Introduction

Le chômage est une préoccupation majeure dans tous les pays, quel que soit leur niveau de
développement. Il sert de support à d’autres problèmes à la fois sur le plan social (creusement des
inégalités, troubles politiques, prostitution, instabilité familiale), économique (perte de compétence,
baisse de la demande), sécuritaire (hausse de la délinquance, basculement dans le terrorisme) et des
flux migratoires (migration de la main d’œuvre des pays pauvres vers les pays riches), qui sont tous
préjudiciables au développement économique. Ceci montre pourquoi les données sur le chômage sont
parmi les indicateurs les plus importants de la performance d’une économie.

Selon l'Organisation Internationale du Travail (2020), le nombre de chômeurs dans les pays de l’Union
Economique et Monétaire Ouest Africaine (hors Guinée-Bissau) est passé de 1 432 258 individus en 2017
à 1 631 706 en 2020, soit une augmentation d'environ 14% en sur trois ans. Cette tendance à la hausse
du chômage devrait s'accentuer avec le temps, étant donné que la croissance démographique dans la
sous-région s'est maintenue autour de 3% depuis la première moitié des années 1990 (Banque
mondiale, 2020). Ainsi, le chômage risque d’entraver l’utilisation pleine de cette main d’œuvre
abondante et, par conséquent, peut tirer la production en dessous de son niveau potentiel. Il revient
donc aux pouvoirs publics d’adopter des mesures qui sont susceptibles de réduire le chômage.

Toutefois, les efforts visant à réduire le chômage commencent par une identification de ses
déterminants. Sur le plan empirique, plus études ont tenté d’identifier les déterminants
macroéconomiques du chômage. Les résultats montrent que le chômage est principalement expliqué
par la croissance du PIB, l’inflation, le développement financier, les technologiques de l’information et de
la communication, l’ouverture commerciale, l’investissement direct étranger, le taux de change, la
dépendance aux ressources naturelles, la migration, la dette extérieure, la qualité institutionnelle, le taux
de change, et la productivité du travail (Okeke, 2021 ; Siddiqa, 2021 ; Metu et al, 2020 ; Onifade et al,
2019 ; Korem, 2019 ; Motsatsi, 2019 ; Abugamea, 2018 ; Folawewo et Adeboje, 2017 ; Abdoulaye, 2016 ;
Kargbo, 2016 ; Gur, 2015 ; Arslan et Zaman, 2014 ; Anyanwu, 2014).

Malgré cette abondante littérature sur les causes du chômage, aucune d’entre elle ne s’est encore
intéressée à l’impact des aléas climatiques. Or, selon l’Organisation Internationale du Travail (2008), bien
que les pays en développement aient le moins contribué au changement climatique, ils risquent d’en
souffrir le plus en raison de leur vulnérabilité et de leur faible capacité d’adaptation face aux
phénomènes météorologiques extrêmes. Par exemple, dans les pays de l’Union Economique et
Monétaire Ouest Africaine, qui demeurent tributaires de l’agriculture (45% des emplois et 25% du PIB)
(Banque mondiale, 2020), les pluviométries extrêmes qui s’accompagnent d’une destruction des récoltes
et des terres arables, peuvent entrainer la perte de milliers d’emplois et plonger les paysans dans une
pauvreté chronique. En plus de ces effets directs, les crises dans les activités agricoles dues aux
précipitations extrêmes peuvent également se répercuter sur le reste de l’économie, notamment à
travers les difficultés d’approvisionnement en matières premières pour les industries, ainsi que le déclin
des services rattachés à l’agriculture (transport et commerce). Il serait donc intéressant d’évaluer
empiriquement l’effet des aléas pluviométriques sur la montée du chômage, afin de proposer des
stratégies d'adaptation visant à renforcer la résilience des économies locales face au changement
climatique.

Au regard de ce qui précède, l’objectif de cet article est d'évaluer l'impact des variables
macroéconomiques sur le chômage des pays de l'UEMOA (à l'exclusion de la Guinée Bissau), en mettant
un accent particulier sur les chocs pluviométriques. Ainsi, cette étude devrait contribuer à la littérature
existante en fournissant la première preuve empirique de l’impact des chocs pluviométriques sur le
chômage. L’étude est dotant plus pertinente car elle utilise le test de Breusch-Pagan (1980) pour détecter
une possible corrélation des erreurs et choisie en conséquence la génération appropriée des tests de
racine unitaire. En effet, la plupart des travaux antérieurs sur les données de panel choisissent
arbitrairement la méthode de génération des tests de racine unitaire. Or, Hurlin et Mignon (2005) ont
montré que les tests de racine unitaire de première génération peuvent conduire à des résultats
fallacieux s’il existe des degrés significatifs de dépendance interindividuelle des erreurs. Cette étape nous
a ensuite permis d'utiliser le test de racine unitaire de deuxième génération de Pesaran (2007) ainsi que
le test de de cointégration de Westerlund (2007). Ensuite, nous avons utilisé l'estimateur DOLS pour
corriger les éventuels problèmes d'endogénéité affectant nos résultats.

