la mesure des revenus et du niveau de vie …20mesure%20des%20revenus… · méthodes et...
TRANSCRIPT
Aude VESCOVO Mémoire de M2 APE
Septembre 2007
LA MESURE DES REVENUS ET DU NIVEAU
DE VIE DES MÉNAGES :
COHÉRENCE INTERNE DES ENQUÊTES 1-2-3
DE SEPT CAPITALES ÉCONOMIQUES DE
L'UEMOA
Sous la direction de Denis Cogneau
Table des matières Remerciements...............................................................................................................................................................2
Liste des tableaux et graphiques..................................................................................................................................3
1. Introduction .........................................................................................................................................................4
2. Problématique et revue de littérature ...............................................................................................................5
3. Données....................................................................................................................................................................10
3.1. Le projet PARSTAT et le principe des enquêtes en phase...............................................................10
3.2. Méthodologie des enquêtes 1-2-3 .........................................................................................................11
3.3. Questionnaires .........................................................................................................................................12
4. Méthodes et construction d'agrégats ..............................................................................................................12
4.1. Construction de l'agrégat de revenu. ....................................................................................................12
4.1.1. Les variables brutes .......................................................................................................................12
4.1.2. Les méthodes d'imputation économétrique..............................................................................13
4.1.3. L'utilisation de la phase 2 de l'enquête pour corriger la non-réponse, de la sous estimation et de la saisonnalité des revenus d'activité des chefs d'unité informelle interrogés en phase 2. ...........16
4.1.4. L'utilisation de la phase 2 de l'enquête pour corriger la saisonnalité des revenus d'activité des travailleurs (chefs ou dépendants) des unités de production informelle ...........................................18
4.1.5. Nouvelles imputations économétriques.....................................................................................18
4.1.6. L'utilisation de la phase 3 pour corriger la sous-estimation des transferts...........................18
4.2. Construction de l'agrégat de consommation : ....................................................................................19
4.2.1. Les concepts de consommation effective..................................................................................19
4.3. La mesure de la pauvreté et des inégalités. ..........................................................................................21
4.3.1. Les indices utilises .........................................................................................................................21
4.3.2. Les seuils de pauvreté utilisés ......................................................................................................21
4.3.3. Echelles d'équivalence et rendements d'échelle........................................................................22
5. Résultats ..............................................................................................................................................................22
5.1. Sensibilité de la mesure de la pauvreté à la construction de l'agrégat de revenu...........................22
5.1.1. Les différentes sources de revenus et la qualité de leur déclaration......................................22
5.1.2. Imputations économétriques des revenus d'activité. ...............................................................24
5.1.3. La mesure des revenus du secteur informel. .............................................................................27
5.1.4. Procédures d'imputation économétrique basées sur les données augmentées....................32
5.2. Comparaison avec la consommation, autre indicateur de bien être................................................34
5.3. Sensibilité à la méthode de calcul des indices. ....................................................................................39
6. Conclusions ........................................................................................................................................................39
7. Annexes...............................................................................................................................................................43
7.1. Bibliographie ............................................................................................................................................43
7.2. Autres résultats ........................................................................................................................................46
2
Remerciements
Je tiens à remercier Denis Cogneau pour son encadrement et la patience dont il a fait preuve à mon égard. Je remercie également Sandrine Mesplé-Somps et Philippe De Vreyer pour leurs observations, critiques et relectures en urgence. Enfin je remercie Philippe Bocquier pour ses conseils et son soutien.
3
Liste des tableaux et graphiques Tableau 1 : Revenus déclarés des ménages..............................................................................................................23
Tableau 2 : Pauvreté extrême selon les sources de revenu considérées..............................................................24
Tableau 3 : Qualité des imputations économétriques............................................................................................26
Tableau 4 : Statistiques descriptives des revenus imputés. ...................................................................................27
Tableau 5 : Pauvreté extrême après imputation. ....................................................................................................27
Tableau 6 : Sous estimation des revenus des indépendants du secteur informel..............................................28
Tableau 7 : Redressement des revenus des travailleurs indépendants informels ..............................................31
Tableau 8 : Statistiques descriptives des revenus après correction des revenus informels..............................32
Tableau 9 : Pauvreté extrême après le redressement des revenus informels. ....................................................32
Tableau 10 : Qualité des imputations économétriques..........................................................................................33
Tableau 11 : Statistiques descriptives des revenus corrigés grâce à la phase 2 et imputés...............................34
Tableau 12 : Pauvreté extrême après correction des revenus informels et imputations. .................................34
Tableau 13 : Statistiques descriptives de la consommation des ménages...........................................................35
Tableau 14 : Cohérence entre revenu et consommation.......................................................................................36
Tableau 15 : Pauvreté extrême et agrégat de niveau de vie...................................................................................37
Tableau 16 : Négligence volontaire de l'information issue des modules rétrospectifs.....................................38
Tableau 17 : Parité de pouvoir d'achat et structure des ménages. .......................................................................39
Tableau 18 : La pauvreté extrême dans la littérature. ............................................................................................46
Tableau 19 : Les trois phases de collecte des enquêtes du projet PARSTAT. ..................................................46
Tableau 20 : L'échantillon de la phase 1 ..................................................................................................................46
Tableau 21 : Comparabilité des niveaux de vie entre les capitales.......................................................................46
Tableau 22 : Types d'emploi dans l'activité principale...........................................................................................47
Tableau 23 : Emplois non rémunérés et effectifs de régression ..........................................................................47
Tableau 24 : Type de déclaration des revenus (parmi les actifs occupés rémunérés).......................................47
Tableau 25 : Estimation du revenu d'act. principale des travailleurs dépendants du secteur formel.............48
Tableau 26 : Estimation du revenu d'act. principale des travailleurs dépendants du sect. informel ..............49
Tableau 27 : Estimation du revenu d'act. principale des travailleurs indépendants..........................................50
Graphiques 1, 2 et 3 : Saisonnalité de l'activité des UPI .......................................................................................51
Tableau 28 : Saisonnalité de l'activité des UPI........................................................................................................52
Tableau 29 : Est. du revenu d'act. principale des dépendants du sect. informel après corrections ...............53
Tableau 30 : Est. du revenu d'act. principale des travailleurs indépendants après corrections.......................54
Tableau 31 : Epargne négative et type de ménage .................................................................................................55
Tableau 32 : Déterminants pour un ménage, de présenter une épargne positive. ............................................56
Graphiques 4, 5, 6, 7, 8, 9 : Courbes de Kernel des revenus déclarés, des revenus corrigés et de la consommation .............................................................................................................................................................57
4
1. Introduction En 1999, le Fonds Monétaire International et la Banque Mondiale ont adopté un nouvel instrument,
le Document Stratégique pour la Lutte contre la Pauvreté, devant servir de cadre à des prêts et des
allègements de dettes sous conditions privilégiées. Chaque Etat pauvre doit y établir un état des lieux de la
pauvreté et fournir pour cela plusieurs indicateurs de pauvreté. Le premier de ces indicateurs est
l'incidence de la pauvreté. L'incidence de la pauvreté est très sensible à un ensemble de choix
méthodologiques et aux méthodes de collecte de données et, de ce fait, rarement comparable entre les
Etats.
Les enquêtes 1-2-3 initiées dans le cadre du Programme Régional d’Appui Statistique à la surveillance
multilatérale (PARSTAT) mis en place par la Commission de l’UEMOA, sont menées selon une
méthodologie identique. Par ailleurs, leur structure emboîtée comprenant une enquête sur l'emploi, une
enquête sur les micro entreprises du secteur informel et une enquête sur la consommation des ménages,
permet de tester l'impact de différents modes de construction de l'agrégat de bien-être utilisé dans l'analyse
de la pauvreté.
Il est possible, grâce à ces données, de mettre en évidence l'impact du traitement de la non-réponse,
de la sous estimation des revenus informels et de la saisonnalité de l'activité sur la mesure de la pauvreté
mesurée par les revenus par tête. La phase de l'enquête portant sur la consommation des ménages permet
également de comparer les agrégats de revenu et de consommation à des dates relativement proches et
pour les mêmes ménages.
Les sources de revenus considérées influent considérablement sur les taux de pauvreté calculés. Par
ailleurs, des corrections classiques de la non-réponse, par imputation économétrique permettent de
diminuer considérablement les taux de pauvreté. Cependant, l'adéquation des prédictions des modèles à la
réalité est faible dans le cas des travailleurs indépendants du secteur informel.
L'enquête sur l'activité des unités de production informelle met en évidence une forte sous estimation
des revenus des chefs de micro entreprises, de 10% à 190% selon les capitales étudiées. L'importance de
cette sous estimation tend à établir la recommandation inverse de celle énoncée par Mel et al. (2007) qui
avancent qu'il est préférable de collecter uniquement le profit net déclaré par le chef de l'entreprise du fait
de la présence de bruit et d'erreurs de mesure des composantes de la comptabilité des micro entreprises.
La cohérence interne des informations sur l'activité des entreprises informelles collectées par les enquêtes
1-2-3 permet de mesurer les revenus informels de façon fiable puisque la proportion d'unités de
production informelle présentant des excédents bruts d'exploitation négatifs est seulement de 0,0% à 7,4%
selon les villes.
Les revenus informels sont soumis à une forte saisonnalité, davantage due à un rythme variable de
l'activité qu'à de faibles durées d'exercice des unités de production informelle. Le chiffre d'affaire mensuel
peut tripler selon le mois considéré. La désaisonnalisation des revenus corrige, à la hausse, les excédents
bruts d'exploitation annuels de 5% à 39% selon les capitales et fait baisser l'incidence de la pauvreté de 3,0
à 6,4 points de pourcentage selon les villes. L'impact de ce traitement est comparable entre les villes de
même saisonnalité, à savoir les villes sahéliennes (Niamey, Ouagadougou et Bamako) et les villes côtières
(Cotonou et Lomé), rendant ces conclusions robustes. Trois questions seulement ont permis d'opérer ce
traitement de la saisonnalité. Il serait avantageux de les poser systématiquement.
5
Le traitement de la saisonnalité des revenus informels et l'utilisation de modèles de sélection pour
l'imputation de revenus ne permettent pas de parvenir à des niveaux de pauvreté comparables à ceux
obtenus avec la consommation courante. Trois quarts des ménages présentent une épargne négative. La
sous estimation des revenus des ménages est en partie due à la mauvaise mesure des revenus hors activité,
des transferts. La mesure de ceux-ci est affectée du biais de mémoire lorsqu'ils sont collectés sur une
période annuelle. Ils sont très supérieurs lorsqu'ils sont collectés de façon journalière.
Les modèles de sélection ne font pas état d'un lien systématique entre non-réponse et niveau de
revenu. Par ailleurs, les chefs d'entreprise informelle ne sont pas réticents à livrer des informations très
détaillées sur leur activité et leur comptabilité. Les ménages sont enclins à déclarer leurs revenus hors
activité dans l'enquête sur la consommation. Ces trois éléments mènent à la conclusion que le revenu n'est
pas difficile à mesurer du fait de non-réponse ou sous estimation volontaires de la part des enquêtés. La
performance de l'enquêteur et la capacité de l'enquêté à fournir une réponse exacte expliquent davantage
ces erreurs de mesure. La collecte des revenus irréguliers doit être améliorée étant donné le très faible taux
de salarisation des économies urbaines d'Afrique subsaharienne.
Si la consommation est enquêtée de façon plus sommaire, comme le sont les revenus, elle mène à des
niveaux moyens proches de ceux de l'agrégat de revenu. Ainsi la différence entre revenu et consommation
n'est pas due à l'impossibilité de collecter les revenus des ménages, mais à des modes de collecte moins
efficaces. Ce résultat va dans le sens de l'hypothèse de Vanneman et al. (2006) qui suggèrent que la
supériorité de la mesure de la consommation sur celle du revenu est une prophétie auto réalisatrice.
Le revenu ordonne les capitales de la façon suivante, de la plus riche à la plus pauvre : Abidjan, Dakar,
Cotonou, Bamako, Lomé, Ouagadougou et enfin Niamey. La consommation les ordonne ainsi : Dakar,
Lomé, Cotonou, Bamako, Ouagadougou et Niamey. La position de Lomé change selon l'agrégat considéré
passant d'une des capitales les plus pauvres à l'une des plus riches. Avec l'agrégat de consommation,
Bamako se distingue des deux autres villes sahéliennes et pour se rapprocher des villes côtières, davantage
qu'avec l'agrégat de revenu.
Enfin, des exercices rapides de combinaison de choix de l'agrégat de niveau de vie et d'autres options
méthodologiques (choix de l'indice de parité de pouvoir d'achat et du traitement de la structure des
ménages) montrent qu'il est possible d'obtenir tous les taux compris entre 0% et 100% d'individus vivant
avec moins d'un dollar par jour. Il convient donc d'être prudent dans l'appréciation de l'incidence de
pauvreté sous peine d'un optimisme ou pessimisme non justifié.
2. Problématique et revue de littérature
L'objectif principal des institutions internationales est, depuis quelques années, la lutte contre la
pauvreté. Le délaissement des objectifs de croissance pour ceux d'amélioration des conditions de vie et de
réduction des inégalités dans les pays pauvres est illustré, entre autres par l'initiative pour les pays pauvres
très endettés (IPPTE) et les objectifs du millénaire (OMD). Parmi ces objectifs figure la réduction de
moitié de l'extrême pauvreté d'ici 2015. Le caractère réalisable ou non de ces objectifs n'est pas le propos
de ce travail. Celui-ci porte sur la mesure statistique de la pauvreté. La littérature sur ce sujet est très
abondante depuis la fixation des OMD et beaucoup d'enquêtes micro-économiques, de qualité variable,
ont été effectuées dans le but de calculer les indicateurs de pauvreté et d'inégalités. En plus du choix du
6
seuil et de l'indicateur de pauvreté, se pose le problème de la mesure du niveau de vie, ou du bien-être, des
ménages et des individus.
Un consensus relativement grand s'est formé autour de l'idée que la consommation est une meilleure
mesure du niveau de vie des ménages ou des individus que les revenus. “Consumption ... is the best measure of
the economic component of living standards” (Deaton and Grosh, 2000). Ce consensus repose sur deux aspects, le
premier est d'ordre conceptuel. Théoriquement, la consommation est une meilleure mesure des conditions
de vie d'un ménage que le revenu, car elle reflète la capacité des ménages à acquérir des biens, à satisfaire
ses besoins. Les dépenses sont un indicateur de niveau de vie qui renvoie à la notion de revenu permanent,
moins volatile que le revenu courant.
En revanche, le revenu correspond au bien-être envisagé comme un droit (à un revenu minimum). Le
montant et la structure de la consommation peuvent être eux-mêmes des conséquences du revenu global.
Si deux individus ont la même consommation, mais que l'un l'obtient par le revenu de son travail, de ses
rentes ou d'une pension de l'Etat, il est plus favorisé que celui qui tire sa consommation d'entraide
familiale, de larcins ou du "système D". Les stratégies de lutte contre la pauvreté doivent donc s'appuyer
sur l'analyse du revenu (politique de revenu minimal, de protection sociale ou d'aide aux entreprises) tout
autant que sur celle de la consommation (politiques de stabilisation des prix des produits de première
nécessité). Les deux agrégats ont autant d'intérêt dans le diagnostic du niveau de vie des pays en
développement.
Le deuxième fondement du sacrement de la consommation comme indicateur de bien-être est d'ordre
méthodologique. Les dépenses sont en règle générale mieux recueillies, dans les enquêtes auprès des
ménages, que les revenus. L'analyse des revenus des ménages et des individus nécessite souvent davantage
de traitements que la consommation. En effet, plusieurs biais de mesure affectent potentiellement les
revenus.
Le choix des traitements opérés influe potentiellement sur la valeur de l'agrégat de revenu du ménage
construit et sur les indices de pauvreté. Le premier choix méthodologique est celui des sources de revenu à
considérer. Les indices de pauvreté peuvent varier selon que sont connus ou non les revenus des activités
secondaires et selon l'introduction des ressources hors activité des ménages dans l'agrégat de revenu. Si
une enquête auprès des ménages échoue à collecter des sources de revenus importantes pour les ménages
pauvres, la pauvreté sera surestimée. Szekely et al. (2000) montrent, sur des données d'Amérique Latine,
que la prise en compte de revenus monétaires non issus du travail peut faire diminuer le taux de pauvreté
de plusieurs points de pourcentage (jusqu'à 7,0 points en Uruguay).
Les enquêtés sont supposés être plus réticents à déclarer leurs revenus que leur consommation. Ils ne
le font que s'ils sont surs de la confidentialité de l'enquête. La principale solution à ce problème s'opère sur
le terrain. La sensibilisation des enquêtés et la compétence des enquêteurs sont déterminantes. Si les
individus ont peur de retombées fiscales, le taux de non-réponse aux questions de revenu et la sous
déclaration augmentent. Mel et al. estiment que les chefs de micro entreprises au Sri Lanka sous déclarent
leurs profit de 30%1. Les revenus illégaux (tels que ceux issus de la petite corruption) ne sont très
1 Ils utilisent une méthode utilisée dans les études sur la corruption qui consiste à demander à un enquêté de combien ses confrères sous déclarent leurs profit. Ils vérifient leur estimation en envoyant des enquêteurs vérifier, au jour le jour, les recettes et dépenses effectuées par les chefs de micro entreprises.
7
probablement pas déclarés. Ce biais potentiel peut expliquer pourquoi la pauvreté est souvent plus
importante lorsqu'elle est mesurée par le revenu.
La non-réponse et la mauvaise déclaration peuvent être dues, non pas au manque de volonté de
l'enquêté, mais à la méconnaissance de la réponse. Ce cas est certainement fréquent lorsque les revenus ne
sont pas mensuels ou hebdomadaires, quand aucun compte n'est tenu par l'individu enquêté, ou quand
celui-ci est rémunéré en nature. Cette difficulté à renseigner un revenu mensualisé et complet tient en
partie à la méthodologie de la collecte. Si l'enquêté ne peut répondre avec certitude à la question de son
revenu mensuel, il a rarement l'occasion de donner des informations détaillées permettant de reconstruire
son revenu.
L'analyse des revenus nécessite donc une réflexion sur le traitement de la non-réponse. Il convient
d'en étudier le mécanisme et le cas échéant de la corriger. Lorsqu'il s'agit du revenu, elle est souvent
corrigée par des procédures d'imputations économétriques. Le modèle utilisé peut alors influer sur les
résultats en termes de pauvreté.
Le revenu est soumis à la saisonnalité. Une des sources de saisonnalité est l'existence des cycles
agricoles. Cette critique s'applique donc particulièrement dans le cas d'enquêtes en milieu rural.
L'autoconsommation constitue une part importante des revenus en milieu rural. Cette part est variable
selon la saison. La consommation est alors aussi variable, puisque l'autoconsommation y est contenue. Il
est donc nécessaire que l'autoconsommation soit collectée avec autant de soin dans les enquêtes sur les
revenus que dans les enquêtes sur la consommation. Dans le milieu urbain étudié ici, le problème de la
saisonnalité ne se pose pas en ces termes.
La saisonnalité des travaux agricoles entraîne des migrations de travailleurs temporaires,
principalement vers le secteur des services, dans les villes. Ainsi si on enquête dans une capitale un
travailleur saisonnier, on ne peut déduire son revenu annuel de son revenu pendant la période rurale, car il
aura une autre activité au cours de l'année. Cette autre activité ne s'effectuera pas dans le champ de
l'enquête donc son revenu ne doit pas être inclus dans le revenu urbain. De plus, le revenu individuel est
calculé comme le revenu du ménage par tête ou par unité de consommation. Le revenu du saisonnier est-il
mis en commun avec les revenus des autres membres du ménage ou est-il envoyé ou conservé, pour sa
famille, son autre ménage ? Lorsque le travailleur sera parti de chez son logeur, son revenu sera soustrait
du revenu de ménage et le revenu du ménage sera divisé en moins de parts. En plus de désaisonnaliser le
revenu il faudrait alors désaisonnaliser la taille du ménage !
Enfin, une activité urbaine et continue peut également être saisonnière, avec des périodes d'activité
intense et d'autres de quasi chômage technique. La période de collecte peut avoir une influence sur le
revenu s'il n'en est pas tenu compte dans l'annualisation des revenus du travail.
Les travailleurs à leur propre compte sont très nombreux en Afrique subsaharienne. La moitié des
ménages échantillonnés dans les enquêtes LSMS initiées par la Banque Mondiale (tous pays confondus)
dirigent une ou plusieurs entreprises non agricoles (Vijverberg et Mead, 2000). La mesure de leurs revenus
est difficile. Mel et al. (2007) identifient plusieurs sources d'erreurs de mesure des revenus des travailleurs
indépendants informels.
D'une part, les ressources (financières ou physiques) des micro entreprises se confondent avec celles
du ménage. Les ménages peuvent confondre le revenu de leur entreprise avec leur propre revenu, et
confondre leur consommation à celle dévolue à l'entreprise (électricité, eau, loyer, achat d'ingrédients,…)
8
Dans les deux types d'enquêtes, les questionnaires et la formation des enquêteurs prévoient ces confusions
et les enquêteurs ont des consignes pour s'assurer de la bonne allocation des revenus ou dépenses à
l'entreprise ou au ménage. Des erreurs peuvent cependant persister dans les deux types d'enquêtes.
Ensuite, les travailleurs indépendants tiennent très rarement des journaux de comptes, ce qui conduit
à un biais de mémoire. Il y a par ailleurs un décalage temporel entre l'achat des matières premières et la
vente des biens produits avec ces matières premières. Enfin la production peut être très saisonnière et les
chefs d'entreprise peuvent avoir peur, tout comme les autres travailleurs, de déclarer leurs revenus.
A moins d'aider la mémoire des enquêtés en collectant des informations détaillées sur leurs dépenses
et charges, production, main d'oeuvre, les profits nets déclarés par les chefs d'entreprises informelles
seraient donc mal mesurés. D'après Mel et al.(2007), une enquête détaillée auprès des entreprises
informelles n'est pas nécessairement le remède à la mauvaise mesure de leurs profits. Les auteurs
concluent que le report direct des profits est moins soumis au bruit et plus fiable que des données
détaillées sur les recettes et les dépenses, mais qu'il sous estime le niveau des profits.
Les auteurs ont collecté des informations plus détaillées sur les dépenses des micro entreprises et leur
affectation ainsi que sur les taux de marges appliqués par les chefs des entreprises (permettant d'ajuster le
décalage dans le temps entre achats de matières premières et vente de la production). Les redressements
opérés à l'aide de ces informations améliorent la corrélation entre profit et (recettes – dépenses), qui passe
de 20%-30% à 60%-70%. Ce résultat est en contradiction avec leur conclusion principale qui est de
collecter seulement le profit déclaré par les chefs de micro entreprises. Si le profit déclaré est plus fiable
que la différence (recettes - dépenses), il est cependant sous estimé. En revanche avec des informations
plus détaillées, le profit calculé peut être redressé. Il est donc possible qu'avec un certain ensemble de
questions détaillées, le profit puisse être calculé de façon fiable, être positif et ne pas connaître la même
sous estimation que s'il est déclaré directement.
La construction d'un agrégat de consommation requiert elle aussi de choisir entre plusieurs options du
fait de l'existence de sources de biais de mesure. Que ce soit en ville ou en campagne, le rythme des
cultures influent sur la structure du panier de consommation alimentaire. Les périodes de fêtes religieuses
constituent également des pics de consommation que les modules sur les dépenses exceptionnelles
permettent en partie de prendre en compte. L'hypothèse de lissage de la consommation nécessite des
mécanismes d'épargne ou de prêt qui ne sont pas mesurés parfaitement dans les enquêtes. Par ailleurs, la
théorie du lissage de la consommation concerne initialement le cycle de vie (lissage de la consommation
entre phase d'emploi et retraite). Il n'est pas certain que la consommation soit constante, ou presque, au
cours d'une année, variant déjà au cours d'un mois puisque les jours suivants la paie des travailleurs publics
et privés formels sont des jours de plus fortes dépenses.
Pour contrôler cette saisonnalité, les enquêtes sur la consommation des ménages comportent souvent,
en plus d'un questionnaire sur la consommation quotidienne, rempli chaque soir pendant une période de
référence de durée variable selon les enquêtes, de modules rétrospectifs pour estimer les dépenses
irrégulières passées. Selon l'inclusion des dépenses estimées par l'un et l'autre de ce type de collecte, la
consommation d'un ménage varie dans des proportions non négligeables. La construction de l'agrégat de
consommation est donc déterminante du niveau de vie mesuré.
