Titre : Quels indicateurs otimaux our cibler les auvres? : une aroche basée sur la minimisation des erreurs de ciblage au Burina Faso. Tambi Samuel KABORE UFR-SEG, CEDRES, 01 BP 6693 Ouaga 01 Université de Ouagadougou, Burina Faso Email : samuel.abore@univ-ouaga.bf 1. Introduction Plusieurs ays africains dont le Burina Faso (MEF, 2000) ont rédigé des Documents Stratégiques de Réduction de la Pauvreté (DSRP) avec l aui de la Banque Mondiale. Pour être efficaces, les mesures d allégement de la auvreté réconisées ar les DSRP devraient être adressées aux auvres. La question osée est de savoir comment toucher i.e. cibler au mieux les auvres à travers des indicateurs socio-économiques. La réonse à cette question affectera l efficacité des ressources engagées dans la mise en œuvre des stratégies de réduction de la auvreté. Cet article examine cette question en recherchant armi les caractéristiques socioéconomiques des ménages lesquelles ciblent au mieux le auvre. Le besoin d indicateurs de ciblage s exlique ar le fait que la consommation (ou le revenu), mesure de niveau de vie servant à identifier le statut de auvreté monétaire, n est as directement observable. Pour atteindre le auvre, on utilise des indicateurs fortement corrélés à son statut de auvreté. Dans la littérature économique, une olitique ou otion de ciblage ossède deux comosantes rinciales qui sont : (1) le ou les indicateurs de ciblage qui sont des critères ermettant d atteindre le auvre et, (2) la mesure économique visant à changer le niveau de vie du auvre. Bien que la mesure économique soit très imortante à travers son effectivité et son efficience (Ribe et al., 1990), le résent travail se focalise sur les indicateurs de ciblage dont la qualité eut lafonner l imact de la mesure économique. Par exemle, un ciblage régional n affectera que les auvres de cette région choisie. Les études qui ont abordé la question du ciblage et son efficacité combine généralement les deux comosantes «indicateurs» et «mesure économique». Comte tenu de la diversité des 1
indicateurs et des mesures économiques, les choix oérés ar les analystes conduisent à lusieurs otions d analyse. Les otions basées sur un seul indicateur de ciblage et une mesure économique sont les lus nombreuses (Besley et Kanbur, 1988 ; Ravallion, 1996 ; Liton et Ravallion, 1995). Par exemle, Besley et Kanbur (1988) discutent d une subvention d un montant donné (mesure économique) à aliquer aux rix des roduits alimentaires à travers des magasins à localiser (indicateur). Liton et ravallion (1995), Ravallion (1996) discutent les avantages et les inconvénients de certains indicateurs comme la région, l accès à la terre, les tyes d emloi à soutenir ar des rogrammes ublics et de certaines mesures économiques (crédit, services ublics). Toutes ces analysent tendent de dégager l effet conjoint de l indicateur et de la mesure économique en terme de réduction de l indice de auvreté en exloitant la roriété de décomosabilité des indices FGT. Lorsque lusieurs indicateurs de ciblage euvent être combinés, ce que font rarement les études existantes, il devient imortant de se oser la question de l otimalité de l ensemble des indicateurs à retenir our mieux atteindre le auvre avant d aliquer la mesure économique. La mesure économique eut elle-même suggérer des indicateurs i.e. restreindre le nombre ossible d indicateurs. Par exemle, une mesure économique de subvention à la consommation suggère que l on ne considère comme indicateurs que les biens de consommation en articulier ceux consommés ar les auvres. L aroche que nous discutons dans cet article ermet de considérer ce cas à travers le contrôle de l ensemble des indicateurs ossibles. La section 2 déveloe le cadre d analyse à travers une discussion des concets et une résentation du modèle d analyse. La section 3 résente les sources de données. Les résultats du modèle seront analysés dans la section 4 qui sera suivie des éléments de conclusion. 2. Le cadre d analyse 2.1 Efficacité et erreurs de ciblage Notre analyse s auiera sur le concet et la théorie d efficacité en économie déveloés deuis le travail ionnier de Farrell (1957). L efficacité dans sa dimension technique se définit comme la caacité à réaliser le résultat maximum à artir d un volume donné de ressources. Le résultat maximum est généralement déterminé ar une fonction frontière estimée selon des aroches 2