Les résultats empiriques mettent en évidence que les chocs pluviométriques, l'ouverture commerciale et
l'indice de contrôle de la corruption favorisent l’aggravation du chômage. En outre, nous avons
également constaté l’effet bénéfique de la croissance du PIB sur la réduction du chômage, alors que
l'inflation, les technologies de l'information et de la communication et le développement financier se
sont avérés non significatifs. Ces résultats démontrent d’une part la nécessité de prendre en compte les
chocs pluviométriques dans l’explication du chômage, un facteur qui avait été négligé dans la littérature
empirique. D’autre part, ils confirment la loi d’Okun (1962) dans le contexte des pays étudiés et infirment
la validité de la courbe de Phillips (1958).

Revue de la littérature

Sur le plan théorique, plusieurs travaux ont établi des liens entre le chômage et certaines variables
macroéconomiques. Parmi eux, les contributions de Phillips (1958) et d’Okun (1962) ont été les plus
importantes. D’après Phillips (1958), il existe une relation inverse entre le taux de variation des salaires
nominaux (assimilé à l’inflation) et le chômage. L’idée sous-jacente est la suivante : lorsque le taux de
chômage est faible, les entreprises ont tendance à augmenter les salaires afin de se procurer la
proportion souhaitée de travailleurs. Quant à la loi d’Okun (1958), elle met en évidence une relation
inverse entre la croissance de la production et les variations du taux de chômage. L’auteur précise qu’une
réduction d’un point du taux de chômage entraine une hausse du PIB de 3%. Ce qui laisse entendre
qu’en dessous d’un certain seuil de croissance, le chômage continue d’augmenter. A côté de ces deux
travaux fondamentaux, nous avons également le modèle Heckscher-Ohlin-Samuelson (HOS) qui évalue
l’impact du commerce international sur les résultats du marché du travail. Ce modèle prédit que le
salaire et l’emploi des personnes produisant les biens exportés bénéficient davantage du commerce
international puisque l’augmentation des débouchés stimule la production. En revanche, les personnes
produisant les biens importés subissent la concurrence internationale et voient fondre leurs parts de
marché.

D’un point de vue empirique, plusieurs études ont évalué les déterminants macroéconomiques du
chômage dans les pays en développement. Un certain d’entre elles ont testé la validité de la courbe de
Phillips et ont abouti à des conclusions diverses. Un premier groupe de ces travaux ont confirmé la
proposition de la courbe de Phillips qui suppose une relation inverse entre l’inflation et le chômage
(Semosa et Kanayo, 2021 ; Ahiadorme, 2021 ; Macharia et Otieno, 2015 ; Arslan et Zaman, 2014). Par
contre, Korem (2019), Tenzin (2019) et Abugamea (2018) découvrent que le taux d’inflation est associé à
une aggravation du chômage. Selon ces auteurs, plusieurs arguments peuvent être mobilisés pour
expliquer ce résultat. Tout d'abord, ce résultat pourrait s'expliquer par le caractère structurel du niveau
de chômage, qui empêche l'inflation de stimuler la demande de main-d'œuvre à travers un recul du
salaire réel, en raison de l'inadéquation entre les compétences des travailleurs et les besoins des
entreprises. Ensuite, la relation positive entre le chômage et l’inflation peut également être révélatrice
d’une surestimation du salaire d’efficience. Cette situation pourrait avantager uniquement les travailleurs
en poste, tout en empêchant les chômeurs d’accéder à l’emploi pour des salaires plus bas, ce qui fait
grimper le niveau du chômage. Bien qu’il n’existe pas de consensus sur le lien inflation-chômage, le
maintien de la stabilité des prix reste au centre des préoccupations de la plupart des décideurs politiques
pour prévenir le risque de l’instabilité sociale.

