Institut numerique

CHAPITRE 2 : ANALYSE DE L’INCIDENCE DE LA MASSE SALARIALE SUR LES INVESTISSEMENTS AU BENIN

Le présent chapitre traite d’une part du comportement de la masse salariale, de l’investissement privé et de l’investissement public au Bénin et d’autre part il est consacré à l’élaboration et à l’estimation des modèles économétriques permettant d’évaluer les effets de la masse salariale sur les investissements privé et public au Bénin.

2.1. ANALYSE DE L’EVOLUTION DE LA MASSE SALARIALE ET DES INVESTISSEMENTS AU BENIN

Pour apprécier cette évolution, l’analyse couvrira la période allant de 1980 à 2010. Pour des raisons pratiques, cette étude, au cours de la période ci-dessus se fera en trois sous périodes à savoir :

– La période allant de 1980 à 1989 : considérée comme une période de crise économique et financière ;
– La période allant de 1990 à 1999 : considérée comme une période de redressement (Programme d’Ajustement Structurel (PAS) et dévaluation) et de réforme budgétaire ;
– Et enfin la période allant de 2000 à 2010: considérée comme la période de l’initiative PPTE, réduction de la dette et de mise en oeuvre des mesures du Document de Stratégie de Réduction de la Pauvreté (DSRP) et de la Stratégie de Croissance pour la Réduction de la Pauvreté (SCRP).

Cette subdivision a été effectuée dans le but d’apprécier les effets du PAS, de l’initiative des Pays Pauvres Très Endettés (PPTE), de la dévaluation, du DSRP et de la SCRP sur la masse salariale, les investissements privé et public au Bénin.

2.1.1. Evolution de la masse salariale au Bénin

– Analyse de la masse salariale au Bénin

Sur l’ensemble de la période de cette étude (1980-2010), on constate que la masse salariale a chuté entre les trois (3) premières années (1980 ; 1982) et est passée de 52,4% à 25,8% des recettes fiscales en dépit de l’augmentation des recettes fiscales qui sont passés de 31,1 milliards de FCFA à 58,9 milliards de FCFA (Données de la BCEAO). Ensuite, elle a augmenté progressivement jusqu’à atteindre son niveau maximal qui est de 107,2% des recettes fiscales en 1989 avant de commencer par diminuer à nouveau. Ceci s’explique par la crise économique et financière qui a prévalu au cours de la période entre 1980 et 1989 et a favorisé une mauvaise affectation des ressources nationales dans les différents postes des charges de fonctionnement. L’Etat a dû engager des dépenses salariales au détriment d’une affectation conséquente de moyens aux autres postes de dépenses, notamment les dépenses d’investissements publics. Cette situation est le reflet du fait qu’en 1989, la masse salariale démesurée a conduit directement à une crise budgétaire qui a entraîné une accumulation importante d’arriérés de salaires des fonctionnaires et un arrêt de recrutement des agents de l’Etat. L’année 1989 a été caractérisée par une paralysie généralisée de tous les secteurs de l’économie. Il y a une hausse des salaires qui n’a même pas réussi à arrêter les grèves dans le pays.

La situation se complique et les autorités politico-administratives ont dû faire recours à une conférence nationale des forces vives de la nation en février 1990 où des décisions ont été prises en matière de réformes administrative, politique et économique, en vue de relancer l’économie nationale.

La masse salariale en pourcentage des recettes fiscales a continué à chuter chaque année jusqu’en 2000 avant de remonter pour s’établir à 45,1% en 2009, puis à 45,3% des recettes fiscales en 2010 (Données de la BCEAO).
(Voir Graphique 6).

Graphique 6: Evolution de la masse salariale (MS) de 1980 à 2010 au Bénin

Source : Auteur 2012, à partir des données de la BCEAO

A travers ces différentes analyses, nous constatons que la masse salariale au Bénin est instable et sensiblement croissante. Néanmoins, un second graphe nous permettra, par comparaison avec les autres pays de l’UEMOA, de mieux statuer sur cette performance moyenne de la masse salariale au Bénin.

– Analyse comparée de la masse salariale du Bénin et de quelques pays

Comparativement à l’ensemble des pays de l’UEMOA, les performances du Bénin en matière de plafonnement de la masse salariale à 35% selon les normes de convergence pour les huit pays de l’UEMOA sont acceptables.

En 2009, seuls deux des huit pays membres de l’UEMOA, le Niger et le Sénégal, ont rempli le critère de l’UEMOA d’une masse salariale plafonnée à 35 % des recettes fiscales. Le Mali et le Togo dépassent légèrement ce plafond tandis que le Bénin et les trois autres pays sont largement au-dessus (Voir ANNEXE 11).
Bien que le critère de convergence de l’UEMOA et les dépenses sur les salaires dans les autres pays de la région sont des points de référence utiles, il est à noter que les comparaisons entre des pays des données salariales sont, toutefois, compliquées par une variété de conditions propres à chaque pays et des moyens de mesurer les dépenses salariales différents.

En effet, au cours de la période 2001-2010, le taux moyen des traitements et salaires en pourcentage des recettes fiscales au Bénin s’est établi à 36,8%. Ce taux moyen de la masse salariale est légèrement supérieur au taux de convergence dans l’UEMOA qui est de 35%. Le taux moyen de masse salariale pour les huit pays de l’UEMOA est de l’ordre de 35,4% au cours de cette dernière décennie 2001-2010.

