analyse des determinants de l`efficacite energetique dans l`espace

Transcription

European Scientific Journal
April 2013 edition vol.9, No.12
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
ANALYSE DES DETERMINANTS DE L’EFFICACITE
ENERGETIQUE DANS L’ESPACE UEMOA
Wadjamsse Beaudelaire Djezou, PhD
Université de Bouaké/ CIRES - Centre Ivoirien de Recherches Economiques et Sociales,
Côte d’Ivoire
Abstract
Energy saving strategies are key means for developing countries, non-oil producers, to
fight against energy dependency and its huge share in national budget. In this perspective,
this paper investigates the determinants of energy efficiency in WAEMU countries in order to
ensure a sustainable growth. To this end, we used the panel data methodology especially a
robust fixed effects model in the form of error correction model. Firstly, we found a U
relationship between energy intensity and GDP. Secondly, the structure of the WAEMU
economies is a significant determinant of their energy efficiency level in the sense that
industrial and service sectors significantly reduce their energy intensity. However, the study
shows that public sector activities and households’ social and economic behaviors are energy
intensive activities. In the same way, the stock of capital is composed of less energy saving
technologies since it positively affects the energy consumption per unit of output. Finally,
this paper reveals significant differences between WAEMU countries energy intensities.
Keywords: Energy efficiency, WAEMU, panel data
Résumé
La maîtrise de l’énergie représente pour les pays du Sud une nécessité pour faire face
à la dépendance énergétique et son poids budgétaire. Ce papier s’inscrit dans ce cadre en
recherchant les déterminants de l’efficacité énergétique dans l’espace UEMOA en vue de lui
assurer une croissance durable. Pour ce faire, nous avons utilisé la méthodologie des modèles
à correction d’erreur sur les données de panel précisément un modèle à effets fixes. D’abord,
on note une relation en U entre l’intensité énergétique et le PIB. Ensuite, la structure
économique des pays de la zone influence significativement leur intensité énergétique. En
particulier, une économie tournée vers le secteur industriel et tertiaire est de nature à faire des
259
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
économies d’énergie. Par contre, l’étude montre que les activités du secteur public sont
intensives en énergie ainsi que les activités socioéconomiques des ménages. De même, le
stock de capital de la zone est constitué de technologies énergétivores puisqu’il influence
positivement la consommation d’énergie. Enfin, cet article révèle des différences d’intensités
énergétiques entre les pays de l’union.
Mots clés: Efficacité énergétique, UEMOA, Données de panel
Introduction
Le niveau de développement économique et social d’un pays est souvent lié au niveau
de consommation d’énergie (électrique) par habitant. Globalement, l’intensité énergétique de
l’Afrique est supérieure à la moyenne mondiale. On estime que la consommation d’énergies
conventionnelles a suivi un accroissement plus important que le PIB au cours des deux
dernières décennies selon les statistiques de l’Agence Internationale de l’Energie et de la
FAO (Sokona et al., 2004). En effet, entre 1980 et 2000, la consommation d’électricité de
l’Afrique a été multipliée par 2,3 alors que le PIB n’a été multiplié que par 1,6 (Sokona,
2002).
Pourtant le continent connait des problèmes de déficit de l’offre car ces pays ne
disposent pas de capacités de production viables.
Pire encore, la crise énergétique des années 70 a mis à nu l’extrême vulnérabilité des
pays africains en général et de ceux de l’UEMOA 1 en particulier dont l’approvisionnement
en produits pétroliers, source principale de la production électrique d’origine thermique,
provenait essentiellement des importations. En effet, les importations de pétrole représentent
une part de plus en plus élevée des exportations. Au Sénégal, elles ont représenté 43% en
2005 2. Cette dépendance vis-à-vis d’une source d’énergie commerciale a exacerbé la crise
tout en compromettant la compétitivité et la relance de leurs économies.
En plus, avec les augmentations substantielles des prix mondiaux du pétrole (suite aux
chocs pétroliers), et d’autres problèmes comme la réduction des gaz a effets de serre,
l'analyse de la demande d’énergie est devenue une question politique importante. C’est dans
ce cadre que les élasticités de la demande d'énergie ont constitué une solution dans les études
de l'énergie dans les années 1970 et 1980. Ainsi, des études comme celles de Fatai et al.
(2004), Lee (2005), Al Ariani (2006), Mahadevan et Asafu (2006) ont mis en évidence, une
1
En Afrique de l’Ouest, l’électricité est à 60% d’origine fossile (Dia et al, 2009)
2
http://www.cooperation-monaco.gouv.mc visité le 08-02-2011
260
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
certaine corrélation entre la croissance économique et la consommation d’énergie. Autrement
dit, plusieurs auteurs ont établit une corrélation positive entre consommation d’énergie et
croissance économique. Toutefois, dans le cas des pays de l’UEMOA, Okey (2009) trouve
une causalité bi-directionnelle entre la consommation d’énergie et la croissance économique.
Ce qui suggère que la mise en œuvre d’une politique de consommation efficiente d’énergie
n’a aucun effet négatif sur le PIB réel selon l’hypothèse de rétroaction.
