3.2. Utilisation de mesure alternative de
réformes
Les résultats présentés plus haut ont
utilisé comme mesure de réforme agrégée la moyenne
arithmétique des mesures de réformes sectorielles. Cependant,
nous avons argumenté que les réformes économiques dans un
pays sont souvent conduites de façon coordonnée et parfois
simultanée. Pour capturer cette coordination et
simultanéité dans les processus de réformes, nous
utilisons l'approche de l'ACP pour dériver un facteur commun à
toutes les réformes sectorielles et un indicateur composite de
réforme.
A Estimation de l'indice composite de réforme
économiques par ACP
L'application de l'ACP sur les six réformes
sectorielles permet d'obtenir les valeurs propres et les facteurs
associés. Le critère de la valeur propre supérieur
à l'unité permet de sélectionner le nombre optimal de
facteurs à analyser. Un autre critère souvent aussi
utilisé est la règle du coude. Le choix de facteurs est souvent
également motivé par le pourcentage d'inertie
expliquée.
Le graphique 7 ci-dessous présente les valeurs propres.
Selon la règle de la valeur propre supérieure à
l'unité, nous retenons seulement le premier facteur. Avec le
critère du coude, nous sommes tentés de retenir les deux premiers
facteurs. Le tableau 6 présente les pourcentages de variance ou
d'inertie expliquée par chaque facteur et ainsi que les pourcentages
cumulés. Compte tenu de notre désir d'obtenir un indicateur
composite de réforme, nous optons pour seulement le premier facteur.
Mémoire de fin de formation ISIA 47
Rédigé par : Marius KOUNOU
L'aide au développement stimule-t-elle des
réformes économiques?
Figure 7 : Valeurs propres et règle de la valeur
propre plus grand que l'unité
Scree plot of eigenvalues after pca
1 2 3 4 5 6
Nombre de facteurs
Source : calculs de l'auteur a partir des données du FMI
et de BM
Tableau 6 : Valeur propres et variance expliquée
par les différents facteurs
|
Facteur
|
Valeur
Propre
|
Proportion de variance expliquée
|
Proportion cummulée de variance
expliquée
|
|
Facteur 1 Facteur 2 Facteur 3 Facteur 4 Facteur 5 Facteur
6
|
3.473000 0.727708 0.638378 0.570168 0.321612 0.269133
|
0.5788
0.1213
0.1064
0.095
0.0536
0.0449
|
0.5788 0.7001 0.8065 0.9015 0.9551
1
|
Plusieurs arguments justifient aussi le choix du premier
facteur uniquement. D'abord, le premier facteur à lui seul explique
déjà près de 60% de la variance des indices sectorielles
de réformes ; le second facteur n'ajoute seulement qu'un pouvoir
explicatif de 12%. Aussi, la représentation par la figure 8 des
variables dans le plan factoriel formé par les facteurs 1 et 2, montre
que globalement les variables sont mieux représentées sur l'axe
factoriel 1. Seule une variable (réforme dans le secteur 2) est mieux
représentée sur l'axe factoriel 2 que sur l'axe factoriel 1.
Ensuite, la représentation du nuage des
Mémoire de fin de formation ISIA 48
Rédigé par : Marius KOUNOU
L'aide au développement stimule-t-elle des
réformes économiques?
individus formés par le couple (pays, année) sur
la figure 9 montre aussi que le facteur 1 capture mieux la tendance du
nuage.
Figure 8 : Représentation du nuage des variables
dans le plan (1,2)
Component loadings
|
reform_ind~2
reform_ind~1
|
reform_ind~6
reform_ind~4
reform_ind~5
|
reform_ind~3
-.2 0 .2 .4 .6
Facteur 1
Source : calculs de l'auteur a partir des données du FMI
et de BM
Rotation: orthogonal varimax
Figure 9 : Représentation du nuage des individus dans le
plan (1,2)
-4 -2 0 2 4
Facteur 1
Source : Calculs de l'auteur a partir des données du FMI
et de BM
Rotation orthogonal varimax
Mémoire de fin de formation ISIA 49
Rédigé par : Marius KOUNOU
L'aide au développement stimule-t-elle des
réformes économiques?
Finalement, nous utilisons puis normalisons à
l'unité les coordonnées des individus (pays, année) sur le
premier facteur pour obtenir l'indice composite de réforme qui capture
à la fois la coordination et la simultanéité des processus
de réformes. Une mesure de validité de notre indicateur de
réforme est de s'assurer qu'il est bien corrélé au six
mesures de réformes sectorielles. Le tableau ci-dessus présente
les corrélations entre l'indicateur obtenu par ACP et les indices de
réformes sectorielles. Nous observons que les corrélations sont
toutes positives et comprises entre 0.50 pour les réformes des
marchés agricoles et 0.90 pour les réformes du compte capital. Il
faut aussi noter que l'indicateur obtenu par ACP est aussi fortement
corrélé avec l'indicateur obtenu par la moyenne
arithmétique simple avec un coefficient de corrélation de l'ordre
de 0.936.
Tableau 7 : Corrélations entre l'indicateur obtenu
par ACP et les indices de réformes sectorielles
|
Indicateur de reform par ACP
|
|
Indicateur de reform par moyenne
|
0.9363
|
|
Marchés agricoles
|
0.5001
|
|
Marchés de produits
|
0.4537
|
|
Commerces
|
0.6718
|
|
Compte capital
|
0.9025
|
|
Comptes courants
|
0.8928
|
|
Finance et banques
|
0.7629
|
|
Source : Calculs de l'auteur a partir des données du FMI
et de BM
|
|
| 
