Analyse empirique dette et croissance économique d’Haïti

Analyse empirique dette et croissance économique d’Haïti – Chapitre V 
Dans ce chapitre, on a effectué une analyse empirique sur le thème d’étude sur la période allant de 2000 à 2013 parce que certaines données pour l’année 2014 et 2015 étaient provisoires ou pas disponible pour la vérification du modèle proposé. Il est subdivisé en trois sections.
Dans la première, nous élaborons le nuage de points de chaque variable exogène avec la variable endogène, ensuite dans la deuxième section nous présentons les résultats de l’estimation du modèle économétrique, enfin dans la dernière section nous testons les hypothèses de la recherche par le biais des tests d’hypothèse non seulement sur les paramètres mais également sur le respect des hypothèses des moindres carrés ordinaires.

5.1 – Nuage de points de chaque variable exogène avec la variable endogène

L’élaboration du nuage de points de chaque variable explicative avec la variable endogène va nous permettre de déceler la forme fonctionnelle du modèle de régression. Ainsi, une analyse succincte de ces graphes se révèle nécessaire.
Le graphe 8 nous indique que la relation linéaire entre la dette externe totale du secteur public et le taux de croissance économique en Haïti au cours de la période sous étude n’est pas si évidente, car en observant la droite, nous remarquons que la pente est très faible et les points sont très éparpillés autour de la droite.
Graphe 8 : Evolution de la dette externe et la croissance économique
pluginsLe graphe 9 ci-dessous présente le même aspect pour le PIB par habitant et le taux de croissance économique du pays, mais la pente de la droite affine est légèrement plus élevée.
Graphe 9 : Evolution du PIB/habitant et la croissance économique
pluginsL’ensemble des points du graphique 10 sont très éparpillés autour de la droite affine durant la période d’étude. Bizarrement, la consommation évolue inversement au taux de croissance économique d’Haïti contrairement à ce qu’on aurait souhaité.
pluginsGraphe 10 : Evolution de la consommation et de la croissance économique
Comme la relation linéaire entre les variables n’est pas trop évidente, nous construisons plusieurs modèles de régression et d’en déduire lequel est le meilleur selon le critère d’information d’Akaike.

5.2 – Spécification du modèle utilisé

Pour étudier le phénomène de la croissance de l’économie en Haïti pour la période étudié par rapport aux hypothèses formulées, nous estimons que la variable dépendante (Y) est fonction de la dette externe totale du secteur public (X1), du PIB par habitant (X2) et de la consommation (X3).
Dans le but d’obtenir un modèle de régression plus fiable dont la forme fonctionnelle représente mieux les données d’observations dans le long terme, nous devons construire plusieurs modèles économétrique double-logarithmique et de sélectionner le meilleur aux fins d’analyse.

5.2.1. Ordre d’intégration de chaque variable du modèle

Pour élaborer un modèle économétrique plus robuste, nous devons tenir compte de l’ordre d’intégration de chaque variable. Cette considération va nous permettre de sélectionner un modèle de régression double-logarithmique de long terme. Parmi les deux approches soumises par le logiciel Eviews 3.1, nous retenons celle de Peter C. B. Phillips et Pierre Perron pour déterminer l’ordre d’intégration de chaque variable.
La détermination de l’ordre d’intégration d’une variable se fait en étudiant la stationnarité de la variable. Selon l’approche de Philipps-Perron, une variable est intégrée d’ordre zéro si et seulement si elle est stationnaire en niveau, à savoir la valeur calculée dépasse la valeur tabulée de MacKinnon, toutes deux en valeurs absolues, au seuil critique retenu, tout en considérant la constante et la tendance.
Les modèles d’analyse de détermination d’intégration selon Philipps-Perron sont les suivants:

  • Modèle 1
  • Modèle 2
  • Modèle 3
  • Etape 1-Formulation des hypothèses
  • H0 : . La variable Y est non stationnaire.
  • H1 : = t-1 +t + Ut. La variable Y est stationnaire en niveau avec une constante et une tendance.
  • Etape 2- Statistique utilisée
  • Tpp =

Tableau 6 – Résumé de l’ordre d’intégration de toutes les variables

VariableOrdre d’intégration
Croissance économique (Y)0
Dette externe du secteur public (X1)2
PIB par habitant (X2)2
Consommation (X3)1

Pour avoir un modèle plus robuste, il faut qu’il soit un modèle cointégré, ou du moins un modèle de long terme. La condition nécessaire est non suffisante, il faut que toutes les variables du modèle de long terme soient de même ordre d’intégration.