Pourtant, toute diminution de la consommation énergétique par tête ou par unité de
production est perçue par beaucoup (à tord) comme une remise en cause du bien-être social.
Bien au contraire, il s’agit plutôt d’une utilisation rationnelle de l’énergie. En effet, la
maîtrise de l’énergie représente pour les pays du Sud, non producteurs de pétrole, une
nécessité pour faire face à la dépendance énergétique et son poids budgétaire. Elle constitue
aussi une réelle opportunité pour un accès plus large à l’énergie commerciale à coût constant
sous l’effet conjugué de l’utilisation rationnelle de l’énergie et la promotion des énergies
renouvelables. Le gaspillage résume toute la problématique actuelle dans les domaines de
l’agriculture, des matières premières, et surtout de l’énergie. Cette idée de gaspillage est
corroborée par le fait que la quantité d’énergie primaire nécessaire pour produire un franc de
Produit National Brut varie non seulement d’un pays à l’autre mais aussi d’une année à
l’autre dans un même pays. Généralement, l’efficacité énergétique peut être décrite comme
une réduction de l’énergie nécessaire pour réaliser le même niveau d’activité (ou alors
effectuer un volume élevé d’activité pour la même quantité d’énergie).
Dès lors, des programmes d’efficacité énergétique sont conçus et mis en œuvre.
Mieux encore, de nombreux indicateurs d'efficacité énergétique ont été développés et
appliquée pour expliquer les différences de performance énergétique entre les pays et pour la
comparaison internationale de ces performances.
C’est dans cette perspective que nous analysons les déterminants de l’efficacité
énergétique dans l’espace UEMOA à partir d’un modèle de données de panel. Cette étude
permettra de dégager des mesures susceptibles de faire des économies substantielles
d’énergie qui contribueront à une croissance harmonieuse et durable de ces économies.
La revue de littérature
Il ya une littérature abondante qui traite de la relation entre la demande d’énergie et la
croissance économique (Stevens, 2000).
Ces études empiriques peuvent être distinguées en deux grandes approches.
Une première approche procède par une analyse bi variée ou multi variée à partir des
séries temporelles individuelles ou en données de panel en se basant sur la théorie de la
261
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
cointégration et des tests de racine unitaire qui conduisent généralement à la détermination
des élasticités prix de la demande d’énergie et des élasticités revenu.
Ainsi, Al-Azzam and Hawdon (1999) ont examiné les élasticités de la demande
d’énergie en Jordanie en utilisant les données annuelles sur la période 1968-1997. Ils trouvent
une relation de long terme entre la consommation d’énergie, le revenu réel, les prix réels de
l’énergie et les activités de construction. Mieux encore ils trouvent que l’élasticité prix de
l’énergie est de -0,22 et -0,08 selon la méthode utilisée ainsi que des élasticités revenu proche
de l’unité. Il en est de même pour Holtedahl et Joutz (2004) en ce qui concerne l’élasticité
revenu mais ils trouvent une élasticité prix de -0,16 dans leur étude sur la consommation
d’électricité au Taiwan pour la période 1955-1996.
Par contre pour le même pays et sur la période 1980-1999, Saed (2004) a obtenu des
élasticités prix et revenu de -1,14 et 1,15 respectivement.
De Vita et al. (2006) ont trouvé pour la Namibie une relation de cointégration entre
consommation d’énergie, le PIB réel et la température et obtenu des élasticités prix et revenu
de -0,3 et 1,3 respectivement en utilisant les données sur la période 1980-2002. La
consommation d’énergie apparait alors élastique au revenu et très sensible à la température
minimale moyenne mais inélastique au prix.
Quant à Al-Rabbaie et Hunt (2004), ils ont trouvé des élasticités prix et revenu
moyennes de -0,09 et 0,96 respectivement en utilisant un test de cointégration en panel
développé par Pedroni (2001) pour 17 pays de l’OCDE sur la période 1960-2000.
De façon spécifique Rao et Rao (2009a) en estimant de demande de pétrole en Fiji sur
la période 1970-2005 révèlent que les élasticités prix et revenu sont de l’ordre de -0,20 et
0,45 respectivement concluant de ce fait en leurs inélasticités. Dans une autre étude ces
auteurs ont trouvé pour le même pays et sur même période que l’intensité énergétique a
baissé de 26% jusqu’en 2005 (Rao and Rao, 2009b) en utilisant les tests de rupture
structurelle de Bai-Perron pour analyser l’efficacité énergétique.
D’autres études utilisent des techniques économétriques modernes pour estimer les
élasticités prix et revenu de la demande d’énergie (Galli, 1998; Judson et al., 1999; Medlock
et Soligo, 2001). En effet, Galli (1998) note une baisse de l’intensité énergétique suite à la
croissance économique dans 10 pays asiatiques en adoptant une forme quadratique du revenu.
Ce résultat est contraire a celui obtenu par Benthem et Romani (2009) lorsqu’ils étudiaient la
relation entre la demande d’énergie, le revenu et les prix dans 24 pays non OCDE durant la
période 1978 à 2003 en adoptant également une forme non linéaire. Ils trouvent aussi que
262
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
l’élasticité prix de la demande d’énergie augmente avec le niveau de prix comme l’élasticité
revenu l’est avec le niveau de revenu.
Il apparait clairement que les élasticités varient d’un pays à l’autre, d’une période
d’étude à l’autre et selon la technique d’estimation utilisée. Ce qui justifie en partie l’étude de
