Post on 13-Mar-2021
Document de travail n° 271
Résumé
Utilisant un panel de 52 pays africains et trois
spécifications du modèle de gravité (le modèle
standard ; le modèle augmenté de l’indicateur
de gouvernance et du développement des
infrastructures ; et le modèle augmenté de
l’effet de proximité culturelle et du
désenclavement du pays hôte), l’étude a mis en
évidence plusieurs faits stylisés sur l’IDE.
Premièrement, l’amélioration de la
gouvernance et la qualité des infrastructures
boostent de façon significative les flux d’IDE en
direction de l’Afrique. Deuxièmement, l’effet de
la qualité de la gouvernance semble être
dominant, en particulier en ce qui concerne le
respect de l’État de droit. Troisièmement, la
proximité culturelle est aussi un facteur
d’attraction des IDE. Cette dernière favorise
les échanges entre économies partenaires.
Quatrièmement, la taille du marché des pays
d’accueil compte dans les flux d’IDE.
Cinquièmement, la présence de ressources
naturelles favorise l’IDE dans les pays.
Droits et autorisations Tous droits réservés.
Le texte et les données de cette publication peuvent être reproduits tant que la source est citée. Toute reproduction à des fins commerciales est interdite. La Série diffuse les résultats des travaux en cours, les résultats préliminaires des recherches, ainsi que les expériences et leçons tirées des activités de développement, en vue d’encourager l’échange d’idées et de pensées innovantes entre chercheurs, praticiens du développement, décideurs et donateurs. Les résultats, les interprétations et les conclusions exprimées dans la Série de documents de travail de la Banque sont entièrement ceux des auteurs et ne représentent pas nécessairement l’avis du Group de la Banque africaine de développement, de son Conseil d’administration ou des pays qu’ils représentent.
Les documents de travail sont disponibles en ligne sur le site at
https://www.afdb.org/fr/documents/publications/working-paper-series/
Produit par le Département de la politique macroéconomique, des prévisions et de la recherche
Coordonnateur
Adeleke O. Salami
Ce document de travail est produit par la Vice-Présidence du Complexe Secteur Privé, Infrastructure et
industrialisation. Il s'inscrit dans un effort plus large de la Banque Africaine de Développement pour promouvoir
les connaissances et l'apprentissage, partager les idées, fournir un accès libre à sa recherche et contribuer au
développement de politiques. Les papiers apparaissant dans cette série sont considérés comme étant en accord
avec la mission de la BAD, ses objectifs stratégiques de croissance verte et inclusive et les 5 Grandes priorités
- Éclairer l’Afrique, Nourrir l’Afrique, Industrialiser l’Afrique, Intégrer l’Afrique et Améliorer la qualité de vie
des populations en Afrique. Les auteurs peuvent être contactés au workingpaper@afdb.org.
Citation correcte: Toure, M. and C.M. Mezui (2017), Climat d’investissement et proximité culturelle comme facteurs déterminants
des IDE en Afrique, Série de documents de travail N° 271, Banque africaine de développement, Abidjan, Côte d’Ivoire
1
Facteurs déterminants des IDE en Afrique1
Mamoudou Toure et Cédric Mbeng Mezui
Classification JEL : F2, C2, M21, D2, Z19
Mots clés : Investissements directs étrangers, modèle de gravité, gouvernance, proximité culturelle
1 Mamoudou Toure est Assistant du Ministre du Budget-Enseignant Chercheur à l’Université de Kindia (Guinée). Cédric Achille MBENG MEZUI (c.mbengmezui@afdb.org) est Coordinateur des Marchés obligataires africains, Département du développement du secteur financier.
2
1. Introduction
Au cours de la dernière décennie, les flux d’investissements directs étrangers (IDE) vers
l’Afrique ont progressé de 9,6 milliards de dollars EU2 en 2000 contre 43 milliards de dollars
en 2010 (Figure 1). En 2000, l’Afrique septentrionale3 occupait la première place avec plus de
3 milliards, suivi de l’Afrique occidentale4 avec 2 milliards de dollars. En 2010, l’Afrique
septentrionale confirme sa première place de bénéficiaire des IDE avec plus de 15 milliards,
suivie par l’Afrique occidentale avec 11,8 milliards.
Figure 1 : Evolution des flux d’IDE nets vers l’Afrique
Cependant l’Afrique ne représente que 5% des flux d’IDE globaux. Ils ont chuté au début de
la crise financière en 2007-2008 pour s’établir à moins de 5%, alors qu’ils augmentaient dans
l’ensemble des pays en développement sur la même période. En théorie, l'IDE favorise les
échanges, la création de pôles de compétitivité, les transferts de technologie et la création
d'emploi. Il soutient donc la croissance par le biais de la promotion de la concurrence qui
conduit à une allocation plus efficace des ressources. Borensztein et al. (1998) montrent que
l'IDE est un véhicule important pour le transfert de technologie, et contribue significativement
à la croissance de l'investissement domestique.
La littérature soutient que les IDE sont tributaires d’une série de facteurs exogènes et
endogènes. Cependant, une forte productivité des IDE ne se réalise que lorsque le pays
bénéficiaire dispose d'un stock minimum de capital humain. En se basant sur le modèle de
2 EU (Etats-Unis). 3 Algérie, Egypte, Lybie, Maroc, Soudan et Tunisie. Source : Conférence des Nations Unies sur le Commerce et
le Développement (CNUCED). 4 Bénin, Burkina Faso, Cap-Vert, Côte d’ivoire, Gambie, Ghana, Guinée, Guinée Bissau, Libéria, Mali,
Mauritanie, Nigéria, Niger, Sénégal, Sierra Leone et Togo.
0
10
,000
20
,000
30
,000
40
,000
2000 2005 2010
Australe Centrale Occidentale Orientale Septentrionale Afrique
3
gravitation universelle de Newton, les IDE peuvent dépendre de la taille économique des
partenaires (mesurée par le produit intérieur brut) et de la distance les séparant. En effet, ce
modèle montre que plus une économie est grande plus importante sera sa propension à investir
à l’étranger. Elle augmente ainsi sa richesse et sa compétitivité. De même une augmentation
de la richesse du pays hôte entraînera une hausse de la demande d’IDE. Quant à la proximité
spatiale (géographique), elle devrait avoir pour conséquence une baisse des coûts de transport
dans le cadre des IDE productifs. Plus grande est la distance entre partenaires et plus importants
seront les coûts de transport et plus faible sera la compétitivité de l’investisseur étranger.
Toutefois, en plus de la taille économique et de la proximité spatiale, les investisseurs étrangers
accordent également une attention particulière à la qualité de la gouvernance dans le pays hôte.
L’analyse du rôle de la gouvernance, des institutions et/ou du développement des
infrastructures dans l’attractivité des IDE a fait l’objet de nombreuses analyses (Asiedu, 2002
; Onyeiwu et Shrestha, 2004 ; Benassy et al., 2007 ; Gani, 2007 ; Djowe, 2009 ; Lederman et
al., 2010 ; Lipsey et Sojöholm, 2010 ; Kostad et Wiig, 2012 ; Morrissey et Udomkerdmongkol,
2012 ; etc.). Même si les résultats sont parfois nuancés, la plupart de ces travaux concluent
qu’il y a plus d'IDE vers les pays disposant d'institutions solides. D’autres facteurs tels que la
proximité culturelle et le désenclavement, en faisant baisser les coûts de l’information, de
recherche et de transport, favorisent l’afflux des IDE (Paniagua, 2011 ; Subasat et Bellos, 2013,
etc.).
Plusieurs travaux existent sur les déterminants des IDE (Anyanwu, 2011). Cette étude complète
ces travaux précédents à travers plusieurs points: (i) Elle contribue à enrichir la littérature par
le nombre de pays inclus dans le panel. Ce choix a l'avantage de considérer les disparités qui
existeraient entre ces pays ; (ii) Les partenaires des pays africains considérés sont les dix (10)
principaux investisseurs étrangers cumulant près de 80% des flux d’IDE vers le continent ; (iii)
L’analyse empirique s’appuie sur le modèle de gravité augmenté de l’effet de la gouvernance,
du développement des infrastructures, de la proximité culturelle, du désenclavement et l’impact
des ressources naturelles dans le pays hôte. Ce modèle a l’avantage de prendre en compte le
rôle de la distance spatiale et la taille économique ; (iv) à l'instar de Globerman et Shapiro
(2002) et Busse et Hefeker (2007), cette étude identifie l’état de droit comme indicateur clé de
la gouvernance. En effet, les principaux résultats mettent clairement en évidence l’état de droit
comme l’un des principaux leviers de la gouvernance au sein de pays africain. Ils confirment
la validité du modèle de gravité pour l’analyse des déterminants des flux d’IDE vers l’Afrique.
Si le développement des infrastructures est essentiel dans l’attraction des IDE, cependant le
4
respect de la règle de droit semble plus déterminant. De plus, les investisseurs étrangers ne sont
guère insensibles à la proximité culturelle et au désenclavement des pays hôtes. Il apparaît que
l’existence de ressources naturelles a un impact positif et significatif sur l’attractivité de l’IDE
vers l’Afrique et les autres pays en développement.
Le reste de ce papier est structuré comme suit : tout d'abord une brève revue de la littérature
sur les déterminants potentiels de l’IDE est présentée dans la section 2. Ensuite dans la section
3, un modèle théorique basé sur l’équation de gravité est mis en évidence pour illustrer les
facteurs susceptibles d’orienter l’IDE. Puis, des résultats de l'étude empirique sont analysés
dans la section 4. Enfin, la section 5 conclut cette étude.
