DEPARTEMENT DE SCIENCES ECONOMIQUES

 

 

 

 

 

 

Relation capital humain et développement économique :

Une approche par le système éducatif

 

?

KUTULA DILU  Joseph

Gradué en Administration des Affaires et Sciences Economiques

 

Mémoire présenté et défendu en vue de l’obtention du grade de licencié en Sciences Economiques. 

Option : Economie-mathématique

 

Directeur : Professeur BAENDE BOFOTA youyou

                                Rapporteur : Doctorant ZUMBU MATUNGULA Dieumerci

          

           

 

 

Octobre 2019

Epigraphe

 

 

 

 

 

 

 

 

 

« Détruire un pays nécessite pas l’utilisation de bombes atomiques ou l’utilisation de missiles à longue portée. Il suffit d’abaisser la qualité de l’éducation et de permettre la tricherie dans

les examens par les étudiants. Les patients meurent aux mains de ces médecins ; les bâtiments s’effondrent aux mains de ces ingénieurs ; l’argent est perdu aux mains de ces économistes et comptables ; l’humanité meurt aux mains de ces savants religieux et la justice est perdue entre les mains de ces juges…

L’effondrement de l’éducation est l’effondrement de la nation »

 

Vahoue, 2019.

 

 

 

 

 

 

 

 

 

 

 

Dédicace

 

 

 

 

 

 

 

Il nous est parfois difficile de trouver les mots justes pour traduire fidèlement ce que nous pensons, tant la profondeur de ce que nous aurions voulu dire nous semble immense

 

Ce mémoire est dédié à, mon père joseph DILU NZINGA, ma mère Jeanne KAKOLI ZAMA, ma grand-mère pauline MABATA et ainsi que mes frères et sœurs pour leur soutient durant la rédaction de cette œuvre.  

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Remerciement

 

 

 

 

 

Le présent travail est le fruit des efforts des différentes personnes. D'où il nous serait ingrat de ne pas adresser nos remerciements à tous ceux qui de près ou de loin ont contribué à son élaboration.

Nous profitons de l'aubaine pour exprimer notre gratitude au corps académique de l'Université protestante au Congo, précisément la Faculté d’administration des affaires et sciences économiques  pour la formation de qualité assurée.

Nous adressons nos profonds remerciements particulièrement au directeur de ce travail, en la personne, du professeur youyou BAENDE BOFOTA, pour avoir accepté de diriger notre travail et pour la grande aide apporter.

Nous tenons à remercier nos amis : Geneviève IYOLO, Christian KATSHINDI, Elie NSELE,

David KATEMBERA, deo-brandon ITUNEME, Samuel CHIRIBAGULA, pour l’aide apporte, de toute forme, dans la rédaction de ce travail.

Nous serons ingrat de ne pas citer : la promotion ecomath/2019, le groupe AD2G2JS, lys

KAYA, lys NZANDU, Daniel BIAYI, Hayrton-loic SAKRINI, Joël NZAKI, Pour tous ceux qui n’ont pas été cité dans ce travail, de près ou de loin, trouvent ici l’expression de ma très haute considératin

 

 

 

 

 

 

 

 

 

 

 

 

 

Glossaire 

 

ACP : Analyes en Composante Principale 

ADF :Augmented Dickey-Fuller

AFD : Agence Française de Développement

AFDL : Agence Française de Développement L

ANAPECO : Association Nationale de Parents d’Élèves du Congo

ARDL : Autoregressif Distributed Lag

ASSONEPA : Association Nationale des Écoles Privées Agréées

CEPACO : Collectif Des Ecoles Privées Agréées Du Congo

D6     : Diplôme de 6 ans pédagogique

DEA : Diplôme d’Études Approfondies

DES : Diplôme d’Études Supérieures

DFID : Département Du Développement International/Department For International Développent.

ECM : Error Correction Model

ENAFEP : examen national dde fin d’etude primaire 

EPS : Education Physique Et Sportive 

EPSP : Enseignement Primaire, Secondaire et Professionnel

ESU : Enseignement Supérieur et Universitaire

EXETAT : examen d’etat

GLPE : Global Listed Private Equity 

IDH : Indice de Développement Humain

IDS : L’INSTITUTE OF DEVELOPMENT STUDIES

IPP : Inspecteur Principal Provincial (EPSP)

MAS : Ministère des Affaires Sociales

MCO : moindre carrés ordinaire 

MEPSINC : Ministère de l’Enseignement Primaire, Secondaire et e l’Initiation à la Nouvelle

Citoyenneté

METP : Ministère de l’Enseignement Technique et Professionnel

OCDE : Organisation De Coopération Et De Développement Economique

PAS : Près d’Accession sociale

PIB : Produit Intérieur Brut

PNB : produit national brut 

PROVED : Le chef de la division provinciale de l’EPSP

RDC : République Démocratique du Congo

RESEN : Rapport d’État sur le Système Éducatif National

SECOPE : Services de Contrôle et Paie des Enseignants

TENAFEP : Test National de Fin d’Études Primaires

UNESCO : Organisation des Nations Unies pour l’Éducation, la Science et la Culture      

UNICEF : Organisation des Nations Unies pour l’Enfance

USAID : United States Agency For International Development

VECM : vector error correction model

 

INTROUCTION

1. Etat de la question

« Il n’y a ni richesse ni force que d’hommes » disait déjà Jean Bodin au XVIe  siècle, il faudra pourtant attendre le milieu du XXe siècle pour que les sciences économiques formalisent des théories où le facteur humain est l’une des variables promotrice de la production.

Depuis les années 1920 cette composante immatérielle^[1] s’est imposée comme moteur déterminant de la croissance économique. Jadis le succès économique reposait essentiellement sur la richesse en matières premières, sur les industries manufacturières et sur le volume du capital matériel dont disposait chaque nation. Cela est vrai, naturellement. Mais aujourd’hui, la véritable richesse n’est pas concrète, elle est abstraite. C’est désormais la capacité à innover, à créer des concepts et à produire des idées qui est devenue l’avantage compétitif essentiel. En fait, la vraie richesse d’un pays ce sont ses hommes et ses femmes, une population active ; saine et bien qualifiée vaut plus que des lingots d’or. 

Un concept parent à celui du capital humain, cette composante  immatérielle, c’est  l’économie de la connaissance. Idriss J.ABERKANE dans son livre, l’économie de la connaissance, dit qu’:« Il y a une raison essentielle à faire de l’économie de la connaissance : la connaissance est infinie. Aussi parce que toutes les problématiques de gestions des ressources et d’énergie peuvent être ramenés à celle de gérer la connaissance en train de se faire, c’est-à-dire à ne pas utiliser et épuiser une ressource d’une façon triviale aujourd’hui alors que demain la connaissance existera pour l’utiliser d’une façon bien meilleur »^[2]

Aujourd’hui, il est solidement établi, grâce à de nombreuses études, que l’éducation et le capital humain influencent positivement la productivité ainsi que la croissance : dans son étude sur l’impact du capital humain sur la croissance économique en république démocratique du Congo, MASOKA WAMTU (2007), établit que l’investissement dans le capital humain contribue de manière significative à la croissance économique en RDC et deuxièmement qu’un investissement dans le capital humain joue un rôle essentiel en faveur de l’évolution et de la diffusion technologique.

En outre, la croissance économique qui est l’une des principales situations recherchée dans toutes les économies, ne s’intéresse pas à la pauvreté et à l’inégalité entre des individus riches et pauvres au sein d’un même pays, elle vise particulièrement l’épargne au niveau agrégé et le rôle de l’accumulation du capital dans la croissance de long terme et la convergence, mais le but principale de toute entité est d’atteindre le stade de développement car ce dernier doit permettre l’amélioration des conditions générales de vie au-delà de la simple valeur ajouté qui donne une simple variation du niveau de vie dans une certaine caste.

2. Problématique 

Depuis la fin du XXe siècle, avec l’apparition du « capital humain », concept émergé grâce aux économistes T.SCHULTZ (1961) et G.BECKER(1964), une relation de positif vas être établie entre cette composante immatérielle et la croissance économique, l’un des objectifs de toute économie.

Cette théorie faisant l’objet de plusieurs travaux empirique, a permis de pouvoir apporter d’autres facteurs impulsifs à l’activité économique. Mais cela n’est pas le cas dans la majorité des études. PRITCHETT (2001)^[3] étudie la relation entre croissance du capital humain et croissance du PNB par travailleur. Dans son ouvrage, il montre la corrélation partielle entre ces deux variables sur la période allant de 1960 à 1985.

Les résultats relatifs à son analyses révèlent une dispersion des points au sein de son diagramme de corrélation, cette aspect montre clairement qu’il est plutôt difficile d’obtenir une corrélation positive robuste entre ces deux variables, la tendance est même plutôt à obtenir une faible corrélation négative. Au regard de ces résultat, Pritchett émet trois hypothèses pouvant expliquer cette réalité, à savoir : 

a.       toute l’éducation s’est dirigée vers des secteurs clandestins, n’ayant pas de productivité sociale; 

b.      la demande de travailleurs qualifiés par les entreprises n’a pas suivi les progrès éducatifs du pays et les personnes éduquées sont surqualifiées (et donc ne sont pas productives à la hauteur de leur éducation) ;  

c.       la qualité de l’éducation est proche de zéro.

Ces résultats remettent en cause cette relation purement quantitatif, au départ, et permet au économiste de l’éducation^[4] d’axer leurs recherches sur l’importance du facteur qualitatif, qui est la qualité  du système éducatif, et contribuaient à retrouver le rôle positif du capital humain.

Se focalisant sur cette recherche d’une plus-value, il est à préciser que la croissance économique, bien qu’elle soit indispensable à toute économie qui se veut prospère, ne présente qu’une facette du but ultime de toutes les nations, le développement économique.

Le développement définis jadis par P.BAIROCH (1930-1990) comme étant «  l’ensemble des changements économiques, sociaux, techniques et institutionnels lié à l’augmentation du niveau de vie, résultant des mutations techniques et organisationnelles de la révolution industrielle »^[5]. 

Sous un angle un peu plus strict, le développement économique est l’ensemble des transformations structurelles (économiques, sociales, politiques) qui s’accompagnent et entretiennent la croissance économique.⁶

Le développement était un concept qui englobe une grande quantité d’information et de paramètres, nous sommes restreints de parler uniquement du développement économique pour spécifié uniquement cette quantitatif qui ressort de la variable proxy revenue national.

Il n’est de développement économique possible sans présence et intervention de l’homme en tant qu’agent de l’activité économique et non plus seulement comme bénéficiaire de cette activité, suivant cet enchainement notre problématique s’argumentera sur sa question principale qui est de savoir :

 Quelle relation existe-t-il entre capital humain dans son aspect qualitatif et développement économique ? 

3. Hypothèse 

Pour répondre à ce questionnement posé précédemment, nous avons jugé utile d’émettre l’hypothèse suivante basé sur les études portants a priori sur le même problème de recherche^[6], à savoir : le capital humain du point de vue qualitatif a une relation positive avec développement économique.

Il faut noter que nous avons émis cette hypothèse, afin de mieux déterminer ;pour le cas empirique ; l’incidence du capital humain sur le développement économique.  

 

4. Méthodologie

Nous procéderons par les techniques documentaire et par une approche économétrique à l’estimation de la contribution des éléments constitutifs du capital humain au développement économique . Cette approche nous permettra de voir la pars de chaque variable au développement économique. Et les équations qui en découlent, seront estimées à l’aide du logiciel Eviews 9. 

5. Délimitation spatio-temporelle

Comme cadre de référence, nous avons choisi la République Démocratique du Congo, de 1980 à 2017. Ce choix s’explique parce que depuis 1960, années de l’indépendance, où les pays d’Asie du sud-est disposant d’un niveau de vie comparable au notre ont vu leur situations s’améliorer de manière hallucinante grâce à des politiques éducatives efficaces, et de ce fait pourquoi pas nous ?

6. Objectif et Canevas du travail  

L’objectif générale de cette étude s’articule sur l’évaluation de l’incidence du capital humain, dans son point de vue qualitatif, sur le développement économique et de manière spécifique nous serons appelés à parler :

•      De l’importance de l’aspect qualitatif du capital humain.

•      Du sens de la relation qui existe entre le système éducatif et la croissance économique.

Ces objectifs nous permettrons d’apporter des éléments essentiels et constructifs pour permettre à la République Démocratique du Congo, de quitter le rang de pays en voie de développement à celui de pays émergent, à la longue celui de développé.

 

De ce fait, notre étude se structure de la manière suivante :                         

Premier chapitre : capital  humain, éducation et croissance économique : une revue de la littérature.

Deuxième chapitre : le système éducatif congolais.

Troisième chapitre : analyses empirique de la relation : capital humain et développement économique en RDC.

 

 

Premier chapitre : Capital  humain, éducation et croissance économique : une revue de la littérature 

Ce chapitre est consacré en premier lieu à une documentation, tant théorique qu’empirique, sur les concepts de base ; capital humain et développement économique, et en second lieu à une brève présentation des principaux modèles économiques rapportant au capital humain.

Section 1 : Revue de la littérature théorique

1.1 Naissance du concept : capital humain 

Pour comprendre les causes de la croissance, nous devons d’abord nous pencher sur les conditions de l’activité économique. Traditionnellement, les spécialistes définissent « quatre facteurs de production ». Le premier facteur, la terre, va de soi : sans elle, il est impossible de cultiver ou de jeter les fondations d’une ferme ou d’une usine. Le facteur travail (la maind’œuvre) est à l’évidence tout aussi indispensable. Le troisième facteur est le capital, c’est-à dire les actifs, généralement l’argent, nécessaires pour construire une usine et acquérir les machines qui la feront fonctionner. Enfin, le quatrième facteur est l’« entreprise » – ce que John Maynard Keynes appelait les « esprits animaux » –, autrement dit l’esprit d’initiative qui permet de transformer une terre stérile en usine.

 En ce qui concerne le facteur travail, à  quelques exceptions près, les économistes envisageaient à l’origine les travailleurs comme une masse indistincte : pourvu qu’ils soient capables et désireux d’accomplir un travail physique, leurs savoirs et leurs compétences importaient peu. Adam Smith(1779), un économiste écossais du XVIIIe siècle, était d’un autre avis : ce qui alimente l’activité économique, ce n’est pas la masse des travailleurs, mais « les talents utiles acquis par les habitants ou membres de la société ». Acquérir ces talents et ces compétences, ajoute-t-il, a un coût pour l’individu, mais une fois acquis, ils constituent « un capital fixé et réalisé pour ainsi dire dans sa personne ».^[7]La théorie du capital humain est née du constat que les facteurs classiques de production (terre, capital, travail) n’expliquaient qu’une partie de la croissance économique. A la fin des années 50, des travaux aux Etats-Unis ont montré statistiquement qu’une part de la croissance économique était imputable au capital humain; celui-ci est défini comme un ensemble de compétences, de savoirs, de savoir-faire acquis par un individu et qui augmentent sa capacité productive.⁹

a. Définition du capital humain 

Le mot « capital » selon Larousse est définit comme l’ensemble de biens possédés. Pour les marxistes, produit d’un travail collectif qui n’appartient pas à ceux qui le réalisent, mais au propriétaire des moyens de production, qui l’augmente au moyen de la plus-value qu’il extorque aux producteurs mêmes, c’est-à-dire aux salariés.^[8]Le capital, c’est un actif qui donne un rendement à son propriétaire pour une longue période de temps. Pour la plupart des gens et des entreprises, le capital inclut comptes d’épargne, actions en portefeuille, lignes d’assemblage automobile, hauts fourneaux etc… Ces formes tangibles de capital ne sont toutefois pas les seules. L’éducation obligatoire ou non, une formation permanente en informatique, un suivi médical, ou même des lectures sur les vertus de la ponctualité sont aussi des formes de capital, intangible cette fois-ci. En effet, ces investissements accroissent la capacité des individus à générer des revenus, en augmentant leur formation et leur santé.

C’est pour cette raison que les économistes considèrent les dépenses d’éducation et de santé comme des investissements dans le capital humain. A la différence du capital physique, le capital humain est incarné dans les gens. Le capital humain ne peut pas être séparé de son propriétaire, au contraire du capital physique. Mais, tout comme pour le capital physique, on peut calculer son rendement.^[9]

L'adjectif « humain » vient simplement rappeler que cette forme de capital, par opposition à d'autres, ne peut être dissociée de son propriétaire, il n'y a pas de vente ni d'achat possible de ce capital humain dans une société non esclavagiste. Seuls les services du stock sont vendus sur le marché du travail. Le capital humain se définit comme l’ensemble des capacités productives qu’un individu acquiert par l’accumulation de connaissances générales ou spécifiques, de savoir-faire… La notion de capital exprime l’idée que c’est un stock immatériel imputé à une personne pouvant être accumulé, s’user.^[10]

Selon Jean-Yves RUIZ Fondateur HeadWin Consulting, dans son ouvrage Le Capital Humain comme atout de compétitivité définie le capital humain comme le Capital qui recouvre l’ensemble des connaissances, qualifications, compétences caractéristiques individuelles qui facilitent la création du bien-être personnel, social et économique ;Selon la définition de l’OCDE, le capital humain recouvre les connaissances, les qualifications, les compétences et les autres qualités d’un individu qui favorisent le bien-être personnel, social et économique.

En usage depuis près de cinquante ans, la signification du terme capital humain a évolué au fil du temps. Si les textes fondateurs de Mincer (1958), Schultz (1961) et Becker (1962) définissent le capital humain comme l’ensemble des investissements susceptibles d’améliorer la productivité d’une personne, désignée sous l’appellation « capital humain ». Celui-ci, similaire au capital physique, nécessite un investissement, offre un taux de rendement variable, dispose d’une capacité de production, est substituable dans les fonctions de production et est mesurable sous la forme d’un stock ou de flux. Selon cette optique, une définition strictement économique du capital humain serait une « catégorie de savoirs et d’habiletés monnayables sur le marché.^[11]

b. Mesure du capital humain 

A l’heure actuelle, il existe déférentes méthodes permettant de mesurer avec précision la capacité existante du stock de connaissances dont dispose un individu. Trois méthodes sont couramment employées pour mesurer le capital humain (l’une détiennent les actifs au travail) : la première consiste à étudier le cout de l’acquisition de connaissance certifiée, c’està-dire le cout de l’enseignement scolaire et de la formation sanctionnés par un diplôme. La seconde approche consiste à tester  les compétences des personnes. Enfin la troisième examine des substituts du potentiel de production liés aux investissements dans les ressources humaines.   

•      La première mesure : nous informe à la suite de l’investissement réalisé dans le cadre du système de certification officiel de l’education. Dans la plupart des secteurs, une forte proportion des diplômes et autres certificats sont de nature assez générale et bien souvent ils ne donnent aucune assurance précise sur des compétences particulières.  

