REPUBLIQUE DU NIGER

FRATERNITE – TRAVAIL - PROGRES

MINISTERE DU PLAN
DE L’AMENAGEMENT DU TERRITOIRE
ET DU DEVELOPPEMENT COMMUNAUTAIRE
INSTITUT NATIONAL DE LA STATISTIQUE
Etablissement Public à Caractère Administratif
Direction des Statistiques et des Etudes Economiques

QUALITE DE LA DEPENSE PUBLIQUE AU NIGER

Rapport final

MAI 2015
AVANT PROPOS

L’Institut National de la Statistique (INS) s’est engagé, depuis quelques années, dans la valorisation de
ses productions statistiques, en renforçant la dimension recherche dans ses programmes d’activités. Il
s’agit principalement de la conduite des études approfondies sur certaines thématiques majeures, en
vue d’éclairer les débats socio-économiques en cours au Niger et fournir au Gouvernement des
éléments d’orientation et d’aide à la prise de décision dans l’élaboration, la mise en œuvre, le suivi et
l’évaluation des politiques et programmes de développement. Au titre des années 2014 et 2015, quatre
(4) études approfondies ont été identifiées pour être réalisées. Il s’agit de :

1. l’étude sur l’émergence d’une classe moyenne au Niger ;

2. l’étude sur la gratuité des soins ;

3. l’étude sur les déterminants de la baisse de la mortalité des enfants de moins de cinq (5) ans et
du niveau élevé de la fécondité ;

4. et l’étude sur la qualité de la dépense publique qui fait l’objet du présent document.

L’objectif principal de ces études est de fournir à tous les utilisateurs des données statistiques,
principalement le Gouvernement, des éléments d’analyses sur la situation socioéconomique et
démographique du pays, afin de contribuer à de prises de décisions efficientes et efficaces, pour le suivi
de la mise en œuvre et l’évaluation des différentes politiques de développement économique et social,
notamment celles retenues dans le Plan de Développement Economique et Social (PDES) 2012-2015, qui
en constitue le cadre de référence.

Cette étude est l’œuvre d’une équipe multidisciplinaire qui a regroupé les cadres de l’Institut National
de la Statistique (INS), ceux issus du Ministère des Finances, du Ministère du Plan, de l’Aménagement du
Territoire et du Développement Communautaire (MP/AT/DC), en particulier du Secrétariat Permanent
du PDES 2012-2015. En plus de ces cadres, l’équipe a reçu l’appui des Enseignants chercheurs de la
Faculté des Sciences Economiques et Juridiques (FSEJ) de l’Université Abdou Moumouni Dioffo (UAMD)
de Niamey, des experts de la Cellule d’Analyse et de Prospective en Développement (CAPED) et de la
Direction Nationale de la Banque Centrale des Etats de l’Afrique de l’Ouest (BCEAO).

La Direction Générale de l’INS voudrait leur adresser ses vifs remerciements pour leurs précieuses
contributions à la réalisation de cette étude particulièrement aux membres de l’équipe technique : Mr
Mahamadou CHEKARAO (INS), Mr Issaka AMADOU MAMANE (INS), Dr Sidi ZAKARI IBRAHIM (CAPED), Dr
Seyni ALMOUSTAPHA (PDES_2012-2015), Dr Ali WOBA (FSEJ), Dr Cherif CHAKO (FSEJ), Mr Mallam Souley
SALISSOU (DGI), Mr Ibrahim INOUSSA NAMAIOUA (BCEAO), Mr Laouali CHAIBOU (INS), Mr Ibrahim
ISSOUFOU KIAFFI (DGB), Ibrahim ABDOULAYE ISSAKA (INS), Ibrahim OUMAROU SADOU (INS) et Mr
Abdoulkarim MOUSSA TAMBARI (INS).

LE DIRECTEUR GENERAL

Idrissa ALICHINA KOURGUENI

1
RESUME EXECUTIF

Cette étude a pour principal objectif de contribuer au débat sur la problématique de la « qualité
des dépenses publiques» au Niger et d’étudier leurs effets sur la croissance économique et
l’emploi sur la période 1965-2013, à la fois d’un point de vue théorique et empirique.

A cette fin, les objectifs spécifiques visés sont d’analyser la structure des dépenses publiques et
celles du PIB, de présenter leur évolution ainsi que celle de leurs composantes (dépenses de
fonctionnement et dépenses d’investissement) par rapport au PIB et à l’emploi. Elle vise aussi à
analyser l’efficience des dépenses publiques, à déterminer leur taille optimale et à identifier
celles qui ont un effet multiplicateur sur la croissance économique et l’emploi.

De l’analyse descriptive qui a été effectuée, il ressort une forte progression des dépenses
publiques, surtout ces cinq (5) dernières années, en liaison avec la volonté du Gouvernement
d’accroître les investissements dans les secteurs sociaux de base et les infrastructures.
Cependant, la progression des recettes n’a pas été à la hauteur de la forte augmentation des
dépenses publiques, compte tenu de l’importance du secteur informel et des contraintes liées à
la capacité opérationnelle des administrations fiscales et douanières à mobiliser les ressources
internes et extérieures. Selon les principaux résultats de cette étude, au Niger, le taux de
croissance des dépenses publiques évolue plus vite que celui du taux de croissance économique
sur la période considérée. Ceci a été relevé en particulier pour les dépenses d’investissements.

Sur le plan de l’efficience des dépenses publiques, appréhendée par le calcul de l’indice
d’efficience globale au Niger, seul le secteur de santé, au regard des ressources publiques qui y
sont injectées, paraît efficient, en comparaison avec les autres pays membres de l’UEMOA.
Ainsi donc, malgré la faible part du PIB alloué à la santé, comparativement à ces pays,
l’espérance de vie à la naissance du Niger, qui est choisie comme output, est à un niveau
beaucoup plus appréciable pour la période retenue, soit 58,0 ans, contre une moyenne de 56,2
ans pour les autres pays membres de l’UEMOA. Par contre, les secteurs de l’éducation et des
infrastructures routières sont beaucoup moins efficients. En effet, pour l’éducation, la plupart
des pays de référence, avec des dépenses publiques d’éducation moindres que le Niger,
arrivent à assurer une durée moyenne d’études supérieure à celle du Niger (1,4 an au Niger
contre 3,3 ans en moyenne dans les autres pays de l’UEMOA). Il en est de même pour les
infrastructures routières, à l’exception du Bénin et de la Côte d’Ivoire, si l’on tient compte du
pourcentage de kilomètres de routes revêtues. En somme, les dépenses publiques dans les
secteurs sociaux de base sont de faible qualité.

L’étude a aussi permis de faire ressortir le seuil optimal des dépenses publiques totales qui
serait compris entre 20,5% et 33,6% du PIB, avec un niveau de réalisation de 32,6% du PIB en
2013 selon deux (2) approches. De manière désagrégée, le seuil investissements publics du
Niger serait compris entre 6,5% et 8,5% du PIB, avec un niveau de réalisation de 18,2% en 2013.
Celui des traitements et salaires se situerait entre 5,9% et 6,5% du PIB pour une réalisation de
5,4% du PIB en 2013. Pour ce qui est des transferts et subventions, le seuil se situerait entre

2
4,7% et 13,3% du PIB, avec un niveau de réalisation de 6,8% du PIB en 2013. En ce qui
concerne celui du service de la dette, il se situerait entre 0,4% et 1,6% du PIB, avec un niveau
en 2013 de 0,5% du PIB en 2013.

Pour la répartition optimale dans l’allocation des ressources du budget, les résultats obtenus
suggèrent que le Gouvernement alloue 36,2%, aux investissements publics les transferts et
subventions 30,4%, les salaires et traitements 26,3% et enfin 7,1% pour le service de la dette.

Au Niger, selon les résultats de cette étude, la hausse des dépenses publiques a beaucoup
plus d’impact sur la croissance que sur la création d’emplois. A court terme, les dépenses
courantes, composées essentiellement des salaires et traitements ainsi que des subventions et
transferts, exerceraient une influence négative sur la croissance au profit de l’emploi. Les
dépenses publiques d’investissement influencent, quant à elles, à court terme positivement le
niveau de l’emploi, et dans un délai de court/moyen terme la croissance économique. Les
investissements publics sont le canal principal par lequel les dépenses totales affectent
positivement la croissance.

Pour une meilleure efficacité/efficience des dépenses publiques au Niger au vu des principaux
résultats de cette étude, les recommandations suivantes sont formulées pour le
Gouvernement :

- contenir la progression des dépenses publiques en pourcentage du PIB, notamment par

la maîtrise de la masse salariale qui reste proche du seuil, et une politique
d’investissements moins expansives ;

- veiller sur l’efficacité de l’exécution budgétaire ;

- favoriser les investissements créateurs d’emploi, notamment en mettant l’accent sur la

création de zones économiques spéciales (ZES) ;

- procéder à une meilleure répartition des ressources publiques au niveau du secteur de

l’éducation, afin de contribuer à meilleure efficience du secteur.

Par ailleurs, les autorités doivent mettre l’accent sur l’efficacité/l’efficience de ces dépenses
par :

- la conduite d’une revue des dépenses publiques dans tous les secteurs ;

- une meilleure répartition des ressources publiques dans les différents secteurs ;

- l’identification des niveaux et des sources de gaspillages de ressources publiques ;

- la mise en place d’un système de suivi des dépenses jusqu’à leur destination (SSDD),
(traçabilité) dans tous les secteurs, en vue d’améliorer l’équité des dépenses publiques
ainsi que leur impact sur le bien-être des populations.

3
EXECUTIVE SUMMARY

This study purposes to contribute to the debate relative to the problems of the "quality of the
public expenditure" in Niger to study their effects on employment and the economic growth in
Niger over the period 1965-2013, at the same time from a theoretical and empirical point of
view. For this purpose, the specifics objectives consist to analyze the structure of the public
expenditure and those of the GDP, as well as the evolution of the components (administrative
expenditures and capital expenditure) in relation to ratio of the GDP and employment. It also
aims to analyze the efficiency of the public expenditure, determine their optimal size and
identify those which have a multiplier effect on the economic growth and employment.

It comes from the descriptive analysis which was carried out, a boom of the public
expenditure, especially these five (5) last years, in connection with the will of the
Government to increase the investments in the basic social sectors and the infrastructures.
However, the progression of the receipts was not interrelated with the height of the strong
increase in the public expenditure, taking into account the importance of the abstract sector
and the constraints related to the operational capacity of the tax authorities and customs to
mobilize the internal and external resources. According to the principal results of this study, in
Niger, the growth rate of the public expenditure evolves more quickly than the economic
growth rate over the period considered. This was raised in particular for the capital
expenditures.

In the field of the efficiency of the public expenditure, apprehended by the calculation of the
index of total efficiency in Niger, only the sector of health, in comparison with the public
resources which are injected there, appears efficient, in comparison with the other member
states of WAEMU (West African Economic Monetary Union). Thus, in spite of the weak part of
GDP allocated to health, compared to these countries, the life expectancy to the birth of Niger,
which is selected like output, is on a level much more appreciable for the appointed period,
that is to say 58.0 years, against 56.2 years on the average for the other member’s states of
WAEMU (West African Economic Monetary Union). On the other hand, the sectors of education
and the road infrastructures are much less efficient. Indeed, for education, the majority of the
countries of reference, with a level of public expenditure of education less than Niger, manage
to ensure one average duration of studies higher than Niger (1.4 year in Niger against 3.3 years
on the average in the other countries of the WAEMU). It is the same for the road
infrastructures, except for Benin and for the Ivory Coast, if it takes account of the percentage of
kilometers of surfaced roads. Thus, the quality of public expenditure in the basic social sectors
is low.

The study also made it possible to emphasize the optimal threshold of the total public
expenditure which would lie between 20.5% and 33.6% of the GDP, with a level of realization
of 32.6% of the GDP in 2013 according to two (2) approaches. In a disaggregated way, the
threshold public investments of Niger would lie between 6.5% and 8.5% of the GDP, with a level
of realization of 18.2% in 2013. The treatments and wages would range between 5.9% and 6.5%

4
of the GDP for a realization of 5.4% of the GDP into 2013. As regards to the transfers and
subsidies, the threshold would range between 4.7% and 13.3% of the GDP, with a level of
realization of 6.8% of the GDP into 2013. At last, the debt servicing would range between 0.4%
and 1.6% of the GDP, with a level in 2013 of 0.5%. For the optimal distribution in the allowance
of the resources of the budget, the results obtained suggest that the Government allocates
36.2% to public investments, 30.4% to the transfers and subsidies, 26.3% to the salaries and
wages and finally 7.1% for the debt servicing.

In Niger, according to results' of this study, the rise in the public expenditure has much more
impact on the growth rate of economy than on the employment. In the short run, the
recurring expenses, made up primarily of the salaries and wages as well as subsidies and
transfers, would exert a negative influence on the growth to the profit of employment. The
public capital expenditure influences, as for them, in the short run positively the level of
employment, and short/mean term the economic growth. The public investments are the main
channel by which the total expenditure affects the growth positively.

For a better efficacy/efficiency of the public expenditure in Niger within sight of the principal
results of this study, the following recommendations are made for Government:

- to contain the progression of the public expenditure expressed as a percentage of GDP, in

particular by the control of the wage bill which remains close to the threshold, and a policy of
investments less expansives ;

- to take care on the effectiveness of the budget execution;

- to support the creative investments of employment, in particular by improving the creation of

special economic zones ;

- to make a better public allocation of resources on the level of the sector of education, in order
to contribute to better efficiency in this sector.

In addition, the authorities must improve the efficacy/efficiency of the public expenditure by:
- the control of a review of the public expenditure in all sectors;

- a better public allocation of resources in different the sectors;

-the identification of the levels and the sources of wastings of publics resources;
-the installation of a system of follow-up of the expenditure until their destination, (traceability)
in all sectors, in order to improve equity of the public expenditure like their impact on the
wellbeing of citizens.

5
SOMMAIRE
AVANT PROPOS ............................................................................................................................................. 1
RESUME EXECUTIF ........................................................................................................................................ 2
EXECUTIVE SUMMARY .................................................................................................................................. 4
SOMMAIRE .................................................................................................................................................... 6
PRINCIPAUX SIGLES ET ABREVIATIONS ......................................................................................................... 8
LISTE DES TABLEAUX ..................................................................................................................................... 9
LISTE DES GRAPHIQUES .............................................................................................................................. 10
I. INTRODUCTION GENERALE ................................................................................................................. 11
1.1. Contexte de l’étude..................................................................................................................... 11
1.2. Objectifs de l’étude ..................................................................................................................... 13
1.3. Résultats attendus ...................................................................................................................... 14
II. CADRE THEORIQUE ET EMPIRIQUE ..................................................................................................... 15
2.1. Définition des différents concepts .............................................................................................. 15
2.1.1.1 Classifications selon les différents titres de la nomenclature budgétaire ............................... 16
2.1.1.2. Classifications selon les différentes fonctions économiques ...................................................... 17
2.1.2. Notions de croissance économique .............................................................................................. 17
2.1.3. Le concept d’emploi ...................................................................................................................... 17
2.1.4. Notion de qualité de la dépense publique.................................................................................... 17
2.1.5. Quelques définitions ..................................................................................................................... 20
2.2. Les fondements théoriques du rôle des dépenses publiques dans la croissance économique et
le plein emploi......................................................................................................................................... 21
2.3. Principaux travaux empiriques ................................................................................................... 25
III. METHODOLOGIE DE L’ETUDE ......................................................................................................... 32
3.1. Analyse approfondie de la structure, de l’évolution des dépenses publiques au Niger et de ses
composantes ........................................................................................................................................... 32
3.2. L’analyse de l’efficience des dépenses publiques au Niger ........................................................ 33
3.3. Détermination de la taille optimale des dépenses publiques au Niger ...................................... 33
IV. EVOLUTION ET STRUCTURE DES DEPENSES PUBLIQUES AU NIGER ............................................... 41
4.1. Les faits stylisés sur les dépenses publiques au Niger ................................................................ 41
4.2. Analyse de la structure et de l’évolution des principales composantes des dépenses de l’Etat
par rapport au PIB et à l’emploi .............................................................................................................. 44
4.2.1.1 Les dépenses courantes............................................................................................................... 45
4.2.1.2 Les dépenses d’investissements .............................................................................................. 46

6
 4.3. Analyse comparative de la structure des dépenses publiques au Niger par rapport aux pays
membre de l’UEMOA .............................................................................................................................. 50
V. ANALYSE DE L’EFFICIENCE DES DEPENSES PUBLIQUES AU NIGER ...................................................... 53
5.1. Dépenses publiques d’éducation ................................................................................................ 53
5.2. Dépenses publiques de santé ..................................................................................................... 56
5.3. Dépenses publiques en infrastructures routières....................................................................... 59
VI. DETERMINATION DE LA TAILLE OPTIMALE DES DEPENSES PUBLIQUES AU NIGER ........................ 63
6.1. Détermination de la taille optimale par catégorie de dépense publique ........................................ 63
6.2.1.1 Les seuils des composantes des dépenses en proportion du PIB (approche de Scully) ......... 68
6.2.1.2 Les parts optimales dans les dépenses totales........................................................................ 69
Les seuils des composantes des dépenses en proportion du PIB (approche de Vedder et Gallaway) ... 73
VII. IMPACT DES DEPENSES PUBLIQUES SUR LA CROISSANCE ECONOMIQUE ET L’EMPLOI ................ 75
7.1 Description des données du modèle ............................................................................................. 75
7.2 Etude de la stationnarité des séries ............................................................................................... 76
7.3 Etude du sens de causalité ............................................................................................................. 77
7.4 Estimation du modèle selon la première spécification ................................................................ 78
7.4.5.1 Les Fonctions de réponses ....................................................................................................... 81
7.4.5.2 Décomposition de la variance ................................................................................................. 83
7.5 Estimation du modèle de la seconde spécification..................................................................... 84
CONCLUSION ET RECOMMANDATIONS ...................................................................................................... 89
REFERENCES BIBLIOGRAPHIQUES ............................................................................................................... 92
ANNEXES ..................................................................................................................................................... 96

7
PRINCIPAUX SIGLES ET ABREVIATIONS

AERC African Economic Research Consortium

BAD Banque Africaine de Développement
BCEAO Banque Centrale des Etats de l'Afrique de l'Ouest
CEDEAO Communauté Economique des Etats d'Afrique de l'Ouest
CNUCED Conférence des Nations Unies sur le Commerce et le Développement
COFOG Classement des Fonctions Economiques des Dépenses Publiques
DGRF Direction Générale des Réformes Financières
DSRP Document de Stratégie Accélérée pour la Réduction de la Pauvreté
ECVMA Enquête sur les Conditions de Vie des Ménages et de l’Agriculture
FCFA Franc de la Communauté Financière d'Afrique
FMI Fond Monétaire International
IDE Investissements Directs Etrangers
INS Institut National de la Statistique
MCE Modèle à Correction d'Erreur
OIT Organisation Internationale du Travail
OMD Objectifs du Millénaire pour le Développement
PAS Programme d'Ajustement Structurel
PDES Plan de Développement Economique et Social
PIB Produit Intérieur Brut
PP Phillips et Perron
PPTD Programme Pays Travail Décent
RGP/H Recensement Général de la Population et de l'Habitat
SRP Stratégie de Réduction de la Pauvreté
UEMOA Union Economique et Monétaire Ouest Africaine
VAR Modèle Vectoriel Auto Régressif
ZES Zones Economiques Spéciales

8
LISTE DES TABLEAUX
Tableau 1: Synthèse des principaux résultats sur les liens entre les composantes des dépenses publiques
et la croissance économique dans la littérature ......................................................................................... 29
Tableau 2 : Synthèse des principaux résultats sur les liens entre dépenses publiques et emploi ............. 31
Tableau 3 : Classification économique des dépenses publiques en % du PIB dans la zone UEMOA en
2011. ........................................................................................................................................................... 51
Tableau 4: Classification fonctionnelle des dépenses publiques en zone UEMOA. ................................... 51
Tableau 5 : Indice de l’efficience globale des dépenses publiques d’éducation de quelques pays africains,
membre de l’UEMOA en 2011. ................................................................................................................... 54
Tableau 6 : Evolution de l’indice de l’efficience globale des dépenses publiques d’éducation du Niger de
2005 à 2012................................................................................................................................................. 56
Tableau 7 : Indice de l’efficience globale des dépenses publiques de santé de quelques pays africains en
2011. ........................................................................................................................................................... 58
Tableau 8 : Evolution des dépenses publiques de santé et espérance de vie à la naissance du Niger de
2005 à 2012................................................................................................................................................. 59
Tableau 9: Indice de l’efficience globale des dépenses publiques en infrastructures pour les pays
membre de l’UEMOA (*) en 2012 ............................................................................................................... 61
Tableau 10: Résultats des tests de stationnarité ........................................................................................ 65
Tableau 11: Test de cointégration de Johansen des variables ................................................................... 67
Tableau 12: Estimation du modèle à correction d’erreurs (Dynamique de court terme) .......................... 67
Tableau 13: Test de Chow ........................................................................................................................... 68
Tableau 14: Seuil des composantes des dépenses en % du PIB ................................................................. 69
Tableau 15: Part optimale des composantes en % des dépenses totales .................................................. 70
Tableau 16: Résultats de l’estimation avec toutes les variables ................................................................ 71
Tableau 17: Résultats de l’estimation sans HPLUV et IMPORT .................................................................. 72
Tableau 18: Seuil des composantes des dépenses et de ses composantes en % du PIB ........................... 73
Tableau 19: Test de racine unitaire sur les séries en niveau ...................................................................... 76
Tableau 20: Test de racine unitaire sur les séries en différence ................................................................ 77
Tableau 21 : Test de racine unitaire sur les séries sans leur tendance....................................................... 77
Tableau 22: Test de causalité de Granger entre dépenses publiques totales et le taux de croissance
économique ................................................................................................................................................ 77
Tableau 23: Test de causalité de Granger entre dépenses publiques totales et le niveau de l’emploi ..... 78
Tableau 24 : Synthèse des résultats du test de cointégration de Johansen ............................................... 79
Tableau 25: valeurs des critères d’information d’Akaike et de Schwartz pour différents retards ............. 80
Tableau 26: Décomposition de la variance pour la première spécification ............................................... 83
Tableau 27: Valeurs des critères d’information pour différents retards (0 à 3) ......................................... 84
Tableau 28: Décomposition de la variance pour la seconde spécification ................................................. 87

9
LISTE DES GRAPHIQUES
Graphique 1 : Cercle vertueux induit par les dépenses publiques ..............................................................................22
Graphique 2 : Evolution en volume des dépenses publiques et des recettes totales du Niger de 1960 à 2013 (en
milliards de FCFA) ........................................................................................................................................................42
Graphique 3: Evolution comparée du taux de croissance du PIB et de celle des dépenses publiques du Niger ........42
Graphique 4: Evolution des principales composantes des dépenses publiques du Niger en millions de FCFA ..........43
Graphique 5: Evolution des dépenses publiques totales et du PIB constant du Niger de 1994 à 2013 ......................45
Graphique 6: Evolution des dépenses publiques courantes et du PIB constant du Niger de 1994 à 2013. ................46
Graphique 7: Evolution des dépenses publiques d’investissement et du PIB constant du Niger de 1994 à 2013 ......46
Graphique 8: Evolution du taux de croissance des dépenses totales et celui du taux de croissance du PIB du Niger
de 1994 à 2013 ............................................................................................................................................................47
Graphique 9: Evolution du taux de croissance de la dépense publique totale et de ses composantes, et celui du
taux de croissance du PIB du Niger de 1994 à 2013 ....................................................................................................48
Graphique 10: Evolution des dépenses publiques totales, courantes et d’investissement et celui du taux d’activité
moyen de la population du Niger de 1994 à 2012 ......................................................................................................48
Graphique 11: Evolution de la dépense publique en santé du Niger en pourcentage du PIB, de la dépense totale en
santé en pourcentage du PIB et celui du taux de croissance du PIB, sur la période 1995 – 2012. .............................49
Graphique 12: Evolution des dépenses publiques en éducation en pourcentage du PIB, des dépenses totales en
santé en pourcentage du PIB et celui du taux de croissance du PIB, sur la période 1995 – 2012. .............................50
Graphique 13: Evolution des dépenses publiques d’éducation et taux d’achèvement du cycle primaire du Niger 54
Graphique 14: Analyse comparative de l’efficience des dépenses publiques d’éducation de quelques pays africains
.....................................................................................................................................................................................55
Graphique 15: Evolution dépenses publiques de santé et de l’espérance de vie à la naissance du Niger de 1990 à
2012. ............................................................................................................................................................................57
Graphique 16: Analyse comparative de l’efficience des dépenses de santé de quelques pays africains en 2011......59
Graphique 17: Nombre de kms de routes revêtues et Valeur ajoutée du secteur des transports du Niger de 2000 à
2012. ............................................................................................................................................................................60
Graphique 18: Evolution des dépenses d’équipements et du nombre de kms de routes revêtus du Niger de 2000 à
2012 .............................................................................................................................................................................61
Graphique 19: Analyse comparative de l’efficience des dépenses d’équipements dans les pays membres de
l’UEMOA (*) en 2012 : .................................................................................................................................................62
Graphique 20: Réponse du taux de croissance suite à un choc sur les dépenses publiques .....................................82
Graphique 21: Réponse de la proportion de la population active suite à un choc sur la dépense publique totale....82
Graphique 22: Réponse du taux de croissance suite à un choc sur les dépenses publiques courantes ....................85
Graphique 23: Réponse de la proportion de la population active suite à un choc sur les dépenses publiques
courantes .....................................................................................................................................................................86
Graphique 24: Réponse du taux de croissance suite à un choc sur les dépenses publiques d’investissement .........86
Graphique 25: Réponse de la proportion de la population active suite à un choc sur les dépenses publiques
courantes .....................................................................................................................................................................87

10
 I. INTRODUCTION GENERALE

1.1. Contexte de l’étude

1.1.1. Contexte général de l’étude

Dans le contexte actuel de la mondialisation où chaque État aspire à la croissance économique

et au développement, l’usage optimal des instruments de politique économique est une
nécessité.

La politique budgétaire constitue un des principaux leviers conjoncturels de la politique

économique. Ceci est d’autant plus vrai pour des pays comme le Niger qui, à l’instar des autres
pays de l’UEMOA, n’a pas l’entière souveraineté de la politique monétaire qui est conduite par
la BCEAO et qui échappe donc au pouvoir discrétionnaire d’un seul Etat.

L’Etat, ayant pour seul outil la politique budgétaire doit la gérer de manière efficace et donc,
maitriser l‘effet que peuvent avoir les dépenses publiques et la fiscalité sur l‘activité
économique. Si des dépenses trop élevées peuvent exercer des pressions sur la conduite de la
politique économique et biaiser la progressions de la croissance, il y a nécessité de s’interroger
sur leur qualité, et au-delà, sur leur efficacité.

La question de l'efficacité des dépenses publiques continue d'être l'une des préoccupations
permanente des décideurs politiques et des économistes. Une partie des politiques et
programmes de développement du Gouvernement du Niger inscrites dans le Plan de
développement Economique et Social (PDES 2012-2015), et les dépenses publiques qui leurs
sont associées, sont essentielles pour la performance de l'économie. Ces dépenses peuvent
aussi avoir un impact positif sur la croissance, l’emploi et la réalisation d'objectifs sociaux,
notamment pour l’atteinte des Objectifs du Millénaire pour le Développement (OMD). Elles
peuvent contribuer à l’accroissement du stock de capital humain et physique et au progrès
technologique dans l'économie. Sans cela, l'économie ne peut fonctionner correctement et ne
peut croître que faiblement.

Les dépenses publiques constituent donc un instrument privilégié de relance économique,

particulièrement dans les pays en développement, mais leur impact dépend de leur structure,
c'est-à-dire de la décomposition entre dépenses de fonctionnement et dépenses
d'investissements.

Le poids des dépenses d’un Etat dans une économie peut se mesurer par la part de ses
dépenses publiques dans le Produit Intérieur Brut (PIB). Mais une utilisation efficace des
dépenses publiques, exige une connaissance précise de leurs répercussions économiques. Le
choix de l'allocation des dépenses de l'Etat, en faveur des dépenses de fonctionnement ou des
dépenses d’investissement, peut donc s'avérer déterminant dans la relance de la croissance

11
dans les pays en développement comme le Niger. Alors, quel intérêt de cette étude pour le
Niger ?
1.1.2. Contexte de l’étude et son intérêt pour le Niger

Au Niger, le Gouvernement s’est engagé depuis plusieurs années dans la lutte contre la
pauvreté, avec l’appui des partenaires techniques et financiers.

Selon le département des Finances Publiques du Fonds Monétaire International (FMI) 1, qui a
mené une évaluation des systèmes, des procédures et des institutions de gestion des finances
publiques du Niger pour la période 2009–2011, la composition des dépenses par catégorie
économique reste dominée par les dépenses courantes. Elles ont représenté en moyenne, sur
la période, 55,5% du total des dépenses de l’administration centrale, contre 45,5% pour les
dépenses en capital et prêts nets. Les dépenses de subventions et transferts, 19,4% en
moyenne dépassent les dépenses de traitements et salaires, 16,5% en moyenne. Ce sont,
notamment les subventions à la distribution des produits pétroliers qui expliquent ces
évolutions, suite à la rigidité des prix pratiqués dans un contexte international caractérisé par
leur renchérissement. Il est à noter également que la part des dépenses en capital, financée par
l’extérieur, a dépassé la part des dépenses financées sur ressources internes durant deux (2)
années en 2010 et 2011.

Dans la même période, l’Etat a alloué ses ressources en s’appuyant sur les priorités définies
dans le document de Stratégie de Développement Accéléré et la Réduction de la Pauvreté
(DSRP)2. Les secteurs prioritaires, comprenant le développement rural, l’enseignement, la santé
et la protection sociale, ont bénéficié de ressources significatives dans la période. Les dépenses
en faveur de ces secteurs ont représenté plus du tiers (1/3) des dépenses totales de l’Etat. En
2011, les dotations en faveur du secteur rural ont été plus significatives, en raison de
financements importants des partenaires techniques et financiers pour soutenir les
programmes se rapportant notamment à l’alimentation des populations.

Eu égard à ces constats, la politique des dépenses publiques devrait jouer un rôle primordial
dans ce contexte. Une politique adéquate de celle-ci doit permettre de faire des choix judicieux
et opportuns en assurant une amélioration sensible des conditions de vie de la population en
général. Pour y parvenir, il faudrait nécessairement accroitre la richesse, ce qui implique une
action positive et durable sur la croissance économique. Les économistes, adeptes des théories
dites de la croissance endogène, mettent en exergue l’importance de considérer la structure
des dépenses dans le souci de cibler les composantes qui sont porteuses de croissance et celles
qui le sont moins. Dans le cas spécifique du Niger, assurer la qualité des dépenses publiques est

1
À la demande du Ministre des Finances de la République du Niger, le Département des Finances Publiques (FAD) du FMI a
mené une évaluation des systèmes, des procédures et des Institutions de gestion des finances publiques pour la période 2009–
2011, selon la méthodologie révisée des « dépenses publiques et responsabilité financière », connue sous son sigle anglais
PEFA.
2
Il s’agit de la Stratégie de Développement Accélérée et de Réduction de la Pauvreté (2008-2012) qui aujourd’hui a été
remplacée par le PDES, adopté en 2012, et qui est le principal document de référence en matière de politique économique et
social au Niger.

12
une condition sine-qua-non, eu égard à l’importance de ces dépenses dans le développement
économique et social du pays.

En effet, les récents développements de l’économie mondiale ont montré à quel point il était
important pour une économie de promouvoir une gestion efficace et parcimonieuse des
dépenses publiques. En particulier, l’insuffisance des ressources dans les pays en
développement devrait amener les Gouvernements concernés à porter une plus grande
attention à la qualité de la dépense publique. La perspective d’une récession mondiale devrait
entrainer une baisse non négligeable de l’aide publique au développement, resserrant
davantage la contrainte de disponibilité des ressources pour le développement

Cependant, l’évolution du contexte d’intervention de l’Etat a renouvelé les exigences des

citoyens et étendu le champ de la performance publique. C’est le choix de la qualité de la
dépense publique qui permettra d’atteindre les résultats recherchés par les politiques
publiques confiées aux gestionnaires de l’Etat.

Dès lors, dans le cadre de cette étude, il convient de se poser les questions suivantes :
Quelle est la structure des dépenses publiques au Niger ? Comment ont-elles évolué par
rapport à l’emploi et à la croissance économique depuis les années 1960 ? Les dépenses
publiques au Niger sont-elles efficientes ? Existe-t-il une taille optimale des dépenses
publiques au Niger ? Quelles sont donc les dépenses publiques porteuses de croissance et
d'emploi au Niger ?

1.2. Objectifs de l’étude

L’objectif global de l’étude est de contribuer à l’amélioration de la qualité des dépenses

publiques au Niger.

De manière spécifique, l’étude a pour objet de :

 examiner la structure des dépenses publiques et celle du PIB du Niger depuis 1960 ;
 examiner l’évolution des dépenses publiques du Niger, ainsi que l’évolution de leurs
composantes (dépenses de fonctionnement et dépenses d’investissement) par
rapport au PIB et à l’emploi depuis 1963 ;
 analyser l’efficience des dépenses publiques au Niger ;
 déterminer la taille optimale des dépenses publiques au Niger ;
 identifier les dépenses publiques qui ont un effet multiplicateur sur la croissance
économique et l’emploi au Niger ;
 formuler des recommandations au Gouvernement pour un meilleur ciblage des
dépenses publiques au Niger.

13
 1.3. Résultats attendus

Les résultats attendus de l’étude sont :

 la structure des dépenses publiques et celle du PIB du Niger depuis 1960 est
analysée ;
 l’évolution des dépenses publiques du Niger, ainsi que celles de leurs composantes
(dépenses de fonctionnement et dépenses d’investissement) par rapport au PIB et à
l’emploi depuis 1960 sont analysées ;
 l’efficience des dépenses publiques au Niger est analysée ;
 la taille optimale des dépenses publiques au Niger est déterminée ;
 les dépenses publiques, qui ont un effet multiplicateur sur la croissance économique
et l’emploi au Niger, sont identifiées ;
 des recommandations au Gouvernement pour un meilleur ciblage des dépenses
publiques au Niger sont formulées.

Afin d’atteindre les objectifs fixés par l’étude, le présent rapport rend compte des travaux
d’analyse effectués, pendant plusieurs mois, par l’Institut National de la Statistique (INS) et
l’équipe technique mise en place. Il est structuré en sept (7) parties :

(i) introduction générale ;

(ii) présentation du cadre théorique et empirique de l’étude ;

(iii) présentation de la méthodologie de l’étude ;

(iv) analyse de la structure et de l’évolution des dépenses publiques au Niger ;

(v) analyse de l’efficience des dépenses publiques au Niger ;

(vi) détermination de la taille optimale des dépenses publiques au Niger ;

(vii) analyse de l’impact des dépenses publiques sur la croissance économique et

l’emploi au Niger.

14
 II. CADRE THEORIQUE ET EMPIRIQUE

Ce chapitre aborde les différents concepts et notions nécessaires à la bonne compréhension et

à l’atteinte des objectifs visés dans le cadre de cette étude. Les différents effets des dépenses
publiques sur la croissance et l’emploi sont aussi analysés, à la lumière de la revue de la
littérature existante sur le sujet.

2.1. Définition des différents concepts

2.1.1. Notions de dépenses publiques

Les dépenses publiques désignent toutes les dépenses effectuées par l’Etat, par les
administrations de sécurité sociale ou par les administrations rattachées aux collectivités
territoriales. L’objet des dépenses publiques est la prise en compte de la satisfaction des
besoins collectifs en matière de sécurité, de santé, d’éducation, d’équipements, etc. Elles
s’imposent par leur nécessité et leurs satisfactions et sont indépendantes dans une large
mesure du coût financier. Les dépenses publiques peuvent être classifiées selon les titres du
budget de l’Etat ou selon leurs différentes fonctions économiques.

Selon l’économiste américain Richard Musgrave, « la dépense publique peut répondre à trois
(3) fonctions : une fonction d’allocation des ressources, pour financer les biens et services
publics, une fonction de redistribution, pour corriger les inégalités et une fonction de
stabilisation macroéconomique, pour lisser les variations cycliques de l’activité ». L’existence
d’un grand nombre d’acteurs publics ne facilite pas l’identification de l’effet économique des
choix effectués en matière de dépense publique. Il importe donc de clarifier le concept de
dépenses publiques et ses fonctions.

La comptabilité nationale cherche à déterminer ce qui, par nature, est une dépense, quel que
soit son intitulé, qu’elle se traduise ou non par un flux de trésorerie. Le critère essentiel est
qu’une dépense est un flux qui appauvrit l’administration concernée, au sens où son actif
financier net courant diminue, soit par une baisse de l’actif, soit par une augmentation du
passif. Cette définition implique qu’une dépense, ayant pour contrepartie un actif non financier
immobilisé (patrimoine immobilier, routes, ports…), diminue l’actif financier de l’administration
au sens de la comptabilité nationale. Ainsi, la construction d’une route (actif physique) sera
considérée comme une dépense (générant un besoin de financement équivalent), alors qu’une
prise de participation dans une société d’autoroute sera considérée comme une opération
financière (neutre sur le besoin de financement).

Concrètement, cette définition conduit à exclure du champ des dépenses publiques certaines
opérations qui sont des dépenses au sens budgétaire :

 les opérations d’acquisition de titres financiers ne constituent pas une dépense publique
au sens de la comptabilité nationale. En effet, elles n’impliquent aucune diminution de

15
 l’actif financier net des administrations, mais seulement une réallocation d’actifs au sein
du patrimoine des administrations entre trésorerie et titres ;

 les dotations en capital peuvent aussi être exclues de la dépense publique, si elles
conduisent à une augmentation de la valeur de la participation de l’État détenue dans
l’entreprise, et in fine, du patrimoine de l’État. En revanche, si ces dotations sont à fonds
perdus, elles seront considérées comme de la dépense publique ;

 les prêts à des organismes privés ou à des États étrangers sont considérés comme des
opérations financières et n’ont d’impact à ce titre, ni sur le besoin ou la capacité de
financement de l’administration publique, ni sur sa valeur nette dans le compte de
patrimoine.

2.1.1.1 Classifications selon les différents titres de la nomenclature budgétaire

Les titres des dépenses du budget de l’Etat sont définis comme suit :

- titre 1 : Dette publique

Ce titre recense l’ensemble des dépenses de la dette publique intérieure et extérieure ;

- titre 2 : Dépenses de personnel

Ce titre regroupe l’ensemble des opérations liées au paiement des salaires, les traitements et
indemnités ;

- titre 3 : Dépenses de fonctionnement

Il recense l’ensemble des dépenses ordinaires effectuées par les pouvoirs publics et
l’administration. Ce sont elles qui donnent aux différents services de l’Etat les moyens
nécessaires à l’accomplissement de leurs missions ;

- titre 4 : Dépenses de subventions et transferts

Il regroupe les transferts et versements de subventions de toutes natures au profit
d’organismes publics, tant nationaux qu’internationaux, ainsi qu’à des organismes ou
personnes privées ;

- titre 5 : Dépenses d’investissement

Ce titre centralise les dépenses d’investissements sur projets ;

- titre 7 : Comptes spéciaux du trésor

Les comptes spéciaux ou d’affectation spéciale concernent des opérations à caractère définitif
(pensions, participations financières de l’Etat, etc.).

16
2.1.1.2. Classifications selon les différentes fonctions économiques

Les dépenses des administrations publiques sont ventilées suivant une nomenclature
internationale définie dans le système de comptes nationaux de 1993 et révisée en 1999 : la
COFOG (Classification of the Fonctions of Government). Cette classification répartit les
dépenses des administrations publiques en dix catégories selon leur finalité : (i) services publics
généraux, (ii) défense, (iii) ordre et sécurité publics, (iv) affaires économiques, (v) protection de
l’environnement, (vi) logement et équipements collectifs, (vii) santé, (viii) loisirs, culture et
culte, (ix) enseignement, (x) protection sociale.

2.1.2. Notions de croissance économique

La croissance économique est l'accroissement, sur une longue période, des quantités de biens
et services produits dans un pays, généralement mesurés année après année. François Perroux
la définit comme étant « l’augmentation soutenue, pendant une période longue, d'un
indicateur de production en volume ». En pratique, l'indicateur utilisé pour mesurer cette
croissance est le Produit Intérieur Brut (PIB) en volume.

2.1.3. Le concept d’emploi

Le concept d’emploi a trois (3) sens différents :

 dans le sens courant et micro-économique : l'emploi désigne à la fois l'exercice d'une

activité économique et le poste de travail occupé par un individu ;

 dans le sens courant et macro-économique : l'emploi est un élément de la conjoncture

économique. De ce point de vue, le volume de l'emploi s'appréhende par les statistiques
des effectifs occupés et la durée réelle du travail. Si toute la population en âge de
travailler exerce un emploi avec une durée de travail conforme à leur désir, tout en
respectant la durée maximum légale, le plein emploi existe.

2.1.4. Notion de qualité de la dépense publique

Le concept de « qualité » est assez complexe à mettre en exergue et, dans la littérature
économique, peu de travaux sont consacrés à l’étude de la qualité pour le cas spécifique des
« dépenses publiques ».