⇒ Signe attendu de chacun des paramètres du modèle

Les raisonnements économiques déduits du cadre théorique du chapitre 1, nous préconisent le signe de chacun des paramètres de pente attendu.
• L’augmentation de la dette externe du secteur public affaiblira la croissance économique, donc nous avons une relation inverse entre ces deux variables. Ainsi, le signe du paramètre a1 doit être négatif.
• Une augmentation du PIB par habitant augmentera aussi la croissance économique En fait, ces deux grandeurs économiques évoluent dans le même sens. Ainsi, nous espérons que leur paramètre de pente est positif.
• Qu’en est-il de la consommation et du taux de croissance de l’économie ?
La spécification du modèle de long terme est la suivante :
Log(

  • Yt : c’est la variable dépendante représentant la croissance économique ;
  • X1t : c’est une variable indépendante représentant la dette externe du secteur public ;
  • X2t : c’est une variable indépendante représentant le PIB par habitant ;
  • X3t : c’est la dernière variable indépendante représentant la consommation ;
  • Ut : c’est le résidu du modèle représentant toutes les variables explicatives de la croissance économique non-exprimées dans le modèle ;

5.3. Estimation économétrique du modèle

L’estimation du modèle de régression général se fait par la méthode des Moindres Carrés Ordinaires (MCO). Celle-ci s’appuie sur le respect de ses hypothèses structurelles et stochastiques qui s’énoncent :
– Hypothèses structurelles des moindres carrés ordinaires
Les deux hypothèses structurelles des MCO sont les suivantes :
• Le nombre d’observations dépasse toujours le nombre de paramètres du modèle ;
• L’absence de multi colinéarité des variables exogènes
– Hypothèses stochastiques des moindres carrés ordinaires
Les hypothèses stochastiques des MCO sont au nombre de six. Elles stipulent que :
• L’espérance mathématique du terme d’erreur est nulle ;
• La variance du terme aléatoire est constante ;
• Les résidus du modèle suivent la loi normale ;
• L’absence de corrélation entre le terme d’erreur et n’importe quelle variable exogène est nulle ;
• L’absence de corrélation entre les termes aléatoires ;
• Le modèle doit être bien spécifié.
Dans la pratique, nous allons d’abord estimer les modèles par la méthode des MCO en utilisant le logiciel Eviews 3.1 et ensuite nous allons tester la pertinence des hypothèses des MCO. Les résultats de l’estimation du modèle de régression se trouvent dans le tableau ci-après.
Tableau 7 – Résultats de l’estimation du modèle économétrique retenu

Dependent Variable: LOG(Y)
Method: Least Squares
Date: 06/16/17 Time: 09:01
Sample: 2000 2013
Included observations: 10
Excluded observations: 4
VariableCoefficientStd. Errort-StatisticProb.
C-2.1224207.483978-0.2835950.7863
LOG(X1)-2.5584741.149289-2.2261370.0676
LOG(X2)15.169247.9844361.8998510.1062
LOG(X3)-10.677636.200366-1.7220970.1358
R-squared0.720027Mean dependent var0.663108
Adjusted R-squared0.580041S.D. dependent var0.854319
S.E. of regression0.553635Akaike info criterion1.944552
Sum squared resid1.839070Schwarz criterion2.065586
Log likelihood-5.722759F-statistic5.143553
Durbin-Watson stat1.856441Prob(F-statistic)0.042645

##5.4. Test de stationnarité des résidus modèle de régression
A travers cette étude, il est essentiel de tester la stationnarité des résidus du modèle afin de déduire s’il peut se tenir à long terme. A ce propos, il est nécessaire d’appliquer le test de racine unitaire de Phillips-Perron afin de déterminer l’ordre d’intégration des résidus du modèle. Le vecteur des résidus du modèle est noté par résidu, les trois étapes du test sont les suivantes :
Etape 1-Formulation des hypothèses
H0 : . La variable R2 est non stationnaire.
H1 : = +t + Ut. La variable est stationnaire en niveau avec une constante et une tendance.
Etape 2- Statistique utilisée
Tpp =
Tableau 8. Résultats du test de stationnarité de la variable en niveau

PP Test Statistic-0.7064451% Critical Value*-6.6737
5% Critical Value-4.5810
10% Critical Value-3.7415
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction0.237223
Residual variance with correction0.157512
Phillips-Perron Test Equation
Dependent Variable: D(R2)
Method: Least Squares
Date: 06/16/17 Time: 09:23
Sample(adjusted): 2006 2013
Included observations: 6
Excluded observations: 2 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
R2(-1)-0.8501380.760561-1.1177780.3451
C-0.5109501.106763-0.4616610.6757
@TREND(2000)0.0547680.1171340.4675670.6720

│Tpp│ = 0.706445 et │ │ =
Etape 3- Règle de décision
Comme │Tpp│ < ││, nous acceptons l’hypothèse nulle, les résidus du modèle ne sont pas stationnaires en niveau sans constante et sans tendance. Ainsi, ils ne sont pas intégrés d’ordre zéro.
Dans le modèle de la relation de long terme toutes les variables sont intégrées d’ordre zéro, par contre les résidus du modèle de régression ne sont pas intégrés d’ordre d’ordre zéro, il s’ensuit que ce modèle n’est pas cointégré, donc il n’est pas un modèle de régression dont on peut se servir sur le long terme.

