The Moorish Wanderer

De Combien Dépend Réellement l’Economie Agricole de la Pluviométrie? 3/3

La question initiale de la dernière partie de ce blogpost reste ouverte. Néanmoins, une modélisation assez simple de l’économie domestique en trois grands secteurs (agricole moderne, agricole de subsistance et reste des activités non-agricoles) permet, sur la base des éléments évoqués dans les parties précédentes (et d’autres décrits plus loin ici même) permet de conclure, non seulement que la pluviométrie ne conditionne pas (ou plus) la croissance du PIB marocain, mais on se propose de décomposer la volatilité de chaque secteur en fonction de chocs propres:

e_PIB e_NAPIB e_Ag_Tradi e_Ag_Mod
PIB 99,12% 0,87% 0,00% 0,01%
NAPIB 96,12% 3,86% 0,00% 0,02%
Ag_Tradi 43,84% 3,85% 52,31% 0,01%
Ag_Mod 89,61% 2,09% 8,28% 0,02%
tfp_output 97,31% 2,63% 0,00% 0,06%
tfp_nonagri 86,29% 13,71% 0,00% 0,00%
tfp_agri_trad 2,58% 5,91% 91,51% 0,00%
tfp_agri_mod 60,52% 38,41% 0,05% 1,02%

Comment peut-on expliquer ces coefficients? il s’agit d’une décomposition des variations autour des moyennes enregistrées pour chaque agrégat: 99% de la variance du PIB est occasionné par des chocs agrégés propres, lesquels sont principalement importés (la version du modèle utilisé ici ne prend pas explicitement en compte le commerce extérieur, mais fait appel à des valeurs numériques similaires) ce qui nous intéresse ici sont les chiffres décomposant les volatilités de l’agriculture traditionnelle et celle moderne, respectivement 91.5% et 1.02% pour leurs chocs propres.

Une interprétation particulière serait donc d’imputer ces pourcentages aux aléas climatiques: on constate ainsi le découplage des deux secteurs agricoles, le moderne étant plus dépendant des chocs agrégés (potentiellement à travers sa vocation d’exportation) alors que l’agriculture traditionnelle, bien que partagée entre chocs agrégés (car pourvoyant à la consommation domestique d’une population assez importante) et choc sectoriel propre, reste très dépendante.

Ce tableau, à mon avis, donne une image assez claire des interactions entre sous-secteurs agricoles et PIB total, et donne des éléments de réponse à la question initiale: l’économie marocaine dans son ensemble dépend peu de la pluviométrie, et l’économie agricole est structurellement orientée pour fournir une croissance à deux vitesses, aux dépends de l’agriculture de subsistance.

On serait tenté d’anticiper des résultats positifs lors de la mise en place du Plan Maroc Vert: une aide au secteur agricole est une sorte de police d’assurance contre les effets négatifs des chocs exogènes (les aléas climatiques par exemple) de même qu’une diversification des sources de la variabilité de la production, un résultat désirable car réduisant la volatilité intrinsèque du PIB agricole, principal handicap du développement de celui-ici.

Cependant, et l’observateur peut aisément s’en rendre compte, l’aide au secteur agricole dans le PMV n’est pas généralisée, ou uniforme: les piliers I et II auront des impacts différents sur les deux secteurs, et on peut dès maintenant prédire une concentration croissante des moyens auprès du secteur moderne et agro-industriel. Ce n’est pas plus mal, mais comme nous le verrons plus loin, ce choix se traduit irrémédiablement par une destruction, en tout cas une stagnation des postes d’emploi agricole, alors même que la finalité d’un plan de développement est d’améliorer les conditions de vie de la population cible, notamment en créant suffisamment de croissance pour augmenter l’emploi ou le pérenniser.

Pour ce faire, on se propose de comparer l’impact d’un choc positif sectoriel sur la production agricole moderne à un choc sectoriel similaire, spécifique à l’agriculture de subsistance, et on retient deux agrégats supplémentaires: la capacité d’utilisation du capital et celle du travail (la création/destruction d’emplois)

IRF_AgriModRésultat 1: le secteur agro-industriel n’est pas créateur d’emplois. La raison en est principalement l’intensité capitalistique de son produit final; cela explique d’ailleurs les larges variations dans l’utilisation de capital physique. Quant aux répercussions anticipées sur la croissance du PIB, elles sont marginales, sinon négatives – du fait de la brusque augmentation d’utilisation de matériel et machines agricoles, la hausse de productivité se traduit par une légère baisse de la production totale.