•      La seconde mesure ;(les tests) est actuellement entachée, dans la plupart des cas, d’incertitudes, de rigidités, d’incohérences, d’inégalités et de conflits d’intérêt potentiels non négligeables.  

•      La troisième mesure ; nous renseigne des résultats de l’investissement dans les ressources humaines, son exactitude suppose que l’on accepte l’hypothèse en vertu de laquelle le statut sur le marché du travail serait un reflet fidèle de la compétence. Cela veut dire que, sans mesurer directement les connaissances effectivement acquises au moyen de l’investissement  dans les ressources humaines, on suppose que le statut actuel  sur le marché du travail permet effectivement d’appréhender la valeur, sinon le contenu, des connaissances détenues par un être humain.  

En fait, cette dernière méthode ne cherche pas à mesurer le contenu productif spécifique ou la capacité des compétences détenues, car elle pose simplement que les résultats obtenus sur le marché du travail sont corrélés avec les différences de compétences. 

On peut aussi distinguer trois types d’approches utilisées pour estimer le stock de capital humain de la population en âge de travailler.    

ü  La première se réfère au plus haut niveau de formation atteint par chaque adulte.  

ü  La deuxième consiste à faire passer directement des tests aux adultes, pour déterminer dans quelle mesure ils possèdent certaines capacités utiles à l’activité économique.  

ü  La troisième consiste à analyser les différences entre revenus des adultes apparemment associées à certaines caractéristiques individuelles.^[12]

c. Education et capital humain

La formulation de la théorie du capital humain s'est dès l'origine accompagnée d'une tentative de vérification de l'hypothèse centrale selon laquelle les travailleurs les plus éduqués perçoivent des revenus plus élevés du fait de leur plus forte productivité. Dès 1958, Jacob Mincer déduit d'un modèle théorique d'investissement en capital humain, une équation empirique très simple selon laquelle les revenus du travail d'un individu dépendent de son nombre d'années d'études et de son nombre d'années d'expérience professionnelle. Dans cette équation, appelée « fonction de gains du capital humain », l'effet de l'éducation sur les revenus du travail peut s'interpréter comme, le rendement de l’investissement en capital humain fait dans le système d'enseignement. Les travaux de Theodore Schultz (Prix Nobel 1979, Gary Becker (Prix Nobel 1992) ont aussi fondé la théorie du capital humain. Des centaines d'articles, portant sur tous les pays, pour lesquels les données individuelles nécessaires existent, ont été publiés qui utilisent cette équation. Presque tous ces articles font état d'un effet positif et significatif de l'éducation sur les revenus du travail : c'est l'un des faits empiriques les mieux établis de la science économique.^[13]

L'éducation est représentée comme un investissement en capital humain : les individus décident de la durée et du contenu de leurs études en fonction de leurs coûts ainsi que des bénéfices qu'ils espèrent en retirer. De ces décisions résulte la demande d'éducation ; le système d'enseignement est l'offre qui vient répondre à cette demande. L'enseignement est conçu comme un processus de production de capital humain dont on peut analyser l'efficacité, c'est-à-dire la façon dont les dépenses d'éducation sont traduites en résultats scolaires.^[14]

De cette théorie de MINCER nous concluons que les facteurs qualitatif reposer sur la qualité du système de l’enseignent, car l’enseignement étant un investissement dans le capital humain, son efficacité est un élément primordiale pour déduire de la qualité des compétences qui repose en chaque individu.

1.2 Développement économique 

Le développement économique est un phénomène plus large que la croissance. Il se traduit par une transformation  des structures économiques et sociales, par des progrès de l„espérance de vie, et des taux de scolarisation ou des réductions de l„inégalité.^[15]La croissance économique est la  manifestation d’une augmentation significative et durable de la production de biens et de services. Cette variation positive se mesure grâce à l'évolution annuelle de l'indicateur du produit intérieur brut (PIB), évalué en monnaie constante afin de prendre en compte l'inflation.

Selon la définition de François Perroux, la croissance économique correspond à « l'augmentation soutenue pendant une ou plusieurs périodes longues d’un indicateur de dimension, pour une nation, le produit global net en termes réels.^[16]

Mais le développement économique correspond à l„ensemble des transformations structurelles (économiques, sociales, politiques) qui accompagnent et entretiennent la croissance économique.

À l’origine du concept de développement, la notion de déroulement logique d’un processus de transformation biologique met en évidence une double dynamique de croissance et de complexification. Dès le XIIe siècle, développer est utilisé dans le sens de dérouler, on l’oppose à envelopper (enrouler). Trois siècles plus tard, apparaît le substantif

« développement » pour désigner le bourgeon ou la fleur qui s’ouvre, ou l’animal qui naît et grandit vers le XVe siècle, le substantif « développement » est utilisé par analogie avec les sciences biologiques pour désigner le processus de croissance et de complexification de tout être vivant : « Le développement fait intervenir l’ensemble des mécanismes qui, à partir d’unités élémentaires, édifient au sein de l’individu des ensembles de plus en plus complexes agissant en relation les uns avec les autres.^[17]

En 1972 Dudley Seers, un auteur structuraliste, propose de réinterpréter le développement pour prendre en compte la croissance mais également les tendances dans l’évolution de la pauvreté, la distribution des revenus et l’emploi. Pour lui, une situation de persistance de la pauvreté, du chômage et des inégalités concomitantes, comme dans la croissance économique, ne peut être qualifiée de développement, même si la croissance reste une condition préalable au développement. En 1974, la publication d’un rapport conjoint Croissance et redistribution, produit par la Banque Mondiale et l’Institute of Development Studies (IDS), dirigé par Seers, se rallie à la proposition de celui-ci et modifie son analyse du développement en recherchant un compromis entre croissance et équité.

Section 2 : Quelques modèles économiques sur l’accumulation du stock de capital humain

Dans cette section nous allons présenter différents modèle de croissance économique qui dans leurs fond permettent d’expliquer l’influence du capital humain dans la croissance économique. Notons que les modèles de croissance économique sont par définition, des schémas à l’aide desquels on essaie de mettre en équation la manière dont l’activité économique d’aujourd’hui peut rejaillir sur l’activité économique de demain afin de pouvoir explorer l’ensemble des voies de développement que les ressources naturelles, économiques, financières et humaines du pays permettent d’atteindre. Autrement dit, à l’aide des modèles, on essaie de mesurer l’impact de telle action ou de telle autre sur l’état même de l’économie.

On peut considérer les modèles de croissance comme étant des guides à l’activité normative de la collectivité.^[18]

1) Modèle de Mankiw, Romer et Weil (1992)

Mankiw – Romer – Weil [1992] se sont proposé d’intégrer dans le modèle de Solow, l’évolution de la qualité de la main-d’œuvre afin de mieux rendre compte du déroulement de la croissance économique. Ceci se justifie par le fait qu’on peut accroître le capital humain en investissant dans le système éducatif, dans le système de santé, etc. Leur analyse part alors de la thèse selon laquelle l’accumulation du capital physique ne suffit pas (dans le modèle de Solow) pour expliquer les disparités des performances économiques entre pays.

Ils se fondent sur une fonction de production qui suit les hypothèses traditionnelles du modèle de Solow, et vérifie de ce fait, les conditions inhérentes à la technologie néo-classique : des productivités marginales positives et décroissantes (par rapport à chacun des facteurs de production), des rendements d’échelle constants (par rapport à l’ensemble des facteurs), les conditions d’Inada.^[19]

La fonction de production du modèle étant une Cobb-douglas, elle se présente de la manière suivante :

                                                                                a  0;  b  0;  a + b ≤ 1.

Où :

Y représente la production réelle de l’économie ;

K représente le stock de capital physique ;

H représente le stock de capital humain (notons que dans ce modèle la capital humain est pris dans le sens du revenue allouer à l’éducation) ;

AL représente le progrès technique, et nous constatons qu’il joue sur le travail cela signifie qu’il est « labour augmenting et capital saving » dans ce sens qu’on peut réduire le nombre de travailleurs sans affecter négativement l’échelle de production.^[20]

 

On suppose que les individus consacrent une fraction de leurs revenus s_k à l’acquisition des biens d’équipement et une fraction s_h à l’accumulation du capital humain, cela signifie l’épargne des individus est divisé en deux, d’où s_k et s_h sont leur taux. Il vient alors que les  fonctions d’accumulations se présentent comme suit :

,

Avec  est le taux d’amortissement du stock de capital (humain ou physique) ;   Les variations de stock de capital physique et humain respectivement. 

 

Puisque la croissance devrait entraîner – en moyenne – une amélioration du niveau de vie de la population, les analystes formulent souvent l’hypothèse d’une fonction de production homogène de degré un. Ceci pour être capable de ramener la fonction de production macroéconomique à une forme intensive, c’est-à-dire à une expression par tête d’habitant.²³ Dans le cas de notre modèle, la forme intensive se présente comme suit : yk^ah^b

                                                                                

Ou k = K/AL est le stock de capital physique par travailleur efficient ; h=H/AL est le stock de capital humain par travailleur efficient, et  y = Y/AL est la production global par travailleur efficient.

 

Compte tenu de cette nouvelle spécification, nous pouvons réajuster nos deux fonctions d’accumulation du capital de la manière suivante :

,

Dans le long terme ou en position idéal,  s’annule et nous aurons notre équation :

 

 Cette égalité ressort des deux fonctions d’accumulation, en les insérant dans la fonction de production intensive, nous aboutirons au résultat suivant :

 

Cette équation qui est la forme plus développé  de la fonction de production intensive y^*=k^*h^*  Par conséquent, de manière spécifique dans le long terme le produit par travailleur efficient sera : 

 

Cette expression nous montre clairement que l’investissement dans le capital physique et l’investissement dans le capital humain expliquent conjointement le niveau du revenu individuel.

Nous pouvons le représenter de manière logarithmique pour mieux présenter l’apport des contribution des variables tel que stock de capital humain, croissance démographique (n) et investissement en capital physique au sein du PIB per capita : ln y = [a/(1 – a – b)]ln s_K + [b/(1 – a – b)]ln s_H – [a + b/(1 – a – b)]ln (g + n + δ)

 

2) Paul ROMER (1986) Learning by doing 

Ce modèle qui a été développé par Paul ROMER [1986] se fonde sur l’idée qu’à mesure que les individus travaillent ou produisent des biens, ils améliorent à coup sûr leurs productivités et découvrent des façons d’améliorer le processus de production. Ainsi, l’accumulation de connaissances est un coproduit involontaire de l’activité économique elle-même.

En 1986, Paul ROMER publie son article célèbre „‘increasing returns and long-run growth’’ sur la théorie de la croissance endogène, il reprend cette idée de l’effet de l’accumulation du savoir-faire comme source de croissance. L’apprentissage par la pratique « Learning by doing » désigne le gain de productivité réalisé dans une entreprise grâce à l’expérience et à l’habitude acquises par les travailleurs. Il désigne leur capacité à améliorer leur productivité en répétant régulièrement le même type d’action. L’augmentation de la productivité est obtenue par l’auto-perfection et des innovations mineures. Le fait de reprendre, lors d’un processus de fabrication, les mêmes opérations et de résoudre les mêmes difficultés ou des difficultés voisines, crée des habitudes rendant la production plus efficace et des meilleures qualités, et les salaires de plus qualifier.^[21] 

De manière spécifique, les postulats du modèle se présentent comme suit :

                                                                             0  b  1.

Avec         l’équation de production s’écrit de la manière suivante :

                                                  

Avec β représentant le facteur d’apprentissage ; ce modèle illustre que le progrès technique dépend de l’accumulation du capital humain ; 

Cette équation montre que le capital physique joue un double rôle dans le processus de production : un rôle direct en tant qu’input et un rôle indirect en ce qu’il dégage une externalité positive sur la productivité de l’économie. En effet, dans ce modèle, l’augmentation du capital n’accroît pas seulement la production de façon directe mais également de manière indirecte via le développement d’idées nouvelles qui rendent l’ensemble du capital plus productif.

Ces résultat casse l’hypothèse du rendement marginal, le taux de croissance de la population active est exogène et égal à n, Le modèle admet aussi qu’il n’y a pas d’amortissement et que le taux d’épargne est constant et exogène, de ce fait nous avons :

                                                            ΔK= sY

La dynamique du stock de capital physique est donnée par :

 

ΔK = s.

 

L’évolution de l’économie est commandée par le facteur capital qui joue un rôle plus large que le rôle lui assigné dans le modèle de Solow. Il sied toutefois de noter que les caractéristiques de la dynamique de l’économie dépendent de la valeur pise par le paramètreβ. Si β est inférieur à 1, le taux de croissance à long terme est fonction du taux de croissance de la population, n. Si β est supérieur à 1, la croissance est explosive. Par ailleurs, si β est égal à 1, la croissance sera explosive si n est positif et elle sera constante si n est égal à 0.    

En définitive l’accumulation du capital humain se fait par la pratique, c’est-à-dire que c’est en travaillant que l’on acquière des connaissances et que l’on devient plus productif. Cette conclusion nous permet confirmer que le capital humain est donc une externalité positive de l’activité de production.

Cette thématique est vérifiée aussi dans certain article tel que : 

•      Dans "The economic implications of learning by doing" (1962), ou Arrow montre que l’efficacité des facteurs de production dépend de l’apprentissage. c’est le fameux modèle AK.^[22]

•      Chez Yang et Borland (1991) ont montré que l’apprentissage par la pratique joue un rôle dans l’évolution du pays avec une plus grande spécialisation dans la production.^[23][24] 

 Dans ces deux cas, l’apprentissage par la pratique des fournit un moteur de la croissance.

 

3) Robert LUCAS (1988)  

Dans la perspective ouverte par Gary Becker, Lucas [1988] considère qu’il faut traiter le travail comme du capital humain que l’on peut accumuler au même titre que le capital physique. Le capital humain est produit par l’éducation à un taux endogène puisque le salarié « investit » en fonction de son salaire (actuel/futur). L’élévation de la qualification a un effet externe positif. Par ailleurs le capital humain n’a pas des rendements décroissants parce que le niveau de connaissance d’un individu est d’autant plus efficace que celui des autres (avec lesquels il communique). Ainsi, la productivité individuelle est fonction de l’efficacité de l’équipe dans laquelle il travaille. La connaissance est partagée et chaque connaissance nouvelle entraîne l’apparition de connaissances supplémentaires. Le rythme de croissance d’une économie dépend donc forcément de la part des ressources qu’elle consacre au système de formation et aux dépenses d’éducation.^[25]

Robert LUCAS montre dans son modèle que la croissance est le fruit du temps consacré à l’éducation et de l’efficacité du système éducatif. L’accumulation du capital est donc un déterminant important du progrès des nations. Les hypothèses du modèle se présentent comme suis :

ü  On considère une économie fermée sans État avec une population qui croît à taux constant n et à la date t. de ce fait il y a N_t agents.

ü  A chaque période les agents choisissent de passer u_t unités de temps à travailler dans le processus de production et (1−u_t) unité de temps à s’éduquer. A chaque date t, il y a donc : (1) u_tN_t agents qui travaillent dans le processus de production ; (2) (1−u_t)N_t agents en formation.

Cette hypothèse considère que chaque année, un agent travaille par exemple 10 mois et se forme 2 mois. Dans le cadre d’un système éducatif, l’agent passe ses n premières années à se former et travaille les autres années.^[26]

La fonction de production de l’économie se présente comme suit :

 

Avec  la fonction d’accumulation du capital humain qui se présente de la manière suivante  

                                                                    > 0

 est le coefficient qui détermine  le système éducatif ou l’efficacité d’une formation 

La variation du capital humain  dépend du niveau de capital humain déjà acquis H_t, du temps passé à la formation (1−u_t) mais aussi de l’efficacité de la formation.

De façon spécifique, la forme intensive de la  fonction Cobb-Douglass se présente !! :

 

De part cette fonction intensive, nous déduisons la fonction du taux de croissance par tête d’habitant de l’économie qui se présente de la manière suivante :

                                                 

Au regard de ce résultat nous concluons que le taux de croissance de l’économie dépend de deux facteur essentielle à savoir :

 Le degré d’efficacité du système éducatif ;  Et du temps consacré à la formation.

Mais nous pouvons voir se problème autrement, dans la mesure où nous pouvons chercher à maximisé une fonction d’utilité inter temporelle sous contrainte d’accumulations de deux capitaux (physique et humain). De ce point de vue l’esprit de ce modèle veut que l’on assimile le système de formation au système éducatif. Dans les pays riches le système éducatif est efficace alors que dans les pays pauvres le système éducatif est moins efficace

 

Ce modèle explique donc ce que les hétérodoxes affirmaient depuis longtemps, il faut développer le système éducatif des pays pauvres. Mais ce modèle ne permet pas d’expliquer les différences du paramètre B entre les pays.

Section 3 : Revue de la littérature empirique

Cette section est consacrée à l’exploitation des travaux antérieurs ayant abordé la relation qui existe entre les différente thématique connexes au capital humain et la croissance économique, 

Dans les lignes qui vont suivre, les quelque travaux retenus dans le cadre de notre recherche seront présentés pour nous   permettre de mieux justifie l’angle d’attaque retenu dans le cadre de note recherche et donc d’en tirer une  l’originalité à la recherche.

a. Capital humain et dynamique économique en RDC : approche par le modèle multi équationnel de 1980 à 2014

Il s’agit d’une recherche menée par SUMATA Motukula Claude et ZUMBU Matungula

Dieumerci, publiée dans les éditions d’EDUPC, « Revue Congolaise d’Economie et de Gestion » n°12, en 2018.

Cette article analyses les effets du capital humain sur la croissance économique en RDC à travers le model à équation simultanée et la méthode de double moindre carré. Cette analyses se fonde sur la version enrichie du modèle Solow, proposée par Mankiw,Romer et Weil (1992) autrement nommé the augmented solow model. 

La problématique majeure de cette étude tourne au tour de la question de savoir quels sont les effets du capital humain sur la croissance économique ? Et aussi comment les évènements négatifs comme les grèves, le pillage agissent sur la croissance à travers le capital humain et les infrastructures physiques .Comme hypothèse les effets négatifs sur le capital humain entravent le processus de la croissance économique ; et que le capital humain à un impact limité sur la croissance économique en RDC en raison de ca faible parts, dans le budget de l’état et des mauvaises qualités et allocations des investissements lies au capital humain. En se basant sur ces hypothèses les deux auteurs affirment que la RDC peut augmenter de manière stratégique l’investissement en capital humain pour atteindre l’émergence et assurer sa marche vers une nation prospère et un développement économique assuré.