La mesure de la consommation et du revenu des ménages est donc délicate. Lorsque les enquêtes
auprès des ménages portent à la fois sur les revenus et la consommation, elles font souvent état d'une
9
épargne négative, c'est-à-dire que les ménages consomment plus qu'ils ne perçoivent de revenus.
Cependant, si une des raisons possibles de cette épargne négative est la sous estimation des revenus, il
peut également s'agir d'une surestimation de la consommation. La négativité de l'épargne n'est pas
observée à chaque fois que les deux mesures de bien-être sont appréhendées dans la même enquête. Par
exemple, dans le milieu urbain béninois, en 1996, le revenu moyen d'un ménage est de 433000 Francs
CFA et la consommation moyenne d'un ménage de seulement 372000 Francs CFA. L'épargne moyenne
est de 6,0% du revenu en moyenne.
Bien que la consommation soit également difficile à mesurer, elle fait l'objet d'un consensus. Partant
de ce consensus, les producteurs de données statistiques établissent pour les enquêtes sur la
consommation, des questionnaires très détaillés et exhaustifs en termes de biens, avec des passages répétés
sur 15, 30 jours, ou plus et collectent des informations rétrospectives, c'est à dire sur les dépenses
effectuées avant la période d'enquête. En revanche, le revenu est enquêté en un passage de l'équipe de
terrain, souvent par quelques questions générales. Le revenu mensuel est déclaré, ou estimé par l'enquêteur
lors de la collecte, à partir des revenus journaliers ou hebdomadaires, mais les entrées d'argent, ou périodes
de cessation d'activité sont inconnues. La plus grande fiabilité de la consommation peut donc être une
prophétie auto réalisatrice (Vanneman et al. 2006) plutôt que la conséquence d'une caractéristique du
revenu, qu'il serait par essence impossible de collecter correctement. Plus les revenus sont supposés être
soumis à des biais de mesure, moins on s'applique à les mesurer et donc plus leur collecte est bâclée.
Pour prendre en compte les différences des besoins entre les membres d'un ménage, les économistes
ont recours à des échelles d'équivalence. Celles-ci accordent une part plus ou moins grande de la
consommation totale du ménage à un de ses membres, en fonction de son sexe, de son âge et parfois de sa
place dans le ménage (s'il est chef de ménage ou non). Szekely et al. (2000) montrent, sur des données
latino-américaines, des différences très significatives des taux de pauvreté calculés avec et sans échelle
d'équivalence. La consommation est soumise à des rendements d'échelle. Si la mise en commun de
certains biens n'est pas prise en compte, la pauvreté des grands ménages est potentiellement surestimée.
Le choix du seuil de pauvreté est évidemment déterminant pour le niveau des indicateurs estimés et
pour le classement ordinal des pays ou villes. Le seuil peut être relatif s'il s'agit par exemple du demi
revenu médian. La mesure s'apparente alors davantage à une mesure des inégalités. Parmi les seuils de
pauvreté absolus, les plus répandus pour les comparaisons internationales sont ceux de la Banque
Mondiale : 1 $ par jour et par personne pour l'extrême pauvreté et 2 $ par jour et par personne pour le
seuil de pauvreté. D'autres seuils sont basés sur des mesures biologiques, à savoir le nombre de calories
nécessaires à un individu, ou une certaine composition équilibrée de l'alimentation. Ces seuils sont
difficiles à calculer car il est nécessaire, à partir d'un niveau calorique donné, de choisir un panier de bien,
plusieurs paniers pouvant être tout autant caloriques. De plus, il faut ensuite convertir ces paniers de biens
vitaux en valeur monétaire. Enfin, ils rendent les comparaisons internationales moins robustes car la
structure et le prix des paniers diffèrent. Parfois même les seuils caloriques sont choisis différemment
(Coulibaly, 2007).
Lorsqu'un seuil monétaire commun est choisi, il doit être converti dans la monnaie des pays étudiés.
S'il est converti sur la base du taux de change, les comparaisons ne tiendront pas compte de la différence
de niveau des prix entre les pays. Il est nécessaire de les convertir selon un indice de parité de pouvoir
d'achat. La Banque Mondiale utilise les indices de PPA calculés dans le cadre du Programme de
Comparaison International (PCI) de l'Université de Pennsylvanie. Selon les pays de l'UEMOA, ces indices
10
sont trois à cinq fois supérieurs au taux de change (Tableau 18, annexes). Ces indices sont fréquemment
critiqués car basés sur des paniers de biens ne reflétant pas la consommation des ménages des pays
pauvres (Poodge, 2006). Les biens doivent être considérés selon de leur importance pour la satisfaction
des besoins fondamentaux de l’homme, et non selon leur proportion dans la consommation mondiale.
Dans le cadre du projet AFRISTAT-Eurocost, un calcul des indices de PPA a été opéré, permettant
d'établir des indices basés sur la structure de la consommation des ménages des capitales de l'UEMOA.
De plus ils sont disponibles à l'échelle des capitales alors que ceux du PCI ne le sont qu'à l'échelle
nationale. Le choix de la méthode de conversion a un impact important sur les taux de pauvreté calculés.
Backiny-Yetna et Torelli (2000) trouvent que la pauvreté extrême calculée avec le seuil de la Banque
Mondiale est jusqu'à trois fois inférieure à celle obtenue par les indices PPA de l'UEMOA. (Tableau 19,
annexes)
3. Données
3.1. Le projet PARSTAT et le principe des enquêtes en phase
La mise en oeuvre des enquêtes étudiées dans les capitales économiques de sept des huit pays de
l’Union Économique et Monétaire Ouest Africaine (UEMOA) entre dans le cadre du programme régional
d’appui statistique à la surveillance multilatérale (PARSTAT) mis en place par la Commission de
l’UEMOA. Ce programme s’inscrit dans l’objectif de convergence des politiques et des économies des
pays membres à travers la surveillance multilatérale. Cet objectif nécessite la disponibilité de statistiques
harmonisées et fiables.
Les enquêtes 1-2-3 du projet PARSTAT de l'UEMOA portent sur chacune des sept agglomérations
suivantes : Niamey, Ouagadougou, Dakar, Bamako, Cotonou, Lomé et Abidjan. Le champ de l’enquête
correspond à la ville économique, c'est-à-dire la "ville administrative" et toutes les petites localités qui y
sont directement rattachées et avec lesquelles il y a des échanges fréquents.
Il s'agit d'enquêtes dites en phase, ou emboîtées. La phase 1 de ces enquêtes porte sur l'emploi, et sert
de filtre pour obtenir un échantillon représentatif d'unités de production informelle interrogées en phase 2
et un sous échantillon de ménages interrogés sur leur consommation en phase 3. En effet, la technique
classique qui consiste à recenser les établissements et d’en extraire ceux du secteur informel a échoué à
fournir un échantillon représentatif d’unités de production informelle (UPI). Aussi, une stratégie
alternative a été mise au point, celle des enquêtes mixtes (ménages/établissements) ou en phases. Elle
consiste à identifier un échantillon représentatif d’UPI à partir d’une enquête sur l’activité des ménages
pour ensuite réaliser une seconde enquête spécifique sur ces dernières. L’enquête 1-2-3 est une enquête en
phases, ayant fait l’objet de recommandations par les organisations internationales de statisticiens du
travail, développée au début des années quatre-vingt-dix. Aux deux phases initiales a été ajoutée une
troisième phase dont l’objectif est de quantifier la demande adressée au secteur informel par les ménages
(phase 3).
Les unités de production informelle sont définies, dans l'enquête 1-2-3, conformément aux
recommandations de la 15ème Conférence Internationale des Statisticiens du Travail (1993). Il s'agit d'une
entreprise non identifiée par un numéro statistique ou fiscal ou dans laquelle aucune comptabilité formelle
11
n'est tenue. Les emplois informels, au sens ou les travailleurs ne sont pas déclarés, au sein des ménages,
sont donc exclus du champ d'enquête de la phase 2.
Les phases doivent être mises en place dans des délais assez courts, afin de limiter l'attrition des UPI
et ménages. C'est à Dakar que le délai entre les phases 1 et 2 a été le plus long, jusqu'à six mois pour les
individus ayant été interrogés en premier lors de la phase 1. Cependant, les phases 2 et 3 ont été
concomitantes. (Tableau 20)
3.2. Méthodologie des enquêtes 1-2-3
Le tirage de l'échantillon de la phase 1 est effectué selon un sondage stratifié à deux degrés. Seul le
plan de sondage de l'enquête de Lomé n'est pas stratifié. Au premier degré, 125 unités primaires de
sondage sont tirées à partir de travaux cartographiques d'enquêtes auprès des ménages ou de recensements
de la population antérieurs. Les unités primaires échantillonnées sont dénombrées exhaustivement pour
pallier à la vétusté des bases de sondage. Au sein de chacune de ces 125 unités primaires sont alors
échantillonnés 20 ménages (25 à Cotonou) selon un sondage aléatoire simple. A Dakar cependant, les
ménages ont été échantillonnés après une stratification selon le sexe du chef de ménage. Les échantillons
initiaux de la phase 1 sont donc de 2500 ménages par ville (3000 à Cotonou).
Les échantillons enquêtés sont de taille similaire puisqu'il a vraisemblablement été procédé à des
remplacements des ménages non trouvés sur le terrain, même si cela n'a pas été documenté. Il convient de
noter également que le plan de sondage de l'enquête de Lomé est différent de ceux des autres villes, et que
les poids d'échantillonnage sont critiquables. En effet, le tirage de l'échantillon togolais a été fait à partir de
la base de sondage de l'enquête togolaise sur les migrations et l'urbanisation (ETOMU). Pour cette
enquête, ont été tirées des unités primaires de sondage, a priori 129. On ne connaît pas le nombre total de
zones de dénombrement de la base. On ignore également le mode de tirage de ces unités primaires.
Lors de la rédaction des documents techniques relatifs au plan de sondage et du calcul des coefficients
d'extrapolation, il a été considéré que les 129 unités primaires considérées constituait l'ensemble de Lomé,
oubliant qu'elles étaient déjà issues d'un tirage. Les deux unités primaires de plus grande taille et les deux
de plus petite taille ont été arbitrairement retirées de l'échantillon, pour parvenir au nombre prévu de 125
unités primaires. Bien qu'un tirage avait déjà été opéré pour l'ETOMU et que la suppression des 4 unités
extrêmes n'était pas basée sur une procédure aléatoire, il a été affecté une probabilité d'échantillonnage
unitaire à chaque unité primaire, indépendamment de leur taille. Pourtant les 125 unités choisies ont été
entièrement dénombrées. Si le nombre total d'unités primaires était de 129, cela aurait voulu dire qu'on
avait dénombré Lomé dans son ensemble !
Du fait d'avoir affecté une probabilité d'inclusion unitaire aux unités primaires de sondage, la taille de
Lomé était largement sous estimée. Aussi, tous les coefficients d'extrapolation ont été redressés par un
facteur multiplicatif proche de 7. En conclusion, l'absence de stratification et l'absence d'information sur le
premier degré d'échantillonnage rendent les poids d'échantillonnage erronés et empêchent leur correction,
à moins de disposer de la base de sondage de l'enquête ETOMU. Les résultats de Lomé sont donc à
interpréter avec prudence.
L'échantillon de phase 2 est constitué d'unités de production informelle dont les chefs ont été
identifiés en phase 1. Entre 2000 et 3000 unités avaient été identifiées, dans chaque ville, en phase 1, et
entre 1000 et 1500 ont été échantillonnées initialement. Compte tenu de l'attrition, des changements
12
d'activité (réels ou dus à des erreurs en phase 1) entre les deux phases, et de l'appariement des
observations entre les deux phases, la taille de l'échantillon de phase 2 traité ici va de 743 UPI à Niamey à
1030 à Dakar. Le sondage de la phase 2 est stratifié selon la branche d'activité et le statut du chef de l'UPI.
Les patrons, minoritaires, ont tous été interrogés, quelque soit leur branche d'activité.
L'échantillon de la phase 3 est un sous échantillon de celui de la phase 1. Les ménages ont été tirés
selon un sondage stratifié avec un tirage aléatoire simple au sein de chaque strate, les strates étant définies
par le revenu par tête du ménage et le type d'emploi exercé par le chef de ménage (secteur public, secteur
privé formel, secteur privé informel, inactif ou chômeur).
Du fait des évènements politiques en Côte d'Ivoire, la phase 3 n'a pas été mise en place à Abidjan
(Tableau 21).
3.3. Questionnaires
La phase 1 est une enquête classique sur l'activité. Après avoir relevé des informations sur le logement
du ménage, les caractéristiques sociodémographiques sont enquêtées individuellement. Un module
identifie les actifs occupés, les inactifs et les chômeurs qui répondent alors au module correspondant. De
nombreuses caractéristiques des activités principale et secondaire sont collectées, dont le revenu (en
montant et en cas de non-réponse en tranche). Les ressources hors activités sont elles aussi collectées.
La phase 2 est une enquête auprès des entreprises. Y sont enquêtées les caractéristiques générales de
l'entreprise (branche, taille, âge, local,…), ses charges et dépenses, son chiffre d'affaire, sa main d'œuvre, la
concurrence, les prix, les difficultés rencontrées et les liens avec l'Etat. Le questionnaire a été conçu de
telle manière à pouvoir appréhender la saisonnalité et la cessation temporaire de l'activité. En effet, il
enquête l'amplitude entre les chiffres d'affaires d'un bon et d'un mauvais mois, fournissant ainsi un ratio de
saisonnalité, et l'intensité de l'activité de chacun des douze derniers mois.
La phase 3 contient un module de consommation quotidienne, rempli 15 jours durant. Y sont
répertoriés tous les achats effectués, l'auto consommation, les cadeaux reçus en nature. Leur montant, la
quantité consommée ou achetée et le prix unitaire du bien ou du service est collecté. Par ailleurs, l'origine
du bien est demandée, permettant de distinguer l'achat de l'auto consommation ou du cadeau. Suivent
alors des modules rétrospectifs. Les dépenses de fêtes et de cérémonies, ainsi que les dépenses alimentaires
exceptionnelles effectuées au cours des 12 derniers mois en font partie. Les articles d'habillements, les
dépenses de santé, d'ameublement, de loisirs, d'autres biens et services sont collectés sur six mois, les
dépenses d'éducation et les impôts sur 12 mois, les dépenses de construction sur 24 mois. Ainsi, cela
permet de prendre en compte dans la consommation un achat important effectué dans l'année.
4. Méthodes et construction d'agrégats
4.1. Construction de l'agrégat de revenu.
4.1.1. Les variables brutes
La première série de variables de revenu des ménages construite est basée sur les seules déclarations
des enquêtés lors de la phase 1. La première est le revenu du ménage issu des activités principales de ses
membres, prestations comprises, tel que déclaré en montant par les enquêtés. La deuxième est la même
13
que la précédente, excepté que le revenu des individus ayant déclaré leur revenu en tranche est assimilé au
médian des revenus déclarés dans cette tranche.
La troisième est basée sur les revenus du travail (activités principale et secondaire) des membres du
ménage. Enfin, la dernière variable "brute" de revenu est la somme des revenus du ménage, toutes sources
confondues. C'est-à-dire qu'aux revenus du travail sont ajoutées les ressources hors activité des individus :
pensions du travail, autres pensions, revenus de la propriété, revenus financiers, transferts entre ménages,
bourses d’études et autres revenus.
Les traitements qui suivent ont pour but de corriger un biais potentiel dans la mesure des revenus du
travail. Ils s'appliquent donc aux revenus de l'activité principale et/ou de l'activité secondaire. A la suite de
chaque traitement au niveau individuel est calculé le revenu du ménage et le revenu du ménage par tête,
dans le but de quantifier l'impact du mode de traitement des revenus individuels sur les indices de
pauvreté.
4.1.2. Les méthodes d'imputation économétrique
Les variables de revenu du travail sont soumises au problème de la non-réponse. Une deuxième série
de variables de revenu est donc construite, en utilisant une méthode de redressement de la non-réponse
classique, l'imputation basée sur un modèle économétrique.
Une description des difficultés engendrées par le fait de ne pas tenir compte des données manquantes,
figure dans Korn et Graubard (1999) ou dans Little et Rubin (2002). Little et Rubin (2002) proposent une
typologie des mécanismes de non-réponse. On parle de données manquant complètement aléatoirement
ou complètement au hasard (MCAR pour "missing completely at random") lorsque la probabilité qu'une
observation soit incomplète est constante, de données manquant simplement aléatoirement (MAR pour
"missing at random") lorsque cette probabilité ne dépend pas de la variable d'intérêt mais d'autres valeurs
observées et de données manquant non aléatoirement (MNAR pour "missing not at random") lorsque cette
probabilité dépend de la variable d'intérêt.
Soient S l'échantillon entier, iY la variable d'intérêt, ia l'indicatrice de réponse :
= sinon 0
observéeest iYsi 1
ia
Soit ( )SiaPp ii ∈== 1 la probabilité de réponse pour l’unité i. Les ( ) Siip ∈ ne sont pas connues.
On suppose que les unités répondent indépendamment les unes des autres.
Le mécanisme de non-réponse (MCAR), appelé aussi mécanisme uniforme, correspond au cas où :
ppSi i =∈∀ , (MCAR)
La probabilité de réponse ne dépend ni de variables observées ni de variables inobservées propres à
l'individu. Ce type de données manquantes correspond à un cas particulier de sondage aléatoire simple. Il
s'observe relativement rarement et les non-réponses sont essentiellement attribuées au travail de terrain.
Dans les cas de (MCAR), aucun redressement n'est nécessaire et le biais des estimateurs est nul. Cette
hypothèse est très forte et rarement vérifiée dans les enquêtes.
Le mécanisme non confondu (MAR) est plus plausible dans la pratique que (MCAR) :
14
( ) ( ) ii
iiii z
pp
SizaPzyaPpSi 101log,ou 1,1, λλ +=
−∈∀====∈∀ (MAR)
Il implique que les données observées représentent un échantillon aléatoire des données complètes,
mais seulement au sein de catégories définies par des variables observées. La dépendance entre non-
réponse et variable d'intérêt doit être entièrement expliquée par des variables observées.
Dans notre cas, la non-réponse au revenu peut être corrélée positivement au niveau de revenu. Pour
que le mécanisme de réponse soit non confondu, il faut que cette relation entre non-réponse et niveau de
revenu puisse être expliquée par des variables auxiliaires observées. La probabilité de réponse dépend du
vecteur de variables auxiliaires X mais pas directement de la variable d’intérêt Y. La validation de cette
hypothèse permet de mettre en œuvre de nombreuses techniques d'imputation. Cette forme de non-
réponse est considérée comme "négligeable" et est communément désignée par l'anglicisme ignorable selon
l'expression de Rubin (1976) et Little et Rubin (2002). Elle permet de simplifier considérablement les
analyses (Diggle 1989, Verbeke et Molenberghs 2000).
Le mécanisme MNAR, dit confondu, correspond au cas où la non-réponse est une conséquence directe de la variable d'intérêt :
( ) ( ) iii
iiii yz
pp
SizaPzyaPpSi 2101log,ou 1,1, λλλ ++=
−∈∀=≠==∈∀ (MNAR)
La probabilité de réponse peut dépendre des valeurs observées et inobservées de la variable d'intérêt.
Même conditionnellement à des caractéristiques observées, les réponses observées ne sont pas
représentatives de tous les individus échantillonnés. Les individus ne renseignant pas leur revenu peuvent
être les mieux (ou les moins bien) rémunérés, même conditionnellement à l'éducation, au genre, etc.
Les déterminants des revenus sont certainement différents selon les types d'emploi (Tableau 22). Des
variables telles que la possession d'un bulletin de paie ou d'un contrat de travail écrit sont pertinentes pour
les travailleurs dépendants, mais par pour les patrons et comptes propres. Aussi, les modèles sont estimés
séparément pour chaque type d'emploi (Tableau 23). Trois types de travailleurs sont définis. Sont appelés
dépendants du secteur formel tous les cadres, employés, ouvriers, manœuvres, apprentis et aides familiaux
du secteur formel, public comme privé. Les indépendants regroupent tous les patrons et travailleurs à leur
propre compte du secteur privé (formel comme informel). Enfin, tous les travailleurs dépendants du
secteur privé informel sont regroupés dans une dernière catégorie. Les trois modèles sont identiques entre
les capitales, mais sont estimés séparément pour chacune d'entre elles. Toutes le mesures de revenu
d'activité concernent uniquement les individus de 10 ans et plus.
Depuis les travaux d'Heckman (1976), il est avéré qu'une régression linéaire simple pour estimer le
revenu pose un problème de sélection des observations. En effet, l'analyse n'est basée que sur les revenus
observés, or les individus déclarant un revenu ont des caractéristiques spécifiques. C'est à dire que le
mécanisme de non participation, de non-réponse ou d'exercice d'une activité non rémunérée n'est pas
complètement aléatoirement distribué, mais déterminé par des caractéristiques de l'individu, observées ou
non. Le modèle classique à deux étapes permet de corriger de cet effet de sélection.
La non-réponse est susceptible, si elle n'est pas aléatoirement distribuée, de fausser les estimations et
donc de biaiser les imputations. Dans des cas de non-réponse partielle, un moyen simple permet de rejeter
ou non l'hypothèse MCAR. Il s'agit de regarder les déterminants de la réponse à une question de l'enquête.
Si le taux de non-réponse à la variable d'intérêt dépend significativement d'une variable explicative, cela
15
remet automatiquement en cause l'hypothèse MCAR. Le choix entre les hypothèses MAR et MNAR est
plus délicat2.
L'estimation d'un modèle de sélection d'Heckman permet également de tester le mécanisme de non-
réponse (Gautier 2006). Si le test de sélection rejette l'hypothèse nulle d'indépendance entre équation
d'intérêt et équation de sélection, alors la sélection ne peut être ignorée. En effet, dans ce cas, l'hypothèse
(MAR) est rejetée, puisque, même conditionnellement aux variables explicatives incluses dans le modèle, la
probabilité de répondre est liée au niveau de revenu. Si le mécanisme de non-réponse est missing at random,
le modèle peut être estimé par la méthode des moindres carrés ordinaires, car, au sein de chaque catégorie
définie par les variables explicatives, la non-réponse est aléatoire. S'il ne l'est pas, il peut être estimé par la
méthode en deux étapes d'Heckman. Le modèle d'Heckman prend en compte la corrélation non expliquée
entre la variable d'intérêt et la probabilité de réponse.
Dans les pays développés, l'équation de sélection est l'équation de participation. En effet, on n'observe
pas de revenu si l'individu n'est pas un actif occupé. Cependant, dans les pays étudiés ici, il existe une
proportion importante d'actifs occupés non rémunérés d'une part et un fort taux de non-réponse des
actifs occupés rémunérés. Plusieurs phénomènes de sélection coexistent. L'objectif n'est pas, ici, d'analyser
les déterminants du revenu, comme le rôle de l'éducation par exemple, mais d'imputer un revenu d'activité
aux individus rémunérés n'ayant pas répondu lors de la collecte. Aussi, les modèles sont estimés sur le
champ des travailleurs rémunérés, et la sélection modélisée ne concerne que celle induite par la non-
réponse.
Dans la phase 1 des enquêtes 1-2-3, le revenu est collecté en montant, puis, si l'individu ne veut ou ne
peut pas répondre, en tranches. Ces tranches sont au nombre de 7, pour toutes les villes. La tranche
inférieure correspond à des revenus inférieurs au salaire minimum. Selon les villes, les bornes des autres
tranches correspondent à des montants différents.
Si la sélection est modélisée comme le fait de déclarer son revenu en montant versus ne pas le déclarer
en montant (le déclarer en tranche ou ne pas le déclarer du tout), l'information contenue dans le
renseignement de la tranche de revenu sera complètement ignorée. Cependant si les individus ayant
déclarés leur revenu en tranche sont considérés comme répondants, tout comme ceux ayant déclaré leur
revenu en montant (versus ceux n'ayant rien déclaré du tout), ils n'ont pas de valeur pour la variable
dépendante, le log du revenu horaire.
