La pauvreté régionale en Tunisie1 ,2, Chaker Gabsi3 et ...gdri.dreem.free.fr/wp-content/d1-2boulila-chaker... · ménages afin d’analyser l’évolution de la pauvreté et des

1

La pauvreté régionale en Tunisie1

Ghazi Boulila,2, Chaker Gabsi3 et Mohamed Haddar4

I. Introduction

Dés l’indépendance en 1956, les autorités tunisiennes ont adopté une politique de promotion sociale basée sur trois piliers essentiels :

La gratuité de l’éducation pour tous les enfants dans toutes les régions du pays. Il en a résulté un accroissement du nombre d’année d’étude de la population active de 0.7 année en 1962 à environ septannées en 2006. La limitation des naissances par le biais d’une politique de planning familial qui a réduit le taux de croissance de la population et le taux de fécondité pour atteindre un taux proche de celui des pays développés. La participation de la femme à l’effort de développement par le biais d’une politique d’émancipation de la femme et la promulgation du code civil.

La combinaison d’une stratégie de développement basée sur les industries légères (textile et habillement) et les services tournés vers l’exportation (tourisme) intensifs en main d’œuvre ainsi que les politiques sociales pro pauvres a accompagné ces trois piliers. Les politiques de subvention des biens et des services de base ont permis d’augmenter le pouvoir d’achat des pauvres et d’améliorer leurs conditions de vie : soins médicaux gratuits à la majorité des pauvres, subvention des produits de première nécessité (via la Caisse Générale de Compensation), programmes de transferts directs tel que le programme d’aides aux familles nécessiteuses et programmes de transferts indirects à travers la tarification progressive de l’eau, de l’assainissement et de l’électricité. De même, les transferts de fonds des tunisiens à l’étranger vers des familles en général pauvres, supérieurs à 4 % du PIB, ont contribué à réduire la pauvreté.

Les conclusions qui se dégagent d’un certain nombre d’études sur la pauvreté5 indiquent que la Tunisie a connu une réduction du niveau de la pauvreté, dépassant ceux de plusieurs pays ayant un niveau de développement similaire. Cependant, en se basant sur une approche unidimensionnelle de la mesure de la pauvreté, soit la dépense de consommation comme seul indicateur de bien-être, ces travaux présentent une sérieuse limite. L’approche monétaire est insuffisante pour mesurer la pauvreté,phénomène complexe à plusieurs façades et relève, à la fois, de l’économique, du social et du politique. En effet, en plus des difficultés de mesurer le revenu et la consommation des ménages, en général sous-estimés et difficilement observables, la pauvreté individuelle n’est pas seulement liée au manque ou à la faiblesse des moyens financiers, mais aussi à la privation et l’incapacité de satisfaire un certain nombre de besoins fondamentaux (éducation, santé, logement décent, service de base etc.). Un individu serait considéré comme pauvre s’il vit dans une maison rudimentaire ou dans une cabane isolée des services de base avec la difficulté de financer l’éducation et la santé de ses enfants même s’il pourrait satisfaire ses besoins en nutrition. Chacun de ces besoins représente un aspect spécifique de la privation individuelle et pris conjointement, ils illustrent la multidimensionnalité du phénomène de la pauvreté.

Dans tous les cas, la réduction du rythme de la pauvreté monétaire et non monétaire et l’amélioration des conditions de vie des tunisiens durant les quatre dernières décennies risquent d’être freinés durant

1 Ce papier de recherche est élaboré dans le cadre du Projet FEMISE, les auteurs tiennent à remercier les chercheurs du CEMAFI notamment Claude Berthomieu et Valérie Berenger et tous les participants aux deux séminaires qui se sont déroulés à Nice pour la discussion des résultats des études des différents pays.2 Ecole Supérieure des Sciences Economiques et Commerciales de Tunis3 Institut Supérieur des Etudes technologiques de Médenine4 Faculté des Sciences Economique et de Gestion de Tunis5 Ayadi, Boulila, Lahouel (2004), Ayadi et Lahga (2006) et la Banque Mondiale (1990,2003).

2

les prochaines années suite à la hausse des prix mondiaux des céréales, des matériaux de construction et de l’énergie. La Tunisie est un net importateur de céréales. La hausse du prix mondial de ces produits n’a pas eu d’effet significatif, jusqu’ici, sur les prix locaux des biens alimentaires (pain, pâtes, couscous, huile…) du fait que ces biens sont subventionnés, mais elle a eu un effet important sur le déficit de la caisse de compensation et sur le déficit budgétaire. Cette politique de prix a entraîné un équilibre instable qui ne peut pas se maintenir à long terme : le maintien des prix de ces biens alimentaires à des niveaux bas par rapport au cours mondial implique moins de ressources pro pauvres (dépenses sociales, programmes de lutte contre la pauvreté, …). Une politique qui envisage une hausse des prix locaux à des niveaux proches du prix mondial, est de nature à inciter les agriculteurs à produire davantage, pourrait accroître leur revenu et réduire la pauvreté mais aura un effet négatif sur le pouvoir d’achat surtout des plus pauvres engendrant une hausse de la pauvreté.

L’objectif de ce papier est double : il propose des mesures de la pauvreté et tente de montrer dans quelles circonstances la croissance a été pro pauvres en Tunisie en décelant les facteurs et les politiques qui ont contribué à ce résultat. Il est structuré en cinq sections. La deuxième section présente une mesure multidimensionnelle de la pauvreté non monétaire en utilisant l’approche de sous ensemble flous avec ses trois méthodes : la méthode de Cerioli et Zani (CZ, 1990), celle de Cheli et Lemmi (CL, 1995) et la méthode de Vero et Werquin (VW, 1997). A cette fin, on utilise l’enquête réalisée par l’Office National de la population et de la famille (ONFP) de 2006. La troisième sectiontraite la croissance pro pauvres régionale et la possibilité de la convergence entre les gouvernorats tunisiens en termes de pauvreté. On analysera, dans un premier lieu, les courbes régionales d’incidence de la croissance monétaire et sociale pour dégager dans un second lieu une décomposition de la variation de la pauvreté et un taux de croissance pro pauvres de chaque gouvernorat. La quatrième section met en exergue les politiques de lutte contre la pauvreté en Tunisie. La dernière partie tire des conclusions et des recommandations en termes de politiques économiques.

II. Analyse de la pauvreté multidimensionnelle

Les études traitant la pauvreté multidimensionnelle en Tunisie sont peu nombreuses. La seule étude portant sur cette question a été réalisée par Ayadi et Lahga6. Les auteurs ont construit un indice composite de bien-être (ICBE) basé sur des attributs non monétaires des conditions de vie des ménages afin d’analyser l’évolution de la pauvreté et des inégalités en Tunisie entre 1988 et 2001. Ilsont retenu 11 attributs classés selon 3 rubriques : i) la possession des bien durables (radio, téléviseur, réfrigérateur, cuisinière et téléphone), ii) les conditions de logement : eau (eau de robinet, puit privé, puit ou robinet public, eau de surface et autres sources), toilette (toilette privée reliée aux égouts, toilette non reliée aux égouts et pas de toilette), qualité du sol (sol en ciment carrelage, sol en terre argile, nombre de personnes par pièce (moins de deux personnes par pièce et plus de deux personnes par pièce) et iii) l’éducation (analphabétisme de l’épouse (épouse peut lire aisément et épouse ne peut pas lire). Ils ont choisi, de manière arbitraire, deux seuils de pauvreté relatifs : un premier seuil inférieur qui correspond au 25eme percentile de la distribution initiale de 1988 et un second seuil supérieur qui correspond au 40eme percentile de la même distribution. Les résultats montrent une baisse significative de la pauvreté durant la période d’étude bien que les disparités régionales et entre milieux de résidence aient connu une certaine persistance. La pauvreté est restée toujours un phénomène rural et les régions les plus pauvres du pays en l’occurrence le Nord et le Centre Ouest sont toujours les régions les plus démunies. Les auteurs indiquent que l’amélioration des conditions de logement et l’accès aux moyens de communications sont des options non exploitées pouvant avoir des effets marginaux assez importants sur la réduction de la pauvreté.

Notre démarche diffère de celle de Ayadi et Lahga. On tente dans un premier temps de mesurer la privation en termes des différents attributs pour chaque individu, puis dans un deuxième temps, d’agréger ces indicateurs permettant d’obtenir un indice multidimensionnel de pauvreté pour l’ensemble de la population. On adopte l’approche de sous ensemble flous pour déterminer une mesure multidimensionnelle. Enfin, on déterminera un indice de pauvreté basé sur la dépense par tête

6 Ayadi et Lahga, (2006) «pauvreté et inégalités en Tunisie : Une Approche non monétaire ».

3

afin d’établir une comparaison entre une mesure multidimensionnelle de la pauvreté et une mesure unidimensionnelle.

