps, de développer son intelligence, sa sensibilité, ses
aptitudes manuelles, physiques et artistique. Il lui permet également
l'acquisition progressive du savoir méthodologique et le prépare
à suivre dans de bonnes conditions la scolarité au collège
d'enseignement moyen.
L'enseignement moyen constitue la dernière phase de
l'enseignement de base, avec ces propres finalités et des
compétences bien définies. Celles-ci assure pour chaque
élève un socle de compétences incompressible
d'éducation, de culture et de qualification lui permettant de poursuivre
des études et des formations post-obligatoire ou de s'intégrer
dans la vie active.
L'enseignement de base est d'une durée de 9 années
de scolarité. 5ans dans le primaire et 4 ans dans le moyen.
· l'enseignement de base est dispensé dans les
écoles primaires et collèges de l'enseignement moyen,
· La fin de la scolarité dans l'enseignement de base
est sanctionnée par un examen final ouvrant droit à l'obtention
d'un diplôme appelé « brevet d'enseignement de base
»,
· Les élèves de 4ème
année de l'enseignement moyen sont déclarés admis et sont
orientés vers l'enseignement secondaire en fonction de leurs aptitudes.
Les élèves non admis ont la possibilité de rejoindre soit
la formation continue, soit la formation professionnelle, soit la vie active,
s'ils ont atteint l'âge de seize ans révolus,
· La durée officielle de l'année scolaire
est de 36 semaines pour tous les cycles, soit 216 jours.
2.3 L'enseignement secondaire :
Il a pour objet, outre la poursuite des objectifs
généraux de l'école de base le renforcement des
connaissances acquises, la spécialisation progressive dans les
différents domaines en rapport avec les aptitudes des
élèves et les besoins de la société. A ce titre, il
favorise soit, l'insertion dans la vie active, soit, la poursuite des
études en vue d'une formation supérieure.
L'enseignement secondaire se subdivise en :
· Enseignement secondaire général et
technologique,
· Enseignement secondaire technique.
D'une durée de trois ans, l'enseignement secondaire
est organisé en filière générale, technologique et
technique reliées entre elles par un système de passerelle
permettant des réorientations en cours de scolarité.
La scolarité dans l'enseignement secondaire est
sanctionnée par :
· Le baccalauréat pour les filières de
l'enseignement secondaire générale et technologique,
· Le baccalauréat de technicien pour les
filières de l'enseignement secondaire technique. Les
élèves admis au baccalauréat et au baccalauréat de
technicien peuvent postuler à la poursuite d'études et de
formations supérieures.
Les élèves non admis au baccalauréat et au
baccalauréat de technicien ont la possibilité soit de postuler
à la formation continue ou à la formation professionnelle, soit
de rejoindre la vie active. L'enseignement secondaire est dispensé dans
des établissements appelés « lycées d'enseignement
général », « lycées polyvalents », «
technicums » qui sont des établissements publics à
caractère administratif dotées de la personnalité morale
et de l'autonomie financière.
La durée des études est de 03années, la
1ère année correspondant au tronc commun. La
durée officielle de l'année scolaire de 36 semaines.
2.4. L'enseignement universitaire :
L'université algérienne a traversé un
long parcours depuis sa création au lendemain de l'indépendance
nationale. Son adaptation aux besoins de la société
algérienne a été marquée par différentes
réformes dont celle de 1971 qui a restructuré profondément
le paysage de la formation supérieure en Algérie. Depuis, la
contribution de l'Université au développement national a
été déterminante dans la mesure où elle a
assuré, outre la formation de ses propres enseignants formateurs, celle
des cadres des structures de l'Etat, de l'économie et des services.
Embryonnaire à la fin des années soixante,
l'Université Algérienne a connu une importante dynamique de
croissance importante et rapide qui a généré des
contraintes multiples, tant sur le plan structurel que celui de l'assurance
d'une qualité de formation et de son adaptation aux mutations du monde
du travail.
La correction des différents dysfonctionnements
rencontrés actuellement aussi bien au niveau de la gestion, qu'au niveau
des performances et de l'efficacité de l'Université
algérienne, passe nécessairement par la mise en oeuvre d'une
réforme globale et profonde de l'Enseignement Supérieur.
L'université algérienne s'est engagée
dans la mise en place d'une nouvelle architecture de l'enseignement
supérieur articulée sur 03 niveaux de formations, permettant
ainsi une plus grande implication des équipes pédagogiques pour
la construction de nouvelles offres de formations mieux adaptées au
marché du travail et aux nouvelles données scientifiques et
technologiques.
Ce processus se veut promoteur du développement des
capacités des établissements à adapter et renouveler leurs
offres de formation. Dans cette démarche, il est préconisé
d'offrir une grande liberté à l'étudiant pour construire
son parcours universitaire avec comme finalité son insertion dans la vie
active.
L'unité d'enseignement possède la qualité
d'être capitaliste et transformable, ce qui signifie son acquisition
définitive et pourra être utilisée dans un autre cursus de
formation.
Le système L.M.D. (Licence - Master - Doctorat):
La nouvelle architecture retenue pour l'Enseignement
Supérieur est articulée selon trois paliers de formation,
correspondant chacun à un diplôme :
- le niveau Licence, correspondant à un cycle de
formation de trois années après le baccalauréat ;
- Le niveau Master, correspondant à 2 années
supplémentaires après le niveau Licence ;
- Le niveau Doctorat, correspondant à 3 années
supplémentaires après le niveau Master. 2.5. La formation
professionnelle :
La formation et l'enseignement professionnels ont pour
objectif de développer chez les individus les compétences
requises pour répondre aux besoins et aux exigences du monde du travail.
La formation et l'enseignement professionnels constituent, donc, un outil de
promotion sociale, à travers la promotion des qualifications et des
compétences au service du développement du pays.
Les formations sont assurées à travers
différents modes :
· Formation Résidentielle,
· Formation par Apprentissage,
· Formation à Distance.
On distingue deux types de formations :
1. Les formations initiales ou continues
diplômantes :
Elles sont sanctionnées par des diplômes d'Etat qui
sont au nombre de cinq :
· Le certificat de formation professionnelle
spécialisé (CFPS) qui est un diplôme
donnant
accès à une qualification professionnelle de niveau 1
correspondant à ouvrier spécialisé,
· Le certificat d'aptitude professionnelle (CAP) qui est un
diplôme donnant accès à une qualification professionnelle
de niveau 2 correspondant à ouvrier qualifié,
· le certificat de maîtrise professionnelle (CMP) qui
est un diplôme donnant accès à une qualification
professionnelle de niveau 3 correspondant à ouvrier hautement
qualifié,
· Le brevet de technicien (BT) qui est un diplôme
donnant accès à une qualification professionnelle de niveau 4
correspondant à technicien le brevet de technicien supérieur
(BTS) qui est un diplôme donnant accès à une qualification
professionnelle de niveau correspondant à technicien
supérieur.
Pour les branches banque, assurance, économie et droit,
les formations sont sanctionnées par les diplômes suivants :
· Certificat de maîtrise des techniques comptables
(CMTC),
· Certificat d'économie et de droit (CED),
· Brevet professionnel assurance (BP),
· Brevet professionnel banque (BP).
2. Les formations qualifiantes :
Elles sont organisées sous forme de cycles de
recyclages ou de perfectionnements dans le cadre de conventions entre des
employeurs publics ou privés et des établissements de formation.
Ces formations à la carte sont sanctionnées par un certificat de
qualification qui définit la qualité et les objectifs de la
formation suivie.
2.6. La formation des adultes :
Il a pour mission d'assurer l'alphabétisation et
l'élévation constante du niveau d'enseignement et de culture
générale des citoyens. Il s'adresse aux personnes n'ayant pas
bénéficié d'un enseignement scolaire ou ayant eu une
scolarité insuffisante.
L'enseignement des adultes est dispensé :
· Soit dans des institutions spécialement
créées à cet effet,
· Soit dans des établissements d'éducations
et de formation,
· Soit dans les entreprises économiques et sur les
lieux de travail.
L'enseignement des adultes peut préparer, au même
titre que les établissements d'éducation :
· Aux examens et concours organisés par le secteur
de l'éducation en vue de l'obtention de titres et de diplômes, aux
dans les écoles, centres et institutions de formation
générale ou professionnelle.
Section 3 : Evolution des effectifs scolaires et du
budget de l'éducation 3.1. L'évolution des effectifs scolaires
:
En Algérie, comme dans tout autre pays du tiers-monde
nouvellement indépendant, les politiques scolaires mises en place visent
à faire sortir le peuple de l'ignorance pour le propulser vers une
nouvelle ère de construction et de progrès. Ces politiques ont
largement contribué à l'évolution des effectifs
scolarisés comme l'indique la figure suivante :
Figure 3.1. Effectifs des scolarisés (tous
cycles confondus)
9000000
8000000
7000000
6000000
5000000
4000000
3000000
2000000
1000000
0
Années
Source : rétrospective statistique sur
l'éducation (ONS) 1962-2002.
statistique d'éducation
2003,2004,2005 (ONS).
Dans la figure 3.1 l'évolution des effectifs
scolarisés (tous les cycles confondus) suit une tendance croissante, ce
qui montre bien l'énorme effort entrepris par les différentes
politiques adoptées par l'Etat pour promouvoir une éducation
accessible pour tous les Algériens.
Ainsi, le nombre des élèves en 2004/05 c'est vu
multiplié par 9 depuis 1962-1963(voir tableau A.1.1).
3.2. L'évolution des effectifs des filles
:
Nous allons maintenant analyser l'évolution des effectifs
scolarisés des filles, qui matérialise le projet social
d'émancipation de la femme mis en place depuis l'indépendance.
Ainsi, l'aspect obligatoire de l'instruction aussi bien pour les
filles que pour les garçons, s'est concrétisé par
l'amélioration de la situation de la femme algérienne. En effet,
on assiste depuis 1963-64 à une proportion non négligeable de
37.40% d'élèves (voir figure 3.2.1 et tableau A.1.2) qui
fréquente l'école (les trois cycles confondus). Dans les
années 92-93-94, on assiste à une augmentation significative des
pourcentages de l'instruction des filles qui a atteint pour les trois
années citées respectivement : 48.33%, 48.49%, 48.70%,
après qu'il était à environ 44% dans les années
précédentes à 1992. Après 1994, le taux a
diminué jusqu'à 46.22%, puis a augmenté de nouveaux pour
attendre 49.14% du total des scolarisés en 2005.
45
40
35
30
55
50
Figure 3.2.1 : Le pourcentage des filles
scolarisées dans les trois sycles d'éducation
Années
Source : Ministère de l'éducation national.
Le taux des étudiantes inscrites dans l'enseignement
supérieur était moins important que celui des filles
scolarisées sur la période 1962-1990, et après
l'années 1991 on assiste à une augmentation spectaculaire du
nombre des étudiantes dans les universités, ce qui lui a permis
de franchir la barre des 40% en 1992 (figure 3.2.2 et tableau A.1.3).
Après une légère baisse en 1997, les effectifs
féminins ont atteint presque la moitié des étudiants en
1998. EN 2000 et pour la première fois dans l'histoire de
l'Algérie, le taux des filles inscrites à l'université
à dépassé celui des garçons pour représenter
51.99%. L'année 2000 représentera dorénavant le
début d'une nouvelle aire, celle de la dominance de la présence
féminine dans les bancs des universités algériennes, car
après cette date le taux des filles inscrites dans le supérieur
dépasse les 50% du total des étudiants.
40
60
20
50
30
10
0
Figure 3.2.2 : Le pourcentage des filles dans
l'enseignement supérieur
Années
Source : Ministère de l'enseignement supérieur et
de la recherche scientifique.
Ainsi, l'aspect obligatoire de l'instruction aussi bien pour
les filles que pour les garçons, s'est concrétisé par
l'amélioration de la situation de la femme algérienne. En effet
la démocratisation de l'enseignement, a permis aux femmes
algériennes de s'instruire, d'accéder à
l'université, d'avoir des diplômes de haut niveau, et pouvoir
ainsi jouer un rôle majeur dans le développement de
l'Algérie.
3.3 Les dépenses publiques afférentes
à l'éducation :
La part des ressources financières totales qui doit
être consacrée à l'éducation et à la
formation des jeunes générations représente un des choix
fondamentaux que fait une nation. Les dépenses de l'éducation et
de la formation constituent en effet un investissement durable et contribuent
incontestablement à réduire les inégalités
sociales.
Depuis l'indépendance, l'Etat algérien a
beaucoup investi dans le domaine de l'éducation, en consacrant des
capitaux énormes pour l'équipement et le fonctionnement des
infrastructures utilisées par le secteur.
L'État Algérien a dû consacrer une part
importante de ses ressources au secteur éducatif (11% environ du PIB
dans les années 1970). Mais alors que le contexte économique des
années 1970 a permis à l'Etat de supporter financièrement
cette expansion du système d'enseignement et de formation, la crise qui
a éclaté à partir de 1986 suite à la chute brutale
du prix des hydrocarbures avec son cortège de conséquences
(effondrement des ressources financières, crise de l'endettement
extérieur, chute de l'investissement, croissance du taux de
chômage...) a profondément modifié la situation, notamment
parce qu'elle a conduit les autorités Algériennes à
engager des réformes visant à la libération de
l'économie et du retrait de l'Etat, avec des conséquences en
matières de financement sur le système éducatif.
Le tableau suivant montre que la part du P.I.B.
consacrée à l'éducation en Algérie a sensiblement
régressé et de manière constante depuis l'avènement
des réformes. Après avoir représenté plus de 11% du
P.I.B. dans les années 1970 (ce qui classait l'Algérie parmi le
groupe de tête dans le monde pour les dépenses consacrées
au système éducatif) elle s'est progressivement réduite
jusqu'à atteindre 5,7% en 1993 avant de perdre 0,8 points en 1996 (4,9%)
et 0,4 points en 1999 (4,5%), soit une régression cumulée de 1,2
points entre 1993 et 1999.
Tableau 1 - Evolution des dépenses
d'éducation par niveau d'enseignement en % du
P.I.B.
|
1993
|
1996
|
1999
|
|
Dépenses globales d'éducation
|
5,7
|
4,9
|
4,5
|
|
Dépenses de fonctionnement en pourcentage du P.I.B
|
4.7
|
4.1
|
3.8
|
|
- Enseignement fondamental
|
3.6
|
3.2
|
2.9
|
|
- Enseignement secondaire
|
1.1
|
0.9
|
0.9
|
Source : Ministère de l'Education Nationale -
Données statistiques n° 37, Alger 1999
Le budget de l'équipement s'est vu affecté des
sommes importantes du budget global de l'Etat afin de le doter de moyens
pédagogiques et techniques lui permettant d'être plus performant
et plus efficace.
En 1965, 25.92% du budget global lui a été
alloué à cet effet. Ce fût la somme la plus grosse de ces
crédits jusqu'en 1990. Mais à partir du début des
années 80 ce fût la chute à cause de la crise
économique qui a secoué le pays à l'époque, on y
enregistre le pourcentage le plus faible 0, 52 % en 1983, pour subir par la
suite une hausse considérable à partir de l'année suivante
14.10% (figure 3.3. et tableau A.1.4.)
25
20
30
15
10
5
0
Figure3.3: Evolution du budget de fonctionnement et
d'équipement en
pourcentage du budget global de l'Etat
budget fonctionnement budget equipement
Années
Source : Ministère de l'Education Nationale -
Données statistiques n° 42, Alger 2003-2004
En 1964, les crédits de fonctionnement
représentaient 20.85% du budget total et ont gardé une certaine
constance durant une décennie, pour commencer à baisser
légèrement à partir de 1975, et afficher finalement un
pourcentage de 15.99%. En 1986, on a enregistré un pourcentage de
20.33%, soit une augmentation de 4.34% par rapport à 1975 ; en plus, le
pic a été atteint en 1968 et 1990 où ce pourcentage
était respectivement de l'ordre de 29.34% et 29.71% (Figure 3.3. et
Tableau A. 1.4), tout en mettant ici l'accent sur les conséquences
néfastes de la crise économique des années 80 qui a
pesé lourdement sur le budget d'équipement, mais celui de
fonctionnement n'a été affecté que
légèrement. En effet, la scolarisation total de nos enfants
était toujours la préoccupation majeure des autorités.
Donc il n'était pas question de supprimer des postes
préjudiciables à tout le système éducatif pour
faire baisser les dépenses de fonctionnement sous aucun
prétexte.
Section 4 : Evaluation par degré d'enseignement
4.1. L'enseignement préscolaire :
Ce type d'enseignement a une place insuffisante dans les pays
en développement, surtout en Afrique, continent dont fait partie
l'Algérie. Une faible proportion d'enfants fréquentait les
quelques écoles maternelles, gérées en majorité par
le secteur privé. A l'indépendance le pays fut confronté
au problème du flux des jeunes enfants à scolariser, auquel
s'ajoute aussi la pénurie des infrastructures d'accueil qui furent
dépassées par l'ampleur du problème. Pour y parer, les
responsables ont procédé à l'abolition des écoles
maternelles héritées de la colonisation qu'ils
transformèrent en salles de cours abritant une partie du cycle primaire;
ce qui a provoqué une régression flagrante de l'enseignement
préscolaire en Algérie.
Néanmoins, les autorités ont récemment
pris conscience de la valeur de ce maillon perdu de la chaîne de notre
système éducatif qui est l'enseignement préparatoire. En
outre, Le Conseil Supérieur De l'éducation créé en
1996 spécifie dans son document intitulé «principe
généraux de la nouvelle politique éducative et de la
réforme de l'enseignement fondamental » publié en mars 1998
que : « la période préscolaire est
considérée comme une étape décisive dans la
formation de la personnalité de l'enfant et dans la préparation
au parachèvement de son développement corporel, sensori-moteur,
social, et affectif, elle lui apprend en outre à communiquer
correctement. Aussi est-il devenu nécessaire de se préoccuper de
cette étape importante du cursus de notre système
éducatif. Ceci répondait au souhait, perceptible ces
dernières années, des familles algériennes qui
réclament avec insistance une scolarisation précoce pour leurs
enfants, conscientes qu'elles pourraient ainsi leur faire éviter les
retards et les échecs scolaires... » ("Education Pour Tous"
à l'an 2000 : Rapport des pays « Algérie»).
4.2. L'enseignement fondamental : 4.2.a. Effectif
scolaire :
Depuis l'indépendance, les effectifs scolaires
augmentaient de façon continue d'une année à l'autre en
passant de 777 636 en 1962-63 à un total de 4 361 744 en 2004-05 pour
les 1er et 2ème cycle (voir tableau A.1.1), ce qui
fait une différence de plus de 3 500 000 en une quarantaine
d'années.
A l'instar du 1er et du 2ème
palier du fondamental, l'enseignement du 3ème palier (moyen),
lui aussi, a bénéficié d'une amélioration de ses
effectifs au fil des années. En effet, le nombre d'élèves
était de l'ordre de 30 790 en 1962-63, et est passé à 2
256 232 en 2004-05, soit un excédent de plus de 2 200 000 (tableau
A.1.1).
En résumé, ces chiffres importants qu'affiche le
système éducatif national sur les différentes
étapes de son évolution, traduisent clairement l'énorme
investissement que l'Etat algérien a entrepris depuis
l'indépendance dans le secteur de l'éducation, afin
d'éradiquer entièrement l'analphabétisme de la
société.
Certes, sur le plan quantitatif, l'Algérie a parcouru
un long chemin et a fait beaucoup de progrès, ce qui lui a permis
d'avoir une bonne réputation à l'échelle maghrébine
et continentale. Néanmoins sur le plan qualitatif, il reste beaucoup
à faire.
4.2.b. Taux de scolarisation :
L'examen du tableau A. 1.5 nous permet de dégager la
tendance générale des taux réels de scolarisation, tant
pour le sexe masculin que pour le sexe féminin. En 1970-71, on avait un
taux global de 57.3 %, dont l'amélioration au fur du temps le fit
parvenir à 93.03 % en 2002-03. Donc ce taux a été
multiplié par 1.62; résultats satisfaisants et très
encourageants.
En outre, le taux de scolarisation réparti par sexe
donne des résultats plus au moins similaires, quant à son
processus évolutif. La différence ne réside ici que dans
l'écart qui existe entre les taux masculins et
féminins. En 1970-7 1, cet écart est
estimé à 26.5 %. Cependant, il devient moins important durant les
années qui suivent pour atteindre seulement 3.92 % en 2002-03; ce qui
concrétise le volume important de la scolarisation féminine due
au projet ambitieux d'émancipation de la femme.
4.2.c. Personnel enseignant :
14000
12000
10000
4000
8000
6000
2000
0
Figure4.2.1: Evolution des enseingnants
étrangers
Années
Cycles 1 et 2 Moyen
Source : Ministère de l'éducation national.
Le corps enseignant est une composante principale dans le
système éducatif algérien. Après
l'indépendance, le départ des européens a
créé un énorme vide que les responsables de
l'époque ont comblé en recourant aux coopérants
étrangers, orientaux et européens dans un cadre de la
coopération scientifique et technique. Le nombre des enseignants
étrangers était important (7212 dès 1962-63, pour le
1er et du 2ème palier), avec une régression
à partir de 1975-76 grâce à la politique
d'algérianisation du corps enseignant menée par l'état
(voir section 2).
Cependant, l'incidence de cette politique n'est observable
qu'à partir de 1983-84 pour l'enseignement moyen où le nombre des
étrangers a commencé à diminuer sensiblement pour
atteindre un chiffre insignifiant 47 enseignants en 2004-05(tableau A. 1.6).
4.2.d. Infrastructures :
A l'indépendance, les structures d'accueil
héritées étaient dans l'incapacité de recevoir ce
nombre élevé de jeunes enfants en âge scolaire, et les
autorités algériennes étaient dans l'obligation de trouver
des solutions urgentes à ce problème. A cet effet, beaucoup de
structures utilisées par d'autres secteurs (civils ou militaires) durant
la période coloniale ont été
récupérées, on leur ajouta les écoles maternelles
reconverties en écoles primaires ou, parfois, en C.E.M., selon les
priorités du moment.
Le nombre des annexes et écoles fondamentales
était seulement de l'ordre de 2263 en 1962-63. Alors on construit de
nouvelles structures à l'échelle nationale concomitamment
à l'évolution rapide des effectifs scolaires. En 2004-05, le
nombre des écoles fondamentales a atteint les 17 041 unités.
Donc, il a augmenté de plus de 7 fois par rapport à 1962-63; et
le nombre de salles utilisées est passé de 33 225 en 1972-73
à 128 549 en 2004-05(tableau A.1.7), un nombre plus au moins suffisant
à l'heure actuelle; surtout, si on sait qu'une diminution des effectifs
était constatée depuis l'année 2000 et a été
évaluée à 110 000 élèves dans le cycle
primaire pour l'année scolaire 2004-2005. Cette chute peut être
expliquée principalement par le phénomène de la baisse de
natalité observé pour la fin des années 90.
20000
15000
10000
5000
0
Figure4.2.2 : Evolution du nombre des
établissements (primaire et moyen)
Années
Primaire Moyen
Source : Ministère de l'éducation national.
4.2.e. Taux d'admission dans les différents
examens :
À la fin du cycle élémentaire
(6ème année primaire), les élèves
subissent l'examen national de passage en première année moyenne.
Les élèves atteignant le C.M2, et ayant un âge de moins de
14 ans, se soumettent à l'examen d'entrée en 6ème, et
passent 1'examen facultatif du C.E.P.E. (certificat d'études primaires
élémentaires) à 14 ans. Ceux ayant cet âge et plus
sont généralement regroupés dans des classes
dénommées cours fin d'études pour subir l'examen du.
C.E.P.E. ou C.E.P.A (Certificat d'Études Primaires d'adultes), et
passeront un concours pour accéder directement en 5ème
(2ème année moyenne) ou se trouvent orientés
vers la vie active.
Le taux d'admission de ces deux épreuves confondus,
sont comme suit: En 1968-69, ce taux est estimé à 53.8%, puis
accuse une chute permanente à partir de 1970-71 pour enregistrer 43.8%
une différence de plus de (-10 %) en 3 années.
Cela peut être expliqué par deux facteurs : Le
premier c'est que durant les premières années qui ont suivi
l'indépendance il y avait un manque accru en cadres, administrateurs, et
enseignants ; et c'est pourquoi il suffit d'avoir le C.E.P.E. ou le C.E.P.A.
pour avoir une insertion professionnel réussie, dont beaucoup de gens
ont recouru à cette option. Le deuxième facteur se résume
dans une bonne partie de jeunes algériens qui ont accédé
à l'école tardivement, pour des raisons sociales ou liées
au colonialisme, arrivent en 6ème année à
l'âge de 14 ans et plus, ce qui ne leur permet pas de passer d'autres
examens que ces deux épreuves.
À 1'instar du C.E.P.E. et du C.E.P.A., les effectifs
réduits qui doivent passer l'examen d'entrée en 6ème juste
après l'indépendance, s'expliquent aussi par le premier facteur,
et par l'inversion du 2ème dés l'amélioration
des conditions par la suite. Dès lors, les jeunes enfants entrent
à l'école à l'âge de 6 ans, ce qui leur permet
d'arriver en 6ème année à l'âge de 12 ans
ou 13 ans pour passer en majorité l'examen d'entrée en
6ème, ce qui gonfle ces effectifs à partir 1970-71,
120527 contre seulement 85 457 en 1968-69, auxquels s'ajoute aussi un
troisième facteur celui de l'évolution rapide de effectifs.
Concernant les examens de l'enseignement moyen le B.E.G avec
ses deux options (bilingue et arabe), c'est la première option qui
remporte la donne en affichant des taux plus importants à partir de
1979-80 toutes options confondues pour avoir un taux de réussite de 25%
qui évolue dans le temps pour atteindre un pic de 41.4 en 1999-2000.
4.3. L'enseignement secondaire :
4.3.a. Effectifs
scolaires :
1500000
1000000
500000
0
Figure4.3.1Evolution des effectifs des éleves du
secondaire
Années
Source : Ministère de l'éducation nationale.
L'enseignement secondaire en Algérie se regroupe en
deux options (générale et technique). L'enseignement secondaire
général a une part importante dans les effectifs globaux de ce
cycle avec un total de 7 634, contre seulement 1 397 dans l'enseignement
technique en 1964-65 (tableau A.1.1.). Ces chiffres ont évolué de
façon permanente et rapide au fil des années, pour arriver
à l'horizon de 2004-05 à 1 058 962 élèves dans
l'enseignement général, et 64 161 élèves dans
l'enseignement technique.
4.3.b. Taux de réussite au
baccalauréat :
Cette étape décisive dans la vie scolaire de
l'élève doit être couronnée par l'obtention du bac,
ce qui n'est pas le cas pour beaucoup d'élèves. L'examen du
tableau (A. 1.8) nous révèle cette vérité. Le taux
de déperdition à cet examen dépassait 60 % dans la
majorité des cas pour les deux options (générale et
technique). Une autre observation mérite d'être mentionnée
ici : c'est qu'au sein de l'enseignement technique, les taux de réussite
sont plus importants tout au long des années, allant de 1968-69
jusqu'à 2004-05. La raison en est que dans les filières
techniques, les élèves se présentent à cette
épreuve en effectif réduit et logiquement une bonne partie
d'entre eux est admise. En 1973-74, sur 2 293 candidats 1 347 ont
été admis au baccalauréat technique, soit un pourcentage
de 58,74 % contre 14 719 pour l'enseignement général dont 6 921
admis, soit un pourcentage de 47.02%.
En général, le taux d'admission au bac est
actuellement moins important qu'avant, et a une tendance erratique:
tantôt, il augmente, tantôt il baisse. En juin 2004, il a
été estimé à 42.5 % : du jamais vu depuis le
débuts des années soixante-dix. Il est certain que les
responsables, après la récente refonte du système
éducatif, ont l'intention de faire augmenter le taux de réussite
aux différents examens et principalement celui du bac.
4.3.c. Personnel enseignant :
L'évolution du personnel enseignant du secondaire suit
le même rythme que celui des effectifs des élèves. Plus le
nombre d'écoliers est élevé dans l'enseignement
général, plus il attire et absorbe une bonne partie du corps
enseignant qu'il soit algérien ou étranger. En 1962-63, le nombre
était de l'ordre de 1 216 pour amorcer une hausse par la suite
jusqu'à 2004-05, où cet effectif a été
évalué à 60 185 (tableau A1 .6). Pour l'enseignement
technique, il était de l'ordre de 487 en 1969-70 et a augmenté au
fur et à mesure que l'on avançait dans le temps. Cependant ce fut
moins remarquable que pour l'enseignement général. Il est
à noter ici que la proportion des enseignants étrangers est
restée très
importante jusqu'en 1990-91. En effet, l'algérianisation
de l'enseignement secondaire était très lente vu la faible
proportion d'enseignants gradués de l'université chaque
année.
4.4 L'enseignement supérieur :
4.4.a. Effectifs des inscrits en graduation et post
graduation :
L'enseignement supérieur, en Algérie comme dans
tout autre pays, s'organise autour de deux étapes différentes: la
graduation et la post-graduation. Selon le système actuel, la
première étape comprend les diplômés de D.E.U.A.,
D.E.S.- Licence, ingénieur, architecte et vétérinaire,
dont la formation est étalée sur une période allant de 3
à 5 ans après le bac; quant à la post-graduation,
l'étudiant est censé suivre des études doctorales pour
obtenir deux diplômes: le Magistère, et le Doctorat sur une
période variant entre 6.5 à 10 années après le bac,
ce système sera remplacé progressivement par le nouveau
système LMD (Licence 3 ans, master 5ans, Doctorat 8 ans).
Nous disposons ici de données enregistrées
à partir de 1963-1964, où le nombre des inscrits en graduation
était de l'ordre de 3 721 contre 156 seulement en poste graduation. Des
données concernant les années d'après
l'indépendance auraient donné des effectifs moins importants. En
effet, notre pays n'était pas en mesure de recevoir et de former des
effectifs importants vu le degré élevé de cet enseignement
qui exige des enseignants hautement qualifiés et de rang magistral
(professeurs, agrégés, maîtres de conférences), que
l'Algérie était dans l'incapacité d'avoir à
l'époque. Après une vingtaine d'années
d'indépendance, le développement économique et social qu'a
connu l'Algérie avait des conséquences bénéfiques
sur le secteur de l'enseignement supérieur, puisqu'en 1982- 83 on a
recensé 90145 étudiants en graduation, et 5 722 en post
graduation (figure 4.1.1 et tableau A.1.9). Désormais, ces chiffres
n'ont jamais cessé d'évoluer d'une année à l'autre
jusqu'au 2004-05, où l'on enregistre respectivement en graduation, et en
post-graduation des nombres de 721 833 et 33 630 étudiants.
400000
600000
200000
800000
700000
500000
300000
100000
0
Figure 4.4.1 Evolution des effectifs en Graduation et post
Graduation
Graduation
Post Graduation
Source : Ministère de l'enseignement supérieur et
de la recherche scientifique.
Notons que pour l'année 1992-93 et 1993-94, une baisse
remarquable a été constatée concernant les effectifs de la
post-graduation ce qui- peut être expliqué par la
détérioration de la situation sécuritaire pendant la
décennie noire, ce qui a empêché beaucoup de candidats de
rejoindre l'université pour subir les concours d'entrée en
post-graduation; et cela même après leur admission. De ce fait,
certains ont abandonné leurs études de peur qu'ils se fassent
tués ou terrorisés en route. De plus ils avaient dans leur
majorité des fonctions rémunérées, donc ils
n'étaient pas dans l'obligation de prendre de risques en se
déplaçant. Toutefois, cette incidence n'a guère
affecté les étudiants en graduation.
4.4.b. Evolution du nombre de diplômés
:
Depuis l'indépendance, l'université a
joué un rôle prépondérant dans le
développement social, politique et économique du pays en
fournissant des milliers de cadres aux différents secteurs utilisateurs
de cette main-d'oeuvre, ce qui lui a donné une position
particulière et assez importante dans la société; surtout
à l'heure actuelle, quand les responsables de haut niveau ont ressenti
l'indispensable recours aux hommes du savoir, et à la recherche
scientifique pour faire sortir le pays de ses multiples crises.
1
1
20000
00000
80000
60000
40000
20000
0
Figure 4.4.3 Evolution du nombre de diplômés du
supérieur
Années
d iplomés
Source : Ministère de l'enseignement supérieur et
de la recherche scientifique.
En 1969-70, il y avait seulement 759 diplômés
formés dans les différentes spécialités de
l'enseignement supérieur, puis ce chiffre a augmenté d'une
année à l'autre jusqu'en 2004-05 où l'on enregistre le
nombre de 106 000 cadres (tableau A.1.9).
4.4.c. Personnel enseignant :
Le corps enseignant de l'enseignement supérieur
était constitué essentiellement d'enseignants et de
collaborateurs étrangers, dont le nombre total s'élevait à
316 enseignants en 1962-63, pour amorcer par la suite une hausse concomitante
au développement global de l'enseignement universitaire, et parvenir
à un effectif de 25 229 en 2004-05 (tableau A.1.9). En outre, nous
disposons ici d'une évolution par grades depuis 1975-76, où
l'université algérienne avait un effectif total de 4406, dont
2699 assistants, 919 maîtres assistants, et encore moins d'enseignants de
rang magistral, 548 maîtres de conférences, et 240 professeurs.
Comme tout autre corps, les enseignants universitaires ont
évolué quantitativement et qualitativement au fil des
années pour arriver à un nombre total de 19 275 en 2001-02 dont,
1708 assistants, et d'où une progression qualitative de ce corps fut
constatée: 6358 maîtres assistants, 1829 maîtres de
conférences, 1111 professeurs et 8269 chargés de cours. Ces
chiffres interprètent réellement le progrès de
l'université algérienne, devenant plus performante, et plus
compétitive pour avoir sa place dans un univers universitaire universel
caractérisé par une grande révolution technologique et
scientifique.
Cependant, on observe un déclin dans ces effectifs tous
grades confondus entre 1991-92 et 1995-96, et tout cela est dû selon nous
à la crise politique après l'arrêt du processus
électoral en 1992, où beaucoup d'enseignants universitaires et
d'intellectuels furent assassinés par les terroristes; chose qui a
poussé beaucoup d'autres à fuir le pays vers l'étranger.
En effet, certains ne sont revenus qu'après l'amélioration de la
situation sécuritaire.
4.4.d. Infrastructure :
À la veille de l'indépendance, les structures
d'accueil de l'enseignement supérieur étaient au nombre de 3 :
L'université d'Alger et les deux centres universitaires d'Oran et de
Constantine. Parallèlement à l'évolution importante des
effectifs, l'université se vit dans l'obligation de construire de
nouvelles structures afin de pouvoir satisfaire cette demande sociale pressante
de l'enseignement supérieur. En une dizaine d'années,
l'Algérie a bâti 8 nouvelles structures universitaires pour
atteindre le nombre de 11 établissements au début des
années 70.