La situation par pays de l’UEMOA se présente comme suit (voir graphique 7) :

Graphique 7: Masse salariale dans l’UEMOA (moyenne sur la période 2001-2010)

Source : Auteur 2012, à partir des données de la BCEAO

A l’instar du Togo, la masse salariale moyenne, en pourcentage des recettes fiscales au cours de cette dernière décennie (2001-2010) au Bénin, est légèrement supérieure à la norme communautaire de convergence pour les huit (08) pays de l’UEMOA (35%), 36,6% pour le Togo et 36,8% pour le Bénin. Au même moment, le Mali, le Niger et le Sénégal présentent des taux moyens de masse salariale inférieurs à 35%. Ces trois (03) pays ont enregistré des taux moyens de masse salariale respectifs de 31,8%, 33,6% et 31,6%. Par contre, le Burkina Faso, la Côte d’Ivoire et la Guinée Bissau ont un taux de masse salariale largement supérieur à la norme de convergence, respectivement 43,6%, 42,9% et 94,2%.

2.1.2. Evolution de l’investissement privé au Bénin

Le taux d’investissement privé a globalement connu une évolution constante avant d’entamer une croissance à partir de 1990. Le graphique 5 ci-dessous montre que de 1980 à 1989, l’investissement privé en pourcentage du PIB est presque constant et tourne autour de 9,5%. Ce faible niveau du taux d’investissement privé s’explique par les déséquilibres et distorsions qu’a connus le Bénin dans les années 80 dans les domaines de finances publiques, du crédit et de la répartition des investissements.

De 1990 à 1999, on constate une reprise de ce taux passant de 8,5% à 12,7% du PIB, soit une augmentation de 4,2%. Ceci s’explique par la mise en oeuvre du PAS et de la dévaluation du FCFA intervenue en 1994.

Par ailleurs, de 2000 à 2004, ce taux a connu une légère baisse avant de connaître de reprise jusqu’en 2010. Cette augmentation pourrait s’expliquer par l’orientation de la politique économique à travers la relance et la dynamisation du secteur privé par le gouvernement béninois et par la mise en oeuvre de l’initiative PPTE, du DSRP et de la SCRP. (Voir graphique 8)

Graphique 8: Evolution de l’investissement privé (%PIB) : INVESPRIV

Source : Auteur 2012, à partir des données de la BCEAO

2.1.3. Evolution de l’investissement public au Bénin

L’analyse de ce graphique permet de dégager trois grandes périodes :

Celle allant de 1980 à 1989 où l’investissement public a connu une augmentation pour atteindre sa valeur maximale en 1989 qui est de 3,9% du PIB malgré la crise économique et financière.

La période de 1990 à 1999 est marquée par une baisse drastique du taux d’investissement public passant de 3,6% à 2% du PIB soit une diminution de 1,6%. Ceci s’explique par la mise en oeuvre du PAS et surtout de la dévaluation du FCFA qui a diminué les importations et par conséquent les ressources fiscales qui financent les dépenses d’investissement de l’Etat.

Et enfin de 2000 à 2010, ce taux a connu une reprise et se situe à 3,1% en 2010, du fait de l’orientation de la politique économique de l’Etat à travers la construction d’infrastructures afin de permettre la fluidité dans les échanges. (Voir graphique 9)

Graphique 9: Evolution de l’investissement public (%PIB) : INVESPUB

Source : Auteur 2012, à partir des données de la BCEAO

2.1.4. Evolution de la masse salariale par rapport aux investissements

Il s’agira ici de faire une étude comparée entre la masse salariale et les investissements au Bénin.

. Masse salariale et investissement privé

De 1980 à 1989 la masse salariale a évolué et est passée de 52,4% des recettes fiscales à 107,2%. Quand à l’investissement privé, il a connu une évolution dans le même sens et est passé de 94% des recettes fiscales à 97,6%. A partir de 1989, le taux de masse salariale a commencé par baisser jusqu’à s’établir à 45,3%. Par contre, au cours de la même période, l’investissement privé a augmenté jusqu’à atteindre 131,4% des recettes fiscales.

Au cours donc de la période allant de 1980 à 2010, la masse salariale et l’investissement privé ont évolué en sens inverses au Bénin (Voir graphique 10).

Graphique 10: Évolution de la masse salariale par rapport à l’investissement privé au Bénin

Source : Auteur 2012, à partir des données de la BCEAO

. Masse salariale et investissement public

De 1980 à 1982, la masse salariale de même que l’investissement public en pourcentage des recettes fiscales ont baissé respectivement de 52,4% et 58,2 % à 25,8% et 34,5%. Et puis, en 1989 la masse salariale et l’investissement public en pourcentage des recettes fiscales au Bénin ont évolué jusqu’à atteindre respectivement 107,2% et 68,2%. En 1999, la masse salariale et l’investissement public ont chuté de nouveau et se sont établis respectivement à 33,2% et 40,1%. En suite, ils ont augmenté jusqu’à respectivement 45,3% et 66,8% des recettes fiscales.

Au cours de la période de 1980 à 2010, la masse salariale et l’investissement public en pourcentage des recettes fiscales ont évolué dans le même sens au Bénin (Voir graphique 11).

