Memoire Online - Capital humain et croissance agricole au Bénin

Dans cette partie, nous analysons la contribution du capital humain à la croissance de l'agriculture par l'approche de la comptabilité de la croissance sur la période de 1990 à 2009, aussi nous nous intéressons à la causalité unidirectionnelle entre la croissance des variables explicatives et de la variable expliquée.

La théorie de la comptabilité de la croissance remonte à Solow. En effet dans son article de 1957, Solow cherche à déterminer la part de la croissance américaine, entre 1909 et 1949, expliquée par l'accumulation factorielle. Il décrit la production par une fonction agrégée où interviennent le stock de capital physique, la main d'oeuvre et le progrès technique supposé neutre. A partir de séries temporelles sur la production totale, sur le stock de capital et sur la force de travail, il définit le progrès technique comme étant la part de la variation du produit non expliquée par l'accumulation des facteurs. Il constate alors qu'environ 1/8 des variations du produit par tête peut être expliqué par l'évolution du stock de capital par tête et que les 7/8 restants sont donc imputables à l'amélioration du progrès technique. L'importance du résidu de Solow et le fait que son identification au progrès technique ne trouve pas de justification objective laissent donc la porte ouverte pour d'autres recherches. Dans cette perspective, Denison propose une procédure un peu plus élaborée afin de réduire la contribution du résidu. Le principe général de cette méthode, référencée sous le vocable «comptabilité de la croissance » consiste à ajuster la contribution des inputs suivant des aspects qualitatifs et structurels. Par exemple, la main d'oeuvre est décomposée en fonction de son niveau de qualification pour rendre compte des variations du niveau général de compétence. Dès 1962, Denison présente une application aux Etats-Unis. Il étudie la croissance entre 1929 et 1957 et constate que 54% de celle-ci est imputable au développement des facteurs humains. (Quantitatif et qualitatif). Dans ces 54%, 23% proviennent directement de l'amélioration du niveau d'éducation de la main d'oeuvre. Le résidu reste toutefois, relativement important puisqu'il correspond à environ 30% de la croissance observée. Dans la même veine, JORGENSON & GRILICHES (1967) parviennent quant à eux à expliquer jusqu'à 96% de la croissance observée aux Etats-Unis entre 1945 et 1965. Denison (1967) présente également une analyse comparative de la croissance dans 9 pays développés (les Etats-Unis et 8 pays européens) entre 1950 et 1962 qui permet d'évaluer la robustesse de la méthode et qui démontre que la contribution de l'éducation à la croissance est assez variable, mais relativement faible malgré la diversité des expériences nationales. Dans cette lignée, Denison développera une longue série de travaux (Denison 1974, 1979, 1985) au cours de laquelle la méthodologie et les résultats seront peu à peu affinés. On notera par exemple que l'auteur tient

compte du facteur sanitaire en se basant sur l'indicateur construit par CORREA (1963) qui lie apports caloriques et capacité à travailler, ou en intégrant un facteur de productivité lié à la Recherche & Développement sur la base des travaux de Mansfield (1965). Ces analyses suscitent une longue tradition dans laquelle s'inscrivent, entre autres, les travaux de SELOWSKY (1969), GRILICHES (1970), Daly (1982) ou JORGENSON (1984) ou de Carré, Dubois & Malinvaud (1972). On pourra se référer à GRILICHES (1995) pour une revue de littérature et une mise en perspective historique. Sur la période récente, quelques auteurs ont poursuivi les efforts engagés en profitant de nouvelles bases de données, plus fiables et plus complètes. Les estimations sont donc plus précises et portent en général sur des périodes plus étendues. C'est notamment le cas de JORGENSON&FRAUMENI (1992) qui utilisent des données américaines pour la période 1948-86. Dans cette étude, les auteurs estiment le stock de capital humain à partir d'une analyse des revenus sur le cycle de vie et valorisent même une partie des activités non marchandes. Ils trouvent alors un résidu comptant pour environ 30% de la croissance et estiment la contribution de l'éducation à environ 7%. Maddison (1991, 1995) propose quant à lui une analyse de la croissance sur une très longue période pour une vingtaine de pays riches depuis 1870. On peut également citer DOUGHERTY&JORGENSON (1996) qui développent une étude comparée pour 7 pays de l'OCDE entre 1960 et 1989. Cette dernière conduit à montrer que la part de la croissance expliquée par la qualité de la main d'oeuvre est comprise entre 18,5% pour les Etats-Unis et 3,4% pour l'Italie (respectivement 14,6%, 11,4%, 14,5%, 11,4% et 8,9% pour le Canada, le Japon, la France, le Royaume-Unis et l'Allemagne). Bien que dans les pays en développement, les données sur les facteurs de production soient bien moins accessibles et très peu fiables, certains auteurs ont tenté d'y appliquer cette méthode. Ainsi, dès 1968, Ann Kreuger procède à une analyse où elle estime la perte de production imputable aux différentiels de disponibilité du capital humain entre les Etats-Unis, le Canada et une vingtaine de pays en développement. De par son caractère statique, ce travail ne peut être considéré comme à proprement parler dans la lignée des travaux précédents; toutefois, l'inspiration est similaire. Toutes choses égales par ailleurs, en se basant sur l'évaluation de la productivité marginale des facteurs aux Etats-Unis, l'auteur peut donner une majoration des pertes de production liées à la moindre accumulation factorielle observée dans les pays en développement. Elle trouve que le déficit d'investissement éducatif contribue en moyenne à réduire d'au moins 23,7% le revenu par tête qui peut être atteint dans les pays en