Notre démarche empirique est subdivisée en deux étapes. La première étape consiste à déterminer les indices de pauvreté multidimensionnelle pour chaque méthode. La deuxième étape consiste à analyser l’effet de plusieurs variables (démographique, socioprofessionnelle et condition de vie des ménages) sur la probabilité d’être pauvre en se basant sur un modèle économétrique de type logit. Pour dériver des indices multidimensionnels de pauvreté ainsi que l’indice unidimensionnel, on utilise l’enquête réalisée par l’Office National de la population et de la famille (ONFP) de 2006. La taille de l’échantillon s’élève à 8681 ménages. Cette enquête contient des informations sur les conditions de vie des ménages. Nous avons retenu 11 attributs sélectionnés et classés selon 2 rubriques : possession des biens durables et conditions de logement (Tableau 1 en annexe).

L’information est de type binaire (par exemple si le ménage possède ou non une machine à laver) ou de type catégorielle (par exemple le nombre de chambres par individu). Lorsque nous adoptons l’approche TFR nous avons appliqué d’une part la formule relative à la fonction d’appartenance pour les variables nombre de chambre, type de logement et disponibilité de l’eau courante ainsi que pour les variables disponibilité de toilette et la propriété de logement. Ces dernières prennent la valeur 0 dans le cas où le ménage est le propriétaire du logement ou s’il possède une toilette.

Notre objectif est d’examiner l’impact de diverses variables (le genre, l’âge, l’état civil et le nombre des années de scolarisation du chef de ménage, la taille, le milieu, et la région de résidence du ménage et le nombre des enfants de moins de 5 ans) sur la probabilité d’un ménage d’être considéré comme pauvre. Pour chaque variable nous examinerons l’existence potentielle d’un tel lien à partir d’une corrélation simple. Une analyse plus compliquée traitant l’impact marginal d’une variable donnée sera élaborée à partir des régressions de type logit. Les indices de pauvreté multidimensionnelle calculés, selon les trois approches retenus (CZ, CL et VW) sont respectivement de 22.4%, 23.9% et 26.9%. Ils sont largement plus élevés que l’indice unidimensionnel évalué à 7%. Ainsi, la prise en compte de toutes les dimensions de la pauvreté accroît l’indice de pauvreté.

L’analyse de chaque composante ou chaque dimension à partir des corrélations simples, donne les résultats suivants :

1. Les trois approches montrent que les ménages dirigés par des femmes ont plus de probabilité d’être considérés comme pauvres que les ménages dirigés par des hommes (tableau 3 en annexe).

2. La prise en compte de la taille du ménage indique que, quelque soit l’approche adoptée, la relation entre la taille du ménage et la probabilité d’être pauvre a la forme de U. cette probabilité est faible pour les ménages contenant quatre membres selon l’approche TFA, cinq membres selon l’approche TFR et trois membres selon l’approche VW. Alors que la probabilité d’être pauvre est plus élevée pour les ménages contenant au moins dix membres (tableau 4).

3. Les trois approches indiquent que la probabilité d’être pauvre est plus élevée pour les chefs du ménage qui ont un âge inférieur à 30 ans et plus faible pour les chefs du ménage ayant un âge entre 60 et 69 ans (tableau 5).

4. L’analyse de l’impact du niveau de scolarisation sur la probabilité d’être considéré pauvre donne un résultat attendu. Les chefs de ménage ayant un niveau d’éducation élevé ont une probabilité la plus faible d’être pauvres pour les trois approches adoptées (tableau 6).

5. Les trois approches indiquent que la probabilité d’être pauvre est plus faible pour les ménages dirigés par une personne mariée. Cette probabilité est élevée pour les ménages dirigés par une personne divorcée (tableau 7).

6. Les trois approches adoptées montrent que la pauvreté est élevée en milieu rural (tableau 8).7. Les trois méthodes adoptées montrent que les familles nombreuses ont une probabilité élevée

d’être pauvres (tableau 9). 8. Les résultats indiquent que la probabilité d’être pauvre est plus élevée pour les ménages qui

habitent dans la région de centre ouest. Elle diminue lorsque le ménage habite dans la région de Grand Tunis (tableau 10).

4

Les résultats des estimations basés sur l’approche TFR relatives aux déterminants de la pauvreté sont présentés dans les tableaux 11 et 12. Ces régressions ont été réalisées en utilisant la méthode logit. Les variables exogènes sont la taille du ménage et son carré, l’âge du chef de ménage et son carré, le nombre des années de scolarisation, le genre, l’état civil du chef de ménage, le milieu de résidence et la région de résidence du ménage et le nombre d’enfants de moins de 5 ans. Le signe du coefficient indique le sens de l’impact de la variable sur la probabilité de pauvreté. Il semble que la plupart des variables explicatives ont un impact significatif sur la probabilité de pauvreté. Les variables chef de ménage marié, milieu de résidence (vivre dans le milieu rural), vivre dans la région du Centre Ouest et le nombre d’enfants de moins de 5 ans ont un impact positif sur la probabilité d’être pauvre. Les autres variables agissent négativement sur la probabilité de pauvreté.

La plupart des estimations économétriques appliquées aux trois approches montrent des résultats significatifs et attendus. Un enfant additionnel âgé de moins de 5 ans au sein d’un ménage augmente la probabilité de pauvreté de 0.0017 alors qu’une élévation du niveau d’éducation d’une unité réduit la probabilité de pauvreté de 0.0009. Egalement la probabilité est élevée quand le ménage habite dans la région du centre ouest et surtout dans la zone rurale.

III. La croissance pro pauvres

La présente section traite la croissance pro pauvres régionale et la possibilité de la convergence entre les gouvernorats tunisiens en termes de pauvreté. Pour cela, on analysera les courbes régionales d’incidence de la croissance monétaire et sociale afin de dégager une décomposition de la variation de la pauvreté et un taux de croissance pro pauvres pour chaque gouvernorat.

La croissance pro pauvres est défini de deux manières : la croissance pro pauvres "absolue" et la croissance pro pauvres "relative". La première étudie l’augmentation du revenu des pauvres, indépendamment de l’évolution des inégalités, alors que la seconde analyse si les pauvres profitent relativement plus de la croissance que les non pauvres entraînant ainsi une réduction des inégalités sociales.

L’indicateur de bien-être retenu dans les études statistiques est l’évolution de la consommation réelle. Récemment, plusieurs économistes ont introduit d’autres indicateurs non monétaires ou sociaux pour élargir l’analyse de la croissance pro pauvres à d’autres dimensions. Dans cette section, on étudie les deux concepts de la croissance pro pauvres et on utilise la consommation comme indicateur monétaire et l’éducation comme indicateur social pour tenir en compte de l’aspect multidimensionnel de la pauvreté.

1. La courbe d’incidence de la croissance monétaire (CICM) et la décomposition de la variation de la pauvreté

Les données utilisées sont tirées des enquêtes sur le budget et la consommation des ménages des années 1990 et 1995 réalisées par l’Institut National de Statistique de Tunis (INS). La taille de l’échantillon est passée de 2640 ménages en 1990 à 2505 ménages en 19957. La définition des variables et les méthodes d’échantillonnage (sondage aléatoire à deux degrés) sont identiques à toutes les enquêtes qui contiennent les dépenses des ménages relatives aux biens alimentaire et non alimentaire ainsi que les caractéristiques sociodémographiques de chaque ménage (dont notamment, la taille du ménage, l’âge de la personne de référence du ménage, son niveau d’éducation, sa catégoriesocioprofessionnelle, la répartition des membres du ménage par catégorie d’âge, son milieu et sa région de résidence).

