Memoire Online - Analyse de l'investissement en infrastructure routière sur la croissance économique au Bénin

RECHERCHE SCIENTIFIQUE
UNIVERSITE D'ABOMEY-CALAVI
FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION

d'Abomey-Calavi, n'entend donner aucune approbation, ni
improbation aux opinions émises dans le mémoire. Ces opinions

Paragraphe 1 : Méthode de collecte ; présentation des variables à estimer et le modèle d'analyse . 20

Chapitre 2 Analyse des résultats ; implication économique et recommandations

Paragraphe 1 : Présentation et analyse des résultats du modèle à correction d'erreur (ECM) 30

RESUME

Dans le cadre des travaux de recherche sanctionnant la fin de notre formation, nous nous sommes intéressés à l'investissement dans le secteur du transport. Les différentes statistiques du réseau routier ainsi obtenues nous ont permis d'identifier les problèmes qui entravent le bon fonctionnement du réseau routier au bénin. Le problème principal ainsi identifié est l'insuffisance des investissements, qui explique en grande partie l'état embryonnaire du réseau routier national et aussi sa dégradation précorse.

Ainsi pour bien expliquer une relation pouvant exister entre l'investissement en infrastructure routière et la croissance économique au Benin, il s'avait nécessaire de mesurer l'impact des dépenses d'infrastructures routière sur la croissance économique et de manière spécifique, il s'agira de :

identifier les déterminants de l'investissement en infrastructure routière.

analyser la causalité au sens de GRANGER entre l'investissement et la croissance.

Pour aborder la problématique ci-dessus définie, nous formulons les hypothèses de recherche suivantes:

> L'investissement en infrastructures routières cause la croissance économique au Benin.

Graphique1 : Présentation du réseau routier par classe administrative en 2009

Ldep: logarithmique des dépenses d'infrastructures routières Lmhat: logarithmique de la masse horaire annuelle travaillée Lpib : logarithmique du produit intérieur brut à prix

N : Mhat, représenté par la masse horaire annuelle travaillée N : Mhat, représenté par la masse horaire annuelle travaillée

L'OCDE:Organisation Commerciale pour le Développement Economique PAS:Programmes d'Ajustement Structurel

INTRODUCTION GENERALE

A la fin des années 1980, le Bénin a traversé une crise économique provoquée par une mauvaise allocation des ressources, un développement démesuré du secteur public, une atrophie du secteur privé, un déséquilibre du budget de fonctionnement et une banqueroute générale du système bancaire. Face à cet état de chose, le pays s'est engagé à partir de 1989, dans une série de réformes, notamment les Programmes d'Ajustement Structurel (PAS) soutenues par les institutions de Bretton Woods. La mise en oeuvre de ces réformes a permis au Bénin d'obtenir des progrès considérables. Le taux de croissance s'est établi en moyenne à 5,1% au cours de la période 1996*2000 contre 4,1% entre 1990 et 1995. Mais, les résultats considérables ainsi obtenus n'ont pas suffi à améliorer les conditions de vie de la population.

Face à cette situation d'extrême pauvreté et de vulnérabilité de la population, le Bénin s'est engagé dans la mise en oeuvre d'une stratégie nationale de réduction de la pauvreté pour un développement économique et durable. Après l'ébauche d'une Stratégie Intérimaire de Réduction de la Pauvreté (SRP, 2000), une stratégie triennale (2003*2005) a été définie et a servi depuis lors comme cadre stratégique de référence, de programmation et de budgétisation des actions du Gouvernement, ainsi que pour le dialogue avec les Partenaires Techniques et Financiers. Dans cette première stratégie, le Gouvernement du Bénin a judicieusement mis l'accent sur l'accélération de la croissance et le développement des infrastructures économiques notamment routières afin de renforcer le capital public et l'efficacité des actions pour asseoir les bases d'un développement économique durable. Cela s'explique par le fait que l'état béninois a très tôt compris le rôle moteur des infrastructures routières dans le processus de croissance et de développement d'une nation. Ceci est d'autant plus vrai dans les pays développés qui sont caractérisés par un immense réseau d'infrastructures performant alors que les pays sous développés possèdent un réseau d'infrastructures embryonnaires. Malgré une timidité de croissance économique observée au Bénin depuis un certain temps, le niveau des infrastructures routières reste encore faible.

Par ailleurs, la Banque Mondiale dans son rapport de 1994 consacré à la problématique des infrastructures dans le monde, relevait l'insuffisance d'infrastructures comme l'un des handicaps majeurs au développement économique et social des pays en développement. Cette étude montre que le développement d'infrastructures non seulement accroît les opportunités de croissance, mais aide aussi à assurer que cette croissance soit plus diffusée et équitable.

Face à cet état de chose, il urge de trouver les moyens nécessaires pour améliorer la contribution des infrastructures routières à la croissance économique.

De plus, les dépenses publiques d'investissement ont, en principe, pour rôle de mettre en place des capacités de production afin d'accroitre l'investissement total. L'investissement est au coeur de toute activité économique et du développement. En conséquence, il est important de mesurer l'impact des dépenses publiques d'investissement sur l'activité économique ; c'est pourquoi notre étude porte sur le thème « Analyse de l'investissement en infrastructure routière sur la croissance économique au Benin »

Pour y parvenir, cette étude est organisée en deux parties. Tout d'abord, nous allons décrire le cadre théorique de l'étude ; ensuite, nous proposerons un modèle d'analyse dont l'estimation nous permet de déduire des implications de politiques économiques.

Le cadre théorique de l'étude consiste à décrire la problématique, à présenter les objectifs de l'étude et un point des connaissances sur le sujet en étude sera présenté à travers la revue de la littérature.

Chapitre 1 : Problématique, Objectifs, Hypothèses et Intérêt l'Etude
Paragraphe 1 : Problématique

Le développement économique durable auquel aspirent les pays en voie de développement notamment le Bénin nécessite un niveau de croissance économique satisfaisant et une répartition équitable de la richesse qui garantit la justice sociale.

De plus les analyses faites par la banque mondiale en 1994 et celles en 2009 s'accordent à dire qu'il ne sera véritablement possible de réduire la pauvreté en Afrique, qu'avec un taux de croissance potentiel à deux chiffres et à effort de développement constant. Ceci a d'ailleurs permis à divers pays africains notamment le Bénin d'élaborer des programmes nationaux de lutte contre la pauvreté dans la perspective de réduire l'ampleur du phénomène. Mais, malgré les différentes réformes économiques nationales et communautaires appliquées au cours des dix dernières années, la croissance économique enregistrée ne suffit pas pour asseoir les bases d'un développement durable capable de soutenir la concurrence régionale induite par les réformes communautaires et de réduire sensiblement la pauvreté.

L'économie béninoise demeure encore fragile et sa croissance semble avoir atteint un pallier qu'elle ne parvient plus à franchir, tandis que la richesse créée ces dernières années semble être mal répartie engendrant des inégalités de plus en plus grandes entre les différents acteurs économiques. Ainsi, près de 33% de la population continue de vivre en dessous du seuil de pauvreté globale et l'indicateur de développement humain pour le Bénin est de 0,411 en 1998, le classant à la 151ème place sur 174 pays évalués.

Dans un tel contexte, il importe de connaître les leviers du développement, autrement dit, les sources de la croissance économique afin de savoir comment agir sur elles pour optimiser cette dernière. Le développement des infrastructures économiques apparait à cet effet indispensable en termes d'objectif opérationnel. Ceci est d'autant plus vrai dans les nouvelles théories de la croissance qui mettent l'accent sur les externalités positives engendrées par certains aménagements publics d'infrastructures sur la productivité des entreprises. Les infrastructures routières représentent donc un levier important pour promouvoir la croissance économique et le développement.

Mais, force est de constater que de nos jours, elles ne jouent pas pleinement leur rôle pour le pays et le secteur des transports y est pour beaucoup. Ainsi, malgré les différents efforts fournis par le gouvernement béninois, tant dans la construction que dans l'entretien des routes, la densité routière brute (estimée à 0,72 km pour 1000 habitants et à 0,05 km/km²) demeure encore faible. Ce taux est plus faible lorsqu'on le calcule par type de revêtement et montre que le pays est sous-équipé en infrastructure routière comparativement à d'autres pays de la sous-région.

En effet, le Bénin ne dispose que de 0,23 km de route bitumée pour 1000 habitants (soit 0,012 km/km²), contre 0,62 km pour 1000 habitants au Ghana. Le Bénin est donc confronté à un sous-développement des infrastructures routières qui explique en partie le niveau très élevé des coûts de : transport des biens et personnes, transaction et des facteurs de production ; la faible productivité du travail ainsi que la faiblesse du marché intérieur.

Par ailleurs, il faut noter que le faible niveau d'investissement dans le secteur routier ainsi que la mauvaise orientation des dépenses publiques d'investissement et d'entretien de nos routes représentent les principales raisons de l'inefficacité du réseau routier national et de la faible contribution de ce dernier à la croissance économique.

Ainsi, les dépenses du ministère des Travaux publics et des Transports qui, en 1997, représentaient 1,7% du PIB et 10% des dépenses totales sont tombées à 1,5% du PIB et à 9% en 2003 des dépenses totales puis à 0,8% du PIB en 2006. Les crédits alloués à ce secteur attestent certes de l'engagement du gouvernement en faveur de l'amélioration des infrastructures de transport nationales, mais les chiffres réels sont encore en deçà des niveaux souhaitables.

Dans le contexte actuel de promotion des investissements dans les secteurs clés du développement, et dans le prolongement des réflexions relatives aux facteurs de la croissance au sein des économies en développement, cette étude vise à répondre à la question fondamentale suivante : L'investissement en infrastructure routière assure t-il réellement la croissance économique ? L'insuffisance des investissements explique en grande partie l'état embryonnaire du réseau routier national et aussi sa dégradation précoce. Car construire la route est une nécessité toutefois la maintenir en bon état est très délicate et onéreuse mais indispensable pour la durabilité et la pérennisation des monétaires acquis

Paragraphe 2 : Objectif, Hypothèse, Intérêt, et cadre de l'étude
A-Objectif et Hypothèse de l'étude

L'objectif général de cette étude est de mesurer l'impact des dépenses d'infrastructures routières sur la croissance économique. De manière spécifique, il s'agira de :

Identifier les déterminants de l'investissement en infrastructure routière.

Analyser la causalité au sens de GRANGER entre l'Investissement et la croissance.

