Chapter

Dans quelle mesure la forte croissance récente de l’Afrique a-t-elle été solidaire?

Author(s):
International Monetary Fund. African Dept.
Published Date:
October 2011
Share
  • ShareShare
Show Summary Details

Introduction Et Résumé

Ce chapitre traite de la déconnexion apparente entre la croissance récente et les résultats en matière de pauvreté en Afrique subsaharienne.

  • Depuis le milieu des années 90, la croissance économique s’accélère nettement dans de nombreux pays d’Afrique subsaharienne. Alors que le taux moyen de croissance du PIB réel de la région avait été de quelque 2¼ % de 1980 à 1995, il dépasse 5 % depuis 1995 et a même atteint 5½ % de 2000 à 2010 (graphique 2.1).

  • Pourtant, les progrès dans la réduction de la pauvreté apparaissent beaucoup plus limités. Selon des estimations faites à l’échelle de la région, qui ne vont que jusqu’en 2005, la proportion de personnes vivant sous le seuil de pauvreté (1,25 dollar par jour, ajusté sur la base de la parité de pouvoir d’achat) n’a que légèrement diminué puisqu’il est passé de 59 % en 1996 à 51 % en 2005. En outre, si l’on considère le lien entre la croissance du PIB par habitant et la réduction de la pauvreté dans un échantillon de pays d’Afrique subsaharienne pour lesquels existent des observations plus récentes, la corrélation est faible (graphique 2.2).

Graphique 2.1.Afrique subsaharienne : croissance réelle

Source : FMI, base de données des Perspectives de l’économie mondiale.

Graphique 2.2.Afrique subsaharienne : variation moyenne de la pauvreté à 1,25 dollar par jour et croissance moyenne par habitant, 1995–2010

Source : Banque mondiale, Indicateurs du développement dans le monde.

Cette faible corrélation entre croissance du PIB par habitant et réduction de la pauvreté a suscité la crainte que la forte croissance récente de la région ne soit pas suffisamment solidaire. Mais l’analyse comparative entre pays sur laquelle se fonde cette conclusion comporte de sérieuses limites. Ainsi, quand l’échantillon ne comprend que les pays subsahariens qui connaissent une croissance forte depuis longtemps, l’élasticité de la réduction de la pauvreté par rapport à la croissance est supérieure. Par ailleurs, l’élasticité dépend beaucoup de l’interaction entre la distribution du revenu et le niveau du seuil de pauvreté dans les différents pays. Une évaluation rigoureuse du caractère solidaire de la croissance dans la région exige davantage une méthode de type étude de cas, avec un examen plus poussé des données tirées d’enquêtes auprès des ménages. C’est ce que nous nous proposons de faire dans ce chapitre.

  • Nous nous intéressons d’abord aux faits stylisés concernant le lien entre croissance et réduction de la pauvreté dans la région. Compte tenu de la diversité des résultats sur le plan de la croissance, nous cherchons notamment à savoir si la pauvreté et d’autres mesures du bien-être varient de façon comparable.

  • Nous allons ensuite au-delà des corrélations au niveau agrégé entre taux de croissance et taux de pauvreté sur lesquelles se concentre généralement le débat à propos de l’Afrique subsaharienne. Nous utilisons des études de cas portant sur six pays — Cameroun, Ghana, Mozambique, Ouganda, Tanzanie et Zambie1 — pour répondre aux questions suivantes :

    • La croissance de la production s’est-elle traduite par une hausse du niveau de vie de la majorité de la population de ces pays?

    • L’incidence de la croissance a-t-elle été répartie également dans la population ou certaines catégories ont-elles été laissées à l’écart?

    • Quel a été l’effet de la période de forte croissance sur la création d’emplois?

    • Mesurons-nous avec exactitude le PIB réel par habitant ou bien sous-estimonsnous la croissance réelle, comme le suggère une récente étude de Young (2010)?

Nos principales conclusions sont les suivantes :

  • L’accélération de la croissance depuis le milieu des années 90 s’est accompagnée d’une réduction limitée de la pauvreté dans l’ensemble des pays d’Afrique subsaharienne en dépit de remarquables progrès des indicateurs sociaux et de santé. Cela dit, quand on examine l’expérience des pays de la région où la croissance est restée élevée de façon durable, on voit apparaître un lien plus étroit entre l’amélioration du revenu et la réduction de la pauvreté. Mais, même dans ce groupe de pays à forte croissance, l’élasticité de la réduction de la pauvreté par rapport à la croissance du PIB par habitant est inférieure à celle qu’on observe dans d’autres régions du monde.

  • Toutefois, il ressort d’un examen attentif de données tirées d’enquêtes auprès des ménages des six pays qu’une forte croissance économique par habitant influe sensiblement sur le caractère solidaire. Plus précisément, nous utilisons dans cette étude deux mesures du caractère solidaire de la croissance. La première mesure (absolue) consiste à savoir si le quartile le plus pauvre de la distribution de la consommation a enregistré une hausse de la consommation réelle par habitant. La seconde mesure, qui est un concept plus relatif du degré de solidarité, compare la croissance de la consommation du quartile le plus bas à celle du quartile le plus élevé de la distribution de la consommation. Selon la mesure absolue, le quartile le plus pauvre a connu une progression substantielle de la consommation annuelle par habitant dans trois des quatre pays à croissance élevée (Ghana, Ouganda et Tanzanie). En revanche, dans les pays à croissance faible, la variation de la consommation a été limitée (Cameroun) ou même négative (Zambie) pour le quartile le plus pauvre de la distribution de la consommation. Les résultats pour le Mozambique varient selon que l’on utilise l’indice des prix à la consommation (IPC) ou les indices régionaux de prix comme déflateur de la consommation nominale par habitant; avec le premier, on obtient une croissance relativement forte pour le quartile le plus pauvre et avec les seconds, une baisse.

  • Nous décelons aussi certains signes (indicatifs) du rôle important que jouent les possibilités d’emploi dans les zones rurales, et en particulier dans l’agriculture, pour accélérer la croissance de la consommation des ménages les plus pauvres. Ainsi, la croissance plus forte de la consommation par habitant observée au Cameroun et en Ouganda semble liée à une vive hausse de l’emploi agricole. En revanche, l’emploi agricole a baissé entre les enquêtes au Mozambique et en Zambie où les plus pauvres ont subi un ralentissement de la croissance de la consommation par habitant, voire une baisse. L’importance des résultats de l’emploi rural n’est peut-être pas très surprenante quand on sait que 70 % environ de la population des six pays considérés résidaient en zone rurale au début des années 2000.

  • Il existe aussi des signes probants d’une croissance significative de l’emploi dans les pays faisant l’objet des études de cas. Les enquêtes comprennent des questionnaires sur le niveau de l’emploi formel et sur la participation à d’autres activités génératrices de revenus (ce qui comprend l’agriculture de subsistance). Si l’on conjugue les deux chiffres, on observe que le ratio emploi/population en âge de travailler a augmenté entre les enquêtes dans cinq pays, le Ghana faisant exception.

  • Il apparaît aussi que la progression des revenus réels est sous-estimée, vraisemblablement à cause du biais que comporte le calcul de l’indice des prix à la consommation. Nous avons notamment observé la variation de la part de la consommation consacrée à l’alimentation entre les enquêtes menées dans chaque pays. Selon la loi d’Engel, cette part diminue quand le revenu augmente. Les déplacements estimés des courbes d’Engel dans trois des quatre pays considérés (Cameroun, Ghana et Zambie) laissent penser que la progression des revenus réels a été sensiblement sous-estimée2.

Il est forcément difficile de tirer des conclusions générales des résultats d’une région aussi diverse que l’Afrique subsaharienne, mais, globalement, les observations faites laissent penser que les fruits de la croissance enregistrée pendant la période récente ont été relativement partagés. Nous trouvons en particulier des preuves assez solides de l’importance de la croissance pour les ménages les plus pauvres. Dans tous les pays où la croissance par habitant a été forte, il y a eu une hausse significative de la consommation réelle des quartiles les plus bas de la distribution de la consommation. Cela est conforme aux conclusions de travaux antérieurs qui, comme le dit Kraay (2006), «soulignent l’importance pour la réduction de la pauvreté d’une augmentation des revenus moyens». Dans un registre plus prudent, la rareté des données fiables exige d’interpréter avec circonspection certains résultats et nous le signalons partout où c’est possible. Le Mozambique en est une bonne illustration. Selon que l’on utilise les déflateurs de prix régionaux de l’enquête ou l’indice national des prix à la consommation comme déflateur de la consommation nominale par habitant, on obtient des résultats très différents. Au demeurant, nous démontrons dans la dernière section de ce chapitre l’existence de biais significatifs qui pourraient avoir entraîné une sous-estimation du revenu réel par habitant dans certains pays.

La Déconnexion Entre Croissance Et Pauvreté En Afrique Subsaharienne Est-Elle Plus Apparente Que Réelle?