La courbe d’incidence de la croissance monétaire (CICM)

7 Nous n’avons pas pu accéder aux enquêtes des années 2000 et 2005 malgré leurs disponibilités.

5

La courbe d’incidence de la croissance, proposée par Ravallion et Chen (2003), présente le taux de croissance de la consommation par tête d’habitant de chaque percentile le long de la courbe de distribution de la consommation entre deux périodes. La CIC représente ainsi les percentiles de population (classés de 1 à 100 selon le niveau de la consommation) sur l’axe des abscisses et le taux de croissance de la consommation par tête d’habitant du percentile correspondant en ordonnée. Si les taux de croissance sont positifs, la croissance est pro pauvres en termes absolus et inversement, si les taux de croissance sont négatifs, la croissance est anti-pauvres en termes absolus. La pente de la CIC permet d’estimer le degré de la croissance pro pauvres. Une pente négative implique que la croissance est pro pauvres en termes relatifs : les taux de croissance de la consommation des percentiles les plus bas relatifs aux individus les plus pauvres sont plus élevés que ceux des percentiles les plus élevés (individus relativement plus riches). Inversement, une pente positive conduit à une croissance anti-pauvres en termes relatifs. Les courbes, en annexe, indiquent les résultats suivants :

Au niveau national

Les graphiques 1, 2 et 3 illustrent les CICM pour la période 1990-1995 pour l’ensemble du pays, et pour le milieu urbain et rural. Pour toute la Tunisie (figure 1), la CICM est caractérisée par de forts taux de croissance pour les premiers centiles de la population et dispose d’une pente négative. La croissance demeure positive jusqu’au dernier centile. La croissance a été bénéfique à toutes les tranches de revenus à l’exception de la dernière tranche la plus élevée. Elle a profité plus aux tranches inférieures qu’aux tranches supérieures. Ainsi la croissance a été non seulement pro pauvre selon la définition absolue de la pauvreté, mais aussi elle s’est accompagnée d’une réduction des inégalités sociales.

On observe qu’au niveau national l’évolution des taux de croissance entre les percentiles est assez importante par rapport aux niveaux urbain et rural. Ce résultat s’explique surtout par la migration et le transfert de revenu du milieu urbain vers le milieu rural.

La CICM relative à la zone urbaine confirme plus au moins les résultats de la croissance pro pauvresdégagés au niveau national. Le taux de croissance est positif jusqu’au 8ème centile. La pente est décroissante pour les ménages les plus pauvres, mais elle croit entre le 2ème et le 4ème centiles pour décliner par la suite. Ainsi la croissance a été pro pauvres en milieu urbain et les plus pauvres ont profité le plus de cette croissance. Les ménages des 2ème, 3ème et 4ème centiles ont certes profité de la croissance (taux de croissance positif) mais ont subi une répartition du revenu plus inégalitaire (pente négative).

En milieu rural, la croissance a été pro pauvre en termes absolus. Le taux de croissance a été positif pour toutes les tranches de revenu mais la pente a connu des oscillations. Les plus pauvres ont profité le plus des fruits de la croissance économiques, mais la répartition de la richesse a été fluctuante selon le niveau de la consommation avec une amplitude assez faible. Ce résultat s’explique essentiellement par la fluctuation des revenus agricoles.

Au niveau régional

La croissance est-elle pro pauvres dans toutes les régions tunisiennes ? Quelle est la région qui a profité le plus de la croissance ? La réduction de la pauvreté pourrait-elle être expliquée par la croissance et/ou la distribution ? Pour répondre à ces questions, on analysera les CICM pour chaque région. La Tunisie est répartie en six régions géographiques : Nord Est (NE), Nord Ouest (NO), Centre Est (CE), Centre Ouest (CO), Sud Est (SE) et Sud Ouest (SO). Chaque région est composée des gouvernorats suivants :

Le Nord Est : Tunis,Ariana, Ben Arous, Nabeul et Bizerte. Le Nord Ouest : Béja, Jendouba, Le Kef, Siliana et Zaghouan. Le Centre Ouest : Kairouan, Kasserine, Sidi Bouzid et Gafsa.

6

Le Centre Est : Sousse, Monastir, Mahdia et Sfax Le Sud Ouest : Tozeur, Kebili, Tataouine, Gafsa et Tataouine Le sud Est : Gabes, Medenine

La pauvreté est concentrée surtout dans le Nord Ouest, le Sud Ouest et le Centre Ouest. Le tableau (13) indique que, depuis 1980 l’incidence de la pauvreté a baissé dans toutes les régions de la Tunisie, mais dans des proportions hétérogènes et non linéaires. Les régions du NO et du CO ont connu une baisse significative de la pauvreté durant la période 1980 et 2000 alors que la région du Sud Ouest a connu une pauvreté quasiment stable. Le grand Tunis dispose d’un taux de pauvreté le plus faible de l’ordre de 1%.

L’analyse des courbes d’incidence de la croissance au niveau des gouvernorats (graphiques en annexe) permet de dégager les résultats suivants :

La croissance a été pro pauvre en termes absolus (taux de croissance positif) dans les gouvernorats de Ben Arous, de Beja, de Siliana, de Nabeul, de Jandouba, de Kébili, de Médenine, de Tataouine et de Monastir.

La croissance a été pro pauvre en termes absolus et en termes relatifs dans les gouvernorats du Grand Tunis, de Zaghouan, de Mahdia et de Gabès.

La croissance a été pro pauvre (les percentiles les plus faibles) et anti-riches (les percentiles les plus élevés) dans le gouvernorat d’Ariana.

La croissance n’a pas été pro pauvre mais la situation des plus pauvres s’est détériorée moins que celle des plus riches dans les gouvernorats de Sousse, de Tozeur et de Gafsa.

la croissance n’a pas été pro pauvre mais elle est pro riche dans les gouvernorats de Bizerte et du Kef.

La croissance n’est ni pro pauvre ni pro riche (le taux de croissance oscille légèrement autour de zéro) dans le gouvernorat de Sfax.

Décomposition de la variation de la pauvreté et taux de croissance pro pauvres

Décomposition de la variation de la pauvreté

Datt et Ravallion (1992) ont proposé une méthode de décomposition de la variation de la pauvreté en trois parties :

Une composante croissance qui mesure le changement de la pauvreté qui serait obtenue si la courbe de Lorenz n’était pas modifiée (redistribution constante).

Une composante redistribution qui évalue le changement de la pauvreté imputable à une variation de la courbe de Lorenz (revenu moyen constant).

Une composante résiduelle qui mesure l’interaction entre les effets de croissance et de redistribution.

Cette méthode permet d’isoler l’effet croissance et l’effet redistribution suite à une variation de la pauvreté. Les dépenses par individu sont déflatées par l’Indice des prix à la consommation.

Au niveau national

Le tableau 14 indique que, pour l’ensemble de la Tunisie, en milieu rural et en milieu urbain, la pauvreté a baissé et la corrélation entre la redistribution et la réduction de la pauvreté est confirmée. Cependant cette corrélation entre la croissance et la réduction de la pauvreté est confirmée seulement au niveau national et au niveau rural. On constate, aussi, que la réduction de la pauvreté est expliquée essentiellement par l’effet redistribution au niveau national et urbain et par les effets croissance et redistribution au niveau rural.

7

Au niveau régional

Le tableau 15 indique la décomposition de la variation de la pauvreté par gouvernorat. Sur la base de ces résultats, il est permis d’avancer les propositions suivantes :

Seulement les gouvernorats de Tunis, Bizerte, El Kef, Sousse, Gafsa et surtout Tozeur qui ont enregistré une augmentation de la pauvreté.

Les gouvernorats de Zaghouan et de Jandouba ont enregistré une réduction de la pauvreté la plus importante. Cette diminution s’explique essentiellement par l’effet de la croissance.

La pauvreté s’est accentuée d’une manière considérable dans le gouvernorat de Tozeur à cause de la faiblesse de l’effet de redistribution qui n’a pas compensé l’effet croissance positif.

Les gouvernorats d’Ariana, de Sfax et de Gabés ont connu une baisse de la pauvreté expliquée par l’effet de redistribution qui a compensé l’effet de croissance qui a agit positivement sur l’accroissement de la pauvreté.

Les gouvernorats de Ben Arous, de Nabeul, de Jandouba, de Kébili, de Béja et de Tataouine ont connu une baisse de la pauvreté expliquée par l’effet de croissance qui a compensé l’effet de redistribution qui a agit positivement sur l’accroissement de la pauvreté.

Les gouvernorats de Zagouhan, de Siliana, de Monastir, de Mahdia et de Médenine ont enregistré une baisse de la pauvreté expliquée à la fois par l’effet de croissance et l’effet de redistribution.

On note que l’année 1995 a enregistré une baisse importante de la production agricole qui a affecté positivement la pauvreté dans les gouvernorats où la principale activité est l’agriculture à sec et que la redistribution du revenu (politique anti-pauvreté et transfert de revenu de la migration nationale et internationale) a amorti en quelque sorte la pauvreté.

Taux de croissance pro pauvres

Le calcul des taux de croissance pro pauvres (RPPG), pour l’ensemble du pays et pour les différents gouvernorats relatifs aux différents percentiles8, donne les résultats suivants (tableau 16) :

Au niveau national :

Les RPPG sont positifs à l’exception du milieu urbain où ce taux prend une valeur négative de – 0.68 en moyenne. Ils ont été particulièrement élevés en milieu rural. Ils sont décroissants pour l’ensemble du pays et pour le milieu urbain et sont croissants pour le milieu rural. Les inégalités entre le milieu urbain et le milieu rural semblent se réduire.