5.5. Tests sur les hypothèses des moindres carrés ordinaires

Quant à présent, nous nous penchons sur les tests des hypothèses structurelles et stochastiques des MCO. A ce propos, nous allons tester l’hypothèse d’absence de multicolinéarité des variables exogènes, l’hypothèse de normalité des résidus, l’hypothèse d’absence d’autocorrélation des termes d’erreur, l’hypothèse d’homocédasticité.

5.5.1. Test de l’hypothèse d’absence de multi colinéarité des variables exogènes de Farrar-Glauber

L’estimation des paramètres du modèle de régression linéaire général est assujettie à une condition sine qua non, à savoir l’absence parfaite de multi colinéarité entre les variables exogènes du modèle.
Les éminents chercheurs Donald E. Farrar et Robert R. Glauber ont mis au point un test statistique permettant de vérifier cette assertion. Il se réalise en trois étapes. Elles sont les suivantes.
• A la première étape, nous formulons l’hypothèse stipulant l’absence de multi colinéarité entre les variables explicatives ; contre l’hypothèse alternative précisant la pertinence de multi colinéarité des variables exogènes.
• Dans la deuxième étape, la statistique utilisée par Farrar-Glauber est celle-ci :
D est le déterminant de la matrice formée par les coefficients de corrélation des variables explicatives. Elle a comme composante :

X1X2X3
X11-0.0535410071123-0.202014363983
X2-0.053541007112310.982284096104
X3-0.2020143639830.9822840961041

0.01269
21.1780
 
Etant donné que la valeur théorique est inférieure à la valeur calculée, nous concluons que l’hypothèse alternative est pertinente. Les variables exogènes sont fortement corrélées. En regardant la matrice des coefficients de corrélation, nous apercevons que le PIB par habitant est fortement corrélé avec la consommation.

5.5.2. Test de l’hypothèse de normalité des résidus de Bera-Jarque

Le test de normalité des résidus élaboré par Anil K. Bera et Carlos M. Jarque nous permet en quelque sorte de confirmer ou d’infirmer la nullité de la moyenne des résidus et de la constance des variances du terme aléatoire selon une loi normale.
Ils construisent leur test sur les coefficients d’aplatissement et d’asymétrie. Ce test sert de base fondamentale au test d’absence de corrélation entre les résidus. Il s’exécute également en trois étapes.
• Dans la première étape du test de normalité des résidus de Jarque-Berra, nous formulons l’hypothèse nulle que les résidus du modèle suivent la loi normale, tandis que l’hypothèse alternative préconise que les résidus ne suivent plus la loi normale.
• La statistique utilisée par Jarque et Berra pour tester l’hypothèse a pour expression :
Tableau 9 – Résultats du test de normalité de Jarque et Berra
Source : Calcul de l’Auteur sur le logiciel Eviews 3.1
α = 0.05
• La comparaison entre la probabilité de la statistique de Jarque-Bera et le seuil critique de 5% nous montre que la première est plus forte que la seconde. L’hypothèse nulle est vraie. Les résidus du modèle retenu suivent la loi normale.

5.5.3. Test de l’hypothèse d’absence d’autocorrélation des résidus de Breush-Godfrey

Pour avoir des estimateurs sans biais et asymptotiquement efficaces, les résidus du modèle ne doivent pas être corrélés entre eux. Dans ce cas, il ne suffit pas d’estimer le modèle économétrique, mais il est impératif de tester l’éventualité d’existence de corrélation linéaire entre les termes d’erreur calculés.
A cet effet, les fameux chercheurs Trevor S. Breush et Leslie G. Godfrey ont mis au point en 1978 un test statistique élaboré sur trois étapes basées sur le multiplicateur de Lagrange afin de déduire la conclusion nécessaire. Ainsi, nous allons tester l’absence d’autocorrélation des résidus à l’ordre un.
• A la première étape, nous supposons que les résidus du modèle de régression linéaire ne sont pas corrélés entre eux à l’ordre un ; contre l’hypothèse alternative prônant la pertinence d’autocorrélation à l’ordre un.
• La statistique utilisée par Breush et Godfrey se base sur le multiplicateur Lagrangien qui suit la loi de Chi-deux. En ce sens, nous avons :
Tableau 10– Résultats du test d’absence de corrélation des résidus à l’ordre un

Breusch-Godfrey Serial Correlation LM Test:
F-statistic0.003707Probability0.953812
Obs*R-squared0.007408Probability0.931412
Test Equation:
Dependent Variable: RESID
Method: Least Squares
Date: 06/15/17 Time: 16:41
Presample and interior missing value lagged residuals set to zero.
VariableCoefficientStd. Errort-StatisticProb.
C0.1436358.5280800.0168430.9872
LOG(X1)-0.0435401.447515-0.0300790.9772
LOG(X2)0.2688389.7950780.0274460.9792
LOG(X3)-0.2059827.585909-0.0271530.9794
RESID(-1)0.0446800.7338730.0608820.9538

• L’hypothèse nulle est acceptée, car la probabilité de la statistique de Breush-Godfrey dépasse le seuil critique du test. Il y a absence d’autocorrélation des résidus du modèle.

