Chapitre 3
Modèles économétriques
d'explication des différents indicateurs
Après une présentation de la situation
globale et une identification des variables explicatives candidates dans
le précèdent, le présent chapitre s'attelle
à estimer le système d'équations simultanées
relatives aux trois objectifs retenus5. Il s'agit donc de
survoler les principales étapes ayant conduit à la mise en place
des différents modèles économétriques; du choix des
variables explicatives finales jusqu'à l'interprétation des
résultats.
Le système d'équations à estimer est le
suivant :
Pauv04 = â0pauv + f 1(Gini
, Xpauv) + åpauv
Gini = â0Gini + f2 (Pauv04
, XGini) + åGini
Tx_achev_p = â0achevp + f3
(Pauv04 , Xachevp) + åachevp
Tx_achev_c = â0achevc + f4
(Pauv04 , Xachevc) + åachevc
F_G_ENS á = â0fil/gar +
f5,á (Pauv04 , Tx_achev_p, Tx_achev_c
Xá,fil/gar) + åá ,fil/gar
á = p, c, q, s.
F_CHOM = âfemchom + f6 (Pauv04
, Xfemchom) + åfemchom
Où les indicateurs
Pauv04 : taux de pauvreté provincial
Gini : Moyenne provinciale des indices de Gini communaux
Tx_achev_p : taux d'achèvement scolaire au primaire
Tx_achev_c : taux d'achèvement scolaire au secondaire
F_G_ENS : proportion des filles dans l'enseignement (p :
primaire, c : collégial,
q : qualifiant et s : supérieur)
F_CHOM : Proportion des femmes parmi les chômeurs
sont expliquées respectivement par Xpauv , XGini ,
Xachevp , Xachevc , X á ,fil/gar , Xfemchom et les å
représentent les erreurs dues à chaque
équation.
Pour présenter les estimations de ces différentes
équations, le chapitre est abordé en 3
parties correspondantes chacune à un des objectifs
traités.
5 Les estimations sont faites à l'aide du
logiciel E-Views.le programme en question se trouve en Annexe.
I. Objectif 1 : Réduire l'extrême
pauvreté et la faim
I.1. Ajustement des modèles de taux de
pauvreté et d'indice de Gini
En ce qui concerne l'estimation des deux
premières équations liées au taux de pauvreté
et à l'indice de Gini, il convient de souligner quelques
difficultés rencontrées au niveau de l'ajustement des
modèles. En effet, l'introduction des variables candidates retenues
au chapitre précédent conduit à un
problème de non robustesse des estimations, ce qui remettrait en
cause la fiabilité des résultats. Ce problème est
le fait notamment de la colinéarité et de
l'endogéneité de certaines variables explicatives. Nous
remarquons en effet qu'il y a une forte colinéarité entre le taux
d'urbanisation, le taux d'alphabétisation, la taille moyenne des
ménages et certains indicateurs d'infrastructures de base, de même
qu'entre la population active et le nombre de sites de
microcrédit. Pour chaque groupe de variables colinéaires, il
fallait donc choisir une variable représentative la plus pertinente. A
cet effet, les choix suivants ont donc été opérés
:
· le taux d'alphabétisation représente en
même temps le taux d'urbanisation
· la population active est approchée par le nombre de
sites de microcrédit
· les infrastructures de base sont
représentées par le nombre de dispensaires.
Le problème d'endogénéité provient
doublement de la simultanéité due à la nature des
équations et de certaines variables explicatives. Dans
l'équation de l'indice de Gini par exemple, le taux d'urbanisation
ressortait très significatif et très pertinent
économiquement. Cependant, sa forte corrélation aux autres
variables du modèle a nécessité son instrumentalisation
pour corriger les estimations. Pour ce qui est de la simultanéité
due à la nature des équations, chaque variable endogène
explicative est instrumentalisée par quelques unes des plus
significatives de ses variables explicatives.
Après maintes tentatives et compte tenu de
toutes ces corrections, un modèle final, plus adéquat et
plus fiable a été retenu pour chaque indicateur. Nous
présentons les deux modèles liés à l'objectif 1
dans le paragraphe suivant.
| 
