---

Comment l’urbanisation affecte-t-elle la pauvreté en Afrique de l’Ouest ? Une analyse par l’approche monétaire et non monétaire

How does urbanization affect poverty in West Africa ? An analysis using the monetary and non-monetary approach

---

Anikè Alsace Odile AKPAKI – Malik SANE – Barthelemy BIAO

Résumé

Depuis quelques décennies, le monde expérimente un taux élevé d’urbanisation sans laisser en marge l’Afrique. Les Nations Unies projettent que d’ici 2050, près de 58,91% de la population africaine vivront en zones urbaines. La pauvreté en zone rurale et le désire de la population à améliorer leur condition de vie peut se manifester par une concentration de la population en zones urbaines. Si l’urbanisation est considérée comme un moyen d’échapper à la pauvreté, comment affect-elle les indicateurs de pauvreté en Afrique de l’Ouest ? Dans le but de répondre à cette question, nous avons fait recours aux indicateurs de pauvreté monétaire et non monétaire. Les données utilisées sont exclusivement secondaires et couvrent la période 1990 à 2019. Les résultats obtenus à travers le modèle dynamique en panel, révèlent que l’urbanisation contribue à la réduction de la pauvreté à travers l’amélioration du revenu, l’amélioration du niveau d’éducation et l’amélioration de l’espérance de vie à la naissance. Toutefois, il existe un seuil optimal à partir duquel, l’urbanisation accroît le niveau de pauvreté en Afrique de l’Ouest. Ainsi, pour mieux bénéficier des effets vertueux de l’urbanisation, il est nécessaire de mettre en œuvre une politique globale interconnectée et cohérente.

Mots-clés : urbanisation, pauvreté, données de Panel, Afrique. Codes JEL : R23 – O15 – C33

Abstract

For several decades, the world has been experiencing a high rate of urbanisation without leaving Africa on the sidelines. The United Nations projects that by 2050 nearly 58.91% of Africa’s population will live in urban areas. Poverty in rural areas and the desire of population to improve their conditions of living can manifest themselves in the concentration of the population in urban areas. If urbanisation is seen as a means of escaping poverty, how does it affect poverty indicators in West Africa? In order to answer to this question, we have used monetary and non-monetary poverty indicators. The data used are exclusively secondary and covert the period from 1990 to 2019. The results obtained through the dynamic panel model estimation show that urbanisation contributes to poverty reduction through the improvement of income, the improvement of level of education and improvement of life expectancy at birth. However, there is an optimal threshold over which urbanisation increase the level of poverty in West Africa. Thus, to take good advantage of urbanisation, it is necessary to implement a global, interconnected and coherent policy.

Keywords : Urbanisation, poverty, panel data, Africa. JEL Codes : R23 – O15 – C33

Introduction

Depuis quelques décennies, un intérêt croissant est porté par les chercheurs sur les questions relatives au développement régional et plus particulièrement à l’urbanisation et ses différentes interactions avec le développement. Les Nations Unies définissent l’urbanisation comme : « la transition d’une situation dans laquelle la population est dispersée dans de petites zones d’installation rurales où l’agriculture constitue la principale activité économique, vers une forte concentration de la population dans des zones urbaines plus grandes et plus denses et […] caractérisées par la place prépondérante qu’occupent l’industrie et les services ». L’urbanisation se présente aussi, comme un phénomène démographique, écologique, sociologique et économique de concentration de la population et d’activités non agricoles dans les zones urbaines (Cobbinah et al., 2015 : 62).

Elle se caractérise par trois principaux facteurs que sont : « (i) la migration de la population des zones rurales vers les zones urbaines (migration interne) ; (ii) le taux d’accroissement naturel de la population ; et (iii) le reclassement des établissements ruraux en zones urbaines en raison d’une part de la croissance de la population rurale et d’autre part de la densité croissante de la population » (Bloom et al., 2008 : 774 et Cobbinah et al., 2015 : 64-65). Les Communautés Économiques Régionales (CER), qui garantissent la libre circulation des biens et des personnes entre les États membres peuvent être également considérer comme une source du développement de nouvelles agglomérations et de nouvelles activités au sein des pays.

Les Nations Unies, projettent que d’ici l’horizon 2050 près de 68% de la population mondiale et 58,91% de la population africaine, vivront dans les zones urbaines. Parmi les régions du monde, l’Afrique et l’Asie seront au cœur d’une croissance rapide de la population urbaine dans le monde avec l’Inde, la Chine et le Nigéria pris ensemble représenteront les 35% de l’augmentation de la population urbaine mondiale entre 2018 et 2050 (UN-HABITAT, 2018)^[1]. Les statistiques extraites de la base de Africapolis, révèlent également un accroissement du nombre d’agglomérations urbaines en Afrique (624 agglomérations en 1950 à 7617 en 2015) suivie d’un accroissement de la population urbaine (2000% environ entre 1950 et 2015). Le taux et l’ampleur de l’urbanisation en Afrique transforment non seulement le profil démographique du continent, mais aussi ses résultats économiques, environnementaux et sociaux.

D’un autre côté, il ressort de la littérature que, la pauvreté dans le monde et plus particulièrement en Afrique (i) prédomine en milieu rurale^[2], (ii) frappe surtout les femmes et (iii) est liée au caractère très souvent informel des activités économiques. En d’autres termes, le niveau de pauvreté en milieu rural est plus élevé qu’en milieu urbain et la majorité des pauvres sont des femmes. Toutefois, de plus en plus, on assiste à une amélioration du niveau de pauvreté en milieu rural. Par exemple, entre 1996 et 2012, la proportion des individus vivant avec moins 1,9 dollar USD par jour a diminué de 40 % dans les zones rurales d’Afrique de l’Ouest (De Lattre-Gasquet 2021 : 13). Il s’en suit également une amélioration de la participation des femmes au marché de travail rémunéré (Tacoli 2012 : 4).

Selon Liddle (2014 : 349), la différence significative entre zones rurales (dominées par l’agriculture) et zones urbaines (dominées par les activités plus productives dans l’industrie et les services) en termes d’opportunités, de revenu/richesse^[3], d’accès aux infrastructures publiques de bases (culture, éducation, santé, assainissement, etc.) constitue l’un des facteurs à la base de l’accroissement du niveau d’urbanisation enregistré dans le monde. En d’autres termes, la disponibilité d’emploi (plus productive et plus profitable en milieu urbain) et l’espoir d’avoir un élevé en revenu zones urbaines pour échapper à la pauvreté, se manifeste par un déplacement massif de la population rurale vers les centres urbains.

