Memoire Online - L'aide au développement stimule-t-elle les réformes économiques ?Une analyse économétrique à partir des données de panel des pays en développement.

Pour estimer la relation entre l'APD et les réformes économiques, nous allons invoquer divers modèles économétriques. Nous nous inspirons des travaux de Giuliano, Mishra, et Spilimbergo (2009) sur les réformes et la démocratie et postulons le modèle suivant :

???é????????????,??= á ??é????????????,??_1 + â ????????,??_1 + ? X??,??_1 + ????,?? (2)

Dans cette équation, ???é????????????,?? est la variable dépendante capturant les réformes économiques. Il faut noter que ??é????????????,?? est obtenue à partir des indices de réforme sectorielle par l'une des méthodes d'agrégation décrite plus haut.

??é????????????,??_1 est le niveau de l'indice de réforme au cours de l'année ?? - 1. ????????,??_1 est le proxy mesurant l'APD. Pour les estimations, nous utiliseront trois différents proxys à savoir; l'aide en proportion du Produit National Brute (PNB), l'aide en proportion du Produit Intérieur Brute (PIB), et l'aide par tête. X??,??_1 est un vecteur de variable de contrôle qui comprend des variables comme le niveau de réforme dans les pays voisins pour capturer l'effet de contagion des réformes, le PIB par tête pour capturer l'effet du niveau de développement sur la capacité à reformer. Les autres variables de contrôle sont la qualité des institutions ; le taux de scolarisation au secondaire; l'existence de dévaluation de la monnaie, et l'existence d'un programme du FMI et/ou de la Banque Mondiale.

B. Méthodes d'estimation des modèles économétriques

Nous commençons l'analyse en examinant l'équation (2) par les Moindres Carrés Ordinaire (MCO). Dans cette estimation l'unité d'observations est la paire (pays, année). Les hypothèses sur les résidus sont entre autres, l'homoscédasticité, l'absence d'autocorrélation, et la non-corrélation entre les résidus et les variables explicatives.

Cependant, étant donné la nature des données qui sont de panel, la méthode des MCO pose un problème. En particulier, l'hypothèse d'absence d'autocorrélation sera probablement violer car les données étant répétées pour un même pays. Par ailleurs, les MCO ne capturent adéquatement l'hétérogénéité non observée entre les pays et leurs facteurs spécifiques qui affectent la relation entre aide et réformes. Pour analyser plus en détail la relation entre l'aide et les réformes, nous étendons l'analyse empirique en utilisant les méthodes d'estimation sur donnée de panel. Cette approche a l'avantage d'aborder, au moins dans une certaine mesure, le problème de l'hétérogénéité non observée (Green 2012).

	????,??= á + â'????,?? + ??????	????,??= ái + ??'??????,?? + ??????
Sources : Hurlin (2003)

Avant de présenter ces méthodes, il est d'usage dans des données de panel de s'assurer de la spécification homogène ou hétérogène du processus générateur des données. Pour ce faire, le test d'homogénéité de Fisher encore appelé test d'empilage peut être utilisé. Le principe du test est exposé dans l'encadré ci-dessous. Sur le plan économétrique, il s'agit de tester l'égalité des coefficients du modèle étudié dans la dimension individuelle. Sur le plan économique, il permet de vérifier si on est en droit d'admettre que le modèle théorique étudié est parfaitement identique pour tous les

individus ou s'il existe des spécificités propres à chaque individu. Le principe du test est exposé dans l'encadre ci-dessus.

) On considère le test de l'hypothèse d'homogénéité totale. L'hypothèse nulle associée s'écrit : Hô : âi = 13 ; ái = á,V i = 1...N La statistique de Fisher F1 associée au test d'Homogénéité totale Hô s'écrit sous la forme suivante et suit un Fisher avec (N-1)(k+1) et NT-N(K+1) degrés de liberté :

Où SCR₁ désigne la somme des carrés des résidus du modèle et SCR1,c la somme des carrés des résidus du modèle contraint.

La somme des carrés des résidus du modèle non contraint est simplement définie comme la somme des carrés des résidus obtenus pour les N équations individuelles. Soit

Les conclusions de ce test sont les suivantes : si l'on accepte l'hypothèse nulle d'homogénéité globale, on obtient alors un modèle pooled totalement homogène. Par contre si on rejette l'hypothèse nulle, on passe à la seconde étape qui consiste à déterminer si l'hétérogénéité provient des paramètres.