Au niveau des gouvernorats

Les estimations (tableau 17) indiquent que la croissance a été pro pauvre pour les 20% de la population les plus pauvres dans l’ensemble des gouvernorats à l’exception des gouvernorats de Bizerte, d’El Kef, de Sousse de Gafsa et de Tozeur. Les gouvernorats de Zagouhan, de Jendouba, de Médenine, de Kébili et de Tataouine à plus forte concentration de pauvreté ont connu des RPPG élevés, ce qui a permis à ces gouvernorats de réduire l’écart de pauvreté par rapport aux autres riches. Cependant, les autres gouvernorats à forte concentration de pauvreté comme Béja, El Kef, Siliana, Gafsa et Tozeur ont enregistré des RPPG faibles et même négatifs creusant davantage l’écart de

8

Datt et Ravallion définissent le taux de croissance pro pauvres (RPPG – Rate of Pro-Poor Growth) par la surface se situant au dessous de la CIC et jusqu’au taux de pauvreté. Il est calculé par la croissance moyenne des dépenses de consommation de la population se trouvant sous le seuil de pauvreté :

0

tH t

t

g p d pR P P G

H

Avec, tg p est le taux de croissance de la consommation réelle par individu pour le percentile p de la

répartition et Ht est le taux de croissance de pauvreté à la date initiale.

8

pauvreté par rapport aux autres gouvernorats. Les gouvernorats riches à moins forte concentration de pauvreté comme Ariana, Bizerte, Sousse et Sfax ont enregistré aussi des taux faibles et même négatifs. Ces résultats montrent qu’il y a une certaine convergence en termes de pauvreté entre les gouvernorats. Les gouvernorats à forte concentration de pauvreté convergent vers ceux à faible concentration de pauvreté et inversement, ce qui explique la réduction des inégalités entre les régions Tunisienne. Cependant, les gouvernorats relativement riches à faible concentration de pauvreté comme Monastir et Mahdia ont connu des RPPG les plus élevés permettant à ces gouvernorats de creuser l’écart par rapport à toutes les régions. La performance de ces deux derniers gouvernorats en termes de lutte contre la pauvreté s’explique essentiellement par le développement des industries de textile intensives en main d’œuvre féminine.

La courbe d’incidence de la croissance sociale (CICS)

Le recours aux méthodes développées par Grosse, Harttgen et Klasen (2006) enrichit l’analyse et permet de voir si les plus pauvres en termes monétaires sont aussi les plus pauvres en termes d’éducation. Les économistes retiennent plusieurs indicateurs tels que le niveau moyen d’éducation, la malnutrition infantile et la mortalité infantile, cependant faute de disponibilité des données, l’on se limitera, dans cette étude, à un seul indicateur social d’éducation représenté par le niveau moyen d’éducation des enfants.

On détermine les courbes d’incidence sociale de la croissance selon deux méthodes9. On construit en premier lieu les courbes d’incidence sociale “inconditionnelles“ qui classent les individus selon l’indicateur de l’éducation en abscisse et donnent les taux de croissance de cet indicateur pour chaque percentile en ordonnés. Le percentile le plus pauvre dispose d’une moyenne d’éducation la plus faible. En second lieu, on représente des courbes d’incidence sociale de la croissance “conditionnelles“ qui classent les individus selon l’indicateur monétaire c'est-à-dire la consommation en abscisse et le taux de croissance de indicateur social qui est l’éducation par percentile selon ce classement en ordonnés. La courbe "inconditionnelle" permet de mesurer l’évolution du niveau d’éducation selon sa distribution. La courbe "conditionnelle" permet d’analyser la distribution de l’évolution de l’éducation le long de la distribution de la consommation.

Le tableau 18 indique qu’il existe une forte corrélation entre l’éducation et la pauvreté en Tunisie. Environ 61.6% des chefs de familles pauvres n’ayant reçu aucune éducation, 33.7% n’ayant reçu qu’un enseignement primaire et 4.8% n’ayant reçu qu’un enseignement secondaire en 2000. En outre, on observe que 56.0% de la population du premier décile le plus pauvre n’a aucune éducation, 39.0 % ayant un niveau primaire, 5.0% ayant un niveau secondaire et 0 % ayant un niveau supérieur. Les chefs de ménages de la population relative aux déciles les plus élevés (déciles des plus riches) disposent d’un niveau d’éducation de plus en plus élevé. La part des chefs de familles ayant un niveau supérieur est croissante par rapport à la distribution croissante de la population par décile de niveau de consommation.

Les courbes d’incidence sociale “inconditionnelles“

On classe les individus respectivement selon le niveau d’éducation, puis on calcule les moyennes et taux de croissance pour chaque percentile. Les graphiques en annexe permettent de mettre en évidence une distribution très inégalitaire de ces indicateurs sociaux au sein de la population et entre milieu rural et urbain. En examinant les courbes d’incidence de la croissance pour l’éducation des jeunes, on remarque que ces graphiques ne rapportent pas les taux de croissance pour les percentiles de la population les plus faibles. En effet, la plupart des ménages pauvres disposent d’un niveau d’éducation égal à zéro à la période initiale ce qui explique l’absence des taux de croissance des percentiles les plus faibles.

9 Grosse, Harttgen et Klasen (2006).

9

La courbe d’incidence de la croissance pour l’éducation au niveau national a une pente globalement négative à l’exception des percentiles de la classe moyenne qui enregistrent une pente proche de zéro. Ce résultat signifie que la croissance a été pro pauvre en termes absolus et en termes relatifs. Les courbes d’incidence de la croissance pour l’éducation des jeunes séparées pour la zone urbaine et rurale confirment les résultats de croissance pro pauvres en termes absolus, toutefois, la fluctuation de cette courbe ne permet pas de dégager un résultat précis quant à l’effet de la croissance sur l’inégalité (graphiques 24, 25 et 26 en annexe).

Les courbes d’incidence sociale “conditionnelles“

Nous représentons les courbes conditionnelles d’incidence de la croissance qui classent les individus selon leurs niveaux de consommation. Ces courbes sont plus volatiles que les courbes inconditionnelles. Le niveau d’éducation des jeunes, a uniquement progressé pour les deux déciles les plus pauvres. Au niveau national, les résultats confirment bien que le décile le plus pauvre a vu son indicateur social s’améliorer. Les résultats confirment également la réduction des inégalités entre le milieu rural et le milieu urbain puisque l’indicateur d’éducation s’est amélioré chez les plus pauvres et les plus riches en milieu rural, alors qu’il a diminué en milieu urbain (graphiques 27, 28 et 29 en annexe).

IV. Politiques de lutte contre la pauvreté

Dés l’indépendance, les autorités tunisiennes ont adopté plusieurs politiques de promotion sociale et de lutte contre la pauvreté. L'objectif de ces politiques est de réduire la pauvreté nationale et de réduire les disparités des richesses entre les régions et les gouvernorats.

Les dépenses publiques pour la lutte contre la pauvreté ont enregistré une hausse importante durant les différents plans de développement économique. La part de ces dépenses dans les recettes courantes de l’Etat est de l’ordre de 15.5% pour le IVème Plan (1973-1976), 14.2% pour le Vème Plan (1977-1981), 15.8% pour le VIème Plan (1982-1986), 16.4% pour le VIIème Plan (1987-1991) et 15.0% pour le VIIIème

Plan (1992-1996). La part des dépenses et des transferts sociaux dans le PIB a atteint les 22% en 1997 contre 19% en 1995, ce qui a permis de développer un filet de protection sociale et la maîtrise de la croissance démographique.

On distingue trois périodes :

1. Au cours de la période 1956-1972, l’assistance de l’Etat visait les chômeurs ruraux dans le cadre des chantiers de « lutte contre le sous développement ».

2. Au cours de la période 1973-1983, l’Etat a mis l’accent sur le Programme de Développement Rural (PDR) et la Caisse Générale de compensation (CGC). D’autres programmes ont vu le jour pour lutter contre la pauvreté :

Le « programme de la famille productive » crée en 1976 qui vise la réduction de l’exode rural par le biais des aides aux familles nécessiteuses. Ce programme a pris son autonomie du Programme Régional de Développement (PRD) à partir de 1989.

Le « Fonds de l’Action Conjoncturelle de l’Emploi » a été crée en 1976 et ayant pour objectif la réduction du chômage des jeunes dans les zones rurales et urbaines. En 1987, ce programme a été intégré dans le PRD.

3. Depuis 1984 jusqu’à nos jours, des programmes spéciaux ont été crées suite à la suppression des subventions des dérivés des céréales (révolte du pain). Parmi ces programmes, on peut citer :

Le Programme des Jardins Familiaux, le Programme de l’Emploi des Jeunes et le Programme de Développement Rural Intégré. Ces programmes ont été crées en 1984.

