Au cours des années 1990, un certain nombre d'auteurs ont proposé des modèles permettant d'expliquer comment les imperfections du marché du crédit conduisaient à des situations d'inégalités stationnaires. Ces modèles se basent sur une situation initiale commune. A chaque fois, on fait face à une population dont les membres ne se différencient que par le niveau initial de richesse et cherchent un financement pour leurs pro-jets d'investissement. Le marché du crédit étant miné par des asymétries d'information qui conduisent les institutions financières à rationner le crédit, on aboutit à des écarts de rémunération entre les individus et donc à un niveau global d'inégalités essentiellement déterminées par la distribution initiale des richesses. Outre la manière dont se réalise le rationnement du crédit, ces modèles se distinguent par la nature des investissements proposés aux individus. D'un côté, on retrouve des modèles optant pour des investissements éducatifs (Galor et Zeira, 1993; Durlauf, 1996); de l'autre il s'agit d'investissements en capital physique (Aghion et Bolton, 1992; Piketty, 1997). Si ce choix ne présente finalement aucun intérêt lorsqu'il s'agit de conclure à une persistance des inégalités, il peut se révéler primordial lorsque l'on souhaite se pencher sur le degré d'inégalités créées par les imperfections de marchés et les leviers dont disposent les décideurs publics pour les réduire. L'objet de cet article consiste donc à isoler les effets du développement financier sur les inégalités au travers des investissements directement productifs et de l'éducation.

Dans une première partie, nous ferons état de la littérature théorique, des enseignements qu'il est possible d'en tirer dans le cadre de notre étude, et présenterons quelques travaux empiriques déjà réalisés. La seconde partie nous permettra d'introduire notre base de données ainsi que le modèle économétrique et la logique qui le sous-tend. Les troisième et quatrième parties seront consacrées respectivement à l'étude des effets du développement financier et de l'éducation sur les inégalités de revenus et à l'estimation durôle du premier sur les inégalités d'éducation. Dans une cinquième partie, nous essaierons enfin de synthétiser l'ensemble de ces résultats et les conclusions que l'on peut en tirer.

¹ CERDI, CNRS – Université d'Auvergne. Mél. : florent.bresson@u-clermont1.fr  Remerciements : J.-L. Arcand, J.-C. Berthélémy, J.-L. Combes, C. Cottet, B.d'Hombres, R. Kpodar, L. Page et P. Plane pour leur aide et commentaires.

1. QUELQUES ÉLÉMENTS DE THÉORIE ET D'EMPIRISME

1.1. Développement financier et distribution des revenus

Lorsque l'on se penche sur la littérature relative aux inégalités de revenus, on note qu'un nombre particulièrement important d'auteurs ont mis en évidence des imperfections des marchés de crédit dans la genèse ou la persistance d'écarts de revenus entre les individus d'une même population. La plupart des modèles sont caractérisés par la présence d'imperfections des marchésde crédit quibloquent le processus d'accumulation du capital de certains ménages en leur interdisant la réalisation d'investissements en capital physique. L'article de Piketty (1997) est particulièrement séduisant dans la mesure où il s'inspire du modèle de croissance classique en postulant que l'économie est constituée d'entrepreneurs individuels produisant avec une technologie à rendements décroissants. Du fait de l'incapacité des institutions bancaires à observer l'effort fourni par chaque individu dans son entreprise, cellesci sont conduites à n'accorder du crédit qu'en fonction du niveau de richesse. Il se créé alors une trappe à pauvreté qui donne lieu à une polarisation des revenus et donc à la persistance d'un certain niveau d'inégalités. Il n'existe toutefois pas dans ce modèle de niveau station-naire d'inégalités, l'accumulation des plus pauvres n'étant pas stoppée, mais ralentie par rapport à ce qu'impliquerait une convergence classique. On retrouve donc potentiellement, même si l'auteur n'en fait pas état, un schéma d'évolution des inégalités à la Kuznets en « U » inversé. Chez d'autres auteurs, on retrouve par contre des situations d'inégalités stationnaires, chacune étant essentiellement déterminée par le degré et le type d'imperfections ainsi que la distribution initiale du patrimoine.

L'article de Greenwood et Jovanovic (1990) se démarque de ce type d'articles en faisant explicitement le lien entre développement financier et inégalités. Dans leur modèle, les intermédiaires financiers n'inter-viennent pas comme créanciers mais comme offreurs d'une information qui permet d'accroître la rentabilité des investissements réalisés par les individus, et comme assureurs en répartissant les risques entre les individus. Certes, il existe une imperfection de marché liée à la présence d'un coût à l'entrée substantiel qui rend l'adhésion aux institutions financières peu attractive pour les individus ne disposant pas d'un certain niveau de ressources. Toutefois, chez Greenwood et Jovanovic, cette imperfection évolue dans le temps et permet à terme à une part de plus en plus importante de la population d'accéder au secteur financier. De fait, les inégalités s'accroissent donc entre les plus riches et les plus pauvres (les auteurs ne concluent pas réellement sur l'évolution globale de la distribution des revenus), puis se stabilisent à long terme au fil du développement financier.