5.9. Test de l’hypothèse d’homocédasticité des résidus de White

La deuxième hypothèse des MCO voudrait que les résidus du modèle économétrique soient homocédastiques. Parmi une panoplie de test d’homocédasticité des résidus, celui de Halbert White mise au point en 1980 est le plus général. Il spécifie que le carré des résidus du modèle peut dépendre non seulement de chaque variable explicative, mais également de leurs carrée et de leurs produits. Les trois étapes de ce test sont les suivantes :
• La première étape est celle de la formulation des hypothèses. L’hypothèse nulle stipule que les résidus sont homocédastiques, par contre l’hypothèse alternative formule que les résidus sont hétéroscédastiques.
• White a fait usage de la statistique du multiplicateur de Lagrange pour tester la pertinence ou non d’homocédasticité. Ainsi, nous avons :
Tableau 11 – Résultats du test d’homocédasticité de White non croisé

White Heteroskedasticity Test:
F-statistic5.588056Probability0.093121
Obs*R-squared9.178720Probability0.163774
Dependent Variable: RESID^2
Method: Least Squares
Date: 06/15/17 Time: 16:42
Sample: 2000 2013
Included observations: 10
Excluded observations: 4
VariableCoefficientStd. Errort-StatisticProb.
C198.980363.836773.1170170.0526
LOG(X1)-18.775766.598002-2.8456740.0653
(LOG(X1))^21.3794850.4666292.9562780.0597
LOG(X2)-164.736871.72829-2.2966790.1053
(LOG(X2))^28.1207423.5790162.2689880.1080
LOG(X3)112.261251.587392.1761370.1178
(LOG(X3))^2-4.4989692.099101-2.1432840.1215

• Nous acceptons l’hypothèse nulle, parce que la probabilité de la statistique de White dépasse le seuil critique du test. Donc, les variances des résidus sont homocédastiques.

5.6. Test de significativité individuelle des paramètres de pente du modèle économétrique

Un paramètre de pente dans un modèle de régression linéaire logarithmique exprime la variation de la variable endogène est proportionnelle au taux de variation de la variable explicative.
Tenant compte des hypothèses de la recherche et de la méthodologie hypothético déductive adoptée, il est impératif d’utiliser un outil incontestable qui puisse tester les hypothèses de recherche et d’atteindre du même coup les objectifs visés.
A ce propos, appliquons les notions d’inférence statistique pour tester la véracité de ces hypothèses de recherche, c’est-à-dire de tester la significativité individuelle des paramètres de pente du modèle élaboré.

5.6.1. Test de significativité du paramètre dette externe du secteur publique

Les trois étapes du test de significativité du paramètre associé à la dette externe du secteur public sont les suivantes :
• L’hypothèse nulle formule que le paramètre de la dette externe du secteur public n’est pas statistiquement significatif ; contre l’hypothèse alternative, ce paramètre est statistiquement significatif au seuil critique de 5%.
• La statistique utilisée pour tester un paramètre du modèle de régression est celle de Student, publié en 1901 par William Gosset, qui s’exprime ainsi :
L’observation du tableau des résultats de l’estimation du modèle économétrique, tableau 11, nous permet de constater que :
Nous acceptons l’hypothèse nulle, car la probabilité de la statistique de Student dépasse le seuil critique de 5%. Nous disons que, la dette externe du secteur public n’influence pas empiriquement la croissance économique en Haïti.

5.6.2. Test de significativité du paramètre de la variable PIB par habitant

Les trois étapes du test de significativité du paramètre associé à la variable PIB par habitant sont ceux qui suivent :
• L’hypothèse nulle stipule que le paramètre du PIB par habitant n’est pas statistiquement significatif ; par contre l’hypothèse alternative précise que ce paramètre est statistiquement significatif au seuil critique de 5%.
• La statistique utilisée pour tester l’un des paramètres du modèle de régression est celle de Student qui a pour expression :
Le tableau des résultats de l’estimation du modèle économétrique, tableau 11, nous permet d’observer que :
Nous acceptons l’hypothèse nulle, car la probabilité de la statistique de Student dépasse le seuil critique de 5%. Nous disons que, le PIB par habitant n’influence pas empiriquement la croissance économique en Haïti.

5.6.3. Test de significativité du paramètre de la variable consommation

Le test de significativité d’un paramètre se fait en trois étapes. Elles sont les suivantes :
• L’hypothèse nulle s’énonce que le paramètre de la consommation est non statistiquement significatif ; par contre l’hypothèse alternative s’exprime que ce paramètre est statistiquement significatif au seuil critique de 5%.
• La statistique utilisée pour tester ce paramètre est celle de Student qui a pour expression :
Les résultats du modèle économétrique se trouvant dans le tableau 11, nous permet d’observer que :
Nous acceptons l’hypothèse nulle, car la probabilité de la statistique de Student dépasse le seuil critique de 5%. Nous disons que, la consommation n’influence pas empiriquement la croissance économique en Haïti.