développement. Dans une revue de la littérature sur la comptabilité de la croissance, CHENERY (1986) constate qu'en moyenne, le résidu explique environ 30% de la croissance dans les pays en développement alors que pour les pays développés, ce chiffre est de l'ordre de 50%. De Gregorio (1992) procède pour sa part à une estimation pour un ensemble de 12 pays sud-américains entre 1950 et 1985. Ces calculs font ressortir une contribution plus faible encore du résidu qui n'est plus que 19% contre 51% pour les investissements, 30% pour la main d'oeuvre. La Banque Mondiale (1991), dans le cadre du «Rapport annuel sur le développement dans le Monde», présente elle aussi une analyse comptable de la croissance, distinguant 5 groupes de pays en développement et 4 pays industrialisés sur la période 1960-1987.

PSACHAROPOULOS (1984) recense plus de 29 études en comptabilité de la croissance qui tiennent compte explicitement de l'hétérogénéité de la main d'oeuvre dont 16 concernent des pays en développement. Pour les trois pays d'Afrique subsaharienne cités, le Ghana, le Kenya et le Nigeria, les contributions respectives de l'éducation à la croissance sont estimées à 23,2%, 12,4% et 16%. Pour les pays d'Amérique latine, NADIRI (1972) trouve des résultats plus contrastés puisque, en dehors de l'Argentine pour laquelle on trouve une contribution de l'ordre de 16%, pour les huit autres pays testés les valeurs sont nettement plus faibles (inférieures à 5%).

La plupart des études empiriques ont utilisé une fonction de production à deux facteurs. La démarche usuelle de ces dernières provient des travaux de DENISON qui visaient, au début des années soixante, à expliquer le « résidu » pour les pays de l'OCDE. La démarche vise à réécrire la fonction de production en taux de croissance : Ces travaux intégrés dans la logique néo-classique font les hypothèses de la perfection de la concurrence et la constance des rendements d'échelle. Ils utilisent la référence suivant laquelle les facteurs de production sont rémunérés au niveau de leur productivité marginale. Toutes ces considérations imposent d'écrire :

Le produit Y( ) est directement lié à l'évolution des facteurs de production pris
séparément et à leur interaction, plus techniquement nommée productivité

globale des facteurs, PGF pour simplifier. Le point délicat repose sur le fait que ( ) peut en effet représenté l'effet d'interaction, mais beaucoup d'autre chose, comme par exemple :

- une externalité uniquement liée à l'un des facteurs, la forme exacte serait alors V( ) ( ( ). ( ) ( ))

externalité, ou minoratif dans le cas de goulot de production ou de difficulté de mise en oeuvre de l'un des facteurs,

Après cette présentation de la théorie, sa méthode et ces insuffisances, nous nous inspirons des résultats de la théorie basée sur deux facteurs pour l'application à notre modèle qui comporte trois facteurs

L'application part de la linéarisation de la fonction de production utilisé dans ce mémoire, et en dérivant par rapport au temps, on obtient,

