Navigation – Plan du site

AccueilNuméros47Hors dossierEffets de seuil dans la relation ...

Hors dossier

Effets de seuil dans la relation entre tourisme et croissance économique dans les pays membres de l’organisation des Etats de la caraïbe orientale (OECO)

Threshold Effects in the Relationship between Tourism Growth and Economic Growth: Evidence from Organization of Eastern Caribbean States (OECS)
Louis Dupont

Résumés

Cette étude emploie un modèle de régression à effets de seuil pour explorer et évaluer la relation non linéaire qui existe entre développement touristique, croissance économique et autres variables macroéconomiques dans les pays membres de l’organisation des états de la Caraïbe orientale (OECO). L’objectif de l’étude est de déterminer à l’aide d’un modèle de données de panel de type Threshold Auto Regressive (TAR), à la Hansen 1999, le seuil de recettes touristiques/PIB à partir duquel son efficacité devient effective en termes de croissance économique. Les résultats de cette méthode montrent que la relation entre les recettes touristiques/PIB et la croissance économique est non linéaire dans les pays de l’OECO. Ils dévoilent également pour l’ensemble de ces pays, un seuil optimal de recettes touristiques/PIB de 25.2 %. Son effet marginal est de 0.17 point, suggérant qu’une augmentation de 1 % des recettes touristiques, améliorerait, toutes choses égales par ailleurs de 0.17 % la croissance économique dans la zone 0ECO.

Haut de page

Texte intégral

Introduction

1Cette étude analyse la genèse et l’évolution du tourisme dans les pays membres de l’organisation des états de la Caraïbe orientale (OECO). Elle explore les cas individuels afin de tirer des enseignements et formuler des recommandations qui peuvent être utilisées par les organes locaux de décision. Dans ce contexte, un modèle économétrique fut développé pour déterminer de manière empirique, la manière dont le tourisme affecte ou non la croissance économique dans cette région, en utilisant des données de panel de 6 pays sur 7 de l’OECO que sont : Antigue et Barbude, la Dominique, la Grenade, Saint-Kitts et Nevis, Sainte-Lucie, Saint Vincent et les Grenadines (Montserrat a été écarté de l’étude, en raison de données statistiques incomplètes). Pour réaliser ce test, un modèle à effets de seuil, inspiré de celui de Hansen (1999), a été employé sur la période 1995-2018.

2Des études récentes ont utilisé des modèles linéaires et non linéaires afin d’analyser les impacts du tourisme et de quelques variables macroéconomiques et donc de vérifier si l’hypothèse de la croissance tirée par le tourisme est établie ou non (Sequeira et Campos 2007 ; Brau, Lanza et Pigliaru 2007 ; Figini et Vici 2010 ; Du, Lew et Ng 2014 ; Po et Huang 2008 ; Chang et al., 2010 ; Chang, Khamkaew et McAleer 2012 ; Dupont, 2009 et 2015 ; Yi-Bin Chiu et Lung-Tai Yeh 2017).

3Parmi les modèles de régression linéaire appliqués à la relation tourisme-croissance économique, on peut citer l’étude de Archer (1984) qui a trouvé que le tourisme contribue de manière significative à la croissance économique de la Barbade (avec un taux de croissance de 40 % sur la période 1961-1977). Notons que, Balaguer et Cantavella-Jorda (2002) ont été les premiers à analyser empiriquement la relation linéaire entre le développement touristique et la croissance économique. Ils ont montré la causalité unidirectionnelle qui existe entre le tourisme et la croissance économique en Espagne et de ce fait ont confirmé l’hypothèse de la croissance tirée par le tourisme dans ce pays. De même, Dritsakis (2004) a examiné l’impact à long terme du tourisme en Grèce et a trouvé une corrélation forte entre ces deux variables. En employant la méthode des moments généralisés (GMM), Eugenio-Martin, Morales et Scarpa (2004) indiquent que l’accroissement du nombre de visiteurs peut stimuler la croissance économique dans les pays en développement et non dans les pays développés. Kim, Chen et Jang (2006) ont montré l’existence d’une causalité bidirectionnelle entre les deux variables à Taiwan. Nowak, Sahli et Cortes-Jimenez (2007) ont exploré au plan théorique et empirique la relation entre le tourisme, les importations de biens capitaux et la croissance économique en Espagne. Ils ont démontré que le développement du tourisme est de nature à accroître les importations de biens capitaux dans ce pays, en introduisant la notion de l’hypothèse de la croissance des importations de biens capitaux tirée par le tourisme. Dans le cas de la Tunisie (2011), les mêmes auteurs affirment que les résultats ne confirment pas l’hypothèse de la croissance tirée par le tourisme dans ce pays, tandis que l’hypothèse de la croissance des importations de biens capitaux tirée par le tourisme est confirmée, mais à court terme. Lee et Chang (2008) ont examiné la direction de la causalité entre le développement du tourisme et la croissance économique dans les pays de l’OCDE ainsi que dans les pays non membres de cette organisation. Leurs résultats issus d’un panel révèlent l’existence d’une causalité unidirectionnelle entre le développement du tourisme et la croissance économique dans les pays de l’OCDE et une causalité bidirectionnelle dans les pays non membres de l’OCDE. Par ailleurs, en analysant l’impact de la spécialisation touristique sur la relation tourisme-croissance économique, Brau, Lanza et Pigliaru (2007) ont utilisé le ratio recettes touristiques/PIB comme indice ou comme degré de spécialisation touristique. Pour ce faire, ils ont introduit une variable muette dans leur modèle, variable qui prend la valeur de 1 si cet indice est supérieur à 10 % ou 20 %. Ils ont trouvé que les destinations qui ont adopté cette hypothèse croissent significativement plus rapidement que toutes les autres et que les petits états croissent économiquement et relativement vite, seulement lorsqu’ils sont hautement spécialisés au plan touristique. Sequeira et Campos (2007) ont également analysé la relation tourisme-croissance économique, en tenant compte de trois variables de seuil : le ratio recettes touristiques/exportations de biens et services, le ratio des recettes touristiques/PIB et le ratio du nombre de visiteurs à la population locale. Leurs résultats concluent par des impacts négatifs du tourisme sur la croissance économique.

