Présenté par Karim Omonga

Essais sur les déterminants de la

pauvreté : Une investigation appliquée
aux cas des pays de l’Afrique
Subsaharienne

Projet de thèse Juin 2015 © Karim OMONGA P1/19

Plan de la présentation

 Contexte de l’étude
 Objectifs de recherche
 Première question
 Seconde question
 Troisième question

Projet de thèse Juin 2015 © Karim OMONGA P2/19

 Contexte de l’étude
 Depuis l’application des programmes d’ajustement structurels (PAS) et leurs
échecs (coûts sociaux désastreux, déséquilibres macroéconomiques, etc.), la
réduction de la pauvreté est devenue un objectif prioritaire que la
communauté internationale s’est fixé dès le lendemain;
 Dans l’édition de 2000 de son rapport sur le développement dans le monde, la
Banque Mondiale présente une estimation du nombre de pauvres d’environ
1250 millions d’individus en 1990, soit environ 30% de la population mondiale
(World Bank, 2000);
 En Afrique Subsaharienne (SSA), malgré l’existence d’une certaine croissance
économique, la pauvreté demeure une caractéristique majeure du système
social africain (Lachaud, 1995);

Projet de thèse Juin 2015 © Karim OMONGA P3/19

Contexte de l’étude
100 Proportion des individus vivant avec moins de 2$ en SSA

Congo. Dem. Madagascar

Liberia
Burundi
Malawi Zambia
Rwanda Sierra Leone
Mozambique
Nigeria
80

Centr. Afr. R. Mali

Guinea-Bissau
Niger
Benin
Burkina Faso Ethiopia GuineaLesotho Sao Tome and Principe
Tanzania
Togo
Angola Kenya
Comoros Uganda
60

Chad Cote D'Ivoire Senegal Swaziland

Congo. Rep. Gambia
pov2

Cameroon Ghana
Mauritania
Namibia Sudan
40

Djibouti
Cabo Verde
Botswana South Africa
20

Gabon

Mauritius Seychelles
0

Moyenne 2008-2013

Projet de thèse Juin 2015 © Karim OMONGA P4/19

P4/16
 Contexte de l’étude
 Les explications avancées dans la littérature sur cette différence de niveau de
pauvreté font apparaître une ligne de démarcation entre les économistes:
 Ces différences tiennent à des performances économiques très contrastées;
 Dans certains pays, les bénéfices de la croissance sont réduits ou annihilés par
l’accroissement des inégalités pouvant accompagner la croissance
(Guillaumont-Jeanneney et Kpodar, 2004)
 La théorie du trickle-down stipule que la meilleure politique en faveur des
pauvres consiste tout simplement à relancer la croissance (Dollar et Kraay,
2002, 2004);
 La croissance ne suffit pas toujours, le degré d’inégalités et aussi des
interventions publiques spécifiques peuvent expliquées les observations de la
pauvreté.

Projet de thèse Juin 2015 © Karim OMONGA P2/16

P5/19
 Objectifs de recherche
La question des déterminants de la pauvreté est loin d’être nouvelle, cependant
l’actualité du problème demeure très évidente dans notre réalité. Cet écart entre les
résultats, aussi bien important qu’intéressant en soi, nous conduit à une analyse des
facteurs à l’origine de cette discordance des conclusions. La thèse pose donc la
question de l’identification des déterminants et poursuit trois objectifs:

 Identifier les déterminants de la pauvreté en SSA à l’aide de l’approche

bayésienne (Bayesian Model Averaging (BMA), Weight Average Least Square
(WALS), Bayesian Averaging of Classical Estimates (BACE), Combinaison
Bayésienne d’Estimation par le Maximum de Vraisemblance (BAMLE);
 Comprendre comment les différentes spécifications du modèle, le choix et la
définition des variables, ainsi que la méthodologie retenue peuvent affecter les
estimations de déterminants de la pauvreté;
 Déterminer l’impact de la gouvernance et des inégalités sur la pauvreté relative
aux pays de SSA.

