Dforestation, Croissance

conomique et Population : Une

tude sur Donnes de Panel
Phu Nguyen Van] et Thophile Azomahou
BETA-Theme, Universit Louis Pasteur
61 avenue de la Fort Noire, 67085 Strasbourg Cedex, France
Janvier 2002

Nous tenons remercier Jalal El Ouardighi, Franois Laisney, Marc Willinger et les
participants au 50e`me Congrs de lAssociation Franaise des Sciences conomiques, Paris,
20-21 Septembre 2001, en particulier Alain D. Ayong Le Kama, pour leur commentaires.
Nous remercions galement Guy Tchibozo. Nous restons responsables des erreurs ventuelles.
]
Auteur de correspondance : Tl. : +33 (0)3 90 24 21 00 ; Fax : +33 (0)3 90 24 20 71 ;
E-mail : nvphu@cournot.u-strasbg.fr

Cet article tudie la relation empirique entre la dforestation, la croissance

conomique et la population partir dun chantillon de 85 pays en voie de
dveloppement. Nous utilisons plusieurs spcications dun modle de panel
eets xes avec diverses structures du terme derreur. Ltude ne met pas
en vidence une courbe environnementale de Kuznets de forme U inverse
dcrivant la relation entre le taux de dforestation et le revenu par tte. A
linverse, nous obtenons une relation de forme U. Les rsultats suggrent
quune augmentation du taux de croissance du revenu par tte permet de
rduire le taux de dforestation. Finalement, nous montrons que la pression
dmographique peut amplier le processus de dforestation.
DEFORESTATION, ECONOMIC GROWTH, AND POPULATION : A PANEL DATA STUDY
This paper investigates the empirical relationship between deforestation, economic growth and population using a sample of 85 developing countries. We
use several specications of a xed eect panel data model with various structures of the error term. The study suggests a U-shaped relationship between
the rate of deforestation and income per capita, in contrast to an environmental Kuznets curve (which is inverted U-shaped). Estimation results show
that an increase in the growth rate of income per capita reduces the rate of
deforestation. The study also shows that demographic pressure can amplify
the process of deforestation.
Mots cls : Dforestation ; Croissance conomique ; Population ; Donnes de
panel ; Dpendance spatiale et temporelle
Classification JEL : C23 ; O13 ; Q23 ; R15

INTRODUCTION
La relation empirique entre la croissance conomique et la qualit de lenvironnement (la qualit de lair, la qualit de leau, la dforestation, etc.) a
t largement dbattue ces dernires annes. Les rsultats obtenus sur cette
relation permettent de dnir des politiques conomiques et environnementales appropries pour amliorer le bien-tre humain.
Dans la littrature, ce dbat se rsume de fait la discussion de lexistence dune relation de forme U inverse, appele la courbe environnementale
de Kuznets. Cette dernire nonce que, au niveau macroconomique, la dgradation de lenvironnement saccentue pour des niveaux de faible revenu
et quensuite elle diminue partir dun certain seuil donn de revenu (point
de retournement).
Holtz-Eakin et Selden [1995] ont tudi la forme rduite de la relation
entre les missions nationales de CO2 et le PIB rel par tte (mesur en dollars amricains en 1986) pour un chantillon de 130 pays durant la priode
1951-1986. Ils ont utilis un modle de donnes de panel eets individuels
et temporels xes avec une fonction quadratique et ont trouv une courbe de
Kuznets hors chantillon. En eet, cette courbe est presque linaire et croissante pour lensemble de lchantillon mais avec un point de retournement en
dehors de lchantillon, gal 35428$. Grossman et Krueger [1993, 1995] ont
tudi leet du PIB par tte sur divers indicateurs de qualit de lenvironnement en utilisant un modle eets individuels alatoires. Pour la plupart des
indicateurs de qualit de lenvironnement retenus concentration de dioxyde
de soufre (SO2 ), particules en suspension, demande doxygne biologique,
demande doxygne chimique et arsenic dans les rivires une courbe en U
invers apparat. En particulier, le point de retournement estim en termes
de PIB par tte pour ces polluants est infrieur 8000$ (en $1985). Selden et
Song [1994] ont galement tudi la relation entre le PIB par tte et quatre
polluants atmosphriques particules en suspension, SO2 , oxydes de nitrogne (NOx ), monoxyde de carbone (CO) en utilisant la mme source de
donnes que Grossman et Krueger [1993, 1995]. Selden et Song [1994] ont
montr lexistence dune courbe de Kuznets pour tous ces polluants. Cependant, les points de retournement pour les particules en suspension et pour

le SO2 sont suprieurs 8000$. Shak [1994] a examin la relation entre diffrents indicateurs de la qualit de lenvironnement et le revenu par tte en
utilisant trois fonctions polynomiales (linaire, quadratique et cubique) avec
un modle eets individuels xes (ville ou pays selon le cas). Les rsultats
obtenus mettent clairement en vidence une courbe de Kuznets pour les particules en suspension et le SO2 , et une courbe croissante pour le CO2 . Pour
ce dernier, le point de retournement est en dehors de lchantillon.
Dautres tudes ont prouv lexistence dune courbe environnementale de
Kuznets pour plusieurs polluants.1 Par exemple, Kaufmann et alii. [1998]
ont utilis des modles de panel eets xes et alatoires avec une fonction
quadratique pour un chantillon de 23 pays entre 1974 et 1989, et ont obtenu
une relation de type U invers, cest--dire une courbe de Kuznets dcrivant
le lien entre la concentration atmosphrique de SO2 et lintensit spatiale
de lactivit conomique. Cette dernire est mesure par le rapport du PIB
et la surface du pays ou par le produit du PIB par tte et la densit de la
population en ville. Cependant, Kaufmann et alii. [1998] ont aussi montr
quil y a une relation de type U entre la concentration de SO2 et le PIB
par tte, contrairement la courbe de Kuznets. Suri et Chapman [1998] ont
utilis des donnes portant sur 33 pays entre 1971 et 1991 en spciant un
modle de panel eets xes avec une fonction quadratique. Ils ont mis en
vidence une courbe de Kuznets pour la consommation dnergie primaire
commerciale par tte, exprime en termes dquivalents en ptrole. Ltude
de Suri et Chapman [1998] a le mrite de prendre en compte des indicateurs
du commerce international.
Les travaux de Schmalensee et alii. [1998] et de Azomahou et Nguyen Van
[2001] prsentent lavantage dutiliser des formes fonctionnelles plus exibles.
La spcication de Schmalensee et alii. [1998] consiste en un modle de donnes de panel eets temporels et individuels xes avec une fonction linaire
par morceaux. Schmalensee et alii. [1998] ont mis en vidence une relation
de Kuznets entre le revenu par tte et les missions de CO2 pour 141 pays
durant la priode 1950-1990. Azomahou et Nguyen Van [2001] ont utilis un
1