4Nous avons employé la théorie de la cointégration d’Engels et Granger (Dupont, 2009) pour analyser les relations entre développement touristique, croissance économique et réduction de la pauvreté en Haïti, puis utilisé deux modèles de régression dans un cadre de cointégration pour explorer les relations entre tourisme, croissance et développement inclusifs dans les petites destinations insulaires de luxe, avec l’exemple d’Anguilla dans la Caraïbe (Dupont, 2015). Enfin, parmi les auteurs, utilisant des modèles non linéaires en vue d’examiner l’hypothèse de la croissance tirée par le tourisme, soulignons les travaux de Po et Huang (2008) qui ont été les premiers à prendre en compte le degré de spécialisation comme variable de seuil dans leur modèle et ce, afin d’explorer la relation entre le développement touristique et la croissance économique. En utilisant la même variable de seuil, Po et Huang (2008) ainsi que Chang et al. (2010) trouvent que lorsque l’indice de spécialisation touristique est inférieur à 17.50 %, l’hypothèse de la croissance tirée par le tourisme est confirmée. Chang, Khamkaew et McAleer (2012) ont pour leur part, considéré trois variables de seuil dans leur modèle : le ratio investissement/PIB, les dépenses publiques/PIB, le degré d’ouverture au commerce international.

5Yi-Bin Chiu et Lung-Tai Yeh (2017) ont employé également trois variables de seuil dans leur modèle : le ratio recettes touristiques/PIB, le ratio nombre d’arrivées/nombre de départs et le ratio recettes touristiques/dépenses touristiques pour analyser, dans un modèle à régression de seuils, la relation non linéaire qui existe entre le développement du tourisme et la croissance économique dans 84 pays. Leurs résultats montrent l’existence dans ces pays, d’une relation non linéaire entre les deux variables.

6En bref, il ressort des travaux utilisant à la fois des modèles de régression linéaire et non linéaire, que les impacts du tourisme sur l’économie ne sont pas toujours positifs. Le tourisme peut même constituer un facteur négatif pour ce secteur d’activité si l’inégalité des revenus s’accroît et persiste dans une destination donnée, si la détérioration de l’environnement s’intensifie, le patrimoine culturel menacé, s’il existe une allocation inefficace des ressources et une capacité de charge de la destination, engendrant un nombre de visiteurs-jour excessivement élevé par rapport au nombre d’habitants et/ou par rapport à la superficie de la destination. Pour les institutions internationales, le tourisme constitue un important moteur de croissance pour les pays en développement, mais selon certaines critiques, une trop faible partie de la dépense touristique effectuée par les visiteurs atteint ces pays. De plus, le nombre de visiteurs dans ces pays s’accroît souvent plus rapidement que les recettes touristiques par habitant, principalement, en raison de l’importance des « fuites » et des importations dérivées qui seraient selon la CNUCED (Conférence des Nations unies sur le commerce et le développement) de l’ordre de 80 % dans les Caraïbes. Si ces chiffres sont exacts, l’intérêt du tourisme au plan économique devient discutable pour certaines destinations. Tant sur le plan théorique qu’empirique, l’analyse du lien entre l’activité touristique et la croissance économique ne fait pas consensus, les conclusions divergent et varient selon les auteurs. Aussi, ce papier a pour but de revisiter la relation entre recettes touristiques et croissance économique, à l’aide d’un modèle de données de panel à effets de seuil, modèle de type Threshold Auto Regressive (TAR), inspiré des travaux de Hansen (1999). Le ratio recettes touristique/PIB a été retenu comme seule variable de seuil dans ce modèle. En utilisant ce ratio, comme indice de spécialisation touristique ou comme proxy du développement touristique, ce papier cherche à vérifier dans le cadre d’un modèle de régression à effets de seuil, si le tourisme engendre ou non de la croissance dans l’espace OECO, autrement dit, si l’hypothèse de la croissance tirée par le tourisme est confirmée ou non. Cette étude est organisée comme suit : la deuxième section présente les faits stylisés du tourisme dans l’espace OECO ; la troisième section aborde la méthodologie et les données du modèle ; la quatrième section affiche les résultats du modèle ; et la cinquième section, la conclusion générale de l’étude.