Pour l’Afrique subsaharienne considérée dans son ensemble, le lien entre la croissance et la réduction de la pauvreté est faible. Le simple coefficient de corrélation entre croissance et variations du taux de pauvreté n’est que de –0,14 dans les pays de la région pour lesquels on dispose de données sur la pauvreté3 (graphique 2.3, panneau supérieur gauche). Mais on constate un net changement quand l’échantillon est divisé entre pays à forte et à faible croissance4. Dans le groupe à forte croissance (graphique 2.3, panneau supérieur droit), celle-ci est plus clairement associée à la réduction de la pauvreté, bien que la corrélation reste modeste. En effet, l’élasticité estimée des changements du niveau de pauvreté par rapport à la croissance du PIB par habitant est d’à peu près –1 dans ce groupe, contre –1,4 dans les pays asiatiques à faible revenu connaissant une croissance rapide et de –2,3 dans tous les pays asiatiques à forte croissance. Mais, dans le groupe de pays subsahariens à faible croissance (graphique 2.3, panneau inférieur gauche), la corrélation est proche de zéro5. De plus, même si nous limitons l’observation de ces pays aux périodes de croissance positive, il n’y a aucune indication qu’une croissance positive soit associée à une réduction de la pauvreté dans ce groupe (graphique 2.3, panneau inférieur droit).

Graphique 2.3.Croissance et évolution des taux de pauvreté en Afrique subsaharienne, 1995–2010

Sources : Banque mondiale, Indicateurs du développement dans le monde; calculs des auteurs.

Quels liens entre la croissance économique et les mesures du bien-être autres que le revenu? Nous retenons ici deux mesures : la mortalité infantile et les composantes de l’indice de développement humain (IDH) du Programme des Nations Unies pour le développement (PNUD). Ces deux variables peuvent être directement ou indirectement influencées par le niveau de revenu et sont des approximations utiles de l’accès des populations aux services publics.

Le lien entre l’amélioration des indicateurs sociaux et la croissance est plus marqué dans les pays à forte croissance que dans la totalité de l’échantillon d’Afrique subsaharienne :

  • Pour l’ensemble de la région, il n’existe pratiquement pas de corrélation entre la baisse de la mortalité infantile et la croissance, mais la corrélation est bien plus nette dans les pays à forte croissance (graphique 2.4, panneau supérieur).

  • Les pays d’Afrique subsaharienne à croissance forte ont aussi obtenu de meilleurs résultats sur le plan du développement humain que ceux à croissance plus lente (graphique 2.4, panneau inférieur). L’indice de développement humain du PNUD est une mesure large du bien-être socioéconomique; il donne une pondération d’un tiers au revenu par habitant, d’un tiers à l’espérance de vie à la naissance et d’un tiers à une série d’indicateurs de l’éducation (taux d’alphabétisation et taux combinés de scolarisation).

Graphique 2.4.Croissance, mortalité infantile et indice de développement humain

Sources : Programme des Nations Unies pour le développement; Banque mondiale, Indicateurs de développement dans le monde; calculs des auteurs.

Toutefois, les améliorations observées des indicateurs sociaux ont aussi été influencées par des facteurs autres que la croissance. En particulier, comme le relève Kenny (2011), des facteurs généraux, tels que la diffusion de la technologie dans les services de santé, ont sans doute joué un rôle majeur. Ainsi, de 1995 à 2010, la mortalité infantile a diminué en moyenne annuelle de 1,8 pour mille naissances vivantes en Afrique subsaharienne, un rythme presque double de celui qu’on observe dans les autres régions en développement. Or, la croissance par habitant a été en fait plus lente pendant cette période : 2,1 % contre 3,8 % ailleurs. L’explication la plus probable de cette évolution est que le niveau de départ de la mortalité infantile était extrêmement élevé en Afrique subsaharienne et que les pays de cette région ont bénéficié le plus d’une diffusion des techniques médicales6.

Explication de ces faits stylisés

Pour simplifier, il y a deux interprétations de la faiblesse relative du lien entre pauvreté et croissance.

  • L’opinion dominante est peut-être que la réduction de la pauvreté n’a pas été rapide en Afrique subsaharienne (y compris dans les pays à forte croissance) en raison d’une répartition des revenus initialement très inégale et/ou d’un mode de croissance peu propice. D’un point de vue théorique, si la répartition des revenus est très déséquilibrée au départ, la croissance aura une incidence moindre sur la pauvreté (Bourguignon 2003)7. S’agissant du mode de croissance, Teal (2011) soutient par exemple qu’en Afrique subsaharienne les secteurs industriels non compétitifs n’ont pas canalisé les investissements et la main-d’œuvre vers les activités au rendement le plus élevé qui auraient permis une progression plus rapide de l’emploi et de la productivité.

  • Selon la seconde interprétation, toutefois, la pauvreté a en réalité beaucoup plus régressé dans la région, mais les évolutions positives qui ont eu lieu sont occultées par des difficultés de mesure8. D’après Sala-i-Martin et Pinkovskiy (2010), par exemple, la pauvreté aurait baissé de 25,7 % dans la région entre 1995 et 2006 si l’on se réfère à un seuil de pauvreté de 1 dollar par jour, et de 12,4 % si l’on se réfère à un seuil de 2 dollars par jour. Mais ils obtiennent cette estimation en conjuguant, d’une part, des données tirées d’enquêtes auprès des ménages sur la répartition de la consommation entre les différentes catégories de la population, et, d’autre part, des données provenant des comptes nationaux sur la croissance du PIB réel par habitant pour tirer des conclusions sur l’évolution de la pauvreté. Ils n’expliquent pas pourquoi il faudrait utiliser des données de comptabilité nationale pour déterminer les variations de la moyenne de la distribution, de préférence aux changements impliqués par les enquêtes auprès des ménages, qui montrent une croissance plus lente de la consommation par habitant. En utilisant une méthode différente, Young (2010) conclut aussi qu’en Afrique subsaharienne, la croissance du revenu réel estimée au moyen des données de comptabilité nationale a peut-être été sous-estimée de plusieurs points de pourcentage. Il arrive à ce résultat en analysant, à partir de données d’enquêtes démographiques et sanitaires (DHS), la progression de la détention d’actifs et de biens durables ainsi que l’amélioration des résultats en matière de santé.

Malgré l’utilité de ces régressions transnationales pour décrire la relation entre l’évolution de la pauvreté et du PIB réel, il y a des limites à ce que l’on peut en conclure. Ainsi, dans ce type d’analyse comparative entre pays, les élasticités dépendent du profil de la distribution des revenus ou de la consommation par habitant, et de la position du seuil de pauvreté par rapport à la distribution. En particulier, plus le seuil de pauvreté est proche du point médian de la distribution, plus le taux de pauvreté est sensible aux variations du PIB réel par habitant. Nous analysons donc l’ensemble de la distribution de la consommation par habitant afin d’éviter cet obstacle lors de l’utilisation de données agrégées.

Dans le reste de ce chapitre, nous tentons de mieux comprendre les effets de la période de forte croissance de la région sur le bien-être des différents segments de la population en procédant de la façon suivante. D’abord, nous utilisons des données tirées d’enquêtes sur la consommation des ménages — meilleur moyen d’évaluer le statut des pauvres — pour appréhender le caractère solidaire de la croissance dans la région9. Ensuite, nous recourons à l’une des régularités empiriques les plus anciennement établies en économie, à savoir la loi d’Engel, qui postule que la fraction du revenu consacrée à la consommation alimentaire est d’autant plus faible que le revenu est élevé, pour apprécier la validité de l’idée nouvelle selon laquelle la progression du revenu réel dans la région a peut-être été sous-estimée.

En résumé, il existe des preuves d’un lien positif entre la croissance totale et la réduction de la pauvreté ainsi que d’autres mesures de l’amélioration du bien-être. En outre, ce lien est un peu plus fort dans les pays de la région où la croissance a été la plus élevée au cours des années récentes. Naturellement, cela ne permet pas pour autant de conclure à un rapport de causalité entre ces résultats. Nous pensons plutôt que la croissance a été un facteur de facilitation, par exemple en procurant les ressources budgétaires nécessaires pour offrir de meilleurs services de santé et d’éducation. S’agissant des progrès plus nets de la région en ce qui concerne divers indicateurs du développement social, tels que la baisse de la mortalité infantile et la hausse de l’indice de développement humain du PNUD, ils ont été rendus possibles par l’amélioration du contexte économique, mais avec la contribution d’autres facteurs, tels que le progrès technologique, la réactivité accrue des systèmes politiques et la meilleure diffusion des techniques médicales (PNUD 2010, Kenny 2011).

Leçons Des Études De Cas

Dans cette section, nous cherchons à mieux comprendre le caractère plus ou moins solidaire de la croissance dans la région à l’aide de six études de cas — portant sur le Cameroun, le Ghana, le Mozambique, l’Ouganda, la Tanzanie et la Zambie (voir les détails des enquêtes à l’appendice I). Le choix de l’échantillon est dicté par la disponibilité des données et n’est pas pleinement représentatif des pays de l’Afrique subsaharienne en général — il n’y a pas d’État sortant d’un conflit ou d’État fragile, pas de grands pays exportateurs de pétrole (le Cameroun est un exportateur net marginal) et on ne compte qu’un pays francophone10. Les quatre pays autres que le Cameroun et la Zambie ont tous bénéficié d’une croissance moyenne du revenu par habitant supérieure à 2¼ % de 1995 à 2010 (ils font partie des pays de la région ayant la croissance la plus rapide). Nous commençons par décrire l’incidence de la croissance dans ces pays; nous examinons les déterminants de la consommation totale des ménages en fonction des caractéristiques de ceux-ci, puis nous examinons les données sur l’évolution de l’emploi. Enfin, nous donnons les résultats de nos travaux d’estimation du biais de l’IPC en utilisant les courbes d’Engel pour corroborer les taux de croissance du PIB réel par habitant qui figurent dans les comptes nationaux.

