Il est question dans cette section de procéder à une analyse des variables de notre fonction d’attractivité, pour ensuite, spécifier notre modèle économétrique de base. Toutefois, avant de procéder à l’estimation du modèle, il conviendra pour nous de s’assurer de la stationnarité des séries observées, car lorsque les variables ne sont pas stationnaires, l’estimation des coefficients par la méthode des moindres carrés ordinaires (MCO) et les tests usuels des t-Students et f-Fisher ne sont pas valides et les coefficients estimés ne convergeront pas vers leur vraie valeur. Les régressions sont donc fallacieuses.
II.1- La spécification du modèle de base
Dans ce paragraphe, nous procédons à la description mathématique du phénomène étudié, en passant par l’identification des variables explicatives et la détermination de la forme mathématique du modèle. La spécification du modèle explicatif de l’attractivité des entreprises à Douala nous amène à étaler l’étude sur la période allant de 1996 à 2009 ; soit quatorze observations.
II.1.1- Présentation et définition des différentes variables du modèle de base
La littérature théorique et les travaux empiriques proposent une batterie de variables(29)explicatives de l’attractivité territoriale toujours plus nombreuses, mais autour desquelles aucun consensus ne se dégage. Dans le cadre de notre mémoire, nous retenons essentiellement et en fonction de nos hypothèses de recherche, deux catégories de variables explicatives de l’attractivité des entreprises à Douala: il s’agit des variables d’ordre institutionnels et les variables d’ordre économiques.
II.1.1.1- la variable endogène
Pour évaluer le niveau d’attractivité des entreprises dans la ville de Douala, nous avons pris pour variable dépendante dans notre modèle économétrique, l’évolution annuelle du taux de création d’entreprises sur la période 1996 à 2009 illustré dans le graphique ci-dessous.
Graphique 9 : évolution annuelle du taux de création d’entreprises à Douala (en %), période 1996-2009
Sources : construction de l’auteur à partir des données du RGE/INS, 2009.
Sur la période étudiée, on constate que les créations d’entreprises dans la ville de Douala sont toujours en nette progression. Ce qui explique la forte attractivité qu’exerce la ville sur les créateurs de richesses. En outre, La forte relance des créations d’entreprises observée à partir de 2003, peut trouver une explication dans les dispositifs mis en place en matière d’amélioration de l’environnement des entreprises (amélioration de la gouvernance urbaine, Simplification des procédures de création des entreprises avec la mise en place des guichets uniques et des centres de formalité de création d’entreprises…), la mise en place des agences de promotion des investissements (A2D, API, CFCE…) et l’intensification du partenariat public-privé. Toutefois, depuis 2005 le taux de création d’entreprises à Douala est en baisse, cela peut s’expliquer par d’une part par les conséquences de la crise économique mondiale qui est de nature à réduire les investissements, et d’autre part par la perte d’attractivité de la ville du a sa congestion et l’émergence d’autres pôles économiques dans la sous-région CEMAC.
II.1.1.2- les variables exogènes
Comme variables exogènes, nous retenons pour notre modèle les variables d’ordre institutionnels et les variables d’ordre économiques
II.1.1.2.1- Les variables d’ordre institutionnels
L’attractivité territoriale des entreprises est davantage fonction de la qualité de l’organisation territoriale et de la bonne marche des institutions locales (publiques/privées ; formelles/informelles). De ce fait, nous retenons ici comme variables explicatives : certains facteurs de la gouvernance locale, la stabilité politique, le niveau de corruption et la qualité du cadre réglementaire.
– Les facteurs de la gouvernance locale
La théorie de l’économie territoriale et les études empiriques montrent qu’il y a une relation forte entre le niveau d’attractivité territoriale des entreprises et la dynamique de la gouvernance économique locale. Pour cela, notre étude économétrique s’inspire des travaux de Sallez (1995, op.cit) et ceux de Guesnier (2002) qui mettent en évidence une relation économétrique entre la dynamique des villes et un éventail de facteurs explicatifs (dont la gouvernance locale). Notons que dans ses travaux, Sallez aboutit aux résultats selon lesquels, les écarts entre le niveau d’attractivité effectif et le potentiel d’attractivité des villes sont attribuables en large partie à la qualité de la régulation et à la gouvernance locale, c’est-à-dire la capacité de leurs dirigeants (élus locaux, organismes de régulation comme les chambres de commerce et les agences de développement, les syndicats patronaux…) à promouvoir implicitement un projet de territoire.