10

Le Programme de Résorption des Logements Rudimentaires, le Programme d’Insertion des Travailleurs, le Programme d’Aide aux Familles Nécessiteuses. Ces programmes sont crées en 1986.

Le Programme des Chantiers Régionaux de Développement et le Programme Régional de Développement. Ces deux programmes ont été crées en 1992.

Le Fonds National de Solidarité (FSN) a été crée en 1993 dans l’objectif de développer les zones défavorisées dites « zones d’ombre ». Ce fonds intervient pour financer l’infrastructure dans ces régions (pistes, routes dispensaires, raccordement de l’eau potable et d’électricité, écoles, maison de culture etc.).

La Banque Tunisienne de Solidarité (BTS) a été crée en 1998 dans le but de financer des petits projets. Son rôle est d’inciter les jeunes promoteurs ne disposant pas de garanties de monter des projets productifs.

le fonds national de promotion de l’artisanat et des petits métiers (FONAPRA) a été crée en 1988 le fonds de solidarité (connu sous le nom du 26-26) crée en 1993 Le Fonds National de l’Emploi connu sous le nom du 21-21 (FNE) a été crée en 1999 en vu

d’aider les jeunes dans l’insertion du marché du travail.

Ces programmes ont participé à l’amélioration des conditions de vie des populations dans les zones d’ombre par l’électrification, la desserte en eau potable, l’amélioration des logements, l’éducation, la santé, la construction d’une infrastructure routière etc. et ont contribué à la réduction de la pauvreté dans les gouvernorats pauvres permettant une tendance à la convergence entre les différentes régions.

Convergence conditionnelle et non conditionnelle

L’hypothèse de convergence est fondée sur le principe que le gouvernorat « pauvre » (ou disposant d’un taux de pauvreté élevé) tend à croître plus vite (ou avoir un taux de croissance pro pauvres plus élevé) qu’un gouvernorat "riche", de manière à ce que ce gouvernorat pauvre rattrape le taux de pauvreté du gouvernorat "riche". Cette propriété est similaire au concept de β-convergence développé par Barro et Sala-I-Martin (1990) pour estimer la convergence du PIB par tête des pays. La β-convergence peut-être absolue (inconditionnelle) ou conditionnelle. Elle est absolue lorsqu’elle est dépendante seulement des conditions initiales. Elle est conditionnelle lorsque les gouvernorats sont différents en termes de technologies, de ressources matérielles et immatérielles, d’infrastructures et de politiques économiques.

Convergence non conditionnelle ou absolue

Les gouvernorats les plus pauvres ont-ils une croissance pro pauvres plus rapide que les gouvernorats relativement riches ? Les gouvernorats disposant des taux de pauvreté les plus élevés ont-ils des taux de croissance pro pauvres les plus importants ? Est-ce que les gouvernorats les plus pauvres profitent plus de la croissance que les gouvernorats les plus riches ? Est-ce des taux de croissance pro pauvres élevés des gouvernorats les plus pauvres permettent la convergence en termes de taux pauvreté entre les gouvernorats ?

Intuitivement le test de convergence se fait à partir de l’estimation de la relation entre le taux de croissance pro pauvres et le taux de pauvreté initial. L’équation à estimer est la suivante :

,1 9 9 5 1 9 9 0 ,1 9 9 0i i iT C P P a b T P

Où TCPP est le taux de croissance pro pauvres, est le terme d’erreur, TP est le taux de pauvreté et i l’indice des gouvernorats. Un b positif implique une convergence entre les gouvernorats en termes de pauvreté : Les gouvernorats ayant des taux de pauvreté initiaux élevés ont une croissance pro pauvres élevée aussi. Un b égal à 1 indique une convergence parfaite. Un b négatif montre la divergence entre les gouvernorats en termes de pauvreté.

11

Les taux de pauvreté au niveau national et au niveau des gouvernorats sont présentés dans les tableaux et la carte suivants :

L’analyse empirique menée a pris en considération de deux taux de croissance pro pauvres : Le taux de croissance pro pauvres des 2 premiers déciles (20% de la population les plus pauvres) TCPP 20 et le taux de croissance pro pauvres moyen TCPPm. Les résultats sont donnés par les deux équationssuivantes :

,1 9 9 5 1 9 9 0 ,1 9 9 0

2

2 0 1 .4 6 8 0 .2 4 3

(0 .8 9 ) (2 .4 3)

0 .2 1

i iT C PP T P

R

(1)

,1 9 9 5 1 9 9 0 ,1 9 9 0

2

0 .2 8 9 0 .3 0 2

( 0 .1 6 ) (3 .5 3)

0 .3 0

i iT C P Pm T P

R

(2)

Où les chiffres entre parenthèses indiquent le t de student.

La régression (1) semble indiquer l’existence d’une convergence imparfaite entre les gouvernorats en termes de pauvreté. Le coefficient du taux de pauvreté est positif et significativement différent de zéro. Les gouvernorats les plus pauvres ont profité plus de la croissance que les autres gouvernorats riches. Le graphique 30 confirme ce résultat.

La régression (2) où le taux de croissance pro pauvres moyen est la variable endogène montre aussi une tendance à la convergence ente les gouvernorats en termes de pauvreté. Le coefficient du taux de pauvreté initial est certes faible égal à 0.302 mais il est positif et significativement différent de zéro. Le graphique 31 confirme, aussi, ce résultat de convergence non conditionnelle.

Convergence conditionnelle

Parmi les facteurs ayant une incidence potentielle sur la croissance pro pauvres et qui devraient être pris en considération pour estimer la convergence conditionnelle, on invoque les ressources humaines, les infrastructures, le nombre de créations d’entreprises, le degré d’urbanisation, la part de chaque gouvernorat aux exportations, les politiques régionales, les transferts de fonds, le chômage ainsi que la situation géographique et les avantages fiscaux des gouvernorats défavorisés.

Le test de l’hypothèse de β-convergence conditionnelle repose sur une spécification pour laquelle les déterminants de la croissance pro pauvres varient suivant les gouvernorats, soit :

,1995 1990 ,1990i i i iT CPP a b T P cX

Xi représente un vecteur de variables agissant sur la croissance pro pauvre (capital humain, taux d’investissement, infrastructures, dépenses sociales de lutte contre la pauvreté,...). La non disponibilité de toutes les données par gouvernorat, nous a conduit à utiliser seulement le taux de scolarisation des élèves dont l’âge se situe entre 6 et 14 ans comme une approximation du capital humain et les taux de raccordement en électricité (moyenne 90-95) et en eau potable (moyenne 90-95) comme mesure de la présence de l’infrastructure de base. Nous avons introduit aussi dans la régression une variable dichotomique (dummy) qui permet de tenir compte de l’hétérogénéité de l’échantillon. Elle prend la valeur de 1 dans les gouvernorats les plus riches du littoral et 0 dans les gouvernorats de l’intérieur du pays.

Le tableau 21 présente les résultats des estimations relatives aux déterminants du taux de croissance pro pauvres des gouvernorats. Ces régressions ont été réalisées en utilisant la méthode des moindres carrées ordinaires (MCO).

12

Les régressions indiquent l’existence d’une convergence conditionnelle entre les gouvernorats en termes de pauvreté. Le coefficient du taux de pauvreté est positif et significativement différent de zéro à un niveau de confiance de 1%. Les gouvernorats les plus pauvres ont profité plus de la croissance que les autres gouvernorats riches. On remarque que la valeur estimée de β est nettement plus élevée lorsqu’on teste l’hypothèse de convergence conditionnelle (0,8 contre 0,25). Cela s’expliquer par la prise en compte des déterminants de la croissance pro pauvres permettant ainsi de différencier les gouvernorats n'ayant pas le même degré de développement. Toutes les variables reflétant les politiques éducatives et d’infrastructure affectent de manière significative la dynamique de convergence conditionnelle. Le coefficient du taux de scolarisation 6-14 est positif signifiant que l’enseignement augmente la croissance et diminue la pauvreté. De même, les coefficients des taux de raccordement en électricité et en eau potable sont positifs et significatifs.

Les estimations ont montré aussi que la variable dummy est de signe positif et statistiquement significatif signifiant que les gouvernorats relativement riches de la côte sont de nature à favoriser la croissance pro pauvre.