Pour aborder la problématique ci-dessus définie, nous formulons les hypothèses de recherche suivantes qui seront validées ou non par la suite de l'analyse des résultats obtenus :

> Les dépenses gouvernementales améliorent l'investissement en infrastructure routière. > L'investissement en infrastructures routières cause la croissance économique au Benin.

B-Intérêt et cadre de l'étude

De manière générale, cette étude contribuera à la littérature existante. Elle permettra de faire progresser la réflexion sur la politique d'investissement en infrastructure routière et sur le renforcement des capacités productives du Benin qui est une question d'actualité.

Depuis les dernières réformes de politique budgétaire menées par le gouvernement béninois, l'on assiste à une réduction considérable des dépenses dans le secteur routier. Or, le constat qui est fait aujourd'hui est que les dépenses d'investissement en infrastructures routières sont sources de croissance économique. Cet avis est partagé par beaucoup d'auteurs notamment les théoriciens de la croissance endogène qui mettent l'accent sur les externalités positives qu'engendrent certains aménagements d'infrastructures publiques.

Par ailleurs, l'étude présente un intérêt particulier en raison du fait qu'elle porte sur un phénomène économique important au quel, il a fallu attribuer un rôle d'acteur principal dans le développement économique et social. L'analyse et l'approfondissement d'un paramètre de

l'investissement sont plus que jamais impérieux surtout dans un pays en développement comme le Bénin.

Ce modèle, dans une certaine mesure ou sous certaines conditions compatibles avec nos réalités économiques peut servir d'instrument de politique budgétaire.

Le réseau routier du Bénin est caractérisé sur le plan administratif et sur le plan technique. La classification administrative caractérise les routes en Routes Nationales Inter Etats (RNIE) et Routes Nationales (RN) tandis que celle issue des standards techniques les regroupe en Route Bitumée (RB) et Route en Terre (RT).

La politique sectorielle mise en oeuvre à partir de 1997 a véritablement permis une amélioration du réseau routier national dans son ensemble. Le réseau routier classé du bénin est passé de 3425 km en 2001 à 6076 km en 2002 soit un accroissement de 2651 km avec une augmentation du linéaire de routes revêtues et une amélioration de l'état des routes. Depuis 2002 il est demeuré le même jusqu'à ce jour (6076 Km). Mais, certains travaux de bornage sur le terrain ont fait que le linéaire du réseau routier classé est passé de 6076 Km à 5944 Km pour les années 2007, 2008 et 2009.Toutefois, à ce réseau routier classé s'ajoutent certaines voies urbaines d'une longueur de 55km (dans les villes de Cotonou et de Porto-Novo) et certaines pistes de dessertes rurales couramment entretenues.

De 2007 à 2009, l'état des routes a régressé. Ainsi, la proportion de routes praticables en toute saison est passée de 78,5% en 2007 à 75,2% en 2009 soit en moyenne 96 km de routes qui passent à l'état non praticable chaque année. Quant aux routes en mauvais état, leur linéaire est passé de 802,76 km en 2007 à 1191,743 km en 2009 soit en moyenne 194,5 km de routes qui passent à l'état non praticable chaque année.

Parallèlement, le linéaire de routes bitumées est passé de 1822,96 km en 2007 à 2078,068 km en 2009 tandis que celui des routes en terre est passé de 4121,62 km à 3866,503 km. Le tableau suivant donne l'évolution des routes par type de routes entre 2007 et 2009 :

Etat		2007			2009
Bon Passable Mauvais En chantier Total	RB	RT	Total	RB	RT	Total
	1085,3	370,2	1455,5	1109,743	156,685	1266,428
	662,7	2546,12	3208,82	755,335	2450,08	3205,418
	74,96	727,8	802,76	212,99	978,753	1191,743
	0	477,5	490,5	0	280,982	280,982
	1822,96	4121,62	5944,58	2078,068	3866,503	5944,571

La situation du réseau routier classé par classe administrative en 2009 se présente ainsi qu'il suit :

> 3766,7 km de RN dont 10,4% à l'état bon, 62,9% à l'état passable, 22% en mauvais état et 4,7% en chantier.

> 2177,9 km de RNIE dont 40,2% à l'état bon, 38,3% à l'état passable, 16,8% en mauvais état et 4,7% en chantier ;

Le graphique suivant illustre la situation du réseau routier classé par classe administrative en 2009 :

Graphique1 : Présentation du réseau routier par classe administrative en 2009

La répartition des routes par région montre une certaine disparité des investissements tant en terme de volume qu'en terme de type et de qualité de routes.

En effet, on remarque que la région de l'Alibori-Borgou est celle qui possède la plus grande partie du réseau routier (28%), suivi de la région de l'Atacora-Donga (26%) et du ZouCollines (22%). La région qui enregistre le plus faible linéaire est l'Ouémé-plateau avec seulement 7% du réseau (voir graphique ci-dessous).

Mais, ces statistiques à elles seules ne suffisent pas pour bien mesurer d'une part la couverture du réseau routier sur le territoire national ainsi que dans les différentes régions et d'autre part l'accessibilité des personnes aux routes dans les différentes régions et sur le territoire national.

En présence d'une telle situation, certains auteurs utilisent deux indicateurs pour déterminer d'une part les régions les mieux pourvues de routes ainsi que la couverture du réseau sur tout le territoire et d'autre part l'accessibilité des personnes aux routes dans les différentes régions et sur le territoire national : Il s'agit de la densité routière et de la distribution routière.

La densité routière mesure la couverture routière c'est-à-dire le linéaire de routes qu'on trouve sur une superficie de 100km². Elle est exprimée en Km/100km². La distribution routière par contre mesure l'accessibilité des personnes aux routes c'est-à-dire le nombre de km de routes pour 10.000hbts. Elle est exprimée en km/10.000hbts.

Ces indicateurs sont utilisés par les pouvoirs publics et les institutions internationales ; ceci
dans la mesure où ils rendent compte de la situation du pays en matière d'infrastructures
routières. Il ressort donc du tableau ci-dessous que c'est la région de l'Atlantique-Littoral qui

est la plus couverte de routes suivi du Mono-Couffo et de l'Ouémé-Plateau ; ce qui n'est pas le cas au niveau de la distribution routière. En effet, sur une population de 10000hbts, environ 14 personnes ont accès à la route dans la région de l'Atacora-Donga ; 11 dans celle de l'Alibori-Borgou et 10 dans celle du Zou-Collines ; l'accessibilité dans les autres régions étant faible.

Ces différentes données témoignent de l'insuffisance du réseau dans les régions. Ceci est d'autant plus vrai lorsqu'on considère le Bénin en général. En effet, sur une superficie de 100km² au Bénin, l'on y retrouve que 5km de routes ; de même sur une population de 10000hbts au Bénin, seulement 7 personnes ont accès à la route.

Au total, cette présentation du réseau routier nous a permis non seulement de faire le point sur la situation du réseau dans les différentes régions et sur le territoire mais aussi de comprendre les disparités qui existent entre les différentes régions. Elle nous a également permis de connaitre non seulement la couverture des régions par le réseau mais aussi l'accessibilité de nos concitoyens aux routes tant au niveau régional qu'au niveau national. Il ressort de cette chapitre que le Bénin accuse un grand retard en ce qui concerne ces infrastructures routières.

Chapitre 2 : Revue de littérature

L'analyse du rôle productif des infrastructures a connu un développement précoce dans les années 40*50, à la suite des débats autour de la croissance équilibrée initiés par les théoriciens du développement (Rosenstein-Rodan, 1943 ; Knurse, 1952 ; Hirschman, 1958). Ces débats ont néanmoins été rapidement éclipsés à partir des années 60, la réflexion se déplaçant sur le front des questions de court terme et de l'opposition entre effet multiplicateur et effet d'éviction des dépenses publiques. Pendant plus de trente ans, l'investissement public en infrastructures a été plutôt perçu comme un facteur de relance de la demande dans une optique de tradition keynésienne, et son rôle productif occulté.

De plus, l'examen de la littérature nous montre que d'importantes études ont essayé de déterminer la relation entre les dépenses publiques et la croissance, notamment entre les investissements publics en infrastructures et la croissance économique. Au nombre de ces études, nous avons celle de Barro, Romer, Lucas et surtout celle d'Aschauer sur le plan empirique. Certaines d'entre elles tendent à évaluer l'incidence des investissements en infrastructures sur les coûts de production des entreprises privées. D'autres cherchent à évaluer l'effet direct des infrastructures publiques (investissements publics en infrastructures), en les considérant au même titre que l'investissement privé comme un facteur de croissance.

Paragraphe 1 : Aperçu des aspects théoriques

La question du rôle joué par les infrastructures de transport (surtout routières) dans une économie relève même de l'analyse des déterminants de la croissance économique. La réflexion théorique sur les sources de la croissance économique a connu quant à elle un important renouveau dans les vingt dernières années. L'analyse reposait en effet jusqu'alors sur le modèle néoclassique de Solow fondé sur l'hypothèse de rendements décroissants du capital. Ce modèle suggérait que le taux de croissance de long terme d'une économie était déterminé de façon exogène par le rythme du progrès technique et de la dynamique démographique. Dans cette perspective théorique, les politiques budgétaires et les infrastructures routières avec elles ne modifient le taux de croissance de l'économie qu'au cours de sa transition vers l'équilibre de long terme. La stimulation de l'activité par des politiques expansionnistes n'est alors que temporaire, indépendante de l'équilibre à long terme de l'économie.

Ainsi, les premiers modèles néoclassiques ignoraient donc l'interaction non seulement entre la croissance économique et les politiques publiques en matière d'infrastructures, mais aussi entre l'accumulation du capital et le progrès technique. La décroissance des rendements constitue, en effet, une hypothèse fondamentale de la conception néoclassique du marché. Conçue dans un premier temps comme un phénomène exogène, l'analyse du progrès technique évoluera vers son endogénéisation et sera à la base des nouvelles théories de la croissance dans les années 1980 : les théories de la croissance endogène

Les théories nouvelles cherchent régulièrement à rendre le progrès technique endogène, c'est-à-dire à construire des modèles qui expliquent son apparition. Ces modèles ont été développés à partir de la fin des années 1970 notamment par Paul Romer, Robert Barro et Robert Lucas. Ces modèles se fondent sur l'hypothèse que la croissance génère par elle-même le progrès technique et ceci en raison de l'existence de rendements croissants des facteurs de production. Pour les tenants de la théorie de la croissance endogène, le processus de croissance vient des comportements des agents économiques ; la croissance est ainsi assimilée à un phénomène autoentretenu par accumulation de quatre facteurs principaux : le capital physique, la connaissance (Paul Romer ; 1986, 1990), le capital humain (Robert Lucas, 1988) et le capital public (Robert Barro, 1990).