Graphique 11: Evolution de la masse salariale par rapport à l’investissement public au Bénin

Source : Auteur 2012, à partir des données de la BCEAO

2.2.EFFET DE LA MASSE SALARIALE SUR L’INVESTISSEMENT PRIVE AU BENIN

Afin de mieux expliquer l’impact de la masse salariale sur l’investissement privé au Bénin, des séries chronologiques ont été utilisées pour l’estimation du modèle adopté. Plusieurs problèmes sont propres aux séries chronologiques, notamment en raison de la corrélation entre les observations (auto corrélation) et de la possibilité de changement du processus générateur de données d’une époque à l’autre (stationnarité).

2.2.1. Test de stationnarité et test de coïntégration de Johansen

Cette partie vise à déterminer l’ordre d’intégration de chaque variable de notre modèle. Elle nous permet également de choisir la technique d’estimation appropriée à notre modèle.

. Test de stationnarité sur les variables.

Le test en niveau sur les séries est l’étape primordiale d’étude de la stationnarité. Il est qualifié du test de Dickey-Fuller Augmenté. Ce test permet de savoir si les séries sont stationnaires ou intégrées. Le tableau 3 présente les résultats du test de stationnarité sur les variables.

Tableau 3 : Présentation des résultats du test ADF en niveau sur les variables du modèle 1

Source : Auteur 2012, à partir du logiciel Eviews 5.1

De l’analyse du tableau 3 sur les résultats du test de stationnarité, il ressort qu’aucune des variables n’est stationnaire en niveau. La recherche de l’ordre de l’intégration devient nécessaire. (Voir annexe 3)

. Tests ADF en différence première

La non stationnarité des séries nous conduit à voir si nos variables sont intégrées d’ordre un (1). Le tableau 4 présente les résultats des tests de stationnarité en différence première sur les variables.

Tableau 4 : Présentation des résultats du test ADF en différence première du modèle 1

Source : Auteur 2012, à partir du logiciel Eviews 5.1

Le tableau 4 montre que toutes les variables du modèle sont stationnaires en différence première. D’où elles sont intégrées d’ordre un (1) (voir annexe 3). Le fait que toutes les séries sont intégrées d’ordre un (1) nous fait penser à la présence de relations de coïntégration.

. Test de coïntégration

L’analyse du test de coïntégration de Johansen fait apparaître l’existence d’une (01) relation de coïntégration au seuil de 5% entre les variables du modèle1 (cf. Annexe 4). D’où la nécessité de réaliser un modèle à correction d’erreur.

2.2.2. Estimation du modèle à correction d’erreur

La méthode retenue pour l’estimation des modèles de long terme et de court terme est celle à deux étapes de Engle et Granger.

a. Estimation du modèle de long terme de l’investissement privé et tests statistiques

. Estimation du modèle de long terme de l’investissement privé

Il s’agit d’estimer le modèle suivant :

Les résultats d’estimation du modèle de long terme sont consignés dans le tableau 5.

Tableau 5 : Présentation des résultats d’estimation du modèle (1) de long terme.

Source : Auteur 2012, à partir du logiciel Eviews 5.1

– Qualité de la régression

De l’analyse du tableau 5, il ressort que le coefficient de détermination R² = 0,945538 indique que la qualité de la régression du modèle de long terme est bonne. C’est-à-dire que les fluctuations du taux d’investissement privé sont expliquées à 94,5538 % par les variables explicatives du modèle.

– Significativité des variables du modèle de long terme.

Il s’agit de tester si chacune des variables figurant dans le modèle de long terme contribue significativement à l’explication de la variable endogène. C’est-à-dire si chacun de ces coefficients est significativement différent de zéro au sens de Student au seuil de 5%.
De l’analyse du tableau 5 présenté ci-dessus, il ressort que seul le coefficient du taux de croissance du PIB réel n’est pas significativement différent de zéro (0) avec pour probabilité prob = 0,4071.

Par contre, l’analyse du même tableau montre également que les coefficients de la masse salariale, de l’encours de la dette publique (%PIB), du taux d’investissement public, du taux d’intérêt préteur et le degré d’ouverture sont statistiquement différents de zéro (0) avec pour probabilité respective prob = 0,0022 ; prob = 0,0000 ; prob = 0,0034 prob = 0,0279 et Prob = 0,0000. Toutes ces variables sont significatives au seuil de 5%. Il y a donc de corrélation entre ces variables explicatives et la variable expliquée.

Pour apprécier la qualité de notre modèle quelques tests sont donc effectués.

– Quelques tests statistiques sur le modèle de long terme de l’investissement privé.
– Test de normalité de Jarque-Bera

Le test de normalité permet de savoir si les erreurs du modèle suivent une loi normale ou pas. Le test de Jarque-Bera, encore appelé test de Skewness-Kurtosis permet de tester la normalité des erreurs. Le test d’hypothèses est donc le suivant :

Ho : les erreurs suivent une loi normale ;
H1 : les erreurs ne suivent pas une loi normale.

La statistique de Jarque-Bera est définie de la façon suivante :

Où s est le coefficient de dissymétrie et K le coefficient d’aplatissement.

On accepte Ho si la valeur de prob> chi2 est supérieure à 5% et on accepte H1 dans le cas contraire.

La valeur de la probabilité prob = 0,826294 (annexe 6 graphique 1) attachée à la statistique de cette étude est supérieure à 5 %. Alors, les erreurs du modèle suivent une loi normale.