l’intensité énergétique dans les pays de l’UEMOA sur la période 1972-2005 en utilisant des
techniques de l’économétrie moderne sur la cointégration en panel.
Quant à la deuxième approche, elle est basée sur la méthode VAR et le test de
causalité de Granger qui permet d’identifier le sens de causalité entre deux (généralement
entre PIB et consommation d’énergie) ou plusieurs variables (généralement 3).
Ainsi, Kraft et Kraft (1978) trouvent une causalité unidirectionnelle allant du PIB à la
consommation d’énergie. De même selon Jumbe (2004) il existe une causalité
unidirectionnelle allant du PIB à la consommation d’électricité au Malawi. Ce qui suppose
qu’une augmentation permanente du PIB cause une hausse permanente de la consommation
d’électricité. Zamani (2006) confirme cette hypothèse en analysant la relation entre les
activités économiques et la consommation d’électricité en Iran sur la période 1967-2003.
Aussi, une causalité unidirectionnelle dans le même sens a t-elle été mise en évidence par
Masih et Masih (1998) pour la Taiwan et la Corée. Ce résultat est également soutenu par Lise
et Montfort (2007) pour la Turquie en utilisant les données annuelles de 1970-2003.
Par contre, l’étude menée par Narayan et Singh (2007) a conduit à une causalité
unidirectionnelle de long terme de la consommation d’électricité vers le PIB dans son analyse
sur la relation existant entre la consommation électrique, le PIB réel et le facteur travail en
Fiji sur la période 1971-2002. Ce résultat est une confirmation de celui obtenu auparavant par
Wolde-Rufael (2004) pour le cas de Shanghai sur la période 1952-1999 à partir d’une
désagrégation des données sur la consommation d’énergie.
Nous notons l’étude de Wolde-Rufael (2005) sur les pays africains et qui trouve sur la
période 1971-2002, une causalité unidirectionnelle de la consommation d’énergie vers la
croissance économique pour le Bénin.
Récemment encore une étude menée par Okey (2009) dans le cadre des pays de
l’UEMOA révèle qu’à long terme, il y a une causalité bidirectionnelle entre la croissance du
PIB et la demande d’énergie.
Ces résultats mettent ainsi en évidence la dépendance énergétique de la croissance
économique ; Ce qui justifie l’étude de l’efficacité énergétique pour les pays exclusivement
importateurs de pétrole (d’énergie) comme ceux de l’UEMOA.
263
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
La Méthode d‘analyse
Nous partons d’un modèle général inter temporel de production de type 𝐾𝐿𝐸 (capital,
travail, énergie). La production 𝑌est fonction de tous les facteurs 𝑋 (capital, travail,
énergie,…) qui entrent dans le processus de production. Donc, 𝑌 = 𝑓(𝑋1 , 𝑋2 , … , 𝑋𝑛 ).
La résolution du problème énoncé ci-dessus (minimisation du cout sous contrainte
d’un niveau de production donné) permet de dériver les fonctions de demande qui se
présentent de la façon suivante:
𝑋 = 𝑋(𝐶, 𝑃) où 𝐶 est le coût du facteur de production et 𝑃 est le niveau de
production.
Contrairement aux études antérieures sur la demande d’énergie, les études récentes
s’inscrivent dans un cadre multivarié avec plus de trois variables car les analyses bivariées
conduisent généralement à des biais d’omission de variables. En effet, d’une manière
générale, l’intensité énergétique est expliquée à long terme par le revenu par tête, et le prix de
l’énergie. Cependant, elle résulte en partie selon Percebois (1989, 2000) de choix
technologiques, de comportements socioéconomiques et de la structure productive de
l’économie. Ainsi, Narayan et Smyth (2009) introduisent les exportations parmi les variables
explicatives tandis qu’Aspergis et Paygne (2009) incluent la formation brute du capital fixe et
le travail dans leur modèle.
Dans le cas de la demande d’énergie ou plus précisément de l’intensité énergétique au
niveau du panel de pays de l’UEMOA, notre équation prend la forme suivante:
𝐸𝑖𝑡 = 𝑓(𝑆𝐸𝑖𝑡 , 𝑉𝐴𝑖𝑡 , 𝐹𝐵𝐶𝑖𝑡 , 𝐷𝐸𝑃𝑀𝑖𝑡 , 𝐷𝐸𝑃𝐺𝑖𝑡 , 𝑃𝑖𝑡 ) avec i désignant les pays et t le temps.
𝐸𝑖𝑡 est l’intensité énergétique qui est la quantité d’énergie pour produire une unité de
bien par le pays i au temps t. C’est la demande d’énergie du système productif national.
𝑆𝐸𝑖𝑡 , est la structure de l’économie décomposée en valeur ajoutée selon les secteurs
primaire (agri_vait), secondaire (indus_vait) et tertiaire (ser_vait). Cette variable nous
renseigne sur l’influence de la structure des économies de l’espace sur le contenu énergétique
du PIB.
𝑉𝐴𝑖𝑡 , est la valeur ajoutée totale (PIB) aux coûts des facteurs. C’est la richesse
nationale.
𝐹𝐵𝐶𝑖𝑡 , est la formation brute de capital pour capter l’effet du stock de capital.
𝐷𝐸𝑃𝑀𝑖𝑡 , est la dépense des ménages pour voir comment les ménages participent à
l’efficacité énergétique. Cette variable permet de prendre en compte le comportement
socioéconomique des ménages.
264
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
𝐷𝐸𝑃𝐺𝑖𝑡 , est la dépense publique qui permet de capter l’action de l’Etat (l’activité du
secteur public) sur la consommation d’énergie du système productif national.
𝑃𝑖𝑡 , est l’indice des prix à la consommation qui est utilisé comme proxy du prix de
l’énergie.
Suivant Medlock et Soligo (2001), Galli (1998), Judson et al. (1999) et Benthem et
Romani (2009) nous adoptons une relation non linéaire entre la demande d’énergie et le
revenu (PIB). De façon spécifique nous optons pour une forme quadratique (Benthem et
Romani, op.cit) dans la mesure où selon villa (2000), les intensités énergétiques présentent
