1
SIMILARITE, COMMERCE ET INTEGRATION ECONOMIQUE REGIONALE AU
SEIN DE LA CEMAC: UNE APPLICATION DE L’APPROCHE ECONOMETRIQUE
SPATIALE SUR DONNEES DE PANEL
NOUWOUE NJOFANG D. Guylaine
Ministry of economy, planning and regional development, Yaounde-Cameroon
August 2013
1- Introduction
A la fin des années 60, les pays d’Afrique subsaharienne, dans un souci idéologique commun
de s’éloigner de l’oppression coloniale, ont recherché des modèles de substitution aux
importations. Il s’est agi de mettre en œuvre des politiques macroéconomiques et sectorielles
favorisant les biens et services locaux en instaurant des barrières tarifaires, en harmonisant
progressivement les législations, et en renforçant l’intégration économique. A titre d’exemple,
la stratégie de mise en œuvre du projet d’intégration économique africaine définie par
l’Organisation de l’Union Africaine en 1968 et relayée par l’Union Africaine en 2002
s’articule autour d’une dynamique de convergence, d’harmonisation et d’unification des
schémas régionaux d’intégration. Il s’est agi à ce stade de communautarisation1 des
économies africaines, basée sur la décentralisation au sein des différents blocs régionaux.
Dans ce contexte, des barrières tarifaires ont été érigées contre certaines importations ciblées.
Ainsi, ayant pris conscience des possibilités offertes par les économies d’échelle en matière
de production, les Etats ont opté, à travers leurs représentants respectifs de renforcer
l’intégration économique en Afrique. Ainsi, en 1980, les représentants des Etat africains
réunis à Lagos au Nigéria ont adopté un plan se voulant révolutionnaire, consistant à renforcer
l’union douanière, et préconisant la création d’un marché commun africain à l’horizon 2020.
Ainsi, une telle stratégie d’intégration par la production devait aboutir à une intégration
garantie des marchés. De cette philosophie sont alors nés de multiples blocs régionaux dans le
continent, parmi lesquels L’union économique et monétaire ouest africain (UEMOA) et la
communauté économique et monétaire d’Afrique centrale (CEMAC).
La CEMAC, mise en place depuis le 24 Juin 1999, se caractérise particulièrement par : (i) la
solidarité inter-état ; (ii) l’harmonisation de la législation en matière de fiscalité, de régimes
d’investissement, de politiques industrielles, de stratégies de développement
socioéconomique, d’infrastructures de transport ; (iii) l’unicité des taxes d’importation.
Une décennie après l’entrée en vigueur du traité CEMAC, les résultats liés aux progrès du
commerce sous-régional restent encore modestes en comparaison aux résultats observables
dans les autres sous-régions du continent (CEMAC, 2006). En effet, depuis les années 2000,
les échanges commerciaux au sein de la CEMAC ne cessent de décroître. Ils sont passés de
3,9% en 2000, à 2,3% en 2005, pour atteindre 1,9% en 2010. Au cours de la même période
2000-2010, le flux commercial dans l’UEMOA s’est accru de près de 11% en moyenne
1 Ce nom est relatif à la gestion commune qu’assurent plusieurs Etats de certains espaces et ressources.
2
(UEMOA, 2011). De plus, sur la période 2000-2010, le taux de croissance du PIB de la
CEMAC est d’environ 4,2% en moyenne (annexe 3). Une comparaison avec deux autres sous-
régions le COMESA (5,4% en moyenne sur la même période), l’UEMOA (2,9% en moyenne
sur la même période), et l’ANASE2 (5% en moyenne sur la même période), en tenant compte
de la taille de la population montre que la richesse créée a une évolution quasi-similaire dans
les différentes sous-régions d’Afrique sub-saharienne (graphique 1). D’aussi faibles
performances ont valu à la sous-région CEMAC le titre de « sous-région la moins intégrée du
continent » par la Banque Mondiale (Banque Mondiale, 2012).
Aussi, convient-il alors à juste titre de s’interroger sur les raisons économiques de cette sous-
intégration souvent considérée dans la littérature comme « un échec de l’intégration ». Pour
certains auteurs tels que Mata (2008), elle provient du caractère historique (il s’agit de la
relation de dépendance existant entre les pays et les anciennes métropoles) lié à la
spécialisation de la production de type colonial. D’autres tels que J. Bazika (2004), évoquent
la non valorisation des complémentarités productives entre les pays membres de la zone.
Toutefois, le constat est que le profil général de croissance économique des pays membres de
la CEMAC est en deçà du niveau espéré (journal vision CEMAC, 2012). Il s’avère alors
judicieux de s’intéresser aux facteurs économiques spécifiques qui peuvent influencer les flux
commerciaux au sein de la sous-région. A cet effet, certains auteurs tels que Yeats (1998), et
Gallezotz (1993) ont évoqué la similarité des structures productives comme facteur pouvant
influencer positivement les échanges de biens. Cette ressemblance peut également devenir un
véritable goulot d’étranglement pour l’essor de la sous-région, si une réelle politique
économique n’est pas élaborée pour tenir compte de ses effets. Par conséquent, s’interroger
sur le degré de similitude3 des biens échangés au sein de la CEMAC, ainsi que sur l’impact
qu’il pourrait avoir sur les flux commerciaux intra-CEMAC, est d’une importance capitale.
Le présent article est motivé par la recherche du degré de ressemblance des produits échangés
au sein de la CEMAC, et de son impact sur le flux des échanges au sein de la sous-région. De
manière spécifique, cette étude est menée afin de : (i) Etudier la structure des échanges
(produits échangés) à l’intérieur de la sous-région ; (ii) Construire un indicateur de similarité
des produits échangés ; (iii) Mesurer l’effet de la similarité des produits sur le commerce
intra-communautaire.
Comprendre et analyser la similarité des produits échangés au sein de la sous-région CEMAC
revêt un intérêt double. En effet, cette étude est d’abord utile au regard de son importance
dans la prise de décisions idoines par les représentants des Etats membres au niveau sous-
régional, et de son caractère incitatif auprès des économies membres de la CEMAC à propos
des orientations futures. Ensuite, elle est utile au regard de son caractère scientifique, car elle
vise à compléter les écrits sur le sujet en ce qui concerne l’intégration économique en Afrique
d’une part, et en ce qui concerne l’application d’une modélisation spatiotemporelle dans
l’analyse des flux commerciaux d’autre part.
2 Association des Nations d’Asie du Sud Est
3 Le concept de similitude ou de similarité renvoie dans ce document à un degré de conformité, de
ressemblance entre deux éléments, les éléments étant les structures d’exportations.
3
La présente étude est subdivisée en cinq sections. La première section traite de la revue de
littérature, tandis que la deuxième présente le cadre méthodologique. Ensuite, les subdivisions
suivantes sont le cadre d’implémentation, de discussion et de recommandations de politique
économique.