Une première solution est de choisir comme valeur de revenu la valeur médiane des revenus déclarés
en montant, pour chaque tranche. Ceci suppose que la distribution des revenus au sein d'une tranche est la
même chez les deux types de répondants. Par ailleurs, l'imputation dépend seulement de la fourchette de
revenu déclaré, mais pas des caractéristiques de l'individu et de son emploi. Une deuxième solution est
d'affecter provisoirement cette valeur médiane aux individus ayant déclaré leur revenu en tranche. Puis le
modèle est estimé par la méthode d'Heckman et le revenu prédit est imputé aux individus répondant en
tranche. Ainsi, le revenu imputé est construit en tenant compte de l'information contenue dans la tranche
mais aussi des caractéristiques du travailleur.
Le revenu prédit par le modèle peut être situé en dehors de l'intervalle déclaré par l'enquêté. Le bien-
être des individus sera sous estimé (resp. surestimé) dès lors que le revenu prédit est inférieur (resp. 2Les tests de Little (1988) et de Park et Davis (1993) vérifient une condition nécessaire à la validation de l'hypothèse MCAR, mais non suffisante.
16
supérieur) à la borne inférieure (supérieure) de la tranche déclarée. Pourtant les caractéristiques de
l'individu tendent à tirer son revenu vers le bas (resp. le haut) de la tranche. Aussi, pour ces individus, le
revenu imputé finalement est la borne inférieure (resp. supérieure) de la borne.
L'estimation de modèles de sélection nécessite l'utilisation de variables identifiantes, c'est-à-dire
influant sur la probabilité de répondre, mais pas sur la variable d'intérêt. Une variable dichotomique de
qualité globale de l'enquête (au niveau individuel) ainsi que le taux de performance de l'enquêteur sont
introduites dans l'équation de sélection. La variable indicatrice indiquant si l'individu est chef de ménage
est également considérée comme identifiante. Il n'existe pas de test permettant de vérifier formellement la
validité des instruments. Un test indirect est cependant effectué. Les variables identifiantes sont
introduites dans l'équation de revenu, ainsi que la probabilité de réponse estimée par le modèle probit de
première étape. Si une d'entre elle a un rôle significatif sur la probabilité de répondre mais pas sur le
revenu, le modèle de sélection est considéré comme étant identifié.
4.1.3. L'utilisation de la phase 2 de l'enquête pour corriger la non-réponse, de la sous estimation et de la saisonnalité des revenus d'activité des chefs d'unité informelle interrogés en phase 2.
La phase 2 permet de calculer l'excédent brut d'exploitation (EBE) atteint par le chef d'UPI. Celui-ci
est en fait le revenu du chef d'UPI. En effet, il est défini comme ce qui reste de la valeur ajoutée une fois la
masse salariale et les impôts payés :
EBE1=Valeur Ajoutée – Masse Salariale – Impôts
EBE1= (Production - Consommations Intermédiaires) – Masse Salariale – Impôts
EBE1= ((Chiffre d'affaires – Marchandises) - Consommations Intermédiaires) – Masse Salariale – Impôts
EBE1= ((Chiffre d'affaires – Marchandises) - (Matières premières + Charges)) – Masse Salariale – Impôts
Il est calculé pour le mois de référence, le mois complet précédent l'enquête. Si un chef d'UPI de
Niamey a été interrogé entre le 1 et le 31 octobre 2002, le mois de référence est septembre 2002. Le
revenu mensuel de l'activité principale ou de l'activité secondaire (selon que le chef d'UPI interrogé en
phase 2 dirige son entreprise dans son activité principale ou secondaire) déclaré en phase 1 est remplacé
par l'EBE du mois de référence du même chef d'UPI. Cette première correction à l'aide de la phase 2 ne
prend pas en compte la saisonnalité de l'activité puisque le revenu du mois de référence de la phase 1 est
remplacé par le revenu du mois de référence de la phase 2.
Trois types d'activités peuvent conduire à sous évaluer ou surévaluer les revenus annuels d'un individu
ou d'un ménage : les migrants saisonniers, les agriculteurs urbains et les travailleurs exerçant une activité
d'intensité irrégulière, bien que continue. Le premier type d'emploi saisonnier est lié au rythme agricole.
Ainsi, en milieu urbain, les saisonniers sont des travailleurs ruraux qui viennent dans la capitale pour
gagner de l'argent quand son village n'a pas besoin de sa force de travail. Ces emplois sont peu qualifiés et
beaucoup sont dans les services (gardiennage, ménage,…). Si l'enquête de terrain se déroule pendant une
période de forte migration vers la ville, l'échantillon contiendra beaucoup de travailleurs saisonniers. Il est
difficile d'annualiser le revenu de ces travailleurs saisonniers. D'une part, on ignore leurs revenus agricoles.
D'autre part on ignore quelle part de leurs revenus est utilisée pendant leur période de migration urbaine et
quelle part est conservée pour leur famille au village.
17
L'information sur les travailleurs saisonniers n'est pas précise telle que collectée dans la phase 1. 40,7%
des travailleurs saisonniers de l'ensemble des sept villes déclarent habiter dans la capitale depuis toujours,
et seulement 7,9 depuis un an ou moins. La proportion de nouveaux arrivants (moins d'un an) est certes
plus élevée chez les saisonniers non agricoles, mais reste très faible. De plus, presque la moitié des
saisonniers ne vivant pas depuis toujours dans la capitale sont venus pour des raisons familiales (46,7%),
contre 33% pour un emploi. Soit ces travailleurs ne sont pas saisonniers au sens où on l'entend
habituellement (des migrants temporaires vers les villes, quand le rythme de l'agriculture le permet), soit ils
le sont, mais, faisant cette alternance depuis plusieurs années, considèrent vivre à Bamako.
Le deuxième type de saisonnalité du revenu provient des activités agricoles en milieu urbain. Les
travailleurs saisonniers sont sur représentés dans les activités agricoles urbaines, 31,9 % contre 4,5 % dans
les professions non agricoles. Si leur activité est bien saisonnière, leur expérience dans l'emploi devrait être
courte, et un emploi antérieur devrait être déclaré, se terminant peu de temps avant l'enquête (moins d'un
an). Ce n'est pas le cas. La question semble donc avoir été mal comprise par les enquêtés3. En effet, 5%
des travailleurs se déclarant saisonniers sont des cadres supérieurs ou assimilés.
Le questionnaire de la phase 2 permet d'appréhender la saisonnalité de l'activité des UPI. Il fournit,
entre autres informations, le nombre de mois d'activité de l'UPI et ce qui sera appelé par la suite le ratio de
saisonnalité :
Rs= 100 x (chiffre d'affaires maximum /chiffre d'affaires minimum)
De plus on connaît le type (maximum, minimum, moyen) du mois de référence pour lequel le chiffre
d'affaires est collecté et des 11 mois précédents. Si le mois de référence est un mois d'activité maximale :
CA maximum = CA mois de référence CA minimum = CA mois de référence/Rs CA moyen = CA mois de référence – ½ (CA mois de référence – (CA mois de référence / Rs ) )
Les EBE peuvent être désaisonnalisés grâce aux données de la phase 2. L'excédent noté EBE2, tient
compte de la durée d'activité. Chaque composante mensuelle de l'EBE est multipliée par le nombre de
mois d'activité au lieu d'être multipliée par 12. L'EBE ainsi calculé est nécessairement inférieur ou égal au
précédent. Il est logique de ne pas comptabiliser un revenu d'activité pour les mois pendant lesquels l'UPI
n'a pas fonctionné. Cependant, il est probable que durant ces mois, le chef d'UPI ait exercé une autre
activité, dont le revenu n'est pas mesuré. Le revenu annuel des chefs d'UPI obtenu par cette méthode est
donc potentiellement sous estimé. Mais il n'existe aucun moyen de pallier à cela.
Il est possible, grâce au ratio de saisonnalité, d'intégrer l'information sur le rythme de l'activité dans le
calcul de l'EBE. Connaissant le type (minimum, maximum et moyen) de chacun des 12 derniers mois, le
nombre de mois de chaque type est connu (nmax, nmin et nmoy). Ainsi, une troisième variable d'EBE annuel,
notée EBE3, peut être calculée de la façon suivante :
EBE3 = nmax. CA maximum + nmoy. CA moyen + nmin. CA minimum
Le revenu annuel des chefs d'UPI ainsi obtenu est également potentiellement sous estimé car aucun
revenu n'est affecté aux mois pendant lesquels l'UPI n'a pas fonctionné.
3 ou mal posée par les enquêteurs. Elle ne figure pas dans le manuel de l'enquêteur.
18
4.1.4. L'utilisation de la phase 2 de l'enquête pour corriger la saisonnalité des revenus d'activité des travailleurs (chefs ou dépendants) des unités de production informelle
Les informations sur la saisonnalité des activités informelles peuvent être utilisées aussi pour les chefs
d'UPI qui n'ont pas été interrogés en phase 2. En effet, l'échantillon de la phase 2 est théoriquement
représentatif des chefs d'UPI dans la population. A partir des données de phase 2, le ratio de saisonnalité
moyen pour chaque branche d'activité4 et chaque ville est calculé. Le type le plus fréquent du mois de
référence de la phase 1 est connu, par ville et branche d'activité. Pour le nombre de mois de chaque type
au cours d'une année, la répartition dominante au sein de chaque branche, issue de la phase 2, est utilisée.
Le revenu de tous les chefs d'UPI, même de ceux interrogés uniquement en phase 1, peut donc être
désaisonnalisé, à l'aide des informations spécifiques aux branches d'activité issues de la phase 2.
L'EBE est calculé comme le reste de la valeur ajoutée, une fois qu'on en a ôté la masse salariale et les
taxes diverses. Cependant, cela ne veut pas dire que l'EBE accuse à lui seul les variations d'activité.
Autrement dit, une baisse d'activité peut se répercuter sur les rémunérations des employés tout autant que
sur l'EBE. Le dernier traitement du revenu grâce aux données de phase 2 est la désaisonnalisation des
revenus des employés d'UPI, effectuée de manière identique à celle des chefs d'UPI.
4.1.5. Nouvelles imputations économétriques
Deux types de traitements du revenus ont été implémentés : un traitement d'imputation
économétrique et des traitements permis par le caractère emboîté des enquêtes 1-2-3. La dernière variable
construite, redressée grâce aux données de phase 2 est donc :
=
∀++==
autres. lespour 1 phase en déclaré revenu le
2. pahsela dans chef quetant en interrogéété pasa n' mais
UPI une dans travailleil s' i branche , minCA .n moy CA .n maxCA .n
2 phase en interrogéUPId' chefest individu l'si EBE3
imin,imoy,imax,
Cette variable est corrigée en partie de la non-réponse (pour les chefs d'UPI n'ayant pas déclaré leur
revenu en phase 1), de la mauvaise estimation des revenus des UPI (pour les chefs d'UPI ayant sous ou
surestimé leur revenu en phase 1) et de la saisonnalité de l'activité (pour tous les chefs d'UPI interrogés en
phase 2 et pour les travailleurs des UPI ayant déclaré un revenu non nul en phase 1). Les corrections
apportées précédemment sont basées sur les déclarations des individus eux-mêmes et ne dépendent pas de
la qualité d'un modèle. Il n'est donc pas imprudent de procéder à une procédure d'imputation
économétrique, sur la base des données enrichies des informations de la phase 2. Les estimations sont
basées sur plus d'observations et sur des valeurs désaisonnalisées. La modélisation économétrique
présentée dans la sous-section 4.1.2. est donc à nouveau implémentée.
4.1.6. L'utilisation de la phase 3 pour corriger la sous-estimation des transferts.
Les ressources hors activité déclarées en phase 1 sont rares et de montants peu élevés par rapport aux
transferts reçus en espèces par les ménages tels que déclarés en phase 3. Aussi, la toute dernière variable de
revenu sera construite en intégrant au revenu du ménage les ressources hors activité collectées en phase 3.
4 Confection, cuir, chaussures, BTP, autres industries, commerce en magasin, comm. de détail hors magasin, restauration et hôtellerie, réparation et entretien, transports, autres services
19
4.2. Construction de l'agrégat de consommation :
4.2.1. Les concepts de consommation effective
Se distinguent trois concepts de consommation des ménages. Selon le concept adopté, la méthode de
construction de l'agrégat diffère. Le premier d'entre eux est lié aux dépenses d'acquisition. Une dépense est
comptabilisée si et seulement si elle a été effectuée lors de la période de référence, au montant qu'elle a
coûté. Les propriétaires de leur logement ne se voient pas imputer de loyers fictifs.
Proche du concept précédent, la consommation courante est la somme de tous les biens de
consommation régulière. Elle se collecte sur une période de référence et ne prend pas en compte les
achats de biens durables, rares et onéreux, ni les dépenses exceptionnelles de fêtes et cérémonie. Elle doit,
a priori, être proche du revenu des ménages tel qu'il est mesuré par les enquêtes 1-2-3, c'est-à-dire un
revenu courant.
Le troisième concept est lié à l'usage des biens. Il est le concept préféré en général pour l'analyse du
niveau de vie des ménages et individus. Le niveau de vie correspond aux biens consommés, détruits ou
usés au cours de la période de référence. Il implique théoriquement, entre autres traitements, l'estimation
de loyers fictifs pour les individus ne payant pas de loyer (propriétaires ou logés gratuitement), et la
répartition de l'amortissement des biens durables sur leur période de vie. Cependant, seule l'estimation de
loyers fictifs est généralement effectuée, car les informations sur la durée de vie des biens durables, des
taux d'usure et d'intérêt sont manquantes. Il est difficile de se conformer complètement au concept de
consommation d'usage.
Les enquêtes 1-2-3 permettent de mesurer un revenu courant. Aussi, l'agrégat de consommation est
construit comme la consommation annuelle régulière. Elle est composée de la consommation alimentaire,
des dépenses liées au logement, et d'autres dépenses (vêtement, éducation, services, transports,…).
Les biens durables en sont exclus. Les biens durables sont des biens pouvant être utilisés de façon
répétée ou continue, sur une période supérieure à un an (meubles, véhicules, matériels HI-FI
électroménager et informatique, construction…). Puisqu'il est quasi impossible de calculer la valeur
d'usage des biens acquis avant la période de référence de l'enquête, et que seules les dépenses du ménage
effectuées pendant l'année de l'enquête sont concernées par la mesure de consommation, les achats de
biens durables effectués pendant l'année de référence, ou avant, ne sont pas comptabilisés.
En revanche, l'agrégat tient compte d'un bien durable particulier, le bien immobilier. Les loyers
représentent une part importante de la consommation des ménages locataires. Sans traitement particulier
des dépenses liées au logement, le niveau de vie des ménages propriétaires sera sous-estimé, puisque la
dépense d'investissement immobilier est effectuée avant l'enquête et est un achat de bien durable. Il est
préférable de calculer un loyer fictif à attribuer aux propriétaires, en fonction des caractéristiques de leur
habitat, qui correspondra à l'amortissement de l'achat du bien immobilier. Une méthode classique pour ce
faire est basée sur une imputation économétrique.
Une précaution est à prendre. Supposons qu'un locataire et un propriétaire ont exactement le même
logement, de même standing et de même âge. Pour ce logement, le locataire paie un loyer de 50000 FCFA
tous les mois. L'amortissement mensuel pour un tel logement est de 40000 FCFA pour le propriétaire. En
estimant les loyers sur les seuls locataires, un loyer fictif, ou amortissement de 50000 FCFA sera imputé au
propriétaire. Ignorer la différence entre loyer payé et amortissement d'achat immobilier peut conduire à
20
surestimer les loyers fictifs attribués aux propriétaires. Une première imputation des loyers fictifs est faite à
partir de l'estimation d'un modèle de sélection, tenant compte de la distinction propriétaire/locataire.
Cependant, aucun effet de sélection n'est significatif. Aussi une deuxième imputation est menée, par un
modèle des moindres carrés ordinaires, qui donne des résultats similaires. Aucun loyer fictif n'est imputé
aux individus logés gratuitement par un tiers. En effet, celui-ci ne correspondrait pas à un amortissement
et surestimerait le bien-être de ménages pour qui ce logement est peut être une solution de secours.
L'agrégat de consommation ne prend pas en compte les dépenses exceptionnelles liées aux fêtes et
aux cérémonie, ni certaines dépenses exceptionnelles en biens alimentaires. En effet elles peuvent être
redondantes avec les dépenses alimentaires quotidiennes. Si un ménage achète une grande quantité de
poisson, déclarée dans le module de dépenses exceptionnelles alimentaires, ce peut être pour la revendre,
auquel cas il s'agit d'une consommation intermédiaire d'une unité de production informelle, pour la
donner, auquel cas il s'agit d'un cadeau en nature, ou pour la distribuer lors d'une fête, auquel cas elle
n'entre pas dans la définition de l'agrégat construit ici.
Un ménage peut acheter en grande quantité un bien alimentaire non périssable (céréales), achat
déclaré dans le module des dépenses exceptionnelles alimentaires, pour sa consommation quotidienne.
Supposons qu'un ménage déclare avoir acheté n sacs de riz au cours des six derniers mois dans le module
des dépenses exceptionnelles, et déclare également acheter un peu de riz chaque jour dans le module de
consommation quotidienne. Les deux dépenses ne peuvent être extrapolées sur l'année. Dans de tels cas,
les dépenses alimentaires sont extrapolées à partir des seules dépenses quotidiennes.
Il convient de préciser une particularité de la base de données de Bamako. Aucun ménage ne déclare
une dépenses alimentaire exceptionnelle et une consommation quotidienne du même produit. Une
procédure de suppression de certaines dépenses a donc été mise en œuvre en amont. A priori, les lignes de
dépenses exceptionnelles ont été conservées et les dépenses quotidiennes supprimées, dans les cas où les
deux types de dépenses existaient pour le même ménage et le même produit.
Les cadeaux et transferts peuvent être donnés ou reçus par le ménage enquêté, en nature ou en
espèce. Leur inclusion dans les agrégats de consommation ou de revenus font l'objet de discussions. Il est
plus prudent de ne pas inclure les cadeaux en espèces reçus par le ménage dans la consommation puisque
l'information sur leur destination (affectés à des dépenses ou à de l'épargne) est rarement connue. En
revanche, il est recommandé d'inclure les cadeaux reçus en nature dans la consommation, puisqu'ils vont
concourir au bien-être du ménage. Enfin, les cadeaux donnés par le ménage, en nature ou en espèces,
peuvent également être inclus dans l'agrégat de consommation. Si cette consommation ne reflète pas
l'usage d'un bien ou d'un service, elle peut représenter une dépense sociale.
L'inconvénient est que l'inclusion de ces biens peut mener à des doubles comptes. En effet, la même
quantité de bien sera comptée deux fois, dans la consommation du ménage qui l'a donnée et dans celle du
ménage qui l'a reçue. Si deux ménages échangent la totalité de leurs biens, de même valeur, rien ne change
dans leurs conditions de vie, mais l'indicateur de bien-être double (Deaton et Zaïdi, 2002). Aussi, les
cadeaux et transferts sont exclus de l'agrégat.
En Afrique subsaharienne, l'auto consommation joue un rôle important. Si un ménage consomme du
mil, il peut vendre une partie de sa production et en garder l'autre partie pour sa consommation
personnelle. Seule cette deuxième partie entre dans la consommation du ménage. Seule l'auto
consommation alimentaire est intégrée ici, étant majoritaire. Il est également usuel de la comptabiliser dans
21
l'agrégat de revenu. L'échantillon de la phase 3 étant un sous échantillon de la phase 1, les ménages
échantillonnés en phase 3 se verront ajouter leur auto consommation alimentaire à leur agrégat de revenu.
Les écarts entre les agrégats de revenu et de consommation sont illustrés par les courbes de Kernel de
leur distribution. Les graphiques présentés servent davantage à visualiser ces écarts qu'à supporter une
analyse en termes de distribution ou d'inégalités.
Les modules rétrospectifs permettent de prendre en compte des dépenses spécifiques à une période,
telle que les dépenses liées à la rentrée scolaire (frais de scolarisation, manuels et cahiers, vêtements,…).
Autrement dit, ils permettent d'appréhender des dépenses saisonnières. La mesure des revenus en phase 1
ne permet pas de faire de même. Aussi, le même agrégat de consommation (consommation courante, sans
cadeaux ni transferts, …) sera calculé à l'aide du seul module de consommation quotidienne. Cela permet
de proposer un montant de consommation tel qu'il serait mesuré si les dépenses étaient enquêtées aussi
sommairement que les revenus de phase 1. Il s'agit donc de mettre en avant l'importance du mode de
collecte et non de fournir une mesure pertinente de la consommation des ménages.
4.3. La mesure de la pauvreté et des inégalités.
Une fois la mesure du niveau de vie construite, certains choix méthodologiques restent à effectuer. Si
leur influence n'est pas l'objet des analyses menées ici, il convient de préciser quelles options ont été prises.
4.3.1. Les indices utilises
Les indices calculés sont des indices de pauvreté absolue. Ils sont basés sur une ligne de pauvreté fixe,
indépendante de la distribution des revenus (ou de la consommation) entre les ménages. Les indices de
Foster, Green et Thorbecke sont utilisés. Ils sont de la forme :
αα +=
=
−= ∑∑
)(1
);(1
1
z
yzw
wzP h
H
hhH
hh
où z est le seuil de pauvreté, h le ménage, yh les dépenses ou les revenus du ménage h, wh le poids du
ménage h. α est un paramètre d’aversion à la pauvreté, reflétant l'importance accordée aux plus pauvres. Si
α=0, l’indice P(0) est la proportion d'individus pauvres. Si α=1, l’indice P(1) est la profondeur de la
pauvreté, c'est-à-dire le pourcentage de la consommation qu'il est nécessaire de fournir au ménage ou à
l'individu pour sortir de la pauvreté. Enfin si α=2, l’indice P(2) est la sévérité de la pauvreté.
4.3.2. Les seuils de pauvreté utilisés
Une fois que le seuil de 1 dollar par personne et par jour est choisi, il est nécessaire de convertir ce
dollar en francs CFA. Si on utilise le taux de change (1 dollar = 733 FCFA, en 2001), identique pour tous
les pays de la zone franc, les différences de niveau de prix sont ignorées. Le différentiel de pauvreté entre
Niamey et Abidjan, par exemple, sera surestimé. En effet, plus de biens peuvent être acheté avec 1000
FCFA à Niamey qu'avec ces 1000 mêmes FCFA à Abidjan, le niveau des prix à Abidjan étant plus élevé.
Pour assurer la comparabilité des indices de pauvreté, il est d'usage d'utiliser l'indice de parité de pouvoir
d'achat.
22
Dans le cadre du programme de comparaison internationale de la production, du revenu et des prix
(PCI), l'Université de Pennsylvanie calcule de façon régulière ces indices (Tableau 18), souvent utilisés.
Beaucoup de critiques ont été soulevées à l'encontre de ces indices, accusés de sous estimer le niveau des
prix des pays pauvres. Aussi, les indices de prix construits sur la base d'enquêtes auprès des ménages par
AFRISTAT-Eurocost sont utilisés ici. Les résultats sont brièvement comparés à ceux obtenus avec les
indices de parité de pouvoir d'achat du PCI et sans prise en compte des différences de prix entre pays
(c'est-à-dire avec le taux de change).
4.3.3. Echelles d'équivalence et rendements d'échelle.
Le revenu (ou la consommation) utilisé dans le calcul des indices de pauvreté est individuel. Il est le
plus souvent le revenu du ménage par tête (revenu du ménage divisée par le nombre de membres du
ménage). Cela suppose implicitement que les ressources du ménage sont divisées de manière égale entre
les membres du ménage. Pour relâcher cette hypothèse, sont utilisées des échelles d'équivalence
définissant des unités de consommation grâce à un système de poids selon le statut dans le ménage et
l'âge. Certaines dépenses ne sont pas proportionnelles à la taille du ménage. Le caractère mutualisable de
certaines dépenses crée des effets d'échelle de la consommation. La consommation ou le revenu du
ménage par unité de consommation est défini comme :
( )( )αβββ
ββαeeaac
MeaUC
NN
YY
..,,
++=
YM est l'agrégat de consommation du ménage. Na est le nombre d'adultes autres que le chef du
ménage et Ne le nombre d'enfants (moins de 15 ans). Le paramètre α représente les rendements d'échelle.
Si α=1, ils n'y en a pas. Les paramètres β sont les poids accordés à chaque type de membre du ménage.
Les analyses sont menées sur la base du revenu (ou de la consommation) par tête. L'impact du choix
de l'échelle d'équivalence est ensuite brièvement testé : l'échelle d'Oxford (βc=1, βa=7/10, βe=1/2) et
l'échelle de l'OCDE (βc=1, βa=1/2, βe=1/3).