Pour une discussion dtaille, voir les numros spciaux des revues Environment and
Development Economics 1997 et Ecological Economics 1998. Voir aussi Stern [1998] pour
une revue de la littrature.

modle non-paramtrique et divers tests de spcication. Il en rsulte une

relation complexe, malgr son aspect monotone, entre les missions de CO2
et le PIB par tte.
Les variables dmographiques requirent aussi une attention particulire
puisque la population est reconnue comme une des causes principales de la dgradation de lenvironnement (voir, par exemple, Ehrlich et Ehrlich [1981]).1
Selon Malthus [1798], une population croissante prsente des besoins alimentaires importants, ce qui cre des pressions sur lagriculture. La qualit
de la terre arable (on peut penser plus gnralement la qualit de lenvironnement) est aecte par une exploitation intensive. En consquence, la
productivit marginale du travail diminue, et suite un manque de nourriture, le taux de croissance de la population baisse. La population se stabilise
un niveau dquilibre avec un revenu faible et une mauvaise qualit de
lenvironnement. De plus, selon la Banque mondiale [1992], la croissance dmographique induit une augmentation de la demande de biens, de services et
des moyens dexistence, qui dgrade lenvironnement et exerce une pression
sur les ressources naturelles. Laccroissement dmographique peut constituer
une menace directe lenvironnement local et rduire la capacit dassimilation naturelle de lenvironnement.
Il est important de noter que limpact de la population sur lenvironnement peut tre modi par la croissance conomique et ltat de la technologie
(Cropper et Griths [1994]). Ainsi, par exemple, laugmentation du revenu
peut orienter les besoins en nergie vers des sources autres que le bois combustible ; de mme, lassainissement de leau est amlior. Ladoption dune
technologie moderne en agriculture rduit la conversion des forts en terre
arable puisquelle peut permettre dobtenir un rendement lev sur une surface de terre cultive restreinte (agriculture intensive).
Dans cet article, nous tudions la question de la dforestation. Nous nous
concentrons sur des pays en voie de dveloppement, car la dforestation y
constitue un problme majeur. Postel [1984] a aussi remarqu que la pauvret
est une cause principale de la dforestation. Celle-ci a t jusquici tudie
1

Voir aussi Robinson et Srinivasan [1997] pour une synthse de la littrature concernant
la croissance de la population, le dveloppement conomique, les ressources naturelles et
lenvironnement.

par Allen et Barnes [1985], la Food and Agriculture Organization FAO

[1993], Cropper et Griths [1994], Shak [1994] et Koop et Tole [1999], parmi
dautres. Allen et Barnes [1985] ont soulign que, dans les pays en voie de
dveloppement, un taux de croissance dmographique lev est associ un
taux de dforestation lev. Ltude de la FAO [1993] suggre que le rapport
entre la surface forestire et la surface totale est une fonction logistique de
la densit de la population, ce qui implique que la variation en pourcentage
de la surface forestire (ou taux de dforestation) dpend simultanment de
la densit et du taux de croissance de la population. Cropper et Griths
[1994] ont tudi un chantillon de 64 pays en voie de dveloppement sur la
priode 1961-1988 et ont mis en vidence lexistence de courbes de Kuznets
entre le taux de dforestation et le revenu pour les pays africains et les pays
de lAmrique latine (les point de retournement sont respectivement 4760$ et
5420$). La densit de la population rurale est aussi reconnue par Cropper et
Griths [1994] comme un facteur signicatif de la dforestation en Afrique.
Shak [1994] et Koop et Tole [1999] ont respectivement utilis un modle
de panel eets xes sur un chantillon de 66 pays observs entre 1962 et
1986 et un modle paramtrique coecients alatoires (ces coecients sont
dirents entre les pays mais restent constants pour chaque pays dans le
temps) sur un chantillon de 76 pays tropicaux en voie de dveloppement
pour la priode 1961-1992. Ces deux tudes nont pas pu mettre en vidence
lexistence dune courbe de Kuznets pour la dforestation (aucun coecient
nest signicatif). De plus, dans Koop et Tole [1999], la population (la densit
et le taux de croissance de la population) na pas deet signicatif sur le taux
de dforestation.
Ces considrations justient lutilisation dun modle conomtrique dans
lequel la dforestation est dtermine par le dveloppement conomique et
la population. Dans la littrature, la plupart des tudes empiriques sont fondes sur des spcications paramtriques dont ltude de la robustesse est
souvent nglige. Il peut en rsulter un problme de mauvaise spcication.
Lapport majeur de notre tude est quelle utilise un modle de donnes de
panel eets xes avec diverses structures du terme derreur (dpendance
spatiale gographique, dpendance spatiale et temporelle et htroscdasticit de forme non spcie).
6

Larticle sarticule de la faon suivante. Le modle conomtrique est dcrit dans la Section 2. La dnition des variables, ainsi que la description
des donnes sont prsentes dans la Section 3. Les rsultats empiriques et la
discussion de ces rsultats sont donns respectivement dans les Sections 4 et
5. La Section 6 conclut ltude.

MODLE AVEC DPENDANCE SPATIALE

La dpendance spatiale consiste non seulement en une dpendance gographique (ou proximit gographique) mais aussi en des formes diverses et
complexes de proximit (culturelle, conomique, etc.). Les caractristiques
des pays sont gnralement interdpendantes. Les dterminants aectant la
dforestation tels que le climat, les mesures lgislatives environnementales,
les pratiques historiques, les cultures, etc., sont eux-mmes spatialement corrls. Ainsi, la variation de la dforestation entre pays voisins dune mme
rgion peut tre interdpendante du fait que les facteurs aectant la dforestation sont similaires.
Certaines de ces variables ne sont pas observables. Dautres, mme observables, ne sont pas mesurables. Tout ceci peut induire une dpendance
spatiale quil est intressant de prendre en compte dans ltude empirique du
phnomne de dforestation. Pour ce faire, nous considrons deux familles de
modles conomtriques : lune o la dpendance spatiale est exprime par
une matrice de contigut base sur la distance gographique et lautre avec
une dpendance spatiale de forme non spcie.

