Cette thèse discute de la relation entre l'éducation et la croissance en tenant compte de la distance qui nous sépare de la frontière technologique mondiale. Cette hypothèse admet l’implication théorique suivante : respectivement, plus un pays s’approche (s’éloigne) de la frontière technologique, plus l’investissement dans l’enseignement supérieur (non supérieur) est favorable à la croissance.
Revue de litt´ erature th´ eorique
Ainsi, selon cette approche, le taux de croissance économique d’un pays dépend du taux d’accumulation du capital humain. Elle suppose que c’est le stock de capital humain qui détermine le taux de croissance.
Revue de litt´ erature empirique
Le taux de croissance moyen de la productivité totale des facteurs (g) est calculé comme la variation logarithmique sur la période et entre 1970 et 2010 dans la deuxième mesure) pour les régressions transversales par pays. L’impact de l’enseignement non supérieur sur la croissance de la PTF lorsque les pays en sont loin.
Environnement de l’´ economie
En substituant la solution de la demande inverse pi dans le problème de maximisation et en utilisant la condition du premier ordre, la quantité de bien intermédiaire est demandée. Ainsi, la quantité demandée du bien intermédiaire et le profit dans cette économie sont proportionnels à la productivité du secteur Ai,t.
La dynamique de la productivit´ e
En effet, le niveau actuel de technologie dépend de sa valeur à la fin de la période précédente (le premier terme de l'équation ci-dessous) et de l'impact exercé par les activités d'imitation et d'innovation technologique pour améliorer la productivité (le deuxième terme). Il s'énonce ainsi : l'élasticité du travail qualifié est plus élevée dans les activités innovantes que dans les activités imitatives et vice versa. L'élasticité du travail non qualifié est plus grande dans les activités imitatives que dans les activités innovantes, c'est-à-dire σ > φ.
Principaux r´ esultats analytiques et pr´ edictions du mod` ele
- Les principaux r´ esultats analytiques
- Les pr´ edictions th´ eoriques du mod` ele
Dans le cas contraire, c'est-à-dire s'il est très proche de la limite, il consacrera toutes ces ressources à l'innovation (au-dessus de la ligne N de la figure 1). L’effet inverse s’applique parfaitement dans le cas d’une diminution de la puissance d’un facteur. La principale prévision indique que l’effet positif d’une augmentation marginale du stock de capital humain qualifié (enseignement supérieur ou supérieur) sur la croissance de la productivité est d’autant plus important que l’économie se rapproche de la frontière technologique mondiale.
Par conséquent, le flux de travailleurs qualifiés passant de l’imitation à l’innovation diminue à mesure que le pays se rapproche de la frontière.
Cas particulier o` u l’´ education sup´ erieure repr´ esente la fraction qualifi´ ee de
Le modèle d’estimation du taux de croissance moyen de la productivité totale des facteurs par pays est le suivant. L’interaction entre la proximité de la frontière technologique et l’enseignement supérieur est positive pour les pays proches de la frontière technologique mondiale. L’interaction entre la proximité de la frontière technologique et l’enseignement non supérieur est positive pour les pays éloignés de la frontière technologique mondiale.
Cela montre l’effet bénéfique que l’éducation peut avoir sur la croissance de la productivité totale des facteurs.
Les donn´ ees
Les données utilisées dans cette thèse proviennent de trois bases de données : Barro et Lee (2010), Penn World Tables 7.1 et les World Development Indicators de la Banque mondiale. Les Penn World Tables sont un ensemble de données initialement réalisé par Irving Kravis et ses deux principaux collaborateurs Robert Summers et Alan Heston. Les indicateurs de développement dans le monde produisent des données sur le taux d'inflation (Inf) qui est utilisé dans le modèle comme l'une des trois variables de contrôle.
L'intersection de ces trois bases de données fournit un échantillon de 91 pays dans le monde.
La mesure des variables
- Le taux de croissance moyen de la productivit´ e totale des facteurs . 22
- Les variables de contrˆ ole
Dans la première mesure de la PTF, le niveau initial du stock de capital physique est calculé selon la formule suivante, qui correspond à l'état stationnaire du modèle de Solow. Pour la vérification empirique du modèle, nous utilisons les variables d'intérêt indépendantes suivantes : la proximité de la frontière technologique mondiale (a), la part de la population âgée de 15 à 64 ans ayant atteint un niveau d'enseignement supérieur ou supérieur (T), la part de la population âgée de 15 à 64 ans ayant atteint un niveau d'enseignement non supérieur (P S), c'est-à-dire niveaux primaire et secondaire combinés, les deux termes d’interaction entre proximité de la frontière et enseignement peu élevé (a.P S) et supérieur (a.T). La proximité de la frontière technologique mondiale pour l'exploitation forestière est calculée comme le log du rapport de la PTF du pays j en 1960 à celui des États-Unis considérés comme le leader technologique mondial, soit :aj ≡ln(Aj/A).
Les fractions de la population âgée de 15 à 64 ans ayant atteint un niveau d'enseignement non supérieur et supérieur sont calculées comme leur moyenne sur la période couverte par l'étude pour la section et correspondent aux variables avec décalage pour le panel.
Sp´ ecification du mod` ele
- Sp´ ecification du mod` ele en coupe transversale
- Sp´ ecification du mod` ele en panel
- Signes attendus pour les variables d’int´ erˆ et
En panel dynamique, la spécification du modèle est légèrement modifiée du fait de la présence de la variable endogène décalée d'une période, soit Le signe du terme d’interaction entre éducation et proximité de la frontière technologique est le plus important car il se rapporte directement à la prédiction théorique que nous cherchons à vérifier dans cette mémoire. En ce sens, l'impact positif sur la croissance du type d'enseignement approprié (supérieur ou non) doit tenir compte de son interaction avec la distance par rapport à la frontière technologique d'un pays.