En théorie, le mouvement de la population des zones rurales vers les zones urbaines, induit une transformation structurelle de l’économie^[4] et un effet d’agglomération de la consommation et de la production qui d’une part favorisent les économies d’agglomération (réduction des coûts de production) et les économies d’échelles (productivité élevée de l’activité économique) nécessaire à l’industrie de transformation et au secteur des services et d’autre part garantissent un revenu élevé pour les travailleurs urbains^[5] et contribuent à la réduction de la pauvreté.

En dehors du canal revenu, il existe également d’autres canaux par lesquels l’urbanisation peut affecter le niveau de pauvreté. Il s’agit notamment de l’amélioration du revenu des travailleurs ruraux^[6] grâce à la connexion entre le monde agricole et le secteur industriel. En d’autres termes, la concentration de la population en milieu urbain réduit la main d’œuvre agricole, induit un accroissement de la demande des produits en provenance des milieux ruraux (biens agricoles et les biens utilisant de façon intensive le travail) et accroit le revenu des travailleurs ruraux. La population rurale peut bénéficier des transferts de fonds effectués par les travailleurs urbains. L’urbanisation peut également améliorer la mobilisation des recettes fiscales^[7] qui sont utilisées pour la réalisation des infrastructures publiques de base (éducation, santé, transport) au profit de tous. L’accès donc à ses infrastructures combinées à l’accroissement de revenu, contribue à l’amélioration du capital humain de la population qui constitue l’un des déterminants de la pauvreté.

Si certains auteurs considèrent l’urbanisation comme une force de réduction de la pauvreté (Tacoli, 2012 : 30 ; Martinez-Vazquez et al., 2014 : 44 ; Arouri et al., 2017 : 261 ; Mitra 2019 : 92 et Nguyen et al., 2021 : 14), d’autres par contre perçoivent l’urbanisation comme un inquiétant signe précurseur des problèmes nouveaux de pauvreté à l’instar de la prolifération des bidonvilles dans les villes surpeuplées (Ravallion 2007 : 15 et Ravallion 2002 : 442). En Afrique de l’Ouest et en 2018, en dehors du Sénégal, de la Gambie et du Ghana, plus de 50% de la population urbaine vivent dans les bidonvilles ou quartiers informels^[8].

L’urbanisation peut d’une part accroit le chômage, le développement des activités informelles, l’insécurité et la vulnérabilité de certaines couches en milieu urbain (Cobbinah et al., 2015 : 66-69) et d’autre part induit une forte pression fiscale liées au besoin d’investissement en infrastructures et des services de base (Martinez-Vazquez et al., 2014 : 23). L’existence d’une relation non linéaire entre urbanisation et pauvreté est également soulignée (Martinez-Vazquez et al., 2014 : 44 ; Liddle, 2017 : 35 ; Nguyen et al., 2021 : 14). Dans ce contexte, l’urbanisation rapide de l’Afrique peut-être à la fois une chance et un défi.

Face à cette situation, comment l’urbanisation affecte-elle les indicateurs de pauvreté en Afrique de l’Ouest ? Telle est la principale question à laquelle cette étude tente de répondre. Ainsi, l’objectif général de cette recherche est d’analyser l’effet de l’urbanisation sur les indicateurs de pauvreté en Afrique de l’Ouest. Plus spécifiquement, il s’agira de :

• Analyser l’effet de l’urbanisation sur la pauvreté monétaire ;
• Déterminer l’effet de l’urbanisation sur la pauvreté non monétaire ;
• Vérifier l’hypothèse de relation non linéaire entre urbanisation et pauvreté en Afrique de l’Ouest.

Notre hypothèse générale soutient l’idée selon laquelle, l’urbanisation contribue à la réduction du niveau de pauvreté en Afrique de l’Ouest. Plus spécifiquement :

• L’urbanisation contribue à la réduction la pauvreté monétaire ;
• L’urbanisation contribue à la réduction de la pauvreté non monétaire ;
• Il existe un seuil optimal à partir duquel l’urbanisation accroit la pauvreté.

Notre étude sera organisée en quatre sections. La section 1 clarifie le concept de pauvreté et faire un état de lieu sur l’urbanisation et la pauvreté en Afrique de l’Ouest ; la section 2 aborde littérature empirique ; la section 3 met l’accent sur la démarche méthodologique et la section 4 présente et discute les résultats obtenus. L’intérêt de cette recherche est de contribuer aux débats scientifiques et d’apporter d’autres éléments d’explication.

1. Clarification conceptuelle et état des lieux

1.1. Clarification conceptuelle

La pauvreté est l’un des concepts multidimensionnels importants du débat social dans nombreux pays en développement. Sa définition et sa mesure sont sujet de nombreux critiques. Cependant, plusieurs approches sont utilisées dans la littérature pour définir la pauvreté. Elle peut être considérée d’un point de vue objectif ou subjectif (Martinez-Vazquez et al., 2014 : 21). L’approche objective implique des mesures quantitatives, tandis que l’approche subjective met l’accent sur les préférences des individus. Le Programme des Nations Unies pour le Développement (PNUD) définit la pauvreté à travers trois dimensions : « L’extrême pauvreté », la « pauvreté générale » et la « pauvreté humaine ». D’autres concepts de pauvreté sont également évoqués dans la littérature. Il s’agit de la pauvreté absolue et relative ou de la pauvreté monétaire (en référence à un seuil de pauvreté établit) et non monétaire (en référence à la pauvreté dans ses dimensions multiples en termes de bien-être humain) établies par la Banque Mondiale.

1.2. États des lieux de l’urbanisation en Afrique

Depuis quelques décennies, le monde expérimente un taux élevé d’urbanisation sans laisser en marge l’Afrique. La figure 1 ci-dessous, présente le taux de croissance de la population urbaine en Afrique de 1970 à 2015. En moyenne, la population urbaine de l’Afrique en 2015, représente 655% de la population de 1970 et 2000% de la population de 1950. L’Afrique de l’Est est la sous-région qui a connu plus d’accroissement de sa population urbaine comparativement aux autres sous-régions.