En effet, Paul Romer met en exergue l'importance de l'accumulation du capital physique et la connaissance dans le processus de croissance. Il construit un modèle qui repose sur les phénomènes d'externalités entre les firmes. Il montre qu'en investissant dans de nouveaux équipements, une firme se donne les moyens d'accroître sa propre production mais également celle des autres firmes. Cela s'explique par le fait que cette acquisition de nouvelles technologies va requérir de nouvelles connaissances dont l'entreprise ne pourrait empêcher la diffusion au niveau des autres firmes, qu'elles soient ses concurrentes ou non. Il soutient également que c'est en produisant qu'une économie accumule les expériences et donc les connaissances. Plus la croissance est forte et plus le savoir-faire est grand, ce qui favorise la croissance. Il mène la même analyse en ce qui concerne l'accumulation de capital technologique à travers l'innovation et la recherche-développement. Il conclut que la recherche- développement et la croissance se causent mutuellement.

Par ailleurs, le capital humain comme source endogène de croissance est analysé par Robert Lucas. Il désigne le stock de connaissances appropriées par un individu et qui le rend plus productif. Contrairement à la théorie néoclassique qui considère le capital humain

comme un stock de travail, les théoriciens de la croissance endogène notamment Lucas tente d'apporter un fondement économique (déterminants) à celui-ci : Il n'y a pas que la quantité de travail qui va induire une croissance mais sa qualité aussi va participer à la croissance. Il n'est pas nécessaire cependant à ce que le capital humain s'accompagne d'externalités à l'image du capital technologique, car il est propre à chaque individu (à moins qu'il y ait transmission de ce capital par effet d'apprentissage du savoir faire propre à chacun et à d'autres). Aussi, la productivité privée du capital humain produit une externalité du fait que l'amélioration du niveau d'éducation et de connaissances d'un individu accroît le stock de capital humain de la nation, contribuant ainsi à la hausse de la productivité nationale. La croissance économique dépend donc fortement des efforts consentis dans le domaine de la formation qui dépendent à leur tour de la capacité de l'économie à constituer de l'épargne pour leur financement.

Enfin pour le capital public, ce sont les travaux de Robert Barro (1990) qui vont permettre de démontrer leur importance dans la croissance économique. Alors que dans le modèle néoclassique, le capital public n'intervient que dans la détermination du niveau de revenu d'équilibre, celui ci explique maintenant la trajectoire de croissance à long terme des économies. En outre, Barro assimile les infrastructures à la dépense publique en capital, ce qui revient à faire l'hypothèse simplificatrice mais peu gênante de leur dépréciation complète à chaque période. A partir de cette hypothèse, Barro explique l'effet cumulatif des dépenses d'infrastructures par le fait qu'elles assurent l'augmentation de la croissance qui, induit un accroissement des recettes publiques et donc des dépenses publiques, source de croissance. Les infrastructures publiques constituent pour cet économiste, un facteur de croissance qui engendre des rendements d'échelle croissants à long terme en raison des économies internes qu'elles permettent pour les producteurs privés.

L'existence de rendements croissants du capital est bien expliquée en ce qui concerne les investissements en infrastructures. Les infrastructures appellent d'abord des politiques d'équipement et de travaux publics susceptibles, en période de contraction de l'activité ou de sous-production par rapport au potentiel de l'économie, d'avoir un impact keynésien en créant des emplois et en exerçant un effet contra-cyclique positif. Elles réduisent les coûts de transaction et facilitent les échanges commerciaux à l'intérieur comme à l'extérieur des pays. Elles permettent aux acteurs économiques de répondre à de nouvelles demandes, dans de nouveaux lieux. Elles abaissent le coût des intrants nécessaires à la production de presque tous les biens et services. Elles rendent profitables des activités non rentables et plus profitables encore les activités déjà existantes. Les théoriciens de la croissance endogène

préconisent d'ailleurs que ces dépenses soient maintenues même en situation de conjoncture difficile.

L'hypothèse des rendements croissants va permettre enfin de rendre compte d'un phénomène qui ne trouve pas sa place dans l'analyse néoclassique standard, à savoir l'imparfaite mobilité internationale des capitaux. En effet, selon les hypothèses néoclassiques de rendement décroissant, le rendement du capital devrait être plus élevé dans les pays en développement puisque leur stock de capital est moindre que celui des pays développés. Pourtant, le constat est que l'épargne internationale continue de se concentrer dans les pays les plus riches. La prise en compte des rendements croissants et des effets d'échelle permet d'en comprendre l'une des raisons : le rendement des investissements privés ne diminue pas mais s'accroît avec la densité du capital physique et humain (Barro, 1990).

Paragraphe 2 : Revue des travaux antérieurs

Les études empiriques sur le caractère productif des infrastructures occupent depuis le début des années 90 une place importante dans la littérature économique. Au delà du travail pionnier de Ratner (1983), ce sont les travaux d'Aschauer (1989) qui ont stimulé la recherche quantitative dans ce domaine. Cette recherche s'articule autour de plusieurs approches visant à identifier la dynamique de croissance à l'oeuvre et les canaux de transmission du rôle productif des infrastructures. On distingue notamment : l'estimation sur séries chronologiques de la fonction de production élargie ou de la fonction de coût des entreprises ; la recherche de liens de causalité, au sens économétrique du terme, entre dépenses d'infrastructures routières et croissance puis enfin l'analyse en données de panel reliant, pour un ensemble de pays, la part moyenne des dépenses publiques dans la richesse nationale.

En effet, Avant Aschauer (1989), c'est en fait Ratner (1983) qui a estimé le premier sur séries chronologiques une fonction de production élargie pour les Etats-Unis. Sur la période étudiée (1949-73), l'auteur trouve une élasticité du capital public de 0.056. Ram et Ramsey (1989) recommencent l'exercice pour la période 1949-85, Ils obtiennent une élasticité beaucoup plus forte du capital public (0.24). C'est, néanmoins, suite aux travaux d'Aschauer que le débat sur la question de l'impact productif des infrastructures s'intensifie. Aschauer (1989) emploie une fonction de production Cobb-Douglas et utilise des données de séries chronologiques agrégées nationales américaines pour examiner la relation entre le capital d'infrastructure publique et la production agrégée du secteur privé. Il observe un lien

très grand et très fort entre ces deux variables. Même le rendement du capital public est beaucoup plus élevé que celui du capital privé. L'élasticité estimée de la production par rapport au capital public est de 0,39, autrement dit une augmentation de 1 pour cent du stock de capital public se traduit par une augmentation de la production du secteur privé de 0,39 pour cent. L'élasticité par rapport à l'infrastructure « de base », qui comprend les routes, le transport en commun, les aéroports, etc., est d'environ 0,24.

A la suite des études d'Aschauer, plusieurs auteurs ont aussi utilisé des données de séries chronologiques agrégées et une fonction de production Cobb-Douglas, en vue d'estimer adéquatement le stock d'infrastructures.

Ce sont d'abord les travaux de Munnell (1990) où elle utilise aussi des données de séries chronologiques agrégées et une fonction de production Cobb-Douglas tout en supposant aussi des rendements d'échelle constants pour tous les intrants. Mais, au lieu du ratio production/capital privé, elle utilise la productivité du travail plus connu (c'est-à-dire le ratio production/travail) comme variable dépendante. Elle confirme le résultat d'Aschauer selon lequel le capital public a vraiment sa place dans la production.

Ensuite, ce sont les travaux de Khanam (1996) où elle examine le lien entre le capital routier et la production économique dans le « secteur de la production de biens » de l'économie. Elle estime également une fonction de production Cobb-Douglas et une fonction de production translog à l'aide de 10 séries de données provinciales correspondant aux années 1961 à 1994. Les principaux résultats obtenus indiquent des élasticités de l'ordre de 0,09 à 0,17.

Khanam (1999), pour une deuxième fois au Canada, examine les effets du capital routier sur la productivité du travail en utilisant une fonction Cobb-Douglas et une fonction translog avec des données de séries chronologiques agrégées. Les résultats ne diffèrent pas beaucoup de ceux obtenus par Aschauer. Par exemple, l'élasticité de la production par rapport au capital routier est de 0,47 (statistiquement significative) dans une fonction Cobb-Douglas sans contraintes.

Par ailleurs, certains auteurs comme Conrad et Seizt (1992), Shah (1992), Lynde et Richmond (1992, 1993), Nadiri et Manuneas (1994, 1996), Morrison et Schwartz (1996) utilisent une approche en terme de fonction de coût pour estimer le stock de capital public. Presque toutes ces études portent sur une industrie individuelle donnée, notamment l'industrie manufacturière. Leurs études convergent dans une grande mesure vers la même conclusion,

selon laquelle l'investissement dans l'infrastructure publique contribue de façon importante à réduire le coût de production dans le secteur privé.

Les résultats obtenus par les études faites dans le contexte canadien font voir à peu près le même profil que les études américaines. En effet, Keeler et Ying (1988), dans une étude portant sur les avantages des investissements réalisés dans l'infrastructure routière et ceci dans le cadre de l'aide fédérale sur les coûts de l'industrie américaine du transport par camion utilisent des données se rapportant à neuf régions de 1950 à 1973. Ils constatent que le capital investi dans l'infrastructure routière a amélioré sensiblement la productivité de l'industrie du camionnage. Les avantages des investissements routiers représentés par les économies réalisées au plan du coût des camions sont très importants, couvrant à eux seuls presque le tiers des coûts en capital du réseau routier bénéficiant de l'aide fédérale entre 1950 et 1973.

Ces différentes études ont déclenché un vaste débat sur les conséquences d'une telle conclusion au plan des politiques économiques et ont fait ressortir des questions économétriques importantes. A la suite de ces auteurs, plusieurs études ont analysé la relation entre l'investissement public en infrastructures routières et la croissance économique. Par exemple, Véganzonès (2001) a fait apparaître, sur un panel de 87 pays comprenant 25 pays d'Afrique Subsaharienne, un impact positif de l'investissement public en infrastructures routières sur la croissance et une relation de complémentarité entre l'investissement public et l'investissement privé. Knight et al (1993) ; Nelson et Singh (1994) ont mis en évidence un effet significatif de l'investissement public en infrastructures routières sur la croissance économique dans un échantillon de pays en développement, notamment au cours des années 1980. Easterly et Rebelo (1993) arrivent au même résultat en considérant les investissements publics en transport et communication.