Par conséquent, lorsque le PMV anticipe une croissance annuelle moyenne de 3% pour la prochaine décennie, on peut raisonnablement supposer que cette croissance sera alimentée non pas par une production accrue du secteur agricole moderne, mais parce que les agriculteurs modernes auront fait le choix d’investir plus dans les machines-outils et autres travaux de mécanisation. En ce qui concerne la création de 1.5 millions d’emplois, on observe bien qu’elle ne sera probablement pas portée par le secteur moderne. C’est d’autant plus paradoxal que l’un des objectifs affichés du Plan Maroc Vert est justement de développer un:

secteur [qui] joue un rôle déterminant dans les équilibres macro-économiques du pays. Il supporte une charge sociale importante, étant donné que les revenus de 80% des 14 millions de ruraux dépendent de l’agriculture.

Le Pilier I n’est pas pour ces 14 millions d’habitants ruraux.

Résultat 2: considérons maintenant l’impact d’un choc positif sur l’agriculture de subsistance. Le Pilier II du PMV (qui semble susciter l’enthousiasme de la Banque Mondiale d’ailleurs) est spécifiquement orienté vers les petits agriculteurs ou les coopératives, avec comme objectif de briser la dépendance à la pluviométrie, et à terme, combattre efficacement la pauvreté rurale. Le pilier social d’un plan technocratique, en quelque sorte.

IRF_AgriTradL’impact sur l’emploi est nul: il n’y aura pas d’augmentation d’utilisation du facteur travail, et ce malgré une plus grande dépendance à ce dernier dans les activités de subsistance. Cependant, on observera deux effets portant à un certain optimisme: la production agricole augmente pendant un certain temps, et bien que rapidement en déclin et accompagnée d’une sous-utilisation du capital disponible lors des premières périodes, la persistance de l’effet positif sur l’acquisition additionnelle de capital sur le long terme permet de donner des prédictions quantitatives à un raisonnement assez intuitif: lorsque l’opportunité d’augmentation de la production est réellement anticipée par le petit agriculteur, ce dernier commence d’abord par en consommer une partie – mais l’impact sur la consommation est assez marginal pour anticiper ensuite une transformation dans les habitudes de production, investissant ainsi graduellement dans le facteur capital.

Les deux graphes ont été réalisé sur la base d’un effet équitable sur les deux secteurs. Or les moyens alloués par le PMV sont disproportionnés, en faveur du secteur moderne; malgré tout, les effets générés restent les mêmes: en matière d’augmentation de la production et de persistance d’utilisation du capital, le secteur agricole traditionnel serait le bénéficiaire de mesures de développement, et le seul des deux à générer un résultat net: +.75% d’utilisation nette de capital contre -3.56% pour le secteur moderne, et un surplus net de croissance +1.6% contre -.48% respectivement pour l’agriculture de subsistance et l’agriculture moderne.

Mais le barème que se fixe le Plan Maroc Vert n’est toujours pas atteint: comment peut-on augmenter la demande de travail dans le secteur agricole? En une phrase: miser le tout sur le Pilier II, et lier la production à des activités d’exportations.

La solution préconisée suite aux résultats de ce modèle est d’orienter la production du secteur agricole traditionnel vers l’export: les chocs importés ont un impact agrégé d’une magnitude incomparable aux autres chocs domestiques et/ou sectoriels, et l’effet combiné de la corrélation marginale entre aléas climatiques et chocs exogènes globaux d’une part, et d’autre part la persistance de modernisation du secteur traditionnel permettent d’anticiper une création d’emplois (une piste à envisager serait d’attacher des chocs propres au marché du travail pour obtenir une décomposition plus fine des moteurs de variations dans l’emploi sectoriel)

Ces résultats permettent de fournir des éléments de réflexion mettant en doute le Big is Beautiful qui semble prévaloir dans l’exécution du PMV: les disparités des SAU des exploitations agricoles sont telles que les effets bénéfiques des fameux agrégateurs risquent de ne pas se réaliser, d’abord pour les raisons expliquées plus haut, mais aussi parce que ces grands agriculteurs ont leur propres intérêts à développer, et s’engager dans une relation de partenariat avec de petits exploitants est principalement un jeu à somme nulle. Dans ce sens, exiger au préalable une réforme agraire permettant d’équilibrer un tant soit peu la distribution de la taille des exploitations agricoles n’est pas forcément un fantasme radical, il y a bien un raisonnement économique productif derrière.

De Combien Dépend Réellement l’Economie Agricole de la Pluviométrie? 1/3

Posted in Dismal Economics, Moroccan Politics & Economics, Morocco, Read & Heard by Zouhair ABH on April 19, 2013

Je souhaitais faire un post sur le Plan Maroc Vert, lequel est supposé engager cette année une réforme fiscale. Il serait probablement intéressant au préalable de proposer une description quantitative des caractéristiques du PIB agricole et ses interactions avec le reste de l’économie. Voici une proposition que je souhaite soumettre au jugement du lecteur: peut-on, en modernisant l’agriculture marocaine, concilier une productivité élevée, avec une augmentation du nombre de salariés agricoles?