5. Résultats
5.1. Sensibilité de la mesure de la pauvreté à la construction de l'agrégat de revenu.
5.1.1. Les différentes sources de revenus et la qualité de leur déclaration
Le revenu du travail du ménage annuel moyen varie de 397000 FCFA à Lomé à 993000 à Abidjan
(Tableau 1). Lorsque est considéré ce même revenu, mais par tête, Ouagadougou prend la place de
dernier, juste après Niamey, du fait de ménages plus grands, en moyenne, dans ces deux capitales qu'à
Lomé. Le revenu moyen d'un ménage, toutes sources confondues, classe les capitales selon le même ordre.
Le gain hors activité moyen varie de 9000 FCFA à Ouagadougou à 31000 FCFA à Abidjan, et représente
de 2% à Bamako à 6% des revenus du travail des ménages. L'indice de parité de pouvoir d'achat issu de
l'étude AFRISTAT-Eurocost (Tableau 17) est utilisé afin de pouvoir comparer ces revenus moyens entre
eux. Bamako est choisie comme ville de référence. L'utilisation de cet indice ne change pas l'ordre des pays
en termes de revenu du ménage, mais atténue les écarts entre villes (tire les revenus ivoiriens et sénégalais
23
vers le bas et légèrement les autres vers le haut). En revanche, l'effet taille combiné à l'utilisation de l'indice
de PPA fait passer Bamako devant Dakar. Ainsi, en revenu du ménage par tête et en parité de pouvoir
d'achat, la pauvreté est la plus grande à Ouagadougou et la plus faible à Abidjan, en passant par Niamey,
Dakar, Lomé, Bamako et Cotonou.
Tableau 1 : Revenus déclarés des ménages
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Revenus de l'activité principale, déclarés en montant, prestations incluses, en milliers de FCFA
446 401 729 617 570 361 866 sans PPA [409;483] [354;448] [673;784] [535;700] [534;606] [337;385] [787;946]
459 426 700 617 581 388 796 Revenu du ménage
PPA Bamako [421;498] [376;476] [646;754] [535;700] [544;617] [363;414] [723;869]
80 75 101 106 129 97 202 sans PPA
[77;83] [71;79] [98;104] [96;117] [125;133] [94;100] [189;215]
82 80 97 106 132 104 186 Revenu par tête
PPA Bamako [79;86] [75;84] [94;100] [96;117] [127;136] [101;108] [174;198]
Revenus de l'activité principale, déclarés en montant et en tranches (médian), prestations incluses, en milliers de FCFA
839 867 1785 1190 891 574 1755 sans PPA [787;891] [812;923] [1649;1921] [1074;1307] [847;935] [539;608] [1624;1887]
864 921 1715 1190 908 617 1612 Revenu du ménage
PPA Bamako [811;918] [862;981] [1584;1846] [1074;1307] [863;953] [580;653] [1492;1733]
151 163 248 207 202 155 412 sans PPA
[147;155] [158;168] [239;257] [194;219] [197;207] [150;160] [394;429]
156 173 238 207 206 167 378 Revenu par tête
PPA Bamako [151;160] [167;178] [230;247] [194;219] [201;211] [162;172] [362;394]
Revenus du travail déclarés (activités principale et secondaire) , en milliers de FCFA
869 888 1816 1225 934 592 1808 sans PPA [815;924] [832;945] [1679;1954] [1106;1344] [888;979] [556;628] [1672;1945]
896 944 1746 1225 951 636 1661 Revenu du ménage
PPA Bamako [840;952] [884;1004] [1614;1878] [1106;1344] [905;998] [598;675] [1536;1786]
156 167 252 213 212 160 423 sans PPA
[152;161] [162;172] [244;261] [200;226] [207;217] [155;165] [405;441]
161 177 242 213 216 172 389 Revenu par tête
PPA Bamako [156;166] [172;183] [234;251] [200;226] [211;221] [167;177] [372;405]
Revenus de toutes sources, déclarés, en milliers de FCFA
883 899 1843 1238 956 615 1839 sans PPA [828;938] [842;956] [1705;1980] [1119;1357] [910;1002] [577;653] [1702;1976]
909 956 1771 1238 974 661 1689 Revenu du ménage
PPA Bamako [853;966] [895;1016] [1639;1903] [1119;1357] [928;1021] [621;702] [1563;1815]
159 169 256 216 217 166 430 sans PPA
[154;164] [164;174] [247;265] [203;228] [212;222] [161;171] [412;448]
164 179 246 216 221 179 395 Revenu par tête
PPA Bamako [159;169] [174;185] [238;254] [203;228] [216;226] [173;184] [379;412]
Données pondérées, indice PPA UEMOA. L'indice de PPA de Bamako est utilisé comme référence. Les intervalles de confiance sont calculé au seuil de 95%.
L'introduction des revenus de l'activité secondaire baisse le taux de pauvreté extrême de 1,0 point de
pourcentage à Niamey à 3,3 points à Cotonou (Tableau 2). L'effet des revenus hors activité est plus faible.
En effet, peu d'enquêtés déclarent ce genre de revenus. Les revenus financiers, rentes ou pensions
publiques sont évidemment rares dans les capitales de l'UEMOA. En revanche, les enquêtes sur la
24
consommation attestent souvent d'un rôle important des transferts entre ménages. Ils sont donc mal
mesurés par l'enquête. Pourtant s'ils sont bien, ou mieux, mesurés dans les enquêtes sur la consommation,
c'est qu'il n'existe pas a priori une réticence à les déclarer. La mauvaise déclaration des transferts dans le
module des ressources hors activité est due à leur collecte (une seule question sur le montant annuel).
Les taux d'extrême pauvreté obtenus sans aucun traitement des revenus sont très élevés, comparés à
des taux urbains issus d'enquêtes antérieures et de méthodologie diverses. Une des raisons en est la sous
estimation du revenu des ménages du fait de la non-réponse fréquente aux revenus des activités principale
et secondaire (Tableau 24). Au maximum, 55,5% des actifs occupés déclarent un revenu non nul, à Lomé.
Par ailleurs, les revenus de ménage nuls sont très nombreux, de 3,0% à Cotonou à 15,4% à Niamey pour
les revenus de toutes sources des ménages. Ces revenus nuls sont inclus dans le calcul.
La majorité de ces ménages (de 47,2% à Niamey à 83,5% dans la ville de Cotonou) sont constitués
seulement de membres inactifs ou chômeurs et ne déclarant pas de ressources hors activité. Ils ont certes
un revenu non nul puisque vivants, mais si ce revenu est, pour la majorité d'entre eux, issu seulement
d'entraide (ou mendicité, larcins,…), il doit être très faible. Aussi, ces ménages sont pauvres. Il ne serait
donc pas pertinent de les exclure complètement du calcul des indices de pauvreté. D'autres ménages ne
déclarent aucun revenu bien que comportant des membres actifs occupés et rémunérés. C'est pour ceux-là
que vont être mises en oeuvre des procédures d'imputations économétriques.
Tableau 2 : Pauvreté extrême selon les sources de revenu considérées Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Incidence de la pauvreté extrême
Act. principale (rev. déclarés en montant) 77,6 79,2 71,4 71,6 61,8 67,1 54,9 Act. principale (tous rev. déclarés) 57,8 53,6 37,4 45,3 40,1 48,0 23,2 Revenus du travail 57,3 53,1 36,8 43,8 38,4 46,8 22,7 Revenus toutes sources 56,8 52,7 35,6 43,3 37,2 45,5 22,0
Pourcentage de ménages dont le revenu total déclaré est nul Act. principale (revenus déclarés en montant) 48,8 41,9 41,9 34,1 34,0 32,3 30,0 Act. principale (tous revenus déclarés) 20,4 12,7 13,0 10,4 10,2 9,6 8,1 Revenus du travail 20,2 12,6 12,9 10,3 10,0 9,4 8,1 Revenus toutes sources 15,4 8,6 8,2 7,8 3,0 4,7 3,7
Seuil de pauvreté à 1 dollar, en PPA UEMOA. Sans aucun traitement. Données pondérées. Revenus nuls inclus.
5.1.2. Imputations économétriques des revenus d'activité.
Les premières imputations économétriques concernent les travailleurs dépendants du secteur formel.
La variable explicative est le logarithme du revenu horaire. Le modèle est estimé sur l'ensemble des
travailleurs dépendants du secteur formel rémunérés. Les variables explicatives sont de trois types : les
caractéristiques sociodémographiques (le genre, le nombre d'années d'études achevées avec succès et le
carré de ce nombre, l'expérience potentielle5 et son carré divisé par 100 et de variables indicatrices pour le
statut migratoire), les caractéristiques de l'entreprise (des variables indicatrices pour les administrations
publiques, les entreprises publiques ou parapubliques et, en catégorie de référence, les entreprises privées
formelles ; et une indicatrice de taille de l'entreprise), et celle de l'emploi (l'ancienneté dans l'emploi et son
carré divisé par 100, la possession d'un bulletin de paie et d'un contrat de travail écrit).
Les résultats de l'estimation du modèle figurent en annexe (Tableau 25). Ses qualités prédictives sont
relativement bonnes, avec jusqu'à 67% de corrélation entre les revenus déclarés et les revenus prédits à
Ouagadougou. Le revenu imputé moyen pour les individus ayant déclaré leur revenu en montant y est 5 expérience potentielle = age - 6 ans - nombre d'années d'études.
25
inférieur de 1000 FCFA au revenu moyen. En revanche ce même coefficient de corrélation n'est que de
0,34 pour la ville de Bamako. En regardant plus en détail les différences entre revenus déclarés et prédits, il
apparaît que la différence en moyenne provient de la difficulté du modèle à prévoir les hauts revenus. En
revanche, il surestime légèrement les revenus inférieurs au revenu médian.
Les variables identifiantes sont la qualité de l'enquête, la performance de l'enquêteur et le statut dans le
ménage. Ce sont les variables de qualité qui prédisent le mieux le fait de répondre, le statut de chef de
ménage n'est un instrument valide qu'à Abidjan. Pour chaque ville, la validité des instruments est testée en
régressant le logarithme du revenu horaire sur les variables explicatives de l'équation d'intérêt, la
probabilité de répondre estimée en première étape et sur les variables identifiantes. Pour chaque ville, au
moins une variable n'a aucun impact direct significatif sur le revenu, le plus souvent la variable de qualité
globale. Cela veut dire que la variable identifiante n'a plus d'impact sur le revenu une fois son rôle dans la
probabilité de répondre pris en compte. Pour les travailleurs dépendants du secteur formel de toutes les
villes, au moins un instrument est valide.
Chez les travailleurs dépendants du secteur formel, la non-réponse est aléatoirement distribuée. En
effet, l'hypothèse MAR est vérifiée puisque le coefficient de l'inverse du ratio de Mills n'est jamais
significativement différent de 0. La non-réponse n'est pas liée, ici, à la non déclaration des hauts revenus
formels, principalement de la fonction publique. En revanche, le rôle de la performance de l'enquêteur est
très important et significatif partout sauf à Abidjan, ville pour laquelle le statut dans le ménage prédit
correctement le fait de répondre, mais pas le revenu.
Le modèle concernant les travailleurs dépendants rémunérés du secteur informel est ensuite estimé.
Les variables de caractéristiques sociodémographiques sont les mêmes que pour le modèle précédent. Les
caractéristiques de l'entreprise sont des indicatrices de taille de l'entreprise et de branche d'activité
(primaire, industrie, commerce et services). Les caractéristiques de l'emploi sont l'ancienneté dans l'emploi
et son carré divisé par 100; la catégorie socio professionnelle (cadres, ouvriers ou employés, manœuvres,
aides familiaux, et comme référence les apprentis) et le type de rémunération (indicatrice valant 1 si
l'individu est rémunéré de façon fixe).
Les résultats de l'estimation du modèle figurent en annexe (Tableau 26). Le revenu des travailleurs
dépendants du secteur informel est correctement prédit. La corrélation entre les revenus déclarés et les
revenus prédits va de 45% à Bamako à 88% à Ouagadougou.
Les variables identifiantes sont les variables de qualité du travail de terrain. A Niamey, Ouagadougou,
Dakar, Cotonou et Lomé, au moins un des instruments est valide. La validité des instruments est testée de
la même façon que précédemment. A Abidjan, la performance de l'enquêteur influe sur la probabilité de
répondre et sur le revenu. A Bamako, aucune des variables supposées identifiantes ne joue sur la
probabilité de réponse.
Parmi les cinq villes pour lesquelles le modèle est identifié, la non-réponse est corrélée au niveau de
revenu à Ouagadougou et Dakar seulement. Cette corrélation est négative à Ouagadougou et positive à
Dakar. A Ouagadougou, la non-réponse serait donc plus fréquente lorsque le revenu augmente. Dakar
connaîtrait le phénomène inverse.
Le modèle concernant les travailleurs indépendants rémunérés est enfin estimé. Les variables de
caractéristiques sociodémographiques et les caractéristiques de l'entreprise sont les mêmes que pour le
26
modèle précédent. Les caractéristiques de l'emploi sont l'ancienneté dans l'emploi et son carré divisé par
100 et le statut de patron (en référence, les travailleurs à leur compte propre).
Les résultats de l'estimation du modèle figurent en annexe (Tableau 27). Le revenu des travailleurs
indépendants est moins bien prédit que celui des dépendants. La corrélation entre les revenus déclarés et
les revenus prédits descend jusqu'à 22% à Bamako. Le modèle sous estime les revenus des travailleurs
indépendants.
Les variables identifiantes sont les variables de qualité du travail de terrain. A Niamey, Ouagadougou,
Dakar et Bamako, au moins un des instruments est valide. La validité des instruments est testée de la
même façon que précédemment. A Cotonou, Lomé et Abidjan, seule la performance de l'enquêteur influe
sur la probabilité de répondre. Cependant, elle influe directement sur le niveau de revenu déclaré une fois
son rôle indirect par le biais de la non-réponse pris en compte. Les instruments ne sont donc pas valides,
le modèle n'est pas identifié.
Parmi les quatre villes pour lesquelles le modèle est identifié, la non-réponse est corrélée au niveau de
revenu à Ouagadougou. Cette corrélation est négative. Il existe donc des variables inobservables ou
inobservées influant positivement sur le fait de répondre et négativement sur le niveau de revenu. La non-
réponse serait donc plus fréquente lorsque le revenu augmente. La performance de l'enquêteur est encore
très importante dans toutes les villes.
Tableau 3 : Qualité des imputations économétriques Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
corrélation entre revenu déclaré et revenu imputé dépendants du sect. formel 0,62 0,67 0,47 0,34 0,63 0,55 0,39 dépendants du sect. informel 0,66 0,88 0,63 0,45 0,68 0,58 0,45 Indépendants 0,50 0,50 0,35 0,22 0,36 0,51 0,43
revenus moyens imputés dépendants du sect. formel 76 67 98 65 66 49 122 dépendants du sect. informel 32 22 23 19 22 15 30 Indépendants 24 20 41 28 29 17 37 Ensemble 43 33 48 33 36 23 57
revenus moyens déclarés dépendants du sect. formel 76 67 107 75 79 55 136 dépendants du sect. informel 38 23 29 22 24 17 36 Indépendants 39 33 56 48 39 23 50 Ensemble 51 39 59 47 45 28 68
Données pondérées, sans PPA.
Les modèles estimés prédisent donc, pour l'ensemble des actifs occupés rémunérés ayant déclaré leur
revenu en montant, des revenus inférieurs aux revenus déclarés de 15 à 30% selon les villes (Tableau 3).
Cette sous estimation est due principalement à la sous estimation des revenus des travailleurs
indépendants pour lesquels elle va de 26 à 42%, alors qu'elle est comprise entre 1% et 16% pour les
travailleurs dépendants du secteur formel et entre 4% et 21% pour les travailleurs dépendants du secteur
informel.
Ces imputations de revenus ont pour effet de baisser le revenu moyen par ménage par rapport au
revenu global calculé sur les variables brutes, hormis à Niamey et Ouagadougou (Tableau 4). Cela peut
paraître étrange mais s'explique complètement pas la construction des agrégats. L'imputation de revenu
aux individus n'ayant pas répondu à la question du revenu, ni en montant, ni en tranche fait augmenter le
revenu moyen des ménages concernés. Cependant, l'estimation des revenus des individus ayant déclaré
leur revenu en tranche fournit des revenus plus bas, en général, que les revenus médians choisis
27
précédemment de façon arbitraire. Les travailleurs déclarant un revenu en tranche auraient, en moyenne,
un revenu inférieur au médian de la tranche. L'ordre des villes reste le même.
Tableau 4 : Statistiques descriptives des revenus imputés. Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Revenus toutes sources après imputations 905 909 1746 1078 910 581 1611 sans
PPA [859;951] [854;963] [1673;1819] [991;1165] [871;949] [548;615] [1511;1710] 933 966 1678 1078 927 625 1480
Revenu du ménage PPA
[885;980] [908;1024] [1608;1748] [991;1165] [887;967] [589;662] [1388;1571] 162 170 242 186 206 157 376 sans
PPA [158;166] [165;175] [238;246] [175;196] [202;210] [153;161] [361;391] 167 181 232 186 210 169 346
Revenu par tête PPA
[163;172] [176;186] [228;236] [175;196] [205;214] [164;173] [332;359]
Ménages ayant un revenu nul (%) 7,8 5,6 5,0 5,8 2,8 4,6 2,9
Données pondérées
Si le revenu moyen des ménages diminue, ou augmente peu, la baisse de la proportion de ménages
ayant un revenu nul diminue. En conséquence, les taux de pauvreté extrême diminuent : jusqu'à 6,6 points
de pourcentage à Dakar, soit une baisse de 18,5%. Le taux de pauvreté augmente seulement à Lomé, ville
où la non-réponse est la moins importante. L'effet à la baisse du remplacement des médianes par les
revenus prédits, pour les travailleurs déclarant leurs revenus en tranche, l'emporte sur l'effet de diminution
des ménages à revenu nul.
Tableau 5 : Pauvreté extrême après imputation.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Incidence de la pauvreté extrême selon l'inclusion ou l'exclusion des ménages à revenu nul du calcul du taux
ménages à revenu nul inclus 51,3 46,5 29,0 41,8 35,2 46,1 20,7
ménages à revenu nul exclus 46,2 43,0 24,4 39,1 31,7 43,2 17,1
Part de ménages à revenu nul 7,8 5,6 5,0 5,8 2,8 4,6 2,9
Seuil de pauvreté à 1 dollar, en PPA UEMOA. Revenus de l'activité principale imputés pour les non répondants. Données pondérées.
Il reste donc encore de ménages ayant un revenu nul, de 2,8% à Cotonou à 7,8% à Niamey.
Maintenant, 87,6% d'entre eux sont des ménages sans actifs occupés, déclarant majoritairement vivre grâce
à des transferts de proches.
5.1.3. La mesure des revenus du secteur informel.
La première source de sous estimation des revenus des ménages, identifiée dans la sous section
précédente, est la difficile estimation des revenus d'activité des travailleurs indépendants. La majorité
d'entre eux dirigent une entreprise dite informelle, au sens où ils ne l'ont pas enregistrée statistiquement ou
fiscalement et/ou ne tiennent pas de comptabilité.
Les enquêtes 1-2-3, de par leur caractère emboîté, permettent de corriger de la non-réponse et de la
sous estimation pour les chefs d'unités de production informelle interrogés en phase 2, et ce sans
hypothèses inhérentes à toute modélisation. Or, la catégorie dont les revenus sont les plus touchés par la
non-réponse est celle des travailleurs indépendants (Tableau 24). Selon les villes, de 41,8% à 59,9% des
chefs d'UPI interrogés en phase 2 pour leur activité principale avaient déclaré leur revenu en phase 1 et de
37,9% à 48,4% avaient déclaré leur revenu en tranche.
28
Tableau 6 : Sous estimation des revenus des indépendants du secteur informel.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
EBE annuel des chefs d'UPI présents en phase 2, dans le cadre de l'activité principale
422 304 703 504 372 270 622 issu de la phase 1 [350 ; 495] [270 ; 337] [628 ; 778] [404 ; 603] [311 ; 432] [241 ; 299] [540 ; 704]
787 852 1102 949 659 300 1724 issu de la phase 2.
[593 ; 981] [650 ; 1053] [958 ; 1246] [701 ; 1196] [524 ; 794] [249 ; 350] [1378 ; 2070]
augmentation (%) + 87% + 180% + 57% + 88% + 77% + 11% + 177%
corrélation revenu de phase 1 et EBE de phase 2
0,18*** 0,22*** 0,09*** 0,13*** 0,19*** 0,15*** 0,12***
EBE négatifs (%) 0,2 4,2 0,0 1,8 7,4 4,7 1,7
Données pondérées. Sans PPA Les chefs d'UPI pour lesquels le revenu n'a pu être calculé à partir des données de la phase 1 ne sont pas pris en compte dans la comparaison.
Sans tenir compte de la saisonnalité de l'activité, l'EBE déclaré en phase 2 pour l'activité principale est
entre 1,1 à 2,9 fois supérieur à celui déclaré en phase 1. La sous estimation des revenus des entreprises
informelles est donc très importante. Ce résultat rejoint celui de Mel et al. (2007) qui concluent que les
profits déclarés directement par les chefs de micro entreprises (équivalant aux revenus de phase 1) sont
inférieurs aux profits calculés comme la différence entre recettes et dépenses (équivalant aux EBE de
phase 2). En revanche, un très faible pourcentage d'UPI présente un EBE négatif (de 0,0% à Dakar à
7,4% à Cotonou). Sur des données sri lankais Mel et al. obtenaient 30% de micro entreprises avec un
profit négatif, calculé comme la différence entre recettes et dépenses.
La sous estimation de phase 1 n'est pas, a priori, due à une mauvaise volonté des enquêtés, puisqu'ils
se plient à l'étude de leurs dépenses, chiffres d'affaires, main d'œuvre et autres, en détail, lors de la phase 2.
Elle peut être due à la difficulté de calculer le profit mensuel sans tenue de comptabilité.
Ces différences pourraient être dues à des changements d'activité entre les deux phases. Les deux
phases ont été organisées de façon rapprochée dans le temps, et il n'y a pas de raison que les chefs d'UPI
trouvent majoritairement des activités mieux rémunérées entre les deux phases, et avec un écart de revenu
si grand. La cohérence entre les activités déclarées en phase 1 et 2 est cependant étudiée de plus près.
Environ 0,2% des chefs d'UPI sont, dans les données de phase 1, des travailleurs dépendants. De
plus, si ces faibles effectifs ont été échantillonnés pour la phase 2, c'est qu'ils avaient tout de même été
identifiés comme des chefs d'UPI. Parmi les autres, 8,6% ont changé de statut d'indépendant (de patron à
compte propre ou vice versa), cette proportion allant jusqu'à 17,7% à Abidjan. La proportion de
changements de statut n'est pas fonction du délai entre les phases 1 et 2 puisqu'elles se sont enchaînées
dans toutes les villes. A Dakar, l'écart à été plus long, or les changements de statuts n'y sont pas plus
nombreux.
Selon les villes, de 27,0% à Abidjan à 42,0% des chefs d'UPI déjà identifiés comme chefs d'UPI en
phase 1 à Cotonou ont changé de branche d'activité entre les deux phases. Si ces taux sont inquiétants aux
premiers abords, ces changements sont dus dans la majorité des cas au codage des activités et non à un
changement réel d'emploi. Par exemple, un individu vendant des beignets était considéré comme
travaillant dans la fabrication de produits alimentaires en phase 1, mais est affecté à l'activité de
restauration dans la phase 2. La plupart des activités considérées comme des industries en phase 1 sont
considérées comme du commerce en phase 2. Les incohérences sont très majoritairement de ce type.
Certains individus, déclaraient en phase 1 mener une activité de commerce en magasin, en phase 2 hors
29
magasin. Ils n'ont pas nécessairement "perdu" leur magasin, puisque les données de phase 1 disent, pour
beaucoup d'entre eux, qu'ils étaient marchand ambulants !
En corrigeant ces différences de collecte mais non d'activité réelle des individus, le taux de
changements d'activité descend. Il varie alors de 0,0% à Lomé à 2,9% à Cotonou. Par ailleurs, les cas
restants ne sont pas tous des changements d'activité flagrants, mais des cas pour lesquels trancher est
difficile. Les différences de revenus ne sont donc pas à attribuer à des changements d'activité.