En ce qui concerne la validité empirique de la loi d’Okun, de nombreuses études ont montré que la
croissance économique favorise l’emploi et entraine une baisse du chômage dans différentes parties du
monde, telles que dans les pays du BRICS (Gur, 2015), l’Afrique (Mukisa et al, 2020 ; Motsatsi, 2019 ;
Ebaidalla), l’Asie (Ellen et Abeti , 2019 ; Arslan et Zaman, 2014 ; Khola et al, 2013), l’Amérique du sud
(Frenkel et Ros, 2006) ainsi que dans les pays arabes (Gaber, 2018 ; Abdul-Khaliq, 2014). A la différence
de ces auteurs, Sahoo et Sahoo (2019) en Inde, Banda (2016) en Afrique du Sud, et Kreishan (2011) en
Jordanie soutiennent tous que la croissance économique et l’augmentation du chômage peuvent
coexister. Selon Owyang et al. (2013), cette situation résulte du fait que la croissance économique
découle soit d’une amélioration technologique, ou d’une formation prolongée du capital qui ne crée pas
d’emplois. En outre, d’autres études ne trouvent aucune relation significative entre la croissance
économique et le chômage (Alrayes et Wadi, 2018 ; Folawewo et Adeboje, 2017).

L’ouverture commerciale est également un déterminant important du chômage dans les pays en
développement. En effet, des études montrent que l’ouverture commerciale s’accompagne d’une hausse
du chômage en raison de la concurrence féroce exercée par les firmes multinationales sur les industries
locales (Onifade et al, 2019 ; Motsatsi, 2019 ; Hossain et al, 2018). Par contre, les résultats trouvés par
Mukisa et al. (2020), Rath et Ridhwan (2020), Berquin et Mbongo (2019), et Ebaidalla (2016) soutiennent
plutôt que l’ouverture commerciale est favorable à la réduction du chômage. Ces résultats empiriques
soulignent que la libéralisation des échanges permet de transférer les travailleurs des secteurs en déclin
vers ceux en expansion, améliorant ainsi la performance et l’efficacité de l’économie. Ce qui se traduit
par une utilisation accrue de la main d’œuvre et une réduction du chômage. En se concentrant sur le
contexte spécifique des pays africains, Anyanwu (2014) suggère que c’est le commerce sous régional qui
permet de réduire le chômage par rapport aux échanges avec le reste du monde.

Des études ont également montré que la qualité institutionnelle importe dans l’explication du chômage.
Par exemple, dans le contexte des pays africains, Korem (2019) découvre qu’un niveau élevé de
corruption augmente le chômage. Dans la même veine, les travaux de Abdoulaye (2016), Ouattara (2011)
et Hope et Chikulo (2000) confirment tous que la corruption nuit à la légitimité des états démocratiques,
entrave le développement économique et réduit les opportunités de création d'emplois. En outre,
d’autres travaux s’intéressent à l’impact des institutions du marché du travail sur le chômage (Awad,
2019 ; Selwaness et et Zaki, 2019 ; Langot et Yassin, 2015). Les résultats montrent que la
déréglementation du marché du travail, notamment la suppression des obstacles à l’embauche et au
licenciement, conduit à plus de suppressions d’emplois, alors que l’effet sur les créations d’emplois reste
insignifiant. Par conséquent, l’effet net global se traduit par une augmentation du chômage.
Le développement financier est souvent évoqué dans littérature empirique comme l’un des facteurs qui
détermine le niveau du chômage. En effet, selon Ogbeide et al. (2016), le développement du secteur
financier stimule l’investissement et favorise les créations d’emplois. Ce résultat a été corroboré par
plusieurs études empiriques (Kargbo, 2016, Kanberoglu, 2014, Haruna et al, 2013 ; Shabbir et al, 2012).
Néanmoins, d’autres auteurs soulignent que dans les pays en développement, les marchés financiers
peuvent aggraver le chômage en excluant les petites entreprises en raison des politiques de taux
d'intérêt élevés (Tsaurai, 2020 ; Samiratu, 2018 ; Irpan, 2016). De son côté, Nyasha et al. (2022) révèlent
que l’impact du développement financier sur le chômage dépend de l’indicateur utilisé proxy. En effet,
lorsque le développement financier est mesuré à travers des indicateurs tels que les passifs liquides, les
dépôts bancaires et l'indice de développement bancaire, il contribue à réduire le chômage. Par contre,
lorsqu’il est mesuré par le crédit intérieur accordé par les banques au secteur privé, son impact sur le
chômage demeure statistiquement insignifiant.