5.7. Test de significativité de l’ensemble du modèle économétrique

Ce test permet de certifier si l’ensemble du modèle de régression est statistiquement significatif. Il a été élaboré par l’éminent Statisticien Ronald Aylmer Fisher. Il est effectué en trois étapes.
• L’hypothèse nulle formule que tous les paramètres du modèle sont nuls, c’est-à-dire l’ensemble du modèle est statistiquement non significatif, contre l’hypothèse alternative précisant que l’ensemble du modèle est statistiquement significatif au seuil critique de 5%.
• La statistique utilisée pour tester l’ensemble du modèle est celle de Fisher qui a pour expression :
En observant le tableau des résultats du modèle économétrique ci-dessus, nous remarquons que :
Nous acceptons l’hypothèse alternative, parce que la probabilité de la statistique de Fisher est plus petite que le seuil critique de 5%. Nous déduisons que l’ensemble du modèle de régression est statistiquement significatif.

5.8. Analyse et interprétation des résultats

Après avoir réussi les principaux tests économétriques, les résultats du modèle peuvent faire l’objet d’interprétation économique. Nous avons utilisé la méthode des Moindres Carrés Ordinaires pour effectuer les régressions sur notre modèle.
Le modèle estimé obtient un coefficient de détermination R2corrigé égal à 0.580041, cela veut dire que les variables explicatives du modèle, dette extérieure du secteur publique, PIB par habitant, consommation influencent la croissance économique durant la période étudiée à 58%.
Le modèle est globalement significatif au test de Fischer (0.04) au seuil critique de 5 %. Procédons à l’interprétation statistique de chaque variable explicative.

⇒ Dette extérieure du secteur public

Dans nos estimations, la variable indépendante dette extérieure du secteur public (X1) a une relation négative avec le taux de croissance économique, ce qui correspond avec le signe attendu. Le coefficient de -2.558474 veut dire une hausse d’un point de cette variable provoquera une baisse de croissance de 2.520995. La probabilité de Student (0.0676) associée à cette variable montre cependant qu’elle est statistiquement non-significative.

⇒ PIB par habitant

Les régressions affichent un coefficient positif de 15.16924 pour cette variable ce qui confirme notre prédiction. Donc, une hausse d’un point de cette variable provoquera une augmentation de croissance de 15.16924. Cependant La variable est statistiquement non significative au seuil de 5% au test de Student (0.1062).

⇒ Consommation

Les régressions montrent une corrélation négative entre elles car le coefficient de la consommation affiche -10.67763 contrairement à ce qu’on aurait souhaité. Donc une hausse d’un point de cette variable sera non bénéfique à la croissance -10.67763. La variable est de même pour les deux autres, statistiquement non significatif au test de Student.

5.9. CONCLUSION ET PERSPECTIVES

L’objectif de ce travail est de présenter le poids de la dette extérieure publique d’Haïti sur la croissance économique (2000-2015). En effet durant cette période l’économie haïtienne a évolué dans un contexte socio-économique difficile. Cette période est marquée par de nombreux troubles sociaux et surtout politique qui ont perturbé la bonne marche de l’économie et qui d’une certaine façon ont fait obstacle à sa croissance.
Notre analyse nous a permis de constater une situation très précaire dans laquelle évolue l’économie haïtienne. Par rapport à la taille de l’économie nationale, la dette publique peut se révéler une charge considérable dans la mesure où les agrégats ne permettent pas de supporter son poids.
Notre hypothèse de départ est que la dette extérieure haïtienne a un impact négatif sur la croissance économique. Globalement à la lumière de nos résultats la dette publique n’encourage pas la croissance économique du pays.
Deux raisons principales peuvent se dégager : Premièrement, la canalisation insuffisante des emprunts vers l’investissement qui cause un handicap majeur à la création de richesse pouvant répondre aux obligations du service de la dette ; deuxièmement les choix politiques ont souvent conduit les gouvernements à prendre des décisions non favorables à la croissance.
L’estimation du modèle révèle que la dette extérieure fait réduire la croissance économique de 2,55 point de pourcentage. Nous avons conçu un modèle de régression dont toutes les variables sont intégrées d’ordre zéro, malheureusement ses résidus ne sont pas stationnaires en niveau.
Dans ce modèle, la dette externe du secteur public, PIB par habitant et consommation ne sont pas statistiquement significatives au seuil critique de 5%. Cependant, l’ensemble du modèle est statistiquement significatif. De plus, les hypothèses des MCO sont respectées à l’exception de la multi colinéarité des variables explicatives. Les trois variables exogènes influencent la croissance économique à 58%.
Haïti doit aujourd’hui se préoccuper d’une utilisation rationnelle mais également d’une gestion optimale de la dette publique. Evidemment, cette gestion n’est pas seulement concernée par la prise en compte du remboursement du service de la dette, elle doit aussi et surtout prendre en compte leur utilisation.
Les autorités devraient donc orienter les emprunts vers les investissements productifs plutôt que de les utiliser à des fins de remboursement du service de la dette ou de financement des importations ou de l’énergie comme le cas de l’EDH. Un emprunt servant à honorer une dette antérieure ou encore à satisfaire les besoins de consommation ne peut qu’accentuer les difficultés et augmenter les risques d’insolvabilité.
Cependant, la dette extérieure n’est pas le seul obstacle à la croissance économique du pays. La politique qu’adoptera le pays doit viser l’augmentation de la production intérieure brute (PIB) par de nouveaux investissements (dans les secteurs de l’agriculture, du tourisme, des infrastructures, etc) qui par la suite pourront améliorer le niveau du taux de croissance.
Cette politique doit de toute évidence tenir compte des secteurs prioritaires. Haïti n’a pas un problème de dette mais plutôt d’allocation des ressources. Les ressources provenant des emprunts doivent servir à financer des investissements efficients, capables de faire rembourser la dette et son service.