Les figures 2 et 3 quant à elles, présentent respectivement le niveau d’urbanisation (part de la population urbaine dans la population totale) et le rythme d’urbanisation (taux de croissance du niveau d’urbanisation) en Afrique de 1970 à 2015. De l’analyse de la figure 2, on constate qu’au bout de 45 ans c’est-à-dire de 1970 à 2015, le niveau d’urbanisation de l’Afrique en général et par sous-régions en particulier suit une tendance croissante. Il est passé de 19% en 1970 à 47% en moyenne en 2015 (soit une augmentation moyenne de la part de la population urbaine de 147% en 45 ans). L’Afrique du Nord est la sous-région ayant le niveau d’urbanisation le plus élevé. Mais, cela n’implique pas qu’elle est la sous-région ayant connu le rythme d’urbanisation le plus rapide en Afrique.

Fig. 1: Croissance de la population urbaine en Afrique de 1970 à 2015^[9]

Source : Données OCDE/Africapolis

Fig. 2: Niveau d’urbanisation en Afrique de 1970 à 2015

Source : Données OCDE/Africapolis

La croissance positive du niveau d’urbanisation en Afrique s’est également accompagnée d’une croissance du nombre d’agglomérations urbaines (ville d’au moins 10 millions d’habitants) passant de 624 agglomérations en 1950 à 7617 agglomérations urbaines en 2015 en Afrique et de 148 agglomérations urbaines en 1950 à 2213 agglomérations en 2015 (fig. 3).

« Kinshasa, Abidjan et Dakar représentent les plus grandes agglomérations urbaines francophones du monde après Paris ; le Caire, la plus grande agglomération urbaine arabophone ; Lagos et Johannesburg sont parmi les 10 plus grandes agglomérations urbaines anglophones au monde » (OCDE/CSAO, 2020).

Fig. 3: Évolution des agglomérations urbaines en Afrique de l’Ouest de 1950 à 2015

Source : Données OCDE/CSAO, Africapolis (base de données, 2020)

Généralement, le désire d’échapper à la pauvreté pousse la population rurale à migrer vers les zones urbaines à la recherche d’opportunités. La figure 4 ci-après, présente l’évolution du nombre d’individu vivant en dessous de 1 dollar USD entre 1990 et 2019 (incidence de la pauvreté). Exceptée la Guinée-Bissau qui semble avoir une tendance à la hausse, le nombre d’individus pauvres est en diminution dans les autres pays.

Fig. 4 : Incidence de la pauvreté en Afrique de l’Ouest (1990-2019)

Source : Données extraites de PovcalNet

Au niveau intra-urbain, on observe également des inégalités qui se traduisent par le nombre important de personnes vivant dans les bidonvilles ou quartiers informels, comme le montre la figure 5 ci-dessous. Cette figure révèle qu’en 2018, en dehors du Sénégal, de la Gambie et du Ghana, plus de 50% de la population urbaine vivent dans les bidonvilles en Afrique de l’Ouest (ce qui peut être considéré comme signe de pauvreté en milieu urbain).

Fig. 5 : Population urbaine vivant dans les bidonvilles en Afrique de l’Ouest (2018)

Source : Données extraites de World Development Indicators (WDI, 2022)

2. Synthèse des travaux empiriques

En ce qui concerne les effets de l’urbanisation sur la pauvreté, la littérature empirique reste encore controversée. Martinez-Vazquez et al., (2014) analysent l’effet de l’urbanisation sur la pauvreté sur un échantillon de 143 pays à l’exception des pays de l’Afrique Subsaharienne de 1960 à 2005. Leur analyse est basée sur une approche théorique et empirique. L’approche empirique s’est focalisée sur l’estimation d’un modèle économétrique en panel statique et dynamique. Les résultats issus des deux approches suggèrent que l’urbanisation contribue à la réduction de la pauvreté jusqu’à un certain seuil à partir duquel elle contribue à l’accroissement de la pauvreté (relation en forme de U). Les études de Liddle (2017) sur 137 pays à faible revenu, souligne l’existence d’une relation en forme de U entre urbanisation et pauvreté.

Arouri et al., (2017) en cherchant à répondre à la question de savoir si l’urbanisation réduit la pauvreté rurale au Vietnam fondent leurs analyses sur un modèle en panel à effet fixe et des données primaires. Leurs résultats montrent que l’urbanisation stimule la transition de l’agriculture vers les activités non agricoles en milieu rural et tend à réduire le revenu des activités agricoles et à accroitre celui des activités non agricoles en milieu rural. Ils montrent aussi que l’effet de l’urbanisation sur la pauvreté est fonction de la taille des villes. Sekkat (2016) analyse les impacts de la concentration urbaine (part de la population vivant dans les grandes villes) sur la pauvreté dans les pays en développement. L’auteur utilise les GMM pour estimer un système liant concentration urbaine, croissance et pauvreté urbaine et rurale pour un panel de 40 pays sur la période 1980-2010. Les résultats montrent que la concentration de la population vivant dans les petites villes (moins de 0,5 million d’habitants) ou dans les très grandes villes (au-delà de 5 millions d’habitants) n’a aucun impact sur la pauvreté. Par contre, la concentration de la population dans les villes de 1 à 5 millions d’habitants contribue à réduire le niveau de pauvreté.

Certains auteurs ont essayé d’analyser les effets indirects de l’urbanisation sur la pauvreté au sein des pays. C’est le cas de Ravallion (2007) dont les résultats soulignent que l’urbanisation en favorisant la croissance économique contribue à la réduction de la pauvreté absolue mais affecte peu le niveau de pauvreté de la population urbaine. Nguyen et al., (2020), à travers leur étude, vérifient si la croissance économique et l’urbanisation permettent de réduire le taux de pauvreté au Vietnam. Les données utilisées couvrent la période 2006 à 2014. En utilisant un modèle de régression logistique à effet fixe, les résultats des auteurs montrent que la valeur des importations, le taux d’emploi et le taux d’urbanisation permettent de réduire la pauvreté tandis que la valeur des exportations et la valeur du PIB n’ont aucun effet sur la réduction de la pauvreté au Vietnam.