La construction de ce type d'établissement a
été dictée par les changements profonds
opérés à l'intérieur de la société
algérienne, faisant apparaître de grands espoirs chez les
générations montantes. La volonté à suivre un
enseignement supérieur dans de bonnes conditions et dans des
universités purement algériennes par leurs administrateurs, leurs
enseignants, et leurs programmes, chose qui a poussé les
autorités à inaugurer de nouvelles universités et centres
universitaires sur tout le territoire. Leur nombre s'élève
à 58 établissements répartis dans 41 wilayas en
2004-05.
Conclusion :
Les décideurs politiques de la période
post-coloniale étaient Conscients du rôle
prépondérant de l'éducation dans le processus de
développement économique et sociale de la nation. Ainsi, la
décolonisation de l'enseignement, l'arabisation et la
démocratisation de l'enseignement étaient les priorités
des politiques scolaires adoptées par l'Algérie dés
l'indépendance.
La phase d'expansion et d'industrialisation qu'aura connu
l'Algérie pendant une vingtaine d'années (1967-1985), a conduit
à des réformes du système éducatif, afin de faire
face à une demande pressante de cadre et de main d'oeuvre
qualifiée. Par la suite, la crise économique et politique qui
connaîtra notre pays, conduira à un décalage grandissant
entre la sphère éducative et productive. Par conséquent,
d'autres réformes ont été adoptées pour harmoniser
l'évolution de l'économie et de la sphère
éducative.
Ces politiques en matière d'éducation et ces
réformes ont largement contribué à l'évolution
exceptionnelle des infrastructures, des enseignants à tous les nivaux,
et des effectifs des institutions scolaires et universitaires, augmentant ainsi
de manière considérable le stock des ressources humaines de
l'Algérie.
Conformément à l'intuition, cette croissance du
capital humain est une composante importante de la croissance
économique. Voulant savoir si empiriquement cette relation est si
évidente que ça, nous a conduit à aborder cette question
dans le chapitre suivant.
Chapitre II
SURVOL DE LA LITTÉRATURE
EMPIRIQUE TRAITANT DE LA
RELATION ÉDUCATION/CROISSANCE
ECONOMIQUE
«Dès mon plusjeune âge, j'ai interrompu mes
études pour aller à l'école. »
Bernard Shaw
Introduction
Il semblait acquis depuis les années 1960, sur la base
d'exercices essentiellement comptables, que la croissance du capital humain
était une composante importante de la croissance économique, et
que celui-ci avait par conséquent une place légitime dans la
fonction de production agrégée. Ce résultat, pourtant
conforme à l'intuition, semble remis en cause par un ensemble de
contributions empiriques récentes. L'examen du rôle du capital
humain dans la croissance est revenu à l'ordre du jour, à
l'occasion du débat sur la convergence des économies.
En effet, il existe un débat empirique sur l'effet du
capital humain sur la croissance. Alors que quelques études
isolées montrent qu'il y a un effet positif du capital humain (Mankiw,
Romer et Weil, 1992), la plupart des autres études n'arrivent pas
à retrouver ce résultat dans leur travaux (Benhabib et Spiegel,
1994 et Pritchett, 1996).
On cherchera ici à démêler cette
littérature et à clarifier autant que possible le débat en
distinguant les classes des modèles et les types de méthodes
économétriques utilisées par les uns et par les autres et
en expliquant les raisons pour les quelles l'impact du capital humain sur la
croissance est si difficile à mesurer. Nous allons nous limiter à
la présentation des recherches les plus significatives : Il ne s'agit
pas de proposer une bibliographie complète, mais de mettre en
lumière une synthèse des principaux arguments. Enfin, il est
entendu que le terme de capital humain recouvre en général
d'autres notions que la scolarisation (l'expérience, la formation
continue ou encore la santé). Dans la littérature
macroéconomique, cependant, il désigne principalement
l'éducation (plus rarement la santé), aussi retiendrons-nous ce
terme de manière conventionnelle.
D'abord, nous donnerons un rappel bref sur la structure des
modèles théoriques de croissance (section1), avant de
présenter les estimations du modèle de croissance
néoclassique, et de discuter les problèmes strictement
économétriques soulevés par ces estimations (section 2),
puis nous parlerons de la contribution du capital humain dans les estimations
des modèles de croissance des pays pétroliers (section 3), avant
de conclure.
Section 1 : Le capital humain dans les modèles
théoriques de croissance :
Les principales contributions récentes à la
littérature empirique sur le rôle du capital humain dans la
croissance économique ont pour point de départ une version
élargie du modèle de croissance néoclassique de Solow
(1956) et Swan (1956) proposée par Mankiw, Romer & Weil(1 992).
1.1. Les modèles néoclassiques
:
Les principes des modèles de croissance
néoclassique sont de décrire l'équilibre stationnaire des
économies concurrentielles fermées.
Un équilibre est un état du système qui,
s'il est atteint, ne sera plus quitté en l'absence d'un choc
exogène (c'est-à-dire d'un choc dont l'origine est externe au
système). Un équilibre est qualifié de stationnaire si,
à la suite d'un choc exogène, le système revient
spontanément, au bout d'un certain temps, dans la situation initiale. Un
modèle comme celui de Solow, a un équilibre unique et stable.
Plus précisément, il a une succession d'équilibres
qualifiés de sentier d'équilibre. Cela signifie que si le
système s'éloigne de cette trajectoire à la suite d'un
choc exogène, alors il y revient spontanément. Cette
propriété provient de la concavité des fonctions de
production utilisée (rendement d'échelles décroissant)
qu'en expliquera ci-dessous.
Les caractéristiques des modèles
néoclassiques sont les suivantes :
1.1.a. La fonction de production :
Dans le modèle de Solow, sans progrès technique, la
fonction de production est : Y F ( K , L ) K
L
= = , où Y est la production, K le
capital, et L l'emploi, et 0 < á < 1 .
á -á
1
Elle vérifie les propriétés suivantes :
1) Dérivées partielles premières
continues, positives et décroissantes. La décroissance traduit
l'hypothèse que les rendements marginaux de chacun des inputs, pris
séparément, sont décroissants.
2) Homogénéité de degré 1. Les
rendements d'échelle sont constants, c'est-à-dire que si tous les
facteurs de production sont multipliés par une quantité
donnée, il en sera
de même pour la production.
On utilisant les grandeurs par têtes suivantes : y
= Y / L et k = K / L, on peut
réécrire la fonction de
production par tête comme suit y f ( k )
ká
= = avec [f(x) = F(x, 1)].
Il suffit alors que f vérifie les
propriétés suivantes :
3) f(0) = 0 ; sans capital, pas de production.
4) f(8) =8 ; la production n'est pas bornée.
5) f'(0) = +8 ; le rendement marginal du capital est
infini quand le niveau du capital est nul
6) f'(8) = 0 ; l'efficacité marginale du capital
est nulle quand son niveau est infini, il y a saturation.
Les propriétés 3 à 6, dites conditions
d'Inada, vont permettre à l'équilibre d'exister, d'être
unique et d'être stable dans le modèle de Solow.
La fonction de production représente de manière
très simplifiée et évidemment schématique la
technologie de production. Cette simplification est le prix à payer pour
l'obtention de résultats généraux.
1.1.b. Le modèle :
Dans une économie fermée, l'investissement est
nécessairement égal à l'épargne (équilibre
du marché des biens).
L'équilibre épargne-investissement s'écrit,
en notant s le taux d'épargne et ä le taux de
déclassement (dépréciation) supposé constant ;
1. K ? = s t Y t -
äKt. (l'accumulation du capital)
Soit en utilisant les variables par tête, en notant
n le taux de croissance, constant au cours du temps, de la population
;
2. k ? =s t f(k
t )-(ä+n)k t .
L'hypothèse économique est la constance du taux
d'épargne (st = s). Si ä+ n est
strictement positif, il existe alors, pour chaque valeur de s, une valeur
unique *
k , constante au cours du temps, qui
vérifie:
3. * *
sf ( k ) = ( ä + n
) k .
Une fois que l'économie a un niveau de capital par
tête égal à *
k , le rythme de croissance (de K et de Y) est
égal à n, le taux de croissance de la population.
L'économie est sur son sentier de croissance d'équilibre.
1.1.c. Règle d'or :
Le taux de croissance d'une telle économie ne
dépend donc pas du comportement d'épargne des ménages.
Cependant, le taux d'épargne influence directement le niveau de
consommation. On peut donc chercher quel est le meilleur sentier, en un sens
particulier: celui où la consommation est maximale.
Il convient de résoudre le programme;
Max f ( k ) - s f ( k )
sous (3).
* *
La solution est obtenue quand f '- ä
= n. Dans une économie décentralisée, cela
signifie que la
rémunération marginale du capital, après
prise en compte du déclassement, donc le taux d'intérêt,
est égal au taux de croissance de la population. En effet, dans une
telle économie, la rémunération du capital est
égale à sa productivité marginale.
On peut aussi calculer la rémunération du capital,
à l'optimum. On a :
f'.K=(ä+n).K=sY
Ainsi, la solution optimale est obtenue quand la
rémunération totale du capital est égale à
l'épargne totale de l'économie.
Ces deux règles équivalentes sont connues sous le
nom de règle d'or.
1.1.d. Introduction du progrès technique
:
Il est aisé d'introduire du progrès technique
dans le modèle de Solow, à condition qu'il soit neutre au sens de
Harrod1, ceci implique que le travail et le progrès technique
ont des rôles similaires. Ce qui importe c'est l'efficacité du
travail qui peut être accrue en augmentant le nombre d'unités de
travail. Tous les résultats établis précédemment
restent. Il suffit d'ajouter à n (le taux de croissance de la
population) le taux de l'efficacité de la population.
1 il existe différents types de progrès
techniques :
Y=F(AK,L) neutralité au sens de Solow et Y=AF(K,H,L)
neutralité au sens de Hicks
Le modèle de Solow essaye donc de modéliser la
croissance économique, lorsque la fonction de production
agrégée est à rendement d'échelle constant, lorsque
la productivité marginale de chacun des facteurs accumulables est
décroissante, et lorsque les taux d'épargne sont constants et
exogènes. On montre alors que, à long terme et en l'absence de
progrès technique, l'accumulation du capital s'estompe. Le stock de
capital par tête est tellement élevé qu'un investissement
supplémentaire coûte plus cher que ce qu'il rapporte. A ce moment
du processus, la croissance du capital s'annule. La croissance observée
du revenu par tête doit alors s'expliquer par le progrès technique
(résidus) : Il est la seule source de croissance de l'économie.
Ce dernier est utilisé pour augmenter la productivité totale des
facteurs, d'où l'appellation de « Productivité totale des
facteurs » attribuée au pourcentage de la croissance qui reste non
expliqué par les variables utilisés dans les modèles de
croissance.
En effet, Solow avait remarqué que les variables
utilisées dans son modèle (travail, capital) n'expliquaient
qu'une partie seulement de la croissance du PIB/tête. Il
interprété cela par les gains de productivités acquis par
les facteurs de production à l'aide du progrès technique,
c'est-à-dire qu'entre deux dates successive, les facteurs de production
(travail, capital) sont devenus plus productives du fait de l'utilisation
massive du progrès technique.
Solow a considéré le progrès technique comme
exogène pour deux types de raisons :
· La pertinence empirique d'une telle hypothèse :
le progrès technique consiste en une plus grande maîtrise des lois
de la nature. Dans tous les cas, celles-ci commandent, et l'homme ne peut leur
imposer son rythme. La technologie est du ressort des ingénieurs, non
des économistes.
· L'incompatibilité supposée des rendements
d'échelle croissant (qu'entraînerait l'incorporation du
progrès technique) et de l'équilibre concurrentiel.
La croissance n'existe donc pas dans le modèle de base, si
l'on considère les variables par unité de travail
c'est-à-dire y = Y L, k = K L , le
modèle avec progrès technique s'écrit alors
Y F ( K , AL ) K ( AL
)
= =
á -á
1
où A représente l'évolution de
la technologie sous la forme d'un progrès technique renforçant le
travail («labor augmenting») ou «neutre au sens de Harrod».
Le progrès technique correspond à la croissance de A
dans le temps : Une unité de travail devient alors plus
productive.
1.2. Les modèles de croissances endogènes
:
Les théories de la croissance endogène ont
placé le capital humain au coeur même du processus de production,
ce dernier désigne le stock de connaissances économiquement
valorisables et incorporées aux individus. C'est un facteur de
croissance. Il n'y a là rien de nouveau et les théories
antérieures le soulignaient déjà. Ainsi, dans le
modèle de Solow, la croissance provient, d'une part, de l'augmentation
de la population active (or la quantité de capital humain est
liée au nombre de personnes actives) et d'autre part, de l'accroissement
de l'efficacité de la combinaison productive (ce qui peut
s'interpréter aussi bien par le progrès technique que par
l'accroissement de la « qualité », au sens d'efficacité
productive du capital humain). Cependant, contrairement aux anciennes, les
nouvelles théories analysent les fondements économiques de la
formation du capital humain, ce dernier s'est vu attribué un rôle
fondamental dans l'explication de la croissance économique.
Le capital humain est donc appropriable par l'individu qui en est
porteur, contrairement au capital technologique qui est pour partie un bien
public.
1.2.a. Un modèle général de
croissance endogène :
L'économie considérée a deux secteurs.
Dans le premier, chaque individu produit le bien de consommation à
partir de son capital physique (homogène au bien) et d'une fraction de
son capital humain. Dans le 2nd , le capital humain est formé
à partir de lui-même. L'hypothèse est que la
compétence d'un individu et le temps qu'il consacre à
l'étude détermine son rythme d'apprentissage. De plus, tous les
individus sont semblables et on peut écrire directement les fonctions de
production macroéconomiques :
1. 1 Y t A t K t (
u t H t )
=
á -á
2. H t B (1 u t ) H
t
? = - (accumulation du capital humain)
â
Où, A, B, á et â sont
des paramètres positifs, Y est la production, K le
stock de capital physique, H le
stock de capital humain et u la proportion du
capital humain affecté à la production , 1 - u est donc
la proportion de capital humain affecté à la formation du capital
humain, soit encore une sorte de taux d'investissement de chaque individu
puisque le temps consacré à la formation n'est pas
consacré à produire aujourd'hui, mais permet d'accroître la
production demain ; t représente le temps. Le bien est produit à
partir d'une fonction de production de Cobb Douglas, à rendements
constants. Quant à l'activité de formation, elle est telle que le
rendement marginal du capital humain y est constant. Cette hypothèse est
essentielle : c'est elle qui assure le caractère auto entretenu de la
croissance.
Pour qu'un tel modèle puisse engendrer une croissance
autoentretenue, il suffit que le rendement marginal du capital humain dans la
formation du capital humain soit constant. S'il
est décroissant, il n'y aura pas de croissance à
long terme. S'il est croissant, il y aura une croissance explosive.
Dans les situations où u, est constant, il vient
immédiatement que:
3. H / H B (1 u )
â
? = -
(la notation H ? / H = ( ) /
d H dt
log( ) / d H dt
= = taux de croissance du capital humain)
H
et que dans les sentiers de croissance équilibrée
(où Y et K augmentent au même rythme) :
4. Y ? /Y=H ?
/H+(A?/A)/(1-á).
Ainsi, une économie aura une croissance du capital
humain d'autant plus forte qu'elle consacre une part importante de ses
effectifs à la formation (et donc une faible part à la
production). Quant au taux de croissance de la production, il est lui aussi
fonction de l'effort de formation.
Pour boucler le modèle, il suffit d'endogèniser
« 1'investissement » (u) des consommateurs. Pour retrouver à
partir de ce modèle celui de Lucas [1988], il suffit d'ajouter une
externalité du capital humain dans l'activité de production: la
productivité de chaque individu est d'autant plus élevée
que le niveau du capital humain de l'économie est fort (chacun est
d'autant plus efficace que l'économie est composée de personnes
plus compétentes).
Une remarque finale permet d'éclairer les liens entre
ce modèle et celui de Solow. En posant u = 1 et â
= 0 dans les équations (1) et (2), on obtient le modèle de
Solow qui apparaît ainsi comme un cas très particulier: tout le
capital humain est consacré à l'activité de production (H
= L).
1.2.b. Modèle de Solow avec capital humain
:
Ce modèle a été présenté
par Mankiw, G., D. Romer, D. Weil, 1992, dans leur article intitulé
«A Contribution to the Empirics of Economic Growth», dans la revue
« Quarterly Journal of Economics, 107, 407-438 »
Soit Y le revenu agrégé, K le stock de capital
physique, L la quantité de travail (assimilée ou supposée
proportionnelle à la population) et H le stock de capital humain. On
suppose que ces quantités sont reliées par une fonction de
production à rendements constants qui décrit la technique
de production, Y =
F(K,H,AL)
Où A est une mesure de progrès technique neutre au
sens de Harrod renforçant le travail. A croît au taux
exogène g. Une version de ce modèle exprimée en terme de
valeur par tête avec
y =Y AL, k=K AL , h = H
AL
k
h
permet d'écrire
y f ( k , h ) k h
= =
á â
avec á + â ? 1 par ce que la
technique de production est à rendements décroissants dans les
seuls facteurs K et H. Si une proportion sk du produit est
investie dans le capital physique, et si ä mesure le taux de
dépréciation du capital, on peut écrire l'équation
dynamique de l'accumulation du capital
.
k = s k y - n + g
+ ä k (1.1)
( )
où k ? = dk dt décrit la
variation de k au cours du temps, n est le taux de croissance de la population,
et
g = (1 A) dA dt est le taux de croissance du
progrès technique. Le capital par unité de travail efficace
croît donc avec le taux d'investissement et le niveau du
produit mais sa croissance est réduite par la croissance de la
population, par le progrès technique et par sa propre
dépréciation. Mankiw, Romer & weill (1992) proposent
d'étendre cette relation au capital humain, en le traitant de
façon parfaitement homogène au capital physique, soit
.
h = s h y - n + g
+ ä h (1.2)
( )
où sh est la part du produit investi
dans le capital humain et ä est le taux de
dépréciation du capital
humain, identique à celui du capital physique. La
dynamique décrite par le système d'équations
différentielles (1.1) et (1.2) fait converger l'économie vers un
équilibre stationnaire décrit par les niveaux
d'équilibre
-
â â
* s k s h
1
1 ( 1 )
- - á â
n g
+ +
1
-
* s k s h
á á
ä
1 ( 1 )
- - á â
En replaçant ces valeurs d'équilibre dans la
fonction de production, et en prenant les logarithmes, il vient la relation
d'équilibre de long terme
* (1.3)
log log log log
Y A k h
= + +
á â
*
L
dont la forme réduite s'écrit (en exprimant *
ket *
hen fonction de leur déterminant
exogène)
log log log k log h log ( )
L á â ã ä
Y A s s n g
= + ' + ' - + +(1.4)
où á', â' et
ã sont des paramètres positifs, fonction de
á et â dont la structure particulière n'a
pas d'importance pour ce qui suit.
Les économètres n'utilisent Cette relation pour
tester empiriquement le modèle que s'ils considèrent que les
économies ont atteint leur équilibre stationnaire. Dans le cas
contraire, ils utilisent une approximation du taux de croissance de
l'économie à proximité de l'équilibre stationnaire
comme
.
y y y
= ë -
( )
l o g l o g
*
y
Où *
y est la valeur d'équilibre de y et
ë= (n + g +ä) (1 - á
- â). De cette équation différentielle, ils
peuvent déduire la relation dynamique
log 1 log log log 0
yt e k h e y
= - + +
( )( )
- ë t * * - ë t
á â
Où t mesure le temps et y0
est le revenu par unité de travail efficace (renforcé par le
progrès technique) à la date t = 0. cette relation peut
s'écrire en forme structurelle et en forme réduite comme
loglo g 1 lo g lo g lo g 0
Y A e k h e y
t t
= + - + +
( )( )
- ë t á â
* * - ë
t
L t
log ( 1 ) log log log ( ) log 0
- t t
= + - ' + ' - + + +
A e s k s h n g e y
-
ë ë
á â ã ä
t
Ainsi, il suffit de conditionner sur un niveau de revenu initial
y0 pour avoir, à proximité de
l'équilibre stationnaire, la même relation
(à un changement d'échelle des coefficients prés)
qu'à l'équilibre stationnaire lui-même. L'enjeu de cette
dernière spécification est à rechercher dans le
débat sur la convergence et la vitesse de convergence des
économies : Il est en effet essentiel, pour analyser empiriquement le
processus de convergence, de décrire les économies hors de leur
équilibre de long terme. Pour ce qui nous préoccupe, cependant,
c'est à dire la mesure du rôle du capital humain dans la
croissance, cette spécification a principalement l'intérêt
d'être plus réaliste que les équations (1.3) ou (1.4) qui
imposent des hypothèses forte concernant l'état des
économies qui doivent toutes être sur leur sentier de croissance
d'équilibre.
Section 2 : L'analyse empirique de la relation entre
capital humain et croissance : 2.1. Les estimations du modèle de
croissance néoclassique :
La question qui nous intéresse ici est la suivante :
dans quelle mesure la littérature empirique qui s'appuie sur les types
de modèles présentés dans la section 1 fournit-elle une
estimation crédible du rôle du capital humain dans la
croissance, c'est à dire du paramètre ß ou d'un de
ses dérivés
(â',â',â '
)? Il est d'abord utile de récapituler les différentes
stratégies d'estimation susceptibles d'être appliquées aux
différentes spécifications.
Dans leurs estimations, les économètres indicent
les pays par i et posent 0
Ait = A e avec log A 0 = a +
å
gt
où å est un terme résiduel
aléatoire et a une constante. Le progrès technique exogène
g est donc supposé commun à tous les pays. Par ailleurs,
les notations, y, k et h désigneront
dorénavant les quantités par tête qui sont mesurables
(alors que les quantités par unité efficace de travail ne le sont
pas), soitY L, etc.
La procédure la plus directe consiste à estimer la
fonction de production agrégée, logi t l o g l o g
y á k â h a g t i t
? = ? + ? + + + å (2.1)
i t i t
Cette fonction a l'avantage de décrire une relation
technique et d'être très économe en hypothèses sur
l'état de l'économie. Elle est le plus souvent exprimée en
taux de croissance, soit,
log y it - log y io á (log
k it - log k io ) â (log
h it - log h io ) gt it -
i o
? ? = ? ? + ? ? + + å
å(2.2)
à l'opposé, la forme réduite de
l'équilibre stationnaire permet d'écrire le revenu en fonction de
variables supposées exogènes (les taux d'épargne), mais
à condition de faire une hypothèse très forte sur
l'état de l'économie :
log it log log - log( )
y = á ' s + â '
s ã n g ä a gt å it
? + + + + + (2.3)
ki hi it
dans une estimation en coupe transversale, g ne peut pas
être identifié (gt est commun à toutes les observations et
entre dans la constante) tandis que ä est en
général mal connu, aussi est-il nécessaire de faire des
hypothèses sur la valeur de (g + ä).
Si on suppose enfin que les économies sont peu
éloignées de leur équilibre stationnaire, on a la relation
dite « de convergence »
log it log ki log hi - log(
it ) log
y ? = á '' s + â
' s ã ' n + g +
ä + èy + a + gt + å
it
? (2.4)
io
On trouve également dans la littérature une
spécification intermédiaire, où shi
est remplacé par *
hi :
log it log ki log h i - l og( )
log
y s it
? = á ' + â
' ã ' n + g + d
+ è y + a + gt + å
* ? (2.5)
it io
Dans l'une et l'autre de ces deux équations on peut
mettre à gauche le taux de croissance du revenu par tête (au lieu
de son niveau), ce qui conduit simplement à remplacer è
par è-1 dans le terme de droite. Trois spécifications
peuvent donc être utilisées pour mesurer le rôle du capital
humain dans la croissance, la fonction de production (2.1), (2.2), le
modèle d'équilibre(2.3) et le modèle de
convergence(2.4),(2.5); en pratique la première et la dernière
sont les plus souvent utilisées dans la littérature empirique.
L'estimation des modèles (2.3) et (2.4) a
été réalisée par Mankiw, Romer & Weil (1992),
leurs estimations principales portent sur 98 pays, pour lesquels ils disposent
de données sur la période 1960-85. Ils prennent comme mesure du
taux d'investissement en capital humain la proportion de la population active
potentielle inscrite dans l'enseignement secondaire1 en pourcentage
et expliquent soit le revenu par tête en 1985, soit son taux de
croissance entre les deux dates. Barro (1991) avait proposé une
estimation du modèle (2.4) en utilisant les taux de scolarisation
primaire et secondaire en 1960 (et en incluant un grand nombre de variables de
contrôle, dépenses gouvernementales, stabilité politique,
etc., en plus de celles requises par le modèle). Ces estimations sont
présentées dans le (Tableau 1)2 et indiquent sans
ambiguïté une relation positive entre la production
agrégée (ou la croissance) et ces mesures du capital humain.
Barro et Sala-i-Martin (1995) présentent d'autres
estimations de la contribution du capital humain à la croissance,
utilisant les mêmes données sur la même période. La
croissance du PIB par tête est fonction entre autres du nombre moyen
d'années d'études primaires, secondaires et supérieures
dans la population, et des dépenses d'éducation en proportion du
PIB au début de la période. Alors que le coefficient de
l'éducation primaire n'est pas significatif, ceux de l'éducation
secondaire et supérieure des hommes sont significatifs et positifs : un
accroissement d'un écart-type du nombre moyen d'années
d'études secondaires, soit 0,9 an est associé à une
augmentation de la croissance de 1,5 point de pourcentage, les chiffres
correspondants pour les études supérieures étant 0.2 an et
1,0 point. En revanche, l'éducation des femmes est négativement
corrélée à la croissance : un accroissement d'un
écart-type du nombre moyen d'années d'études secondaires
(0,9 an) est associé à une diminution de 0.8 point par
an.3
Ces résultats ont cependant deux défauts
principaux. D'une part, ils font une hypothèse forte sur l'accumulation
du capital humain, dont les mécanismes sont probablement beaucoup plus
complexes que ceux du capital physique (Cohen, 1996, Dessus,1998), et d'autre
part, ils font des hypothèses également contestables sur la
proximité de toutes les économies à leur équilibre
stationnaire et sur le taux de progrès technique supposé
identique pour toutes4.
Des modifications plus spectaculaires interviennent lorsque
les auteurs utilisent les données de stock pour estimer directement des
fonctions de production, de manière à limiter les
hypothèses sur l'état d'équilibre des économies.
C'est le cas de Benhabib & Spiegel (1994) qui utilisent les données
de Kyriacou (1991). Ils estiment la spécification (2.2) sur la
période 1965-1985, sans imposer l'hypothèse de rendements
d'échelle constants. Leur résultat est rappelé dans le
(Tableau 2)5 et l'effet du capital humain est cette fois
non-significatif. Pritchett (1996) estime également cette
spécification avec les données de Barro & Lee (1993) et de
Nehru, Swanson & Dubey (1995) et obtient des effets négatifs et
parfois significatifs.
1
C'est la moyenne du produit du taux de scolarisation dans le
secondaire des personnes âgées de 12 à 17 ans par la
proportion âgée de 15 à 19 ans de la population
âgée de plus de 15 ans.
2 voir page 38.
3 Ch.BAUDELOT et F.LECLERQ : « Les effets de
l'éducation »-Rapport à l'intention du Piref (Programme
incitatif de recherche en éducation et formation) ; janvier 2004 ;
P111.
4 Marc GURGAND : « Capital humain et croissance :
la littérature empirique à un tournant »- revue
économie
public » ;N°06-2000/2 ; P77
5 voir page 38.
Les résultats des nombreuses études
réalisées dans les années 1990 sont remarquablement
contradictoires. Durlauf et Quah (1998, tableau 2) citent neuf articles qui ont
trouvé des effets négatifs (mais pas toujours significatifs), en
utilisant comme variables d'éducation dans les régressions de
croissance, l'éducation primaire, l'éducation secondaire des
hommes comme celle des femmes et l'éducation supérieure au
début de la période considérée, ainsi que
l'augmentation de l'éducation secondaire des femmes au cours de la
même période. Dans d'autres articles : six seulement des seize
effets mentionnés par Durlauf et Quah sont positifs et significatifs.
Arcand et D'Hombres (2002) ont remarqué que la corrélation entre
éducation et croissance semble être positive lorsque l'on utilise
des données « en coupe », où l'on ne dispose que d'une
seule observation par pays (cf. Barro, 1991 ; Barro ; 1997, McMahon, 1998 ;
Temple, 1999), et non significative ou négative lorsque l'on utilise des
données « de panel », où chaque pays est observé
sur plusieurs années ou intervalles de quelques années (cf.
Benhabib et Spiegel, 1994 ; Bond, Hoeffler et Temple, 2001 ; Bräuninger et
Pannenberg, 2002 ; Caselli, Esquivel et Lefort, 1996;Hamilton et
Monteagudo,1998 ; Islam, 1995 ; McDonald et Roberts, 2002)1.
Ainsi, il existe à ce stade une contradiction apparente
entre les deux approches, celle qui utilise l'équation de convergence et
celle qui utilise la fonction de production, la première fait
apparaître l'effet positif du capital humain sur la croissance qui est
attendu, la 2nd étant incapable de le mettre en
évidence.
2.2. Les méthodes économétriques
utilisées :
Afin de se concentrer sur la discussion des
spécifications économiques, nous avons volontairement
laissé de coté la discussion des méthodes
économétriques utilisées pour estimer les
différents modèles. En effet la plupart des modèles
estimés sont des modèles structurelles, donc leurs estimation
pose des problèmes d'identification puisqu'il est douteux que les stocks
des différentes variables explicatives du modèle, à savoir
le taux d'investissement, le stocks de capital, la croissance de la population
ou encore le produit par tête initial, soient indépendants des
caractéristiques non observées (résidus) qui distinguent
les différents pays. Or les méthodes employées dans ces
estimations utilisent cette hypothèse forte (l'indépendance des
variables explicatives par rapport aux résidus) et cela même si
l'existence de telles caractéristiques, et leur effet sur la croissance
ou le niveau du produit sont pourtant attestés par l'introduction
d'indicatrices2 régionales dans les estimations.
Pour clarifier la discussion, il convient de distinguer, dans
le résidu non-observable, des caractéristiques constantes dans le
temps et des événements dont la nature et l'ampleur peuvent
varier d'une période à l'autre. Comme la composante du
progrès technique dans la fonction de production peut s'écrire
log Ao = a + å où å est
un résidu d'espérance nulle et a la valeur moyenne de
log A0.
M. Gurgrand Suppose que si å se décompose
lui-même en une composante individuelle constante
dans le temps et un
résidu variable ; å it = ìi +
vit , alors pour estimer les modèles (2.1), (2.4) ou
(2.5)
par les moindres carrés ordinaires, il faut admettre
que
E(å it /x i t )= 0
(où x représente l'ensemble des variables
explicatives) et en particulier que E(u i /
xit ) = 0 3
1 Ch.BAUDELOT et F.LECLERQ -op. cit- p.1 12.
2 Une variable indicatrice est une variable qui
n'est composée que de 0 ou 1, elle est utilisée lorsque, dans un
modèle, nous désirons intégrer un facteur explicatif
binaire : « le phénomène a lieu ou n'a pas lieu » , ou
bien lorsque le facteur explicatif est qualitatif : « facteur de
développement ou de sous développement ».
3 Ces hypothèses ont été
utilisées dans les estimations présentées dans le tableau
1.
Mais Lorsque le modèle est estimé sous la forme
(2.2) en revanche, le résidu devient
å it -
å i0 = í it -
íio et les estimations sont robustes à
l'hypothèse sur la corrélation entre l'effet
fixe ui et les variables du modèle. Le
problème de la corrélation avec la composante í
it reste
cependant entier. Le point le plus important est
que les deux jeux d'estimations, celles résumées dans
le
tableau 1 et celles résumées dans le tableau 2, qui conduisent
à des conclusions
inverses, correspondent à des
spécifications dans lesquelles l'effet fixe ui est
respectivement présent et
absent.
Il est donc tentant de conclure que les résultats qui font
apparaître un rôle positif du capital humain sont des
résultats biaisés par la présence de l'effet fixe, tandis
que les autres seraient plus robustes.
Tableau 1 : Les coefficients du capital humain dans les
spécifications de convergence
Auteurs Variable de capital humain Estimation
Barro (1991) Taux de scolarisation primaire 1960
0.0181
(0.0060)
Taux de scolarisation secondaire 1960 0.0225
(0.0090)
Mankiw, Romer Taux de scolarisation secondaire 0.23 3
& Weil (1992) (moyenne 1960-1985) (0.060)
Islam (1995) Stock de capital humain en 1985 0.1823
(données de Barro & Lee, 1993) (0. 0895)
Source pour Mankiw, Romer & Weil (1992) : tableau V; pour
Barro (1991) : tableau IV; pour Islam (1995) :
tableau V. Ecarts-types entre
parenthèses
Tableau 2 : Les coefficients du capital humain dans les
spécifications de fonctions de production
Auteurs Variable de capital humain Estimation
Benhabib Taux de croissance du stock 0.063
& Spiegel (1994) (données de Kyriacou, 1991)
(0.079)
Pritchett (1996) Taux de croissance du stock
-0.049
(données de Barro & Lee, 1993) (0.046)
Taux de croissance du stock -0.104
(données de Nehru, Swanson & Dubey, 1995)
(0.050)
Source pour Benhabib & Spiegel (1994) : tableau 1; pour
Pritchett (1996) : tableau 1.
Ecarts-types entre parenthèses.
Ce point a fait l'objet de la contribution d'Islam(1 995).
Après avoir présenté le résultat que nous avons
reporté dans le tableau 1, cet auteur exploite la dimension de panel de
ses données en utilisant une observation par pays tous les cinq ans, au
prix d'une légère réduction de la taille de son
échantillon. Il estime alors le modèle (2.5) mais en
spécifiant explicitement l'effet fixe ui de manière
à obtenir des estimations non biaisées. Ses estimations sont
reportées dans le tableau 3 et confirment que, lorsque les effets fixes
sont pris en compte, le coefficient du capital humain n'est plus positif et
peut être significativement négatif. Ce résultat
démontre qu'il ne convient pas d'opposer les spécifications de
convergence vers l'équilibre stationnaire aux spécifications de
fonction de
production, mais plutôt les estimations qui ne tiennent
pas compte de l'effet fixe, qui donnent des résultats positifs mais sont
potentiellement biaisées et les estimations qui corrigent ce biais et
qui ne font pas apparaître d'effet positif, quelle que soit la
spécification économique de référence. En d'autres
termes, lorsque la présence d'effets fixes est prise en compte, le
capital humain n'a plus d'effet positif sur la croissance, quel que soit le
modèle de référence (convergence ou fonction de
production).
Tableau 3 : Les coefficients du capital humain dans
l'estimation en panel de Islam (1995)
Echantillon de pays Variable de capital humain Estimation
Non-pétrioliers Stock de capital humain
-0.07 12
(données de Barro & Lee, 1993) (0. 0323)
Intermédiaires Stock de capital humain -0.
0027
(données de Barro & Lee, 1993) (0.0471)
OCDE Stock de capital humain -0. 0208
(données de Barro & Lee, 1993) (0.0449)
Source : tableau V. Ecarts-types entre parenthèses.