Faute de disponibilité des indicateurs de gouvernance au niveau local, comme variables représentatives de la gouvernance locale dans notre modèle, nous avons à partir des résultats de notre enquête, opté pour une combinaison pondérée(30) (variation de 0 à 1) sans doute discutable, de caractéristiques plus proches de ce que la gouvernance locale entend exprimer : il s’agit de la présence dans la ville de Douala, d’une agence de développement et autres structures de promotion des entreprises et de l’existence d’une plateforme de partenariat public-privé.
Ces quelques précisions étant faites, nous illustrons dans le graphique ci-dessous l’évolution de nos deux facteurs de gouvernance locale au cours de la période d’étude.
Graphique 10 : évolution des indicateurs de la gouvernance locale, période 1996-2009
Sources : notre enquête compilée avec le rapport du RGE 2009.
La pente positive de ces deux courbes peut s’expliquer d’une part, par la création de l’A2D, l’API et les autres structures de promotion des entreprises dans la ville de Douala durant ces dix dernières années, et d’autre part, par une nette amélioration du partenariat entre le secteur public et le secteur privé.
– La stabilité politique
La variable « stabilité politique » est l’un des six indicateurs synthétiques construits par Kaufman et ses co-auteurs (2003) pour évaluer la qualité de la gouvernance(31). L’indicateur stabilité politique(32) couplé parfois avec « l’absence de violence » mesure l’incertitude du gouvernement face à une éventualité d’être déstabiliser où destitué par des moyens inconstitutionnels ou violents. La variable stabilité politique influence positivement l’évolution des créations d’entreprises dans un territoire. Le graphique ci-dessus illustre l’évolution de cette variable au cours de la période d’étude.
Graphique 11: évolution du score du Cameroun pour l’indicateur stabilité politique, 1996 à 2009
Sources : construction de l’auteur à partir des données de Kaufman et al. (2010)
– La corruption
La corruption est liée à la qualité de la gestion publique et est considéré comme une menace à l’investissement pour plusieurs raisons :
– elle déforme l’environnement économique et financier ;
– elle décourage les investisseurs ;
– elle réduit l’efficacité du gouvernement et des entreprises en permettant à des personnes d’accéder à des positions de force en utilisant le parrainage plutôt que le mérite. Le graphique cidessous montre l’évolution de l’Indice des Perceptions de la Corruption (IPC) 33 au Cameroun sur la période d’étude. L’IPC est publié annuellement par Transparency International, une organisation de lutte contre la corruption.
Graphique 12: évolution du score du Cameroun dans le rapport sur l’indice des perceptions de la corruption, période 1996-2009.
Sources : construction de l’auteur à partir des rapports de Transparency international
Comme l’illustre le graphique ci-dessus, l’indice des perceptions de la corruption au Cameroun reste très proche de zéro (valeur pour laquelle la corruption est extrêmement élevée) au cours de la période d’étude. Notons que la corruption décourage l’investissement et a un impact négatif sur l’évolution des créations d’entreprises.
– La qualité du cadre réglementaire
Cette variable synthétise l’incidence des mesures « anti-marché » à l’instar des contrôles répressifs de prix, d’une supervision inadéquate des banques, des surcharges réglementaires dans le commerce extérieur et l’ensemble du monde des affaires. C’est également l’un des six indicateurs synthétiques de la gouvernance élaboré par Kaufman et al (2003, op.cit). Il peut prendre une valeur allant de -2,5 à 2,5. Une bonne qualité du cadre réglementaire influence positivement le niveau d’attraction des entreprises sur le territoire.
Graphique 13: évolution du score du Cameroun pour l’indicateur « qualité du cadre réglementaire », période 1996 à 2009.
Sources : construction de l’auteur à partir des données de Kaufman et al. (2010)
II.1.1.2.2- Les variables d’ordre socioéconomiques
Comme variables explicatives d’ordre économiques dans notre étude, nous retenons : la croissance économique de la ville de Douala, le Produit Local Brut/tête à Douala, la taille du marché et le taux d’alphabétisation.