2. Revue de la littérature
De nombreux travaux ont abordé la question des déterminants des IDE aussi bien dans les
économies développées que dans celles en développement. Toutefois, du fait des
caractéristiques des différentes économies ayant fait l’objet d’études, aucun consensus ne
semble se dégager quant aux déterminants significatifs des IDE. En partant du modèle de
gravité, plusieurs facteurs sont susceptibles d’infléchir les décisions d’IDE dans une économie.
Il s’agit entre autres de la taille économique du marché, de la qualité de la gouvernance, de la
qualité des infrastructures, de la proximité culturelle ou encore du désenclavement de
l’économie de destination des IDE. Le Tableau 1 récapitule quelques conclusions sur l’analyse
des déterminants des flux d’IDE.
Partant du modèle de gravitation universelle, la distance géographique du fait des coûts de
transaction (coûts de l’information, de transport, etc.) affecte les IDE.5 Une grande distance
géographique signifie des coûts de transport plus importants et ceci serait de nature à
décourager les potentiels investisseurs étrangers (Kleinert et Toubal, 2010). La plupart des
études empiriques confirment ce lien indirect entre la distance géographique et les flux d’IDE
(Kleinert et Toubal, 2010 ; Panigua, 2011 ; Raudonen and Freytag, 2012 ; Subasat et Bellos,
2013 ; Blonigen et Piger, 2014 ; Dauti, 2015 ; etc.). Si l’on part de l’hypothèse que les échanges
commerciaux peuvent se substituer aux IDE (Helpman, 2006), alors la distance géographique
pourrait avoir un effet positif sur les flux d’IDE (Markusen, 2004).
Tableau 1 : Effets des déterminants des IDE
5 Loungani et al. (2002) soutiennent que la distance capture plus que le coût de transport et une distance plus
importante peut être associée avec les coûts d’information et de recherche plus importants.
5
Déterminants Auteurs Effets Zones
Distance Subasat et Bellos (2013) Négatif Amérique latine
Blonigen et Piger (2014) Négatif OCDE et non OCDE
Dauti (2015) Négatif Europe du sud-est
Taille des économies
Morisset (2000) Négatif Afrique
Petri (2012)
O’Meara (2015)
Positif
Positif
Asie
Pays développés et en
développement
Economou et al. (2016) Positif OCDE
Etat de droit
Lederman et al. (2010) Négatif Afrique australe
Gani (2007) Positif Asie et Amérique latine
Dauti (2015) Non significatif Afrique
Réglementation
Blonigen et Piger (2011) Négatif Pays de l’OCDE
Globerman et Shapiro
(2002)
Positif Pays en développement
Dauti (2015) Positif Europe du sud-est
Stabilité politique
Edwards (1990) Négatif Pays en développement
Morrissey et Udom. (2012) Positif Pays en développement
Cheung et Qian (2008) Non significatif Chine
Dauti (2015) Non significatif Europe du sud-est
Efficacité du gouv.
Lederman et al. (2010) Négatif Afrique australe
Lipsey et Sjöholm (2010) Positif Asie de l’est
Blonigen et Piger (2011) Non significatif Pays de l’OCDE
Dauti (2015) Ambigü Europe du sud-est
Liberté d’expression Busse et Héféker (2007) Positif Pays en développement
Stein et daude (2001) Non significatif Pays en développement
Dauti (2015) Non significatif Europe du sud-est
Infrastructure6
Cheung et Qian (2008) Négatif Chine
Lipsey et Sjöholm (2010) Positif Asie orientale
Kariuki (2015) Positif Union africaine
Proximité culturelle
Raudonen et Freytag (2012) Négatif Pays baltes
Paniagua (2011) Positif Monde
Eren (2013) Non significatif Pologne et Turquie
Blonigen et Piger (2014) Positif OCDE et non OCDE
Ressources naturelles
Anyanwu (2011), Positif Afrique
Blonigen et Piger (2014) Négatif OCDE et non OCDE
Mohamed and Sidiropoulos
(2010)
Positif Pays en développement
Enclavement Subasat and Bellos (2013) Positif Amérique latine
Ndeffo et al. (2013) Non significatif Afrique
Par contre d’autres comme Liu et al. (1997), Altomonte (2000) ou encore Egger et Pfaffermayr
(2004) trouvent que la distance géographique n’a pas d’effet significatif sur les flux IDE dans
la zone OCDE.7 S’agissant de l’effet de la taille économique, Morisset (2000) trouve pour les
6 On peut aussi citer: Musila et Sigue (2006), Dupasquier et Osakwe (2006), Nnadozie et Osili (2004), Anyanwu
et Erhijakpor (2004) pour l’Afrique. Mengistu et Adams (2007), Cotton et Ramachandran (2001), Zhang (2001),
Kersan-Skabic et Orlic (2007), Botric et Škuflic (2006), Gholami et al (2006), Sekkat et Veganzones-Varoudakis
(2007), Dauti (2008) pour les autres pays en développement d’Europe, Moyen-Orient et l’Asie. 7 Organisation de Coopération et de Développement Economiques.
6
pays africains que la taille du marché ainsi que la disponibilité de ressources naturelles
n’affectent en rien l’attractivité du continent pour les IDE.. C’est plutôt l’amélioration de la
gouvernance qui intéresse les investisseurs étrangers. Contrairement à Morisset (2000), Bende-
Nabende (2002), Asiedu (2006) et O’Meara (2015) montrent que les pays dont la taille du
marché est importante attirent naturellement plus d’IDE.
Théoriquement, l’amélioration de la gouvernance s’avère cruciale pour l’attraction des IDE de
deux manières : en augmentant le degré de transparence au sein de l’économie et en boostant
la crédibilité politique du pays à l’étranger. Toutefois, les principales conclusions issues des
différentes recherches sont loin de faire l’unanimité. Tout d’abord plusieurs indicateurs
peuvent être associés à la gouvernance. La Banque mondiale en distingue six principaux. Il
s’agit de la liberté d’expression, la maîtrise de la corruption, l’établissement de l’état de droit,
l’efficacité des pouvoirs publics, la bonne règlementation et la stabilité politique et l’absence
de violence. Plus généralement, Morrissey et Udomkerdmongkol (2012), Amighini et al.
(2011) et Sanyal et Samanta (2008) trouvent que la maîtrise de la corruption est un facteur
déterminant des flux d’IDE. En revanche, Hausman et Fernandez-Arias (2000) soutiennent que
la corruption n’explique pas les flux d’IDE en direction de l’Amérique latine. Weller et Ulmer
(2008) ou encore Morrissey et Udomkerdmongkol (2012) remettent en question la principale
conclusion d’Amighini et al. (2011) en soutenant que les IDE peuvent être orientés vers les
pays les plus corrompus, notamment ceux en développement. C’est le cas par exemple de
nombreux investisseurs de pays émergents qui semblent moins regardants sur les niveaux de
corruption (Cheung et Qian, 2008). Si Morrissey et Udomkerdmongkol (2012), Lederman et
al. (2010) et Djaowe (2009) soutiennent la stabilité politique et l’absence de violence comme
facteur d’attraction des IDE, Quer et al. (2012) estiment cependant que le risque d'instabilité
politique peut être un facteur d'attraction des IDE. Kolstad et Wiig (2012) montrent que les
investisseurs chinois continuent à investir dans les pays instables politiquement. Quant à
Benassy et al. (2007), c'est plutôt l'efficacité du gouvernement et la maîtrise de la corruption
qui expliquent les flux d'IDE entre pays développés, émergents et en développement. Dauti
(2015) estime que la stabilité politique n’a pas d’incidence significative sur les flux d’IDE.
Pour ce qui est de la portée de l’Etat de droit, Habib et Zurawicki (2002) et Gani (2007) trouvent
une forte corrélation de ce dernier avec les IDE. Globerman et Shapiro (2002) se démarquent
des précédents en soulignant la prépondérance du cadre réglementaire sur la stabilité politique
et même sur l'Etat de droit dans les pays en développement.
7
Les IDE peuvent également être dictés par la qualité du développement des infrastructures, la
proximité culturelle et le désenclavement. Asiedu (2002) trouve que le développement des
infrastructures a un impact positif et significatif sur les IDE en direction des pays autres que
l'Afrique sub-saharienne. Ce résultat est confirmé par Onyeiwu et Shrestha (2004) et Kariuki
(2015) pour la même zone. Par contre, Lederman et al. (2010) soutiennent que la qualité des
infrastructures participent à l’implantation massive des firmes étrangères (par exemple les
firmes étrangères s'implantent davantage dans les pays de l'Afrique australe dotés
d'infrastructures). La proximité culturelle, en réduisant le coût de l’information et les
incertitudes pesant sur l’investissement, devrait favoriser les flux d’IDE. Elle peut donc être
captée par le biais de la langue commune, la religion commune et le lien colonial dans le cas
des pays africains. Subasat et Bellos (2013) s’intéressent aux économies de l’Amérique latine,
ils trouvent que la proximité culturelle par le biais de la langue et la religion est un important
facteur d’attraction des entreprises multinationales. Blonigen et Piger (2014) estiment que la
probabilité que la proximité culturelle impacte les flux d’IDE est très forte pour les pays
membres ou non de l’OCDE. Par contre, Raudonen et Freytag (2012) concluent que la
proximité culturelle décourage les IDE en direction des pays baltes. Quant à Eren (2013), il
aboutit à un impact non significatif de celle-là sur les flux d’IDE vers la Pologne et la Turquie.