) Elle consiste à tester l'égalité pour tous les individus des K composantes des vecteurs

Soit donc Hô : âi = 13, V i = 1...N. La statistique de Fisher F2 associée au test d'homogénéité totale Hô dans le modèle (3.4) s'écrit sous la forme suivante :

F₂ suit un Fisher avec (N-1)k et NT-N(K+1) degrés de liberté et SCR1,c'est la somme des carrés des résidus du modèle contraint. Elle est donnée par la formule suivante :

SCR1, c' = ?i=1 N Yi^' Yi - (? i = 1 N _Xi'Yi )' ( _?i=1^N Xi'Xi )-1 (? i = 1 N _Xi'Yi ) (6)

Les conclusions de ce deuxième test sont les suivantes : si on rejette l'hypothèse nulle d'égalité des paramètres, on rejette alors la structure de panel et l'estimation se fait en considérant N modèles individu par individu. Si en revanche, on accepte l'hypothèse Hô , on retient la structure de panel et l'on passe à la troisième étape consistant à déterminer si les constantes ont une dimension individuelle.

? Elle consiste à tester l'égalité des N constantes individuelles sous l'hypothèse de paramètres communs `à tous les individus. On a donc Hô : ái = á, Vi = 1...N La statistique de Fisher F3 associée au test d'Homogénéité totale Hô dans le modèle (3.4) suit un Fisher avec (N-1) et N(T-1)-K degrés de liberté. Elle se calcule par :

Les conclusions de ce dernier test sont les suivantes : si l'on rejette Hô , on obtient un modèle de panel avec effets individuels. Dans le cas ou` l'on accepte Hô, on retrouve une structure de panel totalement homogène (modèle pooled). Ce dernier test ne sert alors qu'a confirmer ou infirmer les conclusions du premier test.

Pour prendre en compte adéquatement la dimension panel des données, le modèle spécifié à l'équation (2) est légèrement altéré en décomposant le terme d'erreur en une composante spécifique à chaque pays, une composante spécifique à chaque année et une composante aléatoire. On obtient l'équation ci-dessous :

???é f _ormei,t₌ á ??é f _ormei,t-1 + â ??????i,t-1 + ? ??i,t-1 +ui + ??_t + ??i,t (8)

L'estimation de l'équation (8) dépend de l'hypothèse sur ui qui pourrait être soit fixe ou aléatoire. Un modèle à effet fixe traite ui comme une constante supplémentaire qui varie selon les pays et peut être corrélée avec les variables explicatives. Dans un modèle à effet aléatoire ui est supposé être une partie des erreurs et est distribué indépendamment des variables explicatives. Nous considérons à la fois le modèle à effet fixe et le modèle à effet aléatoire, et utilise un test de Hausman pour tester formellement le meilleur modèle.

Le modèle à effet fixe peut être estimé en utilisant une méthode d'estimation des effets qui exploite les écarts des moyennes de groupe (ou période). L'équation à estimer est écrit comme suit.

???é f orme??,?? - ??^???é f orme

_i = (1 - ??^)??₀ + ??(??i_t-??i) + vit

vit = (1 - ??^)??i + ??it - ??^??i

??^ = 1 - ????

v???? 2+????2

(10)

Aussi bien les réformes et l'aide sont très persistants au cours du temps en ce sens que les valeurs au cours d'une année sont fortement corrélées aux valeurs des années subséquentes. Cela explique pourquoi dans notre spécification, le niveau de réformes au cours de l'année t-1 est inclus dans le modèle. Cette dynamique dans le modèle introduit une complication supplémentaire dans l'estimation des modèles. En fait, en raison de la présence du lag de la variable dépendante dans le côté droit de l'équation, les résidus obtenus en prenant la première différence pour éliminer l'effet fixe sont corrélés et l'estimation par effet fixe ou aléatoire reste inconsistante (Arellano et Bond, 1991). Pour résoudre le problème, nous comptons sur le développement récent des estimations par Méthodes de Moments Généralisée (GMM) suggérées par Arellano et Bond (1991), Arellano et Bover (1995) et Blundell et Bond (1998). Le principe est d'utiliser les retards d'ordre 2 et plus de la variable dépendante combinés avec les retards de la première différence des variables de contrôle comme des instruments.

L'aide au développement stimule-t-elle les réformes économiques ?Une analyse économétrique à partir des données de panel des pays en développement.

2.2 Méthodes d'analyse

A. Spécification des modèles économétriques

B. Méthodes d'estimation des modèles économétriques