plus souvent des courbes en U.
Dès lors la forme définitive retenue pour l’estimation des déterminants de l’intensité
énergétique en zone UEMOA est la suivante:
𝐸𝐼𝑖𝑡 = 𝛼0 + 𝛼1 𝑆𝐸𝑖𝑡 + 𝛼2 𝑉𝐴𝑖𝑡 + 𝛼3 (𝑉𝐴𝑖𝑡 )2 + 𝛼4 𝐹𝐵𝐶𝑖𝑡 + 𝛼5 𝐷𝐸𝑃𝑀𝑖𝑡 + 𝛼6 𝐷𝐸𝑃𝐺𝑖𝑡 + 𝛼7 𝑃𝑖𝑡
+∈𝑖𝑡
Nous faisons la transformation logarithmique des données qui a l’avantage d’être
stabilisante et normalisante. En plus, elle facilite l’interprétation des résultats qui se
présentent en termes d’élasticité. Sous la forme logarithmique, notre modèle se présente
comme suit:
𝑙𝑛𝐸𝐼𝑖𝑡 = 𝛽0 + 𝛽1 𝑙𝑛𝑆𝐸𝑖𝑡 + 𝛽2 𝑙𝑛𝑉𝐴𝑖𝑡 + 𝛽3 (𝑙𝑛𝑉𝐴𝑖𝑡 )2 + 𝛽4 𝑙𝑛𝐹𝐵𝐶𝑖𝑡 + 𝛽5 𝑙𝑛𝐷𝐸𝑃𝑀𝑖𝑡
+ 𝛽6 𝑙𝑛𝐷𝐸𝑃𝐺𝑖𝑡 + 𝛽7 𝑙𝑛𝑃𝑖𝑡 +∈𝑖𝑡
Ici l’élasticité revenu (𝑒𝑅 ) de l’intensité énergétique est donnée par l’expression
suivante: 𝑒𝑅 = 𝛽2 + 2𝛽3 𝑙𝑛𝑉𝐴𝑖𝑡 .
Source des données et procédure d’estimation
La présente étude utilise les données secondaires. Ce sont les données annuelles de
1972 à 2005 obtenues à partir du World Development Indicator (2007), sur le Bénin, la Côte
d’Ivoire, le Sénégal et le Togo. Les données concernent le PIB réel, la consommation
d’électricité, la valeur ajoutée agricole, la valeur ajoutée industrielle, la valeur ajoutée des
services, les dépenses des ménages, les dépenses publiques, la formation brute du capital, et
les indices des prix à la consommation pris comme proxy du prix de l’énergie.
Ce sont donc des données de panel qui seront traitées conformément selon la
méthodologie des données de panel c'est-à-dire l’analyse de la stationnarité, de la
cointégration, le test de la présence d’effets spécifiques et le test de Hausman pour le choix
entre le modèle a effets fixes et le modèle à effets aléatoires.
Dans le traitement économétrique nous utilisons le logarithme des ces variables.
265
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Nous procédons d’abord par les tests de racine unitaire en panel (Imp-shin, Fisher,
Levinlin), ensuite le test de cointégration en panel (westerlund)
Test de racine unitaire en panel
La première étape du processus d’estimation consiste à examiner les propriétés des
séries (stationarité et ordre d’intégration) temporelles de nos données. A ce niveau, les
développements récents de la littérature suggèrent que les tests de racine unitaire sur données
de panel sont plus puissants que les tests sur séries chronologiques individuelles.
Les tests développés récemment sont celui de Breitung (2000), le test de Hadri
(2000), le test de Levin et Lin (2002) et le test de Im Pesaran et Shin (2003). Nous utiliserons
dans le cadre de cette étude les deux derniers tests. Les résultats obtenus sont résumés dans le
tableau 1 suivant.
lIE
DlIE
Lfbc
Dlfbc
lva
Dlva
lagri_va
Dlagri_va
lindus_va
Dlindus_va
lser_va
Dlser_va
lh_exp
Dlh_exp
lgov_exp
Dlgov_exp
Lpic
Dlpic
Tableau 1: résultats des tests de racine unitaire en panel
IPS
LEVINLIN
coef
pvalue
Coef
-2,92
0,002
-0,59
-7,84
0,000
-1,61
-1,85
0,032
-0,41
-2,87
0,002
-0,96
-0,87
0,191
-0,38
-4,27
0,000
-1,08
-2,68
0,004
-0,52
-7,93
0,000
-1,45
-1,72
0,043
-0,32
-4,37
0,000
-0,96
0,196
0,578
-0,22
-2,23
0,013
-0,77
0,43
0,668
-0,22
-3,41
0,000
-1,02
-0,96
0,169
-0,32
-4,22
0,000
-1,01
-0,75
0,226
-0,26
-3,90
0,000
-0,85
Source: Auteur
Pvalue
0,008
0,000
0,040
0,051
0,213
0,000
0,002
0,000
0,017
0,057
0,636
0,043
0,363
0,042
0,074
0,000
0,038
0,000
Les résultats des tests de racine unitaire en panel sont concordants et montrent que
toutes les variables sont intégrées d’ordre un sauf les variables lIE, lfbc, lagri_va, et
lindus_va qui sont stationnaires à niveau.
En différence première, l’hypothèse de racine unitaire est rejetée pour l’ensemble des
variables d’analyse. En somme, on peut dire que toutes les séries en panel sont intégrées
d’ordre 1 comme l’atteste les statistiques de Levinlin.
Test de cointégration
Sur la base des résultats du test de racine unitaire en panel, nous procédons au test de
cointégration en panel. Le concept de cointégration peut être défini comme un co-mouvement
systématique à long terme entre deux ou plusieurs variables économiques (Yoo, 2006). La
266
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
littérature sur les tests de cointégration en panel est récente et se développe d’une manière
très rapide. Hurlin et Mignon (2007) ont fournit une présentation détaillée des divers tests.
En particulier, Westerlund (2007) a développé quatre nouveaux tests de cointégration
qui sont basés, non pas sur les résidus mais sur la dynamique structurelle des relations et qui
par conséquent n’imposent aucune restriction sur les facteurs communs.
L’idée est de tester l’hypothèse nulle de non cointégration en vérifiant si le terme de
correction d’erreur dans le modèle à correction d’erreur construit à cet effet est
significativement égal à zéro. Les quatre tests sont normalement distribués et accommodent
assez bien les dynamiques individuelles de courte période, les tendances, les paramètres
spécifiques aux individus et les dépendances intra individus. Les deux derniers tests (Pt et Pa)
permettent de tester l’hypothèse nulle d’absence de cointégration contre l’hypothèse
alternative selon laquelle le panel dans son ensemble est cointégré alors que les deux
premiers tests (Gt et Ga) testent l’alternative d’existence d’au moins un individu pour lequel
les variables sont cointégrées.
Nous adoptons ce test de cointégration pour tester l’existence d’une relation de long
terme entre l’intensité énergétique et ses déterminants dans notre panel. Les résultats obtenus