Les résultats obtenus affirment la double influence positive et non significative exercée par les phénomènes négatifs en capital humain sur la croissance économique, et indirectement à travers l’accumulation du capital physique et du capital humain et directement par le biais de la productivité globale. La non significativité du capital humain sur la croissance économique en RDC est attribué à sa faible part, dans le budget de l’état et à la mauvaises qualité et allocations des investissements liés au capital humain.^[27]

Les résultats de cette étude rejoignent de manière partiel les résultats de Pritchet^[28] dans la mesure où ils aboutissent à une relations non significative entre les deux variables mit en valeurs, ayant supposé que la non significativité débouché d’une mauvais qualité des investissements en capital humain, notre étude apporterai des éléments d’éclaircissement en terme de qualité des investissements en capital humain car le système éducatif est un facteur qualitatif au capital humain.

b. L’impact du capital humain sur la croissance économique au Tchad ,1990 à 2005

Il s’agit d’un mémoire de DEA, présenté par  Koulké Blandine NAN-GUER dans la faculté de science économique  et de gestion en mai 2008, suivant le nouveau programme de 3em cycle inter universitaire en économie à Université Cheikh Anta Diop de Dakar au Sénégal.

Ce mémoire de Diplôme d’Etude Approfondie analyse l’impact du capital humain, dans son aspect éducationnel sur la croissance économique au Tchad, en vue de la revue de la littérature sur les deux thématiques il a été émis les hypothèses suivantes à savoir que le capital humain influe positivement sur le revenu national. 

Cet auteur a estimé un modèle de production dans lequel  elle a incorporé des variables éducatives en ternes d’effectifs scolaires par MCO sur le logiciel Eviews. L’éducation a un impact positif sur la croissance économique au Tchad corroborant de ce fait les théories du capital humain et de la croissance endogène. Vu l’impact qu’a le capital humain sur la croissance économique, l’investissement dans le secteur éducatif ne fera qu’accroitre la croissance économique et la maintenir durant une longue période. 

Mais il constate que cette contribution a l’aire modeste compte tenue des investissements délivrés par le gouvernement tchadien depuis l’indépendance, et cette modeste contribution est attribuer à :

ü  un système éducatif extraverti c'est-à-dire calqué sur le modèle français qui a toujours résisté aux réformes dont le  but est de placer l’éducation au service du développement.  

ü  une forte croissance démographique qui contraint le principal acteur de l’éducation

(Etat) a privilégié l’éducation de masse au détriment d’une éducation de qualité.

ü  une crise économique du début des années 80 dont les solutions (PAS) adoptées et dictées par les bailleurs a consisté à  réduire de manière drastique les dépenses publiques.

 

c. Les sources de la qualité de l’éducation

Cette étude menés par Nadir ALTINOK ; Maitre de Conférence à l’Université de Lorraine

(France) depuis 2008 (sa spécialité de recherche étant l’économie de l„éducation ainsi que le développement) est axées sur le domaine qualitatif du capital humain à savoir, la qualité de l’éducation.

 Elle présente comme problématique de base, les questions suivantes :

ü  Peut-on dégager des relations stables entre inputs éducatifs et outputs éducatifs ? 

ü  Existe-t-il des différences  significatives selon le niveau économique des pays ?

Étudiant l’analyses des facteurs déterminant à la qualité de l’éducation, elle a comme objectif générale de tester l’existence d'une fonction de production éducative à partir de données issues des enquêtes internationales sur les acquis des élèves. Ainsi il s’inscrit dans la lignée de travaux de comparaisons internationales sur l’analyse de l’explication de variables de performance éducative par des variables de ressources et d’organisation scolaires. L’existence d'une fonction de production de l’école suppose d'emblée la possibilité d'édicter des relations stables entre les ressources allouées à l'éducation (inputs éducatifs) et les performances des élèves (outputs éducatifs).^[29]

De manière spécifique, elle s’argumente à la création d’une base de données une base de données  sur les indicateurs éducatifs et l’appliquer sur la fonction de production éducative. Les variables utilisées pour la modélisation sont : le niveau économique des parents( revenue national), éducations des parents, dépenses éducatifs par élève, rémunération des enseignements, la taille des classes.

Il s' agit à proprement parler de quantifier sur une échelle de 0 à 100 la qualité de l' éducation, plus précisément les taux de réussites d' échantillons représentatifs d' élèves de divers pays à des enquêtes internationales sur les acquis des élèves, 7 différentes enquêtes internationales sur les acquis des élèves ont été prises, entre autre celle de BARRO et LEE (2001).

Les résultats de cette étude nous révèlent les éléments suivant : 

L’hypothèse d'une fonction de production éducative est en partie démontrée lorsque l’on utilise l'échantillon global : les variables familiales (niveau économique des parents, éducation des parents) jouent dans un sens positif sur l’échantillon global. Les variables financières de l’éducation (dépenses éducatives par élève, rémunération des enseignants) ont également un impact sur la performance aux tests. Enfin, la seule variable d'organisation scolaire utilisée (à savoir la taille des classes) n'a pas d'impact sur l'échantillon global. La distinction établie selon le niveau économique souligne des différences significatives quant aux relations entre inputs et outputs éducatifs. On démontre notamment qu'à mesure que le niveau économique des pays s'élève, l'impact des variables financières de l'éducation sur la performance aux tests diminue. Par ailleurs, l'effet de la taille des classes diffère selon que l'on se trouve dans un pays à revenus élevés ou un pays à revenus intermédiaires. Pour autant, il subsiste une part essentielle de la qualité de l'éducation qui n'est pas expliquée dans les spécifications et qui peut notamment renvoyer à l'importance de l'organisation pédagogique, très difficile à mesurer économétriquement.

d. Capital humain et croissance : évidences sur les données des pays africains

Cette étude menée par Dorothée BOCCANFUSA, Luc SAVARD et Bernice SAVY de l’Université de Sherbrooke en 2009, au sein du CREDI (Groupe de Recherche en Économie et Développement International), elle porte sur 22 pays choisis en fonctions de la disponibilité des données de l’étude.

Ce  travail  permet  d’enrichir  le  débat  sur  la  relation  entre  le  capital  humain  et  la  croissance  du  fait  qu’il  étudie  cette  relation  pour  un  échantillon  de  pays  africains  sur  données de panel, en utilisant notamment un nouveau type d’indicateur du capital humain (indicateur composite par approche ACP).  Ce nouveau proxy basé sur l’analyse en composantes principales permet une meilleure  valorisation du capital humain et contribue à une meilleure évaluation des aspects qualitatifs  du  capital  humain  surtout  dans  les  pays  en  développement  où  l’existence  de  données  constitue un véritable problème. Son rôle comme nous l’avons montré, se révèle important  tant dans l’analyse de la croissance économique que dans l’étude de la convergence de pays  africains.

Comment question de recherche, elle s’est argumentée à savoir :

•      Est-ce que les différents écarts enregistrés au niveau du PIB par tête entre pays africain tente de ce réduire ?

•      Qu’elle est la contribution de l’accumulation du capital humain dans ce processus de convergence.

Comme élément de réponse, de manière générale, en ce qui concerne le processus de convergence ; cette étude confirme la présence d’un processus de convergence des PIB/tête pour notre échantillon, avec une vitesse de convergence variant suivant l’indicateur utilisé pour  le stock de capital humain.

Du point de vue de l’accumulation du capital humain, il sont partis du constat de Caselli et al., 1996 ;  Pritchett, 2001. Parmi les faiblesses identifiées par ces auteurs, la critique relative à l’utilisation du nombre moyen d’années d’étude comme  proxy  utilisé pour évaluer le stock de capital humain est souvent avancée. La non prise en considération des rendements décroissants de l’éducation et des aspects qualitatifs du stock de capital humain sont les deux principales critiques évoquées.

De ce fait le but de cette étude  était d’apporté des corrections aux insuffisances relevées dans la littérature quant au proxy usuel du capital humain, en proposant de nouveaux indicateurs.

En construisant un indicateur composite du capital humain permettant d’intégrer les aspects qualitatifs et les indicateurs du stock de capital humain proposé par Mincer (1974) pour prendre en considération les rendements décroissants. Ces indicateurs sont ensuite utilisés pour apprécier la contribution du capital humain sur le niveau et la variation du PIB per capita de 22 pays africains sur la période de 1970 à 2000, en utilisant la méthodologie proposée par Islam (1995). Les résultats montrent que la prise en compte des aspects qualitatifs et des rendements décroissants du capital humain, a permis de retrouver son impact positif et significatif sur le processus de croissance économique.

Section 4 : Variable de qualité du capital humain  

Cette section sera consacrée à la recherche, dans la littérature, des variables pouvant expliquer la qualité du système éducatif.

Au regard de la littérature, nous sommes partie sur base de deux approche, celle de Hanushek et Kimko  (2000)^[30]  et  robert  J.Barro (mai 2001)^[31] . Selon les deux auteurs cité par SOLONIONJANIRINA NDRIAKITA (2009), mesurer le capital humain par le scores obtenus lors des évaluations internationales des acquis des élevés est plus adéquat que l’utilisation des indicateurs quantitatifs du capital humain. En effet, ces évaluations comportent des tests de connaissances qui visent à mesurer les réels acquis des élevés dans les domaines comme la lecture, les mathématiques et les sciences. Ces test entre autre TIMS,

SACMEQ et PISA ; sont des enquêtes qui analysent des échantillons d’élevés appartenant à des pays différents. ^[32]Comme le dit SOLONIONJANIRINA NDRIAKITA (2009), dans leur étude Hanushek et Kimko  (2000)  mesurent directement le capital humain à partir des données d'enquête sur les connaissances en mathématiques et en sciences dans 31 pays. Il s'agit d'une combinaison de données sur des évaluations internationales des réels acquis en mathématiques et sciences entrepris par l'IAEP (International Assessment of Educational Progress) et l'IEA (International Association of Education Achievement).^[33]

Au niveau de la spécification de leur modèle, il reste dans le cadre des modèles de capital humain : le stock et la variation du capital ont des influences significatives sur le niveau de croissances économique. 

Comme variables ils utilisent : le revenu national ; le nombre moyen d’années de scolarité (variables représentatif du capital humain) ; taux de croissances moyen de la population ; et les deux mesures de scores des tests.

Pour estimer la robustes de leurs modèles, ils ont estimaient 6 modèles à partir de la combinaison de leur variables explicatives. Les auteurs ont conclue à partir de l'estimation de ces modèles que le niveau d'éducation est sensible  et reflète mal le capital humain car celui-ci tend à perdre sa significativité face à d'autres mesures.

Robert J. BARRO (2001) quant à lui adopte une variante de la méthode de l'approche fonction de production. Sa base de données couvre cent pays de différents niveaux de développement pendant la période 1965-1995 : « The empirical analysis applies to roughly 100 countries and therefore includes countries at very different levels of economic development ».^[34]

Quant à la méthode, elle diffère de celle adoptée par Hanushek et Kimko mais prossède le même fond : approche fonction de production et reste dans le cadre de la théorie du capital humain. Son approche se subdivise en deux étapes. Dans un premier temps, il s'agit d'expliquer la croissance économique par une multitude de facteurs explicatifs et de créer une série de résidus de l'équation. Ensuite vient alors la nécessité d'expliquer ce résidu par la quantité (niveau d'instruction) et la qualité d'éducation (scores).

Cette approche est belle et bien dérivée de l'approche fonction de production. Plus précisément, il s'agit d'une approche par le résidu.^[35]

Les variables utilisé dans son modèle sont : le niveau du PIB ; les dépenses de l'Etat par rapport au PIB, l'état de droit, le taux d'ouverture ; le taux d'inflation ; le taux de fécondation ; le taux d'investissement ; les termes de l'échange et la quantité d'éducation mesurée par taux d'achèvement du secondaire et de celui du supérieur.

Avec l'approche par le résidu, l'auteur a démontré que le score en sciences et celui en lecture sont les meilleures mesures du capital humain. Ces indicateurs de qualité sont plus importants que les indicateurs de quantité.³⁸

De manière brève, Compte tenu de la qualité de l'éducation, telle que représentée par les résultats aux tests, la quantité de scolarisation, mesurée par le nombre moyen d'années d'obtention des hommes adultes au secondaire et aux niveaux supérieurs, reste liée positivement à la croissance ultérieure. Cependant, l’effet de la qualité de l’école est quantitativement beaucoup plus important.

Au regardes des deux études présenter par  Hanushek et Kimko  (2000) et  robert  J.Barro (mai 2001), nous pouvons en conclure que l’utilisation des tests sur certains acquis des élèves est uns variables pertinente, empiriquement prouvé, pour discuter de la qualité du capital humains.

Le programme PISA, étude réalisées par l'OCDE, l'Organisation de Coopération et de Développement Économiques, est conçu pour mesurer les performances des systèmes éducatifs au sein des pays, de manière standardisée et à grande échelle. L'enquête est publiée tous les trois ans après avoir été menée auprès de dizaines de milliers adolescents de 15 ans. Elle est réalisée dans les 34 pays membres de l'OCDE, mais aussi dans un grand nombre de pays partenaires. La première enquête PISA date de 2001.Plus concrètement, PISA mesure les connaissances et compétences acquises de jeunes des quatre coins de la planète et la performance des systèmes éducatifs des pays tel que l'entend l'OCDE. Avec pour slogan : "Ce que les élèves de 15 ans savent et ce qu'ils peuvent faire avec ce qu'ils savent".^[36]

Du fait d’un manque de test identique à celle-ci au sein de la RDC, dans notre étude nous allons utiliser un test quasi-parallèle à celui des enquêtes internationales pour mesures la performance du système éducatif congolais. 

Selon Barro et sala-i-martin cité par Rezine Okacha (2015)^[37] le nombre d’étudiants dans l’enseignement secondaire et supérieur exerce un effet significatif sur le taux de croissance, plus loin Barro (2001) dit que les taux de scolarisations au primaire et au secondaire ont des effets positifs sur la croissance économique. 

Ces affirmations nous permettent d’utiliser les tests sanctionnant les études du secondaire, respectivement le test, sur l’étendue nationale, de l’EXETAT pour pouvoir discuté de la qualité du système éducatif en RDC, et son incidence sur la croissance économique en RDC.

La non prise en compte du secteur de l’enseignement primaire et supérieur est dû au manque de statistique disponible relatif au sein des institutions de la place, mais à cela la représentativité du secteur secondaire est de taille à pouvoir  nous données au mieux les résultats attendue⁴¹. 

 

 

 

Conclusion

 

Ce premier chapitre nous a permis d’introduire et de faire en premier lieu un rappel de quelques définitions préliminaires concernant le capital humain, l’éducation et le développement économique. Car le capital humain étant un concept large et possédant plusieurs acception, recouvre différent type de vision du concept. 

Et son rôle dans la croissance et le développement économique n’est plus à démontrer du fait qu’au cours des dernières millénaires , les pays ayant une structure capitalistes développés ont mis l’accent sur les politiques d’innovation et de recherche au cœur des nouvelles politiques de croissance et de développement économiques.

En deuxième lieu, le passage en revue de la littérature consacrée à l’incidence du capital  humain sur la croissance économique nous a montré que l’émergence de ce concept et son intégration à également contribuer au processus de la  croissance et au développement des nations. Les nombreux  travaux motionner et développer dans ce chapitre concluent à un effet majeur du capital humain qui est représenté entre autre par l’éducation, du point de vue des dépense en quantité et aussi du point de vue qualitatif sur le processus de la croissance économique. 

En troisième lieu nous avons questionné la littérature sur les  variables pouvant mesurer au mieux la qualité du système éducatif, et elle conclut que certain test citer, au regard des études comparative explique la qualité du système éducatif. 

De ce fait, l’on peut retenir que l’éducation (quantité et qualité) est une condition nécessaire au développement économique de tout pays, tout en se basant sur une politique gouvernemental qui vise à améliorer le rendement de l’éducation.

Dans les lignes qui suivent, nous présenterons notre cadre de recherche, qui est le système éducatif congolais, pour avoir un aperçu tant théorique que statistique sur ca structure.

 

 

 

 

 

 

 

 

Deuxième chapitre : Système éducatif Congolais 

Au cœur de ce chapitre il sera question de faire une présentation plus au moins détaillé du système éducatif de la RDC dans son ensemble.

Il est communément admis que l’éducation formelle est l’un des facteurs importants de l’acquisition des compétences individuelles et de la formation du capital humain. Ce n’est pas le seul. Sans aucun doute, les parents, les aptitudes individuelles et les amis y contribuent également. Cependant, l’école occupe une place particulière, non seulement parce que l’éducation et la «création de compétences» sont au nombre de ses objectifs explicites primordiaux, mais aussi parce qu’elle est le facteur le plus directement influencé par les politiques publiques. Il est bien établi que la répartition des revenus dans la société est étroitement liée au niveau d’éducation des individus. D’une manière générale, une scolarité plus longue se traduit par des revenus plus élevés tout au long de la vie. Ces résultats se concrétisent sur le long terme. Ils n’ont d’effet sur le revenu des individus ni durant leur scolarité ni au cours de leur premier emploi, mais ils influent sur les revenus de toute une vie de travail. Ainsi, les éventuels effets observables de la qualité de l’éducation sur la répartition des compétences et des revenus ne se manifesteront que plus tard, quand les élèves d’aujourd’hui représenteront une proportion significative de la population active.^[38]

 

1. L’enseignement en RDC : historique et contexte

L’introduction du système éducatif en République Démocratique du Congo a valu plusieurs décennies pour en arriver au stade de l’enseignement structurel actuel.

Il fallait attendre l’expédition et le passage des missions après la Conférence de Berlin (1885) sur le partage de l’Afrique. Ces dernières ont été à la fois des missions à caractère politique et religieux. Et à force de faire découvrir aux peuples de race noire l’évangile, naîtra l’éducation qui a eu pour mobile principal de former, transformer et développer la société qui a longtemps demeuré dans sa civilisation archaïque. 

Le progrès connu par les missions, malgré les autres intérêts métropolitains, ont permis de découvrir les hommes et leurs cultures au moyen de navigation de grands cours d’eau avec tous les risques et périls.

En quittant l’océan atlantique, ces explorateurs et colons belges ont découvert l’embouchure du fleuve Congo jusqu’à longer les côtes de ses affluents où ils ont installé sur les sites des grandes agglomérations de population leurs premiers foyers d’administration à la fois de communication et culturelle.⁴³

Les antennes d’administration ont développé d’abord le milieu au niveau économique, ensuite en arriver au point de créer des foyers d’éducation de masses. 

Les étapes imminentes qui ont déterminé l’historique de l’éducation au Congo ont été découpées en périodes évolutives et événementielles qui ont marqué la période de gestion. Une autre partie liée à ces périodes de gestion décrit la mutation de l’enseignement en général. Elle parle aussi de la fusion de l’enseignement primaire, secondaire, supérieur et universitaire et le moment fixe de leur éclatement.

