Navigation – Plan du site

AccueilNuméros49Covid-19 dans la CaraïbeEffets potentiels du covid-19 sur...

Covid-19 dans la Caraïbe

Effets potentiels du covid-19 sur l’activité touristique dans les pays membres de l’Organisation des États de la Caraïbe orientale et détermination du seuil optimal de recettes touristiques qui maximise leur croissance économique

Potential Effects of Covid-19 on Tourism in Countries of Organization of Eastern Caribbean States and Determination of Optimal Size of Tourism Receipts That Maximize the Economic Growth in his Zone
Louis Dupont

Résumés

Cette étude analyse et évalue les effets potentiels du COVID-19 sur l’activité touristique dans les pays membres de l’organisation des Etats de la Caraïbe orientale (OECO), en se fixant deux objectifs : (i) évaluer à l’aide d’un modèle de régression standard, l’impact du déclin de la demande touristique mondiale sur les économies de cette zone, et (ii) déterminer grâce à un modèle de régression en données de panel, de type Threshold Auto Regressive (TAR), à la Hansen 1999, le seuil optimal de recettes touristiques/PIB à partir duquel son efficacité devient effective en termes de croissance économique. D’une part, les résultats montrent qu’en raison de la pandémie, le PIB de la zone OECO reculerait de 11.8 % en 2020, et nécessiterait une aide internationale immédiate de 810 millions de dollars. D’autre part, l’estimation du modèle à effet de seuils révèle que la relation entre les recettes touristiques/PIB et la croissance économique est non linéaire dans les pays de l’OECO. Elle montre également qu’il existe pour l’ensemble de ces pays, une relation positive et significative entre tourisme et croissance économique dans deux régimes : un régime avec un degré de spécialisation touristique inférieur ou égal à 25.27 % (régime 1), et un régime avec un degré de spécialisation touristique compris entre 12.97 % et 25.27 % (régime 2). En conséquence, le seuil optimal de recettes touristiques qui maximise la croissance économique dans cette zone s’établit à 25.27 % du PIB. Son effet marginal est de 0.17 point de pourcentage, suggérant qu’une augmentation de 1 % des recettes touristiques, améliorerait, toutes choses égales par ailleurs de 0.17 % la croissance économique dans la zone OECO.

Haut de page

Texte intégral

Introduction

1Les petites économies insulaires de la Caraïbe, en particulier celles faisant partie de l’organisation des Etats de la Caraïbe orientale (OECO) sont confrontées, plus que d’autres, aux importants défis que pose aujourd’hui le COVID-19 et sa propagation et ce, en raison de leur exiguïté territoriale, de leur vulnérabilité élevée à divers chocs, et de leur forte dépendance au tourisme, secteur qui constitue de nos jours leur principal moteur de croissance. Aussi, ces pays se retrouvent au plan économique et social, plus impactés par cette pandémie que la plupart des autres pays du monde. Dans ce contexte, cette étude se fixe un double objectif : en premier lieu, analyser et estimer à l’aide d’un modèle de régression standard proposé par la CNUCED (conférence des Nations unies sur le commerce et le développement), les effets potentiels du COVID-19 sur l’activité touristique dans l’espace OECO ; et en second lieu, déterminer, grâce à un modèle de régression à effets de seuil, inspiré des travaux de Hansen (1999), le seuil optimal de recettes touristiques qui maximise la croissance économique et atténue les effets néfastes de la propagation du virus sur la population. Elle utilise pour ce faire, sur la période 1995-2018, les séries chronologiques de 6 pays de l’OECO sur 7 que sont : Antigua-et-Barbuda, la Dominique, la Grenade, Saint-Kitts-et-Nevis, Sainte-Lucie, Saint-Vincent-et-les- Grenadines (Montserrat a été écartée de l’étude, en raison de données statistiques incomplètes).

2Par ailleurs, il est important de noter que peu d’études ont été consacrées à ce jour sur l’impact économique du COVID-19 sur l’activité touristique, à l’exception toutefois de celles de quelques organisations internationales comme l’OMT (juin 2020) qui, dans une note de synthèse puis dans une étude (2020) met l’accent sur les principaux impacts du COVID-19 sur l’activité touristique dans les petites économies insulaires en développement (PEID), de même, la Banque mondiale (2020), dans un rapport semi-annuel récent, aborde le même sujet, dans le cadre de l’Amérique latine et de la Caraïbe. La CNUCED (2020), dans une étude réalisée par Pamela-Coke Hamilton a évalué et analysé à l’aide d’un modèle néo-classique de croissance, l’impact de la pandémie sur l’activité touristique dans 29 petites économies insulaires en développement dans lesquels figurent les 6 membres de l’OECO. La CNUCED (2020) a également utilisé un modèle d’équilibre général calculable (modèle GTAP) pour estimer les coûts directs et indirects provoqués par la pandémie dans 65 pays et régions du monde et dans 65 secteurs, dont celui du tourisme. De son côté, la Banque Inter-Américaine de développement (IADB- 2020) a appliqué des scénarios de choc pour estimer les effets du COVID-19 sur l’activité touristique dans les pays de la Caraïbe. Enfin, le World Travel and Tourism Council (WTTC), la CEPALC (commission économique pour l’Amérique latine et la Caraïbe) et la CTO (organisation touristique de la Caraïbe) ont tous rédigé des notes de synthèse sur la question du COVID-19 et de ses diverses incidences.