– Test d’autocorrélation des erreurs de Breusch-Godfrey

L’autocorrélation est une situation dans laquelle les termes d’erreurs ne sont pas indépendants au cours du temps. Ce qui signifie que l’espérance mathématique

Les erreurs peuvent être positives, négatives ou nulles. Cependant, ce test nous permet de savoir si ces erreurs sont corrélées entre elles. Ce qui revient à vérifier si les erreurs d’une observation sont corrélées à celles des autres. D’où le test de Durbin-Watson et/ou le test de Breusch-Godfrey. Dans le cadre de cette étude nous allons effectuer le test de Breusch-Godfrey.

Ce test nous permet de détecter si les erreurs sont corrélées ou pas entre elles. C’est-à-dire de vérifier si l’espérance mathématique du terme d’erreur est nulle (erreurs non corrélées) ou différent de zéro (erreurs corrélées).

On accepte H1 dans le cas contraire.

La valeur de probabilité 0,310079 (voir annexe 6) obtenue est supérieure à 5%. On accepte Ho. Par suite nous pouvons conclure que les erreurs ne sont pas autocorrélées.

– Test d’hétéroscédasticité de White.

Ce test permet en réalité de savoir si la variance conditionnelle du terme d’erreur sachant Xi est une constante ou non. Pour détecter la présence de l’hétéroscédasticité ou non, plusieurs tests ont été développés à ce sujet :

Il s’agit du test de Golfeld-Quandt, du test de White, du test de coefficient de rang ou d’ordre de Spearman et du test Breusch-Pagan.
Par ailleurs, dans le cadre de cette étude le test de White est effectué. Il s’agit de tester :

Ho: la variance du terme d’erreur est une constance (homoscédasticité).
H1 : la variance du terme d’erreur est différente d’une constante (hétéroscédasticité).

On accepte Ho si la valeur de la probabilité est supérieure à 5% et on la rejette si non.

La valeur de la probabilité obtenue 0,363666 (annexe 6) est supérieure à 5%. Nous pouvons conclure que les erreurs sont homoscédastiques.

– Test d’omission des variables de Ramsey

Ce test permet d’observer si le modèle souffre d’omission de variables importantes. La valeur de la probabilité attachée à la statistique à cette étude est 0,477157 (voir annexe 6) supérieure à 5 %. D’où le modèle de court terme ne souffre pas d’omission de variables importantes.

– Test de stabilité des variables.

Il s’agit de test CUSUM et CUSUM carré de stabilité. Les résultats obtenus après instruction sous Eviews 5.1 montrent que les courbes respectives sur le test CUSUM et CUSUM carré de stabilité ne coupent pas le corridor (annexe 6 graphique 2 et 3). Nous pouvons conclure que le modèle est structurellement stable et ponctuellement stable sur chacun de ces tests.

– Test de la matrice de corrélation des variables.

Ce test nous permet de détecter la multicolinéarité entre les variables explicatives du modèle. Il s’agit de comparer la valeur du coefficient de la matrice des variances et covariances qu’on élève au carré, à la valeur du coefficient de détermination du modèle de long terme. La valeur r = 0.793640 la plus élevée de la matrice des variances et des covariances élevée au carré (voir annexe 10) est inférieure à celle du coefficient de détermination 0,945538 (r2 = 0,629864 < 0,95456). D’où on note une absence de multicolinéarité entre les variables explicatives du modèle de long terme.

b. Estimation du modèle de court terme de l’investissement privé et tests statistiques

– Estimation du modèle de court terme de l’investissement privé

L’estimation du modèle de court terme permet d’avoir l’effet immédiat d’une politique macroéconomique sur un phénomène étudié. Il s’agit ici d’observer comment les variables explicatives de notre modèle affectent l’investissement privé au Bénin. Le modèle de court terme à estimer est le suivant :

Les résultats d’estimation du modèle de court terme sont consignés dans le tableau 6.

Tableau 6 : Présentation des résultats d’estimation du modèle (1) de court terme.

Source: Estimation sous Eviews 5.1

De l’analyse du tableau 6, il ressort que le coefficient associé à la force de rappel est négatif
(-0,725547) et significativement différent de zéro au seuil statistique de 5%. Il existe donc bien un mécanisme à correction d’erreur. A long terme, les déséquilibres entre le taux d’investissement privé et les sept variables explicatives se compensent de sorte que les séries ont des évolutions similaires.

– Qualité de régression

Le coefficient de régression R² = 0,930070 indique que la qualité de la régression est relativement bonne. C’est-à-dire que le taux d’investissement privé est à 93,0070% expliquée par les variables explicatives du modèle. De même, la prob (F-statistic) = 0 ,000000 est inférieure à 5%. Alors le modèle de court terme est globalement significatif.

– Significativité des variables du modèle de court terme.

De l’analyse du tableau 6 présenté ci-dessus, il ressort que les coefficients de la masse salariale et du taux de croissance du PIB réel ne sont pas significativement différents de zéro (0) avec pour probabilité respective prob = 0,1271 et prob = 0,3107.

Par contre, l’analyse du même tableau montre également que les coefficients de l’encours de la dette publique (%PIB), de l’investissement public (%PIB), du taux d’intérêt prêteur, du degré d’ouverture sont statistiquement différents de zéro (0) avec pour probabilité respective prob = 0,0001 ; prob = 0,0130 ; prob = 0,0204 et prob = 0,0000. Toutes ces variables sont significatives au seuil de 5%. Il y a donc de corrélation entre ces variables explicatives et la variable expliquée. Pour apprécier la qualité de notre modèle quelques tests sont donc effectués.

– Tests classiques sur le modèle de court terme de l’investissement privé.