Modle avec dpendance gographique

La distance gographique a t utilise par Atteld et alii. [2000] pour
tudier la dpendance spatiale entre les taux de croissance de 90 rgions europennes, de 48 tats membres des Etats-Unis et de 92 pays. La matrice de
contigut est base sur la distance entre entits (rgions, Etats, pays). La
distance entre deux pays, mesure par la distance entre les capitales correspondantes, est considre comme larc dun cercle passant par le noyau de la
Terre et ces capitales.
7

Soient Li et Ni la lattitude et la longitude en degr de la capitale du pays

i, la distance entre les pays i et j, i, j = 1, ..., N, est donne par
dij = arccos (Gij ) R,
o R est le rayon de la Terre, mesur par rapport lquateur (R = 6378
km) et
Gij = sin (aLi ) sin (aLj ) + cos (aLi ) cos (aLj ) cos (aNj aNi ) ,
avec a = /180.
Chaque lment cij de la matrice de contigut C est donne par1
1/dij
cij = PN
.
j=1 1/dij

La matrice C est une matrice stochastique de taille N N dont les lments

diagonaux sont tous nuls. Elle est normalise de sorte que la somme de chaque
ligne est gale lunit. Une telle normalisation permet de considrer la
distance relative au dtriment de la distance absolue.
La spcication conomtrique retenue est un modle de donnes de panel
eet individuel xe o les termes derreur sont spatialement autocorrls.
La structure du modle est
yit = xit + i + it
avec
it =

N
X

j=1

cij jt + it , || 1.

(1)

(2)

yit est le taux de dforestation du pays i (i = 1, . . . , N) lanne t (t = 1, . . . , T ).

est le vecteur de taille K 1 des paramtres estimer. x est le vecteur de
taille 1 K des variables explicatives (le PIB par tte, le taux de croissance
du PIB par tte, la densit de la population et le taux de croissance de la
population). i dsigne leet individuel spcique au pays i. On suppose que
les rsidus it sont mutuellement indpendants et identiquement distribus
de loi N (0, 2 ) , et indpendants de xit . Sous forme matricielle, (2) scrit
t = Ct + t ,
1

Les caractres en gras reprsentent les matrices.

(3)

avec t [1t , ..., N t ]0 et t [ 1t , ..., Nt ]0 .

La restriction || 1 est garantie par la normalisation de C. Cette restriction assure la stabilit du modle, cest--dire la stationarit du processus
spatial (voir, par exemple, Grith [1988], pp. 1719).
Pour estimer les coecients du modle (1) avec la structure du terme
derreur (2), nous utilisons la mthode du maximum de vraisemblance.1 La
log-vraisemblance maximiser est

NT
ln 2 + ln 2 + ln |det (INT W)|
2
1 0
u (INT W)0 (INT W) u
2
2

ln L =

(4)

o W IT C et u Y X Z avec Y = [y11 , ..., yN1 , ..., yNT ]0 , X =

[x011 , ..., x0N1 , ..., x0NT ]0 , Z = T IN et = [1 , ..., N ]0 . Pour calculer le dterminant de INT W, nous adaptons la procdure propose par Ord [1975].
Comme la matrice W est une matrice bloc, le dterminant dans (4) se rduit

det (INT W) = det (IN C)T =

N
Y

i=1

(1 pi )T

(5)

o les pi dsignent les valeurs propes de C. Lutilisation de la relation (5)

permet de rduire considrablement les calculs numriques lors de lestimation. En eet, la matrice C tant exogne, ses valeurs propres peuvent tre
dtermines avant les procdures numriques.

Modle avec dpendance spatiale non spcifie

Dans la sous-section prcdente, la prise en compte de la dpendance spatiale se limitait aux informations gographiques. Comme nous lavons soulign prcdemment, la dpendance spatiale peut prendre des formes diverses
et complexes telles que des liens culturels, historiques, etc. Dans cette soussection, nous utilisons le modle (1) avec dpendance spatiale non spcie.
Cest--dire que nous ne mettons plus de restriction paramtrique a priori
sur la dpendance entre les observations comme dans lquation (2). Ainsi,
1

Les problmes lis lestimation des modles spatiaux paramtriques sont amplement
discuts dans Anselin et Bera [1998] et Azomahou [2000] par exemple.

la structure non spcie de it tient compte de lhtroscdasticit et de la

dpendance spatiale, et/ou de la dpendance temporelle de forme non spcie. La dpendance temporelle peut tre prsente dans des sries longues. Il
est intressant de remarquer que la prsence de lhtroscdasticit peut tre
prise en compte dans un modle coecients alatoires comme celui utilis
par Koop et Tole [1999].1
Lestimation du modle avec dpendance spatiale non spcie peut tre
eectue par la mthode de Driscoll et Kraay [1998]. Nous prsentons maintenant lintuition et limplmentation de cette mthode.
Considrons un modle de donnes de panel identi par un vecteur de
taille R 1 de conditions dorthogonalit, E[hit ()] = 0, avec K R, o
K est la dimension de . En considrant N xe, lutilisation de la mthode
des moments gnraliss (MMG) base sur loptique des sries temporelles
procde lempilement des R conditions dorthogonalit pour chacune des N
observations pour former un vecteur N R1 de conditions de moments notes
0
E[ht ()] = 0, avec ht () = [h1t ()0 , . . . , hNt ()0 ] . Lestimateur MMG usuel
associ la matrice de poids ST est dni par :
"

#0

"

T
T
X
1X
T = arg min 1

ht () S1
ht () ,
T
T
T t=1
t=1

(6)

p.s.

o ST S0 , une matrice positive semi-dnie, qui peut tre estime par

T X
T
h
i
X
T = 1
S
E ht ()hs ()0 .
T t=1 s=1

(7)

Plusieurs estimateurs de ST ont t proposs dans la littrature dont Newey

et West [1987] et Andrews [1991]. Hansen [1982] a montr quun estimateur
convergent de ST est numriquement quivalent 2 fois lestimateur de la
densit spectrale de ht () pour une frquence nulle.2 Cependant, la mise en
oeuvre de ces estimateurs se heurte deux dicults majeures.
La premire est un problme de dimension des paramtres estimer. En
eet, lorsque N devient grand relativement T , on nest pas en mesure
1

Plus prcisement, Koop et Tole [1999] ont utilis le modle yit = xit i + i + it , avec
i = + i o le vecteur i suit une certaine distribution.
2
Voir galement Jeong [1997].

10

destimer empiriquement les NR(NR + 1)/2 termes distincts de ST partir

des N T observations disponibles de manire ce que ST soit non-singulire.1
Pour rsoudre cette dicult, on peut imposer des restrictions a priori sur la
forme des corrlations spatiales an de rduire la dimension des paramtres
estimer. La deuxime dicult vient de lexistence dun doute, mme si ces
estimateurs savraient calculables empiriquement, quant la qualit de leur
approximation asymptotique. Cest par exemple le cas lorsque, chantillon
ni, N et T sont de grandeur comparable.2
Au vu de ces dicults, on recherche un estimateur convergent de ST
calculable quand bien mme N devient trs grand relativement T . On
souhaite galement que la justication asymptotique de cet estimateur ne se
fonde pas sur lhypothse que N est constant. Driscoll et Kraay [1998] ont
montr quun tel estimateur peut tre obtenu en modiant les conditions
dorthogonalit dcrites ci-dessus.
t () = N 1 PN
Soit h
i=1 hit () un vecteur de taille R 1, compos des
moyennes des coupes instantanes. Le modle peut alors tre identi en
t ()] = 0. Lestimateur de MMG de
utilisant la condition de moment E[h
est
"
#0
"
#
T
T
X
X
1
1
T = arg min
t () V1
t () .

h
h
(8)
T
T
T
t=1
t=1
Un estimateur convergent de la matrice de variances, note VT , de lestimateur MMG est obtenu en posant :
T X
T
h
i
1X
t ()h
()0 .