Les grandes étapes sont :

Ø Pré-Indépendance du Congo ou époque coloniale (Etat belge) 

Peu après l’entrée au Congo vers 1906, avec les découvertes, la colonie belge a introduit le système d’enseignement sous forme d’éducation des masses. C’est à partir de l’évangélisation instaurée par leurs missionnaires afin d’apprendre aux noirs à lire et à écrire.

En 1926, le système de formation deviendra très évolutif jusqu’à être transformé en foyers d’apprentissage, un groupement de masses sur des sites de grandes agglomérations de population. Les femmes d’un côté pour l’éducation ménagère et les hommes de l’autre pour une formation penchant sur la professionnalisation. Vers 1930, la première convention se pointait déjà à l’horizon, entre l’Etat belge et les Eglises Protestantes et Catholiques, les missions ayant déjà acquis un grand impact sur le terrain en ce qui concerne l’éducation des congolais. Entre 1935 et 1940, plusieurs centres et foyers de métiers furent débaptisés et transformés en écoles artisanales des métiers et écoles moyennes.  

Entre 1945 et 1950, à la veille de l’ère de l’Indépendance, les écoles moyennes et artisanales des métiers ont formé des intellectuels Congolais complets capables de gérer l’administration et de transférer à leur tour le savoir acquis. Le niveau de l’école de métiers et artisanale était sanctionné par un titre de D3 équivalent de D6 (Diplôme d’Etat actuel), tandis que le niveau de l’école moyenne par un diplôme équivalent au titre du finaliste d’un Institut Supérieur. Quelques acquis pendant la période de gestion du système d’enseignement colonial. Le nombre très réduit des apprenants a permis aux colons :

•      D’appliquer la gratuité des études de la jeunesse congolaise ;

•      De supporter toute la charge des enseignants. La fonction enseignante était valorisée et la qualité de l’enseignement dispensé restait compétitive;

•      De subsidier toutes les écoles, selon les sites de grandes agglomérations de population par la construction des écoles pilotes;

•      De faire bénéficier aux tous premiers intellectuels du Congo, de la bourse de l’Etat colonial au niveau d’Etudes Supérieures ;

•      De construire des écoles par le concours des communautés locales.^[39]

Depuis l’étape de l’enseignement de base jusqu’à l’enseignement structurel actuel, le système de politique éducative a fonctionné sous tutelle unique de l’institution « Education » qui résorba en son sein les cycles fondamental primaire, secondaire et supérieur. Ce secteur a été gardé assez longtemps dans ce statut jusqu’au début du premier gouvernement issu de l’indépendance de la République Démocratique du Congo. Des acquis considérables et communs à chaque phase de transformation des méthodes d’enseignement, se manifestèrent. A cela, il faut ajouter la participation communautaire très active au niveau de construction des écoles et fabrication des bancs pupitres et des briques cuites. Les ponts, les routes et les rails pour chemin de fer servant de communication avec les écoles constituent une contribution de nos populations qui ont sacrifié leur vie sous un service forcé.

 

Ø Post-Indépendance du Congo (1960 à ce jour) :

Avec les moyens de bord hérités de la colonie, l’analyse de la période de gestion post– coloniale a été, en ce qui concerne l’historique de l’Enseignement, l’objet d’un reflet des bilans réalisés par les dirigeants de ce secteur au bout de chaque mandat, en tenant compte de la politique globale et non de l’état détaillé du fonctionnement.

De 1960 à 1971, la politique générale de l’enseignement a été presque la même avec une caractéristique commune, à savoir : la subdivision des écoles par l’Etat et les études des enfants et des enseignants à charge complète de l’Etat. En conséquence, la crédibilité de l’Enseignant ainsi que la qualité des enseignements dispensés étaient au beau fixe.

Du ministre en place à l’année 1960-1961 au Ministre actuelle en 2019, plusieurs mutations ont été faites dans le cadre du système éducatif congolais, entre autre dans les bilans présentés par le ministère de l’enseignement de  1961 à 1971 :

•      Gratuité des frais d’études des élèves

•      Prise en charge des enseignants par l’Etat

Apres cette période, la gratuité de l’enseignement n’était couvert qu’au niveau primaire et le niveau secondaire était revenue au parents, ensuite jusqu’en 1977 ou le paiement des frais d’étude totale ( primaire et secondaire ) revient totalement à charge des parent, et au niveau des enseignant la prise en charge es toujours au compte de l’état et à partir de 1997 avec l’instauration du système de motivation des enseignants mit en vigueur en 2001, la prise en charges des enseignants est effectué par l’état et aussi par les frais de motivations venant des parents.

C’est à partir de 2001 que beaucoup d’autre réforme ont eu lieu avec entre autres :  

o    Revalorisation du diplôme d’Etat dans les milieux de la Communauté Internationale par le renforcement des mesures de sécurité d’impression confiée dorénavant à l’Hôtel de monnaie de la Banque Centrale du Congo ;

o    Création d’un fonds social d’assistance pour l’Education Nationale.

o    Instauration et mise en œuvre de la bourse d’excellence au bénéfice de finalistes du secondaire lauréat de l’Examen d’Etat ;

o    Négociation avec la Communauté Internationale pour l’instauration de l’Education Pour Tous en République démocratique du Congo en vue de la gratuité de l’enseignement ;

o    Autorisation de fonctionnement de plusieurs écoles d’Enseignement primaire, secondaire et professionnel ;

o    Négociation avec la Banque Mondiale dans le cadre du partenariat éducatif pour l’octroi des matériels informatiques et des moyens de déplacement en faveur des

Bureaux gestionnaires ; o Réflexion sur le projet d’informatisation de l’Examen d’Etat et implantation du

Réseau Intranet (Education Nationale) ; o Mutation du système éducatif.^[40]

 

Mais nous avons aussi quelques innovations qui ont intervenue, toujours dans le cadre de l’amélioration des qualités de l’enseignement, dont :

a.       L’informatisation de la correction de l’Examen d’Etat : par l’installation d’un outil informatique au centre national de correction à l’Inspection générale, un élément qui a aidé à la rapidité de la correction.

b.      La distribution de kits scolaires au bénéfice des écoliers sur toute l’étendue du territoire national en vue d’atteindre progressivement la gratuité scolaire au primaire.

c.       Le projet de distribution progressive des véhicules (Pick Up 4×4) aux directions provinciales SECOPE et autres postes gestionnaires (PROVED et IPP) et autre matériel roulant (hors-bord pour les villes côtières) etc.

d.      La libéralisation de la publication des résultats de l’Examen d’Etat, l’uniformisation des bulletins scolaires ; la remise régulière des diplômes d’Etat; la multiplication des provinces éducationnelles.

 

L’élargissement de la publication des résultats de l’Examen d’Etat à toutes les sociétés des télécommunications est motivé par l’intérêt général selon le gouvernement congolais. Ce test réussi fut un succès en 2017 avec la publication officielle des résultats de l’Examen d’Etat, édition 2017 par tous les quatre réseaux de téléphonie cellulaire à savoir implanté dans le territoire congolais. En plus, la compétition contribue à l’amélioration de la qualité des services.

En ce qui concerne  les diplômes d’Etat, la principale motivation était de combler le vide de 5 ans, le staff dirigeant de la Banque Centrale du Congo avait mis à la disposition de l’EPSP les diplômes d’Etat (éditions 2012 et 2013) sans contrepartie préalable.

Dernière réforme importante, l’uniformisation des bulletins scolaires avec la réception le 15 avril 2017 de plus de 20 millions de bulletins pour les élèves de la maternelle, du Primaire et du Secondaire. Après cinq ans de carence de bulletins suite aux problèmes conjoncturels, les élèves de la RDC ont de nouveau reçu à la fin de l’année scolaire 2016- 2017 leurs bulletins.  Par cette action combien importante, le gouvernement a pu reprendre la main dans un secteur où, pendant cette longue période d’absence de bulletins, chaque établissement, chaque réseau ou chaque individu pouvait se permettre d’imprimer son bulletin, sans aucun respect des normes favorisant ainsi la fraude. Le ministère de l’EPSP reprend ainsi ses prérogatives d’imprimer les documents de valeur en l’occurrence le bulletin scolaire.

L’autre grande réforme initiée par le gouvernement au travers du ministère de l’EPS, c’est la création d’une chaîne thématique de l’Education dénommée EDUC TV.

Cet outil de communication géré par le service de gestion de communication du ministère de l’EPSP va émettre à partir de Kinshasa et ne propose aux téléspectateurs que  des programmes consacrés exclusivement à l’éducation.^[41]

Durant les deux dernières périodes, celle de l’époque coloniale et celle postcolonial, nous avons assisté aux grandes mutations du système éducatif de la RDC. 

Mais alors il faut noter qu’à partir de 1962 à 1965, le secteur « EDUCATION » a pris la nouvelle dénomination de « EDUCATION NATIONALE ».

Celle-ci a englobé les différents cycles: fondamental maternel, primaire, secondaire et supérieur.

Parmi les mutations de l’enseignement, il a été relevé la première qui amènera la scission de l’Education Nationale en 2 secteurs : l’Enseignement Primaire, Secondaire et Professionnel et l’Enseignement supérieur et universitaire.

o   Entre 1992 et 1993, à l’issue des résolutions de la Conférence Nationale Souveraine, plusieurs secteurs furent fusionnés, entre autre l’Enseignement Primaire, Secondaire et Professionnel et l’Enseignement supérieur et universitaire sous tutelle du Ministère de l’Education Nationale ;

o   A la fin de 1993, une nouvelle scission interviendra à l’issue de laquelle le Ministre

NDOLELA SIKIKONDE sera désigné à l’Enseignement primaire, secondaire et professionnel pour un second mandat.

o   Entre 1997 et 2000, avec l’entrée du pouvoir de l’AFDL, une nouvelle fusion aura lieu entre l’Enseignement primaire, secondaire et professionnel et l’Enseignement

supérieur et universitaire ; o De 2003 à ce jour, l’Enseignement primaire, secondaire et professionnel est resté autonome par rapport à son secteur frère de l’Enseignement supérieur et universitaire.

 

2. Administration du système éducatif en RDC

En République Démocratique du Congo, l’enseignement national est composé de deux catégories d’écoles : les écoles publiques et les écoles privées agréées.

Dans les écoles publiques on retrouve les écoles non conventionnées gérées directement par l’Etat, et les écoles conventionnées dont la gestion est assurée par les confessions religieuses signataires de la convention de gestion scolaire avec le Gouvernement. Ainsi, dans ce dernier groupe on a :

a.       les écoles conventionnées catholiques ; 

b.      les écoles conventionnées protestantes;

c.       les écoles conventionnées kimbanguistes ; 

d.      les écoles conventionnées islamiques ; et

e.       les écoles conventionnées de l’Armée du Salut.

Au niveau national, provincial et local, chacune de ces églises dispose des services de gestion scolaire appelés bureaux de coordination.^[42]  

Les écoles publiques sont financièrement prises en charge par l’Etat, surtout en ce qui concerne les salaires des enseignants. Compte tenu des difficultés que connaît le pays depuis  des années, les parents interviennent financièrement et de façon significative dans le fonctionnement des écoles.  

Les écoles privées agréées sont celles créées par des particuliers (personnes physiques ou morales), et qui sont soumises à la réglementation officielle en matière d’agrément, de programmes d’études, de contrôle et d’évaluation pédagogiques.  

Elles ne bénéficient d’aucun subside de la part de l’Etat. Toutes leurs charges financières reviennent aux parents en grande partie. Un grand nombre d’écoles privées sont représentées par l’Association Nationale des Ecoles privées Agréées (ASSONEPA). D’autres sont plutôt affiliées au Collectif des Ecoles Privées Agréées du Congo (CEPACO). 

Les parents sont des acteurs majeurs de l’administration du système scolaire congolais. Ils sont représentés, de la base au sommet, par des comités de parents dans les écoles, les communes et les provinces. Il existe plusieurs organisations de parents d’élèves dont la plus ancienne et la plus importante est l’Association Nationale des Parents d’Elèves du Congo

(ANAPECO). Ces associations ont pour rôle d’inciter les parents à scolariser leurs enfants et à coopérer à la gestion des écoles.

Les écoles sont gérées par un Chef d’établissement (Directeur au niveau des écoles primaires, Préfet au niveau secondaire), assisté par un Conseil de gestion.  

Le chef d’établissement assure la gestion pédagogique, administrative et financière de l’école, y compris la gestion du personnel ainsi que le versement des salaires de ces derniers. Sur proposition du Chef de Division Provincial ou du Coordinateur Provincial, le Gouverneur nomme ou relève de leurs fonctions, les chefs d’établissement respectivement des écoles non conventionnées et conventionnées.

Le Conseil de gestion est l’organe délibérant de l’établissement scolaire. Ses membres sont le

Chef d’établissement, le Conseiller pédagogique, le Directeur de discipline, le représentant des enseignants et le représentant des parents.  

Pour gérer le personnel enseignant de l’enseignement primaire, secondaire et professionnel, le Gouvernement a créé depuis 1985 le Service de Contrôle et de la Paie des Enseignants (SECOPE), placé sous le contrôle du Secrétaire général qui a ce secteur dans ses attributions.

 

3. Structure du système éducatif  

Le secteur éducatif congolais organise deux types d’éducation, à savoir : l’éducation formelle et l’éducation non formelle. A ces deux types d’éducation s’ajoutent des mécanismes permettant une éducation de type informel. L’éducation spéciale destinée aux personnes avec handicap ou présentant des caractéristiques exceptionnelles est aussi organisée. 

L’éducation formelle relève de la compétence de deux Ministères : le Ministère de l’Enseignement Primaire, Secondaire et Professionnel et celui de l’Enseignement Supérieur et

Universitaire. L’éducation non formelle relève de la compétence de plusieurs Ministères dont celui des Affaires Sociales. 

 

 

a. Ministère de l’enseignement primaire, secondaire et professionnel (EPSP)  

Au niveau de secteur primaire, la durée de l’enseignement obligatoire était de 6 ans pour les enfants entre 6 et 12 ans. Bien qu’une scolarité pré-primaire de 3 ans soit prévue, elle n’est offerte en pratique que dans quelques zones urbaines.

La scolarité primaire de 6 ans est divisée en trois cycles de deux ans chacun. Le certificat de fin d’études primaires est accordé sur la base d’une évaluation des résultats en classe et des notes de l’élève à un test national (TENAFEP), pondérés respectivement par 60 % et 40 %. Lors d’une conférence de presse, le ministre en charge de l’EPSP et son chef du service ont fourni des éclaircissements sur la réforme de l’enseignement intervenue par rapport à la loicadre de l’enseignement national N°14/004 du 11 février 2014 qui consacre la réforme de l’éducation de base et la stratégie sectorielle de l’éducation et de la formation 2016-2025.^[43]

Parlant de l’éducation de base, expliquant le directeur de service, le ministre a voulu préciser que celle-ci a été institué par la loi-cadre et qu’il s’agit là d’une fusion de 6 années de l’école primaire et de deux années de ce qui s’appelait dans le temps «  cycle d’orientation » pour former un nouveau cycle de 8 ans. Le directeur en chef du service précise qu’il ne s’agit pas du cycle de l’école primaire qui a été prolongé à 8 ans. 

Sur le plan pratique, certaines stratégies devaient être montées pour permettre à ce que cette réforme aboutisse et soit centrée sur la modernisation de programmes au niveau des classes de

7^ième et 8^ième. Ainsi donc, c’est la huitième année qui sanctionnera dans le cadre de l’éducation de bas la fin des études primaires.^[44]  

L’enseignement secondaire dans l’autre part consiste en un cycle long et un cycle court. Le cycle long comprend trois filières : général, normale et technique. Ce cycle consiste en une première étape de deux ans, commune aux trois filières, et une seconde étape de quatre ans qui introduit la différenciation entre les trois filières. Au sein de chaque filière, diverses options sont offertes, jusqu’à trente options dans la filière technique. Les élèves qui réussissent au concours national, appelé Examen d’Etat (EXETAT), obtiennent le Diplôme d’Etat sanctionnant la fin de leurs études secondaires.  

Le cycle court concerne l’enseignement professionnel et consiste en une formation de 4 ans, commençant immédiatement après l’enseignement primaire, ou une formation de 3 ans après le tronc commun du secondaire.  Il existe également des écoles des arts et métiers qui offrent une formation à l’artisanat en trois ou quatre ans. Les élèves de ce cycle obtiennent en cas de satisfaction aux concours de fin de cycle, un Certificat. 

En autre, la MEPSINC a reçu mission de conduire l’initiation à la nouvelle citoyenneté. Le processus d’apprentissage de l’exercice de pratique de la citoyenneté est nécessaire pour le développement de la démocratie. L’encouragement de la citoyenneté active par l’éducation (avec mission de jeter les bases d’une cohésion sociale indispensable) et la formation tout au long de la  vie, constitue un enrichissement novateur pour l’action communautaire dans le domaine de l’éducation, de la formation  et de la jeunesse.

b. Ministère de l’enseignement supérieur et universitaire (ESU)

L’Ordonnance n° 82/027 fixant l’organisation et le cadre organique des Ministères du Gouvernement, reprend en son annexe IV, tableau XVII, le cadre organique et les attributions globales de notre Ministère. La mission essentielle assignée à ce Ministère consiste à appliquer la politique du Gouvernement dans le domaine de l’Enseignement Supérieur et Universitaire. Il prépare à cette fin, des projets de lois et d’ordonnances relatifs notamment :

o Aux programmes de différents enseignements concernés ; o Aux conditions de collation des titres et grades académiques et scientifique ; o Aux équivalences à établir entre les diplômes et les titres étrangers avec ceux de l’Enseignement au niveau supérieur etc.^[45]

L’enseignement supérieur comporte un premier cycle de trois ans et un second de deux à trois ans selon les filières.   