Malgré l'importance de cette littérature, les études économétriques menées jusqu'à présent ont été relativement rares et semblent avoir sous-exploité les résultats obtenus par le biais de ces modélisations. Fréquemment cité, l'article de Li et al. (1998) conclut à une influence positive du développement financier (capté par le ratio M2/PIB) mais est toutefois entaché d'un certain nombre de défaillances techniques qui rendent les conclusions de ces auteurs relativement fragiles¹. Bulir (1998) s'intéresse aux effets de l'inflation sur les inégalités de revenus, mais inclut parmi ses variables de contrôle un ratio d'approfondissement financier qui se révèle avoir un impact positif et significatif, mais de relativement faible amplitude. Récemment, Lopez (2003) a conclu à une influence négative du développement financier sur la distribution des revenus. Plus intéressante est encore l'étude de Clarke et al. (2003). Selon ces auteurs, l'influence globale du développement financier sur les inégalités dépend en grande partie de la structure de l'économie considérée. Ils établissent ainsi un pont entre les théories énoncées précédemment et celle de Kuznets (1955).

Rappelons que du point de vue de ce dernier, le processus de développement économique induit le passage progressif d'une grande partie de la population d'un secteur traditionnel caractérisé par de faibles revenus à un secteur moderne aux rémunérations plus fortes mais distribuées de manière moins égale. Au cours de cette évolution, les inégalités de revenus se creusent dans un premier temps puis, lorsqu'une part substantielle de la population a rejoint le secteur moderne, tendent à se réduire. On obtient donc, en principe, une relation en « U » inversé entre inégalités et développement économique. Clarke et al. exploitent l'idée selon laquelle le secteur moderne est inégalitaire car donnant lieu à des perspectives de revenus importantes. Si la réalisation de ces dernières est conditionnée par un accès des individusau crédit, les auteurs concluent que les inégalités seront plus fortes dans les pays présentant à la fois un secteur moderne important et un fort développement financier. Pour valider empiriquement leur hypothèse, ils incluent dans leurs régressions, en plus des variables correspondant à chacun de ces deux éléments, une variable d'interaction entre approfondissement financier et taille du secteur moderne. Du point de vue des résultats, la confirmation de leur théorie apparaît comme dépendante de la variable retenue pour traduire le niveau de développement financier ainsi quede l'estimateur utilisé. Malgré cette faiblesse, l'approche économétrique de ces auteurs est intéressante car elle permet de mieux faire face à la forte hétérogénéité des panels utilisés dans ce genre d'études.

¹ Les régressions effectuées par Li et al. (1998) sont réalisées en pooling avec deux variables constantes dans le temps. Celles-ci captent alors en partie des effets fixes et sont sans doute corrélées avec le terme d'erreur de l'équation s'il existe des variables omises relevant de l'effet spécifique au pays.

1.2. Éducation et distribution des revenus

Aussi bien au niveau microéconomique que macroéconomique, l'étude de l'influence de l'éducation sur le niveau de revenu semble faire figure d'exercice de style tant le sujet a motivé d'études depuis l'apparition de la théorie du capital humain. Malgré l'importance de la littérature et la diversité des approches, il existe un fort consensus au sujet des effets supposés bénéfiques de l'éducation. Et si la relation est supposée juste en niveau, on peut raisonnablement supposer qu'elle se vérifie du point de vue des distributions, autrement dit que les inégalités en matière d'éducation sont un déterminant des inégalités de revenus¹.

Cette relation a été mise en équation de manière récurrente par un certain nombre d'auteurs (Banerjee et Newman², 1993; Galor et Zeira, 1993; Durlauf, 1996; Ghatak et Jiang3, 2002). Les conclusions comme les mécanismes internes ne varient guère : il existe de manière systématique des individus qui souhaiteraient s'engager dans des activités mieux rémunérées, mais qui ne peuvent réaliser l'investissement minimum nécessaire du fait de l'insuffisance de leurs fonds propres. On aboutit donc à nouveau vers des situations de ralentissement de la convergence des revenus ou d'inégalités permanentes. En filigrane de cette sous-production de l'éducation, on retrouve un dysfonctionnement du marché du crédit. Si l'éducation est un élément du capital humain, ce capital ne peut s'accroître, expérience mise à part, qu'au prix d'investissements qu'il convient de financer. Lorsque les ressources des individus viennent à faire défaut, ces derniers doivent en théorie faire appel au marché pour leur apporter les fonds manquants. En cas d'imperfection, voire d'absence, du marché du crédit, les individus doivent limiter leurs ambitions, ce qui conduit à une population caractérisée par une certaine hétérogénéité des niveaux d'éducation alors même que les préférences des individus sont en général supposées identiques.