En fait, de façon générale, la norme ISO 9000 définit la qualité comme « l’aptitude des
caractéristiques intrinsèques d’un produit, d’un processus ou d’un système à satisfaire les
exigences des clients et autres parties intéressées ». En d’autres termes, la qualité peut être
considérée comme l’aptitude à l’utilisation ou la conformité aux exigences fixées par
l’utilisateur, puisque c’est l’utilisateur qui détermine si la qualité d’un produit ou d’un service

17
correspond à ses attentes. Il convient d’ajouter aussi que le concept de qualité pour tout
produit est porteur de trois (3) dimensions :

 technique qui s’intéresse aux caractéristiques et performances du produit ou du service ;

 économique où il s’agit de satisfaire ces besoins au moindre coût et dans les délais prévus,
en réduisant au minimum les dysfonctionnements internes ;

 humaine qui associe le personnel de l'entreprise à un projet commun, afin que chacun
s'épanouisse et retrouve le goût du travail bien fait.

Ces caractéristiques de la « qualité », postulées par la norme ISO 9000 et appliquées aux
dépenses publiques, imposent à ces dernières des contraintes techniques, économiques et
humaines qui doivent faire l’objet d’une définition précise selon le type de dépense considérée.
On peut ainsi envisager la construction d’un indicateur qui tient compte de la satisfaction des
bénéficiaires de chaque catégorie de dépenses publiques.

Une autre approche est adoptée par la Commission de l’union Européenne (2002). Dans son
rapport, relatif aux finances publiques dans l'Union Economique et Monétaire, publié en mai
2002, la Commission européenne s'est attachée à développer un indicateur synthétique
permettant d'apprécier la qualité de la dépense publique : « les dépenses publiques de
qualité sont celles qui, par leur nature, sont susceptibles de soutenir la croissance et
l'emploi ».

Au vu de la littérature empirique sur le sujet, la Commission de l’UE a réparti les dépenses

publiques en quatre (4) catégories, définies par référence à leur contribution à la croissance et
à l'emploi :

 le paiement des intérêts de la dette est jugé être une dépense sans intérêt
économique ;

 les dépenses de retraite et les dépenses de fonctionnement des administrations

publiques ont un impact positif sur l'activité, tant qu'elles restent modérées ; leur
impact devient négatif si elles atteignent un niveau trop élevé ;

 les dépenses d'indemnisation du chômage, les dépenses consenties au titre de la

politique familiale et de la politique du logement, les dépenses de lutte contre
l'exclusion, ont un impact positif sur la croissance, si elles ne sont ni trop élevées, ni
trop faibles. En effet, des dépenses trop faibles pourraient conduire à une
détérioration de la qualité de la force de travail et des dépenses trop élevées
risqueraient d'altérer le fonctionnement du marché de l'emploi, en créant des dés-
incitations au travail ;

18
  les dépenses d'éducation, de santé, de recherche, et d'investissements, et les
dépenses réalisées dans le cadre de politiques actives du marché du travail, sont
considérées comme ayant toujours un impact positif sur la croissance et l'emploi. En
théorie, ces dépenses devraient devenir inefficientes au-delà d'un certain seuil, mais,
la Commission de l’UE estime que ce seuil est supérieur aux niveaux de dépenses
effectivement observés dans les États membres de l'Union européenne.

Une fois ces critères d'évaluation posés, la Commission de l’UE a comparé la « qualité » de la
dépense publique dans les divers États membres. Il ressort du classement de la Commission de
l’UE que la France est, à la fin des années 1990, l'État membre qui bénéficie de la meilleure
qualité de la dépense publique. Ce bon résultat s'explique, notamment par un haut niveau de
dépenses d'éducation, de santé, d'investissements, et de recherche, et par la relative modestie
des sommes versées au titre du paiement des intérêts de la dette.

L’étude de la Commission de l’UE présente certes un caractère novateur intéressant. Mais, une
attention doit être prêtée sur les limites de la méthodologie suivie. En premier lieu, les critères
définis pour évaluer la qualité de la dépense demeurent assez vagues, et reposent sur l'analyse
d'études empiriques dont les résultats complexes sont rarement univoques. En second lieu,
l'évaluation à laquelle procède la Commission de l’UE ne prend pas en compte la qualité des
prestations fournies par les administrations nationales ; le seul critère retenu est celui du
niveau des dépenses engagées par grand type de fonctions. Enfin, la composition « optimale »
de la dépense publique peut fort bien varier d'un pays à un autre, notamment en raison des
écarts de développement qui subsistent entre les États membres.

Il est à noter que la démarche de la Commission de l’Union Européenne a l’avantage de traiter

de deux (2) variables clés de la politique économique à savoir, le taux de croissance
économique et l’emploi, puisque « les dépenses publiques jugées de qualité sont celles qui ont
un impact sur ces deux variables ».

Pour ce qui est du cas spécifique de la Direction de Prévision et des Etudes Economiques (DPEE)
du Sénégal (2012), qui a réalisé une étude sur la « productivité des dépenses publiques » pour
la zone UEMOA, elle a retenu les critères suivants pour définir la productivité des dépenses ou
dépenses de qualité à savoir :

 des dépenses publiques qui peuvent être effectuées à moindre coût ;

 des dépenses publiques dont le coût marginal doit être égal au bénéfice social ;

 des dépenses publiques engagées doivent remplir toutes les conditions qui
assurent la cohérence des comptes macroéconomiques.

19
La plupart de ces définitions s’appuient sur les théories de la croissance endogène qui
soulignent que l’efficacité des dépenses publiques doit être appréciée selon leur impact sur la
croissance (Barro, 1989).

Dans le cas du Niger, l’INS a retenu l’approche utilisée pour l’Union Européenne comme
méthodologie de réalisation de cette étude, malgré les limites relevées, étant donné que la
réalisation d’une croissance économique durable et la promotion d’emplois décents doivent
être en adéquation avec les principaux objectifs du PDES 2012-2015.

2.1.5. Quelques définitions

Investissement privé : le terme « investissement privé » désigne l’investissement des ménages

(achats de logements) et aussi et surtout l’investissement des entreprises.

Consommation publique : la consommation de l’État ou consommation publique est

l’ensemble des achats publics de biens et de services, qu'il s'agisse d'éléments effectivement
consommés ou investis. On parle aussi de “consommation collective” et de “consommation des
administrations publiques”.

Consommation privée : ce sont les dépenses en consommation finale des ménages

(anciennement appelées la consommation privée). Elle désigne la valeur marchande de tous les
biens et services, y compris les produits durables (tels que les voitures, les lave-linge et les
ordinateurs personnels) achetés par les ménages. Ces dépenses ne tiennent pas compte des
achats de logements, mais comprennent les loyers versés pour les logements habités par leurs
propriétaires. Ces dépenses comprennent également les paiements et frais versés au
Gouvernement pour obtenir des permis et licences.

Impact versus Effet : l’effet décrit une conséquence d'un projet sur l'environnement,
indépendamment du territoire qui sera affecté. Par exemple, la consommation d'espace, les
émissions sonores ou gazeuses, la production de déchets sont des effets appréciables par des
valeurs factuelles (nombre d'hectares touchés, niveau sonore prévisionnel, quantité de
polluants ou tonnage de déchets produits par unité de temps). L’impact est la transposition de
cet événement sur une échelle de valeur. Il peut être défini comme le croisement entre l'effet
et la sensibilité du territoire ou de la composante de l'environnement touchés par le projet. Les
impacts peuvent être réversibles ou irréversibles et plus ou moins réduits en fonction des
moyens propres à en limiter les conséquences. Ils renvoient à la durabilité des résultats et donc
subsister après la fin du projet.

Efficience : c’est l’usage rationnel des moyens dont on dispose pour atteindre des objectifs fixés
au préalable. Il s’agit donc de la capacité d’atteindre les objectifs et les buts envisagés tout en
minimisant les moyens engagés et le temps, en réussissant ainsi leur optimisation. Elle est
mesurée sous la forme d’un rapport entre les résultats obtenus et les ressources utilisées.

20
Efficacité : l’efficacité est la capacité d’une personne, d’un groupe ou d’un système à parvenir à
ses fins, à ses objectifs (ou à ceux qu’on lui a fixés). Donc, être efficace, revient à produire à
l’échéance prévue, les résultats escomptés et réaliser les objectifs fixés, lesquels objectifs
peuvent être définis en termes de quantité, mais aussi de qualité, de rapidité, de coûts, de
rentabilité, etc.

Productivité : en économie, la productivité est définie comme le rapport, en volume, entre une
production et les ressources mises en œuvre pour l'obtenir. La production désigne les biens
et/ou les services produits. Les ressources mises en œuvre, dénommées aussi facteurs de
production, désignent le travail, le capital technique (installations, machines, outillages...), les
capitaux engagés, les consommations intermédiaires (matières premières, énergie,
transport...), ainsi que des facteurs moins faciles à appréhender bien qu'extrêmement
importants, tels le savoir-faire accumulé.

Taille optimale de la dépense publique : il s’agit du niveau d’intervention de l’Etat susceptible

de garantir la croissance économique, c’est-à-dire la taille maximale que l’Etat peut atteindre
sans nuire à la croissance économique. La détermination de ce seuil apparaît donc essentielle
car elle contribue au choix des différents objectifs de la politique publique et l’amélioration de
la qualité du secteur publique.

Deux principales approches sont considérées pour la détermination de la taille optimale des
dépenses publiques : (i) l’approche inspirée du modèle de croissance endogène développe
l’idée que le rôle de l’Etat reste incontournable dans l’analyse de la croissance observée par le
passée et pour sa prolongation en longue période ; (ii) l’approche par la courbe d’Armey (1995)
dont l’idée principale est qu’un faible niveau des dépenses publiques dans une économie
conduit à un taux de croissance faible. Réciproquement, lorsque le niveau des dépenses
publiques est très élevé, le poids de l’Etat dans l’économie devient excessif. Détournant une
grande quantité de richesse à son profit, l’Etat pénalise le secteur privé qui ne dispose plus de
moyens suffisants pour impulser la croissance économique. D’où la justification de l’existence
d’un seuil optimal de dépenses publiques.

2.2. Les fondements théoriques du rôle des dépenses publiques dans la

croissance économique et le plein emploi

2.2.1. Dépenses publiques et croissance économique

Les dépenses publiques ont longtemps été perçues comme un instrument de l’Etat pour la
conduite des politiques de stabilisation à court terme. John Maynard Keynes fait figure de
pionnier de cette approche et il en expose les canaux de transmission dans son célèbre ouvrage
intitulé "Théorie générale de l’emploi, de l’intérêt et de la monnaie", publié en 1936. Il stipule
que les dépenses publiques, en tant que composantes de la demande globale de l’économie,
ont un effet multiplicateur sur le niveau du revenu national.

21
En effet, une augmentation des dépenses publiques, Ceteris Paribus, va entrainer une
augmentation de la demande globale. Les entreprises devront donc augmenter leur production
pour faire face à ce surplus de demande. Cette augmentation de production donnera lieu à une
demande de travail de la part des entreprises, donc à des embauches qui créeront à nouveau
de la demande, enclenchant ainsi un cercle vertueux (figure 1).

Graphique 1 : Cercle vertueux induit par les dépenses publiques

Dépenses
Publiques

Source : Fond Monétaire International (FMI)

Les recommandations de Keynes sont à l’origine du « New Deal », nom donné au programme
mis en œuvre par le président des Etats-Unis Franklin D. Roosevelt, entre 1933 et 1938, pour
contrecarrer les effets de la grande dépression due à la crise économique de 1929. Les
fondements de la théorie keynésienne et les développements formulés par les économistes
postkeynésiens constituent le soubassement des politiques économiques menées après la
seconde guerre mondiale et ont conduit à une croissance très forte du PIB des pays concernés.
Les détracteurs de la théorie keynésienne, notamment les néoclassiques, contestent l’effet
vertueux des dépenses publiques et font valoir que la politique budgétaire expansionniste n’a
pas d’effets favorables sur l’activité économique.

Pour David Ricardo (1817), les prélèvements de l’Etat sont forcément préjudiciables à
l’économie, car ils nuisent à l’investissement lorsqu’ils taxent le capital, et à l’épargne lorsqu’ils
taxent le revenu. En outre, la politique budgétaire peut s’avérer inefficace en raison des
anticipations rationnelles effectuées par les agents économiques (Robert Lucas).
L’augmentation des revenus, induite par la politique budgétaire, ne peut se traduire en surplus
de demande que si les agents économiques font preuve d’une certaine confiance dans l’avenir.
Sans cela, le surplus de revenu est épargné par les ménages pour faire face à une future hausse

22
des impôts, et les décisions d’investissement des entreprises sont retardées. C’est le principe
d’Equivalence Ricardienne.

Une augmentation de la demande n'augmente l'activité domestique que si le surplus de

demande se porte sur des produits domestiques. Dans une économie ouverte, l'effet du
multiplicateur sera donc d'autant plus faible que le degré d'ouverture de l'économie est grand.
Dans un tel cas, la relance keynésienne par la demande perd de son efficacité. Par ailleurs,
l’analyse keynésienne de la relance suppose que les entreprises peuvent très rapidement
augmenter leur production pour faire face à un surplus de demande. Si ce n’est pas le cas,
l’équilibrage du marché est réalisé par une pure hausse des prix. Ce phénomène explique
l’échec des politiques de relance de la fin des années 1970 et des années 1980.

Avec l’avènement des nouvelles théories sur le développement, dans les années 1940-1950, il
va être attribué à l’Etat un rôle central dans la promotion de la croissance économique. Les
partisans de l’interventionnisme étatique de cette époque vont étendre la contribution de l’Etat
à l’économie au-delà des politiques de stabilisation à court terme. Selon Rosenstein Rodan
(1943), pour assurer la croissance équilibrée, le rôle de l’Etat dans la coordination du "Big Push"
(effort minimum d’investissements dans plusieurs branches complémentaires de l’économie) et
dans la planification de l’investissement public et des infrastructures sociales (IES), est décisif. Il
précise, en outre, que cet effort en matière d’IES doit être à l’origine du développement et doit
précéder l’effort privé. Alfred O. Hirchman (1958), adepte de la théorie de la croissance
déséquilibrée, opposée à la théorie de la croissance équilibrée, affirme que l’Etat doit mener
une politique industrielle qui encourage l’investissement dans certaines branches, si possible à
forte intensité de capital, car ce sont celles-ci qui ont le plus d’effets d’entrainement.

Dans les années 1980, le rôle de l’investissement public dans la croissance économique à long
terme est relayé par les tenants de la théorie de la croissance endogène. Cette théorie met
particulièrement l’accent sur les externalités positives qu’engendrent certains aménagements
publics d’infrastructure et, a le mérite de regrouper certains néokeynésiens et néolibéraux. En
effet, les économistes s’accordent sur le fait que l’Etat doit assurer la fourniture des biens et
services non rentables pour le privé, mais qui peuvent s’avérer utiles d’un point de vue
socioéconomique. Il s’agit des biens publics ou collectifs qui n’obéissent pas aux principes
d’exclusions et de rivalités (infrastructures routières, systèmes d’adduction, éducation, sécurité
nationale, santé, aéroports, etc.). Ainsi, Paul Romer affirme que le moteur de la croissance
provient essentiellement de l’accumulation de connaissances et du capital technologique due à
l’innovation et à la recherche-développement. Robert Lucas privilégie l’accumulation de capital
humain. Robert Barro, quant à lui, prend en compte les dépenses d’infrastructures publiques.

Robert Barro (1990) construit un modèle de croissance qui inclut les services publics comme
input dans la production privée. Il considère trois (3) versions de ce type de modèle : (i) le
secteur public fournit des biens privés qui vérifient les principes d’exclusion et de rivalité ; (ii) le
secteur public fournit des biens publics qui sont non exclusifs et n’obéissent pas au principe de
rivalité ; et (iii) le secteur public fournit des biens qui sont rivaux mais dans une certaine mesure
non exclusifs. Cette dernière catégorie de biens inclut les autoroutes, les systèmes d’adduction,

23
etc. Il faut dire que le modèle spécifié par Barro est une extension du modèle de croissance de
Solow aux dépenses publiques. La forme fonctionnelle du modèle est inspirée de la fonction de
production Cobb-Douglas et se présente sous la forme :
𝑦 = 𝐴 ∗ 𝐹(𝐾, 𝐿, 𝐺)
Où A est le progrès technique neutre au sens de Hicks : il augmente à la fois l’efficacité du
travail (L), du capital (K) et des dépenses publiques (G). La fonction de production F est
continue, différentiable, homogène et vérifie les conditions d’Inada3.

2.2.2. Dépenses publiques et emploi

La plupart des travaux théoriques et empiriques qui se sont intéressés à cette question, n’ont
pas fait cas d’une relation directe entre dépenses publiques et emploi. L’emploi est considéré
plutôt comme une réponse naturelle consécutive à tout accroissement de la production
nationale.
Le but de la politique économique, selon N. Kaldor, se résume aux quatre (4) objectifs suivants :
- la croissance de la production (taux de croissance) ;
- le plein emploi (taux de chômage) ;
- la stabilité des prix (taux d’inflation) ;
- l’équilibre des échanges extérieurs (solde commercial).

La réalisation simultanée de ces quatre (4) objectifs constituerait un carré ou “carré magique de
Kaldor“ difficilement réalisable. Compte tenu de l’existence possible d’un équilibre de “sous-
emploi“, les économistes d’inspiration keynésienne, estiment que les dépenses publiques sont
un levier à la disposition des pouvoirs publics pour agir sur l’activité économique et l’emploi.

Pour Keynes, les dépenses publiques jouent également un rôle très positif par rapport à
l'emploi : c'est ce que montre la relation keynésienne du multiplicateur de dépenses
publiques. Selon cette relation, une hausse des dépenses publiques, imprimée par l'état pour
relancer l'économie, permet une hausse du revenu national (PIB), qui permet à son tour

3
Les conditions d'Inada, du nom de l'économiste japonais Ken-Ichi Inada sont des assertions sur la forme d'une fonction de
production garantissant la stabilité de la croissance économique dans le modèle de Solow.

Les six (6) conditions énoncées sont les suivantes :

1. La fonction vaut 0 en 0,

2. La fonction est continûment dérivable,

3. La fonction est strictement croissante,

4. La dérivée seconde de la fonction est négative, la fonction est donc concave,

5. La dérivée tend positivement vers l'infini en 0,

6. La limite de la dérivée en l'infini (positif) est 0.

24
une hausse de la consommation. Cette hausse de la consommation permet à son tour une
hausse de la production (donc du revenu national) qui entraine une création massive d’emplois.

D'après le théorème de Schmidt, les dépenses publiques seraient favorables à la création

d’emplois puisque '' les profits d'aujourd'hui sont les investissements de demain, lesquels font
les emplois d'après-demain''. On peut donc séparer son théorème en deux (2) relations : profits
– dépenses publiques et dépenses publiques - emploi. On voit donc les fondements de la
croyance selon laquelle les dépenses publiques ont un effet positif sur l'emploi.

L’objectif de plein emploi est inscrit dans la Déclaration de Philadelphie de 1944 et figure dans
la Convention 122 sur la Politique de l’Emploi de 1964, ainsi que plus récemment dans la
Déclaration sur la Justice Sociale pour une Mondialisation Equitable (2008). Bien que la réalité
diffère selon les pays, le défi de l’emploi au niveau mondial est en substance le suivant : dans la
plupart des pays, il y a trop peu d’emplois décents pour ceux qui cherchent du travail. Trouver
un emploi n’est pas le problème principal, mais trouver un travail productif, assorti de
conditions de travail et d’un salaire décent, est bien souvent un défi majeur. La crise
économique et financière de 2008 a aggravé les déficits existants en matière de travail décent,
a généré des pertes d’emplois à grande échelle et a augmenté le nombre de chômeurs et de
travailleurs pauvres à des niveaux sans précédent. La crise économique mondiale a renforcé la
nécessité et l’opportunité de poursuivre des objectifs explicites en matière d’emploi, de placer
ces préoccupations au cœur des politiques nationales et de mettre en place des cadres
nationaux pour promouvoir la création d’emplois nombreux et de qualité.

Au Niger, depuis quelques années, l’Etat a marqué un fort engagement en faveur de l’emploi en
adoptant son Programme Pays Travail Décent (PPTD)4 en 2012. La question de l’emploi occupe
une place de choix dans le Plan de Développement Economique et Social (PDES_2012-2015),
notamment à travers le programme relatif à la participation des jeunes au développement et
celui relatif à la promotion de l’insertion économique des jeunes.

2.3. Principaux travaux empiriques

Plusieurs études empiriques ont essayé d’analyser les effets de la dépense publique sur la
croissance et l’emploi. De façon spécifique, il s’agissait d’évaluer le lien de causalité qui pourrait
exister entre les variables macroéconomiques, afin de confirmer ou d’infirmer les idées
soutenues dans les débats théoriques.

2.3.1. Dépenses publiques et croissance

Les résultats empiriques sur le lien de causalité entre les dépenses publiques et la croissance
restent très controversés. En effet, le fait de faire valoir que le premier (1er) est à l’origine du

4
Aux termes d’un processus dynamique dont la participation et le consensus auront été les piliers inamovibles, le Niger s’est
doté d’un Programme Pays de Promotion du Travail Décent (PPTD ,2012-2015), adopté en 2012, dans lequel l’organisation
Internationale du Travail (OIT) a fourni une assistance technique et financière.

25
second, ou vice versa, constitue l’objet d’un débat animé et les résultats empiriques varient
d’un pays à un autre. Alors que certaines études mettent en évidence une relation de causalité
dans un seul sens, d’autres établissent au contraire une causalité réciproque. De plus, toutes les
dépenses publiques n’ont pas les mêmes effets. Si certaines ont un effet de court terme,
d’autres, ont au contraire, un effet de long terme voire aucun effet.

Concernant les pays en développement, l’on peut citer l’étude de Ouattara [2007], appliquée
aux pays membre de l’UEMOA qui met en évidence, sur la base des tests de causalité, que la
croissance et les dépenses s’influencent réciproquement. Cette causalité à double sens a été
aussi obtenue par Cheng et Wei [1997] dans le cas de la Corée du Sud sur la période (1954-
1994). La particularité de cette étude réside dans le fait que ces auteurs, en intégrant la
demande de monnaie dans leur système de vecteurs et après le test de stationnarité de
Phillips-Perron, suivi du test de causalité de Granger, aboutissent à la conclusion selon laquelle
il y a causalité à double sens entre les dépenses publiques et la croissance économique en
Corée du Sud et que la demande de monnaie influence la croissance économique.

La principale critique que l’on peut formuler à l’encontre de la démarche de Ouattara est qu’il a
raisonné sur la base des données de panel, en mettant tous les pays membres de l’UEMOA
ensemble. Ceci cache les spécificités relatives à chacun des pays concernés. Dans le même sens,
Ben et Hassad [2006], dans leur analyse en coupe transversale sur l’efficience du financement
des services publics et la croissance dans 45 pays en développement, sur la période 1990- 2002,
ont montré, par une estimation économétrique, que les dépenses ne sont pas encore porteuses
de croissance dans les Pays en Voie de Développement.

Par ailleurs, les travaux de ces auteurs ont montré que les dépenses publiques d’éducation et
de santé sont porteuses de croissance économique si ces dépenses sont utilisées de manière
efficace. Plutôt que de procéder à une analyse en données de panel, Nubukpo [2003], dans son
étude sur les pays membre de l’UEMOA, sur la période 1965-2000, établit, sur la base d’un
modèle à correction d’erreurs, appliquée à chaque pays, qu’à court terme, les dépenses
publiques totales n’ont pas d’impact significatif sur la croissance dans la majorité des
économies de l’Union. A long terme, la hausse des dépenses publiques a un impact sur la
croissance nettement différencié par pays. Par ailleurs, il montre que la prise en compte de la
composition des dépenses publiques conduit à mettre en évidence l’effet négatif des dépenses
de consommation publique sur la croissance à court et à long termes dans l’Union. S’agissant
des dépenses publiques d’investissement, leur impact est positif, essentiellement à long terme,
sur la croissance des économies des pays membre de l’UEMOA. Cependant, Nubukpo n’a pas
étudié la causalité entre les dépenses et la croissance pour savoir d’un pays à l’autre, laquelle
des variables « cause » l’autre ou si les deux (2) s’influencent réciproquement.

A l’aide d’un modèle à correction d’erreurs, Morley et Perdikis [2000], concluent, dans le cas de
l’Egypte, à l’existence à long terme d’un effet positif des dépenses publiques totales sur la
croissance, notamment après les réformes fiscales de 1974 et 1991. Cependant, à court terme,
aucun effet significatif n’a pu être mis en évidence. Au contraire, Nelson et Singh [1994] n’ont
trouvé aucun effet significatif des déficits budgétaires (autre mode de financement des

26
dépenses publiques) sur la croissance dans les pays en développement au cours des années
1970 et 1980.

Cherchant à faire ressortir des relations causales entre l’investissement public et la croissance
économique, Ashipala et Haimbodi [2003] s’intéressent au cas de la Namibie. Leur objectif
principal était de vérifier, empiriquement, l’hypothèse selon laquelle l’investissement public
cause l’investissement privé. Les résultats auxquels ils aboutissent, grâce aux tests de causalité,
montrent deux (2) relations de long terme entre le niveau d’activité économique (mesuré par le
PIB), l’investissement public et l’investissement privé. Ces relations de long terme indiquent
d’une part, qu’une augmentation de l’investissement public a un effet positif sur la croissance
économique en Namibie et, d’autre part, l’existence d’une complémentarité entre
investissement public et investissement privé.

Concernant l’investissement public et la croissance économique, Keho [2004], utilisant un

modèle économétrique dynamique et une série de tests statistiques, établit, pour la Côte
d’Ivoire l’existence d’une complémentarité à long terme entre investissement privé et public et
un effet positif de l’investissement public sur la croissance de long terme. En basant son analyse
sur la causalité au sens de Granger, dans une dynamique de court terme, il montre que c’est la
croissance qui cause l’investissement public en Côte d’Ivoire et non l’inverse. Il est à signaler
que cette étude ne s’est pas intéressée aux dépenses publiques de façon générale mais à une
de ses composantes.

Safa [1999] s’investit dans la vérification empirique de la loi de Wagner5 sur les données de la
Turquie couvrant la période (1950-1990). Partant des modèles multivariés en termes de
cointégration, l’auteur cherche les relations de long terme entre les dépenses publiques et la
croissance du PIB réel. En utilisant la cointégration et la causalité au sens de Granger, il conclut
au rejet de la loi de Wagner sur les données de la Turquie. La causalité au sens de Granger sur
les données de la Tanzanie permet également à Kweka et Morrissey [1999] d’aboutir aux
résultats peu convaincants sur les relations causales entre les dépenses publiques totales et le
PIB. En procédant à une désagrégation des dépenses publiques, ces auteurs concluent à une
relation ambigüe entre l’investissement public et privé. Cependant, une causalité à sens unique
est concluante de la consommation publique vers la consommation privée. A partir d’un
modèle Vectoriel Autorégressif (VAR), Ghali [1997] a tenté d’expliciter la nature de la causalité
entre les dépenses publiques et la croissance économique en Arabie Saoudite. En accordant
une attention au test de causalité au sens de Granger, l’auteur montre que l’hypothèse selon
laquelle les dépenses publiques causent la croissance économique est rejetée et, partant de ce
fait, la politique fiscale visant le contrôle des déficits budgétaires s’avère inefficace.

Le manque de robustesse des évidences empiriques, relatives à la relation entre dépenses

publiques et croissance, peut être lié en partie à la nature non-linéaire de la relation entre ces
variables. En effet, dans le modèle de Barro (1990), la croissance augmente avec les impôts et
5
La « loi d'Adolf Wagner » (Wagner, 1909-2013) est un apport déterminant dans l'analyse de la progression séculaire des
dépenses publiques. Cette loi exprime la progression plus rapide des dépenses publiques que la richesse produite au cours du
temps

27
les dépenses à des niveaux faibles, et baisse ensuite, à mesure que les effets des distorsions
dépassent les effets bénéfiques des biens publics. Les dépenses publiques et la croissance sont
donc liées positivement, quand les dépenses publiques sont en dessous de leur montant
optimal, négativement quand elles sont au-dessus, et non corrélées quand les pouvoirs publics
fournissent le montant optimal des services.

En résumé, en dépit de la nature non concluante de la littérature empirique, le point de vue

consensuel semble cependant être que les variations de la composition des dépenses publiques
en faveur des dépenses de santé, d'éducation et d'infrastructures de base en particulier,
tendent à avoir un impact positif sur la croissance économique.

28
Tableau 1: Synthèse des principaux résultats sur les liens entre les composantes des dépenses
publiques et la croissance économique dans la littérature
Auteurs et Modèle, échantillon
période de Variables Catégorie des dépenses publiques et Méthodes Nature de l'impact
l'étude dépendantes ciblées d'estimation sur la croissance
Modèle de croissance de Solow
étendu aux dépenses publiques
pour le secteur public et privé (+) pour l'investissement
avec une forme fonctionnelle public, (-) pour les dépenses
Barro.R. (1990) PIB Investissement public, Consommation publique de type Cobb-Douglas de consommation
Données de panel sur un
échantillon de pays en
Kinght, Loayza, développement dans les (+) pour l'investissement
Villanueva. (1993) PIB Investissement public en infrastructures années 80 public en infrastructures
Données en panel sur un
Easterly, Reberlo. échantillon de 119 pays en (+) pour l'investissement
(1993) PIB Investissement public développement public en transports
Données en panel sur un (+) pour la santé le transport
Dépenses de santé, de transport, de échantillon de 14 pays de et la communication, (-) pour
Devarajan, S.(1993) Revenu par tête communication, défense et éducation l'OCDE l'éducation et la défense
Données de panel sur un
échantillon de pays d’Afrique (-) de la hausse des dépenses
Ojo, Oshikoya. (1995) PIB par tête Dépenses publiques totales saharienne publiques
Données en panel sur un (-) pour l'investissement
Devarajan, Swaroop, échantillon de pays en public, (+) pour la
Zou. (1996) PIB Investissement public, Consommation publiques développement consommation publique
Ghura, Hadjimichael. Données en Panel de pays (-) pour les dépenses
(1996) PIB par tête Dépenses publiques totales d'Afrique subsaharienne publiques totales
Données en pays en panel sur (+) pour les dépenses
Caselli, Esquivel, Dépenses militaires et d'éducation, dépenses un échantillon de pays en publiques hors défense et
lefort. (1996) PIB publiques totales hors éducation et défense développement éducation,
Données en panel sur un Pas d'effet significatif des
Easterly, Loayza, échantillon de pays d'Amérique dépenses publiques de
Montiel. (1996) PIB Dépenses publiques de consommation latine consommation
Données en panel sur un Impact différencié de l'effet
kahn, Kumar, Montiel. échantillon de pays en de l'investissement privé et
(1997) PIB Investissement privé, investissement public développement public
(+) pour les dépenses
publiques à long terme, pas
Morley, Perkidis. Modèle à correction d'erreurs d'effet significatif à court
(2000) PIB Dépenses publiques totales pour l'Egypte terme
(+) pour l'investissement
Ashipala, Haimbodi. Modèle à correction d'erreurs public à long terme, et (+)
(2003) PIB Investissement privé, investissement public pour la Namibie pour l'investissement privé
A court terme, pas d'impact
significatif des dépenses
publiques totales, (-) pour les
dépenses publiques de
consommation, (+) pour
l'investissement, A long
terme, impact différencié par
Dépenses publiques totales, dépensses de Modèle à correction d'erreurs pays dans l'UEMOA, (-) pour
consommation publique, dépenses publiques entre 1965-2000 pour les pays la consommation publique,
Nubukpo.K.K. (2003) PIB d'investissement de l'UEMOA (+) pour l'investissement
(+) pour les dépenses en
capital, pas d'impact
Modèle à correction d'erreurs significatif des dépenses de
Kane.A.H. (2004) PIB Dépenses en capital, dépenses de fonctionnement pour le Sénégal fonctionnement
Causalité unidirectionnel de
Modèle dynamique pour la l'investissement vers la
keho.Y. (2004) PIB Investissement public Côte d'Ivoire croissance
Pas d'effet significatif des
Données en coupe transversale dépenses publiques sur la
Ben, S., Hassad, M. dans 45 pays en croissance dans les pays en
(2006) PIB Dépenses publiques totales développement développement
Causalité bidirectionnelle
entre la croissance
Données de panel pour les économique et les dépenses
Ouattara.W. (2007) PIB Dépenses publiques totales pays membre de l'UEMOA publiques

29
Auteurs et période de Variables Modèle, échantillon et Nature de l'impact sur la
l'étude dépendantes Catégorie des dépenses publiques ciblées Méthodes d'estimation croissance
Modèle à correction d'erreurs (+) pour le volume des
Guessan.A.B. (2007) PIB Investissement pour les pays de l'UEMOA investissements

Une relation
unidirectionnelle du PIB vers
Hounkpodote.H, Données de panel pour les le volume des dépenses
Batiano.B. (2010) PIB Volume des dépenses publiques pays de l'UEMOA publiques totales
Pour les pays africains non
sahéliens, effet (+) et
significatif des dépenses
publiques, pour les pays
Données de panel pour les africains sahéliens, effet
Ouattara.W. (2013) PIB Volume des dépenses publiques pays membres de l'UEMOA ambigu

Source : Auteurs à partir de la revue de la littérature existante, (+) = impact positif, (-) = impact négatif

2.3.2. Dépenses publiques et emploi

La relation entre les dépenses publique et l’emploi a fait l’objet de plusieurs études théoriques.
Toutefois, ces études théoriques n’ont pas connu beaucoup d’application sur le plan empirique.
Une étude menée par la Banque Mondiale dans les pays industrialisés, sur la période 1960-
1973, montre que les dépenses publiques ont progressé fortement dans les pays industrialisés
(+7,5% en moyenne par an sur la période en France, contre 4,5% pour les USA et 14% pour le
japon) et dans le même temps, l'emploi a également augmenté (+ 1% en moyenne par an en
France contre 2% aux USA et 1,2% au Japon). A l'inverse, sur la période 1974-1997, les
dépenses publiques ont progressé moins vite, ce qui s'est ressenti au niveau de l’emploi (+0,7%
pour les dépenses publiques en France).

En s’inspirant des travaux de Barro (1990) et Canning (2000) et dans l’objectif de trouver une
relation entre les dépenses publiques et l’emploi dans les PVD, Fisher et Turnovsky (1998)
développent un modèle dans lequel la fonction de production est augmentée des dépenses
publiques sous forme de flux. Le résultat issu des estimations montre une forte corrélation
entre l’accroissement des dépenses publiques et le niveau d’emploi.
En raisonnant dans le même sens, Kucera et Roncolato (2012) et la CNUCED (2002) montrent
que dans la plupart des économies matures et dans de nombreuses économies émergentes, les
dépenses publiques dans le secteur industriel ont un impact positif sur la croissance
économique et sur l’emploi.

Une enquête de l’Organisation Internationale du Travail (O.I.T.) sur les mesures de protection
sociale et d’emploi prises par 54 pays, a confirmé l’importance des infrastructures dans les
plans de relance budgétaire : 87 % des pays ont affecté des dépenses budgétaires
supplémentaires aux infrastructures. Parmi ceux-ci, un tiers (1/3) avaient un volet spécifique
pour l’emploi, ciblant souvent des groupes défavorisés. Ainsi, tandis qu’il est bien reconnu que
les infrastructures sont source de création d’emplois, on admet moins souvent l’attention qu’il
convient de porter au nombre d’emplois et à l’objectif des emplois lors de la conception, de la
mise en œuvre et du suivi de ces plans.

Une évaluation théorique modélisée de l’impact des dépenses d’infrastructures sur l’emploi a
conclu qu’un (1) milliard de dollars dépensé dans de grands projets dans les pays développés

30
génère environ 28 000 emplois directs ou indirects, en proportions sensiblement égales. Les
dépenses d’infrastructures ont un impact sensiblement plus important dans les pays en
développement : ainsi un (1) milliard de dollars dépensé en Amérique latine peut générer
jusqu’à 200 000 emplois directs ; la même dépense dans des projets ruraux à fort coefficient de
main-d’œuvre peut générer jusqu’à 500 000 emplois directs. Toutefois, ces estimations
approximatives doivent être utilisées avec précaution.

L’Indonésie a lancé un plan de relance budgétaire de 73,3 billions de roupies indonésiennes

(IDR), soit 7,6 milliards de dollars, visant à stimuler la demande globale. De ce montant, 12,2
billions de roupies indonésiennes, soit 17%, ont été consacrés au développement des
infrastructures, notamment à l’amélioration des grands axes, des ports, des ponts et des
systèmes d’irrigation. L’objectif de création de plus d’un million (1 000 000) d’emplois, fixé par
le gouvernement, a donc été dépassé.

Au cours de l’exercice fiscal 2008-2009, le gouvernement égyptien a consacré près de 15,53

milliards de livres égyptiennes (soit 2,82 milliards de dollars) à un ensemble de mesures de
sauvetage. La majorité des dépenses d’investissement a été affectée aux projets liés à l’eau et
au traitement des eaux usées, puis aux axes routiers et ponts, ainsi qu’au secteur de la
construction et au chemin de fer égyptien. Les estimations évaluent que le plan de relance
complet devrait créer de 661 420 à 729 650 nouveaux emplois, en fonction des niveaux prévus
de souplesse de la demande des ménages et de la production pour l’exportation.

Tableau 2 : Synthèse des principaux résultats sur les liens entre dépenses publiques et emploi
Auteurs et Modèle, échantillon
période de Variables Catégorie des dépenses publiques et Méthode Nature de l'impact
l'étude dépendantes ciblées d'estimation sur l’emploi
Fonction de production
(+) pour les dépenses
Turnovsky (1998) Volume d'Emplois Dépenses publiques totales augmentée des dépenses
publiques
publiques sous forme de flux
Pas significatif pour les
OIT, (2002) Offre d'emplois Investissements dans les infrastructures Pays en développement investissements dans les
infrastructures
Banque Mondiale Données de panel sur la (+) pour les dépenses
Offre d'emplois Dépenses publiques totales
(2011) période 1960-1973 publiques
Croissance (+) pour les dépenses
Kucera,. Roncolato
économique et Dépenses publiques dans le secteur industriel Pays en développement publiques dans le secteur
(2012)
emploi industriel
(+) sur l'emploi dans le
Emploi dans le Modèle VAR structurel à l'aide
secteur public, pas d'effet
Dupuis, J. (2014) secteur public et Dépenses gouvernementales d'estimations de fonctions de
significatif dans le secteur
privé réponses pour le Canada
privé
Fonction de production
(+) pour les dépenses
Turnovsky (1998) Volume d'Emploi Dépenses publiques totales augmentée des dépenses
publiques
publiques sous forme de flux

Source : Auteurs à partir de la revue de la littérature existante, (+) = impact positif, (-) = impact négatif

Globalement, la littérature empirique, traitant du lien entre les dépenses publiques et l’emploi
n’est pas très riche, contrairement à celui avec la croissance économique. Il s’agit le plus
souvent d’une relation indirecte.

31
 III. METHODOLOGIE DE L’ETUDE

La problématique soulevée dans le cadre de cette étude s’articule autour de cinq (5) principaux
points :

- l’analyse approfondie de la structure, de l’évolution des dépenses publiques ainsi que de

ses principales composantes au Niger ;

- l’efficience des dépenses publiques au Niger ;

- l’existence d’une taille optimale des dépenses publiques au Niger ;

- l’analyse de l’impact des dépenses publiques ;

- l’identification des dépenses publiques porteuses de croissance et stimulant l’emploi

pour le cas spécifique du Niger.

La démarche méthodologique décrite succinctement dans ce chapitre apporte des

éclaircissements à ces différents points.

3.1. Analyse approfondie de la structure, de l’évolution des dépenses

publiques au Niger et de ses composantes

L’analyse descriptive a consisté simplement à décrire :

 l’évolution des dépenses publiques totales, de leurs composantes courantes et

d’investissement, comparativement à l’évolution du PIB et/ou du PIB/tête, sur la
période 1990 – 2013, à la fois les valeurs et les taux de croissance ;

 l’évolution des dépenses publiques totales, de leurs composantes courantes et

d’investissement, comparativement à celle de l’emploi sur la période 1990 – 2013, à
la fois les valeurs et les taux de croissance ;

 l’évolution des parts de dépenses publiques consacrées à la santé et à l’éducation

comparativement à celle du taux de croissance du PIB, sur la période 1990 – 2013 ;

 l’évolution des dépenses dans les secteurs sociaux de base comparativement à celles
des pays de l’UEMOA. Ceci permettra de faire ressortir la performance des dépenses
publiques au Niger par rapport à ces pays.

Pour réaliser cette description de l’économie nigérienne, des graphiques illustratifs (nuages des
points, courbes évolutives…) et des tableaux de ratios ont été élaborés et analysés.

32
La collecte de données complémentaires a été nécessaire (séries longues, documents
administratifs) et a été effectuée au niveau des ministères concernés (Education, Santé et
Finances) pour mener cette analyse, en plus de celles déjà disponibles au niveau de l’INS à
savoir les comptes nationaux.

3.2. L’analyse de l’efficience des dépenses publiques au Niger

Pour analyser l’efficience des dépenses publiques, trois secteurs ont été considérés :
l’éducation, la santé et les infrastructures routières.

Afin d’apprécier l’efficience d’un secteur donné, il a été mis en relation les ressources publiques
qui y sont injectées, à savoir les dépenses publiques d’éducation, celles de santé et enfin les
dépenses d’équipement à défaut d’informations précises sur les dépenses en infrastructures
routières. Ces ressources en constituent les inputs et donc :

- les outputs correspondent aux taux d’achèvement dans le primaire, l’espérance de vie
et le pourcentage de kilomètres de routes revêtues ;

- un indicateur global d’efficience (output/input) est calculé pour l’ensemble des pays
membres de l’UEMOA. Le pays ayant l’indice le plus élevé est considéré comme le plus
efficient en termes d’allocation de ses ressources pour un secteur donné (santé ou
éducation ou en infrastructures);

- l’analyse comparative des performances du Niger dans ces secteurs par rapport aux
autres pays a permis d’apprécier l’efficience des dépenses publiques au Niger.

