Éducation et croissance économique en Tunisie. Ali Maâlej *

Transcription

1 Éducaion e croissance économique en Tunisie Ali Maâlej * Résumé La liéraure s accorde à dire qu il y a une relaion de cause à effe enre capial humain e croissance économique. Cependan, il nous apparien de consaer que les pays indusrialisés on connu une fore croissance au débu du 20 ième siècle, alors que leur niveau de capial éai modese. Nous avons cherché à démonrer la relaion enre croissance e éducaion e à mere, en exergue, dans le cas de la Tunisie, l imporance des exernaliés posiives associées au capial humain. La méhode de coinégraion que nous avons uilisée nous a conduis à la mise en évidence d un effe posiif e significaif de l'éducaion (mesurée par le nombre moyen d années d éude) sur la producivié en Tunisie. Le rendemen social d une année supplémenaire d éducaion à long erme es esimé à 13.9%. Mos-clés: Educaion, capial humain, croissance. Summary Mos sudies sipulae he exisence of a posiive relaionship beween human capial and economic growh. However, we can noice ha indusrialized counries have winessed high economic growh in he early 20 h cenury while heir human capial was relaively limied. In his paper, we ry o sudy he relaionship beween human capial- measured by he educaional aainmen of he acive populaion- and human growh in Tunisia during he period , using some empirical ess such as he coinegaion analysis and he causaliy es. The resuls show he exisence of a posiive and significan impac of educaion on produciviy and growh especially in he long run. * Doceur en Économie, Universié de Sfax, Tunisie. E.mail : alimaalej@yahoo.fr 1

2 Éducaion e croissance économique en Tunisie 1. Inroducion Du poin de vue économique, l éducaion es un invesissemen. C es une dépense d aujourd hui devan produire, demain, davanage de richesse e de bien-êre. D'un côé, les dépenses engendrées par l enseignemen son imporanes, à quoi il faudrai ajouer le coû d opporunié du emps passé à l école e à l universié, au cours duquel la sociéé se prive du produi du ravail producif des élèves e des éudians. De l'aure côé, les effes de l éducaion sur la sané, sur la démocraie e sur le développemen personnel e inellecuel son inesimables e difficilemen mesurables. Ces effes son solides e percepibles an sur le plan économique que social (Wolfe e Haveman, 2002). Il rese ouefois que l économise se concenre généralemen, sans pour auan méconnaîre les bienfais énumérés, sur une grandeur plus simple à quanifier e plus conforme à son champ de compéences: la richesse, mesurée par le produi inérieur bru ou par les revenus individuels, selon ses axes d analyse. Ainsi, pour évaluer le rendemen de l invesissemen dans l éducaion, deux quesions se posen: Davanage d éducaion produi-elle davanage de richesse? E dans quelles condiions? Concernan l'effe de l'educaion sur les revenus individuels, oues les éudes e oues les invesigaions méhodologiques effecuées, ces dernières décades, on convaincu les économises que l éducaion reflèe un effe causal sur les rendemens privés (Card, 2001). Or, ce rendemen privé pourrai se raduire en rendemen social à une double condiion. D abord lorsque les salaires mesuren l efficacié producive relaive des salariés e, ensuie, lorsque l éducaion peu effecivemen rendre les agens plus à même de produire davanage de richesses. A ce égard, cerains aueurs on monré qu il éai possible d imaginer un monde dans lequel l école n apprenai rien d uile pour la producion de richesses, mais permeai, cependan, de signaler les individus les plus performans à des employeurs poeniels qui seraien incapables d observer la qualié des salariés préalablemen à leur recruemen. Dans ce cas, le niveau de l éducaion es l indicaeur du niveau de salaire, mais il ne peu expliquer les différences de producivié. L'éducaion jouerai alors un rôle de différenciaion surou pour des niveaux d éducaion globalemen plus faibles qu élevés. À cee objecion de principe, s ajoue le doue récurren sur le lien producivié-salaire, lequel es d auan moins 2