Les différences de revenus entre les phases 1 et 2 peuvent provenir du codage des revenus. Les
revenus de phase 1 comme les dépenses, charges et recettes de la phase 2 sont collectés en milliers. Ce
mode de collecte est dangereux car il est fréquent que les enquêteurs commettent des erreurs en faisant les
divisions par 1000. Ceci s'observe principalement dans la phase 2 où plusieurs grandeurs sont renseignées.
Les activités des UPI sont caractérisées par de faibles rendements du capital technologique ou humain
(hautes qualifications). Autrement dit, les dépenses et les recettes sont bien corrélées, de plus de 90% dans
toutes les villes.
Il est donc possible de repérer des valeurs aberrantes qui entraînerait un EBE très supérieur au
montant du revenu déclaré en phase 1. Ces valeurs ont été corrigées lors de l'apurement et corrigées à
nouveau ici. Ainsi, les grandeurs de phase 2 sont cohérentes entre elles. En revanche, le montant ou la
tranche de revenu déclarés en phase 1 ne peuvent être corrigés aussi aisément car il n'y a pas toujours
d'information auxiliaire permettant de déceler une erreur commise lors de la conversion en milliers.
Cependant, les revenus ne présentent pas de valeurs aberrantes pour une catégorie d'emploi donnée. Les
valeurs extrêmement élevées correspondent à des emplois qualifiés et/ou à des postes de responsabilité.
Les revenus les plus bas sont perçus par des emplois informels, des manœuvres, comptes propre ou
apprentis.
Malgré ces corrections, il reste des d'écarts inexplicables entre l'EBE de phase 2 et celui de phase 1.
Mais les écarts les plus grands, en pourcentage, sont en faveur du revenu déclaré en phase 1. Aussi, ces
écarts ne sont pas l'explication de la supériorité des EBE moyens de phase 2. Les montants déclarés en
phase 2 offrent une cohérence interne à la phase 2. Les hauts revenus de phase 1 sont parfois liés à des
activités peu rémunératrices, tel que le commerce en détail hors magasin. Les montants déclarés en phase
2 paraissent plus fiables. De nouvelles corrections pourraient être menées. Cependant, il est difficile de
déterminer quel revenu est entaché d'erreur, et par quel facteur multiplicatif le corriger. En effet, les
erreurs possibles ne sont pas forcément un oubli de multiplication ou de division par 1000, mais peuvent
être d'un facteur 10, 100, 1000, 10000. La collecte de revenus (ou de toutes autres variables monétaires) est
meilleure lorsque les montants sont inscrits en unités monétaires par l'enquêteur que lorsqu'ils sont inscrits
en milliers d'unités monétaires. Il en est de même lors de la phase de saisie.
La différence à la hausse des revenus des chefs d'UPI peut également être due à la période de collecte
(Graphiques 1, 2 et 3). Les différences sont maximales à Abidjan et dans les villes sahéliennes. A Abidjan,
l'EBE de phase 2 augmente de 77% par rapport à celui de phase 1, pour les mêmes individus, et avec les
mêmes pondérations. Pourtant, le mois de collecte de la phase 2 est jugé mauvais pour la majorité des
chefs d'UPI, alors que le mois d'enquête de phase 1 est jugé plutôt bon (Graphique 3). La sous estimation
de la phase 1 doit donc être forte pour que l'EBE de phase 2 soit tant supérieur à celui de phase 1, sans
que la saison n'y joue un grand rôle.
30
Les villes sahéliennes (Niamey, Ouagadougou et Bamako) ont été enquêtées pour la phase 1, durant
les mêmes mois de septembre et octobre, correspondant à une saison de transition entre la saison des
pluies et la saison dite fraîche. La phase 2 a eu lieu en novembre et décembre (saison fraîche), mois
d'activité la plus intense d'après les chefs d'UPI (Graphique 1). L'EBE augmente entre les phases grâce à la
méthode de collecte, mais aussi grâce à une saison plus favorable aux affaires.
A Dakar, l'augmentation de l'EBE entre les deux phases de collecte est de 51%, chiffre élevé dans
l'absolu mais faible par rapport aux autres villes. En effet, le mois d'enquête de la phase 1 est déclaré
comme un mois d'activité minimum par 37,1% des chefs d'UPI, alors que le mois de collecte de la phase 2
est un mois d'activité minimum pour seulement 21,7% des chefs d'UPI. Ainsi, l'augmentation de l'EBE est
plus probablement du à une sous estimation en phase 1, redressée en phase 2 grâce à une collecte
approfondie.
A Cotonou et Lomé, l'augmentation est comme à Dakar, plus faible que dans les autres villes, bien
que la phase 2 ait été opérée dans une période plus propice que la phase 1, d'après les déclarations des
chefs d'UPI. La sous estimation y était peut être plus faible en phase 1, ou sa correction grâce à la collecte
de phase 2 y a été moins efficace.
La durée moyenne d'activité est, supérieure à 11 mois dans toutes les villes. La durée moyenne est
minimale à Lomé (11,1 mois) où 87,1 % des UPI ont fonctionné 10 mois et plus durant les 12 derniers
mois6. La prise en compte de la durée d'activité permet d'annualiser l'EBE de façon plus précise que
précédemment (où l'EBE annuel était obtenu en multipliant l'EBE mensuel par 12). Lorsque l'EBE annuel
est calculé comme le produit de l'EBE mensuel et de la durée d'activité, il baisse peu en moyenne, au
maximum de 6% à Lomé, ville dans laquelle la durée moyenne d'activité est la plus faible, ou pas du tout,
comme à Dakar.
En revanche, la désaisonnalisation complète, à l'aide des ratios de saisonnalité renseignés par les chefs
d'UPI et du nombre de mois de chaque type, a un impact conséquent sur l'EBE annuel. Dans toutes les
villes, le profit annuel moyen des UPI augmente lorsque la saisonnalité est corrigée. L'impact est le plus
grand à Abidjan (plus 25%) et dans les trois villes sahéliennes (plus 22% à Niamey, 26% à Ouagadougou
et 39% à Bamako) . A Dakar il est le plus faible puisqu'il fait augmenter l'EBE moyen de seulement 5%.
A Cotonou et Lomé, il augmente dans des proportions similaires, respectivement de 15% et 19%. Cette
augmentation représente jusqu'à 420 000 FCFA à Abidjan et 372 000 FCFA à Bamako.
L'impact de la désaisonnalisation classe les villes dans le même ordre que les différences entre les
phases 1 et 2. Dans les deux villes côtières, l'impact est inférieur à 20%. Le graphique 2 montre bien que
ces deux villes sont soumises à la même saisonnalité. Par ailleurs, elles ont été enquêtées à la même
période, pendant les mois de novembre et décembre. Les ratios de saisonnalité sont les plus élevés,
puisque les EBE des UPI triplent entre les mois d'activité minimum et les mois d'activité maximum, en
moyenne. En revanche, la saisonnalité y est uni modale, l'activité marquant un pic unique au cours de
l'année, en décembre. Ceci peut compenser le fort ratio de saisonnalité et la période de collecte. Le
nombre de mois d'activité minimale et maximale peut également s'équilibrer afin que l'EBE non
désaisonnalisé soit proche de l'EBE désaisonnalisé.
6 Ceci tend à rejeter l'importance des changements d'activité entre les deux phases.
31
C'est à Dakar et Abidjan que le ratio de saisonnalité moyen est le plus faible, proche de 2. A Dakar, la
désaisonnalisation joue peu sur le calcul de l'EBE annuel. A l'inverse, la désaisonnalisation joue très
fortement, et à la hausse à Abidjan. En effet, elle permet de tenir compte du pic d'activité des mois de
février, mars et avril pendant lesquels aucune collecte n'a été opérée.
Enfin, le ratio de saisonnalité des villes sahéliennes est moyen, pourtant la désaisonnalisation a un
impact important sur le niveau de l'EBE moyen (Tableau 7). L'explication peut être la distribution de
l'intensité selon la période et la branche, car globalement, toutes branches confondues, les courbes du
graphique 1 n'indiquent pas de période de forte activité autre que celle de la collecte de la phase 2. Le ratio
de saisonnalité est variable selon les branches d'activité (Tableau 28). Par exemple, la saisonnalité affecte
moins les revenus dans le commerce en magasin. Ceci atteste de l'intérêt d'utiliser des ratios spécifiques à
chaque branche pour traiter la saisonnalité des revenus déclarés en phase 1.
La désaisonnalisation des EBE des chefs interrogés en phase 2 est effectuée sur la base des
informations sur le rythme d'activité déclaré individuellement par chaque chef d'UPI. Celle des revenus de
tous les travailleurs informels interrogés en phase 1 est effectuée sur la base de ratio de saisonnalité moyen
par branche d'activité et du profil "type" de l'année par branche : (nombre de mois d'activité minimum,
nombre de mois d'activité moyen, nombre de mois d'activité maximum). Cette différence peut expliquer
pourquoi la désaisonnalisation a un impact plus faible, même en pourcentage, sur les revenus des
travailleurs du secteur informel. A Ouagadougou, Dakar et Lomé, le revenu moyen annuel désaisonnalisé
est même inférieur à celui non désaisonnalisé.
Il ne s'agit pas d'une différence de saisonnalité entre travailleurs dépendants du secteur informel et les
chefs d'UPI. Cela vient du fait que, pour beaucoup de branches et de villes, le profil de saisonnalité type
est de 4 mois de chaque intensité. De plus, le mois d'enquête de phase 1 est très souvent un mois d'activité
moyenne, d'après les déclarations des chefs d'UPI de phase 2. Aussi, les hausses de revenus des mois
d'intensité maximale compensent les baisses de revenu des mois d'intensité minimale.
D'ailleurs, les villes où l'impact de la désaisonnalisation est le plus fort sont Bamako et Cotonou.
Bamako est la seule ville pour laquelle le mois de collecte de la phase 1 est déclaré d'activité minimum par
la majorité des chefs. Cotonou est la ville pour laquelle l'écart entre nombre de mois d'activité maximum et
nombre de mois d'activité minimale est le plus grand.
Tableau 7 : Redressement des revenus des travailleurs indépendants informels Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Saisonnalité
Ratio de saisonnalité 2,5 2,6 2,0 2,7 3,1 2,8 2,0
EBE des chefs d'UPI présents en phase 2, dans le cadre de l'activité principale
787 852 1102 949 659 300 1724 Sans désaisonnalisation [593 ; 981] [650 ; 1053] [958 ; 1246] [701 ; 1196] [524 ; 794] [249 ; 350] [1378 ; 2070]
783 832 1102 943 648 283 1714 Avec la durée d'exercice
[589 ; 976] [631 ; 1033] [958 ; 1246] [696 ; 1191] [513 ; 782] [235 ; 331] [1368 ; 2060]
952 1051 1155 1315 744 337 2134 Avec désaisonnalisation
[731 ; 1174] [707 ; 1396] [1004 ; 1306] [624 ; 2006] [604 ; 884] [285 ; 389] [1602 ; 2667]
Augmentation (EBE3-EBE2) + 22% + 26% + 5% + 39% + 15% + 19% + 25%
Revenu annuel d'activité principale des travailleurs du secteur informel interrogés en phase 1.
415 299 692 501 391 268 616 non désaisonnalisé [363 ; 468] [270 ; 328] [625 ; 758] [413 ; 589] [342 ; 441] [243 ; 293] [536 ; 696]
429 291 684 555 487 262 622 désaisonnalisé
[376 ; 483] [263 ; 319] [618 ; 749] [459 ; 650] [422 ; 552] [238 ; 287] [542 ; 701] Données pondérées. Sans PPA. Chefs d'UPI ayant déclaré leur revenu en phase 1 (en montant ou en tranches).
32
L'utilisation des données de phase 2 permet de corriger visiblement de la non-réponse, de la sous
estimation et de la saisonnalité des revenus des chefs d'UPI (Tableau 8). Cette hausse est faible à Lomé où
la désaisonnalisation pour les travailleurs dépendants du secteur informel joue à la baisse sur les revenus.
Cependant, la réévaluation à la hausse des EBE permet de compenser cette baisse pour que globalement,
les corrections apportées grâce à la phase 2 fassent augmenter de 4% le revenu moyen d'un ménage.
Tableau 8 : Statistiques descriptives des revenus après correction des revenus informels. Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Revenus issus toutes sources avant correction des revenus du secteur informel
883 899 1843 1238 956 615 1839 sans PPA
[828 ; 938] [842 ; 956] [1705 ; 1980] [1119 ; 1357] [910 ; 1002] [577 ; 653] [1702 ; 1976]
909 956 1771 1238 974 661 1689 Rev. du ménage
PPA Bamako [853 ; 966] [895 ; 1016] [1639 ; 1903] [1119 ; 1357] [928 ; 1021] [621 ; 702] [1563 ; 1815]
159 169 256 216 217 166 430 sans PPA
[154 ; 164] [164 ; 174] [247 ; 265] [203 ; 228] [212 ; 222] [161 ; 171] [412 ; 448]
164 179 246 216 221 179 395 Rev. par tête
PPA Bamako [159 ; 169] [174 ; 185] [238 ; 254] [203 ; 228] [216 ; 226] [173 ; 184] [379 ; 412]
Revenus issus toutes sources après correction des revenus du secteur informel
1047 1216 2148 1874 1248 638 2631 sans PPA
[976 ; 1118] [1081 ; 1351] [1991 ; 2304] [1534 ; 2214] [1174 ; 1323] [599 ; 677] [2332 ; 2929]
1079 1292 2064 1874 1272 686 2417 Rev. du ménage
PPA Bamako [1005 ; 1152] [1149 ; 1436] [1913 ; 2215] [1534 ; 2214] [1196 ; 1347] [645 ; 728] [2143 ; 2691]
187 229 297 332 283 174 604 sans PPA
[182 ; 193] [217 ; 240] [288 ; 307] [288 ; 377] [275 ; 292] [168 ; 179] [563 ; 645]
193 243 286 332 289 187 555 Rev. par tête
PPA Bamako [188 ; 198] [231 ; 255] [277 ; 295] [288 ; 377] [280 ; 297] [181 ; 192] [517 ; 593]
Données pondérées. PPA UEMOA
En conséquence, les taux de pauvreté baissent de 3,0 points de pourcentage à Abidjan à 6,4 points à
Ouagadougou (Tableau 9). Le taux de pauvreté augmente à Lomé. La faible augmentation du revenu des
ménage et du revenu par tête concerne des ménages qui étaient déjà au dessus de la ligne de pauvreté. Les
baisses de revenus lors de la désaisonnalisation font passer des individus en dessous du seuil.
Tableau 9 : Pauvreté extrême après le redressement des revenus informels.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Ménages à revenus nuls inclus
Correction des EBE 52,8 46,3 31,6 40,9 36,3 47,3 19,4
Correction de tous les rev. informels 51,0 46,3 31,7 39,7 32,8 46,5 19,0
Ménages à revenus nuls exclus
Correction des EBE 46,1 42,7 28,0 38,2 35,0 45,4 17,8
Correction de tous les rev. informels 45,0 42,9 28,2 37,0 31,7 45,0 17,5
Données pondérées. PPA UMEAO. Echantillon de phase 1
5.1.4. Procédures d'imputation économétrique basées sur les données augmentées.
Le problème de ménages déclarant un revenu total nul persiste. Par ailleurs les taux de pauvreté
extrême restent très élevés. Ils sont en moyenne deux fois plus élevés que les taux calculés sur les données
de 1996 par Torelli et Backiny-Yetna (2000) et généralement plus élevé que tous les taux recueillis selon
des sources disparates et des méthodologies et données d'enquête différentes. Les traitements effectués
permettent de corriger les revenus des individus interrogés en phase 2, mais pas d'imputer des revenus aux
autres travailleurs du secteur informel, seulement de corriger leur revenus de la saisonnalité s'ils les ont
33
déclarés. Aussi, les procédures d'imputation économétrique sont mises en œuvre à nouveau, à partir des
données augmentées de l'information de phase 2, et tenant compte de la saisonnalité.
La variable dépendante est le logarithme du revenu horaire. Pour les chefs d'UPI interrogés en phase
2, il est égal à l'EBE annuel désaisonnalisé divisé par le nombre de mois d'activité et par le nombre
d'heures travaillées dans le mois. Pour les travailleurs du secteur informel (chefs d'UPI non interrogés en
phase 2 et travailleurs dépendants), il est égal au revenu annuel désaisonnalisé divisé par le nombre de
mois d'activité et par le nombre d'heures travaillées dans le mois, s'ils avaient déclaré leur revenu en
montant ou en tranche. Pour les travailleurs dépendants du secteur formel, il est égal au revenu mensuel
déclaré pour le mois de référence, divisé par le nombre d'heures travaillées dans le mois, s'ils avaient
déclaré leur revenu en montant ou en tranche.
Les modèles sont estimés comme précédemment, à savoir selon la méthode d'Heckman et séparément
pour chaque ville. Le modèle concernant les travailleurs dépendants du secteur formel n'est pas estimé à
nouveau puisque les données qu'ils concernent n'ont pas été modifiées. La phase 2 a modifié uniquement
les revenus du secteur informel.
Les coefficients estimés (Tableaux 29 et 30) sont semblables à ceux obtenus avant correction des
revenus de l'informel.
Pour le modèle des travailleurs dépendants du secteur informel, il existe au moins un instrument
valide (le critère de validité utilisé est le même que précédemment) pour cinq villes, voire six. En effet, à
Abidjan, la performance de l'enquêteur joue très significativement sur la probabilité de réponse mais son
coefficient est différent de zéro au seuil de 9% seulement. A Bamako, les instruments choisis ne sont pas
valides car ils ne prédisent pas de façon significative la probabilité de réponse.
La régression du logarithme du revenu sur les variables supposées identifiantes et sur la probabilité
prédite de répondre fait ressortir la validité d'au moins un instrument pour les villes de Niamey,
Ouagadougou, Dakar et Bamako. Pour les trois autres villes, la performance de l'enquêteur prédit très bien
la probabilité de réponse, mais influe également, à des seuils de significativité élevés, sur le revenu.
Pour les travailleurs dépendants informels, à Ouagadougou seulement, un phénomène de sélection est
observé. Il était déjà observé avant les corrections opérés grâce à la phase 2. A l'inverse, l'effet de sélection
de Dakar a disparu après ces mêmes corrections. Pour les travailleurs indépendants, c'est encore
Ouagadougou qui présente le seul effet de sélection validé par le test de qualité des variables identifiantes.
Tableau 10 : Qualité des imputations économétriques Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
corrélation entre revenu déclaré et revenu imputé dépendants du sect. informel 0,64 0,23 0,62 0,46 0,60 0,57 0,45 Indépendants 0,28 0,26 0,26 0,13 0,27 0,33 0,16
revenus moyens imputés dépendants du sect. informel 33 22 23 19 24 15 30 Indépendants 30 26 48 40 34 17 58
revenus moyens déclarés dépendants du sect. informel 39 53 30 23 27 17 36 Indépendants 63 60 91 106 63 27 138
Données pondérées, sans PPA.
Les modèles peinent davantage encore à prédire les revenus des travailleurs indépendants, qu'avant les
corrections apportées grâce à la phase 2 (Tableau 10). La qualité du modèle des travailleurs dépendants du
34
secteur informel est similaire à celle obtenue précédemment. Les revenus moyens (du ménage ou par tête)
sont très proches de ceux calculés avant l'imputation, et ce pour les mêmes raisons que lors des
imputations basées sur les seules données de la phase 1, entre autres des revenus prédits inférieurs aux
revenus médians pour la majorité des individus ayant déclaré leur revenu en tranche.
Tableau 11 : Statistiques descriptives des revenus corrigés grâce à la phase 2 et imputés. Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Revenus toutes sources après imputations
1078 1251 2091 1775 1225 622 2496 sans PPA [1011 ; 1145] [1115 ; 1386] [1983 ; 2200] [1444 ; 2106] [1151 ; 1298] [586 ; 658] [2209 ; 2783]
1111 1329 2010 1775 1248 669 2293 Revenu du ménage
PPA Bamako [1042 ; 1180] [1185 ; 1473] [1905 ; 2114] [1444 ; 2106] [1173 ; 1323] [630 ; 708] [2029 ; 2557]
193 235 288 313 278 169 572 sans PPA [188 ; 198] [223 ; 246] [283 ; 293] [270 ; 357] [270 ; 286] [164 ; 174] [532 ; 613]
198 250 277 313 283 182 526 Revenu par tête
PPA Bamako [193 ; 204] [238 ; 262] [272 ; 282] [270 ; 357] [275 ; 292] [176 ; 187] [489 ; 563]
Données pondérées. PPA UEMOA.
Cette imputation fait baisser le taux de pauvreté extrême de 1,1 points de pourcentage à Lomé à 6,1
points de pourcentage à Ouagadougou. Il classe désormais les capitales économiques dans l'ordre suivant,
de la plus pauvre à la plus riche : Niamey, Lomé, Ouagadougou, Bamako, Cotonou, Dakar, Abidjan. La
présence d'Abidjan et Dakar en tête de file n'étonnent point, tout comme celle des capitales sahéliennes en
fin de file. En revanche, le taux de pauvreté à Lomé est très supérieur à celui de Cotonou et plus proche
de ceux des villes sahéliennes (Tableau 12).
Comme relevé précédemment, l'échantillonnage à Lomé est différent de celui des autres villes. D'une
part, aucune stratification n'a été effectuée, d'autre part le mode de tirage des unités primaire de sondage
est inconnu. Les poids étant donc très certainement incorrects, les statistiques descriptives du revenu du
ménage et du revenu du ménage par tête ont été calculées également sans pondération. Cela change très
peu les résultats. Ceci ne veut pas dire que le plan de sondage n'y soit pour rien. En effet, la stratification
permet entre autres d'assurer d'une quantité suffisante de ménages rares ou difficile à enquêter dans
l'échantillon. Aucune stratification n'ayant été opérée, il est probable qu'un nombre insuffisant de ménages
du haut de la distribution des revenus a été enquêté.
Tableau 12 : Pauvreté extrême après correction des revenus informels et imputations.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Ménages à revenus nuls inclus
P(0) avant imputation 51,0 46,3 31,7 39,7 32,8 46,5 19,0
P(0) après imputation 45,9 40,2 27,0 35,0 30,6 45,4 16,5
Ménages à revenus nuls exclus
P(0) avant imputation 45,0 42,9 28,2 37,0 31,7 45,0 17,5
P(0) après imputation 42,3 37,6 24,5 32,8 29,6 44,0 15,1
Données pondérées PPA UEMOA.
5.2. Comparaison avec la consommation, autre indicateur de bien être.
La consommation moyenne des ménages va de 1245 milliers de FCFA à Lomé à 2825 milliers de
FCFA à Dakar (Tableau 13). Dakar présente la consommation moyenne annuelle la plus élevée. Elle est
suivie de très près par la capitale malienne, présentant un niveau de vie nettement supérieur aux deux
autres villes sahéliennes. Cette position était identique dans les résultats publiés dans Statéco n°99. En
35
consommation par tête, l'ordre des capitales se modifie. Cotonou passe en tête avec 410000 FCFA par
personne, suivi de Dakar (369000 FCFA), Lomé (345000 CFA), puis des trois villes sahéliennes, Bamako
(328000 FCFA), Ouagadougou (297000 FCFA) et en dernière position Niamey (261000 FCFA).
La consommation moyenne des ménages est supérieure au revenu moyen, dans toutes les villes. A
Lomé, la consommation moyenne d'un ménage est égale au double du revenu moyen. A Bamako, l'écart
entre les deux agrégats est plus faible, la consommation moyenne d'un ménage représente 110% du revenu
moyen. En revanche, à Lomé, cet écart est très élevé puisque la consommation moyenne est égale à deux
fois le revenu moyen.
Les différences moyennes entre revenu et consommation peuvent provenir de l'échantillonnage. Les
statistiques du tableau 12 étaient calculées sur l'ensemble des ménages échantillonnés en phase 1. Si le
revenu moyen est calculé sur le sous échantillon de la phase 3 (Tableau 13) , il baisse de 6% à Niamey mais
augmente dans toutes les autres villes, de 20,3% à Bamako à 4,0% seulement à Lomé, en passant par
12,8% à Ouagadougou, 9,8% à Dakar et 6,5% à Cotonou. Ainsi l'écart entre revenu et consommation
diminue. Dans la majorité des villes, le sous échantillon de phase 3 est plus riche que l'échantillon de la
phase 1. Lorsqu'il est calculé sur l'échantillon de la phase 3, le revenu moyen d'un ménage reste inférieur à
la consommation, excepté à Bamako. Dans la capitale malienne, la consommation courante moyenne d'un
ménage est égale à 93,6% du revenu total moyen d'un ménage. Pour les autres villes, le revenu reste
inférieur de 18,6% à Ouagadougou à 92,4% à Lomé.