– La croissance économique locale
La croissance économique locale de la ville de Douala est mesurée par le taux de croissance annuel de son Produit Local Brut (PLB). Elle représente la variation relative d’une période à une autre du volume du PLB(34) en dollars constants d’une année de référence. Une croissance économique équivaut à un enrichissement du territoire, ce qui encourage l’investissement. Le taux de croissance annuel du PLB devrait influencer positivement l’évolution des créations d’entreprises.
Graphique 14 : évolution du taux de croissance annuel du produit local brut (PLB) de Douala, période 1996 à 2009.
Sources : construction de l’auteur à partir des données du « world Development Indicators Database 2010 », World Bank D.C
– Le Produit Local Brut par habitant à Douala
Le Produit Local Brut (PLB) par habitant est un indicateur du développement économique ainsi que de la richesse de l’économie locale. On s’attend à ce que la corrélation du PLB par habitant avec l’évolution des créations d’entreprises soit positive. Partant du postulat selon lequel, le PLB/habitant de Douala représente près de 2,5 fois le PIB/habitant au niveau national, l’évolution de cette variable est représentée dans le graphique ci-dessus.
Graphique 15: évolution du taux de croissance du PLB/habitant/an, période 1996 à 2009.
Sources : construction de l’auteur à partir des données du « World Development Indicators Database 2010 », World Bank D.C.
– La taille du marché
La taille du marché est mesurée par le taux de croissance démographique de la population de la ville de Douala. Avec une population d’environ 2,5 millions d’habitants, Douala apparait comme un important marché de consommation pour les entreprises. A cet égard, il y a une corrélation positive entre le taux de croissance démographique et l’évolution des créations des entreprises à Douala. La comparaison des données des différents recensements de la population met en évidence la persistance d’un taux d’accroissement démographique très élevé, oscillant autour de 5%.
Graphique 16 : évolution annuelle du taux de croissance démographique de la ville de Douala, période 1994 à 2009.
Sources : construction de l’auteur à partir du rapport du RGPH/BUCREP, 2011.
– Le taux d’alphabétisation
Le taux d’alphabétisation mesure la qualité de la main-d’œuvre ou capital humain, facteur de motivation pour les entreprises de s’implanter dans un territoire. Le taux d’alphabétisation à une corrélation positive avec l’évolution des créations d’entreprises à Douala.
Graphique 17 : évolution annuelle du taux d’alphabétisation dans la ville de Douala
Sources : construction de l’auteur à partir des données d’ECAM 1, 2 et 3.
Nous retenons ainsi une batterie de neuf variables pour expliquer l’attractivité de la ville de Douala vis-à-vis des entreprises. Les abréviations et les sources des variables retenues figurent dans le tableau suivant.
Tableau 9 : les variables explicatives retenues dans le modèle d’explication de l’attractivité des entreprises à Douala, leurs abréviations, leurs signes et leurs sources.
La définition des variables du modèle et leurs principales sources étant faite, nous présentons dans le paragraphe suivant la forme fonctionnelle du modèle.
II.1.2- La forme fonctionnelle du modèle
L’attractivité des entreprises dans la ville de Douala étant fonction des facteurs d’ordre institutionnels, économiques et démographiques, la relation qui lie les variables se présente de la manière suivante :
TXCREt = βo + βiΣXt + μt (2)
Avec : βo : la constante
βi : les coefficients, avec (i = 1,2…..9)
Xt : les variables explicatives
μt : le terme d’erreur
Ce modèle s’apparente à celui de Sallez (1995, op.cit), (Pépin, Grosse, Guesnier, 2002, op.cit), qui est le plus utilisé dans les études empiriques du fait de sa simplicité et de la disponibilité des données relatives aux variables du modèle.
Toutefois, partant du postulat selon lequel les investisseurs décident de la création de leurs entreprises en se basant sur les performances antérieures de l’économie considérée, les variables exogènes seront retardées d’une période (un an). Ainsi, le modèle à estimer s’exprime par l’équation suivante :
TXCREt = βo + β1PADEVt-1 + β2E_PPt-1 +β3STABt-1 + β4CORRt-1 + β5QUALt-1 + β6TXPLBt-1 + β7PLB_HABt-1 + β8TMARt-1 + β9TXALPHt-1 + μt-1 (3)
A partir de cette formalisation mathématique de la fonction d’attractivité des entreprises à Douala, les valeurs numériques des coefficients du modèle d’estimation seront déterminées. Pour la réussite de cette phase, on testera d’abord la stationnarité de toutes les séries et leur Cointégration.