3.3. Détermination de la taille optimale des dépenses publiques au Niger

En ce qui concerne les effets des dépenses publiques sur la production, l’analyse économique
offre deux positions extrêmes. D’un côté, selon la Théorie de l’Equivalence Ricardienne, les
dépenses publiques ne peuvent avoir d’effet sur le produit global du fait de la présence d’un
phénomène d’éviction (crowding-out) des dépenses privées. D’un autre côté, pour les
keynésiens, les dépenses publiques sont l’instrument préféré pour stabiliser le produit à son
niveau de plein-emploi.

Aux conséquences donc positives que les dépenses publiques peuvent avoir sur la croissance,
on doit opposer l’influence négative qui résulte de l’effet d’éviction (crowding-out) du secteur
privé des ressources financières qui sont utilisées par le Gouvernement.

Dès lors, une question primordiale se doit être résolue. Existe-il un seuil optimal des dépenses
publiques pour le cas du Niger?

33
La littérature empirique concernant la taille optimale des dépenses publiques pour les pays de
l’Afrique est peu fournie. En effet, les recherches menées se sont focalisées essentiellement sur
les effets des dépenses publiques sur la croissance économique et ne se sont pas intéressées à
l’étude de l’existence d’une « courbe en U » inversée (à l’image de celle de Kuznets) qui
caractérise la relation de la taille des dépenses publiques et la croissance de l’économie.

Parmi les travaux qui cherchent à déterminer la taille optimale des dépenses publiques, deux
(2) approches peuvent être retenues : d’une part l’approche développée par Scully et d’autre
part, celle développée par Armey (1995) et reprise par R. K. Vedder et L.E. Gallaway (1998).

3.3.1. Le modèle de Scully

Scully (1998, 2003) a développé un modèle qui permet d’estimer la part des dépenses
publiques dans le produit intérieur brut (PDPIB) qui maximise la croissance économique. La
fonction de production qu’il a retenue s’apparente à celle de Cobb-Douglas.

Dans un modèle à deux secteurs, le taux de croissance de l’économie est déterminé par le
secteur privé et le secteur public. Le secteur public (DPt) et le secteur non public (1-T) PIB. Avec
PIBt  a  DPt 1  1  Tt 1  PIBt 1 
b c

Où PIB est le Produit Intérieur Brut, DP est le montant total des dépenses publiques au prix
constant et T est le montant total des prélèvements des impôts mesurés par la part des
dépenses publiques dans le PIB.

L’hypothèse de l’équilibre budgétaire impose que 𝐷𝑃 = 𝑇 ∗ 𝑃𝐼𝐵

Et puisque T mesure la part des dépenses publiques dans le PIB, alors on a :
𝑇 = 𝑃𝐷𝑃𝐼𝐵 = 𝐷𝑃/𝑃𝐼𝐵 . En substituant dans l’équation DP par sa nouvelle valeur, on obtient :
PIBt  a  PDPPIBt 1 * PIBt 1  1  PDPPIBt 1  * PIBt 1  (1)
b c

La croissance économique est calculée suivant l’équation :

1  TCPIBt  PIBt / PIBt 1 (2)
Où TCPIB est le taux de croissance du PIB réel.
En remplaçant dans cette équation le PIB par sa valeur, on obtient :
1  TCPIBt  PIBt / PIBt 1  a  DPt 1  (1  Tt 1 )c ( PIBt 1 )c ( PIBt 1 )1 (3)
b

Où (a) désigne la productivité totale des facteurs. Plus spécifiquement, en forme

logarithmique :
Log (1  TCPIB)  Log ( PIBt / PIBt 1 )  Log (a)  bLog  DPt 1   cLog (1  Tt 1 )  cLog ( PIBt 1 )  Log ( PIBt 1 )
(4)
Enfin la différenciation du taux de croissance économique par rapport aux dépenses publiques
donne :
Log (1  TCPIB)
 b( DPt 1 )1 0 (5)
DPt 1

34
  2 Log (1  TCPIB)
 b( DPt 1 )2 0 (6)
DPt 1 2

Ainsi, il est obtenu une relation positive et décroissante entre les dépenses publiques et la
croissance économique. Ensuite le taux de croissance économique est différentié par rapport à
Log (1  TCPIB)  2 Log (1  TCPIB)
T:  c(1  Tt 1 )1 0 (7) et  c(1  Tt 1 )2 0 (8)
Tt 1 Tt 12
Le résultat est une relation négative et décroissante entre le taux de croissance économique et
les taux de prélèvements de l’Etat.
En substituant 𝐷𝑃 = 𝑇 ∗ 𝑃𝐼𝐵 (par définition) dans notre équation de départ (1) et en
simplifiant, nous obtenons :
PIBt  a(Tt 1 ( PIBt 1 ))b ((1  Tt 1 ) PIBt 1 )c  a(Tt 1 )b (1  Tt 1 )c ( PIBt 1 )bc (9)
En substituant (9) et (2), nous obtenons :
b  c 1
1  TCPIB  PIBt / PIBt 1  a(Tt 1 )b (1  Tt 1 )c ( PIB)t 1 (10)
Les rendements d’échelle étant constant par hypothèse : b+c=1, il vient :
1  TCPIB  PIBt / PIBt 1  a(Tt 1 )b (1  Tt 1 )c (11)
La forme logarithmique de l’équation (11) donne :
Log (1  TCPIB)  Log (a)  bLog (Tt 1 )  cLog (1  Tt 1 ) (12)
La dérivée par rapport à Tt-1 donne :
Log (1  TCPIB)
 (b  c)Tt 1  b / Tt 1 (1  Tt 1 )
Tt 1
D’où :
b
Tt 1*  PDPIBt 1* 
bc
La taille optimale des dépenses publiques T* est :
b
T *  PDPIB*  b
bc
Pour mesurer la taille optimale des dépenses publiques, l’équation suivante est utilisée :
Log ( PIBt )  Log (a)  bLog ( PDPIBt 1PIBt 1 )  cLog ((1  PDPIBt 1 ) PIBt 1 ) (A)

La principale faiblesse du modèle de Scully réside dans le fait qu’il soit dérivé d’un simple
modèle de croissance endogène qui considère que la dépréciation des équipements est de
100% par an. En fait le modèle de Scully ignore la contribution des biens d’équipements de la
période précédente à la période actuelle. Cependant, il est à noter que la contribution du stock
de capital et du progrès technique est implicitement capturée par la présence du terme retardé
du produit intérieur brut (PIBt-1).

35
 3.3.2. Le modèle quadratique de Vedder et Gallaway

Armey (1995) a tracé une courbe semblable à celle popularisée par Kuznets6 (1955, 1963) et
plus tard par Arthur Laffer7 (1980) pour expliquer la relation non linéaire entre les dépenses
publiques et la croissance du PIB. Armey soutient qu’il existe un niveau faible de dépenses
publiques à partir duquel toute augmentation des dépenses gouvernementales augmente la
croissance économique et ce jusqu’à un niveau critique à partir duquel les dépenses publiques
seront considérées comme excessives et leur effet devient négatif sur la croissance du produit.

Il suppose qu’il existe une relation entre les dépenses publiques et la croissance économique
semblable à la courbe de Kuznets et indique que la taille optimale des dépenses publiques qui
maximise la croissance économique peut être modélisée par une fonction de second degré. Le
modèle ainsi, rend compte, donc, à la fois de l’impact du terme linéaire, que, de l’impact du
terme élevé au carré de la part des dépenses publiques dans le PIB sur le processus de la
croissance économique.

Ainsi Vedder et Gallaway (1998) ont testé la relation suivante, pour les USA, sur la période
(1947-1997).
PIB  A  b( PDPPIB)  c( PDPPIB)2  dT  eU
Où T et U désignent respectivement le temps et le taux de chômage. Ils obtiennent :
PIB  566.2  121.2( PDPPIB)  3.47( PDPPIB)2  ........
Ce qui donne une estimation de l’ordre de 17,5% pour le niveau optimal des dépenses
publiques recherché. Ces mêmes auteurs, toujours pour les USA et sur la période 1796- 1996,
testent la relation du type :
TCPIB  A  b( PDPPIB)  c( PDPPIB)2  dT  fW
Où T représente encore le temps et W est une variable qui mesure le pourcentage du nombre
d’années de guerre pour chaque période de dix années selon lesquelles ils découpent leurs
séries chronologiques.
Ils obtiennent :
TCPIB  73.7  1.52( PDPPIB)  0.069( PDPPIB)2  ........
Ce qui donne une estimation de l’ordre de 11,1% pour le niveau optimal recherché.

Vedder et Gallaway (1998) ont aussi testé des relations du même type, pour diverses catégories
et composantes de dépenses publiques comme les transferts sociaux, les dépenses visant à
soutenir les revenus de ménages, les dépenses de santé publique, de défense, des charges
d’intérêts payés par l’Etat. Ils ont trouvé des courbes d’Armey pour plusieurs catégories de ces
dépenses. Toutefois, ils observent également que l’on n’obtient pas toujours des résultats

6
L’hypothèse de Kuznets est qu’au cours de la croissance séculaire d’un pays, l’inégalité des revenus augmente d’abord pour
baisser après lorsque un certain niveau critique est atteint. Il trace une courbe en forme de U inversé pour représenter ce
phénomène. L’inégalité est fonction du revenu moyen par individu et de son terme au carré
7
R. Armey a en effet emprunté la technique graphique de Laffer pour développer ce qu’il a appelé la courbe d’Armey. La courbe
de Laffer est un concept souvent utilisé pour montrer que l’augmentation des impôts ne donne pas nécessairement une
augmentation des revenus fiscaux. C’est une courbe en U inversé ou le taux d’imposition varie entre 0 et 100%.

36
confirmant l’existence de ces courbes (donc de tels seuils), selon les catégories de dépense ou
selon les périodes d’observation.

Ainsi pour la relation entre la taille des dépenses gouvernementales et la croissance

économique, il sera testé à l’instar de Vedder et Gallaway, une équation quadratique simple de
la forme :
Log ( PIB)  Log (a)   Log ( PDPPIB)   Log ( PDPPIB)2  ...... (B)

Le choix des variables accompagnant le ratio (PDPPIB) est relativement ouvert à toutes les
variables qui jouent habituellement un rôle dans le processus de la croissance du PIB. Au Niger
on pourrait y ajouter les hauteurs pluviométriques HPLUV compte tenu de la dépendance de
l’économie aux aléas climatiques, les exportations (EXPORT) et les importations (IMPORT).

La part des dépenses publiques dans le PIB qui maximise la croissance de ce dernier est
obtenue en dérivant l’équation par rapport au PDPPIB. La dérivée première de la fonction sera
nulle pour : PDPPIB* = -α/2β. Si β<0, cette valeur sera un maximum et dans le cas contraire,
β>0, la valeur sera un minimum.

3.3.3. Application au cas spécifique du Niger

Dans le cadre de cette étude, il est adopté les techniques modernes d’analyse des séries
temporelles (test de racine unitaire, test de cointégration, les moindres carrés généralisés).
L’équation (A) comprend deux variables : LPDPPIB et le LPIB, l’équation (B) comprend six (6)
variables : LPIB, la part des dépenses publiques dans le PIB (LPDPPIB), et cette même variable
élevée au carré, les hauteurs pluviométriques (HPLUV) les exportations et les importations
(LEXPORT, LIMPORT).

Toutes les variables sont transformées en logarithme. Deux (2) raisons principales justifient
cette démarche. La première est purement statistique puisque la transformation logarithmique
agit sur les séries en amortissant l’amplitude des fluctuations et permet de les rendre
stationnaires plus facilement. La seconde raison se justifie par des implications économiques.
Dans le cas où les variations seraient minimes, la première différence du logarithme de la série
d’une variable est approximativement égale au taux de variation de la série d’origine. De cette
manière, si une variable transformée en logarithme est intégrée d’ordre 1, le taux de variation
d’origine est constant (Hamilton, 1994).

La transformation logarithmique permettra aussi d’interpréter les coefficients sous forme

d’élasticité. Cela suppose que la relation initiale est de forme multiplicative, ce qui n’est pas le
cas en l’occurrence.

37
 3.4. L’analyse de l’impact des dépenses publiques sur la croissance économique et
l’emploi

La revue de littérature a permis de prendre connaissance de quelques travaux qui ont été
réalisés sur le lien entre les dépenses publiques et la croissance économique. L’approche
économétrique qui découle de la revue empirique a consisté à analyser l’impact des dépenses
publiques sur la croissance au Niger. Dans cette perspective, il a été choisi de s’inscrire dans la
lignée des études utilisant les modèles vectoriels autorégressifs. Les avantages de ces modèles
par rapport aux modèles structurels se situent à trois (3) niveaux.

Premièrement, les modèles autorégressifs autorisent les variables explicatives à intervenir avec
un décalage temporel, cela permet de capter l’idée que les dépenses publiques affectent le
revenu et donc la croissance puis l’emploi avec un certain retard. Cela parait être une
hypothèse plus raisonnable qu’un effet instantané des dépenses publiques sur la croissance et
l’emploi. On sait que suite à un impact sur les dépenses publiques, l’amélioration du revenu
s’inscrit dans un processus cumulatif de moyen et long terme. Cependant, il est difficile de fixer
a priori le temps nécessaire à l’observation des effets des dépenses sur le revenu et l’emploi.
Néanmoins la détermination du retard, correspondant au temps de réponse, reposera sur des
critères purement statistiques, à savoir les critères d’information d’Akaike et de Schwarz8.

Deuxièmement, la spécification sous forme autorégressive permet d’échapper à la critique des

biais d’endogénéité inhérents aux modèles structurels ainsi que celui du choix des variables
instrumentales lorsqu’il s’agit d’utiliser une procédure d’estimation convergente.

Troisièmement, la modélisation autorégressive permet de réaliser l’analyse d’impact en termes

de causalité. En effet, suivant l’approche retenue par Granger (1969), une variable X cause une
autre variable Y si les valeurs passées de X influencent significativement les valeurs futures de la
variable Y. C’est cette approche de la causalité qui sera retenue dans ce travail. Lorsque les
séries sont cointégrées9, l’estimation d’un modèle vectoriel autorégressif en différence
première n’est pas appropriée. Il convient plutôt de considérer un modèle vectoriel à correction
d’erreurs (Engle et Granger, 1987; Johansen, 1988).

L’étude s’inspire particulièrement des travaux de TENOU(1999) et de NUBUKPO (2003) pour

formuler le modèle économétrique dans lequel est introduite la variable « emploi ». Les travaux
qu’ils ont effectués ont la particularité d’analyser l’effet des dépenses et de leurs composantes
sur la croissance économique des pays de l’UEMOA.

8
Il s’agit de critères statistiques qui permettent de déterminer la valeur du nombre de retards d’un modèle à retards
échelonnés. Dans la pratique, il s’agit de déterminer la période maximum d’influence de la série explicative
9
La théorie de la cointégration souvent utilisée en macroéconomie permet d’étudier des séries non stationnaires
mais dont une combinaison linéaire est stationnaire. Elle permet ainsi de spécifier des relations stables à long terme
tout en analysant conjointement la dynamique de court terme des variables considérées. On appelle des variables
cointégrées Xt et Yt, une combinaison linéaire de variables intégrées du même ordre d telle que : zt = αXt + βYt soit
intégrée du même ordre (d-b), 0<b≤d. (α,β) s’appelle le vecteur cointégrant.

38
Dès lors, deux spécifications sont retenues pour étudier successivement les effets des dépenses
publiques en termes de volume et de composition. L'étude en termes de volume consiste à
analyser l'impact des dépenses publiques totales sur la croissance, tandis que l'étude en termes
de composition fait la même analyse sur chacune des grandes composantes des dépenses
publiques (dépenses courantes et d’investissement). Dans les différentes relations
économétriques, les ratios sont calculés à partir des données collectées, seules les variables
indicatrices font exception.

Les variables explicatives sont constituées des ratios suivants :

 1ère spécification : (dépenses publiques totales/PIB), (investissement privé/PIB),

(Exportations/PIB), (variable indicatrice des années de sécheresse) et variable
indicatrice pour les élections, (importations de biens d’équipements/PIB),
PIB/population occupée, toutes prises à l’année t comme la variable dépendante.

 2ème spécification : (dépenses courantes/PIB), (dépenses de capital/PIB),

(investissement privé/PIB), (Exportations/PIB), (importations de biens
d’équipements/PIB), PIB/population occupée, toutes prises à l’année t comme la
variable dépendante.

Pour les ratios des dépenses publiques, le PIB courant est retenu. Il en est de même pour tous
les autres ratios utilisant le PIB.

Le niveau de l’emploi, en raison de l’absence de données précises sur l’emploi, est approximé
par la proportion de la population active.

3.3.5. L’identification des dépenses publiques de qualité au Niger

Cette identification des composantes des dépenses publiques de qualité sera dérivée de
l’analyse économétrique effectuée en amont. En adéquation avec les thèses issues de la théorie
de la croissance endogène, et de l’approche retenue par la Commission de l’Union Européenne,
il s’agit des dépenses ayant un impact positif sur la croissance et l’emploi.

Après identification des dépenses publiques porteuses de croissances et stimulant l’emploi, des
recommandions de politiques seront formulées afin de mieux orienter les décisions et choix des
autorités compétentes.

3.3.6. Les principales sources de données

Les principales sources de données dans le cadre de cette étude sont :

- l’Institut National de la Statistique (Comptes nationaux, PIB, investissements publics) ;

- la Direction Générale des Réformes Financières (TOFE) ;

39
- la Banque Centrale des Etats de l’Afrique de l’Ouest (importations, exportations, autres
dépenses dans les autres pays de l’UEMOA) ;

- le Bureau International du Travail, la Banque Mondiale et le Programme des Nations

Unies pour le Développement (données sur les indicateurs d’emploi, d’éducation, santé,
nombre de kilomètres de routes revêtues) essentiellement.

40
 IV. EVOLUTION ET STRUCTURE DES DEPENSES PUBLIQUES AU NIGER

Afin de donner un aperçu des effets des dépenses publiques au Niger, l’analyse réalisée ci-
dessous tente de relever les faits stylisés de leur évolution, selon une approche descriptive. La
structure des dépenses est aussi mise en relief. Une analyse a été faite des données existantes
sur le Niger par rapport aux pays voisins.

4.1. Les faits stylisés sur les dépenses publiques au Niger

Le Niger est un pays en développement dont la population estimée à 17 138 707 millions10
d'habitants en 2012. Cette population est fortement rurale (80%) et pauvreté avec une
incidence de 48,2% (Enquête sur les Conditions de Vie des Ménages, 2011). Le volume des
dépenses publiques représentait environ 28,4% du PIB en 2013.

Même si cette proportion n’est pas en constante croissance depuis 1990, il y a lieu de noter,
qu’en valeur courante, les dépenses publiques n’ont guère cessé de croître : elles sont passées
de 153,8 milliards de FCFA en 1990, à 1 194,5 milliards de FCFA en 2013, soit un taux
d’accroissement annuel de 8,9% sur la période. Entre 2000 et 2010, les dépenses publiques
sont passées de 23,9% à 30,0% du PIB, tandis que le PIB réel connaissait une croissance
annuelle moyenne de 4,0%. En moyenne annuelle, sur la période 2009 à 2013, le taux de
croissance économique se situe à 5,0%, niveau nettement supérieur au taux de croissance de la
population (3,9%).

Au titre de la politique budgétaire, l’objectif recherché est une meilleure maîtrise des dépenses
courantes de manière à les rendre compatibles avec les ressources budgétaires disponibles.
Tout au long de la période 2000-2013, on note la poursuite de la forte progression des
dépenses publiques en liaison avec la volonté du Gouvernement d’accroître les investissements
dans les secteurs sociaux de base et des infrastructures.

Parallèlement, la progression des recettes n’a pas été à la hauteur de la forte augmentation des
dépenses publiques, compte tenu de l’importance du secteur informel (plus de 60% du PIB en
2013) et des contraintes liées à la capacité opérationnelle des administrations fiscales et
douanières et des autorités à mobiliser significativement les ressources internes et extérieures.

10
RGP/H 2012 (INS)

41
Graphique 2 : Evolution en volume des dépenses publiques et des recettes totales du Niger de
1960 à 2013 (en milliards de FCFA)
1400

1200

1000

800

600

400

200

1988
1960
1962
1964
1966
1968
1970
1972
1974
1976
1978
1980
1982
1984
1986

1990
1992
1994
1996
1998
2000
2002
2004
2006
2008
2010
2012
Recettes Dépenses

Source : BCEAO
4.1.1 Aperçu global

C’est en 1977 que les dépenses publiques ont connu leur plus grand niveau (58% en
croissance), grâce à l’accroissement rapide des recettes lié aux années fastes du boom de
l’uranium. L’année 1991, par contre, correspond à la période à laquelle il a été observé une
forte contraction (-37%) suite à la sécheresse des années 80 (1984 et 1989), entrainant, de fait
une baisse drastique du prix du bétail ainsi qu’un recul de la consommation générale. A ce fléau
s’est ajouté la persistance du marasme sur le marché de l’uranium.

Graphique 3: Evolution comparée du taux de croissance du PIB et de celui des dépenses

publiques du Niger
0,8

0,6

0,4

0,2

0
1960 1965 1970 1975 1980 1985 1990 1995 2000 2005 2010 2015
-0,2

-0,4

-0,6

tc_PIB - tc_dep. pub -

Source : BCEAO

42
Les évolutions des composantes des dépenses publiques font ressortir que les ressources
allouées au fonctionnement et à l’investissement ont connu globalement une tendance à la
hausse (cf. figure 3).

Depuis 1960, les dépenses de fonctionnement évoluent suivant une allure généralement
croissante, avec un pic observé en 2011 (614,0 milliards) et une chute en 2013 où elles
atteignent 530,4 milliards de francs CFA. Cette baisse est due aux mesures prises en vue de
rationaliser l’évolution de ces différentes composantes. Il s’agit, notamment de la
rationalisation de la consommation de l’Etat, la modernisation de la gestion des finances
publiques, la maîtrise de la masse salariale, malgré le dégel des incidences financières liées aux
avancements et reclassements des fonctionnaires.

Quant aux dépenses publiques d’investissement, après le pic observé en 2009 imputable à la
construction de la raffinerie de Zinder un repli est observé entre 2010 et 2011, lié à la situation
socio-politique et au tarissement de l’aide publique au développement. Par la suite, elles ont
connu une progression soutenue tout au long de la période. En effet, la moyenne des dépenses
d’investissement entre 2012 et 2013 est de 529,3 milliards de francs CFA, contre 211,8 milliards
entre 2010 et 2011. Cette évolution, qui tient compte à la fois des objectifs de croissance et de
lutte contre la pauvreté, est imputable aux dépenses d’investissement sur financement interne
et à celles financées sur ressources extérieures. La mobilisation des ressources internes et la
mise en œuvre du PDES-2012-2015 ont contribué au rehaussement de ces investissements.

Graphique 4: Evolution des principales composantes des dépenses publiques du Niger en

millions de FCFA

700 000

600 000

500 000

400 000

300 000

200 000

100 000

-
1950 1960 1970 1980 1990 2000 2010 2020
(100 000)
Depenses courantes Depenses en capital transferts et subventions

Source : BCEAO et DGRF/MF

43
 4.2. Analyse de la structure et de l’évolution des principales composantes des
dépenses de l’Etat par rapport au PIB et à l’emploi

4.2.1. Evolution des dépenses par rapport au taux de croissance

Le poids d'un Etat dans une économie peut se mesurer par la part de ses dépenses publiques
dans le Produit Intérieur Brut (PIB). Mais, une utilisation efficace des dépenses publiques exige
une connaissance précise de leurs répercussions économiques. Le choix de l'allocation des
dépenses de l'Etat en faveur des dépenses courantes ou des dépenses en capital peut donc
s'avérer déterminant dans la relance de la croissance dans les pays en développement. Le
graphique 5 ci-dessous présente l’évolution des dépenses publiques totales et celle du produit
intérieur brut (PIB) du Niger, au cours des trois (3) dernières décennies. Ainsi, on peut observer
une corrélation positive entre les deux (2) courbes de 1994 à 2012, caractérisée par une nette
tendance à la hausse.

Cependant, la courbe d’évolution du PIB semble croitre plus rapidement que celle des dépenses
publiques totales. En effet, bien que les deux (2) courbes évoluent dans le même sens, la
distance entre les deux (2) courbes augmente progressivement. La période d’avant 1994
correspond à la période des ajustements structurels. En effet, le Niger, à l’instar des Etats de
l’UEMOA, enregistrait des déficits budgétaires pendant cette période. Il avait été demandé aux
pays de baisser le volume de leurs dépenses et de réduire leur train de vie. Les Programmes
d’Ajustements Structurels (PAS) n’ont pas atteint les objectifs escomptés et cette situation a
conduit à la dévaluation du franc CFA en 1994.

La tendance à la hausse du PIB et des dépenses publiques, à partir de cette année, pourrait se
justifier par le fait que de nombreux pays membre de l’UEMOA ont commencé à ressentir les
effets positifs de la dévaluation du franc CFA, en termes d’exportations des biens et services et
de compétitivité de leurs économies.

44
Graphique 5: Evolution des dépenses publiques totales et du PIB constant du Niger de 1994 à
2013
1000 3000

PIB constant (en milliards)

Dépenses (en milliards)

800 2500
2000
600
1500
400
1000
200 500
0 0

Dépenses totales
Dépenses d'investissement en milliards de FCFA
Dépenses courantes en milliards de FCFA
PIB constant en milliards de FCFA

Source : DGRF/MF

4.2.1.1 Les dépenses courantes

Selon le département des Finances Publiques du Fonds Monétaire International (FMI), 11qui a
mené une évaluation des systèmes, des procédures et des institutions de gestion des finances
publiques pour la période 2009–2011 au Niger, la composition de la dépense par catégorie
économique reste dominée par les dépenses courantes.

Elles ont représenté en moyenne 55,5% du total des dépenses de l’administration centrale,
contre 45,5% pour les dépenses en capital et prêts nets. Les dépenses de subventions et
transferts (19,4% en moyenne) surpassent les dépenses de traitements et salaires (16,5% en
moyenne). Le graphique ci-dessous présente l’évolution des dépenses courantes et celle du PIB
sur la période 1994-2013.

Les dépenses courantes ont enregistré une progression quasiment constante sur la période
1994-2006. Toutefois, on constate une très légère baisse de ces dépenses en 1995 et 1996. De
1998 à 2006, le niveau des dépenses publiques courantes a très peu augmenté, se situant en
dessous de 200 milliards sur toute la période. C’est à partir de 2007 que les dépenses publiques
courantes franchissent la barre des 200 milliards et entament une progression plus rapide pour
avoisiner 430 milliards en 2012.

11
À la demande du Ministre des Finances de la République du Niger, le Département des finances publiques (FAD)
du FMI a mené une évaluation des systèmes, des procédures et des Institutions de gestion des finances publiques
pour la période 2009–11, selon la méthodologie révisée des « dépenses publiques et responsabilité financière »,
connue sous son sigle anglais PEFA.

45
Graphique 6: Evolution des dépenses publiques courantes et du PIB constant du Niger de
1994 à 2013.
50
40
30
20
10
0
-10
-20
1998
1995

1996

1997

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012
Taux de croissance des dépenses totales Taux de croissance du PIB constant

Source : DGRF/MF

4.2.1.2 Les dépenses d’investissements

Au Niger, ce n’est qu’en 1997, que les dépenses publiques d’investissements ont franchi la
barre des 50 milliards de francs CFA. Elles ont ensuite doublé tous les cinq (5) ans. Les
dépenses d’investissements représentent en moyenne 40% des dépenses totales sur la période
1994-2012. Sur la période 2010-2011, on enregistre une baisse du montant des dépenses
publiques d’investissements. Par contre, elles ont quasiment doublé en 2012.

Graphique 7: Evolution des dépenses publiques d’investissement et du PIB constant du Niger

de 1994 à 2013
120
100
80
60
40
20
0
-20
-40
1995

2000

2005
1996

1997

1998

1999

2001

2002

2003

2004

2006

2007

2008

2009

2010

2011

2012

Taux de croissance des dépenses totales

Taux de croissance des dépenses d'investissement
Taux de croissance des dépenses courantes

Source : DGRF/MF

46
En confrontant le taux d’accroissement des dépenses publiques à celui du PIB, dans le
graphique N°8 ci-dessous, on constate que les deux (2) courbes évoluent en dents de scie. La
courbe d’évolution du taux de croissance des dépenses publiques totales fluctue beaucoup plus
que celle du taux de croissance du PIB. Pendant que le taux de croissance du PIB fluctue entre -
3% et 13% sur la période 1994-2012, le taux de croissance des dépenses publiques totales
fluctue entre -10% et 40%. Sur l’ensemble de la période 1994 à 2012, le taux de croissance
économique reste, en moyenne, positif et est de l’ordre de 4,6%.

Graphique 8: Evolution du taux de croissance des dépenses totales et celui du taux de

croissance du PIB du Niger de 1994 à 2013
50
40
30
20
10
0
-10
-20
1997
1995

1996

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012
Taux de croissance des dépenses totales Taux de croissance du PIB constant

Source : DGRF/MF

L’idée de l’impact positif des dépenses publiques sur la croissance est largement répandue dans
la littérature. Cependant, l'effet est d'autant plus profitable que la part des dépenses
d'investissements est importante, d'où l'importance de l'étude de la structure des dépenses
publiques et son impact sur la croissance. En effet, toutes choses égales par ailleurs, une
augmentation des dépenses courantes entraîne de facto une baisse des dépenses consacrées
au financement de l'investissement public. Cette contraction des investissements publics est de
nature à influer négativement sur la croissance, en raison de la relation positive entre
l'investissement et la croissance économique.

Le graphique N°9 ci-dessous illustre cela, les années de pic et de creux de la courbe de taux de
croissance des dépenses d’investissement correspondent à ceux de la courbe de taux de
croissance du PIB. Autrement dit, lorsque les dépenses d’investissements sont en hausse, le PIB
croit également et vice versa, comme l’atteste le graphique n°8 ci-dessus.

47
Graphique 9: Evolution du taux de croissance de la dépense publique totale et de ses
composantes, et celui du taux de croissance du PIB du Niger de 1994 à 2013
120
100
80
60
40
20
0
-20
-40
1995

2000

2005
1996

1997

1998

1999

2001

2002

2003

2004

2006

2007

2008

2009

2010

2011

2012
Taux de croissance des dépenses totales
Taux de croissance des dépenses d'investissement
Taux de croissance des dépenses courantes

Source : DGRF/MF

4.2.2 L’évolution des dépenses publiques par rapport au niveau de l’emploi

Les dépenses d’investissements financent le plus souvent des grands travaux, occasionnant
ainsi une importante création d’emplois. Cependant, on constate, à travers le graphique n° 10
ci-dessous, que la proportion de la population active, proxy du niveau d’emploi, est restée
quasiment insensible à l’augmentation progressive du montant des dépenses publiques
d’investissements et des dépenses publiques totales en général.

Graphique 10: Evolution des dépenses publiques totales, courantes et d’investissement et

celle du taux d’activité moyen de la population du Niger de 1994 à 2012
1000 66,0
800 64,0
62,0
600
60,0
400
58,0
200 56,0
0 54,0
1994

1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Dépenses totales
Dépenses d'investissement en milliards de FCFA
Dépenses courantes en milliards de FCFA

Source : DGRF/MF

48
 4.2.3 L’évolution des dépenses publiques sectorielles (santé et éducative) par rapport à
la croissance économique

Dans un contexte de mondialisation des échanges et de multiplication des crises (financières,

sanitaires, climatiques), les déficits de compétences et d’aptitudes limitent les capacités
d’adaptation des pays en développement et représentent des facteurs de risques pour
l’ensemble de la planète (CIS, 2012). Les personnes les plus instruites et en bonne santé ont
une plus grande probabilité de participer au marché du travail et, si elles sont économiquement
actives, une probabilité plus faible d’être au chômage. Les taux de participation de la main-
d’œuvre augmentent avec le niveau d’éducation des individus. Ceux d’entre eux ayant les
meilleures qualifications ont accès aux salaires les plus élevés. Bien qu’étant des secteurs non
productifs à court terme, les dépenses publiques en santé et en éducation sont un
investissement majeur pour la croissance. Elles tiennent une place fondamentale dans
l’amélioration de la productivité de la population, de son bien-être et de la croissance
économique.

On constate, à travers le graphique n° 11 ci-dessous que les dépenses en santé du Niger n’ont
pas beaucoup fluctué sur la période 1995-2012. De 1995 à 2005, les dépenses publiques de
santé en pourcentage du PIB n’ont jamais atteint les 2%. De 2005 à 2012, elles représentaient
2,7% du PIB en moyenne. En 2006, elles ont franchi les 3%, pour retomber à 2% l’année en
2007. Un écart de 5% en moyenne est constaté entre la dépense publique et la dépense totale
en santé, en pourcentage du PIB sur la période 1995-2012.

Graphique 11: Evolution de la dépense publique en santé du Niger en pourcentage du PIB, de

la dépense totale en santé en pourcentage du PIB et du taux de croissance du PIB sur la
période 1995 – 2012.
12 14
Dépenses de santé (en % du PIB)

12
10

Taux de croissance du PIB

10
8 8
6
6
4
4 2
0
2
-2
0 -4
1995

1996

1997

1998

1999

2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012

Dépenses en santé, publiques (% du PIB)

Dépenses en santé, total (% du PIB)
Taux de croissance du PIB

Source : BCEAO et DGRF/MF

49
De même, la dépense publique d’éducation en pourcentage du PIB a gardé une tendance
croissante en moyenne sur toute la période 1995-2011. Bien qu’elles aient régulièrement
augmenté, ces dépenses d’éducation ont représenté de 5% du PIB.
Graphique 12: Evolution des dépenses publiques en éducation en pourcentage du PIB, des
dépenses totales en éducation en pourcentage du PIB et du taux de croissance du PIB, sur la
période 1995 – 2012.
25 12
Dépenses d'éducation en % du PIB

10

Taux de croissance du PIB

20
8

15 6
4
10 2
0
5
-2
0 -4
1995 1996 1999 2000 2001 2002 2003 2006 2007 2008 2009 2010 2011

Dépenses publiques en éducation, total (% des dépenses du gouvernement)

Dépenses publiques en éducation (% du PIB)
Taux de croissance du PIB

Source : BCEAO et DGRF/MF

4.3. Analyse comparative de la structure des dépenses publiques au Niger par

rapport aux pays membre de l’UEMOA

L’allocation des dépenses publiques par secteur est fonction des priorités du moment des
différents pays. La confrontation des dépenses publiques et du taux de croissance du Niger à
ceux des pays voisins peut constituer un premier (1er) niveau d’appréciation de l’efficacité des
dépenses publiques du Niger. Le tableau ci-dessous présente les dépenses publiques du Niger
et celles des pays membre de l’UEMOA. Ainsi, on constate qu’en 2011, avec une part des
dépenses publiques dans le PIB moindre (20,8%), la Guinée-Bissau a abouti à un taux de
croissance annuel deux (2) fois supérieur (5,3%) à celui du Niger (2,3%). Sur la même période,
avec une part des dépenses publiques dans le PIB supérieure de deux (2) points (25,3%) à celui
du Niger (23,3%), le Burkina Faso a atteint un taux de croissance annuel presque trois (3) fois
supérieur (6,6%) à celui du Niger (2,3%).

50
Tableau 3 : Classification économique des dépenses publiques en % du PIB dans la zone
UEMOA en 2011.
Burkina Côte Guinée -
Année 2011 Bénin Mali Niger Sénégal Togo
Faso d'Ivoire Bissau
Dépenses totales 24,1 25,3 21,9 20,8 23,1 23,3 27,8 23,3
Dépenses courantes 15,1 13,4 19,2 11,8 16,3 13,9 16,2 16,2
Sans les intérêts 14,2 13,0 17,2 11,6 15,8 13,6 14,9 15,3
Salaires 7,0 6,0 8,0 5,0 5,0 4,0 6,0 6,0
Intérêts 0,9 0,4 2,0 0,1 0,5 0,4 1,3 0,9
taux de croissance
3,3 6,6 -4,4 5,3 2,7 2,3 1,7 4,8
annuel
Source : Rapport AERC « un réexamen de l’impact des dépenses publiques sur la croissance économique en zone
UEMOA » juin 2013.
Le tableau n°4 ci-dessous présente les niveaux des dépenses publiques en pourcentage du PIB
dans les principaux secteurs de l’éducation, de la défense et de la santé des pays membres de
l’UEMOA. On observe d’importants écarts d’un pays à l’autre en 2011. Sur les huit (8) pays
présentés, le Niger est sixième (6ième), selon le taux de croissance annuel et cinquième ex-aequo
(5ième) selon la part des dépenses publiques d’éducation dans le PIB en 2011.

En ce qui concerne le secteur de l’éducation, on relève que l’effort de l’Etat, en termes de

dépenses publiques, est à peu près proportionnel au taux de croissance économique,
comparativement au pays de l’UEMOA. Cependant, en ce qui concerne le secteur de la santé,
en 2011, le Niger arrive en dernière position sur les huit (8) pays membres de l’UEMOA, en
termes de dépenses publiques de santé en pourcentage du PIB. Ainsi, avec un taux de
croissance négatif en 2011, la Côte d’ivoire a consacré, à la santé, une part supérieure de son
PIB comparativement au Niger, et au Sénégal.

Tableau 4: Classification fonctionnelle des dépenses publiques en zone UEMOA.

Année 2011 Burkina Côte Guinée
Bénin Mali Niger Sénégal Togo
(%PIB) Faso d'Ivoire Bissau
Services Généraux 9,09 14,37 8,63 2,96 7,94 7,02 8,67 7,32
Défense 0,94 1,43 1,66 1,11 1,87 0,87 1,53 2,01
Ordre et Sécurité Publique 1,17 2,84 1,95 1,53 1,96 1,05 1,64 1,85
Affaires Economiques 2,24 2,82 2,58 2,21 2,37 2,22 2,05 2,11
Protection de
l'Environnement 0,18 0,95 1,74 0,38 0,89 0,77 1,52 0,93
Logements et Equipements 1,64 2,37 3,09 2,14 2,78 0,23 1,94 2,02
Santé 3,92 6,28 8,82 6,26 6,29 3,51 4,33 5,75
Loisirs, Cultures et Cultes 0,12 0,87 1,51 0,22 0,86 0,63 1,47 0,72
Enseignement 5,55 4,81 5,18 2,93 4,19 4,81 6,48 5,25
Protection Sociale 0,17 0,43 1,28 0,10 0,32 0,47 1,25 0,80
Taux de croissance annuel 3,3 6,6 -4,40 5,3 2,70 2,30 1,70 4,80
Source : Rapport AERC « un réexamen de l’impact des dépenses publiques sur la croissance économique en zone
UEMOA » juin 2013.

51
Ces différents constats rendent compte d’une faible performance des dépenses publiques au
Niger, comparativement aux pays membres de l’UEMOA.

52
 V. ANALYSE DE L’EFFICIENCE DES DEPENSES PUBLIQUES AU NIGER

En règle générale, il n’existe pas une relation exacte entre le volume global de ressources
publiques mobilisées pour un secteur (éducatif, sanitaire, infrastructures, etc.) et la couverture
quantitative des besoins de ce dernier. En mettant en relation les ressources allouées à un
secteur et les résultats obtenus, on arrive à apprécier l’efficience des dépenses publiques
effectuées pour ce secteur.

Différents indicateurs sont généralement utilisés pour mesurer la production de l’Etat dans les
secteurs de l’éducation et de la santé. Dans les analyses effectuées ci-dessous, la production
publique dans les secteurs de l’éducation, de la santé et des infrastructures, est mesurée
respectivement par le taux d’achèvement de la scolarité primaire, l’espérance de vie à la
naissance et le nombre de kilomètres de routes revêtues.

5.1. Dépenses publiques d’éducation

Rapporté au budget global de l’Etat du Niger, le budget du secteur de l’éducation est passé de
12,2% en 2000 à 16,1% en 2002, avant de baisser à 13,7% en 2003. Depuis cette période, la part
du budget alloué à ce secteur est sans cesse croissante et s’établit à 20,8% en 2008. Sur la
période 2000-2008, la part moyenne du budget de l’éducation par rapport au budget global est
d’environ 17%, ceci permet de situer effectivement ce secteur parmi les priorités du
Gouvernement.

Le graphique n° 13 ci-dessous présente l’évolution des dépenses publiques dans le secteur de

l’éducation et celle du taux d’achèvement dans l’enseignement primaire. Ce dernier représente
le pourcentage d'élèves qui terminent la dernière année d'école primaire par rapport à la
population d’âge considéré.

Ainsi, on constate qu’au Niger, de 1990 à 2000, les dépenses publiques d’éducation ont varié
entre 17 et 27 milliards, soit une moyenne de 23 milliards au cours de la décennie. Le taux
d’achèvement, quant à lui, fluctuait entre 14 et 18%, soit une moyenne de 17% au cours de la
même période. Autrement dit, pour une dépense moyenne de 23 milliards par an le système
éducatif nigérien parvenait à garder 17 élèves sur 100 à l’école jusqu’en classe de CM2.