Trois types d’enseignement supérieur sont organisés en République Démocratique du Congo : l’enseignement supérieur universitaire, l’enseignement supérieur pédagogique et l’enseignement supérieur technique. Un diplôme est décerné aux étudiants ayant réussi aux examens de fin de cycle, respectivement le Diplôme de graduat pour ceux du premier cycle, de licence pour ceux de deuxième cycle. Pour les études de médecine, le deuxième cycle, qui dure trois ans, est sanctionné  par un diplôme de doctorat en médecine. Le troisième cycle propose le diplôme d’études supérieures (DES) et le doctorat.

c. Ministère des affaires sociales

Le Ministère des affaires sociales, prenant en charge l’alphabétisation et l’éducation non formelle, les principales activités de ce segment sont :

•      le rattrapage scolaire du niveau primaire pour les enfants déscolarisés ou non scolarisés âgés de 9 à 14 ans. La durée de la formation est de 3 ans sanctionnée par le certificat délivré après la réussite au test national de fin d’études primaires (ENAFEP). Les enfants qui ont réussi à ce test sont réinsérés dans le système de l„éducation formelle. Les autres finalistes sont orientés en apprentissage professionnel dans les filières disponibles de leur choix ;

•      l’alphabétisation scolarisant des jeunes (durée de 1 à 3 ans). Elle développe les compétences de base en écriture, lecture, calcul et environnement ;

•      l’apprentissage professionnel, assuré par des centres, prépare les enfants à intégrer un métier selon leurs aptitudes. La durée de formation est de 3 ans ;

•      l’alphabétisation fonctionnelle des adultes à durée variable (1 à 6 mois) selon les besoins des apprenants ;

•      l’éducation des adultes ou apprentissage tout au long de la vie. Il s’agit des activités culturelles diverses (Conférences, débats, cinéma, bibliothèques) organisées pour les adultes. Il s’agit également des activités promotionnelles réalisées à l’aide des formations professionnelles modulaires au profit des adultes.

L’éducation non formelle joue un rôle important en R.D.C. Elle complète la mission de l’éducation formelle en récupérant les jeunes et les adultes qui n’ont pas bénéficié des avantages de cette éducation. 

Outre le Ministère des Affaires Sociales, l’éducation non formelle concerne aussi plusieurs Ministères ainsi que des institutions privées et publiques, directement impliquées dans les activités d’alphabétisation et d’apprentissage professionnel. 

Ces activités touchent aussi à L’éducation permanente, la formation libérale, la formation en cours d’emploi et le recyclage des agents dans divers domaines et à toutes les formes d’alphabétisation.

Chaque ministère est dirigé au niveau national par un Ministre responsable devant le Parlement, et au niveau provincial, par un Ministre provincial responsable devant l’Assemblée Provinciale. L’ensemble des services administratifs et pédagogiques est placé sous la direction d’un secrétariat générale qui exécute la politique d’un gouvernement et assure la pérennité de l’action administrative.

Au niveau déconcentré, le MEPSINC et le METP sont organisés en divisions provinciales, en sous-divisions, en inspections provinciales, en inspection de pool, en directions provinciales et antenne des services de contrôle et paie des enseignants (SECOPE). Ces structures sont respectivement dirigées par des Directeurs Provinciaux, des chefs de sous-divisions, des inspecteurs principaux provinciaux, des inspecteurs chefs de pools au niveau des sousdivisions et des chefs d’antenne du SECOPE. Le Ministère compte 30 divisions provinciales et 360 sous-divisions. Cette organisation est appelée à évoluer progressivement pour accompagner la réforme de la décentralisation. L’État a confié la gestion de certaines écoles aux confessions religieuses qui les gèrent à travers les coordinations nationales, provinciales et sous-provinciales. Le MAS est organisé au niveau provincial en Division des Affaires Sociales et en Division de l’Inspection et Contrôle. Ces divisions sont représentées au niveau des districts, des Villes et des Territoires par des Bureaux. Les Centres de Promotion Sociale

(CPS) sont des structures d’exécution des apprentissages. Ils sont également utilisés pour les activités de protection sociale de la population vulnérable.

 

Tableau 1. Structure du système éducatif en République Démocratique du Congo

Niveau d'étude	Type d'établissement	Age théorique	Niveau minimum requit	Certificat
Primaire		6 à 11	Aucun	Certificat d’étude primaire
Secondaire
    Générale	Générale	12 à 17		Diplôme d'état
    Formation des matières	Institut pédagogique		Certificat d'étude primaire
    Techniques	Institut technique
    Professionnel	Institut professionnel	12 à 16		Certificat/brevet
Etudes supérieurs
    Université	Université	18 à 22	Diplôme d'état	ü  Graduer,  ü  Licence ü  Doctorat/médecine,  ü  D.e.s
	post-université	non défini	Diplôme de 2ième cycle	ü  Doctorat ü  Agrégation
    Hors université	I.S.P	18 à 22		ü  Gradué ü  Licence
	I.S.T		Diplôme d'état	ü  Gradué ü  Licence

Source : les informations relatif à ce tableau on était tiré entièrement du projet su Plan d’Action National de l’Education Pour Tous.

 

4. Situation de l’éducation en RDC

Le secteur de l’éducation, à l’instar d’autres secteurs sociaux en République Démocratique du Congo (RDC), fait face à des défis majeurs compte tenu de la forte croissance démographique. Une population de plus de 71 millions, croissant à 3,1% par an, dont près de 70% vivant en milieu rural, un climat politique fragile en raison de la récurrence des conflits ethniques et une instabilité macroéconomique due à un manque de mécanisme de résistance aux chocs financiers.^[46]

En 2016, malgré les efforts fournis par le Gouvernement de la RDC avec l’appui de ses partenaires techniques et financiers, la scolarisation primaire universelle n’a pu encore se réaliser. Il est vrai que la fréquentation scolaire au secteur primaire a progressé, étant faible de 49,6 % (1992) à 55,2%  en 1994, son amélioration c’est progressivement dessiner au regardes des taux de 61% (2007) à 74,8% (2010), puis à 80,4% en 2013-2014 (données rapport Banque mondiale).

On note cependant des disparités importantes. A Kinshasa a cette période, seuls 13% des enfants et adolescents de 6-11 ans sont en dehors de l’école, alors que cela concerne 40% des enfants au Nord Kivu. Selon le rapport des Enquête Nationale sur les Enfants et Adolescents en dehors de l'Ecole (février 2013), l’âge moyen des enfants qui entrent au primaire, par exemple, est de 7,2 ans au niveau national : il varie entre 6,2 ans à Kinshasa, ce qui est proche de l’âge légal d’entrée au primaire, et 7,7 ans au Kasaï-Oriental ou 8,2 ans dans l’ancienne Province de l’Equateur.

L’éducation se heurte à d’importantes inégalités liées au genre et discrimination à l’égard de populations vulnérables telles que les handicapés, les populations autochtones, les enfants affectés par le VIH et les travailleurs de la rue. Si l’accès des filles et des garçons au primaire est quasiment identique, on note des taux de déperdition plus sévères chez les filles entre la 5e année du primaire et le début du secondaire.

Au plan de la qualité de l’éducation et de l’efficacité interne, les résultats de l’analyse des acquis des élèves démontre de forts taux de redoublement (11% en 2011-2012) et d’abandon.

Le faible taux d’enseignants qualifiés et leur répartition inéquitable ne sont pas de nature à favoriser un enseignement de qualité.^[47]

Le secteur de l’éducation a affiché des améliorations constantes dans la plupart de ses indicateurs de résultat de l’éducation au niveau national entre 2005 et 2016. En particulier, l’accès à l’éducation tel qu’il est mesuré par le taux brut de scolarisation (TBS) a augmenté à tous les niveaux d’éducation.

 

 

 

 

 

 

 

Graphique 1. Taux brute de scolarisation

Sources : plan d’action pour l’éducation pour tous, rapport Banque Mondiale, INS)

 

Le graphique 1, nous renseigne sur le taux brut de scolarisation primaire et secondaire de 1980 à 2016.

Au niveau du secteur primaire, dans la période 1980 à 1990, nous constatons une forte tendance à la baisse avec un faible de taux de 55% en 1989, après cette période, nous avons une reprise constante jusqu’en 1999 ou nous enregistrons le taux le plus faible de toute l’évolution  du TBS. Et depuis cette période jusqu’à 2016, la tendance du TBS évolue de manière positive. Bien qu’elle ait eu à un moment de l’indépendance, un TBS de l’enseignement primaire relativement élevé, à aucun moment  la RDC n’a eu un TBS primaire excédant 100 pour cent, il faudrait attendre 2014 avec un taux de 101%, ou nous parlons d’une éducation universelle. Avant cette période la solarisation était faible, car il y avait un faible taux de scolarisation des filles, et depuis 2014 nous remarquons un taux élevé. Pour l’enseignement secondaire, nous constatons que le taux est resté relativement stable, variant entre 20 et 24% de 1980 à 2000. C’est à partir de 2005, que nous remarquons un doublement du taux de scolarisation, et l’année qui a suivi une chute de moitié qui change le volume de variation des années 2005 à 20115.

En comparant les deux niveaux d’études, primaire et secondaire, il est significatif de souligner que l’écart des taux est assez large. La scolarisation primaire a fait des progrès beaucoup plus importants que la scolarisation secondaire. Elle est passée de 90,9 % en 2005 à 106,8 % en 2016, même si elle a connu une baisse au cours de la période 2007 à 2010.

La scolarisation secondaire par contre est en baisse et n’a pas encore retrouvé son niveau de

2005. Elle est ainsi tombée de 56,4 % à 40,9 % en l’espace de quinze ans. Cela se présente comme un phénomène sociétal dont il faut trouver l’explication par une étude appropriée et ciblée, en vue de trouver les solutions idoines ainsi que les mesures correctives de politique.

La situation des confits armées et de  l’insécurité comme celle des mariages précoces ne suffisent pas pour expliquer cet état de choses. Ces facteurs ont eu sans doute à jouer leur influence dans la baisse du taux de scolarisation secondaire.

5. Quelques statistiques sur le système éducatif congolais

La République démocratique du Congo a réalisé d'importants progrès dans le secteur de l'éducation. Le taux d'achèvement au niveau du primaire par exemple, a considérablement augmenté, passant de 29 % en 2002, à 70 % en 2014. Pourtant, il reste l'un des pays avec le plus grand nombre d'enfants non scolarisés. On estime que 3,5 millions, soit 26,7 % des enfants en âge de fréquenter le primaire ne sont pas scolarisés. Parmi eux, 2,75 millions vivent dans des zones rurales. En outre, le secteur est confronté à de nombreux défis en termes de qualité, de gouvernance et de disparités..

Afin de relever ces défis, le pays a mis au point son plan sectoriel de l'éducation pour la période 2016-2025 en mettant l'accent sur l'élargissement de l'accès à l’éducation et de l'équité, l'amélioration de la qualité de l'apprentissage et l'amélioration de la gouvernance et de la gestion dans le secteur.

Les trois objectifs stratégiques de ce plan sont les suivants :

1.      Promouvoir un système d'éducation équitable pour la croissance et l'emploi en :  Permettant à tous les enfants de bénéficier d'une éducation primaire gratuite, combinée à des mesures spécifiques pour les populations défavorisées et les enfants ayant des besoins spéciaux ;

•      préparant l'extension progressive de l'éducation de base à 8 années d'étude ;  adaptant l'apprentissage pour promouvoir l'intégration sociale des jeunes.

2.      Créer un environnement qui renforce les systèmes éducatifs de qualité en développant des mécanismes de suivi et d'assurance qualité,

3.      Développer un environnement éducatif propice à un apprentissage de qualité, grâce à la fourniture de matériel et d'équipement d'apprentissage pour les élèves et des formations pour les enseignants. Améliorer la transparence et l'efficacité de la gouvernance et de la gestion du secteur en :

•      Établissant des normes et des mécanismes transparents pour la gestion des ressources ;

•      Favorisant une gestion efficace et équitable à tous les niveaux, grâce à une meilleure organisation des partenariats, la décentralisation, la déconcentration et la participation de la communauté et de la société

civile.^[48]

Le financement public de l'éducation a considérablement augmenté, passant de 9 % des dépenses publiques en 2010 à 18 % en 2014. Durant le processus d'approbation du nouveau plan sectoriel, le gouvernement s'est engagé à porter la part de son budget allouée à l'éducation à 20 % d'ici 2018, et de le maintenir à ce niveau jusqu'en 2025.

En RDC, l'agence de coordination est l'UNICEF. Le groupe local des partenaires de l'éducation (GLPE) est présidé par le Ministère de l'éducation, et composé de partenaires de développement (Belgique Technical Co-operation, AFD, DFID, UNICEF, USAID, Banque mondiale et UNESCO) et la société civile.

Un financement de 100 millions de dollars a été approuvé pour la période 2017-2021. Ses objectifs sont les suivants :

1.      Améliorer la qualité de l'apprentissage dans l'enseignement primaire en développant un environnement éducatif propice, en :

•      renforçant le système éducatif de la petite enfance, afin d'offrir un enseignement de qualité, incluant des normes et des mécanismes d'assurance de la qualité,

•      renforçant l'efficacité des enseignants grâce à la formation, le soutien et une meilleure gestion des enseignants,

•      soutenant la chaîne d'approvisionnement en matériel d'apprentissage et d'enseignement pour améliorer l'alphabétisation et la numératie au cours des premières années de l'enseignement primaire, et renforcer la durabilité de la chaîne d'approvisionnement en livres scolaires.

2.      Renforcer la gestion du secteur en améliorant la connaissance du rendement du secteur et en créant des systèmes de responsabilisation en :

•      Institutionnalisant l'évaluation standardisée du niveau d'apprentissage des élèves

•      Institutionnalisant la responsabilisation dans la chaîne de soutien administratif et pédagogique grâce à une approche de financement axée sur le rendement.

•      apportant un soutien à l'éducation des filles.

3.      Renforcer la gestion du secteur et promouvoir une plus grande responsabilisation en introduisant de nouvelles pratiques de gestion au niveau local.

Au tour de ce point, nous allons examiner certains des indicateurs relatifs au secteur de l’éducation et en donner quelque point de vue.

 

 

a. Taux d'inscription aux études (taux brut -% de la population)

Le taux brut d'inscription vise à déterminer le % de la population totale ayant été inscrite à un niveau d'études donné - au moment où les personnes se sont retrouvées dans le groupe d'âge correspondant au niveau d'études en question.

Graphique n°2 : Taux d'inscription aux études (taux brut -% de la population)

Source : Données Banque Mondiale 

 

Nous constatons au regard de ce graphique que, le taux d’inscription au niveau du primaire à un volume important que celui des études secondaire. Dans la période 1990 à 2002, nous constatons une baisse du niveau d’inscription qui à atteint un taux planché de 49%. Cette situation peut s’expliquer par l’instabilité politique et les problèmes sécuritaire dont on souffert le pays durant cette période. Mais après cette baisse du taux d’inscription et grâce au reforme engager par le ministère, nous assistons une hausse prolongé et soutenue de ce taux au niveau du secteur primaire, de 2002 jusqu’en 2015.

Mais du côté du taux d’inscription du secteur secondaire, nous constatons une constance dans la période de 1980 à 1995, avec un taux moyen de 24,64%. Et juste après une hausse du taux qui est presque le double des situations précédentes.

En 2019 avec la gratuite de l’enseignement en RDC, Certaines écoles publiques sont débordées par les nouvelles inscriptions d'élèves à quelques jours de la rentrée des classes.^[49]

 

b. Taux de réussite à l’ENAFEP et EXETAT 

Les taux de réussite aux examens sanctionnant la fin des niveaux primaires et secondaires indiquent que la performance est soit stagnante soit décroissante. Ils révèlent également des variations de performance selon les types d’établissement, la fin du cycle primaire est marquée par l’examen d’ENAFEP, administré à tous les élèves de 6e année, tandis que l’Examen d’État est administré à la fin du deuxième cycle du secondaire et humanitaire.

Selon la Revue de dépense publique du secteur de l’éducation (2001), La performance des élèves à l’ENAFEP (au stade de la prédélibération) montre une légère baisse du taux de réussite entre 2011 et 2013. Les résultats de l’ENAFEP par type d’établissement indiquent que dans l’ensemble, les écoles privées affichent, de façon marginale, une meilleure performance. De plus, entre les deux régimes d’écoles publiques, les écoles conventionnées ont une performance supérieure aux écoles non-conventionnées. 

Au niveau du cycle secondaire, dans l’ensemble, la moyenne des scores obtenus à l’examen, ainsi que la moyenne des scores obtenus en classe, étaient en déclin entre 2011 et 2014, les écoles conventionnées étant les seules à enregistrer une augmentation. En 2014, il y a eu

612515 participants à l’Examen d’État, dont 35 pourcent de filles, avec un taux de réussite global de 55%, bien que ce taux ait été variable entre 2011 et 2014 (de 47% à 61%).^[50]

Au niveau du nombre de participant, comme nous le montre le graphique n°2,  nous constatons une grande quantité de participant au secteur primaire.

Graphique n°3 : Nombre de participant au test de l’ENAFEP et l’EXETAT.

Source : Inspection Générale de l’EPSP 

 

Mais dans leur globalité, les deux taux qui sanctionner d’une part l’enseignement primaire et de l’autre l’enseignement secondaire évolue de manière croissante depuis 2006 jusqu’en 2018.

4. Financement du secteur  de l’éducation en RDC

Le financement du système éducatif congolais provient d’une part de l’Etat congolais et d’autre part des initiatives  des parents des élèves. L’Etat intervient uniquement dans le financement des écoles publiques. D’autre part, les parents interviennent dans le financement des écoles publiques et privées. Ils payent la prime, le frais de construction, et d’autres frais de fonctionnement pour ne citer que cela.

Le système éducatif congolais comprend différentes sources de financement pour son bon fonctionnement.  Cependant, le financement du système éducatif congolais émane du haut patronage de l’Etat tel que régi par les textes. Néanmoins, Cette affirmation parait être un paradoxe aux yeux des citoyens congolais. Un très petit budget est alloué dans le secteur éducatif et par conséquent l’organisation financière devient très faible. Au cours de dix années passées, le budget alloué dans le secteur éducatif n’est pas allé au-delà de 5%, le graphique récapitulatif des dépenses s’alloué au secteur de à l’éducation nationale se présente cidessous :

Graphique n°4 : Dépenses courant allouer au secteur l’éducation national(% du budget)

Source : données Banque Mondiale 

 

 Au regard du graphique, Nous constatons que de 1999 à 2006, moins de 0,5%  des dépenses a été consacrés au secteur de l’éducation national, les années 2007 et 2008 enregistres des taux de plus de 1,5% en termes de dépense, soit 2,1 et 1,8. En effet à cette époque, les dépenses destinées à couvrir le fonctionnement des services communs ont représenté 65 % du total des dépenses. La différence a été  absorbée  par  les  Ministères des Finances (9,2 %), la Défense Nationale (8,2 %) et  les  Institutions  politiques  (7,2 %). Tous  les  autres ministères ont totalisé 10,4 %.  

Du point de vue des dépenses alloué en % de PIB, nous constatons aussi une faible part durant les années 1984 et 1988, un taux de 2,8 a été enregistré comme le plus élevé en 1982.

 

 

 

 

 

Graphique n°5 : Dépenses allouer l’éducation nationale (% du PIB)

Source : données Banque Mondiale 

 

Depuis les années 1980 à 1982, caractérisé par des financements en dessous de 3%, au regard de la chutes de 1983, le financement total de l’État au secteur de l’éducation reste toutefois sous-financé. Malgré le fait que le secteur de l’éducation ait été dominé par des sources non publiques au cours de ces dernières années (essentiellement les ménages).