Dans les pays en développement, en particulier en Afrique, les études relatives aux effets des infrastructures routières sur les performances économiques restent limitées. Toutefois, au Nigeria, Lee et Ana (1992) ont trouvé que le manque d'infrastructures, notamment pour le secteur de l'électricité et des transports, constituait une contrainte majeure pour les entreprises nationales et étrangères. Mobilisant des séries de données chronologiques, Rodrigue KUITCHA KWANDJEU (2005) a également montré l'impact positif qu'ont les infrastructures de transports sur la croissance économique du Cameroun. L'élasticité du capital public ainsi trouvé est de l'ordre de 0,19. Il en est de même pour Joseph

D. AKOWE et Gébel D. ALOKPO (2004) qui, en considérant les investissements publics au sens large au Bénin, ont trouvé une élasticité de l'ordre de 0,34.

Cependant, certaines études tendent à démontrer que les infrastructures de transport n'ont pas d'effet sur la croissance économique. C'est le cas de l'étude de KEHO Yaya (2008) qui, en étudiant la causalité entre dépenses publiques et croissance économique parvient au résultat selon lequel c'est la croissance économique qui influence le niveau des dépenses en infrastructures de transport et non le contraire. Mais, il explique que le fait que les dépenses en infrastructures de transport n'influencent pas le niveau de la croissance comme les modèles de croissance endogène le prédisent, peut être dû à leur mauvais état.

En Afrique, le faible niveau des indicateurs de base sur la couverture et la performance du secteur des transports résulte selon certains auteurs de l'insuffisance des investissements estimés à moins de 20% du PIB. Mlambo et Oshikoya (2001) estiment, à cet égard, que le ratio d'investissement en Afrique est trop faible pour assurer le remplacement et l'accroissement du capital physique et humain. A l'opposé, Devarajean, Easterly et Pack (2001) situent le problème dans l'insuffisance de la productivité de l'investissement. Ces auteurs soulignent plutôt la faible utilisation des capacités et le manque de compétences. En outre, leur analyse sur 29 pays africains montre qu'à l'exception du Lesotho et du Botswana, l'investissement aussi bien public que privé n'est pas corrélé à la croissance économique. Ils concluent en disant qu'il est illusoire de vouloir stimuler la croissance économique africaine à l'aide d'un volume d'investissement accru sans chercher à identifier les facteurs à l'origine du faible rendement de l'investissement.

Adoptant une approche vectorielle autorégressive, Ansari et al (1997) ne trouvent aucune évidence en faveur des effets keynésiens des dépenses publiques au Ghana, au Kenya et en Afrique du Sud. En adoptant la même approche, Cheng et Lai (1997) établissent une causalité réciproque entre les dépenses publiques et la croissance économique en Corée du Sud. Ghali (1999) examine la causalité entre les dépenses publiques et la croissance dans 10 pays de l'OCDE en utilisant les techniques de cointégration. Les résultats indiquent que les dépenses publiques totales causent au sens de Granger la croissance économique dans tous les pays de l'échantillon avec cependant des disparités concernant la proportion avec laquelle les dépenses publiques contribuent à expliquer les évolutions des taux de croissance.

Par ailleurs, utilisant des techniques économétriques, plusieurs études ont démontré le lien
direct entre l'investissement en infrastructure rurale et la pauvreté rurale. Analysant les

facteurs expliquant l'accès au marché, Escobal (2001) montre l'importance des infrastructures routières dans la réduction des coûts de transaction et l'amélioration des revenus des paysans Péruviens. Jalan et Ravallion (2002) trouvent que la densité routière exerce un effet positif significatif sur la consommation des ménages agricoles des régions pauvres de la Chine. Il conclut en disant qu'un accroissement de 1 pour cent du kilométrage de routes par habitant accroît la consommation des ménages de 0,08 pour cent.

La Banque Mondiale, dans son rapport publié le mercredi 11 novembre 2009, juge que "l'état déplorable des infrastructures en Afrique subsaharienne freine la croissance économique des pays de deux points, chaque année, et limite jusqu'à 40 % la productivité des entreprises". L'étude a porté sur les infrastructures en matière d'électricité, d'eau, de routes, de communications et de technologies de l'information dans vingt-quatre (24) pays, dont onze (11) francophones. De même, celui antérieur à 2009, publié en 1994, avait déjà abordé largement le lien entre les infrastructures et le développement économique, notamment le rôle moteur des infrastructures dans la croissance économique et la nécessité de concilier l'accroissement indispensable de la quantité de capital d'infrastructure avec l'amélioration de la qualité des services. Le rapport souligne que « l'infrastructure peut beaucoup pour la croissance économique, la lutte contre la pauvreté et la préservation de l'environnement, mais seulement quand elle assure des services qui répondent à la demande effective et qu'elle le fait bien ». Le secrétaire d'État adjoint aux affaires africaines, M. Johnnie Carson, lors d'une allocution prononcée le 28 avril 2010 à Washington, à l'occasion de la Quatrième Conférence États-Unis-Afrique sur l'infrastructure qui se tient tous les ans sous les auspices du Corporate Council on Africa (CCA) indiquait que « L'Afrique (...) ne peut pas espérer combler son retard en matière de développement, ou parvenir au rang des régions à revenu moyen si elle ne développe pas son infrastructure, dont l'insuffisance constitue actuellement une entrave fondamentale au commerce, aux investissements et à la croissance. Le mauvais état des routes, des voies ferrées et des ports ajoute de 30 à 40 % aux coûts des échanges commerciaux entre les pays sur le continent.»

Il s'agit de présenter la méthodologie qui suppose le choix d'outils d'analyse susceptibles de nous conduire vers la mise en évidence de la relation entre l'investissement en infrastructure routière, la croissance économique et recommandations.

Chapitre 1 : Méthodologie

Cette partie permettra d'explique le modèle d'analyse ; de présenter les variables ; la méthode de collecte des données ; de procéder à l'estimation du modèle et d'énoncer les tests de validité du modèle

Paragraphe 1 : Méthode de collecte ; présentation des variables à estimer et
le modèle d'analyse.

La méthodologie utilisée dans cette étude repose sur quatre outils fondamentaux à savoir la recherche documentaire, l'analyse en composante principale, l'analyse descriptive et l'estimation économétrique comme outil d'analyse empirique.

La collecte des données vise à regrouper toute la littérature sur la modélisation de l'investissement en infrastructure routière notamment sur les modèles liant l'investissement et croissance économique. A cet effet, les principales sources ci-après ont été identifiées et visitées :

- l'INSAE, pour les données relatives à la population active ; les comptes nationaux de 1990 à nos jours et le programme d'investissement public sur la période 2003 à 2013

- Ministère Délégué Chargé des Transports Terrestres, des Transports Aériens et des Travaux Publics (MDCTTTATP) à la Direction Générale des Travaux Publics (DGTP) plus précisément la Direction de la planification et de Suivi -Evaluation( DPSE) sur les réalisations en infrastructure routière ; le réseau routier et le trafic sur le réseau depuis 2002* 2010 les données sont collectées par département /commune/projet ainsi que le coût de réalisation ( Budget National et Bailleur)

De la revue des travaux antérieurs ; il ressort que les différents facteurs déterminants sont : le Produit Intérieur Brut (PIB) ; le crédit à l'économie ou la dette ; l'investissement public (Capital) ; le coût de la main d'oeuvre (force de travail) ; le comptage du trafic et l'environnement institutionnel. Mais compte tenu des données disponibles, toutes les variables ne pourront pas être retenues pour la construction du modèle. Cependant les variables les plus importantes telles que le PIB ; le capital privé; les infrastructures routières et le niveau de l'emploi nous permettront d'obtenir les résultats de l'étude.

Pour permettre la parfaite homogénéité des données, nous allons utiliser comme variable dans ce cas les dépenses allouées aux investissements dans le sous secteur des infrastructures routières. Ces dépenses sont constituées en fait de celles investies dans les travaux neufs d'une part et de celles dans l'entretien d'autre part ; ceci dans la mesure où beaucoup d'études ont montré l'importance de l'entretien routier dans le secteur des transports en l'occurrence celle de la banque mondiale 1994. Les données sur les dépenses d'infrastructures routières proviennent à la fois de la DGTP et du Fonds Routier.

Il sera représenté par l'investissement privé (encore appelé formation brute de capital fixe du secteur privé). Les données sur l'investissement privé proviennent des comptes nationaux de l'INSAE.

La variable travail correspond à la main d'oeuvre disponible. Cette main d'oeuvre est égale à la population active .Elle vend sa force de travail aux structures de production .Ce travail est un facteur de production très important dans l'explication de la croissance du PIB .La qualification de la main d'oeuvre contribue à l'augmentation de la production et à son amélioration .Egalement, il est accordé beaucoup d'importance à la force de travail, puisque l'investissement dans le développement du capital humain augmente la qualification de la main d'oeuvre ; ils permettent d'accroître l'efficacité de la production à travers le développement de nouvelle technologies. Tous ces éléments ne peuvent qu'avoir un effet

bénéfique sur la croissance économique. Dans le cadre de notre étude, le niveau de l'emploi sera représenté par la masse horaire annuelle travaillée dans le pays.

Dans l'estimation économétrique, les données utilisées sont des séries annuelles et couvrent la période 1985-2010 soit au total 26 observations. Le PIB à prix constant base 1985 provient également des comptes nationaux de l'INSAE.

Nous tenons à rappeler ici, que compte tenu du manque de régularité au niveau des comptages sur le réseau routier sur le trafic notre modèle ne prendra pas en compte le trafic.

Les variables indicatrices : En vue de tenir compte des chocs économiques conjoncturels, il sera utilisé des variables indicatrices D87 ; D94 et D95 représentent respectivement des chocs de 1987 ; 1994 et 1995

En vue de compléter l'analyse descriptive ci-dessus sur la corrélation entre dépenses d'infrastructures routières et croissance économique, nous avons procédé à l'estimation d'un modèle de croissance.

L'approche retenue dans la présente étude s'inspire des modèles de croissance endogène, dont le précurseur est Robert Barro. La spécificité de ce modèle consiste à faire apparaître le stock de capital public dans le processus de production, et par conséquent à mettre en évidence un lien explicite entre la politique gouvernementale et la croissance économique de long terme dans un cadre de croissance endogène. Les modèles de croissance endogène avec externalités s'appuient sur des fonctions de production Cobb-Douglas à trois facteurs dont deux sont des facteurs privés (travail et le capital privé) et le troisième, les infrastructures, est à financement public. En effet, l'utilisation d'une fonction de production Cobb-Douglas permet une lecture directe des élasticités et des rendements d'échelle et une discussion aisée de la présence ou non d'externalités de capital public. Elle est définie par :

Les termes Nt, Kt et Gt désignent respectivement le niveau de l'emploi ou le travail, le stock de capital privé et le stock de capital public, le tout à l'année t. A désignent le niveau d'avancement technologique constant dans le temps ; les paramètres á, â et ë correspondent respectivement aux élasticités de la production par rapport au stock de capital privé, au travail et aux investissements publics (avec 0<á<1 ; 0<â<1 ; 0<ë<1).