VT =
E h
s
T t=1 s=1

(9)

Le noyau de Bartlett est ensuite utilis pour lisser la fonction dauto-corrlation

de lchantillon.
En utilisant (9), les deux problmes voqus prcdemment concernant
ST se trouvent de fait rsolus. Dune part, comme VT est une matrice R R
ayant R(R + 1)/2 termes distincts, la dimension des coupes instantanes ne
prsente plus de dicult pour la mise en oeuvre de lestimateur. Dautre
1

La singularit de ST peut tre due des valeurs propres nulles.

La thorie asymptotique, comme ont remarqu Driscoll et Kraay [1998], nonce que
le rapport N/T tend vers zro pour T susamment grand, alors quen fait, chantillon
ni, N est suprieur T .
2

11

t () est construit partir de moyennes sur N observapart, rappelons que h

T se fonde en partie
tions. En consquence, la preuve de la convergence de V
sur le fait que N (T ) peut tre considr comme une fonction non-dcroissante
de T .
Lintrt de cette approche est que, sous certaines conditions de dpendance spatiale et temporelle bases sur les processus mlangeants, lestima T sera robuste lhtroscdasticit, la dpendance
teur de VT note V
spatiale et la dpendance temporelle lorsque T tend vers linni, sans poser de restriction sur le comportement de N .1 En eet, Driscoll et Kraay
[1998] ont montr que si hit () est un processus mlangeant dans la double
dimension individuelle et temporelle de coecient r/(r 1), r > 1, alors
)
t () = N (T )1 PN(T
h
i=1 hit () est aussi un processus mlangeant. De mme,
t | ] < . Sous ces
si E[|hit | ] < pour et nis, on a galement E[|h
conditions, un estimateur convergent de VT est donn par
m(T )

T =
0 +
V

j +
0j ,
(j, m(T ))

j=1

(10)

j = T 1 PTt=j+1
o (j, m(T )) = 1 j/[m(T ) + 1] est un noyau de Bartlett,
(T )
t ()
h
()
0, h
t ()
= N(T )1 PN

h
i=1 hit (), et N (T ) est une fonction nontj
dcroissante de T . Sans perte de gnralit, nous pouvons poser N (T ) = N.

T 0 | est born en probabilit et m(T ) = O(T 1/4 ).

Asymptotiquement, T |
Remarquons dabord que lestimateur (10) est identique celui de Newey
et West [1987] la dirence quil est appliqu des moyennes de coupes
instantanes. Ensuite, les hypothses de dpendance faites ici englobent une
classe gnrale de dpendance spatiale et temporelle. Lestimateur (10) ne
requiert donc pas une spcication particulire de dpendance spatiale du
type dune matrice de contigut spatiale comme, par exemple, dans Atteld
et alii. [2000]. Enn, pour les modles eets xes, ces eets doivent tre
limins, par exemple par la transformation within, avant lutilisation de
la mthode de Driscoll et Kraay [1998].
1

Pour faciliter la lecture de ltude, nous prfrons ne pas dcrire ici les dtails techniques concernant les processus mlangeants dans la double dimension individuelle et
temporelle. Nous invitons le lecteur se rfrer larticle de Driscoll et Kraay [1998].

12

DONNES ET VARIABLES
Notre tude porte sur un chantillon de 85 pays en voie de dveloppement
sur la priode 1961-1994. Cet chantillon est plus grand que ceux utiliss par
Cropper et Griths [1994], Shak [1994] et Koop et Tole [1999]. Les donnes
concernant la surface forestire (mesure en milliers dhectares), la densit
de la population (nombre dhabitants/hectare) et la population totale (milliers dhabitants) sont extraites de World Resources 1998-1999 Database
du World Resources Institute. Les donnes sur le PIB rel par tte, mesur
en milliers de dollars US en 1985 et ajust un ensemble de prix internationaux, sont extraites de Penn World Table 5.6 (voir Summers et Heston
[1991]). En fait, dans Penn World Table 5.6, la srie PIB rel par tte nest
disponible que jusquen 1992. Par consquent, les observations manquantes
sont compltes en utilisant les sries PIB rel par tte et taux de croissance
du PIB par tte dans Global Development Finance et World Development
Indicators.
La variable dpendante reprsente le taux de dforestation dnie par
(Fit1 Fit ) /Fit1 o Fit dsigne la surface forestire du pays i lanne
t (un taux de dforestation ngatif signie une rforestation). Plus prcisement, la surface forestire est mesure comme la somme de la surface naturelle boise, de la surface implante et de la surface dj dboise devant
tre reboise dans un futur proche. Cette dnition permet dviter les incohrences lies lutilisation de dnitions plus restrictives. Ces dicults
concernant les donnes de dforestation sont amplement discutes dans la
littrature : le problme de mesure d la subjectivit des donnes fournies par les gouvernements, lexactitude des estimations lorsque les donnes
ocielles ou semi-ocielles ne sont pas disponibles, la distinction entre dirents types de fort, etc. (voir, par exemple, Allen et Barnes [1985], et Koop
et Tole [1999]).
Les variables explicatives sont le PIB par tte, le taux de croissance du
PIB par tte, la densit de la population et le taux de croissance de la population. Par dnition, nous obtenons un chantillon total de 2805 observations
(T = 33). Nous avons ventill lchantillon en trois groupes de pays : Afrique
(43 pays), Amrique latine (26) et Asie-Ocanie (16). Du fait quil y a seule13