2.3. Explication des résultats contradictoires
:
Que penser de ces résultats contradictoires ? Une
première réponse est que la qualité des données et
la façon dont le capital humain est mesuré doivent faire l'objet
d'une attention particulière. La plupart des travaux empiriques sur la
croissance reposent sur la même base de données ; les « Penn
World Tables1» (actualisée périodiquement ; par
exemple, Summers et Heston, 1991), qui couvrent une centaine de pays depuis
1960, avec des observations tous les cinq ans, et contiennent les séries
de PIB par tête. Les problèmes de qualité que peuvent poser
ces données affectent donc l'ensemble des travaux publiés, et il
ne reste pas grand-chose à lire de ces données car les
innovations possibles à partir de cette base sont très
importantes. Les données de capital humain proviennent de plusieurs
bases (cf. Barro et Lee, 1993 Kyriacou 1991 ; Lee et Barro, 1998 ; Mulligan et
Sala-i-Martin, 2000 Nehru, Swanson et Dubey, 1995) dont la qualité est
variable. Kyriacou (1991) combine des enquêtes ménages
réalisées dans 42 pays en 1970 avec les taux de scolarisation en
1965 et 1985 afin d'estimer les nombres moyens d'années
d'éducation à ces dates. Comme toutes les enquêtes, les
informations recueillies sont pleines d'erreurs: Krueger et Lindahl (2001)
montrent que l'accumulation du capital humain mesurée à partir de
cette base est polluée par un fort « bruit » statistique, ce
qui expliquerait son absence d'effet sur la croissance comme dans l'article de
Benhabib et Spiegel (1994). Barro et Lee (1993) utilisent une combinaison entre
deux sources de données celle de l'UNESCO, et celle issue de recensement
et des enquêtes ménages afin de donner plus de fiabilité
à leur données, mais, cette méthode na pas non plus
échappé aux critiques notamment par Behrman et Rosenzweig (1994),
qui ont montré que les définitions utilisées par Barro et
Lee n'étant ni toujours comparables d'un pays à l'autre ni
toujours adéquates (par exemple, les taux de scolarisation de l'UNESCO
incluent les enfants qui ne sont inscrits que nominalement ou quittent
l'école peu après le début de l'année scolaire).
1 Les Penn World Tables sont des tables qui fournissent les
données des variables macroéconomiques pour 168 pays pour
certaines ou toutes les années 1950-2000.
D'autres auteurs ont axé leurs recherches sur la
comparaison des différentes sources de données. On site par
exemple Bosca, de la Fuente & Domenech (1996) qui analysent en
détails les incohérences existante par exemple entre les
données de Barro & Lee (1993) et celles de Nehru, Swanson &
Dubey (1995) y compris dans le sous-ensemble des pays de l'OCDE, pour lesquels
les données statistiques d'origine devraient être les meilleures.
Un certain nombre d'invraisemblances lève en outre dans
l'évolution des stocks construits par Barro & Lee (1993). Il est
donc clair que les estimations présentent des biais d'erreur de
mesure1.
Lorsqu'une variable est mesurée avec erreur, on sait
que le coefficient estimé est biaisé vers zéro (le test de
Student de cet coefficient peut être non significatif), simplement parce
que sa corrélation avec la variable expliquée devient moins
nette. Cela pourrait expliquer qu'un effet significatif estimé sur les
taux de scolarisation (mesurés avec peu d'erreur) devienne non
significatif lorsqu'on passe aux données de stock (mesurées avec
d'avantage d'erreurs). En outre, le fait de passer en différences
premières (comme lorsqu'on passe du modèle (2.1) au modèle
(2.2) a pour effet d'aggraver l'erreur de mesure, car la différence des
stocks cumule les erreurs sur chacun des deux stocks de
départ.2
Il est cependant possible d'affirmer que ces travaux
n'apportent pas plus d'information que les modèles théoriques
évoqués à la sous section 2.1. quand aux voies par
lesquelles l'éducation agit sur la croissance. D'autres études
ont montré que le coefficient du niveau initiale de capital humain dans
les modèles de croissance peut avoir plusieurs significations, selon
l'état de l'économie des pays ou le type de régression
utilisée, ainsi , Topel (1999) et Krueger et Lindahl (2001) montrent
qu'un impact causal positif de l'éducation sur la croissance peut se
traduire par un coefficient négatif dans une régression de
convergence conditionnelle. Entre autre, le stock initial de capital humain
peut représenter le niveau d'équilibre du revenu par tête;
il peut affecter positivement le taux de croissance d'équilibre en
accélérant le progrès technique ; il peut
accélérer la croissance d'une économie dont le revenu
initial est inférieur à son niveau d'équilibre en
favorisant l'adoption de technologies existantes. Dans ce dernier cas, il est
possible que le coefficient du capital humain soit négatif : Un pays
dont le stock initial de capital humain est bas peut l'accroître
très vite, et dispose d'une marge de rattrapage importante par rapport
aux pays qui se trouvent déjà à leur niveau
d'équilibre. Enfin, Bils et Klenow (2000) suggèrent que la
causalité pourrait être inverse, de la croissance à
l'éducation : l'anticipation d'une forte croissance peut inciter les
individus à investir plus en capital humain.
Dans un article très remarqué, Pritchett (2001)
présente des résultats d'estimation utilisant les données
sur l'éducation de Barro et Lee (1993) et Nehru, Swanson et Dubey
(1995), dans lesquels l'effet de la croissance du nombre moyen d'années
d'éducation par travailleur sur la croissance du PIB par tête est
négatif et significatif. Au contraire des auteurs
précédemment cités, il considère que ce
résultat n'est pas dû à la mauvaise qualité des
données disponibles ou à des méthodes empiriques
défaillantes. Il existerait bel et bien un « paradoxe micro/macro
» c'est-à-dire que les effets microéconomiques
avérés de l'éducation sur les revenus individuels
n'auraient pas d'équivalent macroéconomique en termes de
croissance. Pritchett insiste sur
l'hétérogénéité des pays : l'effet
négatif obtenu dans une régression utilisant des données
internationales n'est qu'une moyenne d'effets positifs dans certains pays,
négatifs dans d'autres, et ce sont ces derniers qu'il convient
d'expliquer.
1 Ch.BAUDELOT et F.LECLERQ -op. cit- p.112.
2 Marc GURGAND , -op. cit- P 82.
Pritchett avance trois hypothèses. Premièrement,
l'environnement institutionnel des pays en question pourrait être tel que
des activités rentables individuellement mais contre-productives
socialement, notamment la « recherche de rentes » constituent le
principal débouché des diplômés. Le secteur public
absorbe ou, du moins, a longtemps absorbé, jusqu'aux programmes
d'ajustement structurel des années 1980 et 90, une part importante des
diplômés dans les pays en développement, alors que sa
productivité est souvent faible. Si les salaires de la fonction publique
sont fixés en fonction de l'éducation, les rendements
privés de celle-ci peuvent être élevés sans que les
rendements sociaux le soient. Il est même possible que l'augmentation du
nombre de jeunes éduqués accroisse la pression sur un
gouvernement pour qu'il crée ou maintien des emplois publics
indépendamment de leur contribution productive.
Deuxièmement, faute de transformations structurelles de
l'économie suffisamment rapides, la demande de travail qualifié
peut stagner alors même que les progrès de la scolarisation en
accroissent fortement l'offre : L'augmentation du niveau d'éducation de
la population peut déclencher une baisse de son rendement, d'où
une corrélation négative entre éducation et croissance des
revenus. Cette hypothèse pourrait s'appliquer en particulier à
ceux des pays en développement dont la croissance a été
faible depuis les années 70 ou 80.
Troisièmement, Pritchett évoque aussi la
mauvaise qualité des écoles dans nombre de pays en
développement (l'augmentation du nombre moyen d'années
d'études pourrait n'avoir guère créé de capital
humain) et la possibilité que le « tri par l'éducation
» explique une part importante de l'effet microéconomique de
l'éducation.
L'argumentation de Pritchett est contestable si l'on
considère que ce n'est pas l'existence d'un impact positif de
l'éducation sur la croissance qui est en cause, mais sa mesure. Ainsi,
Topel(1999), se référant à une version de l'article
antérieure à sa publication, montre que le coefficient
significatif et négatif de l'éducation est dû à la
façon dont Pritchett mesure le capital humain, qu'il considère
erronée.
Ainsi, l'existence d'un effet positive de l'éducation
sur la croissance, est un sujet qui suscite un débat
économétrique très passionnant, et qui n'est pas
actuellement en mesure de donner une réponse claire à ce
problème.
Section 3 : La contribution de la productivité
totale des facteurs de production dans
les estimations des modèles de
croissance des pays pétroliers
La littérature empirique existante concernant la
modélisation de la croissance, a vu de nombreux modèles
élaborés, dans le but de mesurer et d'expliquer la contribution
des différents facteurs de production dans le processus de la croissance
économique.
La plupart de ces modèles ont pour fonction de
départ une version élargie du modèle de Solow, avec
quelques différences dans le choix des variables, et dans les techniques
d'estimations employées. Toutefois, la majorité des auteurs
travaillant sur la question ont exclu de leurs échantillons de pays
étudiés, les économies pour lesquelles la production
pétrolière était l'industrie dominante. Les auteurs
évoquent le fait que la production pétrolière était
d'avantage l'extraction d'une richesse existante que la création de
valeurs ajoutées. Ainsi, on ne pourrait s'attendre à ce que les
modèles canoniques de croissance donnent une image correcte des niveaux
de PIB mesurés dans ces pays.
La particularité des économies
pétrolières rend la modélisation de la croissance des
économies pétrolières par l'intermédiaire des
modélisations traditionnelles de la croissance particulièrement
hasardeuses : la "rente" pétrolière. Cette rente provient du fait
que les revenus tirés de la production pétrolière sont
très largement supérieurs à la rémunération
des facteurs de production pétrolière. Ainsi, si une fonction de
production de type néoclassique semble être une
modélisation acceptable du revenu d'une économie
non-pétrolière, elle apparaît par contre inadaptée
à la modélisation du revenu d'une économie
pétrolière.
Dans cette section nous allons présenter 3
régularités empiriques de la croissance économique des
pays pétroliers en développement qui les distinguent des autres
pays pétroliers. Puis nous présenterons les estimations des
modèles de croissance des pays pétroliers. Nous focaliserons
notre attention sur la croissance de la PTF (la part de la croissance
économique restée non expliquée par les différentes
variables ; c'est le résidus de l'estimation dans le modèle de
Solow) qui symbolise la mobilisation du savoir acquis par la population
à travers l'éducation, pour pouvoir créer et adopter des
nouvelles technologies, afin de les utiliser pour augmenter la
productivité des facteurs de production d'une économie, à
savoir le capital physique et le travail.
Cette section s'appuie essentiellement sur l'article de Mr
Guillaume ARBOD1 intitulé « Un modèle de
croissance des économies pétrolières » et de celui de
Samir Makdisi2, Zeki Fattah3 et Imed Limam4
intitulé « Determinants of growth in the MENA countries ».
3.1. Régularités empiriques de la
croissance économique des pays pétroliers en développement
:
3.1.a. Présentation :
Nous présentons trois régularités empiriques
concernant le niveau et l'évolution du PIB par tête des
économies pétrolières en développement au cours de
ces dernières décennies à savoir :
1 Guillaume ARBOD est doctorant à l'Université de
Bourgogne et à l'Institut Français du Pétrole.
2 Docteur à l'université
Américaine de Beirut, Liban.
3 Chercheur à la commission économique
et social de l'Asie occidental des Nation unies, Liban.
4 Chercheur à l'institut Arabe de planification
au Kuwait.
1. Parmi les économies en développement, le niveau
du PIB par tête du groupe des pays pétroliers est supérieur
à celui du groupe des pays non-pétroliers,
2. Parmi les économies en développement le taux de
variation du PIB par tête du groupe des pays pétroliers est
inférieur à celui du groupe des pays non-pétroliers,
3. La plupart des économies pétrolières en
développement ont vu leur PIB par tête fortement
décroître.
3.1.b. Observations empiriques :
Les données qui mettent en évidence ces
régularités empiriques proviennent de la base de données
de MADDISON (2003).
Nous pouvons également ajouter, qu'en raison de la plus
faible sensibilité aux valeurs extrêmes de la statistique de la
médiane par rapport à la statistique de la moyenne, les auteurs
préfèrent utiliser la première pour comparer le niveau et
la variation du PIB par tête des groupes des économies
pétrolières et non-pétrolières.
Tableau 1 : PIB par tête des pays pétroliers
et non-pétroliers en développement en 2000.
|
Pays en développement
|
Nombre
d'observations
|
Premier
quartile
|
Médiane
|
Troisième
quartile
|
|
Pays pétroliers
|
15
|
2557
|
5065
|
8228
|
|
Pays non-pétroliers
|
92
|
871
|
1783
|
3713
|
source: MADDISON (2003)
Unité : Dollars
internationaux de 1990 de Geary-Khamis
La valeur de la médiane des observations du groupe des
économies pétrolières en développement est 2,8 fois
supérieure à celle du groupe des économies
non-pétrolières en développement. Nous pouvons
également observer un tel écart à d'autres parties de la
distribution des observations de chaque groupe : La valeur du premier
(respectivement du troisième) quartile des observations du groupe des
économies pétrolières en développement est 2,9 fois
(respectivement 2,2 fois) supérieure à celle du groupe des
économies non-pétrolières en développement.
Tableau 2 : Taux de variation annualisé du PIB
par tête des pays pétroliers et
non-pétroliers en
développement entre 1971 et 2000.
|
Pays en développement
|
Nombre
d'observations
|
Premier
quartile
|
Médiane
|
Troisième
quartile
|
|
Pays pétroliers
|
15
|
-3,15
|
-0,74
|
0,48
|
|
Pays non-pétroliers
|
92
|
-0,26
|
0,68
|
1,97
|
source: MADDISON (2003)
Unité : Dollars internationaux de 1990 de Geary-Khamis
La valeur de la médiane des observations du groupe des
économies pétrolières en développement est
inférieure de 1,42 points à celle du groupe des économies
non-pétrolières en développement. Nous pouvons
également observer un tel écart à d'autres parties de la
distribution des observations de chaque groupe : la valeur du premier
(respectivement du troisième) quartile des observations du groupe des
économies pétrolières en développement est
inférieure de 2,89 points (respectivement 1,49 points) à celle du
groupe des économies non-pétrolières en
développement.
Tableau 3 : Taux de variation annualisé du PIB
par tête de chaque pays
pétroliers en développement
entre 1971 et 2000.
|
Pays pétroliers
|
Taux annualisé de variation du PIB par
tête
entre 1971 et 2000 (%)
|
|
Algérie
|
1,16
|
|
Angola
|
-2,67
|
|
Arabie Saoudite
|
-0,20
|
|
Emirats Arabes Unis
|
-1,38
|
|
Bahreïn
|
0,83
|
|
Gabon
|
-1,67
|
|
Iran
|
0,13
|
|
Irak
|
-3,63
|
|
Koweït
|
-3,75
|
|
Libye
|
-4,28
|
|
Nigeria
|
-0,39
|
|
Oman
|
2,15
|
|
Qatar
|
-5,23
|
|
Trinité et Tobago
|
1,73
|
|
Venezuela
|
-0,74
|
Source: MADDISON (2003)
Unité : Dollars internationaux de 1990 de
Geary-Khamis2
Les deux tiers des économies pétrolières
en développement ont vu leur PIB par tête décroître
entre 1971 et 2000 (10 sur 15). Un tiers des économies
pétrolières en développement ont même un taux de
variation annualisé inférieur à -2,5 %. Cela signifie que
la valeur du PIB par tête de ces économies en 2000
représentait moins de la moitié de sa valeur de 1971.
L'Algérie par contre semble ne pas partager cette
régularité avec les autres pays pétroliers en
développement, car elle a vu son PIB/tête croître de 1.16%
entre 1971 et 2000.
3.1.c. Discussion :
La première régularité empirique est
relativement intuitive. Toutes choses égales par ailleurs, étant
donné l'inégale répartition des réserves
pétrolières sous la surface de la planète, l'exploitation
pétrolière apparaît comme un plus pour l'économie
nationale en terme de revenu par tête.
La seconde régularité empirique est quant
à elle relativement contre intuitive. C'est le sujet de la
littérature dite "de la malédiction pétrolière", ou
plus généralement de "la malédiction des ressources
naturelles". Cette «malédiction» s'exprime de plusieurs
façons : Tout d'abord, un phénomène de capture de rente et
de comportement rentier. Sur le plan purement économique, le fait de
détenir des ressources pétrolières s'accompagne
d'incitations perverses qui freinent la diversification, l'innovation et le
développement. Sur le plan social, la rente, objet de convoitises,
accroît les inégalités et les tensions. Elle rend aussi
plus difficile l'émergence d'une classe moyenne accompagnant le
développement d'un tissu productif diversifié. Sur le plan
institutionnel, elle nourrit la corruption et affaiblit les institutions. Sur
le plan politique, elle alimente les conflits entre groupes ou pays rivaux.
1 Base de donnée réalisé par
Angus Madisson, chercheur a l'université de Groningen, Pays Bas, et
chargé du projet ICOP (International Comparisons of Output and
Productivity), de 1983 à nos jours.
2 Geary-Khamis (G-k) : est une méthode
d'agrégation dans laquelle la catégorie " prix internationaux "
et les paritées de pouvoir d'achat des pays PPP (dépeignant les
niveaux des prix relatifs de pays) sont estimés simultanément
à partir d'un système d'équations linéaires pour
donner une unité monétaire commune.
Cette théorie de malédiction
pétrolière reste très contestée par beaucoup
d'économistes. Mr Arbode cite : « De nombreuses pistes
explicatives ont été développées sans réel
succès (cf. Davis (1998), ROSS (1999) et STEVENS (2003) parmi d'autres).
Ces pistes explicatives font généralement la part belle aux
notions assez floues et rarement modélisées sous une forme
testable d'inefficacité des investissement, de corruption,
d'économie dite "rentière", de volatilité des recettes
pétrolières. Comment peut-on expliquer alors que le Qatar ait vu
son PIB par tête divisé par 4,7 entre 1971 et 2000, et de
surcroît, sans crise économique majeure? L'ampleur de la chute du
PIB par tête de certaines économies pétrolières
défie l'imagination. Les pistes explicatives de la malédiction
pétrolière en semblent d'autant moins pertinentes »
3.2.Les estimations de la PTF dans les modèles de
croissance des pays pétroliers :
Dans leur article intitulé «Determinants of growth
in the MENA1 countries», Samir Makdisi, Zeki Fattah et Imed
Limam ont essayer de mesurer la contribution relative des sources principales
de croissance économique des pays de la région de MENA. Ils ont
trouvé que la performance globale de la croissance dans la région
du MENA au cours de la période 1960-1998 a été
caractérisée par un degré plus élevé de
volatilité comparé à d'autres régions du monde. En
comparant le modèle de croissance de la région de MENA dans une
perspective international, ils ont trouvé que le capital est moins
efficace; la malédiction de ressource naturelle davantage
prononcée, la croissance de la productivité totale des facteurs
dans la région de MENA n'était pas une source importante de
croissance comparée a d'autres régions, les pays non
pétroliers et les économies diversifiées se sont bien
mieux comportées que les pays pétroliers en termes de croissance
de leur PIB/tête, et de celle des PTF.
Dans leur analyse, les auteurs ont utilisé comme mesure
de capital humain (pour expliquer à la fois le taux de la croissance du
PIB/tête et le taux de croissance des PTF), les taux de scolarisation
primaire en 1960 pour chaque pays.
Nous allons maintenant présenter les résultats
obtenus dans cette étude en ce qui concerne les taux de croissance des
différents facteurs de production, et nous allons essayer d'expliquer
celui de la PTF. Notre attention sera focaliser sur le pays objet de notre
étude, c'est à dire l'Algérie.
Le tableau suivant montre la décomposition de la
croissance du PIB/tête obtenu par l'utilisation de la fonction suivante
:
Älog(Y it LIt)=ëi +á
i Älog(kit L it ) +
å it
Ou K représente le capital physique, L
celui du travail, et le reste c'est-à-dire å mesure
la technologie qui est expliquée par la productivité totale des
facteurs de production TFP
Tableau 4 : la décomposition du taux de
croissance du PIB (1960-1997)
|
Pays
|
PIB/tête
|
Capital
|
Travail
|
PTF
|
|
Algérie
|
0.03 1
|
0.034
|
0.006
|
-0.009
|
|
Égypte
|
0.057
|
0.035
|
0.011
|
0.011
|
|
Irak
|
0.023
|
0.020
|
0.020
|
-0.018
|
|
Maroc
|
0.049
|
0.025
|
0.013
|
0.011
|
|
Tunisie
|
0.05 1
|
0.028
|
0.012
|
0.010
|
|
Kuwait
|
0.022
|
-0.015
|
0.056
|
-0.018
|
|
Sedan
|
0.030
|
0.028
|
0.014
|
-0.012
|
|
Libye
|
0.058
|
0.165
|
-0.011
|
-0.096
|
Source : Makdisi, Fattah et Limam Table 7
1 Abréviation de Middle East North African qui
signifie les pays du moyen orient et de l'Afrique du nord.
De ces résultats, nous remarquons, qu'à
l'exception de la Tunisie (ou la moyenne du taux de la croissance de la
productivité totale des facteurs a atteint 1 % annuellement), de
l'Egypte (1.1%) et du Maroc (1.1%), la participation de l'évolution
technologique définit par la PTF à été
négative dans tous les pays Arabes. Le coefficient du taux de croissance
de la PTF de l'Algérie été de -0.009, ceci montre que la
croissance économique visible dans la plupart des pays arabes est plus
le fruit d'une accumulation des facteurs de production que celui du
progrès techniques, les auteurs expliquent cela, par le fait que,
l'environnement économique dans ces pays a été
confronté a beaucoup d'obstacles et de dysfonctionnement, notamment ceux
relatifs aux politiques adoptées : Qui restreinnent les échanges
commerciales et diminuent la performance des structures productives.
Prenons le cas de l'Algérie et essayons de voir comment
la PTF (productivité totale des facteurs) a évolué dans le
temps. Pour cela, nous allons utiliser les résultats issus d'une
étude menée par le FMI sur la croissance économique de
l'Algérie.
Afin de quantifier la croissance négative de la PTF en
Algérie, le FMI a utilisé la fonction de production de Cobb
Douglas avec capital humain, matériel et travail en tant que facteurs de
production, plutôt que de produire une seule évaluation pour la
croissance de la PTF, une série de données a été
présentée basée sur deux scénarios, afin de
conforter la validité des résultats obtenus. Le premier
scénario (hypothèse basse) est fondé sur un rapport d'un
tiers pour le capital matériel et de deux tiers pour le travail et le
capital humain combinés. Ce scénario fournit une PTF
particulièrement faible (-2,1 pour cent annuellement en moyenne) qui,
pour partie, est la conséquence d'une très rapide croissance du
capital humain. Le second scénario (hypothèse haute) est
fondé sur des estimations plus conservatrices de la croissance du
capital humain (4,5 pour cent en moyenne, identique au capital matériel)
et prend en compte une augmentation de la part du capital à une
moitié. Même dans un tel scénario optimiste, la croissance
moyenne de la PTF reste négative (-0,5 pour cent l'an). Ces
résultats sont présentés dans le tableau suivant :
Algérie - Comptabilisation Explicative de la Croissance
1965 - 2000
La PTF (productivité total des facteurs de production)
de l'Algérie est devenu négative dans les années 1970 et
l'est demeurée jusqu'au milieu des années 1990. La croissance
ralentie de l'économie algérienne peut donc être
attribuée à l'utilisation inefficace des facteurs de production,
plutôt qu'à une éventuelle insuffisance de capital humain
ou matériel. Une légère amélioration de la
croissance de la PTF est enregistrée depuis 1995, même si elle
reste négative, ce qui correspond à la période au cours de
laquelle les autorités ont annoncé un programme de
réformes. Sans aucun doute, une part non négligeable de cette
contre-performance est imputable aux insuffisances d'une économie
dirigiste, à l'évidence plutôt mal administrée.
Pendant les années 1970 et 1980 les entreprises du secteur public
étaient de facto gérées par les ministères «
de tutelle », les dirigeants nominaux de ces entreprises n'avaient pas de
réelle autorité sur l'administration de leurs entreprises. Hors
hydrocarbures, les investissements tout comme les inputs et les outputs
étaient définis administrativement, hors référence
à toute régulation de marché. A l'heure actuelle, cette
culture de gestion économique par l'administration continue sous des
formes renouvelées ; le gouvernement transmet des injonctions à
la partie du secteur privé opérant sous protection des pouvoirs
réels1.
Nous ne pouvons donc rien dire sur la responsabilité
qu'à jouer notre système éducatif dans la croissance
négative de la PTF en Algérie, car comme il a été
cité précédemment, les dirigeants des entreprise n'avait
pas l'autonomie nécessaire pour pouvoir investir dans le capital
physique ou les travailleurs afin d'amélioré la
productivité de leurs entreprises. Ainsi, le savoir inculqué dans
nos travailleurs et nos dirigeants par le biais du système
éducatif Algérien est resté inutilisable par
l'économie Algérienne.
1 « Algérie : Contre-performances économiques
et fragilité institutionnelle » : rapport du FMI, revue Confluences
Méditerranée - N°45 PRINTEMPS 2003.
Conclusion :
Alors qu'il existe un consensus sur l'importance potentielle
de l'éducation dans le processus de croissance, l'apport des travaux
tentant de la mesurer paraît très limité. Les estimations
les plus soignées, celles qui écartent au mieux les biais
éventuels, sont incapables de démontrer que l'éducation
est un facteur productif au niveau macroéconomique. Nous avons vu que la
différence entre un ensemble de résultats et un autre est
dû à la prise en compte des caractéristiques constantes
dans le temps et non-observées des pays. Si les pays qui ont des
caractéristiques qui les rendent plus productifs accumulent davantage de
capital humain, une corrélation artificielle (surestimée) peut
être trouvée entre la production et le capital humain. Lorsque ces
effets fixes sont pris en compte, la corrélation disparaît, ce qui
implique qu'il n'y aurait aucune relation directe, et technique, entre le
capital humain et le produit agrégé.
Nous avons vu aussi, que les erreurs de mesure pourraient en
théorie, être à l'origine de ce résultat. Cependant
cette explication reste très insuffisante. En tout état de cause,
on se trouverait dans l'impossibilité de mettre en évidence la
relation empirique que l'on attend. Cette conclusion est en outre peu sensible
à la modélisation utilisée : Que l'on fasse
l'hypothèse, peut-être contestable, que les économies, sont
proches de leur équilibre stationnaire et en mouvement vers celui-ci, ou
que l'on estime directement une fonction de production sans faire
d'hypothèse sur l'état d'équilibre des économies,
les estimations convergent.
En posant sa célèbre question « où
va l'éducation ? » Pritchett a permis, à une nouvelle
tendance de recherche de se détacher de l'argumentation des anciens
travaux. Cette dernière mit en cause directement l'existence d'un impact
positif de l'éducation sur la croissance, l'explication des
résultats négatifs cités dans la littérature
trouveront leur réponse dans les trois hypothèses avancées
par Pritchett et concernant : l'environnement institutionnel des pays, les
transformations structurelles de l'économie, et la mauvaise
qualité des écoles dans plusieurs pays en voie de
développement.
Les argumentations de Pritchett semblent se concorder avec les
explications que nous avons données dans la section 3 afin de comprendre
la négativité du coefficient de la productivité total des
facteurs FTP pour les pays pétroliers en voie de développement,
et plus précisément pour celui de l'Algérie. Ce qui nous
pousse à nous interroger nous aussi sur l'existence même d'une
relation entre l'éducation et la croissance économique en
Algérie, et pour cela nous allons mener une étude de
causalité a l'aide des modèles VAR afin de déterminer si
il existe bel et bien un éventuel lien entre les sphères
éducatives et la croissance économique dans notre pays. Cette
analyse fera l'objet du chapitre suivant.
CHAPITRE III
ÉTUDE ÉCONOMETRIQUE
« Un modèle n'est jamais juste, il est juste
utile »
B.F
Introduction :
L'analyse de l'évolution du système
éducatif Algérien du chapitre1 a mis en évidence les
efforts considérables consentis par l'Etat Algérien à
l'éducation. Néanmoins, la revue de littérature empirique
du chapitre 2 montre qu'il y a un débat concernant l'effet de
l'éducation sur la croissance économique.
Le but de cette étude économétrique est
d'étudier les liaisons entre la croissance économique et les
variables éducatives pour le cas de l'Algérie. La première
section rappelle les définitions et les principales
propriétés des processus aléatoires univariés et
multivariés. La seconde section présente les variables
utilisées, et commente les principaux résultas.
SECTION 1 : Processus aléatoires et
représentation VAR.
Nous rappelons tout d'abord en (1.1) les définitions et
les principales propriétés des processus aléatoires
stationnaires et non stationnaires. Puis nous présentons en (1.2) la
modélisation multivariée et la notion de cointégration.
1.1. Généralités sur les processus
aléatoires univariés : 1.1.a. Notions et
Définitions :
1. Processus Aléatoire :
Un processus aléatoire est une suite de variables
aléatoires indexées dans le temps et définies sur un
espace des états de la nature. Ainsi, pour chaque instant du temps, la
valeur de la quantité étudiée Xt est
appelée variable aléatoire et l'ensemble des valeurs
Xt quand t varie est appelé processus
aléatoire
2. Série Chronologique :
En économie, les données constituent souvent des
séries d'observations sur une ou plusieurs variables faites à
différentes dates : les observations ne sont pas
indépendantes.
On appelle série chronologique (ou série
temporelle) toute suite d'observations (Xt, t ? T) indexées
par un ensemble ordonné T (le « temps »).
Types de Séries :
Une série chronologique ou encore chronique est un
ensemble d'observations d'un processus aléatoire (Xt)t?T se
réalisant en un instant spécifié t ? T.
· Série continue: Une série
chronologique est dite continue si l'ensemble des instants d'observations est
continu (non dénombrable).
· Série discrète: Une
série chronologique est dite discrète si l'ensemble des instants
d'observations est discret (dénombrable).
1.1.b. Processus Aléatoire stationnaire
:
1. Stationnarité Stricte et Stationnarité
faible :
Nous commencerons par poser la définition d'un
processus stationnaire au sens strict (ou stationnarité forte) et par
là étudier ensuite les propriétés de la
stationnarité du second ordre (ou stationnarité faible).
Le processus aléatoire (Xt, t ? T) est dit
strictement stationnaire si :
? i=1 ,..., n avec t1 < t2 <...< t
n tel que ti?T et h ? T avec ti+h ? T, les
deux suites (x t 1 ,... , x tn ) et (xt 1+h,..., xtn +h) ont la
même loi de probabilité.
Autrement dit :
? (x1 ,..., xn ), ? (t1,..., tn)
et ? h ? T : P [xt 1 < x1 ..., x tn <xn
] = P [x t 1+h < x 1 ,..., xtn +h <xn ].
Le processus aléatoire (Xt, t? T) serra dit
stationnaire au sens faible, s'il aura une moyenne et
une
variance qui ne changeront pas avec le temps, et si la covariance
entre les valeurs du processus en deux points dans le temps ne va
dépendre que de la distance entre les points dans le temps et non du
temps lui-même. C'est à dire :
1.
2.
3.
|
E (X t ) = ì < 8 +
2
Var (X t ) = ó Cov(X t ,X
t+h)=( h)
|
? t ? T; ? t ? T; ? t, h ? T .
|
En résumé, un processus est stationnaire au second
ordre si l'ensemble de ses moments sont indépendants du temps.
2. Processus Bruit Blanc (White Noise):
Parmi la classe des processus stationnaires, il existe des
processus particuliers que sont les processus bruit blanc (ou White Noise). Ces
processus sont très souvent utilisés en analyse des séries
temporelles, car ils constituent en quelque sorte les »briques
élémentaires» de l'ensemble des processus temporels. Tout
processus stationnaire peut s'écrire comme une somme
pondérée de bruits blancs (théorème de Wold).
Le processus {å t ,t ? Z} est
dit un bruit blanc faible noté ( ) 2
å t~wn(0,ó
å ) si:
3. E(å t )=0,?t? Z.
3. V(å t )=ó
å 2,?t?Z.
ó 2 0.
si h =
å
3. ( )
COV E h
( , ) ( )
å å - å å -
í
= = =
t t h t t h å 0 0.
? ?
h
Le processus { å t , t ? Z}
est dit un bruit blanc fort s'il est indépendant et
identiquement distribué (i.i. d). Si le bruit blanc
(åt) est normalement distribué, on parle de
bruit blanc Gaussien :
å t ~ Í 0, ó å
( 2 )
3. Fonction d'Autocovariance : La fonction
d'autocovariance du processus aléatoire (Xt ,t ? T ) mesure
la covariance pour un couple de
valeurs séparées par un intervalle de longueur
h appelé retard, elle fournit des informations sur la
variabilité de la série et sur les liaisons temporelles qui
existent entre les différentes composantes de la série Xt .
Définition : La fonction d'autocovariance
du processuus {Xt ,t? T } est définie :
í : T * T ? IR
(t , s) ? í (t, s)= Cov (X t, X s)
= E [ (X t - E (X t)) (X s - E (X s )) ] ?
t, s ? T Estimation de la fonction d'autocovariance :
Considérons un ensemble d'observations
X1,... ,Xn. Issues d'un processus
(Xt ,t? Z ) La moyenne empirique est donnée par :
t
1 n
X X
=
n =
1
t
La fonction d'autocovariance empirique est donnée par :
t = 1
n h
-
= - -
( )( )
X X X X
t t h
-
, h +
? ? Z .
í à( )
h
1
n h
-
ñ ? ñ
à
t N 0,1 h
ñ h ( ) ( )
= ? ? ?
h h
V ñ à h
Cet estimateur est biaisé mais il est asymptotiquement
sans biais.
4. La fonction d'autocorrélation (AC):
La fonction d'autocorrélation notée
ñ(h) mesure la corrélation de la série
avec elle-même décalée de
h périodes.
On supposera par la suite que le processus {Xt ,t ? Z
} est stationnaire du second ordre. Définition :
On définit la fonction d'autocorrélation par la
formulation suivante :
ñ(h)= Corr ( Xt , Xt-h) =
í h
( )
= (0)
í
, ?h? Z.
COV X X
( )
t , t h
-
VAR X VAR X
( ) ( )
t t h
-
Cette fonction ñ(h) est à valeurs
dans[-1,+1] .Sa représentation graphique est appelée
corrélogramme. Propriétés: La
fonction d'autocorrélation d'un processus (Xt ) stationnaire
vérifie :
· ñ(0)= 1;
· ñ(h) = ñ(0) ;
· ñ(h) =
ñ(-h) (c'est une fonction paire).
Estimation de la fonction d'autocorrélation :
La fonction d'autocorrélation empirique est donnée
par : ( )
à h
ñ í
h í
à( ) à 0
= ? h ? Z
( )
Cet estimateur est biaisé, mais il est asymptotiquement
sans biais.