sont résumés dans le tableau 2.
Tableau 2: test de cointégration en panel (Westerlund 2007)
lIE et lser_va
lIE et lh_exp
lIE et lgov_exp
Statistiques
Gt
Ga
Pt
Pa
Coef
-2,26
11,67
-5,50
13,79
Pvalue
0,142
0,048
0,005
0,000
Coef
-2,04
-8,04
-4,60
-8,47
pvalue
0,137
0,229
0,004
0,000
coef
-2,67
-10,91
-5,33
-10,73
pvalue
0,023
0,083
0,007
0,002
Tableau 2 (suite)
lIE et lva
lIE et lagri_va
lIE et lfbc
Statistiques
Gt
Ga
Pt
Pa
coef
-2,27
-9,16
-5,54
-11,91
Pvalue
0,28
0,37
0,044
0,028
coef
pvalue
-2,02
0,291
-8,80
0,271
-5,40
0,006
12,19
0,000
Source: auteur
coef
-2,41
-8,75
-5,38
-10,78
pvalue
0,08
0,27
0,006
0,002
lIE et lipc
coef
-2,51
12,33
-5,09
14,20
pvalue
0,077
0,049
0,005
0,000
lIE et lindus_va
coef
-2,42
-12,98
-5,29
-14,49
pvalue
0,075
0,016
0,008
0,000
Ces résultats suggèrent que l’hypothèse de non cointégration peut être rejetée au seuil
de 1% pour la plupart des variables en ce qui concerne le panel tout entier (selon les
statistiques Pt et Pa). Il existe bien un mécanisme à correction d’erreur. A long terme, les
séries ont des évolutions similaires car les déséquilibres de court terme entre les variables se
compensent dans le temps.
267
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
En somme, le modèle à correction d’erreur peut être adopté pour le panel tout entier et
même pour certains pays pris individuellement comme l’attestent certaines statistiques Gt et
Ga.
Test de spécification des effets individuels
Nous effectuons d’abord le test de Fisher qui permet de vérifier la spécification
homogène ou hétérogène du processus générateur des données. En effet, ce test revient à
déterminer si l’on est en droit de supposer que le modèle étudié est parfaitement identique
pour tous les pays ou au contraire s’il existe des spécificités propres à chaque pays. Le rejet
de l’hypothèse nulle d’absence d’effets individuels dans cette étude (voir tableau A1 en
annexe) conduit à effectuer le test de Hausman pour déterminer sa nature (fixe ou aléatoire).
Le test de Hausman permet d’accepter l’hypothèse nulle selon laquelle les effets
spécifiques à chaque pays peuvent être corrélés avec les variables du modèle ou de manière
alternative, que ces effets sont orthogonaux à ces variables explicatives. En d’autres termes,
le test de Hausman nous permet de choisir entre le modèle à effets fixes (1) et le modèle à
effet aléatoire (2). Les résultats obtenus dans cette étude conduisent au rejet de l’hypothèse
nulle donc à l’estimation du modèle à effets fixes (voir tableau A2 en annexe). Nous estimons
notre modèle à correction d’erreur en panel en deux étapes. La première étape consiste à
estimer la relation de long terme tandis que la dynamique de court terme est établie en
seconde étape.
Résultats
A l’issue des différents tests effectués, nous avons retenu un modèle à effets fixes
dont les estimations des paramètres par le logiciel STATA version 10 sont consignées dans
les tableaux 3 et 4 pour la relation de long terme et la dynamique de court terme
respectivement.
268
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Relation d’équilibre de long terme
Tableau 3: estimation de la relation de long terme du modèle à effets fixes.
lEI |
lagri_va
lindus_va
lser_va
lfbc
lva
lva2
lh_exp
lgov_exp
lipc
_Ipays_2
_Ipays_3
_Ipays_4
_cons
|
|
|
|
|
|
|
|
|
|
|
|
|
Coef.
-.0469722
-.3029685
-.5800365
.1364067
-1.373805
.0551398
.2471372
.2135108
-.247794
.884306
.8422027
.6456762
5.711083
Std. Err.
.1028918
.1044397
.1941749
.0692362
.5858256
.0189909
.3245472
.0662963
.2038424
.2238866
.1072462
.0871134
3.148303
Number of observation: 128
t
-0.46
-2.90
-2.99
1.97
-2.35
2.90
0.76
3.22
-1.22
3.95
7.85
7.41
1.81
P>|t|
0.649
0.005
0.004
0.052
0.021
0.005
0.448
0.002
0.227
0.000
0.000
0.000
0.073
P.value: 0,0000
[95% Conf. Interval]
-.2512108
-.5102797
-.9654707
-.0010261
-2.53666
.0174432
-.3970839
.0819138
-.652418
.4398947
.6293206
.4727575
-.5382497
.1572664
-.0956573
-.1946023
.2738395
-.2109505
.0928364
.8913582
.3451079
.15683
1.328717
1.055085
.8185949
11.96042
R-squared: 0,9389
Source: Auteur
La plupart des variables sont significatives. Ce sont les variables
lindus_va(-),
lser_va(-), lva (-), lipc(-), lfbc(+), lh_exp(+), lgouv_exp(+) lva_fcst2 (+).
Les variables lindus_va, lser_va, et lipc contribuent à une efficacité énergétique. En
effet, une structure de l’économie orientée vers l’industrialisation et le secteur tertiaire (le
processus normal du développement de l’économie) a un impact positif sur la réduction de la
consommation énergétique. En clair, une industrialisation de plus en plus poussée des
économies de l’UEMOA permet de réaliser des économies d’échelle et par conséquent des
économies d’énergie par bien produit et donc d’accroître l’efficacité énergétique. Aussi, le
développement des services qui sont par nature peu énergétivores participe t-il à cette
efficacité énergétique. Toutefois, le caractère non linéaire de la relation entre l’intensité
énergétique et le PIB révèle qu’il y a un niveau de revenu à partir duquel l’intensité
énergétique augmente. En effet, dans les premières phases de croissance les pays
consomment moins d’énergie conventionnelle dans la mesure où leurs économies sont basées
sur une agriculture non motorisée plutôt consommatrice d’énergie humaine. Mais, à un stade
avancé de leur économie (développé) ils intensifient leur consommation énergétique par unité
de produit. Ce résultat confirme hypothèse d’une relation en U entre consommation d’énergie