ment deux pays de lOcanie (les les Fidji et la Papouasie-Nouvelle-Guine),

nous les avons regroups avec les pays asiatiques pour former le groupe AsieOcanie. Le groupe Amrique latine comprend des pays de lAmrique du
Sud et de lAmrique centrale, le Mexique inclus. La liste complte des pays
est donne en Annexe.
Insrer Tableau 1 ici
Les statistiques descriptives sont donnes dans le Tableau 1. Pour lensemble des pays, ces statistiques indiquent un taux moyen de dforestation
positif (0,098102 ). Les statistiques par groupe de pays sont diantes. En
eet, le taux de dforestation maximum du groupe Asie-Ocanie (0,1788)
est infrieur celui du groupe Afrique (0,2281) et son cart-type (0,0347)
est proche de celui du groupe Amrique latine (0,0390). Contrairement au
groupe Asie-Ocanie, le groupe Amrique latine prsente une forte dforestation avec le taux moyen de dforestation le plus lev de lchantillon (0,0032).
Le groupe Afrique dispose du plus grand nombre de pays et prsente un taux
moyen de dforestation positif (0,027102 ) relativement faible par rapport
celui de lensemble des pays. Des trois groupes, seul le groupe Asie-Ocanie
prsente un taux moyen de dforestation ngatif (-0,064102 ). Avec la densit moyenne de population la plus leve (1,2022), le groupe Asie-Ocanie
est le seul contribuer un reboisement pour lchantillon concern.
Le PIB par tte est en moyenne le plus lev dans le groupe Amrique
latine et le plus faible dans le groupe Afrique. Par contre, ce sont les pays
du groupe Asie-Ocanie qui connaissent le taux de croissance moyen du PIB
par tte le plus fort (gal 0,0272), environ deux fois plus lev que celui des
pays de lAmrique latine, et plus de trois fois plus grand que celui des pays
africains. Remarquons galement que le taux de croissance de la population
des trois groupes Afrique, Asie-Ocanie et Amrique latine est relativement
proche (respectivement 0,0264, 0,0262 et 0,0213).
Au regard de la problmatique de la dforestation, ces observations suggrent lexistence de spcicits rgionales quil convient de prendre en compte
dans la modlisation empirique.

14

RSULTATS DESTIMATION
Les rsultats destimation pour lensemble des pays et par groupe pour le
modle avec dpendance gographique sont prsents dans le Tableau 2.1 Ce
tableau rsume deux types de rsultats : les rsultats destimation utilisant la
matrice C comme dcrit dans la Section 2 et ceux obtenus en utilisant C2 la
place de C. Il est important de noter que si C est une mesure de la dpendance
gographique directe entre deux pays, C2 prend en compte non seulement la
dpendance directe mais aussi la dpendence indirecte entre deux pays, par
exemple, par lintermdiaire dun troisime. Ce type de dpendance indirecte
est connu en thorie des graphes sous le terme dun arc de longueur 2 (voir
Berge [1983]).
Insrer le Tableau 2 ici
Le coecient de dpendance spatiale nest pas signicatif dans le modle
avec C quelque soit le groupe de pays mais devient fortement signicatif pour
lensemble des pays et les pays du groupe Afrique lorsquon utilise C2 . Nous
faisons un test du rapport de vraisemblance pour comparer les modles. La
statistique du test est LR = 2 (log L1 log L0 ) 2 (1) o log L0 et log L1
sont respectivement la valeur de la log-vraisemblance du modle contraint
(sans dpendance spatiale, = 0) et celle du modle non contraint ( 6= 0
avec C ou C2 ). Les rsultats du test sont rsums dans le Tableau 3.
Insrer le Tableau 3 ici
Le modle contraint est rejet contre le modle non contraint avec C2 sur
la base dun test du rapport de vraisemblances pour lensemble des pays (la
statistique LR = 17, 4, suprieure la valeur tabule du 2 (1) au seuil de
5%, 3,84) et pour le groupe Afrique (LR = 6). En revanche, le modle avec C
napporte pas damlioration signicative en terme de vraisemblance par rapport au modle contraint pour tous les groupes de pays. Ces rsultats mettent
en vidence lexistence dune corrlation spatiale gographique dordre lev
dans les rsidus. Le problme qui se pose est celui du choix de la puissance
de la matrice C. En eet, il ny a a priori pas de raison de sarrter C2 ,
1

Les programmes destimation crits en GAUSS sont disponibles auprs des auteurs.
La procdure OPTMUM est utilise pour la maximisation de la fonction de vraisemblance.

15

on pourrait trs bien utiliser des puissances suprieures. Lutilisation de la

mthode destimation de Driscoll et Kraay [1998], prsente dans la Section
2, pour obtenir des estimateurs robustes des structures non spcies de
dpendance spatiale et temporelle, et dhtroscdasticit, nous permet de
contourner ce problme.
Les rsultats destimation par la mthode de Driscoll et Kraay [1998]
pour lensemble des pays et par groupe sont prsents dans les Tableaux 4.
La signicativit des variables dans les direntes spcications est rsume
dans le Tableau 5. La spcication P1 correspond un modle o les carttypes sont estims de manire standard.1 La spcication P2 correspond
un modle o les cart-types estims sont robustes lhtroscdasticit et
la dpendance spatiale. La dernire spcication (P3) est un modle o les
cart-types estims sont robustes lhtroscdasticit et la dpendance
spatiale et temporelle. Dans les estimations et selon Driscoll et Kraay [1998],
nous avons utilis m (T ) = 0 et m (T ) = 2, respectivement, pour P2 et P3.
Comme les coecients estims signicatifs au seuil de 10% et 5% sont proches
dans les Tableaux 2 et 4, les rsultats concernant les eets des variables sur
la dforestation se baseront essentiellement sur le Tableau 4.
Insrer les Tableaux 4 et 5 ici
On observe que le revenu par tte na pas deet signicatif sur la dforestation pour les groupes Afrique et Amrique latine, quelle que soit la
spcication utilise (les coecients du terme linaire et du terme quadratique de la variable PIB ne sont pas signicatifs). En ce qui concerne le groupe
Asie-Ocanie, le terme linaire du PIB par tte est signicatif au seuil de 5%
dans les modles P2 et P3. Le terme quadratique du PIB nest signicatif
quau seuil de 10% dans tous les modles. Pour pouvoir obtenir une courbe
environnementale de Kuznets, il faut que le coecient de PIB soit positif
et que le coecient du terme quadratique associ soit ngatif. Or, dans le
cas du groupe Asie-Ocanie, nous obtenons linverse : ces coecients sont
respectivement estims -0,537102 et 0,049102 .
1

Le modle P1 est le modle sans dpendance spatiale (qui est le modle contraint, avec
= 0, utilis dans le test du rapport de vraisemblance). Ici il est estim par la mthode
des moindres carrs, donnant les mmes estimateurs que la mthode du maximum de
vraisemblance.