3Si les études relatives à l’impact potentiel du COVID-19 sur l’activité touristique sont encore peu nombreuses, en revanche, de nombreux travaux se sont penchés dans le passé sur l’impact économique du tourisme dans diverses destinations. Des études plus récentes ont utilisé des modèles de régression à effets de seuil et des modèles linéaires et non linéaires pour évaluer dans certaines destinations, les impacts du tourisme et de quelques variables macroéconomiques, en cherchant à vérifier si dans ces pays, 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). Parmi les modèles de régression linéaire appliqués à la relation tourisme-croissance économique, on peut citer l’étude d’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 leurs 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 Etats 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 (Dupont, 2009) employé la théorie de la cointégration d’Engels et Granger pour analyser les relations entre développement touristique, croissance économique, et réduction de la pauvreté en Haïti, par la suite (Dupont, 2015), avons 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. Enfin, d’autres auteurs ont utilisé pour leur part, des modèles non linéaires en vue d’examiner l’hypothèse de la croissance tirée par le tourisme, soulignons à cet égard 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 de leur côté, considéré trois variables de seuil dans leur modèle : le ratio investissement/PIB, les dépenses publiques/PIB, le degré d’ouverture au commerce international. Yi-Bin Chiu et Lung-Tai Yeh (2017) ont employé également trois variables de seuil dans leur modèle : le ratio recettes touristique/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. En 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 avoir une influence négative 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 et ce, 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 et social devient discutable pour certaines destinations. De ce fait, il en résulte que 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.

5Dans ces conditions, le lien entre le tourisme et la croissance économique apparaît comme non linéaire, car il dépendrait de la comparaison entre les avantages associés à l’activité touristique et les externalités négatives qu’elle engendre. 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, cette étude cherche à vérifier, si le tourisme induit 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. Le reste de l’étude est organisé comme suit : la deuxième section présente les faits stylisés du tourisme dans l’espace OECO ; la troisième section est consacrée à l’estimation des effets économiques potentiels du virus, la quatrième section aborde la méthodologie et les données du modèle ; la cinquième section affiche les résultats du modèle ; et la sixième section présente la conclusion générale de l’étude.

1. Faits stylisés du tourisme dans l’espace OECO

6Tout d’abord, rappelons 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). Indépendamment des sept pays membres qui la composent, figurent comme membres associés dans cette organisation : Anguilla, les îles vierges britanniques, la Guadeloupe et la Martinique. Cet espace occupe une superficie moyenne de 465 km2, pour une population moyenne, estimée en 2017 à 104 000 habitants, et un PIB moyen de 1074 millions de dollars US réalisé la même année. Les pays membres de cette organisation figurent selon la Banque mondiale (2018) parmi les plus petits pays du monde. Statistiquement, ces petits territoires se classent en moyenne, en dessous du 15e centile des autres pays du globe, en termes de population, de superficie et de PIB. Ils ont actuellement comme activités prioritaires : le commerce, le transport, la gestion des catastrophes naturelles, et surtout le tourisme. Cependant, et toujours selon la Banque mondiale (2018), ils figurent en même temps parmi les meilleurs performeurs de la Caraïbe en matière 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. Leur ouverture élevée au commerce extérieur et leur importante dépendance au tourisme les rendent vulnérables aux chocs extérieurs et aux catastrophes naturelles, chocs engendrant depuis les années 2000 une croissance faible et volatile de ces pays. Dans les pays de l’OECO, le tourisme a remplacé l’agriculture en tant que principal moteur de croissance. Au début des années 1990, l’agriculture contribuait pour près de 12 % au PIB global de ces pays. Cependant, depuis l’année 2007, sa part ne représente que 5 % du PIB. En revanche, la même année, le secteur touristique représentait 45 % de leur PIB, et environ 60 % de leurs recettes d’exportation. Aujourd’hui, l’épidémie du COVID-19 qui a provoqué la fermeture des frontières et le confinement de millions de personnes à travers le monde, constitue pour les pays de l’OECO un défi et un choc d’une ampleur inégalée dont les conséquences particulièrement négatives sont déjà perceptibles au plan économique, financier et humain, puisque selon la CEPALC (2020), la chute des recettes touristiques qui en découle, devrait entraîner une réduction du PIB supérieure à 10 % pour 2020 dans les économies de la Caraïbe. Par ailleurs, une dette élevée, des opportunités d’emploi limitées, le changement climatique, et la gestion de l’impact du COVID-19, représentent de nos jours les principaux défis auxquels sont confrontés ces pays. Le renforcement de leur résilience à ces chocs constitue donc un préalable à la lutte contre la pauvreté, à la réalisation d’une croissance inclusive et durable. Cependant, le capital naturel des océans leur offre des opportunités pour une croissance axée sur l’économie bleue. La réalisation de ces opportunités requiert l’attelage du capital humain, l’application des nouvelles technologies, et une coopération régionale accrue. Enfin, ces pays ont fait du tourisme, la pierre d’achoppement de leur politique économique, si bien que cette activité est devenue aujourd’hui le secteur dominant pour ces économies. Selon le World Travel & Tourism Council (WTTC, 2018), le tourisme contribue directement ou indirectement en grande partie au PIB de cette région. La contribution économique de cette activité se situe dans un écart qui va de 23 % du PIB à la Grenade et à Saint-Vincent-et-les-Grenadines à 52 % du PIB à Antigua-et-Barbuda (cf. 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