déterministes ou stochastiques. L indice d efficacité technique d une unité statistique donnée (individu, ménage, communauté etc ) sera mesuré en divisant son résultat observé ar son résultat maximum ossible. Lorsqu un décideur utilise un ensemble E d indicateurs our cibler les auvres, son résultat maximum ossible consiste à toucher tous les auvres, tandis que son résultat observé est le nombre de auvres effectivement touchés. L efficacité du décideur qui est en réalité l efficacité de l ensemble des indicateurs retenus eut être mesurée ar le raort entre les deux valeurs. Il est clair que l indice d efficacité obtenu déend des indicateurs retenus dans l ensemble E. Cette efficacité eut être mise en relation avec les erreurs de ciblage. Le choix de l ensemble E d indicateurs de ciblage se traduit généralement ar deux (2) tyes d erreurs (Liton et Ravallion, 1995). L erreur de tye 1 consiste à considérer à tord une ersonne comme auvre. Du oint de vue du ciblage, cette erreur va se manifester ar le fait que grâce à l utilisation de ces indicateurs, des non auvres bénéficieront des effets de la olitique de ciblage. L erreur de tye 2 consiste à éliminer à tord des ersonnes auvres. Selon ce tye d erreur, des ersonnes auvres seront soustraites des bénéfices de la olitique de ciblage du fait de la nature non suffisamment discriminante des indicateurs de ciblage. Le ciblage sera arfait si les deux erreurs sont éliminées, ce qui conduit à définir l efficacité selon chaque tye d erreur. Dans la définition des erreurs de ciblage, nous suoserons que c est tout le ays qui est visé. Le même raisonnement s alique lorsque c est seulement une sous-oulation (région, groue socio-économique etc ) qui est visée. La oulation auvre du ays est donnée ar la oulation totale () multiliée ar l indice numérique de auvreté P o. La oulation non auvre du ays est notée n. Le choix de l ensemble E d indicateurs our cibler les auvres ermet de toucher effectivement un nombre φ (E) de auvres et φ n (E) de non auvres. Par raort à l erreur de tye 1, le choix de l ensemble E d indicateurs de ciblage sera dit efficace si aucune ersonne n est considérée à tord comme auvre i.e. aucun non auvre ne bénéficie de la mesure. Ce n est évidemment as le cas car les φ n (E) non auvres bénéficient de la mesure si aucun indicateur sulémentaire ne s ajoute à l ensemble E. Lorsqu on considère tout le ays, l efficacité de discrimination des non auvres (I n (E)) sera mesurée ar : 3
I n φn = 1 (1) n Lorsque l ensemble E est efficace dans la discrimination des non auvres, aucune ersonne non auvre ne sera touchée, φ n (E) =0 et I n (E) rend la valeur 1. Lorsque l ensemble E est arfaitement inefficace et que tous les non auvres sont touchés, alors φ n (E) = n et I n (E) rend la valeur 0. Le dénominateur du second terme de l équation 1 est en fait l ensemble des non auvres du ays et eut aussi être mesuré ar (1-P 0 ) où P 0 est l indice numérique de auvreté de l ensemble du ays. I n (E) est comris entre 0 et 1 et mesure le ourcentage de non auvres éliminés du bénéfice de la mesure de ciblage. Le raort φ n (E)/ n mesure l erreur de tye 1 associée au choix de l ensemble E. Par raort à l erreur de tye 2, le choix de l ensemble E d indicateurs de ciblage sera dit efficace si aucune ersonne auvre n est éliminée du bénéfice de la mesure. Le nombre de auvres qui bénéficie de la mesure est φ (E). Lorsqu on considère tout le ays, l efficacité de rise en comte des auvres (I (E)) sera mesurée ar : I φ = φ = P 0 (2) Le dénominateur mesure l ensemble des auvres. Si l indicateur est efficace à l échelle du ays, tous les auvres devraient être touchés ce donne I (E) = 1. L indice I (E) mesure le ourcentage de auvres touchés ar l ensemble E d indicateurs de ciblage. Si aucun auvre n est touché, φ (E)=0 et l indice I (E) = 0, soit une inefficacité totale dans la rise en comte des auvres. L erreur de tye 2 associée à l ensemble E est mesurée ar 1- I (E). Il est difficile de minimiser simultanément les deux (2) tyes d erreurs. Le modèle qui suit minimise l erreur de tye 2 sous la contrainte que l erreur de tye 1 est aramétrisée à une valeur donnée. 2.2 Le modèle 4