Dans le but d’analyser l’effet de l’urbanisation et de la croissance économique sur la pauvreté, Nguyen et al., (2021) estiment un panel de 63 provinces vietnamienne à travers la méthode d’estimation de Driscoll et Kraay et les GMM en différence sur la période 2006 à 2016. Leurs résultats montrent que le PIB, le capital humain, la valeur ajouté de l’agriculture ont un effet de réduction de la pauvreté au Vietnam. De plus, les résultats de ces auteurs confirment l’existence d’un seuil optimal d’urbanisation. Sous la perspective de réduction de la pauvreté, ce seuil est estimé à 40,19% et 43,68% dicté respectivement par le modèle statique et dynamique. Si un consensus semble être trouvé dans la littérature sur l’existence d’un seuil optimal d’urbanisation, les résultats divergent en ce qui concerne l’effet de l’urbanisation sur la pauvreté selon l’unité d’analyse (nationale, urbaine ou rurale). De plus, à notre connaissance, les études traitant des effets de l’urbanisation sur la pauvreté en Afrique de façon générale et en Afrique de l’Ouest en particulier sont quasiment rares. Ce qui nécessite des investigations approfondies en vue de l’orientation des politiques permettant à l’urbanisation de jouer un rôle contributeur dans la réduction de la pauvreté en Afrique de l’Ouest.

3. Démarche méthodologique et données

3.1. Méthode de recherche

3.1.1. Choix et spécification du modèle empirique

L’objectif de cette recherche est d’étudier l’effet de l’urbanisation sur les indicateurs de pauvreté en Afrique de l’Ouest. Dans le but d’atteindre cet objectif, nous faisons recourt à une analyse en panel dynamique. La spécification dynamique permet de prendre en compte dans la structure d’analyse l’hypothèse selon laquelle le niveau de pauvreté d’un individu au temps t est influencé non seulement par d’autres variables mais aussi par ses propres valeurs précédentes (au temps t-1 par exemple).

A l’instar de Martinez-Vazquez et al., (2014) et de Nguyen et al., (2021). La forme générale de notre modèle empirique s’écrit comme suit :

(1) représente la variable dépendante correspondant aux indicateurs de pauvreté du pays i au temps t. est la valeur retardée de la variable dépendante. est la variable d’intérêt qui représente le niveau d’urbanisation du pays i au temps t. correspond au carré du niveau d’urbanisation du pays i au temps t (permettant de tester l’hypothèse de non-linéarité entre urbanisation et indicateurs de pauvreté considérés). est le vecteur des variables de contrôle. Le terme d’erreur est décomposé en composante individuelle spécifique au pays i et invariant dans le temps () et en composante qui varie dans le temps. Le signe et la valeur du paramètre nous permettent de mesurer l’effet de l’urbanisation sur les indicateurs de pauvreté. L’hypothèse de non-linéarité est vérifiée à travers les signes et la valeur des paramètres et . Si la non-linéarité est en forme de U on aura et (avec et statistiquement différents de zéro). Dans le cas d’une relation en forme de U inversé les paramètres et seront tels que et (avec et statistiquement différents de zéro). Respectivement, le seuil minimum (ou maximum) à partir duquel l’effet direct de l’urbanisation sur la pauvreté s’annule et change de signe () est calculé en prenant en compte la dérivée partielle de l’équation (1) par rapport à l’urbanisation. Ainsi, on aura :

(2) Choix des variables du modèle empirique/p>

• Variables dépendantes

En se référant aux différentes définitions de la pauvreté, nous avons choisi de mesurer la pauvreté à travers les indicateurs suivants :

• Les seuils de pauvreté en référence à l’approche par revenu (proportion de la population pauvre ou incidence de la pauvreté : hi_1 et hi_2, le gap de pauvreté ou profondeur de pauvreté : pg_1 et pg_2 puis l’indice FGT en considérant pour α = 2 encore appelé le carré du gap de pauvreté ou sévérité de la pauvreté : spg_1 et spg_2)^[10] sont considérés pour mesurer la pauvreté monétaire.
• Les mesures relatives au niveau d’éducation et de santé en référence à l’approche par les besoins de base (l’espérance de vie à la naissance : exp_vie, nombre total d’inscrit au secondaire : edu_sec et au cycle supérieur : edu_ter), servent de proxy pour mesurer la pauvreté non monétaire ou la pauvreté humaine.

• Variable indépendante d’intérêt

La variable d’intérêt se réfère à la mesure du niveau d’urbanisation. Selon Véron (2008 : 3), l’urbanisation peut être appréhendée à travers l’histoire des villes particulières ayant marquées les pays et les époques ou peut être considérée de manière abstraite, essentiellement à partir du critère de la proportion d’habitants d’un pays vivant dans une ville ». Cependant, la mesure commune de l’urbanisation (urb) utilisée dans la plupart des travaux empiriques antérieurs à cette étude est donnée par la proportion de la population vivant en milieu urbain. Cette mesure est calculée par la Banque mondiale à travers la formule suivante :

(3)

• Variables indépendantes de contrôle

Comme variables explicatives de contrôle de la pauvreté monétaire nous retenons : les flux nets entrant des investissements directs étrangers (ide), l’ouverture commerciale mesurée par la somme des importations et des exportations en pourcentage du PIB (commer), l’indice de prix à la consommation (ipc), la valeur ajoutée du secteur de l’agriculture en pourcentage du PIB (agr_va), le score de l’efficacité du gouvernement (goveff) et les aides publiques au développement (apd).

Nous contrôlons les indicateurs de pauvreté non monétaire en utilisant les variables suivantes : la formation brute du capital fixe (fbcf), les dépenses du gouvernement dans le domaine de la santé (ipu_san), le score de l’efficacité du gouvernement (goveff), les aides publiques au développement nettes reçues (apd) et la variable ide.

3.2. Sources des données et choix d’estimateur

3.2.1. Données

Cette étude porte sur tous les quinze (15) pays de l’Afrique de l’Ouest membre de la CEDEAO^[11] (Bénin, Burkina Faso, Cape Vert, Côte d’Ivoire, Gambie, Ghana, Guinée, Guinée Bissau, Libéria, Mali, Niger, Nigéria, Sénégal, Sierra Léone, Togo). La période d’observation s’étend de 1990 à 2019. Les données proviennent de PovcalNet, WDI et World Governance Indicators (WGI).

Le tableau 1 ci-après, présente les résultats obtenus à travers une inspection graphique de l’évolution de l’urbanisation et de la pauvreté en Afrique de l’Ouest et permet d’avoir une idée des résultats attendus de l’estimation du modèle empirique spécifié.