16

Le message principal concernant la relation entre le taux de dforestation

et le revenu par tte est quil napparat pas de courbe environnementale
de Kuznets dans notre chantillon, rejoignant ainsi la conclusion de Koop
et Tole [1999]. Cependant, comme le montre la Figure 1 et contrairement
une courbe de Kuznets la relation entre le taux de dforestation et le
revenu par tte est de forme U pour le groupe Asie-Ocanie (Figure 1c), le
groupe Amrique latine (Figure 1d) et lensemble des pays (Figure 1a). Cette
relation reste monotone et croissante pour les pays africains (Figure 1b).
Insrer la Figure 1 ici
Il ressort des rsultats que le taux de croissance du revenu par tte na
pas deet signicatif sur la dforestation pour le groupe Asie-Ocanie. Par
contre, pour les pays africains, cet eet devient signicatif au seuil de 5%
dans la spcication P3. Il lest aussi pour le groupe Amrique latine dans
la spcication P2 (au seuil de 10%) et dans la spcication P3 (au seuil de
5%). Pour lensemble de lchantillon, taux de croissance du PIB par tte a
un impact ngatif signicatif au seuil de 10% sur le taux de dforestation
dans les spcications P2 et P3. Ainsi, les rsultats semblent indiquer que
le taux de croissance du revenu par tte (4PIB) a un eet ngatif sur la
dforestation. Leet ngatif de 4PIB dplace la courbe dforestation/PIB
par tte vers le bas. Cet eet est plus marqu pour les pays de lAmrique
latine (gal -2,231102 ).
Nous remarquons galement que la densit de la population na pas deffet sur la dforestation pour les groupes Afrique, Amrique latine et pour
lensemble des pays. En revanche, elle a une inuence positive et signicative
au seuil de 10% pour le groupe Asie-Ocanie (seulement dans la spcication
P3). Enn, le taux de croissance de la population nest pas signicatif pour
les groupes Afrique et Asie-Ocanie dans tous les modles. Mais il devient
signicatif au seuil de 10% pour les pays de lAmrique latine (dans la spcication P1) et pour lensemble de lchantillon (quelle que soit la spcication).
Ainsi, la densit et le taux de croissance de la population acclreraient le
processus de dforestation.

17

Nous utilisons la statistique de Fisher pour tester lexistence des eets

xes (H0 : 1 = 2 = = N1 = 0). La statistique du test est donne par
F =

(SRC1 SRC0 ) / (N 1) H0
F(N1,NT NK) ,
SRC0 / (NT N K)

o SCR0 et SCR1 reprsentent respectivement la somme des rsidus au carr

du modle contraint (sans eets xes) et celle du modle de donnes de panel
avec eets xes. On remarque que les rsidus des modles P1, P2 et P3 sont
les mmes puisque on a les mmes coecients estims. Les rsultats du test,
prsents dans le Tableau 4, indiquent clairement que lhypothse nulle de
non-existence des eets xes est rejete au seuil de 5% pour lensemble des
pays et pour tous les groupes de pays.

DISCUSSION
Les consquences de la dforestation sont bien connues. Comme la soulign Preston [1996], il en rsulte une rosion du sol, un changement climatique
et une menace de disparition des espces vgtales et animales. Par consquent, lquilibre de lcosystme, ainsi que les ressources gntiques utiles
lhomme sont menacs. Or, les causes principales de la dforestation sont
identies : la conversion des forts en terre arable pour lagriculture, les
besoins en bois combustible et les exploitations commerciales.1 Les deux premires causes sont directement lies la population. Cependant, comme nous
lavons remarqu, limpact de la dmographie sur la dforestation peut tre
modi sensiblement par la technologie et la croissance conomique. De plus,
les politiques dmographiques, gnralement long terme, risquent dtre trs
coteuses. Bien que les eets du contrle dmographique sur la dforestation
soient reconnus, ceux-ci peuvent savrer insusants.
Comme lindiquent les rsultats destimation pour notre chantillon, la
relation dforestation/PIB par tte prend une forme en U : la croissance
conomique ne permet pas de rduire la dforestation dans les pays en voie
1

Comme nous lavons voqu dans la Section 2, il existe dautres facteurs de dforestation tels que le climat, les catastrophes naturelles, etc. Nous ne disposons pas dinformations sur ces facteurs, et supposons quils sont pris en compte dans les rsidus.

18

de dveloppement. De plus, le taux de croissance du PIB par tte a un eet

ngatif sur la dforestation. Ceci signie que les pays ayant un fort taux de
croissance du PIB par tte verront leur taux de dforestation sattnuer. En
dautres termes, toutes choses gales par ailleurs, pour un niveau identique du
revenu par tte, un pays ayant un taux de croissance du revenu par tte lev
aura un taux de dforestation plus faible. Comme nous lavons fait remarquer
dans la description des donnes en Section 3, avec le taux de croissance moyen
du PIB par tte le plus lev (gal 0,0272), les pays du groupe Asie-Ocanie
ont le taux moyen de dforestation le plus faible reprsentant mme une
reforestation (-0,064102 ). En mme temps, les pays des groupes Amrique
latine et Afrique ont un taux de croissance moyen du revenu par tte plus
faible (respectivement, 0,0140 et 0,0076) et connaissent un taux moyen de
dforestation plus fort (respectivement, 0,032 et 0,027102 ).
Il faut aussi semployer chercher dautres dterminants de la dforestation. Dans les pays en voie de dveloppement, les forts sont un bien public
et sont donc sujettes une sur-exploitation. Un problme de dfaillance de
march se pose galement (linexistence des droits de proprits, la sousvaluation des ressources forestires), soulignant le rle que peuvent jouer les
institutions nationales et internationales.1

CONCLUSION
Dans cet article, nous avons tudi la relation entre la dforestation, la
croissance conomique et la population sur un chantillon de pays en voie de
dveloppement. Nous avons spci un modle paramtrique dont le terme
derreur prsente dirents types de dpendance spatiale et temporelle et
dhtroscdasticit. Les principaux rsultats sont : (i) aucune courbe environnementale de Kuznets (de forme U inverse) dcrivant la relation entre
le taux de dforestation et le revenu par tte na pu tre mise en vidence.
linverse, nous obtenons une relation en U ; (ii) le taux de croissance du
revenu par tte a un eet ngatif sur le taux de dforestation ; (iii) leet
1

Un exemple de la sous-valuation des forts est celui du Honduras. Avec peu de ressources forestires, ce pays exporte du bois vers les tats-Unis qui possdent de grands
forts (voir Bontems et Rotillon [1998]).

19

positif de la dmographie sur la dforestation parat conrm.

On peut imaginer que la mthode destimation permettant de tenir compte
de la dpendance spatiale et/ou de la dpendance temporelle pourrait sappliquer dautres indicateurs environnementaux tels que la qualit de lair, la
qualit de leau, etc. Du fait de leur nature, ces indicateurs peuvent galement
tre considrs dans le cadre des processus de diusion spatiale.
ANNEXE : LISTE DE PAYS
Afrique (43 pays) : Afrique du Sud, Algrie, Angola, Bnin, Botswana,
Burkina Faso, Burundi, Cameroun, Cap-Vert, Centrafrique, Comores, Rp.
Dm. du Congo (ex. Zare), Congo, Cte dIvoire, thiopie, Gabon, Gambie,
Ghana, Guine, Guine-Bissau, Kenya, Madagascar, Malawi, Mali, Maroc,
Mauritanie, lle Maurice, Mozambique, Niger, Nigeria, Ouganda, Rwanda,
Sngal, Seychelles, Sierra Lone, Soudan, Swaziland, Tanzanie, Tchad, Togo,
Tunisie, Zambie, Zimbabwe.
Asie-Ocanie (16 pays) : Arabie Saoudite, Bangladesh, Chine, les les
Fidji, Inde, Indonsie, Iran, Jordanie, Malaisie, Npal, Pakistan, PapouasieNouvelle-Guine, Philippines, Sri Lanka, Syrie, Thailande.
Amrique latine (Amrique du Sud et Amrique centrale, 26 pays) :
Argentine, Barbade, Blize, Bermudes, Bolivie, Brsil, Chili, Colombie, Costa
Rica, El Salvador, quateur, Guatemala, Guyana, Hati, Honduras, Jamaque,
Mexique, Nicaragua, Panama, Paraguay, Prou, Rp. dominicaine, Surinam,
Trinit-et-Tobago, Uruguay, Venezuela.