Création d’emplois (%)

Recettes touristiques/Exportations

Direct

Total

Direct

Total

Antigua-et-Barbuda

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

7En matière de tourisme, les situations sont très hétérogènes dans les pays de l’OECO. Un indice de dépendance au tourisme, établi sur une échelle de 0 à 100 par la Banque Interaméricaine de développement (2020) nous a permis de classer ces pays en trois catégories : (1) pays à forte spécialisation touristique : Antigua-et-Barbuda (indice 60) et Sainte-Lucie (indice 53) ; (2) pays à spécialisation touristique moyennement élevée : Saint-Kitts-et-Nevis (indice 35), Grenade (indice 45) et Saint-Vincent-et-les-Grenadines (indice 30), (3) pays à faible spécialisation touristique : la Dominique (indice 22). 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 sur le marché par ces pays. Dans leur ensemble, ces pays 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 (cf. tableau 2). Les États-Unis représentent le principal marché émetteur de touristes pour 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

Antigua-et-Barbuda

États-Unis (41 %)

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

Dominique

Caraïbe (49 %)

plages et rivières, écotourisme/tourisme de pleine nature.

Grenade

États-Unis (33 %)

plages, activités nautiques, mariage et lune de miel.

Saint-Kitts-et-Nevis

États-Unis (60 %)

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

Sainte-Lucie

États-Unis (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)

8Par ailleurs, bien que peu peuplés et de faible taille, les pays de l’OECO accueillent un nombre élevé de visiteurs. On dénombrait en 2017, environ 4 millions de touristes de séjour et de croisière dans ces pays, soit 6.4 fois plus que leur population moyenne. 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 Antigua-et-Barbuda, à Saint-Kitts-et-Nevis, et à Saint-Vincent-et-les-Grenadines demeurait toujours en dessous du niveau de la période d’avant-crise. Ce diagnostic étant posé, on constate que la croissance du nombre de visiteurs dans les pays de l’OECO est inférieure à celle de la plupart des autres régions du monde (voir les figures 1 et 2), d’où une perte de compétitivité des pays de l’OECO sur le marché du tourisme international. Cette baisse de compétitivité est imputable 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 notamment dans les structures d’hébergement, en particulier aux coûts de la main-d’œuvre, de ceux 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.

9Figure 1 : Le nombre de visiteurs a augmenté dans l’espace OECO depuis 2009

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

Source : Eastern Caribbean Central Bank

10Figure 2 : La croissance du nombre de visiteurs dans l’espace OECO est inférieure à celle d’autres régions du monde

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

11Une 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)

12Enfin, selon Dwyer & Forsyth (1998), Chase & David (2003) et le groupe Business Research & Economic Advisers (BREA) (2018), l’impact économique du tourisme de croisière dans les pays hôtes, et 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 (cf. 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 $ américains)

Dépenses des croisiéristes (millions $ américains)

Antigua-et-Barbuda

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 Advisers (BREA, 2018)