1. Faits stylisés du tourisme dans l’espace OECO

7Rappelons que l’OECO est une organisation de consultation, de coopération et d’actions concertées entre plusieurs pays et dépendances des Antilles orientales. Elle a été créée le 18 juin 1981 à Basse Terre (Saint-Kitts et Nevis). Occupant une superficie moyenne de 465 km2 et peuplés en 2017 de 625 000 habitants, les pays membres de cette organisation figurent selon la banque mondiale (2018) parmi les plus petits pays du monde, en termes de population, de superficie et de PIB. Ces pays ont actuellement comme activités prioritaires : le commerce, le transport, la gestion des catastrophes naturelles et surtout le tourisme. Cependant, toujours selon la banque mondiale (2018), ces pays figurent en même temps parmi les meilleurs performers de la Caraïbe en termes de revenu par habitant, de niveau de pauvreté, de l’accès aux services de base et de la participation des femmes à la vie économique et sociale et ce, malgré des contraintes imposées par l’exiguïté des territoires et par la géographie. La spécialisation économique des 7 pays composant l’OECO les rend vulnérables aux chocs extérieurs et aux catastrophes naturelles, chocs engendrant une croissance faible et volatile de ces pays, observée depuis les années 2000. Aujourd’hui, l’épidémie du coronavirus à travers le monde constitue pour ces pays un choc d’une grande ampleur qui, s’il n’est pas maitrisé, risque à terme d’impacter négativement au plan économique, financier et humain l’activité du tourisme et des voyages dans ces petites destinations insulaires. Par ailleurs, une dette élevée, des opportunités d’emploi limitées et le changement climatique représentent de nos jours les principaux défis auxquels sont confrontés ces pays. Le renforcement de leur résilience aux chocs constitue donc un préalable à la lutte contre la pauvreté, à la réalisation d’une croissance inclusive et à la durabilité de la croissance. En outre, le capital naturel des océans offre à ces pays des opportunités pour une croissance axée sur l’économie bleue. La réalisation de ces opportunités requiert l’attelage du capital humain, des nouvelles technologies et une coopération régionale continue. Enfin, ces pays ont fait du tourisme, la pierre d’achoppement de leur politique économique. Selon le World Travel & Tourism Council (WTTC, 2018), le tourisme contribue directement ou indirectement en grande partie au PIB de cette région. Cette activité représente entre 23 % du PIB à la Grenade et à Saint Vincent et les Grenadines à 52 % à Antigue et Barbude (voir tableau 1). Les contributions indirectes à la création d’emplois sont à peu près du même ordre. Quant aux recettes touristiques, elles représentent en moyenne plus de la moitié des exportations des pays de l’OECO, dépassant même celles des îles du pacifique, qui s’élèvent en moyenne à 40 %.

Tableau 1. Contribution économique du tourisme et des voyages dans les pays de l’OECO en 2017

Part du tourisme dans le PIB

direct total

Création d’emplois (%)

direct total

Recettes touristiques/Exportations

Antigue et Barbude

13 51.8

13.5 46.1

60.4

Dominique

12.4 37.6

11.3 34.4

56.4

Grenade

7 23.3

6.4 21.4

60.8

Saint-Kitts et Nevis

6.6 26.8

6.5 25.6

33.4

Sainte Lucie

15 41.8

26.4 50.8

67.1

Saint Vincent et les Grenadines

5.9 23.4

5.5 21.5

48

Source : World Travel & Tourism Council, country economic impact analysis 2018

8En matière de tourisme, les pays de l’OECO peuvent être classés en trois catégories : (1) pays à forte spécialisation touristique : Antigue et Barbude, Sainte-Lucie ; (2) pays à spécialisation touristique modérée : Saint-Kitts et Nevis, Grenade, Saint-Vincent et les Grenadines ; (3) pays à faible spécialisation touristique : la Dominique. Ces niveaux de spécialisation touristique se reflètent à la fois dans le degré de concentration des marchés émetteurs ciblés, de même que dans la gamme des produits offerts par ces pays. Il est important de noter que ces pays dans leur ensemble, tendent à offrir un nombre limité de produits en direction d’un nombre réduit de marchés émetteurs, d’où une forte concentration à la fois des marchés émetteurs et des produits offerts (voir tableau 2). Les États-Unis représentent le principal marché émetteur de touristes dans quatre des six pays analysés, tandis que la Caraïbe demeure le principal marché émetteur de touristes à la fois pour la Dominique et pour Saint-Vincent et les Grenadines.

Tableau 2. Concentration des marchés touristiques ainsi que des produits offerts dans les pays de l’OECO

Pays

Principal marché

Offres

Antigue et Barbude

USA (41 %)

plages, activités nautiques, croisière et voile, héritage culturel.

Dominique

Caraïbe (49 %)

plages et rivières, écotourisme/tourisme de pleine nature.

Grenade

USA (33 %)

plages, activités nautiques, mariage et lune de miel.

Saint-Kitts et Nevis

USA 60 %)

plages, activités nautiques, voile, mariage et lune de miel.

Sainte-Lucie

USA (45 %)

plages, activités nautiques, voile, mariage et lune de miel.

Saint-Vincent et les Grenadines

Caraïbe (31 %)

plages, activités nautiques, voile, destination à la mode.

Source : Banque Mondiale (2018)

9Par ailleurs, notons qu’en termes de fréquentation, le nombre de visiteurs a augmenté dans ces pays depuis la fin de la crise économique et financière de 2008. Sainte-Lucie et la Grenade comptent pour plus de 50 % dans cette augmentation. En 2017, le nombre de touristes de séjour à Antigue et Barbude, à Saint-Kitts et Nevis et à Saint-Vincent et les Grenadines demeurait toujours en dessous du niveau de la période d’avant-crise. Malgré les dégâts causés par le cyclone Maria à la Dominique, le nombre de touristes de séjour a augmenté en 2017 de 2 % dans ce pays. En dépit de ces développements, on constate que la croissance du tourisme dans les pays de l’OECO est inférieure à celle d’autres régions du monde (voir figures 1 et 2), d’où une perte de compétitivité de ces pays sur le marché du tourisme international. Cette baisse de compétitivité est due pour l’essentiel à une faible diversification des marchés émetteurs, à l’impact de la crise financière, à la grande vulnérabilité de la région aux catastrophes naturelles et aux coûts d’exploitation élevés dans les structures d’hébergement, en particulier à ceux de la main-d’œuvre, de l’électricité, mais aussi à la faiblesse des infrastructures. Aussi, par rapport à de nouvelles destinations comme la Chine, les défis de la compétitivité touristique pour les destinations de la Caraïbe demeurent vitaux pour relancer la croissance dans cette région du monde.