Si l’effet du désenclavement peut se montrer ambigu, cependant plusieurs papiers soulignent
qu’un pays enclavé attire plus difficilement les investisseurs. Pour Panigua (2011), lorsque le
commerce est substituable aux IDE, l’enclavement aurait un effet positif sur ces derniers. En
revanche, lorsque les IDE sont orientés pour des fins d’exportation, l’enclavement aurait plutôt
un effet négatif sur les flux d’IDE. Dans une analyse sur un panel de 164 pays, Panigua (2011)
trouve que l’impact de l’enclavement sur les flux d’IDE est positif via la méthode des moindres
carrés ordinaires (MCO8). En utilisant la technique d’estimation PPMV9 sur un échantillon
réduit, il conclut à une « non » significativité de l’effet de l’enclavement. De même Ndeffo et
al. (2013) confirment que le fait d’être enclavé n’a aucune incidence sur l’afflux des IDE vers
les pays de l’Afrique sub-saharienne. Ndeffo et al. (2013) trouvent également que l’accès aux
eaux internationales (désenclavement) est un facteur d’attraction des IDE en direction de cette
partie du continent africain. Plusieurs auteurs (tableau 1) montrent qu’il existe un impact positif
et significatif des ressources naturelles sur l’attractivité des IDE, en Afrique et dans d’autres
pays en développement.
8 Méthode des Moindres Carrés Ordinaires. 9 Poisson-Pseudo Maximum de Vraisemblance.
8
Cette étude se distingue des précédents par l’utilisation d’un nouvel indicateur de
développement des infrastructures mis en place par la Banque Africaine de Développement
(BAD) au début des années 2000, ainsi qu’un nouvel indicateur composite de proximité
culturelle qui est construit avec la langue et/ou la colonisation10.
Dans la section 3 qui suit, nous développons un modèle théorique en partant du modèle de
gravité standard inspiré de la loi de gravitation universelle de Newton. Ce modèle a été
successivement augmenté par d’autres facteurs susceptibles d’expliquer l’afflux des IDE en
direction de l’Afrique. Il s’agit de la gouvernance, de la proximité culturelle et du
désenclavement des pays hôtes et l’impact des ressources naturelles.
3. Fondements théoriques du modèle
Selon le modèle de gravité, l’attraction gravitationnelle entre deux corps est directement
proportionnelle au produit des masses et inversement proportionnelle au carré de la distance
les séparant. Cette loi de physique a été introduite en analyse économique par Tinbergen (1962)
et Pöyhönen (1963). Le modèle de gravité est depuis devenu un outil de plus en plus populaire
pour estimer les interactions économiques dans l’espace et dans le temps. Au départ, ce modèle
n’avait donc aucun fondement économique.
Dans cette étude, nous partons des travaux de Waglé (2010) et Kleinert et Toubal (2010) pour
construire notre modèle de gravité. Ces auteurs supposent une hétérogénéité de productivités
pour séparer le marché entre firmes domestiques, exportant et investissant à l’étranger.
L’intérêt est porté uniquement aux firmes multinationales susceptibles d’entreprendre des IDE.
Considérons une firme multinationale étrangère représentative 𝑖 qui a deux possibilités :
produire localement puis exporter ou produire à l’étranger en y investissant directement. Toutes
choses égales par ailleurs, la firme 𝑖 décidera de produire à l’étranger (IDE) au lieu d’exporter
dans l’économie 𝑗 si et seulement si :
𝜋𝑖𝐼𝐷𝐸 − 𝜋𝑖
𝐸𝑋𝑃 > 0
où 𝜋𝐼𝐷𝐸 et 𝜋𝐸𝑋𝑃 sont respectivement les profits que pourrait enregistrer la firme 𝑖 sous IDE et
sous exportation. Le total des IDE de 𝑖 dans l’économie 𝑗 est une agrégation des IDE de toutes
les firmes qui investissent à l’étranger :
𝐼𝐷𝐸𝑖𝑗 = ∫ 𝑦𝑖𝑗𝑝𝑖𝑗𝑁𝑖𝑑𝐹(𝑐𝑚)𝑐𝑚𝑖𝑗
𝑀𝑁
𝑐𝑚𝑆𝑀𝑁
(1)
10 Pour cette dernière, nous distinguons les anciennes colonies d’exploitation (forte implication du colon dans la
gouvernance du pays) à celles de peuplement.
9
Avec
𝑝𝑖𝑗 =𝜑𝑖𝑗𝑐𝑖𝑗𝑐𝑚
𝛿
où 𝑦𝑖𝑗 est la quantité de biens produits par la firme 𝑖 dans l’économie 𝑗, 𝑝𝑖𝑗 le prix de ces biens,
𝑁𝑖 le nombre de firmes étrangères entreprenant des IDE, 𝐹(𝑐𝑚) indique la fraction des firmes
qui investissent à l’étranger et 𝜑𝑖𝑗 capte le coût de la transaction. Cette fraction est fonction du
coût marginal noté 𝑐𝑚. 𝑐𝑚 ∈ [𝑐𝑚𝑀𝑀𝑁 , 𝑐𝑚𝐷
𝐸𝑋[ avec 0 < 𝑐𝑚𝑀𝑀𝑁 < 𝑐𝑚𝐷
𝐸𝑋.11
Le volume des échanges (IDE) entre la firme 𝑖 et l’économie 𝑗 est défini par la relation
suivante :
𝑉𝑖𝑗 = ∫ 𝑐𝑚1−𝜎𝑑𝐹(𝑐𝑚)𝑐𝑚𝑖𝑗
𝑀𝑁
𝑐𝑚𝑀𝑀𝑁
(2)
où 𝑉𝑖𝑗 représente le volume des échanges (IDE) entre la firme 𝑖 et l’économie 𝑗. Ce volume
dépend donc du coût marginal et de l’élasticité de substitution 𝜎. Lorsque 𝑐𝑚𝑖𝑗𝑀𝑁 > 𝑐𝑚𝑀
𝑀𝑁, sous
l’hypothèse d’une fonction d’utilité (CES) isoélastique (Waglé, 2010) et en remplaçant 𝑦𝑖𝑗
(déterminé à partir de la maximisation du profit)12 et 𝑝𝑖𝑗 par leurs expressions le total des IDE
de 𝑖 devient :
𝐼𝐷𝐸𝑖𝑗 = [𝜑𝑖𝑗
𝑀𝑁𝑐𝑖𝑗
𝛿𝑃𝑗]
1−𝜎
𝑌𝑗(1 − 𝜏)𝑁𝑖𝑉𝑖𝑗 (3)
Le côut marginal 𝑐𝑚𝑖𝑗𝑀𝑁étant défini comme
𝑐𝑚𝑖𝑗𝑀𝑁 = [
𝑌𝑗(1 − 𝛿)
𝑐𝑖𝑗𝛿𝑃𝑗]
1𝜎−1 𝛿𝑃𝑗
𝜑𝑖𝑗𝑐𝑖𝑗
Où 𝛿 est la marge fixe de la firme 𝑖. 𝑐𝑖𝑗 représente ici le coût des biens intermédiaires, 𝑃𝑗 le
niveau des prix dans l’économie 𝑗, 1 − 𝜏 la part de biens produits par 𝑖 consommée dans
l’économie 𝑗. Toutefois, dans le cadre des IDE, nous approximons la capacité d’offre 𝑁𝑖 par la
taille économique de 𝑖, c’est-à-dire par 𝑃𝐼𝐵𝑖. Pour ce qui est de la capacité du marché de
l’économie 𝑗 nous l’approximons par 𝑃𝐼𝐵𝑗 13. En fin, le coût de la distance est déterminé par
11 𝑐𝑚𝑀
𝑀𝑁 et 𝑐𝑚𝐷𝐸𝑋 sont respectivement le coût marginal minimum (seuil minimal) pour la firme multinationale et
le coût marginal de la firme qui exporte. 12 Voir Waglé (2010), p. 23 équation 17. 13 PIB de l’économie 𝑗 est donc la somme des flux d’investissements directs étrangers (Waglé, 2010, p. 23).
10
le biais de la distance spatiale (𝐷𝐼𝑆𝑖𝑗) et des frictions liées à l’investissement (𝑢𝑖𝑗) qui sont
inconnues a priori : 𝜑𝑖𝑗𝑀𝑁 = 𝜑𝐷𝐼𝑆𝑖𝑗
𝜌𝑑𝑒𝑢𝑖𝑗 .
𝐼𝐷𝐸𝑖𝑗 = [𝜑𝐷𝐼𝑆𝑖𝑗
𝛿𝑑𝑒𝑢𝑖𝑗𝑐𝑖𝑗
𝛿𝑃𝑗]
1−𝜎𝑃𝐼𝐵𝑗𝑃𝑗
1−𝜎
(1 − 𝜏)𝑐𝑖𝑗1−𝜎
(1 − 𝜏)𝑃𝐼𝐵𝑖𝑉𝑖𝑗 (4.1)
𝐼𝐷𝐸𝑖𝑗 = [𝜑𝐷𝐼𝑆𝑖𝑗
𝛿𝑑𝑒𝑢𝑖𝑗
𝛿]
1−𝜎
𝑃𝐼𝐵𝑗 × 𝑃𝐼𝐵𝑖 × 𝑉𝑖𝑗 (4.2)
En log-linéarisant la relation précédente nous obtenons :
ln (𝐼𝐷𝐸𝑖𝑗)
= (1
− 𝜎)ln (𝜑 𝛿) + (1 − 𝜎)𝛿𝑑 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗) + 𝛽2 ln(𝑃𝐼𝐵𝑖) + ln(𝑉𝑖𝑗) + 𝑢𝑖𝑗⁄
(5)
ln(𝐼𝐷𝐸𝑖𝑗) = 𝛼0 + 𝛼1ln (𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗) + 𝛽2 ln(𝑃𝐼𝐵𝑖) + ln(𝑉𝑖𝑗)
+ 𝑢𝑖𝑗 (6)
Avec
𝛼0 = (1 − 𝜎)ln (𝜑 𝛿⁄ )
𝛼1 = (1 − 𝜎)𝛿𝑑
Afin de mettre en lumière les déterminants des flux d’IDE, nous complétons le modèle de
gravité de base précédent en introduisant successivement d’autres variables telles que les
indicateurs de gouvernance, l’indicateur de développement des infrastructures, la proximité
culturelle, le désenclavement. Ces variables de contrôle ont déjà fait l’objet de plusieurs études.