V. Conclusions et recommandations

Il ressort de cette analyse, sur la période 1990-1995, que la pauvreté monétaire a certes diminué en Tunisie, mais elle reste élevée lorsqu’on tient compte des autres dimensions non monétaires. La lutte contre la pauvreté doit intégrer les conditions sanitaires et de logement et la possession de certains biens durables. La croissance a été bénéfique pour les pauvres et pour toutes les régions Tunisiennes. L’analyse empirique semble indiquer l’existence d’une convergence (conditionnelle et non conditionnelle) imparfaite entre les gouvernorats en termes de pauvreté. Il existe une tendance de rattrapage des gouvernorats "riches" par des gouvernorats "pauvres" en termes de réduction de pauvreté. La croissance a été essentielle à la réduction de la pauvreté, fournissant aux autorités publiques les emplois et les ressources nécessaires pour investir dans les gouvernorats "pauvres" pour améliorer l’infrastructure matérielle et immatérielle et surtout pour maintenir les différents programmes sociaux de lutte contre la pauvreté.

Puisque la pauvreté est par essence multidimensionnelle, l’effort doit être concentré sur l’amélioration de l’accès aux infrastructures de base (eau, assainissement et électricité) et aux biens durables (cuisinière, télévision, frigidaire etc.), des conditions de logement et de la qualité de l’éducation et des services de santé. Sur la base de ce qui précède et afin d’améliorer davantage les conditions des pauvres en Tunisie, il est possible d’orienter les programmes du gouvernement dans les sens suivants :

1. Etendre l’accès à des infrastructures de base (eau, électricité et assainissement) en milieu rural des gouvernorats les plus pauvres devrait continuer à être privilégié. Une révision de la structure tarifaire progressive favorisant les plus pauvres en augmentant les subventions croisées permettrait aussi l’alléger la facture des pauvres.

2. Continuer à améliorer les conditions de logement dans les zones démunies par la reforme du système actuel de prêt subventionné aux logements afin de mieux orienter les ressources aux pauvres. Des crédits préférentiels pourraient être attribués pour la construction d’une toilette moderne et individuelle pour chaque logement.

3. Améliorer la qualité de la formation professionnelle pour permettre aux jeunes d’avoir un métier favorisant leurs insertions au marché de l’emploi.

4. Fournir des services de santé de meilleure qualité.5. Créer et organiser des marchés aux puces ou des ventes au garage comme dans plusieurs pays

développés permettant la vente et l’achat des biens d’occasion. Ce marché permet aux pauvres de récupérer des biens durables (cuisinière, télévision, frigidaire etc.) à des prix faibles et permet de développer davantage la solidarité sociale.

13

6. Donner une plus grande autonomie aux gouvernorats en matière de politique économique et financière leur permettant de définir les instruments et les institutions capables de soutenir le plus efficacement leur compétitivité et de lutter contre la pauvreté.

7. Réduire les disparités entre les gouvernorats ne doit pas se faire au détriment des gouvernorats dynamiques. Au contraire les gouvernorats dynamiques devraient tirer les autres vers le haut. Les autorités doivent opter pour l’instauration des politiques à somme positive.

8. Revoir les politiques de la migration interne. La migration du milieu rural vers le milieu urbain risque de mettre en péril les politiques d’aménagement du territoire et d’accentuer la pauvreté urbaine.

14

Références

1. Ayadi, M., Boulila, G., Lahouel, M. H. et Ph. Montigny (2004) ”Pro-poor Growth in Tunisia" Mimeo Université de Tunis and World Bank

2. Ayadi, M, Rahmen El Lahga (2006) "pauvreté et inégalités en Tunisie : Une Approche non monétaire". Mimeo.

3. Charmes J. (1990) "Mesurer la pauvreté, identifier les groupes vulnérables : enquêtes et méthodes utilisées en Tunisie" STATECO, N° 63, 1990, INSEE, p. 57-83.

4. Chaudhuri, S. & Ravallion, M. (1994) “How well do static indicators identify the chronically poor?” Journal of Public Economics, 53, 1994, p. 367-394.

5. Cheli, B., A. Ghellini, A. Lemmi, and N. Pannuzi (1994) “Measuring Poverty in the Countries in Transition VIA TFR Method: The Case of Poland In 1990-1991,” Statistics in Transition, Vol.1, No.5, pp. 585-636.

6. Cheli, B. and A. Lemmi.(1995) “ ’Totally’ Fuzzy and Relative Approach to the Multidimensional Analysis of Poverty,” Economics Notes, Monte dei Paschi di Siena, Vol. 24 No 1, pp. 115-134.

7. Cheli, B. (1995) “Totally Fuzzy and Relative Measures of Poverty in Dynamic Context. An Application to the British Household Panel Survey, 1991-1992” Working papers of the ESRC Research Centre on Micro-Social Change. Paper 95-13 Colchester: University of Essex.

8. Cerioli, A. and S. Zani (1990) “A Fuzzy Approach to the Measurement of Poverty,” in C. Dagum & M. Zenga (eds.) Income and Wealth Distribution, Inequality and Poverty, Studies in Contemporary Economics, Springer Verlag, Berlin, pp. 272-284.

9. Deutsch, J. and J. Silber (2002) Multi-dimensional Approaches to the Measurement of Poverty: A Study Based on the Last Israeli Census, mimeo, Bar-Ilan University.

10. Kakwani, N. (1980) “On a Class of Poverty Measures,” Econometrica Vol. 48, No. 2, pp. 437-446.

11. Regoli, A., Stanghellini L. (1995) “Multidimensional Dynamic Poverty Measures in US PSID”, preliminary version.

12. Sen, A.K. (1976) “Poverty: An Ordinal Approach to Measurement,” Econometrica, Vol. 44, No. 2, pp.219-231.

13. Vero, J., Werquin P. (1997) “Reexaming the Measurement of Poverty: How Do Young People in the Stage of Being Integrated in the Labor Force Manage,” Economie et Statistique, No. 8-10, pp. 143-156 (in French).

14. Zadeh, L.A. (1965) “Fuzzy Sets,” Information and Control, No. 8, pp. 338-353.15. Zheng, B. (1997) “Aggregate Poverty Measures,” Journal of Economic Surveys Vol.11, No 2.

1997, pp. 123-162.

15

Annexes

1. Courbes d’incidence de la croissance, 1990-1995, ensemble de la Tunisie et par gouvernorat (graphes 1 à 23).

2. courbes d’incidence de la croissance, 1990-1995, (éducation des jeunes pour l’ensemble de la population, en milieu urbain et en milieu rural) (graphes 24 à 26).

3. courbes d’incidence sociale de la croissance, 1990-1995, (éducation des jeunes pour l’ensemble de la population, en milieu urbain et en milieu rural) (graphes 27 à 29).

4. Convergence non conditionnelle, TCPP20 (20% et moyenne), (graphes 30 et 31).5. Niveau de pauvreté par gouvernorat, 1995, (graphe 32).

Figure 1 : Courbe d’incidence de la croissance, ensemble de la Tunisie (1990-1995)

-20

24

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles

Median spline Growth rate in mean

Figure 4 : Courbe d’incidence de la croissance, gouvernorat de Tunis (1990-1995)

-10

-50

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 2 : Courbe d’incidence de la croissance, milieu Urbain (1990-1995)

-8-6

-4-2

02

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles


Figure 5 : Courbe d’incidence de la croissance, gouvernorat d’Ariana (1990-1995)

-20

-15

-10

-50

5M

ed

ian

spl

ine

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 3 : Courbe d’incidence de la croissance, milieu Rural (1990-1995)

12

34

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 6 : Courbe d’incidence de la croissance, gouvernorat de Ben Arous-

-10

-50

51

0M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


16

Figure 7 : Courbe d’incidence de la croissance, gouvernorat de Nabeul (1990-1995)

24

68

10

Me

dia

n sp

line

/Gro

wth

rat

e in

me

an

0 20 40 60 80 100Percentiles


Figure 11 : Courbe d’incidence de la croissance, gouvernorat de Jandouba (1990-1995)

1012

141

61

8M

edia

n s

plin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles


Figure 8 : Courbe d’incidence de la croissance, gouvernorat de Zaghouan (1990-1995)

-10

01

020

Me

dia

n sp

line/

Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 12 : Courbe d’incidence de la croissance, gouvernorat d’El Kef (1990-1995)

-30

-20

-10

01

02

0M

edia

n s

plin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles


Figure 9 : Courbe d’incidence de la croissance, gouvernorat de Bizerte

-10

01

020

30

Me

dia

n sp

line/

Gro

wth

ra

te in

mea

n

0 20 40 60 80 100Percentiles


Figure 13 : Courbe d’incidence de la croissance, gouvernorat de Siliana

-10

-50

510

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles


Figure 10 : Courbe d’incidence de la croissance, gouvernorat de Beja (1990-1995)

-50

51

0M

edi

an s

plin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles


Figure 14 : Courbe d’incidence de la croissance, gouvernorat de Sousse (1990-1995)

-10

-8-6

-4-2

0M

edia

n s

plin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles


17

Figure 15 : Courbe d’incidence de la croissance, gouvernorat de Monastir (1990-1995)