Figure 1. Nombre de touristes de séjour dans l’espace OECO (2000-2017)

Figure 1. Nombre de touristes de séjour dans l’espace OECO (2000-2017)

Source : Eastern Caribbean Central Bank

Figure 2. Taux de croissance du nombre de visiteurs (2005-2017)

Figure 2. Taux de croissance du nombre de visiteurs (2005-2017)

VCT = Saint-Vincent et les Grenadines ; LCA= Sainte-Lucie
SKN= Saint-Kitts et Nevis ; GRD= Grenade
DOM= Dominique ; ATG= Antigue et Barbude

Source : UN World Tourism Organization (regions) and Eastern Caribbean Central Bank (OECS)

10Une caractéristique importante de la structure du tourisme dans l’espace OECO réside dans le fait que la croissance du nombre de touristes de croisière est depuis plusieurs années beaucoup plus élevée que celle du nombre des touristes de séjour. Le nombre de touristes de séjour augmente également, proportionnellement plus lentement que celui des croisiéristes. Aussi, depuis les années 2000, les arrivées de croisiéristes dépassent de loin celles des visiteurs de séjour. Selon la banque mondiale (2018), entre 2013 et 2017, le nombre de touristes de croisière a augmenté dans cet espace de 8.5 % par an contre une croissance annuelle moyenne de 3.2 % des touristes de séjour.

Figure 3. Nombre de touristes de croisière versus nombre de touristes de séjour dans les pays de l’OECO (2000 -2017).

Figure 3. Nombre de touristes de croisière versus nombre de touristes de séjour dans les pays de l’OECO (2000 -2017).

Source : Eastern Caribbean Central Bank (ECCB, 2018)

11Enfin, selon L. Dwyer & Forsyth (1998), Gregory L. Chase & David (2003) et le groupe Business Research & Economic Advisers (BREA) (2018), l’impact économique du tourisme de croisière dans les pays hôtes, notamment dans les destinations de la Caraïbe, est incontestablement plus faible que celui du tourisme de séjour, car les croisiéristes passent en général moins de temps sur place et de ce fait dépensent moins d’argent (voit tableau 3).

Tableau 3. Contribution économique du tourisme de croisière dans l’espace OECO (2017-2018)

Pays

Nombre de croisiéristes

Nombre d’emplois

Salaires versés (million $)

Dépenses des croisiéristes (millions $)

Antigue et Barbude

692 967

1466

14.41

48.8

Dominique (2014-2015)

259 450

373

2.9

14.2

Grenade

343 619

529

3.65

19.2

Saint-Kitts et Nevis

978 487

2065

17.64

133

Sainte-Lucie

668 000

1465

11.64

59.4

Saint-Vincent et les Grenadines

240 994

418

3.39

16.4

Source : Business Reseach & Economic Advisors (BREA, 2018)

2. Méthodologie et données du modèle

2.1. Spécification du modèle

12Une modélisation en termes d’effet de seuil est retenue dans cette étude. Pour ce faire, elle fait l’hypothèse que, l’impact de l’activité touristique sur la croissance économique est différent selon un niveau de recettes touristiques/PIB et que l’impact de ce ratio sur la croissance économique dépend également du niveau des recettes touristiques enregistrées par habitant. Ce faisant, ce papier emploie le modèle de régression de seuil, de type Threshold Auto Regressive (TAR) proposé par Hansen (1999) pour analyser la corrélation entre développement du tourisme, croissance économique et autres variables économiques dans six pays de la zone OECO, en utilisant comme variable de seuil, le ratio recettes touristiques/PIB (rpib) et comme variable régime-dépendant, les recettes touristiques/Habitant (rhb). Il s’agit d’un modèle de panel à effet de seuil fixe (fixed- effect panel threshold model) où la transition s’effectue à l’aide d’une fonction de transition brutale et d’une variable de transition et à condition que la somme des carrés des résidus (SSR) soit minimisée. La méthode bootstrap est également utilisée pour tester la signification statistique de l’effet seuil. L’intérêt de ce modèle réside dans le fait qu’il présente plusieurs régimes distincts. Le modèle pour un seuil unique s’exprime comme suit :

Yit = µ + Xit(qit <γ)ß1 + Xit(qit ≥ γ)ß2 + ui + eit

13où Yit est la variable dépendante, Xit le vecteur des variables explicatives, qit la variable seuil. γ, est le paramètre de seuil qui divise l’équation en deux régimes, avec les coefficients ß 1 et ß2. Le paramètre ui exprime l’effet individuel tandis que eit est le terme d’erreur. Soulignons que la modélisation de Hansen ne permet pas l’intégration de Yit – 1, et de ce fait, n’analyse pas le problème de la convergence économique et ce, en raison du biais de Nickell (1980). Cependant, l’intérêt de cette modélisation demeure intact pour aborder la problématique de la non-linéarité d’un modèle de croissance axé sur le tourisme. Ajoutons que pour déterminer le nombre de seuils, le modèle est estimé de manière séquentielle pour un, deux et trois seuils. Les statistiques de test de linéarité F1, F2 et F3, ainsi que leur p – value de bootstrap sont également calculés.