2. Impact du déclin de la demande touristique mondiale sur les économies de l’OECO

13La propagation de la pandémie du COVID-19 a provoqué un déclin sans précédent de la demande touristique mondiale, avec des conséquences économiques dévastatrices pour de nombreuses destinations à travers le monde. Avant cette crise, le tourisme générait selon l’OMT (2020), 7 % du commerce mondial en 2019, employait une personne sur 10 dans le monde et - le long d’une chaîne de valeur complexe d’industries interconnectées - fournissait des moyens de subsistance à des millions de personnes à la fois dans les pays développés et en développement. Avec la fermeture des frontières provoquée par la propagation du virus, les hôtels ont clos leurs portes et les transports aériens ont connu un recul spectaculaire. Les arrivées de touristes internationaux ont diminué de 56 %, et 320 milliards de dollars en exportations touristiques ont été perdus au cours des cinq premiers mois de 2020. Cela mettrait en danger plus de 100 millions d’emplois directs dans le secteur du tourisme. Aucun pays n’a échappé à la décimation de son secteur touristique. Cette crise est un choc majeur pour les économies en développement et une urgence pour les populations les plus vulnérables. Son impact sur les petites économies insulaires en développement ne laisse d’être préoccupant. Bien que distincts les uns des autres, les PEID partagent un ensemble de caractéristiques sociales, économiques et environnementales communes qui font de ces États un cas unique de développement durable. Ils se retrouvent ainsi dans une position particulièrement difficile pour faire face à la pandémie covid-19 et à ses répercussions sur le bien-être socio-économique. Selon la CNUCED (décembre 2020), « le temps est un luxe dont ils ne disposent pas ». Dans ce contexte, notre attention s’est portée prioritairement sur le cas des petites économies insulaires en développement, membres de l’organisation des États de la Caraïbe Orientale, car ces pays sont, en raison de leur exiguïté territoriale, de leur vulnérabilité élevée à divers chocs (naturels et mondiaux), et de leur grande dépendance au tourisme, sont plus impactés que tout autre pays par les conséquences du virus. Ce constat est d’ailleurs partagé par le PNUD, qui dans un récent article (février 2021) confirme l’importance de ces différents chocs sur les économies en question, en s’appuyant sur l’élaboration d’indices de vulnérabilité multidimensionnelle (IVM), calculés pour 126 pays, dont 38 petites économies insulaires en développement (PEID) dans lesquelles figurent les six économies de l’OECO. Le covid-19 ayant révélé l’existence de nouvelles dimensions de la vulnérabilité de ces pays, le PNUD en a ainsi tenu compte et a ajouté aux 8 indicateurs qui composaient antérieurement l’indice de vulnérabilité économique de ces pays, trois nouveaux indicateurs que sont : les recettes touristiques en pourcentage du PIB ; les transferts de fonds de la diaspora en pourcentage du PIB ; et les investissements étrangers directs exprimés également en pourcentage du PIB. L’IVM exprime ainsi, la moyenne arithmétique de 11 indicateurs, répartis en quatre catégories : indicateurs de vulnérabilité économique, indicateurs de vulnérabilité financière, indicateurs de vulnérabilité environnementale, et indicateurs de vulnérabilité géographique, avec les échelles suivantes :

  • Vulnérabilité faible : concerne les pays ayant un IVM inférieur à 21. Dans le groupe des PEID, seule la Barbade, avec un IVM de 20.7, figure dans cette catégorie.

  • Vulnérabilité moyenne : concerne les pays ayant un IVM compris entre 21 et 32. dans le groupe des PEID, figurent dans cette catégorie : la République dominicaine (23.4), Trinidad et Tobago (21.6) et l’île Maurice (22).

  • Vulnérabilité élevée : concerne les pays avec un IVM compris entre 32 et 43. Dans le groupe des PEID, figurent dans cette catégorie les six pays de l’OECO, avec les IVM suivants : la Grenade (39.9), la Dominique (37.6), Saint-Kitts-et-Nevis (36.9), Antigua-et-Barbuda (35.5), Sainte-Lucie (34.9), Saint-Vincent-et-les-Grenadines (34.8), mais aussi la Jamaïque (33.6), les Seychelles dans l’océan indien (36.8), et Fidji dans le pacifique sud (37.5).

  • Vulnérabilité très élevée : concerne les pays ayant un IVM supérieur à 43. Dans le groupe des PEID, on trouve dans cette catégorie, Kiribati (52.7), les îles Marshall (51.0), Palau (48.0), Tonga (47.3), Tuvalu (46.5), les Maldives (44.4), et la Micronésie (43.9).

14Enfin, notons que des 25 pays du monde affichant aujourd’hui les IVM les plus élevés, 14 sont des PEID (dont les 6 pays de l’OECO), et que sur les 126 pays analysés par le PNUD, ceux qui affichent les IVM les plus faibles sont des pays arabes tels que : le Koweït, l’Égypte, le Qatar, la Turquie, mais également la plupart des pays européens ainsi que des pays d’Asie tels que : la Chine et la République de Corée.