et PIB obtenu par certains auteurs comme Benthem et Romani (2009). Ce qui est contraire à
celui de Galli (1998) dans le cas de 10 pays asiatiques en voie de développement.
269
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Les prix de l’énergie comme attendu ont un impact négatif sur la consommation
d’énergie mais ils restent non significatifs bien que l’élasticité prix (environ -0,25) obtenu
soit proche de celle trouvée par plusieurs études.
Par contre, le stock de capital, les dépenses des ménages et les dépenses publiques ont
un impact négatif sur l’efficacité énergétique. En effet, la nature énergétivore du stock de
capital constitue un frein pour une efficacité énergétique. De même, le secteur public et le
secteur des ménages (dépenses des ménages) ne semblent pas agir dans le sens d’une
économie d’énergie. En effet, les activités des ménages et des administrations publiques sont
de grandes consommatrices d’énergie (gaspillage) surtout par l’utilisation d’appareils
électroménagers et des bâtiments moins économes en énergie. Ce résultat est surement lié au
comportement non rationnel en énergie des unités de ces secteurs.
Par ailleurs, les différences individuelles (pays) dans l’intensité énergétique sont
significatives. Il s’agit de facteurs a-temporels ou structurels comme la position
géographique, les dotations en ressource et infrastructures énergétiques etc. Par exemple, il
apparait que la Côte d’Ivoire consomme plus d’énergie par unité de produit que le Benin. Il
en est de même pour le Sénégal et le Togo. Toutefois, l’activité économique en Côte d’Ivoire
demeure la plus intensive en énergie.
La dynamique de court terme
Comme attendu, le coefficient du terme à correction d’erreur (force de rappel vers
l’équilibre) est négatif et significativement différent de zéro au seuil statistique de 1%. Il
existe bien un mécanisme à correction d’erreur c'est-à-dire un rattrapage qui permet de tendre
vers la relation de long terme. En effet, les déséquilibres entre l’intensité énergétique, le PIB,
la structure de l’économie, le stock de capital, le prix de l’énergie, les dépenses publiques et
des ménages se compensent de sortent que ces séries ont des évolutions similaires dans le
long terme. En particulier, on arrive à ajuster environ 74% du déséquilibre entre l’intensité
énergétique et ses déterminants.
A court terme, seuls le degré d’évolution de la structure des économies et le taux de
croissance des investissements ont une influence significative sur le taux de consommation
énergétique des pays de l’union. En particulier, le taux de croissance du secteur agricole a des
effets positifs sur l’efficacité énergétique dans le court terme. Cette situation pourrait
s’expliquer par le fait que l’économie de ces pays est basée sur une agriculture qui est peu
consommatrice d’énergie moderne (moins motorisée) puisqu’elle est de type traditionnel et
utilise plus l’énergie humaine (main d’œuvre).
270
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Tableau 4: la dynamique de court terme
D.lEI |
Dlagri_va
Dlindus_va
Dlser_va
Dlfbc
Dlva
Dlva2
Dlh_exp
Dlgov_exp
Dlipc
_Ipays_2
_Ipays_3
_Ipays_4
Lresidu1
_cons
Coef.
| -.3111263
|-.25886
|-.5310806
|.2460264
|.9597716
|-.0318388
|-.0820972
| .0679479
|-.0099303
|-.0036225
|-.0151082
|-.0203692
|-.7392572
| .0464707
Number of observation:124
Std. Err.
.0871805
.0675718
.1347005
.0600705
1.063354
.0396285
.1050785
.1052859
.1881852
.031318
.032447
.0382809
.1254926
.0339112
P.value:0,0000
t
P>|t|
-3.57
-3.83
-3.94
4.10
0.90
-0.80
-0.78
0.65
-0.05
-0.12
-0.47
-0.53
-5.89
1.37
0.001
0.000
0.000
0.000
0.369
0.424
0.437
0.520
0.958
0.908
0.643
0.596
0.000
0.174
-.4842997
-.3930831
-.7986466
.1267037
-1.152451
-.110556
-.2908227
-.1411897
-.3837371
-.0658319
-.0795602
-.0964096
-.9885328
-.0208897
-.137953
-.1246369
-.2635147
.365349
3.071994
.0468784
.1266283
.2770854
.3638765
.0585869
.0493439
.0556711
-.4899816
.113831
R-squared:0,6368
Source: Auteur
Conclusion
Cette étude vise à analyser l’efficacité énergétique pour permettre aux pays de
l’UEMOA qui sont importateurs d’énergie (pétrole) à assurer de façon durable leur
croissance économique qui reste tributaire de l’énergie. Pour bien mener cette étude, nous
avons adopté les outils modernes de la méthodologie des données de panel. Après avoir
effectués les divers tests qu’exige ce type de données, nous avons retenu le modèle à effets
fixes sous la forme d’un modèle à correction d’erreur. L’estimation de ce modèle a donné les
résultats suivants.
D’abord, l’étude révèle une relation en U entre l’intensité énergétique et le PIB.
Ensuite, la structure économique des pays de l’UEMOA influence significativement leur
intensité énergétique. En effet, le développement des secteurs industriels et des services est
de nature à améliorer l’efficacité énergétique de ces économies. Enfin, ce papier met en
évidence à la fois le gaspillage énergétique qui a cours dans les administrations et au sein des
ménages et l’accumulation de capital moins économe en énergie.
Par conséquent des mesures s’imposent en vue d’une efficacité énergétique dans
l’union. Il s’agit de:
-
accélérer le développement économique par le développement des secteurs industriels
et des services.
-
l’implication effective et soutenue de l’Etat pour impulser ce mouvement (cette
dynamique)
271
-
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
investir dans les technologies économes en énergie y compris les appareils
électroménagers et les bâtiments.
-