Une étude économétrique consiste non seulement à estimer des paramètres d’un modèle, mais aussi, à tester des hypothèses afin de valider le modèle économique théorique. Les paramètres estimés sont des variables aléatoires, ce ne sont pas des valeurs certaines, ils ne sont pas exactement identiques à la vraie valeur des paramètres. Il s’agit ici des tests statistiques habituels effectués sur des études économétriques. Ces tests vont nous permettre en réalité de ressortir la robustesse du modèle de l’étude et les conséquences liées à la violation ou non des hypothèses de bases relatives à ces tests ; ceci afin de compléter les résultats des estimations.

– Test de normalité de Jarque-Bera

La valeur de probabilité 0,984045 (voir annexe 9 graphique 1) obtenue est supérieure à 5%. On accepte Ho. Par suite nous pouvons conclure que les erreurs suivent une loi normale.

– Test d’autocorrélation des erreurs de Breusch-Godfrey

La probabilité prob> F attachée à la statistique est 0,108939 supérieure à 5%. Par conséquent, nous pouvons affirmer que les résidus du modèle de court terme ne sont pas autocorrélés. (Voir annexe 9)

– Test d’hétéroscédasticité de White.

La valeur Prob> chi2 = 0,546260 est supérieure à 5%. D’où on accepte l’hypothèse nulle Ho. Par suite, on peut conclure que la valeur de la variance du terme d’erreur est une constante. Par conséquent, nous assistons à la présence d’homoscédasticité. (Voir annexes 9)

– Test d’omission des variables de Ramsey

La valeur de la probabilité attachée à la statistique à cette étude est 0,795440 (voir annexe 9) supérieure à 5 %. D’où le modèle de court terme ne souffre pas d’omission de variables importantes.

– Test de stabilité des coefficients

Dans le cadre de notre étude les tests de CUSUM et de CUSUM Carré ont été effectués (annexe 9 Graphiques 2 et 3).

Chaque test montre que la courbe correspondante ne coupe pas le corridor. Le modèle est donc structurellement stable et ponctuellement stable.

2.2.3.Analyses des résultats de régression et interprétation économique du modèle de l’investissement privé.

Cette partie nous permettra de vérifier si les résultats théoriques confirment les études empiriques. En nous inspirant des résultats d’estimation du modèle de long terme et de celui du court terme présentés dans les tableaux 5 et 6 précédents, il revient d’analyser ces résultats en nous référant dans la mesure du possible à la revue de littérature. Cela, afin de vérifier si notre étude théorique confirme ou infirme les études empiriques. Ce recours à la revue économique va permettre de savoir aussi, si la théorie économique est vérifiée ou non.

– Interprétation des résultats d’estimation du modèle de long terme de l’investissement privé.

A long terme, les résultats consignés dans le tableau 5, nous exposent les variables déterminantes de l’investissement privé au Bénin. Il ressort des estimations que, cinq (5) variables expliquent une grande partie de l’investissement privé. Il s’agit de la masse salariale (MS), de l’encours de la dette publique en pourcentage du PIB (ENCDETP), du taux d’investissement public (INVESPUB), du taux d’intérêt prêteur (TIP), du degré d’ouverture (DO)
La masse salariale qui est la variable d’intérêt de cette étude a eu un impact négatif et significatif au seuil de 5% sur le taux d’investissement privé au Bénin. On note que le signe obtenu correspond à celui attendu ; de plus une augmentation de un (01) point de la masse salariale entraîne une diminution du taux d’investissement privé de 0,370037 point. Ce résultat s’explique par le fait qu’au Bénin la masse salariale absorbe le profit des entreprises privées sans assurer la performance de la main-d’oeuvre. De plus, l’augmentation de la masse salariale ne stimule pas la consommation. Au vue de ces analyses, il vient qu’une augmentation de la masse salariale n’incite pas les entreprises à investir d’avantage.

Quant à l’encours de la dette publique en pourcentage du PIB, il a une influence négative et significative sur le taux d’investissement privé au seuil de 5%. Le signe obtenu correspond à celui attendu ; ainsi une augmentation de un point de l’encours de la dette publique entraîne une baisse de 0,062060 point du taux d’investissement privé. Ce résultat est en accord avec Krugman (1987). Ceci s’explique par le fait que, lorsque la dette augmente, les investisseurs privés anticipent un fort taux de taxation par l’Etat, pour faire face au paiement du service de la dette. Ce climat d’incertitude les contraint à surseoir les investissements projetés et/ou à expatrier leurs capitaux ce qui réduit l’investissement privé. Dans le cas du Bénin, le poids de la dette intérieure fait de créances des entreprises sur l’Etat. De plus les cas d’accumulation d’arriérés de paiement par l’Etat sont fréquents.

A travers notre recherche, le taux d’investissement public constitue un frein pour l’investissement privé. Son coefficient (-0,952720) est négatif et significatif au seuil de 5%. Une augmentation du taux d’investissement public de un point entraîne une baisse du taux d’investissement privé de 0,952720 point ; un tel résultat s’explique par l’éviction de l’investissement privé par l’investissement public. Le même résultat a été obtenu au Chili (Marshall et Schmidt-Hebbel, 1991,1994), en Colombie (Easterly, 1991, 1994), au Ghana (Islam et Wetzel, 1991) et au Mexique (Alberro-Semerena, 1991, Ashauer et Lachler, 1998). Ce résultat semble être en conformité avec l’hypothèse néoclassique d’investissement public en ce sens qu’il suggère que l’augmentation de l’investissement public entraîne une raréfaction de l’investissement privé par augmentation du coût d’usage du capital.