15En bref, ces résultats font apparaître que les petites économies insulaires en développement (PEID) sont multidimentionnellement plus vulnérables que les autres pays du globe. Par conséquent, ils sont susceptibles d’être plus impactés par la pandémie de covid-19 que les autres pays du monde au plan économique et humain, et ce, en raison de leur haute dépendance au tourisme et des liens particulièrement étroits qu’ils entretiennent avec les flux financiers extérieurs tels que : les transferts de la diaspora, les investissements étrangers directs et l’aide publique au développement. Dans ces conditions, les PEID, qui jusqu’ici ont été écartés de l’aide concessionnelle en raison de leur niveau de revenu, devraient en ces circonstances exceptionnelles pouvoir légitimement bénéficier de cette aide, au même titre que les pays les moins avancés (PMA) de manière à leur permettre de faire face plus efficacement à la propagation du virus.

16En résumé, le COVID-19 affecterait la zone OECO à travers cinq canaux de transmission externes, à savoir :

  • le déclin de l’activité économique des principaux partenaires commerciaux de la région que sont : les États-Unis, l’Union européenne, la Chine et les autres pays de la Caraïbe. De plus, les pays de l’OECO ont un taux d’ouverture au commerce international (importations + exportations/PIB) élevé, et de ce fait, sont fortement dépendants à la fois de leurs clients et fournisseurs étrangers. L’importance de la réduction des échanges dépend de la structure économique de chaque pays de l’OECO.

  • la baisse des prix des produits
    La chute des prix ainsi que la détérioration des termes de l’échange qui en découlent auront un impact fortement négatif sur le niveau des revenus des économies en question, avec des différences significatives entre elles. La réduction de la demande globale en provenance des principaux pays consommateurs et importateurs de biens va jouer un rôle majeur dans la baisse des prix.

  • l’interruption des chaînes de valeur mondiales
    La rupture des chaînes d’offre, commencée avec les fournisseurs chinois, suivie des producteurs américains et européens affectera principalement les pays qui ont les secteurs manufacturiers les plus importants de la région.

  • baisse de la demande dans le secteur touristique
    La baisse importante de la clientèle touristique, en provenance principalement des États-Unis, et la forte dépendance de la région à l’égard de cette activité font que les pays de l’OECO se trouvent sévèrement affectés par la propagation de la pandémie. Les impacts les plus importants se sont fait sentir au cours du premier trimestre de 2020 et ont pris la forme d’une interdiction de séjour de trois mois dans la région.

  • aversion au risque plus élevée et détérioration des conditions de financement mondial
    L’endettement particulièrement élevé des pays de l’OECO, de même que leur faible diversification économique, rend leur accès difficile au marché international de capitaux, où les conditions de financement sont devenues plus strictes en raison de la crise, d’où une aversion au risque plus élevée dans cette région.

17Prenant acte de ce qui précède, notre analyse s’oriente vers la réflexion prospective, et propose une estimation de l’impact du déclin de la demande touristique sur les économies de l’OECO et ce, afin de fournir aux autorités de ces pays un aperçu des effets probables du covid-19 sur l’activité touristique dans leur territoire, leur permettant ainsi de définir des mesures visant à limiter les effets pervers de la crise. Cette estimation est présentée ci-dessous. Elle est extraite d’un article de Pamela Coke-Hamilton (2020), économiste à la CNUCED qui, à l’aide d’un modèle de régression standard, a évalué les incidences de la baisse de la demande touristique mondiale sur les économies de 29 petits États insulaires en développement dans lesquels figurent les six États membres de l’OECO. Pour ce faire, l’auteur s’est appuyé sur deux hypothèses ou scénarios : une baisse des recettes touristiques dans la zone OECO de 25 %, et la fixation à 3 mois de la couverture des importations par les recettes en devises. Cette dernière hypothèse repose sur le fait que les manuels de finances publiques et autres recommandations des institutions de Bretton Woods définissent la vulnérabilité d’un état à sa capacité de couvrir ses importations au moins sur 3 mois. Ces deux scénarios ont permis de fournir une estimation brute de la baisse du PIB enregistrée dans chaque destination ainsi que les besoins financiers immédiats qui en découlent pour faire face à la pandémie. Pour les besoins de l’étude, nous nous sommes concentrés uniquement sur les résultats des six pays de l’OECO, en effectuant une moyenne pondérée des résultats de l’échantillon, qui tient compte de la superficie ou du nombre d’habitants dans chacun des six pays. Les résultats figurent dans le tableau ci-dessous.

Tableau 4 : Résultats d’impact de la baisse de la fréquentation touristique mondiale sur les économies de la zone OECO

pays

part du tourisme dans le PIB (en %)

dette totale en % du PIB

réserves en devises (en mois d’importations)

baisse estimée du PIB (en %)

aide financière nécessaire (en millions $ américains)

Saint-Kitts-et-Nevis

26.8

63

6

16

92

Grenade

23.3

70

4

14

137

Saint-Vincent-et-les-Grenadines

23.4

74

4

12

60

Antigua-et-Barbuda

51.8

87

3

11

243

Sainte-Lucie

41.8

71

3

11

250

Dominique

37.6

78.4

5

10

28

Total

35.74

74.67

4.14

11.84

810

Sources : CNUCED, OMT, WTTC, Banque mondiale, CIA world factbook.