Tableau 12 : Analyse de la contribution de la PGF et des inputs à la croissance du PIB agricole

ANNEE	v? / y	? /	? /	L? / ~	^
1990	ND	ND	ND	ND	ND
1991	0,08093427	0,00012238	0,03456077	0,00438005	0,04187106
1992	0,00653266	0,00077575	0,0308074	0,00423625	-0,02928674
1993	0,10134798	0,00013577	0,0738485	0,00120219	0,02616153
1994	0,03263826	2,2007E-05	0,06457262	0,00119109	-0,03314746
1995	0,05794557	0,0003496	0,05795346	0,0011802	-0,00153768
1996	0,0560166	0,00025977	0,05292586	0,0011695	0,00166147
1997	0,06090373	4,7853E-05	0,04854329	0,00115899	0,0111536
1998	0,05222222	6,607E-05	0,04405778	0,00114868	0,0069497
1999	0,05983809	-8,0917E-06	0,0394121	0,00113854	0,01929554
2000	0,04516772	0,00026292	0,03445198	0,00112858	0,00932424
2001	0,06387035	0,0001363	0,02995771	0,0011188	0,03265754
2002	0,02449223	0,00036603	0,02622655	0,00110918	-0,00320952
2003	0,02244898	-0,00025535	0,02327062	0,00109973	-0,00166602
2004	0,06301682	0,00011073	0,02098335	0,00109043	0,04083231
2005	-0,00831545	0,00025584	0,01938192	0,00108129	-0,02903451
2006	0,05545037	0,01312611	0,01805781	0,00107231	0,02319414
2007	0,04228601	0,01094377	0,01666763	0,00106347	0,01361113
2008	0,03565282	0,00263742	0,01551401	0,00105478	0,0164466
2009	0,02503667	-0,00748516	0,01447154	0,00104623	0,01700405
MOYENNE DE LA PERIODE	0,04618347	0,00115104	0,035035	0,00145633	0,0085411
CONTRIBUTION A LA CROISSANCE EN %	100	2,49231533	75,8604691	3,15335981	18,4938558

Source : calculs de l'auteur sur EVIEWS à base des données collectées

La première colonne montre la croissance du PIB agricole, les trois colonnes
suivantes montrent respectivement la contribution du capital physique, du
capital humain et de la main d'oeuvre à la croissance. La dernière colonne

montre la contribution de la PGF. On constate que la croissance du PIB est en moyenne de 4,62%, ce qui est inférieur au 6,7% reconnu nécessaire par les instances internationales, notamment par les études de l'IFPRI pour que l'agriculture assure tous les rôles qui lui sont attribués. La contribution du capital humain est la plus élevée (76%), ce qui montre l'importance de ce facteur pour la croissance durable de l'agriculture. La faiblesse du capital physique peut être expliquée par le fait que l'agriculture béninoise est encore fortement dépendante du petit outillage et du faible investissement privé presque négligeable du secteur. La PGF quant à elle occupe 18,5% de la croissance agricole. Ce pourcentage attribué à tort ou à raison¹³ au progrès technique montre la faiblesse de la technologie utilisée par l'agriculture béninoise à l'ère du renouveau démocratique.

4.2. Analyse de l'amélioration de la croissance du PIB agricole par les facteurs de production

Cette analyse se fera par l'approche de la causalité au sens de Granger. > Définition de la méthode

En économétrie, la causalité entre deux chroniques est généralement étudiée en termes d'amélioration de la prévision selon la caractérisation de Granger, ou en termes d'analyse impulsionnelle, selon les principes de SIMS. Au sens de Granger, une série « cause » une autre série si la connaissance du passé de la première améliore la prévision de la seconde. Selon SIMS, une série peut être reconnue comme causale pour une autre série, si les innovations de la première contribuent à la variance d'erreur de prévision de la seconde. Entre ces deux principaux modes de caractérisation statistique de la causalité, l'approche de Granger est certainement celle qui a eu le plus d'échos chez les économètres ; elle sera donc retenue dans le cadre de cette étude.

Le fondement de la définition de Granger est la relation dynamique entre les variables. Comme indiqué, elle est énoncée en termes d'amélioration de la prédictibilité d'une variable. Chez Granger, la succession temporelle est centrale et on ne peut discuter de la causalité sans prendre en considération le temps (Sekkat, 1989).