Le taux d’intérêt prêteur a un impact négatif sur l’investissement privé et son coefficient (-0,222264) est significatif au seuil de 5% ; le signe obtenu correspond à celui attendu ; de plus, une augmentation de un point du taux d’intérêt prêteur entraîne une baisse de 0,222264 point du taux d’investissement privé.

Le degré d’ouverture stimule l’investissement privé au Bénin et son coefficient (0,112705) est significatif au seuil de 5% ; le signe obtenu correspond à celui attendu ; de plus, une augmentation de un point du degré d’ouverture entraîne une hausse de 0,109889 point du taux d’investissement privé. Ceci justifie que le degré d’ouverture est un déterminant important dans le processus de mobilisation des ressources et des échanges commerciaux en faveur de l’investissement privé.

Enfin, le taux de croissance du PIB réel n’a pas son signe attendu et n’est pas significatif à travers son coefficient (-0,037753).

– Interprétation des résultats d’estimation du modèle de court terme de l’investissement privé.

La masse salariale à court terme, n’est pas aussi pertinente, son coefficient (-0,178793) est non significatif traduisant ainsi que la masse salariale n’a pas d’influence sur le taux d’investissement privé contrairement au long terme. Ceci s’explique par le fait que les politiques budgétaires visant la maîtrise de la masse salariale au Bénin doivent bénéficier d’une période assez longue pour avoir les effets escomptés.

Tout comme la masse salariale, le taux de croissance du PIB réel n’influence pas l’investissement privé à court terme à travers son coefficient (-0,023174).
Cependant, l’encours de la dette publique a le signe attendu et son coefficient (-0,045550) reste significatif tout comme au long terme à 5%. Ce qui montre qu’il contribue à la réduction du taux d’investissement privé au Bénin. Donc l’encours de la dette est un facteur de décélération de l’investissement privé au Bénin à court terme comme à long terme.

Le taux d’investissement public au Bénin, directement a eu une influence négative et significative sur le taux d’investissement privé. On note ainsi que le signe de l’interaction directe correspond à celui attendu. Ce résultat suggère qu’il existe une substituabilité à court terme entre l’investissement public et l’investissement privé en ce sens qu’une augmentation de un point à court terme de l’investissement public semble évincer de 0,597702 point l’investissement privé. Un tel résultat à été confirmé par les travaux de Greene et Villanueva (1991).

Tout comme à long terme, le taux d’intérêt prêteur exerce une influence négative et significative sur le taux d’investissement privé. Ainsi, lorsqu’on accroît de un point le taux d’intérêt prêteur, le taux d’investissement privé baisse de 0,285724.

Le degré d’ouverture a un impact positif et très significatif au seuil de 5% à court terme ; le signe obtenu correspond bien à celui attendu et une augmentation de un point du degré d’ouverture entraîne une hausse de 0,115412 point du taux d’investissement privé. Ce qui justifie de l’importance accordée au degré d’ouverture comme variable importante de l’investissement privé à court terme comme à long terme.

2.3.EFFET DE LA MASSE SALARIALE SUR L’INVESTISSEMENT PUBLIC AU BENIN

Afin de mieux expliquer l’impact de la masse salariale sur l’investissement public au Bénin, des séries chronologiques ont été utilisées pour l’estimation du modèle adopté.

2.3.1. Test de stationnarité et test de coïntégration de Johansen

Cette partie vise à déterminer l’ordre d’intégration de chaque variable de notre modèle. Elle nous permet également de choisir la technique d’estimation appropriée à notre modèle.

– Test de stationnarité sur les variables.

Le tableau 7 présente les résultats du test de stationnarité sur les variables

Tableau 7 : Présentation des résultats du test ADF en niveau sur les variables du modèle 2

Source : Auteur 2012, à partir du logiciel Eviews 5.1

De l’analyse du tableau 7 sur les résultats du test de stationnarité, il ressort qu’aucune des variables n’est stationnaire en niveau (voir annexe 3). La recherche de l’ordre de l’intégration devient nécessaire.

. Tests d’ADF en différence première

La non stationnarité des séries nous conduit à voir si nos variables sont intégrées d’ordre un (1). Le tableau 8 présente les résultats des tests de stationnarité en différence première sur les variables.

Tableau 8 : Présentation des résultats du test ADF en différence première du modèle 2

Source : Auteur à partir du logiciel Eviews 5.1

Le tableau 8 montre que toutes les variables du modèle sont stationnaires en différence première. D’où elles sont intégrées d’ordre un (1). Le fait que toutes les séries sont intégrées d’ordre un (1) nous fait penser à la présence de relations de coïntégration.

. Test de coïntégration

L’analyse du test de coïntégration de Johansen fait apparaître l’existence de deux (02) relations de coïntégration au seuil de 5% entre les variables du modèle1 (cf. Annexe 3). D’où la nécessité de réaliser un modèle à correction d’erreur.

2.3.2. Estimation du modèle à correction d’erreur

La méthode retenue pour l’estimation des modèles de long terme et de court terme est celle à deux étapes de Engle et Granger.

a. Estimation du modèle de long terme de l’investissement public et tests statistiques

. Estimation du modèle de long terme de l’investissement public.

Il s’agit d’estimer le modèle suivant :

Les résultats d’estimation du modèle de long terme sont consignés dans le tableau.

Tableau 9 : Présentation des résultats d’estimation du modèle (2) de long terme.