3 assuré que les règles de fixaion des salaires s écaren des mécanismes opéran sur un marché concurreniel. Toujours es-il que nous pouvons aussi concevoir que l éducaion reçue par les uns bénéficie au rese de la sociéé à ravers des exernaliés qui ne seraien pas refléées dans les salaires individuels. En ou éa de cause, les deux poins de vue jusifien que le lien enre l éducaion e la producion de richesses pourrai êre appréhendé à un niveau agrégé, mean en avan que la force de ce lien rese, a priori, inceraine. À ce égard, deux approches s opposen. La première raie le capial humain par analogie au capial physique. La deuxième considère que le capial humain agi direcemen sur la croissance de l économie, an il favorise les innovaions e l adapaion au changemen. L inérê de ce papier sera poré sur l'exploraion de la relaion enre le capial humain e la croissance économique, d'abord dans les modèles héoriques de croissance, ensuie à ravers les analyses empiriques. 2. Le Capial Humain dans les Modèles Théoriques de Croissance Après la deuxième guerre mondiale, plusieurs modèles, don celui de Solow (1956), n incluen que le capial physique e le ravail parmi les faceurs de producion. Ces faceurs, en s accumulan, déerminen la croissance du revenu par êe. Cee croissance dépend, à long erme, du progrès echnique, répué "exogène". Or, en microéconomie, le capial humain es reconnu comme un faceur de producion; e ses rendemens son consisans noammen dans des siuaions de déséquilibres induies par le progrès echnique. C es dans ce sens que Becker (1964), dans sa concepion, a inrodui le capial humain comme faceur de producion. Les premiers ravaux reposan sur la héorie de la croissance endogène se son développés à parir du modèle de Lucas (1988), pour qui la producion es foncion du capial physique e du capial humain qui jouen le même rôle, à l excepion que le capial humain génère des exernaliés du fai de l ineracion posiive des individus dans un environnemen à capial humain élevé. Les rendemens, dans ce cas, son consans en capial humain privé, e ils son croissans en capial humain social sous l effe d exernaliés. La foncion de producion par du modèle néoclassique e y inègre le capial humain privé h e les exernaliés sociales h ex du capial humain. u représene le emps consacré au ravail. Y = A K α (uhl) 1-α h γ ex 3

4 h es lié au emps (1-u) consacré à l accumulaion du capial humain. L'équaion d accumulaion du capial humain éan linéaire, elle suppose que les rendemens du capial humain son consans : Le aux de croissance de l économie devien:. h = δ h(1-u) g = δ (1-u) La croissance de la producion es alors principalemen foncion de l accumulaion de capial humain. À long erme, la croissance ne peu êre alors durable que si le capial humain croî sans limie. Ainsi, conrairemen au modèle de Solow pour qui la croissance dépend du progrès echnique, faceur exogène, auan que de l accroissemen de la force de ravail, Lucas inrodui une exernalié posiive du capial humain résulan des décisions endogènes en maière d éducaion. Il considère que "la producion d une enreprise dépend non seulemen du capial humain de ses employés, mais aussi du capial humain moyen dans l ensemble de l économie". D'aure par, Nelson e Phelps (1966) considèren que c es le sock- e non l accumulaiondu capial humain qui déermine la croissance. Ils émeen l hypohèse selon laquelle l éducaion renforce la capacié d un individu à innover (générer de nouvelles idées, de nouvelles echnologies), e à adoper des echnologies exisanes, accéléran ainsi la diffusion des idées dans l économie. Ils fon dépendre le résidu de Solow (croissance de la echnologie) de l écar enre le niveau echnologique du pays A(), e le niveau héorique des connaissances T(). La viesse à laquelle ce écar sera comblé dépend du niveau de capial humain, H. La croissance de la producivié oale des faceurs dépend donc du niveau de capial humain. A. T () - A () = c (H) [ A A() ] Des modèles de croissance (e.g. Romer, 1990) endogènes ulérieurs définissen la croissance direcemen comme une foncion du capial humain. Ainsi, la croissance de la producion es foncion du niveau (sock) du capial humain. Ce ype de modèle sipule qu'une hausse poncuelle du sock du capial humain peu enraîner une augmenaion durable du aux de croissance, dès lors que le niveau de capial humain dépasse un cerain seuil. 4

5 Il n en demeure pas moins que plusieurs aueurs se son monrés rès criiques quan à la perinence de ces modèles sur le plan empirique. Par exemple, Topel (1999) insise sur le fai que les voies d influence de l éducaion sur la croissance ne son pas explorées en déail par les modèles de microéconomie du ravail. 3. Relaion enre Capial Humain e Croissance à ravers les analyses empiriques Les fondemens empiriques de mesure de l impac du capial humain sur la croissance découlen, pour l esseniel, des héories des années 1950 e 1960, à l opposé des aures champs de l économie qui uilisen les développemens héoriques les plus récens La Compabilié de la Croissance La méhode de "compabilié de la croissance" consiue, comme son nom l indique, une approche pluô compable qu économérique. La croissance du PIB par ravailleur es décomposée en croissance de chacun des faceurs de producion e un résidu appelé "producivié oale des faceurs" qui correspond au progrès echnique exogène dans le modèle de Solow. Touefois, cela devrai supposer qu on dispose de données de bonne qualié sur le PIB e les socks des faceurs de producion, ainsi que sur la par du capial physique dans la répariion du PIB: la par du capial humain e du ravail réuni en es le complémen. On aura alors simplemen à calculer l augmenaion de la producivié oale des faceurs d une année à l aure, ainsi que la différence enre la croissance du PIB par ravailleur e la somme des croissances des socks de capial par ravailleur, pondérées par leurs pars dans la répariion du PIB. Young (1994, 1995), en appliquan cee méhode sur les pays du sud-es asiaique (Hong Kong, Singapour, Taïwan, Corée du Sud), a aboui au résula que l accumulaion specaculairemen rapide du capial physique e la fore croissance de la populaion acive dans les seceurs non agricoles (combinaison d une fore croissance de la populaion dans les années 1950 e 1960 avec une indusrialisaion e un exode bruaux) auraien joué un rôle plus imporan dans la croissance que le progrès echnique lui-même. Le rôle du capial humain semble donc modese, alors même que ces pays on connu des progrès remarquables dans la quanié comme dans la qualié de l éducaion au cours de ces décennies de fore croissance. La compabilié de la croissance, oure qu elle es pariculièremen sensible aux problèmes de mesure difficiles à résoudre, relaifs aux socks du capial physique e humain (dans lequel la quanié d éducaion es généralemen uilisée pluô que sa qualié), ne donne d informaion que quan à la conribuion de chaque faceur en enan compe des évoluions des aures faceurs elles qu elles se son produies. Cependan, l accumulaion du capial humain peu influencer le capial physique sans que cela ne se reflèe dans les résulas. 5