La variable (G) décrite dans le modèle de Barro comprend toutes les dépenses en infrastructures routières ainsi que les autres dépenses en infrastructures, comme celles qui sont liées à la construction d'écoles, la construction d'hôpitaux, la mise en place de l'aqueduc et l'égout, des équipements de transport public. Certains auteurs (Khanam, 1999 ; Rodrigue KUITCHA KWANDJEU, 2005 ; etc.) utilisent une définition plus restreinte de la variable G qui est axée uniquement sur les infrastructures de transport (surtout routières). Dans ce cas précis, nous utiliserons comme notation la lettre R. La variable G utilisée plus haut renvoie à des dépenses publiques en infrastructures, au sens large. Ainsi, notre fonction de production devient donc :

En posant : Y = PIB, le produit intérieur brut à prix constant ; K = Cap_priv, l'investissement privé ; N = Mhat, représenté par la masse horaire annuelle travaillée dans le pays ; et Dep, les dépenses d'infrastructures routières on a :

Après linéarisation par transformation logarithmique, le modèle prend la forme suivante, qui peut être estimée au moyen des techniques économétriques de modèle linéaire :

Avec : C = log A, la constante ; á, â et ë les élasticités respectivement du PIB par rapport au stock de capital privé, au travail et aux dépenses d'infrastructures routières ; ut, le terme d'erreur.

Avant le traitement d'une série temporelle, il convient d'en étudier les caractéristiques stochastiques. Parmi celles-ci on peut citer notamment l'étude de la stationnarité de la série.

Par définition, une série temporelle est dite stationnaire si sa moyenne et sa variance sont
constantes dans le temps et si la valeur de la covariance entre deux périodes de temps ne
dépend que de la distance ou de l'écart entre ces deux périodes et non pas du moment auquel

la covariance est calculée. Une telle série temporelle est qualifiée de `'faiblement stationnaire».

Il existe plusieurs tests pour détecter la stationnarité d'une série. Nous utiliserons le plus utilisé dans les travaux empiriques, à savoir le test de Dickey-Fuller Augmenté (ADF) ; mais elle peut s'appréhender en première approximation par l'allure de la fonction d'autocorrélation et sa représentation graphique : le corrélogramme.

La mise en oeuvre de ce test passe par trois différents modèles de base que sont : Modèle1 : modèle sans constante ni tendance

En conséquence, la lecture des résultats du test se fait en deux étapes :

Si ADF Test Statistic > Critical Value (valeur critique) alors on accepte H_o : la série étudiée est dite non stationnaire.

Si ADF Test Statistic = Critical Value (valeur critique) alors on accepte H1 : la série étudiée est dite stationnaire.

Si les séries ne sont pas stationnaires, mais toutes intégrées du même ordre, nous allons procéder à un test de cointégration et recourir à une représentation à correction d'erreur qui fournit des relations entre les variables à court et long terme. Tous les tests d'ADF sont effectués au seuil de 5%.

Le concept de cointégration fournit un cadre théorique de référence pour étudier les situations d'équilibre et de déséquilibre qui prévalent respectivement à long et à court terme. Si les variables sont cointégrées, elles admettent une spécification dynamique de type correction d'erreur, qui transforme le problème initial de régression sur les variables non stationnaires. La cointégration permet d'identifier la relation véritable entre deux variables en recherchant l'existence d'un vecteur de cointégration et en éliminant son effet, le cas échéant.

Deux séries Yt et Xt sont dites cointégrées si les deux conditions suivantes sont vérifiées :

Une combinaison linéaire de ces séries permet de se ramener à une série d'ordre d'intégration inferieur : á1Yt + _á2Xt --> I (d-b) avec d=b>0. [á1 á2] est appelé vecteur de cointégration.

Deux tests de cointégration sont généralement utilisés : le test de Engle et Granger (1987) et celui de Johansen (1988). Un modèle accélérateur-coûts de facteurs (JORGENSON, 1963)

Avec une fonction de production de type Cobb-Douglas, Jorgensen dérive une spécification hybride qui constitue, aujourd'hui encore, la base des principaux modèles économétriques d'investissement. Le niveau du stock de capital désiré est déterminé par deux éléments principaux. Une variable des prix relatifs (investissement relié au capital) et une variable réelle (la demande, saisie par la production), jouant un rôle d'accélération.

La limite principale de ces modèles demeure l'absence d'une prise en compte explicite de l'incertitude dans la décision d'investissement

Mais, dans le cadre de notre étude, nous nous limiterons à celui de Engle et Granger.

La première étape consiste à tester l'ordre d'intégration des séries. Une condition nécessaire de cointégration est que les séries soient intégrées de même ordre. Dans le cas contraire, la cointégration n'est pas possible et la procédure s'arrête à cette étape. La seconde étape consiste, quant à elle, à estimer par les MCO la relation de long terme entre les variables :

Pour que la relation de cointégration soit acceptée, il faut que le résidu de la régression de Y
sur X soit stationnaire. Il suffit donc de procéder à un test de stationnarité sur le résidu (ADF).

Les tests de cointégration permettent de détecter la présence d'une relation de long terme entre les variables. Or, il est fort intéressant de connaître l'évolution à court et moyen terme de cette relation. L'outil nécessaire à une telle fin est le Modèle à Correction d'Erreur (ECM) utilisé pour la première fois par Sargan (1984) et rendu populaire par Engle et Granger (1987). Ce type de modèle permet de mettre en évidence comment la dynamique de court terme des variables du système est influencée par l'équilibre de long terme. Ainsi donc lorsque les séries sont cointégrées, il convient d'estimer leur relation à travers un modèle à correction d'erreur.

Selon l'approche de Engle et Granger, l'estimation du modèle à correction d'erreur se fait en deux étapes.

1ère étape : On estime la relation de long terme entre les variables cointégrées du modèle et on génère les résidus du modèle. On effectue ensuite le test de stationnarité sur les résidus.

2ère étape : Les résidus recueillis sont retardés d'une période et introduits dans le modèle de court terme.

Le coefficient á2 représente la vitesse d'ajustement vers l'équilibre, il s'agit de la force de rappel vers l'équilibre. Il doit être significativement et nécessairement compris entre -1 et

0 ; sinon, la spécification ECM doit être rejetée. Le ECM est un modèle qui intègre à la fois les évolutions de court terme autour d'un équilibre de long terme.

Elle comporte deux sous-étapes. La première, relative à l'aspect économique permet de voir si les signes des paramètres estimés sont conformes à la théorie économique. La seconde est celle relative à la qualité statistique et économétrique de l'ajustement. Dans ce cas, plusieurs tests sont effectués notamment : le test de significativité des coefficients des variables et celui de la significativité globale du modèle ; le test de normalité des erreurs ; test d'autocorrélation et d'homoscédasticité des erreurs.

+ Pour se prononcer sur la qualité globale de l'ajustement, il est impérieux de faire recours à la statistique de Fisher qui permet de voir si l'ensemble des séries explicatives a une influence sur la série à expliquer. La réponse à cette problématique est facilitée par la comparaison de la F-statistique estimée à celle lue dans la table statistique de Fisher. Le test d'hypothèse est formulé de la manière suivante :

H0 : tous les coefficients du modèle sont nuls
H1 : il existe au moins un coefficient non nul.

Si la F-statistique calculée est supérieure à celle lue dans la table statistique de Fisher, alors on rejette l'hypothèse nulle au détriment de l'hypothèse alternative selon laquelle la régression est globalement significative ;

Si la F-statistique calculée est inférieure à celle tabulée par Fisher, alors on accepte l'hypothèse nulle selon laquelle la régression n'est pas globalement significative.

Cependant, on peut s'en passer et prendre une décision par rapport aux probabilités de rejet fournies par le logiciel E-Views. Ainsi, si la probabilité associée à la F-statistique est inférieure à 5%, alors on rejette l'hypothèse nulle de nullité de tous les coefficients du modèle. Dans ce cas, le modèle est globalement significatif. Le coefficient de détermination R² (Adjusted R-squared) est également utilisé pour juger du pouvoir explicatif du modèle.

+ La qualité individuelle des estimateurs se fait à l'aide du test de student. En effet, il est question, pour tester l'hypothèse nulle de nullité d'un coefficient, de calculer et de comparer la t-statistique estimée à celle lue dans la table statistique de student. Cependant, on peut s'en passer et prendre une décision par rapport aux probabilités de rejet fournies par le logiciel E-Views. Ainsi, si la probabilité associée à la t-statistique est inférieure à 5%, alors on rejette l'hypothèse nulle de nullité d'un coefficient. Dans ce cas, le coefficient associé à l'estimateur est significativement différent de zéro (0)

A cet effet, on fera recours au test de Jarque-Bera. Les hypothèses du test sont les suivantes :

La statistique de Jarque Bera est définie par : JB = n [s²/6 + (k-3)²/24]

Où s représente le coefficient de dissymétrie (Skewness) et k le coefficient d'aplatissement (Kurtosis).

La statistique de Jarque-Bera suit sous l'hypothèse de normalité une loi du Khi-Deux à deux degrés de liberté. On lit dans la table du Khi-Deux à 2 degrés de liberté, au seuil de 5% : A=5,99

On accepte l'hypothèse de normalité si la statistique de Jarque-Bera est inférieure à 5,99.

Remarque : Sous le logiciel Eviews, au seuil de 5%, on accepte l'hypothèse de normalité des erreurs dès que la valeur de « Probability » est supérieure à 0,05

Pour tester une éventuelle homoscédasticité des erreurs, nous ferons recours au test de White. Les erreurs sont homoscédastiques si la probabilité est supérieure à 0,05.

Pour vérifier si les erreurs sont autocorrélées ou non, nous réaliserons le test de Breusch-Godfrey. La statistique de Breusch-Godfrey, donnée par BG = nR² suit un Khi-Deux à p degrés de liberté, avec :

L'hypothèse de non-corrélation des erreurs est acceptée si la probabilité est supérieure à 5% ou si nR² est supérieure au Khi-Deux lu.