Rfrences
Allen J.C. et Barnes D.F. [1985], The Causes of Deforestation in Developing Countries, Annals of the Association of American Geographers,
75, 163184.
Andrews D.W.K. [1991], Heteroskedasticity and Autocorrelation
Consistent Covariance Matrix Estimation, Econometrica, 59, 817858.

20

Anselin L. et Bera A. [1998], Spatial Dependence in Linear Regression Models with an Introduction to Spatial Econometrics, dans Truchmuche A. (d.), Handbook of Applied Economic Statistics, chapitre 7.
Attfield C.L.F., Cannon E.S., Demery D. et Duck N.W. [2000], Economic Growth and Geographic Proximity, Economics Letters, 68, 109
112.
Azomahou T. [2000], Spatial Dependence and Panel Data Structure : Application to Estimating the Residential Demand for Water, Thse de doctorat,
Universit Louis Pasteur, Strasbourg.
Azomahou T. et Nguyen Van P. [2001], Economic Growth and CO2
Emissions : A Nonparametric Approach, CORE Discussion Paper
2001/12, Universit catholique de Louvain, Louvain-la-Neuve, et BETA
Working Paper 2001-01, Universit Louis Pasteur, Strasbourg.
Banque mondiale [1992], World Development Report, Oxford University
Press, New York.
Berge C. [1983], Graphes, Gauthier-Villars, Paris.
Bontems P. et Rotillon G. [1998], conomie de lEnvironnement, ditions La Dcouverte, Paris.
Cropper M. et Griffiths C. [1994], The Interaction of Population
Growth and Environmental Quality, American Economic Review, 82,
250254.
Driscoll J.C. et Kraay A.C. [1998], Consistent Covariance Matrix Estimation with Spatially Dependent Panel Data, Review of Economics and
Statistics, 80, 549560.
Ehrlich P.R. et Ehrlich A.H. [1981], Extinction : the Causes and Consequences of the Disappearance of Species, Random House, New York.
FAO [1993], Forest Ressources Assessment 1990 : Tropical Countries, Forestry Paper no. 112, Food and Agriculture Organization, Rome.
Griffith D.A. [1988], Advanced Spatial Statistics, Kluwer Academic Publishers, Dordrecht.
Grossman G.M. et Krueger A.B. [1993], Environmental Impacts of a
21

North American Free Trade Agreement, dans Garber P. (d.), The U.S.Mexico Free Trade Agreement, MIT Press, Cambridge, MA, 165177.
Grossman G.M. et Krueger A.B. [1995], Economic Growth and the
Environment, Quarterly Journal of Economics, 60, 353377.
Hansen L.P. [1982], Large Sample Properties of Generalized Method of
Moments Estimators, Econometrica, 50, 10291054.
Holtz-Eakin D. et Selden T.M. [1995], Stoking the Fires ? CO2 Emissions and Economic Growth, Journal of Public Economics, 57, 85101.
Jeong K. [1997], Prewhitened Kernel Estimators of 2 Times the Spectral
Density at Frequency Zero of Nonparametric Regression Errors, Journal
of Economic Theory and Econometrics, 3, 107122.
Kaufmann R.K., Davidsdottir B., Garnham S. et Pauly P. [1998],
The Determinants of Atmospheric SO2 Concentrations : Reconsidering
the Environmental Kuznets Curve, Ecological Economics, 25, 209220.
Koop G. et Tole L. [1999], Is There an Environmental Kuznets Curve for
Deforestation ?, Journal of Development Economics, 58, 231244.
Malthus T.R. [1798], An Essay on the Principles of Population, St. Martins Press (Reprint 1966), Macmillan.
Newey W.K. et West K.D. [1987], A Simple, Positive Semi-denite, Heteroskedasticity and Autocorrelation Consistent Covariance Matrix, Econometrica, 55, 703708.
Ord J. [1975], Estimation Methods for Models of Spatial Interaction,
Journal of American Statistical Association, (70), 120126.
Postel S. [1984], Protecting Forests, dans Brown L.R. et alii (d.),
State of the World, W.W. Norton & Co., New York.
Preston S.H. [1996], The Eect of Population Growth on Environmental
Quality, Population Research and Policy Review, 15, 95108.
Robinson J.A. et Srinivasan T.N. [1997], Long-Term Consequences of
Population Growth : Technological Change, Natural Resources, and the
Environment, dans Rosenzweig M.R. et Stark O. (ds.), Handbook
of Population and Family Economics, North-Holland, Amsterdam, chapitre 21.
22

Schmalensee R., Stoker T.M. et Judson R.A. [1998], World Carbon

Dioxide Emissions : 1950-2050, Review of Economics and Statistics, 80,
1527.
Selden T.M. et Song D. [1994], Environmental Quality and Development : is There a Kuznets Curve for Air Pollution Emissions ?, Journal
of Environmental Economics and Management, 27, 147162.
Shafik N. [1994], Economic Development and Environmental Quality : An
Econometric Analysis, Oxford Economic Papers, 46, 757773.
Stern D.I. [1998], Progress on the Environmental Kuznets Curve ?, Environmental and Development Economics, 3, 173196.
Summers R. et Heston A. [1991], The Penn World Table (Mark V) : an
Expanded Set of International Comparisons, 1950-1988, Quarterly Journal of Economics, 106, 327369.
Suri V. et Chapman D. [1998], Economic Growth, Trade and Energy :
Implication for the Environmental Kuznets Curve, Ecological Economics,
25, 195208.

23

Tab. 1: Statistiques descriptives

groupe
ensemble

Afrique

variable
moyenne

dforest.(a)
0,09810

PIB(b)
2,1162

4PIB(c)

densit(d)

#pays

0,6851

4pop.(e)

0,0133

0,0248

85

cart-type

0,0279

2,0166

0,0699

1,1399

0,0096

min.

-1,0751

0,2300

-0,4740

0,0089

-0,0842

max.

0,2281

13,7660

0,6704

8,9493

0,0642

moyenne

0,027102

1,1700

0,0076

0,4694

0,0264

cart-type

0,0132

0,9418

0,0758

0,7827

0,0093

min.