2- Revue de la littérature
2-1- L’intégration économique comme principal gage de développement des pays de
la CEMAC
Les travaux précurseurs épousant la théorie de l’intégration économique remontent aux
considérations théoriques de l’école classique (1776-1870) notamment celles des avantages
comparatifs de David Ricardo. Il montre que, sous les hypothèses de rendements constants,
d’immobilité internationale des facteurs entre autres, la spécialisation et le libre échange sont
plus avantageux pour tous les pays, L’histoire de la pensée économique révèle qu’en
effectuant une analyse statique, le régionalisme permet l’expansion des échanges ou le
détournement du commerce (Vinner, 1950). Toutefois, l’on relève qu’à une intégration
régionale réussie succède la création de flux commerciaux sans imposer un Tarif Extérieur
Commun (TEC) prohibitif. Lorsqu’une analyse dynamique est effectuée, l’intégration a des
effets favorables au sein de la communauté économique régionale concernée, et des effets
d’entraînement sur le reste de l’économie mondiale (Baldwin, 1997). Par conséquent, la
demande d’un produit au sein d’une zone économique où a été faite en plus abstraction des
barrières douanières induit une allocation efficiente des ressources de production. De plus,
l’ouverture des marchés des Etats membres d’une communauté économique régionale conduit
à une organisation plus rationnelle et efficace des entreprises appartenant à cette communauté,
surtout les petites entreprises : il s’agit de l’effet d’échelle. Du fait de la levée des contraintes
tarifaires et non tarifaires, les entreprises souvent de petite taille et donc peu performantes, ne
sont plus protégées, aussi, sont-elles contraintes, toutes choses égales par ailleurs, de se
regrouper et de mieux s’organiser pour réduire leurs coûts moyens respectifs de production, et
à terme les prix finaux des produits. Un tel regroupement leur permet également de faire face
aux concurrences extérieures. A côté de ces deux effets s’ajoutent l’effet de variété et l’effet
de d’accumulation. Alors que l’effet d’accumulation, né de la spécialisation des entreprises
conduit à l’accroissement du rendement des facteurs de production lié à la baisse des coûts de
production, l’effet de variété quant à lui, né de la diversité du marché de consommation induit
une augmentation de la productivité des entreprises de la zone. Ces effets cumulés contribuent
à la croissance économique de la région, entraînant des effets bénéfiques pour le reste du
monde.
De ce fait, face à la compétition mondiale, la constitution en bloc régional des pays de la
CEMAC dotés de potentialités économiques considérables (CEA, 2010) permettrait de
résister aux chocs extérieurs d’une part, et de créer un important marché de consommation
pour les entreprises productrices de la sous-région, tout en réduisant l’extrême volatilité des
marchés traditionnels d’exportation de produits de base d’autre part.
2-2- Défis et enjeux de la CEMAC
4
Après la crise financière internationale de 2008, plusieurs économies dans le monde ont révisé
leurs objectifs de croissance à la baisse, du fait de la récession mondiale. Seuls quelques pays,
à l’instar du Cameroun ont en revanche effectué des prévisions optimistes de leur croissance
en raison de la diversification des partenaires commerciaux et de l’intensification des
échanges intracommunautaires. Ainsi, comme le Cameroun, les pays de la CEMAC se
doivent de mettre à profit les opportunités au niveau sous-régional pour de multiples raisons.
D’abord, comme évoqué, la multiplicité de partenariats externes contribue à l’accroissement
économique et réduit l’effet des chocs potentiels sur les pays pris individuellement. Ensuite, la
recrudescence des échanges commerciaux au sein de la sous-région favorise la diversification
commerciale, et à terme l’essor économique, basé non plus sur l’aide publique au
développement qui se fait de plus en plus rare, mais sur une nouvelle stratégie de
développement assise sur le renforcement des échanges intracommunautaires. Enfin, une
intégration réussie au sein de la CEMAC, induite par l’essor des marchés locaux et la mise en
commun des toutes les ressources disponibles stimulerait davantage la production, le
commerce et l’investissement (Bad, 2000).
Les défis de l’intégration économique au sein de la CEMAC sont multiples, et, tirer profit de
ce marché ne pourra qu’avoir des effets d’entraînement sur la croissance économique de la
dite sous-région.
2-3- Déterminants des flux commerciaux au sein d’une communauté économique
régionale
Plusieurs écrits parmi lesquels Geda et Kibret (2002), Agbodji (2007), et Donghyum et al
(2008) traitent des facteurs économiques qui influencent les échanges commerciaux au sein
d’une communauté économique. Ces facteurs sont généralement analysés en termes de
facteurs d’attraction pour désigner ceux qui influencent positivement le processus
d’intégration économique, et facteurs de répulsion pour désigner ceux qui influencent
négativement le processus d’intégration économique.
L’un des facteurs habituellement mis en exergue, surtout dans le contexte africain, concerne
les infrastructures de transport. Lorsqu’elles existent entre pays transfrontaliers et sont de
bonne qualité, elles encouragent la production, facilitent l’écoulement sur les différents
marchés sous-régionaux, et par conséquent développent le commerce intracommunautaire.
Selon les estimations économétriques, Limao et Venables (2001) en associant ces coûts aux
coûts tarifaires et non tarifaires et aux procédures administratives, montrent que les coûts de
transport en Afrique sont supérieurs à 136% à ceux des autres régions, et qu’ils constituent
donc une réelle fonction de répulsion à l’endroit de l’intégration régionale.
Un autre facteur répulsif est la carence de l’exécution des mesures de politique économique
prises. Ce déterminant a presque toujours été évoqué pour justifier les faibles performances de
l’intégration régionale, notamment en Afrique Centrale (CEMAC, 2006 ; CEA, 2004 ; CEA,
2010).
5
A côté de ces éléments, plusieurs auteurs ont aussi pensé que l’importance même des flux
commerciaux, ainsi que leur structure pouvaient déterminer de façon significative
l’intégration économique. Selon les travaux de Pritchett (1993), il n’existe pas de potentiel
commercial pour le commerce intra-africain, du fait de la faiblesse observée au niveau des
flux commerciaux entre pays africains. Pourtant, selon une étude récente (CNUCED, 2005),
ce résultat a été infirmé ; l’étude a montré qu’il existe bien une diversité des exportations de
produits entre pays africains, notamment des produits manufacturés au sein de l’union du
Maghreb arabe (UMA), bien que le commerce intra-régional soit limité.
Certains auteurs (Meade, 1955 ; Tchomgui et Tchehi, 2010 ; Erbes cité par Tchomgui et
Tchehi, 2010 ; Bye, 1997 ; Boungou, 2004) ont mentionné l’existence d’une relation
significative entre la complémentarité des produits échangés et l’intégration économique
sous-régionale, tandis que d’autres ont montré que la similitude des produits d’exportation
influençait le flux des échanges commerciaux entres pays membres d’une zone économique.
Ainsi, Tchomgui et Tchehi (2010), ont montré que la complémentarité commerciale influence
positivement les échanges commerciaux au sein de l’UEMOA. Erbes était allé plus loin dans
son analyse de l’intégration régionale, en établissant que le régionalisme induit des actions de
complémentarité productive aux fins d’établir et de rendre possible toutes les relations
économiques de l’échange des produits à la coordination des projets. Allant dans le même
sens, Bye (1997) et Boungou (2004) ont affirmé que la complémentarité productive favorise
la spécialisation et les échanges commerciaux entres Etats membres d’une même communauté
régionale. Tous ces auteurs ont construit un indice de complémentarité commerciale ou
productive, en fonction de la disponibilité des données et de leurs objectifs de recherche.
S’agissant de la prise en compte de la similarité de la structure productive ou encore des
exportations, l’idée vient de Yeats (1998) et de Dinka et Kennes (2007). Ils ont utilisé un
indice de similarité, et ont conclu que la similarité pouvait avoir un impact positif sur les
échanges intracommunautaires au sein des pays membres de l’ASEAN4. Avant leur
application, Gallezotz (1993) a évoqué la proximité et les similitudes nationales de production
comme facteurs favorisant les échanges croisés de produits dans l’agro-industrie en Europe.