D'après le théorème central limite, la
variable centré ñh
t suit une loi normale réduite :
où V (àñh)
désigne l'estimateur de la variance empirique des estimateurs
ñàh:
h - 1
( )
ñ à h
ñ 2
j
n j = -
V
1
=
à
( 1)
h -
En utilisant la symétrie des
ñh , on obtient :
h - 1
V ( )
ñ à h
(1 2 à )
ñ 2
= + j
j 1
1
n
la statistique de Student associée au test H0:
ñh = 0, est donnée par :
?Z
ñ à
t N 0,1 h
ñ h ( ) ( )
= ? ?
h
V ñ à h
au seuil
|
á= 5%, si
|
tñàh
|
= 1.96, on rejette l'hypothèse H0, c'est à dire
la nullité de ñh.
|
|
|
|
|
|
5. Fonction d'Autocorrélation Partielle (PAC)
:
Définition :
La fonction d'autocorrélation partielle de retard
h notée ø(h) , mesure la corrélation entre X
t et Xt - h
une fois retirée l'influence des variables
antérieures àX t - h.
R h
ø = ? ?Z
( ) , .
h h
R h
( )
* ( )
La fonction d'autocorrélation partielle est donné
par :
La représentation graphique de cette fonction est
appelée corrélogramme partiel. avec :
1 (1) ( 2) ( 1)
ñ ñ ñ
h h
- -
ñ(1) 1( 2)
? ? ñ h -
=
R h
( )
? ? ?
ñ ( 2) 1 (1)
h - ? ? ñ
ñ ñ ñ
( 1) ( 2) (1) 1
h h
- -
et on introduit de façon analogue la matrice R *
( h ) obtenue en remplaçant la dernière colonne de R
( h ) par le vecteur [ ]'
ñ (1), , ñ ( h ) .
1 (1) ( 2) 1
ñ ñ h -
ñ ( )
1 1 ? ? ñ ( )
1
R h
*( ) = ? ? ñ (1)
ñ ( )
h - 2 1 ( 1)
? ? ñ h -
ñ ñ ñ ñ
( 1) ( 2) (1) ( )
h h
- - h
Estimation de la Fonction d'Autocorrélation:
-Un estimateur naturel øà h de
l'autocorrélation partielle øh du processus
(Xt, t ?Z) consiste en l'estimateur des MCO du dernier
paramètre de la régression :
X + c ø X ø X ø h
X t h å t h
t à à t à t
à 1 à ,
1 1 2 1
= + + + + - + + ? ?Z
-
-On peut également utiliser la relation : à ( ) ( )
( )
ø = R h R h h
h à * à , ? ? Z
6. Les Opérateurs Linéaires :
Opérateurs de Retard et d'Avance:
On considère le processus stochastique (aléatoire)
stationnaire {Xt ,t ? Z } .
Définitions :
· On appelle opérateur retard L (L
=lag, ou B =backward) l'opérateur linéaire
défini par
L : X t ? L (Xt) = LX t = X t-1
· On appelle et opérateur avance F
(F =forward) l'opérateur linéaire défini par
F : X t ? F (Xt) = FX t = X t+1
Propriétés :
1. L2 = L o L, et plus généralement, L
j = LoLo~~~~~~~ oL,j ? N.
j fois
2. L j X t = X t-j, ? j ? Z , en
particulier on a 0 L X t = X t .
3. Si X = C, ? t ? a v ec C ? R , L X t = L C = C , j .
Z ? ?
j j Z
t
4. i j i+ j
L(LX t )= L X t = X t-i-j , ? ( i, j) ? Z
.
2
5. L o F = F o L = I (opérateur identité) et on
note -1
F = L et -1
L = F .
6. -j j
L = F pour j? N.
Opérateur de Différence :
On considère le processus stochastique {Xt ,t ?
Z } non stationnaire, pour le rendre stationnaire on utilise des
opérateurs de différentiation et de désaisonnalisation.
1. ÄX t = (1 - L) X t = X t - X
t-1 , opérateur de différentiation (première
différence).
2. j j
Ä X t = (1 - L) X t pour tout j N,
? opérateur de différentiation.
Ä S Xt = (1 - L ) X t = X t -
X t-s, opérateur de désaisonnalisation.
7. Processus MA et AR :
Processus MA :
Le processus (Xt, t ? Z) satisfait une
représentation MA d'ordre q, notée MA(q), si et seulement si :
q
è L j
= j
.
X = m+ È (L) å t
t
avec E (Xt) = m ,le polynôme È (L)
étant défini par : ( )
È L
j 0
où ?jq,è j
?R,è0=1 *
et è q ?R avec ( )
å t i . i . d
0, ó å .
2
Processus AR :
Le processus (Xt, t ? Z) satisfait une
représentation AR d'ordre P, notée AR(p), si et seulement si :
Ö (L)X t = m+ å t
p
|
avec E (Xt) = m. et c? R ,le polynôme
étant défini par : ( )
Ö L
|
= èL
j
|
j
|
j 0
où ?jp,è j
?R,è0=1 *
et è p ? R , avec ( )
å t i . i . d
0, ó å .
2
1.1.b. Processus Aléatoires non stationnaires
:
La plupart des séries économiques sont non
stationnaires, c'est -à- dire que le processus qui les décrit ne
vérifie pas au moins une des conditions de la définition d'un
processus stationnaire du second ordre. Le fait qu'un processus soit
stationnaire ou non conditionne le choix de la modélisation que l'on
doit adopter. Par exemple, si l'on s'en tient notamment à la
méthodologie de Box et Jenkins, et si la série
étudiée est issue d'un processus stationnaire, on cherche alors
le meilleur modèle parmi la classe des processus stationnaires pour la
représenter, puis on estime ce modèle. En revanche, si la
série est issue d'un processus non stationnaire, on doit avant toutes
choses, chercher à la »stationnariser», c'est à dire
à trouver une transformation stationnaire de ce processus. Puis, on
modélise et on estime les paramètres associés à la
composante stationnaire.
Pour détecter la non stationnarité, on utilise en
premier lieu la méthode graphique pour avoir une idée
sur le type de non stationnarité, et par suite on utilise la
méthode analytique.
Méthode graphique :
Analyse du graphe de la série :
· Si le modèle est avec rupture, la série
présente une rupture de moyenne à partir d'une certaine date.
· Si la moyenne du processus qui génère la
série évolue avec le temps, la non stationnarité est de
type déterministe.
· L'étude des graphes représentant
l'évolution de la moyenne, ainsi que celui de la variance peut aider
à détecter une éventuelle non stationnarité.
Analyse du corrélogramme :
· L'étude du corrélogramme, nous permet de
détecter une non stationnarité.
· La décroissance de manière non
exponentielle de la fonction d'autocorrélation, nous indique une non
stationnarité de la série. (le corrélogramme d'un
processus stationnaire présente une décroissance
«rapide»)
Toutefois, si ces représentations graphiques peuvent
(dans certains cas) nous indiquer qu'une série est non stationnaire,
elles ne nous permettent pas de déterminer le type de non
stationnarité c'est pourquoi il faut recourir par la suite à la
méthode analytique.
Il existe différentes sources de non
stationnarité et à chaque origine de la non stationnarité
est associée une méthode propre de stationnarisation. Selon la
terminologie de Nelson et Plosser (1982) il y'a deux classes de processus non
stationnaires : les processus TS (Trend Stationary) et les processus DS
(Differency Stationary).
1. Processus TS :
Cette forme de non stationnarité provient de la
présence d'une composante déterministe tendancielle.
Définition: (Xt, t? Z) est un processus TS
s'il peut s'écrire sous la forme X t = f (t) +z t
où f (t) est une fonction du temps et z
t est un processus stochastique stationnaire.
le processus X t s'écrit comme la
somme d'une fonction déterministe du temps et d'une composante
stochastique stationnaire. Ce processus ne satisfait plus la
définition de la stationnarité du second ordre. On a en effet
:
E (Xt) = f (t) + E(z t )
Une des propriétés importantes de ce type de
processus réside dans l'influence des innovations
stochastiqueså t . Lorsque un processus TS est
affecté par un choc stochastique, l'effet de ce choc tend à
disparaître au fur et à mesure que le temps passe :
C'est la propriété de non persistance des chocs.
Pour stationnariser un processus TS, il convient de retirer la
composante déterministe f(t) en régressant la
série X t sur la plan défini par les puissances de
t.
2. Processus DS: Cette forme de non
stationnarité est de nature stochastique.
Définition:
Un processus non stationnaire (Xt, t? Z) est un
processus DS (Differency Stationnary) d'ordre d, où
d
désigne l'ordre d'intégration, si le processus
filtré défini par d
(1 - L) X t est stationnaire. On dit aussi
que (Xt, t ?Z) est un processus
intégré d'ordre d, noté I (d).
- Ainsi, on peut définir une classe de processus
stochastiques qui ne satisferont pas les conditions de la stationnarité,
mais dont la différence à l'ordre d satisfait elle les
propriétés de la stationnarité.
-la définition des processus DS repose sur la
présence de racines unitaires dans le polynôme associé
à la dynamique autorégressive du processus.
Dans la classe générale des processus DS, un type
de processus apparaît de façon régulière, si bien
que l'on lui a attribué un nom particulier : la marche
aléatoire.
Définition : Une marche aléatoire
(Random Walk), ou martingale, est un processus AR(1) intégré
d'ordre un, noté I (1) :
ÄX t = (1 - L) X t = c + å t ? X t = c + X
t-1 + å t
où å t est un bruit blanc
i.i.d. ( )
0, óå . Si c = 0, on parle
d'une marche aléatoire pure (Pure Random
2
Walk).
Pour stationnariser un processus DS d'ordre d, il convient
d'appliquer le filtre d
(1 - L) .
Propriétés des processus DS :
1. Un processus non stationnaire (Xt, t? Z) est un
processus DS intégré d'ordre d, noté I
(d), si
le polynôme ö (L) défini en
l'opérateur retard L, associé à sa composante
autorégressive admet
d racines unitaires :
ö(L) X t = Z t avec ö
(L) = (1 - L) ö? (L)
d
|
|
|
où Zt est un processus stationnaire, et si les
racines du polynôme ö (L)
|
sont toutes strictement
|
supérieures à l'unité en module.
2. L'influence d'une innovation å t
à une date T sur un processus I (d) : d
(1 - L) X t = è (L) å t
est permanente. On a ainsi une propriété de
persistance des chocs.
Conséquences d'une mauvaise stationnarisation du
processus :
· La différenciation d'un processus TS
conduit à une autocorrélation fallacieuse du résidu
du filtre.
· L'extraction d'une tendance linéaire d'un
processus DS conduit à créer artificiellement une forte
autocorrélation des résidus aux premiers retards.
3. Tests de Racine Unitaire:
Ces tests permettent, tout d'abord de vérifier que les
séries sont non stationnaires, et d'autre part de discriminer entre les
processus DS et TS.
Le Test de Dickey Fuller simple (DF) :
Le test de Dickey Fuller simple (1979) est un test de racine
unitaire (ou de non stationnarité) dont l'hypothèse nulle est la
non stationnarité d'un processus autorégressif d'ordre un.
Considérons un processus (Xt, t ?Z) satisfaisant la
représentation AR(1) suivante :
X t = ñ X t-1 + å t
avec ( 2 )
å ti . i . d 0,
ó å ,et ñ ?R .
Le principe général du test de Dickey Fuller
consiste à tester l'hypothèse nulle de la présence d'une
racine unitaire :
H : = 1
ñ
0
H : || < 1
ñ
1
La distribution asymptotique de
l'estimateurñà obtenue sous H0 est non
standard (non normale), et en particulier non symétrique.
La distribution asymptotique, sous H0, de la
statistique de Student t ñ à = 1 du test de
Dickey-Fuller n'est
pas standard. On a :
1
N
ñ à 1
= 2
=
= - = -
( ) ( )
ñ ñ
t
à 1 à 1 t
ó S
ñ
à N
N N
et 2 = = -
( ) ( ) ( )2
1 1
å ñ -
2
S à à
N X X 1
- -
1 1
t t t
N N
t = 1 t = 1
Sous l'hypothèse H0 de non
stationnarité, la distribution asymptotique de la statistique de Student
t ñ à = 1 diffère suivant que le modèle
utilisé soit sans constante, ou avec constatnte, ou bien avec constate
et trend.
Le test de l'hypothèse ñ = 1 est
identique au test de l'hypothèse ö = 0 dans le
modèle transformé suivant:
ÄX t = öX t-1 +
å t
Avec ö = ñ-1 et t
Ä X = (1 - L)X t = X
t - X t -1, et le test de Dickey-Fuller se
ramène alors à : H : = 0
ö
0
H : < 0
ö
1
La statistique à = 0
t ö a la même distribution
asymptotique quet ñ à = 1, et il faux
utiliser les seuils critiques tabulés par Dicke-Fuller (1979) ou Mc
Kinnon (1981) pour effectuer les test de non stationnarité.
Stratégie du Tests:
Une stratégie de tests de Dickey Fuller permet de tester
la non stationnarité conditionnellement à la spécification
du modèle utilisé. On considère trois modèles
définis comme suit :
Ä X t = öXt-1 +
åt modèle 1;
Ä X t = ö X t-1 + c +
å t modèle 2;
ÄX t = öX t-1+ c +
â t + å t modèle 3.
Déroulent de la stratégie du test DF :
On commence par tester la racine unitaire à partir du
modèle 3.Si la réalisation de à = 0
t ö est
supérieure au seuil 3
Cá tabulé par Dickey et
Fuller, pour le modèle 3, on accepte l'hypothèse
nulle de
nonstationnarité. Par la suite on cherche à
vérifier si la spécification du modèle 3,
était une spécification compatible avec les données. On
teste alors la nullité du coefficient â de la tendance. Deux cas
sont envisageables:
· Soit on a rejeté au préalable
l'hypothèse de racine unitaire, dans ce cas on teste la nullité
de â par un test de Student avec des seuils standards (test
symétrique, donc seuil de 1.96 à 5%), si l'on rejette
l'hypothèse â = 0, cela signifie que le modèle
3 est le »bon» modèle pour tester la racine
unitaire, la série est TS. En revanche, si l'on accepte
l'hypothèse â = 0, on doit refaire le test de racine
unitaire à partir du modèle 2.
· Soit, on avait au préalable, accepté
l'hypothèse de racine unitaire, et dans ce cas, on doit construire un
test de Fischer de l'hypothèse jointeö = 0 et
â = 0.
On teste ainsi la nullité de la tendance,
conditionnellement à la présence d'une racine unitaire: H : (c;
â; ö) = (c; 0; 0) contre H 1
3 3
0
La statistique de ce test se construit par la relation :
2
F 3 =
( )
SCR C SCR
-
3, 3
3
SCR
( )
N K
-
SCR3 ,C : somme des carrés des
résidus du modèle 3 contraint sous 3
H0 (ÄX t = c + å t
).
SCR3 : somme des carrés des résidus du
modèle 3 non contraint.
N : nombre d'observations.
K : nombre de coefficients à estimer.
y' Si la réalisation de F3 est
supérieure à la valeur ö3 lue dans la
table à un seuil á %, on rejette l'hypothèse 3
H0 .Dans ce cas, le modèle 3
est le »bon», et la sérieX t est
intégrée d'ordre 1
(I(1)+T+c).
y' Si on accepte 3
H0 , le coefficient de la tendance est
significativement nul, conditionnellement à la présence d'une
racine unité, le modèle 3 n'est pas le
»bon» modèle, on doit effectuer à nouveau le test de
non stationnarité dans le modèle 2.
Si l'on a accepté la nullité du coefficient
â de la tendance, on doit alors effectuer à nouveau les tests de
non stationnarité à partir cette fois-ci du modèle
2. Si la réalisation de à = 0
t ö est supérieure au seuil
2
Cá tabulé par Dickey et
Fuller, pour le modèle 2, on accepte l'hypothèse
nulle de non stationnarité. Par la suite on cherche à
vérifier si la spécification du modèle 2,
était une spécification compatible avec les données. On
teste alors la nullité du coefficient C de la constante. Deux cas sont
envisageables:
· Soit on a rejeté au préalable
l'hypothèse de racine unitaire, dans ce cas on teste la nullité
de C par un test de Student avec des seuils standards (test
symétrique, donc seuil de 1.96 à 5%). Si l'on rejette
l'hypothèse C = 0, cela signifie que le modèle 2
est le »bon» modèle pour tester la racine unitaire.
La série est stationnaire. En revanche, si l'on accepte
l'hypothèse C = 0. On doit refaire le test de racine unitaire
à partir du modèle 1.
· Soit, on avait au préalable, accepté
l'hypothèse de racine unitaire, et dans ce cas, on doit construire un
test de Fischer de l'hypothèse jointeö = 0 et C = 0.
On teste ainsi la nullité de la constante,
conditionnellement à la présence d'une racine unitaire:
H : (c; ö ) = (c;0) contre H 1
2 2
0
La statistique de ce test se construit par la relation :
( )
SCR C SCR
-
2, 2
( )
N K
-
F2 =
2
SCR
SCR2,C : somme des carrés des
résidus du modèle 2 contraint sous 2
H0 (ÄX t = å t ).
SCR2 : somme des carrés des résidus du
modèle 2 non contraint.
N : nombre d'observations.
K : nombre de coefficients à estimer.
y' Si la réalisation de F2 est
supérieure à la valeur ö2 lue dans la
table à un seuil á%, on rejette l'hypothèse
2
H0 . Dans ce cas, le modèle 2
est le »bon» modèle et la série X t est
intégrée d'ordre 1 (I(1)+C).
y' Si on accepte 2
H0 , le coefficient de la constante est nul, le
modèle 2 n'est pas le »bon» modèle, on
doit donc effectuer à nouveau le test de non stationnarité dans
le modèle.
Si l'on a accepté la nullité du coefficient C
de la constante, on doit alors effectuer à nouveau les tests de non
stationnarité à partir cette fois-ci du modèle
1.
y' Si la réalisation de à = 0
t ö est supérieure au seuil
1
Cá tabulé par Dickey et
Fuller, pour le modèle 1, on accepte l'hypothèse
nulle de non stationnarité, la série est intégrée
d'ordre1 I (1). (pure marche aléatoire).
y' Si la réalisation de à = 0
t ö est inférieure au seuil
1
Cá tabulé par Dickey et
Fuller, pour le modèle 1,
on refuse l'hypothèse nulle de non stationnarité,
la série est stationnaire I (0).
Le Test de Dickey Fuller Augmenté (ADF):
Il est nécessaire de tester la non
stationnarité de la série en prenant en compte
l'autocorrélation des perturbationsåt . C'est
précisément l'objet des tests de Dickey Fuller Augmentés
(ou ADF). Les trois modèles utilisés pour développer le
test ADF sont les suivants :
p
Ä = +
X Ä + modèle1;
t 1
ö X - î X - å t j t j
t
j 1
p
Ä = +
X Ä + + modèle2;
t 1
ö X - î X - c å t j t j
t
j 1
p
Ä = +
X Ä + + + modèle3.
t 1
ö X - î X c â t å
t j t j t
-
Déroulent de la stratégie du test ADF :
· Déterminer le nombre de retard p
nécessaire pour blanchir les résidus.
· Appliquer la stratégie du test de Dickey Fuller
Simple aux modèles, 1,2 et
3. Les distributions asymptotiques des statistiques de test
töà obtenues dans ces trois modèles sont
identiques à celles
obtenues dans les modèles de Dickey Fuller Simple
correspondants. 4. Choix du nombre de retards optimal :
Critères d'information :
Pour un modèle avec p retard, ayant comme somme
des carrées des résidusSCR P obtenu avec
N
observations.
Le critère d'Akaike, ou AIC, est défini par :
AIC p N N
( ) 2
= log SCR P P
+
Le critère de Schwarz, ou SC, est défini par:
SC p N N
( ) log
= log SCR P P N
+
On retient comme p celui qui minimise ces deux
critères. Principe de parcimonie:
Lorsque l`on désir modéliser une série
chronologique, par un processus stochastique, on doit chercher à
minimiser le nombre de paramètres requis, tout en expliquant le mieux
possible le comportement de la série.
5. Estimation des paramètres: Une fois
le nombre de retards optimal déterminé, on estime les
paramètres du modèle retenu par la
méthode des moindres carrée.
Test concernant les paramètres :
Une fois les paramètres estimés, il faut
vérifier que les paramètres estimés sont bien
significativement différents de zéro. Pour cela on
utilise : Le test de Student : t obs = bjóà
bj
bj: fi' Coefficient du
modèle.
erb : écart type du fi'
Coefficient du modèle.
j
Si la statistique tobs est supérieure à
1.96(quantile d'ordre (1- á) de la loi normale),le coefficient est
approximativement significatif au niveau de risque de 5%.
6. Analyse du résidu : Pour un ordre
h Le test de Box-Pierce permet d'identifier les processus
bruit blanc .le test s'écrit :
H0 : ñ1 =
ñ2 = ñ3 = =
ñh = 0 Contre H1 : ?j ? [1,
h]tq : ñh = 0
Pour effectuer ce test, on utilise la statistique de Box et
Pierce (1970) Q, donnée par:
h
Qh =NE 7,2
k'k
k 1
- N : nombre d'observation.
- h : pris généralement égal à
N/4.
- ñàh :
autocorrélation empirique d'ordre h.
Asymptotiquement, sous H0 , Qh suit un
2
÷ à h degrés de
liberté. Nous rejetons l'hypothèse de bruit blanc au seuil h si Q
est supérieure au quantile d'ordre (1-á) de la loi du
2,2 à h degrés de
liberté.
Une statistique ayant de meilleures propriétés
asymptotiques peut être utilisée celle de Ljung -Box:
2
Q' h=N (N +2)Y
ñk
-K
Asymptotiquement, sous H0, Q'h
suit un 2÷ à h degrés de
liberté. Nous rejetons l'hypothèse de bruit blanc au seuil h si Q
est supérieure au quantile d'ordre (1-á) de la loi du
2,2 à h degrés de
liberté.
h
1.2. Modélisation Multivariée et
Cointégration:
Un modèle VAR(vector autoregressive) est un outil
économétrique particulièrement adapté pour mesurer
et utiliser en simulation, l'ensemble des liaisons dynamiques à
l'intérieur d'un groupe de variables donnés. Toutes les variables
sont initialement considérées comme étant potentiellement
endogènes. C'est-à-dire chaque variable est expliquée par
chacune des autres variables, et par sa propre évolution, mais est
simultanément variable explicative d'une ou de plusieurs autre variables
du modèle.
En règle général, la modélisation VAR
consiste à modéliser un vecteur de variables stationnaires
à partir de sa propre histoire et chaque variable et donc
expliquée par le passé des autres variables.
1.2.a. Modélisation VAR :
1. Représentation générale d'un
modèle VAR:
Définition:
Un processus vectoriel {Xt , t ? Z}, de dimension (k,
1) , admet une représentation VAR d'ordre p,
notée VAR(p) si :
X = c + Ö X + Ö X + + Ö p X
t-p + åt
t 1 t-1 2 t-2
ou de façon équivalente :
Ö (L)X t = c + å t
P
où c de dimension (k, 1) désigne un vecteur de
constantes,( ) 2
Ö L = I ? Ö L ? Ö L
- ??? ? Ö P L n 1 2
où les matrice Ö i ,i
? [0,p] de dimension (k, k), satisferont Ö 0 =
Ik etÖ P ?0k
.Le vecteur (k,1) des
Ö Ö Ö
i i i
? ?
innovations åt est i.i.d.
(0k, Ù ) où Ù est une matrice (k, k)
symétrique définie positive. On pose les définitions
suivantes:
1,1 1,2 1, k
t
x1,
x 2, t
?
Xt
åt
x k t
,
1 ,
å t Ö Ö Ö
i i i
? ?
2,1 2,2 2, k
å 2, t
? Ö = ? ? ? ?
Ö ? ?
i . 1,
i p
[ ]
i j , f
å k t
, Ö Ö Ö
i i i
? ?
k k
,1 ,2 k k
,
? ? ? ? ?
Le processus vectoriel des innovations { å
t , t ?Z } est i. i.d. (0k , Ù ) ,
et satisfait par conséquent les propriétés suivantes :
Ù =
E, ( )
å å - = t t j
j 0
0 0
j ?
E ( å t ) = 0 et
Conditions de stationnarité :
La définition de la stationnarité d'ordre deux (ou
stationnarité du second ordre) est identique à celle du cas des
processus univariés.
Définition:
Un processus vectoriel {Xt , t ? Z}, de dimension (k,
1) , est dit stationnaire au second ordre, ou
stationnaire au sens faible, si:
1. E(X t
)=m,?t?Z.
2. V(X t ) 8 ,?t?Z.
3. ( ) ( )( ) ( ) 2
COV X t X t + h E X t m X t h
m ( h ), t , h .
, = - + - = ? ? Z
Propositions:
1.Un processus vectoriel {Xt , t ? Z}, de dimension
(k, 1) , est stationnaire si et seulement si les racines
du déterminant du polynôme
matricielÖ(L), notéeë i i? [1,
k], sont toutes supérieures à l'unité en
module.
2.Un processus vectoriel {Xt , t ? Z}, de dimension
(k, 1) , est stationnaire si et seulement si les valeurs
propres de l'application linéaire Ö (L),
notéesë ? i,i ? [1, k], sont toutes
inférieures à l'unité en module.
3. Tout processus {Xt , t ? Z}, de dimension (k, 1),
stationnaire, satisfaisant une représentation VAR(p), admet une
représentation moyenne mobile VMA (8) définie par :
8
X = + = + Ø ( )
t i t i
ì ø å ì L å
- t
i = 0
8
avec -1
ì = E (X t ) = Ö (1) c.
|
Le polynôme matriciel ( )
Ø L
|
=øL
i
|
i
|
satisfait la relation de récurrence suivante :
|
i = 0
ø 0 = Ik
ø ø - ø - p ø
S p s
S 1 S 1 2 S 2 , 1
= Ö + Ö + ??? + Ö - ? = avec
øS =0 ?S0 .
2. Estimation d'un modèle VAR:
Les paramètres du modèle VAR ne peuvent
être estimés que sur des séries chronologiques
stationnaires. Le modèle peut être estimé en appliquant la
méthode des moindres carrés ordinaires(MCO), sur chaque
équation séparément, ou on peut appliquer également
la méthode du maximum de vraisemblance.
Le nombre de paramètres à estimer pour un
modelé VAR avec k variables et p décalages est
égale à pk ou 2
2 pk+ k en prenant les termes constants
contenus dans le vecteur C.
Soit le modèle VAR(p) estimé :
X = à c + Ö à X + Ö à X + +
Ö à X + et
t 1 t-1 2 t-2 p t-p
et : vecteur des résidus d'estimation
de dimension (k,1) , ( )
e t = e 1, t , e 2, t
, , e k , t .
3. Détermination du nombre de retards
p:
On peut déterminer le nombre de décalage p
en utilisant les critères d'information. En pratique, il suffit de
déterminer "à priori" un nombre de décalage maximal
pMax et d'estimer successivement les
modèles VAR(p) pourp = 1,
,pMax .pour chaque modèle estimé la valeur du
critère d'information est
calculée. Et le retard p retenu est celui qui
minimise ce critère pour p = 1, , p Max
.
Le critère d'Akaike, ou AIC, est défini par :
AIC p N
( ) ( ) 2
2
= Ù +
log à K P
Le critère de Schwarz, ou SC, est défini par:
( ) ( ) 2 log
N
= Ù +
log à K P N
SC p
Ùà: matrice de variance covariance des
résidus estimés du modèle, K : nombre de
variables du modèle,
N : nombre d'observations.
4. Dynamique d'un modèle VAR:
Les modèles VAR permettent d'analyser les effets de la
politique économique, cela à travers de l'analyse de chocs
aléatoires (innovations) et de la décomposition de la variance de
l'erreur. Cependant, cette analyse s'effectue, en supposant
l'invariabilité de l'environnement économique.
Analyse des chocs :
On considère un processus {Xt , t ? Z}, avec
'
X t = (x1, t , ... , x k, t ) satisfaisant une
représentation VAR (p). On suppose que les innovations { å
t , t ?Z} sont i.i.d. (0k, Ù ) .et
que l'on dispose de T + p réalisations de ce processus, on suppose en
outre que les paramètres Ù , Ö i sont connus,
mais la même analyse peut être menée lorsque l'on ne dispose
que d'estimateurs convergents de ces paramètres.
Idée Générale: Une
fonction de réponse aux innovations résume l'information
concernant l'évolution d'une composante xi , t qui intervient
suite à une impulsion sur xj , t à la date T, en supposant que
toutes les autres variables sont constantes pour t = T.
Pour expliciter les choses, on considère le VAR(1) suivant
:
x
x c x x
Ö + Ö
1
t t t t
= + + å
- -
, 1 1,1 1, 1 1,2 2, 1 1,
= + Ö + Ö +
c x x å
2, 2 2,1 1, 1 2,2 2, 1 2,
t t t t
- -
Avec ( )'
X t = x 1,t , x 2,t et( )'
å t = å 1, t , å
2 , t .
|
On suppose que les chocs å 1 , t et
å 2 , t sont corrélés, avec : ( )
E t t
å å '
|
ó ó
2
1 12
= = Ù
ó ó 2
12 2
|
On cherche à identifier l'impact d'un choc sur x2 , T
à la date T sur la dynamique de la variable x 1,t aux
périodes postérieures à T, en supposant les
évolutions de ces deux variables pour t = T connues et
données.
On cherche donc à déterminer la variation de
x1,t engendrée par ce choc. Pour cela,
considérons la décomposition suivante :
8
x i t
= +
ì ø å
1 ,t 1 1 ,
i =0
Où ø1,i désigne la
première ligne de la matrice Ø i issue de la
représentation VMA( 8).
En raison de la corrélation des deux chocs, l'impulsion
initiale sur å 2,T influence l'innovation å
1,T qui entre elle aussi dans la représentation moyenne
mobile infinie de x 1 , t . Or ,Ce qui est intéressant sur le plan
économique, c'est d'isoler l'innovation »propre» au processus
x 2 ,t . non »polluée» par la réaction de l'innovation
x 1 , t . C'est pourquoi, il convient dans le cas
général où Ù ? IK d'orthogonaliser
les innovations.
On considère donc la décomposition suivante de la
matrice de covariance des innovations:( )'
Ù = P P
-1 -1
où 1
P- est une matrice (k, k) triangulaire inférieure.
Dans notre exemple:
ó12
2 1 1
ó ó
0
ó ó ó
1 12 1 -1
Ù= = 2
ó ó ó
2 2
ó ó = P
12 12 2
ó
12 2 2 2
-
ó ó ó
2 12
0 -
1 1 2 2
ó 1
On pose : -1
í t = På t (ce qui
garanti que ces innovations ne sont pas corrélées).
Si on pose å t = Aí t
la représentation VMA (8) peut se réécrire en fonction des
innovations ít non corrélées. De
façon équivalente, on peut réécrire le V AR en
fonction des innovations orthogonales :
x 1, t = c1 +Ö
1,1 x 1, t - 1 + Ö 1,2 x
2,t-1 + ó 1 í
1 , t
ó ó 2
x c x x t
t = + Ö t - + Ö t - + t
+ -
12 2 12
í ó í
( )
2, 2 2,1 1, 1 2,2 2, 1 1, 2 2 2,
ó ó
1 1
Cette phase d'orthogonalisation implique toutefois que l'ordre
dans lequel sont disposées les variables du VAR affecte l'analyse
dynamique et en particulier l'analyse des fonctions de réponse.
Les fonctions de réponses sont souvent
représentées sous la forme d'un tracé permettant de
visualiser simplement les effets instantanées et dynamiques
associées aux chocs d'innovations sur les variables du vecteurX
t .
Décomposition de la variance:
Définition: Partant de la
décomposition des résidus en innovations »pures» ou
orthogonales, on peut calculer quelle est la contribution de chaque innovation
à la variance totale de l'erreur de prévisions du processus x
i,t . C'est ce que l'on appelle la décomposition de la
variance.
On considère un processus {Xt , t ? Z}, avec
'
X t = (x1, t , ..., x k, t ) satisfaisant une
représentation VAR (p). On suppose que les innovations { å
t , t ?Z} sont i. i.d. (0k, Ù ) . On
suppose que ce processus est stationnaire et peut être
représenté sous la forme d'un VMA(8) :
8
X ø å L å
= = Ø
t i t i t
( )
-
i=0
L'erreur de prévision à l'horizon h s'écrit
:
X - à X = X - E (X /X ,X , . . . ,X )
T+h T+h T+h T+h T T-1 1
= XT+h - E (XT+h/ å
T, å T-1, ..., å
1 )
.
h - 1
= ø å
i T h i
+ -
i = 0
La matrice de variance covariance de l'erreur de prévision
est donc :
( ) ( ) 1
h -
' ø ø '
E X - X à X - X à = Ù + Ù .
T+h T+h T+h T+h i i
i = 1
|
En considérant :
í t = På t å t
í t
1
? = P -
|
où la matrice 1
P- est issue de l'orthogonalisation de ~ : ( )'
Ù = P P .
-1 -1
|
On suppose que ?t ? Z:
å í
1, t 1, t
å í
2, 2,
å = =
t t
t 1 2
( ) ? Où ai désigne la
ième colonne de la matrice 1
P- ? i ? [ 1,k ] . Dès
a a a
? k
?
å í
k t
, k t
,
lors:
Ù = E ( å t å
t ) = a1a 1 V (v1,t ) + a2a 2
V (v2,t )+ +aka k V (vk,t).
' ' ' '
En substituant cette expression dans la variance de la
prévision pour un horizon h, cela donc permet de réexprimer cette
variance en fonction de la variance des innovations »orthogonales»
:
k h - 1
'
EX - X à X - X à
( ) ( ) ( ) ( )
V í ø a a ø
' '
=
T +h T +h T + h T +h j t i j j i
,
j = =
1 1
i
A partir de cette formule, on est en mesure de calculer la
contribution d'une innovation pure íj ,t à la
variance totale de la prévision à un horizon h :
V í ø a a ø + ø a a
ø + + ø k a j a j
ø k
( ) { ( ) ( ) ( )
' ' ' ' ' ' }
j , t 1 j j 1 2 j j 2
La Causalité:
Une des questions que l'on peut se poser à partir d'un
VAR, est de savoir s'il existe une relation de causalité entre les
différentes variables du système.
Causalité au sens de Granger:
Définition :
On dit que la variable x cause au sens de Granger la variable y
si et seulement si la connaissance du passé de x améliore la
prévision de y à tout horizon.