6 3.2. Régressions de Convergence Condiionnelle Une deuxième approche pure économérique axée auour de la régression de convergence condiionnelle, fondée sur le modèle de Solow, es apparue. En effe, le modèle de Solow implique que les pays don le PIB par êe iniial es inférieur à son niveau d équilibre- qui dépend généralemen du aux d épargne, de la croissance de la populaion e du progrès echnique (faceurs exogènes)-, croissen plus vie e convergen vers le niveau opimal. Cee convergence es donc condiionnelle à l environnemen iniial. Ainsi, les régressions incluen, parmi les déerminans de la croissance, le PIB iniial par êe. Cee inclusion devrai se faire sur la base d une modélisaion héorique qui éend le modèle de Solow. Dans ce mouvemen de renouveau néoclassique, Mankiw e al. (1992) paren d une recherche réalisée sur 98 pays duran la période Les aueurs on esimé une équaion de convergence, dans laquelle la croissance du PIB par êe de 1960 à 1985 dépend, oure les variables essenielles, du niveau du PIB par êe en Ils on aboui au résula que le capial humain exerce un impac significaif e posiif sur la croissance. Touefois, sa par dans le parage de la valeur ajouée es légèremen plus faible (représene environ 25 %). pour leur par, Barro e Sala-i-Marin (1995), uilisan les mêmes données sur la même période, présenen d aures esimaions de la conribuion du capial humain à la croissance. Ils déduisen que la croissance du PIB par êe es foncion, enre aures, du nombre moyen d années d éudes primaires, secondaires e supérieures dans la populaion e des dépenses d éducaion en proporion du PIB au débu de la période. Ils on rouvé que le coefficien de l éducaion primaire n es pas significaif, conrairemen à ceux de l éducaion secondaire e supérieure qui son significaifs e posiifs. L Angevin e Laib (2005) on aboui aux résulas qu à moyen erme, seuls les diplômés de ype " supérieur" conribuen posiivemen à l augmenaion de la croissance, en pariculier les diplômés d'un niveau supérieur au diplôme d éude universiaire général (DEUG). Ces résulas semblen donc indiquer qu une poliique d éducaion die "d innovaion" (enseignemen supérieur pluô long) serai plus efficace, à moyen erme, qu une poliique die d «imiaion» (enseignemen pluô cour e professionnalisé). En général, les résulas des différenes éudes réalisées son remarquablemen conradicoires. Touefois, e comme le remarquen Arcand e D Hombres (2005), il semble que la corrélaion enre éducaion e croissance soi posiive lorsque l on uilise des données en coupe où l on ne dispose que d une seule observaion par pays ( e.g. Barro, 1997 ; Temple, 1999), e non significaive ou négaive lorsque l on uilise des données de panel, où chaque pays es observé 6

7 sur plusieurs années ( e.g. Bond e al., 2001 ; Cohen e Soo, 2001; Bräuninger e Pannenberg, 2002; McDonald e Robers, 2002). Il es cependan possible d affirmer que ces ravaux n apporen pas plus d informaion que les modèles héoriques évoqués quan aux voies par lesquelles l éducaion agi sur la croissance. Topel (1999) e Krueger e Lindahl (2001) monren ainsi que le coefficien du niveau iniial du capial humain dans les régressions de croissance habiuelle peu avoir plusieurs inerpréaions héoriques alernaives, e qu un impac causal posiif de l éducaion sur la croissance peu se raduire par un coefficien négaif dans une régression de convergence condiionnelle. Ainsi, un pays don le sock iniial de capial humain es bas peu l accroîre rès vie, e dispose d une marge de rarapage imporane par rappor aux pays qui se rouven déjà à leur niveau d équilibre. Enfin, Bils e Klenow (2000) suggèren que la causalié pourrai êre inverse enre la croissance e l éducaion. L anicipaion d une fore croissance peu incier les individus à invesir plus en capial humain. 4. Modèle e Variables Si la liéraure es quasi-unanime sur l impac solide de l éducaion sur la croissance économique. Nous avons, quan à nous, cherché à vérifier dans le cadre de nore éude l effe de l éducaion en Tunisie. Pour ce faire, nous sommes paris de l équaion suivane : Ln y = c + α Ln k + β Ln h + ε Où y, k e h son respecivemen le PIB par emploi, le sock de capial physique par emploi e le nombre moyen d année d éude Les Variables Les données relaives aux différenes variables son obenues de l insiu d économie quaniaive (IEQ). La Producion La producion représene le P.I.B aux prix du marché de 1990, e couvran la période Cee variable consiue un repère pour déerminer le niveau de la capacié producive du pays e l adapaion de son capial humain à l uilisaion des nouvelles echnologies. Elle a éé uilisée par plusieurs aueurs dans leur analyse de la foncion de producion (e.g. L'Angevin e Laib, 2005 ; Mankiw e al., 1992). 7