Plus tard, Yacouba et al (2010) ont analysé les échanges commerciaux des pays membres de
l’UEMOA. Ils ont calculé un indice de similarité des produits tel que calculé par Yeats et ont
conclu que la similarité était faible d’une part, et qu’elle influençait positivement mais d’une
ampleur relativement faible, le flux des échanges d’autre part. La même année, le 4ème
rapport
de la CEA sur l’intégration en Afrique a mis l’accent sur la structure de l’offre d’exportation
par produit en calculant un indice de similarité des exportations pour l’ensemble des pays du
continent. Cet indice calculé par Van Beers et Linnemann (1998), représente en effet la part
des exportations d’un pays donné par rapport à la part de l’indice similaire du pays
importateur du volume total des importations mondiales de ce produit. Ils ont ainsi montré
que les pays comme le Cameroun, l’Algérie et le Nigéria présentent un indice élevé de
similitude avec la majorité des pays africains, en ce qui concerne les produits primaires.
4 Association des nations d’Asie du Sud Est.
6
Toutefois, ces arguments bien que valables ne doivent pas faire ignorer d’autres obstacles
institutionnels ou politiques, car quoique les produits soient identiques dans les pays d’une
zone, les coûts de production sont différents, et les choix de consommation sont aussi
différents. C’est le cas de la Chine, qui ne cesse d’accroître ses exportations en direction des
puissances économiques, bien qu’ayant des biens similaires aux biens rencontrés sur les
marchés intérieurs de ces pays.
Plusieurs outils sont utilisés pour établir le lien entre les potentiels déterminants des échanges
au sein d’une communauté régionale et le niveau des échanges. Le modèle de gravité avec des
données de panel a longtemps été considéré comme outil idoine, pour déterminer de manière
empirique le niveau des flux commerciaux entre les pays (Evenett et Keller, 2002 ; Helpman,
1987). Il s’agit, dans le cas de deux pays, d’une relation mathématique qui établit le lien entre
le commerce bilatéral et les déterminants clefs ci-dessus mentionnés. Ces modèles tiennent
compte de l’hétérogénéité des pays exportateurs et importateurs, en prenant en considération
un nombre important de variables explicatives. Les variables traditionnelles de ce modèle
incluent par exemple pour chaque pays, le revenu intérieur, les affinités culturelles, la
proximité géographique des pays, le degré d’enclavement des économies, le degré
d’urbanisation des pays. Ces variables ont généralement une influence positive sur les flux
commerciaux, selon Longo et Sekkat (2004), et Carrère (2004). Des facteurs complémentaires
tels que la pauvreté des infrastructures, les indicateurs de gouvernance, la stabilité politique
interne, influence négativement ou pas du tout les échanges au sein d’une zone économique.
Ce modèle que J. LeSage (2008) juge simpliste est basé sur l’hypothèse d’indépendance des
observations entre origine et destination des flux commerciaux. Cette hypothèse a été
critiquée depuis 1988 par Anselin, qui a introduit le concept de modélisation économétrique
spatiale des flux. Un tel modèle repose sur la construction des matrices de voisinage en
mesure de capter les relations de dépendance spatiale pouvant exister entre les pays d’une
région (J. LeSage, 2008). En travaillant sur des données en coupe transversale, cet auteur a
montré comment tenir compte de l’autocorrelation spatiale dans un modèle de gravité de base.
Et, en comparant différents modèles de gravité, ceux ayant pris en compte la dépendance
spatiale ont eu les résultats les plus robustes.
Force est donc de constater que les principaux facteurs l’intégration sous-régionale sont
notamment la similarité institutionnelle, la complémentarité commerciale et productive, les
infrastructures de transport. Pour montrer l’effet quantitatif de ces facteurs sur les échanges
entre pays membres d’une zone régionale, ils ont pour la plupart utilisé les modèles
économétriques gravitaires. Dans le cadre de cette étude, la méthodologie qui sera utilisée fait
l’objet du chapitre suivant.
3- Cadre méthodologique
3-1- Construction d’un indice de similarité des produits échangés
La similarité est le degré de ressemblance, de conformité entre deux éléments. La structure
d’exportation d’un pays A sera alors jugée similaire à la structure d’exportation d’un pays B
7
si, les biens constituant les exportations de ces deux pays renvoient à des catégories de
produits identiques.
Dans le cadre de cette étude, l’indice de similarité des produits exportés qui est construit est
celui qui a été proposé par Van Beers et Linnenmann (1988) et Yeats (1997), et utilisé par
Oram et A. Lehaf (1998) et la CEA (2010). Dans toute la suite les indices i et j représentent le
pays origine et le pays destination respectivement.
Si l’on note les exportations du produit k par le pays le pays i, alors l’indice est:
Le facteur représente la part des exportations du produit k dans les exportations totales
du pays i.
Tel que défini, il varie de 0 à 100 et s’interprète de la manière suivante :
Lorsque , l’on conclut qu’il n’ya aucune correspondance entre les exportations des
pays i et j.
Lorsqu’il vaut 100, la conclusion faite est qu’il ya similitude parfaite entre les structures
d’offre d’exportation des pays i et j.
Il est à noter que cette mesure est sensible au niveau d’agrégation des données, car une
augmentation du nombre de produits se traduit par une baisse des valeurs de l’indice (Van
Beers et Linnenmann, 1998). Ceci s’explique par le fait que, plus la gamme de produits
échangés augmente, les chances pour que les pays exportent les mêmes produits
s’amenuisent. Ainsi, une solution envisagée par ces auteurs a été de limiter le nombre de
produits à cinq. Dans le cadre de cette étude, le nombre de produits sera limité à cinq
principaux produits faisant l’objet d’échange entre les pays de la cemac, notamment les
produits bruts issues de l’agriculture et de l’élevage, les produits alimentaires transformés, les
minéraux, les produits chimiques, ainsi que les machines, et voitures.
La mesure de l’indice de similarité des produits exporté s’interpréte comme une variable
reflétant l’intensité des flux commerciaux bilatéraux entre deux pays. Ainsi, les valeurs de
l’indicateur représentent des facteurs d’échelle par lesquels on doit multiplier les résultats de
l’analyse économétrique pour déterminer le potentiel réel des flux commerciaux (CEA, 2010).
Disposer d’un tel indice permet d’analyser son impact potentiel sur les flux commerciaux
intra-CEMAC. Et, comme l’étude porte sur des pays, l’usage d’un modèle gravitaire est
requis, en particulier un modèle gravitaire sur données de panel. De plus, pour traiter deux
principales particularités des données spatiales, notamment l’autocorrélation spatiale
provenant de l’absence d’indépendance des observations géographiques, et l’hétérogénéité
spatiale qui trouve son origine dans la différentiation de l’espace des variables (Le Gallo,
8
2000), l’étude s’est intéressée aux modèles spatiotemporels tels que décrits par Elhorst
(2008).
3-3- Spécification mathématique du modèle
La démarche adoptée est celle décrite par Hurlin5 :
Effectuer une estimation globale du modèle a-spatial par la méthode des moindres
carrés ordinaires, afin d’identifier le caractère du processus générateur de données. Si
le processus est hétérogène, alors l’usage des données de panel ne se justifie guère, et
il est plus approprié d’effectuer des estimations pour chaque pays. A l’inverse, si le
processus est jugé homogène, cela signifie que la spécification choisie est unique pour
tous les individus. A cet effet, le test du multiplicateur de Lagrange de Breusch-Pagan
est mis en œuvre ; l’hypothèse nulle est l’absence d’effets liés aux panels. Au cas où
l’hypothèse nulle est rejetée, l’on passe à l’étape suivante. Sinon, une simple
estimation sera mise en place.