Un autre volet de la littérature empirique se penche sur le rôle des technologies de l’information et de la
communication dans l’explication du chômage. Metu et al. (2020) concluent que le développement
technologique, mesuré par les souscriptions au téléphone cellulaire, à l’internet haut débit, la bande
passante wifi, et l’accès des ménages à l’ordinateur, contribue à réduire le chômage dans les pays de
l’Afrique subsaharienne. En restant toujours dans le contexte africain, Tsaurai (2020) trouve que l’accès à
l’internet n’influence pas significativement le chômage, mais l’interaction avec le capital humain permet
de le réduire. De ce fait, une fois que les personnes sont dotées de compétences essentielles, elles
peuvent facilement tirer profit des nouvelles technologies en créant des emplois pour elles-mêmes ou
en s'insérant plus rapidement sur le marché du travail.

Enfin, d’autres études vont au delà des déterminants susmentionnés du chômage en explorant d’autres
facteurs macroéconomiques tels que l’investissement direct étranger, le taux de change, la dépendance
aux ressources naturelles, la migration, la dette extérieure, et la productivité du travail (Okeke, 2021 ;
Siddiqa, 2021 ; Ihedimma et Opara, 2020 ; Majid et al, 2019 ; Korem, 2019 ; Samiratu, 2018 ; Folawewo
et Adeboje, 2017 ; Ogbeide et al, 2016 ; Arslan et Zaman, 2014 ; Maqbool et al, 2013).

L’analyse de la littérature empirique montre d’une part qu’il existe un problème de divergence des
résultats. Cela peut être attribué à une différence des méthodologies utilisées, au contexte économique
des différents pays, ou à un décalage des périodes analysées. D’autre part, malgré la recrudescence des
aléas climatiques dans les pays africains (GDC), il n’existe aucune étude à notre connaissance qui vérifie
le lien entre les chocs pluviométriques et le chômage. Nous nous proposons d’étudier ici ce lien dans le
cadre des pays de l’UEMOA (union économique et monétaire ouest africaine).

Approches Méthodologiques

Modèle théorique :

Dans cette partie, le modèle théorique est inspiré des travaux de Dornbusch et al (2011) qui combinent
la courbe de Phillips et la loi d’Okun pour expliquer le chômage.

La courbe de Phillips traduit une relation inverse entre le taux de chômage et le taux de variation du
salaire nominal (assimilé à l’inflation). La croissance du salaire nominal est obtenue par :

wt +1−w t
gw = (1)
wt
Où w t +1 est le salaire de la période suivante ; w t est le salaire de la période actuelle ; gw est le taux de
croissance du salaire nominal courant.
¿
En désignant le taux de chômage par u et son niveau naturel paru , la courbe de Phillips s’écrit :

gw =−ϵ ¿ u-u¿ ¿ (2)

Où ϵ mesure la réactivité des salaires aux variations du chômage.

La lecture de l’équation (2) révèle que la baisse du salaire intervient lorsque le taux de chômage (u)
¿
dépasse son niveau naturel (u ¿ . En remplaçant gw par son expression de l’équation (1), on obtient :

wt +1−wt ¿
=−ϵ ¿u-u ¿ ⇔ w t+1 −wt =−ϵ w t ¿u-u¿ ¿
wt
⇔ wt +1=wt −ϵ w t ¿u-u¿ ¿

⇔ wt +1=wt ⦋1−ϵ ¿u-u¿ ¿ ⦌(3)

Ainsi, les salaires dépassent leurs niveaux antérieurs que si le taux de chômage observé est inférieur à
son niveau naturel.

Pour aboutir à la courbe de Phillips augmentée des anticipations, nous allons reparamétrer l’équation
(2) :
e ¿ e ¿
gw −π =−ϵ ¿ u-u ¿ ou gw =π −ϵ ¿ u-u ¿ (4)

Où π e est l’inflation anticipée.

Avant de montrer l’incidence de l’inflation anticipée sur le niveau du chômage, nous allons montrer que
l’inflation et le taux de variation du salaire nominal peuvent être substitués.

Pour cela, nous allons lier le prix de vente des entreprises à leurs coûts de production en nous basant sur
le fait que les coûts de la main d’œuvre sont la principale composante des dépenses de production.
L’entreprise fixe son prix de telle manière qu’il arrive à couvrir le coût de production. Si chaque
travailleur produit θ unités, alors la fonction d’offre de l’entreprise pourra s’écrire comme suit :

1+ Z
P= ( ¿W (5)
θ
W
Où est le coût unitaire du facteur travail ; Z est la majoration sur le coût de la main d’œuvre.
θ
L’équation (5) montre que toute variation des prix entraine une variation dans le même des salaires
nominaux et inversement.