5.10. BIBLIOGRAPHIE
⇒ Ouvrages

– BARRO R.J (2000), Les facteurs de la croissance économique, Edition Economica
– BENSIDOUN I. et Boone L (2012), L’économie mondiale 1999, Paris : Editions la Découverte
– CHERY F-G (2005), Société, économie et politique en Haïti. La crise permanente
-CHATELAIN Joseph (1954), La Banque Nationale son Histoire ses Problèmes
– DESHOMMES F. (2005), Politique Economique en Haïti, Rétrospectives et perspectives,
Port-au-Prince : Editions Cahiers Universitaires
– DOURA (2002), Économie d‟Haïti. Dépendance, crises et développement, Tome 2, Montréal, les éditions DAMI.
– ELIJAB M James (1991), l‟économie globale, Québec
– GANIASSE, E. (1994), Economie de l’endettement international : théorie et politiques, PUF
-GEORGES Gasner Legagneur (2014), Endettement extérieur d’Haïti : historique, caractéristiques et déterminants
– GRJEGINE André (1991), la politique économique, Edition du seuil de Paris
– L.F Manigat (2009), La crise haïtienne contemporaine, Port-au-Prince, Collection du CHUDAC
-MADHUR Gautam (2003), Allègement de la dette pour les pays les plus pauvres
-MARK Schuller (2006), Rompre les Chaînes de la Dette de Haïti
-MANKIW Gregory N (2001), Macro économie, 2e Ed de Boeck Université, Belgique
-MILLET Damien, TOUSSAINT Éric (2009), les chiffres de la dette, CADTM
-MILLET Damien (2003), La dette : « D‟un colonialisme à l‟autre – CADTM
-MORAL P. (2002), Le paysan haïtien. Études sur la vie rurale en Haïti, Port-au-Prince, Les Éditions Fardin
-MOUCHOT Claude (2003), Méthodologie économique, Mass Market Paperback
-MELIK (2007), Dette et Droits humains, Conséquences de la dette des pays du Sud sur les droits humains et état des lieux de son traitement dans les instances onusiennes GENEVE : CETIM
-SAMUELSON, Paul A. William D. NORDHAUS (1995), Macroéconomie, 14e Edition, éditions d‟organisations Paris 76
-SEITENFUS Ricardo (2015), Echec de l‟aide internationale à Haïti (Dilemme et égarement), Université d`Etat d`Haïti
-RAFFINOT Marc (1991), dette extérieure et ajustement structurel, EDICEF
-RAFFINOT M. (1998), Soutenabilité de la dette extérieure de la théorie aux modèles d’évaluation pour les pays à faible revenu », Working Paper DT/98/01.
-ROZIER Bernard (1984), croissance et crises capitalistes, 2e Ed, PUF Paris