8 Le Capial Physique Plusieurs aueurs on renconré des problèmes de mulicolinéarié enre le capial physique e le capial humain. C es dans cee même ligne d idées que cerains aueurs (e.g. Lavingin & Laib, 2005), pour surmoner ce obsacle, on ené de remplacer le capial physique par une foncion simple d invesissemen. D aures aueurs (e.g. Krueger & Lindhah, 2001) on supposé que le coefficien α - représenan la par de la rémunéraion du capial physique dans la valeur ajouée- es égal à 0.35 pour obenir des résulas saisfaisans. En ce qui nous concerne, nous n avons pas renconré ce problème de mulicolinéarié, puisque l indice de condiionnemen que nous avons rouvé es accepable (égal à 47,1). Ainsi, nous avons uilisé le sock du capial physique dans la foncion de producion. Le Capial Humain Les différenes approches héoriques s accorden à dire que le capial humain es lié aux effors d éducaion consenis par un pays. Il es ouefois difficile d idenifier le meilleur indicaeur macroéconomique pour le capial humain. La liéraure associe généralemen le capial humain au nombre d années d éudes, aux aux d inscripions à l école e en universié e aux résulas obenus à des ess inernaionaux d apiudes. Dans cee éude, le nombre moyen d années d éudes serai considéré comme une mesure perinene du capial humain. Cependan, fau-il privilégier l'uilisaion du nombre d années d éudes ou le logarihme du nombre d années d éudes? Les résulas que nous avons renconrés dans nore analyse nous on induis à considérer le nombre d années d éudes (indice de condiionnemen égal à 47,1) e non son logarihme (indice de condiionnemen égal à 63.6). Ainsi, dans nore équaion, Ln h qui es le logarihme du sock du capial humain dans la foncion de producion, devien rh, r éan un coefficien de proporionnalié. Ln h = r h 5. Analyse e Résulas Les résulas obenus dans les différenes éapes de l esimaion se présenen comme sui : 5.1. Tes de Racine Uniaire Avan d esimer le modèle par la méhode de coinégraion, il nous a éé nécessaire de faire les ess de saionnarié des variables reenues. La saionnarié consiue une condiion nécessaire pour évier les relaions facices e vérifier l hypohèse de coinégraion des variables, c'es-à-dire pour s assurer de la convergence des seniers de croissance au long erme. 8

9 Les ess de racine uniaire permeen de mere en évidence le caracère saionnaire ou non d une chronique par la déerminaion d une endance déerminise ou sochasique. Nous nous référons aux ess de Dickey-Fuller augmené (1981) e de Phillips-Perron (1988) pour déerminer l ordre de différeniaion d une série macroéconomique suivan son évoluion au cours du emps. Tes de Dickey-Fuller Augmené (ADF) Le es de Dickey-Fuller augmené es uilisé sur les séries macroéconomiques don l évoluion, dans le emps, ne présene aucun changemen, e don les flucuaions son saionnaires auour d une foncion déerminise. En effe, la déerminaion de l ordre d inégraion nécessierai l uilisaion de ce es de racine uniaire dans les rois modèles comprenan successivemen: une endance e une consane, puis seulemen une consane e, enfin, ni consane ni endance. Tableau 1: Tes ADF Tes de saionnarié en niveau Modèles Saisique es ADF ADF criique (α = 5%) Log y h Modèle avec consane e endance Modèle avec consane Modèle sans consane, ni endance Tes de saionnarié en différence première Modèles Saisique es ADF ADF criique (α = 5%) Log y h Modèle avec consane e endance Modèle avec consane Modèle sans consane, ni endance Les résulas présenés dans le ableau 1 monren que les variables log y e h son saionnaires après une première différence; ce qui nous ramène à dire que les deux séries prises séparémen son inégrées d ordre un. Tes de Phillips-Perron (PP) Le es de Phillips-Perron es uilisé lorsque la endance d une série chronologique présene des poins de rupure, c es à dire un changemen en niveau ou un changemen de la pene; les 9