05

10

15

Med

ian

sp

line

/Gro

wth

ra

te in

mea

n

0 20 40 60 80 100Percentiles


Figure 19 : Courbe d’incidence de la croissance, gouvernorat de Tozeur

-15

-10

-50

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 16 : Courbe d’incidence de la croissance, gouvernorat de Mahdia (1990-1995)

05

10

1520

Me

dia

n s

plin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles


Figure 20 : Courbe d’incidence de la croissance, gouvernorat de Kébili (1990-1995)

05

10

15

20

25

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles


Figure 17 : Courbe d’incidence de la croissance, gouvernorat de Sfax (1990-1995)

-10

-50

51

01

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 21 : Courbe d’incidence de la croissance, gouvernorat de Gabès (1990-1995)

-10

-50

51

01

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 18 : Courbe d’incidence de la croissance, gouvernorat de Gafsa (1990-1995)

-4-2

02

4M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


Figure 22 : Courbe d’incidence de la croissance, gouvernorat de Médenine (1990-1995)

02

46

810

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles


Figure 23 : Courbe d’incidence de la croissance, gouvernorat de Tataouine

Graphique 27 : Courbe d’incidence sociale de la croissance (éducation des jeunes pour l’ensemble

18

51

01

52

02

5M

ed

ian

sp

line

/Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles


05

10

Ta

ux

de

cro

issa

nce

0 20 40 60 80 100Percentiles

Education des jeunes

Graphique 24 : courbe d’incidence de la croissance 1990-1995 (éducation des jeunes pour l’ensemble de la

population)

05

10

15

20

Me

dia

n s

plin

e/G

row

th r

ate

in m

ea

n

0 20 40 60 80 100Percentiles



Graphique 28: Courbe d’incidence sociale de la croissance (éducation des jeunes pour le milieu urbain)

02

46

Tau

x de

cro

issa

nce

0 20 40 60 80 100Percentiles


Graphique 25 : courbe d’incidence de la croissance 1990-1995 (éducation des jeunes pour le milieu urbain)

05

10

15M

ed

ian

sp

line/

Gro

wth

ra

te in

me

an

0 20 40 60 80 100Percentiles



Graphique 29 : Courbe d’incidence sociale de la croissance (éducation des jeunes pour le milieu rural)

02

46

8T

au

x d

e c

rois

san

ce

0 20 40 60 80 100Percentiles


Graphique 26 : courbe d’incidence de la croissance 1990-1995 (éducation des jeunes pour le milieu rural)

-50

51

0M

ed

ian

splin

e/G

row

th r

ate

in m

ean

0 20 40 60 80 100Percentiles



19

Graphique 30 : convergence non conditionnelle : TCPP20

Sousse

Ariana

Ben Arous

Nabeul

Zaghouan

Bizerte

Beja

Jendouba

Le Kef

Siliana

Monastir

TunisSfax

Gafsa

Tozeur

KebiliGabes

Medenine

TataouineMahdia

-50

51

01

5tc

pp20

0 10 20 30 40tp90

Convergence non conditionnelle (20 %)

Graphique 31: convergence non conditionnelle : TCPP20

SousseAriana

Ben Arous

Nabeul

Zaghouan

Bizerte Beja

Jendouba

Le Kef

Siliana

Monastir

Tunis

Gafsa

Tozeur

Kebili

Gabes

Medenine

Tataouine

Mahdia

-10

-50

51

01

5tc

ppm

0 10 20 30 40tp90

Convergence non conditionnelle (moyenne)

20

Graphique 32 : Niveau de pauvreté par gouvernorat en 1995.

Tableau 1: Liste des attributs retenus pour l’analyse Variable Catégories

Indicateurs sur la possession des biens durablesMachine à laver Oui, nonChauffage Oui, nonOrdinateur Oui, nonClimatiseur Oui, nonVoiture Oui, nonTélévision Oui, nonIndicateurs sur les conditions de logement Disponibilité de l’eau courante raccordement de l’eau à l’intérieur du logement,

raccordement de l’eau en dehors du logement,raccordement inexistant

Disponibilité de toilette à l’intérieur du logement, à l’extérieur de logement ouinexistant

Type du logement Villa, appartement, maison traditionnelle, autresPropriété du logement propriété personnelle, propriété mixte, locataire auprès

d’une entreprise publique, locataire auprès d’un privé Nombre de chambre 1, 2, 3, 4, 5, 6 et plus

Tableau 2: Indices de pourcentage des ménages pauvres

Source : calcul des auteurs

Tableau 3: Pourcentage des pauvres par genre du chef de ménage masculin féminin total

Part dans le nombre total des ménages 87.0 13.0 100.0Approche TFA 21.3 22.6 22.4Approche TFR 22.7 24.1 23.9Approche VW 26.04 27.01 26.9Source : calcul des auteurs

Approche TFA Approche TFR Approche VW Approche unidimensionnelle22.4 23.9 26.9 7%

0.01 - 0.35

0.36 - 3.10

3.11 - 6.20

6.21 - 9.50

9.51 - 20.30

Missing Data

TunisAriana

Ben ArousManouba

Nabeul

Zaghouan

Bizerte

BejaJendouba

Le Kef Siliana

Kairouan

Kasserine

Sidi Bouzi

Mahdia

Sf ax

Gaf sa

Tozeur

Kebili

Gabes

Medenine

Tataouine

Sousse

Monastir

21

Tableau 4: Pourcentage des pauvres par taille du ménage1 2 3 4 5 6 7 8 9 Au moins 10 total

Part dansle nombre total des ménages

3.8 10.5 12.6 17.8 19.3 14.3 9.8 5.8 2.9 3.2 100.0

Approche TFA 31.2 22.5 20.4 18.4 20 20.5 26.5 28.8 31.08 33.1 22.4

Approche TFR 28.5 25.4 23.7 22.5 21.6 22.07 25.1 27.9 28.1 29.9 23.9

Approche VW 29.6 25.1 23.5 25.9 26 27.8 28.8 29.8 31.6 33.8 26.9

Source : calcul des auteurs

Tableau 5: Pourcentage des pauvres selon l’âge du chef de ménageMoins de 30 30-59 60-69 Au moins 70 Total

Part dans le nombre total des ménages 2.8 64.9 15.2 17.1 100.0Approche TFA 27.1 22.5 21.7 22.05 22.4Approche TFR 29.6 24.1 22.6 23.3 23.9Approche VW 27.8 26.2 25.4 26.8 26.9Source : calcul des auteurs

Tableau 6: Pourcentage des pauvres selon le nombre des années de scolarisation du chef de ménage0 1-6 7-13 14 ou plus Total

Part dans le nombre total des ménages

38.2 35.3 20.8 5.7 100.0

Approche TFA 25.6 23.05 15.6 14.7 22.4Approche TFR 26.6 24.5 19.6 18.8 23.9Approche VW 29.1 28.2 22.5 20.4 26.9Source : calcul des auteurs

Tableau 7: Pourcentage des pauvres selon l’état civil du chef du ménage Célibataire Marié divorcé Veuf Total


3.7 83.8 1.4 11.1 100.0

Approche TFA 22.5 20.4 22.6 21.6 22.4Approche TFR 24.01 21.8 26.4 22.7 23.9Approche VW 27.01 24.7 29.6 27.1 26.9Source : calcul des auteurs

Tableau 8: Pourcentage des pauvres selon le milieu de résidenceMilieu rural Milieu urbain Total

Part dans le nombre total des ménages 39.2 60.8 100.0Approche TFA 32.7 15.8 22.4Approche TFR 33.4 17.8 23.9Approche VW 35.8 21.1 26.9Source : calcul des auteurs

Tableau 9: Pourcentage des pauvres selon le nombre des enfants moins de 5 ans0 1 et plus total


73 27 100.0

Approche TFA 21.7 24.5 22.4Approche TFR 23.2 25.8 23.9Approche VW 26.2 28.7 26.9Source : calcul des auteurs

22

Tableau 10: Pourcentage des pauvres par région Grand Tunis

Nord Est

Nord Ouest

Centre Est

Centre Ouest

Sud Est

Sud Ouest

total


9.5 12.3 12.3 11.8 28 10.9 15.1 100.0

Approche TFA 14.5 17.8 23.9 15 32.9 21.2 18.6 22.4Approche TFR 16.8 19.9 25 17.4 34.8 22.1 16.9 23.9Approche VW 19.1 26.2 24.5 24.7 38.7 19.7 19.2 26.9Source : calcul des auteurs