Incidence de la croissance

L’estimation des courbes d’incidence de la croissance (CIC) est un bon moyen de déterminer dans quelle mesure les ménages pauvres et les ménages riches ont bénéficié de la croissance. Si la CIC estimée est partout au-dessus de zéro, cela correspond à la mesure absolue du caractère solidaire de la croissance, puisque la consommation par habitant augmente à tous les points de la distribution. Si, en outre, la courbe est en pente descendante, cela signifie que la consommation des ménages pauvres progresse plus que celles des ménages riches, ce qui correspond à la mesure relative du caractère solidaire de la croissance11. Le graphique 2.5 indique la CIC de la consommation réelle par habitant pour la population totale des six pays faisant l’objet d’études de cas. La ligne rouge entourée d’une zone grisée est la CIC réelle, la ligne verte est le taux de croissance moyen de la consommation pour tous les déciles et la ligne orange représente le taux de croissance pour les ménages situés au milieu de la distribution de la consommation par habitant (le ménage représentatif). Nos principales constatations sont les suivantes :

Graphique 2.5.Courbes d’incidence de la croissance sur la consommation réelle des ménages par habitant

Source : estimations des services du FMI basées sur les données tirées de diverses enquêtes auprès des ménages (voir appendice 1).

  • En termes absolus, le quartile le plus pauvre s’en tire le mieux là où la croissance économique est la plus forte. Dans les six pays étudiés, la progression de la consommation des ménages du quartile le plus pauvre est étroitement liée à l’évolution de la croissance globale par habitant (tableau 2.1), l’élasticité entre la croissance de la consommation par habitant du quartile le plus pauvre et la croissance par habitant s’élevant à 0,87, et étant significative. Dans quatre des six pays de l’échantillon (Ghana, Mozambique, Ouganda et Tanzanie), le revenu par habitant à gagné 4¼ % par an entre les enquêtes, de sorte que la progression annuelle de la consommation des ménages a atteint un taux moyen relativement élevé de 3½ % dans le quartile le plus pauvre de la distribution de la consommation12. Dans les deux autres pays (Cameroun et Zambie), où la progression annuelle de la consommation par habitant a été de 1 % ou moins dans l’intervalle des enquêtes, le quartile le plus pauvre a été assez défavorisé. Au Cameroun, la hausse annuelle de la consommation par habitant a été de 1 % pour le quartile le plus pauvre et en Zambie ce groupe a même connu une baisse annuelle de 1,9 % de la consommation.

  • En termes relatifs, toutefois, le degré de solidarité de la croissance n’est pas lié au rythme de celle-ci. Le quartile le plus pauvre a été relativement plus favorisé que les ménages plus riches au Cameroun et en Zambie, pays à croissance faible, de même qu’en Ouganda où la croissance a été forte. C’est dans les trois autres pays à croissance rapide (Ghana, Mozambique et Tanzanie) que ce quartile a connu la plus faible hausse de la consommation par rapport au quartile le plus élevé (tableau 2.1 et graphique 2.5).

  • Dans les six pays étudiés, il n’y a pas de corrélation étroite entre la croissance du PIB par habitant et la réduction de la pauvreté, mais le lien est fort entre nos deux mesures du degré de solidarité de la croissance et de la réduction de la pauvreté. En particulier, l’élasticité de la variation du taux de pauvreté par rapport à la croissance de la consommation du quartile le plus pauvre est de –0,7, et significative, alors que la relation entre la variation du taux de pauvreté et la croissance par habitant dans les pays de l’échantillon n’est pas significative. Ainsi, dans les pays de l’échantillon où la croissance de la consommation du quartile le plus pauvre a été positive (Ghana, Ouganda et Tanzanie), ou relativement partagée (Cameroun, où le quartile le plus pauvre a fait beaucoup mieux que le plus riche alors même que la croissance globale était faible), les estimations montrent un recul de la pauvreté (tableau 2.1). Au Mozambique aussi, la pauvreté a reculé. C’est seulement en Zambie, où la croissance de la consommation du quartile le plus pauvre a été nettement négative, que la pauvreté a augmenté sensiblement.

Tableau 2.1.Agrégats macroéconomiques de la pauvreté et de la consommation dans certains pays(Variation annuelle en pourcentage, sauf indication contraire)
PériodeCroissance par habitantTaux de change réelTermes de l’échangeEmploiTaux de pauvretéCoefficient de GiniConsommation par habitant
Variation en pourcentage sur la périodeVariation en pourcentage sur la périodeÉlasticité emploi–productionDernières estimationsPremières estimationsDernières estimationsDonnées NIPADonnées tirées des enquêtes
Tous ménagesQuartile le plus pauvreRatio quartile le plus pauvre/moyenne
Cameroun2001–070,576,956,22,70,89,6-3,90,40,391,00,821,01,24
Ghana1998–20052,33-29,1-33,63,40,730,0-1,30,410,433,63,662,60,71
Mozambique2003–095,546,432,84,40,660,0-2,50,470,467,23,502,90,82
Ouganda2002–094,450,4-5,07,51,028,7-4,10,460,443,63,404,71,37
Tanzanie2000–074,38-34,6-47,23,30,567,9-3,00,350,383,76,733,90,58
Zambie1998–20041,169,820,91,90,664,31,50,530,510,5-3,43-1,90,55
Pour mémoire :
Bangladesh11992–20003,00-4,857,8-1,10,280,330,81,801,00,56
Cambodge21994–20045,70-33,151,440,2-0,80,350,425,82,800,800,29
Vietnam21993–20025,90-9,06,80,340,1-2,60,340,384,25,504,00,73
Sources : FMI, base de données des Perspectives de l’économie mondiale et système des avis d’information; enquêtes auprès des ménages; Besley et Cord (2007); Klump et Bonschab (2005); Fonds monétaire international (2006).Note : NIPA = National Income and Product Account (Bureau of Economic Analysis, U.S. Department of Commerce).

Le caractère inégalement solidaire de la croissance en Afrique subsaharienne est assez similaire à l’expérience de plusieurs pays asiatiques comparables. Au Bangladesh (de 1991 à 2000) et au Cambodge (de 1994 à 2004), la hausse de la consommation du quar-tile le plus pauvre a été de l’ordre de 1 % par an alors qu’elle a atteint 4 % au Vietnam (de 1993 à 2002). L’augmentation a été sensiblement plus forte pour les quartiles les plus riches que pour les plus pauvres (voir par exemple la CIC estimée du Vietnam au graphique 2.6). Au Cambodge (de 1994 à 1999), la consommation a vivement progressé dans la population urbaine (3½ % par an), mais pas dans les zones rurales. En raison de cette hausse plus prononcée dans la partie supérieure de la distribution des revenus, le coefficient de Gini a augmenté dans ces trois pays pendant les années 90.

Graphique 2.6.Courbe d’incidence de la croissance pour le Vietnam, 1993–2002

Source : Bonschab et Klump (2005).

Déterminants de la consommation des ménages

Cette section examine les facteurs qui pourraient expliquer l’incidence de la croissance dans les six pays étudiés, en s’intéressant particulièrement aux ménages situés dans le quartile le plus bas de la distribution de la consommation. Nous recensons d’abord les principales caractéristiques des ménages qui permettent d’expliquer le niveau de la consommation dans la totalité de l’échantillon et dans le quartile le plus bas. Nous essayons ensuite de déterminer si le changement de la valeur des attributs qui caractérisent les ménages pauvres pourrait avoir un rapport avec l’incidence de la croissance.