10 changemens, dans ce cas, ne son pas ransioires. Le es PP me ainsi en évidence les changemens srucurels de endance. Soi un choc inervenan à la dae Tb, on suppose que Tb s accroî au même ryhme que T (Tb = λ T ). Pour eser le changemen de la endance qui inervien à parir d une année quelconque, nous choisissons le modèle conformé, e nous essayons de visualiser la dae du changemen srucurel. Pour le sock du capial par emploi, nous avons remarqué, d après son allure, que son évoluion, au cours du emps, présene des changemens en ce qui concerne la pene e la consane. Le Modèle uilisé es le suivan : Sous l hypohèse nulle ΔX = μ1 + 2 ΔU = 1 avec ΔU = 0 ( μ μ ) ΔU + λδ( Tb) 1 si = Tb + 1 e sinon Sous l hypohèse alernaive X = μ1 + β + ΔU = 1 avec ΔU = 0 + ε Δ Δ ( Tb) ( Tb) ( μ μ ) ΔU + ( β β ) 2 1 si = Tb + 1 e sinon 2 1 ΔΤ = 1 ΔΤ = 0 = 1 si = Tb + 1 = 0 sinon ΔΤ + ε si f Τb sinon La dae de rupure es l année 1987, c es à dire à l observaion 18 de l échanillon. La première éape du es de PP consise à régresser la variable endogène sur une consane, un rend, une variable dichoomique noée ΔU, e une variable ΔT qui décri le changemen exogène dans la pene de la endance. La relaion esimée es la suivane: Ln k = ΔU ΔT + ε (268.2) (62.7) (44.17) (-44.2) Avec R 2 = 0.99 e DW = 0.99; les chiffres enre parenhèses éan les de suden des coefficiens esimés. Dans une deuxième éape, on récupère les résidus esimés εˆ de la relaion précédene, e on esime une relaion du ype ADF el que: Δ ˆ ε = ρεˆ L éude des auo-corrélaions parielles de la série p + Φ Δ ˆ 1 j ε j + j= 1 μ Δ εˆ nous condui à reenir un nombre de reards p égal à 1. Dans les résulas de l esimaion de la relaion ci-dessus, on consae que la -saisique associée au coefficien ρ esimé es égale à Cee valeur es à comparer 10

11 aux valeurs abulées par le es PP. Pour cela, il convien de déerminer la valeur de λ el que: T b = λ T; T b éan la dae de rupure. Sachan que T = 36 e T b =18, on a donc λ = 0.5. En se reporan aux valeurs abulées du es PP, on rouve que la valeur criique, au seuil saisique de 5%, es égale à La valeur calculée es donc supérieure à la valeur héorique. En conséquence, e malgré la rupure de endance, on accepe l hypohèse nulle de non saionnarié de la série du sock du capial physique. Nous concluons que les séries reenues son non saionnaires e inégrées d ordre 1. Nous pouvons donc uiliser la méhode d esimaion proposée par Johansen (1988) L esimaion par la Méhode de Johansen Les résulas de ess de race, proposés par Johansen, nous conduisen à reenir une seule relaion de coinégraion de long erme - où sa spécificaion dans nore cas: avec consane e sans endance- s es avérée la seule des résulas saisfaisans sur le plan économérique. L équaion ci-dessous repore l esimaion de cee relaion de coinégraion: Ln y = Ln k h Ainsi, nous avons monré l exisence d une parfaie relaion de long erme enre les variables capial humain e capial physique, d'une par, e la croissance économique, d'aure par. Les coefficiens que nous avons obenus son ous posiifs. Ceci es conforme à la logique de l économie. En effe, le sock de capial physique es le moeur principal du plein emploi e de la croissance économique. S agissan de la relaion enre capial humain e croissance, on peu dire qu'elle es éroie. En oue bonne logique, commen invesir dans des echnologies que l homme ne maîrise pas? Commen profier des ransfers echnologiques sans un niveau de capial humain élevé? Dans ce sens les économises son quasi-unanimes pour mere en exergue l imporance de ce faceur Modèle à Correcion D erreur Vecoriel (VECM) Dans la mesure où nous avons rois variables, le VECM comporera rois équaions. Les résulas de l esimaion du modèle son reporés dans le ableau 2. CoinEq1 désigne les résidus, reardés d une période, de la relaion de coinégraion (c'es-à-dire Ζˆ 1). Les chiffres enre parenhèses représenen les de suden des coefficiens esimés. 11