18Ce tableau indique que dans l’hypothèse d’une réduction dans l’espace OECO de 25 % des recettes touristiques et du maintien à 3 mois de la capacité d’importations des pays membres, la baisse de fréquentation de la clientèle touristique, provoquerait en raison de la crise, une baisse du PIB de la zone de 11.8 %, baisse qui nécessiterait une aide financière internationale immédiate de 810 millions de dollars. Cependant, si le scénario de 25 % de baisse des recettes touristiques retenu par la CNUCED est intéressant à analyser en termes d’impact économique, son périmètre nous parait relativement limité et nécessite d’être élargi à d’autres hypothèses. Aussi, nous proposons de compléter l’évaluation de la CNUCED par l’ajout de trois nouveaux scénarios de manière à déterminer pour l’année 2020, l’impact du covid-19 dans l’espace OECO, à la fois sur le nombre d’arrivées ainsi que sur la dépense touristique effectuée, selon les scénarios suivants : scénario du covid-19 le moins pessimiste ; scénario de base, et scénario du covid-19 le plus pessimiste.

19Les résultats d’impact de ces nouveaux scénarios figurent dans le tableau suivant.

Tableau 5 : Impacts du covid-19 sur le tourisme dans l’espace OECO : scénarios d’arrivées et de dépenses touristiques.

Scénarios d’arrivées en 2020 par rapport à 2019 (variation en %)

Scénarios de recettes touristiques en 2020 (en millions $ américains)

Pays

scénario le moins pessimiste

scénario de base

scénario le plus pessimiste

Recettes touristiques

en 2019 (en millions $ américains)

Scénario le moins pessimiste

Scénario de base

Scénario le plus pessimiste

Antigua-et-Barbuda

-48.00 %

-64.00 %

-79.00 %

744

389

271

153

Dominique

-51.00 %

-67.00 %

-84.00 %

74

36

24

12

Grenade

-49.00 %

-65.00 %

-82.00 %

181

92

63

33

Saint-Kitts-et-Nevis

-48.00 %

-64.00 %

-80.00 %

222

116

80

45

Sainte-Lucie

-50.00 %

-66.00 %

-83.00 %

986

496

333

169

Saint-Vincent-et-les-Grenadines

-49.00 %

-66.00 %

-82.00 %

58

58

39

20

Moyenne régionale

-49.00 %

-65.00 %

-82.00 %

Source : calculs de l’auteur à partir de données issues de l’OMT et de la CTO.

20Il ressort de ce tableau que le covid-19 entraînerait dans l’hypothèse d’un scénario le plus pessimiste, une chute des arrivées des touristes de séjour de 82 % dans l’espace OECO, et d’un recul des recettes touristiques, toujours sous le même scénario qui passerait de 2265 millions de dollars US en 2019 à 459 millions de dollars en 2020.

3. Méthodologie et données du modèle à effet de seuils

3.1. Spécification du modèle

21Une 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. Autrement dit, la détermination d’un point d’inflexion devient nécessaire, elle signifie que la relation entre la croissance économique et le tourisme n’est pas linéaire, et que cette relation sera différente avant et après ce point. 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 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 avec comme 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

22où 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.

3.2. Données du modèle

23Des 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 croissance du 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 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, les tests d’hypothèse sont posés pour les différentes variables du modèle, notamment pour celle de la consommation finale des ménages (conf). Cette variable est souvent affectée du signe positif, car selon la loi psychologique fondamentale de Keynes, la consommation est croissante par rapport au revenu, mais moins que proportionnellement à ce dernier. Autrement dit, une augmentation de la consommation finale des ménages stimule selon cette loi 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 ces auteurs 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 ou de fonctionnement plutôt qu’à des dépenses d’investissement, elles 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 ici ou là une baisse de compétitivité sur un ou plusieurs marchés (cas des pays de l’OECO qui affichent une perte de compétitivité 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 ces deux variables pénalisent et entravent à la fois les exportations et les investissements, et ont de ce fait 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 du nombre d’années de scolarisation au secondaire améliore souvent la croissance économique.

4. Résultats du modèle à effets de seuil

24Les résultats du modèle sont présentés comme suit : dans un premier temps, les statistiques descriptives des variables sont établies et consignées dans le tableau 6, notamment les moyennes, écart-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 7, estime la valeur du seuil dans un modèle à seuil unique ; en second lieu, le tableau 8, 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 9, 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 10 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 11.

