Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo

5.4 Etape 4 : Construction d'un indicateur composite du capital humain

Pour agréger ces dimensions en une seule mesure, nous les avons pondérées par leur part dans la variance expliquée totale lors de l'analyse en composante principale^89(*). La deuxième composante (I_NE) sera juste exprimée par sa valeur courante.

A partir de ces deux équations, nous pouvons alors estimer le capital humain dans la filière riz en fonction des moyens d'investissements éventuels retenus. Ce procédé donne l'avantage de considérer les effets des différentes formes d'acquisition du capital humain sur les trois différentes composantes du capital humain. En effet, c'est une maladresse de spécification de mesurer le capital humain par une mesure agrégée dont les effets potentiels sur la productivité diffèrent significativement^90(*).

Équation 5. Indice de capital humain

I _KH= (28,728*I_CS+17,942*I_NE+14,455*I_CP)

5.5 Etude de cas : simulation

Dans cette partie, nous essayons de rendre compte de la faiblesse de la mesure du capital humain par le nombre d'années d'instruction et l'âge. En effet, les modèles que nous avons estimés montrent que l'éducation et l'expérience sont des investissements en capital humain mais, contrairement à l'hypothèse H3.1, elles ne constituent pas les principales composantes de cet investissement. De ce fait, le capital humain n'est pas assez représenté si seules ces mesures sont prises en compte. En effet, supposons que la mesure du capital humain soit le nombre d'années de scolarité, nous avons vu que celle-ci correspond à une omission de variable. Par conséquent, le terme d'erreur de cette mesure augmente par rapport à une mesure plus adéquate. Ainsi, nous pouvons représenter l'équation suivante :

où est la vraie valeur du stock de capital humain, le niveau de capital humain mesuré par le niveau d'instruction et l'erreur de mesure relative liée à la mesure.

Ce qui implique une faible fiabilité de cette mesure. Si nous nous référons au taux de fiabilité de cette mesure^91(*), cet indice se formule ainsi :

Équation 6. Taux de fiabilité de la mesure du capital humain

Par conséquent, sera essentiellement fonction de , qui sera elle-même fonction du poids des variables omises. Ainsi, nous pouvons appréhender la différence de qualité entre la mesure issue de notre proposition et le nombre d'années d'instruction par l'incapacité de cette dernière à refléter le capital humain par rapport aux évaluations directes réalisées. Nous procédons alors à des simulations pour rendre compte de l'ampleur de .

De plus, les modèles estimés permettent de réaliser des simulations sur plusieurs périodes. Malgré que nos modèles soient basés sur des données transversales, il est intéressant de voir l'évolution potentielle du stock de capital humain pour donner une image de l'impact de la méconnaissance d'une mesure plus adéquate.

5.5.1 Présentation du modèle pour l'analyse :

Pour effectuer des simulations, nous construisons à partir des trois dimensions extraites de l'ACP un indice global du capital humain. Comme chaque dimension est expliquée en fonction de différents investissements en capital humain selon le modèle de Mincer, exception faite de celui de la connaissance du niveau optimal de l'eau, le niveau du capital humain sera fonction de ces différents investissements.

Encadré 3. Spécifications des équations pour les simulations

log_ics = 1.398 + 0.036 * edu + 0.066 * forma - 0.014 * expce-0.009 * age+0.237 * discut + 0.206 * assoc

log_icp = 1.024 + 0.028 * edu + 0.157 * assoc + 0.007 * age

ics = 10^log_ics

icp = 10^log_icp

ikh = (1 / 61.125) * (28.728 * ics + 17.942 * ine+14.455 * icp)

A cet effet, notre modèle comporte 10 variables dont trois sont endogènes. Ces variables endogènes sont :

- l'indice en culture scientifique (ICS) ;

- l'indice en connaissances pratiques (ICP) et

- l'indice en capital humain (IKH)

Les variables exogènes dans le modèle sont :

- l'âge (age) ;

- le fait d'être membre d'associations paysannes (assoc) ;

- le fait de souvent participer à des discussions sur les meilleurs pratiques rizicoles (discut) ;

- le nombre d'années d'instruction (edu) ;

- le nombre d'années d'expérience en pratique rizicole (expce) ;

- le nombre de formations en agriculture suivies (forma)

* ⁸⁹ Voir Tableau 21. Matrice de composantes, P. 49

* ⁹⁰ Paul T. Schultz, «Human Capital, Schooling and Health Returns ,«April 2003, P.6

* ⁹¹ Statistique Canada, "Le capital humain et les niveaux de vie dans les provinces canadiennes", Avril 2006, P.20