Ce type de modèle n'a jamais fait l'objet d'une véritable étude économétrique, alors même que le lien entre éducation et inégalités a souvent été exploré (Knight et Sabot, 1983; De Gregorio et Lee, 1999; Checchi 2000) tout comme l'influence des facteurs financiers sur le niveau d'éducation. Ce dernier a fait aussi bien l'objet de recherches microéconomiques que macro économiques. L'étude de Flug et al. (1998) se positionne sur le plan macroéconomique. L'objectif de ces auteurs est de démontrer que l'instabilité économique et les rationnements du crédit affectent non seulement les investissements en capital physique, mais aussi ceux en capital humain. Ils introduisent ainsi dans leurs régressions des taux de scolarisation secondaire une variable d'approfondissement financier qui se révèle avoir un effet positif et significatif sur la production d'éducation. Pour illustrer l'importance de cet effet, ils montrent que la contrainte de crédit explique à elle seule un tiers de la différence de scolarisation moyenne entre l'Amérique latine et les pays industrialisés.

¹ Peu importe pour notre analyse que la corrélation observée entre éducation et revenus soit le fait d'un véritable apport de connaissances lors de la scolarisation ou bien que le système éducatif ait pour effet le tri des individus selon leurs qualités intrinsèques (théorie dite du filtre), seule compte l'idée selon laquelle la distribution des revenus est affectée par la distribution des facteurs de production, notamment le capital humain.

² Pour ces deux articles, il n'est pas fait de référence explicite à l'éducation, mais les choix d'occupation auxquels font face les individus sont facilement assimilables à des choix de métiers nécessitant dans certains cas un investissement éducatif.

Pour ce qui est des travaux empiriquesrelatifs aux effetsde l'éducation sur la distribution des revenus, il nous semble intéressant de nous attarder sur les études de De Gregorio et Lee (1999) et Checchi (2000). Ces deux articles ont pour intérêt la prise en compte explicite des inégalités en matière d'éducation dans leur analyse tout en recher-chant les déterminants de celles-ci, approche que nous avons adopté pour le présent travail.

S'appuyant sur Knight et Sabot (1983), De Gregorio et Lee (1999) soutiennent que l'éducation influe sur les inégalités de revenus non seulement par le biais de sa distribution mais au travers de son niveau moyen. Au niveau de ce dernier élément, l'effet attendu doit être nettement plus ambigü du fait de l'influence contraire des effets de composition et de compression définis par Knight et Sabot. Selon ces derniers, lorsque l'éducation se développe, la composition de la force de travail se modifie, créant une modification de la distribution des salaires, l'échelle de ces derniers étant laissée inchangée. Il s'agit de l'effet de composition de l'éducation. L'effet de compression consiste à prendre en compte l'effet de l'évolution de cette échelle du fait de l'évolution des offres de travail pour les différents niveaux de qualification, la composition de la force de travail étant donnée. Ainsi, lorsqu'un employé non qualifié investit dans l'éducation et accède à un emploi plus qualifié, son revenu augmente, ce qui affecte directement la distribution globale des revenus. Toutefois, en libérant un poste non qualifié, il accroît la rémunération de celui-ci tout en contribuant à la baisse du salaire du nouveau type d'emploi occupé. L'écart de rémunération entre ces deux postes s'en trouve alors réduit, ce qui atténue l'effet de composition de son investissement éducatif¹. L'effet de composition étant en général indéterminé, les auteurs ne parviennent à conclure sur l'effet global

¹ Dans cette analyse les demandes de travail sont considérées comme fixes. Leur théorie ne prend pas non plus en compte l'existence d'une certaine part de la population en situation de chômage.

attendu d'un développement de l'éducation sur les inégalités de revenu. Pour valider cette théorie, De Gregorio et Lee régressent des coefficients d'inégalités sur des mesures du nombre moyen d'années d'études et d'écart-type de scolarisation tirées de la base de donnée de Barro et Lee (1996). Pour les deux, ils obtiennent de manière significative un signe négatif de la première et positif de la seconde, ce qui traduit au final une influence globale de l'éducation favorable à la réduction des inégalités. Pour ce qui est de la détermination de chacune de leurs variables d'éducation, les auteurs se limitent à expliquer l'une par l'autre tout en leur adjoignant aussi le niveau de revenu par habitant, le ratio des dépenses sociales au PIB et des muettes continentales. L'étude de Checchi (2000) s'inscrit dans la continuité mais se démarque par la substitution d'un coefficient de Gini d'éducation à l'écart-type des taux de scolarisation employé par De Gregorio et Lee. De plus, Checchi suppose qu'il existe une relation en U inversé entre inégalités d'éducation et de revenus, relation qui dérive de Kuznets (1955) et de l'hypothèse d'une relation décroissante et convexe entre niveau moyen et inégalités d'éducation, hypothèse par la suite confirmée par ses données. Au niveau des résultats, les hypothèses de Checci semblent vérifiées mais dépendent de la manière dont est introduit le niveau moyen d'éducation dans les régressions. Pour ce qui est de la détermination des inégalités d'éducation, l'auteur se contente par contre du niveau moyen d'éducation comme unique déterminant.