Source : Auteur 2012, à partir du logiciel Eviews 5.1

– Qualité de la régression

De l’analyse du tableau 9, il ressort que le coefficient de détermination R² = 0,837236 indique que la qualité de la régression du modèle de long terme est bonne. C’est-à-dire que les fluctuations du taux de l’investissement public sont expliquées à 83,7236 % par les variables explicatives du modèle.

– Significativité des variables du modèle de long terme de l’investissement public.

Il s’agit de tester si chacune des variables figurant dans le modèle de long terme contribue significativement à l’explication de la variable endogène. C’est-à-dire si chacun de ces coefficients est significativement différent de zéro au sens de Student au seuil de 5%.

De l’analyse du tableau 9, il ressort que les coefficients du taux de croissance du PIB réel, du service de la dette publique (%PIB), le degré d’ouverture et de l’encours de la dette publique (%PIB) ne sont pas significativement différents de zéro (0) avec pour probabilités respectives prob = 0,0580 ; prob = 0,0960 ; prob = 0,2293 et prob = 0,0823.

Par contre, l’analyse du même tableau montre également que les coefficients de la masse salariale, de l’aide publique au développement (%PIB) sont statistiquement différents de zéro (0) avec pour probabilité respective prob = 0,0006 et prob = 0,0012. Toutes ces variables sont significatives au seuil de5%. Pour apprécier la qualité de notre modèle quelques tests sont donc effectués.

. Quelques tests statistiques sur le modèle de long terme de l’investissement public.

– Test de normalité de Jarque-Bera

La valeur de la probabilité prob = 0,252491 (annexe 6 graphique 5) attachée à la statistique à cette étude est supérieure à 5 %. Alors, les erreurs du modèle suivent une loi normale.

– Test d’autocorrélation des erreurs de Breusch-Godfrey

La valeur de probabilité 0,113880 (voir annexe 6) obtenue est supérieure à 5%. On accepte Ho. Par suite nous pouvons conclure que les erreurs ne sont pas autocorrélées.

– Test d’hétéroscédasticité de White

La valeur de la probabilité obtenue 0,195380 (annexe 6) est supérieure à 5%. Nous pouvons conclure que les erreurs sont homoscédastiques.

– Test d’omission des variables de Ramsey

Ce test permet d’observer si le modèle souffre d’omission de variables importantes. La valeur de la probabilité attachée à la statistique à cette étude est 0,260000 (voir annexe 6) supérieure à 5 %. D’où le modèle de court terme ne souffre pas d’omission de variables importantes.

– Test de stabilité des variables.

Il s’agit du test CUSUM et CUSUM carré de stabilité. Les résultats obtenus après instruction sous Eviews 5.1 montrent que les courbes respectives sur le test CUSUM et CUSUM carré de stabilité ne coupent pas le corridor (annexe 6 graphique 6 et 7). Nous pouvons conclure que le modèle est structurellement stable et ponctuellement stable sur chacun de ces tests.

– Test de la matrice de corrélation des variables.

Ce test nous permet de détecter la multicolinéarité entre les variables explicatives du modèle. Il s’agit de comparer la valeur du coefficient de la matrice des variances et covariances, à la valeur du coefficient de détermination du modèle de long terme. La valeur
r = 0,740536 la plus élevée de la matrice des variances et des covariances élevée au carré (voir annexe 10) est inférieure à celle du coefficient de détermination R2=0,837236 (r2 =0,54839356

b. Estimation du modèle de court terme de l’investissement public.

L’estimation du modèle de court terme permet d’avoir l’effet immédiat d’une politique macroéconomique sur un phénomène étudié. Il s’agit ici d’observer comment les variables explicatives de notre modèle affectent l’investissement public au Bénin. Le modèle de court terme à estimer est le suivant :

Les résultats d’estimation du modèle de court terme sont consignés dans le tableau 10.

Tableau 10 : Présentation des résultats d’estimation du modèle (2) de court terme.

Source: Auteur 2012, à partir du logiciel Eviews 5.1

De l’analyse du tableau 10, il ressort que le coefficient associé à la force de rappel est négatif (-0,645842) et significativement différent de zéro (0) au seuil statistique de 5%. Il existe donc bien un mécanisme à correction d’erreur. A long terme les déséquilibres entre le taux d’investissement public et les six variables explicatives se compensent de sorte que les séries ont des évolutions similaires.

– Qualité de régression

Le coefficient de régression R² = 0,858295 indique que la qualité de la régression est relativement bonne. C’est-à-dire que le taux d’investissement public est à 85,8295% expliquée par les variables explicatives du modèle. De même la prob (F-statistic) = 0 ,000093 est inférieure à 5%. Alors le modèle de court terme est globalement significatif.

– Significativité des variables du modèle de court terme.

Il s’agit de tester si chacune des variables figurant dans le modèle de long terme contribue significativement à l’explication de la variable endogène. C’est-à-dire si chacun de ces coefficients est significativement différent de zéro au sens de Student au seuil de 5%.

De l’analyse du tableau 10, il ressort que les coefficients de la masse salariale, du degré d’ouverture, de l’encours de la dette publique (%PIB) ne sont pas significativement différents de zéro avec pour probabilité respective prob = 0,8752 ; prob = 0,2668 et
prob = 0,5017.