Choisir entre un modèle à effets fixes et un modèle à effets aléatoires au moyen du test
de Hausmann. Il est important de relever qu’à ce niveau, trois hypothèses sont émises,
notamment (i) la nullité de l’espérance des résidus du modèle choisi ; (ii) les processus
résiduels individuels sont homoscédastiques; (iii) l’absence de corrélation pour deux
processus résiduels de deux individus distincts, quelle que soit la date considérée.
Tester la présente d’une autocorrelation spatiale puisque les données sont
géoréférencées6 au moyen du test de Moran, afin de chercher d’éventuels régimes
spatiaux en présence. En effet, la valeur constatée d’une variable aléatoire en un point
donné de l’espace dépend de la valeur de cette variable en d’autres points de l’espace.
L’hypothèse nulle du test suppose l’absence d’autocorrelation spatiale versus
l’hypothèse alternative qui est en faveur de la présence d’autocorrelation spatiale.
Ainsi, au seuil de significativité fixé, si l’hypothèse nulle est rejetée, l’on affirme la
présence de l’autocorrelation spatiale sur les données étudiées.
Modéliser l’autocorrelation détectée selon un ajustement idoine par la méthode du
maximum de vraisemblance. Il s’agit de déterminer la forme de dépendance spatiale
suivie par les observations. Sur des données en coupe transversale, l’on estime le
modèle spatial décalé et le modèle spatial d’erreur. Puis l’on utilise les tests du
multiplicateur de Lagrange proposé par Anselin (1988) et les tests robustes proposés
par Anselin et al (1996), qui sont basés sur l’estimation par moindres carrés ordinaires
et qui supposent que les résidus suivent une loi de chi-deux à un degré de liberté. L’on
effectue alors les tests unidirectionnels LMLAG d’omission de variables spatialement
décalées et LMERR de dépendance spatiale des erreurs ainsi que leurs versions
robustes RLMLAG et RLMERR, tels que définis par Anselin et Florax (1995). Si
LMLAG est plus significatif que LMERR, et que RLMLAG est significatif
mais pas RLMERR, alors le modèle spatialement décalé est appliqué. A l’inverse, si
LMERR est plus significatif que LMLAG, et RLMERR est significatif mais pas
5 Hurlin(Econométrie des données de panel, modèles linéaires simples, seminaire méthodologique, p 11) 6 Se dit d’observations d’unités géographiques.
9
RLMLAG, alors le modèle de régression sur les erreurs est appliqué. Puisque l’on est
en présence d’un modèle spatial sur données de panel, les deux modèles à savoir, le
modèle spatial décalé et le modèle spatial d’erreur seront estimés et le meilleur sera
sélectionné. La section suivante présentera les équations mathématiques matérialisant
la procédure énoncée.
Soit une variable d’intérêt traduisant les flux commerciaux d’un pays origine i vers un
pays destination j, à une période de temps t. Dans cette étude, cette variable est représentée
par les exportations du pays i vers le pays j d’une part, et par les importations du pays i en
provenance du pays j d’autre part. et avec
Pour un pays, la spécification traditionnelle du modèle gravitaire s’écrit :
(1)
Dans cette équation, représente le vecteur-ligne des variables explicatives du pays i au
temps t, j étant fixé.
représente le vecteur des paramètres inconnus à estimer.
Si l’on effectue un regroupement des observations dans le temps, on obtient l’équation (2) ci-
dessous :
(2)
Il est supposé, sans nuire à la généralité, que les perturbations suivent un processus gaussien
centré, et sont indépendantes et identiquement distribuées.
Lorsque l’on introduit les dépendances spatiotemporelles, l’équation (2) devient de la forme :
(3)
Ainsi, pour une origine i et une destination j à une période de temps t, la variable dépendante
( ) dépend de sa valeur à la période précédente ( ), de la valeur de la variable expliquée
des régions voisines à la même période ( ), et de la valeur de la variable expliquée des
régions voisines à la période précédente ( ). Dans l’équation précédente (3), le terme
W7 représente une matrice de voisinage censée capter les interdépendances entre les
observations.
si les pays i et j sont « proches ». Le concept de « proximité » renvoie ici à plusieurs
qualificatifs tels que la distance cardinale entre les capitales des pays, la contigüité entre les
pays, la distance ordinale, etc. Par convention, la littérature note car un pays n’est
pas proche de lui-même. Par ailleurs, la matrice W obtenue au cours des estimations est
standardisée sur les lignes. Pour cette étude, la matrice de poids obtenue est normalisée afin
de permettre les comparaisons entre les paramètres spatiaux des divers modèles à estimer.
7 Pour n sites géographiques, une matrice de poids W est de taille n × n et son élément wij indique l’intensité de la
dépendance de la zone i par rapport à la zone j.
10
Les termes et désigent les variables spatialement décalées respectives de et
. Les éléments i de ces variables représentent les moyennes pondérées par la proximité
respectives des valeurs de et sur les voisins du pays i considéré.
A la structure représentée par l’équation (3) peut s’ajouter une structure similaire appliquée
non plus sur la variable dépendante, mais plutôt sur les perturbations .
Si tel est le cas, on obtient le système d’équations ci-contre:
(4)
(5)
Alors que la première équation traduit une dépendance spatiale liée à la variable endogène
décalée, la seconde équation correspond à une dépendance spatiale liée à une autocorrélation
des erreurs. La prise en compte de ces deux relations est motivée par deux raisons
économétriques dans la littérature (LeSage et Kelley, 2008). La première est liée au fait que la
dépendance spatiale détermine l’équilibre de long terme d’un processus spatiotemporel. La
seconde motivation provient de la non prise en compte de certaines variables qui pourraient
expliquer la dépendance spatiale des observations.
Aussi, LeSage et Kelley (2008) interprètent-ils ces équations de la manière suivante : un
changement observé dans le bloc des variables explicatives conduit, toutes choses égales par
ailleurs, à un impact simultané sur les flux entre les deux pays en présence. Suite à la
spécification, plusieurs modèles sont identifiés, et la procédure élaborée dans la sous-section
précédente permet de retenir la spécification idoine.
3-4- Choix des variables et source de données
La variable d’intérêt représente les exportations en valeur d’une origine vers une destination
de 2001 à 2010. Les pays concernés sont les Etats membres de la CEMAC à l’exception de la
Guinée Equatoriale, pour laquelle les données disponibles ne couvrent pas la période d’étude.
Par ailleurs, les variables continues l’instar des exportations, du PIB, de la distance, etc sont
prises en logarithme, afin d’interpréter aisément leurs coefficients comme des élasticités. Les
variables explicatives présentées ci-dessous intègrent les variables traditionnelles du modèle
de gravité, et proviennent de la Banque Mondiale, du cepii, et de la CEA.
Le revenu intérieur brut de chaque pays rapporté à sa population
La théorie sur le commerce bilatéral enseigne que le commerce est positivement corrélé à la
taille du marché. Rapporter ce facteur à la population de chaque pays permet de normaliser les
différentes grandeurs mesurées dans chaque pays. L’on s’attend alors à avoir une relation
significative positive entre le PIB/ht et l’intensité des flux commerciaux.