Paragraphe 2 : Estimation du modèle
A-Test de normalité de Jarque Bera sur les variables du modèle

Le test de normalité de Jarque Bera effectué sur les variables (voir annexe7) indique que toutes les séries du modèle sont normales et lognormales sur la période de 1985 à 2010. En effet, au seuil de 5%, l'hypothèse de normalité est vérifiée (Probability > 0,05).

B-Présentation et analyse des résultats du test de ADF sur les variables du
modèle

Nous avons fait subir le test de Dickey-Fuller Augmenté aux séries afin de déterminer les divers ordres d'intégration. Les résultats de ce test sont consignés dans le tableau ci-après, et les détails relatifs au test figurent en annexe (1-4).

Les résultats du tableau1 montrent qu'aucune des variables n'est stationnaire en niveau. En effet, la valeur calculée de la t-statistique associée à u pour chaque variable est supérieure à la valeur tabulée ; on ne peut donc pas rejeter l'hypothèse nulle de présence de racine unitaire : les séries étudiées ne sont pas stationnaires.

Dans ce cas, il faut différencier et recommencer la procédure du test sur les séries en différence première. A ce stade, les résultats montrent que toutes les variables différenciées une fois sont stationnaires. Ceci s'explique par le fait que la valeur calculée de la t-statistique

associée à u pour chaque variable est inférieure à la valeur critique tabulée. On en déduit alors que toutes les séries sont intégrées d'ordre 1. Nous pouvons donc soupçonner l'existence d'une possible relation de cointégration entre les variables du modèle.

C-Présentation et analyse des résultats du test de cointégration des
variables

En vue de détecter l'existence d'une possible relation de cointégration entre les variables, nous avons fait recours au test de Engle et Granger. Celui-ci nous a permis d'estimer la relation de long terme et de soumettre le résidu de cette estimation au test de ADF. Le test donne les résultats ci-dessous annexes 5,1 :

Il en ressort que le résidu est stationnaire, ou I(0). Nous pouvons donc conclure qu'il y a bien cointégration entre les variables. Les séries étudiées étant cointégrées, nous pouvons donc utiliser la représentation à correction d'erreur proposée par Engle et Granger.

Paragraphe 1 : Présentation et analyse des résultats du modèle à correction
d'erreur (ECM)
A-Présentation des résultats du modèle à correction d'erreur (ECM)

La représentation à correction d'erreur proposée par Engle et Granger se déroule en deux étapes :

Le tableau résumant l'estimation de la relation de long terme figure en annexe 6,1. La relation de long terme est :

LPIB = 12.3703387295 + 0.0976757817229*LDEP + 0.141344121723*LCAP PRIV + 0.408309969015*LMHAT 5 0.124387199015*D94 5 0.141389408299*D95 (1)

> 2^ème étape : Estimation de la relation du modèle dynamique (court terme)

Le tableau présentant l'estimation de la relation du modèle dynamique figure en annexe 6,2. La relation de court terme est :

D(LPIB) = 0.0338672105856 + 0.019170235293*D(LDEP) 5 0.0536708208967*D(LMHAT) + 0.0645473210285*D(LCAP_PRIV) 5 0.121887377856*RESIDMLT(51) 5 0.0473215025696*D94 5 0.053269463606*D87

B-Validation et analyse des résultats du modèle à correction d'erreur

Il s'agit dans cette rubrique de passer en revue trois points principaux à savoir : la qualité globale de l'ajustement, la qualité individuelle des estimateurs et enfin la qualité des résidus.

Pour se prononcer sur la qualité globale de l'ajustement dans le cas de la relation de long terme, nous avons fait recours à la probabilité de la F-statistique de Fisher fourni par le logiciel Eviews. Dans le présent cas, cette probabilité est inférieure à 5% (0.000000) : l'hypothèse de nullité de tous les coefficients est donc rejetée et par suite la relation de long terme est globalement significative. Ce résultat est conforme à la valeur de la statistique R2 (0.966492) qui renseigne lui aussi sur la qualité de l'ajustement selon qu'elle soit proche de l'unité. De plus, à partir du tableau d'estimation de la relation de long terme, on remarque que tous les estimateurs sont significativement différents de zéro (0) dans la mesure où les probabilités correspondantes à chacun d'eux sont inférieures au seuil critique de 5%.

En ce qui concerne la relation de court terme, on ne saurait seulement se lancer sur la significativité du coefficient du terme de rappel [residmlt (-1)] pour accepter le modèle à correction d'erreur. En effet, ce coefficient est significativement négatif ; ce qui permet de ne pas rejeter la relation de court terme. Cependant, il s'avère aussi indispensable de tenir compte des significativités globales et individuelles des estimateurs. Lorsqu'on se réfère aux probabilités associées aux différents paramètres estimés dans le modèle de court terme, on conclut facilement que ces derniers sont significatifs aussi bien individuellement que collectivement (voir annexe). La relation de court terme est donc globalement significative. Par ailleurs, les résidus sont normaux, non autocorrelés et enfin homoscédastiques car les probabilités des différents tests fournies par le logiciel Eviews sont supérieures à 5% (voir annexe). Quant à la stabilité du modèle ECM, elle est testée au moyen du « CUSUM Test » et du « CUSUM of squares Test ». Les deux tests révèlent que notre modèle est structurellement et ponctuellement stable, car la courbe ne coupe pas le corridor.

Les résultats des estimations de l'équation 1 montrent que les variables retenues expliquent à 96,64% l'évolution du PIB réel à long terme ; c'est-à-dire qu'elles ont une influence sur la variable expliquée. Il convient également de signaler que les résultats obtenus sont ceux attendus puisque les signes de tous les coefficients sont positifs et sont conformes à ceux prédits par la théorie économique. Mais, les rendements d'échelle ne sont pas constants ou croissants. Le coefficient du capital routier est de l'ordre de 0,097 ce qui est un peu faible par rapport à ce qu'avait obtenu (Aschauer, 1989), et après lui une majorité d'études spécifiées en niveau sur données chronologiques américaines. En revanche, ces résultats s'inscrivent dans la moyenne de ceux obtenus par les auteurs travaillant en panel. Il faut aussi noter que l'étude n'a pas considéré toutes les dépenses publiques au sens large ; ce qui n'est pas le cas dans celle réalisée par Aschauer (1989).

Ainsi, toutes choses étant égales par ailleurs, une augmentation de 1% des dépenses d'infrastructures routières contribuera à augmenter, à long terme, le PIB du Bénin de 0,097%. Ce qui signifie que les dépenses d'infrastructures routières influencent significativement la croissance du PIB à long terme. La relation de long terme indique également qu'une augmentation de 1% du stock de capital privé entrainera une hausse de 0.141% du PIB.

Les dépenses d'infrastructures routières jouent donc un rôle décisif dans le processus de croissance économique au Bénin. Ainsi, pour doper la croissance, il serait nécessaire de créer les conditions favorables pour attirer l'investissement privé. Ces conditions se résument entre autre au renforcement des infrastructures publiques en général et celles liées au transport en particulier. C'est pourquoi le gouvernement investit plus actuellement dans le secteur routier, ce qui donne l'impression de tirer la croissance. Cependant, le secteur privé doit aussi jouer un rôle moteur dans le processus de croissance ; et ceci en renforçant les capacités de production de l'économie d'où l'importance d'accroître les investissements privés.

Par ailleurs, le coefficient du capital routier est très proche de celui du stock de capital privé ; ce qui confirme d'avantage la théorie. Cette conclusion peut trouver une explication dans le fait que bien que les dépenses d'infrastructures routières n'ont cessé de s'améliorer un peu au Bénin, l'on devait s'attendre plutôt à un effet d'entraînement. Non seulement, le réseau routier est dégradé au cours des années, et le manque d'infrastructures routières est défini dans la liste des principaux handicaps au développement du secteur privé au Bénin. Mais également, on peut imputer cela au fait que les investisseurs nationaux sont trop peu nombreux, trop démunis et insuffisamment qualifiés pour suppléer à la carence d'investissements.

Le coefficient positif du niveau de l'emploi peut également être justifié par le fait que l'économie béninoise reste encore largement dominée par le secteur agricole, celui des petites unités de transformation mais aussi par le secteur informel qui, avec la crise économique, aurait pris une importante croissance au Bénin et dont le fonctionnement nécessite très peu de capital mais beaucoup de facteur travail. Ainsi, toutes choses étant égales par ailleurs, une augmentation de 1% du niveau de travail contribuera à augmenter, à long terme, le PIB du Bénin de 0,408%.

L'estimation du EMC montre que l'erreur d'équilibre dénommée aussi résidu décalé d'une période est statistiquement significatif et présente le signe attendu. Son coefficient (- 0,121) traduit l'effet d'ajustement du PIB à chaque période à l'équilibre. Le PIB s'ajuste donc à son niveau d'équilibre de long terme. Ce qui indique que la représentation à correction d'erreur converge des séries vers la cible de long terme. La vitesse d'ajustement faible du PIB justifie les écarts entre certains coefficients de court et de long terme. Ainsi des chocs sur le PIB se corrigent à 12,1% par l'effet « feed-back ». En d'autres termes, des chocs ponctuels

peuvent écarter la variable de sa cible de façon temporaire : la force de rappel vers le comportement de long terme ne comble l'écart potentiel qu'en plusieurs périodes, traduisant les rigidités et les délais d'ajustement de l'économie.

Par ailleurs, l'estimation du ECM met aussi en évidence la dynamique du taux de croissance du PIB qui dépend du taux de croissance des dépenses d'infrastructures routières. Mais, le constat qui est fait ici est que la contribution de cette variable à la croissance de court terme du PIB est insignifiante. De plus, l'efficacité des investissements routiers est plus importante à long terme qu'à court terme car leurs effets sur la croissance du PIB ne se font pas sentir automatiquement, mais plutôt plusieurs années après leur réalisation. Ainsi, toutes choses étant égales par ailleurs, une augmentation de 1% du taux de croissance des dépenses d'infrastructures routières accroit le taux de croissance du PIB de 0.01% à court terme. Les dépenses d'investissement en infrastructures routières influent donc plus positivement sur la croissance économique à long terme qu'à court terme au Bénin.

Au total, l'examen de la pertinence de la dynamique de long terme montre que les variables envisagées dans le cadre de ce travail de recherche expliquent la croissance économique au Bénin. Cependant, une restriction doit être faite sur le signe des coefficients dans la mesure où ils peuvent avoir plus d'effet sur le niveau de vie pour le capital routier et positif pour le capital privé. Fort de ces conclusions, quelques recommandations s'avèrent pertinentes pour permettre à l'économie béninoise de relever les principaux défis auxquels elle est confrontée.