Tableau 6 : Résumé statistique des variables

Variable

Obs

Mean

Std. Dev

Min

Max

Pibh

144

192.111

3818.787

4163

17059

Ouv

144

47.69896

6.976044

35.45

72.8

Conf

144

582.8611

230.3317

227

1140

gouv

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

.854573

.6330709

rhb

144

2324.354

2042.114

491.2183

11457.4

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

25Ce tableau est extrait d’un panel équilibré de 144 observations. Il montre que le revenu moyen par habitant dans les six pays de la zone OECO est de 9192 $, moyenne qui s’échelonne entre 4163 $ par habitant à Saint-Vincent-et-les-Grenadines et 17 O59 $ par habitant à Saint-Kitts-et-Nevis. Pour sa part, le ratio recettes touristiques/PIB, est en moyenne de 23 % pour les six pays. Il s’échelonne entre 8.5 % à Saint-Kitts-et-Nevis et 63 % à Antigua-et-Barbuda. Enfin, on constate que l’écart-type des recettes touristiques par habitant est très élevé parmi les six pays. Cela dénote donc de grandes disparités entre ces destinations

Tableau 7 : 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

26Ce tableau évalue le seuil dans le cadre d’un modèle à seuil unique. L’hypothèse nulle associée à ce test est, H0 : ß1 = ß2 (aucun effet de seuil), et dans l’hypothèse alternative, H1 : 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].

27Dans le tableau suivant, 300 répliques bootstrap ont été appliquées pour tester les effets de seuil dans un modèle à seuil unique.

Tableau 8 : 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

28Les 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.

29Ensuite, 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 du bootstrat sont également présentés.

Tableau 9 : 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

30On constate que dans le cas du modèle à seuil unique (avec H0 : modèle linéaire ; H1 : 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 H0 : modèle à seuil unique ; H1 : 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. Il est également significatif. 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. Le modèle à triple seuils n’est donc pas concluant. Par conséquent, il n’existe que deux seuils dans ce modèle. Aussi, nous réestimons dans le tableau 5, la valeur du seuil dans un modèle à double seuils.

Tableau 10 : 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

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

0.0067

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

31Ce tableau indique que les deux variables de seuil sont respectivement 25.27 % et 12.97 %.

32Enfin, le tableau 6, affiche les résultats du modèle de régression à effets fixes.

Tableau 11 : 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

lgouv

.1527891

.0166745

9.16

0.000

.1197958

.1857823

ledu

.0549112

.0350702

1.57

0.120

-.0144813

.1243037

linv

.0955955

.01599719

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

10.30

0.000

.1342652

.1979781

2

.1556198

.01447114

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

33Ce 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), ont toutes une influence positive et significative sur la croissance économique. Enfin, l’estimation de ce modèle, 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 0.166. Cette valeur est également positive, elle est quasiment identique à la précédente.

  • Enfin lorsque rpib > 12.97 %, sa valeur de pente est de 0.15, elle est positive, mais est inférieure aux deux précédentes. Par conséquent, ce coefficient en termes d’impact influe plus faiblement sur la croissance économique que les deux autres. Dans ces conditions, le seuil optimal du ratio des recettes touristiques/PIB qui est susceptible de favoriser la croissance économique dans l’espace OECO est de 25.27 %. En deçà de ce seuil, les bénéfices attendus en termes de croissance économique diminuent ou disparaissent.

Conclusion

34Cette étude a montré que la forte baisse du tourisme international due à la pandémie de COVID-19 a provoqué d’importantes répercussions sur les petites économies insulaires en développement (PEID), en particulier sur celles faisant partie de l’organisation des Etats de la Caraïbe orientale (OECO).

35En utilisant des données de panel de six pays de cette organisation, nous avons dans un premier temps, évalué à l’aide d’un modèle néo-classique de croissance, l’impact du déclin de la demande touristique mondiale sur l’économie de ces petits États, et dans un deuxième temps, avons analysé, grâce à un modèle de régression à effet de seuils, inspiré des travaux de Hansen (1999) la relation qui existe dans cette zone, entre les recettes touristiques/PIB et la croissance économique. Dans le premier cas, les résultats ont montré que la quasi-interdiction mondiale de voyager a dévasté l’économie de ces États, provoquant un recul de 11.8 % de leur PIB, nécessitant une aide financière internationale immédiate de 810 millions de dollars. Dans le deuxième cas, l’estimation du modèle de régression à effet de seuils, révèle que la relation entre développement touristique et croissance économique est ici non linéaire. Elle montre également que les recettes touristiques influencent la croissance économique dans deux régimes. Enfin, elle indique que le seuil optimal du ratio des recettes touristiques/PIB qui est susceptible d’améliorer la croissance économique dans cet espace est de 25.27 %. 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. & 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. & 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, URL: <https://documents.worldbank.org/en/publication/documents-reports/documentdetail/300861530819875538/organization-of-eastern-caribbean-states-systematic-regional-diagnostic>.