2. LES DONNÉES ET LE MODÈLE

2.1. Hypothèses sur les relations entre les différentes variables

Au niveau de l'influence directe du développement financier, nous nous inscrivons dans la lignée de Clarke et al. (2003) en postulant que l'impact de cette variable dépend de la structure de l'économie. Toutefois, alors que ces auteurs employaient dans leur étude la part du secteur moderne dans le PIB, il nous semble plus pertinent de recourir directement au PIB par habitant. Cette spécification semble meilleure dans la mesure où la vision de ces auteurs s'inspire directement de la relation de Kuznets que l'on teste traditionnellement par l'emploi du PIB par habitant et de son carré. Si l'on souhaite rester dans cette logique, il semble donc cohérent d'ajouter une variable interactive entre le développement financier et le niveau de revenus pour capter cette sensibilité de la réduction de la contrainte de crédit à la structure de l'économie. En recourant à la part du secteur industriel dans l'économie pour leur variable multiplicative, Clarke et al. sont contraints d'inclure dans leurs régressions cette part du secteur moderne en variable simple alors même qu'ils contrôlent déjà pour l'effet du niveau de développement. Autrement dit, on observe une certaine redondance dans les variables employées. Il existe néanmoins une seconde justification à l'emploi du revenu pour la construction de la variable multiplicative. En effet, les variables employées pour mesurer l'activité des institutions financières ne captent pas seulement le relâchement de la contrainte de crédit pour les individus et les entreprises. On peut penser en particulier qu'au fil du développement financier, les instruments d'épargne se multiplient et permettent aux individus d'améliorer la rentabilité de leur épargne. Si l'on émet l'hypothèse que la capacité des individus à profiter de ces instruments d'épargne à meilleur rendement augmente avec le revenu (soit parce qu'ils disposent ou peuvent s'offrir une meilleurs information, soit parce que ces instruments sont caractérisés par une épargne minimale préalable relativement élevée), l'effet de la réduction de la contrainte de crédit sur la baisse des inégalités sera donc réduit de manière croissante par cet effet épargne au fur et à mesure de la progression du revenu. Autrement dit, on s'attend à ce que le signe de notre variable de développement financier soit négatif et celui de la multiplicative de cette même variable et du PIB par habitant positif. Toutefois, il est possible que le signe de la première variable soit positif si le relâchement de la contrainte de crédit ne se fait pas au profit des plus démunis. Dans un univers où la technologie et l'imperfection du marché de crédit seraient telles que les individus soient systématiquement rationnés en crédit, il se peut que tout assouplissement de la contrainte bénéficie en priorité aux individus les plus aisés, contribuant ainsi à l'accroissement des inégalités de revenus.

Du point de vue de l'éducation, il nous semble inutile d'utiliser simultanément des mesures de la moyenne et de la distribution du fait de la très forte corrélation qui existe entre les deux types de variables (cf. graphique 1). Cette corrélation s'explique d'autant plus facilement qu'elle est essentiellement mathématique, ainsi que le précise Berthélémy (2003)¹. Le risque de multicolinéarité est donc trop fort pour que l'on puisse recourir à la fois à des mesures du niveau moyen et de la distribution de l'éducation.

De plus, si l'on souhaite exploiter la théorie de Knight et Sabot, on s'aperçoit que les effets décrits par ces auteurs portent sur la distribution de l'éducation et non sur son niveau moyen. L'emploi d'une variable de nombre moyen d'années d'études paraît donc peu pertinent, d'autant plus que la très forte corrélation entre les deux variables nous expose à des problèmes importants de multicolinéarité.

¹ En effet, l'éducation, mesurée en nombre d'années d'études, est une variable bornée. Dès lors qu'il existe des individus qui ont atteint le niveau « maximal » d'éducation, toute augmentation du nombre d'années d'études du reste de la population donne nécessairement lieu à une augmentation de l'éducation moyenne et à une contraction de sa distribution puisque les individus les plus éduqués ne peuvent progresser davantage.

Graphique 1. – Relation entre moyenne et distribution de l'éducation

Note : Régression en MCO du coefficient de Gini sur le nombre moyen d'années d'études après passage des deux variables en logarithme népériens.

Au niveau de la spécification, il semble pertinent de prendre en compte l'hétérogénéité de notre panel en laissant le coefficient de notre variable évoluer selon le type de pays. Les écarts constatés fréquemment au niveau microéconomique quant au rendement de l'éducation entre individus, permettent de penser que ce même phénomène puisse apparaître au niveau macroéconomique pour les variations des inégalités d'éducation. En particulier, on peut penser qu'au niveau des pays développés, de plus grandes possibilités de valorisation de l'éducation sont offertes aux individus. De fait, l'impact des inégalités d'éducation dans la formation des inégalités de revenus serait d'autant plus important que le niveau de développement est élevé.

Le modèle testé dans la première partie du présent article est donc de la forme :

où : Gr désigne le coefficient de Gini de distribution des revenus,

y le niveau de PIB par habitant,

cred la variable de développement financier,

Ged le coefficient de Gini de distribution de l'éducation¹,

X un ensemble de variables de contrôle et e le terme d'erreur.

Enfin i et t se rapportent au pays et à la période considérés. Parmi les variables de contrôle employées, on retrouvera un ensemble de variables muettes permettant de cerner les différencesobservées dans notre variable expliquée et que l'on peut attribuer aux différentes méthodes employées pour mesurer les inégalités de revenus².