Considérant le VAR(p) suivant avec k=2 avec x
t et y t stationnaires :
x x
c x x
1 1 2 2 Ö Ö
p p å
t t p
1 1,1 1,2 1,1 1,2 2
Ö Ö t - -
Ö Ö
1 t - 1,1 1,2 t
= + + + ????? + +
y y
1 1 2 2 Ö Ö
p p
t t p
c y y
2 2,1 2, 2 2,1 2,2 2
Ö Ö í
t - -
Ö Ö
1 t - 2,1 2,2 t
Un test d'hypothèses jointes permet de conclure sur le
sens de la causalité. Ainsi, x t cause y t au sens
de Granger si l'hypothèse nulle définie ci-dessous peut
être rejetée au profit de l'hypothèse alternative:
De façon analogue, y t cause x t au
sens de Granger si l'hypothèse nulle définie ci-dessous
peut être rejetée au profit de l'hypothèse alternative :
H 0 : 1,2 1,2 p 1,2
Ö = Ö = ?? = Ö
1 2
H1 : Au mois un des 1,2 0 [ 1, ]
Ö i ? ? i ? p .
Les tests peuvent être conduites en utilisant les tests
portant plusieurs paramètres à la fois (test de Wald) Par
ailleurs, si l'on est amené à rejeter les deux hypothèses
nulles, on a une causalité bidirectionnelle, on parle de boucle
rétroactive (feedback effect).
1.2.b. Cointegration :
Rappelons la définition d'un porcessus
intégré :
Définition :
Un processus (Xt, t? Z) est un processus DS
(Differency Stationnary) d'ordre d, ou un processus intégré
d'ordre d, si le processus filtré défini par d
(1 - L) X t est stationnaire.Partant de là, on
peut
introduire la notion de cointégration :
Définition :
On considère un processus vectoriel '
X t = (x 1,t x 2,t ...x N,t ) de
dimension (N, 1) intégré d'ordre d. Les processus
(xi,t , t ?Z) sont dits cointégrés si et seulement si
il existe un vecteur
á = (á1
á2 .. .áN) ?Rtel que la
combinaison linéaire '
N áX t est stationnaire ou
intégré d'ordre 0. Le
vecteurá correspond à un vecteur de
cointégration.
Test du nombre de relation de cointégration (Test
de la trace):
Le test de Johansen (1988) est fondé sur l'estimation de
:
Ä X t = 0 + 1ÄX t-1 + 2ÄX
t-2 + ... + p-1ÄX t-p+1 + Ð X t-1 + å
t
|
i
Où 0=C et [ ]
= Ö ? ? ?
I, j 1,i
i j
j 1
=
|
p
, et la matrice Ö - I = áâ de
dimension r × k .
'
Ð = m
m=1
|
r étant alors le nombre de relations de
cointégrations, k le nombre de variable du modèle VAR, et les
colonnes de â Correspondant aux vecteurs de
cointégration.
Ce test est fondé sur les vecteurs propres correspondant
aux valeurs propres les plus élevées de la
K
matrice Ð. A partir des valeurs de celle ci on construit la
statistique : ë (r) N ln(1 ë )
= - -
trace i
i r 1
= +
- N : nombre d'observation, - r : rang de la matrice,
-ë i : ivaleur propre de la matrice Ð ,
éme
- K : nombre de variable du modèle VAR.
Cette statistique suit une loi de probabilité
tabulée par Johansen et Juselius (1990). Ce test fonctionne par
exclusion d'hypothèses alternatives :
1. Test 0
H : r = 0 contre H1 : r > 0. Test de
l'hypothèse aucune relation de cointégration contre au moins une
relation. Sië trace(0) est supérieur à
la valeur lue dans la table au seuil á %, on rejette
H0 , il existe au moins une relation, on passe alors à
l'étape suivante, sinon on arrête et r = 0.
2. Test 0
H : r = 1 contre H1 : r > 1. . Test de
l'hypothèse une relation de cointégration contre au moins deux
relation. Si ë trace(1) est supérieure à
la valeur lue dans la tableau seuil á %, on rejette
H0 , il existe au moins deux relations, on passe alors à
l'étape suivante, sinon on arrête et r = 1.
Et ainsi de suite jusqu'à la dernière étape
(si elle est nécessaire) :
Test H0 : 0
H : r = k-1 contre H1 : r > k-1. Test de
l'hypothèse k-1 relation de cointégration contre au moins k-1
relations. Si ë trace (k-1) est supérieure
à la valeur lue dans la table au seuil á %, on rejette
H0 , il existe K relations de cointégration.
Johansen propose cinq spécifications :
1. Pas de tendance déterministe pour Xt ,
équations de cointégration sans constantes,
2. Pas de tendance déterministe pourXt ,
équations de cointégration avec constantes,
3. Tendance déterministe pourXt ,
équations de cointégration avec constantes,
4. Tendance déterministe pourXt ,
équations de cointégration avec tendances linéaires,
5. Tendance quadratique pourXt , équations de
cointégration avec tendances linéaires.
Section 2: Principaux résultats et
interprétation. 2.1. Présentation des données et
méthodologie suivie. 2.1.a. Données :
Dans le cadre de ce mémoire, et pour tester la
présence d'une relation entre éducation et croissance
économique, nous nous proposons de retenir deux types de variables : les
variables éducatives et économiques .Ces différentes
catégories de variables seront analysées dans le cas de
l'Algérie sur la période 1963-2004.
Compte tenu que le capital humain est lié aux efforts
d'éducation consentis par un pays, en ce qui concerne les variables
éducatives, nous nous proposons de retenir :
- Effectifs scolarisés à tous les niveaux confondus
(SCO), ( er éme éme
1 , 2 ,3 Cycle),
- Nombre de bacheliers (BAC),
- Nombre de diplômés du supérieur (SUP),
- Dépenses d'éducation à prix constants
(DEP), (dépenses au niveau du ministère de l'éducation
national).
On a calculé les dépenses d'éducation
à prix constants de la façon suivante:
( ) =
t
DEPprix courants
t ( )
DEPprix constants déflateur du PIB de la date t
Enfin, la variable économique retenue pour mesurer la
croissance économique est le Produit intérieur brut à prix
constants (PIB).
Nos donnés sont extraites de trois sources nationales :
Le Ministère de L'Enseignement Supérieur et de la Recherche
Scientifique (MESRS), le Ministère de l'éducation Nationale
(MEN), l'Office National des Statistiques (ONS), et une source internationale:
la Banque Mondiale (BM).
2.1.b. Méthodologie :
Afin d'étudier les liaisons entre le PIB et les
variables éducatives, nous allons utiliser l'approche des vecteurs
autorégressifs (VAR). Dans un premier temps, un modèle VAR
à quatre variables est estimé pour étudier la relation
entre les variables éducatives (jusqu'à l'obtention du
baccalauréat) et le PIB. Dans un second temps, un modèle VAR
à deux variables est estimé pour étudier la relation entre
le nombre de diplômés et le PIB.
Pour que ces modèles autorégressifs donnent des
résultats satisfaisants, nous procédons à la
stationnarisation des séries chronologiques avant de déterminer
l'ordre du VAR. Nous testons également les degrés de
signification des résidus, et enfin nous vérifions la
stabilité du modèle.
2.2. Application.
2.2.a. Analyse et traitement des séries
:
1. Analyse de la série du produit intérieur
brut :
Cette série correspond au produit intérieur brut
à prix constant (PIB) de 1963 à 2004.
Données, Banque Mondial, annuelles, 1963 à 2004, 42
observations.
Evaluation graphique de la non stationnarité :
Série brut :
Figure 1: graphique de la série PIB.
Le graphique de la série du produit intérieur brut
fait ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire.
Série transformée :
Afin de stabiliser la série, on lui applique une
transformation logarithmique.
Figure 2: graphique de la série LPIB
De même, Le graphique de la série logarithme fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire. Néanmoins, cette transformation nous
assure une première différence plus stable.
Analyse des autocorrélations et
autocorrélations partielles:
Figure 3 : corrélogramme de la série LPIB.
Le premier graphique (corrélogramme) représente
les autocorrélations d'ordre h=1,... ,10 , et
le
deuxième (corrélogramme partiel) les
autocorrélations partielles d'ordre h=1,...,10 . Les colonnes
AC
et PAC reportent les valeurs numériques correspondantes.
Q-Stat est la valeur de la statistique de LjungBox et Prob la p-value
associée.
On remarque que jusqu'au retard h=7 les termes du
corrélogramme sont à l'extérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).
On constate aussi que toutes les autocorrélations sont
significativement différentes de 0 (Prob pour
h=1,... ,10
inférieurs au seuil de 5%) et décroissent très lentement.
Ceci est aussi caractéristique d'une
série non stationnaire.
Le test Augmented Dickey Fuller (ADF):
Choix du nombre de retards optimal P :
Dans Eviews 5.0, la spécification qui minimise
les critères d'information Akaike (AIC) et Schwarz(SC), est faite
automatiquement dans le cadre de la procédure de test de racine
unitaire. Compte tenu du nombre d'observations disponibles on choisis
pMax =5.
|
Modéle1
|
Modéle2
|
Modéle3
|
|
AIC
|
0
|
1
|
1
|
|
SC
|
0
|
1
|
1
|
Selon le principe de parcimonie, On retient donc p=0
retard.
Stratégie du test:
1-On teste la racine unitaire dans le
modèle3 incluant une constante, et un trend :
ÄLPIB t =öLPIB t - 1
+c +ât + å t
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 1.481118 > 3
Cá = -3.50 pour un seuil á
= 5% (-3.50 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). comme
H0 est acceptée on teste: 3
( )
-
H : (c; â; ö) = (c; 0; 0) contre H
1
3
0
SCR C SCR 2 0.11236 0.10019 2
-
3, 3 = ( )
F = =2.307
3 SCR N K
( )
- 0.10019 41 3
( )
-
3
Pour une 50 d'observations et un risque de première
espèce deá =5% on a: F 3 = 2.307 ö 3 =
6.73.
On accepte 3
H0 , le modèle 3 n'est pas le
»bon» modèle, on doit effectuer à nouveau le test de
non
stationnarité dans le modèle 2.
2-On teste la racine unitaire dans le
modèle2 incluant une constante :
ÄLPIB t =öLPIB t - 1
+c + å t
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 1.932263 > 2
Cá = -2.93 pour un seuil á
= 5% (-2.93 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). Comme
H0 est acceptée on teste : 2
H : (c;ö) = (c;0) contre H 1 .
2
0
Pour une 50 d'observations et un risque de première
espèce deá =5% on a: F2 = 3.73
ö 2= 5.13. (F2 dans le test DF simple c'est
F-statistic ).
On accepte l'hypothèse 2
H0 . Dans ce cas, le modèle 2
n'est pas le »bon» modèle, on doit effectuer à nouveau
le test de non stationnarité dans le modèle
1.
3-On teste la racine unitaire dans le modèle1
sans constante ni tendance:
ÄLPIB t =öLPIB t - 1 +
å t
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = 4.5 1528 > 1
Cá = -1.95 pour un seuil á
=5% (-1.95 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). Par
conséquent, la série LPIB t est :
I(1).
Vérification de l'ordre
d'intégration:
Figure 4 : graphique de la série DLPIB.
D'après le graphique de la série en
différence première. Il semble que la série soit
stationnaire.
Le test Augmented Dickey Fuller (ADF):
On teste la racine unitaire dans le modèle suivant: 2
Ä LPIB t =öÄLPIB
t - 1 +í t
t ö = - 5.022624 < 1
Cá = -1.95 pour un seuil á
= 5% (-1.95 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on refuse
l'hypothèse nul de racine unitaire( ö = 0). Autrement dit : la
série ÄLPIB t = å test :
I(0). (Correspond à un l'innovation
åt ).
Graphiques de la série originale et la série
générée:
On compare ici, le graphique de la série originale (LPIB)
et la série générée (GLPIB, avec:GLPIB t =
LPIB t - 1 +e t ), pour s'assurer que notre
démarche de stationnarisation nous a
donné de bons résultas.
Figure 5: graphiques de LPIB et GLPIB.
Analyse du résidu :
On analyse le résidu : å t = ÄLPIB
t
Figure 6: corrélogramme de l'innovation
åt .
On remarque que pour les retards h=1, ,10 , les termes du
corrélogramme sont à l'intérieur de
l'intervalle de confiance (représentées par des
traits pointillés horizontaux).
Le test de Ljung -Box nous indique que toutes les
autocorrélations sont significativement nulles:
H : ñ = ñ = ñ
= = ñ 10 = 0 Contre H 1 : ? j ? [ 1,10 ]
tq : ñ j = 0
0 1 2 3
10 2
ñ à
Q N N
' = + =
( )
2 8.7567
k < 2
÷ 10(10) = 18.307 .on accepte H
0 , en plus (Prob pour
h -
k = 1 N K
h=1, ... ,10 supérieurs au seuil de 5%).Par
conséquent, le résidu peut être assimilé à un
processus bruit blanc.
En définitive : la série LPIB t
est non stationnaire (I(1)). Dés lors,
pour rendre la série
stationnaire, il faut la différencier une fois.
La série SLPIB t issue de la
série LPIB t est quant à elle stationnaire. On note
alors : SLPIB t = ÄLPIB t
2. Analyse de la série des dépenses
d'éducation:
Cette série correspond aux dépenses
d'éducation à prix constant (DEP) de 1964 à 2004.
Données, Ministère de l'éducation nationale,
annuelles, 1964 à 2004, 41 observations.
Evaluation graphique de la non stationnarité
:
Série brute :
Figure 1: graphique de la série DEP.
Le graphique de la série brute des dépenses
d'éducation fait ressortir une tendance globale à la hausse. Il
semble donc que la série soit non stationnaire.
Série transformée :
Afin de stabiliser la série, on lui applique une
transformation logarithmique.
Figure 2: graphique de la série LDEP.
De même, Le graphique de la série logarithme fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire. Néanmoins, cette transformation nous
assure une première différence plus stable.
Analyse des autocorrélations et
autocorrélations partielles:
Figure 3 : corrélogramme de la série LDEP.
Le premier graphique (corrélogramme) représente les
autocorrélations d'ordre h=1,... ,10 , et le
deuxième
(corrélogramme partiel) les autocorrélations partielles
d'ordre h=1,...,10 . Les colonnes AC
et PAC reportent les valeurs
numériques correspondantes. Q-Stat est la valeur de la statistique de
Ljung-
Box et Prob la p-value associée.
On remarque que jusqu'au retard h=6 les termes du
corrélogramme sont à l'extérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).
On constate aussi que toutes les autocorrélations sont
significativement différentes de 0 (Prob pour h=1,... ,10
inférieurs au seuil de 5%) et décroissent très lentement.
Ceci est aussi caractéristique d'une série non stationnaire.
Le test Augmented Dickey Fuller (ADF):
Choix du nombre de retards optimal P :
Dans Eviews 5.0, la spécification qui minimise
les critères d'information Akaike (AIC) et Schwarz(SC), est faite
automatiquement dans le cadre de la procédure de test de racine
unitaire. Compte tenu du nombre d'observations disponibles on choisis
pMax =4.
|
Modéle1
|
Modéle2
|
Modéle3
|
|
AIC
|
0
|
0
|
0
|
|
SC
|
0
|
0
|
0
|
On retient donc p=0 retard.
Stratégie du test:
1-On teste la racine unitaire dans le
modèle3 incluant une constante, et un trend :
ÄLDEP t =öLDEP t - 1 +
c + ât + å t .
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 2.120489 > 3
Cá = -3.50 pour un seuil á
=5% (-3.50 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nulle de racine unitaire( ö = 0).
comme H0 est acceptée on teste: 3
H : (c; â; ö) = (c; 0; 0) contre H
1
3
0
2 = ( )
1.15200 1.00809 2
-
=2.6409
F3
( )
SCR C SCR
3, 3
-
SCR N K
( )
- 1.00809 40 3
( )
-
3
Pour 50 observations et un risque de première
espèce deá =5% on a: F 3 = 2.64 ö 3 = 6.73
.
On accepte 3
H0 , le modèle 3 n'est pas le
»bon» modèle, on doit effectuer à nouveau le test de
non
stationnarité dans le modèle 2.
2-On teste la racine unitaire dans le
modèle2 incluant une constante :
ÄLDEP t =öLDEP t - 1 +
c + å t
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 1.870984 > 2
Cá = -2.93 pour un seuil á
= 5% (-2.93 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). 2-comme
H0 est acceptée on teste: 2
H : (c;ö) = (c;0) contre H 1
2
0
Pour 50 observations et un risque de première
espèce deá =5% on a: F2 = 3.50
ö 2 = 5.13. (F2 dans le test DF simple c'est
F-statistic )
On accepte l'hypothèse 2
H0 . Dans ce cas, le modèle 2
n'est pas le »bon» modèle, on doit effectuer à nouveau
le test de non stationnarité dans le modèle
1.
3-On teste la racine unitaire dans le modèle1
sans constante et sans tendance:
ÄLDEP t =öLDEP t - 1 +
å t
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = 0.725219> 1
Cá = -1.95 pour un seuil á
= 5% (-1.95 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). Par
conséquent, la série LDEP t est :
I(1).
Vérification de l'ordre
d'intégration:
Figure 4 : graphique de la série DLDEP.
D'après le graphique de la série en
différence première, il semble que la série soit
stationnaire.
Le test Augmented Dickey Fuller (ADF):
On teste la racine unitaire dans le modèle suivant: 2
Ä LDEP t =öÄLDEP
t - 1 +í t
t ö = - 6.385222 < 1
Cá = -1.95 pour un seuil á
= 5% (-1.95 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on refuse
l'hypothèse nul de racine unitaire( ö =0) Autrement dit : la
série ÄLDEP t = å test :
I(0). (Elle Correspond à l'innovation
åt ) Graphiques de la série originale
et la série générée:
On compare ici, le graphique de la série originale
(LDEP) et la série générée (GLDEP, avec: GLDEP
t = LDEP t - 1 + et), pour s'assurer que
notre démarche de stationnarisation nous a donné bons
résultas.
Figure 5: graphiques de LDEP et GLDEP.
Analyse du résidu :
On analyse le résidu : å t = ÄLDEP
t
Figure 5: corrélogramme de l'innovation
åt .
On remarque que pour les retards h=1,... ,10 , les termes du
corrélogramme sont à l'intérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).
Le test de Ljung -Box nous indique que toutes les
autocorrélations sont significativement nulles:
H : ñ = ñ =
ñ = = ñ 10 = 0 Contre H 1 : ? j
? [ 1,10 ] tq : ñ j = 0
0 1 2 3
10 2
ñ à
Q N N
' = + =
( )
2 7.7240
k < 2
÷ 10(10) = 18.307 .on accepte H
0 , en plus (Prob pour
h -
k = 1 N K
h=1, ... ,10 supérieurs au seuil de 5%).Par
conséquent, le résidu peut être assimilé à un
processus bruit blanc.
En définitive : la série LPDEP
t est non stationnaire (I(1)).Dés lors,
pour rendre la série stationnaire, il faut la différencier une
fois.
La série SLDEP t issue de la
série LDEP t est quant à elle est stationnaire. On
note : SLDEP t = ÄLDEP t
3. Analyse de la série des effectifs
scolarisés à tous les niveaux confondus:
Cette série correspond aux effectifs scolarisés
à tous les niveaux (SCO) de 1963 à 2004. Données,
Ministère de l'éducation nationale, annuelles, 1963 à
2004, 42 observations,
Evaluation graphique de la non stationnarité
:
Série brut :
Figure 1: graphique de la série SCO.
Le graphique de la série des effectifs scolarisés
à tous les niveaux fait ressortir une tendance globale à la
hausse. Il semble donc que la série soit non stationnaire.
Série transformée :
Afin de stabiliser la série, on lui applique une
transformation logarithmique.
Figure 2: graphique de la série LSCO.
De même, Le graphique de la série logarithme fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire. Néanmoins, cette transformation nous
assure une première différence plus stable.
Analyse des autocorrélations et
autocorrélations partielles:
Figure 3 :corrélogramme de la série LSCO.
Le premier graphique (corrélogramme) représente
les autocorrélations d'ordre h=1,... ,10 , et
le
deuxième (corrélogramme partiel) les
autocorrélations partielles d'ordre h=1,...,10 . Les colonnes
AC
et PAC reportent les valeurs numériques correspondantes.
Q-Stat est la valeur de la statistique de LjungBox et Prob la p-value
associée.
On remarque que jusqu'au retard h=6 les termes du
corrélogramme sont à l'extérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).
On constate aussi que toutes les autocorrélations sont
significativement différentes de 0 (Prob pour
h=1,... ,10
inférieures au seuil de 5%) et décroissent très lentement.
Ceci est aussi caractéristique d'une
série non stationnaire.
Le test Augmented Dickey Fuller (ADF):
Choix du nombre de retards optimal P :
Dans Eviews 5.0, la spécification qui minimise
les critères d'information Akaike (AIC) et Schwarz(SC), est faite
automatiquement dans le cadre de la procédure de test de racine
unitaire. Compte tenu du nombre d'observations disponibles on choisis
pMax =4.
|
Modéle1
|
Modéle2
|
Modéle3
|
|
AIC
|
4
|
3
|
3
|
|
SC
|
1
|
1
|
3
|
Selon le principe de parcimonie, on retient donc p=1
retard.
Stratégie du test:
1-On estime le modèle3 incluant une
constante, un trend, et un terme différencié retardé:
Ä = ö + + â + î
Ä - + å
LSCO LSCO - c t LSCO t t
t 1
t 1
On teste : H0: ö = 0 vs H1:
ö < 0
t ö =0.804372 > 3
Cá = -3.50 pour un seuil á
=5% (-3.50 pour 50 observations). Donc pour, un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). 2-comme
H0 est acceptée on teste: 3
H : (c; â; ö) = (c; 0; 0) contre H
1
3
0
F3
=
2 = ( )
0.00978 0.00666 2
-
=8.439
( )
SCR C SCR
3, 3
-
SCR N K
( )
- 0.00666 40 4
( )
-
3
Pour une 50 d'observations et un risque de première
espèce deá =5% on a: F 3 = 8.43 9 ö 3 =
6.73. On rejette l'hypothèse 3
H0 , le modèle 3 est le
»bon» modèle.
Conclusion:
LSCO t est I(1)+T+C et ÄLSCO
t est TS . Avec: Ä t = + â
+ îÄ - 1 + å .
LSCO c t LSCO t t
Vérification de l'ordre
d'intégration:
Figure 4 : graphique de la série DLSCO.
D'après le graphique de la série en
différence première, il semble que la série soit
affectée d'une tendance déterministe.
Le test Augmented Dickey Fuller (ADF):
On teste la racine unitaire dans le modèle suivant: 2
Ä LSCO = c + â t +
îÄ LSCO t - + í t
2
t 1
On teste : H0: ö = 0 vs H1:
ö < 0
t ö =-5.259241 < 3
Cá = -3.50 pour un seuil á
=5% (-3.50 pour 50 observations). Donc pour un
à = 0
niveau de risqueá = 5% , on refuse
l'hypothèse nul de racine unitaire( ö = 0). La
différence première n'admet alors pas de racine unitaire.
Estimation du modèle :
On estime le modèle suivant : Ä t = +
â + îÄ - 1 + å .
LSCO c t LSCO t t
Figure 5 : Estimation du modèle.
-Le coefficient de la tendance est significativement non
nul pour un niveau de risqueá =5%,
à
0.001490
ó à 0.000368
â
4.048> 1.96. (Prob inférieure à 5%).
â
tâà = 0
-La constante est significativement non nulle pour un niveau de
risqueá =5%,
0.078971
t 4.92 1.96
= = =
à C= 0 ó à C 0.016037
Cà
. (Prob inférieure à 5%).
-Le coefficient î est significativement non nul
pour un niveau de risqueá =5%, à
î 0.3294 12 t2.55 1.96
à= 0 = = =
ó à 0.128866
î
î
(Prob inférieure à 5%).
Par conséquent, le modèle en différence
première peut être estimé par:
ÄLSCO = 0.06 - 0.001 t + 0.33 LSCO t-1 .
Ä + et
t
Graphiques de la série originale et la série
générée:
On compare ici, le graphique de la série originale (LSCO)
et la série générée (GLSCO,
avec: t t
GLSCO =LSCO+ 0.06 - 0.001 t + 0.33 ÄLSCO t-1
+et .), pour s'assurer que notre démarche de
stationnarisation nous a donné bons résultas.
Figure 5: graphiques de LSCO et GLSCO.
Analyse du corrélogramme des résidus
d'estimation:
On analyse le résidu d'estimation
åt du modèle: Ä t = + â +
îÄ - 1 + å .
LSCO c t LSCO t t
Figure 6: corrélogramme des résidus
d'estimation.
On remarque que pour les retards h=1,... ,10 , les termes du
corrélogramme sont à l'intérieur de
l'intervalle de confiance (représentées par des
traits pointillés horizontaux).
Le test de Ljung -Box nous indique que toutes les
autocorrélations sont significativement nulles:
H : ñ = ñ = ñ
= = ñ 10 = 0 Contre H 1 : ? j ? [ 1,10 ]
tq : ñ j = 0
0 1 2 3
10 2
ñ à
QN N
' = + =
( )
2 15.487
k < 2
÷ 10(10) = 18.307 .on accepte
H0 , en plus (Prob pour
h -
k = 1 N K
h=1, ... ,10 supérieurs au seuil de 5%).Par
conséquent, le résidu peut être assimilé à un
processus bruit blanc.
En définitive, la série LSCO t est non
stationnaire de type DS (I(1)+T+C).
Dés lors, on considère
la série SLSCO t stationnaire définie
par :
SLSCO = (LSCO -LSCO ) - (0.06 - 0.001 t ) LSCO t -
(0.06 - 0.001 t )
= Ä .
t t t-1
4. Analyse de la série du nombre de bacheliers
:
Cette série correspond au nombre de bacheliers (BAC) de
1963 à 2004.
Données, Ministère de l'éducation nationale,
annuelles, 1963 à 2004, 42 observations.
Evaluation graphique de la non stationnarité :
Série brut :
Figure 1: graphique de la série BAC.
Le graphique de la série du nombre de bacheliers fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire.
Série transformée :
Afin de stabiliser la série, on lui applique une
transformation logarithmique.
Figure 2: graphique de la série LBAC.
De même, Le graphique de la série logarithme fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire. Néanmoins, cette transformation nous
assure une première différence plus stable.
Analyse des autocorrélations et
autocorrélations partielles:
Figure 3 :corrélogramme de la série LBAC.
Le premier graphique (corrélogramme) représente
les autocorrélations d'ordre h=1,... ,10 , et
le
deuxième (corrélogramme partiel) les
autocorrélations partielles d'ordre h=1,...,10 . Les colonnes
AC
et PAC reportent les valeurs numériques correspondantes.
Q-Stat est la valeur de la statistique de LjungBox et Prob la p-value
associée.
On remarque que jusqu'au retard h=6 les termes du
corrélogramme sont à l'extérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).
On constate aussi que toutes les autocorrélations sont
significativement différentes de 0 (Prob pour
h=1,... ,10
inférieurs au seuil de 5%) et décroissent très lentement.
Ceci est aussi caractéristique d'une
série non stationnaire.
Le test Augmented Dickey Fuller (ADF):
Choix du nombre de retards optimal P :
Dans Eviews 5.0, la spécification qui minimise
les critères d'information Akaike (AIC) et Schwarz(SC), est faite
automatiquement dans le cadre de la procédure de test de racine
unitaire. Compte tenu du nombre d'observations disponibles on choisis
pMax =5.
|
Modéle1
|
Modéle2
|
Modéle3
|
|
AIC
|
1
|
5
|
1
|
|
SC
|
1
|
1
|
1
|
Selon le principe de parcimonie, on retient donc p=1
retard.
Stratégie du test:
1-On teste la racine unitaire dans le
modèle3 incluant une constante, un trend,et un terme
différencié retardé :
ÄLBAC =öLBA C- + c
+ â t + î Ä LBAC + å
t
t 1
t t -1
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = -2.256430 > 3
Cá = -3.50 pour un seuil á
=5% (-3.50 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0).
comme H0 est acceptée on teste: 3
( )
-
H : (c; â; ö) = (c; 0; 0) contre H
1
3
0
SCR C SCR 2 2.9333 2.5375 2
-
3, 3 = ( )
F = =2 .808
3 SCR N K
( )
- 2.5375 40 4
( )
-
3
Pour une 50 d'observations et un risque de première
espèce deá =5% on a: F 3 = 2.808 ö 3 =
6.73.
On accepte 3
H0 , le modèle 3 n'est pas le
»bon» modèle, on doit effectuer à nouveau le test de
non
stationnarité dans le modèle 2.
2-On teste la racine unitaire dans le
modèle2 incluant une constante et un terme
différencié retardé:
ÄLBAC = ö LBA C - + c +
Ä LBAC + å t .
t t 1 t - 1
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 1.162102 > 2
Cá = -2.93 pour un seuil á
= 5% (-2.93 pour 50 observations). Donc pour un
à = 0
niveau de risqueá =5% , on accepte
l'hypothèse nul de racine unitaire( ö = 0). 2-comme
H0 est acceptée on teste: 2
H : (c;ö) = (c;0) contre H 1
2
0
( )
SCR C SCR
2, 2
-
( )
N K
-
2 = ( )
3.71 2.83 2
-
2.83 40 3
( )
-
F2 =
=5.7523.
2
SCR
Pour une taille de 50 et un risque de première
espèce deá = 5% on a: F2 = 5.75
ö 2= 5.13 On rejette l'hypothèse 2
H0 . Dans ce cas, le modèle 2
est le »bon» modèle, et la série LBAC t est
non stationnaire (I(1)+C ou I(d)+C ), d > 1.
Vérification de l'ordre
d'intégration:
Figure 4 : graphique de la série DLBAC.
D'après le graphique de la série du nombre de
bacheliers en différence première, il semble que la série
soit stationnaire.
Le test Augmented Dickey Fuller (ADF):
On teste la racine unitaire dans le modèle suivant:
Ä LBAC = ö Ä LBAC - +
c + Ä LBAC + t
2 2 í
t 1
t t - 1
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = - 5.33666 < 2
Cá = -2.93 pour un seuil á
=5% (-2.93 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on refuse
l'hypothèse nul de racine unitaire( ö = 0). Autrement dit : la
série ÄLBA C t est stationnaire
I(0)+C.
Analyse des résidus d'estimation de la
série LBAC : On analyse le résidu d'estimation
åt du modèle : t
Ä LBAC = c + î
ÄLBA C t - 1 + å t
Figure 5 : résultats d'estimation du modèle.
|
-La constante
t
risqueá = 5% , àC= 0
-Le coefficient
|
=
|
Cà
|
est
=
|
significativement non nul pour
0. 149551
=3.17 1.96 inférieur à 5%)
(Prob
|
un
un
|
niveau
niveau
|
de
de
|
|
î
|
ó àC0.047148
est significativement non nul pour
|
|
risqueá = 5% , à= 0
t î
|
|
à
î
|
|
0.3 15856
0. 156183
|
=2.02 1.96
|
(Prob ? 5%).
|
|
à
|
|
|
ó î
|
|
|
Graphiques de la série originale et la série
générée:
On compare ici, le graphique de la série originale (LBAC)
et la série générée (GLBAC,
avec: t t
GLBA C = LBA C + 0.149 - 0.31 6ÄLBA C
t - 1 + et), pour s'assurer que notre démarche
de
stationnarisation nous a donné bons résultas.
Figure 5: graphiques de LBAC et GLBAC.
Analyse du corrélogramme des résidus
d'estimation:
Figure 6: corrélogramme des résidus d'estimation
On remarque que pour les retards h=1,... ,10 , les termes du
corrélogramme sont à l'intérieur de
l'intervalle de confiance (représentées par des
traits pointillés horizontaux).
Le test de Ljung -Box nous indique que toutes les
autocorrélations sont significativement nulles:
H : ñ = ñ = ñ
= = ñ 10 = 0 Contre H 1 : ? j ? [ 1,10 ]
tq : ñ j = 0
0 1 2 3
10 2
ñ à
QN N
' = + =
( )
2 11.48
k < 2
÷ 10(10) = 18.307 .on accepte
H0 en plus (Prob pour
h -
k = 1 N K
h=1, ... ,10 supérieurs au seuil de 5%).Par
conséquent, le résidu peut être assimilé à un
processus bruit blanc.
En définitive : la série LBAC t est non
stationnaire (I(1)+C). Dés lors, pour rendre la
série stationnaire
il faut la différencier une fois.
La série SLBA C t issue de la
série LBAC t et quant à elle,stationnaire. On note
:
SLBAC t =ÄLBAC t
5. Analyse de la série du nombre de
diplômés :
Cette série correspond au nombre de diplômés
(DIP) de 1963 à 2004.
Données, Ministère de l'enseignement
supérieur et de la recherche scientifique, annuelles, 1963 à
2004, 42 observations.
Evaluation graphique de la non stationnarité
:
Série brut :
Figure 1: graphique de la série DIP.
Le graphique de la série du nombre de
diplômés fait ressortir une tendance globale à la hausse.
Il semble donc que la série soit non stationnaire.
Série transformée :
Afin de stabiliser la série, on lui applique une
transformation logarithmique.
Figure 2: graphique de la série LDIP.
De même, Le graphique de la série logarithme fait
ressortir une tendance globale à la hausse. Il semble donc que la
série soit non stationnaire.
Analyse des autocorrélations et
autocorrélations partielles:
Figure 3 : corrélogramme de la série LDIP.
Le premier graphique (corrélogramme) représente
les autocorrélations d'ordre h=1,... ,10 , et
le
deuxième (corrélogramme partiel) les
autocorrélations partielles d'ordre h=1,...,10 . Les colonnes
AC
et PAC reportent les valeurs numériques correspondantes.
Q-Stat est la valeur de la statistique de LjungBox et Prob la p-value
associée.
On remarque que jusqu'au retard h=7 les termes du
corrélogramme sont à l'extérieur de l'intervalle de
confiance (représentées par des traits pointillés
horizontaux).On constate aussi que toutes les autocorrélations sont
significativement différentes de 0
(Prob pour h=1,... ,10 inférieures au seuil de 5%) et
décroissent très lentement. Ceci est aussi
caractéristique d'une série non stationnaire.
Le test Augmented Dickey Fuller (ADF):
Choix du nombre de retards optimal P :
Dans Eviews 5.0, la spécification qui minimise
les critères d'information Akaike (AIC) et Schwarz(SC), est faite
automatiquement dans le cadre de la procédure de test de racine
unitaire. Compte tenu du nombre d'observations disponibles on choisis
pMax =4.
|
Modéle1
|
Modéle2
|
Modéle3
|
|
AIC
|
4
|
2
|
2
|
|
SC
|
4
|
2
|
2
|
Selon le principe de parcimonie, on retient p=2
retards.
Stratégie du test:
1-On estime le modèle3 incluant une
constante, un trend, et deux termes différenciés
retardés:
Ä = t + + + Ä - + Ä - +
LDIP ö LDIP c â t î LDIP t î LDIP t
å t
t - 1 1 1 2 2
On teste : H0: ö = 0 vs H1:
ö < 0
t ö = -6.408049 < 3
C á = -3.50 pour un seuil á =5%
(-3.50 pour 50 observations). Donc, pour un
à = 0
niveau de risqueá =5% , on refuse
l'hypothèse nul de racine unitaire( ö = 0).
comme H0 est refusée on teste: H0
:â = 0 vs H1 :â ? 0
Le coefficient de la tendance est significativement non nul pour
un niveau de risqueá =5%.