Pour Asiedu (2002) ou encore Morrissey et Udomkerdmongkol (2012), la qualité de la
gouvernance reste un facteur déterminant pour les flux d'IDE, i.e. en améliorant la gouvernance
une économie peut attirer plus d’investissements étrangers. A côté des indicateurs de
gouvernance politique, la qualité des infrastructures joue un rôle, on ne peut plus prépondérant,
dans l'attractivité des flux d'IDE. Selon la BAD (2013), les investissements dans les
infrastructures expliquent plus de 50% la récente amélioration de la croissance africaine.14
La spécification retenue dans l’analyse empirique se présente de la manière suivante :
14 The Africa Infrastructure Development Index (AIDI), May 2013.
11
ln(𝐼𝐷𝐸𝑖𝑗,𝑡) = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝐺𝑂𝑈𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡) + 𝛾3𝑃𝑋𝐶𝑖𝑗 + 𝛾4𝐷𝑆𝐶𝑗 + 𝛾5𝑅𝑁𝑗 + 𝑢𝑖𝑗 (7)
Où 𝐺𝑂𝑈𝑗,𝑡 correspond à la variable qui mesure l’évolution de la gouvernance au sein de
l’économie 𝑗,
𝐼𝑁𝐹𝑗,𝑡 l’indicateur de développement des infrastructures,
𝑃𝑋𝐶𝑖𝑗 la proximité culturelle, 𝐷𝑆𝐶𝑗 le désenclavement ou l’accès aux eaux internationales 𝑅𝑁𝑗
la part des ressources naturelles dans le PIB
4. Analyse empirique
Dans cette section, nous menons une analyse quantitative appliquée au cas de l'Afrique afin de
mettre en lumière les déterminants de l’IDE. Nous retenons différentes configurations du
modèle de gravité (7). La démarche consiste à montrer que les flux d’IDE dépendent d’une part
des poids des économies partenaires et de leurs distances géographiques. D’autre part, nous
introduisons progressivement d’autres variables de contrôle susceptibles d’expliquer les flux
d’IDE en direction de l’Afrique. Il s’agit de la qualité de la gouvernance et des infrastructures,
de la proximité culturelle (langue officielle), du désenclavement et l’impact des ressources
naturelles.
4.1. Données : Présentation et sources
Dans l'analyse empirique, nous utilisons des données de panel avec 52 pays et couvrant une
période d'une décennie, i.e. de 2000 à 2010. Les données utilisées sont à fréquence annuelle.
Il s'agit tout d'abord des flux d'IDE. Les données collectées sur l'IDE proviennent de la division
de l'investissement et des entreprises de la CNUCED. Ces flux comprennent les capitaux
fournis par l'investisseur étranger (soit directement, soit par l'intermédiaire d'autres entreprises
avec lesquelles il est lié). L'IDE est composé de trois catégories : le capital social, les bénéfices
réinvestis et les emprunts intra-entreprises. Il est mesuré en millions de dollars EU. Concernant
les investisseurs étrangers en Afrique, nous avons retenu les dix (10) principaux pays qui
représentent près de 80% des flux d’IDE vers l’Afrique (Tableau 2).
Pour la taille économique, c’est le PIB (𝑃𝐼𝐵𝑗) de chacun des pays africains et la moyenne des
PIB (𝑃𝐼𝐵𝑖) des principaux investisseurs qui sont pris en compte. Il s’agit du PIB nominal selon
l’optique des dépenses exprimé en millions de dollars EU.
12
S’agissant de la distance géographique (𝐷𝐼𝑆), c’est une moyenne des centres d’affaires entre
les pays africains et ceux des principaux investisseurs du continent.
Tableau 2 : Classement des dix premiers investisseurs étrangers en Afrique.
Rang Pays d’origine Part dans l’IDE total du continent (%)
1 France 17.9
2 Etats-Unis 17.5
3 Royaume-Uni 14.6
4 Malaisie 6.0
5 Chine 4.0
6 Allemagne 4.0
7 Suisse 3.9
8 Italie 3.2
9 Singapour 3.0
10 Norvège 2.9
Total 10 premiers investisseurs 77
Source : Le développement économique en Afrique. Rapport 2013, Commerce intra-africain : Libérer le
dynamisme du secteur privé.
Les mesures de la gouvernance portent sur les indicateurs globaux de gouvernance de la
Banque mondiale (BM). Ces indicateurs mesurent six composantes de la bonne gouvernance à
savoir : liberté de parole et responsabilité (𝑉𝐶𝑅), stabilité politique et absence de violence
(𝑆𝑃𝑉), efficacité des pouvoirs publics (𝐺𝑂𝑈), qualité de la réglementation (𝑄𝑅𝐸), état de droit
(𝑅𝐷𝑅) et maîtrise de la corruption (𝐶𝑂𝑅). Les valeurs de ces indicateurs sont exprimées sur
une échelle de [-2,5 +2,5]. Plus le score est proche de +2,5 plus performant est le pays en termes
de gouvernance et vice versa. Au-delà de la fiabilité de ces indicateurs, il est également
important de souligner qu'ils sont la résultante de toute une série d'enquêtes auprès des
ménages, des entreprises et des experts. Ils sont collectés à partir d'une trentaine de base de
données émanant des secteurs publics et privés mais également des organisations non-
gouvernementales.
La qualité des infrastructures est mesurée par l'indice de développement des infrastructures
basé sur quatre composantes majeures : le transport, l'électricité, les technologies de
l'information et de la communication, l'eau et la santé. Ces composantes sont désagrégées en
neuf indicateurs ayant un impact direct ou indirect sur la productivité et la croissance
économique.15 Cet indice a été mis en place par la Banque Africaine de Développement afin
de suivre le développement des infrastructures à travers le continent africain depuis le début
des années 2000. Les valeurs de cet indice sont comprises entre 0 et 100.
15 Pour plus de détails voir The Africa Infrastructure Development Index (AIDI) édition de Mai 2013.
13
S’agissant de la proximité culturelle (𝑃𝑋𝐶), c’est un indicateur composite construit à partir des
données du centre d’études prospectives et d’informations internationales (CEPII). Cet
indicateur, dont les valeurs potentielles varient de 0 et 7.5, prend donc en compte le nombre de
langues officielles (avec une pondération de 3) , le nombre de langues parlées par au moins
20% de la population pondéré à 1.5, le nombre de langues parlées entre 9% et 20% de la
population pondéré à 1 et enfin une variable captant le fait que le pays (Afrique) ait été colonisé
avec une forte implication du colonisateur dans la gouvernance (colonie d’exploitation)
pondéré à 2.
Les ressources naturelles (𝑅𝑁) sont prises en compte travers le total de leurs rentes en
pourcentage du PIB. Elles concernent les rentes tirées des produits pétroliers, du gaz naturel,
du charbon, des minerais et des produits forestiers. Ces données proviennent de la Banque
mondiale. Nous avons construit une variable dummy égale à 1 pour les pays disposant des
ressources et dont la part des rentes tirées de celles-ci représente au moins 10% du PIB et 0
sinon.
Enfin, une variable binaire captant le désenclavement, i. e. l’accès aux eaux internationales.
Cette variable (𝐷𝑆𝐶), collectée à partir de la base CEPII, est égale à 1 si le pays est désenclavé,
i.e. à un accès maritime ou aux eaux internationales et 0 sinon (enclavé).
Le Tableau 3 ci-dessus récapitule les symboles, les définitions et les sources de toutes les
variables utilisées dans l’analyse empirique.
Tableau 3 : Définition et sources des données
Variables Définition Sources
𝐼𝐷𝐸𝑖𝑗 Investissement Direct Etranger CNUCED
𝑃𝐼𝐵𝑖 Produit Intérieur Brut moyen des principaux pays
investisseurs
CNUCED
𝑃𝐼𝐵𝑗 Produit Intérieur Brut du pays africain CNUCED
𝐷𝐼𝑆𝑖𝑗 Distance géographique entre 𝑖 et 𝑗 CEPII
𝐶𝑂𝑅𝑗 Maîtrise de la corruption BM
𝐺𝑂𝑈𝑗 Efficacité des pouvoirs publics BM
𝑆𝑃𝑉𝑗 Stabilité politique et absence de violence BM
𝑅𝐷𝑅𝑗 Respect de la règle de droit BM
𝑄𝑅𝐸𝑗 Qualité de la règlementation BM
𝑉𝐶𝑅𝑗 Liberté d’expression BM
𝑅𝑁𝑗 Rentes tirées des ressources naturelles en % du PIB BM
𝐼𝑁𝐹𝑗 Développement des infrastructures BAD
𝑃𝑋𝐶𝑖𝑗 Proximité culturelle Auteurs/CEPII
𝐷𝑆𝐶𝑗 Désenclavement (Accès aux eaux internationales) Auteurs/CEPII
14
4.2 Analyse de la corrélation
Nous reportons dans le Tableau 4, la matrice de corrélation entre les différentes variables du
modèle. Tout d’abord, nous relevons qu’à l’exception de la liberté d’expression, les flux d’IDE
sont significativement corrélés avec toutes les variables du modèle. Conformément aux
prédictions théoriques, les flux d’IDE sont négativement corrélés avec la distance
géographique.