2.2. Les données

La base de données utilisée pour les régressions présentées dans les paragraphes suivants est composée de 130 pays dont 109 en développement. Chaque série est établie en moyennes quinquennales sur la période 1960-1999, soit huit observations par pays lorsque la série est complète. Du point de vue des inégalités de revenu, nous avons travaillé à partir des observations collectées au sein de la base WIDER (seules les données labellisées OKIN³ ont été retenues). Pour le niveau de développement financier, nous avons retenu la variable de crédit privé rapporté au PIB de Beck et al. (1999). Celle-ci recense dans chaque pays le niveau de crédit accordé aux acteurs privés par le système bancaire. Cette mesure nous a paru meilleure que les ratios d'agrégats monétaires (M2 ou M3 rapportés au PIB) utilisés régulièrement comme indicateurs de développement financiers dans la mesure où elle ne prend pas en compte le crédit accordé au secteur public, la dépense publique pouvant avoir un effet propre sur la distribution des revenus. L'utilisation de ce type de variables repose sur l'hypothèse que le degré de développement financier est négativement corrélé au degré d'imperfection du marché

¹ Pour le reste de l'article, nous nous sommes permis de parler directement de Gini d'éducation afin de simplifier la lecture.

² L'emploi de ces coefficients de Gini tirés de la base WIDER et qui se caractérisent par le recours à des unités de référence (ménages ou individus) et des concepts économiques différents (revenus ou consommation), ne soulève pas de problème lorsque l'on émet l'hypothèse que la variance de chacun de ces types d'instrument de mesure est identique. Sans cette hypothèse, les coefficients de chacune de nos variables sont sensibles au type de coefficient de Gini employé, ce qui tend à accroître leurs écarts-types et donc à réduire leur significativité lorsque plusieurs types sont utilisés simultanément. Les corrections préconisées alors par un certain nombre d'auteurs pour corriger ex ante les différences liées au mode de calcul ne sont alors plus pertinentes.

³ Il s'agit de données qualifiées de bonne qualité et qui respectent un certain nombre de critères comme la bonne représentation de la population et peuvent être considérées comme fiables.

du crédit. Autrement dit, une augmentation du crédit distribué dans l'économie doit impliquer une diminution du rationnement de celui-ci. Les coefficients de Gini d'éducation ont été établis à partir des données de Barro et Lee (2000)¹. Ceux-ci diffèrent de ceux obtenus par Thomas et al. (2000) par la prise en compte de la variation de la durée des cycles d'études dans le temps², et de ceux de Checchi (2000) par l'utilisation d'un plus grand nombre de points pour le calcul. Cette prise en compte de la variabilité des durées des cycles est particulièrement importante dans la mesure où elle peut donner lieu à des variations factices de l'indicateur d'inégalité. Enfin, les autres variables ont été tirées des WDI 2002 et des IFS 2001.

3. INFLUENCE DIRECTE DU DÉVELOPPEMENT FINANCIER ET DES INÉGALITÉS D'ÉDUCATION

Les résultats de notre modèle sont présentés dans le tableau 1. Les variables de développement financier et d'éducation³ font apparaître des effets significatifs au seuil de 5 % et en majeure partie conformes à ceux attendus lorsque le modèle est correctement spécifié (régression 4). Seule la variable d'interaction entre les revenus par habitant et le Gini d'éducation présente un signe négatif alors même que l'on pensait observer un effet positif. Ce résultat peut s'expliquer par une moindre importance des revenus du travail dans les revenusglobaux des individus dans les pays développés.

¹ À l'instar de Thomas et al. (2000) et Checchi (2000), nous avons recouru aux données de Barro et Lee indiquant la part de la population de plus d'un certain âge ayant atteint ou complété chaque cycle d'études. On dispose alors d'une décomposition de la population en sept catégories : sans éducation, primaire partiel, primaire complet, secondaire partiel, secondaire complet, supérieur partiel et supérieur complet. En associant ces données aux durées des cycles d'études, on peut générer une courbe de Lorenz de forme polygonale qui approche avec une marge d'erreur relativement faible la distribution réelle des années d'études dans la mesure où seules les données sur les cycles partiellement réalisés doivent faire l'objet d'ajustement. De fait, à la formule traditionnelle des coefficients de Gini, on substitue la formule suivante :

où GED désigne le Gini d'éducation, le nombre moyen d'années d'études de la population, y i le nombre d'années d'études du groupe i, pi la part de la population qu'il représente et n le nombre de groupes. Il en résulte une base de données de 1 278 observations pour 142 pays entre 1960 et 2000 par périodes quinquennales pour la population de plus de 15 ans. Pour les plus de 25 ans, on obtient 1269 observations pour 141 pays.

² La démarche la plus pertinente semble sans doute celle préconisée par Checchi qui utilise le nombre moyen d'année d'études de chaque cycle afin de retrouver la durée de chacun. Cette approche est d'autant plus cohérente qu'elle permet de retrouver les durées de cycles utilisées par Barro et Lee dans le calcul de leurs variables et que la dernière mouture de leur base de donnée contient des données corrigées des variations des durées de cycle ainsi qu'un décalage temporel destiné à adapter les données à la population étudiée (les plus de 15 ou de 25 ans en l'occurrence; pour plus de détail voir Barro et Lee, 2000). Pour la durée du cycle supérieur, nous avons opté pour la même valeur arbitraire de quatre années retenue par Barro et Lee. Enfin pour les groupes d'individus n'ayant pas terminé leur cycle, nous avons émis l'hypothèse qu'ils ont mis fin à leurs études en milieu de cycle.