à
0.027470
ó à 0.005474
â
5.017 > 1.96. (Prob inférieure à 5%)
â
tâà = 0
Le modèle 3 est le »bon»
modèle, pour tester la racine unitaire. Par
conséquent, la série LDIP t est
TS. Estimation du modèle :
On estime le modèle : t - 1 1 1 2 2
LDIP ä LDIP c â t î LDIP t î LDIP t
å t
= t + + + Ä - + Ä -+
Figure 5: estimation du modèle.
-Le coefficient ä est significativement non nul
pour un niveau de risqueá =5%.
à
0.730770
t 17.39 1.96
à= 0 = = =
ä ó à 0.042014
ä
ä
(Prob inférieure à 5%).
-Le coefficient de la tendance est significativement non
nul pour un niveau de risqueá =5%.
à
0.027470
ó à 0.005474
â
5.017 > 1.96 (Prob inférieure à 5%)
â
tâà = 0
-La constante est significativement non nulle pour un niveau de
risqueá =5%.
|
Cà 2.073594
t 7.25 1.96
= = =
àC= 0 óC
à0.285877
|
(Prob inférieure à 5%)
|
-Le coefficient î1 n'est pas
significativement non nul pour un niveau de risqueá =5%.
à
1 0.003565
t 0.031 1.96
= = =
î à = 0
1 ó à 0.113581
î 1
î
(Prob supérieure à 5%).
-Le coefficient î2 est
significativement non nul pour un niveau de risqueá =5%.
à
2 0.313388
t 2.89 1.96
= = =
î à = 0
2 ó à 0.108198
î 2
î
(Prob inférieure à 5%).
Par conséquent, la série LDIP t
peut être estimé par :
LDIP LDIP t LDIP t e t .
t = + t + ? Ä - +
2.07 0.73 - 0.027 0.31 2
1
Graphiques de la série originale et la série
générée:
On compare ici, le graphique de la série originale (LDIP)
et la série générée (GLDIP, avec: t
LDIP LDIP t LDIP t e t ), pour s'assurer que
notre démarche de
= + t + ? Ä - +
2.07 0.73 - 0.027 0.31 2
1
stationnarisation nous a donné bons résultas.
Figure 5: graphiques de LDIP et GLDIP.
Analyse du corrélogramme des résidus
d'estimation:
On analyse le résidu d'estimation
åt du modèle: t ä - 1
â î 2 2 å .
LDIP LDIP c t LDIP t t
= t + + + Ä - +
Figure 6: corrélogramme des résidus
d'estimation.
On remarque que pour les retards h=1,... ,10 , les termes du
corrélogramme sont à l'intérieur de
l'intervalle de confiance (représentées par des
traits pointillés horizontaux).
Le test de Ljung -Box nous indique que toutes les
autocorrélations sont significativement nulles:
H : ñ = ñ = ñ
= = ñ 10 = 0 Contre H 1 : ? j ? [ 1,10 ]
tq : ñ j = 0
0 1 2 3
10 2
ñ à
QN N
' = + =
( )
2 15.487
k < 2
÷ 10(10) = 18.307 .on accepte
H0 , en plus (Prob pour
h -
k = 1 N K
h=1, ... ,10 supérieurs au seuil de 5%).Par
conséquent, le résidu peut être assimilé à un
processus bruit blanc.
En définitive, la série LDIP t
est non stationnaire de type TS. Dés lors, on
considère la série stationnaire
SLDIP t issue de la série LDIP
t engendré par :
SLDIP =LDIP -(2.07+0.73LDIP t - 1
+0.027t).
t t
2.2.b. Résultats d'estimation des modèles
:
1. Estimation du premier modèle VAR:
Afin de déterminer si les scolarisés, les
bacheliers et les dépenses d'éducation ont une implication dans
la croissance économique, nous considèrerons les quatre
séries :
- SCO : Effectifs scolarisés à tous le niveaux
confondus (processus DS, I(1)+T+C ), - BAC : Nombre de bacheliers (processus
DS, I(1 )+C ),
- DEP : Dépenses d'éducation (processus DS,
I(1)),
- PIB : Produit intérieur brut (processus DS, I(1) ).
Après avoir procédé à une
transformation logarithmique puis à leurs stationnarisation (les
séries transformées et stationnarisées seront
précésées par les lettre L et S respectivement), on estime
par la suite le modèle VAR.
Choix du nombre de retards :
On utilise les critères d'information AIC et de Schwarz
|
AIC
|
SC
|
|
P=1
|
-9.574658
|
-8.712770
|
|
P=2
|
-9.579533
|
-8.012153
|
|
P=3
|
-9.905313
|
-7.618008
|
Selon le principe de parcimonie, on retient p=1
retard.
Les séries SCO, BAC, DEP, et PIB étant des
processus DS intégrées de même ordre 1. Il faut
vérifier qu'il n'y a pas de cointégration en niveau entre ces
variables.
Test de cointégration :
Les séries initiales étant
caractérisées par une tendance générale à la
hausse, nous choisissons la spécification 3 (tendance dans les
données, constante dans la ou les relations de cointégration)
avec 1 retards.
Figure 1 : Test de Cointégration entre LPIB, LBAC, LDEP,
LSCO.
(Statistique de Johansen)
On teste : 0
H : r = 0 contre H1 : r > 0. la statistique de
Johansenëtrace(0) = 39.6547.85 au seuil 5%. Le test indique que
les quatre séries ne sont pas cointégrées.
Résultats d'estimation :
Le VAR estimé s'écrit :
SLSCO 0.001 0.146 0.002 0.004 0.001 SLSCO
t t 1
-
SLDEP 0.014 1.565 0.097 0.016 0.460 SLDEP
- -
t t 1
-
= +
SLBAC 0.106 4.313 0.280 0.313 1.792 SLBAC
- - -
t t 1
-
SLPIB0.047 0.135 0.0002 0.022 0.210 SLPIB
- -
t t - 1
Vérification de la stabilité du VAR
:
Figure 3 : vérification de la stabilité de VAR.
La première colonne donne les l'inverse des racines
associées à la partie AR, et la deuxième colonne leurs
modules. L'inverse des 4 racines associées à la partie AR
appartient au disque unité complexe. Le VAR est par conséquent
stationnaire.
Analyse des résidus :
Figure 4 : graphique des autocorrélations et des
corrélations croisées des résidus.
Les graphiques sur la diagonale (corrélogrammes)
représentent les autocorrélations d'ordre h=1,... ,9 , et les
autres graphiques (corrélogrammes croisées) représentent
les corrélations croisées d'ordre h=1,... ,9 . On remarque que
pour les retards h=1,... ,9, les termes des corrélogrammes et des
corrélogrammes croisées sont à l'intérieur de
l'intervalle de confiance (représentées par des traits
pointillés horizontaux).Par conséquent, chaque résidu peut
être assimilé à un processus bruit blanc.
Etude des fonctions de réponse :
Les influences simultanées entre les différentes
variables sont déterminées par les fonctions de réponses
impulsionnelles suivantes :
Figure 4 : Fonctions de Réponses Impulsionnelles.
De façon générale, nous remarquons que
les chocs sont transitoires, c'est-à-dire que les variables retrouvent
leur équilibre de long terme au bout de 3 périodes. Toutes les
fonctions de réponse tendent vers 0, ce qui confirme que le
modèle VAR est stationnaire.
Conséquences d'un choc sur La variable SCO:
L'impact d'un choc sur la variable SCO est égal à
0.009847, il se répercute ensuite sur les 4
variables:
- La variable DEP est affectée d'une manière
positive (0.000446) à la éme
2période, puis elle décroît pour
atteindre son niveau d'équilibre,
- La variable BAC est affectée d'une manière
positive (0.000998) à la éme
2période, puis elle décroît pour
atteindre son niveau d'équilibre,
- Le PIB semble ne pas être affecté par ce choc, et
reste sur son sentier d'équilibre.
Conséquences d'un choc sur La variable DEP:
L'impact d'un choc sur la variable DEP est égal à
0.168211, il se répercute ensuite sur les 4 variables: - La variable SCO
et Le PIB sont affectées d'une manière positive à la
éme
1 période et la éme
2période
respectivement mais décroissent rapidement pour retrouver
leur niveau d'équilibre,
- La variable BAC semble ne pas être affecté par ce
choc, et reste sur son sentier d'équilibre. Conséquences
d'un choc sur La variable BAC:
L'impact d'un choc sur la variable BAC est égal à
0.2587, il se répercute ensuite sur les 4 variables: - Le PIB est
affecté d'une manière positive (0.093) la éme
2période, puis décroît et retrouve son
niveau
d'équilibre,
- L variables DEP et SCO sont affectées d'une
manière positive et décroissent jusqu'à la éme
2période,
puis ils croissent pour atteindre leur niveau
d'équilibre.
Conséquences d'un choc sur le PIB:
L'impact d'un choc sur la variable BAC est égal à
0.0522, il se répercute ensuite sur les 4 variables:
- Les variables DEP et BAC sont affectées d'une
manière positive, mais décroissent rapidement pour retrouver leur
niveau d'équilibre.
- La variable SCO semble ne pas être affecté par ce
choc et reste sur son sentier d'équilibre. Etude de la
causalité :
On étudie la causalité entre le PIB, la variable
BAC, la variable DEP, et la variable SCO.
Figure 5 : causalité à la Granger.
Dans la première équation du modèle
VAR:
SLSCO = 0.001 SLPIB + 0.004 SLBAC + 0.002 SLDEP + 0.146 SLSCO
t-1 + 0.001 + e 1,t .
t t-1 t-1 t-1
au risque 5% les variables PIB, BAC , et DEP ne causent pas la
variable SCO ni individuellement(prob supérieures à 5%), ni
conjointement (ALL: prob supérieures à 5%).
Dans la seconde équation du modèle VAR :
SLDEP = 0.460 SLPIB - 0.016 SLBAC - 0.097 SLDEP + 1.565 SLSCO
t-1 + 0.014 +e 2,t .
t t-1 t-1 t-1
au risque 5% les variables PIB, BAC , et SCO ne causent pas la
variable DEP ni individuellement(prob supérieures à 5%), ni
conjointement (ALL: prob supérieures à 5%).
Dans la troisième équation du modèle
VAR:
SLBAC = 1.792 SLPIB - 0.313 SLBAC - 0.280 SLDEP - 4.313 SLSCO
t-1 + 0.106 + e 3,t .
t t-1 t-1 t-1
au risque 5% les variables DEP et SCO ne causent pas la
variable BAC (prob supérieures à 5%). Par contre le PIB cause la
variable BAC (prob inférieures à 5%), mais conjointement ces
trois variables ne causent pas la variable BAC (prob supérieures
à 5%).
Dans la quatrième équation du modèle
VAR:
SLPIB = - 0.210 SLPIB + 0.022 SLBAC + 0.0002 SLDEP - 0.135 SLSCO
t-1 + 0.047 + e 4,t .
t t-1 t-1 t-1
au risque 5% les variables BAC ,DEP, et SCO ne causent pas le PIB
ni individuellement(prob supérieures à 5%), ni conjointement
(ALL: prob supérieures à 5%).
Circuit de causalité:
Figure 6 : circuit de causalité.
+
PIB BAC
- la direction désigne le sens de la causalité.
- le signe (+) peut être obtenu à partir de la
réponse au choc su le PIB.
Analyse de la décomposition de la variance
:
Elle nous permettra de voir dans quelle mesure les variables ont
une interaction entre elles, et dans quel sens l'impact du choc est le plus
important.
Figure 7 : Décomposition de la variance.
Décomposition de la variance de la variable SCO :
- La variance de l'erreur de prévision de la variable SCO
est due à 98% à ses propres innovations, et à 1% à
celle de la variable DEP.
Décomposition de la variance de la variable DEP :
- Pour la éme
1période: La variance de l'erreur de
prévision de la variable DEP est due à 88% à ses
propres innovations, et à 12% à celle de la
variable SCO.
-Pour les périodes 2 et 3 : elles est due
à 86% à ses propres innovations,à 12% à celle de la
variable SCO,et à 2% au PIB.
Décomposition de la variance de la variable BAC :
- Pour la éme
1période: la variance de l'erreur de
prévision de la variable BAC est due à 99% à ses
propres innovations.
- Pour la éme
2période: la variance de l'erreur de
prévision de la variable BAC est due à 83 % à ses
propres innovations, à 5% à celle de la variable
SCO, et à 10% au PIB.
- Pour la éme
3période: la variance de l'erreur de
prévision de la variable BAC est due à 80 % à ses
propres innovations, à 5% à celle de la variable
SCO, et à 13% au PIB.
Décomposition de la variance du PIB:
- La variance de l'erreur de prévision du PIB est due
à 92% à ses propres innovations et à 2% à celle de
la variable BAC, et à 5% à celle de la variable DEP .
2. Estimation du deuxième modèle
VAR:
Afin de déterminer si les diplômés ont une
implication dans la croissance économique, nous considèrerons les
deux séries :
- DIP : nombre de diplômés du supérieur
(processus TS),
- PIB : produit intérieur brut (processus I(1) ).
Après avoir procédé à une
transformation logarithmique des séries, puis à leurs
stationnarisation (les séries transformées et
stationnarisées seront précédées par les lettres L
et S), on estime par la suite le modèle VAR.
Choix du nombre de retards :
On utilise les critères d'information AIC et de Schwarz
|
AIC
|
SC
|
|
P=1
|
-5 .100696
|
-4.842129
|
|
P=2
|
-5.026720
|
-4.835370
|
|
P=3
|
-5 .616068
|
-5.000255
|
|
P=4
|
-5.770901
|
-4.971008
|
|
P=5
|
-5.850764
|
-4.863118
|
Selon le principe de parcimonie, on retient p=3
retards.
Les séries DIP et PIB étant des processus TS et DS
respectivement. Il n'y a donc pas de risque de cointégration entre ces
variables.
Résultats d'estimation: Le VAR
estimé s'écrit:
SLDIP 0.02 0.22 0.34 SLDIP 0.25 0.09 SLDIP 0.20 0.98 SLDIP e
t 1,t
- - -
t - 1 t - 2 t - 3
= + + + +
SLPIB0.030.08 0.11 SLPIB 0.22 0.16 SLPIB 0.07 0.16 SLPIB e
t 2,t
- - -
t 1
- t - 2 t - 3
Vérification de la stationnarité du VAR
:
Figure 3 : vérification de la stabilité de
VAR.
La première colonne donne les inverses des racines
associées à la partie AR (les valeurs propres), et la
deuxième colonne leurs modules. L'inverse des 6 racines associées
à la partie AR appartient au disque unité complexe. Le VAR est
par conséquent stationnaire.
Analyse des résidus :
Figure 4 : graphique des autocorrélations et des
corrélations croisées des résidus.
Les graphiques sur la diagonale (corrélogrammes)
représentent les autocorrélations d'ordre h=1,... ,9 , et
les
autres graphiques (corrélogrammes croisées) représentent
les corrélations croisées d'ordre h=1,... ,9 .
On remarque que
pour les retards h=1,... ,9, les termes des corrélogrammes et des
corrélogrammes
croisées sont à l'intérieur de
l'intervalle de confiance (représentées par des traits
pointillés
horizontaux).Par conséquent, chaque résidu
peut être assimilé à un processus bruit blanc.
Etude des fonctions de réponse :
Les influences simultanées entre les différentes
variables sont déterminées par les fonctions de réponses
impulsionnelles suivantes :
Figure 4 : Fonctions de Réponses Impulsionnelles.
De façon générale, nous remarquons que
les chocs sont transitoires, c'est-à-dire que les variables retrouvent
leur équilibre de long terme au bout de 7 périodes. Toutes les
fonctions de réponse tendent vers 0, ce qui confirme que le
modèle VAR est stationnaire
Conséquences d'un choc sur La variable DIP:
L'impact d'un choc sur la variable DIP est égal à
0.05745 1, il se répercute ensuite sur les 2 variables: - Le PIB est
affecté d'une manière positive et décroît
jusqu'à la éme
2période, puis il croît et atteint son
maximum à la éme
4 période. Par la suite il décroît et
retrouve son niveau d'équilibre.
- La variable DIP est affectée d'une manière
négative (-0.0 17554) à la éme
2période, puis elle croît et
atteint son point maximale à la éme
4période, par la suite elle décroît et
retrouve son niveau
d'équilibre.
Conséquences d'un choc sur La variable PIB:
L'impact d'un choc sur le PIB est égal à 0.05 1728,
il se répercute ensuite sur les 2 variables: - Le PIB est affecté
d'une manière positive (0.051728) et décroît jusqu'à
la éme
2période, puis il croît
jusqu'à la éme
3 période, par la suite il décroît et
retrouve son niveau d'équilibre.
- La variable DIP est affectée d'une manière
positive (0.004434) et décroît jusqu'à la éme
2période, puis
elle croît et atteint son point maximale à la
éme
3période, par la suite elle décroît et
retrouve son niveau
d'équilibre.
Etude de la causalité :
On étudie la causalité au sens de Granger entre le
PIB et la variable DIP.
Figure 5 : causalité à la Granger.
Dans la première équation du modèle:
SLDIP = - 0.02 - 0.33 SLPIB + 0.09 SLPIB + 0.98 SLPIB + 0.22
SLDIP t-1
t t-1 t-2 t-3
+0.24 SLDIP t-2 - 0.20 SLDIP t-3 +
e1,t . au seuil 5% : le PIB cause la variable DIP (prob
inférieures à 5).
Dans la seconde équation du modèle:
SLPIB = 0.03 - 0.11 SLPIB + 0.16 SLPIB + 0.16 SLPIB - 0.09 SLDIP
t-1
t t-1 t-2 t-3
+ 0.22 SLDIP t-2 - 0.07 SLDIP t-3 +e2,t .
au seuil 5% : la variable DIP ne cause pas le PIB (prob
inférieures à 5%).
Circuit de causalité:
Figure 6 : circuit de causalité.
+
PIB DIP
- la direction désigne le sens de la causalité.
- le signes (+) peut être obtenu à partir des
réponses au chocs.
Analyse de la décomposition de la variance
:
Va nous permettre de voir dans quelle mesure les variables ont
une interaction entre elles, et dans quel sens l'impact du choc est le plus
important.
Figure 7 : Décomposition de la variance.
Décomposions de la variance de la variable DIP:
- Pour les périodes 2 et 3: la variance de
l'erreur de prévision de la variable DIP est due à 92% à
ses propres innovations, et à 8% à celle du PIB.
- Pour les périodes 4, 5,6 et 7: la variance de
l'erreur de prévision de la variable DIP est due en moyenne à 60%
à ses propres innovations, et à 40% à celle du PIB.
Décomposions de la variance du PIB:
-Pour la période 1: la variance de l'erreur de
prévision du PIB est due à 99 % à ses propres innovations
et à 1% à celle de la variable DIP.
-Pour la période 2: la variance de l'erreur de
prévision du PIB est due à 98 % à ses propres innovations
et à 2 % à celle de la variable DIP.
-Pour les périodes 3: la variance de l'erreur de
prévision du PIB est due à 93 % à ses propres innovations
et à 7 % à celle de la variable DIP.
-Pour les périodes 5, 6 et 7: la variance de
l'erreur de prévision du PIB est due à 91 % à ses propres
innovations et à 9 % à celle de la variable DIP.
Interprétation économique de l'ensemble des
résultats :
Afin d'interpréter économiquement les
résultats de l'analyse des fonctions de réponses impulsionnelles,
et les tests de causalités dans les deux modèles Var, il est
utile de rappeler que les fonctions de réponses impulsionnelles
représente l'effet d'un choc d'une innovation sur les valeurs courantes
et futures des variables endogènes. Ainsi, l'explication de
l'interaction entre les variables, sera en fonction de l'environnement
économique de l'année où le choc a été
appliqué (2004) et les années future (les années
après 2004). Par contre, les tests de causalités englobent toute
la période de l'étude. Donc, notre interprétation tiendra
en compte de l'histoire économique de l'Algérie
indépendante.
Par conséquent, on peut dire que, l'augmentation du
nombre de bacheliers dans le 1er modèle VAR et celui du
nombre de diplômés dans le 2nd modèle VAR suite
à une augmentation significative de la croissance économique,
peut être due à un phénomène d'anticipation,
c'est-à-dire que, la croissance future augmente le rendement de
l'éducation, car les revenus futures seront plus élevés
que les revenus sacrifiés aujourd'hui. Ainsi, si les Algériens
anticipent que la croissance sera élevée, ils s'éduqueront
davantage immédiatement.
Les deux relation de causalités positives
trouvées entre la croissance économique et les bacheliers d`une
part, et le PIB et les diplômés d'autre part, sont dues
essentiellement aux investissements effectués par l'Algérie dans
le passé. Ces derniers ont permis la créations et le
développement des structures d'accueils des étudiants, ce qui
à engendré la croissance au fil du temps du nombre de bacheliers
et de diplômés.
En combinons les différents résultats issus de
l'analyse des chocs, des tests de causalités, et de la
décomposition de la variance de l'erreur de prévision on montre
que :
Dans le 1 modèle VAR,
· Une augmentation significative des effectifs
scolarisés n'a pas d'impact sur le PIB, sa variance de l'erreur de
prévision est due à 98% à ses propres innovations,
· Une augmentation significative des dépenses
d'éducation conduit à une augmentation des effectifs
scolarisés et de celle du PIB pendant les 2 années qui suivent le
choc, mais cet impact et non significatif car on n'a pas trouvé de
relations de causalités entre ces variables,
· Une augmentation significative de la richesse du pays,
conduit dans la première année, à une croissance des
dépenses de l'éducation et du nombre de bacheliers, puis à
leur décroissance dans la 2ème année. Cet impact est
significatif pour la variable BAC, car ont a trouver une causalité entre
la croissance économique vers le nombre de bacheliers. Néanmoins,
cette relation de causalité positive reste très fragile, la
variable PIB participe seulement à hauteur de 10% dans la variance de
l'erreur de prévision de la variable BAC,
· Une croissance significative du nombre de bacheliers
conduit à l'augmentation de la croissance économique dans les 2
ans qui suivent le choc. Mais cet impact est non significatif, car on n'a pas
trouvé de relation de causalité de la variable BAC vers la
croissance économique, et en plus la variance de l'erreur de
prévision du PIB est due à 92 % à ses propres
innovations.
Dans le 2ème modèle VAR,
· Une augmentation significative du nombre de
diplômés, conduit ce dernier à décroître dans
la 2ème année, puis à croître est
décroître encore dans les années qui suivent jusqu'a
l'extinction du choc après une période de 7 ans. Cette dynamique
du nombre de diplômés est la même que c'elle du PIB. Mais,
cette interaction entre les diplômés est la croissance
économique reste non significative car, on a pas trouvé de
relation de causalité des diplômés vers le PIB.
· Une augmentation de la croissance économique,
conduit le PIB et le nombre de diplômés à suivre la
même dynamique. Cette interaction parfaite entre la variable PIB et DIP
laisse penser à l'existence d'une relation de causalité positive
entre la croissance économique et le nombre de diplômés.
Cette intuition est vérifiée par les résultats des tests
de causalités, qui montrent que la croissance économique cause le
nombre de diplômés, et par la décomposition de la variance
de l'erreur, qui montre que, la croissance économique explique à
hauteur de 8% de la variance de l'erreur de prévision des
diplômés dans les 2 première années, puis 40%
à partir de la 3 années.
Conclusion :
Afin d'étudier les liaisons entre le PIB et les
variables éducatives on a utilisé l'approche des vecteurs
autorégressifs (VAR).Après avoir procéder à la
stationnarisation des différentes séries. Dans un premier temps,
on a estimé un modèle VAR avec quatre variables pour
étudier la relation entre les variables éducatives
(jusqu'à l'obtention du baccalauréat) et le PIB. Et dans un
second temps, on a estimé un modèle VAR à deux variables
pour étudier la relation entre le nombre de diplômés et le
PIB. Nous avons testé les degrés de signification des
résidus et enfin on a vérifié la stabilité de nos
modèles. Cette démarche nous a permis de conclure que nos
modèles donneront de bons résultats.
L'étude des deux circuits de causalité nous
indiquent d'une part, que la croissance économique influence directement
le nombre de bacheliers et le nombre de diplômés, et d'autre part
que ces relations de causalité son positives .c'est à dire que la
croissance économique influence positivement le nombre de bacheliers et
de diplômés. Cependant, on mentionne qu'il n'existe pas de
relations de causalités entre les différentes variables de la
sphère éducative.
Les décompositions de la variance du premier et du
deuxième modèle VAR nous indiquent qu'un choc sur le PIB à
plus d'impact sur les variables éducatives (en particulier sur le nombre
de bacheliers et le nombre de diplômés), que celles-ci sur la
croissance économique.
Conclusion générale :
Dans notre étude, nous avons voulu vérifier si
il existe une relation de causalité n entre l'éducation et la
croissance économique en Algérie, et pour cela, nous avons
menée en premier temps une analyse de l'évolution du
système éducatif Algérien après
l'indépendance, ce qui nous a permis de montrer l'énorme effort
consenti par l'Etat Algérien en matière de scolarisation des
différentes souches de la population, à travers les
différentes politiques et réformes adoptées par
l'Algérie. De cette analyse quantitative nous avons remarqué que
les effectifs scolarisés (tous niveaux confondus y compris ceux de
l'enseignement supérieur) ont eut une évolution croissante et
soutenue durant toute la période d'après l'indépendance,
cette évolution na pas présenter de signe de rupture ou de pic
significatif, ce qui signifie que l'éducation national à
été depuis toujours une préoccupation majeure pour les
autorités Algériennes. Cependant, le budget alloué
à l'éducation, s'est vu exclu de l'évolution commune des
différents indicateurs quantitatifs du système éducatif,
et ceci est dû principalement à la crise économique qui a
secoué le pays au milieu des années 80, et les restrictions
budgétaires des dépenses publique adoptées par l'Etat en
raison du programme d'ajustement structurel imposé par le FMI.
Ainsi, on peut dire que depuis l'indépendance et dans
l'ensemble, l'enseignement en Algérie a connu d'importants changements,
et la plupart des paramètres quantitatifs du système ont
évolué dans la même direction (augmentation continue des
effectifs et des diplômés, augmentation du personnel,
différenciation grandissante des offres de formation).
Alors, pour évaluer la relation qui existe entre
l'évolution du capital humain et celui de la croissance
économique, nous avons consacré un chapitre à
l'étude de la littérature empirique traitant de ce sujet. Cette
littérature nous a montré que l'existence d'un effet positive de
l'éducation sur la croissance économique été sujet
de débat économique et économétrique très
passionnant, les différents modèles utilisés dans la
littérature empirique donnaient des résultats contradictoires et
n'arrivaient pas à montrer de manière concrète l'effet
positif du capital humain sur la croissance.
Notre examen de la recherche sur les liens entre
l'éducation et la croissance économique nous a conduit à
souligner les difficultés de validation empirique des différentes
théories, premièrement, en raison de la nature des données
de comparaison internationale, qui sont en continuelle, mais lente,
amélioration, et deuxièment en raison des différents
problèmes économétriques rencontrés dans la
spécification des modèles empiriques utilisés. Nous avons
vu que cette ambiguïté qui règne dans les travaux de mesures
de l'effet de l'éducation sur la croissance économique, a
poussé certains auteurs comme Pritchett à s'interroger sur
l'existence même d'un lien entre éducation et croissance
économique, principalement pour les pays en voie de
développement, Pritchett alimente l'idée selon laquelle les
résultats négatifs trouvés ne sont pas dû à
la mauvaise qualité des données disponibles ou à des
méthodes empiriques défaillantes, mais principalement à
l'hétérogénéité des pays, certains pays
auront donc des effet négatifs de l'éducation sur la croissance
économique et ceci est dû principalement à l'environnement
institutionnel et politique de ces pays.
Malgré que la plupart des auteurs ont exclu les pays
pétrolier de leurs échantillons des pays étudiés,
en raison du caractère rentier de leurs économies, Certains
d'autres ont jugé nécessaire de les inclure. Ainsi, nous avons
montré sur la base des travaux de ces derniers auteurs, que la
majorité des pays pétroliers et parmi eux l'Algérie ont
eut une productivité totale des facteurs négative. Nous avons
ensuite analysé l'évolution de cette productivité pour le
cas de l'Algérie et nous avons expliqué les causes de sa
négativité.
Afin de répondre à la problématique
posée dans le début de notre travail et après avoir
répondu dans les 2 premiers chapitres aux deux questions que nous avons
dérivé de cette problématique à savoir :
· Comment le système éducatifs
algériens a-t-il évolué ?
· Dans quelle mesure la littérature
empirique existante peut-elle évaluer l'impacte de l'éducation
sur la croissance économique ?
nous avons consacré un 3ème
chapitre, dans lequel nous avons présenter la théorie des
modèles univariés et multivariés des séries
temporelles et plus précisément celle des vecteurs
autorégressifs « VAR ».
Après avoir stationnarisé les séries,
nous avons construit deux modèles VAR, le premier comprend les variables
SCO, BAC, DEP et PIB, le 2nd comprend les variables DIP et PIB. Nous
avons testé l'existence d'éventuelles relations de
cointégration entre les variables, et nous avons trouvés les
tests négatifs.
L'utilisation du modèle VAR nous a permis de voir les
différentes interactions qui existent au sein des variables
d'éducations d'une part, et entre ces mêmes variables et la
croissance économique représentée par la variable PIB
d'autre part. Ces interactions ont été étudiées en
utilisant les fonctions de fréquences impulsionnelles. Ces
dernières nous ont montré comment le PIB s'est comporté,
via les choques appliquées aux différentes variables
d'éducation et vice versa. Nous avons montré que ces chocs
étaient transitoires, ce qui a confirmé la stationnarité
de nos modèles var estimés.
L'analyse de causalité de granger nous a permis de
répondre à la 3ème question
dérivé de la problématique à savoir :
· Existe-il des relations de causalité entre
les sphères éducatives et économiques en
Algérie?
En répondant oui, à cette question nous avons
aussi rejeter la première hypothèse de notre recherche selon
laquelle Aucune relation de causalité n'existe.
En ce qui concerne l'hypothèse n° 2
selon laquelle La relation de causalité
existe, nous avons montré que cette hypothèse fonctionne
dans un seul sens, c'est-à-dire que la relation de causalité qui
existe est unidirectionnelle, elle fonctionne dans un sens unique, celui de la
croissance vers l'éducation : les résultats des tests de
causalités ont montré l'existence d'une relation de
causalité de la croissance vers le nombre de bachelier dans le premier
modèle, et de la croissance vers le nombre de diplômés dans
le 2nd modèle.
Notre analyse de causalité nous a fourni d'autres
informations concernant l'exogèneité des variables
étudiées. Ainsi, tous les variables d'éducation, à
savoir (les dépenses, les bacheliers, et les effectifs
scolarisées) pour le premier modèle et la variable
diplômée pour le 2nd modèle sont toutes
exogènes par rapport à la croissance économique. Ce
résultat signifie que les théories néoclassiques comme
celles adoptés par Solow (qui suppose que le progré technique est
un facteur exogène au système) sont plus aptes à expliquer
la nature de la relation entre éducation et croissance économique
en Algérie, car elle concordent plus avec les résultats de notre
modèle, contrairement aux théories de la croissance
endogène qui supposent que le capital humain est endogène au
système.
Enfin, notre plus grand souhait est de voir ce travail
constituer une plate forme scientifique à d'autres recherches dans
l'avenir, pour essayer de répondre à plusieurs questions non
abordées par notre recherche à savoir :
· Pourquoi l'éducation ne cause pas la
croissance économique ?
· Comment permettre à l'éducation
d'être un moteur de croissance économique dans notre pays
?
Bibliographie
Livres:
Boudjema Rachid., «Cours de comptabilité
nationale», OPU,2003. Bourbonnais R., « Econométrie », 4e
édition, Dunod, Paris, 2002.
Bourbonnais R., Terraza M., « Analyse des séries
temporelles en économie », Dunod, Paris,2004.
Feroukhi D., « La problématique de
l'adéquation formation-emploi mode d'insertion et trajectoires
professionnelle des diplômés des sciences exactes et de la
technologie », cread, SARP,2005.
Guellec D, Ralle P., « Les nouvelles théories de la
croissance », collection repères, 5ème édition, La
découverte ,2003.
Johnston J., Dinardo J., «Econometric methods», 4th Ed,
McGraw-Hill International Edition 1997.
Lardic S., Mignon V., « Econométrie des Séries
Temporelles Macroéconomiques et Financières », Economica,
Paris, 2002.
Teulon.F., « Croissance crise et développement
», collection major, 7ème édition, PUF, 2004.
Mémoires :
Bettaieb M., « La causalité entre
l'inflation et les rendements boursiers réels au Canada »
mémoire. Canada : Faculté d'administration Université de
Sherbrooke, 149 p.
Disponible sur : <
http://www.collectionscanada.ca/obj/s4/f2/dsk2/ftp03/MQ35660.pdf
> (consulté en Mai 2006).
Déme L., « éducation, capital humain et
développement économique » Mémoire
présenté à la Faculté des études
supérieures de l'université Laval pour l'obtention du grade de
maître arts (M.A.). Août 2000, 50p.
Disponible sur :<
www.nlc-bnc.
ca/obj/s4/f2/dsk1/tape3/PQDD0015/MQ55579.pdf>
(consulté en mai 2006).
Gingras J, « Le rôle de l'abondance des ressources
naturelles dans la croissance économique », Mémoire
Présenté à la Faculté des études
supérieures de l'université Laval pour l'obtention du grade de
Maîtres arts Octobre 1997.,47P. Disponible sur :
<
www.collectionscanada.ca/obj/s4/f2/dsk2/ftp04/mq26213.pdf
> (consulté en mai 2006).
Publications et rapports :
KHOUDJA M., « Population et éducation en
Algérie : Bilan et perspectives » document de recherche,
université d'Oran, dec 2005.
jaoul Magali. LAMETA, Université Montpellier I. «
Education, population et croissance en France après la Seconde Guerre
mondial : une analyse cliométrique ».
Disponible sur :<
http://www.lameta.univ-montp1.fr/download/DT/WP2002-13.pdf
> (consulté en décembre 2005).
Dolger Cédric. LAMETA, Université Montpellier I.
« Le rôle de l'éducation dans la baisse de la
fécondité d'après- gurre ». Disponible sur :
<
http://
www.lameta.univ-montp1.fr/download/DT/WP2002-13.pdf >
(consulté en décembre 2005)
Dickey D., Fuller W., «Likelihood ratio statistics for
autoregressive time series with a unit root». Econometrica. Vol
49, pp 1057-1072, 1981(version PDF).
Baudlot.C et Leclerq.F. « Les effets de l'éducation
», Rapport à l'intention du Piref (Programme incitatif de recherche
en éducation et formation) janvier 2004. Disponible sur :
<
http://
www.recherche.gouv.fr/appel/2004/confavril04.rtf >
(consulté en décembre 2005)
Gurgand Marc. « Capital humain et croissance : la
littérature empirique à un tournant ». Revue de l'institut
économie public, N°06-2000/2. Disponible sur :
<
http://www.economie-publique.fr/document1636.html
> (consulté en Février
2006).