Toutefois, le principal enseignement tiré de l'observation du Tableau 4 est la forte corrélation
entre l'état de droit (𝑅𝐷𝑅) et les autres indicateurs de gouvernance. La valeur du coefficient de
corrélation est comprise entre 0,76 et 0,90. Cette forte corrélation se traduit-elle par un lien de
causalité entre l'état de droit et les autres indicateurs de gouvernance. Les Tableaux 5 et 6
fournissent quelques éléments de réponses.
Tableau 4 : Matrice de corrélation
𝐼𝐷𝐸 𝑃𝐼𝐵 𝑃𝐼𝐵∗ 𝐷𝐼𝑆 𝐶𝑂𝑅 𝐺𝑂𝑈 𝑆𝑃𝑉 𝑅𝐷𝑅 𝑄𝑅𝐸 𝑉𝐶𝑅 𝐼𝑁𝐹 𝑃𝑋𝐶 𝐷𝑆𝐶
𝑃𝐼𝐵 0.72(.00)
−
𝑃𝐼𝐵∗ 0.31(.00)
0.22(.00)
−
𝐷𝐼𝑆 −0.23(.00)
−0.32(.00)
0.01(.98)
−
𝐶𝑂𝑅 0.09(.02)
0.03(.47)
−0.01(.78)
0.21(.00)
−
𝐺𝑂𝑈 0.24(.00)
0.26(.00)
−0.04(.00)
0.10(.01)
0.88(.00)
−
𝑆𝑃𝑉 0.03(.52)
−0.12(.00)
0.04(.31)
0.18(.00)
0.68(.00)
0.65(.00)
−
𝑅𝐷𝑅 0.18(.00)
0.12(.00)
0.01(.81)
0.10(.01)
0.89(.00)
0.91(.00)
0.78(.00)
−
𝑄𝑅𝐸 0.24(.00)
0.25(.00)
−0.01(.89)
0.14(.00)
0.79(.00)
0.88(.00)
0.62(.00)
0.86(.00)
−
𝑉𝐶𝑅 −0.03(.42)
−0.08(.04)
0.01
(.077)
0.40(.00)
0.73(.00)
0.69(.00)
0.64(.00)
0.76(.00)
0.71(.00)
−
𝐼𝑁𝐹 0.22(.00)
0.26(.00)
0.21(.00)
−0.15(.00)
0.41(.00)
0.45(.00)
0.42(.00)
0.44(.00)
0.34(.00)
0.12(.00)
−
𝑃𝑋𝐶 0.10(.01)
−0.10(.00)
−0.01(.92)
0.05(.17)
0.07
(. 08) −0.01(.98)
0.21(.00)
0.12(.00)
0.10(.01)
0.17(.00)
−0.01(.70)
−
𝐷𝑆𝐶 0.20(.00)
0.14(.00)
−0.01(.98)
−0.18(.00)
−0.03(.37)
0.01(.74)
0.06(.15)
−0.01(.82)
−0.03(.44)
−0.03(.94)
0.17(.00)
−0.04(.25)
−
𝑅𝑁𝐴 0.18(.00)
0.28(.00)
−0.01(.84)
−0.28(.00)
−0.43(.00)
−0.33(.00)
−0.37(.00)
−0.41(.00)
−0.28(.00)
−0.44(.00)
−0.14(.00)
−0.19(.00)
0.19(.00)
Note : Entre parenthèses les p-value associées.
Tableau 5 : Interdépendance des indicateurs de gouvernance
Déterminants IDE Impact sur les autres variances Degré d’indépendance
𝑅𝐷𝑅 10.84 0.09
𝐺𝑂𝑈 8.89 0.11
𝐶𝑂𝑅 5.79 0.17
𝑄𝑅𝐸 5.24 0.19
𝑆𝑃𝑉 2.83 0.35
𝑉𝐶𝑅 2.75 0.36
𝐼𝑁𝐹 1.44 0.69
15
Tableau 6 : Effets de l’état de droit sur les autres indicateurs de gouvernance.
𝐺𝑂𝑈 𝐶𝑂𝑅 𝑄𝑅𝐸 𝑆𝑃𝑉 𝑉𝐶𝑅
𝐶𝑂𝑁𝑆𝑇 −0.140∗∗∗
(. 03)
−0.099∗∗
(.04)
−0.140∗∗
(.04)
0.273∗∗∗
(.07)
−0.050(.06)
𝑅𝐷𝑅 0.841∗∗∗
(.01)
0.769∗∗∗
(.01)
0.805∗∗∗
(.02)
1.108∗∗∗
(.00)
0.820∗∗∗
(.02)
𝑅𝑀𝐶𝐸 0.260 0.264 0.320 0.598 0.477
𝑅2 0.83 0.79 0.74 0.61 0.57
Notes : Les équations sont estimées par la méthode des moindres carrés ordinaires (MCO) avec effets fixes
corrigées de l’hétéroscédasticité. Les écarts-types robustes associés aux coefficients estimés sont reportés dans
les parenthèses. RMCE (Racine de la moyenne carrée des erreurs).
Les taux d'indépendance des indicateurs sont reportés dans le Tableau 5. Seules les
infrastructures se démarquent avec un taux de près 70% vis-à-vis des autres prédicteurs, i.e.
tous les autres indicateurs de gouvernance. Pour vérifier la prépondérance de l'état de droit en
tant que locomotive des autres indicateurs de gouvernance, nous régressons ces derniers sur la
variable état de droit. Les résultats sont sans équivoque, non seulement l'état de droit entraîne
de manière positive et significative tous les autres indicateurs de gouvernance, de même il a un
pouvoir explicatif très important. Pour tous les indicateurs, la valeur du coefficient de
détermination est largement supérieure à 50%. En effet, l'état de droit semblent expliquer plus
de la moitié de la variance totale de chacun des autres indicateurs de gouvernance. Ces résultats
confirment donc les principales conclusions de Globerman et Shapiro (2002) et Busse et
Héféker (2007) sur la forte corrélation entre l'état de droit et les autres indicateurs de
gouvernance. Pour Johnson et Dahlstrom (2004), le déficit d’état de droit mène tout simplement
à la corruption et donc à la mauvaise gouvernance.
A la lumière de la confirmation de la prépondérance de l'état de droit comme locomotive de la
gouvernance, dans la suite de ce papier nous réduisons l'impact des indicateurs globaux de
gouvernance à celui du seul état de droit pour des raisons susmentionnées.
4.3. Estimation des modèles de gravité standard et augmenté
Dans cette analyse empirique, trois spécifications du modèle de gravité sont présentées : (i) le
modèle de gravité standard (𝑀𝐺𝑆 – 7.1), (ii) le modèle de gravité augmenté de l’indicateur de
gouvernance et de développement des infrastructures (𝑀𝐺𝐴1 – 7.2) et (iii) le modèle de gravité
augmenté de l’effet de la proximité culturelle et du désenclavement du pays hôte des IDE
(𝑀𝐺𝐴2 – 7.3). Les quatre modèles estimés se présentent de manière suivante :
ln(𝐼𝐷𝐸𝑖𝑗,𝑡) = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) +𝑢𝑖𝑗 (7.1)
16
ln(𝐼𝐷𝐸𝑖𝑗,𝑡) = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡)+𝑢𝑖𝑗 (7.2)
ln(𝐼𝐷𝐸𝑖𝑗,𝑡) = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡) + 𝛾3𝑃𝑋𝐶𝑖𝑗 + 𝛾4𝐷𝑆𝐶𝑗 + 𝑢𝑖𝑗 (7.3)
ln(𝐼𝐷𝐸𝑖𝑗,𝑡) = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡) + 𝛾3𝑃𝑋𝐶𝑖𝑗 + 𝛾4𝐷𝑆𝐶𝑗 + 𝛾5𝑅𝑁𝑗 + 𝑢𝑖𝑗 (7.4)
Trois techniques d’estimation sont retenues (Tableau 7), la méthode des moindres carrés
ordinaires traditionnelle (𝑀𝐶𝑂), la méthode des moindres carrés ordinaires robustes (𝑀𝐶𝑂𝑅)
et l’estimation par Pseudo-Poisson maximum de vraisemblance (𝑃𝑃𝑀𝑉). Dans chacune de ces
estimations, nous incluons les effets fixes.
Tableau 7 : Estimation des modèles de gravité standard et augmenté (MCO).