Il convient de noter que le revenu moyen sur l'échantillon de phase 3 diffère peu de celui calculé sur
l'échantillon de phase 1 à Lomé. Donc, la phase 3 n'est pas, a priori, de meilleure ou pire qualité que la
phase 1. En revanche, la consommation des ménages est égale au double du revenu, sur le même sous
échantillon de phase 3. La principale source de l'apparente pauvreté de Lomé ne serait donc pas liée à la
qualité du plan de sondage, mais à la collecte des revenus en tant que telle.
Tableau 13 : Statistiques descriptives de la consommation des ménages.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé
C1 : Consommation courante du ménage, désaisonnalisée, avec autoconsommation alimentaire, sans cadeaux et transferts, en milliers de FCFA 1531 1659 2825 1999 1898 1245 sans PPA
[1424 ; 1638] [1570 ; 1748] [2669 ; 2982] [1908 ; 2089] [1778 ; 2019] [1164 ; 1325] 1579 1763 2715 1999 1934 1339
Conso. du ménage PPA Bamako
[1468 ; 1690] [1669 ; 1858] [2565 ; 2866] [1908 ; 2089] [1812 ; 2056] [1252 ; 1425] 253 280 384 328 403 321
sans PPA [244 ; 262] [271 ; 288] [373 ; 394] [321 ; 336] [388 ; 417] [309 ; 333]
261 297 369 328 410 345 Conso. par tête
PPA Bamako [251 ; 270] [288 ; 306] [359 ; 379] [321 ; 336] [395 ; 425] [332 ; 358]
Revenu du ménage, sur l'échantillon de phase 1, avec pondérations 1078 1251 2091 1775 1225 622 Revenu du ménage sans PPA
[1011 ; 1145] [1115 ; 1386] [1983 ; 2200] [1444 ; 2106] [1151 ; 1298] [586 ; 658]
Revenu du ménage, sur l'échantillon de phase 1, sans pondérations 1091 1264 2162 1639 1114 623
Revenu du ménage sans PPA [1024 ; 1157] [1131 ; 1397] [2047 ; 2278] [1330 ; 1947] [1040 ; 1189] [586 ; 659]
Revenu du ménage, sur le sous échantillon de phase 3, avec pondérations 1071 1411 2295 2136 1305 647 Revenu du ménage sans PPA
[923 ; 1218] [1135 ; 1686] [2015 ; 2574] [1344 ; 2928] [1145 ; 1465] [561 ; 733]
Revenu du ménage, sur le sous échantillon de phase 3, sans pondérations.
1073 1456 2353 1942 1331 650 Revenu du ménage sans PPA
[928 ; 1218] [1175 ; 1738] [2054 ; 2651] [1204 ; 2681] [1166 ; 1497] [565 ; 735]
36
La différence entre revenu et consommation se retrouve également au niveau des ménages. En effet,
selon les villes, de 71,2% des ménages de Dakar à 87,4% des ménages de Lomé présentent une épargne
négative (Tableau 14). Même si les ménages déclarant un revenu nul sont exclus, ces taux restent de même
ordre de grandeur. Ces écarts ne sont pas nécessairement de l'épargne au sens économique du terme, ni de
l'endettement, puisqu'ils sont dus en grande partie à des différences de mesure. Par facilité de langage,
cette dénomination est cependant conservée dans le reste des commentaires.
Les ménages ayant une épargne négative sont principalement des ménages dont les revenus du travail
n'étaient pas déclarés ou étaient inexistants. Parmi les ménages ayant un revenu nul, la grande majorité
d'entre eux ne comportent aucun actif occupé et déclarent vivre grâce à la prise en charge par un parent ou
ami. Il ne s'agit donc pas d'une sous déclaration des revenus du travail, mais plutôt d'une mauvaise mesure
des transferts entre ménages. Aussi, une source de différence envisagée entre ces deux agrégats est la
mesure des transferts et cadeaux. Ceux ci augmentaient peu l'agrégat de revenu, tels que déclarés en phase
1, car peu de ménages avaient déclaré des ressources hors activité, ou alors de faibles montants. Les
transferts déclarés en phase 3 sont plus élevés. Aussi, le revenu du ménage est calculé avec les transferts en
espèces reçus par le ménage, tels que déclarés en phase 3, à la place de ceux déclarés en phase 1. La prise
en compte de ce type de revenu augmente le revenu moyen des ménages de 3,5% à Bamako à 7,8% à
Niamey.
Toutes les résultats qui suivent sont basés sur la variable de revenu du ménage augmentée des
transferts en espèces calculés en phase 3. Les revenus sont positivement corrélés à la consommation. La
consommation est bien croissante du revenu. Cependant, elle croit plus rapidement que lui, aussi l'épargne
baisse au fur et à mesure de l'augmentation des deux agrégats. L'écart négatif entre les mesures du revenu
et de la consommation diminue avec le revenu de façon significative. En revanche le lien entre épargne et
consommation n'est significatif que dans trois ville sur six. Il y est alors négatif et plus faible que le lien
avec le revenu. Si l'épargne est négative pour la majorité des ménages, elle n'est pas décroissante du
revenu.
Tableau 14 : Cohérence entre revenu et consommation Niamey Ouagadougou Dakar Bamako Cotonou Lomé
Revenu du ménage, sur le sous échantillon de phase 3, avec les transferts en espèces, sans PPA.
1152 1461 2467 2220 1353 690 Revenu du ménage [1003 ; 1300] [1184 ; 1737] [2183 ; 2751] [1428 ; 3011] [1192 ; 1514] [603 ; 778]
proportion de ménages présentant une épargne négative.
71,5 69,7 68,9 73,1 76,7 86,9
Test de corrélation de Pearson
conso et revenu 49,5*** 43,6*** 38,6*** 35,7*** 22,3*** 45,3***
conso et taux d'épargne -10,3** -0,06* -0,05 -0,04 -0,11** -0,01
revenu et taux d'épargne 25,7*** 18,9*** 21,6*** 18,2*** 32,0*** 19,6***
Tous les ménages présentant une épargne positive comptent au moins un actif occupé et rémunéré
dans leur ménage (Tableau 31). Inversement, les ménages dont le chef n'a pas de revenus du travail sont
sur représentés parmi les ménages à épargne négative. Enfin, le secteur informel est sur représenté parmi
les ménages à épargne négative dans quatre villes sur six. A Bamako et Cotonou, l'épargne négative est
37
donc surtout le fait de ménages dont les chefs travaillent dans la fonction public ou dans le secteur privé
formel, autrement dit dans les ménages les plus riches. Dans les autres villes c'est l'inverse.
Les déterminants de présenter une épargne positive sont estimés à l'aide d'un modèle probit (Tableau
32). Les coefficients du tableau sont les rendements marginaux des variables explicatives. La probabilité
pour un ménage de présenter une épargne négative est croissante du revenu du ménage. Aussi, la
négativité de l'épargne n'est pas nécessairement due à la sous estimation des plus hauts revenus. Ceci
confirme ce que les coefficients de corrélation avaient prédit.
La probabilité de présenter une épargne positive diminue avec l'importance des transferts. En effet,
être dans le quintile supérieur de la distribution des transferts a un rôle négatif pour toutes les villes, et
significatif pour toutes les villes, exceptées Bamako. En revanche, l'appartenance au premier quintile a un
impact positif et significatif sur la probabilité d'avoir une épargne positive, à Niamey et Ouagadougou.
Ainsi, les ménages dont les transferts reçus en espèce sont importants auraient davantage de chance de
présenter une épargne négative. Pourtant, ces transferts sont inclus uniquement dans l'agrégat de revenu.
Les ménages les plus dépendants aux transferts de solidarité et aux revenus hors activité sont ceux qui
ont le plus de chance d'avoir une épargne négative. La mesure des revenus hors activité est une des
principales causes de la sous estimation des revenus des ménages. La taille du ménage est corrélée
négativement à la probabilité d'avoir une épargne positive. La proportion d'actifs occupés décroît avec la
taille du ménage. Les grands ménages sont plus dépendants des transferts que les petits ménages, donc
plus sujets à la mauvaise mesure de leur revenu.
Cette interprétation n'est pas validée à Bamako. Dans la capitale malienne, les variables de non-
réponse à la question du revenu d'activité principale ont un rôle beaucoup plus important que les
transferts. Par ailleurs, le secteur informel, moins rémunérateur que les secteurs public et privé formel, est
sur représenté parmi les ménages à épargne positive, à l'inverse des autres villes. Enfin Bamako est la ville
dans laquelle l'introduction des transferts mesurés par la phase 2 dans l'agrégat de revenu a le moins
d'impact.
Tableau 15 : Pauvreté extrême et agrégat de niveau de vie.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé
Agrégat de revenu
revenus nuls inclus 44,1 39,0 21,7 32,2 25,8 40,8
revenus nuls exclus 43,1 38,0 20,7 30,9 25,7 40,1
Consommation courante 20,0 17,5 3,0 6,4 4,0 3,5
Données pondérées. Echantillon de phase 3. PPA UEMOA.
Niamey et Ouagadougou sont les villes les plus pauvres de la sous région étudiée, avec respectivement
20,0% et 17,5% d'individus vivant avec moins d'un dollar par jour (Tableau 15). Suit alors la ville de
Bamako avec 6,4% de pauvreté extrême, puis Cotonou, Lomé et Dakar. Le taux de pauvreté à Bamako,
ville sahélienne généralement comparable à Ouagadougou, est beaucoup plus proche de celui de Dakar (Il
a été noté précédemment que la base de données de Bamako présentait des différences avec les autres
bases de données).
Avec l'agrégat de revenu, le taux de pauvreté à Lomé est très élevé, et classe la capitale togolaise en
avant dernière position, avant Niamey la plus pauvre. Avec l'agrégat de consommation, Lomé s'éloigne des
villes sahéliennes, et se rapproche de Cotonou et Dakar, avec un taux de pauvreté de 3,5%.
38
Les écarts entre les deux mesures du niveau de vie des ménages persistent lorsque les revenus des
chefs d'UPI sont corrigés de la sous estimation, de la non-réponse et de la saisonnalité de l'activité et
lorsque les revenus de tous les travailleurs du secteur informel sont corrigés de la saisonnalité. Ils
persistent également lorsque les revenus formels sont corrigés de la non-réponse, et que les transferts sont
mesurés par l'enquête sur la consommation, et non par la phase 1. Les dernières comparaisons entre les
deux agrégats sont effectuées sur les mêmes ménages, avec les mêmes coefficients d'extrapolation.
Les graphiques 4 à 9 représentent les densités de Kernel du revenu déclaré, du revenu corrigé et de la
consommation (en logarithme). Les écarts entre les deux indicateurs de niveau de vie sont de deux ordres.
D'une part, la consommation est, en moyenne, plus élevée que le revenu. Les courbes de Kernel de la
consommation sont ainsi toutes décalées vers la droite par rapport à celles de revenu, quelque soit la
capitale considérée. D'autre part, la distribution de la consommation est plus resserrée. Les queues de
distributions sont plus courtes et l'espérance plus haute. La consommation est donc moins inégalitaire que
le revenu, peut-être grâce à la consommation issue de transferts entre les ménages.
Il a été noté que la collecte de la consommation est très détaillée, sur quinze jours, avec des modules
rétrospectifs sur 6 mois ou un an, alors que celle du revenu, en phase 1, est faite en un seule passage, par
une question sur le mois passé (revenu mensuel souvent estimé par l'enquêteur et l'enquêté, à partir des
revenus à la tâche, hebdomadaire, …). La supériorité de la consommation est elle due à cet effort de
collecte ou à une impossibilité inhérente du revenu à être mesurer, du fait de la sensibilité de la question ?
Pour répondre à cette question, un agrégat de consommation est calculé, en ignorant volontairement une
part de l'information collectée sur la consommation. Les données des modules rétrospectifs sont écartées
de l'agrégation, et la consommation annuelle est l'extrapolation de la consommation de la période de
référence (15 jours). Cela équivaut à une hypothétique collecte, de même" qualité": les revenus ne sont pas
enquêtés rétrospectivement et l'agrégat de consommation ne prend pas en compte les modules
rétrospectifs.
Si la consommation des ménages est enquêtée plus sommairement, de façon factice, elle diminue en
moyenne de moitié ou d'un tiers selon les villes (Tableau 16). Elle est alors à un niveau proche des revenus
mesurés sans traitement correctif. En revanche, elle fournit des taux de pauvreté inférieurs à ceux estimés
avec le revenu corrigé, sauf à Niamey et Ouagadougou. Elle ne compte pas de valeurs extrêmement basses
ou nulles comme le fait le revenu. La profondeur de la pauvreté est donc inférieure.
Tableau 16 : Négligence volontaire de l'information issue des modules rétrospectifs.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé
Consommation courante du ménage, sans l'information rétrospective, avec autoconsommation alimentaire, sans transferts, en milliers de FCFA 859 911 1762 1124 1089 711 sans PPA
[802 ; 917] [862 ; 959] [1667 ; 1858] [1074 ; 1175] [1013 ; 1165] [668 ; 755] 886 968 1693 1124 1109 765
Conso. du ménage PPA Bamako
[827 ; 946] [916 ; 1020] [1602 ; 1785] [1074 ; 1175] [1032 ; 1187] [718 ; 812] 142 153 240 185 231 183
sans PPA [137 ; 147] [149 ; 158] [234 ; 246] [181 ; 188] [221 ; 240] [177 ; 190]
146 163 230 185 235 197 Conso. par tête
PPA Bamako [141 ; 152] [158 ; 168] [224 ; 236] [181 ; 188] [226 ; 245] [190 ; 204]
P(0) 45,5 44,0 16,8 22,0 16,9 23,6 Pauvreté conso
P(1) 17,1 16,0 3,6 5,7 4,4 5,2 P(0) 44,1 39,0 21,7 32,2 25,8 40,8
Pauvreté revenu P(1) 25,5 20,6 13,4 17,4 13,8 22,4
Revenus nuls inclus. PPA UEMOA. Données pondérées. Echantillon de phase 3.
39
5.3. Sensibilité à la méthode de calcul des indices.
Les taux de pauvreté sont beaucoup plus faibles avec la ligne de pauvreté de 1 dollar converti en
FCFA grâce à l'indice de parité de pouvoir d'achat du programme de comparaison international (PCI)
(Tableau 17). Les taux diminuent, avec le revenu, de 5 à presque 26 points de pourcentage selon les
capitales. Si on utilise l'agrégat de consommation et le seuil de pauvreté extrême du PCI, la pauvreté
disparaît presque complètement à Dakar et Bamako.
L'utilisation du seul taux de change pour convertir un dollar en en FCFA conduit à des taux de
pauvreté extrême énormes et sans beaucoup de sens. Ils ne sons pas présentés ici. Ce résultat était attendu
et montre que même si le calcul d'indices de PPA mènent à des résultats très différents, le problème de
niveau des prix ne peut être ignoré.
Quelque soit l'échelle d'équivalence choisie (Oxford ou OCDE), la prise en compte de la structure du
ménage estime des taux de pauvreté extrême bien inférieurs à ceux calculés avec le revenu ou la
consommation par tête. L'introduction d'un facteur de rendements d'échelle permet de rendre compte du
fait que les dépenses des ménages ne sont pas proportionnelles à leur taille. Avec un rendement d'échelle
de 2/3, les taux de pauvreté chutent de presque 50% dans toutes les villes. Les taux utilisant l'agrégat de
consommation chutent quant à eux à des niveaux très faibles et peu réalistes.
Tableau 17 : Parité de pouvoir d'achat et structure des ménages.
Revenu C2
PPA UEMOA
PPA du PCI
échelle d'Oxford
échelle de l'OCDE
rendements d'échelle
PPA
UEMOA PPA du PCI
échelle d'Oxford
échelle de l'OCDE
rendements d'échelle
Niamey 44,1 22.9 24.8 17.9 20.1 20,0 4,3 3.6 2.1 2.2
Ouagadougou 39,0 15.2 22.4 15.8 17.5 17,5 2,3 2.9 1.1 1.5
Dakar 21,7 10.5 1,?6 10.4 10.9 3,0 0,4 0.3 0.0 0.0
Bamako 32,2 17.6 18.9 13.7 14.3 6,4 0,2 0.2 0.2 0.2
Cotonou 25,8 18,4 15.0 11.3 12.2 4,0 0,7 0.8 0.8 0.8
Lomé 40,8 38.7 28.5 22.2 24.3 3,5 2,2 0.4 0.2 0.4
Echantillon de phase 3, revenus nuls inclus.
6. Conclusions
La sensibilité de la mesure de la pauvreté aux choix méthodologiques opérés lors des calculs des
indices est très grande. L'appréciation de l'avancement vers le premier objectif du millénaire, l'éradication
de l'extrême pauvreté, doit donc être effectuée sur la base d'une méthodologie identique dans le temps,
sous peine de réjouissance hâtive ou de cris d'alarme.
Le choix de l'indicateur de bien-être utilisé, revenu ou consommation des ménages, repose tout
d'abord sur une différence de concept (droit à un revenu minimal ou niveau de satisfaction en biens et
services), chacun présentant un intérêt économique et social. En revanche, il est attesté que le revenu est
moins bien mesuré que la consommation. Les taux de pauvreté varient selon les sources de revenus
considérées. Par exemple, l'introduction des revenus de l'activité secondaire fait baisser le taux de pauvreté
extrême de 1,0 point de pourcentage à Niamey à 3,3 points à Cotonou.
Les corrections classiques de la non-réponse, permettent de diminuer les taux de pauvreté (jusqu'à 6,6
points à Dakar). Cependant, ces modèles peinent à prévoir les revenus des travailleurs indépendants,
dirigeant pour la très grande majorité des unités de production informelle. Les corrélations entre revenus
40
déclarés et prédits sont, pour ces travailleurs, de 22% à 51% selon les pays car les modèles ne parviennent
pas à prédire les plus hauts revenus.
Les données de la phase 2 des enquêtes 1-2-3 permettent de vérifier la qualité des déclarations de
revenus de la phase 1. Les excédents bruts d'exploitation, assimilés aux revenus des chefs des unités de
production informelle sont entre 1,1 à 2,9 fois supérieurs à ceux déclarés en phase 1. La sous estimation
des revenus des entreprises informelles est donc très importante. Mel et al. concluent que même si le
profit enquêté directement est sous estimé, il est préférable de le collecter ainsi car il est moins soumis à
des bruits. Ici l'importance de la sous estimation des revenus des entreprises informelles tend à établir la
recommandation inverse.
Une des deux caractéristiques de ces micro entreprises est l'absence de comptabilité. Aussi, il est peu
probable que les chefs puissent estimer un montant net, d'autant plus que les dépenses et les recettes ne
sont pas concomitantes. Mel et al. aboutissent à cette recommandation car la proportion de profits nets
négatifs est de 30% dans leurs données. Les enquêtes 1-2-3 permettent de reconstituer la comptabilité des
micro entreprises informelles de façon plus fiable puisque de 0,0% à 7,4% seulement des unités de
production informelle présentent des excédents bruts d'exploitation négatifs.
Il est préférable de collecter de façon détaillée les éléments de la comptabilité des micro entreprises
plutôt que directement le profit. Ainsi, les vérifications de cohérence entre toutes les valeurs renseignées
permettent de construire une variable de revenu fiable. Cependant si le temps ou les moyens ne
permettent pas une enquête approfondie, il est préférable d'enquêter directement le profit fait par le chef
plutôt que de poser quelques questions, insuffisantes pour reconstituer la comptabilité des micro
entreprises.
La sous estimation des revenus des chefs d'unités de production informelle de la phase 1 n'est pas due
à une mauvaise volonté des enquêtés puisque ceux-ci détaillent toutes les charges et recettes en phase 2.
De plus, l'estimation des modèles d'imputation a permis de mettre en évidence l'absence de sélection
systématique des observations, pour les travailleurs dépendants. Ainsi, la non-réponse n'est pas liée au
niveau de revenu mais à la capacité de l'enquêté à estimer son revenu mensuel. Le taux de salarisation dans
le secteur informel, secteur majoritaire dans les capitales de l'UEMOA, est très faible. Ceci a un impact sur
la capacité des travailleurs de ce secteur à estimer un revenu mensuel.
Les revenus d'activité informelle sont par ailleurs sont soumis à une forte saisonnalité. Le caractère
instable des unités de productions informelles est en termes de rythme de l'activité. La majorité de ces
structures ont fonctionné durant les 12 mois précédent le travail de collecte des données. L'utilisation
d'informations supplémentaires sur les revenus des entreprises informelles permet de corriger les
excédents bruts d'exploitation annuels de 5% à 39% selon les capitales. Cette saisonnalité affecte toutes les
branches d'activité. En conséquence, les taux de pauvreté baissent de 3,0 points de pourcentage à Abidjan
à 6,4 points à Ouagadougou.
Dans les trois villes sahéliennes, soumises à des rythmes climatiques comparables, et aux dates de
collectes proches, la désaisonnalisation augmente l'excédent brut d'exploitation de respectivement 22%,
26% et 39% à Niamey, Ouagadougou et Bamako. Les rythmes climatiques sont également proches à
Cotonou et Lomé, enquêtées à la même période, déclarée d'activité maximale par la majorité des chefs
d'unités de production informelle. L'impact de la désaisonnalisation y est de même ordre de grandeur, de
plus 15% et plus 19% à Cotonou et Lomé.
41
Grâce au questionnaire concernant les chefs des entreprises informelles, l'enquête 1-2-3 a permis
d'appréhender les variations infra annuelles de l'activité dans le secteur privé informel. Celles ci sont
importantes dans toutes les capitales. Ainsi, à Dakar, le chiffre d'affaires d'une unité de production
informelle peut être multiplié par 2 dans les mois d'activité maximale ; à Cotonou ce rapport est de 3. La
date de la collecte joue un rôle dans le niveau des revenus mesurés.
Par conséquent, lorsque des données détaillées sur les revenus du secteur informel et des méthodes
statistiques sont utilisées, les taux de pauvreté sont diminués de 5,5 à 12,5 points de pourcentage selon les
villes. Le taux maximal est alors atteint à Niamey avec 45,9% d'individus vivant sous le seuil de pauvreté,
suivi de Lomé et Ouagadougou dont les taux de pauvreté extrême dépassent 40,0%, puis de Bamako,
Cotonou, Dakar et Abidjan.
Les ménages dont l'épargne est mesurée négative et les ménages déclarant un revenu nul sont
nombreux. Il s'agit principalement de ménages ne comportant pas d'actifs occupés rémunérés et déclarant
vivre grâce à leur prise en charge par un membre de la famille ou un ami. La sous estimation du revenu du
ménage est donc, dans une part non négligeable, due à la mauvaise mesure des revenus hors activité, des
transferts. Ceux-ci sont très mal déclarés dans l'enquête sur les revenus, alors qu'ils le sont bien dans
l'enquête sur la consommation. En utilisant les données sur les transferts de l'enquête sur la
consommation, plutôt que celles de l'enquête sur les revenus, le revenu moyen des ménages de 3,5% à
Bamako à 7,8% à Niamey.
L'ordre des pays selon leur taux de pauvreté est le suivant, pour l'agrégat de revenu corrigé : Abidjan,
suivie de Dakar sont les deux capitales où l'incidence de l'extrême pauvreté est la moins forte. Elles sont
suivies de Cotonou, Bamako, Lomé, Ouagadougou et enfin Niamey. Tandis qu'avec l'agrégat de
consommation (non calculé pour Abidjan), Dakar est en tête suivie de Lomé puis Cotonou, Bamako,
Ouagadougou et Niamey. La position inattendue de Lomé en termes de revenu n'est pas conservée
lorsque est utilisé l'agrégat de consommation. Son taux de pauvreté extrême se rapproche alors de ceux de
Dakar et Cotonou. Bamako s'éloigne des deux autres villes sahéliennes pour se rapprocher des villes
côtières.
La consommation est mieux mesurée que le revenu. Cette différence est due au fait que la
consommation est mieux collectée que les revenus, et non due au fait que les revenus ne sont pas, par
nature, mesurables de façon fiable. Les dépenses sont déclarées au cours d'une période de quinze jours de
collecte et, à l'aide de modules rétrospectifs, sur les 6, 12 ou 24 derniers mois. Les revenus sont déclarés
un jour donné de l'année. Il est possible de construire un agrégat de consommation mettant en avant le
rôle de la différence de collecte. Cet agrégat ne sera pas pertinent du point de vue de la mesure de la
pauvreté elle-même.