Au cours de la décennie 2000, les dépenses publiques d’éducation ont varié entre 24 et 98
milliards, avec une moyenne de 53 milliards. Quant au taux d’achèvement, il a varié entre 19 et
41% soit une moyenne de 29% au cours de cette même décennie. Ainsi, pour une dépense
moyenne de 53 milliards par an, le système éducatif amenait 29 élèves sur 100 en classe de
CM2, soit douze (12) élèves de plus que la décennie précédente.

De 2010 à 2012, les dépenses publiques en faveur de l’éducation sont passées de 86 à 113
milliards et le taux d’achèvement est passé de 41 à 49% sur la même période.

53
De 1990 à 2012, les dépenses publiques en faveur du secteur de l’éducation ont régulièrement
augmenté. De même, le taux d’achèvement, considéré ici comme le résultat, a également
augmenté sur la même période. Cependant, la vitesse de croissance des dépenses publiques
d’éducation est supérieure à celle du taux d’achèvement sur la période 1990-2012.

Graphique 13: Evolution des dépenses publiques d’éducation et taux d’achèvement du cycle
primaire du Niger
120 60,00
Dépenses publiques d'éductation

Taux d'achévement du primaire

100 50,00
80 40,00
en millards de FCFA

60 30,00
40 20,00
20 10,00
0 0,00

2005
1990
1991
1992
1993
1995
1996
1997
1998
1999
2000
2001
2002
2003
2004

2006
2007
2008
2009
2010
2011
2012
Années

Dépenses publiques d'éducation (en milliards de FCFA) Taux d'achèvement du primaire

Source : Banque Mondiale

En se limitant à la dimension quantitative de la couverture scolaire, la durée moyenne des

scolarisations pour 1% du PIB peut être utilisée comme indicateur d’efficience des dépenses
publiques d’éducation. Le montant des dépenses publiques consacrées à l’éducation en
pourcentage du PIB mesure le volume de ressources reçues. La durée moyenne de scolarisation
est l’indicateur de la performance quantitative obtenue avec ces ressources. Plus la valeur de
l’indice de l’efficience globale est élevée, plus il y’a efficience dans l’usage des ressources
publiques. Le tableau 5 ci-dessous met en exergue, l’indice de l’efficience globale calculé pour le
Niger et comparé à ceux d’autres pays africains pour l’année 2011.

Tableau 5 : Indice de l’efficience globale des dépenses publiques d’éducation de quelques

pays africains, membre de l’UEMOA en 2011.
Dépenses publiques
Durée moyenne Indice de l'Efficience
Pays d'éducation en % du PIB
des études (a) Globale (IEG): (a)/(b)
(b)
Bénin 3,2 5,55 0,58
Burkina Faso 1,3 4.81 0,27
Côte d'Ivoire 4,3 5,18 0,83
Guinée-Bissau 2,3 2,93 0,78
Mali 2,0 4,19 0,48
Niger 1,4 4,81 0,29
Sénégal 4,5 6,48 0,69
Togo 5,3 5,25 1,01
Source : Banque Mondiale et PNUD.

54
On peut ainsi relever qu’en 2011, la durée moyenne de scolarisation au Niger est largement en
dessous de celle des autres pays membre de l’UEMOA, excepté le Burkina Faso qui enregistre
une durée moyenne de scolarisation légèrement inférieure à celle du Niger. Les dépenses
publiques, en pourcentage du PIB, allouées à l’éducation au Niger sont proches de la moyenne
des autres pays, mais, il en résulte une efficience globale relativement faible du Niger par
rapport aux autres pays. En effet, hormis le Burkina (0,27), le Niger a l’indicateur le plus faible
d’efficience globale (0,29). La Guinée Bissau arrive, avec moins de 3% de son PIB, à assurer une
durée moyenne d’études supérieure à celle du Niger, du Mali et Burkina Faso.

L’analyse comparative de l’efficience globale peut se faire à partir d’une méthode graphique. Le
graphique n° 14 ci-dessous présente le nuage de points de quelques pays africains selon le niveau
de leurs dépenses publiques d’éducation et la durée moyenne des études qu’ils arrivent à assurer
à leur population.

Ainsi, de l’examen de ce graphique, il apparait que tous les pays qui sont représentés au-dessus et
à gauche du Niger sont des pays qui arrivent, avec des dépenses publiques d’éducation moindres
que le Niger, à assurer une durée moyenne d’études supérieure à celle du Niger. Ce sont le
Cameroun, Madagascar, la Mauritanie, la Gambie, la Guinée-Bissau et le Mali.

Graphique 14: Analyse comparative de l’efficience des dépenses publiques d’éducation de

quelques pays africains
5,8 Cameroun Togo
5,3
Durée moyenne des études

Madagascar
4,8 Sénégal
4,3 Côte d'Ivoire
3,8 Mauritanie
3,3 Bénin
2,8 Gambie
Guiné Bissau
2,3
Mali
1,8 Guinée Niger
Tchad Burkina Faso
1,3
2,26 2,76 3,26 3,76 4,26 4,76 5,26 5,76 6,26
Dépenses publiques d'éducation en % du PIB

Source : Banque Mondiale et PNUD

Le tableau 6 ci-dessous présente l’évolution de l’indice global d’efficience des dépenses

publiques d’éducation du Niger de 2005 à 2012.

55
Tableau 6 : Evolution de l’indice de l’efficience globale des dépenses publiques d’éducation
du Niger de 2005 à 2012.
Durée moyenne Dépenses publiques d'éducation Indice de l'Efficience
Années
des études (a) en % du PIB (b) Globale (IEG): (a)/(b)

2005 1,3 3,1 0,42

2006 1,3 3,1 0,42
2007 1,3 3,5 0,37
2008 1,4 4,0 0,35
2009 1,4 4,6 0,31
2010 1,4 3,7 0,38
2011 1,4 4,3 0,32
2012 1,4 4,3 0,33
Source : Banque Mondiale et PNUD

De 2005 à 2012, la durée moyenne de scolarisation n’a augmenté que de 0,1 point. Elle a d’abord
stagné de 2005 à 2007, autour de 1,3 année puis entre 2008 et 2012, autour de 1,4 année. Les
dépenses publiques, en proportion du PIB ont, quant à elles, régulièrement augmenté depuis
2006, (de 3,1 % à 4,3 % du PIB). Il en résulte une légère détérioration de la valeur de l’indicateur
de l’efficience globale qui passe de 0,42 en 2005 à 0,33 en 2012. Ainsi, malgré l’augmentation des
ressources publiques en faveur de l’éducation, la rétention des élèves dans le système scolaire ne
s’est pas améliorée. Le rythme d’augmentation du volume des ressources publiques consacrées à
l’éducation a été beaucoup plus rapide que celui de la durée moyenne des études.

5.2. Dépenses publiques de santé

Jusqu’à une date récente, dans les travaux de recherche, c’est surtout le rôle de l’éducation
dans l’analyse des déterminants de la croissance économique qui a été privilégié, au détriment
de la santé. Les travaux sur la relation entre santé et croissance économique ont sensiblement
augmenté à la fin des années 1990. Une de leurs principales caractéristiques est qu’ils
recourent à des indicateurs différents de mesure de la santé. Utilisant l’espérance de vie à la
naissance comme mesure de l’état de santé, Bloom et Malaney (1998) et Bhargava et al. (2001)
ont montré que ce dernier est un vecteur important de la croissance économique, puisqu’elle
accroît l’espérance de vie de la population active.

D’autres travaux ont analysé l’effet de la santé sur la croissance, en recourant aux indicateurs
démographiques (taux de fécondité, de fertilité et de mortalité), ou en examinant les
conséquences du Sida sur le développement économique. Ils ont ainsi montré que la baisse de
la fécondité permet aux femmes de participer à la population active, et aide à améliorer la
santé et la nutrition des enfants.

La diminution du nombre d’enfants fait baisser la proportion des personnes dépendantes au

sein de la famille, et incite à investir davantage dans le capital humain des enfants, à travers

56
l’éducation et la santé, qui sont des facteurs fondamentaux de la croissance économique. Le
graphique n° 15 ci-dessous confronte l’évolution des dépenses publiques dans le secteur de la
santé et celle de l’espérance de vie à la naissance.

Les dépenses publiques de santé ont varié entre 32 et 45 milliards avec une moyenne de 36
milliards au cours de la décennie 1990 tandis que l’espérance de vie à la naissance variait entre
43 et 50 ans, soit une moyenne de 47 ans. Ainsi, pour une dépense moyenne de 36 milliards par
an dans la santé, chaque nouveau-né nigérien pouvait espérer vivre 47 ans en moyenne.

Dans les années 2000, les dépenses publiques de santé ont varié entre 41 et 134 milliards, avec
une moyenne de 86 milliards au cours de la décennie. L’espérance de vie à la naissance tournait
autour de 54 ans pendant cette décennie. Autrement dit, pour une dépense moyenne de 86
milliards par an dans le secteur de la santé, l’espérance de vie à la naissance était de 54 ans en
moyenne sur la période 2000-2010.

De 2010 à 2012, les dépenses publiques de santé sont passées de 133 à 170 milliards et
l’espérance de vie à la naissance est passée de 57 à 58 ans sur la même période.

Les dépenses publiques de santé ont régulièrement augmenté depuis 1990. De même,
l’espérance de vie à la naissance a également augmenté sur la même période. Cependant, la
vitesse de croissance des dépenses publiques en faveur de la santé est supérieure à celle de
l’espérance de vie à la naissance à partir de la décennie 2000.

Graphique 15: Evolution dépenses publiques de santé et de l’espérance de vie à la naissance

du Niger de 1990 à 2012.
180 70,00
Dépenses publiques de santé en

Espérance de vie à la naissance

160 60,00
140
50,00
millairs de FCFA

120
100 40,00
80 30,00
60
20,00
40
20 10,00
0 0,00
1996

2010
1990
1991
1992
1993
1994
1995

1997
1998
1999
2000
2001
2002
2003
2004
2005
2006
2007
2008
2009

2011
2012

Années

Dépenses publiques de santé (en milliards de FCFA) Espérance de vie à la naissance

Source : Banque Mondiale

L’indice de l’efficience globale calculé plus haut pour l’éducation, est appliqué à la santé. Le
tableau n°7 ci-dessous présente l’indice calculé à partir de l’espérance de vie à la naissance et
les dépenses publiques de santé en pourcentage du PIB pour les pays membres de l’UEMOA.

57
Tableau 7 : Indice de l’efficience globale des dépenses publiques de santé de quelques pays
africains en 2011.
Dépenses
Espérance
publiques Indice de l'Efficience
Pays de vie à la
de santé en Globale (IEG): (a)/(b)
naissance (a) % du PIB (b)
Benin 58,94 3,92 15,04
Burkina Faso 55,44 6,28 8,83
Côte d'Ivoire 50,05 8,82 5,67
Guinée-Bissau 53,80 6,26 8,59
Mali 54,19 6,29 8,62
Niger 57,48 3,51 16,38
Sénégal 63,04 4,33 14,56
Togo 55,81 5,75 9,71
Source : Banque Mondiale et PNUD.

Sur les huit (8) pays membres de l’UEMOA présentés dans le tableau ci-dessus, le Niger arrive
en troisième (3e) position en termes d’espérance de vie à la naissance élevé, après le Sénégal et
le Benin. Cependant, le Niger alloue la plus faible part de son PIB à la santé. Ainsi, malgré la
faible part du PIB alloué à la santé, l’espérance de vie à la naissance au Niger est à un niveau
appréciable. Il en résulte un indice global d’efficience relativement élevé au Niger. Avec un
volume de ressources publiques consacré à la santé moindre, le système de santé au Niger
parvient à assurer une espérance de vie appréciable. Les dépenses publiques de santé du Niger
sont donc relativement efficientes.

Comme il a été fait plus haut pour l’éducation, il est représenté, dans le graphique qui suit, le
nuage de points de quelques pays africains selon le niveau de leurs dépenses de santé et
l’espérance de vie à la naissance. La Gambie, le Bénin, le Ghana, le Sénégal et Madagascar sont
arrivés à une espérance de vie supérieure, avec des dépenses de santé en proportion du PIB
moindre que le Niger.

58
Graphique 16: Analyse comparative de l’efficience des dépenses de santé de quelques pays
africains en 2011.
Sénégal
Madagascar
62,05
Espérance de vie à la naissance

Ghana

60,05
Bénin
58,05 Niger
Gambie
56,05 Afriq sub
Guinée Burkina Faso Togo
54,05 Cameroun Mali
Guinée éq Guinée-Bissau
52,05
Tchad Côte d'Ivoire
50,05
2,84 3,84 4,84 5,84 6,84 7,84
Dépenses de santé en % du PIB

Source : Banque Mondiale et PNUD

Le tableau n°8 ci-dessous présente la dynamique de l’espérance de vie à la naissance et les

dépenses en santé en % du PIB. L’espérance de vie est passée de 54 ans en 2005, à 58 ans en
2012, soit un gain de 4 années de vie. Quant aux dépenses publiques de santé, en proportion du
PIB, elles n’ont pas évolué uniformément. Elles ont évolué en dents de scie entre 5,5% et 6,3%.
Ainsi l’indice global d’efficience a tantôt augmenté, tantôt baissé sur la période.

Tableau 8 : Evolution des dépenses publiques de santé et espérance de vie à la naissance du

Niger de 2005 à 2012
Indice de
Espérance de vie Dépenses publiques
Années l'Efficience Globale
à la naissance de santé en % du PIB (b)
(IEG): (a)/(b)
2005 54,12 5,87 9,21
2006 54,75 6,05 9,05
2007 55,35 5,59 9,90
2008 55,93 5,84 9,58
2009 56,47 6,28 9,00
2010 56,99 5,72 9,97
2011 57,48 5,71 10,06
2012 57,97 6,46 8,97
Source : Banque Mondiale et PNUD

5.3. Dépenses publiques en infrastructures routières

Le secteur des infrastructures routières a un impact avéré en tant que « stimulant » de la

croissance et du développement économique à travers notamment la mobilité des personnes

59
physiques et des biens, l’accessibilité des entreprises et le désenclavement du pays. Au Niger, la
valeur ajoutée (VA) du secteur des transports est en croissance continue depuis 2000. Le
graphique ci-dessous montre l’évolution du bitumage des routes par l’Etat et la valeur ajoutée
du sous-secteur des transports. Le transport routier assure la quasi-totalité des déplacements
intérieurs de personnes et des mouvements de marchandises. La construction des
infrastructures routières a stagné de 2000 à 2004, pour ensuite entamer une évolution
fluctuante, mais croissante en moyenne de 2005 à 2012.

Graphique 17: Nombre de kms de routes revêtues et Valeur ajoutée du secteur des
transports du Niger de 2000 à 2012.
160 000 4300

140 000 4200

120 000 4100

En kilomètres
100 000 4000
En millions

80 000 3900

60 000 3800

40 000 3700

20 000 3600

0 3500
2005
2000

2001

2002

2003

2004

2006

2007

2008

2009

2010

2011

2012
VA du secteur du Transport et entreposage (au prix courant du marché)
Routes revêtues (butimés)

Source : Banque mondiale

Le graphique n°18 ci-dessous présente l’évolution de la production de routes revêtues par l’Etat
et les dépenses publiques d’équipements. On constate, qu’entre 2005 et 2006, les dépenses
d’équipement ont baissé de 10 milliards environ, entrainant une stagnation dans la production
de route revêtue comme le montre le graphique ci-dessus. Le même constat est fait entre 2009
et 2010 : une baisse de 70 milliards environ des dépenses d’équipement et une stagnation de la
production de routes revêtues. Cependant, bien que les dépenses d’équipements aient
continué leur chute en 2011, on enregistre une hausse de la construction des routes revêtues,
fruit d’un partenariat public-privé. De tout ce qui précède, il semble avoir un lien étroit entre le
niveau des dépenses d’équipement et la production de km revêtu.

60
Graphique 18: Evolution des dépenses d’équipements et du nombre de kms de routes revêtus
du Niger de 2000 à 2012
4300 450
4200 400

4100 350
300
En Kilomètres

4000

En milliards
250
3900
200
3800
150
3700 100
3600 50
3500 0
2000

2001

2002

2003

2004

2005

2006

2007

2008

2009

2010

2011

2012
Routes revêtues (butimés) Dépenses d'equipement

Source : Banque mondiale

L’indice d’efficience globale calculé plus haut pour l’éducation et la santé sera appliqué aux
infrastructures. Le tableau ci-dessous présente l’indice calculé à partir du pourcentage de
kilomètres revêtus et les dépenses publiques d’équipements (proxy de celui des infrastructures)
pour quelques pays de l’UEMOA.

Tableau 9: Indice de l’efficience globale des dépenses publiques en infrastructures pour les
pays membre de l’UEMOA (*) en 2012
Routes revêtues en Dépenses
Pays membre Indice de l'efficience
% du total réseau d'équipements en % du
de l’UEMOA globale (a)/(b)
routier (a) PIB (b)
Bénin 8,8 6,6 1,32
Côte d'Ivoire 7,4 7,2 1,02
Guinée-Bissau 27,9 3,1 8,91
Mali 24,7 7,8 3,15
Niger 20,6 18,1 1,14
Sénégal 29,3 11,7 2,51
Togo 21,0 8,7 2,42
Source : Banque Mondiale, (*) = données non disponibles pour le Burkina Faso.

Sur les pays (7) pays membres de l’UEMOA, présentés dans le tableau n°9 ci-dessus, le Niger
arrive en sixième (6e) position en termes de dépenses publiques d’équipements en proportion
du PIB, juste après la Côte d’Ivoire. Aussi, le Niger alloue la plus forte part de son PIB aux
équipements. Ainsi, malgré la forte part du PIB alloué aux équipements, le pourcentage de
routes revêtues est inférieur à la plupart des pays de l’UEMOA. Il en résulte un indice global

61
d’efficience relativement faible au Niger. Avec un volume de ressources publiques consacré à
l’équipement conséquent, celles-ci ne parviennent pas à assurer une couverture en
infrastructures appréciable. Les dépenses publiques d’équipement du Niger sont relativement
inefficientes.

Le graphique n°19 ci-dessous représente le nuage de points des pays membres de l’UEMOA,
selon le pourcentage de routes revêtues et les dépenses d’équipements en proportion du PIB. A
l’exception de la Côte d’Ivoire et du Bénin, les autres pays membres de l’UEMOA ont pu obtenir
un pourcentage de routes revêtues supérieur au Niger avec une moindre dépense
d’équipements en proportion du PIB.

Graphique 19: Analyse comparative de l’efficience des dépenses d’équipements dans les pays
membres de l’UEMOA (*) en 2012 :

17,1%
Dépenses d'équipements en % du PIB

Niger
15,1%

13,1%

11,1%
Sénégal
9,1%

7,1% Togo
Mali
Côte d'Ivoire
5,1% Bénin
3,1%
7,4% 12,4% 17,4% 22,4% 27,4%
% des routes revêtues Guinée-Bissau

Source : Banque Mondiale et PNUD, (*) = données non disponibles pour le Burkina Faso.

Après l’analyse des questions relatives à l’efficience des dépenses publiques au Niger, la section
(V) qui va suivre mettra en évidence l’existence d’un éventuel seuil des dépenses publiques au
Niger.

62
 VI. DETERMINATION DE LA TAILLE OPTIMALE DES DEPENSES PUBLIQUES
AU NIGER

Ce chapitre tente d’apporter des éléments de réponse quant à l’existence d’un seuil optimal
des dépenses publiques pour le cas du Niger.

L’analyse ci-dessous va porter sur la part optimale des composantes des dépenses courantes
(investissements publics et privés, salaires, transferts et service de la dette publique dans la
richesse créée (PIB) ainsi que dans les dépenses totales, qui sont mesurées au moyen de deux
(2) modèles spécifiques.

6.1. Détermination de la taille optimale par catégorie de dépense publique

6.1.1. Présentation et analyse des données statistiques

Les séries utilisées dans cette estimation sont annuelles et couvrent la période 1965-2013.
Les principales sources de données de cette étude sont les suivantes :

 les dépenses publiques de l’administration centrale complétées par les bases de

données de la BCEAO ;

 les investissements publics et les hauteurs pluviométriques proviennent des bases de

données des publications de l’INS, complétées par celles de la BCEAO ;

 les données sur les exportations et les importations sont issues de la BCEAO.

Les variables sont ainsi libellées :

PIB = Produit Intérieur Brut ;

DEPTOT = Dépenses publiques totales ;
CAPUB= Investissements publics ;
CAPRIV= Investissements privés ;
SAL= Salaires ;
TSUBV = Transferts et subventions ;
SDETTE = Service de la dette réglée par l’Etat ;
EXPORT = Exportations ;
IMPORT = Importations ;
HPLUV = Hauteurs pluviométriques (mesurées en millimètres) ;
CAPRIVPIB = Part des Investissements privés dans le PIB ;
CAPRIVDEPTOT = Part des Investissements privés dans les dépenses totales ;
CAPUBPIB = Part des investissements publics dans le PIB ;
CAPUBDEPTOT = Part des investissements publics dans les dépenses totales ;
SALPIB= Part des salaires dans le PIB ;

63
SALDEPTOT = Part des salaires dans les dépenses totales ;
SDETTEPIB = Part du service de la dette dans le PIB ;
SDETTEDEPTOT = Part du service de la dette dans les dépenses totales ;
TSUBVPIB= Part des subventions et transferts dans le PIB ;
TSUBVDEPTOT= Part des subventions et des transferts dans les dépenses totales ;
HPLUV= Hauteurs pluviométriques.

Compte tenu des exigences de l’économétrie des séries temporelles, les données collectées
sont testées avant et après l’estimation du modèle d’analyse. C’est à juste titre que des tests de
diagnostic concernant la stationnarité des séries, ainsi que la normalité, l’autocorrélation des
résidus et l’homoscédasticité soient systématiquement effectués.

6.1.2. Tests de racine unitaire et de cointégration des variables

Préalablement à l’estimation des deux modèles cités plus hauts, il convient d’étudier la
stationnarité des séries ainsi que leur cointégration afin de choisir les méthodes
économétriques les plus appropriés.

La première (1ère) étape de l’analyse va porter sur la vérification des propriétés temporelles des
séries utilisées (tests de stationnarité ou de racine unitaire). Le test de racine unitaire (ou de
non stationnarité) est effectué d’abord pour vérifier la stationnarité des séries.

A la suite de celui-ci, le test de cointégration est effectué. Une série Yt est stationnaire si sa
moyenne, sa variance et ses auto-covariances sont indépendantes du temps. Elle est dite
intégrée de l’ordre d ou I(d) si elle devient stationnaire après d différenciations. L’ordre
d’intégration est habituellement établi en appliquant des tests de racine unitaire.

Le test développé par Phillips Perron (PP) 12sera privilégié par rapport celui de Dickey et Fuller
augmenté 13(ADF). En effet, si les valeurs critiques des deux (2) tests sont identiques, à la
différence du test ADF, le test PP n’est pas soumis à l’hypothèse d’homoscédasticité des termes
d’erreurs (Phillips, 1987).

Ainsi, il n’entraine pas une perte d’observations. Ceci est utile lorsque celles-ci sont limitées.
Par ailleurs, le test PP corrige la corrélation des séries de l’hétérocédasticité des erreurs.

Les résultats des tests de Phillips et Perron des variables prises en logarithme pour la plupart
sont consignés dans le tableau suivant :

12
Phillips, P.C.B., and Perron, P., (1988) “Testing for a Unit Root in time series regression”, Biometrika 75(2),
335-346
13
Dickey D.A., et Fuller W.A., (1981) « Likelihood ratio statistics for Autoregressive time series with a Unit
Root”, Econometrica

64
Tableau 10: Résultats des tests de stationnarité
En niveau En différence première Conclusion
Variables Valeur Valeur Ordre
critique Prob critique Prob d'intégration Modèle
LOG(PIB) -1,950 0,990 -2,920 0,000 I(1) Avec constante
Ni constante ni
LOG(deptotpib)2 -3,506 0,230 -1,940 0,000 I(1) tendance
LOG(DEPTOT) -1,940 0,990 -2,920 0,000 I(1) Avec constante
Avec tendance et
LOG(EXPORTPIB)
-2,920 0,330 -3,500 0,000 I(1) constante
LOG(EXPORT) -3,500 0,933 -3,500 0,000 I(1) Avec tendance
Ni tendance, ni
LOG(IMPORTPIB)
-2,920 0,160 -1,940 0,000 I(1) constante
LOG(IMPORT) -3,500 0,510 -2,920 0,000 I(1) Avec constante
LOG(HPLUV) -2,920 0,000 I(0) Avec constante
LOG(DEPTOTPIB(-1)*PIB(-1)) -1,94 0,99 -2,93 0,000 I(1) Avec constante
LOG((1-DEPTOTPIB(-1))*PIB(-1)) -1,94 0,99 -2,93 0,000 I(1) Avec constante
Ni tendance, ni
LOG(CAPUBPIB(-1)*PIB(-1))
-2,925 0,593 -1,948 0 I(1) constante
LOG((1-CAPUBPIB(-1))*PIB(-1)) -3,52 0,119 -2,92 0,000 I(1) Avec constante
Avec tendance et
LOG(CAPRIVPIB(-1)*PIB(-1))
-3,51 0,006 I(0) constante
LOG((1-CAPRIVPIB(-1))*PIB(-1)) -3,523 0,119 -2,926 0,003 I(1) Avec constante
LOG(SALPIB(-1)*PIB(-1)) -3,5 0,654 -2,926 0,000 I(1) Avec constante
LOG((1-SALPIB(-1))*PIB(-1)) -3,526 0,136 -2,926 0,001 I(1) Avec constante
LOG(DETTEPIB(-1)*PIB(-1)) -2,933 0,036 I(0) Avec constante
LOG((1-DETTEPIB(-1))*PIB(-1)) -3,51 0,5345 -2,931 0,000 I(1) Avec constante
LOG(TSUBVPIB(-1)*PIB(-1)) -3,508508 0,5395 -2,92 0,000 I(1) Avec constante
LOG((1-TSUBVPIB(-1))*PIB(-1)) -1,947 0,995 -2,926 0,001 I(1) Avec constante
Ni tendance, ni
LOG(CAPUBDEPTOT(-1)*DEPTOT(-1))
-2,925 0,609 -1,948 0,000 I(1) constante
LOG((1-CAPUBDEPTOT(-1))*DEPTOT(-1)) -1,948 0,999 -2,927 0,000 I(1) Avec constante
Avec tendance et
LOG(CAPRIVDEPTOT(-1)*DEPTOT(-1))
-3,518 0,006 I(0) constante
Avec tendance et
LOG((1-CAPRIVDEPTOT(-1))*DEPTOT(-1))
-3,553 0,036 I(0) constante
LOG(SALDEPTOT(-1)*DEPTOT(-1)) -2,158 -3,508 -2,926 0,000 I(1) Avec constante
LOG((1-SALDEPTOT(-1))*DEPTOT(-1)) -2,925 0,417 -2,926 0,000 I(1) Avec constante
LOG(TSUBVDEPTOT(-1)*DEPTOT(-1)) -3,501 0,539 -2,926 0,000 I(1) Avec constante
LOG((1-TSUBVDEPTOT(-1))*DEPTOT(-1)) -2,925 0,607 -2,926 0,000 I(1) Avec constante
Ni tendance, ni
LOG(DETTEDEPTOT(-1)*DEPTOT(-1))
-2,933 0,0359 I(0) constante
Ni tendance, ni
LOG((1-DETTEDEPTOT(-1))*DEPTOT(-1))
-1,968 0,624 -1,974 0,006 I(1) constante
Ni tendance, ni
LOG(SDETTE)
-2.931 0.2067 -1.949 0,000 I(1) constante
Constante sans
M2PIB
-2,926 0,0001 -1,948 0,000 I(0) tendance
Ni tendance, ni
TINFL
-2,924 0,0005 -1,948 0,000 I(0) constante
Ni tendance, ni
TPF
-1,948 0,914 -1,948 0,000 I(1) constante
Ni tendance, ni
TAGRI
-2,927 0,0217 -1,948 0,000 I(0) constante

65
 En niveau En différence première Conclusion
Variables Valeur Valeur Ordre
critique Prob critique Prob d'intégration Modèle
Ni tendance, ni
LOG (SDETTEPIB (-1)*PIB (-1))
-2,933 0,239 -1,949 0,000 I(1) constante
Ni tendance, ni
LOG ((1-SDETTEPIB (-1))*PIB (-1))
-2,933 0,646 -2,935 0,0007 I(1) constante
Ni tendance, ni
LOG (SDETTEDEPTOT (-1)*DEPTOT (-1)
-2,933 0,237 -1,949 0,000 I(1) constante
Ni constante, ni
LOG ((1-SDETTEDEPTOT (-1)*DEPTOT (-1))
-1,949 0,9982 -2,935 0,000 I(1) tendance
Ni tendance, ni
LOG(SDETTEPIB)
-2,931 0,0634 -1,949 0,000 I(1) constante
Constante, pas
LOG(SDETTEDEPTOT)
-2,931 0,0772 -1,949 0,000 I(1) de tendance
Source : Nos calculs sous Eviews

Les résultats du test de Phillips et Perron (PP), en niveau et en différence première, ont montré
que pour toutes les séries, à l’exception de la pluviométrie, du ratio des investissements privés,
du service de la dette (dans le PIB et les dépenses totales), du taux de liquidité de l’économie et
enfin du taux d’inflation, l’hypothèse nulle de racine unitaire ne peut être rejetée, étant donné
que leurs p-valeurs associées sont supérieures au seuil de significativité du test qui est de 5%.
Par contre, le test PP, effectué sur les séries en différence première, conclue au rejet de
l’hypothèse de non stationnarité au seuil de 5% pour toutes les séries. Toutes les variables
mises en relief dans le tableau ci-dessus sont donc intégrées d’ordre 1 ou I(1), à l’exception de
celles citées en amont.

Après avoir déterminé l’ordre d’intégration, des séries qui pour l’essentiel sont intégrées
d’ordre 1 I(1), un test de cointégration est effectué afin de déterminer les relations d’équilibre à
long terme entre les variables retenues dans les deux (2) modèles. En effet, deux (2) séries
intégrées de même ordre (d) sont dites cointégrées, s’il existe entre elles une combinaison
linéaire intégrée d’ordre 0. Cela implique qu’au moins un mécanisme de correction d’erreurs
existe et empêche les variables de trop s’éloigner de leur équilibre de long terme.

Plusieurs méthodes permettent de vérifier la non cointégration des variables. Les plus
courantes sont les méthodes à deux (2) étapes d’Engel et Granger (1987) 14et celles de
Johansen (1988).
Pesaran (1987) a indiqué que le test de cointégration en deux (2) étapes d’Engel et Granger
(1987), basé sur les résidus est peu efficace et peut révéler des résultats contradictoires. Pour
cette raison, la procédure de Johansen et Julius (1990) 15 est privilégiée pour réaliser le test de
cointégration de ces séries.

14
Engle R.F., et Granger, C.W.J., (1987) « Cointegration and Error correction : representation, estimation and
testing”, Econometrica
15
Johansen et Julius, K., (1990) « Maximum Likelihood Estimation and Inference on Coitegration Will
Application to the Demand for Money”, Oxford Bulletin of Economics and Statistics, Vol. 52, N° 2, pp. 169-210

66
Comme l’indique le tableau 11 ci-dessous, les résultats montrent qu’il existe au plus une
relation de cointégration entre les variables selon le critère de la valeur propre maximum (max
eigen) au seuil de 5% (Nombre de relations de cointégration par type de modèle).

Tableau 11: Test de cointégration de Johansen des variables

Tendance des
Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5
données:
Pas de Avec Avec Avec Avec
Type
constante constante constante constante constante
Pas de Pas de Avec Avec
Pas Tendance
Tendance tendance tendance tendance
Trace 0 0 0 0 0
Valeur
0 0 0 1 1
propre
Source : calculs des auteurs

Les séries étant non stationnaires et cointégrées, cela signifie qu’une relation peut être estimée
économétriquement entre les variables, en utilisant une représentation à correction d’erreurs
(MCE) qui doit au préalable être validée.

Selon le tableau 12 ci-dessous, le coefficient associé à la force de rappel est négatif mais non
significatif. Ainsi, le modèle à correction d’erreurs n’est pas valable, car le mécanisme à
correction d’erreur n’est pas effectif.
L’estimation du modèle de Scully et de Gallaway sera donc effectuée à l’aide des moindres
carrés généralisés, afin d’enrayer l’autocorrélation des erreurs.
Tableau 12: Estimation du modèle à correction d’erreurs (Dynamique de court terme)
Method: Least Squares
Date: 01/21/15 Time: 14:48
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.021279 0.029346 0.725086 0.4724

D(LOG(DEPTOTPIB(-1)*PIB(-1))) 0.244844 0.101123 2.421252 0.0199
D(LOG((1-DEPTOTPIB(-1))*PIB(-1))) 0.447311 0.261102 1.713168 0.0941
ERREUR (-1) -0.374007 0.346569 -1.079172 0.2867

R-squared 0.183990 Mean dependent var 0.078787

Adjusted R-squared 0.125704 S.D. dependent var 0.109466
S.E. of regression 0.102355 Akaike info criterion -1.637802
Sum squared resid 0.440013 Schwarz criterion -1.478789
Log likelihood 41.66944 F-statistic 3.156663
Durbin-Watson stat 1.981043 Prob(F-statistic) 0.034500
Source : calculs des auteurs

67
 6.2. Estimations et interprétations des modèles

Après évaluation du seuil optimal des dépenses publiques, la part optimale par composante est
mesurée afin d’effectuer une analyse plus détaillée.
Les résultats détaillés des estimations des modèles testés sont consignés en annexes.

6.2.1. Le modèle de Scully

Les estimations des seuils selon l’approche de Scully dérivent de l’équation suivante :
Log ( PIBt )  Log (a)  bLog ( PDPIBt 1PIBt 1 )  cLog ((1  PDPIBt 1 ) PIBt 1 )
Au préalable, le test de Chow, établi pour la période considérée 1965-2013, indique que les
coefficients du modèle sont stables. Il n’y a pas de rupture de régime, autrement dit il n’y a pas
de changements conséquents des grandeurs macroéconomiques à partir de 1994.

Tableau 13: Test de Chow

Chow Breakpoint Test: 1994

F-statistic 2.183886 Probability 0.088739

Log likelihood ratio 9.499391 Probability 0.049760

Source : calculs des auteurs

La méthode de Cochrane Orcutt 16 est appliquée afin de corriger l’autocorrélation des erreurs.

6.2.1.1 Les seuils des composantes des dépenses en proportion du PIB (approche de Scully)

Les résultats des estimations des équations par type de dépenses en proportions du PIB sont les
suivants :

Pour les dépenses totales en % du PIB (DEPTOTPIB):

LOG(PIB) = 1.133969159 + 0.3360247588*LOG(DEPTOTPIB(-1)*PIB(-1)) + 0.6093316368*LOG((1-DEPTOTPIB(-
1))*PIB(-1)) + [AR(1)=0.3884641916] ;

Pour les investissements publics en% du PIB (CAPUBPIB) :

LOG(PIB) = 0.5103989524 + 0.06468464057*LOG(CAPUBPIB(-1)*PIB(-1)) + 0.9073872499*LOG((1-CAPUBPIB(-
1))*PIB(-1)) + [AR(1)=0.3334188621] ;

Pour les investissements privés en% du PIB (CAPRIVPIB) :

LOG(PIB) = 0.329823292 + 0.09379506379*LOG(CAPRIVPIB(-1)*PIB(-1)) + 0.9092945196*LOG((1-CAPRIVPIB(-
1))*PIB(-1));

16
Développée par D.Cochrane et G. Orcutt en 1949, l’estimation de Cochrane-Orcutt est une méthode très
employée en économétrie, permettant de prendre en compte une corrélation type AR(1) dans le terme d’erreurs du
modèle linéaire classique. En effet, dans le cas où le terme d’erreurs est généré selon un processus AR(1), les
méthodes d’estimation usuelles ne sont pas adaptées car les écarts-type sont estimés avec un biais. C’est une des
techniques des moindres carrés généralisés.

68
Pour les salaires en % du PIB (SALPIB) :
LOG(PIB) = 0.1811320045 + 0.04400323928*LOG(SALPIB(-1)*PIB(-1)) + 0.9560351111*LOG((1-SALPIB(-1))*PIB(-1))
+ [AR(1)=0.301471477] ;

Pour les transferts et subventions en % du PIB (TSUBVPIB) :

LOG(PIB) = 1.042286584 + 0.1296427766*LOG(TSUBVPIB(-1)*PIB(-1)) + 0.8069393886*LOG((1-TSUBVPIB(-1))*PIB(-
1)) ;

Pour le service de la dette publique en % du PIB (SDETTEPIB) :

LOG(PIB) = 0.3287335716 + 0.003799758915*LOG(SDETTEPIB(-1)*PIB(-1)) + 0.9669085938*LOG((1-SDETTEPIB(-
1))*PIB(-1)) + [AR(1)=0.2486742588] ;

L’ensemble de ces résultats est résumé dans le tableau qui suit :

Tableau 14: Seuil des composantes des dépenses en % du PIB

Modèle de Scully deptotpib capubpib salpib tsubvpib sdettepib
2013 32,6% 18,1% 5,39% 6,8% 0,5%
Seuil optimal 33,6% 6,5% 4,0% 12,9% 0,4%
Moyenne 1965-2013 18,3% 6,8% 4,3% 2,1% 1,5%
Moyenne 2000-2013 22,4% 9,8% 3,9% 4,2% 1,0%
Source : calculs des auteurs

Le seuil optimal des dépenses publiques qui a été estimé sur la période d’estimation (1965-
2013) est de 33,6%, il est supérieur à celui réalisé sur toute la période considérée (18,3%) et
2011-2013 (30,4%). Ceci légitime une nécessité pour l’Etat d’effectuer encore plus d’efforts
dans l’allocation de ses ressources.

Ces efforts devraient être axés sur une plus grande maîtrise de la masse salariale qui est
supérieure au seuil (4,0%), sur une politique d’investissements moins expansive et sur les
recommandations communautaires invitant les Etats membres à réduire leur dépenses de
transfert, car le seuil est de 12,9% et est supérieur à la moyenne enregistrée. Les seuils
obtenus, en appliquant les modèles, sont relativement inférieurs aux réalisations.

6.2.1.2 Les parts optimales dans les dépenses totales

Les résultats des estimations des équations des parts optimales de chaque dépense dans les
dépenses totales sont les suivants :

Pour les investissements publics en% des DEPTOT

LOG(DEPTOT) = 0.815460 + 0.36200*LOG(CAPUBDEPTOT(-1)*DEPTOT(-1)) + 0.664266*LOG((1-CAPUBDEPTOT(-
1))*DEPTOT(-1)) + [AR(1)=0.487119] ;

Pour les salaires en % des DEPTOT

LOG(DEPTOT) = 0.8343473575 + 0.2631992029*LOG(SALDEPTOT(-1)*DEPTOT(-1)) + 0.7088994897*LOG((1-
SALDEPTOT(-1))*DEPTOT(-1))

69
Pour les transferts et subventions en% des DEPTOT
LOG(DEPTOT) = 1.168687947 + 0.3049295931*LOG(TSUBVDEPTOT(-1)*DEPTOT(-1)) + 0.6397789162*LOG((1-
TSUBVDEPTOT(-1))*DEPTOT(-1)) ;

Pour le service de la dette en% des DEPTOT

LOG(PIB) = 0.3287335716 + 0.003799758915*LOG(SDETTEPIB(-1)*PIB(-1)) + 0.9669085938*LOG((1-SDETTEPIB(-
1))*PIB(-1)) + [AR(1)=0.2486742588]

L’ensemble de ces résultats est résumé dans le tableau qui suit :

Tableau 15: Part optimale des composantes en % des dépenses totales

Modèle de Scully capubdeptot saldeptot tsubvdeptot sdettedeptot
2013 55,60% 16,52% 20,92% 1,6%
Part optimale 36,2% 26,3% 30,40% 7,1%
Moyenne 1965-2013 33,9% 26,2% 10,5% 7,9%
Moyenne 2000-2013 43,5% 17,9% 17,2% 5,0%
Source : Calculs des auteurs

Il ressort des estimations effectuées ci-dessus que la part optimale des investissements publics
est de 36,2%, celle des salaires dans les dépenses totales 26,3%, celle des transferts et
subventions de 30,4%. De cette analyse, il apparait donc que, pour la période considérée
(1965-2013), la part optimale de chacune des composantes de dépenses publiques sont toutes
supérieures à leur moyenne observée à l’exception des investissements publics 55,6% >36,2%).

6.2.2. Le modèle de Vedder et Gallaway (validation de la courbe en U d’Armey

pour les dépenses publiques au Niger)

La taille des dépenses gouvernementales, qui maximise la croissance du PIB, est obtenue selon
le modèle ci-dessous, en utilisant une équation quadratique qui inclut la part des dépenses
publiques dans le PIB (DEPTOT), les exportations (EXPORT) et les importations (IMPORT). La
variable DEPTOT2, qui représente la part des dépenses publiques dans le PIB élevé au carré,
traduit l’effet multiplicateur des dépenses publiques supérieur à 1.