II.2- Estimation du modèle
II.2.1- Analyse de la stationnarité
Les variables économiques étant rarement des réalisations de processus stationnaire, et compte tenu du fait que la non stationnarité des variables a des conséquences sur le plan économique, il convient d’abord de procéder aux tests de stationnarité des différentes variables du modèle.
Dans le cas des séries temporelles, cette analyse est jugée préalable à toute régression. Le problème principal revient à déterminer si la série est stationnaire ou pas, en particulier lorsqu’on a affaire à des séries chronologiques. Par définition, une série chronologique est considérée non stationnaire lorsque sa variance et sa moyenne se trouvent modifiées dans le temps (Bourbonnais 2005). Le test consiste donc à vérifier si les propriétés des séries statistiques temporelles sont indépendantes du temps durant la période d’étude. Si cette condition n’est pas vérifiée, les résultats sont invalides et il y a lieu de remplacer les séries par leur différence dans l’estimation.
Le test de stationnarité utilisé est celui de Dickey Fuller Augmenté(35) (ADF) avec les hypothèses suivantes :
• H0 : présence de racine unitaire (série non stationnaire)
• H1 : absence de racine unitaire (série stationnaire)
Si ADF calculé < ADF théorique alors l’hypothèse H1 est vérifiée. La série est donc stationnaire ; sinon, alors l’hypothèse H0 est vérifiée et la série est non stationnaire. Dans ce cas, il faut la différencier et recommencer la procédure de test sur la série en différence première.
Les résultats du test de Dickey-Fuller Augmenté des variables du modèle sont résumés dans le tableau suivant :
Tableau 10 : résultat des tests de stationnarité sur les variables du modèle(36)
* = variable stationnaire au seuil de 10% ; **= variable stationnaire au seuil de 5% ; ***= variable stationnaire au seuil de 1%
Sources : construction de l’auteur à partir des résultats de STATA 12.
Il ressort du test de Dickey Fuller augmenté (ADF) que toutes les séries ne sont pas Stationnaires en niveau. Nous les avons ainsi rendues stationnaires en appliquant un filtre aux différences premières.
Pour avoir des résultats valables, nous allons remplacer dans notre modèle les séries non stationnaires en niveau par leur différence première. Ainsi, dans l’estimation, les variables TXCRE, PADEV, E_PP, QUAL, PLB_HAB, TMAR et TXALPH nécessitent leur remplacement par leur différentielle d’ordre 1.
Le tableau 11 présente les statistiques descriptives des variables du modèle
Tableau 11 : statistiques descriptives des variables du modèle
Sources : construction de l’auteur à partir des résultats de STATA 12
II.2.2- Analyse de la cointégration
Le point de départ de la théorie de la cointégration réside dans le fait que de nombreuses séries économiques et financières sont non stationnaires. Or, si l’on applique les méthodes habituelles d’estimation, deux principaux problèmes surgissent: le problème des régressions fallacieuses mis en avant par Granger et Newbold (1974) et le problème du non validité de certaines lois asymptotiques. Par exemple, les statistiques des tests de Dickey-Fuller ne suivent plus une loi habituelle.
L’analyse de la cointégration permet de traiter des séries chronologiques non stationnaires et dont une combinaison linéaire est stationnaire. Elle permet ainsi de spécifier des relations stables à long terme tout en analysant conjointement la dynamique de court terme des variables considérées.
Le test de cointégration nécessite la réunion de deux conditions :
• Toutes les séries sont intégrées au même ordre ;
• La combinaison linéaire des séries donne une série d’ordre intégré inférieur ou égal à la différence en valeur absolue de l’ordre d’intégrité des séries à étudier.
Dans notre étude, étant donné que nous avons à la fois des variables qui sont intégrées d’ordre 1 et des variables stationnaires en niveau, on est confronté à la violation de la première condition du test de cointégration. Donc, l’hypothèse nulle (Ho) selon laquelle il n’existe pas de relation de cointégration entre les variables est retenue. Dans le cas contraire l’hypothèse alternative (H1) serait retenue et la relation devait être estimée au travers d’un modèle à correction d’erreur (ECM).
CONCLUSION DU TROISIEME CHAPITRE
Ce chapitre a été consacré à la modélisation des déterminants de l’attractivité des entreprises dans la ville de Douala.