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Conclusion

Ce chapitre vient de passer en revue les généralités sur le système éducatif en République

Démocratique du Congo, Il se focalise sur  quelques points saillants entre autres l’évolution du système éducatif congolais au cours des périodes coloniale et post coloniale, la revue sur l’organisation de l’enseignement en RDC, l’organisation du financement du système éducatif, l’organisation administrative et scolaire de l’EPSP, la qualité de l’enseignement en RDC grâce à quelque statistiques sur celle-ci,  la comparaison entre l’éducation du secteur privé et celle du secteur public. Pour y parvenir, nous avons fait recours à différentes sources préexistantes. Le chapitre suivant va se focaliser sur la présentation et analyses des résultats de notre investigation.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Troisième chapitre : Mesure de la qualité du système éducatif sur la croissance économique en RDC

Nous avons vu dans les deux précédents chapitres les fondements théoriques de la théorie du capital humain, les travaux pionniers des théoriciens sur l’incidence du capital humain sur la croissance ainsi que certaines études empiriques qui ont pu aborder cette relation dans le sens voulu de cette recherche. A cet effet, les quelques travaux qu’on a pu citer nous ont donné un aperçu général sur la contribution de ce capital immatériel (éducation) dans les modèles de croissance et aussi son aspect qualitatif qui est représenté par le système éducatif.

L’objet de ce dernier chapitre est, compte tenu des caractéristiques du système éducatif congolais, d’estimer l’apport de l’éducation à la croissance économique. Nous allons  présenter le cadre analytique de l’étude et les résultats empiriques, puis procéder aux commentaires des résultats obtenus. Les résultats obtenus nous permettront éventuellement de dégager des recommandations de politiques économiques pour promouvoir le développement du pays.

1. Cadre analytique

Compte tenu de notre revue de la littérature, les constats et affirmations faites par Hanushek et Kimko  (2000)^[51]  et  robert  J.Barro (mai 2001)^[52], nous permettre fondé un cadre analytique en vue de la vérification de nos hypothèses.

Ces affirmations nous permettent d’utiliser les tests sanctionnant les études du secondaire, respectivement les tests, sur l’étendue nationale, de l’EXETAT pour pouvoir discuter de la qualité du système éducatif en RDC, et son incidence sur la croissance économique en RDC.

La non prise en compte du secteur de l’enseignement supérieur et primaire est dû au manque des statistiques disponibles au sein des institutions de la place, mais à cela la représentativité des secteurs primaire et secondaire sont de taille à pouvoir  nous donner au mieux les résultats attendus.

 

a. Présentation du modèle

Notre démarche est identique à celle que Koulké Blandine NAN-GUER (2008) a utilisé dans le cadre d’une étude portant sur la l’impact du capital humain sur la croissance économique au Tchad, pays ayant un trait caractéristique commun avec le nôtre (pauvreté et sousdéveloppement). Ce modèle n’est rien d’autre que celui de Denison dans lequel nous incorporé des variables éducatives en termes de taux de réussite, elle se présente sous forme d’une fonction de production de type Cobb Douglas.

 

 

Ou 

Y est la croissance du PIB

K  est le taux  d’investissements en % du PIB

L   est croissance de la population 

H taux de réussite captant la qualité de la composante immatériel 

Conformément à la théorie de Mutigan et Sala-I-Martin (1993), ce modèle peut  être modifié de sorte que les caractéristiques générales des fonctions Cobb-Douglas soient compatibles avec celles de la croissance endogène.

L’impact du système éducatif sur la production peut alors s’apprécier par le modèle log linéaire suivant :

 

a_i : élasticité de l’output par rapport au facteur i 

µ : terme d’erreur

Les données sont annuelles et de nature macroéconomique et portent sur la période 1980-

2018. Pour notre mémoire, la collecte des données s’est réalisée auprès de l’inspection générale du ministère de l’EPSP et les rapports de la banque centrale. Au cours de nos investigations, nous nous sommes heurtés à certains problèmes dont le principal est le manque de statistique des certaines variables.  En effet, la RDC souffre actuellement de l’absence de statistiques fiables, récentes et à couverture nationale. Nous étions obligés de compléter à travers les différents rapports des grandes institutions : la Banque Mondiale^[53], base de données de l’université de Sherbrooke^[54].

b. Méthode d’estimation

Notre memoir va se fonder sur une approche quantitative et institutionnelle de la variable capital humain. Cette approche consiste à déterminer les différentes élasticités du PIB par rapport aux taux de réussite aux test qui sanctionne les études secondaires.  Deux catégories de test nous sont indispensables : les tests de diagnostic et les tests de validation.

 

 

 

 

 

 Le test de diagnostic 

Ils permettent de s’assurer des conditions nécessaires pour l’utilisation du modèle économétrique adéquat par rapport à la qualité des données. Il s’agit notamment des tests de racine unitaire, de coïntegration , de causalité et de Ramsey. Test de racine unitaire 

Il s’agit du test de Duckey-Fuller Augmenté (ADF). Ce dernier ressort le degré d’intégration des séries, permettant ainsi de savoir si les variables sont ou non stationnaires. Ce faisant, il permet d’éviter les régressions fallacieuses. En effet, l’impact produit par un choc sur une série non stationnaire est transitoire.En conséquence, il devient difficile de cerner l’effet d’une série sur les variations d’une autre qui est non stationnaire. Test de coïntegration

Ce test sera exécuté si les séries ne sont pas intégrées de degré 0 et non stationnaires. Dans ce cas nous allons recourir au test de coïntegration de Johannsen dans la mesure où les série seront intégré de même ordre. Au cas où les séries sont coïntegrées, nous pallierons l’insuffisance du modèle en faisant appel aux ECM (modèle à correction d’erreur). Celui-ci traduira une dynamique de court terme tandis que le modèle initial établirait un équilibre de long terme.

Au cas contraire ou les séries ne seront pas intégré de même ordre, nous utiliserons le test de coïntegration de Pesaran et al. (2001).

Pesaran et al. (2001) à proposer une procédure de test de cointégration adaptée à ce cas (non integration de meme ordre des variables) appelé « test de cointégration aux bornes » ou « bounds test to cointegration » ou encore « test de cointégration par les retards échelonnés».  Ce test de cointégration aux bornes est appliqué sur fond d’un modèle qui lui sert de base, c’est la spécification ARDL^[55] cointégrée qui prend la forme d’un modèle à correction d’erreur.^[56]

Tets de causalité 

Vu que la corrélation ne signifie pas la causalité, nous allons test les relations de causalités de chacune de nos variables. De ce fait nous utiliserons le test de causalité de GRANGER (1980) si toutes nos variables sont intègres de même ordre, au cas contraire nous utiliserons la procédure non séquentielle de test de causalité adaptée aux séries intégrées à des ordres différents proposé par Toda et Yamamoto(1995).

 

 

Test de Ramsey.

Ce test a pour but de voir si une variable pertinente manque au modèle. Nous allons introduire dans le modèle une variable fictive. Si elle n’est pas significative, nous allons conclure que la spécification du modèle est complète c'est-à-dire que le modèle a pris en compte toutes les variables pertinentes explicatives. Au cas où la variable fictive serait significative, des variables à fort pouvoir explicatif seront introduits dans le modèle.

 Test de validation 

Etant donné les hypothèses sous-jacentes des modèles économétriques, s’appesantir sur la robustesse des résultats des estimations passera inévitablement par les vérifications que voici : Qualité de la régression (R² et le R² Ajusté)

Pour une bonne régression, le coefficient de détermination est élevé. Cela montre le degré d’explication des variables indépendantes. 

Test d’autocorrélation

Il permet de savoir si les variables sont liées entre elles ou pas. Pour y parvenir la statistique de Durbin Watson et le test de Breush-Godfrey ou white seront utilisés.  Autres tests

Il s’agit du test d’hétéroscedasticité de white,  de significativité globale de Fisher et de stabilité de Chow.

2. Résultats empirique et commentaire

Etant donné que le diagnostic d’ordre économique a pour finalité l’amélioration du bien-être des populations, nous allons d’abord analyser les résultats empiriques faisant état de la contribution de l’éducation à la croissance, ensuite identifier les obstacles qui semblent rendre peu importante la contribution de la qualité de l’éducation à la croissance (commentaires des résultats empiriques).

a. Résultat empirique 

      i.      Nature des variables 

 

Tableau 2: Description des variables utilisées

Variables	Description	Effet attendue
PIB	Produit intérieur brut exprimé en USD
INV	Investissement en capital physique	+
TEX	Taux de réussite à l’exetat	+
POP	Population active totale	+

Source : auteur (fondé sur les théories)

 

ii.         Statistique descriptibles des variables

Tableau 3: Description des variables utilisées

	PIB		INV		TEX	POP
Moyenne	1.52E+10			2.56E+09	0.535526	48061074
Médiane	1.57E+10		1.83E+09		0.555000	45369598
Maximum	2.42E+10			7.33E+09	0.690000	81339988
Minimum	9.51E+09		2.76E+08		0.300000	26357462
Ecart-type	3.98E+09			2.11E+09	0.117673	16310687
Coefficient d’asymétrie	0.427031		1.233652		-0.434719	0.456481
Coefficient d’aplatissement	2.398891			3.062626	1.905223	2.064167
Jarque-Bera	1.727029			9.644899	3.094557	2.706367
Probabilité	0.421677		0.008047		0.212826	0.258416
Sum	5.79E+11		9.72E+10		20.35000	1.83E+09
Sum Sq. Dev.				1.65E+20	0.512339	9.84E+15
Observations				38	38	38

                Source : auteur ( sur eviews 9)

Il ressort de ce tableau que  nos variables sont distribué normalement ( Prob. JB > 5%)  sauf l’investissement.

Au regard des statistiques descriptives, nous constatons que les écart-type de nos variables sont élevés cela nous renseigne sur la distribution au tour de la moyenne de nos variables ; mais faiblement pour le taux de réussite l’exetat.

iii.        Test de diagnostic 

a) Etude de la stationarisation des séries 

Une série temporelle dont la moyenne (mobile) et/ou variance varie dans le temps est dite non stationnaire ; cette non stationnarité (du type déterministe ou stochastique), si elle n’est pas traitée (stationarisation), peut conduire à des régressions « fallacieuses ». Plusieurs tests aident à vérifier le caractère stationnaire ou non (existence d’une racine unitaire) d’une série : test de augmented Dickey-Fuller/ADF, test de Phillippe-Perron/PP, test de Andrews et Zivot/AZ, test Ng-Perron, KPSS, Ouliaris-Park-Perron, Eliott-Rothenberg-Stock, etc. De tous ces tests, les trois premiers sont faciles d’application et couramment utilisés. En fait, le test ADF est efficace en cas d’autocorrélation des erreurs, le test PP est adapté en présence d’hétéroscédasticité, et le test AZ est utilisé pour une série qui accuse une rupture de structure ou changement de régime identifié de façon endogène.

 

Tableau 4: Description des variables utilisées

 

Variables	Test d’ADF	Différence d’ordre 1	Constat
LPIB LINV LPOP LTEX	-1.43 (0.832)	-5.653 (0.003)	I(1)
	-1.842 (0.661)	-7.757 (0.000)	I(1)
	-0.653 (0.967)	-4.932 (0.002)	I(1)
	-4.582 (0.004)	-	I(0)

Source : auteur (nos estimations sur Eviews 9) 

 (.) : Probabilités ; * : stationnaire à 1% ; ** : stationnaire à 5%

 

L’on note que les séries produit intérieur brut, investissement, population active sont intégrés de même ordre, d’ordre 1 (stationnaire après la première différence) et que le taux de réussite à l’EXETAT était intégrés d’ordre 0 c’est-à-dire  stationnaire à niveau (sans différenciation). Les séries sont ainsi intégrées à des ordres différents, ce qui rend inefficace le test de cointégration de Engle et Granger (cas bivarié) et celui de Johansen (cas multivarié), et rend opportun le test de cointégration aux bornes (Pesaran, 2001).  

 

b) Test de cointégration de Pesaran et al. (2001)

Nous avons signalé que le test de cointégration aux bornes de pesaran et al. (2001) était adapté pour nos séries. Aussi, rappelons qu’il y a deux étapes à suivre pour appliquer le test de cointégration de Pesaran, à savoir : 

•      Déterminer le décalage optimal avant tout (AIC, SIC) 

Nous allons nous servir du critère d’information de Schwarz (SIC) pour sélectionner le modèle ARDL optimal, celui qui offre des résultats statistiquement significatifs avec les moins des paramètres. Apres estimation du modèle ARDL , le lag optimal obtenue pour le modèle est : ARDL (1,4,4,4) . (gaphique du test de schwarz voir annexes)

•      Recourir au test de Fisher pour tester la cointégration entre séries.

Suivant la procédure automatique sur Eviews 9, le test de cointégration de Pesaran et al. (2001) exige que le modèle ARDL soit estimé au préalable. La statistique du test calculée, soit la valeur F de Fisher, sera comparée aux valeurs critiques (qui forment des bornes) comme suit :

Tableau 5: résultat du test de cointegration 

 

Variables	Lpib, lpop, linv, ltex
f-statistic	23.4606
Seuil	Pour les bornes<       Pour les bornes >
10% 5% 1%	2.72 3.23 4.29	3.77 4.35 5.61

Source : auteur ( sur eviews 9)

Au regard du tableau 5 précédant, nous constatons que la valeur critique du test de Fisher est totalement supérieur aux valeurs de chaque seuil, ceci reviens à confirmer une relation de cointegration entre les séries sous études. Ces résultat nous donne la possibilité : d’estimer les effets de long terme entre le lpip et linv ,lpop,ltex et aussi ceux de court termes par un mécanisme correcteur d’erreur ( VCEM) du modele ARDL.

c) Test de corrélation et causalité 

La matrice de corrélation des variables sous études se présente comme suit :

Tableau 6: Matrice de corrélation 

LTEX LPOP LPIB LINV	LTEX	LPOP	LPIB	LINV
	1	0.51170379	-0.0572683	0.24719363236
	0.51170379	1	0.10821732	0.51995655379
	-0.05726839	0.10821732	1	0.08157072542
	0.247193632	0.51995655	0.08157072	1

Source : auteur (sur eviews 9)

 

Il ressort de cette matrice une corrélation positive entre le taux de réussite et la population totale, la population et les investissements, le PIB et les investissements. Et d’’autre part une faible corrélation négative entres nos variables d’intérêt.

Ceci nous indique sur la nature de la relation existentielle entre nos  variables d’intérêt à savoir PIB et taux de réussite à l’EXETAT, une relation négative montre que le système éducatif  évolue de manière  négative face  l’activité économique, ce qui à priori et de manière informelle  nous poussons à infirmer notre hypnotise de départ. 

Corrélation n’étant pas causalité nous allons user du test de causalité. Du fait que nos variables ne sont pas intégrées de même ordre, l’on recourt au test de causalité au sens de Toda-Yamamoto (1995) qui est basé sur la statistique « W » de Wald, celle-ci est distribuée suivant un khi-deux. L’hypothèse nulle stipule l’absence de causalité entre variables (probabilité    > 5%).

Tableau 7 : Résultats Tests de Causalité de Toda-Yamamoto

K=3	Variables dépendante LPIB		Variables explicatives ou causale
Dmax=1		LPIB	LINV	LPOP	LTEX
		-	8.6024 (0.0718)	16.016 (0.003)	7.3970 (0.1163)
	LINV	6.17433 (0.1865)	-	7.0007 (0.1358)	9.7506 (0.044)
	LPOP	2.23814 (0.6921)	2.1957 (0.6994)	-	5.0147 (0.2858)
	LTEX	1.5978 (0.809)	2.5652 (0.6330)	4.6410 (0.3262)	-

Source : Auteur (nos estimations sur Eviews 9)

 

Il ressort de ce tableau que nous deux relations de causalité unidirectionnelle  à savoir :

La population cause le produit intérieur brut au seuil de 1%

Le taux d’exetat cause les investissements au seuil de 5%.

L’investissement cause le PIB au seuil de 10%.

Ainsi nous constatons que, il n’existe pas de relation de causalité entre le système éducatif et le produit national, le  système éducatif au travers du taux d’exetat ne cause pas directement la croissance économique, elle passe d’abord par les investissements, et cette dernière de influe sur le PIB.

d) Autres test de robustesse du modèle ARDL

Tableau 8 : résultat des tests de robustesse du modèle ARDL estimé 

	Test effectuer	Valeur  (probabilités)
Autocorrélation	Breusch-Godfrey	1.56  (0.2416)
Heteroscédasticité	Breusch-Pagan-Godfrey	0.32  (0.984)
Normalité	Jarque-Bera	4.32  (0.1152)
Spécification	Ramsey (Fisher)	3.02  (0.1010)

Source : auteur ( sur eviexs 9)

 

Les résultats des test de robustesse nous montre que notre modèle ARDL (1,4,4,4) est validé sur le plan statistique. Il ressort que le modèle estimé est globalement bon et explique au mieux la dynamique du PIB en RDC, de 1980 à 2017.

 

 

 

 

 

 

 

iv.        Coefficient de long terme et dynamique de court terme 

1) Coefficient de court terme

Comme on peut le lire sur le tableau  ci-dessous, le coefficient d’ajustement ou force de rappel est statistiquement significatif, il est négatif et est compris entre zéro et un en valeur absolue, ce qui garantit un mécanisme de correction d’erreur, et donc l’existence d’une relation de long terme (cointégration) entre variables. Aussi, l’on note ce qui suit :

Ø  Les variations de la qualité du système éducatif  perçu  par le taux de réussite aux EXETAT exercent un effet négatif et significatif sur les variations de la croissance économique en courte période : une amélioration de 10% du taux  de réussite décélère la croissance économique de 0,5% à court terme.

Ø  Les autres variables ont affiché les signes escomptés (positif) et sont statistiquement significatif à court terme, ce qui les place comme des variables qui évolue dans le même sens que la croissance économique. 

2) Coefficient de long terme 

Comme nous le montre le tableau  ci-dessous, les élasticités des relations de long terme de notre modèle estimé :

Ø  Comme à court terme, les effets de la qualité du système éducatif reste négatifs sur la croissance économique et se présentent encore bien plus que proportionnelle : une  variation de un pourcent du taux fait régresser la variation croissance de 2,9%.

Ø  Au niveau de nos variables de contrôle, nous constatons que la variation de la population  change dans le long terme, cette variation influe  la croissance de manière négative.