L’estimation du seuil des dépenses publiques selon l’approche de ce modèle dérive de

l’équation suivante :

PIBt  a  bDEPTOTPIBt  DEPTOTPIB2t  EXPORT t  HLPLUVt  IMPORTt  et

Les résultats des estimations de cette équation sont consignés dans le tableau suivant :

70
Tableau 16: Résultats de l’estimation avec toutes les variables
Variable Coefficient E. Type t-Statistic Prob.

C -115.7617 190.6116 -0.607317 0.5470

DEPTOTPIB 90.78743 1543.750 0.058810 0.9534
(DEPTOTPIB) 2 194.2696 4094.843 0.047442 0.9624
EXPORT 0.470389 0.218226 2.155508 0.0370
HPLUV 0.233537 0.104939 2.225448 0.0316
IMPORT 0.005826 0.122606 0.047518 0.9623
AR(1) 1.081412 0.013486 80.18865 0.0000

R-squared 0.996218 Mean dependent var 1007.374

Adjusted R-squared 0.995664 S.D. dependent var 921.5704
S.E. of regression 60.68179 Akaike info criterion 11.18320
Sum squared resid 150973.4 Schwarz criterion 11.45609
Log likelihood -261.3968 Durbin-Watson stat 1.662832

Source: calculs des auteurs

L’introduction du processus autorégressif AR(1) permet d’éliminer l’autocorrélation des erreurs.

Quoique ce modèle présente certaines qualités (R ajusté supérieur à 90%), il ne permet pas de
valider la courbe d’Armey qui stipule l’existence d’un seuil optimal des dépenses publiques en
pourcentage du PIB.

En effet, en remplaçant dans l’équation les coefficients par leur valeur estimée, on obtient la
relation suivante :

PIB = -115,761716 + 90,78743419*DEPTOTPIB + 194,2695596*(DEPTOTPIB)2 +

0,4703889191*EXPORT + 0,2335373234*HPLUV + 0,005825951026*IMPORT +
[AR(1)=1,081411729]. (1)

En dérivant par rapport à la part des dépenses publiques totales dans le PIB (DEPTOTPIB), on
obtient alors l’équation :
90,78743419*DEPTOTPIB + 388,539119 = 0 (2)
Cette équation (1) n’admet pas de solution en DEPTOTPIB.

Pour pallier cet obstacle dans la détermination du seuil DEPTOTPIB* des dépenses publiques
qui maximisent la croissance, l’équation (1) est ré-estimée, en y retranchant les variables
explicatives non significatives au seuil de 5%, autres que la proportion des dépenses publiques.
Le résultat suivant est obtenu:

71
Tableau 17: Résultats de l’estimation sans HPLUV et IMPORT
Variable dépendante : PIB

Variable Coefficient Erreur type t-Statistic Prob.

C -2351.988 468.7341 -5.017743 0.0000

DEPTOTPIB 21311.66 4978.507 4.280733 0.0001
2
(DEPTOTPIB) -51928.73 14572.25 -3.563534 0.0009
EXPORT 5.119682 0.464058 11.03243 0.0000

R-squared 0.898330 Mean dependent var 988.3272

Adjusted R-squared 0.891552 S.D. dependent var 921.6148
S.E. of regression 303.5005 Akaike info criterion 14.34675
Sum squared resid 4145065. Schwarz criterion 14.50119
Log likelihood -347.4954 Durbin-Watson stat 1.557842

Source : calculs des auteurs

Il y a lieu aussi de considérer que la variable « hauteurs pluviométriques (HPLUV) » a été retirée
du fait de sa non significativité dans cette deuxième (2e) estimation. De fait, les autres
coefficients sont tous significatifs.

En remplaçant dans l’équation les coefficients par leur valeur estimée, on obtient la relation
suivante :
PIB = -2351,987651 + 21311,65734*DEPTOTPIB – 51928,72645*(DEPTOTPIB)^2 +
5,119682498*EXPORT (3)

En appliquant la dérivée première, par rapport à la part des dépenses publiques totales dans le
PIB (DEPTOTPIB), on obtient alors l’équation (4) :
-103857,4529 DEPTOT+ 21311,65734=0 (4).
Cette équation (4) admet une solution unique DEPTOT*=0, 20520104 soit 20,5%.

Selon le résultat fourni par l’équation (4), la taille optimale de la dépense publique inspirée du
modèle de Gallaway et Vedder est de 20,5% du PIB pour le Niger.
Il s’agit aussi d’un seuil maximum car la dérivée seconde de l’équation (3) est négative
(d2PIB/d2DEPTOT = -103857,4529 < 0).

Sur la période 1965-2013, la courbe d’Armey pour le Niger est donc valable et indique un seuil
maximum absolu des dépenses publiques égal à 20,5% du PIB.

En outre, le signe des deux (2) variables DEPTOTPIB et DEPTOTPIB2 est comme le suggère le
modèle théorique (Gallaway et Vedder, 2003). Autrement dit, les dépenses publiques et le
multiplicateur des dépenses publiques (les dépenses publiques élevées au carré) exercent
d’une part un effet positif et significatif sur la croissance économique et d’autre part un effet

72
négatif sur la croissance du PIB en cas de dépenses excessives (DEPTOTPIB2), donc non
efficientes.

Les seuils des composantes des dépenses publiques, estimés ci-dessus selon l’approche de
Vedder et Gallaway, adoptent la même démarche.

Les seuils des composantes des dépenses en proportion du PIB (approche de Vedder et
Gallaway)

Les résultats des estimations des équations par type de dépenses en proportions du PIB sont les
suivants :

Pour les investissements publics en% du PIB (CAPUBPIB) :

PIB = -100894.9735*CAPUBPIB2 + 17210.67279*CAPUBPIB + 4.9070647*EXPORT - 811.4666087. Soit CAPUBPIB* =
8,5% ;

Pour les salaires en % du PIB (SALPIB) :

PIB = 516.8311856 + 159906.7163*SALPIB2 - 18141.72503*SALPIB + 0.3526074312*EXPORT +
[AR(1)=1.088145961]. Soit SALPIB* = 5,7% ;

Pour les transferts et subventions en % du PIB (TSUBVPIB) :

PIB = -168.4614788 - 159835.2224*TSUBVPIB2 + 15042.90269*TSUBVPIB + 2.226979061*IMPORT. Soit TSUBVPIB*
= 4,7% ;

Pour le service de la dette publique en % du PIB (SDETTEPIB) :

PIB = -339.1455033 + 14139.5776*SDETTEPIB - 441861.8259*SDETTEPIB2 + 2.036367885*IMPORT +
0.4474470296*EXPORT + 0.2381059797*HPLUV. Soit SDETTEPIB* = 1,6%.

Tableau 18: Seuil des composantes des dépenses et de ses composantes en % du PIB
Modèle de G. et Vedder capubpib salpib tsubvpib sdettepib
2013 18,2% 5,4% 6,8% 0,5%
Seuil optimal 8,5% 5,7% 4,7% 2,2%
Moyenne 1965-2013 6,8% 4,3% 2,1% 1,5%
Moyenne 2000-2013 9,8% 3,9% 4,2% 1,0%
Source : Calculs des auteurs

Les analyses précédentes ont permis de mettre en évidence l’existence d’un niveau optimal des
dépenses publiques au Niger selon deux (2) approches (le modèle développé par Suclly et celui
de Vedder et Gallaway). A l’issue des résultats, il ressort que la taille optimale des dépenses
publiques totales se situe entre 20,5% et 33,6% du PIB, avec un niveau de réalisation de 32,6%
en 2013. Pour les investissements publics, le seuil est compris entre 6,5% et 8,5% du PIB avec
un niveau de réalisation de 18,2% en 2013. En ce qui concerne les salaires, il est compris entre
4,0 et 5,7% du PIB avec un niveau de réalisation de 5,4% du PIB en 2013. S’agissant des
transferts et subventions, il est compris 4,7% et 12,3% du PIB avec un niveau de réalisation de

73
6,8% du PIB en 2013. Enfin, pour ce qui est du service de la dette, il se situerait entre 0,4% et
1,6% du PIB avec un niveau en 2013 de 0,5% du PIB.

Un approfondissement de la problématique de l’impact de la dépense publique de la

croissance, sera abordé ci-dessous, faisant ressortir les dépenses porteuses de croissance et les
principaux canaux de transmission.

74
 VII. IMPACT DES DEPENSES PUBLIQUES SUR LA CROISSANCE ECONOMIQUE
ET L’EMPLOI

Les précédents chapitres ont permis de mettre en évidence les relations empiriques entre
dépenses publiques et croissance économique et entre dépenses publiques et emploi. Cela à
partir de l’exploitation de quelques travaux qui ont été réalisés sur le lien entre les dépenses
publiques et la croissance économique ainsi que l’évolution des dépenses publiques
comparativement à celle de la croissance économique. Pour analyser l’impact des dépenses
publiques sur la croissance et l’emploi, une approche économétrique est utilisée.

Pour l’analyse empirique, l’INS s’est inspiré d’une fonction de croissance qui rassemble
plusieurs des spécifications empiriques utilisées dans les études effectuées depuis celle de
Barro (1990), relatives à l’impact des dépenses publiques sur la croissance économique. En
particulier, les équations développées dans les travaux de TENOU(1999) et de NUBUKPO (2003)
serviront à formuler le modèle économétrique dans lequel la variable emploi est introduite. Les
travaux effectués par ces derniers ont la particularité d’analyser l’effet des dépenses et de leurs
composantes sur la croissance économique des pays de l’UEMOA.

Dès lors, deux (2) spécifications sont retenues pour étudier successivement les effets des
dépenses publiques en termes de volume et de composition. L’étude en termes de volume
consiste à analyser l’impact des dépenses publiques totales sur la croissance, tandis que l ’étude
en termes de composition fait la même analyse sur chacune des grandes composantes des
dépenses publiques (dépenses courantes et d’investissement). Dans les différentes relations
économétriques, les ratios sont calculés à partir des données collectées, seules les variables
indicatrices font exception.

7.1 Description des données du modèle

Les variables explicatives sont constituées des ratios suivants :

 1ère spécification : (dépenses publiques totales/PIB) ; (investissements privés/PIB) ;

(Exportations/PIB) ; (variables indicatrices des années de sécheresse) et variables
indicatrices pour les élections ; (importations de biens d’équipements/PIB) ;
population occupée/PIB, tous pris à l’année t comme la variable dépendante.

 2ème spécification : (dépenses courantes/PIB) ; (dépenses de capital/PIB) ;

(investissement privé/PIB) ; (Exportations/PIB) ; (importations de biens
d’équipements/PIB) ; population occupée/PIB, tous pris à l’année t comme la
variable dépendante.

75
Pour les ratios des dépenses publiques, il est retenu le PIB courant. L’emploi est approximé par
la population en âge de travailler, issue de la base de données du BIT, compte tenu de l’absence
de données fiables et en séries longues sur la population occupée.

Les données utilisées dans cette partie proviennent essentiellement des comptes nationaux de
l’INS et de la balance des paiements de la BCEAO. Ce sont des chiffres en termes réels entre
1965 et 2013. Ils ont été préférés en volume, afin de ne pas traîner les biais dus aux
conversions. On dispose de dix (10) variables :

 TXCE pour le taux de croissance ;

 DEPTOT pour les dépenses publiques totales ;
 DEPCOUR pour les dépenses publiques courantes ;
 CAPUBPIB pour les dépenses en capital ;
 EXPORT pour les exportations ;
 IMPORT pour les importations ;
 CAPRIVPIB pour l’investissement privé ;
 PPOPACTIV pour le ratio Emploi- population active, utilisé comme proxy du niveau de
l’emploi ;
 PLUVIO pour la variable indicatrice des années de sècheresse ;
 ELECTION pour la variable indicatrice des années d’élections.

7.2 Etude de la stationnarité des séries

Les propriétés statistiques et les méthodes d’estimation ne s’appliquent qu’à des séries
stationnaires, c’est-à-dire des séries non tendancielles ni saisonnières. Ainsi, le test de
stationnarité a été réalisé pour toutes les séries.

Tableau 19: Test de racine unitaire sur les séries en niveau

Phillips-Perron
Variables Conclusion
Modèles T-test Valeur critique 5%
TXCE Sans tendance ni constante -4,278381 -1,947975 Stationnaire
DEPTOTPIB Avec tendance et constante -2,588898 -3,506374 Non stationnaire
COURPIB Avec tendance et constante -3,45367 -3,506374 Non stationnaire
CAPUBPIB Avec tendance -2,525032 -3,506374 Non stationnaire
EXPORTPIB Sans tendance ni constante -2,875469 -1,947816 Stationnaire
IMPORTPIB Sans tendance ni constante -2,903538 -1,947816 Stationnaire
CAPRIVPIB Sans tendance ni constante -0,789195 -1,947816 Non stationnaire
PPOPACTIVPIB Sans tendance ni constante -3,914439 -1,947816 Stationnaire
Source : Calculs des auteurs

Au regard de ces résultats, on constate que les séries DEPTOT, DEPCOUR, CAPUBPIB,
CAPRIVPIB, ne sont pas stationnaires en niveau, puisque leurs valeurs empiriques de leurs

76
statistiques, ADF sont supérieures à celles des seuils critiques au seuil de 5%. Il y’a donc lieu
de tester leurs stationnarités sur les séries en différence, suivant leur ordre d’intégration.
Les différentes conclusions issues de ce test sont consignées dans le tableau suivant.

Tableau 20: Test de racine unitaire sur les séries en différence

ADF
Variables Ordre de différenciation Conclusion
T-test Valeur critique 5%
CAPRIVPIB 1 -7,569028 -1.947975 stationnaire

Source : Calculs des auteurs

Les résultats des différents tests indiquent que les séries DEPTOT, DEPCOUR, CAPUBPIB,
CAPRIVPIB sont stationnaires en différence première au seuil de 5%. En effet, les tests ADF
sur les séries d(DEPTOT), d(DEPCOUR), d(CAPUBPIB), d(CAPRIVPIB) ont des T-test inférieurs
aux valeurs critiques au seuil de 5%.

Tableau 21 : Test de racine unitaire sur les séries sans leur tendance
Phillips-Perron Conclusion
Variables ôtées de leur tendance
T-test Valeur critique 5%
CAPUBPIB - 0,0018X-0,0237 -2,646822 -1,947816 stationnaire
COURPIB - 0,0009X-0,0883 -3,537172 -1,947816 stationnaire
DEPTOTPIB - 0,0026X - 0,1176 -2,70288 -1,947816 stationnaire
Source : Calculs des auteurs

7.3 Etude du sens de causalité

La mise en évidence de relations causales entre les variables économiques fournit des
éléments de réflexions propices à une meilleure compréhension des phénomènes
économiques. Aussi, l’ordre des variables étant important dans la modélisation VAR, l’étude
du sens de causalité aidera à ordonner les variables dans l’estimation. Le test de causalité
utilisé est celui de Granger.

Tableau 22: Test de causalité de Granger entre dépenses publiques totales et le taux de
croissance économique

Source : Calculs des auteurs

77
Les variables D(DEPTOT), EXPORTPIB, IMPORTPIB et PPOPACTIV ont des probabilités inférieures
à 0,05 (seuil de 5%). Ce sont ces variables et leurs valeurs retardées qui « causent », au sens de
Granger, le taux de croissance. Autrement dit, les dépenses publiques et leurs valeurs passées
(Lag 1 et Lag 2), le ratio emploi-population active et leurs valeurs passées (Lag 1 et Lag 2), les
exportations et leurs valeurs passées (Lag 1 et Lag 2), les importations et leurs valeurs passées
(Lag 1 et Lag 2), « causent » le taux de croissance.

Le tableau ci-dessous présente le résultat du test de causalité de Granger avec cette fois-ci le
ratio emploi-population active comme variable dépendante.

Tableau 23: Test de causalité de Granger entre dépenses publiques totales et le niveau de
l’emploi

Source : Calculs des auteurs

On retrouve les mêmes variables mises en évidence par le test de causalité pour le taux de
croissance économique. En effet, les variables D(DEPTOT), EXPORTPIB et IMPORTPIB ont des
probabilités inférieures 0,05 (seuil de 5%). Ainsi donc, les dépenses publiques et leurs valeurs
passées (Lag 1 et Lag 2), les exportations et leurs valeurs passées (Lag 1 et Lag 2), les
importations et leurs valeurs passées (Lag 1 et Lag 2), « causent » le niveau de l’emploi.

7.4 Estimation du modèle selon la première spécification

7.4.1. Etude de la cointégration

Le caractère non-stationnaire de certaines séries invite à rechercher la présence d’une relation

de cointégration entre les variables. Pour cela, il est effectué le test multivarié de Johansen
(1988). La procédure du test de Johansen conduit à rejeter, selon la statistique de la valeur
propre maximale au seuil de 5%, la présence d’une relation de cointégration, comme le montre
le tableau synthétique suivant. Nous pouvons donc conclure que les séries ne sont pas
cointégrées.

78
Tableau 24 : Synthèse des résultats du test de cointégration de Johansen

Source : Calculs des auteurs

Le test de cointégration de Johannsen mis en œuvre rejette de l’hypothèse nulle d’existence de

relation de cointégration entre les variables. L’analyse se poursuivra avec un modèle VAR. Ces
modèles permettent d’analyser les effets d’une variable sur l’autre en simulant des chocs. Par
exemple, ce modèle peut permettre de simuler un choc. Il permet d’analyser les effets de la
politique économique par la décomposition de la variance des erreurs. Il permet de déterminer
les délais, la persistance de l’impact de la variation d’une série sur les autres.

Un modèle VAR est spécifié de façon générale par :

Où Y est le vecteur des variables endogènes ; X est le vecteur des variables exogènes. A, B et C
sont les matrices à estimer ; p est le retard optimal du modèle obtenu en minimisant les
critères d’information d’Akaike ou de Schwartz et ε est le vecteur des erreurs.

7.4.2 Détermination du nombre de retard (lag)

La sélection du nombre de retards est réalisée à l’aide des cinq (5) critères suivants : Ratio de
vraisemblance (LR), Final Prediction Error (FPE), Akaike (AIC), Schwarz (SC) et Hannan-
Quinn(HQ). Les retards optimaux fournis par ces critères d’information sont donnés dans le
tableau 25 ci-dessous.

79
Tableau 25: valeurs des critères d’information d’Akaike et de Schwartz pour différents retards

Source : Calculs des auteurs

Quatre (4) critères sur les six (6) militent pour un nombre de retards égale à trois (3). Il sera
retenu trois (3) retards.

7.4.3. Estimation du modèle

L’estimation du modèle VAR est présentée en annexe 1. L’ordre des variables dans l’estimation
du modèle a tenu compte du résultat du test de causalité, mais aussi de l’articulation des
décisions de politique économique. Ainsi, les hypothèses suivantes ont été formulées :

 les autorités publiques prennent d’abord des décisions sur les dépenses publiques
(courantes et de capital), puis sur la consommation publique, avant d’opérer une
prévision en termes de croissance économique ;

 les investissements du secteur privé constituent un facteur potentiel du processus de

création de richesses ;

 la variable indicatrice des années de sécheresses est considérée comme la variable la

plus endogène dans l’économie.

Compte tenu de ces hypothèses, l’ordre suivant a été retenu :

Dépenses publique totales – exportations – Importations – Investissements privés réels –Taux de

croissance – niveau de l’emploi – variables indicatrices des années d’élections –– variable
indicatrice des années de sècheresses.

Les résultats des tests de diagnostics, présentés en annexe indiquent que la spécification
adoptée est satisfaisante. Le test de Jarque-Bera ne permet pas de rejeter l’hypothèse de
normalité des erreurs. Le test de corrélation sérielle du multiplicateur de Lagrange ne révèle
pas l’existence d’autocorrélation d’ordres 1 ou 2. Le test de White ne met en évidence aucun
problème d’hétérocédasticité.

7.4.4. Stationnarité du VAR

Le modèle VAR est stationnaire. La représentation graphique (en annexe 3) des inverses de
racines du polynôme caractéristique du modèle indique que ces derniers sont tous à l’intérieur

80
du cercle unité. Ainsi donc, les racines unitaires sont à l’extérieur du cercle unité et, par
conséquent sont tous de module supérieur à 1. De ce fait, on peut valider les fonctions de
réponse aux chocs sur les innovations, ainsi que la décomposition de la variance de l’erreur de
prévision.

Encadre1 : Théorie de la stationnarité du VAR

Un modèle VAR(p) réduit est stationnaire si le polynôme défini à partir du déterminant :

a ses racines à l’extérieur du cercle unité du plan complexe. Le processus est donc
stationnaire, si toutes les racines sont, en valeurs absolues supérieures à 1, ou de façon
équivalente si l’inverse de toutes les racines sont en valeurs absolues inférieure à 1.

Le test d’hypothèses est :

H0 : l’inverse des racines de la partie autorégressive (AR) appartient au disque

unité complexe ;

H1 : l’inverse des racines de la partie autorégressive (AR) n’appartient pas au

disque unité complexe.

Les inverses des racines sont, en valeurs absolues inférieurs à 1 (annexe 2). On accepte H0 au
seuil de 5%.

7.4.5. Dynamique du VAR

Il s’agit de déterminer le comportement dynamique du taux de croissance suite à un choc sur

les dépenses publiques.

7.4.5.1 Les Fonctions de réponses

L’analyse d’un choc consiste à mesurer l’impact de la variation d’une innovation sur les
variables. Les graphiques qui suivent représentent les réponses à des chocs sur les erreurs des
dépenses publiques totales. Pour chaque variable, le choc est égal à l’écart type de ses erreurs.
L’horizon temporel des réponses est fixé à 10 ans. Les différents chocs effectués sur les
variables sont consignés dans les figures ci-après.

Réponse du taux de croissance et du niveau de l’emploi suite à un choc sur les dépenses
publiques.

81
Il s’agit de déterminer le comportement dynamique du taux de croissance suite à un choc sur
les dépenses publiques

Graphique 20: Réponse du taux de croissance suite à un choc sur les dépenses publiques

Un choc sur les dépenses publiques a une influence instantanée de courte durée sur le taux de
croissance mais qui s’estompe l’année d’après et une seconde influence de durée moyenne qui
s’étale sur six (6) périodes et demi. L’ampleur du choc de la seconde phase évolue en dents de
scie et est maximale à la cinquième (5e) période.

Graphique 21: Réponse de la proportion de la population active suite à un choc sur la

dépense publique totale

Un choc sur les dépenses publiques a un effet instantané sur le niveau de l’emploi et qui dure
quatre (4) périodes environ. L’ampleur du choc est maximale à la seconde période et s’estompe
à la 5ième période.

82
7.4.5.2 Décomposition de la variance

La décomposition de la variance de l’erreur de prévision a pour objectif de calculer pour

chacune des innovations sa contribution à la variance de l’erreur en pourcentage. Quand une
innovation explique une part importante de la variance de l’erreur, on en déduit que
l’économie étudiée est très sensible aux chocs affectant cette série.

Pour le Niger, la décomposition de la variance indique que la variance de l’erreur de prévision

du taux de croissance est due à 30 % à ses propres innovations, à 29% à celui des exportations,
à 10% à celles des importations, à 8% à celles de l’investissement privé, à 3% de celles des
dépenses publiques totales.

La variance de l’erreur de prévision du niveau de l’emploi est due à 45 % à ses propres

innovations, à 39% à celui du taux de croissance économique, à 2% à celles des importations, à
4% à celles des aléas climatiques (années de sècheresse), à 5% à celles des exportations et à 1%
celles des dépenses publiques totales.

On peut donc conclure qu’au Niger, un choc sur les dépenses publiques globales, a un impact
plus grand sur le taux de croissance que sur le niveau de l’emploi.

Tableau 26: Décomposition de la variance pour la première spécification

Source : Calculs des auteurs

83
7.5 Estimation du modèle de la seconde spécification.

Comme pour la spécification précédente, le nombre de retards (lags) a d’abord été déterminé.

7.5.1 Détermination du nombre de retards

La sélection du nombre de retards est réalisée à l’aide des cinq (5) critères suivants : Ratio de
vraisemblance (LR), Final Prediction Error (FPE), Akaike (AIC), Schwarz (SC) et Hannan-
Quinn(HQ). Les retards optimaux fournis par ces critères d’information sont donnés dans le
tableau 27 ci-dessous.

Tableau 27: Valeurs des critères d’information pour différents retards (0 à 3)

Source : Calculs des auteurs

Quatre (4) critères sur les cinq (5) militent pour un nombre de retards égale à trois (3). Il sera
retenu trois (3) retards également.

7.5.2 Estimation de la seconde spécification du modèle

Il sera retenu l’ordre des variables suivants : Dépenses courantes - dépenses en capital -
exportations – Importations - Investissements privés réels - Taux de croissance- Niveau de
l’emploi- variables indicatrices des années d’élections- indicatrice des années de sècheresses.
L’estimation du modèle VAR est présentée en annexe. Les résultats des tests de diagnostics
présentés en annexes indiquent que la spécification adoptée est satisfaisante. Le test de
Jarque-Bera ne permet pas de rejeter l’hypothèse de normalité des erreurs. Le test de
corrélation sérielle du multiplicateur de Lagrange ne révèle pas l’existence d’autocorrélation
d’ordres 1 ou 2. Le test de White ne met en évidence aucun problème d’hétérocédasticité. Pour
le Niger, la spécification du VAR est donc valide.

7.5.3 Stationnarité du VAR seconde spécification

Les inverses des racines sont, en valeur absolue, inférieurs à 1 (annexe 5). On accepte H 0 au
seuil de 5%. Le modèle VAR est stationnaire. La représentation graphique des inverses de
racines du polynôme caractéristique du modèle montre que ces derniers sont tous à l’intérieur
du cercle par conséquent, elles sont toutes de module supérieur à 1. Ainsi, les fonctions de
réponses aux chocs sur les innovations, ainsi que la décomposition de la variance de l’erreur de
prévision, sont validées.

84
 7.5.4 Dynamique du VAR seconde spécification.

L’analyse d’un choc consiste à mesurer l’impact de la variation d’une innovation sur les
variables. Les graphiques qui suivent représentent les réponses à des chocs sur les erreurs des
dépenses publiques totales. Pour chaque variable, le choc est égale à l’écart type de ses
erreurs. L’horizon temporel des réponses est fixé à 10 ans. Les différents chocs effectués sur les
variables sont consignés dans les graphiques 2,3 et 4 ci-après.

7.5.4.1 Réponse du taux de croissance et du niveau d’emploi suite à un choc sur les dépenses
publiques courantes.

Il s’agit de déterminer le comportement dynamique du taux de croissance suite à un choc sur

les dépenses publiques courantes.

Graphique 22: Réponse du taux de croissance suite à un choc sur les dépenses publiques
courantes

Un choc sur les dépenses publiques courantes impacte négativement le taux de croissance sur
environ trois (3) périodes consécutives au choc. Par contre, le même choc impacte
positivement le niveau de l’emploi sur environ cinq (5) périodes (graphique suivant). Les
dépenses courantes sont composées en grande parties des dépenses de traitements (salaires et
indemnités). Cela favorise donc la création d’emploi au détriment de la croissance économique.

85
Graphique 23: Réponse de la proportion de la population active suite à un choc sur les
dépenses publiques courantes

Source : Calculs des auteurs

7.5.4.2 Réponse du taux de croissance et du niveau d’emploi suite à un choc sur les dépenses
publiques d’investissement

Il s’agit de déterminer le comportement dynamique du taux de croissance suite à un choc sur

les dépenses publiques courantes.

Graphique 24: Réponse du taux de croissance suite à un choc sur les dépenses publiques
d’investissement

Un choc sur les dépenses publiques d’investissements a une influence positive et instantanée
de courte durée, qui s’estompe au cours de la cinquième (5e) période. L’ampleur du choc est
maximale à la troisième période. Au cours de la seconde (2nde) période, l’impact s’amplifie, en
augmentant de vitesse. On constate ensuite une baisse au courant de la troisième période, puis
une stagnation à la 4ième période et enfin une baisse en fin de 5ième période : l’effet est donc
globalement positif.

86
Graphique 25: Réponse de la proportion de la population active suite à un choc sur les
dépenses publiques courantes

Un choc sur les dépenses publiques d’investissement a, sur le niveau de l’emploi, une influence
positive, instantanée. Le délai de persistance de ce choc est de l’horizon 2 ans.

La décomposition de la variance indique que la variance de l’erreur de prévision du taux de

croissance est due à 7% à ses propres innovations, à 27% de celles des dépenses publiques
courantes, à 3% de celles des dépenses publiques d’investissement, à 23% à celui des
exportations, à 12% à celles des importations, à 8% à celles de l’investissement privé.

La variance de l’erreur de prévision du niveau de l’emploi est due à 40 % à ses propres

innovations, à 8% à celui du taux de croissance économique, à 14% de celles des dépenses
publiques courantes, à 2% à celles des dépenses publiques d’investissement, à 6% à celles des
importations, à 19% à celles des exportations. Ainsi, pour le Niger, la conclusion qui peut être
tirée est qu’un choc sur la dépense publique courante aurait un impact plus grand sur le taux de
croissance que sur le niveau de l’emploi.

Tableau 28: Décomposition de la variance pour la seconde spécification

Source : Calculs des auteurs

87
Source : Calculs des auteurs

Globalement, les deux (2) composantes de la dépense, en l’occurrence les dépenses courantes
et d’investissements sont toutes deux (2) porteuses de croissance. Toutefois, les résultats
obtenus mettent en relief les effets de l’impact des dépenses d’investissements.

88
CONCLUSION ET RECOMMANDATIONS

L’une des préoccupations majeures de cette étude est d’analyser la qualité de la dépense
publique au Niger et faire avancer les réflexions autour de cette problématique si
importante, compte tenu des enjeux socio-économiques et des défis majeurs que posent
l’impact des politiques et des programmes de développement en vigueur sur l’amélioration
des conditions de vie des populations.

De l’analyse des faits stylisés qui a été effectuée, il ressort une forte progression des
dépenses publiques au Niger de 1965 à 2013, en liaison avec la volonté du Gouvernement
d’accroître les investissements dans les secteurs sociaux de base et les infrastructures.
Cependant, la progression des recettes fiscales et douanières, ainsi que des ressources
extérieures mobilisées, n’a pas été à la hauteur de la forte augmentation des dépenses
publiques, compte tenu de l’importance du secteur informel et des contraintes liées à la
capacité opérationnelle des administrations fiscales et douanières et des autorités à
mobiliser de manière significative les ressources internes et extérieures.

Cette étude a permis de constater, qu’au Niger, le taux de croissance des dépenses
publiques totale évolue plus vite que celui du taux de croissance économique, sur la période
considérée. Ceci est en particulier avéré pour les dépenses d’investissements. La hausse des
dépenses publiques ne s’est pas traduite par une progression sensible de l’emploi mesuré
par le ratio emploi-population active.

Sur le plan de l’efficience des dépenses publiques, appréhendé par le calcul d’indice
d’efficience globale, seul le secteur de santé, au regard des ressources publiques qui y sont
injectées, paraît efficient, en comparaison avec les autres pays membres de l’UEMOA. Ainsi
donc, malgré la faible part relative du PIB allouée à la santé, comparativement à ces pays,
l’espérance de vie à la naissance, qui est choisi comme output, est à un niveau appréciable
au Niger. Par contre, les secteurs de l’éducation et des infrastructures routières sont
beaucoup moins efficients. En effet, avec des dépenses publiques d’éducation moindres, la
plupart des pays membres de l’UEMOA arrivent à assurer une durée moyenne d’études
supérieure à celle du Niger.

Il en est de même pour les infrastructures routières, à l’exception du Bénin et de la Côte

d’Ivoire, si l’on tient compte du pourcentage de kilomètres de routes revêtues. Autrement
dit, les dépenses publiques d’éducation et d’équipement au Niger augmentent beaucoup
plus vite que le taux d’achèvement dans le secteur primaire et la couverture en kilomètre de
routes revêtues, et pour une efficacité moindre. En conclusion, les dépenses publiques dans
les secteurs sociaux de base sont de faible qualité au Niger, comparativement aux autres
pays membres de l’UEMOA.

L’étude a permis aussi de faire ressortir pour le Niger un seuil optimal des dépenses
publiques totales qui se situerait entre 20,5% et 33,6% du PIB avec un niveau de réalisation
de 32,6% du PIB en 2013 selon deux (2) approches. De manière désagrégée, le seuil optimal
des investissements publics du Niger se situerait entre 6,5% et 8,5% du PIB, avec un niveau
de réalisation de 18,2% en 2013, celui des traitements et salaires est entre 5,9% et 6,5% du
PIB avec un niveau de réalisation de 5,4% du PIB en 2013, celui des transferts et subventions

89
se situerait 4,7% et 13,3% du PIB, avec un niveau de réalisation est de 6,8% du PIB en 2013.
Enfin, pour ce qui est du service de la dette, il serait compris entre 0,4% et 1,6% du PIB, avec
un niveau en 2013 de 0,5% du PIB.

Pour la répartition optimale dans l’allocation des ressources du budget, les résultats obtenus
suggèrent que le gouvernement devrait allouer pour les investissements publics 36,2%, pour
les salaires et traitements 26,3%, pour les transferts et subventions 30,4% et pour le
remboursement du service de la dette 7,1%. Or la part optimale de chacune des
composantes de la dépense publique sont toutes inférieures à leur moyenne observée au
cours de la période considérée 1965-2013 à l’exception des transferts et subventions.

Globalement, au Niger, la hausse des dépenses publiques a beaucoup plus d’impact sur la
croissance que sur la création d’emploi. A court terme, les dépenses courantes, composées
essentiellement des salaires et traitements et des subventions, exercent une influence
négative sur la croissance au profit de l’emploi. Les dépenses publiques d’investissement
influencent, à court terme positivement le niveau de l’emploi, et dans un délai de
court/moyen terme la croissance économique. Ainsi, de façon synthétique, les dépenses
publiques courantes ont donc un impact plus grand sur le taux de croissance que sur le
niveau de l’emploi. Les investissements publics sont le canal principal par lequel les
dépenses totales affectent positivement la croissance. Quoique faiblement mises en
évidence, les dépenses courantes ont un impact sur l’emploi et ceci peut se justifier par la
prédominance des dépenses de fonctionnement qui induisent un supplément d’emploi de
main d’œuvre.

Pour une meilleure efficacité/efficience des dépenses publiques au Niger au vu des

principaux résultats de cette étude, le Gouvernement devrait prendre des mesures pour :

- contenir la progression des dépenses publiques en pourcentage du PIB en mettant

l’accent sur la maîtrise de la masse salariale qui reste proche du seuil communautaire
maximal, et une politique d’investissements moins expansives ;

- veiller sur l’efficacité de l’exécution budgétaire ;

- favoriser les investissements créateurs d’emploi notamment en misant sur la

création de zones économiques spéciales (ZES) ;

- procéder à une meilleure répartition des ressources publiques au niveau du secteur

de l’éducation, afin de contribuer à meilleure efficience du secteur.

Comme les résultats de l’étude ont relevé que les différents seuils optimaux de dépenses
publiques étaient pour la plupart des postes budgétaires dépassés par le Niger, le
Gouvernement devrait mettre l’accent sur l’efficacité/l’efficience de ces dépenses par :

- la conduite d’une revue des dépenses publiques dans tous les secteurs ;

- une meilleure répartition des ressources publiques dans les différents secteurs ;

90
- l’identification des niveaux et des sources de gaspillages de ressource publiques ;

- la mise en place d’un Système de Suivi des Dépenses jusqu’à leur Destination (SSDD)
(traçabilité) dans tous les secteurs en vue d’améliorer l’équité des dépenses
publiques ainsi que leur impact sur le bien-être des populations.

91
REFERENCES BIBLIOGRAPHIQUES

Ahiskaye, H. (2012) "Impact de l'éducation sur la croissance économique au Burundi», volet

Socio-économique et Développement ;
Armey, D. and Armey, R. (1995) “The Freedom Revolution: The New Republican house Majority
Leader tells why big Government failed, why freedom works, and how we will rebuild America”,
Washington, D.C., Regnery Publishing Inc;
Armey, R. (1995) "The Freedom Revolution", Regnery Publishing Co., Washington, D.C
Artus, P., Kaabi, M. (1993) « Dépenses Publiques, Progrès Technique et Croissance ». Revue
Economique, 287-318 ;
Aschauer D.A. (1989)" Is public expenditure productive?", Journal of Monetary Economics,
Vol.23, p 177-200;
Ashipala, J. et Haimbodi, N., 2003 "The impact of public investment on economic growth in
Namibia ", Working Paper N°88;
Banque Mondiale. (2011) "Investing for Growth and Jobs", MENA Region EConomic
Developments and prospects, Washington DC;
Barro, R. (1990) “Government Spending in a Simple Model of Endogenous Growth”, Journal of
Political Economy, Vol.98, N°5, Octobre 1990, PP.103-125;
Barro, R., (1988) "Government Spending in a Simple Model of Endogenous Growth”, NBER
Working paper 2588;
Barro, R., (1989) “A Cross- Country Study of Growth, Saving and Government”, NBER, Working
paper N° 2855;
Ben, S. et Hassad, M. (2006), «Efficience du financement des services publics et croissance
économique dans les pays en développement : Analyse en coupe transversale », Journées
scientifiques du réseau, Analyse économique et développement ;
Bental, P., Beusch, A and De Veen, J. (1999) " Employment-Intensive infrastructure programmes
capacity building for contracting in the construction sector" ,Geneve, Department of Politics
development, OIT;
Berndt, E. R, and Hansson, B. (1991) " Mesuring the contribution of public infrastructure capital
in Sweden", Working Papers 3842, NBER, Cambridge, MA;
Bhargava, A., Bundy D. A. P., Jukes, M., and Sachs, J. D. (2001a) “Modeling the effects of health
status and the educational infrastructure on the cognitive development of Tanzanian school
children.”WHO, Commission on Macroeconomics and Health, Working Paper Series, WG1, No. 2,
WHO, Geneva;
Bhargava, A., Jamison, D., Lau, L., & Murray, C. (2001b) “Modeling the effects of health on
economic growth”, Journal of Health Economics, 20(3), 423–440;
Bloom, D., & Malaney, P. (1998) “Macroeconomic consequences of the Russian mortality crisis”
, World Development, 26, 2073–2085;
Buchanan, J, Wagner, R,E.(1977), “Democracy in deficit: the political legacy of Lord Keynes”,
Academin Press, New-York;
Canning, D. (2000) " The contribution of infrastructures to aggregate output ", Working Papers,
Worl Bank;
Cheibani, S.M.O. (2013) " Quelle taille optimale des dépenses publiques pour une croissance
optimale du PIB en Mauritanie", Nouakchott, Mauritanie ;
Cheng, S and W.E.I.,T.(1997) "Government expenditure and economies growth in South Korea, a
VAR approach" Journal of Economies Development, vol .22, p 11-24;
CNUCED. (2002) " Trade and Development" Report Developing Countries, World Bank;
Cochrane, D. and G. H. Orcutt. (1949) "Application of least squares regression to relationships
containing auto-correlated error terms", Journal f the American Statistical Association, 44, 32-61;

92
Commission de l’Union Européenne. (2002) “Public finances in EMU”, European Economy,
Reports and Studies, n° 3;
Commission de l’Union Européenne. (2003) “Can fiscal consolidations in EMU are
expansionary?”;
Devarajan S., Swaroop V., Zou h. (1996) “ The Composition of Public Expenditure and Economic
Growth “, Journal of Monetary Economics, 37, Avril 1996, PP.318-344;
Dickey D.A., et Fuller W.A.(1979) « Distribution of the estimators for autoregressive times series
with a unit root", Journal of the American Statistical Association;
Dickey D.A., et Fuller W.A.(1981) « Likelihood ratio statistics for Autoregressive time series with
a Unit;
Dimicoli, Y. (2014) " De la fiscalité au coût du capital ", Les Dossiers d'Economie et de Politique,
OIT ;
Direction de la Prévision Economique (2014) "Efficience des dépenses publiques au Sénégal ",
Document d'Etudes N028, Dakar, Sénégal ;
Doumbo, S. (2009) « Dépenses publiques et croissance au Mali », Université Félix Houphouët
Boigny, Abidjan, Côte d’Ivoire ;
Dupuis, J. (2014) « Evaluation de l’impact des dépenses publiques gouvernementales sur
l’activité économique et l’emploi au Canada, Mémoire de Maîtrise en Economie, Université du
Québec, Montréal, Canada, Septembre 2014 ;
Durbin, J. and Watson, G. (1960) "Testing for Serial Correlation in Least Squares Regression ",
Biometrica;
Easterly, W. and Rebelo,S. (1993) "Fiscal Policy and Economic Growth: an ampirical
investigations ", Journal of monetary econmics, Vol.55, p 255-276;
Ecole Nationale Supérieure de statistique et d’Economie Appliquée. (2002) « Impact des
dépenses publiques sur la croissance économique du Cameroun», Rapport de stage
MINFI/DP/ENSEA ;
Engle R.F., and Granger, C.W.J.(1987) « Cointegration and Error correction : representation,
estimation and testing”, Econometrica;
Fall, A., Thiaw, K. (2012), « Productivité des dépenses publiques et croissance dans la zone
UEMOA : une analyse bayésienne sur données de panel », Document d’Etudes, Direction de la
Prévision et des Etudes Economiques, Dakar, Sénégal ;
Fonds Monétaire International. (2001), “ Manuel de statistiques de finances publiques”;
Fonds Monétaire International. (2013), « Évaluation des dépenses publiques au Niger et
responsabilité financière (PEFA) », Rapport du FMI No. 13/285, Septembre ;
Fuller, W.A. (1972) "Introduction to Statistical Times Series", Wiley, New York;
Gallaway, L., and Vedder, R.(1995) , “The Impact of the Walfare State on the American
Economy”, Joint Economic Committee of Congress study, Washington, D.C., December;
Ghali, K. (1997), « Export growth and economic growth: The Tunisian experience », Department
of Economics, College of Business and economics. United Arab Emirates University, P.O. Box
17555 Al Ain. The United Arab Emirates;
Granger, C.W.J. (1981) "Some properties of times series data and their use in econometric
mpdel specification", Journal of Econometrics, N016;
Greene, W. (2005) " Econométrie", 5ème édition, Pearson Education, France ;
Gupta, S., Leruth, L., Luiz de Mello, and Shamit Chakravarti. (2001) “Transition Economics: How
Appropriate in The Size and Scope of Government?” IMF Working Paper 01/55, International
Monetary Fund;
Guseh, J.(2007), “Government Size and Economic Growth in Developing Countries: A Political
Economy framework,” Journal of Macroeconomics, Elsevier, Vol. (19(1), pages 175-192, January;
Gwaterney, J., Lawson, R. and Holcombe, R.(1998) , “The Size and Functions of Government and