Les coefficients associés aux déterminants de la consommation sont similaires dans tout l’échantillon de pays et peuvent expliquer pour une large part la variation de la consommation des ménages13. Comme on peut le voir au tableau 2.2 et au graphique 2.7, il est en général possible d’expliquer 60 % à 70 % de la variation de la consommation des ménages par la taille du ménage, le sexe et l’âge du chef de ménage, son statut professionnel, son secteur d’emploi, son niveau d’éducation et la localisation du ménage dans une zone urbaine ou rurale. La taille du ménage a la plus forte capacité explicative dans les six pays, chaque membre additionnel du ménage faisant augmenter la consommation totale de celui-ci, bien qu’à un taux dégressif; l’âge, en tant que variable représentative de l’expérience, est aussi associé à une consommation supérieure des ménages, tandis qu’une relation positive constante entre consommation et éducation est évidente dans tous les pays. Plus précisément :

Tableau 2.2.Log des déterminants de la consommation des ménages (enquête la plus récente)1
GhanaCamerounOugandaMozambiqueTanzanieZambie
2005200720092008/0920072004
Taille du ménage (log)0,37***0,29***0,24***0,26***0,31***0,17***
Âge (log)0,13***0,18***0,20***0,16***0,020,05***
Chef de ménage homme0,03***0,010,08***0,04***0,06**0,02
Variable muette emploi0,16***0,04**0,020,07***0,21***0,07***
Variable muette secteur agricole-0,23***-0,15***-0,09***-0,12***-0,26***-0,04***
Variable muette secteur manufacturier2-0,08***-0,03**-0,10*-0,11***0,03*
Variable muette secteur public-0,12***0,19***0,16***0,020,15***0,02
Études primaires0,07**0,08***-0,14***0,12***0,13***0,04*
Études secondaires 1er cycle0,16***0,16***-0,040,22***0,44***0,13***
Études secondaires 2e cycle0,38***0,29***0,010,56***0,71***0,47***
Formation universitaire / infirmier / enseignant0,69***0,59***0,87***1,00***1,23***1,03***
Variable muette milieu urbain0,24***0,21***0,20***0,12***0,23***0,12***
Statistiques diagnostiques
Nombre d’observations72801041661179836933217824
R20,680,690,630,660,660,59
Sources : estimations des services du FMI basées sur les données tirées des diverses enquêtes auprès des ménages (voir appendice 1).Note : ***,**,* indiquent une signification statistique aux niveaux de confiance de 99 %, 95 % et 90 % respectivement.

Graphique 2.7.Ghana : estimations de densité de la distribution de la consommation par quartile, 2005

Sources : Ghana Living Standards Survey (GLSS) 2005; calculs des auteurs.

  • D’importants différentiels de consommation entre zones urbaines et zones rurales sont évidents dans les six pays; ils varient de 12 % (Mozambique) à 24 % (Ghana) et restent généralement stables dans le temps. Ces différentiels sont à l’origine d’un exode continu des zones rurales vers les zones urbaines pendant la décennie écoulée, conformément à la prévision du modèle de migration Harris–Todaro. De 2001 à 2009, la proportion de la population vivant en zones rurales a baissé de plus de six points (médiane) dans l’échantillon de pays pour s’établir à 62 %14.

  • Les chefs de ménage ayant un niveau d’éducation primaire gagnent entre zéro et 13 % (Tanzanie) de plus que ceux dépourvus d’éducation; l’écart va de 60 % (Cameroun) à plus de 100 % (Mozambique, Tanzanie et Zambie) quand le chef de ménage a reçu un enseignement de niveau universitaire. En outre, la prime associée à la formation universitaire augmente au fil du temps dans la plupart des pays de l’échantillon.

  • De grands différentiels de consommation existent aussi entre les chefs de ménage travaillant pour l’État et ceux du secteur primaire. Dans la plupart des pays, les travailleurs du secteur étatique comptent parmi les mieux rémunérés (par exemple au Cameroun, en Ouganda et en Tanzanie), alors que les travailleurs agricoles gagnent le moins et que les ouvriers de l’industrie ne figurent que légèrement plus haut que les travailleurs agricoles sur l’échelle de la consommation dans la moitié des pays de l’échantillon (la catégorie de référence omise dans les régressions est celle des services privés).

  • Toutefois, le différentiel de consommation entre les travailleurs agricoles et ceux des autres secteurs a fléchi au l du temps15.

L’évolution des déterminants de la consommation entre les enquêtes dans le quartile le plus pauvre n’éclaire pas beaucoup sur l’incidence de la croissance, sauf en Ouganda. Sachant que la majorité des pauvres se livrent à des activités agricoles dans les zones rurales et que l’éducation primaire est généralement le niveau le plus élevé qu’ils atteignent, nous nous sommes intéressés à ces caractéristiques pour comprendre l’incidence de la croissance. Notre interprétation des chiffres est que la croissance de la consommation dans le quartile le plus pauvre en Ouganda peut s’expliquer en partie par l’amélioration très sensible des revenus agricoles et par la prime liée à l’éducation (au niveau primaire) de ces ménages par rapport au reste de la population (graphique 2.8). Entre les enquêtes, le niveau de consommation des familles pauvres d’Ouganda dont le chef était employé dans l’agriculture a augmenté de dix points de plus que dans les familles dont le chef était employé dans les services privés. Au Cameroun, où le quartile le plus pauvre a aussi bénéficié de la progression la plus forte de la consommation, il y a eu une amélioration relative de la prime liée à l’éducation. Dans les autres pays, en revanche, l’évolution des déterminants de la consommation n’a pas correspondu à l’incidence de la croissance. Ainsi, la hausse de la valeur de l’éducation au Mozambique et le recul de la prime de localisation urbaine en Zambie ne se sont pas accompagnés d’une croissance favorable aux pauvres.

Graphique 2.8.Poids pour la consommation des caractéristiques du quartile le plus pauvre

Sources : enquêtes auprès des ménages; calculs des auteurs.

Les résultats des régressions, dans lesquelles un pourcentage élevé de la variance de la consommation des ménages peut s’expliquer par quelques caractéristiques, montrent que les enquêtes effectuées auprès des ménages dans l’échantillon de pays peuvent servir à cibler les transferts sur les plus pauvres. On a recensé des localisations bien différenciées avec des niveaux de consommation des ménages différents, tandis que la composante santé des enquêtes peut aussi être utilisée pour déceler des empêchements tels que la maladie ou l’invalidité. Plusieurs pays en développement ont mis en place des programmes (avec ou sans conditions de ressources) de transferts monétaires directs et des dispositifs ciblés de protection qui constituent un moyen praticable et économique de protéger les ménages les plus pauvres contre les chocs et de les faire bénéficier d’une partie des dividendes de la croissance. Le Brésil et le Mexique sont des exemples typiques à cet égard. Leurs programmes les plus efficaces (Bolsa Escola–Bolsa Familia et Progresa–Oportunidades, respectivement) sont ciblés sur la population pauvre en fonction des informations géographiques tirées des enquêtes auprès des ménages; à cela s’est ajoutée la sélection de ménages bénéficiaires au sein d’une communauté visée sur la base de données socioéconomiques recueillies pour l’ensemble des ménages. Il faut certes résoudre plusieurs problèmes avant de mettre en place des transferts ciblés ou des filets de sécurité, mais ils sont peut-être plus de nature politique que technique (par exemple, certains affirment que «tout le monde est pauvre»).

Emploi

On peut aussi se servir des enquêtes sur les revenus et les dépenses des ménages pour analyser l’influence des tendances de l’emploi sur le caractère plus ou moins solidaire de la croissance dans les pays étudiés. La fréquence des données est limitée à deux ou trois points d’observation et les modifications des questionnaires entre les enquêtes rendent les comparaisons difficiles (voir à l’appendice 2 la description de la méthodologie utilisée pour établir les données sur la population active). De plus, en Afrique subsaharienne, l’emploi n’a pas du tout le même sens pour les ménages que dans les pays développés, et cela pour deux raisons : les occupations de simple subsistance constituent une grande part de l’activité des ménages et l’emploi formel représente une faible proportion de l’emploi total. C’est pourquoi nous préférons considérer l’emploi comme l’ensemble des activités génératrices de revenus plutôt que le seul emploi du secteur formel. Nous faisons les constatations suivantes pour les six pays :

  • La hausse du nombre de personnes se livrant à des activités génératrices de revenus (que l’on utilise pour représenter l’emploi) a été forte au cours de la décennie écoulée dans l’échantillon analysé, l’estimation médiane étant une croissance de 3¼ % par an (tableau 2.3)16. Ces rythmes élevés ont fait augmenter le ratio emploi/population en âge de travailler dans tous les pays sauf au Ghana, où le nombre de personnes non comprises dans la population active a vivement augmenté en raison de la prolongation de la scolarisation des jeunes (graphique 2.9). En outre, la croissance économique de ces pays a été caractérisée par une forte intensité d’emploi, l’élasticité médiane de l’emploi par rapport à la croissance de la production étant de 0,6, contre 0,4 au Cambodge et au Vietnam.

  • Pendant la décennie écoulée, la progression de l’emploi agricole a été particulièrement marquée dans les pays où la croissance a été favorable aux pauvres. Elle a atteint 6 % en rythme annuel au Cameroun et en Ouganda, mais a été bien inférieure dans les autres pays de l’échantillon et l’emploi agricole a même diminué en Zambie. La corrélation entre la croissance de la consommation du quartile le plus pauvre et celle de l’emploi agricole est encore plus forte pour la population rurale puisqu’elle est de 0,62, c’est-à-dire légèrement inférieure à la corrélation, notée plus haut, entre la croissance du PIB réel par habitant et la hausse de la consommation des pauvres.

  • L’augmentation de l’emploi urbain a été très rapide, l’estimation médiane étant de près de 7 % par an, soit plus de deux fois le taux d’augmentation de l’emploi dans l’ensemble de la population. Néanmoins, compte tenu de la migration rapide des zones rurales vers les zones urbaines, la hausse du ratio emploi/population en âge de travailler a été plus limitée, s’établissant à un peu moins de 1 point de pourcentage.