Nous avons dans un premier temps mis le point sur l’analyse de l’évolution des créations d’entreprises dans la ville de Douala. Il ressort de nos développements que la ville de Douala occupe une place de choix dans la localisation des entreprises au Cameroun. Elle concentre près de 35,1% des entreprises du pays. Cette situation illustre bien la position dominante de cette ville sur l’économie Camerounaise et la forte attraction qu’elle exerce sur les créateurs de richesse.
Toutefois, la grande majorité des entreprises de Douala sont très jeunes, avec près de la moitié des unités de production crées durant les huit dernières années. Les entreprises installées il y a moins de 10 ans représentent 81% du total, contre 0,5% pour celles créées avant 1960. Par ailleurs, l’indice de localisation calculé nous a permis de cerner l’inégale répartition des entreprises et le profil sectoriel des arrondissements de Douala. En effet, la répartition des entreprises par activités dans la ville de Douala confirme le poids dominant des arrondissements centraux (Douala 1er et Douala 2ème), avec une préférence pour les activités de commerces, les activités de Banques et assurances et les activités de transport. Par contre dans les arrondissements périphériques, les activités industrielles dominent.
Après avoir dressé l’état de l’évolution et la tendance des créations d’entreprises dans la ville de Douala, nous avons ensuite réalisé une analyse statistique suivie d’une analyse des données relatives aux variables(37) susceptibles d’expliquer l’attractivité de la ville de Douala pour les entreprises.
Les tests de racines unitaires appliqués sur les différentes variables du modèle montrent que toutes les séries ne sont pas stationnaires en niveau. L’application d’un filtre aux différences premières a permis de les rendre stationnaires. Par ailleurs, L’hypothèse nulle (Ho) selon laquelle il n’existe pas de relation de cointégration entre les variables est retenue car certaines séries sont stationnaires en niveau et d’autres intégrées d’ordre un.
Globalement, les résultats statistiques des variables du modèle sont satisfaisants pour que la régression par les moindres carrés ordinaires (MCO) soit effectuée. Nous présenterons les résultats des estimations et leurs interprétations dans le chapitre suivant.
29 Il s’agit entre autre des déterminants d’ordre industriels, économiques, politiques géographiques, socioculturels,qu’institutionnels.
30 Avec : 0 = absence totale des structures d’animation de l’économie locale et inexistence d’une plateforme de partenariat public-privé dans la ville de Douala. 1 = présence parfaite des structures d’animation de l’économie locale et existence d’une plateforme de partenariat public-privé dans la ville.
31 Les données sur la gouvernance de la Banque Mondiale sont publiées tous les deux ans. Cependant ces données ont été annualisées pour compléter nos séries. (Pour annualiser ces données nous avons utilisé la formule suivante : donnée année N= donnée année N-1 + donnée année N+1 / 2).
32 L’indicateur stabilité politique peut prendre une valeur allant de -2,5 à 2,5. Une valeur élevée indique une bonne stabilité politique dans le pays et inversement.
33 Il s’agit d’un indice composite basé sur des sondages reflétant la perception de la corruption par des milieux d’affaires et des analystes-pays, résidents ou expatriés. Sa valeur se situe entre 0 (une perception de la corruption extrêmement élevée) et 10 (corruption quasi-inexistante).
34 D’après nos calculs (faites sur la base que la richesse créée par la ville de Douala représente environ 31% du PIB national), on constate que le Produit Local Brut (PLB) de la ville de Douala oscille en moyenne autour de 3000 milliards FCFA au cours de la période 1996 à 2009.
35 Élaboré en 1979 et en 1981 par Dickey et Fuller. Ces tests sont les plus utilisés en raison de leur simplicité, mais souffrent également d’un certain nombre de critiques. Rappelons que le test de Dickey Fuller augmenté (ADF) considère trois modèles à la base pour une série Xt, t = 1…T (T étant le nombre total d’observations). Nous avons ainsi le modèle sans constance ni tendance déterministe que nous notons (1), modèle avec constance sans tendance déterministe (2) et le modèle avec constance et tendance déterministe noté (3). Il est à noter que le test de Dickey Fuller augmenté se fait de façon séquentielle en trois grandes étapes en allant du modèle (3) au modèle (1).
36 Voir détail des tests en Annexe N02
37 Nous avons retenu une batterie de neuf variables explicative pour notre fonction d’attractivité