Pour que la définition de la causalité proposée ci-dessus soit opérationnelle, il faudrait (Pizzaro Rios, 1993) que les variables soient des variables pertinentes. Dans le cas contraire, on obtiendrait des régressions fallacieuses (spurious regressions) selon la terminologie de Granger et Newbold (1974) ; le prédicteur optimal doit être un prédicteur linéaire ; les séries soient stationnaires ou rendues stationnaires par transformation linéaire (variables intégrées) ou non linéaire (transformation de Box-Cox). Le test de Granger propose d'estimer par la méthode des moindres carrés les deux équations suivantes :

Un test d'hypothèses jointes permet de conclure sur le sens de la causalité. Ainsi causey au sens de Granger si l'hypothèse nulle définie ci-dessous peut être rejetée au profit de l'hypothèse alternative :

De façon analogue, y cause au sens de Granger si l'hypothèse nulle définie cidessous peut être rejetée au profit de l'hypothèse alternative :

Ce sont donc des tests de Fisher classiques. Par ailleurs, si l'on est amené à rejeter les deux hypothèses nulles, on a une causalité bidirectionnelle, on parle de boucle rétroactive (feedback effet). L'hypothèse nulle est acceptée si la probabilité ou P-value associée au test est supérieure à 5%.

HYPOTHESE NULLE AU SENS DE GRANGER	STATISTIQUE DE FICHER	P- VALUE
D(LOG(SKP_A)) ne Cause pas D(LOG(PIBK_A))	0.13923	0.71427
D(LOG(PIBK_A)) ne Cause pas D(LOG(SKP_A))	1.06861	0.31764

D(LOG(SKHA)) ne Cause pas D(LOG(PIBK_A))	9,71684	0.00706
D(LOG(PIBK_A)) ne Cause pas D(LOG(SKHA))	3,39037	0,08544

D(LOG(PAO_A)) ne Cause pas D(LOG(PIBK_A))	0.25951	0.61787
D(LOG(PIBK_A)) ne Cause pas (LOG(PAO_A))	5.27371	0.03647

D(LOG(SKHA)) ne Cause pas D(LOG(SKP_A))	0,00437	0 ,94819
D(LOG(SKP_A)) ne Cause pas D(LOG(SKHA))	0.10242	0,75336

D(LOG(PAO_A)) ne Cause pas D(LOG(SKP_A))	0.00001	0.99743
D(LOG(SKP_A)) ne Cause pas D(LOG(PAO_A))	0.04296	0.83860

D(LOG(PAO_A)) ne Cause pas D(LOG(SKHA))	11,6868	0,00381
D(LOG(SKHA)) ne Cause pas D(LOG(PAO_A))	0,09395	0,76343

Source : calculs de l'auteur sur EVIEWS à base des données collectées

Les P-values mis en gras sont tous inférieurs à 5%, les hypothèses nulles correspondantes sont toutes rejetées, on en déduit que dans l'agriculture béninoise :

- L'amélioration du capital humain cause l'amélioration de la valeur ajoutée (PIB)

- L'amélioration de la valeur ajoutée cause l'amélioration de l'emploi effectif

- L'amélioration de l'emploi effectif cause l'amélioration du capital humain
Ainsi, la croissance de ces trois variables forme une boucle rétroactive ^quiinspire quelques recommandations de politique économiques pour le secteur.

Capital humain et croissance agricole au Bénin

IV- ANALYSE DE LA CONTRIBUTION DES FACTEURS
DE PRODUCTION A L'AMELIORATION DE LA

CROISSANCE AGRICOLE ET RECOMMANDATIONS

4.2. Analyse de l'amélioration de la croissance du PIB agricole par les facteurs de production

Capital humain et croissance agricole au Bénin

IV- ANALYSE DE LA CONTRIBUTION DES FACTEURSDE PRODUCTION A L'AMELIORATION DE LA

CROISSANCE AGRICOLE ET RECOMMANDATIONS

4.2. Analyse de l'amélioration de la croissance du PIB agricole par les facteurs de production

IV- ANALYSE DE LA CONTRIBUTION DES FACTEURS
DE PRODUCTION A L'AMELIORATION DE LA