  • L’emploi du secteur formel est souvent utilisé comme mesure du développement des pays à faible revenu, les emplois en question offrant généralement des prestations sociales et des revenus plus stables. Dans ce chapitre, l’emploi formel est représenté par l’emploi mensualisé (fonctionnaires et autres employés mensualisés), car la plupart des enquêtes ne donnent pas d’informations sur les prestations sociales. Sur la base de cette définition, la proportion de l’emploi formel par rapport à la population en âge de travailler a augmenté dans tous les pays de l’échantillon, à l’exception du Cameroun, et pour ce qui est des zones urbaines, elle s’est accrue dans tous les pays de l’échantillon, sauf au Cameroun et en Tanzanie. Toutefois, à 13,6 % de la population en âge de travailler (estimation médiane pour les six pays de l’échantillon), elle reste très inférieure au niveau du Cambodge (25 % en 2007) et du Vietnam (44 % en 2007).

Graphique 2.9.Ratio emploi total/population en âge de travailler

Source : enquêtes auprès des ménages; calculs des auteurs.

1Pour le Cameroun, le ratio emploi/population en 2007 se rapporte aux personnes qui travaillent au moins 25 heures par semaine.

Tableau 2.3.Indicateurs de l’emploi(Variation annuelle en pourcentage, sauf indication contraire)
PériodeEmploi totalÉlasticité

emploi–

production
Emploi

urbain
Emploi

agricole
Emploi agricole

rural
Emploi dans le

secteur formel1
Cameroun2001–072,70,85,65,94,29,5
Ghana1999–20053,40,76,13,51,413,3
Mozambique2003–094,40,67,43,4-0,416,7
Ouganda2002–097,51,09,86,06,413,9
Tanzanie2000–093,30,58,82,32,19,5
Zambie1998–20041,90,65,1-0,2-1,613,8
Pour mémoire :
Cambodge2004–074,20,44,53,94,725,0
Vietnam22000–072,90,46,1-0,3n.a.44,0
Afrique subsaharienne
(Médiane de l’échantillon)3,30,66,83,51,813,6
Sources : enquêtes auprès des ménages; Vietnam Ministry of Planning and Investment et PNUD (2010); Banque mondiale (2008).

En résumé, la hausse de l’emploi a été forte ces dix dernières années dans les six pays, surtout au sein de la population urbaine. Elle a fait augmenter le ratio emploi/population en âge de travailler. Bien que l’emploi formel ait aussi augmenté relativement à la population en âge de travailler, il demeure très inférieur aux niveaux du Cambodge et du Vietnam. La progression très différenciée de l’emploi agricole selon les pays est l’explication la plus probable des disparités de croissance de la consommation. L’une des caractéristiques des CIC est le contraste entre la vigueur de la croissance de la consommation par habitant chez les pauvres au Cameroun et en Ouganda et la faiblesse de la croissance de la consommation des pauvres, voire sa diminution, au Mozambique et en Zambie. L’évolution de l’emploi contribue à expliquer pourquoi la hausse de l’emploi agricole a été forte dans les deux premiers pays, alors qu’elle a été beaucoup plus faible au Mozambique et qu’elle a même diminué en Zambie. En outre, ces différences sont encore plus tranchées quand on considère la population rurale.

Nouvelle Explication De L’évolution Du Revenu Réel En Afrique Subsaharienne À Partir Des Courbes D’engel

Dans cette section, nous utilisons l’une des régularités empiriques les mieux établies de la science économique, la loi d’Engel, pour voir si elle peut expliquer le décalage apparent entre l’évolution du revenu et la réduction de la pauvreté dans les pays étudiés. Comme il est dit dans la première section de ce chapitre, on constate une déconnexion entre la croissance par habitant et l’amélioration d’autres indicateurs du bien-être. Selon des études récentes, dont Kenny (2011), Sala-i-Martin et Pinkovskiy (2010) ainsi que Young (2010), le bien-être dans la région Afrique pourrait être supérieur à ce que l’on croit généralement. La loi d’Engel, qui postule que la part des ressources totales des ménages consacrée à la consommation alimentaire diminue quand ces ressources augmentent, se vérifie pour tous les pays quelle que soit la période considérée (graphiques 2.10 et 2.11). Nous cherchons ici à exploiter cette régularité empirique pour comprendre l’évolution des revenus réels. Il est possible qu’ils ne soient pas mesurés correctement dans la région, ce qui créerait le décalage entre la croissance et les progrès dans la réduction de la pauvreté. Dans d’autres pays — notamment le Brésil, les États-Unis et le Mexique — on a des preuves que la hausse des revenus réels a été sous-estimée en raison d’une surestimation de l’augmentation véritable du coût de la vie mesurée par l’IPC (voir Costa, 2001; Hamilton, 2001; de Carvalho et Chamon, 2011). Le même facteur pourrait-il opérer en Afrique subsaharienne où le changement économique a peut-être été encore plus rapide?

Graphique 2.10.Dépenses alimentaires et dépenses de consommation par habitant des ménages dans un échantillon de 84 pays, 2010

Source : U.S. Department of Agriculture Economic Research Services, sur la base de données de Euromonitor.

Graphique 2.11.Ghana : dépenses alimentaires en proportion de la consommation totale des ménages par décile de la distribution de la consommation totale des ménages

Note : CBA = coefficient budgétaire de l’alimentation.

Sources : estimations des services du FMI basées sur les données tirées des Ghana Living Standards Surveys (GLSS) pour 1991, 1998 et 2005; Office statistique du Ghana.

La méthode adoptée dans cette section repose sur la logique suivante. En supposant que les préférences des consommateurs sont stables dans le temps et que l’on dispose d’un modèle correctement spécifié, nous devrions être en mesure de déduire l’évolution des revenus réels en observant les déplacements de la courbe d’Engel17 estimée. Si, par exemple, la courbe d’Engel se déplace avec le temps vers la gauche (la droite), cela signifie qu’un niveau de consommation totale des ménages plus bas (plus élevé) correspond à chaque coefficient budgétaire de l’alimentation. Le graphique 2.12 représente la courbe d’Engel pour le Ghana18 estimée avec les données couvrant la période 1998–2005. Il montre en particulier la droite de régression ajustée (en rouge), et il montre aussi la droite de régression ajustée avec le coefficient négatif de la variable muette de l’année (en vert), qui déplace la courbe d’Engel initiale vers l’origine. Étant donné que, pour chaque niveau de la consommation totale réelle des ménages, la ligne verte représente une part plus faible de la consommation totale des ménages consacrée à l’alimentation que la ligne rouge, on peut conclure que la consommation totale réelle des ménages pourrait être sous-estimée19.

Graphique 2.12.Courbe d’Engel pour le Ghana, estimée d’après des données pour la période 1998–2005

Sources : estimations des services du FMI basées sur les données tirées des Ghana Living Standards Surveys (GLSS) pour 1998 et 2005; Office statistique du Ghana.

Il est généralement reconnu que la sous-estimation de la hausse du revenu réel s’explique par la surestimation de l’inflation. La mesure du coût de la vie par un IPC de type Laspeyres donne lieu à divers biais haussiers. D’abord, l’emploi dans la plupart des IPC d’un panier fixe de produits surestime les variations du coût de la vie parce que les consommateurs modifient la composition de leurs achats en réaction aux changements des prix relatifs (biais de substitution). Ensuite, comme la plupart des agences statistiques font abstraction des changements de qualité des produits, toute hausse du prix d’un produit est comptabilisée comme de l’inflation même si elle correspond à une amélioration qualitative. Enfin, les agences statistiques ne changent que lentement leurs échantillons pour y inclure les nouveaux produits et établissements dont les prix connaissent souvent de fortes baisses initiales.

Nos résultats :

  • Comme on le voit au tableau 2.4, qui montre les résultats des régressions dans le cas du Ghana (1991–2005), l’inflation mesurée par l’IPC présente un biais à la hausse dans la dernière période (1998–2005), puisque le coefficient associé à la variable muette de temps pour 2005 est négatif et statistiquement significatif20. En revanche, il y a biais à la baisse dans la première période (1991–1998), puisque le coefficient associé à la variable muette de cette période est positif.

  • Le résultat de cette régression formalise l’intuition illustrée par les graphiques ci-dessus dans le cas du Ghana (graphique 2.12), selon laquelle la baisse rapide, pendant la période 1998–2005, de la part consacrée à la consommation alimentaire dans les enquêtes auprès des ménages est trop importante pour correspondre à la hausse du PIB réel par habitant ou des dépenses réelles de consommation par habitant indiquée par les comptes nationaux; cela laisse penser que l’inflation mesurée par l’IPC a surestimé l’augmentation véritable du coût de la vie21.