Projet de
Projet dethèse
thèse Juin2015
Juin 2015 © Karim
© Karim OMONGA
OMONGA P2/16
P2/16
P6/19
Première question
Analyse des déterminants de la pauvreté: une
approche bayésienne
 Les recherches empiriques n’ont pas encore permis de trancher sur les véritables
déterminants de la pauvreté:
o Blank et Blinder (1986) : le seuil de faible revenu divisé par le revenu moyen, le taux de
chômage, les transferts gouvernementaux, le taux d’inflation, le taux de pauvreté retardé d’une
période;
o Rizk et Abdelfattah (2011): les dépenses publiques en éducation, les taux d’inscription des garçons
et des filles à l’école primaire, les dépenses publiques en santé, l’aide étrangère et le taux de
prévalence du VIH.
 Une telle profusion de variables suscite beaucoup d’interrogations quand à la
véritable spécification du modèle de pauvreté or les techniques classiques
conduisent à des estimations des paramètres fortement dépendants de la
spécification retenue (Fall et Thiaw, 2012:20)
 L’emploi des techniques de combinaison bayésienne des modèles permet d’estimer
des paramètres prenant en compte ces types d’incertitude (Fernandez, Ley et Steel
(2001); Sala-i-Martin, Doppelhofer et Miller (2004)

Projet de thèse Juin 2015 © Karim OMONGA P7/19

Première question
Analyse des déterminants de la pauvreté: une
approche bayésienne
 Le BMA considère que la valeur prédictive d’une variable ne saurait dépendre
d’un seul modèle pris parmi tant d’autres, mais de tous les modèles possibles
compte tenu des variables indépendantes;

 L’idée consiste à ne pas faire une distinction a priori entre les déterminants de
la pauvreté; ceux qui devraient être inclus dans toutes les régressions et ceux
spécifiques à un modèle particulier. Tous les déterminants et toutes les
combinaisons possibles sont considérées.
 Cette étude fera appel aux méthodes de combinaison bayésienne appliquée
aux données de panel.
 Autres variantes du BMA seront utilisés: BACE, WALS et BAMLE pour la
robustesse des résultats.
 Exemple: la méthode BACE consiste à construire les estimateurs comme
moyenne pondérée des estimateurs de MCO pour chacune des combinaisons
de variables. Les poids appliqués aux régressions suivent les critères
bayésiens.

Projet de thèse Juin 2015 © Karim OMONGA P8/19

Première question
Analyse des déterminants de la pauvreté: une
approche bayésienne
 Les données proviennent essentiellement de World Bank Indicators database
(WDI) et couvrent la période de 1984-2013.
 Nous avons retenus 2 variables dépendantes: pv125 et pov2
 Les estimations seront effectuées à l’aide de Stata et R
 30 variables explicatives dont 5 sont « focus » (voire Rizk et Abdelfattah) et
25 « auxiliaires »
pov2 Poverty headcount ratio at $2 a day (PPP) (% of population)
pov1.25 Poverty headcount ratio at $1.25 a day (PPP) (% of population)
fdi Foreign direct investment, net inflows (% of GDP)
oda Net ODA received (% of GNI)
fitel Fixed telephone subscriptions (per 100 people)
trade Trade (% of GDP)
GDPg GDP growth (annual %)
GDPPerCg GDP per capita growth (annual %)
GDPPer GDP per capita, PPP (constant 2011 international $)
Popg Population growth (annual %)
Upop Urban population (% of total)
HIVpr Prevalence of HIV, total (% of population ages 15-49)
Health.exp Health expenditure, public (% of GDP)
Pub.Educ Public spending on education, total (% of GDP)
Mort.rate Mortality rate, under-5 (per 1,000 live births)
Hosp.bed Hospital beds (per 1,000 people)
Prim.enr School enrollment, primary (% net)

Projet de thèse Juin 2015 © Karim OMONGA P9/19

Résultats sommaires:
Analyse des déterminants de la pauvreté: une
approche bayésienne
BMA estimates Number of obs = 58
k1 = 6
k2 = 10

pov125 Coef. Std. Err. t pip [1-Std. Err. Bands]

