Analyse des effets du développement technologique sur la croissance économique d'Haà¯ti de 1989 à 2019

CHAPITRE V : DÉVELOPPEMENT TECHNOLOGIQUE ET CROISSANCE ÉCONOMIQUE : UN MODEL ÉCONOMÉTRIQUE

Pour discerner l'effet du développement technologique sur la croissance économique en Haïti sur la période allant de 1989 à 2019, dans cette section de ce travail, nous allons estimer un modèle à régression linéaire multiple de type Cobb-Douglas suivant des méthodes, procédés, démarches et approches scientifiques

5.1. Spécification du modèle

La plupart des études économétriques sur la croissance économique part des modèles de croissance néoclassique. On a par exemple le travail de Gilbert CETTE, Jacques MAIRESSE et Yusuf KOCOGLU (2001), expliquant la diffusion des TIC et croissance économique en France sur une longue période de 1980-2000, qui est basé sur ces modèles dont la fonction est de type Cobb-Douglas à rendements d'échelle Unitaires de forme :

?? = ???_?? ??_?? + ??_???? (??)

Y représente la production globale de l'économie ; (K), le stock de capital ; (L), le travail ; (A) la productivité des facteurs.

Plusieurs auteurs dont : Helpman (1997), Lichtenberg et Van P. Potterie (2001), Coe et Al

,2008) se sont basé sur ce modèle pour étudier les effets de la technologie extérieur sur la PGF au niveau national. Du même point de vue, Tarek et Naceur (2007) ont développé un modèle de même type, en panel dynamique linéaire dans lequel ils utilisent le taux de croissance et les dépenses en R&D retardées d'une période comme variables explicatives pour analyser l'effet du développement technologique sur la croissance économique. En effet, en référence à ces études empiriques basées sur l'étude de l'impact de la technologie sur la croissance économique, nous avons donc vu bon de construire notre modèle linéaire à partir de celui de Gilbert CETTE, Jacques MAIRESSE et Yusuf KOCOGLU (2001) afin d'opérationnaliser notre travail d'étude qui analyse les effets du développement technologique sur la croissance économique d'Haïti de 1989-2019 dont la fonction s'écrit de cette manière:

^{Y= F (K}1 ^{, K}2 ^{, K}3 ^{... K}n ^{, L) = ?????* ?????* ... * ????? * ????? (??)}

?? ?? ^??

^{Y représente le PIB réel, ?}i ^{représente le rythme du développement technologique, k}j représente l'ensemble des technologies, K représente l'investissement fait dans le secteur des TICet?estlerésidu(marged'erreur).Ilestànoterque,lemodèlepriscommeréférencea

utilisé les dépenses faites dans les matériels informatiques, matériels de communication, logiciels, et autres équipements²¹ comme investissements faits dans le secteur des TIC, ce que nous avons fait aussi, mais par surcroit, nous avons utilisé d'autres variables en rapport à notre réalité pour expliquer le développement technologique telles que : l'utilisation de l'internet, l'abonnement à la téléphonie Fixe et l'abonnement à la téléphoniemobile.

La modélisation de notre équation est donc une régression linéaire multiple²² qui est l'une des méthodes statistiques utilisée pour expliquer la relation entre une variable dépendante particulière et plusieurs variables indépendantes. La relation entre la variable dépendent notée y ^{et les variables indépendantes notées : x}1; ^x2; ^... ; ^xn ^{est susceptible de prendre des formes très} variées. Cependant, de manière générale, elles sont traitées suivant une forme linéaire, d'où l'expression de régression linéaire

Ainsi, une fois arrivée à prendre en compte toutes les variables qui devraient pouvoir expliquer l'évolution de la variable dépendante, on utilise la méthode dite des moindres carrés ordinaires (MCO) pour estimer les paramètres de l'équation de régression linéaire qui a été tenue

Par peur que les variables ne soient pas volatilisées, on linéarise le modèle en logarithme Népérien suivant cette démarche :

?? = ???????? ?_?? ??????_?? +?_?? ??????_?? + ? + ?_?? ??????_?? + ?_?? ?????? (??)

Outre les facilitations d'estimation, la linéarisation de l'équation permet à ce que nous puissions interpréter les coefficients de la régression estimée en niveau comme des élasticités. De plus, l'utilisation des tests de racine unitaire présentée dans ce modèle nous permettra de décider si le modèle retenu sera estimé en niveaux ou différences premières. À noter que dans ce travail de recherche, nous avons fait choix d'analyser le phénomène à cette période (1989-2019) en raison du fait que, pour certaines variables retenues de ce modèle, la BRH, IHSI et CONATEL

²¹Les activités productrices des trois produits (matériels informatiques, logiciels et matériels de communication) TIC correspondent donc à un champ plus large. Plus précisément : Les activités de l'industrie TIC qui correspondent aux Industries des Equipements Electriques et Electroniques, Les activités de Services TIC comprennent les activités de Postes et Télécommunications et ceux de Conseils et Assistanceetc....

²² La régression peut-être aussi simple ou bivariée dans le cas où elle met en relation une seule variable indépendante notée X avec la variable dépendante notée Y couramment. Par exemple le modèle de la loi psychologique de Keynes : ?? = ??0 +??????

n'ont pas fait de publication pour les années précédentes. Sinon, la période de notre étude serait plus longue.

^lnCt ^{est une variable constante.}