Par contre, l’analyse du même tableau montre également que les coefficients du taux de croissance du PIB réel, de l’aide publique au développement (%PIB) et du service de la dette publique (%PIB) sont statistiquement différents de zéro avec pour probabilités respectives prob = 0,0002, prob = 0,0000 et prob = 0,0386. Toutes ces variables sont significatives au seuil de 5%. Il y a donc de corrélation entre ces variables explicatives et la variable expliquée. Pour apprécier la qualité de notre modèle quelques tests sont donc effectués.

– Tests classiques sur le modèle de court terme de l’investissement public.

Une étude économétrique consiste non seulement à estimer des paramètres d’un modèle, mais aussi à tester des hypothèses afin de valider le modèle économique théorique. Les paramètres estimés sont des variables aléatoires, ce ne sont pas des valeurs certaines. Ils ne sont pas exactement identiques à la vraie valeur des paramètres. Il s’agit ici des tests statistiques habituels effectués sur des études économétriques. Ces tests vont nous permettre en réalité de ressortir la robustesse du modèle de l’étude et les conséquences liées à la violation ou non des hypothèses de bases relatives à ces tests ; ceci afin de compléter les résultats des estimations.

– Test de normalité de Jarque-Bera

La valeur de probabilité 0,816018 (voir annexe 9) obtenue est supérieure à 5%. On accepte Ho. Par suite, nous pouvons conclure que les erreurs suivent une loi normale.

– Test d’autocorrélation des erreurs de Breusch-Godfrey

Afin de corriger l’autocorrélation des erreurs, la méthode de Cochrane-Orcutt a été adoptée. Ainsi, le processus autorégressif d’ordre un (AR (1)) a été introduit dans le modèle de court terme. La probabilité prob> F attachée à la statistique est 0,383239 supérieure à 5% (voir annexe 9). Par conséquent, nous pouvons affirmer que les résidus du modèle de court terme ne sont pas autocorrélés.

– Test d’hétéroscédasticité de White.

La valeur Prob> chi² = 0,206402 est supérieure à 5%. D’où on accepte l’hypothèse nulle Ho. Par suite, on peut conclure que la valeur de la variance du terme d’erreur est une constante. Par conséquent, nous assistons à la présence d’homoscédasticité.

– Test d’omission des variables de Ramsey

La valeur de la probabilité attachée à la statistique à cette étude est 0,952802 (voir annexe 9) supérieure à 5 %. D’où le modèle de court terme ne souffre pas d’omission de variables importantes.

– Test de stabilité des coefficients

Dans le cadre de notre étude les tests de CUSUM et de CUSUM Carré ont été effectués (annexe 9 Graphiques 6 et 7).
Chaque test montre que la courbe correspondante ne coupe pas le corridor. Le modèle est donc structurellement stable et ponctuellement stable.

2.3.3. Analyse des résultats de régression et interprétation économique du modèle de l’investissement public.

– Interprétation des résultats d’estimation du modèle de long terme de l’investissement public.

A long terme, il ressort des estimations que, deux (02) variables expliquent une grande partie de l’investissement public. Il s’agit de la masse salariale (MS) et de l’aide publique au développement en pourcentage du PIB (APD).

Les résultats du modèle montrent que la masse salariale, variable pertinente de cette étude, a une influence positive sur l’investissement public au Bénin et son coefficient (0,259310) est significatif à long terme au seuil de 5% ; le signe obtenu ne correspond pas du tout à celui attendu. Une hausse de un (01) point de la masse salariale entraîne une augmentation de 0,259310 point du taux d’investissement public. Un tel résultat s’explique par le fait que la réalisation d’un profit ne préoccupe pas les entreprises publiques.

L’aide publique au développement stimule l’investissement public au Bénin, et son coefficient est significatif au seuil de 5%. De plus, lorsque l’aide publique au développement augmente de un point, le taux d’investissement public augmente de 0,057146 point. Ceci signifie que d’une part les dons obtenus de l’aide améliorent les ressources destinées aux dépenses sociales et d’autre part les prêts issus des aides permettent d’améliorer les ressources destinées à l’investissement public.

Enfin le taux de croissance du PIB réel, le service de la dette en pourcentage du PIB, le degré d’ouverture et l’encours de la dette publique en pourcentage du PIB à travers leurs signes respectifs (-0,069725) ; (-0,029329) ; (-0,015521) et (0,012651) n’ont pas d’impact sur l’investissement public au Bénin.

. Interprétation des résultats d’estimation du modèle de court terme de l’investissement public.

La masse salariale, exerce une influence positive mais non significative à court terme, traduisant ainsi qu’elle n’a pas d’impact sur l’investissement public au Bénin. Ceci s’explique par le fait que peut être la masse salariale n’impacte pas l’investissement public. Les pays en voie de développement multiplient les politiques incitatives d’investissements ; mais il faudra une période assez longue pour avoir les résultats escomptés. Tout comme à long terme l’aide publique au développement a une influence positive et significative au seuil de 5% sur l’investissement public à court terme au Bénin. Une augmentation de un point de l’aide publique au développement entraîne une hausse de 0,052741 point du taux d’investissement public au Bénin.

Contrairement au long terme, le service de la dette publique influence négativement et significativement au seuil de 5% l’investissement public à court terme au Bénin. Une augmentation de un (01) point du service de la dette publique entraîne une baisse de 0,022056 point du taux d’investissement public au Bénin.

Page suivante : SYNTHESE DES RESULTATS, VALIDATION DES HYPOTHESES ET SUGGESTIONS

Retour au menu : Analyse des effets de la masse salariale sur les investissements au Bénin