Tabl. 1 : Récapitulatif des effets attendus de l’urbanisation

Source : Auteurs à partir de l’observation des figures en annexe

3.2.2. Choix de l’estimateur

Au plan pratique, les méthodes d’estimation varient en fonction de la nature du modèle empirique spécifié. Dans le cas de cette étude, le modèle à la caractéristique d’un modèle autorégressif de premier ordre AR (1). Cette forme de spécification conduit à l’usage soit de la méthode d’estimation par les Variables Instrumentales (VI) ou soit à la Méthode des Moments Généralisés (GMM). Chaque modèle présente ses avantages et ses inconvénients. L’une des difficultés liées à la méthode VI est relative à la caractéristique de l’instrument. Il est souvent difficile de trouver une variable externe au modèle corrélée à la variable endogène et non corrélée au terme d’erreur. L’alternative est d’utiliser des variables internes aux modèles, comme dans les GMM.

Dans le but d’obtenir un degré de liberté adéquat et d’éviter les problèmes de sur-identification avec l’estimation par les GMM, il est fortement recommandé d’avoir un panel avec relativement un grand nombre d’individus (n) et relativement une petite période d’observation (Labra et Torrecillas, 2018). Toutefois, la littérature ne spécifie pas un seuil à partir duquel n est considéré grand ou T est considéré petit. Par exemple, Nguyen et Nguyen (2017 : 11) ont appliqué les GMM en différence première sur un panel de sept pays sur la période 1993 – 2014 ; Martinez-Vazquez et al., (2014 : 34) ont appliqué les GMM sur un panel de 143 pays observés sur un intervalle de cinq ans de 1960 à 2006 et Nguyen et al., (2021 : 14) ont utilisé les GMM en différence première sur un panel de 63 provinces vietnamienne sur la période 2006 à 2016.

Dans le cadre de cette recherche, nous privilégions utilisation des GMM à la place des VI. Le recourt aux GMM est motivé par le fait qu’ils permettent d’apporter des solutions aux problèmes de biais de simultanéité, de causalité inverses qui pourrait subsister entre les variables (la pauvreté est considérée dans la littérature comme l’un des déterminants de l’urbanisation et en même temps la littérature présente l’urbanisation comme aussi un déterminant de la pauvreté) et des variables omises. Cette méthode permet également de contrôler à la fois les effets spécifiques individuels et temporels et de palier les biais d’endogénéité des variables surtout lorsqu’il existe un ou plusieurs retards de la variable dépendante figurant comme variable explicative.

Il existe deux variantes de GMM : les GMM de Arellano et Blond (1991 : 277-297) encore appelés GMM en différence première et des GMM de Arellano et Bover (1995) et Blundell et Bond (1998 : 115-143) encore appelés GMM en système. L’estimateur GMM en différence première consiste à prendre pour chaque période la première différence de l’équation à estimer pour éliminer les effets spécifiques des pays et instrumenter par la suite les variables explicatives de l’équation en différence première par leurs valeurs en niveau retardés d’une période. Contrairement au GMM en différence, la technique de transformation des GMM en système consiste à faire la différence entre les observations présentes et la moyenne des observations futures disponible (exceptée la dernière observation).

Puisqu’il n’existe pas de critère communément admis dans le choix entre les GMM en différence et les GMM en système, nous utilisons, dans le cadre de cette recherche les GMM en différence. Les estimations sont effectuées avec le logiciel stata en utilisant la technique de Roodman (2009 : 135-158) avec la commande xtabond2. Deux tests sont associés à la validité des estimations. Il s’agit d’une part, du test de sur-identification de Sargan ou le test de sur-identification de Hansen qui permettent de tester sous l’hypothèse nulle la validité des instruments utilisés dans le modèle et d’autre part, du test d’autocorrélation d’Arellano et Bond qui teste sous l’hypothèse nulle l’absence d’autocorrélation de second ordre des erreurs.

Selon Roodman, le test de Sargan est adéquat lorsque l’estimation est effectuée en considérant une matrice de poids homoscédastique (dans le cas de l’utilisation de l’option One step) tandis que le test de Hassen l’est pour une matrice de poids hétéroscédastique (dans le cas de l’utilisation de l’option two step ou de l’option robust). Les résultats de ces différents tests sont directement rapportés en dessous du tableau d’estimation lorsque l’estimateur xtabond2 est utilisé avec Stata. L’hypothèse nulle du test de Sargan/Hansen est que les instruments utilisés ne sont pas corrélés avec les résidus.

4. Discussion des résultats empiriques et implications de politiques économiques

4.1. Résultats des effets de l’urbanisation sur la pauvreté monétaire

Trois indicateurs de pauvreté monétaire sont considérés. Il s’agit de l’indicateurs incidence de la pauvreté ou proportion de pauvre (hi), de l’indicateur de la profondeur de la pauvreté ou écart entre le revenu moyen de la population et le seuil de pauvreté (pg) et de l’indicateur de la sévérité de la pauvreté ou inégalités de revenu entre les personnes en dessous du seuil de pauvreté (spg). Les colonnes (1), (2) et (3) du tableau 2.a (respectivement tabl. 2.b) présentent les résultats d’estimation de l’effet linéaire de l’urbanisation sur les indicateurs de pauvreté calculés en considérant le seuil de pauvreté international de 1 dollar USD (respectivement 1,9 dollars USD). Par contre les colonnes (4), (5) et (6) du tableau 2.a (respectivement tabl. 2.b) présentent les résultats d’estimation de l’effet non linéaire de l’urbanisation sur les indicateurs de pauvreté monétaire calculés en considérant le seuil de pauvreté international de 1 dollar USD (respectivement 1,9 dollars USD). Pour toutes les équations estimées, les tests de Sargan et d’autocorrélation d’ordre 2 ne permettent pas de rejeter au seuil de 5%, l’hypothèses nulle de validité des instruments utilisés. Car les probabilités associées à ces deux tests sont supérieures à 0,05 (tabl. 2.a et tabl. 2.b).

Les résultats soulignent que l’urbanisation contribue à la réduction de la pauvreté monétaire en Afrique de l’Ouest (car le coefficient de l’urbanisation est négatif et statistiquement significatif au seuil de décision de 5%). Toutes choses étant égales par ailleurs, un accroissement du niveau d’urbanisation d’un point entraine une réduction de la proportion de pauvre de 83,74 (colonne 1 du tabl. 2.a) ; une réduction de l’écart entre le revenu moyen de la population et le seuil de pauvreté de 43,39 (colonne 2 du tabl. 2.a) et réduction de la sévérité de la pauvreté de 26,26 unités de mesure (colonne 3 du tabl. 2.a). On constate également que les IDE et l’amélioration de la productivité des travailleurs dans l’agriculture contribuent à la réduction de l’incidence de la pauvreté en Afrique de l’Ouest (indiqué par le signe négatif et la significativité des coefficients de ces variables au seuil de 5%). Les résultats consignés dans les colonnes (4), (5) et (6) du tableau 2.a, permettent de vérifier l’existence ou non d’une relation non linéaire entre urbanisation et la pauvreté monétaire en Afrique de l’Ouest. Le critère de validation de l’hypothèse de non-linéarité (effet significatif de l’urbanisation et effet significatif accompagné d’un changement de signe de la variable urbanisation au carré) se confirme. En d’autres termes, les résultats permettent d’accepter l’hypothèse d’une relation non-linéaire entre urbanisation et pauvreté monétaire en Afrique de l’Ouest sur la période d’observation.