Tableau 11: Résultats de l’estimation de la régression logit basés sur l’approche TFRLes variables Les coefficients zTaille du ménage -0.5446 -4.91Taille du ménage au carré 0.0315 3.3Age du chef de ménage -0.1572 -2.93Age du chef de ménage au carré 0.0011 1.68Sexe -0.0563 -0.88Nombre des années de scolarisation -0.0742 -6.56Chef de ménage marié 0.9278 1.39Chef de ménage divorcé -1.5485 -1.72Chef de ménage veuf -0.1966 -0.22Milieu de résidence 1.3394 2.44Sud Ouest -0.2922 -0.32Sud Est -1.3877 -1.77Centre Est -1.5015 -1.93Nord Est -0.1613 -0.18Grand Tunis -1.5692 -2.08Centre ouest 0.3876 1.72Nombre des enfants moins de 5 ans 0.1284 2.49constante 6.88 6.85Source : calcul des auteurs

Tableau 12: Les impacts marginauxApproche TFA Approche TFR Approche VW

Les variables dy/dx z dy/dx z dy/dx zTaille du ménage -0.0102 -5.5 -0.0104 -4.85 -0.0117 -4.11Taille du ménage au carré 0.0010 5.46 0.00008 4.29 0.0010 3.78Age du chef de ménage -0.0005 -1.66 -0.0004 -1.83 -0.0007 -1.8Age du chef de ménage au carré 0.00003 1.16 -0.00001 1.62 0. 00002 0.71Sexe -0.0032 -1.01 -0.0014 -2.26 -0.00009 -0.15Nombre des années de scolarisation -0.0009 -5.47 -0.0008 -4.87 -0.0008 -7.45Chef de ménage marié 0.0017 0.47 0.0033 1.00 0.0028 0.45Chef de ménage divorcé -0.0242 -1.27 -0.0092 -0.89 -0.0542 -1.62Chef de ménage veuf -0.0002 -0.06 -0.0004 -0.24 -0.0038 -0.36Milieu de résidence 0.0085 4.13 0.0034 2.71 0.0208 5.51Sud Ouest -0.0081 -1.34 -0.0008 -0.28 -0.0052 -0.72Sud Est -0.0042 -0.92 -0.0066 -1.06 -0.0101 -1.3Centre Est -0.0076 -1.41 -0.0074 -1.13 -0.0107 -1.4Nord Est -0.0028 -0.71 -0.0004 -0.16 -0.0025 -0.46Grand Tunis -0.0126 -1.95 -0.0076 -1.21 -0.0266 -2.72Centre Ouest 0.0007 1.26 0.0009 1.46 0.0094 1.92Nombre des enfants moins de 5 ans 0.0017 1.41 0.0003 1.44 0.0031 1.32Source : calcul des auteurs

23

Tableau 13: Incidence de la pauvreté en Tunisie (Indice numérique régional 1980-2000)Region 1980 1985 1990 1995 2000Grand Tunis 4.3 2.3 2.1 2.4 1Nord Est 15.6 8.9 5.9 6.3 3.5Nord Ouest 30.1 17.9 14.3 11.1 3.7Centre Ouest 33.8 18 12.5 20 10.8Centre Est 16.5 6.2 3.9 3.5 1.9Sud Ouest 13 6.7 8.8 8.2 6.4Sud Est 15.7 12.1 3.1 10.5 6Ensemble de la Tunisie 20.1 9.6 6.7 8.1 4.1Source : Les enquêtes de consommation

Tableau 14: Décomposition de la variation de la pauvreté entre 1990 et 1995 Ensemble de la

TunisieMilieu urbain Milieu rural

variation du taux de pauvretéCroissanceRedistributionRésidu

-0,041-0,009-0,0370,004

-0,0090,003-0,0130,002

-0,07-0,067-0,01

-0,007

Source: estimations des auteurs, décomposition basée sur la méthode de Datt-Ravallion

Tableau 15 : Décomposition de la variation de la pauvreté par gouvernorat entre 1990 et 1995 Gouvernorats Variation du taux

de pauvretéCroissance Redistribution Résidu

TunisArianaBen ArousNabeulZagouhanBizerteBéjaJendoubaEl KefSilianaSousseMonastirMahdiaSfaxGafsaTozeurKébiliGabèsMédenineTataouine

0,001-0,026-0,011-0,026-0,3030,019-0,056-0,2350,015-0,0710,030-0,019-0,094-0,0080,0170,076-0,058-0,039-0,143-0,163

-0,0030,131-0,021-0,024-0,295-0,042-0,104-0,2500,034-0,1130,073-0,010-0,0560,0330,0000,031-0,0940,000-0,107-0,139

0,001-0,0520,0290,021-0,1220,0920,0420,053-0,021-0,006-0,004-0,005-0,075-0,039-0,019-0,0130,085-0,039-0,0450,091

0,003-0,105-0,019-0,0230,115-0,0320,006-0,0380,0010,048-0,039-0,0050,038-0,0020,0360,058-0,0490,0000,009-0,115

Source: estimations des auteurs, décomposition basée sur la méthode de Datt-Ravallion

Tableau 16: Taux de croissance pro pauvresPercentiles Tunisie Urbain Rural

10 3,62 1,29 3,7115 3,50 1,19 3,920 3,42 1,12 3,9525 3,33 1,12 3,9430 3,28 1,16 4

100 0,70 -0,68 3,67Source: estimations des auteurs

24

Tableau 17: Taux de croissance pro pauvres régional (TCPP)Gouvernorats Jusqu'à 20% de la population Le taux de croissance

pro pauvre moyenTunisArianaBen ArousNabeulZagouhanBizerteBéjaJendoubaEl KefSilianaSousseMonastirMahdiaSfaxGafsaTozeurKébiliGabèsMédenineTataouine

3,132,595,073,85

14,83-2,890,60

10,69-1,261,86-2,1910,7512,922,36-1,88-4,064,295,3

7,8312,86

1,65-7,512,914,36

10,985,014,71

12,70-3,153,99-6,97,567,55

-2, 48-1,99-4,149,440,035,32

10,93Source: estimations des auteurs

Tableau 18: Distribution de la population par décile et par niveau d’éducation du chef du ménage (2000)Décile Pas d’éducation Primaire Secondaire Supérieur Total

1 56.0 39.0 5.0 0.0 1002 46.4 46.8 6.6 0.2 1003 45.6 42.1 11.7 0.6 1004 43.2 44.1 12.3 0.4 1005 36.5 45.3 17.3 0.9 1006 37.3 42.2 18.1 2.3 1007 30.4 39.0 26.9 3.8 1008 30.2 34.0 30.6 5.2 1009 24.7 31.9 35.0 8.4 100

10 16.4 23.3 36.0 24.3 100Moyenne 36.7 38.8 19.9 4.6 100

Part des pauvres 61.5 33.7 4.8 0.0 100Source: INS et Banque Mondiale

Tableau 19 : taux de pauvreté (TP) par milieu (en %)1990 1995

Milieu urbainMilieu rural

3,814,6

2,8613,6

25

Tableau 20 : taux de pauvreté par gouvernorat (TPi) 1990 1995

TunisArianaBen arousNabeulZaghouanBizerteBéjaJendoubaLe kefSilianaSousse MonastirMahdiaSfaxGafsaTozeurKébiliGabèsMédenineTataouine

0.345.82.14.1

38.67.6

18.530.317.227.52.41.9

10.27.047.23.19.34.8

17.819.4

0.043.21

1.58.39.5

13.117.5

18.720.35.4

0.0090.926.28.9

10.70.350.094.43.1

Source: estimations des auteurs

Tableau 21: les déterminants du taux de croissance pro-pauvres (La variable dépendante: le taux de croissance pro-pauvres des 20% de la population la plus pauvre)

1 2 3 4

Constante-3.17(-1.52)

-7. 20(-2.38)**

- 7.80(-2.70)***

-7.68(-2.61)**

Taux de pauvreté initial (tp90) 0.38(4.45)***

0.64(5.24)***

0.84(5.89)***

0.87 (6.55)***

Dummy région4.66(2.46)*

3.55(1.72)***

4.68(2.47)**

4.79(2.47)**

Taux de scolarisation initial 6-14 (ts 90)0.80(2.27)**

0 .33 (0.86)

0.26(0.66)

Taux de raccordement en électricité (tre)0.46(4.12)***

0.42(3.72)***

Taux de raccordement en eau potable (trs) 0.09 (1.83)*

R² 0.55 0.55 0.72 0.74Nb observation 19 19 19 19*, ** et *** Indiquent la significativité à un pourcentage de 10%, 5% et 1%.t- Student entre parenthèses.

Documents

La pauvreté régionale en Tunisie1 ,2, Chaker Gabsi3 et ...gdri.dreem.free.fr/wp-content/d1-2boulila-chaker... · ménages afin d’analyser l’évolution de la pauvreté et des