Tableau 2.4.Courbes d’Engel pour l’alimentation au Ghana sur la période 1991–2005Variable dépendante : consommation alimentaire en proportion de la consommation totale des ménages
123456
Constante1,547***1,528***1,607***1,524***1,535***1,521***
Consommation réelle totale des ménages (log)-0,064***-0,062***-0,069***-0,066***-0,066***-0,067***
Variable muette 2005-0,016***-0,013***-0,014***-0,014***-0,014***
Variable muette 19980,013***0,015***0,014***0,014***0,013***
Taille du ménage0,005***0,004***0,004***0,003***
Âge du chef du ménage0,001***0,001***0,001***
Chef du ménage homme-0,009-0,006***
Employé0,032***
Nombre d’observations19.03619.03619.03619.03619.03618.444
R20,09990,10700,11410,12520,12610,1341
R2 ajusté0,09980,10690,11390,12500,12580,1338
Sources : estimations des services du FMI basées sur les données tirées des Ghana Living Standards Surveys (GLSS) pour 1991, 1998 et 2005; Office statistique du Ghana.Note : ***, **, et * indiquent une signification statistique aux niveaux de confiance de 99 %, 95 % et 90 % respectivement.

On se sert de la spécification de la colonne 6 du tableau 2.4 pour mettre en parallèle les quatre pays pour lesquels on dispose de données couvrant au moins deux ans, à savoir le Cameroun, le Ghana, l’Ouganda et la Zambie. Cette spécification donne un ordre de grandeur relativement constant du biais de l’IPC et le meilleur ajustement aux données en termes de coefficient R2 ajusté. Comme on peut le voir au tableau 2.5, les résultats de trois des quatre pays pour lesquels les courbes d’Engel sont estimées — Cameroun, Ghana et Zambie — montre un déplacement progressif vers la gauche de la courbe d’Engel qui incite à penser que l’inflation mesurée par l’IPC a surestimé la hausse réelle du coût de la vie et que la croissance du revenu réel a été sous-estimée. C’est le contraire en Ouganda, puisque la courbe d’Engel s’est progressivement déplacée vers la droite, d’où l’on peut conclure que l’inflation mesurée par l’IPC a sous-estimé la véritable hausse du coût de la vie et que la croissance du revenu réel a été surestimée22.

Tableau 2.5.Courbes d’Engel pour l’alimentation au Cameroun, au Ghana, en Ouganda et en ZambieVariable dépendante : consommation alimentaire en proportion de la consommation totale des ménages
CamerounGhanaOugandaZambie
2001–071998–20052002–101998–2004
Constante1,546***1,515***1,970***1,283***
Consommation réelle totale des ménages (log)-0,089***-0,065***-0,108***-0,061***
Variable muette de la deuxième année-0,065***-0,027***0,049***-0,063***
Taille du ménage0,013***0,002***0,011***0,001***
Âge du chef du ménage0,001***0,001***0,001***0,001***
Chef du ménage homme-0,006**-0,006**0,016***0,031***
Employé0,065***0,032***0,006*-0,008***
Nombre d’observations22.14013.95016.72729.246
R20,21060,13180,25100,1403
R2 ajusté0,21040,13140,25070,1402
Source : estimations des services du FMI basées sur les données tirées des diverses enquêtes auprès des ménages (voir appendice 1).Note : ***, **, et * indiquent une signification statistique aux niveaux de confiance de 99 %, 95 % et 90 % respectivement.

Le fait que le taux de croissance du véritable revenu réel au Cameroun, au Ghana et en Zambie semble avoir été sous-estimé, surtout pendant la période d’accélération de la croissance dans la région, a des conséquences importantes. D’abord, cela confirme les résultats de l’analyse de Young (2010) qui estime, avec une méthodologie complètement différente, que les comptes nationaux ont sous-estimé la progression de la consommation réelle par habitant. Ensuite, cela donne peut-être une explication à la déconnexion apparente entre l’augmentation du revenu réel et l’amélioration des mesures du bien-être autres que les revenus : si l’augmentation du revenu réel est sous-estimée, il pourrait exister en fait une relation plus étroite entre cette augmentation et l’amélioration d’autres indicateurs du bien-être. L’existence de signes tangibles d’une sous-estimation de la hausse du revenu réel dans trois des quatre pays pour lesquels on dispose de données incite à croire qu’elle est peut-être sous-estimée dans les autres pays de la région. Néanmoins, compte tenu des limites des données (sur le plan de la couverture de la population de la région par des enquêtes comparables auprès des ménages), des recherches supplémentaires seraient nécessaires pour confirmer ou rejeter cette conjecture.

Conclusions

Nos principales constatations sont donc les suivantes :

  • Premièrement, dans l’ensemble de la région, le lien entre pauvreté et croissance est généralement ténu, mais il est beaucoup plus marqué dans les pays à forte croissance.

  • Deuxièmement, il semble avéré que la croissance a été relativement solidaire dans les pays de la région où elle a été forte. Nous constatons par exemple que, dans trois des quatre études de cas (Ghana, Ouganda et Tanzanie), le quartile le plus bas a bénéficié d’une progression assez vive de la consommation. Mais il y a des signes que, dans beaucoup de ces pays, la consommation des ménages disposant des revenus les plus élevés a augmenté encore davantage. Cela implique un certain accroissement de l’inégalité, à peu près conforme aux tendances observées dans un certain nombre de pays asiatiques à croissance rapide.

  • Troisièmement, nous trouvons des preuves d’une sous-estimation, parfois significative, de la croissance du revenu réel dans certains pays. Dans ces cas, la hausse de la consommation réelle a donc été sousestimée (et les taux de pauvreté probablement surestimés). La principale raison semble être un mode de calcul biaisé de l’IPC. Cela est conforme au constat fait par Young (2010) d’une croissance du revenu bien supérieure à ce qu’indiquent les statistiques du U.S. Department of Commerce National Income and Product Account (NIPA).

On peut tirer de nos constatations certaines leçons pour la politique économique :

  • Les autorités de beaucoup de pays d’Afrique subsaharienne privilégient les politiques favorisant une croissance stable et soutenable. C’est probablement le meilleur moyen d’aider les pauvres.

  • Il ne faut pas en conclure qu’une forte croissance moyenne suffit à rendre celle-ci plus solidaire. Une fois qu’il a été démontré que la croissance n’a pas été solidaire, on peut envisager la mise en place de transferts temporaires et bien ciblés pour aider ceux qui ne bénéficient pas des fruits de la croissance. En ce qui concerne le ciblage, comme on l’a indiqué auparavant, même un petit nombre de caractéristiques observables — comme le niveau d’éducation, la région de résidence, le secteur d’emploi, le statut professionnel, par exemple — expliquent largement, au sens statistique, les différences de niveau de consommation entre les ménages.

  • Un fait est peut-être plus important encore : comme le montrent les six études de cas, les pays où l’emploi agricole a beaucoup augmenté ont également connu une réduction plus forte de la pauvreté. Certaines politiques publiques, comme la diffusion d’engrais et de semences améliorées pourraient, à condition d’être bien appliquées, entraîner une hausse à court terme de la production et de la productivité agricoles. La mise en œuvre d’autres mesures, telles que des investissements dans l’électrification, l’irrigation, les réseaux routiers ruraux et les services de vulgarisation agricole, exigera du temps et elles auront donc des effets à moyen terme. En tout état de cause, les deux tiers environ de la population de la région vivant dans des zones rurales et la plus grande partie tirant ses revenus d’activités agricoles, des gains de productivité dans l’agriculture sont nécessaires pour accélérer la réduction de la pauvreté.

Appendice 1. Caractéristiques De L’enquête
PaysEnquêteAnnéesAcronymeAgence(s) ayant collecté les