𝑴𝑮𝑺 𝑴𝑮𝑨𝟏 𝑴𝑮𝑨𝟐 𝑴𝑮𝑨𝟑
𝐶𝑂𝑁𝑆𝑇 −2.503(2.39)
−1.879(2.55)
−1.327
2.43
−1.345(2.43)
ln (𝐷𝐼𝑆𝑖𝑗) −0.213(.35)
−0.262
(.37)
−0.126(.35)
−0.122
(.35)
ln (𝑃𝐼𝐵𝑗) 0.978∗∗∗
(.04)
0.931∗∗∗
(.04)
0.900∗∗∗
(.04)
0.897∗∗∗
(.05)
ln (𝑃𝐼𝐵𝑖) 0.324∗∗∗
(.10)
0.467∗∗∗
(.12)
0.461∗∗∗
(.11)
0.463∗∗∗
(.11)
𝑅𝐷𝑅𝑗 0.365∗∗∗
(.11)
0.222∗∗
(.10)
0.228∗∗
(.11)
ln (𝐼𝑁𝐹𝑗) 0.287∗∗
(.11)
0.399∗∗∗
(.10)
0.400∗∗∗
(.10)
𝑃𝑋𝐶𝑖𝑗 0.176∗∗∗
(.02)
0.175∗∗∗
(.02)
𝐷𝑆𝐶𝑗 0.790∗∗∗
(.14)
0.801∗∗∗
(.16)
𝑅𝑁𝐴𝑇𝑗 0.025(.19)
𝑅 𝑐𝑎𝑟𝑟é 0.59 0.59 0.64 0.63
𝑇𝑒𝑠𝑡 𝐵𝑃 113.78(.00)
131.39(.00)
197.93(.00)
197.42(.00)
Notes : Test d’hétéroscédasticité de Breusch-Pagan.
17
Pour Anderson et Van Wincoop (2004), la prise en compte des effets fixes permet de contrôler
les biais de résistance multilatérale ou d’hétérogénéité. L’introduction des effets fixes sert donc
à contenir l’hétérogénéité inobservée.
Les résultats de l’estimation par 𝑀𝐶𝑂 des différents modèles de gravité avec effets fixes sont
reportés dans le Tableau 7 ci-dessus. Il résulte des estimations que les signes des coefficients
sont tous conformes aux prédictions théoriques. A l’exception de la distance géographique et
des ressources naturelles, tous les coefficients sont statistiquement différents de 0 au seuil de
5%. Toutefois, à la lecture des résultats du test d’hétéroscédasticité de Breusch-Pagan,
l’estimateur 𝑀𝐶𝑂 semble être hétéroscédastique. Pour Silva et Tenreyrob (2006), du fait du
comportement hétéroscédastique des erreurs, la log-linéarisation entraîne un biais dans
l’estimateur des 𝑀𝐶𝑂. En effet, la log-linéarisation modifie la propriété du terme d’erreur, qui
devient corrélé avec les variables explicatives en présence d’hétéroscédasticité. En outre, la
log-linéarisation s’avère incompatible avec l’existence de valeurs nulles. Pour Helpman et al.
(2008), l’omission des observations nulles mènent à un échantillon non aléatoire entraînant des
estimateurs biaisés et non convergents.
Pour surmonter ces difficultés, nous corrigeons la présence d’hétéroscédasticité d’une part par
le biais de l’estimateur des moindres carrés ordinaires robustes (𝑀𝐶𝑂𝑅). D’autre part, nous
suivons Silva et Tenreyro (2006) et Kleinert et Toubal (2010 et estimons les différents modèles
par Pseudo-Poisson Maximum de Vraisemblance (𝑃𝑃𝑀𝑉). Cette technique d’estimation est
robuste en présence d’hétéroscédasticité et fournit une solution pour traiter les observations
nulles de l’échantillon. Les quatre modèles de gravité estimés par 𝑃𝑃𝑀𝑉 se présentent comme
suit :
𝐼𝐷𝐸𝑖𝑗,𝑡 = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) +𝑢𝑖𝑗 (8.1)
𝐼𝐷𝐸𝑖𝑗,𝑡 = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡)+𝑢𝑖𝑗 (8.2)
𝐼𝐷𝐸𝑖𝑗,𝑡 = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡) + 𝛾3𝑃𝑋𝐶𝑖𝑗 + 𝛾4𝐷𝑆𝐶𝑗 + 𝑢𝑖𝑗 (8.3)
𝐼𝐷𝐸𝑖𝑗,𝑡 = 𝛼0 + 𝛼1 ln(𝐷𝐼𝑆𝑖𝑗) + 𝛽1 ln(𝑃𝐼𝐵𝑗,𝑡) + 𝛽2 ln(𝑃𝐼𝐵𝑖,𝑡) + 𝛾1𝑅𝐷𝑅 𝑗,𝑡
+ 𝛾2ln (𝐼𝑁𝐹𝑗,𝑡) + 𝛾3𝑃𝑋𝐶𝑖𝑗 + 𝛾4𝐷𝑆𝐶𝑗 + +𝛾5𝑅𝑁𝑗 + 𝑢𝑖𝑗 (8.4)
18
Les résultats de l’estimation des équations (8.1), (8.2), (8.3) et (8.4) avec effets fixes sont
reportés dans le Tableau 8. Pour surmonter la présence d’hétéroscédasticité, deux techniques
d’estimation sont prises en compte la méthode des moindres carrés ordinaires robuste (𝑀𝐶𝑂𝑅)
et celle de Pseudo-Poisson maximum de vraisemblance (𝑃𝑃𝑀𝑉). Si les signes des coefficients
sont similaires à ceux du Tableau 7, les valeurs des coefficients de détermination sont
relativement plus importantes avec l’estimateur 𝑃𝑃𝑀𝑉. A l’exception de la distance
géographique, tous les coefficients sont significatifs au seuil de 5% sous 𝑀𝐶𝑂𝑅. En revanche,
l’impact du développement des infrastructures sur les flux d’IDE n’est pas significatif sous
𝑃𝑃𝑀𝑉. Les signes des coefficients sont cependant tous conformes aux prédictions théoriques.
Comme pour Kleinert et Toubal, (2010), la distance a un effet négatif sur les flux d’IDE. Ce
signe négatif peut facilement se justifier par la théorie sur les coûts de transaction. Une hausse
de 1% de la distance entre les centres d’affaires des économies partenaires provoque une baisse
de 0.2% des flux d’IDE. Cependant cet effet n’est pas significatif pour toutes les
spécifications.16 La taille des économies d’accueil et d’origine des flux d’IDE approximée par
le PIB affecte directement les flux d’IDE en direction de l’Afrique. L’effet de la taille du
marché des pays d’accueil domine clairement. En effet, il varie entre 0.7 et 0.9 (contre 0.2 à
0.4 pour celle de l’économie d’origine des IDE).
Tableau 8 : Estimation des modèles de gravité standard et augmenté (MCOR et PPMV). 𝑀𝐺𝑆 𝑀𝐶𝑂𝑅 𝑀𝐺𝑆 𝑃𝑃𝑀𝑉 𝑀𝐺𝐴1 𝑀𝐶𝑂𝑅 𝑀𝐺𝐴1 𝑃𝑃𝑀𝑉 𝑀𝐺𝐴2 𝑀𝐶𝑂𝑅 𝑀𝐺𝐴2 𝑃𝑃𝑀𝑉 𝑀𝐺𝐴3 𝑀𝐶𝑂𝑅 𝑀𝐺𝐴3 𝑃𝑃𝑀𝑉
𝐶𝑂𝑁𝑆𝑇 −2.503(1.77)
0.200(1.28)
−1.879(1.80)
0.225(1.35)
−1.327(1.80)
−0.223(1.33)
−1.345(1.80)
−0.434(1.42)
ln (𝐷𝐼𝑆𝑖𝑗) −0.213(.25)
−0.159
(.18)
−0.262(.25)
−0.216
(.19)
−0.126(.24)
−0.029
(.18)
−0.226(.24)
0.006(.18)
ln (𝑃𝐼𝐵𝑗) 0.978∗∗∗
(.04)
0.737∗∗∗
(.03)
0.931∗∗∗
(.04)
0.750∗∗∗
(.03)
0.900∗∗∗
(.04)
0.770∗∗∗
(.03)
0.897∗∗∗
(.05)
0.738∗∗∗
(.04)
ln (𝑃𝐼𝐵𝑖) 0.324∗∗∗
(.08)
0.379∗∗∗
(.06)
0.467∗∗∗
(.14)
0.288∗∗∗
(.08)
0.461∗∗∗
(.14)
0.272∗∗∗
(.08)
0.463∗∗∗
(.14)
0.284∗∗∗
(.08)
𝑅𝐷𝑅𝑗 0.365∗∗∗
(.12)
0.175∗∗
(.08)
0.222∗∗
(.11)
0.108(.08)
0.228∗
(.12)
0.048(.09)
ln (𝐼𝑁𝐹𝑗) 0.287∗∗∗
(.08)
0.137(.67)
0.399∗∗∗
(.08)
0.515(.62)
0.400∗∗∗
(.08)
0.612(.59)
𝑃𝑋𝐶𝑖𝑗 0.176∗∗∗
(.02)
0.111∗∗
(.02)
0.175∗∗∗
(.03)
0.097∗∗∗
(.02)
𝐷𝑆𝐶𝑗 0.790∗∗∗
(.17)
0.297∗∗
(.12)
0.801∗∗∗
(.16)
0.362∗∗∗
(.12)
𝑅𝑁𝑗 0.025(.17)
0.254∗∗∗
(.12)
𝑅 𝑐𝑎𝑟𝑟é 0.59 0.62 0.59 0.63 0.64 0.69 0.64 0.70
16 Liu et al. (1997) trouvent que la distance géographique n’a aucun effet sur les flux d’IDE en direction de la
Chine.
19
Toute augmentation du PIB de l’économie d’accueil de 1% entraînera une hausse des flux
d’IDE entrants de plus de 0.7%. Ce résultat reflète le fait que les flux d’IDE sont le plus souvent
concentrés vers les pays à haut revenu. C’est le cas des pays de la zone Maghreb qui sont les
premiers bénéficiaires des flux d’IDE en direction de l’Afrique.