Paragraphe 2 : Recommandations de politique économique

La route du développement passe par le développement de la route et de plus construire la route est une nécessité toutefois la maintenir en bon état est très délicate et onéreuse mais indispensable pour la durabilité et la pérennisation des monétaires acquis.

Nous voudrions proposer pour les différents acteurs qui sont dans le sous secteur quelques recommandations :

> L'Etat a la nécessité de doter le secteur d'un outil de prévision de l'impact des

dépenses d'infrastructures routières sur l'activité économique à travers l'IDH ;

> La nécessité de promouvoir l'investissement public et l'amélioration de la qualité des services d'infrastructures routières ;

> La nécessité de promouvoir l'investissement privé et la nécessité de promouvoir le partenariat public /privé(les bureaux d'étude et les laboratoires) ;

> La nécessité de doter le secteur d'un outil de prévision de l'impact des dépenses d'infrastructures routières sur l'activité économique

> Une sensibilisation sur la capacité des essieux à tonne surtout les gros porteurs ; les risques aux quels ils couraient ; service de contrôle (pane en chemin, les huiles de vidange versées sur les routes)

> Les populations des milieux où les infrastructures sont réalisées par rapport à l'environnement qui va connaître un changement ;

L'investissement privé constitue un facteur traditionnel de croissance. Nous avons trouvé qu'il est un facteur aussi important que les dépenses d'infrastructures routières pour la croissance économique. La promotion des investissements privés paraît plus que jamais nécessaire. Pour ce faire, l'Etat devra :

> améliorer non seulement la qualité des services d'infrastructures routières en faveur du secteur privé mais aussi de contribuer à faciliter l'accès aux financements bancaires.

> encourager la mise en place d'un marché financier, sur lesquels les opérateurs privés pourront facilement emprunter

> tout mettre en oeuvre pour restaurer un climat de confiance et assainir l'environnement économique. La mise en place d'un système beaucoup plus incitatif est nécessaire, tant pour attirer les capitaux étrangers, que pour mobiliser une épargne privée nationale au profit des investissements en infrastructures routières.

> Susciter et soutenir par des mesures d'incitation appropriées l'investissement à long terme par les opérateurs économiques du secteur privé ;

> Attirer les investissements directs étrangers en améliorant les conditions objectives du retour sur investissement, en levant les handicaps à l'implantation des investissements directs étrangers, et en développant une communication forte avec les investisseurs étrangers.

Le principe d'un PPP consiste à réunir les autorités publiques et des agents privés pour concevoir, financer, construire, gérer ou préserver un projet d'intérêt public. Les PPP permettent d'alléger la contrainte budgétaire publique en associant le secteur privé à la prise du risque lié au financement des investissements en infrastructures. C'est en adoptant une telle stratégie que les investisseurs étrangers seront prêts à s'engager dans des pays encore perçus comme `'risqués". C'est à ce prix que les Etats en recherche de financement seront crédibles.

CONCLUSION GENERALE

Au terme de ce travail, il convient de signaler que notre recherche ne constitue que le début d'un long processus dont l'aboutissement est la spécification d'un modèle permettant de mesurer les effets des dépenses d'infrastructures routières sur la croissance économique au Bénin. L'importance d'une prévision de l'impact des dépenses d'infrastructures routières apparaît lorsque l'on prend conscience de l'influence de cette variable sur l'activité économique.

Ainsi, la simulation effectuée a débouché sur des résultats qu'il convient de mentionner :

> Les dépenses d'infrastructures routières sont sources de croissance économique à long terme au Bénin.

> A court terme, les dépenses d'infrastructures routières ont un impact positif mais non significatif sur la croissance économique.

> L'investissement privé et le facteur travail sont sources de croissance économique à long terme au Bénin.

Cependant, ces dépenses ne sont en aucun cas suffisantes à la croissance ; il convient alors de les améliorer. Par ailleurs, le capital routier étant un bien qui se déprécie, le gouvernement dans l'exercice de l'accélération de la croissance doit procéder régulièrement à l'entretien et au renouvellement des infrastructures routières (en cas d'usure totale) pour permettre à l'investissement public de jouer le rôle qui lui est dévolu dans l'économie. De plus, l'extension de la capacité de production et l'instauration des mesures d'ordre réglementaire permettront la création d'un environnement propice aux investissements privés.

Le modèle ainsi conçu pourra donc être utile à la DGTP quant au suivi efficace du niveau des dépenses d'infrastructures routières en fonction des objectifs de croissance et de réduction de la pauvreté.

Paragraphe 1 : Méthode de collecte ; présentation des variables à estimer et le modèle d'analyse . 20

B-Présentation et analyse des résultats du test de ADF sur les variables du modèle 29

C-Présentation et analyse des résultats du test de cointégration des variables 30

Chapitre 2 Analyse des résultats ; implication économique et recommandations

Paragraphe 1 : Présentation et analyse des résultats du modèle à correction d'erreur (ECM) 30

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

Variable	Coefficient	Std. Error t-Statistic	Prob.
LMHAT(-1)	-1.112236	0.173865 -6.397118	0.0236
D(LMHAT(-1))	0.149154	0.088156 1.691944	0.2327
D(LMHAT(-2))	-0.014857	0.008149 -1.823247	0.2098
D(LMHAT(-3))	-0.041041	0.006962 -5.894976	0.0276
D(LMHAT(-4))	-0.016390	0.007356 -2.228109	0.1557
D(LMHAT(-5))	0.002288	0.005453 -0.419681	0.7155
D(LMHAT(-6))	-0.002308	0.000341 -6.760197	0.0212
D(LMHAT(-7))	0.001985	0.000382 5.196723	0.0351
D(LMHAT(-8))	0.000144	0.000338 0.427326	0.7108
D(LMHAT(-9))	0.000355	0.000271 1.309987	0.3204
D(LMHAT(-10))	0.000284	7.15E-05 3.970410	0.0580
C	24.35526	3.803071 6.404102	0.0235
@TREND(1985)	0.022019	0.003442 6.397660	0.0236
R-squared	1.000000	Mean dependent var	0.020124
Adjusted R-squared	0.999998	S.D. dependent var	0.000623
S.E. of regression	8.85E-07	Akaike info criterion	-25.31924
Sum squared resid	1.57E-12	Schwarz criterion	-24.70560
Log likelihood	202.8943	Hannan-Quinn criter.	-25.32578

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Variable	Coefficient	Std. Error t-Statistic	Prob.
D(LMHAT(-1))	-1.189197	0.222002 -5.356692	0.0331
D(LMHAT(-1),2)	0.178938	0.090248 1.982749	0.1859
D(LMHAT(-2),2)	-0.015002	0.007431 -2.018849	0.1810
D(LMHAT(-3),2)	-0.039403	0.006437 -6.121366	0.0257
D(LMHAT(-4),2)	-0.019560	0.009499 -2.059224	0.1757
D(LMHAT(-5),2)	-0.004340	0.005942 -0.730382	0.5411
D(LMHAT(-6),2)	-0.002314	0.000295 -7.834707	0.0159
D(LMHAT(-7),2)	0.001953	0.000388 5.034346	0.0373
D(LMHAT(-8),2)	0.000116	0.000317 0.364525	0.7504
D(LMHAT(-9),2)	0.000463	0.000311 1.489167	0.2749
D(LMHAT(-10),2)	0.000301	7.18E-05 4.199137	0.0523
C	0.023543	0.004395 5.357161	0.0331
R-squared	0.999999	Mean dependent var	-9.39E-05
Adjusted R-squared	0.999991	S.D. dependent var	0.000462
S.E. of regression	1.37E-06	Akaike info criterion	-24.39965
Sum squared resid	3.74E-12	Schwarz criterion	-23.85188
Log likelihood	182.7975	Hannan-Quinn criter.	-24.45035
F-statistic	135125.0	Durbin-Watson stat	2.545576
Prob(F-statistic)	0.000007

TableauA2.1: Resultat du test d'ADF sur ldep en niveau Null Hypothesis: LDEP has a unit root

Variable	Coefficient	Std. Error t-Statistic	Prob.
LDEP(-1)	0.004733	0.003170 1.493290	0.1496
D(LDEP(-1))	-0.280629	0.204254 -1.373920	0.1833
R-squared	0.076619	Mean dependent var	0.088488
Adjusted R-squared	0.034647	S.D. dependent var	0.363935
S.E. of regression	0.357575	Akaike info criterion	0.860712
Sum squared resid	2.812918	Schwarz criterion	0.958883
Log likelihood	-8.328545	Hannan-Quinn criter.	0.886757
Durbin-Watson stat	2.063556

	0.604838	Mean dependent var	-0.001885
Adjusted R-squared	0.604838	S.D. dependent var	0.583837
S.E. of regression	0.367011	Akaike info criterion	0.873924
Sum squared resid	3.098034	Schwarz criterion	0.923010
Log likelihood	-9.487092	Hannan-Quinn criter.	0.886947
Durbin-Watson stat	1.977388

ANNEXES

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LCAP_PRIV) Method: Least Squares

Variable	Coefficient	Std. Error t-Statisti c	Prob.
LCAP_PRIV(-1)	0.002727	0.001889 1.443467	0.1644
D(LCAP_PRIV(-1))	-0.084108	0.218418 -0.385078	0.7042
D(LCAP_PRIV(-2))	0.227316	0.211739 1.073566	0.2958
R-squared	0.064308	Mean dependent var	0.082296
Adjusted R-squared	-0.029262	S.D. dependent var	0.189020
S.E. of regression	0.191766	Akaike info criterion	-0.343974
Sum squared resid	0.735484	Schwarz criterion	-0.195866
Log likelihood	6.955695	Hannan-Quinn criter.	-0.306725
Durbin-Watson stat	2.027973

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 14

Augmented Dickey-Fuller Test Equation Dependent Variable: D(LCAP_PRIV,2) Method: Least Squares

Variable	Coefficient	Std. Error t-Statisti c	Prob.
D(LCAP_PRIV(-1))	-0.890806	0.384870 -2.314560	0.1036
D(LCAP_PRIV(-1),2)	-0.887810	0.371852 -2.387533	0.0970
D(LCAP_PRIV(-2),2)	-1.052776	0.678633 -1.551318	0.2186
D(LCAP_PRIV(-3),2)	-1.583638	0.829538 -1.909060	0.1523
D(LCAP_PRIV(-4),2)	-1.655312	0.768693 -2.153411	0.1203
D(LCAP_PRIV(-5),2)	-0.505568	0.490978 -1.029717	0.3789
D(LCAP_PRIV(-6),2)	-0.218265	0.421382 -0.517974	0.6403
D(LCAP_PRIV(-7),2)	0.193323	0.290907 0.664554	0.5539
D(LCAP_PRIV(-8),2)	0.117097	0.304579 0.384456	0.7263
D(LCAP_PRIV(-9),2)	-0.374957	0.321316 -1.166942	0.3276
D(LCAP_PRIV(-10),2)	-0.295778	0.221641 -1.334491	0.2743
R-squared	0.956307	Mean dependent var	-0.001899
Adjusted R-squared	0.810664	S.D. dependent var	0.241160
S.E. of regression	0.104935	Akaike info criterion	-1.639961
Sum squared resid	0.033034	Schwarz criterion	-1.137845
Log likelihood	22.47973	Hannan-Quinn criter.	-1.686441
Durbin-Watson stat	2.406135