 

 

 

 

 

 

 

 

 

Tableau 9 : résultat des coefficients de long terme et court termes du modèle ARDL(1,4,4,4)

Coefficient de court terme 

Variable dépendante : LPIP

Variable
	Coefficient	Ecart-type	t-statistic	P-value.
D(LINV)	0.074608	0.013816	5.400045	0.0000
D(LINV(-1))	-0.030559	0.013990	-2.184377	0.0432
D(LINV(-2))	-0.066457	0.017918	-3.708991	0.0017
D(LINV(-3))	-0.054182	0.020083	-2.697924	0.0152
D(LPOP)	36.100795	16.905205	2.135484	0.0476
D(LPOP(-1))	-281.14279	77.808921	-3.613246	0.0021
D(LPOP(-2))	209.720110	50.874773	4.122281	0.0007
D(LPOP(-3))	-59.515332	13.659723	-4.356994	0.0004
D(LTEX)	-0.050755	0.015948	-3.182542	0.0054
D(LTEX(-1))	0.022805	0.016517	1.380683	0.1853
D(LTEX(-2))	0.028803	0.014747	1.953211	0.0675
D(LTEX(-3))	0.037974	0.016092	2.359792	0.0305
CointEq(-1)	-0.587654	0.105654	-5.562046	0.0000

    

Coefficient de long terme

 Variable dépendante : LPIP 

Variable	Coefficient	Ecart-type	t-statistic	P-value.
LINV	0.442694	0.017768	24.915945	0.0000
LPOP	-0.041102	0.074866	-0.549001	0.5901
LTEX	-0.294692	0.070870	-4.158176	0.0007
C	14.549462	1.247500	11.662893	0.0000

 Source : auteur (estimation sur eviews 9)

 

 

 

 

 

 

 

 

 

 

 

 

 

 

b. Commentaire de résultats 

Dans cette partie, nous essaierons d’identifier les obstacles qui semblent rendre peu importante la contribution de la qualité de l’éducation à la croissance économique au RDC.

Nous commenterons d’abord  les effets de l’éducation, au regard du modèle présenter ci-haut, sur le PIB et ensuite ceux de variables de contrôle de manière à voir leur rôle dans cette liaison.

Effet de la qualité du système éducatif sur la production globale

L’élasticité du PIB par rapport à la variable  éducative est de (-0.05) dans le court terme et de    (-0.29) dans le long terme, les deux coefficients étant significatif au seul de 1% cela nous décrit que dans la globalité le système éducatif à un impact négatif sur la croissance économique. Cela nous renseigne sur la qualité de la main d’œuvre disponible dans le marché de l’emploie.

Au niveau de notre test de causalité, nous avons abouti sur une absence de causalité directe entre le taux de réussite aux EXETAT et le produit intérieur brut, cela concorde avec les résultats de PRITCHETT (2001) du manque de qualité de l’éducation.  Mais de manière indirecte le taux de réussite impacter à travers l’investissement, et cet investissement qui prit comme une main d’œuvre de qualité comme l’affirmes les théories de croissance endogène, avec LUCAS (1998) et BARRO (1986).

Comme implication, nous avons épingles quelque point pouvant expliquer les résultats obtenu :

ü Qualité des enseignants 

La qualité de l’enseignement est facteur de la qualité des enseignants et de leur condition de travail. En RDC, le pourcentage des enseignant qualifier dans le secondaire sur le totale de la population des enseignants, étant faible de 32.51% en 2010, a baissé en 2015 soit 23.52%. Selon un rapport de la global campaign for education (2016)  la RDC fait partis des 9 pays ayant un enseignant pour plus de 500 enfants au niveau preprimaire, le ratio élevés/enseignant^[57] étant de 14.2 élèves  par enseignant au niveau secondaire. 

Après avoir remporté la bataille de la "quantité" en ouvrant ses portes aux enfants congolais,  le système éducatif congolais doit encore relever le défi de la "qualité" de son enseignement, dont les performances sont jugées les plus faibles de la planète. Deux chiffres planent avec insistance sur les débats : selon le rapport annuel sur le développement humain en 2016, sur 100 élèves, seuls 50 parviennent à terminer leur cycle primaire et surtout, à peine 20 maîtrisent réellement les apprentissages fondamentaux (lire, écrire, calculer et raisonner pertinemment). Les petits efforts pour élargir l’accès à l’éducation ne s’accompagnent des mêmes efforts en termes de qualité, mais surtout les enfants non scolarisés sont encore trop nombreux.

Dans un article de  M. KUPELESA (2006) l’auteur dit : « les causes de l’échec de l’école congolaise sont multiples, certaines sont clairement identifiées, de la mauvaise politique de l’éducation au manque de planification efficace, des infrastructures, du matériel pédagogique, en passant par la faiblesse des ressources affectées à l'éducation par les Etats et au mauvais fonctionnement. Certaines sont évidentes. "La pauvreté, qui ne permet pas à une large part de la population de scolariser les enfants, mais surtout à l’Etat d’allouer les fonds nécessaires à la réhabilitation et à l’équipement adéquat, les conflits, la mauvaise gouvernance constituent des obstacles à un enseignement de qualité, etc. D'autres sont liées à l'héritage colonial. "Beaucoup d'enfants ne découvrent la langue d'enseignement que lorsqu'ils entrent à l'école". Certaines études montrent que les résultats des enfants s’améliorent lorsque l'école est dispensée dans la langue maternelle. D’autres causes enfin restent à cerner, elles concernent la disponibilité et la qualité des enseignants en termes de satisfaction et de motivation professionnelles mais aussi en termes de professionnalisme et leadership scolaire ».

En termes de  motivation, comme le dit  ATOSHA  ESPERANCE (2009) le système éducatif congolais ne privilégie pas le personnel enseignant en ce sens que les enseignants de quel réseau que ce soit restent toujours pauvres malgré leurs métiers nobles. Ils perçoivent un salaire qui n’est pas à mesure de satisfaire leur besoins socio-économiques. Etant démotivés, et limités par des moyens, ils se trouvent incapables de se ressourcer pour enrichir leurs connaissances afin d’améliorer le secteur éducatif. Ce qui devient alors un défi dans le secteur éducatif car même le ministère de tutelle ne s’implique que rarement dans la formation des enseignants.

ü La motivation des enseignants

La relation négative entre la qualité du système éducatif et la croissance économique peut encore s’expliqué par le fait que la motivation salariale des enseignants n’est pas conséquent, cyril Owen brandt (2013) dans son ouvrage affirme que les enseignant congolais au niveau primaire et secondaire reçoivent un maigre salaire d’environ 80$ (statistique provenant des enquêtes, feuille salariale et entretiens), un enseignant mal payé ,et enseignant dans des mauvaise conditions est susceptible de délivré une mauvaise éducation, chose qui se répercutera sur la production de par la qualité de la main d’œuvre. La motivation est un élément capital pour la réalisation d’un travail productif, comme le dit Jean-Philippe Chenaux

(2015), le salaire n’est pas la seule source de motivation, l’intérêt au travail ou le prestige par exemple en sont d’autres qu’il ne faut pas négliger. Il faut tout de même constater que la récompense monétaire conserve un pouvoir important et que pour être sûr d’obtenir de bons résultats quatre facteurs sont importants à respecter : il faut que la récompense soit perçue comme importante, il faut assurer une certaine transparence du système de récompense, il doit y avoir une corrélation entre le montant de la récompense et la performance fournie et il doit y avoir une liaison directe entre la récompense et la performance. 

Il faut de plus garder à l’esprit que l’introduction d’une politique de rémunération basé sur le mérite doit se faire dans le but d’améliorer les performances, présentes et futures, de la majorité de la population d’une entreprise, le but n’étant pas de récompenser les meilleurs ou de mesurer les performances. ü Le secteur agricole

En outre, l’éducation n’a pas d’effets sur le développement du secteur agricole, qui concentre pourtant à peu près 70% de la population active (qui son employé dans le secteur agricole)^[58].

L’aversion des individus éduqués pour les activités agricoles peut être la cause majeure de l’absence d’effets de l’éducation sur la production totale. 

L’effet contracyclique de l’éducation pourrait aussi se justifier par l’inadéquation du profil des diplômés, en l’occurrence ceux de l’enseignement supérieur aux besoins de développement.

 

Somme toute, la qualité de l’enseignement au niveau secondaire ressort d’une faiblesse qui affecte dans le long terme la main d’œuvre. La faiblesse de l’impact de l’éducation sur la croissance économique en RDC est imputable au fait que les secteurs regroupant une forte proportion de la population active n’ont pas bénéficié de ses effets positifs : il s’agit du secteur agricole et du secteur informel non agricole. Pour réduire la pauvreté et assurer le bien-être des populations, il s’impose dans le cadre de la valorisation du capital humain une redynamisation du système éducatif en RDC.

 

c. Recommandation de politique économique 

Au niveau de l’amélioration de la situations des enseignants, nous pouvons cité comme éléments à utiliser de manière efficientes :

•      Veiller à ce que tous les enseignant obtiennent un salaire décent et professionnel proportionnelle à leur besoin ; 

•      En dépit  l’évolution du financement de secteur de l’éducation, l’amélioration des recettes fiscales, la croissance de l’économie, des arbitrages sectoriels plus favorables au secteur de l’éducation et la rationalisation des ressources mises à la disposition du secteur à travers l’amélioration de l’exécution des dépenses demeurent les principales opportunités pour le financement de l’expansion du système éducatif et l’amélioration de la qualité de cette dernière ;

•      Mené des politique macroéconomiques expansionniste qui permettent  d’investir d’avantage dans des services public de qualité de l’enseignement ;

•      Elaborer et appliquer des normes nationales élevées de formation, élaboré avec la profession d’enseignant et en références aux normes internationales. Et cela nous permettre au mieux de quantifier la qualité de ce stock de capital. Améliorer les infrastructures dans le secteur de l’éducation nationales, car une gestion pédagogique   jouer un rôle prépondérant et adéquate dans l’amélioration de la qualité des apprentissages. Cela passe par la révision des pratiques pédagogiques en classe par l’enseignant (qui implique un renforcement de la formation tant initiale que continue), mais également par le renforcement des mécanismes de suivi et de responsabilité à différents niveaux, en commençant par celui de la classe/école.  

Parmi les autres interventions potentiellement porteuses nous pouvons ajouter: le recours au redoublement en dernier ressort et assorti d’un accompagnement spécifique de l’élève en difficulté ; le respect du temps scolaire impliquant une maîtrise de l’absentéisme de l’élève et de l’enseignant, et l’utilisation du temps en classe optimisé; la disponibilité de manuels et d’outils pédagogiques en nombre suffisant, pertinents et attractifs, et adéquatement utilisés par les enseignants et les élèves ; une affectation des enseignants en classe efficiente et équitable ; le développement du préscolaire, notamment à l’endroit des populations les plus vulnérables, compte tenu des effets positifs qu’il engendre sur la préparation à l’école. La question du statut des langues d’enseignement et de leur apprentissage devra également être posée.

•      Effectuer des effet de Gerschenkron ^[59], au plus dans le domaine technologique.

 

 

 

 

 

 

 

Conclusion

 

Dans ce chapitre, il a été question d’analyser la relation capitale humaine dans son sens qualitatif et croissance économique. Pour ce faire nous avons eu recours à certaine étude, notamment celle de Hanushek et Kimko  (2000) et  robert  J.Barro (mai 2001), qui nous ont permis de choisir au mieux l’indicateur qui pourra nous permettre de mieux quantifier la qualité du système éducatif congolais.

Apres détermination de nos variables d’intérêt, nous avons jugé bon d’utilisé le modèle de Denison, en l’occurrence celui développé par Koulké Blandine NAN-GUER (2008) pour nous rendre compte de l’impact de la variation de la qualité du système éducatif sur la production globale. Au regard de la qualité de nos données nous avons opté pour méthode économétrique, la réalisation d’un vecteur à correction d’erreur découlant de la modélisation ARDL, spécifier par un test de cointegration au bornes et une analyse de causalité.

Apres estimation de notre modèle économétrique, nous avons abouti à des résultats infirmant notre hypothèse de départ. La relation entre nos deux variables étant négative et la relation de causalité inexistante, nous avons émis des implications justificative de ces résultats et proposer des piste de solution de politique économique.

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Conclusion générale

 

Selon la théorie économique de la croissance endogène, la croissance économique repose très fortement sur l’accumulation du capital humain. L’idée fondamentale est la façon dont l’éducation peut constituer un élément fondateur de la croissance et du développement économique dans un pays ayant un niveau faible de développement. Mais ces modèles de croissance endogène mettent l’accent sur l’explication du progrès techniques par les facteurs de qualité de la main-d’œuvre.  

Au terme de ce travail, il convient de rappeler que cette étude a porté sur l’incidence de la qualité du système éducatif sur le développement économique d’un pays, capte par un proxy : croissance économique. Nous sommes partis du fait que, globalement plusieurs études ont affirmées la relation purement quantitatif et positive qui existe entre la capital humain et la croissance économique, même en RDC aussi certaines d’entre elles ont aboutis sur des conclusions presque identiques, mais le travaux de PRITCHETT vont nous ramener à la reformulation de la question, en proposant une vision plus qualitative du capital humain d’où l’objet de notre étude mener en RDC sur la période allant de 1980 à 2017.

Nous avons posé comme hypothèse de départ l’existence d’une relation positive entre le capital humain et la croissance économique ,et pour aboutir à une analyse pouvant nous donnés les résultats valable, nous avons subdivisé notre étude en trois chapitres à savoir : une revue de la littérature en premier lieu, une présentation du système éducatif congolais  en second, et pour terminer, nous avons procéder par l’utilisation des techniques économétrique à la troisième partis pour quantifier la relation sous études.

Pour spécifié au mieux notre modèle, nous sommes partis des résultats de certaines études comparatives, entre diffèrent indicateur, pour en déterminer les plus adéquat pour notre étude. Au regard des résultats, nous avons infirmés nos résultats en concluant de l’existence d’une relation négative et significative entre nos deux variables d’intérêt, respectivement dans le court terme et dans le long terme, et notre test de causalité indique l’absence de causalité entre les deux variables.

Les implications émises au regard des résultats, tournent au tour, d’une part de la qualité des enseignants et de leur capacité à prodiguer une éducation capable d’impacter positivement sur la croissance économique par une main d’œuvre qualifier, et de l’autre sur l’opacité de la population congolaise dans le secteur agricole. Eu égard  de cette dernière, nous avons formulé des recommandations de politiques économique pouvant redonner à notre relation le sens positive qui lui est attribuer de nature.

Pour finir, nous rappelons que ce travail présente sans doute des limites. Nous le reprochons la non prise en compte de tous les aspects globalisant du capital humain, entre autre la santé, mais aussi le secteur primaire et tertiaire de l’éducation. Il serait plus gratifiant de réunir tous les aspects qualitatif de ces facteur et en crée un indicateur composite capable de refléter au mieux la qualité du capital humain dans son sens large. De plus, tenir des effets individuels par indicateur, ne rend pas nécessairement compte de la productivité du facteur éducation. Une distinction entre enseignement classique et professionnel permettrait de se prononcer sur la question suivante : quel est le type d’enseignement le mieux approprié pour favoriser la croissance en RDC ?   

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Références bibliographies

a. Les livres et notes de cours 

1.      ABERKANE (I), l’économie de la connaissance, France, fondation pour l’innovation politique, 2015.

2.      ALTINOK (N.), Essais sur la qualité de l’éducation et la croissance économique. Economies et finances, Université de Bourgogne, 2007.

3.      BAENDE Bofota (Y), Fluctuations et croissance économique, Kinshasa, note de cours ,2018-2019.

4.      BARRO(R.), Education and Economic Growth,2001.

5.      BECKER (G.): “Human Capital” Third Edition, The University of Chicago Press, Chicago and London,1993.

6. HANHART, S(.), FALTER, (J.)ET LA COLL. DE PASCHE (C),

Education et croissance économique. Formation professionnelle et croissance économique, 2006, (pp. 3).

7.      HANUSHEK (A.) et KIMKO (D.), Schooling, Labor-Force Quality, and the Growth of Nations, DECEMBER,2000.

8.      Hanushek ,(A.) et Kimko, (D),Schooling, Labor-Force Quality, and the Growth of Nations, 2001.

9.      KIBALA Kuma (J.), Le Modèle VAR Structurel: Eléments de théorie et pratiques sur logiciels. Master. Congo-Kinshasa. 2018.

10.  KIBALA Kuma (J.), Modélisation ARDL, Test de cointégration aux bornes et Approche de TodaYamamoto:éléments de théorie et pratiques sur logiciels.Licence.Congo-Kinshasa. 2018.

11.  MAMBA Kabasu (C.), économie du développement, Kinshasa, notes de cours, 2017-2018.

12.  MICHAELOWA (K), Améliorer la qualité de l’éducation en Afrique subsaharienne : Quelques résultats du Programme d’Analyse des  Systèmes Educatifs de la CONFEMEN, Institut d'Economie Internationale de Hambourg, 2005.

13.  NSHUE (M.), modèles de croissance économique, EDUPC, Kinshasa, 2018.

14.  SCHLEICHER Andreas, Strategic debateon international assessments, IIEP, 15 Décembre 2011.

 

 

b. Les articles de revue, mémoires et thèses

1.     ABDOUL Alpha (D.), Education, capital humain et dynamique économique:

analyse à partir du secteur industriel sénégalais, Economies et finances, Université de Bourgogne, 2005.

2.     ALTINOK (N.), Analyse critique et méthodologique des données d’éducation de l’Afrique subsaharienne, Papiers de Recherche AFD, n° 2016-31, August, 2016.

3.     ALTINOK (N.), Capital humain et croissance: l’apport des enquêtes internationales sur les acquis des élèves, Economie publique: Etudes et recherches, Institut d’économie publique (IDEP), pp.177-209,2006.

4.     ALTINOK (N.), Les sources de la qualité de l’éducation, Economie Sociale et Droit. Economie Sociale et solidaire, Famille et éducation, Protection sociale.

Acte des XXVIème journées de l’Association d’Economie Sociale (AES) Nancy, 7 et 8 Septembre 2006.

5.     ARROW (K.), the economic impications of learnig by doing, institue dor mathematical studies : in the social sciences, stanford university ,decembre, 1961.

6.     BARRO (R.) et SALA-I-MARTIN (X.), Public finance in model of economic growth, Review of Economic Studies, N°59,1992.

7.     BARRO(R)   ET      LEE    (J.),     International   Data    on        Educational

Attainment:Updates and Implications, CID Working Paper No. 42 April 2000.

8.     DE LA CROIX (D.), éducation=croissance ?, bruxelles, itinera Institute, 2012, p2.

9.     DES lAURIERS (PL.), une estimation de la contribution relative de l'éducation des filles et des garçons sur la croissance économique des pays pauvres, mémoire, économie, université du québec à montréa, semtembre2008.

10.                      ERTUR (C.) et THIAW(K.), croissance économique ; capital humain et interactions spatiales : une étude économétrique, Dijon, université de bourgogne, laboratoire d’économie de gestion, 2005. 