⇒ Articles et sitologie

– L‟économie mondiale (2013), Paris : Editions la Découverte
– Banque Mondiale. (2005) : «Rapport sur le développement dans le monde 2006 : Equité et développement», Washington, D.C. et Oxford : Banque Mondiale et Oxford University Press.
– BOOTE A & THUGGE K (1999) Allègement de la dette des pays à faible revenu : l’initiative PPTE, FMI, Washington, pp4
– CASTRO, Julie ; PELUCHON, Roseline (2007), L‟endettement nuit à la santé, les autres voix de la planète, n°34, P. 4-15.
– KONSO B. A.(2005), Les Effets de la dette extérieure sur la croissance et les investissements dans les PPTE africains : Analyse par le Méthodes des moments Généralisés(MMG), Mémoires de fin de cycle, Université de Kinshasa.
-Ministère de l‟économie et des Finances (MEF-2016), Note de synthèse sur la situation macroéconomique et financière d‟Haïti
-Banque mondiale (2017), Haiti, URL: www.banquemondiale.org/fr/country/haiti/overview
-Forum pour une nouvelle gouvernance mondiale (2011), L‟indice de gouvernance
Mondiale, URL : www.world-governance.org
-Dieudionné Joachim (2017), Une crise économique plus ardue en gestation URL: http://lenouvelliste.com/article/169197
-L‟observateur de l‟OCDE (2007), Croissance économique ou réduction de la pauvreté, n°260. URL: http://observateurocde.org/m/fullstory.php/aid/1780.html
-Les conséquences d‟un déficit budgétaire excessif en Haïti (2016), URL:http://lenouvelliste.com/lenouvelliste/article/157894/Les-consequences-dun-deficit-budgetaire-excessif-en-Haiti#sthash.P 77
-SYLVAIN Patrick Junior (2016), Haïti : Bilan économique désastreux du président Martelly, hypothéquant l‟avenir de près de 11 millions haïtiens, et perspectives pour 2016, URL : http://atelier.rfi.fr/profiles/blogs/haiti-bilan-economique-desastreux-du-president-martelly-hypothequ
-MPCE (2006), Politique macroéconomique et pauvreté en Haïti (1981-2003), URL :
-(OCDE) Centre de développement de l‟Organisation de coopération et de développement économique (1995), Quel avenir pour l‟économie africaine ? OCDE, Paris
-EGSET, W., SLETTEN, P. (2003), La pauvreté en Haïti. Un profil de la pauvreté en Haïti à partir des données de l‟enquête ECVH, Oslo (Norvège), FAFO, 52 pages.
-Daniel Darius (2015), Haïti- Économie : PetroCaribe, Haïti doit près de 1,6 milliards de dollars au Venezuela, URL : http://www.haitilibre.com/article-10491-haiti-economie-haiti-doit-1-276-929-35932-de-dollars-au-venezuela.html
-Riphard Serent, La gestion de la dette, une vrai source d‟inquiétude, URL: http://www.lenouvelliste.com/public/index.php/article/170253/la-gestion-de-la-dette-une-vraie-source-dinquietudes#sthash.dHg4IsQe.dpuf
– Forum économique mondial (2012). Indices de Compétitivité Globale. Classement 2012.
– Gouvernement d‟Haïti (Gd‟H) (2008), Rapport d’évaluation des besoins après désastre Cyclones Fay, Gustav, Hanna et Ike, rapport préparé par le Gouvernement de la République d‟Haïti avec l‟appui de la Banque Mondiale
-Institut haïtien de statistique et d‟informatique (2011). Bulletin mensuel de l‟institut de statistique et d‟informatique, février 2012.
-Ministère de l‟économie et des finances (2011). Conjoncture économique, ministère de l‟économie et des finances
– Patillo, C, Ricci, L. et Poirson, H. (2004), Washington : Dette Extérieure et Croissance
Economique. Document de travail du FMI n°04/5.
-Rapport du Personnel du FMI, “Haïti : Requête pour un arrangement de trois ans conformément au FRPC. Rapport de Pays No 06/441 du FMI, décembre 2006
-La Libéralisation Agricole en Haïti (Mars 2006), Christian Aid
-Une soumission conjointe à la Révision du PPTE et Soutenabilité de la Dette du FMI et de la Banque Mondiale” août 2002 ; Christian Aid
-Ministère de la Planification et de la Coopération externe, Document de Stratégie Nationale pour la Croissance et la Réduction de la Pauvreté (DSNCRP) (2008-2010)
– Jean Marie BAZILE (2010), la question de l‟emploi, concepts, défis, enjeux et voies de solution. Presses Nationales d‟Haïti.
– 60 questions / 60 réponses sur la dette, le FMI et la Banque mondiale
– Chanteau J.P., (2008), « La diversité des commerces équitables face aux inégalités économiques : une analyse institutionnaliste comparative », Revue Tiers Monde, n° 195, pp 555-573
– NGANAWARA F. A.(2003), L‟impact de l‟endettement extérieur sur la croissance des économies en développement : le cas de la côte d‟ivoire, Mémoire.
– SERVET, J.-M. (2010), L„absence de prise en compte de l„exclusion financière : une erreur conceptuelle de définition de la pauvreté dans les OMD, Revue Economie & Management, n° 10, 16 pages.
-Filoche et Chavigne (2012), « Dette indigne : dix question dix réponse », Ed. J. C.
Gawsewitch.
-Patrick ARTUS(1996), Le financement de la croissance par l‟endettement extérieur, Document de travail, Groupe caisse des dépôts.

5.11. ANNEXES

Résultats du test de stationnarité de la variable Y en niveau

PP Test Statistic-4.9404251% Critical Value*-4.8870
5% Critical Value-3.8288
10% Critical Value-3.3588
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction6.141575
Residual variance with correction5.177195
Phillips-Perron Test Equation
Dependent Variable: D(Y)
Method: Least Squares
Date: 06/16/17 Time: 07:29
Sample(adjusted): 2001 2013
Included observations: 13 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
Y(-1)-1.3865210.289169-4.7948440.0007
C-1.6248611.677702-0.9685040.3556
@TREND(2000)0.4329410.2197731.9699430.0772

Résultats du test de stationnarité de la variable en niveau

PP Test Statistic1.7853321% Critical Value*-4.8870
5% Critical Value-3.8288
10% Critical Value-3.3588
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction53047.03
Residual variance with correction70194.70
Phillips-Perron Test Equation
Dependent Variable: D(X1)
Method: Least Squares
Date: 06/16/17 Time: 07:41
Sample(adjusted): 2001 2013
Included observations: 13 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
X1(-1)-0.4238100.273468-1.5497620.1522
C572.8625407.50961.4057640.1901
@TREND(2000)-3.39252020.20152-0.1679340.8700