³ On pourra nous reprocher le fait que notre Gini d'éducation des plus de 15 ans comporte des individus n'ayant pas terminé leur scolarité, ce qui tend à surestimer les inégalités éducatives. Il nous a toutefois semblé plus pertinent d'utiliser cette variable à celle correspondant aux seuls individus de plus de 25 ans dans la mesure où dans de nombreux pays la plupart des individus concernés par ces dix années d'écart sont entrés dans la vie active et perçoivent de ce fait des revenus. Les estimations réalisées avec le Gini d'éducation des plus de 25 ans ont donné des résultats en tous points similaires à ceux présentés dans cet article.

Conformément aux résultats obtenus traditionnellement, le niveau de PIB par habitant et son carré apparaissent significatifs et valident la relation en U inversé de Kuznets. On est toutefois dans une version plus élaborée de cette relation puisque le seuil de retournement dépend pour chaque pays de ses niveaux de développement financier et d'inégalités d'éducation. D'après nos résultats, il semble que le développement financier d'une économie contribue à élever ce seuil de retournement, tout comme une réduction des inégalités d'éducation. Enfin, le modèle se révèle relativement stable à l'ajout de variables de contrôle (régressions 5 à 8) telles que les dépenses publiques, l'inflation, l'ouverture commerciale ou encore la part de la population de moins quinze ans. Parmi celles-ci, seule cette dernière, utilisée pour obtenir l'effet de la structure par âge de la population, donne lieu à un effet significatif sur notre échantillon.

Pour faire face à un éventuel problème d'endogénéité, nous avons par la suite procédé à une instrumentation des variables de notre modèle. Une instrumentation simple des variables de développement financier par les valeurs retardées n'ayant pas été possible¹, nous avons opté pour la méthode des indicateurs multiples. En plus du niveau de crédit accordé au secteur privé rapporté au PIB, nous avons retenu comme autres indicateurs les ratios M2 et M3 sur PIB ainsi que la part des actifs liquides du secteur bancaire dans le revenu. Pour le niveau de revenu comme pour le Gini d'éducation et la variable multiplicative qui lui est associée, nous avons procédé à une instrumentation classique par leurs valeurs retardées.

Dans le tableau 2, on retrouve notre modèle avec une instrumentation du niveau de développement financier par la méthode des instruments multiples, chacun étant tour à tour instrumenté par les autres afin d'évaluer la stabilité des coefficients. Les résultats sont très satisfaisants puisque les différences entre chaque coefficient ne sont pas significatives.

¹ Celles-ci semblaient être corrélées avec le terme d'erreur de notre modèle.

4. LE DÉVELOPPEMENT FINANCIER AU TRAVERS DE L'ÉDUCATION

Afin de mieux saisir les effets du développement financier sur la distribution des revenus, il reste à cerner son influence sur les inégalités d'éducation. Si le développement financier traduit un accès plus large de la population au marché du crédit, on peut penser qu'il aura pour effet l'accroissement de la scolarisation des individus défavorisés et donc la contraction de la distribution de l'éducation. Néanmoins nous avons à nouveau émis l'hypothèse que l'influence de cette variable n'était pas fixe, mais dépendait du niveau de développement de chaque pays. Cette hypothèse semble réaliste dans la mesure où, au fur et à mesure de la progression du revenu, le niveau moyen d'éducation s'élève. Ceci signifie, que l'enseignement supérieur prend une importance croissante par rapport aux autres dans la réduction des inégalités éducatives. En effet, lorsque la scolarisation primaire est proche de 100 %, elle ne peut plus servir de levier à la réduction de ces inégalités. Or, du point de vue des individus, l'enseignement supérieur est souvent plus coûteux que les autres et moins bien subventionné par l'État. Il nécessite donc de leur part des investissements plus importants. Ceci nous amène à penser que le développement de la sphère financière exerce un effet réducteur de moins en moins important sur les inégalités d'éducation lorsque le niveau de revenu s'accroît. On obtient donc le modèle suivant :

Z désignant un ensemble de variables complémentaires et μ le terme d'erreur.

L'estimation de cette équationa été effectuéesur la basedes 1 278 observations de notre base de données de Gini d'éducation pour la période 1960-2000. Les pays utilisés sont identiques à ceux retenus pour les régressions précédentes. Enfin, le niveau de revenu et de développement financier, tout comme les autres variables de contrôle, sont évaluées à partir des mêmes données.