Maintenant, le modèle de gravité standard est augmenté en introduisant l’indicateur de
gouvernance (𝑅𝐷𝑅) et celui du développement des infrastructures (𝐼𝑁𝐹). Les résultats de
l’estimation du modèle (𝑀𝐺𝐴1) montrent que l’amélioration de la gouvernance et la qualité
des infrastructures boostent de façon significative l’attraction des flux d’IDE en direction de
l’Afrique. Ils indiquent que les flux d’IDE s’orientent vers des économies où il n’y a pas de
restriction sur les droits de propriété et d’entreprendre. La qualité de la règle de droit est donc
un signal fort dans l’attraction des investisseurs étrangers. Au-delà de la taille du marché, les
investisseurs étrangers semblent porter un intérêt particulier à la qualité de la gouvernance qui
prévaut dans l’économie d’accueil ce qui corrobore les résultats obtenus par (Globerman et
Shapiro, 2002 et Busse et Hefeker, 2007). Pour Stein et Daude (2001), la qualité des institutions
(respect de l’état de droit) s’avère pertinent pour les flux d’IDE. Ces résultats confirment par
ailleurs la principale conclusion de Lederman et al. (2010) sur l'importance des infrastructures
dans l'attractivité des IDE en Afrique. En effet, tout accroissement de l'indice du
développement des infrastructures de 1% induit une hausse des flux d'IDE d'environ 0.3% en
direction du continent. En améliorant la gouvernance et en investissant dans la construction des
infrastructures, les pays africains peuvent attirer davantage d’IDE.
Tous facteurs susceptibles de contribuer à réduire les coûts de transaction (information,
transport, …) devraient avoir un impact positif sur les flux d’IDE. La proximité culturelle, en
réduisant les incertitudes, promeut les flux d’échange entre économies partenaires. Toutefois,
dans la littérature il n’y a aucun consensus quant à l’effet du désenclavement (accès aux eaux
internationales) sur les flux d’IDE. En termes d’échanges et d’attraction des IDE, le
désenclavement, en contribuant à la facilité d’accès à moindres coûts, favorise les flux d’IDE.
En fin, un intérêt est porté sur le rôle des ressources naturelles dans l’attraction des IDE. Les
résultats reportés dans le Tableau 8 (MGA3 PPMV) montrent clairement que la présence des
ressources naturelles est une source de motivation pour ces investissements.
5. Conclusion
Améliorer le niveau de vie et réduire la pauvreté sont le but ultime de toute stratégie
d'attractivité de l'IDE par les pays africains. En utilisant un panel de 52 pays africains et trois
20
spécifications du modèle de gravité (le modèle standard ; le modèle augmenté de l’indicateur
de gouvernance et du développement des infrastructures ; et le modèle augmenté de l’effet de
proximité culturelle et du désenclavement du pays hôte), l’étude a mis en évidence plusieurs
faits stylisés sur l’IDE. Premièrement, l’amélioration de la gouvernance et la qualité des
infrastructures booste de façon significative les flux d’IDE en direction de l’Afrique.
Deuxièmement, l’effet de la gouvernance semble être dominant. Troisièmement, la proximité
culturelle est aussi un facteur d’attraction des IDE. Elle favorise les échanges entre économies
partenaires. Quatrièmement, la taille du marché des pays d’accueil compte dans les flux d’IDE.
Cinquièmement, la présence de ressources naturelles favorise l’IDE dans les pays.
La principale recommandation de cette étude est que lors de la conception des politiques visant
à attirer les investissements étrangers, les pays africains devraient accorder plus d'attention à
l’amélioration de leur climat d'investissement (infrastructures, institutions, gouvernance) tout
en intégrant la proximité culturelle. Enfin, les résultats de cette étude suggèrent une autre piste
de recherche. En effet, compte tenu de la robustesse de l'effet des interactions entre le capital
humain et l'IDE, il pourrait être intéressant d’explorer les effets de l'IDE sur le niveau de
capital humain sur un large panel de pays africains.
21
Références bibliographiques
Altomonte C. (2000), Economic determinants and institutional frameworks: FDI in economies
in transition, Transnational Corporations, vol. 9(2), pages75-106.
Amighini A., Rabelloti R. et Sanfilippo M. (2011), China’s Outward FDI: An Industry-level
Analysis of Host Country Determinants, CES ifo Venice Summer Institute.
Anderson J. E. et Vanwincoop E. (2004), Trade Costs, Journal of Economic Literature, vol.
42, pages 691–751.
Anyanwu, J.C (2011) Determinants of Foreign Direct Investment Inflows to Africa, 1980-
2007, African Development Bank Working Paper N°136, Tunis, Tunisia.
Anyanwu and Erhijakpor (2004) “Trends and Determinants of Foreign Direct Investment in
Africa”, West African Journal of Monetary and Economic Integration, Second Half, 21-44.
Asiedu E. (2002), On the Determinants of Foreign Direct Investment to Developing Countries:
is Africa Different?, World Development, vol. 30(1), pages 107-199.
Asiedu E. (2006), Foreign Direct Investment in Africa: The Role of Natural Resources, Market
Size, Government Policy, Institutions and Political Instability, The World Economy, vol. 29
(1), pages 63-77
Bénassy-Quéré A., Coupet M. et Mayer T. (2007), Institutional determinants of foreign direct
investment, The World Economy, vol. 30 (5), pages 764-782.
Bende-Nabende A. (2002), Foreign direct investment determinants in Sub-Saharan Africa: A
co-integration analysis, Economics Bulletin, vol. 6 (4), pages 1-19.
Blonigen B. et Piger J. (2011), Determinants of foreign direct investment, NBER Working
Paper n° 16704, Cambridge, MA: National Bureau of Economic Research.
Blonigen B. et Piger J. (2014), Determinants of foreign direct investment, Canadian Journal
of Economics, vol. 47 (3), 775-812.
Borensztein E., De Gregorio J. et Lee J-W. (1998), How does foreign direct investment affect
economic growth? Journal of International Economics, vol. 45, pages 115–135.
Botric V., and Škuflic L. (2006), “Main Determinants of Foreign Direct Investment in the
Southeast European Countries”, Transition Studies Review, 13(2), 359–377
22
Busse M. et Hefeker C. (2007), Political risk, institutions and foreign direct investment,
European Journal of Political Economy, vol. 23(2), pages 397-415.
Kariuki C. (2015), The Determinants of Foreign Direct Investment in the African Union,
Journal of Economics, Business and Management, Vol. 3, No. 3.
Cheung Y. W. et Qian X. W. (2008), The empirics of China’s outward direct investment,
Munich: CESifo GmbH.
Cotton L. and Ramachandran V. (2001) “Foreign Direct Investment in Emerging Economies
Lessons from subSaharan Africa”, World Institute for Development Economics Research
Discussion Paper No. 2001/82.
Dauti, B. (2008), Determinants of Foreign Direct Investment inflow in South East European
Countries – Panel Estimation, Proceedings of the International Conference: Economic & Social
Challenges and Problems, Vol. 1, 87- 112 (And MPRA Paper No. 18273, October 2009 /
20:01).
Dauti B. (2015), Determinants of Foreigne Direct Investment in Transition Economies, with
special reference to Macedonia : Evidence from Gravity Model, South East European Journal
of Economics and Business ,Vol.10 (2), pages 7-28
Deichmann J. I., and Eshghi A., Haughton D. M., Sayek S., Teebagy N. C. (2003), “Foreign
Direct Investment in the Eurasian Transition States” Eastern European Economics, 41(1), 5-
34.
Djaowe J. (2009), Investissements Directs Etrangers (IDE) et Gouvernance : les pays de la
CEMAC sont-ils attractifs ? Revue Africaine de l’Intégration, vol. 3(1).
Dupasquier C. and Osakwe P. N. (2006), “Foreign direct investment in Africa: Performance,
challenges, and responsibilities”, Journal of Asian Economics, 17, 241–260.
Edwards S. (1990), Capital Flows, Foreign Direct Investment, and Dept - Equity Swaps in
Developing Countries, Working Paper No. 3497 ed.: NBER
Egger P. et Pfaffermayr M. (2004), Distance, Trade and FDI: A SUR Hausman–Taylor
Approach, Journal of Applied Econometrics, vol. 19, pages 227–46.
Eren M. T. (2013), The impact of distance in religion between countries on foreign direct
investment flows from the european union (EU) directed to Turkey and Poland, International
Journal of Economics and Finance Studies, vol. 5 (1), ISSN: 1309-8055.
23
Gani A. (2007), Governance and foreign direct investment links: Evidence from panel data
estimations, Applied Economics Letters, vol. 14 (10), pages 753-756.
Gholami, R. Lee, S-Y. T. and Heshmati, A. (2006), “The Causal Relationship between
Information and Communication Technology and Foreign Direct Investment”, The World
Economy, Vol. 29, No. 1, 43-62.
Globerman S. et Shapiro D. (2002), Global foreign direct investment flows: The role of
governance infrastructure, World Development, vol. 30 (11), pages 1899-1919.
Habib M. et Zurawicki L. (2002), Corruption and foreign direct investment, Journal of
international business studies, vol. 33 (2), pages 291-307.
Hailu, Z. A. (2010), “Demand Side Factors Affecting the Inflow of Foreign Direct Investment
to African Countries: Does Capital Market Matter?”, International Journal of Business and
Management, Vol. 5, No. 5, May, 104-116.