inciter les entreprises à investir dans les technologies économes en énergie
-
favoriser les transferts de technologies économes en énergie.
-
sensibiliser les fonctionnaires (usagers des biens publics) et les ménages à un
comportement plus économe en matière d’énergie (bien fermer les salles climatisées,
éteindre la lumière et le climatiseur après le travail, utiliser les ampoules
économiques, les appareils électroménagers neufs,…)
References:
Al-Azzam, A. and Hawdon, D. (1999) ‘Estimating the demand for energy in Jordan: a StockWatson dynamic OLS (DOLS) approach,’ Surrey Energy Economics Centre, Department of
Economics, University of Surrey.
Al-Iriani, Mahmoud, A. (2006), “Energy-GDP relationship revisited: An example from GCC
countries using panel causality”, Energy Policy, 34, pp. 342-350.
Al-Rabbaie, A. and Hunt, L.C. (2004) ‘Panel unit roots and cointegration: evidence for
OECD energy demand,’ IAEE European Conference paper (Zurich), 1-24.
Aspergis, Nicholas and Payne, James, E. (2009), “Energy consumption and economic growth
in Central America: Evidence from a panel cointegration and error correction model”, Energy
Economics, 31, 211–216.
Bethem A. V. and Romani, M. (2009), Fuelling growth: What drives Energy Demand in
Developing Countries?, The Energy Journal, vol. 30, no. 3, pp: 91-114
Breitung, J. (2000), “The local power of some unit root tests for panel data”, Advances in
Econometrics, 15, 161–177.
De Vita, G., Endresen, K. and Hunt, L.C. (2006) ‘An empirical analysis of energy demand in
Namibia,’ forthcoming in Energy Policy.
Dia, D., Fall C. S., NDOUR A., SAKHO-JIMBIRA M. S. (2009), Le sénégal face à la crise
énergétique mondiale : enjeux de l’émergence de la filière des biocarburants, rapport d’étude,
Institut sénégalais de Recherches Agricoles.
Fatai, K., L., Oxley et F., G., Scrimgeour (2004), “ Modelling the causal relationship between
energy consumption and GDP in New Zealand, Australia, India, Indonesia, The Philippines
and Thailand”, Mathematics and Computers in Simulation. 64, pp. 431–445.
Galli, R. (1998), The relationship between energy and income levels: Forecasting long term
energy demand in Asian emerging countries, The Energy Journal 19(4): 85-105
272
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Holtedahl, P. and Joutz, F.L. (2004) ‘Residential electricity demand in Taiwan,’ Energy
Economics, 26, 201-224.
Hurlin, Christophe et Mignon, Valérie (2007), “ Une synthèse des tests de cointégration sur
données de Panel ”, Économie et Prévision 2007/ 4, n° 180-181, p. 241-265.
Im, Kyung, S.; Pesaran, Hashem, M. and Shin, Yongcheol (2003), “Testing for Unit Roots in
Heterogeneous Panels.”, Journal of Econometrics, 115, 53-74
Judson, R. A., R. Schmalensee and T. M. Stoker (1999), Economic development and the
structure of the demand for commercial energy, The Energy Journal 26(2): 29-57
Jumbe, C.B.L. (2004) ‘Cointegration and causality between electricity consumption and
GDP: empirical evidence from Malawi,’ Energy Economics, 26, 61-68.
Kraft, J., and Kraft, A. (1978), “On the relationship between energy and GNP”, Journal of
Energy and Development, 3, 401–403.
Lee, Chien-Chiang and Chang, Chun-Ping (2005), “Structural breaks, energy consumption,
and economic growth revisited: evidence from Taiwan”, Energy Economics, 27 (6), pp. 857–
872.
Levin, Andrew; Lin Chien-Fu, and Chu, C., S., J. (2002), “Unit Root Test in Panel Data:
Asymptotic and Finite Sample Properties”, Journal of Econometrics,108, pp.1-24.
Lise, W. and Montfort, K.V. (2007) ‘Energy consumption and GDP in Turkey: Is there a cointegration relationship?’ Energy Economics, 29, 1166-1178.
Mahadevan, R. et Asafu-Adjaye, J. (2006), “Energy consumption, economic growth and
prices: A reassessment using panel VECM for developing countries”, Universtity of
Queensland, Australia.
Masih, A., M., M., and Masih, R. (1998), “A multivariate co integrated modeling approach in
testing temporal causality between energy consumption, real income and prices with an
application to two Asian LDCs ”, Applied Economics, 1998, 30 (10), 1287–1298.
Masih, A.M.M and Masih, R. (1996b) ‘Energy consumption, real income and temporal
Causality: results from multi country study based on cointegration and error correction
modeling technique, Energy Economics, 18, 165-183.
Masih, R. and Masih, A.M.M (1996a) ‘Stock-Watson dynamic OLS (DOLS) and error
correction modelling approaches to estimating long- and short-run elasticities in a demand
function: New evidence and methodological implications from an application to the demand
for coal in Mainland China,’ Energy Economics, 20, 315-334.
Medlock, K.B. and R. Soligo (2001), Economic Development and End use Energy Demand,
The Energy Journal 22(2): 77-105
273
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Narayan, P.K. and Singh, B. (2007) ‘The electricity consumption and GDP nexus for the Fiji
Islands, Energy Economics, 29, 1141-1150.
Narayan, Paresh, K., and Smyth, Russell (2009), “Multivariate granger causality between
electricity consumption, exports and GDP: Evidence from a panel of Middle Eastern
countries”, Energy Policy, 2009, 37, 229–236.
Okey, Mawussé Komlagan Nézan (2009), Energy consumption and GDP growth in WAEMU
countries: A panel data analysis, MPRA Paper No. 15521.
Pedroni, P. (2001) ‘Purchasing power parity tests in cointegrated panel,’ The Review of
Economics and Statistics, 83, 727-731.
Percebois J. (1989), Economie de l’énergie, Ed. Economica, Paris.