93
Economic Growths", Joint Economic Committee, Washington, D.C., April;
Hamilton, T. (1994) "Times Series Analysis", New Jersey Princeton University Press;
Hill, R.(2008), “Optimal Taxation and Economic Growth: A Comment”, Public Choice, 134:419-
427;
Hirschman, A.O. (1958) "The Strategy of Economic Development", New Haven Yale University
Press;
Hristo Mavrov. (2007) “The Size of Government Expenditure and the Rate of Economic Growth
in Bulgaria”, Economic Alternatives, Issues, 1, 2007, p. 53-63;
James Gwaterney, Randall Holcombe et Robert Lawson. (2000) «Taille de l’Etat et richesse des
nations », Institut Economique de Montréal ;
Johansen an Julius, K.(1990) « Maximum Likelihood Estimation and Inference on Cointegration
Will Application to the Demand for Money”, Oxford Bulletin of Economics and Statistics, Vol. 52,
N° 2, p. 169-210;
Josaphat,P.Kweka and Oliver, M. (1999) "Government spending and economic growth empirical
evidence from Tanzania (1965-1996)", Credit and School of Economics, University of
Nottingham;
Keho, Y. (2004) « Impact de l’investissement public sur la croissance en Côte d’Ivoire», Politique
Economique et Développement (PED), N° 103, Octobre 2004, CAPEC-CIRES, Abidjan, Côte
d’Ivoire ;
Keho, Y. (2005) « Modélisation VAR et application », Note pédagogique, Ecole Nationale
Supérieure de statistique et d’Economie Appliquée ;
Keho,Y. (2010) “Estimating The Growth-Maximising Tax Rate for Cote d’Ivoire: Evidence and
Implication”, Journal of Economic and International Finance, Vol.2(9), pp. 164- 174, September,
2010;
Keynes, J.M. (1936) "Théorie Générale de l'Emploi, de la Monnaie et de l'Intérêt ", Livres I, II et
III ;
Kucera, D. and Roncalato. (2012) "Structures Matters Sectoral Drivers of Growth and Labour
Productivity-Employment Relationship", ILO Research Paper, N03, OIT, Geneve;
Madariaga, N. (2013) " Croissance et emploi dans les pays du Sud et de la Méditerranée,
Macroéconomie et Développement, AFD ;
Mignon, V. and Lardic, S. (2002) " Econométrie des séries temporelles ", Economica ;
Mills, Ph. et Quinet, A. (1994), « Dépenses publiques et croissance», Revue Française
d’économie, vol. VII, n°3, pp.29-60;
Morley,B. and Perkidis, N. (2000) "Trade liberalization, Government expenditure and Economic
growth in Egypt", Journal of Development Studies, Vol.36, N034 , p.123-133;
Musgrave, R.A. (1959) " The theory of public finance ", New York, USA, Mc Graw Hills;
N’Guessan, A.B. (2007), « Structure des dépenses publiques, investissent privé et croissance
dans les pays de l’UEMOA », BCEAO, Document d’étude et de recherche n°DER/07/04 -
Septembre 2007 ;
Nathanson, R. (2011) "Growth, Economic Policies and Employment Linkages ", Israel,
Employment Working Papers, N083, OIT, Genève;
Nelson, M. and Singh, R. (1994) " The Deficit Growth Connection, Some recent evidence from
devolping countries ", Economic Development and Culture Change, p.167-191;
Nubukpo, K. K. (2003) « Dépenses publiques et croissance des économies de l’UEMOA » CIRAD ;
O.I.T. (2002) " Investissement dans les infrastructures, un outil efficace pour la création de
travail décent", p 1-55, Notes de synthèse du pacte mondial pour l'emploi ;
Ojo,O., and Okishiya,T. (1995) "Determinants of long terms growth: some african results",
Journal of African Economies, Vol 4, N02 , p 163-191;
Ouattara, W. (2013), “ Impact of public expenditure on economic growth in WAEMU countries: a

94
reexamination “,West Africa Institute, Praia, Cape Verde Islands;
Ouattara, W., (2007) « Dépenses Publiques, Corruption et Croissance Économique dans les Pays
de l’Union économique et monétaire ouest-africaine (UEMOA) : une Analyse de la Causalité au
Sens de Granger. », Revue d’Intégration Africaine, Vol.19 pp.481-500 ;
Patrice, O. (2012) « Investissement en Infrastructures Publiques et Performances Economiques
au Cameroun », CEREG, Université de Yaoundé II, Cameroun ;
Peacock, A.T and Wiseman, J. (1967) "The Growth of Public Expenditure in the United Kingdom
1890-1958", London;
Pevcin, P. (2004, a) “Economic Output of The Optimal Size of Government”, EABR et TLC
Conference Proceedings, Selzburg;
Pevcin, P., (2004, b) “Does Optimal Size of Government Exist?”, University of Ljubljana;
Phaneuf, L., et Wasmer, E. (2005) « Une analyse économétrique des dépenses publiques et des
prélèvements sociaux sur l’activité économique au Québec et au Canada », Centre Universitaire
en Analyse des Organisations (CIRANO), Montréal, Québec ;
Phillips, P.C.B., and Perron, P.(1988) "Testing for a Unit Root in Time-Series Regression",
Biometrica 75(2), 335-346;
Rahn, R., et Fox, H.(1996) ", What is the Optimum Size of Government”, Vernon K. Krieble
Foundation;
Ram, R.(1986) “Government Size and Economic Growth: A New framework and Some Evidence
from Cross-Section and Time-Series data”, The American Economic Review, 76, 191-203;
Rosenstein-Rodan, P.N. (1964) "Capital Formation and Economic Development ", MIT Press,
Cambridge;
Safa,D. (1999) "Cointegration analysis causality testing and way law: the case of Turkey, 1950-
1990", Departement of Economics University of Leicester;
Scully, G. (2000) " The Growth-Maximizing Tax Rate”, Pacific Economic Review", Vol.5, N°1;
Scully, G.(1998) , "Measuring the Burden of High Taxes”, National Center for Policy Analysis
Policy Report N°25;
Scully, G., (1994) "what is the Optimal Size of Government in US?”, National Center for Policy
Analysis, Policy report, N°188;
Scully, G., (2003) "Optimal taxation Economic Growth and Income Inequality”, Public Choice
115: 299-312;
TCHIOUTCHOUA, L. S. (2008) Répartition sectorielle des dépenses publiques et croissance
économique en Côte d’Ivoire, ENSEA d’Abidjan, 88 pages ;
Tenou, K. (1999) «Les déterminants de la croissance à long terme dans les pays de l’UEMOA»,
Notes d’Information et Statistiques, Etudes et Recherches, N°493, BCEAO, Juin 1999 ;
Vedder, R., and Gallaway, L. (1998) “Government Size and Economic Growth”, Joint Economic
Committee, Washington, D.C., p. 5;
Wagner, A. (1913) "Les fondements de l'Economie Politique", Paris, 5 volumes ;
White, H. (1980) " A Heteroskedasticity Consistant Covariance Estimator and a Direct Test for
Heteroskedasticity", Econometrica;
Wu, S.Y., Tang, J.H., et Lin, E.S.(2010) « The Impact of Government Expenditure on Economic
Growth: How Sensitive to the Level of Development?”, Journal of Policy Modeling 32: 804-817;
Yogi Rahmayanti et Theara Horn.(2011) “Expenditure Efficiency and the Optimal Size of
Government in Developing Countries”, Global Economy and Finance Journal Vol.4, N°2,
September 2011, pp. 46-59;
Zakane, A. (2003) « Dépenses Publiques Productives, Croissance à Long Terme et Politique
Economique, Essai d’Analyse Econométrique Appliquée au Cas de l’Algérie », Faculté des
Sciences Economiques, Sciences commerciales et Sciences de Gestion, Université d’Alger.

95
ANNEXES

Annexe 1 : Tests de stationnarité

Log(PIB)

Null Hypothesis: LOG(PIB) has a unit root

Exogenous: None
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 3.339760 0.9997

Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.012594

HAC corrected variance (Bartlett kernel) 0.024632

Phillips-Perron Test Equation

Dependent Variable: D(LOG(PIB))
Method: Least Squares
Date: 01/18/15 Time: 17:37
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(PIB(-1)) 0.012008 0.002540 4.728244 0.0000

R-squared -0.050878 Mean dependent var 0.081243

Adjusted R-squared -0.050878 S.D. dependent var 0.110633
S.E. of regression 0.113413 Akaike info criterion -1.494957
Sum squared resid 0.604533 Schwarz criterion -1.455974
Log likelihood 36.87897 Durbin-Watson stat 1.290920

Null Hypothesis: D(LOG(PIB)) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.180049 0.0001

Test critical values: 1% level -3.577723

96
 5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.010430

HAC corrected variance (Bartlett kernel) 0.012219

Phillips-Perron Test Equation

Dependent Variable: D(LOG(PIB),2)
Method: Least Squares
Date: 01/18/15 Time: 17:38
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(PIB(-1))) -0.696911 0.137624 -5.063864 0.0000

C 0.052762 0.018909 2.790284 0.0077

R-squared 0.362992 Mean dependent var -0.004033

Adjusted R-squared 0.348836 S.D. dependent var 0.129339
S.E. of regression 0.104370 Akaike info criterion -1.640133
Sum squared resid 0.490187 Schwarz criterion -1.561403
Log likelihood 40.54312 F-statistic 25.64272
Durbin-Watson stat 1.953106 Prob(F-statistic) 0.000007

Les investissements privés

Null Hypothesis: LOG(CAPRIV) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -4.445969 0.0050

Test critical values: 1% level -4.180911
5% level -3.515523
10% level -3.188259

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.426846

HAC corrected variance (Bartlett kernel) 0.532350

97
Phillips-Perron Test Equation
Dependent Variable: D(LOG(CAPRIV))
Method: Least Squares
Date: 01/18/15 Time: 17:42
Sample (adjusted): 1966 2013
Included observations: 44 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPRIV(-1)) -0.482970 0.110084 -4.387271 0.0001

C 1.159620 0.276477 4.194271 0.0001
@TREND(1965) 0.040169 0.013225 3.037426 0.0041

R-squared 0.333152 Mean dependent var 0.177777

Adjusted R-squared 0.300623 S.D. dependent var 0.809309
S.E. of regression 0.676815 Akaike info criterion 2.122909
Sum squared resid 18.78123 Schwarz criterion 2.244558
Log likelihood -43.70399 F-statistic 10.24165
Durbin-Watson stat 1.948498 Prob(F-statistic) 0.000247

Null Hypothesis: CAPRIVPIB has a unit root

Exogenous: Constant
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.422084 0.1412

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.002702

HAC corrected variance (Bartlett kernel) 0.003211

Phillips-Perron Test Equation

Dependent Variable: D(CAPRIVPIB)
Method: Least Squares
Date: 01/20/15 Time: 23:24
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CAPRIVPIB(-1) -0.192552 0.085058 -2.263788 0.0283

C 0.029185 0.013262 2.200561 0.0328

98
R-squared 0.100240 Mean dependent var 0.004681
Adjusted R-squared 0.080680 S.D. dependent var 0.055375
S.E. of regression 0.053094 Akaike info criterion -2.992724
Sum squared resid 0.129674 Schwarz criterion -2.914757
Log likelihood 73.82538 F-statistic 5.124737
Durbin-Watson stat 2.003937 Prob(F-statistic) 0.028348

Null Hypothesis: LOG(CAPRIVDEPTOT) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.254983 0.0001

Test critical values: 1% level -3.588509
5% level -2.929734
10% level -2.603064

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.383490

HAC corrected variance (Bartlett kernel) 0.497516

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPRIVDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 17:49
Sample (adjusted): 1966 2013
Included observations: 44 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPRIVDEPTOT(-1)) -0.615393 0.117575 -5.234039 0.0000

C -0.253476 0.113607 -2.231167 0.0311

R-squared 0.394770 Mean dependent var 0.068144

Adjusted R-squared 0.380360 S.D. dependent var 0.805210
S.E. of regression 0.633839 Akaike info criterion 1.970344
Sum squared resid 16.87356 Schwarz criterion 2.051444
Log likelihood -41.34758 F-statistic 27.39516
Durbin-Watson stat 1.840616 Prob(F-statistic) 0.000005

Null Hypothesis: CAPRIVDEPTOT has a unit root

99
Exogenous: Constant
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -3.908275 0.0040

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.125528

HAC corrected variance (Bartlett kernel) 0.141726

Phillips-Perron Test Equation

Dependent Variable: D(CAPRIVDEPTOT)
Method: Least Squares
Date: 01/20/15 Time: 23:32
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

CAPRIVDEPTOT(-1) -0.450911 0.118901 -3.792312 0.0004

C 0.329079 0.098184 3.351648 0.0016

R-squared 0.238179 Mean dependent var 0.013809

Adjusted R-squared 0.221618 S.D. dependent var 0.410219
S.E. of regression 0.361920 Akaike info criterion 0.845987
Sum squared resid 6.025360 Schwarz criterion 0.923953
Log likelihood -18.30368 F-statistic 14.38163
Durbin-Watson stat 2.023789 Prob(F-statistic) 0.000434

Null Hypothesis: LOG(CAPRIVPIB) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

100
Phillips-Perron test statistic -4.829369 0.0003
Test critical values: 1% level -3.588509
5% level -2.929734
10% level -2.603064

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.357797

HAC corrected variance (Bartlett kernel) 0.426622

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPRIVPIB))
Method: Least Squares
Date: 01/18/15 Time: 17:53
Sample (adjusted): 1966 2013
Included observations: 44 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPRIVPIB(-1)) -0.506449 0.104619 -4.840881 0.0000

C -1.060866 0.254685 -4.165412 0.0002

R-squared 0.358133 Mean dependent var 0.088221

Adjusted R-squared 0.342851 S.D. dependent var 0.755245
S.E. of regression 0.612237 Akaike info criterion 1.900995
Sum squared resid 15.74305 Schwarz criterion 1.982095
Log likelihood -39.82190 F-statistic 23.43413
Durbin-Watson stat 2.007531 Prob(F-statistic) 0.000018

Les investissements publics

Null Hypothesis: LOG(CAPUB) has a unit root

Exogenous: Constant
Bandwidth: 7 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.109088 0.7049

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.215925

HAC corrected variance (Bartlett kernel) 0.172027

101
Phillips-Perron Test Equation
Dependent Variable: D(LOG(CAPUB))
Method: Least Squares
Date: 01/18/15 Time: 17:55
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPUB(-1)) -0.042414 0.036438 -1.163998 0.2504

C 0.281897 0.139814 2.016227 0.0496

R-squared 0.028611 Mean dependent var 0.140033

Adjusted R-squared 0.007494 S.D. dependent var 0.476461
S.E. of regression 0.474672 Akaike info criterion 1.388388
Sum squared resid 10.36442 Schwarz criterion 1.466355
Log likelihood -31.32132 F-statistic 1.354891
Durbin-Watson stat 2.009469 Prob(F-statistic) 0.250427

Null Hypothesis: D(LOG(CAPUB)) has a unit root

Exogenous: None
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -6.380988 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.245327

HAC corrected variance (Bartlett kernel) 0.250262

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPUB),2)
Method: Least Squares
Date: 01/18/15 Time: 17:57
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(CAPUB(-1))) -0.947891 0.148681 -6.375314 0.0000

102
R-squared 0.469049 Mean dependent var 0.006349
Adjusted R-squared 0.469049 S.D. dependent var 0.687093
S.E. of regression 0.500659 Akaike info criterion 1.475265
Sum squared resid 11.53035 Schwarz criterion 1.514630
Log likelihood -33.66874 Durbin-Watson stat 1.976377

Null Hypothesis: LOG(CAPUBDEPTOT) has a unit root

Exogenous: None
Bandwidth: 29 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.776525 0.0720

Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.116331

HAC corrected variance (Bartlett kernel) 0.044321

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPUBDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 18:11
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPUBDEPTOT(-1)) -0.057839 0.035680 -1.621065 0.1117

R-squared 0.043146 Mean dependent var 0.035478

Adjusted R-squared 0.043146 S.D. dependent var 0.352369
S.E. of regression 0.344683 Akaike info criterion 0.728232
Sum squared resid 5.583908 Schwarz criterion 0.767215
Log likelihood -16.47756 Durbin-Watson stat 2.259298

Null Hypothesis: D(LOG(CAPUBDEPTOT)) has a unit root

Exogenous: None
Bandwidth: 16 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

103
Phillips-Perron test statistic -8.637844 0.0000
Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.122291

HAC corrected variance (Bartlett kernel) 0.060737

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPUBDEPTOT),2)
Method: Least Squares
Date: 01/18/15 Time: 18:11
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(CAPUBDEPTOT(-1))) -1.147578 0.146985 -7.807450 0.0000

R-squared 0.569894 Mean dependent var 0.003951

Adjusted R-squared 0.569894 S.D. dependent var 0.538988
S.E. of regression 0.353482 Akaike info criterion 0.779078
Sum squared resid 5.747673 Schwarz criterion 0.818443
Log likelihood -17.30833 Durbin-Watson stat 1.974164

Null Hypothesis: LOG(CAPUBPIB) has a unit root

Exogenous: None
Bandwidth: 45 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.074477 0.0377

Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.205130

HAC corrected variance (Bartlett kernel) 0.049910

104
Phillips-Perron Test Equation
Dependent Variable: D(LOG(CAPUBPIB))
Method: Least Squares
Date: 01/18/15 Time: 18:14
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(CAPUBPIB(-1)) -0.029583 0.021095 -1.402357 0.1674

R-squared 0.024385 Mean dependent var 0.058789

Adjusted R-squared 0.024385 S.D. dependent var 0.463391
S.E. of regression 0.457706 Akaike info criterion 1.295433
Sum squared resid 9.846251 Schwarz criterion 1.334417
Log likelihood -30.09040 Durbin-Watson stat 2.167705

Null Hypothesis: D(LOG(CAPUBPIB)) has a unit root

Exogenous: None
Bandwidth: 18 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.652747 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.216761

HAC corrected variance (Bartlett kernel) 0.128416

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPUBPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 18:15
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(CAPUBPIB(-1))) -1.082975 0.148421 -7.296643 0.0000

R-squared 0.536375 Mean dependent var 0.010382

Adjusted R-squared 0.536375 S.D. dependent var 0.691157

105
S.E. of regression 0.470609 Akaike info criterion 1.351468
Sum squared resid 10.18774 Schwarz criterion 1.390833
Log likelihood -30.75950 Durbin-Watson stat 2.005434

Null Hypothesis: D(LOG(CAPUBPIB)) has a unit root

Exogenous: None
Bandwidth: 18 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.652747 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.216761

HAC corrected variance (Bartlett kernel) 0.128416

Phillips-Perron Test Equation

Dependent Variable: D(LOG(CAPUBPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 18:15
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(CAPUBPIB(-1))) -1.082975 0.148421 -7.296643 0.0000

R-squared 0.536375 Mean dependent var 0.010382

Adjusted R-squared 0.536375 S.D. dependent var 0.691157
S.E. of regression 0.470609 Akaike info criterion 1.351468
Sum squared resid 10.18774 Schwarz criterion 1.390833
Log likelihood -30.75950 Durbin-Watson stat 2.005434

Dépenses courantes

Null Hypothesis: LOG(COUR) has a unit root

Exogenous: None
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

106
Phillips-Perron test statistic 4.031320 1.0000
Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.018797

HAC corrected variance (Bartlett kernel) 0.020004

Phillips-Perron Test Equation

Dependent Variable: D(LOG(COUR))
Method: Least Squares
Date: 01/18/15 Time: 18:20
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(COUR(-1)) 0.019437 0.004666 4.165948 0.0001

R-squared -0.064256 Mean dependent var 0.089865

Adjusted R-squared -0.064256 S.D. dependent var 0.134304
S.E. of regression 0.138551 Akaike info criterion -1.094538
Sum squared resid 0.902234 Schwarz criterion -1.055555
Log likelihood 27.26892 Durbin-Watson stat 1.805706

Null Hypothesis: D(LOG(COUR)) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -6.302184 0.0000

Test critical values: 1% level -3.577723
5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.017969

HAC corrected variance (Bartlett kernel) 0.015865

107
Phillips-Perron Test Equation
Dependent Variable: D(LOG(COUR),2)
Method: Least Squares
Date: 01/18/15 Time: 21:32
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(COUR(-1))) -0.968194 0.152873 -6.333340 0.0000

C 0.087896 0.024641 3.567013 0.0009

R-squared 0.471280 Mean dependent var -0.003419

Adjusted R-squared 0.459531 S.D. dependent var 0.186346
S.E. of regression 0.136995 Akaike info criterion -1.096118
Sum squared resid 0.844548 Schwarz criterion -1.017388
Log likelihood 27.75877 F-statistic 40.11120
Durbin-Watson stat 1.926155 Prob(F-statistic) 0.000000

Null Hypothesis: LOG(COURDEPTOT) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.032295 0.2725

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.018142

HAC corrected variance (Bartlett kernel) 0.018536

Phillips-Perron Test Equation

Dependent Variable: D(LOG(COURDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 18:23
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(COURDEPTOT(-1)) -0.156359 0.077611 -2.014647 0.0498

C -0.089259 0.042005 -2.124969 0.0390

108
R-squared 0.081081 Mean dependent var -0.014690
Adjusted R-squared 0.061104 S.D. dependent var 0.141996
S.E. of regression 0.137590 Akaike info criterion -1.088309
Sum squared resid 0.870822 Schwarz criterion -1.010342
Log likelihood 28.11941 F-statistic 4.058804
Durbin-Watson stat 1.688419 Prob(F-statistic) 0.049809

Null Hypothesis: D(LOG(COURDEPTOT)) has a unit root

Exogenous: None
Bandwidth: 5 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.916094 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.020271

HAC corrected variance (Bartlett kernel) 0.016350

Phillips-Perron Test Equation

Dependent Variable: D(LOG(COURDEPTOT),2)
Method: Least Squares
Date: 01/18/15 Time: 18:25
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(COURDEPTOT(-1))) -0.929950 0.154756 -6.009139 0.0000

R-squared 0.439250 Mean dependent var -0.005818

Adjusted R-squared 0.439250 S.D. dependent var 0.192189
S.E. of regression 0.143917 Akaike info criterion -1.018110
Sum squared resid 0.952760 Schwarz criterion -0.978745
Log likelihood 24.92558 Durbin-Watson stat 1.883778

Null Hypothesis: LOG(COURPIB) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

109
Phillips-Perron test statistic -3.361107 0.0689
Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.016069

HAC corrected variance (Bartlett kernel) 0.017009

Phillips-Perron Test Equation

Dependent Variable: D(LOG(COURPIB))
Method: Least Squares
Date: 01/18/15 Time: 18:29
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(COURPIB(-1)) -0.393886 0.119520 -3.295570 0.0019

C -0.949862 0.289890 -3.276632 0.0020
@TREND(1965) 0.003219 0.001599 2.013582 0.0501

R-squared 0.196144 Mean dependent var 0.008621

Adjusted R-squared 0.160417 S.D. dependent var 0.142882
S.E. of regression 0.130921 Akaike info criterion -1.167978
Sum squared resid 0.771318 Schwarz criterion -1.051028
Log likelihood 31.03147 F-statistic 5.490078
Durbin-Watson stat 1.825639 Prob(F-statistic) 0.007354

Null Hypothesis: D(LOG(COURPIB)) has a unit root

Exogenous: None
Bandwidth: 5 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -8.023893 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.019119

HAC corrected variance (Bartlett kernel) 0.014889

110
Phillips-Perron Test Equation
Dependent Variable: D(LOG(COURPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 18:30
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(COURPIB(-1))) -1.135976 0.145130 -7.827323 0.0000

R-squared 0.571160 Mean dependent var 0.000614

Adjusted R-squared 0.571160 S.D. dependent var 0.213432
S.E. of regression 0.139768 Akaike info criterion -1.076618
Sum squared resid 0.898615 Schwarz criterion -1.037253
Log likelihood 26.30052 Durbin-Watson stat 1.955758

Dépenses totales

Null Hypothesis: LOG(DEPTOT) has a unit root

Exogenous: None
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 2.997495 0.9991

Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.033724

HAC corrected variance (Bartlett kernel) 0.046365

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 18:33
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(DEPTOT(-1)) 0.019947 0.005596 3.564494 0.0008

111
R-squared -0.056876 Mean dependent var 0.104554
Adjusted R-squared -0.056876 S.D. dependent var 0.180521
S.E. of regression 0.185584 Akaike info criterion -0.510003
Sum squared resid 1.618750 Schwarz criterion -0.471020
Log likelihood 13.24007 Durbin-Watson stat 1.637742

Null Hypothesis: D(LOG(DEPTOT)) has a unit root

Exogenous: Constant
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.759787 0.0000

Test critical values: 1% level -3.577723
5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.031839

HAC corrected variance (Bartlett kernel) 0.031980

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOT),2)
Method: Least Squares
Date: 01/18/15 Time: 18:34
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(DEPTOT(-1))) -0.850235 0.147674 -5.757496 0.0000

C 0.089822 0.030628 2.932642 0.0053

R-squared 0.424175 Mean dependent var 0.002399

Adjusted R-squared 0.411379 S.D. dependent var 0.237686
S.E. of regression 0.182357 Akaike info criterion -0.524082
Sum squared resid 1.496430 Schwarz criterion -0.445352
Log likelihood 14.31592 F-statistic 33.14876
Durbin-Watson stat 1.986829 Prob(F-statistic) 0.000001

Null Hypothesis: LOG(DEPTOTPIB) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 2 (Newey-West using Bartlett kernel)

112
 Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.729016 0.2302

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.023790

HAC corrected variance (Bartlett kernel) 0.020496

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOTPIB))
Method: Least Squares
Date: 01/18/15 Time: 18:35
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(DEPTOTPIB(-1)) -0.326941 0.112884 -2.896254 0.0058

C -0.677552 0.243622 -2.781158 0.0079
@TREND(1965) 0.005170 0.002353 2.197703 0.0332

R-squared 0.157786 Mean dependent var 0.023311

Adjusted R-squared 0.120354 S.D. dependent var 0.169846
S.E. of regression 0.159298 Akaike info criterion -0.775622
Sum squared resid 1.141910 Schwarz criterion -0.658672
Log likelihood 21.61493 F-statistic 4.215292
Durbin-Watson stat 1.940489 Prob(F-statistic) 0.020990

Null Hypothesis: D(LOG(DEPTOTPIB)) has a unit root

Exogenous: None
Bandwidth: 11 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -8.069776 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.028116

113
HAC corrected variance (Bartlett kernel) 0.021574

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOTPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 18:36
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(DEPTOTPIB(-1))) -1.137801 0.144893 -7.852669 0.0000

R-squared 0.572478 Mean dependent var 0.006432

Adjusted R-squared 0.572478 S.D. dependent var 0.259219
S.E. of regression 0.169491 Akaike info criterion -0.690991
Sum squared resid 1.321446 Schwarz criterion -0.651626
Log likelihood 17.23828 Durbin-Watson stat 2.064496

Dette

Null Hypothesis: LOG(DETTE) has a unit root

Exogenous: Constant
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -3.081783 0.0355

Test critical values: 1% level -3.592462
5% level -2.931404
10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.074909

HAC corrected variance (Bartlett kernel) 0.070686

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DETTE))
Method: Least Squares
Date: 01/18/15 Time: 18:42
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

114
 LOG(DETTE(-1)) -0.092647 0.030578 -3.029854 0.0042
C 0.620831 0.177142 3.504703 0.0011

R-squared 0.182942 Mean dependent var 0.099975

Adjusted R-squared 0.163013 S.D. dependent var 0.306372
S.E. of regression 0.280290 Akaike info criterion 0.339415
Sum squared resid 3.221072 Schwarz criterion 0.421331
Log likelihood -5.297412 F-statistic 9.180014
Durbin-Watson stat 2.100900 Prob(F-statistic) 0.004224

Null Hypothesis: LOG(DETTEDEPTOT) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -0.772412 0.9603

Test critical values: 1% level -4.186481
5% level -3.518090
10% level -3.189732

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.076436

HAC corrected variance (Bartlett kernel) 0.060688

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DETTEDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 18:45
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(DETTEDEPTOT(-1)) -0.054127 0.057862 -0.935456 0.3552

C 0.236436 0.111847 2.113916 0.0408
@TREND(1965) -0.007559 0.003526 -2.143950 0.0382

R-squared 0.123722 Mean dependent var -0.008207

Adjusted R-squared 0.079908 S.D. dependent var 0.298839
S.E. of regression 0.286650 Akaike info criterion 0.406107
Sum squared resid 3.286738 Schwarz criterion 0.528982
Log likelihood -5.731308 F-statistic 2.823802
Durbin-Watson stat 2.402590 Prob(F-statistic) 0.071259

115
Null Hypothesis: D(LOG(DETTEDEPTOT)) has a unit root
Exogenous: Constant, Linear Trend
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -8.013286 0.0000

Test critical values: 1% level -4.192337
5% level -3.520787
10% level -3.191277

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.075061

HAC corrected variance (Bartlett kernel) 0.074620

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DETTEDEPTOT),2)
Method: Least Squares
Date: 01/18/15 Time: 18:46
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(DETTEDEPTOT(-1))) -1.246531 0.155657 -8.008219 0.0000

C 0.246641 0.113922 2.165000 0.0366
@TREND(1965) -0.009524 0.003837 -2.481858 0.0175

R-squared 0.621975 Mean dependent var -0.005605

Adjusted R-squared 0.602589 S.D. dependent var 0.451003
S.E. of regression 0.284315 Akaike info criterion 0.391282
Sum squared resid 3.152568 Schwarz criterion 0.515401
Log likelihood -5.216924 F-statistic 32.08384
Durbin-Watson stat 1.984562 Prob(F-statistic) 0.000000

Null Hypothesis: LOG(DETTEPIB) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.861037 0.3470

Test critical values: 1% level -3.592462
5% level -2.931404

116
 10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.081853

HAC corrected variance (Bartlett kernel) 0.083340

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DETTEPIB))
Method: Least Squares
Date: 01/18/15 Time: 18:47
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(DETTEPIB(-1)) -0.108433 0.058436 -1.855581 0.0707

C -0.085712 0.070912 -1.208713 0.2337

R-squared 0.077474 Mean dependent var 0.016464

Adjusted R-squared 0.054973 S.D. dependent var 0.301397
S.E. of regression 0.292995 Akaike info criterion 0.428073
Sum squared resid 3.519691 Schwarz criterion 0.509990
Log likelihood -7.203577 F-statistic 3.443180
Durbin-Watson stat 2.025848 Prob(F-statistic) 0.070712

Null Hypothesis: D(LOG(DETTEPIB)) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 6 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.677947 0.0000

Test critical values: 1% level -4.192337
5% level -3.520787
10% level -3.191277

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.079556

HAC corrected variance (Bartlett kernel) 0.052450

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DETTEPIB),2)

117
Method: Least Squares
Date: 01/18/15 Time: 18:48
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(DETTEPIB(-
1))) -1.166551 0.159119 -7.331308 0.0000
C 0.250066 0.118482 2.110589 0.0413
@TREND(1965) -0.008611 0.003954 -2.177925 0.0355

R-squared 0.579888 Mean dependent var -0.003921

Adjusted R-squared 0.558344 S.D. dependent var 0.440438
S.E. of regression 0.292703 Akaike info criterion 0.449434
Sum squared resid 3.341331 Schwarz criterion 0.573553
Log likelihood -6.438113 F-statistic 26.91617
Durbin-Watson stat 2.019963 Prob(F-statistic) 0.000000

Export

Null Hypothesis: LOG(EXPORT) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.006772 0.9334

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.032718

HAC corrected variance (Bartlett kernel) 0.024385

Phillips-Perron Test Equation

Dependent Variable: D(LOG(EXPORT))
Method: Least Squares
Date: 01/18/15 Time: 18:49
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(EXPORT(-1)) -0.129928 0.091934 -1.413274 0.1645

118
 C 0.604953 0.444274 1.361666 0.1801
@TREND(1965) 0.005417 0.002937 1.844284 0.0717

R-squared 0.070320 Mean dependent var 0.038416

Adjusted R-squared 0.029001 S.D. dependent var 0.189583
S.E. of regression 0.186814 Akaike info criterion -0.456950
Sum squared resid 1.570469 Schwarz criterion -0.340000
Log likelihood 13.96679 F-statistic 1.701868
Durbin-Watson stat 2.490638 Prob(F-statistic) 0.193868

Null Hypothesis: D(LOG(EXPORT)) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -10.91779 0.0000

Test critical values: 1% level -4.165756
5% level -3.508508
10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.027114

HAC corrected variance (Bartlett kernel) 0.022854

Phillips-Perron Test Equation

Dependent Variable: D(LOG(EXPORT),2)
Method: Least Squares
Date: 01/18/15 Time: 18:50
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(EXPORT(-1))) -1.396401 0.133008 -10.49864 0.0000

C -0.055884 0.052142 -1.071779 0.2897
@TREND(1965) 0.004158 0.001859 2.236716 0.0304

R-squared 0.714990 Mean dependent var -0.005535

Adjusted R-squared 0.702035 S.D. dependent var 0.311773
S.E. of regression 0.170185 Akaike info criterion -0.642161
Sum squared resid 1.274368 Schwarz criterion -0.524066
Log likelihood 18.09078 F-statistic 55.19035
Durbin-Watson stat 2.102873 Prob(F-statistic) 0.000000

119
Null Hypothesis: LOG(EXPORTPIB) has a unit root
Exogenous: Constant
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.899336 0.3299

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.024893

HAC corrected variance (Bartlett kernel) 0.029387

Phillips-Perron Test Equation

Dependent Variable: D(LOG(EXPORTPIB))
Method: Least Squares
Date: 01/18/15 Time: 18:51
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(EXPORTPIB(-1)) -0.053572 0.027515 -1.946973 0.0577

C -0.094758 0.035391 -2.677429 0.0103

R-squared 0.076133 Mean dependent var -0.042828

Adjusted R-squared 0.056049 S.D. dependent var 0.165883
S.E. of regression 0.161167 Akaike info criterion -0.771977
Sum squared resid 1.194842 Schwarz criterion -0.694010
Log likelihood 20.52745 F-statistic 3.790704
Durbin-Watson stat 2.172719 Prob(F-statistic) 0.057659

Null Hypothesis: D(LOG(EXPORTPIB)) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.680473 0.0000

Test critical values: 1% level -4.165756

120
 5% level -3.508508
10% level -3.184230

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.024636

HAC corrected variance (Bartlett kernel) 0.032778

Phillips-Perron Test Equation

Dependent Variable: D(LOG(EXPORTPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 18:52
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(EXPORTPIB(-1))) -1.144821 0.147738 -7.749001 0.0000

C -0.148607 0.052819 -2.813494 0.0073
@TREND(1965) 0.003910 0.001807 2.164309 0.0359

R-squared 0.577212 Mean dependent var -0.001502

Adjusted R-squared 0.557994 S.D. dependent var 0.244004
S.E. of regression 0.162223 Akaike info criterion -0.737991
Sum squared resid 1.157914 Schwarz criterion -0.619896
Log likelihood 20.34278 F-statistic 30.03549
Durbin-Watson stat 1.892748 Prob(F-statistic) 0.000000

La pluviométrie

Null Hypothesis: LOG(HPLUV) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.594742 0.0000

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.030506

HAC corrected variance (Bartlett kernel) 0.035497

121
Phillips-Perron Test Equation
Dependent Variable: D(LOG(HPLUV))
Method: Least Squares
Date: 01/18/15 Time: 20:44
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(HPLUV(-1)) -0.784682 0.143055 -5.485194 0.0000

C 4.639199 0.846525 5.480285 0.0000

R-squared 0.395432 Mean dependent var -0.002007

Adjusted R-squared 0.382289 S.D. dependent var 0.227009
S.E. of regression 0.178417 Akaike info criterion -0.568611
Sum squared resid 1.464304 Schwarz criterion -0.490644
Log likelihood 15.64666 F-statistic 30.08736
Durbin-Watson stat 2.133961 Prob(F-statistic) 0.000002

Null Hypothesis: LOG(HPLUVPIB) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.285842 0.4332

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.048633

HAC corrected variance (Bartlett kernel) 0.037937

Phillips-Perron Test Equation

Dependent Variable: D(LOG(HPLUVPIB))
Method: Least Squares
Date: 01/18/15 Time: 20:46
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(HPLUVPIB(-1)) -0.222662 0.089852 -2.478096 0.0170

122
 C 0.196720 0.141825 1.387066 0.1723
@TREND(1965) -0.015393 0.007115 -2.163656 0.0358

R-squared 0.124659 Mean dependent var -0.083250

Adjusted R-squared 0.085755 S.D. dependent var 0.238203
S.E. of regression 0.227760 Akaike info criterion -0.060585
Sum squared resid 2.334364 Schwarz criterion 0.056365
Log likelihood 4.454031 F-statistic 3.204257
Durbin-Watson stat 2.537195 Prob(F-statistic) 0.050003

Null Hypothesis: D(LOG(HPLUVPIB)) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -10.41913 0.0000

Test critical values: 1% level -3.577723
5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.046212

HAC corrected variance (Bartlett kernel) 0.047099

Phillips-Perron Test Equation

Dependent Variable: D(LOG(HPLUVPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 20:48
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(HPLUVPIB(-1))) -1.416789 0.135463 -10.45888 0.0000

C -0.112168 0.033795 -3.319088 0.0018

R-squared 0.708527 Mean dependent var 7.58E-05

Adjusted R-squared 0.702050 S.D. dependent var 0.402482
S.E. of regression 0.219694 Akaike info criterion -0.151541
Sum squared resid 2.171945 Schwarz criterion -0.072811
Log likelihood 5.561215 F-statistic 109.3882
Durbin-Watson stat 1.973376 Prob(F-statistic) 0.000000

123
Importations

Null Hypothesis: LOG(IMPORT) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 6 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.135287 0.5136

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.017262

HAC corrected variance (Bartlett kernel) 0.015041

Phillips-Perron Test Equation

Dependent Variable: D(LOG(IMPORT))
Method: Least Squares
Date: 01/18/15 Time: 20:49
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(IMPORT(-1)) -0.214969 0.094466 -2.275631 0.0277

C 0.978018 0.427079 2.290013 0.0268
@TREND(1965) 0.012575 0.004975 2.527579 0.0151

R-squared 0.128902 Mean dependent var 0.052515

Adjusted R-squared 0.090186 S.D. dependent var 0.142259
S.E. of regression 0.135693 Akaike info criterion -1.096384
Sum squared resid 0.828565 Schwarz criterion -0.979434
Log likelihood 29.31322 F-statistic 3.329467
Durbin-Watson stat 1.890787 Prob(F-statistic) 0.044824

Null Hypothesis: D(LOG(IMPORT)) has a unit root

Exogenous: Constant
Bandwidth: 12 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.292004 0.0000

Test critical values: 1% level -3.577723

124
 5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.019975

HAC corrected variance (Bartlett kernel) 0.010846

Phillips-Perron Test Equation

Dependent Variable: D(LOG(IMPORT),2)
Method: Least Squares
Date: 01/18/15 Time: 20:53
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(IMPORT(-1))) -1.027812 0.148280 -6.931559 0.0000

C 0.051734 0.022514 2.297859 0.0263

R-squared 0.516371 Mean dependent var -0.003280

Adjusted R-squared 0.505624 S.D. dependent var 0.205426
S.E. of regression 0.144439 Akaike info criterion -0.990294
Sum squared resid 0.938822 Schwarz criterion -0.911564
Log likelihood 25.27191 F-statistic 48.04651
Durbin-Watson stat 1.908029 Prob(F-statistic) 0.000000

Null Hypothesis: LOG(IMPORTPIB) has a unit root

Exogenous: Constant
Bandwidth: 10 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.353893 0.1600

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.027978

HAC corrected variance (Bartlett kernel) 0.018516

Phillips-Perron Test Equation

125
Dependent Variable: D(LOG(IMPORTPIB))
Method: Least Squares
Date: 01/18/15 Time: 20:55
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(IMPORTPIB(-1)) -0.110736 0.048191 -2.297845 0.0262

C -0.096581 0.038473 -2.510368 0.0156

R-squared 0.102966 Mean dependent var -0.028729

Adjusted R-squared 0.083465 S.D. dependent var 0.178474
S.E. of regression 0.170864 Akaike info criterion -0.655125
Sum squared resid 1.342946 Schwarz criterion -0.577158
Log likelihood 17.72300 F-statistic 5.280091
Durbin-Watson stat 1.929012 Prob(F-statistic) 0.026168

Null Hypothesis: D(LOG(IMPORTPIB)) has a unit root

Exogenous: None
Bandwidth: 9 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -6.425738 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.032388

HAC corrected variance (Bartlett kernel) 0.030283

Phillips-Perron Test Equation

Dependent Variable: D(LOG(IMPORTPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 20:56
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(IMPORTPIB(-1))) -0.945651 0.146944 -6.435449 0.0000