données
Date de début de la

collecte
Date de fin de la collecteCadre d’échantillonnageMode

d’échantillonnage
CamerounEnquête Camerounaise Auprès des Ménages III2007ECAM 3Institut National de la StatistiqueSeptembre 2007Décembre 20073e Recensement Général de la Population et de l’Habitat (RGPH) de novembre–décembre 2005Échantillonnage aléatoire stratifié en deux phases
Enquête Camerounaise Auprès des Ménages II2001ECAM 2Institut National de la StatistiqueSeptembre 2001Décembre 20012e Recensement Général de la Population et de l’Habitat (RGPH) de 1987Échantillonnage aléatoire stratifié en deux et trois phases
GhanaEnquête sur le niveau de vie 52005GLSS5Ghana Statistical ServiceSeptembre 2005Août 2006Liste complète des zones de dénombrement pour le recensement de la population et de l’habitat en 2000Échantillonnage aléatoire stratifié en deux phases
Enquête sur le niveau de vie 41998GLSS4Ghana Statistical ServiceAvril 1998Mars 1999Liste complète des zones de dénombrement pour le recensement de la population et de l’habitat en 1984Échantillonnage aléatoire stratifié en deux phases
MozambiqueEnquête sur les budgets des familles2008–09IOF 2008–09Instituto Nacional de EstadísticaAoût 2008Septembre 2009Échantillon-maître du recensement de la population en 2007Échantillonnage aléatoire stratifié en trois phases
Enquête sur les ménages2002–03IAF 2002–03Instituto Nacional de EstadísticaJuillet 2002Juin 2003Échantillon-maître du recensement de la population en 1997Échantillonnage aléatoire stratifié en trois phases
OugandaEnquête nationale sur les ménages IV2009–10UNHS 2009/10Uganda Bureau of StatisticsMai 2009Avril 2010Cadre du recensement de la population et de l’habitat en 2002Échantillonnage aléatoire stratifié en deux phases
Enquête nationale sur les ménages II2002–03UNHS 2002/03Uganda Bureau of StatisticsMai 2002Avril 2003Liste des zones de dénombrement avec le nombre de ménages sur la base des travaux cartographiques effectués pour le recensement de 2002Échantillonnage aléatoire stratifié en deux phases
TanzanieEnquête nationale sur le budget des ménages2007HBS 2007National Bureau of StatisticsJanvier 2007Décembre 2007Échantillon-maître national basé sur le recensement de la population et de l’habitat en 2002Échantillonnage aléatoire stratifié en deux phases
Enquête nationale sur le budget des ménages2000–01HBS 2000/01National Bureau of StatisticsMai 2000Juin 2001Échantillon-maître national basé sur le recensement de la population en 1978, actualisé ensuite avec des informations provenant du recensement de 1988Échantillonnage aléatoire stratifié en deux phases
ZambieEnquête sur les conditions de vie IV2004LCMS IVCentral Statistical OfficeNovembre 2004Décembre 2004Recensement de la population et de l’habitat en 2000Échantillonnage par grappes stratifié en deux phases
Enquête sur les conditions de vie II1998LCMS IICentral Statistical OfficeNovembre 1998Décembre 1998Échantillon-maître actualisé sur la base du recensement de la population et de l’habitat en 1990Échantillonnage par grappes stratifié en deux phases
PaysUnités d’échantillonnagePopulation totaleTaille envisagée des échantillons (ménages)Taille effective des échantillons (ménages)Taille des échantillons (personnes)Pourcentage de réponses (taux de couverture)Fraction de l’échantillonReprésentativité de l’échantillon
CamerounZones de dénombrement (742), ménages18.659.93812.60911.39151.83790,34360Nationale, urbaine et rurale pour dix régions administratives (provinces) et pour les régions métropolitaines de Yaoundé et Douala
Zones de dénombrement (612), ménages16.242.47811.55310.99256.44395,14288Nationale, urbaine et rurale pour dix régions administratives (provinces) et pour les régions métropolitaines de Yaoundé et Douala
GhanaZones de dénombrement (550), ménages (15)22.279.8468.7008.68737.12899,85600,1Nationale, urbaine et rurale pour dix régions administratives avec une taille minimum d’échantillon de 400 ménages pour trois zones écologiques (côtes, forêts et nord) et pour la région métropolitaine d’Accra
Zones de dénombrement (300), ménages (20)18.724.2756.0005.99825.69499,97728,7Nationale, urbaine et rurale
MozambiqueUnités d’échantillonnage primaires, zones de dénombrement, ménages22.638.41411.00010.83251.17798,47442,4Nationale, urbaine et rurale pour trois régions (Nord, Centre et Sud) ainsi que pour dix provinces (Cabo Delgado, Niassa, Nampula, Tete, Zambézia, Manica, Sofala, Inhambane, Gaza, Maputo Província) et pour la capitale (Maputo)
Unités d’échantillonnage primaires, zones de dénombrement, ménages19.521.5468.7278.70044.10099,69442,7Nationale, urbaine et rurale et pour trois régions (Nord, Centre et Sud)
OugandaZones de dénombrement (712), ménages (10)30.700.0006.8006.77536.43299,63842,7Nationale, urbaine et rurale ainsi que pour trois régions (Centre, Est, Nord et ouest)
Zones de dénombrement (1.000), ménages (10)25.000.00010.0009.71150.51397,11494,9Nationale, urbaine et rurale ainsi que pour trois régions (Centre, Est, Nord et ouest)
TanzanieGrappes (447), ménages (24)41.276.20910.75210.46637.89697,341.089,2Tanzanie continentale, région urbaine de Dar es Salaam, autres zones urbaines et rurales
Grappes (1.158), ménages (24)34.514.83522.58422.178108.08498,20319,3Tanzanie continentale, région urbaine de Dar es Salaam, autres zones urbaines et rurales et 20 régions de Tanzanie continentale
ZambieZones de dénombrement standard (1.048), ménages (environ 20)11.583.17620.00019.350103.29596,75112,1Nationale, urbaine et rurale pour 9 provinces et pour les 72 districts
Zones de dénombrement standard (820), ménages (environ 20)10.039.84616.74016.71593.47199,85107,4Nationale, urbaine et rurale pour 9 provinces et pour les 72 districts
Appendice 2. Une Méthodologie Pour Calculer Les Composantes De La Population Active

La définition de la population active utilisée dans ce chapitre englobe les personnes de 16 à 65 ans qui exercent un emploi ou en recherchent activement un; elle est comparable à la définition des Nations Unies employée dans la plupart des pays. Partout, la situation professionnelle correspond à la principale occupation, de sorte que les étudiants qui travaillent à temps partiel ne sont pas comptabilisés dans la population active parce que leur occupation professionnelle n’est pas leur principale activité.

Pour le Ghana et le Cameroun, on définit les personnes ayant un emploi comme celles qui ont travaillé pendant les douze derniers mois et ce chiffre est divisé par la population totale en âge de travailler pour calculer le taux d’emploi. On compare ce chiffre avec le nombre de personnes qui indiquent leur secteur d’emploi et on utilise le plus bas des deux chiffres. Pour la Zambie, on entend par personnes ayant un emploi celles qui ont le statut économique d’actif parce qu’elles perçoivent un salaire, gèrent une entreprise, travaillent dans l’agriculture ou sont des travailleurs familiaux non rémunérés; pour la Tanzanie, on considère que les personnes faisant état d’une affiliation à un secteur ont un emploi. Pour le Mozambique et l’Ouganda, on se réfère seulement à la situation des sept derniers jours, de sorte que l’emploi total est égal à la somme des personnes qui ont travaillé au cours des sept derniers jours et de celles qui n’ont pas travaillé pendant cette période, mais qui ont normalement un emploi.

Au Ghana et au Cameroun, on établit une distinction entre les chômeurs et les personnes se situant hors de la population active en posant la question suivante : «Avez-vous cherché du travail pendant les sept derniers jours?» Les personnes qui l’on fait sont définies comme des chômeurs et le taux de chômage est calculé en divisant ce chiffre par la population en âge de travailler. Les personnes se situant en dehors de la population active correspondent à la population en âge de travailler diminuée des détenteurs d’emplois et des chômeurs. Si le nombre de chômeurs calculé de cette façon paraît mal codé, on se sert du nombre de personnes se situant hors de la population active obtenu en posant la question : «Pourquoi n’avez-vous pas travaillé ou cherché un travail?» — et le taux de chômage est un résidu. S’il y a une différence entre les chiffres de l’emploi basés sur les questions à propos des activités exercées pendant les douze derniers mois et le nombre de chômeurs et de personnes hors de la population active calculé à partir des questions sur les activités exercées pendant la semaine écoulée, on applique les ratios des deux dernières variables à la différence entre la population en âge de travailler et l’emploi total.

Pour recenser les employés mensualisés, on commence dans tous les pays par exclure les agents de l’État en faisant l’hypothèse qu’ils perçoivent tous un salaire. Les employés mensualisés non fonctionnaires sont définis comme suit : au Ghana, on demande à un travailleur susceptible d’être rémunéré : «Comment êtes-vous payé dans le cadre de votre emploi principal?» On fait la somme de toutes les catégories, sauf les personnes «payées en nature» et «non rémunérées». Au Mozambique, la réponse à la question «Êtesvous un travailleur mensualisé?» permet de les recenser. Au Cameroun, les travailleurs mensualisés sont définis comme les cadres supérieurs, les cadres moyens ainsi que les travailleurs qualifiés et semi-qualifiés. En Tanzanie, on met dans la catégorie des travailleurs mensualisés non fonctionnaires les employés des ONG, les travailleurs religieux, les personnels paraétatiques et d’autres travailleurs; en Zambie, ce sont les employés du secteur paraétatique, du secteur privé et des ONG. En Ouganda, c’est en posant la question sur le statut professionnel que l’on recense les travailleurs mensualisés.

Comme on l’explique de façon plus détaillée ci-après, le choix de ces pays a été dicté par la disponibilité de données tirées d’enquêtes auprès des ménages qui soient comparables dans le temps et coïncident le plus possible avec la récente période d’accélération de la croissance.

Dans l’autre cas (Ouganda), nous constatons une surestimation de la croissance du revenu réel.

Certains pays ont plus d’une observation.

Les pays ayant eu un taux de croissance réel moyen par habitant de 2¼ %, ou plus, de 1995 à 2010 sont considérés «à forte croissance» et ceux dont la croissance a été inférieure à ce taux sont considérés «à faible croissance».

Pour l’ensemble des pays d’Afrique subsaharienne, l’élasticité est d’environ –0,3, ce qui est comparable aux estimations de Fosu (2011) et OCDE–BAfD (2011).

Dans une régression internationale portant sur tous les pays en développement, le taux de mortalité initial explique près de la moitié de la baisse postérieure. L’application du coefficient estimé (–0,0162, t = –9,6) aux niveaux initialement plus élevés de l’Afrique subsaharienne rend presque totalement compte du meilleur résultat de cette région.

Ravallion (2004), examinant des données pour 62 pays en développement, a estimé les élasticités de la pauvreté dans une fourchette de –4,3 % à –0,6 %, selon le degré d’inégalité des revenus.