UNESCO., « Algérie. Rapport national sur le
développement de l'éducation » 47ème
session de la conférence international de l'éducation.
Genève 8-11 Sep 2004. Disponible sur :
<
www.ibe.unesco.org/international/
ICE47/English/Natreps/reports/algeria_ocr.pdf> (Mars 2006).
L'angevin.C et Laib., « Éducation et croissance
économique en France et dans un panel de 21 pays de l'OCDE »,
document de recherche n° G 2005/08. Disponible sur :
<
www.insee.fr/fr/nom_def_met/methodes/
doc_travail/docs_doc_travail/g2005-08.pdf> (Avril 2006).
Boutaleb K., « Reformes libérales et
développement de l'enseignement et de la formation en Algérie :
réalité et perspectives », Colloque "Éducation,
formation et dynamique du capitalisme contemporain" LASER/CEP - IRD - UFR de
Sciences Économiques - Université de Montpellier I 24 - 25 juin
2004. Disponible sur :
< www.sceco.univ-montp1.fr/
Colloque_IRD/communications/8.pdf> (consulté en avril
2006).
Makdisi S, Fattah Z, Limam I., « Determinants of growth in
the MENA countries », juin 2000. Disponible sur : <
http://www.arab-api.org/wps0301.pdf>.
(Consulté en Mai 2006)
ème
Arbod G., « un modèle de croissance des
économies pétrolières », communication au XV
Journées du SESAME, Rennes-France ,26-27 Sep 2005. Disponible sur :
<http:// colloquesesame2005.univ-rennes1.fr/
communications_sesame_fichiers/arbod.pdf> (consulté Mai
2006).
William C., « Algérie-contre performance
économique et fragilité institutionnelle », publication paru
à la revue « Confluence Méditerrané », n°45
printemps 2003. Disponible sur : <
www.algeria-watch.org/pdf/pdf_fr/byrd_fragilite.pdf>
(consulté en Mai 2006).
Sites Internet :
www.dauphine.fr/eurisco/christophe.hurlin.html
Page perso du professeur Christophe HURLIN. Ce site contient des
cours d'économétrie et de séries temporelles, ainsi que
des documents de recherches.
http://beagle.u-bordeaux4.fr/yildi/croissance/
Site de cours est de notes sur les théories de la
croissance économiques de Mr Murat Yildizoglu professeur à
l'Université Montesquieu Bordeaux IV.
www.lameta.univ-montp1.fr/
Site du laboratoire montpelliérain d'économie
théorique et appliquée. Ce site contient des
documents de recherches en ligne.
http://www.insee.fr/fr/
Site de l'Institut National de la Statistique et des
Études Économiques en france. Ce site contient des données
macroéconomiques internationales, ainsi que de documents de
recherche.
www.arab-api.org
Site de L'Institut Arabe de Planification. Ce site contient des
documents de recherche sur les économies des pays arabes.
http://devdata.worldbank.org/query/default.htm
Site de la banque mondiale, il contient une base de
données sur les séries macroéconomiques
internationales.
http://www.econstats.com
Site contenant une base de données sur les séries
macroéconomiques d'une centaine de pays.
http://www.canal-u.fr/canalu/chainev2/utls/
Canal-U est la webtélévision de l'enseignement
supérieur. A travers un bouquet de chaînes, étudiants,
enseignants, et grand public ont accès à des programmes
audiovisuels enrichis de documents pédagogiques.
www.canal-u.fr/canalu/chainev2/utls/programme/119_cycles_et_fluctuations_economiques/
ABRAHAM-FROIS, GILBERT, « Cycles et fluctuation
économique », conférence. Visité en avril 2006.
www.canal-u.fr/canalu/chainev2/utls/
programme/58_demographie_et_croissance_economique/ CHESNAIS, Jean
Claude, « Démographie et croissance économique »,
conférence. Visité en avril 2006.
http://www.canal-u.fr/canalu/chainev2/utls/programme/175_economie_et_mathematiques/
EKELAND Ivar, « Economie et mathematique »,
conférence. Visité en avril 2006.
http://www.canal-u.fr/canalu/chainev2/utls/programme/117_economie_et_innovation/
LORENZI, Jean-Hervé, « Economie et innovation »,
conférence. Visité en avril 2006.
Table des matières
Introduction Générale
1
Chapitre I : Évolution du système
éducatif Algérien. 5
Introduction 6
Section 1 : Évolution des réformes.
7
1.1. Les politiques scolaires adoptées par
l'Algérie dés l'indépendance. 7
1.1.a. La décolonisation de l'enseignement. 7
1.1.b. L'arabisation. 7
1.1.c. Démocratisation de l'enseignement. 8
1.2. les réformes du système éducatif. 8
1.2.a. La réforme de l'enseignement supérieur de
1971. 8
1.2.b. Le plan quadriennal (1974-1977) « l'instauration de
l'école 9
fondamentale »
1.2.c. La création du conseil supérieur de
l'éducation. 9
1.2.d. La nouvelle réforme du système
éducatif. 9
Section 2 : Structure et organisation actuelle du
système éducatif Algérien 11
2.1. L'éducation préscolaire. 11
2.2. L'enseignement de base. 11
2.3. L'enseignement secondaire. 12
2.4. l'enseignement universitaire. 13
2.5. La formation professionnelle. 13
2.6. La formation des adultes. 14
Section 3 : Evolution des effectifs scolaire et du budget
de l'éducation. 15
3.1. L'évolution des effectifs scolaires. 15
3.2. L'évolution des effectifs des filles. 15
3.3. les dépenses publiques afférentes à
l'éducation. 17
Section 4: Evaluation par degré d'enseignement
19
4.1. L'enseignement préscolaire. 19
4.2. L'enseignement fondamental. 19
4.2.a. Effectif scolaire. 19
4.2.b. Taux de scolarisation. 19
4.2.c. Personnel enseignant. 20
4.2.d. Infrastructures. 20
4.2.e. Taux d'admission dans les différents examens 21
4.3. L'enseignement secondaire. 22
4.3.a. Effectif scolaire. 22
4.3.b. Taux de réussite au baccalauréat. 22
4.3 .c. Personnel enseignant 22
4.4. L'enseignement supérieur 23
4.4.a. Effectifs des inscrits en graduation et poste graduation.
23
4.4.b. Evolution du nombre de diplômés. 24
4.4.c. Personnel enseignant. 24
4.4.d. Infrastructure. 25
Conclusion 26
Chapitre II : Survol de la littérature empirique
traitant de la relation 27
éducation/ croissance
économique.
Introduction. 28
Section 1 : Le capital humain dans les modèles
théoriques de croissance. 29
1.1. Les modèles néoclassiques. 29
1.1 .a. La fonction de production. 29
1.1.b. Le modèle. 30
1.1.c. Règle d'or. 30
1.1 .d. Introduction du progrès techniques. 30
1.2. Les modèles de croissance endogène. 31
1 .2.a. Un modèle général de croissance
endogène. 32
1 .2.b. Modèle de Solow avec capital humain. 32
Section 2 : L'analyse empirique de la relation entre
capital humain et croissance. 35
2.1. Les estimations du modèle de croissance
néoclassiques. 35
2.2. Les méthodes économétriques
utilisées. 37
2.3. Explication des résultats contradictoires. 39
Section 3 : La contribution de la productivité
total des facteurs de production 42
dans les estimations des modèles de croissance
des pays pétroliers.
3.1. Régularités empiriques de la croissance
économique des pays pétroliers en 42
développement.
3.1.a. Présentation. 42
3.1 .b. Observations empiriques. 43
3.1 .c. Discussion. 44
3.2. Les estimation de la PTF dans les modèles de
croissance des pays pétroliers 45
Conclusion. 48
Chapitre III : Etude
économétrique. 49
Introduction. 50
Section 1 : Processus aléatoires et
représentation VAR. 50
1.1. Généralités sur les processus
aléatoires univariés. 50
1.1.a. Notions et définitions. 50
1.1.b. processus aléatoires stationnaires. 50
1.1.c. Processus aléatoire non stationnaire. 55
1.2. Modélisation multivariée et
cointégration. 61
1.2.a. Modélisation VAR. 62
1.2.b La cointegration. 67
Section 2 : Principaux résultats et
interprétation. 68
2.1. Présentation des données et
méthodologie suivie. 68
2.1.a. Données. 68
2.1.b. Méthodologie. 68
2.2. Application. 69
2.2.a. Analyse et traitement des séries. 69
1. Analyse de la série du produit intérieur brut.
69
2. Analyse de la série des dépenses
d'éducation. 74
3. Analyse de la série des effectifs scolarisés
tous les niveaux confondus. 79
4. Analyse de la série du nombre de bacheliers. 84
5. Analyse de la série du nombre de
diplômés. 89
2.2.b Résultats d'estimations des modèles. 94
1. Estimation du premier modèle VAR. 94
2. Estimation du deuxième modèle VAR. 101
2.3. Interprétation économique de l'ensemble des
résultats 105
Conclusion. 107
Conclusion Générale.
108
Bibliographie. 110
Tables des matières. 113
Annexes 116
ANNEXE
ANNEXE 1
Tableaux des données sur
l'éducation
TABLEAU A.1.1 : E VOL UTION DES EFFECTIFS ELE VES
PAR CYCLE D'ENSEIGNEMENT
(1962/63 - 2004/05)
|
ANNEES
|
1 & 2 CYCLES
DU
FONDAMENTAL
|
3 ème
CYCLE
DU
FONDAMENTAL
|
SECONDAIRE
|
ENSEMBLE
|
|
Général
|
technique
|
Total
secondaire
|
TOTAL
|
|
1962-1963
|
777.636
|
30.790
|
...
|
,,,
|
...
|
808.426
|
|
1963-1964
|
1.049.435
|
74.384
|
...
|
,,,
|
5.823
|
1.129.642
|
|
1964-1965
|
1.215.037
|
89.549
|
7.634
|
1.397
|
9.031
|
1.313.617
|
|
1965-1966
|
1.332.203
|
107.944
|
9.881
|
2.332
|
12.213
|
1.452.360
|
|
1966-1967
|
1.370.357
|
115.334
|
12.368
|
2.277
|
14.645
|
1.500.336
|
|
1967-1968
|
1.460.776
|
123.586
|
15.346
|
3.994
|
19.340
|
1.603.702
|
|
1968-1969
|
1.551.489
|
138.502
|
17.768
|
4.316
|
22.084
|
1.712.075
|
|
1969-1970
|
1.689.023
|
162.198
|
23.121
|
5.509
|
28.630
|
1.879.851
|
|
1970-1971
|
1.851.416
|
191.957
|
29.212
|
5.776
|
34.988
|
2.078.361
|
|
1971-1972
|
2.018.091
|
241.924
|
36.288
|
5.998
|
42.286
|
2.302.301
|
|
1972-1973
|
2.206.893
|
272.345
|
45.947
|
7.852
|
53.799
|
2.533.037
|
|
1973-1974
|
2.376.344
|
299.908
|
57.470
|
8.203
|
65.673
|
2.741.925
|
|
1974-1975
|
2.499.605
|
336.007
|
66.655
|
9.142
|
75.797
|
2.911.409
|
|
1975-1976
|
2.641.446
|
395.875
|
87.266
|
10.305
|
97.571
|
3.134.892
|
|
1976-1977
|
2.782.044
|
489.004
|
101.806
|
10.197
|
112.003
|
3.383.051
|
|
1977-1978
|
2.894.084
|
595.493
|
123.788
|
10.639
|
134.427
|
3.624.004
|
|
1978-1979
|
2.972.242
|
679.623
|
142.526
|
10.923
|
153.449
|
3.805.314
|
|
1979-1980
|
3.061.252
|
737.902
|
170.435
|
12.770
|
183.205
|
3.982.359
|
|
1980-1981
|
3.118.827
|
804.621
|
197.455
|
14.493
|
211.948
|
4.135.396
|
|
1981-1982
|
3.178.912
|
891.452
|
232.648
|
16.348
|
248.996
|
4.319.360
|
|
1982-1983
|
3.241.926
|
1.001.420
|
259.442
|
19.857
|
279.299
|
4.522.645
|
|
1983-1984
|
3.336.536
|
1.126.520
|
293.783
|
32.086
|
325.869
|
4.788.925
|
|
1984-1985
|
3.414.705
|
1.252.895
|
316.272
|
42.577
|
358.849
|
5.026.449
|
|
1985-1986
|
3.481.288
|
1.399.890
|
356.616
|
66.886
|
423.502
|
5.304.680
|
|
1986-1987
|
3.635.332
|
1.472.545
|
405.008
|
98.300
|
503.308
|
5.611.185
|
|
1987-1988
|
3.801.651
|
1.490.863
|
463.700
|
128.083
|
591.783
|
5.884.297
|
|
1988-1989
|
3.911.388
|
1.396.326
|
558.543
|
156.423
|
714.966
|
6.022.680
|
|
1989-1990
|
4.027.612
|
1.408.522
|
588.765
|
165.182
|
753.947
|
6.190.081
|
|
1990-1991
|
4.189.152
|
1.423.316
|
598.904
|
153.360
|
752.264
|
6.364.732
|
|
1991-1992
|
4.357.352
|
1.490.035
|
646.720
|
96.025
|
742.745
|
6.590.132
|
|
1992-1993
|
4.436.363
|
1.558.046
|
618.030
|
129.122
|
747.152
|
6.741.561
|
|
1993-1994
|
4.515.274
|
1.618.622
|
686.177
|
107.280
|
793.457
|
6.927.353
|
|
1994-1995
|
4.548.827
|
1.651.510
|
757.420
|
63.639
|
821.059
|
7.021.396
|
|
1995-1996
|
4.617.728
|
1.691.561
|
784.108
|
69.195
|
853.303
|
7.162.592
|
|
1996-1997
|
4.674.947
|
1.762.761
|
790.593
|
64.888
|
855.481
|
7.293.189
|
|
1997-1998
|
4.719.137
|
1.837.631
|
814.102
|
64.988
|
879.090
|
7.435.858
|
|
1998-1999
|
4.778.870
|
1.898.748
|
847.202
|
62.725
|
909.927
|
7.587.545
|
|
1999-2000
|
4.843.313
|
1.895.751
|
864.210
|
57.749
|
921.959
|
7.661.023
|
|
2000-2001
|
4.720.950
|
2.015.370
|
917.543
|
58.319
|
975.862
|
7.712.182
|
|
2001-2002
|
4.691.870
|
2.116.087
|
980.051
|
60.996
|
1.041.047
|
7.849.004
|
|
2002-2003
|
4.612.574
|
2.186.338
|
1.030.040
|
65.690
|
1.095.730
|
7.894.642
|
|
2003-2004
|
4.507.703
|
2.221.795
|
1.056.679
|
65.716
|
1.122.395
|
7.851.893
|
|
2004-2005
|
4.361.744
|
2.256.232
|
1.058.962
|
64.161
|
1.123.123
|
7.741.099
|
|
Années
|
1 &2 Cycles
|
3ème Cycle
|
Secondaire
|
Ensemble
|
|
Fille
|
%
|
Fille
|
%
|
Fille
|
%
|
Fille
|
%
|
|
1962-1963
|
282.842
|
36,37
|
8.815
|
28,63
|
...
|
...
|
...
|
...
|
|
1963-1964
|
398.871
|
38,01
|
22.358
|
30,06
|
1.277
|
21,93
|
422.506
|
37,4
|
|
1964-1965
|
463.130
|
38,12
|
26.207
|
29,27
|
1.873
|
20,74
|
491.210
|
37,39
|
|
1965-1966
|
504.552
|
37,87
|
32.455
|
30,07
|
3.042
|
24,91
|
540.049
|
37,18
|
|
1966-1967
|
513.115
|
37,44
|
33.493
|
29,04
|
3.743
|
25,56
|
550.351
|
36,68
|
|
1967-1968
|
543.776
|
37,23
|
35.771
|
28,94
|
4.961
|
25,65
|
584.508
|
36,45
|
|
1968-1969
|
575.379
|
37,09
|
39.073
|
28,21
|
5.815
|
26,33
|
620.267
|
36,23
|
|
1969-1970
|
630.870
|
37,35
|
45.276
|
27,91
|
7.350
|
25,67
|
683.496
|
36,36
|
|
1970-1971
|
700.924
|
37, 86
|
53.618
|
27,93
|
9.633
|
27,53
|
764.175
|
36,77
|
|
1971-1972
|
771.516
|
38, 23
|
68.724
|
28,41
|
11.380
|
26,91
|
851.620
|
36,99
|
|
1972-1973
|
855.031
|
38, 74
|
85.054
|
31,23
|
14.414
|
26,79
|
954.499
|
37,68
|
|
1973-1974
|
928.143
|
39, 06
|
98.698
|
32,91
|
17.253
|
26,27
|
1.044.094
|
38,08
|
|
1974-1975
|
984.991
|
39, 41
|
114.115
|
33,96
|
21.520
|
28,39
|
1.120.626
|
38,49
|
1975-1976
|
1.051.760
|
39, 82
|
138.669
|
35,03
|
27.601
|
28,29
|
1.218.030
|
38,85
|
1976-1977
|
1.128.159
|
40, 55
|
172.081
|
35,19
|
34.083
|
30,43
|
1.334.323
|
39,44
|
|
|
1977-1978
|
1.181.576
|
40, 83
|
216.369
|
36,33
|
44.132
|
32,83
|
1.442.077
|
39,79
|
|
1978-1979
|
1.227.932
|
41, 31
|
254.467
|
37,44
|
53.483
|
34,85
|
1.535.882
|
40,36
|
|
1979-1980
|
1.274.581
|
41, 64
|
285.383
|
38,67
|
63.738
|
34,79
|
1.623.702
|
40,77
|
|
1980-1981
|
1.307.550
|
41, 92
|
313.849
|
39,01
|
77.897
|
36,75
|
1.699.296
|
41,09
|
|
1981-1982
|
1.338.761
|
42, 11
|
355.543
|
39,88
|
95.029
|
38,16
|
1.789.333
|
41,43
|
|
1982-1983
|
1.375.135
|
42, 42
|
402.381
|
40,18
|
108.498
|
38,85
|
1.886.014
|
41,70
|
|
1983-1984
|
1.422.855
|
42, 64
|
458.126
|
40,67
|
131.757
|
40,43
|
2.012.738
|
42,03
|
|
1984-1985
|
1.469.043
|
43, 02
|
512.589
|
40,91
|
148.439
|
41,37
|
2.130.071
|
42,38
|
|
1985-1986
|
1.516.157
|
43, 55
|
577.825
|
41,28
|
179.686
|
42,43
|
2.273.668
|
42,86
|
|
1986-1987
|
1.599.458
|
44, 00
|
599.464
|
40,71
|
218.898
|
43,49
|
2.417.820
|
43,09
|
|
1987-1988
|
1.682.514
|
44, 26
|
604.605
|
40,55
|
262.774
|
44,40
|
2.549.893
|
43,33
|
|
1988-1989
|
1.741.376
|
44, 52
|
566.660
|
40,58
|
322.875
|
45,16
|
2.630.911
|
43,68
|
|
1989-1990
|
1.798.783
|
44, 66
|
578.838
|
41,10
|
342.788
|
45,47
|
2.720.409
|
43,95
|
|
1990-1991
|
1.877.990
|
44, 83
|
592.583
|
41,63
|
350.774
|
46,63
|
2.821.347
|
44,33
|
|
1991-1992
|
1.965.859
|
45, 12
|
629.824
|
42,27
|
352.093
|
47,40
|
2.947.776
|
44,73
|
|
1992-1993
|
2.011.685
|
45, 35
|
888.619
|
57,03
|
358.062
|
47,92
|
3.258.366
|
48,33
|
|
1993-1994
|
2.061.349
|
45, 65
|
911.625
|
56,32
|
386.224
|
48,68
|
3.359.198
|
48,49
|
|
1994-1995
|
2.086.456
|
45, 87
|
923.815
|
55,94
|
409.246
|
49,84
|
3.419.517
|
48,70
|
|
1995-1996
|
2.129.494
|
46, 12
|
751.023
|
44,40
|
430.416
|
50,44
|
3.310.933
|
46,23
|
|
1996-1997
|
2.164.303
|
46, 30
|
804.070
|
45,61
|
449.506
|
52,54
|
3.417.879
|
46,86
|
|
1997-1998
|
2.193.983
|
46, 49
|
854.952
|
46,52
|
472.302
|
53,73
|
3.521.237
|
47,35
|
|
1998-1999
|
2.229.152
|
46, 65
|
896.262
|
47,20
|
499.435
|
54,89
|
3.624.849
|
47,77
|
|
1999-2000
|
2.264.608
|
46, 76
|
908.608
|
47,93
|
516.519
|
56,02
|
3.689.735
|
48,16
|
|
2000-2001
|
2.210.114
|
46, 82
|
968.544
|
48,06
|
547.945
|
56,15
|
3.726.603
|
48,32
|
|
2001-2002
|
2.204.374
|
46, 98
|
1.016.556
|
48,04
|
585.486
|
56,24
|
3.806.416
|
48,50
|
|
2002-2003
|
2.166.045
|
46,96
|
1.057.978
|
48,39
|
621.647
|
56,73
|
3.845.670
|
48,71
|
|
2003-2004
|
2.119.454
|
47,02
|
1.083.046
|
48,74
|
645.782
|
57,53
|
3.848.282
|
49,01
|
|
2004-2005
|
2.049.927
|
46,99
|
1.123.123
|
49,03
|
641.61
|
57,72
|
3.804.512
|
49,14
|
|
Années
|
GRADUATION
|
POST GRADUATION
|
Ensemble
|
|
FEMME
|
%
|
FEMME
|
%
|
FEMME
|
%
|
|
1962-1963
|
576
|
21,14
|
...
|
...
|
...
|
...
|
|
1963-1964
|
783
|
21,04
|
34
|
21,79
|
817
|
21,07
|
|
1964-1965
|
1.135
|
20,14
|
47
|
22,27
|
1.182
|
20,22
|
|
1965-1966
|
1.429
|
20,76
|
58
|
25,11
|
1.487
|
20,9
|
|
1966-1967
|
1.349
|
18,04
|
58
|
20,28
|
1.407
|
18,12
|
|
1967-1968
|
1.884
|
21,57
|
42
|
17,87
|
1.926
|
21,47
|
|
1968-1969
|
2.255
|
23,02
|
51
|
17,65
|
2.306
|
22,87
|
|
1969-1970
|
2.911
|
23,78
|
60
|
18,93
|
2.971
|
23,65
|
|
1970-1971
|
4.154
|
21,51
|
74
|
17,49
|
4.228
|
21,42
|
|
1971-1972
|
5.334
|
22,78
|
197
|
21,39
|
5.531
|
22,73
|
|
1972-1973
|
5.855
|
22,46
|
58
|
5,53
|
5.913
|
21,8
|
|
1973-1974
|
6.864
|
23,3
|
157
|
13,03
|
7.021
|
22,89
|
|
1974-1975
|
8.422
|
23,57
|
947
|
67,64
|
9.369
|
25,23
|
|
1975-1976
|
9.684
|
23,22
|
429
|
24,29
|
10.113
|
23,26
|
|
1976-1977
|
11.659
|
23,27
|
537
|
23,25
|
12.196
|
23,27
|
|
1977-1978
|
12.138
|
23,39
|
746
|
28,11
|
12.884
|
23,62
|
|
1978-1979
|
12.677
|
24,61
|
709
|
21,94
|
13.386
|
24,45
|
|
1979-1980
|
14.540
|
25,31
|
1.051
|
26,51
|
15.591
|
25,39
|
|
1980-1981
|
18.092
|
27,39
|
1.390
|
26,58
|
19.482
|
27,33
|
|
1981-1982
|
21.965
|
30,26
|
1.430
|
26,34
|
23.395
|
29,99
|
|
1982-1983
|
29.644
|
32,88
|
1.553
|
27,14
|
31.197
|
32,54
|
|
1983-1984
|
32.382
|
33,38
|
2.289
|
31,42
|
34.671
|
33,25
|
|
1984-1985
|
35.343
|
34,24
|
2.696
|
31
|
38.039
|
33,99
|
|
1985-1986
|
41.558
|
34,04
|
3.490
|
34,99
|
45.048
|
34,11
|
|
1986-1987
|
50.685
|
35,37
|
3.992
|
35
|
54.677
|
35,34
|
|
1987-1988
|
57.688
|
35,73
|
4.055
|
33
|
61.743
|
35,54
|
|
1988-1989
|
60.635
|
36,37
|
4.462
|
33,05
|
65.097
|
36,12
|
|
1989-1990
|
64.784
|
35,72
|
4.658
|
33,35
|
69.442
|
35,55
|
|
1990-1991
|
77.962
|
39,46
|
4.116
|
27,71
|
82.078
|
38,64
|
|
1991-1992
|
88.833
|
40,22
|
4.669
|
30,5
|
93.502
|
39,59
|
|
1992-1993
|
102.249
|
42,01
|
4.721
|
33,76
|
106.970
|
41,56
|
|
1993-1994
|
101.177
|
42,5
|
4.925
|
38,56
|
106.102
|
42,29
|
|
1994-1995
|
102.633
|
43,05
|
4.621
|
33,23
|
107.254
|
42,5
|
|
1995-1996
|
113.965
|
45,16
|
3.865
|
26,21
|
117.830
|
44,12
|
|
1996-1997
|
130.397
|
45,66
|
4.475
|
26,42
|
134.872
|
44,59
|
|
1997-1998
|
146.461
|
43,14
|
4.022
|
22,19
|
150.483
|
42,08
|
|
1998-1999
|
188.555
|
50,6
|
6.356
|
33,06
|
194.911
|
49,74
|
|
1999-2000
|
208.523
|
51,13
|
4.650
|
22,31
|
213.173
|
49,73
|
|
2000-2001
|
245.244
|
52,62
|
8.792
|
38,98
|
254.036
|
51,99
|
|
2001-2002
|
293.652
|
53,99
|
10.413
|
40
|
304.065
|
53,35
|
|
2002-2003
|
326.933
|
55,41
|
11.667
|
44,4
|
338.600
|
54,94
|
|
2003-2004
|
347.374
|
55,76
|
13.038
|
43,14
|
360.412
|
55,18
|
|
2004-2005
|
415.242
|
57,53
|
14.670
|
43,62
|
429.912
|
56,91
|
Source : Source : ministère de l'enseignement
supérieur et de la recherche scientifique.
TABLEAU A.1.4 : EVOL
UTION DES CREDITS ALLOUES AUX BUDGET D'EQUIPEMENT ET DU
FONCTIONNEMENT (en
milliers de DA) Années: 1962/63 - 2004/05
|
ANNEES
|
FONCTIONNEMENT
|
EQUIPEMENT
|
|
ETAT
|
Education
Nationale
|
%
|
ETAT
|
Education
Nationale
|
%
|
|
1962-1963
|
...
|
...
|
...
|
...
|
...
|
...
|
|
1963-1964
|
2912737
|
322719
|
11,08
|
...
|
...
|
...
|
|
1964-1965
|
2632194
|
548908
|
20,85
|
1108706
|
170800
|
15,41
|
|
1965-1966
|
3052580
|
497138
|
16,29
|
903460
|
234200
|
25,92
|
|
1966-1967
|
3200000
|
630000
|
19,69
|
1745715
|
30000
|
1,72
|
|
1967-1968
|
3332000
|
680000
|
20,41
|
1375000
|
200000
|
14,55
|
|
1968-1969
|
2539200
|
745000
|
29,34
|
1537000
|
147850
|
9,62
|
|
1969-1970
|
3890000
|
850000
|
21,85
|
4009000
|
614000
|
15,32
|
|
1970-1971
|
4447000
|
980000
|
22,04
|
3573000
|
654000
|
18,3
|
|
1971-1972
|
4915000
|
1036993
|
21,1
|
2835000
|
669000
|
23,6
|
|
1972-1973
|
5500000
|
1233665
|
22,43
|
3435000
|
525700
|
15,3
|
|
1973-1974
|
6430000
|
1429900
|
22,24
|
4190000
|
665000
|
15,87
|
|
1974-1975
|
7673000
|
1609900
|
20,98
|
13022000
|
666000
|
5,11
|
|
1975-1976
|
13168776
|
2106083
|
15,99
|
8685000
|
125000
|
1,44
|
|
1976-1977
|
14600000
|
2412000
|
16,52
|
10873500
|
392000
|
3,61
|
|
1977-1978
|
15850000
|
2771300
|
17,48
|
13211400
|
1025600
|
7,76
|
|
1978-1979
|
18165000
|
3348650
|
18,43
|
2913444
|
288005
|
9,89
|
|
1979-1980
|
20621000
|
4231949
|
20,52
|
16260000
|
315400
|
1,94
|
|
1980-1981
|
27715837
|
4955227
|
17,88
|
23122000
|
231500
|
1
|
|
1981-1982
|
36195250
|
6723004
|
18,57
|
31593000
|
285000
|
0,9
|
|
1982-1983
|
42238249
|
7882113
|
18,66
|
42604000
|
213000
|
0,5
|
|
1983-1984
|
50421000
|
8744757
|
17,34
|
48246000
|
253000
|
0,52
|
|
1984-1985
|
59709000
|
10134728
|
16,97
|
46026000
|
6490000
|
14,1
|
|
1985-1986
|
64186370
|
11026745
|
17,18
|
52800000
|
6520000
|
12,35
|
|
1986-1987
|
67000000
|
13620775
|
20,33
|
61000000
|
7470000
|
12,25
|
|
1987-1988
|
63000000
|
15886000
|
25,22
|
45000000
|
7854000
|
17,45
|
|
1988-1989
|
65500000
|
17081000
|
26,08
|
47500000
|
7100000
|
14,95
|
|
1989-1990
|
71900000
|
17852228
|
24,83
|
49500000
|
7130000
|
14,4
|
|
1990-1991
|
84000000
|
24953473
|
29,71
|
56012000
|
4551364
|
8,13
|
|
1991-1992
|
118300000
|
30500000
|
25,78
|
77000000
|
5124000
|
6,65
|
|
1992-1993
|
203900000
|
43998241
|
21,58
|
124000000
|
9199334
|
7,42
|
|
1993-1994
|
303950251
|
57882714
|
19,04
|
109000000
|
10706796
|
9,82
|
|
1994-1995
|
323272877
|
69688767
|
21,56
|
130000000
|
10200000
|
7,85
|
|
1995-1996
|
437975979
|
86880000
|
19,84
|
295900000
|
12200000
|
4,12
|
|
1996-1997
|
547000000
|
106558630
|
19,48
|
301600000
|
15600000
|
5,17
|
|
1997-1998
|
640600000
|
111394291
|
17,39
|
273500000
|
17900000
|
6,54
|
|
1998-1999
|
771721650
|
124668015
|
16,15
|
205000000
|
19800000
|
9,66
|
|
1999-2000
|
817692715
|
128047426
|
15,66
|
280844000
|
20900000
|
7,44
|
|
2000-2001
|
965328164
|
132753160
|
13,75
|
290239000
|
22005000
|
7,58
|
|
2001-2002
|
836294176
|
137413766
|
16,43
|
415500000
|
29800000
|
7,17
|
|
2002-2003
|
1053366167
|
158109316
|
15,01
|
548978000
|
24176000
|
4,4
|
|
2003-2004
|
1097385900
|
171105928
|
15,59
|
613724000
|
31463000
|
5,13
|
|
2004-2005
|
1200000000
|
186620872
|
15,55
|
720000000
|
38114871
|
5,29
|
TABLEAU A.1. 5 : E VOL UTION D U TAUX DE
SCOLARISATION
- 1970/71 à 2002/2003 -
Unité : %
|
ANNEES
SCOLAIRE
S
|
TAUX REEL DE SCOLARISATION (1)
|
|
Garçons
|
Filles
|
Ecart
|
Ensemble
|
|
1970/71
|
70,4
|
43,9
|
26,5
|
57,3
|
|
1971/72
|
74,1
|
47,6
|
26,5
|
61,1
|
|
1972/73
|
77,6
|
50,6
|
27
|
64,3
|
|
1973/74
|
80,6
|
53,4
|
27,2
|
67,3
|
|
1974/75
|
81,8
|
55,0
|
26,8
|
68,5
|
|
1975/76
|
89,1
|
61,4
|
27,7
|
75,5
|
|
1976/77
|
92,7
|
64,7
|
28
|
79,0
|
|
1977/78
|
88,7
|
64,2
|
24,5
|
76,7
|
|
1978/79
|
88,4
|
65,6
|
22,8
|
77,2
|
|
1979/80
|
88,4
|
65,7
|
22,7
|
77,3
|
|
1980/81
|
88,4
|
67,3
|
21,1
|
78,0
|
|
1981/82
|
88,4
|
67,3
|
21,1
|
78,0
|
|
1983/84
|
89,98
|
71,15
|
18,83
|
80,8
|
|
1984/85
|
90,92
|
72,01
|
18,91
|
81,7
|
|
1985/86
|
92,33
|
72,25
|
20,08
|
82,2
|
|
1986/87
|
93,06
|
73,55
|
19,51
|
83,35
|
|
1987/88 (2)
|
93,78
|
76,03
|
17,75
|
84,80
|
|
1988/89 (2)
|
93,43
|
76,56
|
16,87
|
85,10
|
|
1989/90 (2)
|
93,80
|
77,20
|
16,6
|
85,83
|
|
1990/91 (2)
|
93,65
|
77,87
|
15,78
|
85,98
|
|
199 1/92 (2)
|
93,51
|
78,97
|
14,54
|
86,42
|
|
1992/93 (2)
|
93,56
|
80,08
|
13,48
|
86,96
|
|
1993/94 (2)
|
93,79
|
81,70
|
12,09
|
87,88
|
|
1994/95 (2)
|
93,87
|
82,67
|
11,2
|
88,39
|
|
1995/96 (2)
|
92,80
|
82,73
|
10,07
|
87,87
|
|
1996/97 (2)
|
91,98
|
83,48
|
8,5
|
87,82
|
|
1997/98 (2)
|
91,12
|
84,12
|
7
|
87,69
|
|
1998/99 (2)
|
90,46
|
84,31
|
6,15
|
87,45
|
|
1999/00 (2)
|
91,18
|
85,73
|
5,45
|
88,51
|
|
2000/01(2)
|
93,04
|
88,16
|
4,88
|
90,65
|
|
2001/02(2)
|
93,97
|
89,72
|
4,25
|
91,88
|
|
2002/03(2)
|
94,95
|
91,03
|
3,92
|
93,03
|
(1) Taux réel de scolarisation : Nombre
d'élèves inscrits dans l'élémentaire et le moyen
âgés de 6 à 13 ans rapporté au nombre d'enfants
âgés de 6 à 13 ans
(nom compris les élèves scolarisés de moins
de 6 ans et de plus de 13 ans).
(2) Source : ONS à partir de
l'année scolaire 1987/88 : Taux de scolarisation : Nombre
d'élèves inscrits de 6 à 15 ans rapporté au nombre
d'enfants âgés de 6 à 15 ans.