11.                      Hamzaoui (B.) et kertous (M.), système éducatif et croissance économique : application sur un panel ( alegrie,maroc , Tunisie), mémoire de fin de cycle, sciences économique. Université de Abderrahmane mira de bejaia, 2014.

12.                      HANUSHEK (A.), The Economics of School Quality, Stanford University, National Bureau of Economic Research and University of Texas at Dallas, 2005.

13.                      Hotte (L.), Introduction au développement économique, economic, Université d’Ottawa, 2006.

14.                      KINVI Logossah, Capital humain et croissance économique : une revue de la littérature. In: Économie & prévision, n°116, 1994-5. Économie de l'éducation. pp. 17-34,2011.

15.                      LENE (A.), l’éducation la formation et l’économie de la connaissance : approches économiques, éducation et société, 2005.

16.                      LIECHTI (V.), du capital humain au   droit à l'éducation droit à l'éducation analyse théorique et analyse théorique et empirique d'une capacité empirique d'une capacité, thèse de doctorat, Sciences économiques et sociales, l'Université de Fribourg. 2007.

17.                      MINCER, Labour market effects of human capital of its adjustment to technological change, Document de travail, Institute on Education and Economy, fevrier, 1986.

18.                      PRITCHETT (L.), where has all the educations gone ?,World Bank Economic Review, 2001. 

19.                      REZINE (O.), capital humain, éducation et croissance économique : une approche économétrique, thèse de doctorat : en sciences économiques, université Abou Bekr Belkaid, 2015.

20.                      SCHULTZ (S.), capital formation by education, Journal of political economy 68, 1960.

21.                      SOLONIONJANIRINA (N.), Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo.

                                 Mémoire      de      DEA :      développement,      Université      d'Antananarivo,

Madagascar ,2008. 

22.                      Stratégie sectoriel de l’éducation et de la formation, ministères de l’EPSP/MESU/METP/MAAS, décembre 2015. 

23.                      SUMATA (C.) et  ZUMBU (D.), capital humain et dynamique économique en RDC de 1980 à 2014 : approche par le modèle à équation simultanée, revue congolaise d’économie et de gestion, n°12, 252-270.2018.

24.                      YANG (X.) et BORLAND (J.), a microeconomic mechanism for economic growth, journal of political economy, 1991.

25.                      MATHIEU (B.) ET BOREL (F.), Coûts et financement de l’enseignement supérieur en Afrique francophone, banque mondiale, 2007.

 

c. Rapports 

1.      Annuaire statistique de  l’enseignement primaire, secondaire et professionnel, Kinshasa, Juillet 2015.

2.      Banque mondiale, le système éducatif de la RDC, Département du développement humain Région Afrique, 2005.

3.      Banque mondiale, Rapport No. 112733-ZR,  Priorités de politiques pour réduire la pauvreté et promouvoir la prospérité partagée dans un pays fragile sortant d’un conflit   en rdc, mars 2018.

4.      Banque mondiale, World development indicators 2005, The World Bank. Washington, DC, 2005.

5.      Banque mondiale, le système éducatif de la RDC, Département du développement humain Région Afrique, 2005.

6.      Banque mondiale, Rapport No. 112733-ZR,  Priorités de politiques pour réduire la pauvreté et promouvoir la prospérité partagée dans un pays fragile sortant d’un conflit   en rdc, mars 2018.

7.      Banque mondiale, World development indicators 2005, The World Bank. Washington, DC, 2005.

8.      Plan d’action de l’éducation pour tous, Kinshasa, 2015.

9.      Revue des Dépenses Publiques du secteur de l’éducation en République Démocratique du Congo   

10.  Une Analyse d’Efficience, d’Efficacité et d’Équité, groupe de la banque mondiale, octobre 2015.

 

d. Sites web

1.      www.larousse.fr

2.      www.fondation.univ-bordeaux.fr  

3.      www.unesco.org

4.      www.eduquepsp.education

5.      www.minesu.gouv.cd

6.      www.unicef.org

7.      https://donnees.banquemondiale.org/indicateur/  

8.      http://perspective.usherbrooke.ca

9.      www.banquemondila.com

 

 

 

Annexes 1 

Présentation de la base de données

années	investisssement	PIB réel	Population	EXETAT en %
1980	1374145161	15822300000		0,41

                               1981                1564127505           16202000000                                            0,4

1982

1499150318

16121000000

0,3

                               1983                1648664951           16348300000                                           0,31

1984

1830139394

17255600000

0,4

                               1985                1933322185           17341900000                                           0,46

1986

2329317779

18160400000

0,51

                               1987                2588583740           18650800000                                           0,46

1988

2752194757

18762700000

0,55

                               1989                2462114166           18500000000                                           0,51

1990

2219457980

17279000000

0,5

                               1991               964580014,5           15824100000                                           0,67

1992

1006638297

14162600000

0,46

                               1993               275684870,5           12248800000                                           0,38

1994

887435181,8

11774700000

0,59

                               1995                1144933360           11859200000                                           0,64

1996

1817700500

11727100000

0,56

                               1997                 942888000            11092800000                                           0,66

1998

795707300

10900100000

0,63

                               1999                 448692100            10434700000                                           0,63

2000

1020043500

9714700000

0,65

                               2001                 722813200             9510700000                                             0,33

2002

846283000

9840500000

0,41

                               2003                1301300000           10410400000                                           0,68

2004

2053814500

11101700000

0,67

                               2005                1412188600           11967700000                                           0,66

2006

1840257000

12604500000

0,63

                               2007                1834909500           13393500000                                           0,38

2008

1991822000

14227300000

0,46

                               2009                3321804500           14633500000                                           0,62

2010

3777361700

15673700000

0,66

                               2011                6348704800           16751200000                                           0,69

2012

6547479500

17938300000

0,61

                               2013                6499606600           19459900000                                           0,47

2014

6838198800

21302800000

0,54

                               2015                6217875300           22776100000                                            0,6

2016

6810199200

23322600000

0,61

                               2017                7328267100           24185700000                                           0,65

Source : banque mondiale, inspection générale de l’EPSP, base de données usherbrook

 

 

 

 

 

 

Annexe 2 

Graphique des variables

                       1980                         1985                         1990                         1995                         2000                         2005                         2010                         2015          

                      1980                          1985                          1990                          1995                         2000                          2005                          2010                          2015          

1980

LTEX

-0.50

 

Annexes 3

Test de stationnarité des variables

•       LINV

Null Hypothesis: LINV has a unit root Exogenous: None Lag Length: 0 (Automatic - based on SIC, maxlag=9)
			t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic			0.585363	0.8383
Test critical values:               1% level			-2.628961
5% level			-1.950117
10% level			-1.611339
*MacKinnon (1996) one -sided p- values.                                 Augmented Dickey-Fuller Test Equation Dependent Variable: D(LINV) Method: Least Squares Date: 10/02/19   Time: 21:38 Sample (adjusted): 1981 2017 Included observations: 37 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
LINV( -1)	0.001969	0.003363	0.585363	0.5620
R-squared	-0.001526     Mean dependent var			0.045241
Adjusted R-squared	-0.001526    S.D. dependent var			0.436137
S.E. of regression	0.436470    Akaike info criterion			1.206462
Sum squared resid	6.858224    Schwarz criterion			1.250000
Log likelihood	-21.31954    Hannan-Quinn criter.			1.221811
Durbin-Watson stat	2.540474

                                                         

 

Null Hypothesis: D(LINV) has a unit root Exogenous: Constant, Linear Trend Lag Length: 0 (Automatic - based on SIC, maxlag=9)
			t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic			-7.757418	0.0000
Test critical values:               1% level			-4.234972
5% level			-3.540328
10% level			-3.202445
*MacKinnon (1996) one -sided p- values.                                 Augmented Dickey-Fuller Test Equation Dependent Variable: D(LINV,2) Method: Least Squares Date: 10/02/19   Time: 21:38 Sample (adjusted): 1982 2017 Included observations: 36 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(LINV( -1))	-1.289591	0.166240	-7.757418	0.0000
C	-0.078697	0.153369	-0.513121	0.6113
@TREND("1980")	0.006896	0.006979	0.988123	0.3303

                                                         

R-squared	0.645860    Mean dependent var	-0.001561
Adjusted R-squared	0.624397    S.D. dependent var	0.704856
S.E. of regression	0.431981    Akaike info criterion	1.238786
Sum squared resid	6.158058    Schwarz criterion	1.370746
Log likelihood	-19.29815    Hannan-Quinn criter.	1.284844
F-statistic	30.09175    Durbin-Watson stat	1.887203
Prob(F-statistic)	0.000000

                                                         

 

•       PIB

Null Hypothesis: LPIB has a unit root Exogenous: None Lag Length: 1 (Automatic - based on SIC, maxlag=9)
			t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic			0.381107	0.7890
Test critical values:               1% level			-2.630762
5% level			-1.950394
10% level			-1.611202
*MacKinnon (1996) one     -sided p- values. Augmented Dickey-Fuller Test Equation Dependent Variable: D(LPIB) Method: Least Squares Date: 10/02/19   Time: 21:48 Sample (adjusted): 1982 2017 Included observations: 36 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
LPIB( -1)	9.49 E-05	0.000249	0.381107	0.7055
D(LPIB(-1))	0.817900	0.099396	8.228721	0.0000
R-squared	0.665885     Mean dependent var			0.011129
Adjusted R-squared	0.656059    S.D. dependent var			0.058572
S.E. of regression	0.034350    Akaike info criterion			-3.850462
Sum squared resid	0.040118    Schwarz criterion			-3.762488
Log likelihood	71.30831    Hannan-Quinn criter.			-3.819757
Durbin-Watson stat	1.795196

                                                                                

Null Hypothesis: D(LPIB) has a unit root Exogenous: Constant, Linear Trend Lag Length: 1 (Automatic - based on SIC, maxlag=9)
	t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic	-2.273517	0.0366
Test critical values:               1% level	-4.243644
5% level	-3.544284
10% level	-3.204699
*MacKinnon (1996) one -sided p- values.                                                                Augmented Dickey-Fuller Test Equation Dependent Variable: D(LPIB,2) Method: Least Squares Date: 10/02/19   Time: 21:50 Sample (adjusted): 1983 2017 Included observations: 35 after adjustments

                                                         

Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(LPIB( -1))	-0.279835	0.123085	-2.273517	0.0301
D(LPIB(-1),2)	0.139579	0.174837	0.798336	0.4307
C	-0.012928	0.014210	-0.909795	0.3700
@TREND("1980")	0.000851	0.000679	1.253760	0.2193
R-squared	0.143116     Mean dependent  var			0.001181
Adjusted R-squared	0.060192    S.D. dependent var			0.035648
S.E. of regression	0.034558    Akaike info criterion			-3.785126
Sum squared resid	0.037023    Schwarz criterion			-3.607372
Log likelihood	70.23970    Hannan-Quinn criter.			-3.723765
F-statistic	1.725869    Durbin-Watson stat			1.936470
Prob(F-statistic)	0.182088

                                                                            

 

•       POP

Null Hypothesis: LPOP has a unit root Exogenous: Constant, Linear Trend Lag Length: 8 (Automatic - based on SIC, maxlag=9)
			t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic			-0.653867	0.9674
Test critical values:               1% level			-4.309824
5% level			-3.574244
10% level			-3.221728
*MacKinnon (1996) one -sided p- values.                                 Augmented Dickey-Fuller Test Equation Dependent Variable: D(LPOP) Method: Least Squares Date: 10/02/19   Time: 21:52 Sample (adjusted): 1989 2017 Included observations: 29 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
LPOP( -1)	-0.014125	0.021602	-0.653867	0.5215
D(LPOP(-1))	2.759429	0.203274	13.57489	0.0000
D(LPOP(-2))	-3.012188	0.523955	-5.748944	0.0000
D(LPOP(-3))	1.390787	0.718963	1.934434	0.0689
D(LPOP(-4))	0.214893	0.738119	0.291136	0.7743
D(LPOP(-5))	-1.238775	0.719247	-1.722322	0.1021
D(LPOP(-6))	1.921938	0.680108	2.825931	0.0112
D(LPOP(-7))	-1.549782	0.500901	-3.093987	0.0063
D(LPOP(-8))	0.513851	0.207600	2.475197	0.0235
C	0.240550	0.364574	0.659810	0.5177
@TREND("1980")	0.000436	0.000655	0.665851	0.5139
R-squared	0.997474     Mean dependent var			0.031694
Adjusted R-squared	0.996071    S.D. dependent var			0.004073
S.E. of regression	0.000255    Akaike info criterion			-13.42651
Sum squared resid	1.17E-06    Schwarz criterion			-12.90788
Log likelihood	205.6844    Hannan-Quinn criter.			-13.26409
F-statistic	710.8626    Durbin-Watson stat			1.954698
Prob(F-statistic)	0.000000

                                                         

 

Null Hypothesis: D(LPOP,1) has a unit root Exogenous: Constant, Linear Trend Lag Length: 6 (Automatic - based on SIC, maxlag=9)
			t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic			-4.932128	0.0023
Test critical values:               1% level			-4.309824
5% level			-3.574244
10% level			-3.221728
*MacKinnon (1996) one -sided p- values.                                 Augmented Dickey-Fuller Test Equation Dependent Variable: D(LPOP,2) Method: Least Squares Date: 10/02/19   Time: 21:55 Sample (adjusted): 1989 2017 Included observations: 29 after adjustments
Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(LPOP( -1),1)	-0.329109	0.066728	-4.932128	0.0001
D(LPOP(-1),2)	1.241147	0.126905	9.780138	0.0000
D(LPOP(-2),2)	-0.155025	0.218019	-0.711064	0.4853
D(LPOP(-3),2)	0.029127	0.217171	0.134121	0.8946
D(LPOP(-4),2)	0.395598	0.210241	1.881641	0.0745
D(LPOP(-5),2)	-0.547256	0.188133	-2.908875	0.0087
D(LPOP(-6),2)	0.603865	0.130587	4.624241	0.0002
C	-1.40E-05	0.000147	-0.095128	0.9252
@TREND("1980")	2.00E-06	5.88E-06	0.340730	0.7369
R-squared	0.952115     Mean  dependent var			-5.87 E-05
Adjusted R-squared	0.932961    S.D. dependent var			0.001003
S.E. of regression	0.000260    Akaike info criterion			-13.42525
Sum squared resid	1.35E-06    Schwarz criterion			-13.00092
Log likelihood	203.6661    Hannan-Quinn criter.			-13.29235
F-statistic	49.70837    Durbin-Watson stat			2.002746
Prob(F-statistic)	0.000000

                                                         

•       TEX

Null Hypothesis: D(LTEX) has a unit root Exogenous: Constant, Linear Trend Lag Length: 3 (Automatic - based on SIC, maxlag=9)
	t-Statistic	Prob.*
Augmented Dickey -Fuller test statistic	-6.961852	0.0000
Test critical values:               1% level	-4.262735
5% level	-3.552973
10% level	-3.209642
*MacKinnon (1996) one -sided p- values.                                                                Augmented Dickey-Fuller Test Equation Dependent Variable: D(LTEX,2) Method: Least Squares Date: 10/02/19   Time: 21:57 Sample (adjusted): 1985 2017 Included observations: 33 after adjustments

                                                         

Variable	Coefficient	Std. Error	t-Statistic	Prob.
D(LTEX( -1))	-2.720853	0.390823	-6.961852	0.0000
D(LTEX(-1),2)	1.529448	0.318468	4.802522	0.0001
D(LTEX(-2),2)	0.775399	0.221363	3.502833	0.0016
D(LTEX(-3),2)	0.641643	0.144522	4.439773	0.0001
C	0.258952	0.155876	1.661261	0.1082
@TREND("1980")	-0.008679	0.006673	-1.300672	0.2044
R-squared	0.793790     Mean dependent  var			-0.011599
Adjusted R-squared	0.755603    S.D. dependent var			0.718710
S.E. of regression	0.355305    Akaike info criterion			0.931285
Sum squared resid	3.408522    Schwarz criterion			1.203377
Log likelihood	-9.366198    Hannan-Quinn criter.			1.022836
F-statistic	20.78693    Durbin-Watson stat			2.170189
Prob(F-statistic)	0.000000

                                                         

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Annexes 3 

Présentations des résultats du modèle ARDL (1,4,4,4)

 

1. Graphique de décalage optimal du modèle ARDL Schwarz Criteria (top 20 models)

 

2. Test de cointegration aux bornes 

 

ARDL Bounds Test                                                                                                Date: 10/02/19   Time: 22:07                                                                               Sample: 1984 2017                                                                                               Included observations: 34                                                                                    Null Hypothesis: No long-run relationships exist
Test Statistic                            Value                                          k
F-statistic                        23.46069                                             3
Critical Value Bounds
Significance                  I0 Bound                      I1 Bound
10%                                    2.72                    3.77                                                   5%                                       3.23                    4.35                                                  2.5% 3.69 4.89   1% 4.29 5.61
Test Equation:                                                                                                         Dependent Variable: D(LPIB)                                                                              Method: Least Squares                                                                                         Date: 10/02/19   Time: 22:07                                                                               Sample: 1984 2017                                                                                               Included observations: 34
Variable	Coefficient	Std.   Error	t-Statistic	Prob.
D(LINV)	0.074608	0.013816	5.400043	0.0000
D(LINV(-1))	-0.151198	0.031571	-4.789105	0.0002
D(LINV(-2))	-0.120639	0.027946	-4.316927	0.0005
D(LINV(-3))	-0.054182	0.020083	-2.697932	0.0152
D(LPOP)	36.10121	16.90526	2.135501	0.0476
D(LPOP(-1))	-130.9391	40.66130	-3.220238	0.0050
D(LPOP(-2))	150.2058	37.79273	3.974463	0.0010
D(LPOP(-3))	-59.51567	13.65976	-4.357006	0.0004
D(LTEX)	-0.050755	0.015948	-3.182554	0.0054
D(LTEX(-1))	0.089582	0.027400	3.269448	0.0045
D(LTEX(-2))	0.066777	0.019963	3.345062	0.0038
D(LTEX(-3))	0.037974	0.016092	2.359801	0.0305
C	8.550054	2.113444	4.045555	0.0008
LINV(-1)	0.260151	0.045701	5.692478	0.0000
LPOP(-1)	-0.024153	0.046845	-0.515598	0.6128
LTEX(-1)	-0.173177	0.041587	-4.164189	0.0006
LPIB(-1)	-0.587655	0.105654	-5.562051	0.0000
R-squared	0.950147     Mean dependent var			0.011519
Adjusted R-squared	0.903226    S.D. dependent var			0.060252
S.E. of regression	0.018743    Akaike info criterion			-4.809101
Sum squared resid	0.005972    Schwarz