_cons 41.78632 19.19209 2.18 1.00 22.59424 60.97841

pubeduc -1.945285 .8215067 -2.37 1.00 -2.766792 -1.123779
oda 1.162649 .2407045 4.83 1.00 .9219448 1.403354
healthexp -2.782805 .9794635 -2.84 1.00 -3.762269 -1.803342
hivpr .4891453 .4677178 1.05 1.00 .0214275 .956863
primenr .2182607 .1481468 1.47 1.00 .0701138 .3664075

mortrate .1028704 .066669 1.54 0.80 .0362014 .1695394

hospbed 3.445713 3.63191 0.95 0.56 -.1861965 7.077623
gdpper -.0002954 .000865 -0.34 0.19 -.0011604 .0005696
gdpg -.0382646 .5602118 -0.07 0.12 -.5984764 .5219472
gdppercg -.0644602 .5918398 -0.11 0.12 -.6563 .5273797
fitel -1.449062 .6354547 -2.28 0.91 -2.084517 -.8136075
trade .0352687 .0603899 0.58 0.34 -.0251212 .0956587
fdi -.0182356 .1869012 -0.10 0.11 -.2051369 .1686656
popg .0287018 .9054182 0.03 0.10 -.8767164 .93412
upop -.3943267 .1639657 -2.40 0.93 -.5582924 -.2303611

Projet de thèse Juin 2015 © Karim OMONGA P10/19

Résultats sommaires:
Analyse des déterminants de la pauvreté: une
approche bayésienne
WALS estimates - Laplace prior Number of obs = 58
k1 = 6
k2 = 10
q = 1.0000
c = 0.6931
kappa = 70.0

pov125 Coef. Std. Err. t [1-Std. Err. Bands]

_cons 36.60702 15.31996 2.39 21.28706 51.92698

pubeduc -2.30716 .783512 -2.94 -3.090672 -1.523648
oda 1.277222 .2402531 5.32 1.036969 1.517475
healthexp -2.441719 .9399351 -2.60 -3.381655 -1.501784
hivpr .5039535 .3913681 1.29 .1125854 .8953216
primenr .1787213 .1166466 1.53 .0620746 .2953679

mortrate .0944323 .0429049 2.20 .0515274 .1373372

hospbed 4.686609 2.604948 1.80 2.081661 7.291557
gdpper -.0003802 .0009974 -0.38 -.0013776 .0006172
gdpg -.5970354 10.25659 -0.06 -10.85362 9.65955
gdppercg .2060734 10.5387 0.02 -10.33263 10.74477
fitel -1.44582 .5898584 -2.45 -2.035679 -.8559619
trade .0962898 .0625679 1.54 .033722 .1588577
fdi -.2955093 .4844893 -0.61 -.7799987 .18898
popg 1.086899 10.71538 0.10 -9.628484 11.80228
upop -.3304438 .1312231 -2.52 -.4616669 -.1992207

Projet de thèse Juin 2015 © Karim OMONGA P11/19

Principaux résultats : 5 facteurs expliquent
le taux de pauvreté en SSA

 En suivant les critères de Eicher, Papageorgiou et Raftery (2007) :

 Les variables fitel, upop, mortrate, hospbed et trade ont respectivement
un pip (posterior inclusion probabilities) de 0.91, 093, 0.80, 0.56 et 0.34.
 Le pip établit l’importance des variables à expliquer les données, elle est la
moyenne pondérée de toutes les probabilités des modèles valables où figure une
variable:
 La population urbaine (en % de la population totale) a été en moyenne
significative dans 93% des modèles dans l’explication du niveau de pauvreté

Projet de thèse Juin 2015 © Karim OMONGA P12/19

Travaux à faire: Analyse des déterminants
de la pauvreté: une approche bayésienne

 Inclure d’autres variables susceptibles d’expliquer la pauvreté en SSA :

 Les variables institutionnelles et de gouvernance, géographiques,
d’éducation, HDI, etc.
 appliquer d’autres techniques bayésiennes

 Passer à la rédaction proprement dite de l’article

Projet de thèse Juin 2015 © Karim OMONGA P13/19

Seconde question
Une méta-analyse des déterminants de la
pauvreté en SSA
 Bien qu’étudiée maintes fois, la question n’est toujours pas claire !
 Revue de 30 études
 Les résultats empiriques sont contradictoires

 Afin de contourner ce problème et de faire le point sur notre question de

recherche dans des conditions de grande variabilité des résultats entre les études:
 La technique de méta-analyse et la méta-régression combinent les
résultats d’une série d’études existantes et indépendantes pour en faire
ensuite une synthèse reproductible
 L’approche méta-analyse consiste à construire un méta-modèle par une
régression sur différents études expliquant les déterminants de la
pauvreté

Projet de thèse Juin 2015 © Karim OMONGA P14/19

Seconde question
Une méta-analyse des déterminants de la
pauvreté en SSA
 Principe: Analyse formelle d’un ensemble de résultats issus d’études distinctes
et similaires.