R-squared 0.473770 Mean dependent var 0.000753

Adjusted R-squared 0.473770 S.D. dependent var 0.250769

126
S.E. of regression 0.181912 Akaike info criterion -0.549540
Sum squared resid 1.522232 Schwarz criterion -0.510175
Log likelihood 13.91418 Durbin-Watson stat 2.003144

Salaires

Null Hypothesis: LOG(SAL) has a unit root

Exogenous: None
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 4.030121 1.0000

Test critical values: 1% level -2.614029
5% level -1.947816
10% level -1.612492

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.014031

HAC corrected variance (Bartlett kernel) 0.016130

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SAL))
Method: Least Squares
Date: 01/18/15 Time: 20:57
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SAL(-1)) 0.022410 0.005164 4.339277 0.0001

R-squared 0.004125 Mean dependent var 0.074587

Adjusted R-squared 0.004125 S.D. dependent var 0.119956
S.E. of regression 0.119708 Akaike info criterion -1.386907
Sum squared resid 0.673511 Schwarz criterion -1.347924
Log likelihood 34.28578 Durbin-Watson stat 1.687301

Null Hypothesis: D(LOG(SAL)) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

127
Phillips-Perron test statistic -7.907336 0.0000
Test critical values: 1% level -3.577723
5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.009569

HAC corrected variance (Bartlett kernel) 0.011198

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SAL),2)
Method: Least Squares
Date: 01/18/15 Time: 20:58
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SAL(-1))) -1.001733 0.124162 -8.067935 0.0000

C 0.084732 0.017044 4.971386 0.0000

R-squared 0.591249 Mean dependent var 0.013545

Adjusted R-squared 0.582166 S.D. dependent var 0.154657
S.E. of regression 0.099971 Akaike info criterion -1.726259
Sum squared resid 0.449736 Schwarz criterion -1.647529
Log likelihood 42.56708 F-statistic 65.09158
Durbin-Watson stat 1.908357 Prob(F-statistic) 0.000000

Null Hypothesis: LOG(SALDEPTOT) has a unit root

Exogenous: Constant
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.660022 0.0885

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.025679

HAC corrected variance (Bartlett kernel) 0.026987

128
Phillips-Perron Test Equation
Dependent Variable: D(LOG(SALDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 20:59
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SALDEPTOT(-1)) -0.155231 0.058423 -2.657010 0.0108

C -0.250291 0.086222 -2.902860 0.0057

R-squared 0.133052 Mean dependent var -0.029967

Adjusted R-squared 0.114205 S.D. dependent var 0.173927
S.E. of regression 0.163694 Akaike info criterion -0.740861
Sum squared resid 1.232605 Schwarz criterion -0.662894
Log likelihood 19.78067 F-statistic 7.059701
Durbin-Watson stat 1.836314 Prob(F-statistic) 0.010802

Null Hypothesis: D(LOG(SALDEPTOT)) has a unit root

Exogenous: None
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.280780 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.026472

HAC corrected variance (Bartlett kernel) 0.026425

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SALDEPTOT),2)
Method: Least Squares
Date: 01/18/15 Time: 21:00
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SALDEPTOT(-1))) -0.990212 0.136020 -7.279914 0.0000

129
R-squared 0.534325 Mean dependent var 0.011147
Adjusted R-squared 0.534325 S.D. dependent var 0.241004
S.E. of regression 0.164462 Akaike info criterion -0.751226
Sum squared resid 1.244198 Schwarz criterion -0.711862
Log likelihood 18.65382 Durbin-Watson stat 2.001257

Null Hypothesis: LOG(SALPIB) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -3.580023 0.0099

Test critical values: 1% level -3.574446
5% level -2.923780
10% level -2.599925

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.019458

HAC corrected variance (Bartlett kernel) 0.026591

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SALPIB))
Method: Least Squares
Date: 01/18/15 Time: 21:01
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SALPIB(-1)) -0.320954 0.095433 -3.363142 0.0016

C -1.025878 0.303753 -3.377338 0.0015

R-squared 0.197358 Mean dependent var -0.006656

Adjusted R-squared 0.179909 S.D. dependent var 0.157348
S.E. of regression 0.142492 Akaike info criterion -1.018283
Sum squared resid 0.933987 Schwarz criterion -0.940316
Log likelihood 26.43880 F-statistic 11.31073
Durbin-Watson stat 1.490714 Prob(F-statistic) 0.001561

Transferts et subventions

Null Hypothesis: LOG(TSUBV) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 4 (Newey-West using Bartlett kernel)

130
 Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.317769 0.4166

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.117987

HAC corrected variance (Bartlett kernel) 0.175341

Phillips-Perron Test Equation

Dependent Variable: D(LOG(TSUBV))
Method: Least Squares
Date: 01/18/15 Time: 21:02
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(TSUBV(-1)) -0.151222 0.077587 -1.949070 0.0575

C -0.056663 0.112111 -0.505420 0.6157
@TREND(1965) 0.020196 0.009349 2.160349 0.0361

R-squared 0.094113 Mean dependent var 0.109555

Adjusted R-squared 0.053851 S.D. dependent var 0.364713
S.E. of regression 0.354757 Akaike info criterion 0.825693
Sum squared resid 5.663355 Schwarz criterion 0.942643
Log likelihood -16.81662 F-statistic 2.337529
Durbin-Watson stat 1.395346 Prob(F-statistic) 0.108185

Null Hypothesis: D(LOG(TSUBV)) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.215317 0.0000

Test critical values: 1% level -3.577723
5% level -2.925169
10% level -2.600658

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.095644

131
HAC corrected variance (Bartlett kernel) 0.073496

Phillips-Perron Test Equation

Dependent Variable: D(LOG(TSUBV),2)
Method: Least Squares
Date: 01/18/15 Time: 21:03
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(TSUBV(-1))) -0.899204 0.128308 -7.008176 0.0000

C 0.125011 0.048548 2.574984 0.0134

R-squared 0.521859 Mean dependent var 0.018382

Adjusted R-squared 0.511234 S.D. dependent var 0.452087
S.E. of regression 0.316062 Akaike info criterion 0.575864
Sum squared resid 4.495281 Schwarz criterion 0.654594
Log likelihood -11.53281 F-statistic 49.11453
Durbin-Watson stat 2.041641 Prob(F-statistic) 0.000000

Null Hypothesis: LOG(TSUBVDEPTOT) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -3.811472 0.0244

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.095768

HAC corrected variance (Bartlett kernel) 0.129368

Phillips-Perron Test Equation

Dependent Variable: D(LOG(TSUBVDEPTOT))
Method: Least Squares
Date: 01/18/15 Time: 21:04
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

132
LOG(TSUBVDEPTOT(-1)) -0.372125 0.103852 -3.583221 0.0008
C -1.165634 0.314790 -3.702898 0.0006
@TREND(1965) 0.010994 0.003884 2.830480 0.0069

R-squared 0.239378 Mean dependent var 0.005000

Adjusted R-squared 0.205573 S.D. dependent var 0.358590
S.E. of regression 0.319613 Akaike info criterion 0.617053
Sum squared resid 4.596875 Schwarz criterion 0.734003
Log likelihood -11.80927 F-statistic 7.081071
Durbin-Watson stat 1.434891 Prob(F-statistic) 0.002120

Null Hypothesis: LOG(TSUBVPIB) has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 4 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -3.169592 0.1027

Test critical values: 1% level -4.161144
5% level -3.506374
10% level -3.183002

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.112157

HAC corrected variance (Bartlett kernel) 0.168606

Phillips-Perron Test Equation

Dependent Variable: D(LOG(TSUBVPIB))
Method: Least Squares
Date: 01/18/15 Time: 21:06
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(TSUBVPIB(-1)) -0.265135 0.095906 -2.764526 0.0082

C -1.402680 0.491246 -2.855354 0.0065
@TREND(1965) 0.013192 0.004861 2.713515 0.0094

R-squared 0.166393 Mean dependent var 0.028311

Adjusted R-squared 0.129344 S.D. dependent var 0.370685
S.E. of regression 0.345882 Akaike info criterion 0.775023
Sum squared resid 5.383544 Schwarz criterion 0.891973
Log likelihood -15.60055 F-statistic 4.491149
Durbin-Watson stat 1.370975 Prob(F-statistic) 0.016658

133
Null Hypothesis: D(LOG(TSUBVPIB)) has a unit root
Exogenous: None
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -8.231807 0.0000

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.093945

HAC corrected variance (Bartlett kernel) 0.065731

Phillips-Perron Test Equation

Dependent Variable: D(LOG(TSUBVPIB),2)
Method: Least Squares
Date: 01/18/15 Time: 21:07
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(TSUBVPIB(-1))) -0.952192 0.122957 -7.744123 0.0000

R-squared 0.564911 Mean dependent var 0.022415

Adjusted R-squared 0.564911 S.D. dependent var 0.469698
S.E. of regression 0.309819 Akaike info criterion 0.515390
Sum squared resid 4.415438 Schwarz criterion 0.554755
Log likelihood -11.11166 Durbin-Watson stat 2.067180

LOG(DEPTOTPIB(-1)*PIB(-1))

Null Hypothesis: LOG(DEPTOTPIB(-1)*PIB(-1)) has a unit root

Exogenous: None
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 2.858762 0.9986

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

134
*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.034390

HAC corrected variance (Bartlett kernel) 0.047144

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOTPIB(-1)*PIB(-1)))
Method: Least Squares
Date: 01/21/15 Time: 04:19
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(DEPTOTPIB(-2)*PIB(-2)) 0.019631 0.005779 3.396992 0.0014

R-squared -0.059965 Mean dependent var 0.102823

Adjusted R-squared -0.059965 S.D. dependent var 0.182070
S.E. of regression 0.187449 Akaike info criterion -0.489571
Sum squared resid 1.616311 Schwarz criterion -0.450206
Log likelihood 12.50492 Durbin-Watson stat 1.636156

Null Hypothesis: D(LOG(DEPTOTPIB(-1)*PIB(-1))) has a unit root

Exogenous: Constant
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.711108 0.0000

Test critical values: 1% level -3.581152
5% level -2.926622
10% level -2.601424

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.032389

HAC corrected variance (Bartlett kernel) 0.032623

Phillips-Perron Test Equation

Dependent Variable: D(LOG(DEPTOTPIB(-1)*PIB(-1)),2)
Method: Least Squares
Date: 01/21/15 Time: 04:21
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments

135
 Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(DEPTOTPIB(-2)*PIB(-2))) -0.850522 0.149019 -5.707490 0.0000

C 0.088114 0.031151 2.828643 0.0070

R-squared 0.425403 Mean dependent var 0.000761

Adjusted R-squared 0.412344 S.D. dependent var 0.240044
S.E. of regression 0.184015 Akaike info criterion -0.505095
Sum squared resid 1.489905 Schwarz criterion -0.425589
Log likelihood 13.61719 F-statistic 32.57544
Durbin-Watson stat 1.984067 Prob(F-statistic) 0.000001

Null Hypothesis: LOG((1-DEPTOTPIB(-1))*PIB(-1)) has a unit root

Exogenous: None
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 3.345989 0.9997

Test critical values: 1% level -2.615093
5% level -1.947975
10% level -1.612408

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.015379

HAC corrected variance (Bartlett kernel) 0.021207

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-DEPTOTPIB(-1))*PIB(-1)))
Method: Least Squares
Date: 01/21/15 Time: 04:24
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG((1-DEPTOTPIB(-2))*PIB(-2)) 0.011656 0.002947 3.955078 0.0003

R-squared -0.043185 Mean dependent var 0.076593

Adjusted R-squared -0.043185 S.D. dependent var 0.122731
S.E. of regression 0.125354 Akaike info criterion -1.294311
Sum squared resid 0.722821 Schwarz criterion -1.254946
Log likelihood 31.41630 Durbin-Watson stat 1.589654

Null Hypothesis: D(LOG((1-DEPTOTPIB(-1))*PIB(-1))) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

136
 Adj. t-Stat Prob.*

Phillips-Perron test statistic -5.926964 0.0000

Test critical values: 1% level -3.581152
5% level -2.926622
10% level -2.601424

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.013816

HAC corrected variance (Bartlett kernel) 0.015624

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-DEPTOTPIB(-1))*PIB(-1)),2)
Method: Least Squares
Date: 01/21/15 Time: 04:26
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG((1-DEPTOTPIB(-2))*PIB(-2))) -0.850119 0.144650 -5.877071 0.0000

C 0.060877 0.020816 2.924597 0.0054

R-squared 0.439776 Mean dependent var -0.003310

Adjusted R-squared 0.427043 S.D. dependent var 0.158777
S.E. of regression 0.120184 Akaike info criterion -1.357075
Sum squared resid 0.635549 Schwarz criterion -1.277568
Log likelihood 33.21272 F-statistic 34.53996
Durbin-Watson stat 1.917546 Prob(F-statistic) 0.000001

Service de la dette réglée par l’Etat

En niveau

Null Hypothesis: LOG(SDETTE) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

137
 Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.207386 0.2067

Test critical values: 1% level -3.592462
5% level -2.931404
10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.306528

HAC corrected variance (Bartlett kernel) 0.214188

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTE))
Method: Least Squares
Date: 05/20/15 Time: 14:14
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SDETTE(-1)) -0.160127 0.069991 -2.287833 0.0274

C 0.420805 0.172972 2.432793 0.0194

R-squared 0.113210 Mean dependent var 0.078065

Adjusted R-squared 0.091581 S.D. dependent var 0.594887
S.E. of regression 0.566993 Akaike info criterion 1.748455
Sum squared resid 13.18071 Schwarz criterion 1.830371
Log likelihood -35.59178 F-statistic 5.234180
Durbin-Watson stat 2.326685 Prob(F-statistic) 0.027376

En différence
Null Hypothesis: D(LOG(SDETTE)) has a unit root
Exogenous: None
Bandwidth: 0 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.783365 0.0000

138
Test critical values: 1% level -2.621185
5% level -1.948886
10% level -1.611932

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.346415

HAC corrected variance (Bartlett kernel) 0.346415

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTE),2)
Method: Least Squares
Date: 05/20/15 Time: 14:16
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SDETTE(-1))) -1.193875 0.153388 -7.783365 0.0000

R-squared 0.596377 Mean dependent var -0.002653

Adjusted R-squared 0.596377 S.D. dependent var 0.937655
S.E. of regression 0.595705 Akaike info criterion 1.825379
Sum squared resid 14.54944 Schwarz criterion 1.866752
Log likelihood -37.33296 Durbin-Watson stat 2.049602

En niveau :

Null Hypothesis: LOG(SDETTEPIB(-1)*PIB(-1)) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.118157 0.2388

Test critical values: 1% level -3.596616
5% level -2.933158
10% level -2.604867

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.308522

HAC corrected variance (Bartlett kernel) 0.214944

139
Phillips-Perron Test Equation
Dependent Variable: D(LOG(SDETTEPIB(-1)*PIB(-1)))
Method: Least Squares
Date: 05/20/15 Time: 17:31
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SDETTEPIB(-2)*PIB(-2)) -0.156797 0.070976 -2.209168 0.0330

C 0.416221 0.173819 2.394567 0.0214

R-squared 0.108743 Mean dependent var 0.084846

Adjusted R-squared 0.086461 S.D. dependent var 0.595490
S.E. of regression 0.569165 Akaike info criterion 1.757154
Sum squared resid 12.95794 Schwarz criterion 1.839901
Log likelihood -34.90024 F-statistic 4.880424
Durbin-Watson stat 2.341227 Prob(F-statistic) 0.032953

En différence

Null Hypothesis: D(LOG(SDETTEPIB(-1)*PIB(-1))) has a unit root

Exogenous: None
Bandwidth: 0 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.731617 0.0000

Test critical values: 1% level -2.622585
5% level -1.949097
10% level -1.611824

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.347579

HAC corrected variance (Bartlett kernel) 0.347579

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEPIB(-1)*PIB(-1)),2)
Method: Least Squares
Date: 05/20/15 Time: 17:33
Sample (adjusted): 1973 2013
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SDETTEPIB(-2)*PIB(-2))) -1.197949 0.154942 -7.731617 0.0000

140
R-squared 0.599105 Mean dependent var 0.003123
Adjusted R-squared 0.599105 S.D. dependent var 0.942699
S.E. of regression 0.596882 Akaike info criterion 1.829893
Sum squared resid 14.25072 Schwarz criterion 1.871687
Log likelihood -36.51280 Durbin-Watson stat 2.047308

En niveau

Null Hypothesis: LOG((1-SDETTEPIB(-1))*PIB(-1)) has a unit root

Exogenous: Constant
Bandwidth: 3 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -1.243943 0.6464

Test critical values: 1% level -3.596616
5% level -2.933158
10% level -2.604867

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.011824

HAC corrected variance (Bartlett kernel) 0.019100

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-SDETTEPIB(-1))*PIB(-1)))
Method: Least Squares
Date: 05/20/15 Time: 17:36
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG((1-SDETTEPIB(-2))*PIB(-2)) -0.024802 0.018383 -1.349186 0.1849

C 0.245336 0.120927 2.028796 0.0492

R-squared 0.043527 Mean dependent var 0.083841

Adjusted R-squared 0.019615 S.D. dependent var 0.112532
S.E. of regression 0.111423 Akaike info criterion -1.504525
Sum squared resid 0.496600 Schwarz criterion -1.421779
Log likelihood 33.59502 F-statistic 1.820303
Durbin-Watson stat 1.409434 Prob(F-statistic) 0.184865

En différence

141
Null Hypothesis: D(LOG((1-SDETTEPIB(-1))*PIB(-1))) has a unit root
Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -4.574057 0.0007

Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.011371

HAC corrected variance (Bartlett kernel) 0.011340

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-SDETTEPIB(-1))*PIB(-1)),2)
Method: Least Squares
Date: 05/20/15 Time: 17:38
Sample (adjusted): 1973 2013
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG((1-SDETTEPIB(-2))*PIB(-2))) -0.695378 0.151957 -4.576137 0.0000

C 0.060276 0.021221 2.840467 0.0071

R-squared 0.349361 Mean dependent var 0.002621

Adjusted R-squared 0.332678 S.D. dependent var 0.133844
S.E. of regression 0.109337 Akaike info criterion -1.541217
Sum squared resid 0.466227 Schwarz criterion -1.457628
Log likelihood 33.59494 F-statistic 20.94103
Durbin-Watson stat 2.080005 Prob(F-statistic) 0.000047

En niveau

Null Hypothesis: LOG(SDETTEPIB) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

142
Phillips-Perron test statistic -2.823202 0.0634
Test critical values: 1% level -3.592462
5% level -2.931404
10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.264886

HAC corrected variance (Bartlett kernel) 0.233062

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEPIB))
Method: Least Squares
Date: 05/20/15 Time: 18:04
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SDETTEPIB(-1)) -0.359998 0.121809 -2.955421 0.0052

C -1.599082 0.545182 -2.933113 0.0055

R-squared 0.175623 Mean dependent var -0.005446

Adjusted R-squared 0.155516 S.D. dependent var 0.573556
S.E. of regression 0.527074 Akaike info criterion 1.602445
Sum squared resid 11.39010 Schwarz criterion 1.684361
Log likelihood -32.45256 F-statistic 8.734511
Durbin-Watson stat 2.152757 Prob(F-statistic) 0.005156

En différence

Null Hypothesis: D(LOG(SDETTEPIB)) has a unit root

Exogenous: None
Bandwidth: 7 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

143
Phillips-Perron test statistic -9.327338 0.0000
Test critical values: 1% level -2.621185
5% level -1.948886
10% level -1.611932

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.301364

HAC corrected variance (Bartlett kernel) 0.195026

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEPIB),2)
Method: Least Squares
Date: 05/20/15 Time: 18:05
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SDETTEPIB(-1))) -1.289125 0.149885 -8.600746 0.0000

R-squared 0.643387 Mean dependent var -0.003977

Adjusted R-squared 0.643387 S.D. dependent var 0.930422
S.E. of regression 0.555620 Akaike info criterion 1.686059
Sum squared resid 12.65728 Schwarz criterion 1.727432
Log likelihood -34.40723 Durbin-Watson stat 2.121176

En niveau

Null Hypothesis: LOG(SDETTEDEPTOT) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

144
Phillips-Perron test statistic -2.730804 0.0772
Test critical values: 1% level -3.592462
5% level -2.931404
10% level -2.603944

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.302237

HAC corrected variance (Bartlett kernel) 0.281776

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEDEPTOT))
Method: Least Squares
Date: 05/20/15 Time: 18:07
Sample (adjusted): 1971 2013
Included observations: 43 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG(SDETTEDEPTOT(-1)) -0.372233 0.131807 -2.824082 0.0073

C -1.047128 0.370214 -2.828438 0.0072

R-squared 0.162846 Mean dependent var -0.030118

Adjusted R-squared 0.142427 S.D. dependent var 0.607968
S.E. of regression 0.563010 Akaike info criterion 1.734356
Sum squared resid 12.99618 Schwarz criterion 1.816272
Log likelihood -35.28865 F-statistic 7.975437
Durbin-Watson stat 2.118256 Prob(F-statistic) 0.007288

En différence

Null Hypothesis: D(LOG(SDETTEDEPTOT)) has a unit root

Exogenous: None
Bandwidth: 7 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -9.784706 0.0000

Test critical values: 1% level -2.621185
5% level -1.948886
10% level -1.611932

*MacKinnon (1996) one-sided p-values.

145
Residual variance (no correction) 0.335659
HAC corrected variance (Bartlett kernel) 0.193504

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEDEPTOT),2)
Method: Least Squares
Date: 05/20/15 Time: 18:08
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SDETTEDEPTOT(-1))) -1.305864 0.149381 -8.741859 0.0000

R-squared 0.650815 Mean dependent var -0.005661

Adjusted R-squared 0.650815 S.D. dependent var 0.992325
S.E. of regression 0.586384 Akaike info criterion 1.793837
Sum squared resid 14.09769 Schwarz criterion 1.835210
Log likelihood -36.67058 Durbin-Watson stat 2.093897

En niveau

Null Hypothesis: LOG(SDETTEDEPTOT(-1)*DEPTOT(-1)) has a unit root

Exogenous: Constant
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -2.123063 0.2370

Test critical values: 1% level -3.596616
5% level -2.933158
10% level -2.604867

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.313449

HAC corrected variance (Bartlett kernel) 0.218849

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEDEPTOT(-1)*DEPTOT(-1)))
Method: Least Squares
Date: 05/20/15 Time: 18:53
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

146
 Variable Coefficient Std. Error t-Statistic Prob.

LOG(SDETTEDEPTOT(-2)*DEPTOT(-2)) -0.158155 0.071385 -2.215517 0.0325

C 0.419571 0.175106 2.396102 0.0213

R-squared 0.109300 Mean dependent var 0.084846

Adjusted R-squared 0.087033 S.D. dependent var 0.600414
S.E. of regression 0.573691 Akaike info criterion 1.772996
Sum squared resid 13.16485 Schwarz criterion 1.855742
Log likelihood -35.23292 F-statistic 4.908517
Durbin-Watson stat 2.329994 Prob(F-statistic) 0.032480

En différence

Null Hypothesis: D(LOG(SDETTEDEPTOT(-1)*DEPTOT(-1))) has a unit root

Exogenous: None
Bandwidth: 0 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -7.695415 0.0000

Test critical values: 1% level -2.622585
5% level -1.949097
10% level -1.611824

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.353885

HAC corrected variance (Bartlett kernel) 0.353885

Phillips-Perron Test Equation

Dependent Variable: D(LOG(SDETTEDEPTOT(-1)*DEPTOT(-1)),2)
Method: Least Squares
Date: 05/20/15 Time: 18:54
Sample (adjusted): 1973 2013
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG(SDETTEDEPTOT(-2)*DEPTOT(-2))) -1.193441 0.155085 -7.695415 0.0000

R-squared 0.596849 Mean dependent var 0.003123

Adjusted R-squared 0.596849 S.D. dependent var 0.948547
S.E. of regression 0.602272 Akaike info criterion 1.847874
Sum squared resid 14.50928 Schwarz criterion 1.889668
Log likelihood -36.88141 Durbin-Watson stat 2.049582

147
En niveau :

Null Hypothesis: LOG((1-SDETTEDEPTOT(-1))*DEPTOT(-1)) has a unit root

Exogenous: None
Bandwidth: 2 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic 2.762471 0.9982

Test critical values: 1% level -2.621185
5% level -1.948886
10% level -1.611932

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.046837

HAC corrected variance (Bartlett kernel) 0.049438

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-SDETTEDEPTOT(-1))*DEPTOT(-1)))
Method: Least Squares
Date: 05/20/15 Time: 18:57
Sample (adjusted): 1972 2013
Included observations: 42 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

LOG((1-SDETTEDEPTOT(-2))*DEPTOT(-
2)) 0.019787 0.006952 2.846153 0.0069

R-squared -0.050107 Mean dependent var 0.107185

Adjusted R-squared -0.050107 S.D. dependent var 0.213752
S.E. of regression 0.219042 Akaike info criterion -0.175587
Sum squared resid 1.967152 Schwarz criterion -0.134214
Log likelihood 4.687325 Durbin-Watson stat 1.925820

En différence

Null Hypothesis: D(LOG((1-SDETTEDEPTOT(-1))*DEPTOT(-1))) has a unit root

Exogenous: Constant
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

148
Phillips-Perron test statistic -6.196269 0.0000
Test critical values: 1% level -3.600987
5% level -2.935001
10% level -2.605836

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.045649

HAC corrected variance (Bartlett kernel) 0.045695

Phillips-Perron Test Equation

Dependent Variable: D(LOG((1-SDETTEDEPTOT(-1))*DEPTOT(-1)),2)
Method: Least Squares
Date: 05/20/15 Time: 18:58
Sample (adjusted): 1973 2013
Included observations: 41 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

D(LOG((1-SDETTEDEPTOT(-2))*DEPTOT(-
2))) -0.991740 0.160057 -6.196166 0.0000
C 0.107247 0.038268 2.802545 0.0079

R-squared 0.496075 Mean dependent var 0.001017

Adjusted R-squared 0.483154 S.D. dependent var 0.304716
S.E. of regression 0.219067 Akaike info criterion -0.151332
Sum squared resid 1.871616 Schwarz criterion -0.067743
Log likelihood 5.102303 F-statistic 38.39248
Durbin-Watson stat 1.997217 Prob(F-statistic) 0.000000

Annexe 2 : Tests de cointégration de Johansen

Series: LOG(PIB) LOG(DEPTOTPIB(-1)*PIB(-1)) LOG((1-DEPTOTPIB(-1))*PIB(-1))

Date: 01/21/15 Time: 03:31

Sample: 1965 2013
Included observations: 46

149
Series: LOG(PIB) LOG(DEPTOTPIB(-1)*PIB(-1)) LOG((1-DEPTOTPIB(-1))*PIB(-1))
Lags interval: 1 to 1

Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 1 1

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(PIB) LOG(CAPUBPIB(-1)*PIB(-1)) LOG((1-CAPUBPIB(-1))*PIB(-1))

Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 1 1
Max-Eig 0 0 0 1 1

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(PIB) LOG(CAPRIVPIB(-1)*PIB(-1)) LOG((1-CAPRIVPIB(-1))*PIB(-1))

Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 1 1 0 1
Max-Eig 0 1 1 1 1

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(PIB) LOG(SALPIB(-1)*PIB(-1)) LOG((1-SALPIB(-1))*PIB(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 1 0 0 0 0
Max-Eig 1 0 0 0 0

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(PIB) LOG(DETTEPIB(-1)*PIB(-1)) LOG((1-DETTEPIB(-1))*PIB(-1))

150
 Selected (0.05 level*) Number of Cointegrating Relations by Model

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 1 0 0 0 0

LOG(PIB) LOG(TSUBVPIB(-1)*PIB(-1)) LOG((1-TSUBVPIB(-1))*PIB(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0

*Critical values based on MacKinnon-Haug-Michelis (1999)

Series: LOG(DEPTOT) LOG(CAPUBDEPTOT(-1)*DEPTOT(-1)) LOG((1-

CAPUBDEPTOT(-1))*DEPTOT(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 1 1 0 1
Max-Eig 0 1 1 0 0

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(DEPTOT) LOG(CAPRIVDEPTOT(-1)*DEPTOT(-1)) LOG((1-CAPRIVPIB(-1))*DEPTOT(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 2 0 0 0 3
Max-Eig 0 0 0 0 0

LOG(DEPTOT) LOG(SALDEPTOT(-1)*DEPTOT(-1)) LOG((1-SALVPIB(-1))*DEPTOT(-1))

Data Trend: None None Linear Linear Quadratic

151
 Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 1 1 0 0 1
Max-Eig 1 1 1 0 0

LOG(DEPTOT) LOG(DETTEDEPTOT(-1)*DEPTOT(-1)) LOG((1-DETTEPIB(-1))*DEPTOT(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0

*Critical values based on MacKinnon-Haug-Michelis (1999)

LOG(DEPTOT) LOG(TSUBVDEPTOT(-1)*DEPTOT(-1)) LOG((1-TSUBVPIB(-1))*DEPTOT(-1))

Data Trend: None None Linear Linear Quadratic

Test Type No Intercept Intercept Intercept Intercept Intercept
No Trend No Trend No Trend Trend Trend
Trace 0 0 0 0 0
Max-Eig 0 0 0 0 0

152
Annexe 3 : Sorties pour les modèles VAR
Stationnarité du ration Emlpoi-population active

153
Estimation modèle var 1ere spécification

Vector Autoregression Estimates

Date: 03/30/15 Time: 04:37
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments
Standard errors in ( ) & t-statistics in [ ]

D(DEPTOTPIB) EXPORTPIB IMPORTPIB D(CAPRIVPIB) TXCE PPOPACTIVPIB ELECTION PLUVIO

D(DEPTOTPIB(-1)) -0.489282 0.839210 -0.926745 0.927463 1.434672 -0.246035 -2.802926 -0.979309

(0.15945) (0.70219) (0.59978) (0.30298) (0.47824) (0.10783) (2.07473) (1.92723)
[-3.06862] [ 1.19513] [-1.54515] [ 3.06116] [ 2.99992] [-2.28165] [-1.35099] [-0.50814]

D(DEPTOTPIB(-2)) -0.328316 0.122481 -1.238637 0.782891 1.428184 -0.286646 -0.269841 0.108076

(0.16428) (0.72346) (0.61795) (0.31216) (0.49272) (0.11110) (2.13758) (1.98561)
[-1.99855] [ 0.16930] [-2.00444] [ 2.50801] [ 2.89855] [-2.58010] [-0.12624] [ 0.05443]

EXPORTPIB(-1) 0.130769 0.309341 0.875529 -0.165311 -0.555252 0.159340 -0.116826 0.376384

(0.04291) (0.18896) (0.16140) (0.08153) (0.12869) (0.02902) (0.55831) (0.51862)
[ 3.04772] [ 1.63708] [ 5.42459] [-2.02757] [-4.31453] [ 5.49114] [-0.20925] [ 0.72575]

EXPORTPIB(-2) -0.022414 -0.202198 -0.117621 -0.010906 0.321166 -0.074105 0.075579 -0.260068

(0.04555) (0.20058) (0.17133) (0.08655) (0.13661) (0.03080) (0.59264) (0.55051)
[-0.49213] [-1.00807] [-0.68653] [-0.12602] [ 2.35101] [-2.40585] [ 0.12753] [-0.47241]

IMPORTPIB(-1) 0.014134 -0.160277 0.108414 0.305962 0.711383 -0.176313 0.227412 -0.086041

(0.05396) (0.23765) (0.20299) (0.10254) (0.16185) (0.03649) (0.70217) (0.65225)
[ 0.26193] [-0.67443] [ 0.53409] [ 2.98383] [ 4.39521] [-4.83120] [ 0.32387] [-0.13191]

IMPORTPIB(-2) 0.049315 -0.260142 0.286060 -0.302595 -0.465655 0.124582 0.524919 0.522464

(0.05697) (0.25091) (0.21432) (0.10826) (0.17089) (0.03853) (0.74136) (0.68865)
[ 0.86555] [-1.03679] [ 1.33475] [-2.79502] [-2.72493] [ 3.23327] [ 0.70805] [ 0.75868]

D(CAPRIVPIB(-1)) -0.071830 -0.763816 0.013014 -0.081686 -0.044756 0.014679 0.360577 0.622576

(0.08477) (0.37331) (0.31886) (0.16107) (0.25425) (0.05733) (1.10299) (1.02458)
[-0.84738] [-2.04608] [ 0.04081] [-0.50713] [-0.17604] [ 0.25605] [ 0.32691] [ 0.60764]

D(CAPRIVPIB(-2)) 0.024092 0.521801 -0.049036 -0.181978 0.354563 -0.087750 0.508885 -1.930240

154
 (0.08889) (0.39147) (0.33438) (0.16891) (0.26662) (0.06012) (1.15666) (1.07443)
[ 0.27102] [ 1.33292] [-0.14665] [-1.07736] [ 1.32986] [-1.45967] [ 0.43996] [-1.79652]

TXCE(-1) 0.174869 0.422527 -0.007174 -0.588809 -0.154339 0.029822 -2.456368 0.619949

(0.11241) (0.49506) (0.42286) (0.21361) (0.33717) (0.07602) (1.46274) (1.35875)
[ 1.55557] [ 0.85348] [-0.01697] [-2.75649] [-0.45775] [ 0.39226] [-1.67929] [ 0.45626]

TXCE(-2) 0.040433 -0.127204 -0.246481 0.089385 0.026582 0.013818 -0.244456 0.851289

(0.04785) (0.21074) (0.18001) (0.09093) (0.14353) (0.03236) (0.62267) (0.57841)
[ 0.84493] [-0.60360] [-1.36928] [ 0.98300] [ 0.18520] [ 0.42697] [-0.39259] [ 1.47178]

PPOPACTIVPIB(-1) 0.761490 3.046877 1.953018 -3.836622 -4.564926 1.928667 -9.017532 7.999917

(0.54786) (2.41272) (2.06083) (1.04103) (1.64322) (0.37051) (7.12876) (6.62196)
[ 1.38993] [ 1.26284] [ 0.94768] [-3.68540] [-2.77804] [ 5.20542] [-1.26495] [ 1.20809]

PPOPACTIVPIB(-2) -1.172349 0.572972 -3.134050 4.324116 4.765487 -1.113511 6.466050 -9.067002

(0.57358) (2.52598) (2.15757) (1.08990) (1.72036) (0.38790) (7.46340) (6.93280)
[-2.04392] [ 0.22683] [-1.45258] [ 3.96744] [ 2.77006] [-2.87059] [ 0.86637] [-1.30784]

ELECTION(-1) 0.019838 0.005400 -0.048045 0.018023 0.077399 -0.007723 -0.197993 -0.065421

(0.01320) (0.05813) (0.04966) (0.02508) (0.03959) (0.00893) (0.17177) (0.15956)
[ 1.50281] [ 0.09289] [-0.96755] [ 0.71852] [ 1.95486] [-0.86503] [-1.15268] [-0.41002]

ELECTION(-2) -0.004057 0.001510 0.023266 0.027506 0.002843 0.000572 -0.214528 -0.242453

(0.01261) (0.05552) (0.04742) (0.02395) (0.03781) (0.00853) (0.16404) (0.15237)
[-0.32178] [ 0.02719] [ 0.49063] [ 1.14826] [ 0.07518] [ 0.06707] [-1.30781] [-1.59117]

PLUVIO(-1) -0.007961 -0.061133 -0.064414 -0.014583 0.041548 -0.011174 -0.382678 0.901788

(0.01444) (0.06361) (0.05434) (0.02745) (0.04333) (0.00977) (0.18796) (0.17460)
[-0.55112] [-0.96099] [-1.18547] [-0.53131] [ 0.95898] [-1.14388] [-2.03597] [ 5.16501]

PLUVIO(-2) 0.037742 -0.018708 -0.030826 -0.017363 -0.021866 -0.000691 0.074065 -0.246662

(0.01538) (0.06773) (0.05786) (0.02923) (0.04613) (0.01040) (0.20013) (0.18590)
[ 2.45390] [-0.27620] [-0.53281] [-0.59408] [-0.47399] [-0.06645] [ 0.37008] [-1.32682]

C -0.041901 0.156036 0.203646 0.023990 -0.032834 0.016765 0.392512 -0.069955

(0.01925) (0.08477) (0.07241) (0.03658) (0.05774) (0.01302) (0.25048) (0.23267)
[-2.17670] [ 1.84061] [ 2.81240] [ 0.65587] [-0.56869] [ 1.28777] [ 1.56705] [-0.30066]

R-squared 0.507187 0.964203 0.944367 0.469414 0.780401 0.991062 0.407719 0.612446

155
Adj. R-squared 0.235290 0.944453 0.913672 0.176676 0.659242 0.986130 0.080944 0.398623
Sum sq. resids 0.020761 0.402642 0.293758 0.074961 0.186765 0.009495 3.515057 3.033032
S.E. equation 0.026756 0.117831 0.100646 0.050841 0.080251 0.018095 0.348151 0.323400
F-statistic 1.865363 48.82052 30.76684 1.603532 6.441167 200.9688 1.247704 2.864267
Log likelihood 111.9054 43.71087 50.96252 82.37583 61.37935 129.8977 -6.124705 -2.732363
Akaike AIC -4.126322 -1.161342 -1.476631 -2.842428 -1.929537 -4.908596 1.005422 0.857929
Schwarz SC -3.450519 -0.485540 -0.800829 -2.166625 -1.253735 -4.232794 1.681224 1.533731
Mean dependent 0.004980 0.489126 0.569392 0.003592 0.088931 0.133396 0.152174 0.217391
S.D. dependent 0.030597 0.499955 0.342548 0.056031 0.137476 0.153646 0.363158 0.417029

Determinant resid covariance (dof adj.) 4.71E-19

Determinant resid covariance 1.18E-20
Log likelihood 533.3079
Akaike information criterion -17.27425
Schwarz criterion -11.86784

156
Estimation modèle var 2nde spécification

Vector Autoregression Estimates

Date: 03/30/15 Time: 05:07
Sample (adjusted): 1969 2013
Included observations: 45 after adjustments
Standard errors in ( ) & t-statistics in [ ]

PPOPACTIVPI
D(COURPIB) D(CAPUBPIB) EXPORTPIB IMPORTPIB D(CAPRIVPIB) TXCE B ELECTION PLUVIO

D(COURPIB(-1)) -0.551052 -0.061276 1.367350 -1.292039 0.522244 1.374621 -0.112321 -8.447635 -2.537815
(0.22803) (0.29397) (1.30839) (1.12640) (0.55114) (0.90782) (0.17053) (4.67933) (3.54283)
[-2.41657] [-0.20845] [ 1.04507] [-1.14705] [ 0.94757] [ 1.51420] [-0.65865] [-1.80531] [-0.71633]

D(COURPIB(-2)) -0.656338 0.385510 0.746609 -2.462085 -1.029860 0.118563 0.009566 -6.254749 2.299158
(0.29148) (0.37576) (1.67244) (1.43982) (0.70449) (1.16042) (0.21798) (5.98134) (4.52861)
[-2.25175] [ 1.02594] [ 0.44642] [-1.70999] [-1.46184] [ 0.10217] [ 0.04388] [-1.04571] [ 0.50770]

D(COURPIB(-3)) -0.244507 -0.501563 1.595373 1.430342 0.327353 -0.660492 -0.056168 -7.247247 7.157000
(0.37504) (0.48349) (2.15190) (1.85260) (0.90646) (1.49309) (0.28047) (7.69610) (5.82689)
[-0.65195] [-1.03738] [ 0.74138] [ 0.77207] [ 0.36113] [-0.44237] [-0.20026] [-0.94168] [ 1.22827]

D(CAPUBPIB(-1)) -0.264419 -0.407192 0.479300 -0.942356 1.596845 1.377403 -0.273603 -1.455367 -0.910777
(0.15949) (0.20560) (0.91509) (0.78781) (0.38547) (0.63493) (0.11927) (3.27275) (2.47787)
[-1.65794] [-1.98047] [ 0.52377] [-1.19617] [ 4.14258] [ 2.16937] [-2.29396] [-0.44469] [-0.36756]

D(CAPUBPIB(-2)) -0.238179 -0.231601 -1.776537 -3.069642 0.747395 2.093271 -0.371143 4.175672 -2.155881
(0.18961) (0.24444) (1.08795) (0.93663) (0.45828) (0.75487) (0.14180) (3.89096) (2.94593)
[-1.25614] [-0.94747] [-1.63292] [-3.27733] [ 1.63085] [ 2.77303] [-2.61735] [ 1.07317] [-0.73182]

D(CAPUBPIB(-3)) 0.013379 0.067617 -1.274793 -1.731520 -0.484752 0.224766 0.022007 5.661739 -2.258534
(0.19651) (0.25334) (1.12754) (0.97071) (0.47496) (0.78234) (0.14696) (4.03255) (3.05314)
[ 0.06808] [ 0.26691] [-1.13060] [-1.78376] [-1.02061] [ 0.28730] [ 0.14974] [ 1.40401] [-0.73974]

EXPORTPIB(-1) 0.105186 0.106004 0.126482 0.954974 -0.157307 -0.652146 0.185630 0.372262 0.107904
(0.03564) (0.04595) (0.20452) (0.17607) (0.08615) (0.14190) (0.02666) (0.73144) (0.55379)

157
 [ 2.95100] [ 2.30689] [ 0.61844] [ 5.42376] [-1.82595] [-4.59567] [ 6.96379] [ 0.50894] [ 0.19485]