De ce qui précède, on peut aisément remplacer gw par π et l’équation (4) deviendra :

e ¿
π=π −ϵ ¿u-u ¿ (6)
Il découle de l’équation (6) que le chômage sera à son niveau naturel si l’inflation réelle est égale à
l’inflation anticipée.
Supposons que toute variation entre l’emploi d’équilibre et effectif se traduit par le même écart entre le
chômage effectif et naturel. On aboutit à l’équation (7)
¿
¿ N −N
u-u = ¿ (7)
N
¿
En remplaçant u-u par son expression de l’équation (7) dans l’équation (4), on obtient la relation de
Phillips entre le niveau d’emploi, l’inflation anticipée et le taux de variation des salaires.

( )
¿
ew t +1−w t e N −N
gw −π = −π =−ϵ (8)
wt N¿

Une petite transformation de l’équation (7) nous amène à écrire w t +1comme suit :
¿
e N −N
w t +1=w t ⦋ 1+ π −ϵ ( ¿ )⦌
N
Le niveau futur des salaires est égal aux salaires présents, ajustés en fonction de l’inflation anticipée et
du niveau d’emploi.

Après avoir montré la relation entre l’inflation et le chômage, nous allons à présent montrer à travers la
loi d’Okun que le chômage et la production sont interdépendants. On a :
¿
Y −Y
¿ =−ω ¿u-u¿ ¿ (9)
Y
¿
Où Y est le Produit intérieur brut ; Y le PIB potentiel ; ω représente la réaction du chômage à la
croissance du PIB. Son signe négatif témoigne de la relation inverse qui existe entre les deux variables.

En exprimant l’inflation en termes de variation de prix et en combinant l’équation (8) et (9), on aboutit
à:
¿ ¿
e N −N N −N
gw −π =−ϵ ( ¿ ) ; Or ¿ =¿u-u¿
N N
e ¿
Alors gw −π =−ϵ (u−u )
¿
¿ ¿ −1 Y −Y
En tirant u−u dans l’équation (9) on aura : u−u = ( ¿ )
ω Y
En acceptant que le taux de variation des salaires nominaux est équivalent à l’inflation prix (
pt +1− pt
gw = =π ¿ et enintégrant l’expression deu−u¿, la nouvelle équation sera :
pt
e ¿
p t +1−p t pt +1− pt −1 Y −Y
− =−ϵ ⦋ ( )⦌
pt pt ω Y¿

⇔ pt +1= pt +1 + pt ( )
¿
e ϵ Y −Y
(10)
ω Y¿
On remplace généralement l’équation (10) par une version approximative donnée par l’équation (11) :

pt +1= pt +1 ⦋1+ λ ( Y −Y ) ⦌(11)

e ¿

¿
La relation entre le chômage, l’inflation et la production peut être obtenue en tirant Y −Y dans
l’équation (9) et en remplaçant l’expression ainsi trouvée dans (11) :
¿
Y −Y
¿ =−ω ¿u-u¿ ¿=¿ Y −Y ¿=−Y ¿ ω ¿u-u¿ ¿
Y
e ¿
On en déduit : pt +1= pt +1 ⦋1+ λ ¿u-u ¿ ⦌

⇔ −¿u-u ¿=
( )
e
¿ pt +1− pt +1 1
( )(12)
p e
t +1
λY¿ ω

De l’équation (12), Dornbusch et al. (2011) trouvent que le chômage entretien une relation inverse à la
fois avec l’inflation et la production conformément à la courbe de Phillips et la loi d’Okun.

1. Empirical specification

Sur la base du modèle théorique développé par Based on empirical literature and stylized facts, our
model is specified as follows:

U=f (IP, Inflat, Open, TIC, DFI, CC, GDP) (1)

U annual unemployment rate; PI: rainfall index; INFLAT: inflation; OUVERT: trade openness; ICT:
information and communication technologies; DFI: financial development; CC: corruption control index;
GDP: GDP growth.