2.2. Données du modèle

14Des données annuelles d’un panel de six pays de la zone OECO ont été utilisées sur la période 1995-2018 pour analyser la relation entre tourisme et croissance économique. Les variables, facteurs de croissance du modèle ont été choisies en s’inspirant des travaux de Barro (1998), qui propose dans son modèle de croissance endogène, deux grands types de variables : le capital physique et le capital humain. La variable dépendante est le PIB réel. C’est l’indicateur le plus utilisé pour analyser la croissance économique. La principale variable d’intérêt, est la variable de seuil, c’est à dire le ratio recettes touristiques/PIB (rpib). Les variables de contrôle comprennent le taux d’inflation (inf), la formation brute de capital fixe (investissement – inv), la consommation finale des ménages (conf), les dépenses publiques (gov), le taux d’ouverture (exportations + importations/PIB et comme variable du capital humain, le taux de scolarisation au secondaire (edu). Nous introduisons également dans le modèle, une variable muette, qui capte l’influence des crises économiques et financières récentes sur la croissance économique (crisf), variable qui prend la valeur de 1 pour les années 2007, 2008 et 2009, et 0 ailleurs. Toutes ces variables sont transformées en logarithme, à l’exception du taux d’inflation et de la variable muette et ce, afin de pouvoir mieux interpréter les résultats. Les données sont extraites de la banque de données de la banque mondiale (World Development Indicators -WDI), de la banque centrale des états de la Caraïbe orientale (ECCB), de la CEPALC (cepalstat) et de la base de données de l’ONU, relative aux comptes nationaux des divers pays. Enfin, il est nécessaire de poser les tests d’hypothèse pour les différentes variables du modèle, en particulier pour celle de la consommation finale des ménages (conf). Cette variable est généralement affectée du signe positif, car selon la théorie Keynésienne, une augmentation de la consommation finale des ménages stimule la croissance économique, mais selon quelques économistes (Ando et Modigliani 1963 ; Friedman 2008), elle peut également afficher le signe négatif, étant donné que c’est l’épargne qui constitue selon eux le principal facteur de la croissance. Aussi, le signe de cette variable peut être soit positif soit négatif. De même, le signe attendu de la variable dépense publique (gov) est également incertain, car si les dépenses publiques sont de nature productive (notamment par l’investissement), elles peuvent engendrer de la croissance. En revanche, si elles donnent naissance à des dépenses de consommation, ces dernières peuvent entraver la croissance économique. Le signe attendu de la variable investissement (inv) est positif, car une augmentation des investissements se traduit en général par de la croissance, tandis que le signe attendu du taux d’ouverture (ouv) est incertain, car la mondialisation, en élargissant les marchés peut relancer la croissance économique, mais elle peut aussi la réduire si on observe une baisse de compétitivité de un ou plusieurs pays sur un ou plusieurs marchés (cas des pays de l’OECO sur le marché international du tourisme). Par conséquent, le signe de cette variable peut être soit positif, soit négatif. Les signes attendus du taux d’inflation (inf) et de la variable muette (crisf) sont négatifs car ils pénalisent ou entravent à la fois les exportations et les investissements et de ce fait ont une influence négative sur la croissance économique. Enfin, le signe attendu de la variable, taux de scolarisation au secondaire (edu) est positif, car selon divers travaux, une augmentation de cette variable, en termes d’années de scolarisation améliore souvent la croissance économique.

3. Résultats du modèle

15Les résultats du modèle sont présentés comme suit : dans un premier temps, les statistiques descriptives des variables sont établies et consignées dans le tableau 4, notamment les moyennes, écarts-type et les valeurs minimales et maximales. Dans un deuxième temps, les résultats proprement dits du modèle sont présentés de manière séquentielle, en cinq étapes : en premier lieu, le tableau 5, estime la valeur du seuil dans un modèle à seuil unique ; en second lieu, le tableau 6, affiche le test des effets de seuil, y compris le RSS, le MSE, le Fstatistic (Fstat) et sa probabilité, ainsi que les valeurs critiques aux seuils de 10 %, 5 % et 1 %. En troisième lieu, le tableau 7, présente les estimateurs de seuil et leur intervalle de confiance dans un modèle avec différents seuils. th-1 est l’estimateur dans le modèle à seuil unique, th-21 et th-22 sont les estimateurs dans les modèles à double seuils. Notons que quelquefois, th-21 et th-22 affichent des valeurs identiques dans les modèles à double seuils, de même que th-1 et th-21 (Q. Wang, 2015). En quatrième lieu, le tableau 8 présente l’estimation du modèle à double seuils. En dernier lieu, l’estimation du modèle de régression à effets fixes est consignée dans le tableau 9.

Tableau 4. Résumé statistique des variables

Variable |

Obs

Mean

Std. Dev.

Min

Max

pibh |

144

9192.111

3818.787

4163

17059

ouv |

144

47.69896

6.976044

35.45

72.8

conf |

144

582.8611

230.3317

227

1140

gov |

144

128.0278

51.34947

40

307

inf |

144

2.114583

2.622468

-4.2

10.5

inv |

144

224.3889

100.5809

25

529

edu |

144

81.68236

10.47302

60

114.46

rpib |

144

.2330275

.1266083

.0854573

.6330709

rhb |

144

2321.354

2042.114

491.2183

11457.4

Source : calculs de l’auteur, extraits de STATA 16

16Ce tableau est extrait d’un panel équilibré de 144 observations. Il en ressort que le revenu moyen par habitant dans les 6 pays de la zone OECO, est de 9192 $, moyenne qui s’échelonne entre 4163 $ par habitant à St Vincent et les Grenadines à 17 O59 $ par habitant à Saint-Kitts et Nevis. Pour sa part, le ratio recettes touristiques/PIB, est en moyenne de 23 % pour les 6 pays. Il s’échelonne entre 8.5 % à Saint-Kitts et Nevis à 63 % à Antigue et Barbude. Enfin, on constate que l’écart-type des recettes touristiques par habitant est très élevé parmi les 6 pays. Cela dénote donc de grandes disparités entre ces destinations.

Tableau 5. Estimation du seuil dans un modèle à seuil unique

Threshold estimator (level = 95):

model |

Threshold

Lower

Upper

Th-1 |

0.2527

0.2478

0.2559

Source : calculs de l’auteur, extraits de STATA 16

17Ce tableau évalue le seuil dans le cadre d’un modèle à seuil unique. L’hypothèse nulle associée à ce test est, H: ß1 = ß2 (aucun effet de seuil) et dans l’hypothèse alternative, H: ß1 ǂ ß2 (l’effet de seuil existe). Les résultats montrent que le seuil s’élève ici à 25.27 %, avec 95 % d’intervalle de confiance [0.2478 ; 0.2559].