EXPORTPIB(-2) -0.020797 -0.019108 0.576615 0.012046 0.179150 0.619409 -0.149080 -0.466250 -0.336581
(0.05799) (0.07476) (0.33274) (0.28646) (0.14016) (0.23087) (0.04337) (1.19002) (0.90099)
[-0.35862] [-0.25559] [ 1.73292] [ 0.04205] [ 1.27815] [ 2.68292] [-3.43751] [-0.39180] [-0.37357]

EXPORTPIB(-3) 0.002581 -0.043505 -0.533521 0.387136 -0.087070 -0.024643 0.010535 -0.462822 0.660598
(0.03584) (0.04620) (0.20564) (0.17703) (0.08662) (0.14268) (0.02680) (0.73544) (0.55682)
[ 0.07202] [-0.94163] [-2.59450] [ 2.18679] [-1.00518] [-0.17272] [ 0.39306] [-0.62932] [ 1.18639]

IMPORTPIB(-1) 0.036483 0.030152 -0.055223 0.326448 0.424076 0.369152 -0.090128 0.546653 -0.473079
(0.04795) (0.06182) (0.27515) (0.23688) (0.11590) (0.19091) (0.03586) (0.98404) (0.74504)
[ 0.76080] [ 0.48773] [-0.20070] [ 1.37813] [ 3.65891] [ 1.93365] [-2.51318] [ 0.55552] [-0.63497]

IMPORTPIB(-2) -0.018708 0.028956 -1.275119 -0.602511 -0.602416 -0.045148 0.003710 2.264532 1.271223
(0.07232) (0.09323) (0.41494) (0.35723) (0.17479) (0.28790) (0.05408) (1.48399) (1.12356)
[-0.25869] [ 0.31059] [-3.07303] [-1.68664] [-3.44656] [-0.15682] [ 0.06859] [ 1.52597] [ 1.13142]

IMPORTPIB(-3) 0.070762 0.083323 0.957993 0.502225 0.346733 0.083303 -0.000836 0.082820 -1.372386
(0.06049) (0.07798) (0.34705) (0.29878) (0.14619) (0.24080) (0.04523) (1.24121) (0.93974)
[ 1.16989] [ 1.06858] [ 2.76037] [ 1.68091] [ 2.37177] [ 0.34594] [-0.01847] [ 0.06673] [-1.46038]

D(CAPRIVPIB(-1)) 0.048030 -0.168465 0.055118 0.708751 0.029486 -0.122789 0.039839 -1.286821 0.174956
(0.08160) (0.10520) (0.46821) (0.40309) (0.19723) (0.32487) (0.06103) (1.67452) (1.26782)
[ 0.58859] [-1.60141] [ 0.11772] [ 1.75830] [ 0.14950] [-0.37797] [ 0.65282] [-0.76847] [ 0.13800]

D(CAPRIVPIB(-2)) 0.029667 0.068447 0.805286 0.090736 -0.176740 0.093371 -0.026123 0.396225 -2.953956
(0.06910) (0.08908) (0.39648) (0.34134) (0.16701) (0.27510) (0.05168) (1.41799) (1.07359)
[ 0.42933] [ 0.76836] [ 2.03106] [ 0.26582] [-1.05823] [ 0.33941] [-0.50551] [ 0.27943] [-2.75146]

D(CAPRIVPIB(-3)) 0.017394 -0.114734 0.556231 -0.027116 0.265005 0.040881 0.008059 -0.209798 -2.893095
(0.07305) (0.09417) (0.41914) (0.36084) (0.17656) (0.29082) (0.05463) (1.49902) (1.13494)
[ 0.23811] [-1.21834] [ 1.32708] [-0.07515] [ 1.50096] [ 0.14057] [ 0.14752] [-0.13996] [-2.54912]

TXCE(-1) 0.012583 0.079095 -0.165962 -0.204366 -0.354277 -0.245601 0.027367 -2.081177 1.037551
(0.08736) (0.11262) (0.50123) (0.43151) (0.21114) (0.34777) (0.06533) (1.79260) (1.35721)
[ 0.14404] [ 0.70234] [-0.33111] [-0.47360] [-1.67796] [-0.70621] [ 0.41891] [-1.16098] [ 0.76447]

TXCE(-2) -0.029472 -0.196719 0.041012 0.133993 0.111371 0.115887 0.030234 -0.667971 1.734138
(0.08899) (0.11472) (0.51061) (0.43959) (0.21509) (0.35429) (0.06655) (1.82617) (1.38263)

158
 [-0.33117] [-1.71470] [ 0.08032] [ 0.30481] [ 0.51779] [ 0.32710] [ 0.45429] [-0.36578] [ 1.25423]

TXCE(-3) 0.027381 0.038238 0.500289 0.010057 -0.047951 -0.128166 0.024606 -0.254902 0.166201
(0.05068) (0.06533) (0.29076) (0.25032) (0.12248) (0.20174) (0.03790) (1.03989) (0.78732)
[ 0.54033] [ 0.58531] [ 1.72060] [ 0.04018] [-0.39150] [-0.63529] [ 0.64929] [-0.24512] [ 0.21110]

PPOPACTIVPIB(-1) 0.075147 -0.022319 -1.803152 0.078537 -3.874752 -3.553044 1.576733 -5.664479 11.37367
(0.44131) (0.56892) (2.53214) (2.17995) (1.06663) (1.75692) (0.33003) (9.05599) (6.85649)
[ 0.17028] [-0.03923] [-0.71211] [ 0.03603] [-3.63270] [-2.02232] [ 4.77750] [-0.62550] [ 1.65882]

PPOPACTIVPIB(-2) -0.084721 -1.372732 10.98033 2.922833 6.301012 3.647234 -0.542990 -1.809690 -12.54540
(0.78992) (1.01834) (4.53240) (3.90200) (1.90922) (3.14479) (0.59074) (16.2098) (12.2728)
[-0.10725] [-1.34801] [ 2.42263] [ 0.74906] [ 3.30031] [ 1.15977] [-0.91917] [-0.11164] [-1.02221]

PPOPACTIVPIB(-3) -0.440035 0.955947 -5.922559 -5.738294 -2.635517 -0.728041 -0.040162 2.033194 1.725252
(0.58294) (0.75151) (3.34479) (2.87956) (1.40895) (2.32076) (0.43595) (11.9623) (9.05695)
[-0.75485] [ 1.27204] [-1.77068] [-1.99277] [-1.87056] [-0.31371] [-0.09213] [ 0.16997] [ 0.19049]

ELECTION(-1) -0.008586 0.004505 -0.018364 -0.027620 0.003049 0.066427 -0.004710 -0.422185 0.173076
(0.01061) (0.01368) (0.06087) (0.05240) (0.02564) (0.04223) (0.00793) (0.21770) (0.16482)
[-0.80936] [ 0.32937] [-0.30170] [-0.52706] [ 0.11890] [ 1.57283] [-0.59364] [-1.93934] [ 1.05008]

ELECTION(-2) -0.008918 0.003751 -0.009872 0.023698 -0.011810 -0.012704 0.005567 -0.224995 -0.167063
(0.01075) (0.01386) (0.06170) (0.05312) (0.02599) (0.04281) (0.00804) (0.22067) (0.16708)
[-0.82928] [ 0.27058] [-0.15999] [ 0.44612] [-0.45439] [-0.29675] [ 0.69223] [-1.01958] [-0.99991]

ELECTION(-3) -0.006256 0.000154 0.010203 0.014240 0.004599 -0.009143 0.000300 -0.479366 0.243561
(0.01115) (0.01437) (0.06398) (0.05508) (0.02695) (0.04439) (0.00834) (0.22880) (0.17323)
[-0.56109] [ 0.01072] [ 0.15948] [ 0.25854] [ 0.17066] [-0.20598] [ 0.03603] [-2.09510] [ 1.40598]

PLUVIO(-1) -0.003246 0.016939 -0.112030 -0.094299 -0.020769 0.014928 -0.004703 -0.419086 0.738843
(0.01420) (0.01830) (0.08146) (0.07013) (0.03432) (0.05652) (0.01062) (0.29135) (0.22059)
[-0.22865] [ 0.92545] [-1.37520] [-1.34456] [-0.60523] [ 0.26409] [-0.44297] [-1.43842] [ 3.34940]

PLUVIO(-2) 0.014150 -0.014919 0.075905 0.047518 -0.013465 -0.009054 0.000293 -0.074747 -0.100890
(0.01820) (0.02346) (0.10443) (0.08990) (0.04399) (0.07246) (0.01361) (0.37348) (0.28277)
[ 0.77749] [-0.63586] [ 0.72686] [ 0.52855] [-0.30610] [-0.12496] [ 0.02153] [-0.20014] [-0.35679]

PLUVIO(-3) 0.009145 0.014019 -0.072853 0.004505 0.025022 -0.028155 0.001324 0.304729 -0.024507
(0.01287) (0.01659) (0.07383) (0.06356) (0.03110) (0.05123) (0.00962) (0.26406) (0.19993)

159
 [ 0.71069] [ 0.84508] [-0.98671] [ 0.07087] [ 0.80453] [-0.54958] [ 0.13761] [ 1.15400] [-0.12258]

C -0.022162 -0.042479 0.151289 0.207537 -0.018842 -0.053743 0.020829 -0.006956 -0.033626

(0.01833) (0.02363) (0.10518) (0.09055) (0.04431) (0.07298) (0.01371) (0.37617) (0.28480)
[-1.20901] [-1.79754] [ 1.43839] [ 2.29195] [-0.42527] [-0.73642] [ 1.51940] [-0.01849] [-0.11807]

R-squared 0.657050 0.737631 0.983887 0.973452 0.785866 0.902103 0.996894 0.631260 0.839355
Adj. R-squared 0.112365 0.320926 0.958295 0.931288 0.445770 0.746620 0.991961 0.045614 0.584214
Sum sq. resids 0.005176 0.008602 0.170410 0.126302 0.030238 0.082039 0.002895 2.179664 1.249458
S.E. equation 0.017449 0.022495 0.100120 0.086195 0.042174 0.069468 0.013049 0.358072 0.271104
F-statistic 1.206294 1.770154 38.44542 23.08706 2.310722 5.801923 202.0826 1.077886 3.289764
Log likelihood 140.2307 128.8010 61.61256 68.35195 100.5177 78.06033 153.3058 4.266334 16.78669
Akaike AIC -4.988032 -4.480046 -1.493892 -1.793420 -3.223011 -2.224904 -5.569147 1.054830 0.498369
Schwarz SC -3.863886 -3.355900 -0.369746 -0.669275 -2.098865 -1.100758 -4.445001 2.178975 1.622515
Mean dependent 0.001243 0.003800 0.471104 0.553501 0.003408 0.091385 0.125462 0.155556 0.222222
S.D. dependent 0.018521 0.027298 0.490261 0.328824 0.056651 0.138006 0.145542 0.366529 0.420437

Determinant resid covariance (dof adj.) 2.73E-24

Determinant resid covariance 4.28E-28
Log likelihood 843.2574
Akaike information criterion -26.27811
Schwarz criterion -16.16080

160
Annexe 2 : stationnarité du modèle VAR

Roots of Characteristic Polynomial

Endogenous variables: D(DEPTOTPIB) TXCE D(CAPRIVPIB) EXPORTPIB IMPORTPIB PPOPACTIVPIB ELECTION PLUVIO
Exogenous variables: C
Lagspecification: 1 2
Date: 01/21/15 Time: 15:50

Root Modulus

0.848767 - 0.051235i 0.850312

161
0.848767 + 0.051235i 0.850312
0.756071 - 0.364560i 0.839373
0.756071 + 0.364560i 0.839373
-0.047350 - 0.756292i 0.757773
-0.047350 + 0.756292i 0.757773
0.455873 - 0.566838i 0.727410
0.455873 + 0.566838i 0.727410
-0.419188 - 0.593371i 0.726504
-0.419188 + 0.593371i 0.726504
-0.137411 - 0.625487i 0.640403
-0.137411 + 0.625487i 0.640403
-0.588240 0.588240
0.127822 - 0.260963i 0.290586
0.127822 + 0.260963i 0.290586
-0.258865 0.258865

No root lies outside the unit circle.

VAR satisfies the stability condition.

Annexe3 Test de diagnostics

162
Test de normalité des erreurs

Component Jarque-Bera df Prob.

1 9.243780 2 0.0098
2 8.327101 2 0.0156
3 7.623602 2 0.0221
4 2.154826 2 0.3405
5 2.573234 2 0.2762
6 10.60598 2 0.0050
7 6.588504 2 0.0371
8 2.295463 2 0.3174

Joint 253.5212 450 1.0000

Les probabilités sont supérieures à 5%, on accepte l’hypothèse de normalité : les erreurs du VAR suivent une loi normale.

163
Test d’autocorrélation des erreurs
VAR Residual Serial Correlation LM Tests
H0: no serial correlation at lag order h
Date: 01/21/15 Time: 15:55
Sample: 1965 2013
Included observations: 46

Lags LM-Stat Prob

1 108.8227 0.4000
2 57.64362 0.6992
3 76.09855 0.1431
4 62.02572 0.5467
5 84.11808 0.0467
6 62.78942 0.5194
7 46.06256 0.9557
8 46.08229 0.9555
9 63.18765 0.5052
10 58.65485 0.6653
11 42.34987 0.9832

164
 12 64.25479 0.4675

Probs from chi-square with 64 df.

Les probabilités sont toutes supérieures à 5%. On accepte l’hypothèse nulle de non corrélation des erreurs.

Test d’homoscédasticité des erreurs

VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 01/21/15 Time: 16:00
Sample: 1965 2013
Included observations: 46

Joint test:

Chi-sq df Prob.

1060.037 1008 0.1242

Individual components:

Dependent R-squared F(28,17) Prob. Chi-sq(28) Prob.

165
res1*res1 0.577261 0.829070 0.6790 26.55402 0.5426
res2*res2 0.775060 2.091994 0.0572 35.65278 0.1517
res3*res3 0.632437 1.044662 0.4747 29.09208 0.4079
res4*res4 0.895544 5.205289 0.0004 41.19503 0.0515
res5*res5 0.742165 1.747634 0.1153 34.13961 0.1963
res6*res6 0.938681 9.294313 0.0000 43.17935 0.0334
res7*res7 0.807575 2.548080 0.0237 37.14846 0.1156
res8*res8 0.538580 0.708670 0.7961 24.77466 0.6401
res2*res1 0.568843 0.801028 0.7068 26.16677 0.5639
res3*res1 0.683262 1.309721 0.2842 31.43007 0.2983
res3*res2 0.569225 0.802276 0.7056 26.18433 0.5629
res4*res1 0.640872 1.083458 0.4420 29.48009 0.3885
res4*res2 0.803671 2.485337 0.0266 36.96887 0.1195
res4*res3 0.762135 1.945325 0.0769 35.05821 0.1682
res5*res1 0.681712 1.300381 0.2896 31.35873 0.3014
res5*res2 0.847986 3.386844 0.0055 39.00735 0.0808
res5*res3 0.732460 1.662208 0.1376 33.69314 0.2112
res5*res4 0.627867 1.024380 0.4924 28.88190 0.4185
res6*res1 0.699039 1.410205 0.2316 32.15580 0.2682

166
 res6*res2 0.912744 6.351009 0.0001 41.98621 0.0435
res6*res3 0.787892 2.255279 0.0414 36.24303 0.1365
res6*res4 0.848791 3.408125 0.0053 39.04441 0.0802
res6*res5 0.936642 8.975598 0.0000 43.08553 0.0341
res7*res1 0.556244 0.761048 0.7462 25.58722 0.5957
res7*res2 0.583764 0.851508 0.6567 26.85315 0.5263
res7*res3 0.686013 1.326516 0.2747 31.55662 0.2929
res7*res4 0.687702 1.336970 0.2690 31.63429 0.2896
res7*res5 0.339669 0.312309 0.9969 15.62476 0.9711
res7*res6 0.694360 1.379324 0.2468 31.94058 0.2769
res8*res1 0.669172 1.228079 0.3346 30.78191 0.3268
res8*res2 0.603999 0.926042 0.5835 27.78395 0.4759
res8*res3 0.792225 2.314981 0.0369 36.44237 0.1317
res8*res4 0.812556 2.631920 0.0202 37.37758 0.1108
res8*res5 0.708204 1.473565 0.2033 32.57737 0.2517
res8*res6 0.700422 1.419521 0.2273 32.21943 0.2657
res8*res7 0.513392 0.640561 0.8561 23.61602 0.7016

La probabilité (0,1242) est supérieure à 5%. On accepte l’hypothèse nulle d’homocédasticité des erreurs.

167
Annexe 4 : Estimation du modèle VAR seconde spécification

VectorAutoregressionEstimates
Date: 01/21/15 Time: 17:20
Sample (adjusted): 1968 2013
Included observations: 46 afteradjustments
Standard errors in ( ) & t-statistics in [ ]

D(COURPIB) D(CAPUBPIB) TXCE D(CAPRIVPIB) EXPORTPIB IMPORTPIB PPOPACTIVPIB ELECTION PLUVIO

D(COURPIB(-1)) -0.435604 0.156104 1.777178 0.606214 1.409258 -1.278017 -0.237254 -5.175250 -3.039226
(0.18157) (0.28514) (0.88952) (0.50829) (1.30914) (1.14437) (0.21563) (3.83633) (3.52927)
[-2.39904] [ 0.54746] [ 1.99791] [ 1.19266] [ 1.07648] [-1.11678] [-1.10029] [-1.34901] [-0.86115]

D(COURPIB(-2)) -0.571229 0.614002 0.622662 -0.256829 1.456745 -1.111051 -0.176628 -6.153583 3.456260
(0.20276) (0.31841) (0.99332) (0.56760) (1.46191) (1.27791) (0.24079) (4.28400) (3.94111)
[-2.81723] [ 1.92831] [ 0.62685] [-0.45248] [ 0.99647] [-0.86943] [-0.73353] [-1.43641] [ 0.87698]

D(CAPUBPIB(-1)) -0.174151 -0.363006 1.517191 1.280148 0.545112 -0.963616 -0.337554 -1.061941 -0.362252
(0.11906) (0.18697) (0.58325) (0.33328) (0.85839) (0.75036) (0.14139) (2.51546) (2.31412)
[-1.46275] [-1.94157] [ 2.60127] [ 3.84106] [ 0.63504] [-1.28421] [-2.38746] [-0.42217] [-0.15654]

168
D(CAPUBPIB(-2)) -0.102334 -0.235034 1.821782 1.309935 -0.408990 -1.250814 -0.326771 1.177595 -2.272237
(0.12371) (0.19428) (0.60606) (0.34631) (0.89197) (0.77970) (0.14692) (2.61384) (2.40462)
[-0.82719] [-1.20979] [ 3.00594] [ 3.78250] [-0.45853] [-1.60421] [-2.22420] [ 0.45052] [-0.94495]

TXCE(-1) 0.054183 0.015020 0.061069 -0.412977 0.309948 -0.108478 -0.001975 -1.942713 0.083092
(0.07018) (0.11020) (0.34379) (0.19645) (0.50597) (0.44229) (0.08334) (1.48269) (1.36402)
[ 0.77209] [ 0.13629] [ 0.17763] [-2.10224] [ 0.61259] [-0.24527] [-0.02370] [-1.31026] [ 0.06092]

TXCE(-2) -0.039055 0.129014 -0.014892 0.016835 -0.011047 -0.250490 0.022727 -0.758546 1.052468
(0.03290) (0.05167) (0.16119) (0.09211) (0.23723) (0.20737) (0.03907) (0.69519) (0.63955)
[-1.18697] [ 2.49684] [-0.09239] [ 0.18278] [-0.04656] [-1.20791] [ 0.58163] [-1.09113] [ 1.64565]

D(CAPRIVPIB(-1)) 0.003934 -0.047068 -0.144924 -0.199801 -0.602387 0.018523 0.022171 -0.183376 1.197769
(0.05626) (0.08835) (0.27561) (0.15749) (0.40563) (0.35458) (0.06681) (1.18866) (1.09352)
[ 0.06993] [-0.53275] [-0.52583] [-1.26866] [-1.48507] [ 0.05224] [ 0.33184] [-0.15427] [ 1.09533]

D(CAPRIVPIB(-2)) -0.007775 0.000878 0.327189 -0.187292 0.532538 -0.032630 -0.092186 0.477884 -1.798781
(0.05503) (0.08642) (0.26959) (0.15405) (0.39677) (0.34683) (0.06535) (1.16269) (1.06963)
[-0.14129] [ 0.01016] [ 1.21366] [-1.21580] [ 1.34220] [-0.09408] [-1.41062] [ 0.41102] [-1.68169]

169
 EXPORTPIB(-1) 0.077208 0.041787 -0.551113 -0.157649 0.276786 0.878502 0.169082 0.011735 0.354987
(0.02672) (0.04195) (0.13087) (0.07478) (0.19261) (0.16837) (0.03173) (0.56444) (0.51926)
[ 2.89005] [ 0.99605] [-4.21100] [-2.10806] [ 1.43700] [ 5.21763] [ 5.32952] [ 0.02079] [ 0.68364]

EXPORTPIB(-2) -0.023542 -0.006912 0.289465 -0.035695 -0.202967 -0.098359 -0.073792 0.068118 -0.185524
(0.02850) (0.04476) (0.13962) (0.07978) (0.20548) (0.17962) (0.03385) (0.60215) (0.55395)
[-0.82603] [-0.15443] [ 2.07326] [-0.44741] [-0.98776] [-0.54759] [-2.18030] [ 0.11312] [-0.33491]

IMPORTPIB(-1) 0.002672 0.005322 0.746455 0.363420 -0.167411 0.090661 -0.199502 0.321294 -0.064340
(0.03452) (0.05421) (0.16911) (0.09663) (0.24889) (0.21756) (0.04099) (0.72935) (0.67097)
[ 0.07740] [ 0.09818] [ 4.41397] [ 3.76080] [-0.67263] [ 0.41671] [-4.86654] [ 0.44052] [-0.09589]

IMPORTPIB(-2) 0.038687 0.000660 -0.435422 -0.249269 -0.381782 0.296792 0.131334 0.930962 0.298136
(0.03755) (0.05897) (0.18395) (0.10511) (0.27073) (0.23666) (0.04459) (0.79336) (0.72986)
[ 1.03029] [ 0.01119] [-2.36702] [-2.37141] [-1.41019] [ 1.25410] [ 2.94521] [ 1.17344] [ 0.40848]

PPOPACTIVPIB(-1) 0.337296 0.024488 -3.660987 -3.004498 2.281904 1.608720 1.833433 -6.241373 5.825377
(0.31994) (0.50243) (1.56736) (0.89562) (2.30675) (2.01643) (0.37995) (6.75976) (6.21870)
[ 1.05425] [ 0.04874] [-2.33576] [-3.35466] [ 0.98923] [ 0.79781] [ 4.82551] [-0.92331] [ 0.93675]

170
PPOPACTIVPIB(-2) -0.564157 -0.101755 3.814117 3.306571 1.447816 -2.768075 -1.006977 2.535798 -6.620006
(0.34414) (0.54043) (1.68591) (0.96336) (2.48123) (2.16895) (0.40868) (7.27105) (6.68907)
[-1.63932] [-0.18828] [ 2.26234] [ 3.43232] [ 0.58351] [-1.27623] [-2.46395] [ 0.34875] [-0.98967]

ELECTION(-1) -0.003534 0.026885 0.077777 0.020605 0.010461 -0.045818 -0.007640 -0.231551 -0.074157
(0.00798) (0.01253) (0.03908) (0.02233) (0.05751) (0.05027) (0.00947) (0.16853) (0.15504)
[-0.44300] [ 2.14627] [ 1.99037] [ 0.92278] [ 0.18190] [-0.91139] [-0.80650] [-1.37395] [-0.47831]

ELECTION(-2) -0.013085 0.015110 -0.009577 0.011126 0.010772 0.028222 0.003674 -0.265826 -0.229010
(0.00809) (0.01271) (0.03965) (0.02266) (0.05836) (0.05101) (0.00961) (0.17101) (0.15732)
[-1.61664] [ 1.18882] [-0.24152] [ 0.49104] [ 0.18458] [ 0.55324] [ 0.38226] [-1.55446] [-1.45569]
PLUVIO(-1) -0.004343 0.006971 0.031460 -0.029467 -0.044345 -0.064159 -0.010616 -0.445623 0.948346
(0.00917) (0.01441) (0.04494) (0.02568) (0.06614) (0.05781) (0.01089) (0.19381) (0.17830)
[-0.47345] [ 0.48393] [ 0.70009] [-1.14754] [-0.67051] [-1.10977] [-0.97454] [-2.29931] [ 5.31897]
PLUVIO(-2) 0.014286 0.013068 -0.017647 -0.000553 -0.043981 -0.024008 -0.001117 0.163564 -0.289475
(0.00995) (0.01563) (0.04877) (0.02787) (0.07177) (0.06274) (0.01182) (0.21033) (0.19349)
[ 1.43504] [ 0.83590] [-0.36186] [-0.01985] [-0.61277] [-0.38266] [-0.09449] [ 0.77766] [-1.49606]
C -0.007990 -0.028871 -0.054575 -0.005552 0.187076 0.207653 0.021324 0.288874 -0.005167
(0.01247) (0.01958) (0.06107) (0.03490) (0.08988) (0.07857) (0.01480) (0.26339) (0.24231)
[-0.64093] [-1.47475] [-0.89361] [-0.15910] [ 2.08136] [ 2.64292] [ 1.44038] [ 1.09674] [-0.02132]

171
R-squared 0.512485 0.446668 0.792363 0.591867 0.965994 0.944647 0.991440 0.446538 0.644790
Adj. R-squared 0.187475 0.077781 0.653938 0.319779 0.943323 0.907745 0.985734 0.077563 0.407983
Sum sq. resids 0.007358 0.018146 0.176591 0.057660 0.382501 0.292279 0.010377 3.284679 2.779908
S.E. equation 0.016508 0.025924 0.080873 0.046212 0.119024 0.104044 0.019604 0.348790 0.320873
F-statistic 1.576828 1.210852 5.724147 2.175274 42.60963 25.59873 173.7361 1.210211 2.722849
Log likelihood 135.7623 115.0016 62.66767 88.41081 44.89115 51.07868 127.8552 -4.565604 -0.728027
Akaike AIC -5.076623 -4.173984 -1.898594 -3.017861 -1.125702 -1.394725 -4.732835 1.024591 0.857740
Schwarz SC -4.321315 -3.418676 -1.143286 -2.262553 -0.370394 -0.639417 -3.977527 1.779900 1.613049
Meandependent 0.001235 0.003744 0.088931 0.003592 0.489126 0.569392 0.141915 0.152174 0.217391
S.D. dependent 0.018314 0.026995 0.137476 0.056031 0.499955 0.342548 0.164133 0.363158 0.417029

Determinant resid covariance (dof adj.) 8.77E-23

Determinantresid covariance 7.25E-25
Log likelihood 690.9742
Akaike information criterion -22.60757
Schwarz criterion -15.80980

172
Annexe 5 : Stationnarité du VAR seconde spécification.

Roots of Characteristic Polynomial

Endogenous variables: D(COURPIB) D(CAPUBPIB) TXCE D(CAPRIVPIB) EXPORTPIB IMPORTPIB PPOPACTIVPIB ELECTION
PLUVIO
Exogenous variables: C
Lagspecification: 1 2
Date: 01/21/15 Time: 17:30

Root Modulus

173
-0.228112 + 0.842866i 0.873188
-0.228112 - 0.842866i 0.873188
0.849123 + 0.056950i 0.851031
0.849123 - 0.056950i 0.851031
0.034815 + 0.820433i 0.821172
0.034815 - 0.820433i 0.821172
0.726646 - 0.316577i 0.792613
0.726646 + 0.316577i 0.792613
0.494751 - 0.546972i 0.737534
0.494751 + 0.546972i 0.737534
-0.437692 - 0.559343i 0.710238
-0.437692 + 0.559343i 0.710238
-0.678488 0.678488
-0.050969 + 0.565460i 0.567753
-0.050969 - 0.565460i 0.567753
-0.315161 0.315161
0.098428 + 0.253256i 0.271711
0.098428 - 0.253256i 0.271711

174
No root lies outside the unit circle.
VAR satisfies the stability condition.

175
Annexe 6 Test de diagnostics seconde specification

Test de normalité des erreurs

Component Jarque-Bera df Prob.

1 5.179973 2 0.0750
2 10.78561 2 0.0045
3 9.248880 2 0.0098
4 9.973359 2 0.0068
5 3.453440 2 0.1779
6 3.700460 2 0.1572
7 11.45092 2 0.0033
8 7.717599 2 0.0211
9 4.661533 2 0.0972

Joint 347.8249 660 1.0000

176
Test d’autocorrélation des erreurs
VAR Residual Serial Correlation LM Tests
H0: no serial correlation at lag order h
Sample: 1965 2013
Included observations: 46

Lags LM-Stat Prob

1 125.8614 0.1000
2 78.74110 0.5504
3 103.5448 0.0464
4 77.30248 0.5958
5 97.55209 0.1016
6 84.44811 0.3747
7 76.63919 0.6165
8 62.23337 0.9398
9 66.73279 0.8731
10 61.84221 0.9441
11 73.35009 0.7151
12 67.04090 0.8673

177
Probs from chi-square with 81 df.

Test d’homoscédasticité des erreurs

VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)
Date: 01/21/15 Time: 17:42
Sample: 1965 2013
Included observations: 46

Joint test:

Chi-sq df Prob.

1472.000 1440 0.2728

178
Annexe 4 : Sorties des régressions
ls log(d(pib)) c log(d(deptotpib(-1))*d(pib(-1))) log((1-d(deptotpib(-1))*d(pib(-1))))
ls log(pib) c log(deptotpib(-1)*pib(-1)) log((1-deptotpib(-1))*pib(-1))
ls log(pib) c log(courpib(-1)*pib(-1)) log((1-courpib(-1))*pib(-1))
ls log(pib) c log(salpib(-1)*pib(-1)) log((1-salpib(-1))*pib(-1))
ls log(pib) c log(capubpib(-1)*pib(-1)) log((1-capubpib(-1))*pib(-1))
ls log(pib) c log(caprivpib(-1)*pib(-1)) log((1-caprivpib(-1))*pib(-1))
ls log(pib) c log(tsubvpib(-1)*pib(-1)) log((1-tsubvpib(-1))*pib(-1))
ls log(pib) c log(dettepib(-1)*pib(-1)) log((1-dettepib(-1))*pib(-1))
ls log(deptot) c log(courdeptot(-1)*deptot(-1)) log((1-courdeptot(-1))*deptot(-1))
ls log(deptot) c log(saldeptot(-1)*deptot(-1)) log((1-saldeptot(-1))*deptot(-1))
ls log(deptot) c log(tsubvdeptot(-1)*deptot(-1)) log((1-tsubvdeptot(-1))*deptot(-1))
ls log(deptot) c log(dettedeptot(-1)*deptot(-1)) log((1-dettedeptot(-1))*deptot(-1))
ls log(deptot) c log(capubdeptot(-1)*deptot(-1)) log((1-capubdeptot(-1))*deptot(-1))
ls log(deptot) c log(caprivdeptot(-1)*deptot(-1)) log((1-caprivdeptot(-1))*deptot(-1))

Les dépenses totales

Autres résultats

Dependent Variable: D(LOG(PIB))

Method: Least Squares
Date: 01/21/15 Time: 04:34
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.044983 0.019175 2.345986 0.0235

D(LOG(DEPTOTPIB(-1)*PIB(-1))) 0.187626 0.083463 2.248013 0.0296
D(LOG((1-DEPTOTPIB(-1))*PIB(-1))) 0.172176 0.123816 1.390584 0.1713

R-squared 0.150874 Mean dependent var 0.077463

Adjusted R-squared 0.112277 S.D. dependent var 0.108650
S.E. of regression 0.102369 Akaike info criterion -1.658769
Sum squared resid 0.461092 Schwarz criterion -1.540674
Log likelihood 41.98107 F-statistic 3.908991
Durbin-Watson stat 1.987845 Prob(F-statistic) 0.027377

179
Dependent Variable: D(LOG(PIB))
Method: Least Squares
Date: 01/21/15 Time: 04:37
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.052874 0.019370 2.729710 0.0091

D(LOG(CAPUBPIB(-1)*PIB(-1))) 0.020485 0.032651 0.627405 0.5336
D(LOG((1-CAPUBPIB(-1))*PIB(-1))) 0.276643 0.138546 1.996762 0.0521

R-squared 0.091604 Mean dependent var 0.077463

Adjusted R-squared 0.050314 S.D. dependent var 0.108650
S.E. of regression 0.105881 Akaike info criterion -1.591297
Sum squared resid 0.493276 Schwarz criterion -1.473202
Log likelihood 40.39547 F-statistic 2.218524
Durbin-Watson stat 1.927368 Prob(F-statistic) 0.120795

ls d(LOG(PIB)) c d(LOG(DEPTOTPIB(-1)*PIB(-1))) d(LOG((1-DEPTOTPIB(-1))*PIB(-1))) log(PIB(-1))

log(((DEPTOTPIB(-1)*PIB(-1))(-1)) log(((1-DEPTOTPIB(-1))*PIB(-1))(-1))

Null Hypothesis: ERREUR has a unit root

Exogenous: Constant, Linear Trend
Bandwidth: 1 (Newey-West using Bartlett kernel)

Adj. t-Stat Prob.*

Phillips-Perron test statistic -6.607199 0.0000

Test critical values: 1% level -4.170583
5% level -3.510740
10% level -3.185512

*MacKinnon (1996) one-sided p-values.

Residual variance (no correction) 0.009342

HAC corrected variance (Bartlett kernel) 0.009283

Phillips-Perron Test Equation

Dependent Variable: D(ERREUR)
Method: Least Squares
Date: 01/21/15 Time: 14:36
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments

180
 Variable Coefficient Std. Error t-Statistic Prob.

LOG(PIB) = 1.133969159 + 0.3360247588*LOG(DEPTOTPIB(-1)*PIB(-1)) + 0.6093316368*LOG((1-

DEPTOTPIB(-1))*PIB(-1)) + [AR(1)=0.3884641916]

Dependent Variable: D(LOG(PIB))

Method: Least Squares
Date: 01/21/15 Time: 14:48
Sample (adjusted): 1968 2013
Included observations: 46 after adjustments

Variable Coefficient Std. Error t-Statistic Prob.

C 0.021279 0.029346 0.725086 0.4724

D(LOG(DEPTOTPIB(-1)*PIB(-1))) 0.244844 0.101123 2.421252 0.0199
D(LOG((1-DEPTOTPIB(-1))*PIB(-1))) 0.447311 0.261102 1.713168 0.0941
ERREUR(-1) -0.374007 0.346569 -1.079172 0.2867

R-squared 0.183990 Mean dependent var 0.078787

Adjusted R-squared 0.125704 S.D. dependent var 0.109466
S.E. of regression 0.102355 Akaike info criterion -1.637802
Sum squared resid 0.440013 Schwarz criterion -1.478789
Log likelihood 41.66944 F-statistic 3.156663
Durbin-Watson stat 1.981043 Prob(F-statistic) 0.034500

MCE non validé pour le DEPTOTPIB

LOG(PIB) = 0.5103989524 + 0.06468464057*LOG(CAPUBPIB(-1)*PIB(-1)) + 0.9073872499*LOG((1-
CAPUBPIB(-1))*PIB(-1)) + [AR(1)=0.3334188621]

Dependent Variable: LOG(PIB)

Method: Least Squares
Date: 01/21/15 Time: 15:05
Sample (adjusted): 1967 2013
Included observations: 47 after adjustments
Convergence achieved after 4 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 0.510399 0.272362 1.873969 0.0677

LOG(CAPUBPIB(-1)*PIB(-1)) 0.064685 0.032935 1.964019 0.0560
LOG((1-CAPUBPIB(-1))*PIB(-1)) 0.907387 0.058765 15.44099 0.0000
AR(1) 0.333419 0.141850 2.350501 0.0234

R-squared 0.990836 Mean dependent var 6.472141

Adjusted R-squared 0.990197 S.D. dependent var 1.078677
S.E. of regression 0.106800 Akaike info criterion -1.554453
Sum squared resid 0.490468 Schwarz criterion -1.396993
Log likelihood 40.52964 F-statistic 1549.812
Durbin-Watson stat 1.950883 Prob(F-statistic) 0.000000

181
Inverted AR Roots .33

PIB = 50.73916617 + 1963.769211*DEPTOTPIB - 5232.774741*DEPTOTPIB2 -

125.1920479*IMPORTPIB + 0.2294869086*HPLUV + [AR(1)=1.103843139]
Dependent Variable: PIB
Method: Least Squares
Date: 01/22/15 Time: 05:42
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments
Convergence achieved after 7 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C 50.73917 153.2082 0.331178 0.7422

DEPTOTPIB 1963.769 1568.123 1.252306 0.2174
DEPTOTPIB2 -5232.775 4065.489 -1.287120 0.2051
IMPORTPIB -125.1920 51.04590 -2.452539 0.0184
HPLUV 0.229487 0.101397 2.263246 0.0288
AR(1) 1.103843 0.012615 87.50430 0.0000

R-squared 0.996291 Mean dependent var 1007.374

Adjusted R-squared 0.995850 S.D. dependent var 921.5704
S.E. of regression 59.36815 Akaike info criterion 11.12186
Sum squared resid 148032.2 Schwarz criterion 11.35576
Log likelihood -260.9247 Durbin-Watson stat 1.921998

Inverted AR Roots 1.10

Estimated AR process is nonstationary

PIB = -115.761716 + 90.78743419*DEPTOTPIB + 194.2695596*(DEPTOTPIB)^2 +

0.4703889191*EXPORT + 0.2335373234*HPLUV + 0.005825951026*IMPORT +
[AR(1)=1.081411729]

Dependent Variable: PIB

Method: Least Squares
Date: 01/22/15 Time: 06:04
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments
Convergence achieved after 11 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C -115.7617 190.6116 -0.607317 0.5470

DEPTOTPIB 90.78743 1543.750 0.058810 0.9534
(DEPTOTPIB)^2 194.2696 4094.843 0.047442 0.9624
EXPORT 0.470389 0.218226 2.155508 0.0370
HPLUV 0.233537 0.104939 2.225448 0.0316

182
 IMPORT 0.005826 0.122606 0.047518 0.9623
AR(1) 1.081412 0.013486 80.18865 0.0000

R-squared 0.996218 Mean dependent var 1007.374

Adjusted R-squared 0.995664 S.D. dependent var 921.5704
S.E. of regression 60.68179 Akaike info criterion 11.18320
Sum squared resid 150973.4 Schwarz criterion 11.45609
Log likelihood -261.3968 Durbin-Watson stat 1.662832

Inverted AR Roots 1.08

Estimated AR process is nonstationary

Finalement,
PIB = -91.30470103 + 1024.331831*DEPTOTPIB - 2350.587028*(DEPTOTPIB)^2 +
0.5127588886*EXPORT + [AR(1)=1.084035552]

Dependent Variable: PIB

Method: Least Squares
Date: 01/22/15 Time: 06:34
Sample (adjusted): 1966 2013
Included observations: 48 after adjustments
Convergence achieved after 10 iterations

Variable Coefficient Std. Error t-Statistic Prob.

C -91.30470 190.4087 -0.479520 0.6340

DEPTOTPIB 1024.332 1478.783 0.692686 0.4922
(DEPTOTPIB)^2 -2350.587 3844.818 -0.611365 0.5442
EXPORT 0.512759 0.220557 2.324838 0.0249
AR(1) 1.084036 0.013734 78.93206 0.0000

R-squared 0.995761 Mean dependent var 1007.374

Adjusted R-squared 0.995366 S.D. dependent var 921.5704
S.E. of regression 62.73158 Akaike info criterion 11.21394
Sum squared resid 169215.8 Schwarz criterion 11.40886
Log likelihood -264.1345 Durbin-Watson stat 1.989000

Inverted AR Roots 1.08

Estimated AR process is nonstationary

AVEC HPLUV, on obtient

Dependent Variable: PIB

Method: Least Squares
Date: 01/22/15 Time: 08:51
Sample: 1965 2013
Included observations: 49

183
 Variable Coefficient Std. Error t-Statistic Prob.

C -2385.029 536.6337 -4.444425 0.0001

DEPTOTPIB 21290.43 5036.374 4.227333 0.0001
(DEPTOTPIB)^2 -51746.89 14799.01 -3.496647 0.0011
EXPORT 5.098963 0.495049 10.29992 0.0000
HPLUV 0.094811 0.722285 0.131265 0.8962

R-squared 0.898370 Mean dependent var 988.3272

Adjusted R-squared 0.889131 S.D. dependent var 921.6148
S.E. of regression 306.8699 Akaike info criterion 14.38718
Sum squared resid 4143443. Schwarz criterion 14.58022
Log likelihood -347.4858 Durbin-Watson stat 0.660505

LE BON MODELE sans hpluv et import

Dependent Variable: PIB

Method: Least Squares
Date: 01/22/15 Time: 08:44
Sample: 1965 2013
Included observations: 49

Variable Coefficient Std. Error t-Statistic Prob.

C -2351.988 468.7341 -5.017743 0.0000

DEPTOTPIB 21311.66 4978.507 4.280733 0.0001
(DEPTOTPIB)^2 -51928.73 14572.25 -3.563534 0.0009
EXPORT 5.119682 0.464058 11.03243 0.0000

R-squared 0.898330 Mean dependent var 988.3272

Adjusted R-squared 0.891552 S.D. dependent var 921.6148
S.E. of regression 303.5005 Akaike info criterion 14.34675
Sum squared resid 4145065. Schwarz criterion 14.50119
Log likelihood -347.4954 Durbin-Watson stat 0.657842

184