Sample (adjusted): 1990 2010 Included observations: 21 after adjustments
Variable	Coefficient	Std. Error t-Statisti c	Prob.
LPIB(-1)	0.001304	0.000317 4.108614	0.0008
D(LPIB(-1))	0.021866	0.179956 0.121510	0.9048
D(LPIB(-2))	0.239190	0.183635 1.302530	0.2112
D(LPIB(-3))	0.018266	0.151617 0.120473	0.9056
D(LPIB(-4))	-0.156175	0.156126 -1.000315	0.3320
R-squared	0.087980	Mean dependent var	0.041104
Adjusted R-squared	-0.140024	S.D. dependent var	0.011669
S.E. of regression	0.012459	Akaike info criterion	-5.728432
Sum squared resid	0.002484	Schwarz criterion	-5.479736
Log likelihood	65.14854	Hannan-Quinn criter.	-5.674459
Durbin-Watson stat	1.896744

Variable	Coefficient	Std. Error t-Statisti c	Prob.
D(LPIB(-1))	-0.869818	0.211481 -4.112978	0.0008
D(LPIB(-1),2)	-0.111614	0.212366 -0.525574	0.6064
D(LPIB(-2),2)	0.126143	0.218706 0.576772	0.5721
D(LPIB(-3),2)	0.150378	0.154930 0.970623	0.3462
C	0.035474	0.008509 4.169226	0.0007
R-squared	0.753727	Mean dependent var	0.002678
Adjusted R-squared	0.692158	S.D. dependent var	0.022287
S.E. of regression	0.012365	Akaike info criterion	-5.743576
Sum squared resid	0.002446	Schwarz criterion	-5.494880
Log likelihood	65.30755	Hannan-Quinn criter.	-5.689603
F-statisti c	12.24212	Durbin-Watson stat	1.924849
Prob(F-statisti c)	0.000095

TableauA5.1 : Resultat du test de ADF sur les residus de la relation de long terme de cointegration

Warning: Probabilities and critical values calculated for 20 observations and may not be accurate for a sample size of 15

	Coefficient	Std. Error t-Statisti c	Prob.
RESID01(-1)	-2.415925	0.149931 -16.11361	0.0038
D(RESID01(-1))	1.244417	0.115176 10.80449	0.0085
D(RESID01(-2))	0.195685	0.059563 3.285313	0.0815
D(RESID01(-3))	0.390650	0.064687 6.039045	0.0263
D(RESID01(-4))	0.270158	0.063814 4.233496	0.0515
D(RESID01(-5))	0.145498	0.060363 2.410381	0.1375
D(RESID01(-6))	0.263646	0.052295 5.041489	0.0372
D(RESID01(-7))	0.081632	0.046297 1.763219	0.2199
D(RESID01(-8))	0.493924	0.047304 10.44140	0.0090
D(RESID01(-9))	0.216835	0.042983 5.044636	0.0371
D(RESID01(-10))	0.420300	0.040097 10.48209	0.0090
C	-0.544065	0.038127 -14.26981	0.0049
@TREND(1985)	0.027994	0.001948 14.37140	0.0048
R-squared	0.997472	Mean dependent var	0.014082
Adjusted R-squared	0.982306	S.D. dependent var	0.036433
S.E. of regression	0.004846	Akaike info criterion	-8.102762
Sum squared resid	4.70E-05	Schwarz criterion	-7.489118
Log likelihood	73.77071	Hannan-Quinn criter.	-8.109298
F-statisti c	65.76751	Durbin-Watson stat	3.120306
Prob(F-statisti c)	0.015071

Trend assumption: No deterministic trend (restricted constant) Series: LDEP LMHAT LPIB LCAP_PRIV

Hypothesized		Trace	0.05
No. of CE(s)	Eigenvalue	Statistic	Critical Value	Prob.**
None *	0.742367	76.06177	54.07904	0.0002
At most 1 *	0.617312	43.51254	35.19275	0.0051
At most 2 *	0.396130	20.45972	20.26184	0.0470
At most 3	0.293966	8.354212	9.164546	0.0711

Trace test indicates 3 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level

Hypothesized		Max-Eigen	0.05
No. of CE(s)	Eigenvalue	Statistic	Critical Value	Prob.**
None *	0.742367	32.54923	28.58808	0.0147
At most 1 *	0.617312	23.05282	22.29962	0.0392
At most 2	0.396130	12.10551	15.89210	0.1799
At most 3	0.293966	8.354212	9.164546	0.0711

Max-eigenvalue test indicates 2 cointegrating eqn(s) at the 0.05 level * denotes rejection of the hypothesis at the 0.05 level

ANNEXE6

TableauA6.1:Resultat de l'estimation de l'equation du modele a correction d'erreur de la relation de long terme

Sample: 1985 2010 Included observations: 26
Variable		Coefficient	Std. Error t-Statistic			Prob.
C		12.37034	2.468480 5.011319			0.0001
LDEP		0.097676	0.042811 2.281562			0.0336
LCAP_PRIV		0.141344	0.054598 2.588827			0.0175
LMHAT		0.408310	0.164669 2.479585			0.0222
D94		*0.124387	*0.065631 1.895254**			0.0726
D95		*0.141389	*0.064576 2.189501**			0.0406
R-squared		0.966492	Mean dependent var			27.31347
Adjusted R-squared		0.958115	S.D. dependent var			0.302790
S.E. of regression		0.061968	Akaike info criterion			*2.525208
Sum squared resid	0.076802			Schwarz criterion	-2.234878
Log likelihood	38.82771			Hannan-Quinn criter.	-2.441604
F-statistic	115.3743			Durbin-Watson stat	0.593192
Prob(F-statistic)	0.000000

TableauA6.2:Résultat de l'estimation de l'équation du modele a correction d'erreur de la relation de court terme

Variable	Coefficient	Std. Error t-Statistic	Prob.
C	0.033867	0.003506 9.659596	0.0000
D(LDEP)	0.019170	0.007290 2.629659	0.0170
D(LMHAT)	-0.053671	0.076888 -0.698039	0.4941
D(LCAP_PRIV)	0.064547	0.013224 4.881020	0.0001
RESIDMLT(-1)	-0.121887	0.046463 -2.623309	0.0172
D94	-0.047322	0.013922 -3.399059	0.0032
D87	-0.053269	0.012222 -4.358362	0.0004
R-squared	0.766583	Mean dependent var	0.034996
Adjusted R-squared	0.688777	S.D. dependent var	0.020981
S.E. of regression	0.011705	Akaike info criterion	-5.826172
Sum squared resid	0.002466	Schwarz criterion	-5.484886
Log likelihood	79.82715	Hannan-Quinn criter.	-5.731514
F-statistic	9.852518	Durbin-Watson stat	2.271022
Prob(F-statistic)	0.000071

ANNEXE'?

AnnexeA7.1 :Test de normalité de Jarque Bera des résidus du modele de court terme

AnnexeA7.2 : Test d'autocorrélation des erreurs de Breusch-Godfrey

AnnexeA7.3: Test d'homoscédasticité de White

	0.002451	0.000709 3.457085	0.0028
RESIDMLT(-1)^2	-0.002220	0.007862 -0.282324	0.7809
D94^2	-0.000409	0.000174 -2.349036	0.0304
D87^2	-6.88E-05	0.000148 -0.466240	0.6466
R-squared	0.443210	Mean dependent var	9.86E-05
Adjusted R-squared	0.257614	S.D. dependent var	0.000164
S.E. of regression	0.000141	Akaike info criterion	-14.66358
Sum squared resid	3.58E-07	Schwarz criterion	-14.32230
Log likelihood	190.2948	Hannan-Quinn criter.	-14.56892
F-statistic	2.388031	Durbin-Watson stat	2.136432
Prob(F-statistic)	0.071121

AnnexeA7.4: Test CUSUM de stabilité (Brown, Durbin, Ewans)

AnnexeA7.5: Test CUSUM of squares (Brown, Durbin, Ewans)

Annexe 8 : Données utilisées pour les estimations

Année	Dep (Investissement)	Cap_priv	PIB	Mhat
1985	6228831625	6,23E+10	4,94E+11	2466646530
1986	9543887688	4,62E+10	5,04E+11	2549525332
1987	8001652934	5,33E+10	4,96E+11	2633470602
1988	1,00E+10	4,35E+10	5,14E+11	2717648820
1989	7756093226	2,85E+10	5,00E+11	2802167440
1990	8055556285	4,05E+10	5,18E+11	2886413703
1991	8444858261	4,44E+10	5,39E+11	2865852860
1992	7217059720	5,57E+10	5,55E+11	3429544217
1993	8534697179	6,09E+10	5,88E+11	3584363069
1994	1,60E+10	9,07E+10	6,00E+11	3855784393
1995	2,34E+10	1,12E+11	6,36E+11	3938050011
1996	2,15E+10	1,26E+11	6,63E+11	4022071153
1997	2,06E+10	1,44E+11	7,02E+11	4107884525
1998	2,30E+10	1,73E+11	7,29E+11	4195530698
1999	1,85E+10	1,86E+11	7,68E+11	4285045097
2000	4,95E+10	1,86E+11	8,06E+11	4369190400
2001	3,69E+10	2,34E+11	8,56E+11	4456569600
2002	4,65E+10	2,51E+11	8,94E+11	4545600000
2003	4,55E+10	2,63E+11	9,28E+11	4636608000
2004	5,04E+10	2,84E+11	9,57E+11	4729344000
2005	3,10E+10	2,79E+11	9,85E+11	4823808000
2006	2,58E+10	3,60E+11	1,02E+12	4920257387
2007	6,38E+10	3,19E+11	1,07E+12	5018635226
2008	6,96E+10	4,04E+11	1,12E+12	5118980076
2009	5,45E+10	3,24E+11	1,15E+12	5221331267
2010	7,98E+10	3,54E+11	1,18E+12	5325728912