18Dans le tableau suivant, 300 répliques bootstrap ont été utilisées pour tester les effets de seuil dans un modèle à seuil unique.

Tableau 6. Effets de seuil dans un modèle à seuil unique

Threshold effect test (bootstrap = 300):

Threshold |

RSS

MSE

Fstat

Prob

Crit10

Crit5

Crit1

Single |

0.2240

0.0019

19.24

0.0000

9.9286

11.7000

14.2474

Source : calculs de l’auteur, extraits de STATA 16

19Les résultats montrent que le F statistics est de 19.24. Au seuil de 1 %, il est supérieur à la valeur critique, qui est de 14.2474. Sa valeur est donc hautement significative avec une p-value de bootstrap de 0.0000. Par conséquent, on peut conclure que la relation entre le développement touristique et la croissance économique est non linéaire dans la zone OECO.

20Ensuite et toujours de manière séquentielle, le modèle est estimé dans le tableau 4, avec un, deux et trois seuils. Le même nombre de répliques bootstrap est utilisé pour chacun des trois tests. Le F statistics et leur p-value bootstrat sont également présentés.

Tableau 7. Effets de seuil dans un modèle avec différents seuils

Threshold estimator (level = 95):

model |

Threshold

Lower

Upper

Th-1 |

0.2527

0.2478

0.2559

Th-21 |

0.2527

0.2478

0.2559

Th-22 |

0.1297

0.1059

0.1310

Th-3 |

0.0952

0.0940

0.1067

Threshold effect test (bootstrap = 300 300 300):

Threshold |

RSS

MSE

Fstat

Prob

Crit10

Crit5

Crit1

Single |

0.2240

0.0019

19.24

0.0000

10.8668

13.1850

15.2849

Double |

0.2025

0.0017

12.74

0.0233

9.7225

10.7803

15.0162

Triple |

0.1913

0.0016

6.98

0.2567

9.4233

10.7709

18.7038

Source : calculs de l’auteur, extraits de STATA 16

21On constate que dans le cas du modèle à seuil unique (avec H: modèle linéaire ; H: modèle à seuil unique), le F1 statistic s’élève à 19.24, il est au seuil de 1 %, supérieur à la valeur critique, qui est de 15.2849. Le F1 statistic est donc hautement significatif, avec une p-value de bootstrap de 0.0000. Le F2 statistic, dans le cas du modèle à double seuils (avec H: modèle à seuil unique ; H: modèle à double seuils), s’élève à 12.74, il est supérieur au seuil de 5 % à la valeur critique, qui est de 10.7803, pour une p-value de bootstrap de 0.0233. Cependant, le F3 statistic s’élève à 6.98, il est inférieur au seuil de 10 %, à la valeur critique qui est de 9.4233, pour une p-value de bootstrap de 0.2567. Ce modèle à triple seuils n’est donc pas concluant.

22Aussi, nous réestimons dans le tableau 8, la valeur du seuil dans un modèle à double seuils.

Tableau 8. Estimation du modèle à double seuils

Threshold estimator (level = 95):

model | Threshold Lower Upper

Th-1 | 0.2527 0.2478 0.2559

Th-21 | 0.2527 0.2478 0.2559

Th-22 | 0.1297 0.1059 0.1310

Threshold effect test (bootstrap = 300 300):

Threshold | RSS MSE Fstat Prob Crit10 Crit5 Crit1

Single | 0.2240 0.0019 19.24 0.0067 11.3312 12.8367 17.0832

Double | 0.2025 0.0017 12.74 0.0200 8.9478 11.2067 13.3865

Source : calculs de l’auteur, extraits de STATA 16

23Ce tableau indique que les deux variables de seuil sont respectivement de 25.27 % et 12.97 %.

24Enfin, le tableau 9, affiche les résultats du modèle de régression à effets fixes.

Tableau 9. Estimation du modèle de régression à effets fixes

Fixed-effects (within) regression Number of obs = 144

Group variable: country Number of groups = 6

R-sq: within = 0.9498 Obs per group: min = 24

between = 0.9762 avg = 24.0

overall = 0.9420 max = 24

F(10,128) = 242.08

corr(u_i, Xb) = 0.7457 Prob > F = 0.0000

lpib | Coef. Std. Err. t P>|t| [95 % Conf. Interval]

inf | -.0004958 .0013427 -0.37 0.713 -.0031526 .002161

louv | -.1246421 .0336123 -3.71 0.000 -.1911499 –.0581344

lconf | .336272 .0213426 15.76 0.000 .294042 .3785019

lgov | .1527891 .0166745 9.16 0.000 .1197958 .1857823

ledu | .0549112 .0350702 1.57 0.120 -.0144813 .1243037

linv | .0955955 .0159719 5.99 0.000 .0639923 .1271987

crisf | -.0032593 .0123163 -0.26 0.792 -.0276292 .0211106

|

_cat#c.lrhb |

0 | .1724827 .0168842 10.22 0.000 .1390745 .2058909

1 | .1661217 .0160999 10.32 0.000 .1342652 .1979781

2 | .1556198 .0147114 10.58 0.000 .1265108 .1847288

|

_cons | 2.306851 .2541513 9.08 0.000 1.803969 2.809732

sigma_u | .14422324

sigma_e | .0397723

rho | .9293261 (fraction of variance due to u_i)