La distance géographique
11
La prise en compte de cette variable tient au fait que, n’ayant pas d’informations sur les coûts
de transport entre pays, cette dernière considérée par plusieurs auteurs comme variable proxy
(Fujita et al., 1999). Ainsi, la distance géographique influencerait négativement l’intensité du
commerce entre les pays.
Le degré d’enclavement d’un pays
L’enclavement d’un pays est généralement lié à l’absence d’une ouverture sur la mer, car en
présence d’une frontière maritime ou océanique, un pays a plus de facilités d’exporter et
d’importer. Cet indicateur sera donc binaire, et vaudra 1 si le pays concerné est doté d’une
ouverture sur la mer, et 0 sinon. Il est attendu de cet indicateur un impact positif sur le flux de
commerce.
La contigüité des frontières territoriales entre deux pays
Selon Tchomgui et Tchehi (2010), deux pays partageant une frontière territoriale ont plus de
chances d’échanger des biens et services, par rapport à deux pays éloignés. Ainsi, ce facteur
sera considéré comme variable binaire qui vaut 1 si les deux pays concernés partagent une
frontière territoriale, et 0 sinon), et devrait avoir un signe positif sur le volume des échanges.
Le caractère historique commun entre deux pays notamment le fait d’avoir subi le
même système colonial
L’histoire commune partagée par deux peuples peut permettre d’expliquer le flux des
échanges entre ces pays. Aussi, est-il attendu de ce facteur un effet positif sur le flux des
échanges.
Le partage de la même langue officielle
Comme le facteur précédent, le fait de partager une langue officielle influence positivement le
volume des échanges entre deux pays.
L’indice de similarité
Cet indice, aurait d’après la littérature un impact positif et significatif sur la variable d’étude.
L’état des infrastructures routières reliant deux capitales au sein de la sous-région
Les infrastructures de transport constituent un facteur attractif important pour l’intégration
régionale, en ce sens qu’elles sont le moyen de mobilité par excellence des biens et des
personnes. Parmi les contraintes des échanges en Afrique Centrale en général et au sein de la
sous-région CEMAC en particulier, l’accessibilité aux moyens de transport notamment aux
routes a été identifiée comme l’une des faiblesses majeures. Selon la Banque africaine de
développement (2010), seul 20% du réseau routier de la sous-région est bitumé, alors que les
marchandises circulent à près de 80% par voie terrestre. Ce mauvais état des routes engendre
une hausse importante des coûts de transport qui induit à son tour une flambée des coûts des
biens échangés. Dans le cadre de cette étude seront prises en compte les infrastructures
12
routières existantes et en bon état qui relient deux capitales de la sous région. La dite variable
dichotomique vaudra 1 si le réseau routier bilatéral est en bon état, et 0 dans le cas contraire.
Un réseau inter-capital sera alors considéré comme en bon état si le taux de bitumage est
supérieur ou égal à 50%.
4- Implémentation
4-1- Analyse des échanges intra-Cemac
Le manque de dynamisme observé dans les transactions entre pays membres de la zone peut
s’expliquer premièrement par une polarisation des échanges sud nord. En effet, comme
l’indique le tableau 1, plus du deux tiers des échanges de la sous-région s’effectuent avec
l’UE, la Chine et les Etats-Unis. Ce résultat global de l’orientation des échanges mérite de
dégager certaines spécificités, car à l’intérieur de la zone s’observe aussi une forme de
polarisation locale avec le Cameroun qui est le principal pôle attractif de la zone, en termes
d’exportations. Du fait de sa position stratégique, il dessert tous les autres pays, et enregistre
un niveau élevé des exportations intra CEMAC qui tient compte de la réexportation, pour les
pays enclavés comme le Tchad. Néanmoins, il est rejoint par le Tchad et le Gabon qui
consomment des biens issus de la zone. Deuxièmement, la sous-région est sujette au poids
prépondérant du commerce transfrontalier informel, qui a pris une ampleur considérable, à tel
point que plusieurs auteurs (MINEPAT, 2010 ; Banque Mondiale, 2011 ; CEA, 2012) ont
essayé d’analyser ce phénomène aux différentes frontières camerounaises. Ils relèvent une
porosité des frontières des pays de la CEMAC qui exercent des effets considérables de marée
des différentes économies sous-régionales, avec plus de 20% des échanges qui ne se font pas
dans la légalité aux frontières camerounaises (ce résultat qui peut paraître excessif intègre les
flux le long des différents corridors entre le Cameroun et le Nigéria). Ceci est dû à
l’inaccessibilité du réseau routier reliant les différentes capitales de la zone, induisant la
contrebande, voire la clandestinité. Ces infrastructures s’imposent donc comme meilleur
élément de développement du marché sous-régional, et à terme, comme facteur de création
des économies d’échelle. S’agissant de la structure de ces échanges, seuls une quinzaine de
produits participent aux échanges, la majeure partie étant constituée des dérivés du pétrole qui
représentent environ 60% des valeurs enregistrées (CEA, 2012). Les produits concernés par
les échanges hors dérivés du pétrole sont surtout constitués de produits agricoles et de
produits alimentaires.
En ce qui concerne la similarité des produits échangés, l’indice construit montre que la
majeure partie des échanges des différentes économies ont lieu avec le Cameroun, et dans une
moindre mesure, avec le Gabon. Un tel résultat est prévisible, du fait de la localisation
géographique du Cameroun d’une part, et de la présence des routes partiellement bitumées de
sa capitale (Yaoundé) à chaque capitale voisine d’autre part. Par ailleurs, ce pays dispose
d’une importante population dynamique, qui représente un peu plus de la moitié de la
population totale de la sous-région, constituant ainsi une main d’œuvre considérable pour
l’industrie locale, et un marché de consommation à conquérir par les industries des autres
économies sous-régionales.
13
L’évolution de l’indice de similarité de la structure d’exportation du Cameroun avec les autres
pays (graphique 2) affiche des valeurs croissantes en ce qui concerne le Congo, indiquant
qu’au fil du temps, la gamme de produits échangés avec le Cameroun augmente et a tendance
à être de même nature ; il s’agit entre autres des denrées alimentaires et des engins de
navigation maritime, aérienne et fluviale. Pour ce qui est du Gabon, les valeurs de l’indice
oscillent autour de la moyenne (50%) ; ainsi, ces deux pays bien qu’ayant un flux commercial
important échangent des biens qui se complètent. Par exemple, le Gabon importe du
Cameroun aussi bien les produits bruts issus de l’agriculture (cacao, coton) que les produits
transformés (produits alimentaires et chimiques). A l’inverse, le Cameroun s’approvisionne
auprès du Gabon pour les produits tels que les céréales, les sucreries, les ouvrages en fonte,
etc.
La RCA et le Tchad ont des indices faibles sur la période car ils n’échangent presque pas avec
leurs voisins. Mais, l’on relève que les biens qui font l’objet d’échange ne se ressemblent pas.
Le Tchad exporte vers le Cameroun principalement des bovins et caprins ainsi que des
ouvrages en caoutchouc et en fer, alors qu’il importe du Cameroun les produits chimiques et
les denrées alimentaires transformées en plus des matières premières (coton, soufre). Pour ce
qui est de la RCA, elle fournit du charbon, du coton et des ouvrages en fer au marché
camerounais, tandis qu’elle s’approvisionne en produits alimentaires bruts et transformés, et
en produits chimiques (savon, huiles, boissons).
Les produits échangés entre le Gabon et le Tchad sont similaires (graphique 3); ils sont
constitués de voitures, de matériels pour voies ferrées et d’autres engins tels que les tracteurs.