Les résultats de ces estimations sont présentés dans le tableau 3. Dans un premier temps (régression 1), il apparaît qu'en l'absence de variable d'interaction avec le PIB/h., le développement financier n'exerce aucun effet sur le Gini d'éducation. Une fois cette variable introduite (régression 2), on retrouve l'effet escompté avec un coefficient négatif pour le développement financier et positif pour la multiplicative, toutes deux étant significatives au seuil de 5 %. Pour s'assurer de la robustesse des résultats, nous avons inclus dans notre modèle un certain nombre de variables complémentaires. Ainsi a été ajoutée la part de la population de moins de quinze ans qui permet de saisir l'influence des facteurs démographiques sur les inégalités éducatives et qui se révèle significatif. On peut s'étonner par contre que la distribution des revenus comme les dépenses publiques ne soient pas de bons déterminants des inégalités de revenus. Sans doute des efforts de spécification sont à réaliser en la matière. Nous avons aussi inclus dans le modèle le nombre moyen d'années d'études afin de vérifier que l'intégralité des effets du développement financier sur les inégalités éducatives transite bien par le niveau moyen d'éducation et non par un effet distributif pur¹ (régression 5). De fait, l'inclusion de cette variable rend non significative les autres variables du modèle. Ce résultat est logique dans la mesure où il semble difficile d'agir sur la distribution de l'éducation sans variation du niveau moyen. Seuls des facteurs démographiques peuvent y contribuer (décès ou migration simultanée d'individus situés de telle manière dans la distribution que la moyenne reste inchangée) dans la mesure où, pour une population donnée, il n'est pas possible d'opérer un transfert d'éducation entre les individus. L'accès des individus au crédit, qui doit permettre une production supplémentaire de capital humain, ne peut donc avoir d'effet sur les inégalités éducatives qu'au travers de l'accroissement du niveau moyen d'éducation.

¹ À partir de la décomposition mathématique d'un coefficient de Gini d'éducation, Berthélémy (2003) affirme que les variations de celui-ci sont essentiellement dues à celles du niveau moyen d'éducation. Une fois tenue compte de cette influence, il reste selon lui un effet purement distributif lié au rapport des taux de scolarisation pour chaque cycle.

À nouveau, on peut soupçonner une endogénéité de certaines variables, en particulier pour le développement financier. En effet, il n'y a rationnement du crédit que lorsque les individus ne se voient pas accorder de financement alors même que leurs projets sont financièrement rentables aux conditions du marché. Si l'on émet l'hypothèse que la qualité d'un projet est fonction croissante de l'éducation de l'individu qui souhaite le réaliser, on peut penser que l'offre de crédit peut être quelques fois limitée par le nombre de projets rentables. De fait, les inégalités d'éducation peuvent ralentir le développement financier d'un pays lorsque celles-ci traduisent le fait qu'une part importante de la population ne dispose pas d'une éducation suffisante pour rendre financièrement attractifs ses projets d'investissement. Dans la régression 6 du tableau 3, on retrouve donc une estimation de notre modèle en doubles moindres carrés ordinaires, les valeurs retardées des variables ayant été retenues comme instruments. Les résultats présentés ne diffèrent pas de ceux obtenus si l'on excepte le fait que la variable de développement financier ne soit plus significative qu'au seuil de 10 %.

5. EFFETS DIRECTS ET INDIRECTS DU DÉVELOPPEMENT FINANCIER

À partir de ces résultats empiriques, il devient possible de distinguer correctement les effets dudéveloppement financier transitant par l'accumulation de capital physique ou de capital humain. Si l'on substitue les inégalités d'éducation par ses déterminants, on retrouve alors l'effet global du développement financier. D'après nos formulations précédentes, on obtient :

L'effet total du développement financier s'exprime donc comme une fonction du PIB/h. et de son carré soit :

Celui-ci se décompose en un effet direct β3 + y · β4 et un effet indirect via la réduction des inégalités d'éducation

On remarquera que la décomposition présentée permet de visualiser le lien qui peut exister entre développement financier et la théorie de Kuznets (1955). Sur le graphique 2 est représentée l'évolution des différents effets en fonction du niveau de revenu.

Graphique 2. – Évolution du coefficient du développement financieren fonction du PIB/h.

Note : Les courbes présentées sont obtenues à partir des régressions 2 et 6 respectivement des tableaux 2 et 3.

En premier lieu¹, il convient de noter que l'effet global du développement financier reste négatif au-delà d'un seuil de 800 dollars, autrement dit qu'il contribue à la réduction des inégalités de revenus pour une majeure partie des observations de notre échantillon (163 sur les 206 utilisées pour les régressions du tableau 2), et ce d'autant plus que le revenu augmente. Ceci s'explique par un effet direct positif au-delà de ce même seuil de revenus, résultat qui corrobore l'idée d'un effet épargne sur la distribution des revenus et/ou l'accaparement par les plus aisés des nouvelles sommes de crédit issues dusystème bancaire. D'après nos estimations, il existe tout de même un effet réducteur d'inégalités au travers de l'influence du développement financier sur la distribution de l'éducation. Le second résultat important concerne l'importance relative de ces deux effets. Il apparaît en effet que les effets indirects ont, en valeur absolue, un effet nettement plus faible sur la distribution des revenus, même si leur importance semble croître avec l'augmentation de la richesse nationale (au seuil de 5 000 dollars, le rapport est de 10 alors qu'il n'est plus que de 6 au seuil de 30 000 dollars). Le relâchement de la contrainte de crédit pour le financement de l'éducation a donc un impact relativement plus élevé dans les pays industrialisés que dans les pays en développement. Ce résultat ne permet pas de rejeter l'hypothèse selon laquelle la probabilité de valoriser l'éducation est plus forte dans les pays industrialisés que dans les Pays en développement. Toutefois, cette part relativement marginale de l'effet indirect peut s'expliquer par le fait que les individus ne supportent en général pas l'intégralité des coûts liés à l'éducation du fait des subventions accordées au secteur de l'enseignement, ce qui est nettement moins rare pour les investissements en capital physique. Il est donc probable que l'effet de réduction des inégalités éducatives du développement financier soit sous-estimé par rapport à ce qu'il serait en l'absence de subventions de l'État.