Au-delà des seuils minima de 0,4869 ou 48,69% (1,045/1,073*2 = 0,4869) ; de 0,4670 ou 46,70% (656,8/703,1*2 = 0,4670) et de 0,4536 ou 45,36% (638,8/704,0*2=0,4536), l’urbanisation contribue respectivement à l’accroissement de la proportion de pauvre, de l’écart entre le revenu moyen de la population et le seuil de pauvreté et de la différence de revenu entre les pauvres. Ces résultats sont conformes à ceux obtenus par l’observation graphique du lien entre urbanisation et les indicateurs de pauvreté monétaire qui révèlent une relation parabolique entre les deux variables (en annexe)^[12].

Les résultats précédents demeurent inchangés (en termes d’effet) lorsque l’on considère le seuil de pauvreté international de 1,9 dollars USD (tabl. 2.b). L’urbanisation contribue à la réduction de l’incidence de pauvreté (colonne 1 du tabl. 2.b), de la profondeur de la pauvreté (colonne 2 du tabl. 2.b) et de la sévérité de la pauvreté (colonne 3 du tabl. 2.b) en Afrique de l’Ouest. De plus, à ce seuil de pauvreté, les résultats permettent d’accepter l’hypothèse d’une relation non-linéaire entre urbanisation et pauvreté monétaire en Afrique de l’Ouest sur la période d’observation. Au-delà des seuils minima de 0,4718 ou 47,18% (867,29/918,98*2 = 0,4718) et de 0,4787 ou 47,87% (528,8/552,3*2 = 0,4787), l’urbanisation contribue respectivement à l’accroissement de la profondeur et de la sévérité de la pauvreté en Afrique de l’Ouest. Les IDE et l’amélioration de la productivité des travailleurs dans l’agriculture contribuent également à la réduction de la pauvreté.

Nos résultats sont similaires à ceux de Martinez-Vazquez et al (2014) portant sur 143 pays à l’exception des pays de l’Afrique subsaharienne, Arouri et al (2017) et Nguyen et al (2021) portant sur le Vietnam et Liddle (2017) portant sur 137 pays à faible revenu, qui montrent qu’il existe une relation en forme de U entre urbanisation et pauvreté. C’est-à-dire que l’urbanisation contribue à la réduction de la pauvreté mais qu’il existe un seuil minimum à partir duquel l’urbanisation contribue à l’accroissement de la pauvreté.

De ces résultats, on peut comprendre que le revenu constitue l’un des canaux par lequel l’urbanisation contribue à la réduction de la pauvreté. Mais plus la population se concentre en zones urbaines (caractérisées par la dominance des activités à forte valeur dans l’industrie et les services), plus l’offre de travail augmente, plus une bonne partie des migrants ruraux se retrouvent au chômage. Or, la hausse de la population due à la migration entraine une hausse de la demande des biens et services, ce qui peut déboucher à une inflation (hausse du niveau général des prix des biens et service) et la baisse du pouvoir d’achat (revenu réel) des travailleurs puis conduire à l’augmentation de la pauvreté.

Aussi, les entreprises ont tendance à demander de la main-d’œuvre qualifiée or généralement les migrants ruraux qui s’installent dans les zones urbaines ont relativement un faible niveau d’instruction et donc se spécialisent dans les activités à faibles valeurs ajoutées ou dans les activités informelles (beaucoup plus les services) pour survivre. A partir du moment où leur revenu est faible, ils ne peuvent pas subvenir aux cinq besoins fondamentaux de l’Homme (se nourrir, se loger, se vertir, se soyer et s’instruire). La conséquence est qu’ils sont obligés de se retrouver dans les banlieues (quartiers informelles ou bidonvilles). On assiste dans ces conditions à une prolifération des bidonvilles et donc à un accroissement du niveau de pauvreté en milieu urbain. Si aucune politique n’est mise en place pour réduire le niveau de pauvreté en milieu rural pour compenser l’accroissement du niveau de pauvreté en milieu urbain ou réduire le surpeuplement des zones urbaines, le niveau de pauvreté au niveau national va également s’accroitre. De ce fait, pour bénéficier des effets bénéfiques de l’urbanisation sur la pauvreté en Afrique de l’Ouest, une politique globale, interconnectée et cohérente devra être mise en place pour :

• Prendre en charge la vie en ville en investissant dans les infrastructure urbaines (les logements, le transport en commun, les routes, etc.) ceci dans le but de limiter les risques de dégâts qui peuvent subvenir suite au mouvement massif de la population ;
• Promouvoir l’entrepreneuriat et le développement rurale ;
• Créer des facilités pour assurer le lien entre zones urbaines et zones rurales (villes – campagnes) afin que la décision de migrer dans un sens ou dans un autre soit bénéfique pour l’équilibre du pays.
• Stabiliser la population rurale dans son milieu naturel.

Tabl. 2 : Estimation effet de l’urbanisation sur pauvreté monétaire

1. Indicateurs de pauvreté monétaire au seuil international de 1 dollars USD

Source : Auteurs à partir des résultats d’estimation

1. Indicateurs de pauvreté monétaire au seuil international de 1,9 dollar USD

Source : Auteurs à partir des résultats d’estimation

4.2. Résultats d’estimation effets de l’urbanisation sur la pauvreté non monétaire

Deux indicateurs de pauvreté non monétaire sont considérés. Il s’agit des indicateurs du niveau d’éducation (secondaire et tertiaire) et des indicateurs du niveau de la santé de la population (espérance de vie à la naissance) en supposant que ceux-ci déterminent la capacité de l’individu à gagner un revenu.