Equation (7) is formulated econometrically as follows:

U= β 0 + β 1 IP+ β 2 Inflat+ β 3 Ouvert + β 4 TIC + β 5 DFI + β 6 CC + β 7 GDP+ ε t (2)

2. Estimation strategy

2.1. Test of inter-individual independence

The use of panel data, especially regional data, requires us to check whether the time series are
simultaneously correlated. To do this, we can choose between the Pesaran (2004) test and the one
developed by Breusch-Pagan (1980). The former test is efficient when the time horizon is smaller than
the number of individuals, while the latter is used in the opposite case. We opt for the Breusch-Pagan
test, since the study period (29 years) is greater than the number of countries (7). The test statistic is
n−1
written as follows (Baltagi et al, 2010): LM BP=T¿ ∑ ¿ ¿ ) (3)
i= j

Where T is the study period and theoretically tends to infinity ; ρˇij the correlation coefficient of the
sample errors

The test assumptions are as follows:

Ho : σ ij=0(inter-individual independent errors), for all i≠ j ;

H1 :σ ij ≠ 0 (inter-individual dependent errors), for all i≠ j.

2.2. Stationarity test

The difficulty in using unit root tests on panel data, especially regional data, lies in the possible existence
of inter-individual dependence. The question is whether to allow the presence of any correlations
between the residuals of the different individuals in the panel. With this problem, first-generation unit
root tests can lead to spurious results if there are significant degrees of inter-individual dependence in
the errors. Tests that take into account the possible correlation of errors are called second-generation
tests, and the best known are those by Bai and Ng (2001), Choi (2002), Moon and Perron (2003), Phillips
and Sul (2003) and Pesaran (2007). These tests differ in the way they eliminate structural dependencies
and aggregate individual information (Hurlin and Mignon, 2005).

Based on the Breusch-Pagan (1980) test (Table 2), we use Pesaran's (2007) unit root test to assess the
degree of integration of our series. The author uses a factorial model 1 to deal with inter-individual
dependencies, and considers that these intervene on the error term that follows a factorial process :

y ¿=( 1− λi ) μi+ λ i y i ,t −1+ u¿. (4)

Assuming that the error term has a single factor ( u¿ = π i F t + e¿ ) and adding y i ,t −1 to each member of the
equation, we get :

∆ y i , t=α i + ρiy i , t−1 + λi F i+e ¿. (5)

Pesaran (2007) eliminates the common factor from the model, replacing it with individual averages y t −1
and ∆ y t which serve as proxies. The result is an augmented CADF (Cross Sectional Augmented Dickey
Fuller) model:

∆ y i , t=α i +b i y i , t−1 +c i y t −1+d i ∆ y t + ε ¿ (6)

The fact that the CADF statistic is free of nuisance parameters allows the application of tests where the
hypothesis of independence of errors in the individual dimension is assumed. The T-statistic associated
with the null hypothesis of unit root corresponds to :
N
1
CIPS (N, T) =
N
∑ CADF i (7)
i=1

2.3. Cointegration test

We use a new-generation cointegration test, notably that of Westerlund (2007), which takes into account
the interdependence of panel errors. Note that older cointegration tests such as those by Kao (1999) and
Bai and Ng (2001) are residual tests, i.e., the residuals from least squares are subjected to a unit root
1

why why why why why this gap and this line above?
A factorial model summarizes the information present in a large number of variables into a small number
of factors common to all the variables.
test, whereas Westerlund's is based on structural dynamics, i.e., error correction (Westerlund, 2007).
The author proposes four types of test that are designed to determine whether the error correction of
an error correction model is equal to zero. The first two statistics, called Mean group, are calculated as
follows:
n
α^ i 1
n ^
Tα n
Gt = 1 ∑ (8) and G a = ∑
i
^ i ( 1 ) =1−∑ α^ ij
(9) withα
n i=1 SE (^α i) n i=1 α^ i (1) i=1

Where α^ i is the error correction coefficient of the error correction model, SE( α^ i) is the conventional
standard error of α^ iT and N are the time and number of individuals respectively.

The panel statistics are obtained using the formulas below:

n
^
Pt = 1 ∑ α (10) and Pa=T α
^ (11)
n i=1 SE (^α )
The alternative hypothesis of the "Mean group" is based on the fact that at least one observation has
cointegrated variables, whereas panel tests make the alternative hypothesis that the panel considered as
a whole is cointegrated.

2.4. Estimation of the long-term relationship

We estimate the long-term relationship using econometric techniques adapted to dynamic panels. Five
estimators are generally mentioned in the literature: MG, DFE, PMG, FMOLS, and DOLS (Hurlin and
N'Diaye, 1998).