F test that all u_i=0: F(5, 128) = 46.92 Prob > F = 0.0000

Source : calculs de l’auteur, extraits de STATA 16

25Ce tableau montre qu’au seuil de 1 %, le F statistic est de 46.92. Les variables sont toutes significatives au seuil de 5 %, à l’exception de celle de l’inflation et de celle du taux de scolarisation au secondaire. Elles ont également les signes attendus. Le R2 est élevé et s’élève à 0.97. Par conséquent, ce modèle est de bonne qualité. La sensibilité de la croissance aux recettes touristiques dans l’espace OECO est effective. Les variables de contrôle telles que l’investissement (linv), la consommation finale des ménages (lconf), les dépenses publiques (lgov) expliquent de manière significative leur influence sur la croissance économique. Enfin, l’estimation des pentes de la régression révèle l’impact des recettes touristiques sur la croissance économique dans les trois régimes comme suit :

  • Lorsque le ratio recettes touristique/PIB (rpib) est ≤ 25.27 %, le coefficient de pente s’élève à 0.17. Sa valeur est donc positive, ce qui implique une relation positive entre le développement touristique et la croissance économique

  • Lorsque 12.97 % < rpib ≤ 25.27%, le coefficient de pente s’élève à 0.16. Cette valeur est également positive, mais est inférieure à la précédente.

  • Enfin lorsque rpib > 12.97 %, sa valeur de pente est de 0.15, mais est inférieure aux deux précédentes.

  • En bref, le seuil optimal des recettes touristiques/PIB qui est susceptible de favoriser la croissance économique dans les pays de l’OECO est de 25.27 %.

Conclusion

26En utilisant des données de panel de 6 pays de l’organisation des états de la Caraïbe orientale (OECO), cette étude a analysé la relation qui existe dans cette zone, entre les recettes touristiques/PIB et la croissance économique. Pour ce faire, elle a utilisé un modèle de régression à effets fixes, inspiré des travaux de Hansen (1999). Les résultats indiquent que la relation entre développement touristique et croissance économique est ici non linéaire. Ces résultats révèlent également que les recettes touristiques influencent la croissance économique de différentes manières et plus particulièrement en fonction du niveau du ratio recettes touristiques/PIB atteint par les pays en question. Enfin, ils montrent que le seuil optimal qui est susceptible d’améliorer le plus la croissance économique dans cet espace est de 25.2 %. Son effet marginal est de 0.17 point, suggérant qu’un accroissement de 1 % des recettes touristiques, améliorerait, toutes choses égales par ailleurs de 0.17 % la croissance économique dans les pays de l’OECO.

Haut de page

Bibliographie

Ando, A. and F. Modigliani (1963). ‘The life cycle hypothesis of savings: Aggregate implications and tests’, American Economic Review 53:55-84

Archer, E. (1984). ‘Estimating the relationship between tourism and economic growth in Barbados’. Journal of Travel Research 22:8-12

Bai, J. (1997). ‘Estimating multiple breaks one at a time’, Econometric Theory 13:315-352.

Balaguer, J. and M. Cantavella-Jorda (2002). ‘Tourism as a long-run economic growth factor: The Spanish case’, Applied Economics 34:877-884.

Banque Mondiale (2018). ‘Organization of Eastern Caribbean States Systematic Regional Diagnostic’. documents.worldbank.org

Barro, R.J. (1998). Determinants of Economic Growth: A Cross-Country Empirical Study, MIT Press, Edition 1, Volume 1, Number 0262522543, April.

Brau, R., A. Lanza and F. Pigliaru. (2007). ‘How fast are small tourism countries growing? The international 1980-2003 evidence", Milan, Italy, Fondazione Eni Enrico Mattei Nota di Lavoro, No.1.

Brida, J.G., E.J. Sanchez Carrera and W.A. Risso (2008). ‘Tourism’s impact on long run Mexican economic growth’, Economics Bulletin, 3(21): 1-8.

Business Research & Economic Advisors (BREA), (2018). Economic contribution of cruise tourism to the destination economies. f.cca.com/downloads/2018-cruise-analysis-volume-2.pdf

CEPALC (2018). Statistical yearbook for Latin America and the Caribbean. estadisticas.cepal.org/cepalstat

Chang. C-L. T. Khamkaew, M. McAleer, and R; Tansuchat (2010). A panel threshold model of tourism specialization and economic development, International journal of intelligent techniques and applied statistics 3:159-86

Chase. G. L and McKee. D. L (2003). ‘The economic impact of cruise tourism on Jamaica’. The journal of tourism studies.

Cortes-Jimenez, I, J.-J Nowak, and M. Sahli (2011). ‘Mass beach tourism and economic growth: Lessons from Tunisia’. Tourism Economics 17: 531-47.

Dritsakis, N. (2004). ‘Tourism as a long-run economic growth factor: An empirical investigation for Greece using causality analysis’, Tourism Economics 10:305-316.

Du, D, A. A. Lew, and P. Ng. (2014). ‘Tourism and economic growth’. Journal of travel research. Publied on line December 16. doi: 10.1177/0047287514563167.

Dupont, L. (2009). « Cointégration et causalité entre développement touristique, croissance économique et réduction de la pauvreté : cas de Haïti », Reuve Etudes caribéennes, n° 13-14 URL : journals. openedition.org/etudescaribeennes/3780.

Dupont, L. (2015). « La relation entre tourisme, croissance et développement inclusifs dans les petites destinations insulaires de luxe : l’exemple d’Anguilla dans la Caraïbe », Etudes caribéennes, n° 30, URL : journals. openedition.org/etudescaribeennes/7409.

Dwyer. L, & Forsyth. P (1998). ‘Economic significance of cruise tourism’. Annals of tourism research, 25(2): 393-415.

Eastern Caribbean Central Bank (2018): Statistics. eccb-centralbank.org/statistics

Eugenio-Martin, J., N. Morales and R. Scarpa (2003). Tourism and economic growth in Latin American countries: A panel data approach, Tourism and Sustainable Economic Development - Macro and Micro Economic Issues, International Conference, Sardinia, Italy, Fondazione Eni Enrico Mattei Nota di Lavoro, No. 26.