12 Tableau 2: Esimaion du VECM Correcion D'erreur D(ln y) D(ln k) D(h) CoinEq ( ) ( ) ( ) D(ln y(-1)) ( ) ( ) ( ) D(ln k(-1)) ( ) ( ) ( ) D(h(-1)) ( ) ( ) ( ) C ( ) ( ) ( ) Le ableau 2 monre que le erme à correcion d erreur dans les équaions explicaives du aux de croissance du sock de capial physique e du sock de capial humain es posiif e non significaif. Ceci révèle que ces deux variables son faiblemen exogènes, e n on pas un poids for dans l ajusemen à long erme. Cependan, en ce qui concerne la relaion relaive au aux de croissance du PIB par emploi, le erme à correcion d erreur es négaif (-0.799) e significaif ( >2). On peu donc consaer qu à long erme, il y a un mécanisme de correcion d erreur qui perme de réablir 79.9 % du déséquilibre du PIB réel par êe en acivié. Ainsi, les variables reenues dans l'équaion, à savoir le sock de capial physique e de capial humain, ne son pas sans incidence sur l acivié réelle du pays, e peuven conribuer largemen à sa croissance. À cour erme, la variaion du PIB rapporé à l emploi ne dépend pas de ses valeurs anérieures, ce qui es expliqué par la non significaivié sur le plan saisique de ses valeurs. Ceci es vraisemblablemen dû à la aille de l économie unisienne, encore rès peu diversifiée e en voie de développemen. Par ailleurs, il ressor que le sock du capial physique, pris isolémen, affece la croissance d une manière posiive e significaive, l invesissemen éan la clé de richesse e de créaion d'emploi. Le résula concernan la relaion enre le capial humain e la croissance rese, ouefois, ambigu à cour erme. Ceci rouve son explicaion dans le fai que l invesissemen en capial humain ne donne ses fruis, d une manière significaive, qu à moyen e long erme, après le emps d apprenissage qui représene le délai nécessaire pour abouir à la maîrise. 12

13 5.4. Tes de Causalié de Granger Afin de moner l imporance du rôle de l éducaion dans la croissance économique, nous avons uilisé la noion de causalié de Granger en procédan à un es de non causalié. Les résulas obenus, pour un nombre de reards p égal à 1, son donnés dans le ableau 3. Tableau 3: Causalié de Granger Hypohèse Nulle F Saisique Probabilié h cause Ln y Ln y cause h Commençons par eser l hypohèse nulle selon laquelle h ne cause pas Ln y. La probabilié associée es , qui es inférieure au seuil saisique usuel de 5%. On rejee donc l hypohèse nulle, e on peu dire que le niveau du capial humain, mesuré par le nombre moyen d années d éude, cause, au sens de Granger, le logarihme du PIB par emploi. À l inverse, on consae que l hypohèse nulle, selon laquelle Ln y ne cause pas h, es accepée au seuil saisique de 5% (la probabilié associée es 0.93, supérieure à 0.05). On reiendra donc que : h cause Ln y, ce qui es cohéren avec la liéraure. Ln y ne cause pas h au seuil saisique de 5%. Les résulas obenus meen en évidence une causalié unidirecionnelle du niveau du capial humain sur la croissance économique. Le développemen du capial humain passe par le chemin de l éducaion; invesir dans ce seceur serai une garanie de plus pour la réalisaion de la croissance économique. 6. Conclusion L enseignemen es un invesissemen duquel on aend, pour l avenir, un supplémen de richesse, de bien-êre e de croissance. En an que el, il doi êre envisagé d un poin de vue économique. Les dépenses élevées qu il engendre consiuen, en Tunisie, une charge lourde pour le résor public, à quoi il convien d ajouer le coû d opporunié du emps passé à l école ou à l universié, au cours duquel la sociéé renonce au produi du ravail producif des élèves e des éudians. Cependan, les effes de l éducaion sur la sané, sur la démocraie, sur le développemen personnel e inellecuel, ec., son inesimables, e invien l économise à se concenrer sur les grandeurs plus simples à quanifier e plus conformes à son champ de 13

14 compéences : la richesse, mesurée par le produi inérieur bru ou par les revenus individuels, selon les axes d analyse sans pour auan dénigrer les exernaliés parallèles. Dans ce aricle, nous avons essayé d'éudier la relaion enre l'éducaion e la croissance, pour le cas de la Tunisie, duran la période La méhode de coinégraion que nous avons uilisée nous a conduis à la mise en évidence d un effe posiif e significaif de l'éducaion sur la producivié en Tunisie. Le rendemen social d une année supplémenaire d éducaion à long erme es esimé à 13.9%. Ce résula confirme l'idée que l effe de l éducaion sur la croissance serai imporan dans les pays en développemen, e peu dépasser même celui des pays avancés où le niveau du capial humain à aein le seuil de sauraion au delà duquel l effe es annihilé. Il n en demeure pas moins que nore esimaion présene une limie de aille puisque nous n avons pas su déerminer l effe de l éducaion par seceur, par niveau, ni même par caégorie. Peu-on dire que l impac de l enseignemen pos-secondaire sur la croissance es supérieur à celui de l enseignemen de base? Peu-on vérifier que l effe des cycles cours de l enseignemen universiaire es meilleur que celui du cycle moyen? Des quesions qui mérieraien davanage de recherche e d approfondissemen. 14