Hausmann R. et Fernandez-Arias E. (2000), Foreign direct investment: Good cholesterol?
Research Department Working Paper n° 417, Washington, DC: Inter-American Development
Bank.
Helpman E. (2006), Trade, FDI, and the Organization of Firms, Journal of Economic
Literature, vol. 44 (3), 589-630.
Helpman E., Melitz M. et Rubinstein Y. (2008), Estimating trade flows: Trading partners and
trading volumes. Q J Econ 123, pages 441-487.
Johnson A. et Dahlstrom T. (2004), Bureaucratic corruption, MNEs and FDI, Mimeo,
Jonkoping International Business School, Sweden.
Kersan-Skabic I. and Orlic E. (2007), Determinants of FDI in CEE, Western Balkan Countries
(Is Accession to the EU Important for Attracting FDI?)”, Economic and Business Review, 9(4),
333-350.
Kleinert J. et Toubal F. (2010), Gravity for FDI, Review of International Economics, vol. 18
(1), pages 1-13.
Kolstad I. et Wiig A. (2012), What determines Chinese outward FDI? Journal of World
Business, vol. 47, pages 26-34.
24
Lederman D., Mengistae T. et Xu L. (2010), Microeconomic consequences and
macroeconomic causes of foreign direct investment in southern African economies, World
Bank Policy Research Working n° 5416, Washington, DC: The World Bank.
Lipsey R. et Sjöholm F. (2010), FDI and growth in East Asian: Lessons for Indonesia.
Stockholm, Research Institute of Industrial Economics, IFN Working Paper n° 852.
Liu X. M., Romilly P., Song H. Y. et Wei Y.Q. (1997), Country characteristics and foreign
direct investment in China: A panel data analysis, Weltwirschaftliches Archiv, vol. 133(2)
pages 313-29.
Loungani P., Mody et Razin A. (2002), The global disconnect: the role of transactional distance
and scale economies in gravity equations, November 2002.
Markusen J. (2004), Multinational firms and the theory of international trade, Boston: MIT
Press.
Mengistu B. and Adams S. (2007), “Foreign Direct Investment, Governance and Economic
Development in Developing Countries”, Journal of Social, Political and Economic Studies,
32(2), 223-249.
Mohamed, S. E. and Sidiropoulos, M. G. (2010), “Another Look at the Determinants of Foreign
Direct Investment in MENA Countries: An Empirical Investigation”, Journal of Economic
Development, June, Vol. 35, Issue 2, 75-96.
Morisset J. (2000), Foreign Direct Investment in Africa: Policies Also Matter, Transnational
Corporations, vol. 9 (2), pages 107‐25.
Morrissey O. et Udomkerdmongkol M. (2012), Governance, Private Investment and Foreign
Direct Investment in Developing Countries, World Development, vol. 40 (3), pages 437-445.
Musila J. W. and Sigue S. P. (2006), “Accelerating foreign direct investment flow to Africa:
from policy statements to successful strategies”, Managerial Finance, 32(7), 577-593.
Ndeffo L. N., Kamdem D. et Nanfosso R. T., (2013), Foreign Direct Investments and Economic
Growth in Sub-Saharan African Countries: A Comparative Analysis between Landlocked
Countries and Countries Having Access to the Sea, International Journal of Economics and
Finance, vol. 5 (6); 2013 ISSN 1916-971X.
25
Nnadozie E. and Osili U. O. (2004), U.S. Foreign Direct Investment in Africa and its
Determinants. UNECA Workshop of Financial Systems and Mobilization in Africa, Nov 2nd
2004.
O’Meara G. (2015), Examining the Determinants of Foreign Direct Investment, Undergraduate
Economic Review, Vol. 11 (1), Article 13.
Onyeiwu S. et Shrestha H. (2004), Determinants of Foreign Direct Investment in Africa,
Journal of Developing Societies, vol. 20, pages 89-106.
Paniagua J. (2011), FDI Gravity Equation : Models, Estimation and Zeros, Catholic University
of Valencia. V0.1. 01-05-2011.
Petri P. A. (2012), The determinants of bilateral FDI: Is Asia dif ferent? Journal of Asian
Economics, vol. 23 (3), pages 201–09.
Pöyhönen P. (1963), A Tentative Model for the Volume of Trade between Countries,
Weltwirtschaftliches Archiv, vol. 90 (1), pages 93-99.
Quer D., Claver E. et Rienda L. (2012), Political risk, cultural distance, and outward foreign
direct investment: Empirical evidence from large Chinese firms, Asia Pacific Journal of
Management, forthcoming.
Raudonen S. et Freytag A. (2012), Determinants of FDI inflows into the Baltic countries:
Empirical evidence from a gravity model. Jena Economic Research Papers 2012-060,
Germany. Relations, 53, 1287. Research Institute.
Sanyal R. et Samanta S. (2008), Effect of Perception of Corruption On Outward US Foreign
Direct Investment, Global Business and Economics Review, vol. 10, pages 123-140.
Sekkat, K. and Veganzones-Varoudakis, M-A. (2007), “Openness, Investment Climate, and
FDI in Developing Countries”, Review of Development Economics, 11(4), 607–620.
Silva S. et Tenreyro S. (2006), The Log of Gravity, Review of Economics and Statistics, vol.
88 (4), pages 641-658.
Stein E. et Daude C. (2001), Institutions, Integration and the Location of Foreign Direct
Investment, New Horizons of Foreign Direct Investment, OECD Global Forum on
International Investment (Paris).
26
Subasat T. et Bellos S. (2013), Corruption and Foreign Direct Investment in Latin America: A
Panel Gravity Model Approach, Journal of Management an Sustainability, vol. 3, No. 4; 2013
ISSN 1925-4725 E-ISSN 1925-4733
Tinbergen J. (1962), Shaping the World Economy: Suggestions for an International Economic
Policy. New York: The Twentieth Century Fund.
Waglé S. (2010). Investing across borders with heterogeneous firms: Do FDI-specific
regulations matter? The World Bank: All about finance. Retrieved from
Weller C. et Ulmer K. (2008), Trade and governance: does governance matter for trade?
APRODEV, Background Paper.
Zhang K. H. (Jul 2001), “What Attracts Foreign Multinational Corporations to China?”,
Contemporary Economic Policy, 19(3), 336-346.
27
Annexes
Tableau A1 : Flux d’IDE par région en millions de dollars US (CNUCED).
Année Australe Centrale Occidentale Orientale Septentrionale Afrique
2000 1268.26 1503.22 2181.94 1467.55 3250.09 9671.06
2001 7237.32 3690.13 2074.96 1605.33 5353.07 19960.82
2002 2272.91 3837.84 2913.33 1733.45 3872.21 14629.75
2003 1281.39 6187.78 3394.77 2065.17 5261.42 18190.54
2004 1538.78 3616.53 3636.92 2123.60 6441.26 17357.10
2005 7284.96 1365.20 7117.56 2500.65 12236.41 30504.78
2006 555.74 2690.37 7036.50 3306.55 23193.72 36782,88
2007 7056.24 4916.36 9555.27 6014.78 23936.24 51478.90
2008 10416.00 5751.62 12616.80 5942.67 23114.41 57841.51
2009 6999.17 8309.55 13460.71 5651.74 18223.70 52644.87
2010 2690.23 6231.02 11825.07 6667.12 15708.69 43122.14
Tableau A2 : Statistiques descriptives des flux d’IDE, Indice d’infrastructure et Etat de droit
Région Variabl
e
Moyenn
e
Ecart-
type
Minimu
m
Maximu
m
#Pay
s
#Anné
e
#Ob
s
Australe
IDE 883.65 1928.8
7
-526.76 9006.30
5 11 55 Infra 27.99 14.95 12.83 78.97
Droit 0.003 0.44 -0.87 0.66
Centrale
IDE 485.85 901.93 -3227.21 3504.70
9 11 99 Infra 12.08 6.16 2.73 25.9
Droit -1.17 0.43 -1.94 -0.08
Occidentale
IDE 430.78 1238.8
7
-3.07 8649.53
16 11 176 Infra 11.79 7.01 2.23 44.11
Droit -0.71 0.58 -2.11 0.63
Orientale
IDE 221.27 307.21 -25.64 1729.30
16 11 176 Infra 15.16 14.47 0.37 84.41
Droit -0.70 0.73 -2.50 1.05
Septentrional
e
IDE 2130.17 2281.2
3
-133.00 11578.10
6 11 66 Infra 37.02 18.25 7.12 77.67
Droit -0.52 0.56 -1.59 0.22 Notes: IDE, flux d’investissements directs étrangers en millions de dollars EU (CNUCED). Infra, indice de
développement des infrastructures en Afrique (BAD). Droit, indicateur de gouvernance sur l’état de droit (Banque
mondiale).
28
Figure A1 : Flux d’IDE par région en millions de dollars US (CNUCED).
Figure A2 : Flux d’IDE par région en millions de dollars US (CNUCED).
Figure A3 : Part par région dans le total des IDE en Afrique (CNUCED).
0
5,00
010
,000
15,0
0020
,000
25,0
00
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Australe Centrale Occidentale Orientale Septentrionale
0
20,0
0040
,000
60,0
00
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Australe Centrale Occidentale Orientale Septentrionale Afrique
0.2
.4.6
2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010
Australe Centrale Occidentale Orientale Septentrionale
29
Figure A.4 : Modèle de gravité
Pays
𝑖
Pays
𝑗
Distance
Flux d’IDE
Modèle de gravité
Modèle de gravité augmenté
Gouvernance, Infrastructures, Proximité culturelle, etc.