Modélisation de la croissance pro-pauvre

This thesis contributes to the econometric approach to pro-poor growth. It presents theoretical and empirical contributions. First, it presents the different definitions, indices and the policies of pro-poor growth proposed in the theoretical literature. It also examines the theoretical and empirical models on the interactions between income distribution and growth. It shows that the traditional measures, in addition to their partial characters, can lead to contradictory results. To avoid these limits this thesis emphasizes the alternative approach by using econometric models. The latter approach, although it has the advantage of including all the dimensions of poverty, suffering from two types of bias: selection bias and bias of endogeneity. These are due to the limitations of the data: measurement error, outliers. In addition, the results obtained with this approach are sensitive to selected functional forms. So, There are good reasons to use the Gini regression. Unfortunately, the Gini regressions existed only cross sectional and time series. Thus, in a second time, this thesis proposes to extend the Gini regression on the panel. It introduces within and between estimators, the individual effect test and the Gini Aitken estimator. Finally, this thesis presents empirical applications that illustrate the robustness of our estimators. She is particularly interested in the consequences of the estimation method and the sample section. It concludes that the growth process promotes poverty reduction when income inequalities are overcome. But also, the impact of agricultural growth on poverty reduction varies depending on the country's level of development.Cette thèse contribue à l'approche économétrique de la croissance pro-pauvre. Elle présente des apports théoriques et empiriques. En premier lieu, elle présente les différentes définitions, indices et politiques de croissance pro-pauvre proposées dans la littérature théorique. Elle examine également les modèles théoriques et empiriques portant sur les interactions entre distribution du revenu et croissance. Elle montre que les mesures traditionnelles, en plus de leurs caractères partiels, peuvent conduire à des résultats contradictoires. Pour contourner ces limites, cette thèse privilégie l'approche alternative qui consiste à utiliser des modèles économétriques. Cette dernière approche, bien qu'elle présente l'avantage d'inclure l'ensemble des dimensions de la pauvreté, souffre de deux types de biais : le biais de sélection et le biais d'endogeneité. Ces derniers s'expliquent par les limitations inhérentes des données : erreurs de mesures, points aberrants. En outre, les résultats obtenus avec cette approche sont sensibles aux formes fonctionnelles choisies. Ainsi, il y'a de bonnes raisons d'utiliser la régression Gini. Malheureusement, les régressions de type Gini n'existaient qu'en coupe instantanée et en séries temporelles. Ainsi, dans un second temps, cette thèse propose d'étendre la réflexion sur la régression Gini en panel. Elle introduit les estimateurs intragroupes, intergroupes, le test d'existence de l'effet individuel et l'estimateur Aitken Gini. Enfin, cette thèse présente des applications empiriques qui illustrent de façon concrète la robustesse de nos estimateurs. Elle s'intéresse particulièrement aux conséquences de la méthode d'estimation et à la section de l'échantillon. Elle conclut que le processus de croissance favorise la réduction de la pauvreté à condition que les inégalités de revenu soient maîtrisées. Mais aussi, que l'impact de la croissance agricole sur la réduction de la pauvreté varie en fonction du niveau de développement du pays