15 Bibliographie Arcand, J.L & D Hombres, B. (2005), Explaining he Negaive Coefficien Associaed wih Human Capial in Augmened Solow Growh Regressions, Documen de ravail 27, CERDI, Universié de Clermon. Barro, R.J. (1997), Deerminans of Economic Growh: A Cross-Counry Empirical Sudy, MIT Press, Cambridge. Barro, J. & Lee, J.W. (1993), Inernaional Comparisons of he Educaional Aainmen, Journal of Moneary Economics, 32-3, pp Barro, R.J. & Lee, J.W. (2000), Daa Se on Educaional Aainmen of he Toal Populaion Aged 25 and Over, Cener for Inernaional Developmen, Harvard Universiy. Barro, R. J. & Sala-i-Marin, X. (1995), Economic Growh, McGraw Hill, New York. Becker, G.S. (1964), Human Capial: A Theoreical and Empirical Analysis, wih Special Reference o Educaion, New York: Columbia Universiy Press. Bräuninger, M. & Pannenberg, M. (2002), Unemploymen and Produciviy Growh: An Empirical Analysis Wihin an Augmened Solow Model, Economic Modeling 19, pp Cohen, D. & Soo, M. (2001), Growh and Human Capial: Good Daa, Good Resuls, Technical Paper 179, OECD Developmen Cener, Paris. Klenow, P. & Rodriguez-Clare, A. (1997), The Neoclassical Revival in Growh Economics: Has I Gone Too Far?, in B. Bernanke and J. Roemberg, eds., NBER Macroeconomics Annual, MIT Press, Cambridge, pp Krueger, A. B. & Lindahl, M. (2001), Educaion for Growh: Why and For Whom?, Journal of Economic Lieraure, 39-4, pp L Angevin, C. & Laib, N. (2005), Educaion e Croissance en France e dans un Panel de 21 Pays de l OCDE», INSEE, France. Lucas, R. (1988), On he Mechanics of Economic Developmen, Journal of Moneary Economics, 22-1, pp Mankiw, G., Romer, D. & Weil, D. (1992), A Conribuion o he Empirics of Economic Growh», Quarerly Journal of Economics, 107-2, pp McDonald, S. & Robers, J. (2002), Growh and Muliple Forms of Human Capial in an Augmened Solow Model: A Panel Daa Invesigaion, Economics Leers, 74, pp Nehru, V., Swanson, E. & Dubey, A. (1995), A New Daabase on Human Capial Sock: Sources, Mehodology, and Resuls, Journal of Developmen Economics 46, pp

16 Nelson, R. & Phelps, E.S. (1966), Invesmens in Humans, Technological Diffusion and Economic Growh, American Economic Review, 56-1, pp Priche, L. (2001), Where Has All he Educaion Gone?, World Bank Economic Review, 15-3, pp Psacharopoulous G. & Woodhall M. (1988), L éducaion pour le Développemen. Une Analyse des Choix d Invesissemen, Economica, Paris. Romer, P.M. (1990), «Endogenous Technological Change», Journal of Poliical Economy 98(5)par 2; Rosenzweig, M. R. (1995), Why are here Reurns o Schooling?, American Economic Review, 85-2, pp Solow, R. (1956), A Conribuion o he Theory of Economic Growh, Quarerly Journal of Economics 70, pp Temple, J. (1999), A Posiive Effec of Human Capial on Growh, Economics Leers 65, pp Temple, J. (1999), The New Growh Evidence, Journal of Economic Lieraure, 37-1, pp Temple, J. (2001), Generalizaions Tha Aren? Evidence on Educaion and Growh, European Economic Review, 45-4, pp Wolfe, B. & Haveman, R. (2001), Accouning for he Social and Non-Marke Benefis of Educaion, in John Helliwell, ed.,: The Conribuion of Human and Social Capial o Susained Economic Growh and Well-being, Universiy of Briish Columbia Press, pp Young, A. (1994), Lessons from he Eas Asian NIC s: A Conrarian View, European Economic Review 38, pp Young, A. (1995), The Tyranny of Numbers: Confroning he Saisical Realiies of he Eas Asian Growh Experience, Quarerly Journal of Economics 110, pp

17 Annexes Annexe 1 : Tes de mulicolinéarié Diagnosics de colinéarié a Modèle 1 Dimension a. Variable dépendane : y Index de condiion Proporions de la variance Valeur propre nemen (consane) k log h 2,967 1,000,00,00,00 3,276E-02 9,516,03,00,14 7,322E-04 63,652,97 1,00,86 Diagnosics de colinéarié a Modèle 1 Dimension a. Variable dépendane : y Index de Proporions de la variance condiion (consan Valeur propre nemen e) k h 2,942 1,000,00,00,00 5,710E-02 7,177,02,00,27 1,323E-03 47,161,98 1,00,73 Annexe 2 : les graphiques des différenes variables Y H K Log y h log k 17

18 Annexe 3 : es de racine uniaire (ADF) pour les différenes variables log y e h en niveau * la variable : log y ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y) Mehod: Leas Squares Dae: 01/24/07 Time: 21:30 Sample(adjused): Included observaions: 33 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. Y(-1) D(Y(-1)) D(Y(-2)) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y) Mehod: Leas Squares Dae: 01/24/07 Time: 21:31 Sample(adjused): Included observaions: 33 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. Y(-1) D(Y(-1)) D(Y(-2)) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