TABLEAU A1.6. : E VOL UTION DES EFFECTIFS DES
ENSEIGNANTS REPARTIS SELON LA NATIONALITE
(1962/63 -
2004/05)
|
ANNEES
|
ENSEMBLE
|
ALGERIENS
|
ETRANGERS
|
|
E.E*
|
E.M**
|
E.S***
|
E.E
|
E.M
|
E.S
|
E.E
|
E.M
|
E.S
|
|
1962-1963
|
19908
|
2488
|
1216
|
12.696
|
1.237
|
532
|
7.212
|
1.251
|
684
|
|
1963-1964
|
26582
|
2855
|
1614
|
16.778
|
1.380
|
693
|
9.804
|
1.475
|
921
|
|
1964-1965
|
26969
|
2597
|
1574
|
17.108
|
1.185
|
661
|
9.861
|
1.412
|
913
|
|
1965-1966
|
30672
|
3446
|
2121
|
22.173
|
1.693
|
785
|
8.499
|
1.753
|
1.336
|
|
1966-1967
|
30666
|
4438
|
2610
|
24.496
|
1.101
|
799
|
6.197
|
3.337
|
1.811
|
|
1967-1968
|
33313
|
4664
|
2830
|
27.507
|
2.089
|
1.003
|
5.806
|
2.575
|
1.827
|
|
1968-1969
|
36255
|
5161
|
2975
|
31.396
|
2.683
|
1.030
|
4.859
|
2.478
|
1.945
|
|
1969-1970
|
39819
|
6387
|
3123
|
35.170
|
3.061
|
1.030
|
4.649
|
3.326
|
2.093
|
|
1970-1971
|
43.656
|
6.955
|
4.048
|
38.162
|
3.256
|
1.289
|
5.494
|
3.699
|
2.759
|
|
1971-1972
|
49.879
|
7.887
|
4.081
|
44.838
|
3.935
|
1.309
|
5.041
|
3.952
|
2.772
|
|
1972-1973
|
51.461
|
9.153
|
4.140
|
47.459
|
5.310
|
1.201
|
4.002
|
3.843
|
2.939
|
|
1973-1974
|
54.982
|
9.936
|
4.439
|
52.094
|
7.473
|
977
|
2.888
|
2.463
|
3.462
|
|
1974-1975
|
60.178
|
11.211
|
4.718
|
57.570
|
7.516
|
2.077
|
2.608
|
3.695
|
2.641
|
|
1975-1976
|
65.043
|
13.662
|
5.310
|
63.156
|
10.539
|
2.284
|
1.887
|
3.123
|
3.026
|
|
1976-1977
|
70.498
|
15.744
|
5.960
|
68.886
|
12.700
|
2.593
|
1.612
|
3.044
|
3.767
|
|
1977-1978
|
77.009
|
19.663
|
7.042
|
76.025
|
16.053
|
3.286
|
984
|
3.610
|
3.756
|
|
1978-1979
|
80.853
|
23.703
|
7.932
|
80.167
|
20.215
|
4.136
|
686
|
3.488
|
3.796
|
|
1979-1980
|
85.499
|
26.830
|
9.365
|
84.890
|
23.231
|
4.994
|
609
|
3.599
|
4.371
|
|
1980-1981
|
88.481
|
29.555
|
10.458
|
87.841
|
26.778
|
6.264
|
640
|
2.777
|
4.194
|
|
1981-1982
|
94.216
|
33.660
|
12.536
|
93.584
|
31.216
|
8.295
|
632
|
2.444
|
4.241
|
|
1982-1983
|
100.288
|
38.969
|
14.292
|
99.648
|
36.849
|
10.168
|
640
|
2.120
|
4.124
|
|
1983-1984
|
109.173
|
44.206
|
16.892
|
108.569
|
42.569
|
12.597
|
604
|
1.637
|
4.295
|
|
1984-1985
|
115.242
|
51.048
|
18.418
|
114.771
|
49.916
|
14.502
|
471
|
1.132
|
3.916
|
|
1985-1986
|
125.034
|
60.663
|
21.555
|
124.588
|
59.653
|
17.644
|
446
|
1.010
|
3.911
|
|
1986-1987
|
133.250
|
68.875
|
26.238
|
132.880
|
67.933
|
22.411
|
370
|
942
|
3.827
|
|
1987-1988
|
139.875
|
74.031
|
31.057
|
139.531
|
73.292
|
28.066
|
344
|
739
|
2.991
|
|
1988-1989
|
139.917
|
76.703
|
37.023
|
139.575
|
76.076
|
34.591
|
342
|
627
|
2.432
|
|
1989-1990
|
144.945
|
79.783
|
40.939
|
144.597
|
79.162
|
38.686
|
348
|
621
|
2.253
|
|
1990-1991
|
151.262
|
82.741
|
44.283
|
150.917
|
82.145
|
42.644
|
345
|
596
|
1.639
|
|
1991-1992
|
154.685
|
86.610
|
44.622
|
154.326
|
86.048
|
43.705
|
359
|
562
|
917
|
|
1992-1993
|
162.066
|
90.019
|
45.711
|
161.752
|
89.540
|
45.332
|
314
|
479
|
379
|
|
1993-1994
|
164.982
|
94.240
|
49.647
|
164.696
|
93.783
|
49.268
|
286
|
457
|
379
|
|
1994-1995
|
166.771
|
96.464
|
50.238
|
166.517
|
96.059
|
50.924
|
254
|
405
|
314
|
|
1995-1996
|
169.010
|
98.187
|
52.210
|
168.817
|
97.879
|
51.962
|
193
|
308
|
248
|
|
1996-1997
|
170.956
|
99.004
|
52.944
|
170.781
|
98.740
|
52.745
|
175
|
264
|
199
|
|
1997-1998
|
170.460
|
99.907
|
53.343
|
170.304
|
99.688
|
53.150
|
156
|
219
|
193
|
|
1998-1999
|
169.519
|
100.595
|
54.033
|
169.419
|
100.441
|
53.886
|
100
|
154
|
147
|
|
1999-2000
|
170.562
|
101.261
|
54.761
|
170.478
|
101.130
|
54.634
|
84
|
131
|
127
|
|
2000-2001
|
169.559
|
102.137
|
55.588
|
169.503
|
102.039
|
55.470
|
56
|
98
|
118
|
|
2001-2002
|
170.039
|
104.289
|
57.274
|
169.993
|
104.208
|
57.163
|
46
|
81
|
111
|
|
2002-2003
|
167.529
|
104.329
|
57.747
|
167.489
|
104.253
|
57.657
|
40
|
76
|
90
|
|
2003-2004
|
170.031
|
107.898
|
59.177
|
170.006
|
107.834
|
59.094
|
25
|
64
|
83
|
|
2004-2005
|
171.471
|
108.249
|
60.185
|
171.448
|
108.202
|
60.110
|
23
|
47
|
75
|
* E.E = ENSEIGNEMENT ELEMENTAIRE (1° et 2° Cycles).
** E.S .= ENSEIGNEMENT SECONDAIRE (Tronc Communs, 2° AS et
3° AS) *** E.M= ENSEIGNEMENT MOYEN (3ème Cycle)
TABLEAU A.1.7 : EVOLUTION DU NOMBRE DES
ETABLISSEMENT SCOLAIRES
(1962/63 - 2004/05)
|
Années
|
Etablissements de l'Elémentaire
|
Etablissements du Moyen
Moyen
|
Secondaire
|
|
Ecoles
ouvertes
(A.E.F)*
|
Salles Utilisées
|
C.E.M
|
Annexes
|
Total
|
technimu
m
|
lycée
|
|
1962-1963
|
2263
|
...
|
...
|
...
|
364
|
5
|
34
|
|
1963-1964
|
...
|
...
|
...
|
...
|
379
|
...
|
...
|
|
1964-1965
|
4065
|
...
|
...
|
...
|
418
|
...
|
...
|
|
1965-1966
|
4255
|
...
|
...
|
...
|
...
|
...
|
...
|
|
1966-1967
|
4266
|
...
|
...
|
...
|
427
|
7
|
52
|
|
1967-1968
|
4581
|
...
|
...
|
...
|
454
|
7
|
56
|
|
1968-1969
|
5073
|
...
|
...
|
...
|
478
|
7
|
56
|
|
1969-1970
|
5263
|
...
|
...
|
...
|
502
|
7
|
60
|
|
1970-1971
|
6.467
|
....
|
....
|
....
|
519
|
7
|
65
|
|
1971-1972
|
6.507
|
...
|
...
|
...
|
530
|
8
|
63
|
|
1972-1973
|
6.990
|
33 225
|
540
|
-
|
540
|
8
|
78
|
|
1973-1974
|
7.376
|
36.462
|
545
|
-
|
545
|
9
|
84
|
|
1974-1975
|
7.794
|
40.476
|
569
|
-
|
569
|
17
|
97
|
|
1975-1976
|
7.798
|
43.655
|
584
|
72
|
656
|
17
|
103
|
|
1976-1977
|
8.182
|
45.901
|
664
|
141
|
805
|
17
|
125
|
|
1977-1978
|
8.380
|
48.939
|
788
|
159
|
947
|
19
|
156
|
|
1978-1979
|
8.652
|
50.790
|
812
|
199
|
1.011
|
22
|
159
|
|
1979-1980
|
9.034
|
52.804
|
873
|
200
|
1.073
|
23
|
185
|
|
1980-1981
|
9.263
|
56.160
|
932
|
210
|
1.142
|
25
|
205
|
|
1981-1982
|
9.399
|
59.029
|
1.036
|
190
|
1.226
|
24
|
222
|
|
1982-1983
|
9.864
|
62.627
|
1.181
|
181
|
1.362
|
24
|
248
|
|
1983-1984
|
10.266
|
66.805
|
1.267
|
134
|
1.401
|
33
|
286
|
|
1984-1985
|
10.588
|
70.428
|
1.388
|
271
|
1.659
|
44
|
309
|
|
1985-1986
|
11.144
|
74.361
|
1.561
|
262
|
1.823
|
73
|
342
|
|
1986-1987
|
11.427
|
78.264
|
1.747
|
212
|
1.959
|
96
|
385
|
|
1987-1988
|
11.843
|
81.511
|
1.929
|
189
|
2.118
|
110
|
440
|
|
1988-1989
|
12.240
|
85.723
|
2.108
|
151
|
2.259
|
131
|
574
|
|
1989-1990
|
12.694
|
90.440
|
2.248
|
107
|
2.355
|
137
|
621
|
|
1990-1991
|
13.135
|
94.177
|
2.339
|
83
|
2.422
|
140
|
672
|
|
1991-1992
|
13.461
|
97.449
|
2.433
|
65
|
2.498
|
145
|
700
|
|
1992-1993
|
13.970
|
101.103
|
2.541
|
53
|
2.594
|
151
|
732
|
|
1993-1994
|
14.734
|
106.389
|
2.651
|
32
|
2.683
|
152
|
760
|
|
1994-1995
|
14.836
|
109.656
|
2.778
|
23
|
2.801
|
186
|
782
|
|
1995-1996
|
15.186
|
113.452
|
2.921
|
8
|
2.929
|
212
|
821
|
|
1996-1997
|
15.426
|
116.778
|
3.038
|
6
|
3.044
|
223
|
877
|
|
1997-1998
|
15.199
|
117.081
|
3.145
|
1
|
3.146
|
229
|
903
|
|
1998-1999
|
15.507
|
119.490
|
3.224
|
4
|
3.228
|
232
|
951
|
|
1999-2000
|
15.729
|
121.015
|
3.315
|
4
|
3.319
|
237
|
981
|
|
2000-2001
|
16.186
|
122.867
|
3.414
|
5
|
3.419
|
246
|
1.013
|
|
2001-2002
|
16.482
|
125.137
|
3.526
|
6
|
3.532
|
249
|
1.040
|
|
2002-2003
|
16.714
|
126.125
|
3.650
|
4
|
3.654
|
246
|
1.084
|
|
2003-2004
|
16.899
|
127.473
|
...
|
...
|
3.740
|
248
|
1.133
|
|
2004-2005
|
17.041
|
128.549
|
...
|
...
|
3.844
|
248
|
1.179
|
TABLEAU A.1..8 : E VOL UTION DES RESULTATS AU BACALA
UREAT DE L4ENSEIGNEMENT SECONDAIRE GENERAL ET TECHNIQUE
(1963-2004) SCOLARISES
|
ANNEES
|
BAC ENSEIGNEMENT
SECONDAIRE
|
BAC DE TECHNICIEN
|
ENSEMBLE
|
|
PRESENTS
|
ADMIS*
|
TAUX
|
PRESENTS
|
ADMIS*
|
TAUX
|
PRESENTS
|
ADMIS*
|
TAUX
|
|
1963-1964
|
3173
|
1428
|
45,00
|
...
|
...
|
...
|
3173
|
1428
|
45,00
|
|
1964-1965
|
4942
|
1751
|
35,43
|
...
|
...
|
...
|
4942
|
1751
|
35,43
|
|
1965-1966
|
6086
|
1763
|
28,97
|
...
|
...
|
...
|
6086
|
1763
|
28,97
|
|
1966-1967
|
4491
|
1279
|
28,48
|
...
|
...
|
...
|
4491
|
1279
|
28,48
|
|
1967-1968
|
5778
|
1682
|
29,11
|
...
|
...
|
...
|
5778
|
1682
|
29,11
|
|
1968-1969
|
7758
|
2346
|
30,24
|
490
|
174
|
35,51
|
8248
|
2520
|
30,55
|
|
1969-1970
|
6547
|
3786
|
57,83
|
945
|
644
|
68,15
|
7492
|
4430
|
59,13
|
|
1970-1971
|
...
|
5214
|
...
|
...
|
759
|
..
|
...
|
5973
|
...
|
|
1971-1972
|
...
|
5480
|
...
|
...
|
975
|
..
|
...
|
6455
|
...
|
|
1972-1973
|
...
|
5026
|
...
|
...
|
1051
|
...
|
...
|
6077
|
...
|
|
1973-1974
|
14719
|
6921
|
47,02
|
2293
|
1347
|
58,74
|
17012
|
8268
|
48,60
|
|
1974-1975
|
17845
|
6166
|
34,55
|
2306
|
1426
|
61,84
|
20151
|
7592
|
37,68
|
|
1975-1976
|
...
|
11219
|
...
|
...
|
1578
|
...
|
...
|
12797
|
...
|
|
1976-1977
|
27206
|
5618
|
20,65
|
3397
|
1169
|
34,41
|
30603
|
6787
|
22,18
|
|
1977-1978
|
36451
|
8197
|
22,49
|
3146
|
1261
|
40,08
|
39597
|
9458
|
23,89
|
|
1978-1979
|
48453
|
11385
|
23,50
|
3492
|
1232
|
35,28
|
51945
|
12617
|
24,29
|
|
1979-1980
|
71154
|
15473
|
21,75
|
4810
|
1724
|
35,84
|
75964
|
17197
|
22,64
|
|
1980-1981
|
49780
|
11783
|
23,67
|
3659
|
1570
|
42,91
|
53439
|
13353
|
24,99
|
|
1981-1982
|
70805
|
25922
|
36,61
|
4972
|
2664
|
53,58
|
75777
|
28586
|
37,72
|
|
1982-1983
|
79793
|
15776
|
19,77
|
4974
|
2135
|
42,92
|
84767
|
17911
|
21,13
|
|
1983-1984
|
98928
|
18730
|
18,93
|
5925
|
2233
|
37,69
|
104853
|
20963
|
19,99
|
|
1984-1985
|
109707
|
26858
|
24,48
|
7353
|
2769
|
37,66
|
117060
|
29627
|
25,31
|
|
1985-1986
|
112625
|
32727
|
29,06
|
15267
|
5291
|
34,66
|
127892
|
38018
|
29,73
|
|
1986-1987
|
125849
|
30902
|
24,55
|
12362
|
4902
|
39,65
|
138211
|
35804
|
25,91
|
|
1987-1988
|
149034
|
24920
|
16,72
|
34355
|
10299
|
29,98
|
183389
|
35219
|
19,20
|
|
1988-1989
|
166870
|
40402
|
24,21
|
44482
|
11228
|
25,24
|
211352
|
51630
|
24,43
|
|
1989-1990
|
220461
|
39615
|
17,97
|
55272
|
11318
|
20,48
|
275733
|
50933
|
18,47
|
|
1990-1991
|
257511
|
52933
|
20,56
|
33997
|
8240
|
24,24
|
291508
|
61173
|
20,99
|
|
1991-1992
|
335836
|
63988
|
19,05
|
38084
|
7780
|
20,43
|
373920
|
71768
|
19,19
|
|
1992-1993
|
226013
|
51609
|
22,83
|
53167
|
11555
|
21,73
|
279180
|
63164
|
22,62
|
|
1993-1994
|
317073
|
35085
|
11,07
|
34425
|
7024
|
20,40
|
351498
|
42109
|
11,98
|
|
1994-1995
|
261946
|
43321
|
16,54
|
13975
|
6065
|
43,40
|
275921
|
49386
|
17,90
|
|
1995-1996
|
252501
|
51114
|
20,24
|
26382
|
3071
|
11,64
|
278883
|
54185
|
19,43
|
|
1996-1997
|
296313
|
71324
|
24,07
|
34930
|
5115
|
14,64
|
331243
|
76439
|
23,08
|
|
1997-1998
|
293989
|
80916
|
27,52
|
34051
|
6191
|
18,18
|
328040
|
87107
|
26,55
|
|
1998-1999
|
299340
|
71830
|
24,00
|
35256
|
6577
|
18,65
|
334596
|
78407
|
23,43
|
|
1999-2000
|
309457
|
76520
|
24,73
|
34934
|
8354
|
23,91
|
344391
|
84874
|
24,64
|
|
2000-2001
|
306968
|
99089
|
32,28
|
32718
|
10601
|
32,40
|
339686
|
109690
|
32,29
|
|
2001-2002
|
506739
|
123496
|
24,37
|
50852
|
14466
|
28,45
|
557591
|
137962
|
24,74
|
|
2002-2003
|
318781
|
104989
|
32,93
|
31939
|
10474
|
32,79
|
350720
|
115463
|
32,92
|
|
2003-2004
|
353755
|
101280
|
28,63
|
36543
|
14076
|
38,52
|
390268
|
115356
|
29,55
|
|
20042005*
|
372523
|
158812
|
42,63
|
36523
|
14912
|
40,83
|
409046
|
173724
|
42.47
|
SOURCE : OFFICE NATIONAL DES EXAMENS ET CONCOURS
*Ministère de l'éducation national ,données statistiques
n°43
*Il s'agit des élèves
scolarisés
TABLEAU A.1.9 : EVOLUTION
DES PRINCIPAUX EFFECTIFS DE L'ENSEIGNEMENT SUPERIEUR
(1962/63
- 2004/05)
|
Années
|
GRADUATION
|
DIPLOMES
|
POST GRADUATION
|
ENSEIGNANTS
|
|
TOTAL
|
FEMM
|
TOTAL
|
FEMME
|
TOTAL
|
FEMME
|
TOTAL
|
FEMM
|
|
1962-1963
|
2.725
|
576
|
93
|
...
|
...
|
...
|
298
|
10
|
|
1963-1964
|
3.721
|
783
|
87
|
...
|
156
|
34
|
...
|
...
|
|
1964-1965
|
5.636
|
1.135
|
179
|
...
|
211
|
47
|
...
|
...
|
|
1965-1966
|
6.883
|
1.429
|
195
|
...
|
231
|
58
|
...
|
...
|
|
1966-1967
|
7.478
|
1.349
|
378
|
...
|
286
|
58
|
764
|
...
|
|
1967-1968
|
8.735
|
1.884
|
654
|
...
|
235
|
42
|
693
|
...
|
|
1968-1969
|
9.794
|
2.255
|
724
|
...
|
289
|
51
|
724
|
...
|
|
1969-1970
|
12.243
|
2.911
|
759
|
...
|
317
|
60
|
842
|
...
|
|
1970-1971
|
19.311
|
4.154
|
1.244
|
...
|
423
|
74
|
...
|
...
|
|
1971-1972
|
23.413
|
5.334
|
1.795
|
587
|
921
|
197
|
1.718
|
...
|
|
1972-1973
|
26.074
|
5.855
|
2.455
|
638
|
1.048
|
58
|
1.845
|
...
|
|
1973-1974
|
29.465
|
6.864
|
2.786
|
406
|
1.205
|
157
|
2.881
|
...
|
|
1974-1975
|
35.739
|
8.422
|
3.046
|
636
|
1.400
|
947
|
4.041
|
...
|
|
1975-1976
|
41.709
|
9.684
|
4.561
|
719
|
1.766
|
429
|
4.670
|
...
|
|
1976-1977
|
50.097
|
11.659
|
5.410
|
816
|
2.310
|
537
|
4.984
|
...
|
|
1977-1978
|
51.893
|
12.138
|
5.928
|
971
|
2.654
|
746
|
5.856
|
...
|
|
1978-1979
|
51.510
|
12.677
|
6.046
|
1.092
|
3.231
|
709
|
6.421
|
...
|
|
1979-1980
|
57.445
|
14.540
|
6.963
|
1.452
|
3.965
|
1.051
|
6.207
|
...
|
|
1980-1981
|
66.064
|
18.092
|
7.173
|
1.810
|
5.229
|
1.390
|
7.058
|
...
|
|
1981-1982
|
72.590
|
21.965
|
7.800
|
2.415
|
5.429
|
1.430
|
7.796
|
...
|
|
1982-1983
|
90.145
|
29.644
|
9.584
|
3.260
|
5.722
|
1.553
|
9.311
|
...
|
|
1983-1984
|
97.000
|
32.382
|
10.237
|
3.560
|
7.285
|
2.289
|
6.974
|
...
|
|
1984-1985
|
103.223
|
35.343
|
11.713
|
3.810
|
8.697
|
2.696
|
10.560
|
...
|
|
1985-1986
|
122.084
|
41.558
|
14.097
|
5.068
|
9.973
|
3.490
|
11.264
|
...
|
|
1986-1987
|
143.293
|
50.685
|
16.645
|
6.155
|
11.407
|
3.992
|
12.204
|
1.735
|
|
1987-1988
|
161.464
|
57.688
|
18.110
|
6.210
|
12.288
|
4.055
|
12.970
|
2.204
|
|
1988-1989
|
166.717
|
60.635
|
20.493
|
7.668
|
13.500
|
4.462
|
14.087
|
2.871
|
|
1989-1990
|
181.350
|
64.784
|
22.917
|
9.009
|
13.967
|
4.658
|
14.536
|
2.960
|
|
1990-1991
|
197.560
|
77.962
|
25.357
|
10.142
|
14.853
|
4.116
|
15.171
|
3.214
|
|
1991-1992
|
220.878
|
88.833
|
27.954
|
11.332
|
15.307
|
4.669
|
14.494
|
3.178
|
|
1992-1993
|
243.397
|
102.249
|
29.336
|
12.741
|
13.982
|
4.721
|
14.350
|
3.605
|
|
1993-1994
|
238.091
|
101.177
|
29.341
|
13.122
|
12.773
|
4.925
|
14.180
|
3.377
|
|
1994-1995
|
238.427
|
102.633
|
32.557
|
16.033
|
13.907
|
4.621
|
14.593
|
3.591
|
|
1995-1996
|
252.347
|
113.965
|
35.671
|
17.666
|
14.749
|
3.865
|
14.427
|
3.480
|
|
1996-1997
|
285.554
|
130.397
|
37.323
|
17.161
|
16.941
|
4.475
|
14.581
|
3.795
|
|
1997-1998
|
339.518
|
146.461
|
39.521
|
19.596
|
18.126
|
4.022
|
15.801
|
4.123
|
|
1998-1999
|
372.647
|
188.555
|
44.531
|
23.743
|
19.225
|
6.356
|
16.260
|
4.220
|
|
1999-2000
|
407.795
|
208.523
|
52.804
|
29.318
|
20.846
|
4.650
|
17.460
|
4.627
|
|
2000-2001
|
466.084
|
245.244
|
65.192
|
37.195
|
22.553
|
8.792
|
17.780
|
4.806
|
|
2001-2002
|
543.869
|
293.652
|
72.737
|
41.154
|
26.034
|
10.413
|
19.275
|
5.398
|
|
2002-2003
|
589.993
|
326.933
|
77.972
|
44.345
|
26.279
|
11.667
|
20.769
|
6.457
|
|
2003-2004
|
622.980
|
347.374
|
91.830
|
56.127
|
30.221
|
13.038
|
22.650
|
7.309
|
|
2004-2005
|
721.833
|
415.242
|
106.000
|
61.000
|
33.630
|
14.670
|
25.229
|
8.593
|
Source : ministère de l'enseignement supérieur et
de la recherche scientifique.
TABLEAU A.1..10 : les variables utilisées dans
l'étude économétrique.
|
ANNEES
|
DEP*
|
SCO
|
BAC
|
DIP
|
PIB*
|
DEFLATEUR
DU PIB
|
|
1964-1965
|
3,14695234
|
1.313.617
|
1.751
|
179
|
62.806
|
22,870
|
|
1965-1966
|
3,15096079
|
1.452.360
|
1.763
|
195
|
66.704
|
23,210
|
|
1966-1967
|
2,79305967
|
1.500.336
|
1.279
|
378
|
63.499
|
23,630
|
|
1967-1968
|
3,67585631
|
1.603.702
|
1.682
|
654
|
69.502
|
23,940
|
|
1968-1969
|
3,61477733
|
1.712.075
|
2.520
|
724
|
77.005
|
24,700
|
|
1969-1970
|
5,81644815
|
1.879.851
|
4.430
|
759
|
83.499
|
25,170
|
|
1970-1971
|
6,18470855
|
2.078.361
|
5.973
|
1.244
|
90.900
|
26,420
|
|
1971-1972
|
5,5120937
|
2.302.301
|
6.455
|
1.795
|
80.599
|
30,950
|
|
1972-1973
|
5,95990854
|
2.533.037
|
6.077
|
2.455
|
102.703
|
29,520
|
|
1973-1974
|
6,473733
|
2.741.925
|
8.268
|
2.786
|
106.619
|
32,360
|
|
1974-1975
|
4,10022826
|
2.911.409
|
7.592
|
3.046
|
114.610
|
48,190
|
|
1975-1976
|
4,37124412
|
3.134.892
|
12.797
|
4.561
|
120.392
|
51,040
|
|
1976-1977
|
4,95669083
|
3.383.051
|
6.787
|
5.410
|
130.489
|
56,570
|
|
1977-1978
|
5,99636766
|
3.624.004
|
9.458
|
5.928
|
137.351
|
63,320
|
|
1978-1979
|
5,2175825
|
3.805.314
|
12.617
|
6.046
|
150.008
|
69,700
|
|
1979-1980
|
5,72353556
|
3.982.359
|
17.197
|
6.963
|
161.225
|
79,450
|
|
1980-1981
|
5,186727
|
4.135.396
|
13.353
|
7.173
|
162.500
|
100,000
|
|
1981-1982
|
6,12855619
|
4.319.360
|
28.586
|
7.800
|
167.375
|
114,350
|
|
1982-1983
|
6,94442224
|
4.522.645
|
17.911
|
9.584
|
178.087
|
116,570
|
|
1983-1984
|
7,22711406
|
4.788.925
|
20.963
|
10.237
|
187.704
|
124,500
|
|
1984-1985
|
12,3146133
|
5.026.449
|
29.627
|
11.713
|
198.215
|
135,000
|
|
1985-1986
|
12,3812779
|
5.304.680
|
38.018
|
14.097
|
205.549
|
141,720
|
|
1986-1987
|
14,5323331
|
5.611.185
|
35.804
|
16.645
|
206.371
|
145,130
|
|
1987-1988
|
15,0291213
|
5.884.297
|
35.219
|
18.110
|
204.927
|
157,960
|
|
1988-1989
|
14,0366866
|
6.022.680
|
51.630
|
20.493
|
202.877
|
172,270
|
|
1989-1990
|
12,5004894
|
6.190.081
|
50.933
|
22.917
|
211.804
|
199,850
|
|
1990-1991
|
11,3336292
|
6.364.732
|
61.173
|
25.357
|
213.498
|
260,330
|
|
1991-1992
|
8,89799181
|
6.590.132
|
71.768
|
27.954
|
210.936
|
400,360
|
|
1992-1993
|
10,8980159
|
6.741.561
|
63.164
|
29.336
|
214.733
|
488,140
|
|
1993-1994
|
12,3662688
|
6.927.353
|
42.109
|
29.341
|
210.224
|
554,650
|
|
1994-1995
|
11,1588958
|
7.021.396
|
49.386
|
32.557
|
208.332
|
715,920
|
|
1995-1996
|
10,7634815
|
7.162.592
|
54.185
|
35.671
|
216.249
|
920,520
|
|
1996-1997
|
10,7223473
|
7.293.189
|
76.439
|
37.323
|
225.115
|
1139,290
|
|
1997-1998
|
10,652377
|
7.435.858
|
87.107
|
39.521
|
227.591
|
1213,760
|
|
1998-1999
|
12,422761
|
7.587.545
|
78.407
|
44.531
|
239.198
|
1162,930
|
|
1999-2000
|
11,604605
|
7.661.023
|
84.874
|
52.804
|
246.852
|
1283,520
|
|
2000-2001
|
9,72392179
|
7.712.182
|
109.690
|
65.192
|
252.777
|
1591,520
|
|
2001-2002
|
10,2386014
|
7.849.004
|
137.962
|
72.737
|
259.349
|
1633,170
|
|
2002-2003
|
11,0461221
|
7.894.642
|
115.463
|
77.972
|
269.982
|
1650,220
|
|
2003-2004
|
11,09529
|
7.851.893
|
115.356
|
91.830
|
288.341
|
1825,720
|
|
2004-2005
|
11,1747116
|
7.741.099
|
173.724
|
106.000
|
303.335
|
2011,110
|
*unié : milliards de dinars
ANNEXE 2
Résultats d'estimations et
Programmes sous Eviews 5.0
FigureA.2.1: Test de Racine Unitaire ADF sur LPIB :
Modéle3 FigureA.2.2: Test de Racine Unitaire ADF sur
LPIB : Modéle2
Figure A.2.3: Test de Racine Unitaire ADF sur LPIB :
Modéle1 Figure A.2.4: Test de Racine Unitaire ADF sur
DLPIB.
Figure A.2.5: Test de Racine Unitaire ADF sur LBAC :
Modéle3. Figure A.2.6: Test de Racine Unitaire ADF sur
LBAC : Modéle2.
Figure A.2.7: Test de Racine Unitaire ADF sur DLBAC. Figure
A.2.8: Test de Racine Unitaire ADF sur LDEP :
Modéle3
Figure A.2.9: Test de Racine Unitaire ADF sur LDEP :
Modéle2 Figure A.2.10: Test de Racine Unitaire ADF sur
LDEP : Modéle1
Figure A.2. 11: Test de Racine Unitaire ADF sur DLDEP. Figure
A.2. 12: Test de Racine Unitaire ADF sur LSCO :
Modéle3
Figure A.2.13: Test de Racine Unitaire ADF sur DLSCO Figure A.2.
14: Test de Racine Unitaire ADF sur LDIP : Modéle3
Figure A.2. 15 : résultats d'estimation du VAR(1).
La première colonne donne les résultats
d'estimation de la première équation (variable SLSCO), la
deuxième colonne les résultats d'estimation de la deuxième
équation (variable SLDEP), la troisième colonne les
résultats d'estimation de la troisième équation (variable
SLBAC), et la quatrième colonne les résultats d'estimation de la
quatrième équation (variable SLPIB).
Figure A.2.16 : résultats d'estimation du VAR(2).
La première colonne donne les résultats
d'estimation de la première équation (variable SLDIP), et la
deuxième colonne les résultats d'estimation de la deuxième
équation (variable SLPIB).
Annexe
1
=
j
H0 : ö = 0 vs H1 :
ö 0
H1 H0
H0: â = 0 vs H1:
â ? 0
(Seuils loi Normal)
H : (c; â ; ö ) = (c; 0; 0) contre
H
3
0
Statistique F3 , seuils de Fuller
H1 3
H1
H0 3
H0
Xt est TS
Estimation du modèle 2
p
X t est I(1)+T+C
ÄXt est TS
Ä = +
X ö - î å
Ä + +
t 1
X X c
t j t j
-
t
j
=
1
H0: ö = 0 vs H1:
ö 0
H1 H0
H0: C = 0 vs H1: C ? 0
(Seuils loi
Normal)
H : (c; ö ) = (c;0) contre H 1
2 2
0
Statistique F2 , seuils de Fuller
H1 H0 2
H0 2
H1
Xt est I(0)+C
Estimation du modèle 1
X t est I(1)+C
p
Ä = +
X ö - î å
Ä +
t 1
X X
t j t j
-
t
j
=
1
H0: ö = 0 vs H1:
ö 0
H1 H0
X t est I(0)
X t est I(1)
Estimation du modèle 3
p
ö X - î X c â t å
+ Ä + + +
t j t j t
1 -
Ä= X t
Figure : Stratégie du Test de Dickey-Fuller
augmenté.
Figure A.2.17 : fonctions de réponse du modèle
VAR(1): Figure A.2.18 : fonctions de réponse du modèle VAR(2):
Programme sous Eviews pour le calcul de F3 pour la
variable LBAC: Figure 1 : seuils critiques 3
Cá
(le risque 5% ? probability of a smaller value= 0.95)
|
'-Construction des différences premières
SMPL 1963 2004
GENR DLBAC=LBAC-LBAC (-1)
'-Estimation du modèle libre
EQUATION MOD3.LS DLBAC C @TREND (1963) LBAC (-1) DLBAC (-1)
SCALAR SCR3=@SSR
SCALAR NDL3=@REGOBS-@NCOEF
'-Estimation du modèle contraint
EQUATION MOD3C.LS DLBAC C DLBAC (-1)
SCALAR SCR3C=@SSR
'-Construction de la statistique F3
SCALAR F3= ((SCR3C-SCR3)/2)/ (SCR3/NDL3)
|
|
Programme sous Eviews pour le calcul de F2 pour la
variable LBAC: Figure 1 : seuils critiques 2
Cá
(le risque 5% ? probability of a smaller value =0.95)
|
'-Construction des différences premières
SMPL 1963 2004
GENR DLBAC=LBAC-LBAC (-1)
'-Estimation du modèle libre
EQUATION MOD2.LS DLBAC C LBAC (-1) DLBAC (-1) SCALAR SCR2=@SSR
SCALAR NDL2=@REGOBS-@NCOEF
'-Estimation du modèle contraint
EQUATION MOD2C.LS DLBAC DLBAC (-1)
SCALAR SCR2C=@SSR
'-Construction de la statistique F2
SCALAR F2= ((SCR2C-SCR2)/2)/ (SCR2/NDL2)
|
|
Les programmes qui calculent les statistiques F3 et F2 pour les
autres variables sont identiques aux programmes présentés
ci-dessus. Sauf, en ce qui concerne l'estimation du modèle libre et
contraint, il faut prendre en compte le nombre de retard à
introduire.
| 