 La méta-analyse permet d’analyser de nouvelles hypothèses jamais testées

auparavant par des études individuelles et permet donc de diriger les futures
recherches qui porteront sur le même sujet (Ugur et Dasgupta, 2011).
 Les avantages sont notamment: l’utilisation de l’information provenant
d’un grand nombre de sources, ce qui permet d’avoir une estimation
rigoureuse des tendances centrales; la possibilité de maîtriser les
différences méthodologiques, etc.

Projet de thèse Juin 2015 © Karim OMONGA P15/19

Troisième question
Gouvernance, inégalités et réduction de la
pauvreté en SSA: liens et éléments de
politiques
 Un grand nombre d’études passées et récentes ont étudié la relation entre la
gouvernance et la croissance économique (Mauro, 1995; Naudé, 2004; Quibria,
2006; Huynh et Jacho-Chavez, 2009; Grindle, 2010, etc.)

 Peu d’analyses se sont intéressés à la question de savoir si la gouvernance

pourrait contribuer de manière spécifique à la réduction de la pauvreté (Sen, 1999;
Panagiriya, 2002; Grindle, 2004, Adejumobi, 2006, Lazarova, 2006, etc.

 Deux arguments s’opposent dans la littérature sur le lien entre la

gouvernance et la pauvreté:
 La gouvernance est un facteur important de réduction de pauvreté, de
l’élimination de l’analphabétisme et de réduction de la mortalité infantile;
 Les critiques évoquent des problèmes d’ordre aussi bien qualitatif que
quantitatif

Projet de thèse Juin 2015 © Karim OMONGA P16/19

Troisième question
Gouvernance, inégalités et réduction de la
pauvreté en SSA: liens et éléments de
politiques
 Le problème qualitatif concerne essentiellement la méthodologie de
construction des indices de gouvernance

 Sur le plan quantitatif, un certain nombre d’études (Sachs et al, 2004; Faye et
McCord, 2004; Grindle, 2010; etc.) ont montré que la gouvernance ne jouait pas un
rôle vital dans le développement économique et delà à la réduction de la pauvreté

 Chatti (2010) a montré, en utilisant la technique des régressions en

quantile, que la gouvernance peut contribuer à l’amélioration de la
croissance uniquement dans les pays à faibles taux de croissance et à
croissance modérée. En revanche, pour les pays à forte croissance, la
gouvernance semble n’affecter la croissance ni par son effet direct, ni par
ses effets indirects.

Projet de thèse Juin 2015 © Karim OMONGA P17/19

Troisième question
Gouvernance, inégalités et réduction de la
pauvreté en SSA: liens et éléments de
politiques
 L’analyse empirique est faite à partir d’un modèle mettant en relation les
indices de gouvernance (WGI) pour les pays SSA, les indices d’inégalité et
quelques variables contrôles issus de BMA et Méta-analyse.
 Le choix sera porté sur la méthode des moments généralisés GMM-system:
 l’estimateur est robuste à la mauvaise spécification du modèle dans la
mesure où sa dérivation ne requiert pas d’hypothèses sur la distribution
particulière des résidus
 il permet de contrôler les effets inobservables spécifiques aux pays, la
potentielle endogénéité des régresseurs telle que la gouvernance et le
biais des variables omises.
 Le GMM en système estime simultanément l’équation en différence
première et l’équation en niveau
 Le test de validité des variables retardées comme instruments sera
effectué à l’aide du test de suridentification de Hansen.

Projet de thèse Juin 2015 © Karim OMONGA P18/19

 Merci

Projet de thèse Juin 2015 © Karim OMONGA P19/19