The group mean (GM) estimator involves averaging individual estimates. It allows parameters to be
independent without constraining potential homogeneity between individuals, but may omit the
possibility that some coefficients may be identical.

Conversely, the DFE estimator stacks all the data and imposes homogeneity on all coefficients, with the
exception of the constant. In between these two estimators, we find the PMG, which on the one hand
allows short-term parameters to differ between individuals, and on the other, imposes homogeneity on
long-term coefficients.

The modified ordinary least squares (FMOLS) and dynamic ordinary least squares (DOLS) estimation
methods proposed respectively by Pedroni (1996), and Kao and Chiang (2000), attempt to correct the
OLS estimator, which suffers in a long-term relationship from the endogeneity of the regressors and the
correlation of the series (Djelassi, 2012). The FMOLS method consists of orthogonalizing the residual of
the cointegrating relationship with respect to the innovations of the stationary variables and applying
the OLS (Hurlin and N'Diaye, 1998). As for the DOLS technique, it consists in including advanced and
lagged values of the variation of the explanatory values in the long-run relationship in order to eliminate
the correlation between the independent variables and the error term.

Kao and Chiang (2000) conclude that the FMOLS estimator does not improve the OLS and find the DOLS
estimator more powerful for assessing cointegrating relationships on panel data. We therefore use the
DOLS method to estimate the long-term relationship between unemployment and the explanatory
variables. The functional specification is as follows:
U ¿ ¿ β 0 + β 1 IP ¿ + β 2 Inflat ¿ + β 3 Ouvet ¿ + β 4 TIC ¿ + β 5 DFI ¿+
P K m n R
β 6 CC ¿ + β 7 GDP¿ + ∑ β 1 ∆ ISP i ,t + P+ ¿ ∑ β 2 ∆ Inflat i ,t +K + ¿ ∑ β 3 ∆ Ouvert i ,t +m +¿ ∑ β 4 ∆ TIC i ,t +n +¿ ∑ β5 ∆ DFI i ,t
j=O j=O j=O j=O j=O
(12)

III. Data presentation

1. Study countries and data sources

We use a sample of seven UEMOA member countries observed over the 1991-2020 period, namely:
Benin, Burkina Faso, Côte d'Ivoire, Mali, Niger, Senegal and Togo. The exclusion of Guinea Bissau from
the sample is explained by the unavailability of rainfall statistics for this country.

The data for this study come from several sources. Firstly, the variables unemployment rate, inflation
rate, trade openness, information and communication technologies, financial development and GDP
growth rate are taken from the World Development Indicators (WDI) database. The control of corruption
variable is taken from the Worldwide Governance Indicators (WGI) database. Finally, the rainfall variable
was extracted from the "Global Climate Data-University of Delaware" (GCD-UD) database.

2. Description of variables and expected signs

Dependent variable

Unemployment rate :

It refers to the proportion of the working population who are unemployed but looking for a job and
available to take it. Due to the unavailability of national unemployment data over the study period
(1991-2020), the empirical analysis is based on the unemployment rate modelled by the International
Labour Organization (ILO).

Independent variables

Rainfall index :

For each country, we define the rainfall index as follows. First, we calculate the standardized variation in
rainfall relative to the historical average (1990-2020) (Akim, 2019). Next, we create the rainfall index
variable, which takes "1" when the standardized variation is greater than 0.5 (flooding) or less than -0.5
(drought), and "0" if not (Amare et al, 2018).

Given that the countries in the study are heavily dependent on the agricultural sector, and that farmers
have little capacity to adapt to climate change, we assume that rainfall anomalies have a positive impact
on unemployment.

Inflation :

It is measured by the consumer price index, which reflects changes in the cost of a basket of goods and
services purchased by the average consumer. In line with Gozgor (2013), we assume that inflation
promotes production, job creation and, consequently, reduces unemployment.

Commercial opening :
This is the sum of exports and imports of goods and services as a percentage of gross domestic product.
With reference to the findings of Hasan and Sasana (2020), we hypothesize that trade openness worsens
unemployment due to the structural trade deficit faced by UEMOA countries (BCEAO 2020).

Information and Communication Technologies :

Information and communication technologies are measured by the population's rate of access to the
Internet. Metu et al (2020) suggest that ICT creates new investment and employment opportunities for
the unemployed. Similarly, the ILO (2018) points out that ICTs improve the functioning of the labor
market through better dissemination of information, both on job offers and demands. We therefore
assume that ICTs are conducive to reducing unemployment.