Les colonnes (1) et (2) du tabl. 3.a (respectivement la colonne 1 tabl. 3.b) présentent les résultats d’estimation de l’effet linéaire de l’urbanisation sur les indicateurs du niveau d’éducation (respectivement indicateur niveau de santé). Par contre les colonnes (3) et (4) du tabl. 3.a (respectivement colonne 2 du tabl. 3.b) présentent les résultats d’estimation de l’effet non linéaire de l’urbanisation sur les indicateurs du niveau d’éducation (respectivement indicateur niveau de santé).

Pour toutes les équations estimées, les tests de Sargan et d’autocorrélation d’ordre 2 ne permettent pas de rejeter au seuil de 5%, l’hypothèses nulle de validité des instruments du modèle. Car les probabilités associées à ces deux tests sont supérieures à 0,05 (tabl. 3.a et tabl. 3.b).

A l’analyse du tableau 3.a, on constate que l’urbanisation contribue à accroître le nombre total d’inscrit au niveau secondaire (colonne 1). Toute chose étant égale par ailleurs et au seuil de décision de 1%, un accroissement du niveau d’urbanisation d’une unité induit un accroissement du nombre d’inscrit au l’éducation secondaire de 101 individus. Par contre, l’urbanisation n’a pas d’effet significatif sur le nombre d’inscrit au niveau universitaire (colonne 2). Toutefois, à partir d’un niveau d’urbanisation de 0,6706 ou 67,06% (257,4/191,9*2 = 0,6706), l’urbanisation contribue à réduire le nombre d’inscrit au niveau secondaire en Afrique de l’Ouest (colonne 3). Ce résultat qui est conforme aux prédictions graphiques fait penser à l’accessibilité et à la qualité du système éducatif en Afrique de l’Ouest.

On constate aussi que l’urbanisation a un effet linéaire et positif sur l’espérance de vie à la naissance en Afrique de l’Ouest. Au seuil de décision de 5%, un accroissement du niveau d’urbanisation d’une unité induit un accroissement de l’espérance de vie à la naissance de 9,7 années (ceteris paribus). Les résultats rejettent l’hypothèse d’une relation non linéaire entre urbanisation et espérance de vie à la naissance en Afrique de l’Ouest (colonne 2 du tabl. 3.b).

Les effets vertueux de l’urbanisation sur le capital humain peuvent s’expliquer par le fait que les infrastructures de santé et d’éducation sont généralement concentrées en zones urbaines. L’accessibilité de ces infrastructures dans les grandes agglomérations urbaines constitue une des sources qui pousse la population rurale à migrer vers les zones urbaines. Ce qui a pour conséquence le gonflement des zones urbaines. Si aucune politique n’est menée pour rendre accessibles ses infrastructures en zones rurales, la population urbaine va continuer à s’accroître jusqu’à un seuil à partir duquel les zones urbaines ne pourront plus fournir des services d’éducation et de soins de qualité et en quantité. Dans le long terme, l’accès aux infrastructures éducatifs peut coûter chers et les pauvres ne pourront pas y accéder, ce qui induira une baisse de l’effectif des inscrits. On peut également assister à une dégradation de la santé et donc à une réduction de l’espérance de vie à la naissance dû à la pollution en milieu urbain. Il faut alors investir dans les infrastructures socio-sanitaires et éducatives aussi bien en milieu urbain qu’en milieu rural. Ceci permettra de désengorger les zones urbaines.

Tabl. 3 : Estimation relation urbanisation et indicateurs de pauvreté non monétaire

1. Amélioration du capital humain : effet sur le niveau d’éducation

Source : Auteurs à partir des résultats d’estimation

1. Amélioration du capital humain : effet sur la santé

Source : Auteurs à partir des résultats d’estimation

Conclusion

L’objectif principal de cette recherche est d’analyser l’effet de l’urbanisation sur la pauvreté en Afrique de l’Ouest. Dans le but d’atteindre cet objectif, deux grandes catégories d’indicateurs ont été utilisés, il s’agit des indicateurs de pauvreté monétaire et des indicateurs de pauvreté non monétaire. L’estimation du modèle en panel dynamique par les GMM montre que l’urbanisation contribue à la réduction de la pauvreté en Afrique de l’Ouest. Les résultats confirment également le revenu et le capital humain (éducation et santé) comme les canaux par lesquels l’urbanisation affecte le niveau de pauvreté en Afrique de l’Ouest. Par ailleurs, il existe un seuil optimal à partir duquel l’urbanisation accroit le niveau de pauvreté.

Les différents résultats obtenus suggèrent que les États plutôt que de contrôler l’explosion urbaine, doivent gérer la transition en mettant en place une politique globale, interconnectée et cohérente qui favorise le développement des zones rurales. Des études complémentaires peuvent être également menées au niveau pays sur la base de données primaires pour mieux appréhender d’une part l’effet de l’urbanisation sur les indicateurs de pauvreté et d’autre part l’effet de la taille des villes sur le niveau de pauvreté. De plus, au regard de la taille de notre échantillon, d’autres techniques d’estimations alternatives au GMM, comme le maximum de vraisemblance suggéré par Moral-Benito et al. (2018) peuvent être utilisées. Aussi les modèles à effet de seuil peuvent-ils être appliqués pour analyser l’effet de non linéarité de l’urbanisation sur la pauvreté.

Références bibliographiques

ARELLANO Manuel & BOND Stephen, 1991. «Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations», The Review of Economic Studies, No 58, p. 277-97.

AROURI Mohamed, YOUSSEF Adel Ben & NGUYEN-VIET Cuong, 2017. «Does urbanization reduce rural poverty? Evidence from Vietnam », Economic Modelling, No 60, p. 253–270.

BLOOM David E., CANNING David, & FINK Günther, 2008. « Urbanization and the wealth of nations », Science, no 319 (5864), p. 772-775.

BLUNDELL Richard & BOND Stephen, 1998. «Initial conditions and moment restrictions in dynamic panel data models », Journal of Econometrics, No 87, p. 115-143.

COBBINAH Patrick Brandful, ERDIAW-KWASIE Michael Odei & AMOATENG Paul, 2015. « An Africa’s urbanisation: Implications for sustainable development », Cities, No 47, p. 62–72.

DE LATTRE-GASQUET Marie, 2021. « Le développement des espaces ruraux en Afrique de l’Ouest », Futuribles International, p. 1-32.