¹ Rappelons que les coefficients calculés correspondent à une variable d'approfondissement financier exprimée en logarithme.

CONCLUSIONS

Avec la présente étude, nous avons tenté d'enrichir une littérature empirique encore trop restreinte sur le lien entre finance et inégalités de revenus. L'essentiel de notre contribution a consisté à effectuer une décomposition des effets du développement financier entre les différents canaux identifiés au sein de la littérature théorique qui lui est consacrée. Les résultats confirment une influence favorable à la réduction des inégalités du développement financier au travers des investissements en capital humain et en capital physique, les seconds se révélant plus sensible à l'accroissement du volume de crédit que les premiers. Du fait de la grande hétérogénéité de notre panel, nous avons recouru à l'utilisation de variables multiplicatives du développementqui ont démontré l'influence du niveau de développement économique d'un pays sur l'impact de ce développement financier sur les inégalités de revenus. Il reste toutefois que notre variable de développement financier n'est sans doute pas une très bonne mesure du degré de rationnement du marché du crédit et porte donc d'autres effets comme la diversité des instruments d'épargne. Il serait utile de chercher de nouveaux indicateurs afin d'affiner cette décomposition des effets du développement financier. Au niveau de la modélisation, il semble également nécessaire d'ouvrir le corpus théorique à des situations où l'accroissement du niveau de crédit distribué par les intermédiaires financiers donne lieu à un renforcement des inégalités de revenus.

BIBLIOGRAPHIE

Aghion P. et Bolton P., « Distribution and Growth in Models with Imperfect Capital Markets », European Economic Review, n° 36, 1992, p. 603-611.

Barro R. J. et Lee J. W., « International Measures of Schooling Years and Schooling Quality », American Economic Review, vol. 86, n° 2, 1996, p. 218-223.

Barro R. J. et Lee J. W., « International Data on Educational Attainment: Updates and Implications », NBER Working Paper, n° 7911, 2000, p. 218-223.

Banerjee A. et Newman A., « Occupational Choice and the Process of Development », Journal of Political Economy, vol. 101, n° 2, 1993, p. 274-298.

Beck T. et al., « A New Database on Financial Development and Structure », World Bank Working Paper, n° 2123, 1999, p. 22.

Berthélémy J.-C., « To what Extent are African Education Policy Pro-Poor ? », Working Paper 2003, p. 20.

Bulir A., « Income Inequality: Does Inflation Matter ? », IMF Working Paper, wp/98/7, 1998, p. 34.

Checchi D., « Does Educational Achievement Help to Explain Income Inequality ? », UNU World Institute for Development Economics Research Working Paper, n° 208, 2000.

Clarke G. et al., « Finance and Income Inequality: Test of Alternative Theories », World Bank Policy Research Working Paper, n° 2984, 2003, p. 24.

De Gregorio J. et Lee J. W., « Education and Income Distribution: New Evidence from Cross Country Data », Harvard Institute for International Development Discussion Paper, n° 714, 1999, p. 27.

Durlauf S., « A Theory of Persistent Income Inequlity », Journal of Economic Growth, vol. 1, n° 1, 1996, p. 75-93.

Flug K. et al., « Investment in Education: Do Economic Volatility and Credit Constraints Matter ? », Journal of Development Economics, vol. 55, n° 2, 1998, p. 465-481.

Galor O. et Zeira J., « Income Distribution and Macroeconomics », Review of Economic Studies, n° 60, 1993, p. 35-52.

Ghatak M. et Jiang N. N.-H., « A Simple Model of Inequality, Occupational Choice and Development », Journal of Development Economics, vol. 69, n° 1, 2002, p. 205-226.

Greenwood J. et Jovanovic B., « Financial Development, Growth and the Distribution of Income », Journal of Political Economy, vol. 98, n° 5, 1990, p. 1076-1107.

Knight J. et Sabot R., « Educational Expension and the Kuznets Effect », American Economic Review, vol. 73, n° 5, 1983, p. 1132-1136.

Kuznets S., « Economic Growth and Income Inequality », American Economic Review, n° 43, 1955, p. 1-28.

Lopez H., « Macroeconomics and Inequality », Macroeconomic Challenges in Low Income Countries Workshop, 2003, p. 28, www.imf.org.

Li H. et al., « Explaining International and Intertemporal Variations in Income Inequality », The Economic Journal, n° 108, 1998, p. 26-43.

Piketty T., « The Dynamics of the Wealth Distribution and the Interest Rate with Credit Rationing », Review of Economic Studies, n° 64, 1997, p. 173-189.