19 ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y) Mehod: Leas Squares Dae: 01/24/07 Time: 21:32 Sample(adjused): Included observaions: 33 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. Y(-1) D(Y(-1)) D(Y(-2)) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) * la variable : h ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H) Mehod: Leas Squares Dae: 01/24/07 Time: 21:38 Sample(adjused): Included observaions: 35 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. H(-1) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H) Mehod: Leas Squares Dae: 01/24/07 Time: 21:38 Sample(adjused): Included observaions: 35 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. H(-1) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

20 ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H) Mehod: Leas Squares Dae: 01/24/07 Time: 21:39 Sample(adjused): Included observaions: 35 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. H(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Durbin-Wason sa Annexe 4 : es de racine uniaire (ADF) pour les différenes variables log y e h pour la première différence * la variable : log y ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:33 Sample(adjused): Included observaions: 32 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(Y(-1)) D(Y(-1),2) D(Y(-2),2) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

21 ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:35 Sample(adjused): Included observaions: 32 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(Y(-1)) D(Y(-1),2) D(Y(-2),2) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(Y,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:36 Sample(adjused): Included observaions: 32 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(Y(-1)) D(Y(-1),2) D(Y(-2),2) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic)

22 * la variable : h ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:40 Sample(adjused): Included observaions: 34 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(H(-1)) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:40 Sample(adjused): Included observaions: 34 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(H(-1)) C R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(H,2) Mehod: Leas Squares Dae: 01/24/07 Time: 21:41 Sample(adjused): Included observaions: 34 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. D(H(-1)) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Durbin-Wason sa

23 Annexe 5 : es de Perron (1986) * la variable : k Dependen Variable: K Mehod: Leas Squares Dae: 01/20/07 Time: 19:40 Sample: Included observaions: 36 Variable Coefficien Sd. Error -Saisic Prob. C DU DR R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood F-saisic Durbin-Wason sa Prob(F-saisic) ADF Tes Saisic % Criical Value* % Criical Value % Criical Value *MacKinnon criical values for rejecion of hypohesis of a uni roo. Augmened Dickey-Fuller Tes Equaion Dependen Variable: D(RESIDK) Mehod: Leas Squares Dae: 01/24/07 Time: 21:55 Sample(adjused): Included observaions: 35 afer adjusing endpoins Variable Coefficien Sd. Error -Saisic Prob. RESIDK(-1) R-squared Mean dependen var Adjused R-squared S.D. dependen var S.E. of regression Akaike info crierion Sum squared resid Schwarz crierion Log likelihood Durbin-Wason sa

24 Annexe 6 : es de Johansen (1988) Dae: 01/24/07 Time: 21:48 Sample: Included observaions: 34 Tes assumpion: Linear deerminisic rend in he daa Series: Y K H Lags inerval: 1 o 1 Likelihood 5 Percen 1 Percen Hypohesized Eigenvalue Raio Criical Value Criical Value No. of CE(s) None ** A mos A mos 2 *(**) denoes rejecion of he hypohesis a 5%(1%) significance level L.R. es indicaes 1 coinegraing equaion(s) a 5% significance level Unnormalized Coinegraing Coefficiens: Y K H Normalized Coinegraing Coefficiens: 1 Coinegraing Equaion(s) Y K H C ( ) ( ) Log likelihood Normalized Coinegraing Coefficiens: 2 Coinegraing Equaion(s) Y K H C ( ) ( ) Log likelihood

25 Annexe 7 : VECM Dae: 01/20/07 Time: 19:34 Sample(adjused): Included observaions: 34 afer adjusing endpoins Sandard errors & -saisics in parenheses Coinegraing Eq: CoinEq1 Y(-1) K(-1) ( ) ( ) H(-1) ( ) ( ) C Error Correcion: D(Y) D(K) D(H) CoinEq ( ) ( ) ( ) ( ) ( ) ( ) D(Y(-1)) ( ) ( ) ( ) ( ) ( ) ( ) D(K(-1)) ( ) ( ) ( ) ( ) ( ) ( ) D(H(-1)) ( ) ( ) ( ) ( ) ( ) ( ) C ( ) ( ) ( ) ( ) ( ) ( ) R-squared Adj. R-squared Sum sq. resids S.E. equaion F-saisic Log likelihood Akaike AIC Schwarz SC Mean dependen S.D. dependen Deerminan Residual Covariance 3.17E-11 Log Likelihood Akaike Informaion Crieria Schwarz Crieria Annexe 8 : es de causalié de Granger (1969) Pairwise Granger Causaliy Tess Dae: 01/24/07 Time: 22:00 Sample: Lags: 1 Null Hypohesis: Obs F-Saisic Probabiliy H does no Granger Cause Y Y does no Granger Cause H