Banque mondiale (2020). The economy in the time of COVID-19: semiannual report of Latin America and Caribbean region, URL: <https://openknowledge.worldbank.org/bitstream/handle/10986/33555/9781464815706.pdf>.

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

Brau, R., A. Lanza & 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 & W.A. Risso (2008). “Tourism’s impact on long run Mexican economic growth”, Economic Bulletin, 3 (21): 1-8.

Business Research & Economic Advisors (2018). Economic contribution of cruise tourism to the destination economies, URL: <https://www.f-cca.com/downloads/Caribbean-Cruise-Analysis-2018-Vol-II.pdf>.

CEPALC (2018). Statistical yearbook for Latin America and the Caribbean, URL: <estadisticas.cepal.org/cepalstat>.

CEPALC (2020). Political and social compacts for equality and sustainable development in Latin America and the Caribbean in the post covid-19.

Chang. C-L. T. Khamkaew, M. McAleer & 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. & D. L. McKee. (2003). “The economic impact of cruise tourism on Jamaica”, The journal of tourism studies.

CIA world factbook (2020). cia.gov/library/publications/the – world-factbook/geos/xx.html

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

CNUCED (2020). COVID-19 and tourism: Assessing the economic consequences.

Coke-Hamilton, P. (2020). Impact of COVID-19 on tourism in small island developing states, CNUCED, Inter Press service.

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 & P. Ng. (2014). “Tourism and economic growth”, Journal of travel research ; doi : 10.1177/0047287514563167.

Dupont, L. (2009). « Cointégration et causalité entre développement touristique, croissance économique et réduction de la pauvreté : cas de Haïti », Études caribéennes 13-14, URL : <https://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 », Études caribéennes 30, URL : < https://journals.openedition.org/etudescaribeennes/7409>.

Dwyer. L & P. Forsyth (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 & 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, N° 26.

Fayissa, B., C. Nsiah & 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., & 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, URL: <http://mpra.ub.unimuenchen.de/13417>.

Gunduz, L. & 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.

IADB (2020). “COVID-19: Tourism-based schock scenarios for Caribbean countries”, Caribbean Dev Trends. March 16.

IMF (2009). “Macroeconomic fluctuation in the Caribbean: The role of climatic and external shocks”, Working paper.

IMF (2013). “Macroeconomic issues for small states and implications for fund engagement”, Working paper.

IMF (2011). “The Caribbean region beyond the 2008–2009 global financial crisis”, Working paper.

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

Kim, H.J., M.H. Chen & S.C. Jang (2006). “Tourism expansion and economic development: The case of Taiwan”, Tourism Management, 27, 925–933.

Lee, C.C. & C.P. Chang (2008). “Tourism development and economic growth: A closer look at panels”, Tourism Management, 29, 180–192.

Lee, C. & 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. Willey, 1981, vol 49 (6).

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

OMT (2020). “Tourism in SIDS: The challenge of sustaining livehoods in time of COVID-19”.

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

PNUD (2021). “Towards a multidimensional vulnerability index”. Discussion paper.

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

Sequeira, T.N. & 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, URL: <http://www.unwto.org/index.p>.

WTTC (2018). “Country economic impact analysis”, URL: <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

Légende VCT = Saint-Vincent-et-les-Grenadines ; LCA= Sainte-LucieSKN= Saint-Kitts-et-Nevis ; GRD= GrenadeDOM= Dominique ; ATG= Antigua-et-Barbuda
Crédits Source : Eastern Caribbean Central Bank
URL http://journals.openedition.org/etudescaribeennes/docannexe/image/21758/img-1.png
Fichier image/png, 95k
Crédits Sources : UN World Tourism Organization (regions) and Eastern Caribbean Central Bank (OECS)
URL http://journals.openedition.org/etudescaribeennes/docannexe/image/21758/img-2.png
Fichier image/png, 48k
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/21758/img-3.png
Fichier image/png, 37k
Haut de page

Pour citer cet article

Référence électronique

Louis Dupont, « Effets potentiels du covid-19 sur l’activité touristique dans les pays membres de l’Organisation des États de la Caraïbe orientale et détermination du seuil optimal de recettes touristiques qui maximise leur croissance économique », Études caribéennes [En ligne], 49 | Août 2021, mis en ligne le 30 août 2021, consulté le 19 septembre 2021. URL : http://journals.openedition.org/etudescaribeennes/21758 ; DOI : https://doi.org/10.4000/etudescaribeennes.21758

Haut de page

Auteur

Louis Dupont

The George Washington University, louis.dupont038@orange.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 CNRS - Institut des sciences humaines et sociales
  • 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