Percebois J. (1999), L’apport de la théorie économique aux débats énergétiques, Revue de
l’Énergie, n° 509, PP. 473- 488.
Rao, B.B. and Rao, G. (2009a) ‘Cointégration and the demand for gasoline,’ Energy Policy,
37, 3978-3983.
Rao, B.B. and Rao, G. (2009b) ‘Structural breaks and energy efficiency in Fiji,’ Energy
Policy, 37, 3959-3966.
Rufael, Wolde, Y. (2005), “Energy demand and economic growth: the African experience”,
Journal of Policy Modeling, 27 (8), 891–903.
Saed, A.A.J. (2004), Estimation of total energy consumption in Jordan 1980-1999: Evidence
from cointegration and stock, Journal of Economic and Administrative Sciences, 20, 71-82.
Sokona, Y., Sarr, Sécou et Thomas, Jean, P.(2004), “Les Enjeux des Technologies d’Energie
Renouvelable dans la lutte contre la désertification ”, Conférence des Ministres Africains de
l’Energie UNCCD, Nairobi, Kenya.
Sokona Youba (2002), La maîtrise de l’énergie en Afrique de l’Ouest, les cahiers de global
chance n°16.
Stevens, P. (2000), Energy Economics: A survey part 1, Journal of Energy Literature 4(2),
pp. 3-31.
Villa, P. (2000), « Evolution sur longue période de l’intensité énergétique »,in La revue du
CEPII, n°82, deuxième trimestre, la documentation française, Paris.
Westerlund, J. (2007). “Testing for Error Correction in Panel Data”. Oxford Bulletin of
Economics and Statistics 69(6): 709-748.
Wolde-Rufael, Y. (2004) ‘Disaggregated industrial energy consumption and GDP: the case of
Shanghai, 1952–1999,’ Energy Economics, 26, 69-75.
World Development Indictors (2007), World Bank: Washington DC.
274
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Yoo, S., H. (2006), “The causal relationship between electricity consumption and economic
growth in the ASEAN countries”, Energy Policy, 34 (18), 3573–3582.
Zamani, M. (2006) ‘Energy consumption and economic activities in Iran,’ Energy
Economics, 29, 1135-1140.
Annexe
Tableau A1: Test de présence d’effets spécifiques
xtreg lEI lagri_va lindus_va lser_va lfbc lva lva2 lh_exp lgov_exp lipc, fe
Fixed-effects (within) regression
Number of obs
=
128
Group variable: pays
Number of groups
=
4
R-sq:
within
= 0.8815
Obs per group: min =
13
between = 0.2266
avg =
27.3
overall = 0.5753
max =
32
corr(u_i, Xb)
= -0.1279
F(9,96)
=
79.34
Prob > F
=
0.0000
-----------------------------------------------------------------------------lEI |
Coef.
Std. Err.
t
P>|t|
-------------+---------------------------------------------------------------lagri_va |
-.0469722
.1163815
-0.40
0.687
-.2779877
.1840433
lindus_va |
-.3029685
.1048465
-2.89
0.005
-.5110871
-.0948499
lser_va |
-.5800365
.1653205
-3.51
0.001
-.9081951
-.2518778
lfbc |
.1364067
.0558117
2.44
0.016
.0256214
.247192
lva |
-1.373805
.3966689
-3.46
0.001
-2.161187
-.5864236
lva2 |
.0551398
.0138194
3.99
0.000
.0277085
.082571
lh_exp |
.2471372
.1690026
1.46
0.147
-.0883304
.5826047
lgov_exp |
.2135108
.0688482
3.10
0.003
.0768481
.3501735
lipc |
-.247794
.131562
-1.88
0.063
-.5089424
.0133544
_cons |
6.407504
2.500687
2.56
0.012
1.44368
11.37133
-------------+---------------------------------------------------------------sigma_u |
.40881329
sigma_e |
.11878558
rho |
.92214663
(fraction of variance due to u_i)
-----------------------------------------------------------------------------F test that all u_i=0:
F(3, 96) =
49.16
Prob > F = 0.0000
Source: Auteur
Remarque: le test conclut à la présence d’effets spécifiques. Ce qui conduit à faire le test
de Hausman pour déterminer la nature de ces effets spécifiques (fixes ou aléatoires).
275
ISSN: 1857 – 7881 (Print) e - ISSN 1857- 7431
Tableau A2: Test de Hausman
hausman fixe
---- Coefficients ---|
(b)
(B)
(b-B)
sqrt(diag(V_b-V_B))
|
fixe
.
Difference
S.E.
-------------+---------------------------------------------------------------lagri_va |
-.0469722
-.7336359
.6866637
lindus_va |
-.3029685
.484864
-.7878325
.0490361
.
lser_va |
-.5800365
-1.063968
.4839316
.
lfbc |
.1364067
.0833437
.053063
.
lva |
-1.373805
-.5272645
-.8465406
.
.
lva2 |
.0551398
.0281884
.0269514
lh_exp |
.2471372
.7581973
-.5110602
.
lgov_exp |
.2135108
.14664
.0668708
.
lipc |
-.247794
-.6577996
.4100055
.1115181
-----------------------------------------------------------------------------b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test:
Ho:
difference in coefficients not systematic
chi2(9) = (b-B)'[(V_b-V_B)^(-1)](b-B)
=
669.59
Prob>chi2 =
0.0000
(V_b-V_B is not positive definite)
Source: Auteur
Remarques:
Le test de Hausman est un test de spécification qui permet de discriminer les effets
fixes et aléatoires. En effet, ce test permet de déterminer si les coefficients des deux
estimations (fixe et aléatoire) sont statistiquement différents. L’idée de ce test est que sous
l’hypothèse nulle d’indépendance entre les erreurs et les variables explicatives, les deux
estimateurs sont non biaisés donc les coefficients devraient peu différer. Le rejet de
l’hypothèse nulle conduit au choix du modèle à effets fixes.
276

analyse des determinants de l`efficacite energetique dans l`espace

Transcription

Documents pareils

Part 1: Cette photo s`intitule Energie, des ressources mal reparties c

Integrated washer-dryers - Canadian Appliance Source

« Pourquoi j`aime faire partie du panel MBAweb » Texte rédigé par

Sommaire

Consommation et économies d`énergie

Mise en place dùn système dìnstrumentation et de contrôle dùne

job description - Ivaco Rolling Mills

FORUM D`AFFAIRES CANADA

Offre d`emploi : Ingénieur - Electronique de puissance

lusac