The Moorish Wanderer

Le Maroc… et le Reste du Monde

C’est une théorie vieille d’un peu plus d’un demi-siècle, et pourtant elle est toujours d’actualité: il est question de rattrapage des pays les moins développés, lesquels convergent graduellement (à travers une croissance accélérée) et rattrapent ainsi les économies les plus florissantes. Les données, on le sait, ne permettent pas de juger du caractère systématique de cette théorie.  Et le cas du Maroc s’y prête particulièrement bien.

Le débat sur les déterminants institutionnels de la croissance est probablement le plus intéressant dans le domaine des théories de développements, principalement sur la méthodologie à suivre en matière de propositions de politiques de développement ou de projets de réformes. J’aurai personnellement tendance à souscrire d’ailleurs à la démarche de D. Rodrick, une synthèse entre diagnostic spécifique au pays étudié et une estimation portant sur un échantillon d’économies; le but ultime est de ne pas raisonner en “bouquin de cuisine” mais plus en énonçant des relations générales dont les particularités sont ensuite affinées par contexte sans préjudice à la robustesse théorique du modèle évalué.

déclin irréversible des TFP du Maroc relatifs aux US et en comparaison avec les pays de l'échantillon

déclin irréversible des TFP du Maroc relatifs aux US et en comparaison avec les pays de l’échantillon

Une fois n’est pas coutume, il serait intéressant de comparer l’évolution de ce qu’on appelle communément le résidu de Solow. Pour ce faire, le graphe ci-dessus reprend quelques pays dont les niveaux initiaux résiduels étaient très proches de ceux du Maroc, et on en observe l’évolution sur les cinquante dernières années

Il s’avère ainsi que parmi les sous-groupes agrégés par performance, le Maroc est systématiquement en déclin. Ceci est d’autant plus frappant que les pays du groupe aux niveaux résiduels circa 1960 sont très hétérogènes:Colombie, Côte d’Ivoire, Équateur, Finlande, Israël, Pérou, Taïwan et la Tunisie. Ces pays sont ensuite décomposés par performance moyenne, où le groupe 1 correspond aux pays dont la croissance a été supérieure à la performance moyenne, et le groupe 2 le reste des pays à la performance plus modeste. Il s’avère ainsi que dans tous les cas de figure, le Maroc aura été systématiquement surclassé par ses pairs, y compris le groupe 2. Dans tout l’échantillon, seule la Côte d’Ivoire se classe derrière le Maroc en termes de progression de la productivité relative aux États-Unis.

Mais pourquoi ce déclin serait-il un mauvais signe? Parce que le phénomène de rattrapage attendu ne se manifeste pas: un pays aux conditions initiales basses (un pays pauvre donc) observerait des taux de croissance plus élevés que ceux d’économies plus avancées afin de les rattrapées, et l’un des indicateurs de ce rattrapage -convergence- est bien celui du profil de productivité, laquelle devrait croître à des niveaux importants en début de période, avant de s’aligner sur ceux des pays plus avancés?

Convergence_US_MAOr, et comme on le constate dans le graphe comparant productivité théorique et empirique (estimée) la convergence attendue ne s’est pas réalisée, et un écart important est ensuite enregistré dès la période correspondante à la fin des années 1970.

Cette description du profil de productivité de l’économie marocaine ne remet pas en cause le soubassement principal de la théorie classique de croissance – en effet, des pays à la productivité initiale comparable à celle du Maroc ont réussi à rattraper une économie plus riche durant le siècle passé, alors que le Maroc peine toujours à accroître sa productivité.

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
---------------------------------------------------------------------------------