Il y a d’importantes failles dans les données concernant l’Afrique subsaharienne. De 1980 à 2009, 116 enquêtes comparables auprès des ménages, recueillant des données sur les revenus, les dépenses, la consommation ou une combinaison de ces variables, ont été effectuées dans les 44 pays qui composent la région Afrique subsaharienne définie par le FMI, soit une moyenne d’une enquête par pays tous les 16 ans. D’ailleurs, trois pays de la région n’ont jamais procédé à une enquête et, au maximum (en 1993), 35 % seulement de la population de la région était couverte par les enquêtes.

Dans de nombreux pays à faible revenu, la consommation est une meilleure mesure du bien-être que le revenu, car une partie non négligeable de la population dépend de l’agriculture de subsistance, secteur où les revenus sont souvent plus irréguliers et difficiles à mesurer qu’ailleurs.

Ce choix a découlé de la nécessité de disposer d’au moins deux enquêtes auprès des ménages utilisant la même méthodologie, afin que les variations de la consommation totale mesurée des ménages et de leurs caractéristiques ne résultent pas de modifications de l’échantillonnage, des questionnaires, des définitions, des procédures de recueil des données, etc. En moyenne, les six études de cas ont porté sur 18,3 % de la population totale de la région Afrique subsaharienne et 11,7 % du PIB régional (ajusté sur base PPA). Les pays composant l’échantillon étudié dans ce chapitre sont moins développés que la moyenne de l’Afrique subsaharienne. Ce fait est illustré par des différences sur plusieurs points : le PIB par habitant de ces pays est inférieur (1.135 dollars contre 1.976 dollars sur base PPA); leur taux de croissance démographique annuel est plus élevé (2,7 contre 2,5); ils ont une plus forte proportion de population rurale (69,2 contre 64,0); la part de l’agriculture dans le PIB total est supérieure (27,8 contre 14,8) et celle de l’industrie et des services inférieure (25,4 contre 31,4 et 46,8 contre 53,9, respectivement); leurs dépenses de consommation finale sont plus importantes en pourcentage du PIB (88,4 contre 84,6); le ratio emploi/population y est plus élevé (74,5 contre 64,8); enfin les taux de participation y sont supérieurs pour la main-d’œuvre féminine (48,2 contre 43,5) et masculine (85,9 contre 80,8). Néanmoins, ils ont approximativement la même espérance de vie féminine (53 ans) et masculine (51 ans) et un taux de mortalité infantile moindre (78,9 contre 84,5). Toutes les moyennes pour la région portent sur la période 2005–09.

À l’évidence, la croissance de la consommation est plus proche de celle du revenu chez les ménages pauvres, car ils ont peu ou pas d’épargne; les disparités seraient donc différentes si l’on disposait d’estimations fiables du revenu.

Les données tirées des enquêtes effectuées au Mozambique contiennent leurs propres déflateurs des prix régionaux, que l’on peut utiliser pour déflater la consommation totale par habitant en 2008–09 et la comparer avec la même variable en 2002–03. Si l’on procède ainsi (au lieu de se servir de l’IPC), on obtient une courbe d’incidence de la croissance orientée en baisse, les trois déciles inférieurs subissant en fait un recul de la consommation. Pour effectuer des comparaisons entre pays, nous utilisons l’IPC comme déflateur de la consommation nominale pour les six pays étudiés. Enfin, nous signalons dans le texte le caractère indicatif des résultats pour le Mozambique à chaque fois que cela s’impose.

Le fait que les estimations sont très similaires dans les deux enquêtes de chaque pays (non indiquées au tableau 2.2, mais disponibles sur demande) laisse penser que la position occupée par les ménages dans la distribution de la consommation par habitant ne change pas beaucoup au fil du temps; cela conforte l’interprétation des courbes d’incidence de la croissance comme si on les estimait en utilisant des données de cohortes synthétiques plutôt que deux enquêtes transversales indépendantes.

Les différences régionales de niveau de consommation, également importantes, sont restées stables au fil du temps. Elles vont de 30 % au Cameroun à 50 % au Mozambique, une partie de la différence s’expliquant par des écarts régionaux de prix. Voir la note 12 ci-dessus à propos de l’utilisation des déflateurs régionaux de prix.

Lorsque l’échantillon est limité au quartile le plus pauvre, il est plus difficile de distinguer les différences de caractéristiques (graphique 2.7).

Résultat meilleur que ceux du Cambodge et du Vietnam, deux pays à faible revenu en plein essor.

Nakamura (1997) a été le premier à suggérer l’utilisation de la loi d’Engel pour mesurer les variations du revenu réel. Sa motivation était la suivante : il pensait que le ralentissement de la productivité mesurée amorcé au début des années 70 aux États-Unis et dans d’autres pays développés résultait en fait d’une surestimation de l’inflation, qui entraînait elle-même une diminution du taux de croissance du revenu réel. Costa (2001) et Hamilton (2001) formalisent l’intuition de Nakamura au moyen d’une analyse par régression de la relation entre dépenses d’alimentation et dépenses totales réelles des ménages après neutralisation des caractéristiques des ménages. Ils emploient en particulier la spécification AIDS de Deaton et Muellbauer (1980), qui arrivent à des conclusions similaires puisque tous deux constatent qu’aux États-Unis, l’inflation mesurée par l’IPC a surestimé la hausse réelle du coût de la vie.

Par définition, les courbes d’Engel exigent que toutes les autres variables soient constantes. Elles prennent en général la forme w = f(p, y, z), où w est la part des ressources totales des ménages (revenus, dépenses ou consommation) consacrée à la consommation alimentaire, p est un vecteur des prix (incluant l’indice des prix alimentaires), y est une mesure des ressources totales des ménages et z est un vecteur des caractéristiques des ménages. Si l’on peut soutenir que les prix sont maintenus constants quand on utilise des données d’enquêtes transversales auprès des ménages (tant que la loi du prix unique se vérifie), plusieurs caractéristiques des ménages changent au fil du temps. On utilise donc l’analyse par régression pour neutraliser ces caractéristiques évolutives.

Si, au contraire, le coefficient de la variable muette de l’année est positif, la ligne rouge sera associée, pour chaque niveau de la consommation totale réelle des ménages, à une part plus élevée de cette consommation consacrée à l’alimentation, et il faut conclure que l’inflation mesurée par l’IPC est biaisée vers le bas et que la croissance de la consommation totale réelle des ménages est surestimée.

Dans tous les cas, la variable de consommation comprend les dépenses ainsi que la valeur imputée de la production domestique destinée à la consommation individuelle. Toutes les régressions ont été estimées au moyen de l’estimateur des moindres carrés ordinaires (MCO), tandis que l’échantillon a été limité aux ménages dont la part de l’alimentation dans la consommation totale était supérieure à 5 % et inférieure à 90 %. Dans tous les cas, cette restriction a réduit l’échantillon de moins de 2 % par rapport à la dimension d’origine et ni le signe, ni l’ordre de grandeur des biais estimés ne sont sensibles à cette règle de sélection de l’échantillon. Dans tous les cas, les variables de consommation comprennent les dépenses ainsi que la valeur imputée de la production domestique des biens destinés à la consommation personnelle.

Les résultats de la régression ne sont indiqués que pour la totalité de l’échantillon. Néanmoins, le fait que tous les déciles de la distribution de la consommation par habitant montrent une évolution des coefficients budgétaires de l’aliffimentation similaires à la moyenne (voir graphique 2.11 pour le Ghana) laisse penser que le biais ne résulte pas de changements du mode de consommation d’une catégorie particulière, mais est un phénomène commun. Il n’y a donc en principe pas de raison de croire que le revenu réel du quartile le plus pauvre est plus ou moins sous-estimé que la moyenne.

L’ordre de grandeur du biais de l’IPC impliqué par les estimations des paramètres dans chacune des régressions est obtenu en conjuguant les estimateurs du coefficient de la consommation réelle et de la variable muette avec l’estimateur de l’élasticité des prix alimentaires et des hausses correspondantes des prix relatifs des composantes alimentaires et non alimentaires de l’IPC dans chaque pays. Comme l’élasticité des prix alimentaires n’est disponible pour aucun pays de notre échantillon, on se sert de l’estimation de 0,0369 faite par Hamilton (2001) pour les États-Unis. Les estimations du biais annuel de l’IPC sont les suivantes : sous-estimation (annuelle) de 10 % pour la Zambie, de 8,6 % pour le Cameroun et de 2 % pour le Ghana; surestimation de 9 % pour l’Ouganda. Si ces estimations sont plus importantes que celles des pays développés (qui sont généralement dans une fourchette de 1 % à 3 % annuellement), elles sont comparables à celles qu’ont obtient pour certains pays en développement. De Carvalho et Chamon (2011) trouvent pour le Brésil, pendant la période 1987–96, une surestimation de près de 9,5 % en utilisant une spécification et un estimateur similaires, tandis que Gibson, Stillman et Le (2008) trouvent pour la Russie une surestimation de 1 % par mois au cours de la période 1994–2001.

    Other Resources Citing This Publication