À l’inverse, plus un pays s’éloigne de cette frontière, plus il doit mettre l’accent sur l’enseignement non supérieur afin de croître et de réduire la distance jusqu’à la frontière.
M´ ethodologie d’estimation
Les résultats au niveau des pays à revenu élevé confirment la prédiction selon laquelle pour les pays plus proches de la frontière, le capital humain qualifié (enseignement supérieur) améliore davantage la croissance, mais ce terme d’interaction n’est pas significatif. Cependant, ce dernier résultat ne permet pas de conclure que l’éducation n’est pas importante pour la croissance de la PTF pour les pays les plus pauvres. De même, pour un pays éloigné de la frontière technologique, l’impact positif du capital humain non qualifié sur la croissance est plus important.
En d’autres termes, pour les pays à revenu élevé qui sont également plus proches de la frontière technologique, le capital humain qualifié, mesuré par l’enseignement universitaire ou supérieur, est plus important pour la croissance de la PTF car il permet l’innovation à la frontière.
Les statistiques descriptives
Il en résulte une faible dispersion des valeurs autour de la moyenne par rapport aux autres variables. Les différences les plus importantes sont observées dans les données sur la part de la population entre 15 et 64 ans ayant atteint un niveau d'éducation non supérieur, c'est-à-dire l'enseignement primaire et secondaire, terme d'interaction entre ce niveau d'éducation et la proximité de la frontière. l'inflation et le degré d'ouverture commerciale. Il convient de noter que selon notre échantillon de données, la Chine est le pays qui était initialement le plus éloigné (minimum de la variable de proximité) de la frontière de la PTF, c'est-à-dire le leader technologique (États-Unis d'Amérique), mais qui a réalisé la moyenne la plus élevée taux de croissance de la PTF entre 1960 et 2010.
Avant de présenter les résultats empiriques de la coupe, nous procédons à une analyse graphique de la coupe.
Analyse des r´ esultats en coupe transversale
En effet, selon le tableau 4.2 de la page suivante qui présente les résultats transversaux, les régressions sans le terme d'interaction tant pour les moindres carrés ordinaires (MCO) que pour la régression robuste (MMR) dans les valeurs aberrantes montrent que l'enseignement non supérieur. En ajoutant les termes d'interaction entre la proximité de la frontière et les variables de composition du capital humain, l'OLS montre que l'enseignement supérieur a ou non une importance pour la croissance de la PTF et est toujours statistiquement significatif au niveau de 1 %. Cependant, si le coefficient du terme d'interaction entre la proximité de la frontière et l'enseignement primaire et secondaire est positif mais non significatif, avec l'enseignement supérieur il est négatif et significatif à 1 %.
Comme on peut le constater, les résultats des régressions transversales dans tous les pays confirment le rôle de l'éducation à tous les niveaux dans la croissance de la productivité totale des facteurs avec un effet plus important de l'enseignement supérieur, l'interaction de l'éducation avec la proximité de la frontière ne semble pas tenir.
Analyse des r´ esultats en panel
- R´ esultats en panel statique
- R´ esultats en panel dynamique
La validité des instruments internes est confirmée par le test de suridentification de Sargan (sauf pour les pays à revenu intermédiaire dans l'estimation avec le terme d'interaction). En incluant ce terme d'interaction, toutes les estimations ont le signe annoncé par la théorie et sont toutes significatives au seuil de 1%. En revanche, lorsque l’on regarde le deuxième échantillon essentiel (les pays à faible revenu), aucune des variables n’est significative en intégrant le terme d’interaction.
Par ailleurs, comme le révèle le résultat du terme d'interaction avec la proximité de la frontière (0,108), lorsqu'un pays est déjà assez proche de la frontière technologique, donc avec un niveau de développement pas trop éloigné du leader technologique, l'effet d'un niveau de développement plus élevé L'éducation sur la croissance de la productivité totale des facteurs est encore plus grande, comme le prédit la théorie du traité.
Analyse de robustesse : principaux r´ esultats avec la mesure alternative de la
Ainsi, selon ce que révèlent les données des deux principaux échantillons de pays, l'impact de l'éducation sur la croissance de la productivité totale des facteurs est différent selon que l'on est un pays riche et donc proche de la frontière ou un pays pauvre avec un niveau de développement très loin du leader technologique mondial, dans le cas des États-Unis d'Amérique. Dans les pays à revenu élevé, une part croissante de la population en âge de travailler (15-64 ans) ayant un niveau d’éducation plus élevé contribue à accroître les facteurs de productivité totale. En revanche, les données utilisées dans cette thèse pour les pays à faible revenu et relativement éloignés de la frontière technologique et donc du leader technologique semblent infirmer la théorie.
Il est possible de poursuivre les recherches, tant théoriques qu’empiriques, sur le capital humain et la croissance. Cette étude s'appuie sur un modèle théorique qui prédit principalement que plus un pays se rapproche de la frontière technologique, plus l'impact du capital humain qualifié sur la croissance est fort. La question de recherche était donc de déterminer si, compte tenu des différences entre les pays et les pays leaders en matière de développement technologique, la composition du capital humain est le moyen par lequel l'éducation affecte positivement la croissance de la productivité totale des facteurs (PTF).
Statistiques descriptives de la coupe
R´ egression en coupe de pays
R´ egression en panel statique
R´ egression en panel dynamique
R´ egression en panel dynamique - 2` eme mesure de la PTF
Classification des pays de l’´ echantillon en 2010
Statistiques descriptives du panel
R´ egression en panel dynamique pour 19 pays de l’OCDE