L’agriculture doit être érigée au rang de principal levier de croissance, et ce à travers :
– Le renforcement de la part de l’agriculture dans le produit intérieur brut (PIB) de 70 à 100 Mds MAD, sachant que le PIB agricole actuel s’élève à 74 Mds MAD.
– La création de 1,5 Millions d’emplois supplémentaires.

Pour illustrer mon propos, je considère une décomposition à la Cobb-Douglas du PIB, lequel combine les activités non-agricole et agricole pour obtenir la production finale de biens et services. L’avantage de cette approche est qu’elle permet d’établir précisément la substitution entre les deux secteurs agrégés, et donc le coût d’opportunité à introduire un certain type de réformes (par exemple le PMV) pour dynamiser la production et/ou la productivité du secteur agricole. Formellement, pour y_t = \alpha.g_t + (1-\alpha).a_t + z_t où y dénote le PIB, et g, a respectivement le PIB non agricole et agricole.

Une simple estimation permet d’obtenir une valeur de \mathbb{E}(\alpha) = .8328744 c’est à dire une contribution du PIB non-agricole de 83.3%; le reste – à peu près 16.5% – est assuré par la production agricole, légèrement au dessus de la moyenne du pourcentage du secteur primaire dans le PIB. Le terme z est ce qu’on peut appeler de l’innovation, un résidu de croissance qui ne peut être imputé aux deux secteurs. Ce dernier joue un rôle très important dans ce qui suit, et donne aussi des indications quant aux multiples difficultés auxquelles le PMV fera face, et échouera probablement à dépasser.

Evolution du PIB, des Secteurs Agricole & Non Agricole, et le Résidu de Croissance

Evolution du PIB, des Secteurs Agricole & Non Agricole (échelle de gauche) et le Résidu de Croissance (échelle de droite)

L’argument ici est une histoire assez simple à narrer: malgré le mythe tenace de dépendance de la croissance agrégée à la production agricole, notre économie est non seulement plus liée à la croissance de la production non-agricole, mais la source des fluctuations de l’économie domestique provient de l’étranger en grande partie:

 Source PIB
Déficit Budget 0,15%
Taxe travail 0%
Taxe Consommation 0,02%
Taxe Capital 0%
‘Subvention’ FBCF 2,99%
Choc Importé 92,54%
Choc Domestique 4,30%

Cependant, cela ne résous toujours pas le problème que pose le secteur agricole, qui enregistre une grande volatilité dans sa croissance (comme on peut vérifier sur le graphe) et il semblerait que le terme résiduel de croissance joue un rôle très important, et c’est là que se trouve la conclusion de mon scepticisme quant à la réussite d’un plan qui ne propose pas de réformes structurelles, autre qu’une hypothétique réforme fiscale ‘adaptée en tenant compte des spécificités régionales et économiques du secteur agricole à l’horizon 2013’.

En étudiant les interactions entre les deux secteurs et le résidu, on observe ce qui suit:

– l’économie non-agricole est parfaitement insolée de la production agricole, et pourvoit à elle-même

– le résidu est réellement exogène aux deux secteurs

– l’influence du résidu est largement supérieure à l’effet de l’économie non-agricole sur le PIB agricole.

En réalité, nous avons ici la preuve du découplage entre les économies agricole et non-agricole dans son aspect le plus négatif: la productivité agricole bénéficie certes d’un effet de transfert du reste de l’économie, mais cet effet est largement dépassé par le résidu mesurant l’effet d’évènements exogènes, par exemple la pluviométrie. Ce qui est autrement plus particulier est l’absence de persistance dans l’évolution de la production, une caractéristique qui explique la dépendance à la pluviométrie, ainsi que la faiblesse d’accumulation de la production agricole en valeur.

Une politique de développement agricole s’attacherait donc à agir sur les trois coefficients: réduire la dépendance aux effets de pluviométrie, augmenter le transfert de l’innovation du secteur non-agricole à l’économie agricole, et enfin augmenter la persistance de l’évolution du PIB agricole, en augmentant à des niveaux significatifs les effets cumulatifs de celui ci. La fonction à a_t = 3.5 z_{t-1} + .76 g_{t-1} + \tilde{\rho} a_{t-1} + \epsilon_a

Résultats:

Régression Simple du PIB sur les deux secteurs
. reg output nonagri_output agri_output
      Source |       SS       df       MS              Number of obs =      57
-------------+------------------------------           F(  2,    54) =       .
       Model |  107.931131     2  53.9655654           Prob > F      =  0.0000
    Residual |  .000428247    54  7.9305e-06           R-squared     =  1.0000
-------------+------------------------------           Adj R-squared =  1.0000
       Total |  107.931559    56  1.92734927           Root MSE      =  .00282
--------------------------------------------------------------------------------
        output |      Coef.   Std. Err.      t    P>|t|     [95% Conf. Interval]
---------------+----------------------------------------------------------------
nonagri_output |   .8328744   .0029664   280.77   0.000      .826927    .8388218
   agri_output |   .1649917   .0034373    48.00   0.000     .1581004     .171883
         _cons |   .5020317   .0086387    58.11   0.000     .4847121    .5193513
--------------------------------------------------------------------------------

Régression en Série Chronologique: Résultats Consistants.
ARIMA regression

Sample:  1955 - 2011                            Number of obs      =        57
                                                Wald chi2(3)       =  8.56e+06
Log likelihood =  258.8722                      Prob > chi2        =    0.0000
--------------------------------------------------------------------------------
               |                 OPG
        output |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
---------------+----------------------------------------------------------------
output         |
nonagri_output |   .8316632    .002707   307.23   0.000     .8263575    .8369688
   agri_output |   .1663679   .0033841    49.16   0.000     .1597351    .1730007
         _cons |   .5003827   .0132128    37.87   0.000     .4744861    .5262793
---------------+----------------------------------------------------------------
ARMA           |
            ar |
           L1. |   .3624839   .1559695     2.32   0.020     .0567893    .6681786
---------------+----------------------------------------------------------------
        /sigma |   .0025753   .0002482    10.38   0.000     .0020889    .0030617
--------------------------------------------------------------------------------

Estimation de Transmission de Chocs entre Résidu et Secteurs de PIB
. var solow_aggregate nonagri_output agri_output, lags(1) nocons
Vector autoregression
Sample:  1956 - 2011                               No. of obs      =        56
Log likelihood =   368.804                         AIC             = -12.85014
FPE            =  5.27e-10                         HQIC            = -12.72395
Det(Sigma_ml)  =  3.82e-10                         SBIC            = -12.52464
Equation           Parms      RMSE     R-sq      chi2     P>chi2
----------------------------------------------------------------
solow_aggregate       3     .003139   1.0000    1512778   0.0000
nonagri_output        3     .060969   1.0000    8784887   0.0000
agri_output           3     .121789   1.0000    1920630   0.0000
----------------------------------------------------------------
---------------------------------------------------------------------------------
                |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
----------------+----------------------------------------------------------------
solow_aggregate |
solow_aggregate |
            L1. |   .9831911   .0185276    53.07   0.000     .9468776    1.019505
                |
 nonagri_output |
            L1. |   .0001541   .0032332     0.05   0.962    -.0061828     .006491
                |
    agri_output |
            L1. |   .0002207    .003737     0.06   0.953    -.0071038    .0075452
----------------+----------------------------------------------------------------
nonagri_output  |
solow_aggregate |
            L1. |   .4945288   .3598443     1.37   0.169    -.2107531    1.199811
                |
 nonagri_output |
            L1. |   .9527831   .0627946    15.17   0.000     .8297079    1.075858
                |
    agri_output |
            L1. |    .042843    .072581     0.59   0.555    -.0994132    .1850992
----------------+----------------------------------------------------------------
agri_output     |
solow_aggregate |
            L1. |    3.59454    .718813     5.00   0.000     2.185693    5.003388
                |
 nonagri_output |
            L1. |   .7670275   .1254364     6.11   0.000     .5211766    1.012878
                |
    agri_output |
            L1. |   .0997766   .1449854     0.69   0.491    -.1843897    .3839428
---------------------------------------------------------------------------------

Vérification des Coefficients pour le PIB Agricole 
ARIMA regression

Sample:  1955 - 2011                            Number of obs      =        57
                                                Wald chi2(3)       =  2.13e+06
Log likelihood =  45.59769                      Prob > chi2        =    0.0000

---------------------------------------------------------------------------------
                |                 OPG
    agri_output |      Coef.   Std. Err.      z    P>|z|     [95% Conf. Interval]
----------------+----------------------------------------------------------------
agri_output     |
solow_aggregate |   3.466203   .8724959     3.97   0.000     1.756143    5.176264
 nonagri_output |   .8600607   .0182451    47.14   0.000     .8243009    .8958205
----------------+----------------------------------------------------------------
ARMA            |
             ar |
            L1. |   .0612444   .1556124     0.39   0.694    -.2437503    .3662392
----------------+----------------------------------------------------------------
         /sigma |   .1087249   .0082462    13.18   0.000     .0925627    .1248871
---------------------------------------------------------------------------------