Résultats du test de stationnarité de la variable en différence première

PP Test Statistic-1.8100761% Critical Value*-2.7989
5% Critical Value-1.9725
10% Critical Value-1.6307
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction56858.59
Residual variance with correction68334.40
Phillips-Perron Test Equation
Dependent Variable: D(X1,2)
Method: Least Squares
Date: 06/16/17 Time: 07:48
Sample(adjusted): 2002 2013
Included observations: 12 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
D(X1(-1))-0.4875620.297372-1.6395700.1294

Résultats du test de stationnarité de la variable en différence seconde

PP Test Statistic-2.6221591% Critical Value*-2.8270
5% Critical Value-1.9755
10% Critical Value-1.6321
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction74765.19
Residual variance with correction69173.80
Phillips-Perron Test Equation
Dependent Variable: D(X1,3)
Method: Least Squares
Date: 06/16/17 Time: 07:59
Sample(adjusted): 2003 2013
Included observations: 11 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
D(X1(-1),2)-0.8229760.311231-2.6442620.0246

Résultats du test de stationnarité de la variable en niveau

PP Test Statistic-2.2247291% Critical Value*-4.8870
5% Critical Value-3.8288
10% Critical Value-3.3588
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction779707.6
Residual variance with correction995399.8
Phillips-Perron Test Equation
Dependent Variable: D(X2)
Method: Least Squares
Date: 06/16/17 Time: 08:08
Sample(adjusted): 2001 2013
Included observations: 13 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
X2(-1)-0.5630280.269579-2.0885410.0633
C5505.9781933.7582.8472940.0173
@TREND(2000)1171.077546.03532.1446910.0576

Résultats du test de stationnarité de la variable en différence première

PP Test Statistic-3.0715201% Critical Value*-4.9893
5% Critical Value-3.8730
10% Critical Value-3.3820
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction1117628.
Residual variance with correction923965.0
Phillips-Perron Test Equation
Dependent Variable: D(X2,2)
Method: Least Squares
Date: 06/16/17 Time: 08:23
Sample(adjusted): 2002 2013
Included observations: 12 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
D(X2(-1))-1.0113360.327541-3.0876670.0130
C2068.2711028.4232.0111090.0752
@TREND(2000)0.062026102.13200.0006070.9995

Résultats du test de stationnarité de la variable en différence seconde

PP Test Statistic-5.6346421% Critical Value*-2.8270
5% Critical Value-1.9755
10% Critical Value-1.6321
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction1951553.
Residual variance with correction1504036.

Résultats du test de stationnarité de la variable en niveau

PP Test Statistic-3.4782561% Critical Value*-4.8870
5% Critical Value-3.8288
10% Critical Value-3.3588
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction1.13E+08
Residual variance with correction77077762
Phillips-Perron Test Equation
Dependent Variable: D(X3)
Method: Least Squares
Date: 06/16/17 Time: 08:39
Sample(adjusted): 2001 2013
Included observations: 13 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
X3(-1)-0.8818590.263278-3.3495320.0074
C40497.719818.5864.1245970.0021
@TREND(2000)23234.786745.8163.4443250.0063

Résultats du test de stationnarité de la variable en différence première

PP Test Statistic-5.1793521% Critical Value*-4.9893
5% Critical Value-3.8730
10% Critical Value-3.3820
*MacKinnon critical values for rejection of hypothesis of a unit root.
Lag truncation for Bartlett kernel: 2( Newey-West suggests: 2 )
Residual variance with no correction2.05E+08
Residual variance with correction1.49E+08
Phillips-Perron Test Equation
Dependent Variable: D(X3,2)
Method: Least Squares
Date: 06/16/17 Time: 08:45
Sample(adjusted): 2002 2013
Included observations: 12 after adjusting endpoints
VariableCoefficientStd. Errort-StatisticProb.
D(X3(-1))-1.4344860.296493-4.8381780.0009
C28700.3812570.732.2831110.0483
@TREND(2000)821.66761398.6270.5874820.5713

Données du modèle

AnnéesYX1X2X3
20000.91170.39747.4998002372446
2001-11188.810539.244049783921
2002-0.31211.911323.133184792906
20030.41287.414128.051883121371
2004-3.51316.316231.2872001143138
20051.81323.919047.8965017170525
20062.31379.7821876.8251449199482
20073.51676.123922.8365435213055
20080.71738.6226685.7812356255646
20093.11247.1527962.55306266197
2010-5.5863.0927324.9918778331020
20115.5657.430356.5040394344217
20122.9106732214.5190157350070
20134.21473.735109.3867909381652

Source : BRH/IHSI

Rechercher
Télécharger ce mémoire en ligne PDF (gratuit)

Laisser un commentaire

Votre adresse courriel ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Scroll to Top