Une particularité observée dans l’évolution de cet indice de similitude, est le manque
d’échanges entre le Gabon et la RCA, dû au manque d’infrastructures idoines de transport. En
effet, 2 198 km séparent ces deux capitales, et seul le tiers du tronçon est bitumé, rendant la
voie routière impraticable surtout en saison des pluies dans cette zone au climat équatorial
humide.
Afin de mieux capter l’influence du degré de similarité des exportations de ces différents
produits sur les échanges intracommunautaires, un modèle d’analyse d’impact avec données
de panel, le modèle de gravité, a été mis en œuvre. L’analyse des résultats de cette
modélisation fait l’objet de la section suivante.
4-2- Impact de la similarité des produits échangés sur le flux des échanges
intracommunautaires
De prime abord, déterminer la structure génératrice des données à travers le test de Breusch-
Pagan (tableau 2) a permis, au seuil de 5%, de déceler une hétérogénéité. L’on a estimé
ensuite aussi bien un modèle à effets fixes qu’un modèle à effets aléatoires, à la suite desquels
un test de Hausmann est élaboré. Ce test autorise le rejet de l’hypothèse nulle au seuil de 5%,
et par conséquent, le modèle à effets fixes est à mettre en œuvre. La mise en œuvre du modèle
de base sur données groupées (tableau 2, (1)) et de celui à effets fixes (tableau 2, (2)) montre
que la spécification est bonne, avec un R2 ajusté qui vaut respectivement 0.7 et 0.6. Les
variables de base du modèle de gravité sont significatives, à l’exception des variables histoire,
14
enclavement et langue qui n’influencent pas les flux bilatéraux, quel que soit le modèle
considéré. L’indice de similarité des exportations bilatérales semble n’avoir aucune influence
sur les échanges sous-régionaux, au regard du modèle (1).
Suite au modèle a-spatial, la présence d’une autocorrelation spatiale des observations semble
être logique ; le test de Moran d’absence d’autocorrelation spatiale est alors effectué (tableau
2). Il en résulte un indice de Moran I= 0.21 (p-value = 0.00) attestant de la présence de
corrélations spatiales entre les unités géographiques. Pour déterminer la forme de la
dépendance spatiale, la règle d’Anselin et Florax (1995) a été adoptée ; et le modèle
d’autocorrelation spatiale sur variable endogène décalée a été sélectionné. Ce nouveau modèle
(tableau 2, (3)) est globalement satisfaisant, avec le coefficient rho positif (ρ=07.77) et
significatif (p-value = 0.03). Le coefficient associé à l’indice de similarité des structures
d’exportations, contrairement aux autres modèles, a changé de signe, bien qu’il soit toujours
relativement faible. Par ailleurs, les tests de validité présentés ci-dessous permettent
d’affirmer que l’ajustement est de bonne qualité. L’on constate néanmoins une relative
stabilité au niveau de la qualité de l’ajustement à travers le R2 ajusté.
L’indice de similarité continue d’avoir une influence sur la variable d’intérêt, mais dans le
sens contraire. Ainsi, la prise en compte des caractéristiques géographiques des pays
observées influence le commerce sous-régional. Le degré de modernité des infrastructures de
transport est devenu significatif au seuil de 10%, de même que la richesse nationale par unité
du capital du pays exportateur. La proximité géographique, prise en compte à travers la
distance inter-capitale et le partage d’une frontière est significative, quelque soit le modèle
considéré ; ceci est la preuve que deux pays voisins ont tendance accroître leurs échanges, en
comparaison à deux pays relativement éloignés.
De manière générale, les estimations (2) et (3) qui respectivement ne contrôlent pas et
contrôlent les effets spatiaux fixes sont différents en ce sens que le modèle (2) tient compte
des coupes transversales des données tandis que le modèle (3) tient compte de la composante
temporelle des données. En conséquence, certains auteurs (Anselin ,2006 ; Baltagi, 2005 ;
Partridge, 2005) affirment que les estimations qui contrôlent les effets spatiaux fixes relèvent
de la modélisation de courte période, alors que ceux qui ne tiennent pas compte des effets
spatiaux sont des modèles de long terme.
Tableau 2: Résultats récapitulatifs de l’estimation
Modèle pooled
a-spatial
(1)
Modèle de panel à
effets fixes
(2)
Modèle de panel spatial
autorégressif à effets fixes
(3)
constante 21.52
(0.00)***
- -
ρ - - 07.77
(0.03) ***
sim 0.01
(0.08)**
- 0.03
(0.04) ***
- 0.03
(0.05) ***
Log(popi) - 0.56
(0.00)***
- 0.32
(0.05)***
- 0.31
(0.05)***
15
Log(popj) 0.01
(0.94)
- 0.03
(0.74)
- 0.03
(0.71)
Log(PIBi/capital)
- 0.36
(0.02)
- 0.33
(0.06)**
- 0.49
(0.07)**
Log(PIBj/capital)
0.19
(0.22)
- 0.15
(0.27)
- 0.09
(0.43)
Log(distance) 1.35
(0.00) ***
1.30
(0.00) ***
1.11
(0.02) ***
infras 0.49
(0.12)
0.47
(0.10)**
0.43
(0 .10)**
enclav 0.05
(0.80)
0.03
(0.87)
0.03
(0.93)
frontiere 2.01
(0.00) ***
1.97
(0.00) ***
1.89
(0.00) ***
Qualité de l’ajustement
R2
ajusté 0.68 0.57 0.60
p-value globale
0.00***
0.00*** 0.02***
Nombre d’observations 200 200 200
Nombre d’individus 20 20 20
Tests diagnostics
Test LM d’hétérogénéité de
Breusch Pagan
269.56
(0.00)
- -
Hausmann 0.21
(0.00)
- -
Moran - 0.21
0.00
-
LMlag - - 52.94
(0.00) ***
LMerr - - 31.36
(0.00) ***
RLMlag - - 22.15
(0.00) ***
RLMerr - - 0.56
(0.43)
Source : Calculs de l’auteur
Les valeurs entre parenthèses représentent les p-values des estimateurs, *** représente la significativité des paramètres au
seuil de 5%, ** représente la significativité eu seuil de 10%.
Une limite dans le contrôle des effets spatiaux fixes qui justifie la non utilisation de ces
derniers est que toute variable qui ne change pas au cours du temps ou qui varie très peu ne
peut être estimée, car elle est supprimée lorsque l’on centre la dite variable.
5- Discussion
L’approche économétrique élaborée ci-dessus donne des résultats prévisibles, même si dans
certains cas, l’effet des facteurs sur le commerce sous-régional n’est pas consistent.
Néanmoins, Il est important de relever que le coefficient de corrélation spatiale ρ a mesuré
l’impact de la distribution spatiale des unités : il s’ensuit que le niveau des échanges
16
commerciaux entre deux pays à l’échelle sous-régionale est positivement influencé par les
activités économiques du voisinage. A titre d’exemple, citons le cas de l’or blanc,
l’aluminium produit par ALUCAM au Cameroun, qui est racheté par les opérateurs
économiques gabonais pour satisfaire la demande intérieure gabonaise d’une part, et pour la
réexportation d’autre part.