Fayissa, B., C. Nsiah and B. Tadasse (2007). The impact of tourism on economic growth and development in Africa, Working Paper, Department of Economics and Finance, Middle Tennessee State University, Murfreesboro, TN, U.S.A.

Figini. P, and L. Vici (2010). ‘Tourism and growth in a cross-section of countries’. Tourism Economics 16:789-805

Friedmam. M (2008). Theory of the consumption function. Princeton, NJ, Princeton University Press.

Galimberti, J.K. (2009). ‘Conditioned export-led growth hypothesis: A panel threshold regression approach’, MPRA Paper 13417, Available online at http://mpra.ub.unimuenchen.de/13417.

Gunduz, L. and A. Hatemi (2005).’ Is the tourism-led growth hypothesis valid for Turkey?’, Applied Economics 12:499-504.

Hansen, B.E. (1999). ‘Threshold effects in non-dynamic panels: Estimation, testing and inference’, Journal of Econometrics 93:345-368.

Hansen, B.E. (2000). ‘Sample splitting and threshold estimation’, Econometrica 68:575-603.

Khan, H., S. Phang and R. Toh (1995). ‘The multiplier effect: Singapore’s hospitality industry’, Cornell Hotel and Restaurant Administration Quarterly 36:64-69.

Kim, H.J., Chen, M.H., and Jang, S.C. (2006). ‘Tourism expansion and economic development: The case of Taiwan’, Tourism Management 27:925-933.

Lee, C.C and Chang, C.P (2008). ‘Tourism development and economic growth: A closer look at panels’, Tourism Management 29:180-192.

Lee, C. and K. Kwon (1995). ‘Importance of secondary impact of foreign tourism receipts on the South Korean economy’, Journal of Travel Research 34:50-54.

Lim, C. (1997). ‘Review of international tourism demand models’, Annals of Tourism Research 24:835-849

Louca, C. (2006). ‘Income and expenditure in the tourism industry: Time series evidence from Cyprus’, Tourism Economics 12:603-617.

Nickell. S (1981). ‘Biases in dynamics models with fixe effects’. Econometrica. 49(6).

Oh, C.O. (2005). ‘The contribution of tourism development to economic growth in the Korean economy’, Tourism Manangement 26:39-44.

ONU (2018). National accounts main aggregates database. unstats.un.org/unsd/snaama

Po, W.C and Huang, B.N (2008). "Tourism development and economic growth - A nonlinear approach", Physica A: Statistical Mechanics and its Applications 387(22): 5535-5542.

Sequeira, T.N. and C. Campos (2005). "International tourism and economic growth: A panel data approach", Milan, Italy, Fondazione Eni Enrico Mattei Nota di Lavoro, No. 141.

Statistical Yearbook for Asia and the Pacific (2008). United Nations Publications (21 April 2009).

Wang. Q (2015). ‘Fixed-effect panel threshold model using stata’. The stata journal 15(1): 121-134.

World Tourism Organization (2018). ‘Tourism and the world economy, in the Facts & Figures section’, available online at http://www.unwto.org/index.p

WTTC (2018). ‘Country economic impact analysis’. wttc.org/economic-impact/country-analysis/regional-reports

Yi-Bin Chiu & Lung-Tai Yeh (2017). ‘The threshold effects of the tourism-led growth hypothesis: evidence from a cross-sectional model’. Journal of Travel Research 56(5): 625-637.

Haut de page

Table des illustrations

Titre Figure 1. Nombre de touristes de séjour dans l’espace OECO (2000-2017)
Crédits Source : Eastern Caribbean Central Bank
URL http://journals.openedition.org/etudescaribeennes/docannexe/image/20570/img-1.png
Fichier image/png, 139k
Titre Figure 2. Taux de croissance du nombre de visiteurs (2005-2017)
Légende VCT = Saint-Vincent et les Grenadines ; LCA= Sainte-LucieSKN= Saint-Kitts et Nevis ; GRD= GrenadeDOM= Dominique ; ATG= Antigue et Barbude
Crédits Source : UN World Tourism Organization (regions) and Eastern Caribbean Central Bank (OECS)
URL http://journals.openedition.org/etudescaribeennes/docannexe/image/20570/img-2.png
Fichier image/png, 70k
Titre Figure 3. Nombre de touristes de croisière versus nombre de touristes de séjour dans les pays de l’OECO (2000 -2017).
Crédits Source : Eastern Caribbean Central Bank (ECCB, 2018)
URL http://journals.openedition.org/etudescaribeennes/docannexe/image/20570/img-3.jpg
Fichier image/jpeg, 96k
Haut de page

Pour citer cet article

Référence électronique

Louis Dupont, « Effets de seuil dans la relation entre tourisme et croissance économique dans les pays membres de l’organisation des Etats de la caraïbe orientale (OECO)  », Études caribéennes [En ligne], 47 | Décembre 2020, mis en ligne le 15 décembre 2020, consulté le 17 avril 2021. URL : http://journals.openedition.org/etudescaribeennes/20570 ; DOI : https://doi.org/10.4000/etudescaribeennes.20570

Haut de page

Auteur

Louis Dupont

The George Washington University, ledupont2@wanadoo.fr

Articles du même auteur

Haut de page

Droits d’auteur

Licence Creative Commons
Les contenus d’Études caribéennes sont mis à disposition selon les termes de la Licence Creative Commons Attribution - Pas d'Utilisation Commerciale 4.0 International.

Haut de page
  • Logo Revue soutenue par l’Institut des Sciences Humaines et Sociales du CNRS
  • Logo ERIHPLUS (European Reference Index for the Humanities and Social Sciences)
  • Logo DOAJ (Directory of Open Access Journals)
  • Logo Université des Antilles
  • OpenEdition Journals
Search OpenEdition Search

You will be redirected to OpenEdition Search