Si les dépenses étaient enquêtées seulement pendant 15 jours, les agrégats de consommation et de
revenu seraient très proches. En effet; sans prise en compte des modules rétrospectifs, l'agrégat de
consommation est de même ordre de grandeur que celui due revenu déclaré, et inférieur à l'agrégat de
revenu corrigé. Même lorsque l'agrégat de consommation est construit sans les modules rétrospectifs, il
reste mieux mesuré car il ne présente pas de valeurs extrêmement basses. Ainsi la profondeur de la
pauvreté, mesurée avec cet agrégat est plus petite.
La différence de niveau de vie entre revenu et consommation s'exprime en termes de niveau moyen
mais également de dispersion. Les courbes de Kernel montrent que la distribution de la consommation est
42
plus resserrée et donc moins inégalitaire, dans toutes les capitales. Une analyse plus approfondie de ces
courbes serait nécessaire à l'étude de l'impact distributionnel du choix de l'indicateur de bien-être et des
options méthodologiques de construction des agrégats.
La saisonnalité du revenu touche également le milieu urbain. Il a été mis en évidence ici que l'activité
des unités de production informelle est d'intensité variable au cours d'une année, et que la façon
d'annualiser les revenus informels influe sur la pauvreté mesurée. Cette caractéristique du revenu étant
connue et redoutée, elle justifie de collecter des informations permettant d'annualiser les revenus des
activités. L'enquête 1-2-3 permet de récolter ces informations pour un sous échantillon de chefs d'unités
de production informelle. Quelques questions supplémentaires posées à tout actif occupé permettraient un
meilleur redressement de biais de saisonnalité.
Par ailleurs, la mauvaise volonté des enquêtés à déclarer leurs revenus d'activité n'est pas vérifiée. Le
taux de refus de répondre aux questions de la phase 2 est très faible. La non-réponse touche davantage les
travailleurs ayant des rémunérations irrégulières. Un questionnement plus détaillé des revenus, notamment
des revenus du secteur informel est nécessaire à leur mesure. De la même façon que les enquêtes sur la
consommation collectent la quantité consommée, le prix unitaire et le montant total de la dépense, les
enquêtes sur le revenu devrait contenir davantage d'items. Pour les travailleurs déclarant être rémunérés à
la tâche, le prix d'une prestation doit être demandé, ainsi que le nombre de tâches accomplies en un mois.
Les revenus hors activité sont rares et faibles tels que collectés dans le questionnaire individuel. Il ne
s'agit pas, ici non plus, de mauvaise volonté des enquêtés. Ces mêmes enquêtés déclarent avec précision
les transferts et cadeaux en espèces, reçus et versés, dans l'enquête sur la consommation. Le biais de
mémoire peut expliquer cela. Les enquêtés ont davantage de peine à estimer un montant annuel de
transferts monétaires qu'a déclarer chaque soir la somme d'argent qu'ils ont perçu dans la journée. Les
transferts en nature, et l'autoconsommation sont également plus difficilement collectée annuellement que
quotidiennement. Ignorer volontairement une partie de l'information, la coopération des chefs d'unités de
production informelle ainsi que celle des ménages pour déclarer leurs transferts tendent à valider
l'hypothèse que la supériorité de la mesure de la consommation sur celle du revenu est une prophétie auto
réalisatrice.
Les nombreux choix faits lors du calcul des taux de pauvreté font varier l'appréciation de l'incidence
de la pauvreté dans des proportions gigantesques. Si le revenu tel que déclaré en phase 1 et les taux de
change sont utilisés, l'incidence de la pauvreté sera de 100%. Si la consommation, l'indice de parité de
pouvoir d'achat de l'université de Pennsylvanie et l'échelle d'Oxford sont adoptées, le premier objectif du
Millénaire a été accompli, dès 2001, dans presque toutes les capitales de l'UEMOA !
43
7. Annexes
7.1. Bibliographie
Adegbidi A., Ahohounkpanzon M, Adjovi E., Houndekon V., Djoi D., Fagnisse S., Profil de pauvreté
et d'inégalité au Bénin, Document de travail PEP, PMMA Wp 2004-01.
Amegashie F., Brilleau A., Coulibaly S., Koriko O., Ouedraogo E., Roubaud F., Torelli C., La
conception et la mise en oeuvre des enquêtes 1-2-3 en UEMOA, les enseignements méthodologiques,
Stateco n°99, 2005.
Araar A., Poverty, Inequality and Stochastic Dominance, Theory and Practice : The Case of Burkina
Faso, Document de travail PEP, PMMA Wp 2007-08.
Attanasso M. O., Analyse des déterminants de la pauvreté monétaire des femmes chefs de ménage au
Bénin, Document de travail PEP, PMMA Wp 2005-06.
Backiny-Yetna P, Torelli C. (2000), Comparaisons internationales de pauvreté : le cas des pays de
l’UEMOA en 1996, présentation aux Journées d’Economie du Développement, Distribution des revenus,
Pauvreté, Bien Etre, 26 et 27 octobre 2000, Paris.
Bonzi B. K., Wetta C., Dynamique de la pauvreté au Burkina Faso de 1994 à 1998, Document de
travail PEP, PMMA Wp 2006-08.
Bonzi B. K., Kaboré S. T., Sawadogo M., Somda P., Wetta C., A Profile of Inequality and Poverty in
Burkina Faso, Document de travail PEP, PMMA Wp 2004-02.
Booysen F., Burger R., Du Rand G., von Maltitz M., Van der Berg S., Trends in Poverty and
Inequality in Seven African Countries, Document de travail PEP, PMMA Wp 2007-06.
Bourguignon F., Fournier M., Gurgand M., Selection Bias Corrections Based on the Multinomial
Logit Model:Monte-Carlo Comparisons, September 6, 2004
Brilleau A., Ouedraogo E., Roubaud F., Introduction générale au dossier, l’enquête 1-2-3 dans les
principales agglomérations de sept Etats membres de l’UEMOA : la consolidation d’une méthode, Stateco
n°99, 2005.
Brilleau A., Roubaud F., Torelli C., L’emploi, le chômage et les conditions d’activité, enquête 1-2-3
Phase 1, Stateco n°99, 2005.
Brilleau A., Coulibaly S., Gubert F., Koriko O., Kuepie M., Ouedraogo E., Le secteur informel :
Performances, insertion, perspectives, enquête 1-2-3 phase 2, Stateco n°99, 2005.
Cogneau D. et al., Estimation de l’évolution de la pauvreté monétaire dans le modèle Jumbo :
premiers résultats Une exception sénégalaise dans l’exception africaine ?
Cogneau D. et al., Inequalities and equity in Africa, Document de travail DT/2006-11, DIAL, 2006
Coulibaly S. (2007), Bilan diagnostic de la mesure et de l’analyse de la pauvreté dans les Etats
membres d’AFRISTAT, Document de travail AFRISTAT, Version provisoire, 2007
Deaton A. (2003), Measuring Poverty, Ed. Abhijit Banerjee, Roland Benabou, et Dilip Mookerjee,
Understanding Poverty, Oxford University Press, 2006.
44
Deaton A. et Zaidi S. (2002), Guidelines for Constructing Consumption Aggregates for Welfare
Analysis, Living Standards Measurement Study Working Paper 135, World Bank, Washington D.C.
Diagne A., Cabral F. J., Cissé F., Dansokho M., Ba S., Politiques commerciales, intégration régionale,
pauvreté et distribution de revenus au Sénégal, Document de travail PEP, MPIA Wp 2007-15.
Diagne O., Faye O., Faye S., Le noyau dur de la pauvreté au Sénégal, Document de travail PEP,
PMMA Wp 2007-17.
Djoké K. A., Djadou A., Almeida A., Ruffino R., Profil de la pauvreté infantile dans les pays de
l'UEMOA : une analyse comparative basée sur l'approche multidimensionnelle de la pauvreté, Document
de travail PEP, PMMA, Communication de juin 2006 lors de la 5ème conférence du PEP.
Guenard C. et Mesple-Somps S. (2004), Mesurer les inégalités : que captent réellement les enquêtes?
Analyse de deux enquêtes ivoirienne et malgache. Document de travail 13, DIAL.
Gautier E. (2006), Éléments sur les mécanismes de sélection dans les enquêtes et sur la non-réponse
non-ignorable. Acte de congès. Journées de Méthodologie Statistique 2005.
Heckman J.J. (1979), “Sample Selection Bias as a Specification Error”, Econometrica, 47, pp. 153-161.
Howes S. et Lanjouw J. O. (1997), Poverty Comparisons and Household Survey Design, Living
Standards Measurement Study Working Paper 129, World Bank, Washington D.C.
Koriko O., Torelli C., La consommation et le rôle du secteur informel dans la satisfaction des besoins
des ménages, enquête 1-2-3 phase 3, Stateco n°99, 2005.
Kuepie M., Nordman C. J., Roubaud F., Education and Labour Market Outcomes in Sub-Saharan
West Africa, document de travail, DIAL DT/2006-16
Lawson Body B. K., Baninganti K., Homevoh E., Lamadokou E. A., Analyse comparative de l'état de
pauvreté et d'inégalité au Togo : une approche multidimensionnlle basée sur l'indice de richesse,
Document de travail PEP, PMMA Wp 2007-10.
McLeod D., Capabilities, Poverty and Growth in Developing Countries:Tests of rival measures,
October 2004
Mel S., McKenzie D. J., Woodruff C., Measuring Microenterprise Profits: Don’t Ask How the Sausage
is Made, BREAD Working Paper No. 143, March 2007
Pogge T., Reddy S. G., Unknown: The Extent, Distribution, and Trend of Global Income Poverty
Ravallion M. (2001), Measuring Aggregate Welfare in Developing Countries: How well do national
accounts and surveys agree?, Policy Research Working Paper 2665, World Bank:
Ravallion M., How Not to Count the Poor? A Reply to Reddy and Pogge
Reddy S. G., Counting the poor : the truth about world poverty Statistics, Social Register 2006, pp
169-178.
Reddy S. G., Minoiu C., Has world poverty really fallen ?, version provisoire, avril 2007.
Reddy S. G., Pogge T., How NOT to count the Poor ?, Version 6.2 3, October 29th, 2005
45
Reddy S. G., Visaria S., Asali M., Inter-country comparisons of poverty based on a capability
approach : an empirical exercise, International Poverty Centre, Wp n°27,
Reeve Vanneman R. Darden Adams C., Dubey A., Income, Consumption, and Assets in India,
Provisary Paper, Prepared for presentation at the Annual Meeting of the Population Association of
America, New York, March 29 - March 31, 2007, September 2006
Székely M., Hilgert M., What’s Behind the Inequality We Measure : An Investigation Using Latin
American Data, Inter-American Development Bank Working Paper #409, Décembre 1999
Székely M., Lustig N., Cumpa M., Mejía R. A., Do We Know How Much Poverty There Is ? Inter-
American Development Bank Working Paper #437, Décembre 2000.
Les instruments que mobilise la Banque mondiale pour mesurer la pauvreté dans le monde sont-ils
satisfaisants ? Réponse du philosophe Thomas Pogge (Columbia University, New York). 17 mai 2006
World development report 2006, World Bank.
Profil de pauvreté du Mali 2001, Ministère du Développement Social de la solidarité et des personnes
âgées, PNUD. Observatoire du Développement Humain Durable et de la Lutte contre la Pauvreté au Mali
46
7.2. Autres résultats
Tableau 18 : Comparabilité des niveaux de vie entre les capitales.
Ligne de pauvreté à 1$ estimée en
2006, en FCFA (a) Ligne de pauvreté extrême à 2$ estimée en 2002, en FCFA (b)
Ligne de pauvreté extrême à 1$, taux de change sans PPA. (c)
Niger 146 263 733
Burkina Faso 134 255 733
Sénégal 180 282 733
Mali 176 271 733
Bénin 209 266 733
Togo 234 252 733
Côte d'Ivoire 186 295 733
(a): Alan Heston, Robert Summers and Bettina Aten, Penn World Table Version 6.2, Centre pour les comparaisons internationales de la production, du revenu et des prix, Université de Pennsylvanie, Septembre 2006.En $ constants de 2000 en PPA. (b) Etude AFRISTAT-Eurocost. (c) Banque Mondiale.
Tableau 19 : La pauvreté extrême dans la littérature. Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
1996, PPA UEMOA, Backiny et Torelli 2000
23,8 22,7 13,2 16,6 12,7 8,8 2,9
1996, PPA Banque Mondiale, Backiny et Torelli 2000
9,9 13,1 7,6 16,9 11,0 3,0 5,5
Différentes dates, BM, ligne de pauvreté nationale, milieu urbain
52,0 22,4 23,7 30,1 28,5 52,0 ---
Tableau 20 : Les trois phases de collecte des enquêtes du projet PARSTAT.
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Phase 1 Sept. 2002 Oct. 2001 Sep- Oct. 2002
Fév. 2003 Août-Oct. 2001 Oct. 2001 Sept. 2001 Mai-Juin 2002
Phase 2 Oct.-Nov. 2002 Nov-Déc. 2001
Janv. 2002 Avr.-Mai 2003 Nov-Déc. 2001 Nov-Déc. 2001 Nov-Déc. 2001 Juil.-Août 2002
Phase 3 Fév.-Mars 2004 Mars-Mai 2003 Avr.-Mai 2003 Oct-Nov. 2002 Nov-Déc. 2001 Mai-Juin 2002 --
Source : Statéco n°99.
Tableau 21 : L'échantillonnage des enquêtes 1-2-3
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
Echantillon phase 1
UP totales 367 713 2041 993 464 ? 2483
UP tirées (enquêtées) 125 (125) 125 (124) 125 (125) 125 (125) 125 (125) 125 (125) 125 (125)
Ménages tirés (enquêtés) 2500 (2500) 2500 (2458) 2500 (2479) 2500 (2409) 3000 (3001) 2500 (2500) 2500
Individus enquêtés 14 557 13 756 19 065 13 002 11 574 9 907 11 352
Echantillon phase 2
UPI repérées 1 920 2 552 2 356 2 600 3 149 2 538 2 121
UPI tirées (enquêtées) 1 040 (906) 1 145 (980) 1 568 (1327) 1 200 (994) 1 193 (939) 1 123 (958) 1 138 (999)
Chgt de statut entre phases 1 et 2 155 980 296 8 0 0 0
UPI traitées 743 966 1030 986 939 958 998
Echantillon phase 3
ménages échantillonnés 576 1008 576 1008 576 576 --
ménages enquêtés 575 939 571 961 574 571 --
47
Tableau 22 : Types d'emploi dans l'activité principale Répartition des travailleurs Observations (non pondérées) dépendants du
secteur formel indépendants du secteur privé
dépendants du secteur informel
dépendants du secteur formel
indépendants du secteur privé
dépendants du secteur informel
Niamey 25,7 47,4 27,0 1097 1964 1139
Ouagadougou 24,0 49,8 26,2 1221 2384 1247
Dakar 22,5 44,8 32,7 1518 2766 1981
Bamako 17,8 62,2 20,0 845 2721 868
Cotonou 17,1 58,4 24,5 900 3036 1231
Lomé 16,9 59,4 23,7 787 2743 1113
Abidjan 23,7 45,3 31,0 1132 2182 1495
Champ : Actifs occupés de 10 ans et plus, données pondérées.
Tableau 23 : Emplois non rémunérés et effectifs de régression
Travailleurs non rémunérés (%, pondérés) Observations (non pondérées) : effectif d'individus
rémunérés selon le type d'emploi
dépendants du secteur formel
dépendants du secteur informel
dépendants du secteur formel
indépendants du secteur privé
dépendants du secteur informel
Niamey 5,5 36,1 1033 1964 728
Ouagadougou 4,8 19,9 1159 2384 1005
Dakar 3,3 30,5 1466 2766 1361
Bamako 2,9 18,3 827 2721 704
Cotonou 3,1 53,8 878 3036 610
Lomé 11,2 43,1 698 2743 630
Abidjan 2,0 27,1 1107 2182 1101
Champ : Actifs occupés de 10 ans et plus. Les travailleurs indépendants sont tous rémunérés.
Tableau 24 : Type de déclaration des revenus (parmi les actifs occupés rémunérés)
dépendants secteur formel indépendants dépendants secteur informel Ensemble
montant tranche NR montant tranche NR montant tranche NR montant tranche NR
Niamey 57,7 32,7 9,6 41,3 41,3 17,4 51,4 42,2 6,4 47,8 39,1 13,1
Ouagadougou 47,2 47,8 4,9 41,0 46,0 13,0 46,0 45,9 8,1 43,6 46,4 9,9
Dakar 41,0 49,8 9,3 39,5 49,5 11,0 54,9 35,6 9,5 43,8 46,0 10,2
Bamako 54,3 37,9 7,8 54,1 39,1 6,8 68,9 28,1 3,1 56,7 37,0 6,4
Cotonou 70,2 28,8 1,0 56,5 41,2 2,3 72,6 23,9 3,5 61,2 36,6 2,2
Lomé 70,2 29,4 0,5 59,2 38,9 1,8 72,9 25,8 1,3 63,2 35,3 1,5
Abidjan 59,0 39,2 1,8 55,3 42,1 2,6 65,9 28,7 5,3 58,9 38,1 3,1
Champ : Actifs occupés rémunérés de 10 ans et plus, données pondérées.
48
Tableau 25 : Estimation du revenu d'act. principale des travailleurs dépendants du secteur formel
Logarithme du revenu horaire des travailleurs dépendants du secteur formel, correction de la sélection due à la NR Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
0.036 -0.057 -0.133*** -0.030 -0.006 0.055 -0.059 femme (0.048) (0.040) (0.040) (0.056) (0.047) (0.062) (0.048)
0.036*** 0.056*** 0.008 0.036** 0.022 0.031 0.008 éducation
(0.014) (0.011) (0.012) (0.015) (0.016) (0.030) (0.014)
0.003*** 0.002*** 0.003*** 0.003*** 0.004*** 0.004*** 0.006*** éducation2
(0.001) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001)
0.034*** 0.062*** 0.037*** 0.048*** 0.022*** 0.044*** 0.034*** exp. potentielle
(0.008) (0.006) (0.006) (0.009) (0.008) (0.011) (0.008)
-0.041*** -0.078*** -0.049*** -0.070*** -0.016 -0.053*** -0.038** exp. potent. 2/100
(0.014) (0.012) (0.011) (0.016) (0.017) (0.020) (0.016)
0.080 0.062 0.070 0.206** -0.052 0.268*** 0.020 plus de 6 pers.
(0.082) (0.069) (0.086) (0.089) (0.082) (0.099) (0.085)
0.019** 0.011 0.012* 0.009 0.006 0.025* 0.015* ancienneté
(0.009) (0.008) (0.007) (0.009) (0.009) (0.014) (0.009)
-0.030 -0.005 0.005 -0.005 0.027 -0.083 0.012 ancienneté2/100
(0.031) (0.028) (0.022) (0.029) (0.033) (0.053) (0.033)
0.268*** 0.347*** 0.108* 0.181*** 0.184*** 0.339*** 0.217*** bulletin de paie
(0.061) (0.050) (0.055) (0.065) (0.057) (0.075) (0.062)
0.191*** 0.193*** 0.473*** 0.234*** 0.200*** 0.110* 0.168*** contrat écrit
(0.056) (0.046) (0.049) (0.063) (0.047) (0.062) (0.052)
4.164*** 3.693*** 4.725*** 3.907*** 4.382*** 3.329*** 4.786*** Constante
(0.128) (0.096) (0.125) (0.135) (0.140) (0.207) (0.156)
Correction de la sélection
-0.234 -0.203 -0.148 0.054 0.165 -0.338 inv. du ratio de Mills (0.191) (0.207) (0.210) (0.207) (0.325) (0.508)
Variables identifiantes (introduites dans l'équation de sélection)
-0.449*** -0.842*** -0.399*** -0.905*** 0.005 -0.046 mauvaise qualité globale (0.119) (0.161) (0.098) (0.153) (0.535) (0.216)
0.883*** 1.313*** 0.606*** 0.446** 5.899*** 0.338 enquêteur performant
(0.175) (0.389) (0.131) (0.218) (0.000) (0.264)
0.228 0.039 -0.134 -0.247 0.628 0.677*** chef de ménage
(0.169) (0.216) (0.127) (0.249) (0.446) (0.258)
Observations 1033 1146 1460 823 878 695 1107
Variable dépendante : logarithme du revenu horaire, tel que déclaré en montant, ou médian si déclaré en tranche. Variables de contrôle : statut migratoire et type d'entreprise. Champ : ensemble des individus de 10 ans et plus, travailleurs dépendants du secteur formel, rémunérés. Ecarts-type entre parenthèses corrigés de l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
Validité des instruments pour le modèle des travailleurs dépendants du secteur formel Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.020 -0.000 -0.020 0.094 -0.021 -- 0.060 mauvaise qualité globale (0.083) (0.063) (0.085) (0.157) (0.059) -- (0.041)
0.019 0.029 0.037 -0.181*** -0.051 -- -0.096** enquêteur performant
(0.103) (0.049) (0.091) (0.067) (0.043) -- (0.042)
0.083 0.159*** 0.181*** 0.146* -0.071 -- -0.016 chef de ménage
(0.065) (0.048) (0.052) (0.084) (0.061) -- (0.061)
Coefficients issus de la régression MCO du logarithme du revenu horaire sur les variables explicatives présentées précédemment, la probabilité prédite de déclarer son revenu lors de la collecte (estimée par un probit) et les variables supposées identifiantes. Ecarts-type robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
49
Tableau 26 : Estimation du revenu d'act. principale des travailleurs dépendants du sect. informel
Logarithme du revenu horaire des travailleurs dépendants du secteur informel, correction de la sélection due à la NR Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.348*** -0.340*** -0.270*** -0.480*** -0.331*** -0.402*** -0.369*** femme (0.065) (0.081) (0.059) (0.089) (0.057) (0.103) (0.059)
-0.004 0.038* 0.031** 0.012 0.026 -0.018 0.008 éducation
(0.018) (0.022) (0.014) (0.027) (0.016) (0.029) (0.015)
0.004*** 0.004** 0.002 0.004** 0.002* 0.006*** 0.005*** éducation2
(0.001) (0.002) (0.001) (0.002) (0.001) (0.002) (0.001)
0.041*** 0.060*** 0.046*** 0.047*** 0.029*** 0.043*** 0.017** exp. potentielle
(0.008) (0.011) (0.007) (0.011) (0.008) (0.013) (0.008)
-0.053*** -0.082*** -0.061*** -0.039** -0.040*** -0.055** 0.004 exp. potent. 2/100
(0.015) (0.020) (0.013) (0.019) (0.016) (0.027) (0.017)
1.429*** 0.700*** 1.490*** 1.025*** 1.240*** 0.999*** 0.882*** cadre
(0.181) (0.232) (0.202) (0.225) (0.171) (0.281) (0.204)
0.688*** 0.473*** 0.621*** 0.663*** 0.824*** 0.486** 0.798*** employé, ouvrier
(0.101) (0.116) (0.070) (0.124) (0.095) (0.198) (0.106)
0.279*** 0.188* 0.427*** 0.228* 0.554*** 0.300 0.654*** manoeuvre
(0.096) (0.098) (0.073) (0.124) (0.096) (0.190) (0.103)
0.257** 0.436*** 0.425*** 0.065 0.439*** 0.348 0.021 aide familial
(0.108) (0.109) (0.099) (0.151) (0.118) (0.212) (0.121)
0.047 0.058 -0.170*** 0.142 0.081 0.046 -0.130** plus de 6 pers.