Impact de la similarité des produits échangés
Les estimations ci-dessus effectuées ont montré que la présence de similitudes des structures
d’exportations des produits au sein de la CEMAC influence significativement de manière
négative les flux commerciaux bilatéraux. En effet, deux partenaires commerciaux qui offrent
à l’extérieur de leurs frontières des biens de même nature, auront tendance à réduire au fil du
temps, le volume de leurs échanges, toutes choses égales par ailleurs, créant de ce fait un
détournement de trafic vers les pays qui auront exprimé la demande de ces biens. Bien que
l’effet de la similarité des produits soit significatif, la valeur du coefficient est relativement
faible (-0.03). Ainsi, cette analyse ne confirme pas les hypothèses selon lesquelles le retard de
la sous-région est lié à la nature similaire des biens participant aux échanges.
Il est toutefois important de noter que ce facteur ne constitue pas le plus important obstacle
pour le développement du commerce intra-communautaire.
Impact des infrastructures de transport
Parmi les principaux facteurs qui empêchent les échanges entre les pays d’une zone
économique, les moyens de communication et de transport occupent une place de choix.
L’analyse économétrique effectuée montre que le degré de bitumage du réseau inter-pays de
la CEMAC a un effet positif significatif (p-value = 0.10) au seuil de 10%, sur le flux des
échanges commerciaux entre les pays.
En effet, le réseau routier en Afrique Centrale est l’un des plus faibles au monde ; il est de
186 425 km contre 434 910 km en Afrique de l’Ouest et 853 910 km en Afrique de l’Est
(CEA ,2010). Depuis les années 2000, les Etats membres de la CEMAC, engagés dans le
processus d’intégration économique, ont défini et ratifié le règlement n° 9/00/CEMAC-067-
CM-04 du 20 juillet 2000, qui pose les jalons du renforcement du réseau routier sous-régional.
Plus encore, les chefs d’Etat de la sous-région se sont joints aux autres dirigeants des pays de
l’Afrique Centrale pour valider en décembre 2003 un plan directeur consensuel des transports
(PDCT-AC) dont les objectifs à court et moyen termes sont entre autres de : (i) permettre la
circulation sur une route entièrement bitumée d’une capitale à une autre ; (ii) mettre en place
un cadre consensuel sous-régional pour les négociations en vue de mobiliser les
investissements dans le domaine des infrastructures de transport. Cependant, l’adoption de ce
plan n’a eu aucune influence sur la qualité des infrastructures de transport faute d’insuffisance
des ressources financières. Aussi, une stratégie de financement de ce plan directeur des
transports est-elle en cours de réflexion. A côté des infrastructures routières qui sont soit
inexistantes, soit mal entretenues, les autres moyens de transport notamment les réseaux
ferroviaire et aéroportuaire sont sous développés ou détruits. Quoique ne faisant pas partir des
17
variables de cette étude, il est d’une importance capitale de souligner qu’ils représentent un
véritable goulot d’étranglement pour l’essor du commerce intracommunautaire.
Impact de la population, de la demande et de la richesse intérieure
Outre les infrastructures de transport, la taille des économies en présence influencent leurs
échanges. Pour ce qui est de la population du pays exportateur, elle agit négativement sur le
commerce bilatéral, de même que la richesse intérieure. Au fur et à mesure qu’une population
intérieure augmente, la demande intérieure du pays évolue dans la même direction, toutes
choses étant égales par ailleurs. Ainsi, les activités économiques productives du pays ont
tendance à converger vers la satisfaction de la population intérieure, avant d’exploiter
l’excédent de la production à la satisfaction de la demande extérieure. Pourtant, il se trouve
que les économies de la CEMAC ont des capacités de production très limitées, face à un taux
de croissance démographique sans cesse croissant. Il serait alors avantageux pour chaque
économie, d’accroître les capacités de production des structures existantes d’une part, et
d’inciter les opérateurs économiques de la sous-région à s’implanter afin de satisfaire la
demande sous-régionale et gagner des parts de marché à l’extérieur de la sous-région.
Par ailleurs, cette étude a montré que l’étendue de la richesse par unité du capital du pays
partenaire n’a aucun impact sur les échanges au sein de la sous-région, alors que celle du pays
exportateurs contribue négativement et de façon significative aux échanges bilatéraux. Un tel
résultat pourrait s’expliquer par le fait qu’à courte période, plus un pays est riche, plus
important est son désir de satisfaire ses besoins internes sans cesse croissants à travers une
nouvelle structuration de son économie, et/ou au moyen de nouvelles stratégies commerciales
avec des pays hors de sa sous-région. Ces deux attitudes auront pour conséquence immédiate
la réduction dans un premier temps des échanges commerciaux avec ses voisins : il s’agit du
détournement du commerce.
Impact de l’ouverture sur la mer
Selon les résultats, l’absence de l’ouverture sur la mer influence de manière négative le
commerce bilatéral de la sous-région. Un tel résultat était prévisible, dans la mesure où les
pays enclavés tels le Tchad et la République Centrafricaine ont des difficultés à participer au
commerce intracommunautaire. En effet, leurs marchandises à l’importation comme à
l’exportation transitent presque toujours par le Cameroun, ce qui est très couteux
Impact de la proximité géographique des partenaires commerciaux
La proximité géographique de deux partenaires commerciaux a un impact significatif sur les
échanges dans la CEMAC. En effet, l’existence d’une frontière commune entre deux pays qui
participent au commerce accroît l’importance du commerce entre ces derniers ; ce qui signifie
que les pays qui ont une frontière commune échangent plus que ceux qui n’en ont pas. C’est
pourquoi, le Cameroun, qui partage ses frontières avec tous les autres pays de la sous-région a
tendance à échanger avec tous ces pays. Cette proximité géographique favorise l’accès aux
marchés intérieurs des pays, et réduit les coûts de transport. De plus, au fur et à mesure que la
distance qui sépare deux capitales augmente, les pays partenaires sont moins disposés à
échanger ; c’est la raison pour laquelle l’effet de cette variable est négatif.
18
6- Conclusion et recommandations de politique économique
Parvenu au terme de l’étude, il convient de rappeler qu’elle a placé les principales questions
de l’intégration économique au sein de la CEMAC dans le contexte de la nouvelle économie
géographique. Elle a mis en avant les contraintes et les défis liés à la similarité des structures
d’exportation des Etats membres de la dite sous-région, au moyen d’une modélisation spatiale
sur données de panel. Elle aboutit alors à quatre principales conclusions. D’abord, les produits
échangés au sein de la sous-région sont peu diversifiés et peu transformés ; les structures
d’exportation entre pays partenaires sont moyennement similaires. Le Cameroun, et dans une
moindre mesure le Gabon puis le Congo participe plus activement aux échanges commerciaux
que les autres pays, du fait de sa position géographique, de la taille de sa population et de son
tissu industriel.
Par ailleurs, l’usage d’une modélisation spatiale sur données de panel a permis d’attester que
les similitudes des exportations influencent négativement et significativement le commerce
bilatéral au sein de la CEMAC d’une part, et que le caractère moderne des infrastructures
routières a un impact positif significatif sur les flux bilatéraux.
Il serait dès lors capital pour chacune des économies de développer son tissu industriel par
rapport à la demande sous-régionale et de faciliter le commerce sous-régional à ses frontières.
De ces défis résultent un ensemble de mesures de politique économique en cohérence avec la
vision de la CEAMC à l’horizon 2025. Aussi, s’est-il avéré judicieux de suggérer de :
Développer les infrastructures de transport et d’énergie électrique, afin de garantir le
transport permanent, de même que le conditionnement aisé des marchandises, réduire
le commerce transfrontalier informel, et faciliter l’intégration des peuples dans la
sous-région; Cet objectif pourrait se concrétiser par l’achèvement du bitumage des
routes inter-capitales (recherche des sources de financement alternatives en plus des
financements sur les budgets publics des pays membres de la sous-région, réalisation
des travaux), et la mise en place effective d’une compagnie aérienne sous-régionale
opérationnelle.