-0,1429

0,2300

-0,4740

0,0089

-0,0842

max.

0,2281

6,9650

0,6704

5,4384

0,0612

2,4334

0,0272

1,2022

0,0262

-0,06410

Asie

moyenne

Ocanie

cart-type

0,0347

2,1738

0,0677

1,5750

0,0093

min.

-0,5388

0,4450

-0,2456

0,0202

0,0042

max.

0,1788

13.7660

0,4515

8,9493

0,0642

Amrique

moyenne

0,0032

3,4860

0,0140

0,7239

0,0213

latine

cart-type

0,0390

2,3470

0,0592

1,2122

0,0094

min.

-1,0751

0,6110

-0,3058

0,0196

-0,0109

max.

0,0890

12,6820

0,2736

6,0465

0,0579

Notes : (a) taux de dforestation ; (b) PIB par tte, mesur en milliers de dollars
US en 1985, ajust un ensemble de prix internationaux ; (c) taux de croissance
du PIB par tte ; (d) densit de la population (nombre dhabitants par hectare) ;
(e) taux de croissance de la population.

24

43

16

26

Tab. 2: Rsultats destimation pour les modles avec dpendance spatiale

gographique (les valeurs sont exprimes en 102 )
modle
groupe
variable
ensemble PIB
PIB2
4PIB
densit
4pop.

Afrique
PIB
PIB2
4PIB
densit
4pop.

Asie
PIB
Ocanie
PIB2
4PIB
densit
4pop.

Amrique PIB
latine
PIB2
4PIB
densit
4pop.

C
coef. cart-type
-0,183 0,192
0,023
0,014
-0,840 0,778
0,110
0,234
12,738 7,415
-1,056 5,991
0,189
0,224
0,026
0,032
-0,568 0,501
-0,070 0,269
1,309
2,749
-4,273 6,560
-0,531 0,370
0,048
0,025
-1,052 2,221
0,322
0,355
7,863
24,607
3,144
8,486
-0,131 0,433
0,016
0,031
-2,238 2,352
-0,406 1,045
46,048 26,192
-2,709 9,192

C2
coef.
cart-type
-0,165
0,163
0,023
0,013
-0,720
0,734
0,059
0,230
12,681
7,412
-32,227 8,010
0,184
0,211
0,026
0,032
-0,584
0,443
-0,105
0,205
1,512
3,267
-13,403 5,388
-0,537
0,363
0,048
0,026
-1,163
2,190
0,311
0,357
6.730
27,166
0,907
11,539
-0,115
0,445
0,015
0,031
-2,224
2,422
-0,384
1,037
47,044
26,698
7,081
10,227

Notes : la variable dpendante est le taux de dforestation ; les chires en gras et

en italique correspondent respectivement la signicativit au seuil de 5% et au
seuil de 10%.

25

Tab. 3: Tests du rapport de vraisemblance

groupe
ensemble
Afrique
Asie-Ocanie
Amrique latine

log L0
6170
4212,9
1049,6
1598,7

log L1 (C)
6170
4213,1
1049,6
1598,7

LR (C) log L1 (C2 )

0
6178,7
0,4
4215,9
0
1049,6
0
1598,9

LR (C2 )
17,4
6
0
0,4

Notes : logL0 est la valeur de la log-vraisemblance du modle contraint (sans

dpendance spatiale, avec = 0) ; logL1 est la valeur de la log-vraisemblance du
modle avec dpendance spatiale gographique ( 6= 0 avec C ou C2 ) ; LR dsigne
la valeur de la statistique du test du rapport de vraisemblance ; les chires en gras
correspondent la signicativit au seuil de 5%.

26

Tab. 4: Rsultats destimation pour les modles avec dpendance spatiale

non spcie (les valeurs sont exprimes en 102 , sauf la statistique de Fisher)
modle
groupe
variable
ensemble PIB
PIB2
4PIB
densit
4pop.
F(84,2715)
Afrique
PIB
PIB2
4PIB
densit
4pop.
F(42,1371)
Asie
PIB
Ocanie
PIB2
4PIB
densit
4pop.
F(15,507)
Amrique PIB
latine
PIB2
4PIB
densit
4pop.
F(25,827)

P1
coef. cart-type
-0,182 0,174
0,023 0,013
-0,842 0,745
0,113 0,224
12,747 7,432
2,678
0,178 0,209
0,027 0,031
-0,592 0,449
-0,072 0,206
1,396 4,157
3,371
-0,537 0,364
0,049 0,025
-1,171 2,194
0,309 0,357
6.541 26,973
2,896
-0,128 0,428
0,016 0,030
-2,231 2,261
-0,395 0,992
46,354 26,016
2,097

P2
cart-type
0,155
0,015
0,445
0,171
7,392

P3
cart-type
0,167
0,017
0,449
0,124
7,341

0,314
0,076
0,426
0,222
2,085

0,244
0,066
0,301
0,289
2,420

0,221
0,025
2,308
0,250
13,594

0,263
0,028
2,713
0,174
12,615

0,279
0,017
1,236
0,732
43,659

0,263
0,015
1,102
0,762
40,493

Notes : la variable dpendante est le taux de dforestation ; les chires en gras

et en italique correspondent respectivement la signicativit au seuil de 5% et
au seuil de 10% ; P1 correspond la spcication du modle avec des cart-types
standards ; P2 correspond la spcication du modle avec des cart-types robustes
lhtroscedasticit et la dpendance spatiale ; P3 correspond la spcication
du modle avec des cart-types robustes lhtroscedasticit et la dpendance
27
spatiale et temporelle.

Tab. 5: Signicativit des variables

modle PIB PIB2
P1
NN N+
P2
NN NN
P3
NN NN
Afrique
P1
NN NN
P2
NN NN
P3
NN NN
Asie
P1
NN N+
Ocanie
P2
N+
P3
N+
Amrique P1
NN NN
latine
P2
NN NN
P3
NN NN
groupe
ensemble

4PIB densit 4pop.

NN
NN
N+
NNN
N+
NNN
N+
NN
NN
NN
NN
NN
NN

NN
NN
NN
NN
NN
NN
NN
NN
NN
N+
NN
NN
NN
N+
N
NN
NN

NN
NN

Notes : N indique un coecient non-signicatif ; indique un coecient ngatif

signicatif ; + indique un coecient positif signicatif ; YY (Y=N,+,) : le premier
Y reprsente la signicativit au seuil de 5%, le second Y la signicativit au seuil
de 10%.

28

Fig. 1: Relation entre la dforestation et la croissance conomique. (a) lensemble des pays, (b) Afrique, (c) Asie-Ocanie, (d) Amrique latine. La
courbe reprsente la relation estime entre le taux de dforestation et le
PIB par tte, les autres variables sont xes leur valeur moyenne.

29