(0.060) (0.079) (0.050) (0.102) (0.056) (0.090) (0.057)
0.025** 0.037** 0.010 0.039** 0.019 0.029 0.064*** ancienneté
(0.012) (0.015) (0.009) (0.017) (0.014) (0.022) (0.014)
-0.057 -0.102** -0.015 -0.117** -0.009 -0.102 -0.237*** ancienneté2/100
(0.042) (0.050) (0.032) (0.058) (0.084) (0.097) (0.071)
0.265** 0.828*** 0.437*** 0.183 0.102 0.405** 0.275*** bulletin de paie
(0.106) (0.150) (0.108) (0.117) (0.094) (0.180) (0.103)
0.398*** -0.092 0.203*** 0.361*** 0.017 0.114 0.258*** contrat écrit
(0.097) (0.116) (0.078) (0.119) (0.076) (0.146) (0.084)
-0.184** -0.113 -0.024 -0.128 -0.116* -0.072 -0.063 salaire fixe
(0.080) (0.098) (0.069) (0.105) (0.063) (0.094) (0.082)
3.601*** 3.207*** 3.724*** 3.265*** 3.538*** 3.229*** 3.985*** Constante
(0.126) (0.162) (0.113) (0.154) (0.130) (0.237) (0.147)
Correction de la sélection
-0.215 -0.984* 0.489* -0.447 -0.289 0.964 0.197 inv. du ratio de Mills (0.230) (0.558) (0.297) (0.666) (0.277) (0.728) (0.301)
Variables identifiantes (introduites dans l'équation de sélection)
-0.483*** -0.433*** -0.295*** -0.226 0.181 -0.242 0.078 mauvaise qualité globale (0.171) (0.156) (0.112) (0.226) (0.490) (0.440) (0.160)
6.297 0.456** 0.479*** 0.479 1.097** 5.477 0.548** enquêteur performant
(0.000) (0.197) (0.142) (0.297) (0.442) (0.000)*** (0.214)
0.083 0.256 -0.238 0.049 -0.132 0.961 0.275 chef de ménage
(0.252) (0.251) (0.184) (0.324) (0.505) (0.591) (0.241)
Observations 727 993 1348 698 609 630 1101 Variable dépendante : log du revenu horaire, déclaré en montant, ou médian si déclaré en tranche. Contrôle : statut migratoire et branche d'activité. Champ : individus de 10 ans et plus, travailleurs dépendants du secteur informel, rémunérés. Ecarts-type corrigés de l'hétéroscédasticité.
Validité des instruments pour le modèle des dépendants du secteur informel Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.074 0.010 -0.096* 0.002 -0.045 0.035 0.005 mauvaise qualité globale (0.062) (0.057) (0.056) (0.071) (0.062) (0.080) (0.047)
0.063 0.041 0.084 -0.124 0.019 0.031 -0.083* enquêteur performant
(0.070) (0.061) (0.058) (0.078) (0.048) (0.069) (0.050)
0.221** 0.472*** 0.034 0.526*** 0.153** 0.178** 0.232*** chef de ménage
(0.086) (0.080) (0.084) (0.105) (0.074) (0.089) (0.071)
Coefficients issus de la régression MCO du logarithme du revenu horaire sur les variables explicatives présentées précédemment, la probabilité prédite de déclarer son revenu lors de la collecte (estimée par un probit) et les variables supposées identifiantes. Ecarts-type robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
50
Tableau 27 : Estimation du revenu d'act. principale des travailleurs indépendants
Logarithme du revenu horaire des travailleurs indépendants, correction de la sélection due à la non-réponse
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.493*** -0.597*** -0.411*** -0.544*** -0.498*** -0.463*** -0.454*** femme (0.050) (0.041) (0.042) (0.041) (0.077) (0.041) (0.044)
0.032** 0.015 0.006 0.001 0.013 -0.003 -0.005 éducation
(0.016) (0.014) (0.012) (0.013) (0.018) (0.011) (0.012)
0.002* 0.005*** 0.003*** 0.004*** 0.003** 0.005*** 0.005*** éducation2
(0.001) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001)
0.034*** 0.039*** 0.030*** 0.056*** 0.019* 0.029*** 0.040*** exp. potentielle
(0.007) (0.006) (0.006) (0.006) (0.010) (0.005) (0.008)
-0.044*** -0.059*** -0.046*** -0.081*** -0.024 -0.044*** -0.053*** exp. potent. 2/100
(0.010) (0.009) (0.009) (0.009) (0.016) (0.009) (0.013)
0.413*** 0.246*** 0.159** 0.400*** 0.363*** 0.286*** 0.443*** plus de 6 pers.
(0.118) (0.070) (0.068) (0.088) (0.133) (0.079) (0.094)
0.030*** 0.030*** 0.024*** 0.024*** 0.026*** 0.028*** 0.023*** ancienneté
(0.007) (0.006) (0.006) (0.005) (0.010) (0.006) (0.007)
-0.047*** -0.027* -0.025 -0.028** -0.057** -0.035* -0.056*** ancienneté 2 / 100
(0.017) (0.015) (0.015) (0.014) (0.028) (0.018) (0.020)
0.732*** 0.474*** 0.557*** 0.158** 0.262*** 0.095 0.223*** patron
(0.117) (0.081) (0.094) (0.069) (0.089) (0.065) (0.049)
4.273*** 4.100*** 5.036*** 4.254*** 4.611*** 4.027*** 4.667*** Constante
(0.120) (0.112) (0.105) (0.097) (0.165) (0.096) (0.127)
Correction de la sélection
0.154 -0.562*** 0.048 0.347 -1.568*** -0.810*** 0.467 inv. du ratio de Mills (0.130) (0.145) (0.237) (0.232) (0.596) (0.313) (0.498)
Variables identifiantes (introduites dans l'équation de sélection)
-0.223*** -0.887*** -0.278*** -0.374*** -0.099 -0.180 -0.060 mauvaise qualité globale (0.073) (0.095) (0.072) (0.082) (0.144) (0.181) (0.126)
1.298*** 2.017*** 0.530*** 1.012*** 5.677 5.801*** 0.964*** enquêteur performant
(0.122) (0.362) (0.087) (0.157) (0.000) (0.000) (0.264)
0.087 0.334** -0.028 0.002 0.190 0.144 0.064 chef de ménage
(0.108) (0.138) (0.087) (0.132) (0.147) (0.182) (0.164)
Observations 1964 2366 2744 2707 3036 2743 2182
Variable dépendante : logarithme du revenu horaire, tel que déclaré en montant, ou médian si déclaré en tranche. Variables de contrôle : statut migratoire et branches d'activité. Champ : ensemble des individus de 10 ans et plus, travailleurs indépendants, rémunérés. Ecarts-type corrigés de l'hétéroscédasticité.
Validité des instruments pour le modèle des indépendants Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.073 0.063 -0.072 -0.036 -0.076** 0.070 -0.047 mauvaise qualité globale (0.054) (0.052) (0.084) (0.056) (0.036) (0.045) (0.036)
-0.107 -0.009 -0.052 -0.291*** 0.107** 0.073* -0.102* enquêteur performant
(0.135) (0.056) (0.122) (0.079) (0.049) (0.041) (0.061)
0.137** 0.278*** 0.172*** 0.249*** 0.168*** 0.169*** 0.144*** chef de ménage
(0.066) (0.053) (0.048) (0.057) (0.037) (0.039) (0.051)
Coefficients issus de la régression MCO du logarithme du revenu horaire sur les variables explicatives présentées précédemment, la probabilité prédite de déclarer son revenu lors de la collecte (estimée par un probit) et les variables supposées identifiantes. Ecarts-type robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
51
Graphiques 1, 2 et 3 : Saisonnalité de l'activité des UPI
0
10
20
30
40
50
60
1 2 3 4 5 6 7 8 9 10 11 12
mois
% d'UPI po
ur lesquelles l'activité est m
axim
ale
Niamey
Ouagadougou
Bamako
P2 P2
P2
P1
P1
P1
P3
P3
P3
0
10
20
30
40
50
60
70
1 2 3 4 5 6 7 8 9 10 11 12
mois
% d'UPI po
ur lesquelles l'activité est m
axim
ale
Cotonou
Lomé
P2
P2
P1
P1
P3
P3
52
0
10
20
30
40
50
60
70
1 2 3 4 5 6 7 8 9 10 11 12
mois
% d'UPI po
ur lesquelles l'activité est m
axim
ale
Dakar
Abidjan
P2
P2
P3 P1
P1
P1
Tableau 28 : Saisonnalité de l'activité des UPI
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
11,9 11,5 12,0 11,8 11,8 11,1 11,8 Durée d'act. moyenne (écart-type) 0,9 1,9 0,1 1,3 1,0 2,2 1,1
Durée de 10 mois et plus (%) 98,2 91,5 100,0 96,8 97,5 87,1 96,2
Ratios de saisonnalité moyens
Confection, cuir, chaussures 2,84 3,68 2,38 2,38 2,60 2,80 2,41
Autres industries 2,60 2,77 2,88 2,46 3,52 2,81 2,54
BTP 2,18 2,33 2,64 2,62 2,32 1,88 2,06
Commerce en magasin 2,17 1,95 1,86 1,82 1,74 2,00 2,73
Commerce de détail hors magasin 2,86 2,93 2,65 2,63 2,19 2,44 2,51
Restauration, hôtellerie 2,89 3,61 3,02 3,29 3,42 2,86 2,74
Réparation, entretien 3,12 2,80 3,41 3,33 2,57 4,01 3,07
Transports 2,59 2,37 3,17 2,42 2,96 2,04 2,10
Autres services 2,37 2,10 1,94 2,21 2,18 2,72 1,86
Toutes branches confondues 2,53 2,62 1,99 2,70 3,09 2,82 2,04
Données pondérées. Echantillon de phase 2.
53
Tableau 29 : Est. du revenu d'act. principale des dépendants du sect. informel après corrections
Logarithme du revenu horaire des travailleurs dépendants du secteur informel, correction de la sélection due à la NR Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.370*** -0.340*** -0.264*** -0.481*** -0.345*** -0.393*** -0.373*** femme (0.066) (0.078) (0.059) (0.090) (0.063) (0.104) (0.059)
-0.006 0.048** 0.033** 0.008 0.027 -0.019 0.009 éducation
(0.018) (0.021) (0.014) (0.027) (0.018) (0.029) (0.015)
0.004*** 0.003** 0.002 0.004** 0.002* 0.006*** 0.005*** éducation2
(0.001) (0.002) (0.001) (0.002) (0.001) (0.002) (0.001)
0.042*** 0.063*** 0.047*** 0.045*** 0.028*** 0.044*** 0.018** exp. potentielle
(0.008) (0.010) (0.007) (0.011) (0.009) (0.013) (0.008)
-0.055*** -0.084*** -0.064*** -0.036* -0.034** -0.055** 0.003 exp. potent. 2/100
(0.015) (0.019) (0.013) (0.019) (0.017) (0.028) (0.017)
1.456*** 0.898*** 1.497*** 1.039*** 1.118*** 0.980*** 0.885*** cadre
(0.184) (0.223) (0.203) (0.229) (0.189) (0.286) (0.204)
0.694*** 0.499*** 0.622*** 0.651*** 0.827*** 0.476** 0.800*** employé, ouvrier
(0.102) (0.112) (0.070) (0.126) (0.105) (0.201) (0.106)
0.282*** 0.228** 0.436*** 0.185 0.533*** 0.289 0.649*** manoeuvre
(0.097) (0.094) (0.073) (0.126) (0.106) (0.192) (0.103)
0.291*** 0.469*** 0.450*** 0.060 0.523*** 0.343 0.028 aide familial
(0.110) (0.104) (0.100) (0.153) (0.130) (0.215) (0.122)
0.040 0.037 -0.169*** 0.123 0.054 0.050 -0.142** plus de 6 pers.
(0.061) (0.076) (0.050) (0.103) (0.062) (0.091) (0.057)
0.023* 0.030** 0.010 0.040** 0.021 0.029 0.064*** ancienneté
(0.012) (0.014) (0.009) (0.017) (0.016) (0.022) (0.014)
-0.050 -0.086* -0.007 -0.117** -0.040 -0.101 -0.238*** ancienneté2/100
(0.043) (0.048) (0.032) (0.059) (0.092) (0.098) (0.071)
0.267** 0.816*** 0.437*** 0.186 0.122 0.409** 0.275*** bulletin de paie
(0.108) (0.144) (0.109) (0.119) (0.103) (0.183) (0.103)
0.400*** -0.107 0.203*** 0.329*** 0.048 0.112 0.262*** contrat écrit
(0.098) (0.112) (0.078) (0.121) (0.084) (0.148) (0.085)
-0.201** -0.140 -0.027 -0.140 -0.138** -0.065 -0.064 salaire fixe
(0.081) (0.094) (0.070) (0.106) (0.069) (0.096) (0.082)
3.628*** 3.180*** 3.698*** 3.380*** 3.638*** 3.218*** 4.005*** Constante
(0.128) (0.155) (0.113) (0.155) (0.143) (0.241) (0.147)
Correction de la sélection
-0.183 -0.946* 0.489 -0.343 -0.199 0.978 0.200 inv. du ratio de Mills (0.238) (0.537) (0.299) (0.675) (0.304) (0.739) (0.301)
Variables identifiantes (introduites dans l'équation de sélection)
-0.451*** -0.433*** -0.295*** -0.226 0.186 -0.242 0.078 mauvaise qualité globale (0.172) (0.156) (0.112) (0.226) (0.489) (0.440) (0.160)
6.126 0.456** 0.479*** 0.479 1.102** 5.477*** 0.548** enquêteur performant
(0.000) (0.197) (0.142) (0.297) (0.440) (0.000) (0.214)
0.088 0.256 -0.238 0.049 -0.219 0.961 0.275 chef de ménage
(0.252) (0.251) (0.184) (0.324) (0.511) (0.591) (0.241)
Observations 727 993 1348 698 608 630 1101 Variable dépendante : logarithme du revenu horaire. Variables de contrôle : statut migratoire et branche d'activité. Champ : ensemble des individus de 10 ans et plus, travailleurs dépendants du secteur informel, rémunérés. Ecarts-type corrigés de l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
Validité des instruments pour le modèle des dépendants du secteur informel Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.073 0.010 -0.096* 0.002 -0.045 0.035 0.005 mauvaise qualité globale (0.061) (0.057) (0.056) (0.071) (0.062) (0.080) (0.047)
0.061 0.041 0.084 -0.124 0.022 0.031 -0.083* enquêteur performant
(0.070) (0.061) (0.058) (0.078) (0.048) (0.069) (0.050)
0.221** 0.472*** 0.034 0.526*** 0.159** 0.178** 0.232*** chef de ménage
(0.086) (0.080) (0.084) (0.105) (0.074) (0.089) (0.071)
Coefficients issus de la régression MCO du logarithme du revenu horaire sur les variables explicatives présentées précédemment, la probabilité prédite de déclarer son revenu lors de la collecte (estimée par un probit) et les variables supposées identifiantes. Ecarts-type robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
54
Tableau 30 : Est. du revenu d'act. principale des travailleurs indépendants après corrections.
Logarithme du revenu horaire des travailleurs indépendants, correction de la sélection due à la non-réponse
Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.330*** -0.567*** -0.374*** -0.528*** -0.547*** -0.458*** -0.421*** femme (0.061) (0.053) (0.052) (0.050) (0.059) (0.054) (0.061)
0.013 0.031* 0.020 0.028* 0.009 -0.014 0.030* éducation
(0.020) (0.018) (0.015) (0.016) (0.014) (0.015) (0.017)
0.003** 0.004*** 0.003** 0.002 0.004*** 0.005*** 0.003** éducation2
(0.002) (0.001) (0.001) (0.001) (0.001) (0.001) (0.001)
0.035*** 0.047*** 0.032*** 0.057*** 0.024*** 0.022*** 0.042*** exp. potentielle
(0.008) (0.008) (0.007) (0.007) (0.008) (0.007) (0.012)
-0.041*** -0.072*** -0.045*** -0.081*** -0.029** -0.035*** -0.048** exp. potent. 2/100
(0.012) (0.012) (0.011) (0.011) (0.012) (0.012) (0.019)
0.467*** 0.103 0.093 0.315*** 0.316*** 0.179* 0.108 plus de 6 pers.
(0.144) (0.091) (0.086) (0.108) (0.102) (0.105) (0.134)
0.017** 0.041*** 0.022*** 0.026*** 0.010 0.034*** -0.001 ancienneté
(0.008) (0.008) (0.007) (0.007) (0.007) (0.008) (0.009)
-0.028 -0.061*** -0.029 -0.027 -0.007 -0.048** 0.029 ancienneté 2 / 100
(0.022) (0.020) (0.019) (0.017) (0.021) (0.024) (0.029)
0.613*** 0.572*** 0.529*** 0.375*** 0.291*** -0.179** 0.430*** patron
(0.140) (0.106) (0.115) (0.085) (0.069) (0.087) (0.070)
4.490*** 4.321*** 5.197*** 4.464*** 4.738*** 4.255*** 5.113*** Constante
(0.147) (0.143) (0.140) (0.121) (0.126) (0.126) (0.190)
Correction de la sélection
0.242 -0.539** 0.236 -0.160 -1.200** -0.627 -0.166 inv. du ratio de Mills (0.228) (0.217) (0.485) (0.379) (0.499) (0.445) (0.831)
Variables identifiantes (introduites dans l'équation de sélection)
-0.198** -0.968*** -0.196** -0.323*** -0.082 -0.196 -0.177 mauvaise qualité globale (0.081) (0.113) (0.080) (0.091) (0.154) (0.189) (0.148)
1.116*** 7.199 0.404*** 0.909*** 6.038*** 5.835*** 0.740*** enquêteur performant
(0.133) (0.000) (0.095) (0.171) (0.000) (0.000) (0.273)
0.094 0.463*** -0.017 0.014 0.281* 0.194 0.339 chef de ménage
(0.120) (0.161) (0.096) (0.147) (0.159) (0.196) (0.208)
Observations 1964 2366 2744 2707 3036 2743 2182
Variable dépendante : logarithme du revenu horaire, tel que déclaré en montant, ou médian si déclaré en tranche. Variables de contrôle : statut migratoire et branches d'activité. Champ : ensemble des individus de 10 ans et plus, travailleurs indépendants, rémunérés. Ecarts-type corrigés de l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
Validité des instruments pour le modèle des indépendants Niamey Ouagadougou Dakar Bamako Cotonou Lomé Abidjan
-0.073 0.063 -0.072 -0.036 -0.076** 0.070 -0.047 mauvaise qualité globale (0.054) (0.052) (0.084) (0.056) (0.036) (0.045) (0.036)
-0.107 -0.009 -0.052 -0.291*** 0.107** 0.073* -0.102* enquêteur performant
(0.135) (0.056) (0.122) (0.079) (0.049) (0.041) (0.061)
0.137** 0.278*** 0.172*** 0.249*** 0.168*** 0.169*** 0.144*** chef de ménage
(0.066) (0.053) (0.048) (0.057) (0.037) (0.039) (0.051)
Coefficients issus de la régression MCO du logarithme du revenu horaire sur les variables explicatives présentées précédemment, la probabilité prédite de déclarer son revenu lors de la collecte (estimée par un probit) et les variables supposées identifiantes. Ecarts-type robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1%
55
Tableau 31 : Epargne négative et type de ménage Niamey Ouagadougou Dakar Bamako Cotonou Lomé
Proportion de ménage sans aucun actif occupé épargne positive 0,0 0,1 0,0 0,0 0,5 0,0
épargne négative 15.0 8.0 10.2 10,4 10.1 8.0
Proportion de ménage dont le chef est sans emploi ou a un emploi non rémunéré épargne positive 8.6 8,5 20.2 6.3 5,6 5.5
épargne négative 27.2 28.2 39.0 28.5 18.7 19,1
Proportion de ménage dont le chef travaille dans le secteur informel épargne positive 61.5 64,2 54.9 74,8 75.1 57.1
épargne négative 63.9 65,0 66.3 60.9 69.7 70.9
Corrélation entre le montant de transferts et l'épargne. -0.08*** -0,04*** -0,06*** -0,02 0,07 0,08***
Taille Moyenne des ménages épargne positive 6.4 6.42 8.7 6.3 4.5 4.4
épargne négative 5.9 5.8 6.7 6.0 4.8 3.8
Proportion de ménages dirigés par une femme épargne positive 8.0 9.6 15.9 7.3 19.2 10.5
épargne négative 16.0 13.3 30.8 12.1 28.7 30.3
56
Tableau 32 : Déterminants pour un ménage, de présenter une épargne positive. Niamey Ouagadougou Dakar Bamako Cotonou Lomé
0.401*** 0.371*** 0.419*** 0.372*** 0.304*** 0.131*** revenu corrigé (log) (0.041) (0.026) (0.039) (0.027) (0.031) (0.021)
-0.070 -0.006 -0.111** -0.019 0.029 -0.011 femme
(0.068) (0.045) (0.045) (0.050) (0.046) (0.023)
-0.022*** -0.020*** -0.004 -0.020*** -0.022*** -0.007* taille du ménage
(0.007) (0.006) (0.006) (0.005) (0.008) (0.004)
0.071 0.030 -0.048 -0.141*** 0.038 -0.025 CDM non rémunéré
(0.108) (0.063) (0.078) (0.037) (0.097) (0.024)
-0.001 -0.016** -0.021* -0.016* -0.018* -0.007 éducation
(0.012) (0.008) (0.012) (0.008) (0.009) (0.005)
-0.001* -0.000 0.001 -0.000 -0.000 0.000 éducation2/100
(0.001) (0.000) (0.001) (0.001) (0.001) (0.000)
0.128** 0.045 -0.011 0.029 0.034 -0.025 CDM secteur informel
(0.058) (0.038) (0.063) (0.037) (0.048) (0.021)
-0.009 -0.006 -0.009 -0.000 -0.021*** -0.001 âge
(0.014) (0.007) (0.010) (0.006) (0.008) (0.003)
0.000 0.000 0.000 0.000 0.000** 0.000 âge2
(0.000) (0.000) (0.000) (0.000) (0.000) (0.000)
0.139* 0.156** 0.062 0.088 -0.016 0.054 transferts tranche 2
(0.081) (0.069) (0.073) (0.072) (0.050) (0.048)
0.092 0.024 -0.006 -0.099* -0.075 -0.006 transferts tranche 3
(0.093) (0.063) (0.072) (0.052) (0.053) (0.032)
0.004 -0.009 -0.008 0.056 0.065 transferts tranche 4
(0.078) (0.052) (0.072) (0.071) (0.072)
-0.023 -0.015 -0.045 -0.092** -0.065 -0.029* transferts tranche 5
(0.072) (0.059) (0.064) (0.040) (0.049) (0.017)
-0.155*** -0.081* -0.202*** 0.004 -0.100*** -0.033** transferts tranche 6
(0.055) (0.042) (0.036) (0.077) (0.035) (0.013)
-0.075 0.008 0.031 -0.061** -0.043 -0.009 réponse en tranche
(0.050) (0.032) (0.053) (0.028) (0.034) (0.016)
-0.066 0.002 -0.065 -0.108*** -0.095 non-réponse
(0.057) (0.062) (0.068) (0.032) (0.073)
0.298** 0.487** -0.101 0.042 -0.048 -0.016 emploi continu
(0.145) (0.203) (0.068) (0.070) (0.072) (0.021)
0.206* -0.018 -0.102* 0.038 0.132 -0.005 cadre ou assimilé
(0.106) (0.048) (0.058) (0.066) (0.086) (0.028)
-0.095 -0.258 1 personne rémunérée et +
(0.222) (0.214)
-0.061 0.251 -0.099 CDM apprenti ou aide fam.
(0.084) (0.239) (0.081)
Observations 501 912 524 878 564 485
Pseudo R2 28.3 35.0 37.2 41.9 35.7 39.6
Ecarts type entre parenthèses, robustes à l'hétéroscédasticité. * significatif au seuil de 10%; ** significatif au seuil de 5%; *** significatif au seuil de 1% Estimation probit. Variable dépendante : probabilité qu'un ménage ait une épargne positive. Les coefficents sont les rendements marginaux
57
Graphiques 4, 5, 6, 7, 8, 9 : Courbes de Kernel des revenus déclarés, des revenus corrigés et de
la consommation 0
.2.4
.6de
nsité
5 10 15
revenu déclaré revenu corrigé consommation
Niamey
0.1
.2.3
.4.5
dens
ité
8 10 12 14 16 18
revenu déclaré revenu corrigé consommation
Ouagadougou
58
0.2
.4.6
.8de
nsité
6 8 10 12 14 16
revenu déclaré revenu corrigé consommation
Dakar
0.2
.4.6
.8de
nsité
5 10 15 20
revenu déclaré revenu corrigé consommation
Bamako
59
0.2
.4.6
.8de
nsité
8 10 12 14 16
revenu déclaré revenu corrigé consommation
Cotonou
0.2
.4.6
.8de
nsité
8 10 12 14 16
revenu déclaré revenu corrigé consommation
Lomé