HARRIS John R. & TODARO Michael P., 1970. «Migration, Unemployment and Development: A Two-Sector Analysis», The American Economic Review, Volume 60, No 1, p. 126-142. Disponible en ligne https://www.jstor.org/stable/1807860 [dernier accès juillet 2022]

LABRA Romilio & TORRECILLAS Celia, (2018). «Estimating dynamic Panel data. A practical approach to perform long panels», Revista Colombiana de Estadística, Vol. 41, No 1, p. 31-52. Disponible en ligne : http://dx.doi.org/10.15446/rce.v41n1.61885 [dernier accès juillet 2022]

MARTINEZ-VAZQUEZ Jorge, PANUDULKITTI Panupong & TIMOFEEV Andrey, 2014. «Urbanization and the poverty level », Revista de estudios regionals, No 100, p. 19-46. Disponible en ligne : http://www.redalyc.org/articulo.oa?id=75533716001 [dernier accès juillet 2022]

MITRA Arup, 2019. «Women’s Work in Response to Urbanization: Evidence from Odisha », Indian Journal of Women and Social Change, No 4/1, p. 92–106.

MORAL-BENITO Enrique, ALLISON Paul & WILLIAMS Richard, 2018. « Dynamic panel data modelling using maximum likelihood: an alternative to Arellano-Bond », Applied Economics, p.1-13. Disponible en ligne : https://doi.org/10.1080/00036846.2018.1540854 [dernier accès juillet 2022]

NGUYEN Ha Minh & NGUYEN Le Dang, 2017. «The relationship between urbanization and economic growth: an empirical study on ASEAN countries», International Journal of Social Economics, p. 1-24. Disponible en ligne https://doi.org/10.1108/IJSE-12-2016-0358 [dernier accès juillet 2022].

NGUYEN Huyen Thi Thanh, NGUYEN Chau Van & NGUYEN Cong Van, 2020. « The Effect of Economic Growth and Urbanization on Poverty Reduction in Vietnam», Journal of Asian Finance, Economics and Business, No 7/7, p. 229 – 239.

NGUYEN Minh Ha, NGUYEN Dang Le & PHAM Trung-Kien, 2021. « The impact of urbanization on poverty reduction: Evidence from Vietnam », Cogent Economics & Finance, 9/1, p. 1-14. Disponible en ligne : https://doi.org/10.1080/23322039.2021.1918838 [dernier accès juillet 2022]

Ravallion Martin, 2002. « On the urbanization of poverty », Journal of Development Economics, No 68, p. 435– 442.

RAVALLION Martin, 2007. « Pauvreté urbaine : Les pauvres convergent-ils vers les villes ? Oui, mais peut-être pas assez rapidement », Finances & Développement, p. 15-17.

ROODMAN David, 2009. « A note on the theme of too many instruments », Oxford Bulletin of Economics and Statistics, No 71/1, p. 135 – 158.

SEKKAT Khalid, 2016. « Urban Concentration and Poverty in Developing Countries », Growth and Change, No 00/00, p. 1–24.

TACOLI Cecilia, 2012. « Urbanization, gender and urban poverty: paid work and unpaid care work in the city », international institute for environment and development united nations population fund, urbanization and emerging population issues, working paper 7, p. 1-48.

TODARO Michael P., 1969. « A Model of Labor Migration and Urban Unemployment in Less Developed Countries », The American Economic Review, Volume 59, No. 1, p. 138-148. Disponible en ligne : https://www.jstor.org/stable/1811100 [dernier accès, juillet 2022].

VERON Jacques, 2008. « Enjeux économiques, sociaux et environnementaux de l’urbanisation du monde », Mondes en Développement, No 36/142, p. 39–52. ANNEXE

1. Seuil de pauvreté de 1 dollar USD

(b) seuil pauvreté de 1,9 dollars US (c) Indicateurs niveau d’éducation

1. Indicateurs niveau de santé

Source : Auteurs

---

Auteurs

Anikè Alsace Odile AKPAKI
Doctorante à l’Université Cheikh Anta Diop Dakar
Courriel : alsaceakpaki@gmail.com

Malik SANE
Enseignant chercheur à l’Université Cheikh Anta Diop Dakar
Courriel : malick.sane@ucad.edu.sn

Barthelemy BIAO
Enseignant chercheur à l’Université de Parakou
Courriel : barthbiao@gmail.com

Auteur correspondant

Anikè Alsace Odile AKPAKI
Courriel : alsaceakpaki@gmail.com

© Édition électronique URL : https://espacesafricains.org/
© Éditeur – Groupe de recherche Populations, Sociétés et Territoires (PoSTer) de l’UJLoG – Université Jean Lorougnon Guédé (UJLoG) – Daloa (Côte d’Ivoire) © Référence électronique Anikè Alsace Odile AKPAKI, Malik SANE , Barthelemy BIAO, « Comment l’urbanisation affecte-elle la pauvreté en Afrique de l’Ouest ? Une analyse par l’approche monétaire et non monétaire », Revue Espaces africains (En ligne), 1 | 2022, mis en ligne le 1^er septembre 2022.

1. https://news.un.org/fr/story/2018/05/1014202 consulté en août 2022 ↑
2. Ravallion (2007 : 15), soulignent que 75 % des pauvres vivent encore en milieu rural. ↑
3. Pour plus de détail confère le cadre théorique de Todaro (1969 :138-148), Harris et Todaro (1970 :126-142). ↑
4. Déplacement de la main d’œuvre agricole peu productive (caractéristique des zones rurales) vers les secteurs de l’industrie et des services à forte valeur ajoutée (caractéristique des zones urbaines ou des villes). ↑
5. Effet substitution entre secteur agricole, et secteur industriel et des services. ↑
6. Effet de complémentarité entre secteur agricole, et secteur industriel et des services. ↑
7. Car les taxes peuvent être facilement collectées sur produits industrielles comparativement aux produits agricoles. ↑
8. Statistique extraite de la base de données de la banque mondiale (World Development Indicator : WDI). ↑
9. Les données utilisées dans ce cadre incluent les données de tousles pays d’Afrique sauf : République Arabe démocratique, Comores,Madagascar, Maurice, Seychelles. Aussi, les taux de croissance ont été calculé en utilisant la moyenne décennale. ↑
10. Les estimations sont effectuées au seuil de pauvreté international de 1 dollar USD (hi_1, pg_1 et spg_1) d’une part et de 1,9 dollar USD (hi_2, pg_2 et spg_2) d’autre part en vue de comparer les résultats. ↑
11. CEDEAO : Communauté Économique des États de l’Afrique de l’Ouest. ↑
12. La représentation graphique a été fait en considérant le logarithme népérien des variables de pauvreté monétaire et d’urbanisation. ↑