Promouvoir le commerce intra-communautaire à travers le développement de
l’industrialisation généralisée d’une part, et la mise en place d’une stratégie de
polarisation choisie des entreprises sous-régionales. Une telle intention se
manifesterait alors à travers la réalisation d’une étude de compétitivité des économies
de la CEMAC, suivie de l’élaboration des mesures d’incitations à caractère sous-
régional au secteur privé, et de la mise en œuvre des mesures de soutien à la balance
courante globale pour chaque produits spécifique à identifier.
Accroître la production, la transformation des produits échangés à l’échelle sous-
régionale.
Annexes
Tableau 1: Principaux partenaires commerciaux de la CEMAC à l’importation et à l’exportation
Principaux partenaires commerciaux de la CEMAC à l'exportation
19
Exportations (%)
principaux partenaires UE Chine USA autres
Cameroun 51,8 11,4 5,9 30,9
Gabon 10,2 41,9 47,9
Guinée 47 13,9 10,2 28,9
Congo 24,0 40,3 21,2 14,5
Tchad 7,7 6,9 84,4 1,0
Rép. Centraficaine 45,8 17,2 0 37
Principaux partenaires commerciaux de la CEMAC à l'importation
Importations (%)
principaux partenaires UE Chine USA autres
Cameroun 37,4 16,7 0 45,9
Gabon 56,5 8,3 0 35,2
Guinée 52,1 12 13 22,9
Congo 40,1 12,4 5,7 41,8
Tchad 43,9 11,1 4,1 40,9
Rép. Centraficaine 19,5 0 34,6
Source : OMC, FMI, calculs de l’auteur
Graphique 1: Evolution du taux de croissance du PIB total par habitant
Source : FMI, BEAC, Calculs de l’auteur
Graphique 2: Indice de similarité entre le Cameroun et les autres pays
-1,00
0,00
1,00
2,00
3,00
4,00
5,00
6,00
7,00
8,00
9,00
Ta
ux
de
cro
issa
nce
du
PIB
/ht
cemac
comesa
uemoa
20
Source : Trademap, calculs de l’auteur
Graphique 3: Indice de similarité entre le Gabon et les autres pays
Source : Trademap, calculs de l’auteur
0
10
20
30
40
50
60
70
80
90
100
2001
2002
2003
2004
2005
2006
2007
2008
2009
0
10
20
30
40
50
60
70
80
90
100
2001
2002
2003
2004
2005
2006
2007
2008
2009
2010
21
Bibliographie
Agbodji A. (2007), “Analyse comparative des processus d’intégration économique régionale,
Cered/Forum et Cernea, 2001”, Lomé
Arbia G. et al (2004), “Using Spatial Panel Data Models in Modelling of Regional Growth and
Convergence“, Zaragoza university
Balassa, Bela (1961), “The Theory of Economic Integration, R.D. Irwin: Homewood”, Illinois
Balassa Bela (1965), “Trade Liberalization and Revealed Comparative”, Manchester School
of Economics and Social Studies, pp. 90-123, Manchester
Baltagi B. et al (2007), “A Generalized Spatial Panel Data Model with Random Effects”, Syracuse
University
Banque Mondiale (2012), “Estimation des flux commerciaux, description des relations commerciales
et identification des contraintes au commerce transfrontalier entre le Cameroun et le Nigéria”,
Yaoundé
Bergen S. et Lindströen (2012), “Comprehensive tutorial for the spatio-temporal R package”,
Washington
22
Boungou J. (2004), “La complémentarité, le commerce et l’intégration africaine”, p1-13, Ngouabi
Carrere D. (2003), “African Regional Agreement: impact on trade with or without currency union”,
CERDI, Auvergne
CEA (2010), “Etat de l’intégration régionale en Afrique IV : développer le commerce intra africain”,
Ethiopie
CEA (2012), “Deuxième journée de l’intégration en Afrique Centrale : commerce sous régional et
développement des infrastructures de transport en Afrique Centrale”, Douala
CEMAC (2010), “Journal vision CEMAC”, Journal de la CEMAC, Bangui
CEMAC (2009), “CEMAC 2025: vers une économie régionale intégrée et émergente ”, Journal de la
CEMAC, Bangui
Debarsy N. (2009), “Testing for Spatial Autocorrelation in a fixed Effects Panel Data Model”,
Document de recherche n° 2009-12, Orleans university
Debarsy N. and Ertur C. (2009), “Testing for spatial autocorrelation in a fixed effects panel data
model: The Feldstein-Horioka puzzle revisited
Diaw D. et Tran T. (2009), “Intégration régionale et expansion du commerce sud-sud : cas du Sénégal
dans l’UEMOA”, revue Iben Monde 2009/3 n°199, p 627-646. DOI : 10.3917/rtm-199.06.27
Elhorst J. (2003), “Specification and estimation of spatial panel data models”, international science
review 26 (3): 244-268
Elhorst J. (2008), “Spatial panel data models”, international science review
Geda A. et Kibret H. (2002), “Regional economic integration in Africa: a review of problems and
prospects with a case study of COMESA”, London
Karingi S. (2004), “Evaluation de l’impact de l’accord de partenariat économique entre les pays de la
CEMAC et l’Union Européenne”, CAPC n°15
Kelley R. et Lesage J. (2000), “Closed-Form Maximum Likelihood Estimates for Spatial Problems”,
Louisiana University
Lebreton Marie (2013), “Cours de statistiques spatiales”, document de travail, Université de Toulouse
Capitole
Lottmann F. (2012), “Explaining regional unemployment differences in Germany: a spatial panel data
analysis”, SFB 649 Discussion Paper 2012-026, Dublin
Mata J. (2008), “Effet de la CEMAC sur l’intégration sous-régionale : cas du Cameroun, Congo et
Gabon ”, Université de Yaoundé II
Mayeko L. (2005), “Facteurs explicatifs du faible impact des investissements directs étrangers (IDE)
sur les échanges intra-communautaires des pays de la CEMAC”
23
Millo G. et Piras G. (2009), “Econometric analysis of spatial panel data”, Rennes
Millo G. et Piras G. (2012), “splm: Spatial Panel Data Models in R”, Journal of Statistical Software
Volume 47 Issue 1, Virginia
Millo G (2013), “Cross-sectional and spatial dependence in panels with R”, Piran
MINEPAT (2011), “prise en compte du Nigéria dans l’élaboration et la mise en œuvre des politiques
économique au Cameroun, Diversification des échanges : le Nigéria, une opportunité”, Yaoundé
Nations Unies (2009), “Rapport sur le développement économique en Afrique”, Genève
Ngakosso A. (2008), “La fiscalité et la dynamique de l’intégration : cas de la constitution du marché
unique dans la CEMAC”, Université de Yaoundé II
Park D. et al (2008), “Is the Asian Korea free trade area (AKFTA) an optional free trade area?”,
working paper n°21
Pebesma E. (2012), “Spacetime spatio-temporal data in R”, Jounal of statistical software, vol 51, issue
7, Münster
Piras G. (2010), “sphet: Spatial Models with Heteroskedastic Innovations in R”, Cornell University
Torres-Reyna O. (2009), “Getting started in fixed/random effects models using R”, Princeton
Top Related