La minimisation de l erreur de tye 2 (1- I (E)) revient à maximiser I (E) qui est en fait l indice d efficacité défini ar raort à l erreur de tye 2. L ensemble E comorte K indicateurs de ciblage dénommés X ordonnés de 1 à K. Comme indiqué lus haut, I (E) déend des éléments X de l ensemble E, ce qui nous donne : I (E) = f(x, α ) (3) Nous sécifions f(.) comme étant linéaire ce qui donne : I où K φ ( X ). X K α (4) P = 1 = f ( X, ) = = α X 0 = 1 X = 1 si l indicateur est choisi et 0 si non, φ (X ) = Nombre de nouveaux auvres touchés ar l indicateur X ar raort aux indicateurs X c déjà choisis, ce qui imlique c <. P 0 = Indice numérique de auvreté = Poulation totale. L erreur de tye 1 (φ n (E)/ n ) se défini de manière similaire : φ n K n = 1 = g X, β ) = = n 1 P0 = 1 K φ ( X ). X ( β X (5) où X = 1 si l indicateur est choisi et 0 si non, φ n (X ) = Nombre de nouveaux non auvres touchés ar l indicateur X ar raort aux indicateurs X c déjà choisis, ce qui imlique c <. P 0 = Indice numérique de auvreté = Poulation totale. 5
Nous maximisons I (E) (équation 4) sous la contrainte que φ n (E)/ n (équation 5) soit égal à un aramètre arbitraire qui corresond au ourcentage de non auvres que le décideur consent toucher ar son ciblage. C est une mesure de degré de distorsion admis ar le décideur. Si on accete que 10% des non auvres bénéficient du ciblage, on fixe = 0,1. On a aussi X 1. A artir d un ensemble E d indicateurs socio-économiques ordonnés, les aramètres α et β sont calculés. Etant donné que l ordre des indicateurs va influencer les valeurs des coefficients α et β, il s agira aussi de discuter la sensibilité des résultats à l ordre des indicateurs. Des critères d ordonnancement ourraient être émis. Le roblème ainsi obtenu est un modèle de rogrammation linéaire à variables entières (0 ou 1) résolu ar le logiciel GAMS. La solution donne l ensemble E otimal en fonction de (% de non auvres touchés). La solution sera donnée our l ensemble du ays et les groues socioéconomiques de ménages. Les indicateurs sont de quatre catégories : (1) la ossession de biens durables (charrue, tye de logement, motocyclette, bicyclette, téléviseur, téléhone etc...), (2) la localisation géograhique, (3) les caractéristiques démograhiques du ménage, (4) les facteurs de caital humain. 3. Les sources de données Les données dont issues des deux (2) enquêtes rioritaires sur les conditions de vie des ménages. Ces deux enquêtes menées ar l Institut National de la Statistique et de la Démograhie (INSD), ont concerné 8 642 ménages en 1994 et 8 478 ménages en 1998. Les seuils de auvreté absolue ont été resectivement de 41 099 FCFA de déenses ar adulte et ar an en 1994 et 72 690 FCFA de déenses ar adulte et ar an en 1998. Ces deux enquêtes donnent, our chaque ménage, des informations sur les quatre catégories d indicateurs otentiels de ciblage récédemment définis à savoir : (1) la ossession de biens durables, (2) la localisation géograhique, (3) les caractéristiques démograhiques du ménage, (4) les facteurs de caital humain. Il est alors ossible d estimer les résultats du modèle. 6
4. Résultats d analyse 4.1 Les indicateurs otimaux de ciblage our le ays 4.2 Les indicateurs otimaux de ciblage our GSE 5. Conclusion et imlications de olitique économique 7
Références Bibliograhiques Besley, T. ; Kanbur, R., 1988. Food Subsidies and Poverty Alleviation. The Economic Journal, 98 (Setember 1988), 701-719. Great Britain Farrell, M. J., 1957. The measurement of roductive efficiency. Journal of Royal Statistical Society, Series A, Vol 120, Part III. Grootaert, C. ; Kanbur R., 1990. Analyse Oérationnelle de la Pauvreté et des Dimensions Sociales de l Ajustement Structurel : Méthodologie et Proosition d Alication au Cas de la Côte d Ivoire, 1985-88. Les Dimensions Sociales de l Ajustement en Afrique Subsaharienne, Document de travail N 1, Analyse socio-économique. Banque Mondiale, Washington, D.C. Liton, M. ; Ravallion, M., 1995. Poverty and Policy. Handboo of Develoment Economics, Volume III, edited by Berhman and T.N. Srinivasan, Elsevier Science B.V., 1995. Ministère de l Economie et des Finances (MEF), 2000. Burina Faso : Cadre Stratégique de Lutte contre la Pauvreté. MEF, Burina Faso. Ribe, H. ; Carvalho, S. ; Liebenthal, R. ; Nicholas, P. ; Zucerman, E., 1990. How Adjustment Programs Can Hel the Poor : The world Ban s Exerience. World Ban Discussions Paers 71. The World Ban, Washington, D.C. 8