Financial development :

It is measured by the domestic credit provided by banks to the private sector as a percentage of GDP.
According to Motsatsi (2019), the development of the financial sector offers companies greater
accessibility to financing, enabling them to increase their productive capacity. Consequently, we
hypothesize that there is an inverse relationship between financial sector development and
unemployment.

Corruption Control Index :

This index measures the use of the prerogatives of power for personal gain, in particular the enrichment
of individuals in positions of power. Korem (2019) argues that corruption deprives economies of the
investment needed to create wealth, limiting their ability to achieve a level of production sufficient to
significantly reduce unemployment. We predict that stepping up the fight against corruption will help
reduce unemployment.

GDP growth rate :

This is the annual growth in the sum of the gross value added of all resident producers, increased by
taxes on products and decreased by subsidies not included in the value of products. Based on the
empirical results of Mukisa et al. (2020), we assume that an expansion in economic activity increases the
demand for labor and reduces the unemployment rate.

3. Descriptive statistics

The unemployment rate variable has a standard deviation of 2 points, with an average of 4%. Its
minimum and maximum values concern Niger in 2011 and Mali in 2007. The rainfall index has a mean of
0.56 and a standard deviation of 0.49. Inflation averages 3%. It reached a high of 39.16% in 1994 in Togo,
and a low of -7% in Niger in 1991. Average trade openness is 56.36%. It reached its threshold level of
112% in Togo in 2013, and its lowest level of 26.09% in Niger in 1993. Internet coverage averages 4% of
the sub-regional population, with a cross-border standard deviation of 8 points. In terms of financial
development, bank loans to the private sector represented just 15.92% of GDP over the 1991-2020
period. The lowest proportion (2%) appeared in Niger in 1997 and the highest (40.05%) in Togo in 2015.
Corruption control deteriorated sharply in Côte d'Ivoire in 2005 (-1.24), and showed a relative
improvement in Senegal in 2002. Finally, GDP growth averaged 4%, with a peak of 15.37% in Mali in
2001, and a historic decline in Togo in 1993.
Table 1: Descriptive statistics for study variables

Average Standard deviation Minimum Maximum

U 4,15 2,55 0,32 11,71

IP 0,56 0,49 0 1

Inflat 3,19 6,32 -7,79 39,16

Open 56,36 17,18 26,09 112,76

ICT 4,89 8,48 0 43,83

DFI 15,92 7,43 2,65 40,05

CC -0,57 0,32 -1,24 0,17

GDP 4,13 3,52 -15,09 15,37

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

IV. Presentation and discussion of Results

1. LM-Test results

The result of the Lagrange Multiplier inter-individual dependence test leads us to reject the null
hypothesis of no inter-individual dependence at the 1% threshold. We therefore accept the inter-
individual dependence of the errors for our series.

Table 2: Results of Breusch-Pagan's LM-test of inter-individual independence

Chi statistics (2) P-value

Model 75,002 0,0000

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

2. Pesaran stationarity test (2007)

As stated above, first-generation unit root tests can lead to spurious results if there are significant
degrees of inter-individual error dependence. The confirmation of this individual error dependence by
the LM-test forces us to choose a second-generation stationarity test, in particular that of Pesaran
(2007).

Pesaran's (2007) trend-free test specification shows that the variables unemployment rate, rainfall index,
inflation, information and communication technology, financial development, control of corruption and
GDP growth are all stationary at level, and therefore I (0). On the other hand, trade openness has a unit
root at level, but is stationary in first difference.

Table 3: Pesaran (2007) unit root test: trendless specification

Number of delays Level Number of delays Primary difference

 Variables Zt-bar P-value Zt-bar P-value

U 1 -1.614 0.053 0 -3.546 0.000

IP 0 -7.331 0.000 0 -10.927 0.000

Inflat 0 -1.560 0.059 0 -8.235 0.000

Open 0 0.668 0.748 0 -7.472 0.000

ICT 0 -3.482 0.000 0 -9.476 0.000

DFI 0 -1.585 0.059 0 -9.733 0.000

CC 0 -1.934 0.027 0 -10.010 0.000

GDP 0 -6.564 0.000 0 -10.626 0.000

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

The CIPS test in the trend specification confirms the absence of unit root for most variables when taken
to level, with the exception of trade openness and financial development, which are still integrated of
order 1.

Table 4: Pesaran (2007) unit root test: specification with trend

Variables Number of Level Number of Primary difference

delays delays
Zt-bar P-value Zt-bar P-value

U 3 -2.247 0.012 0 -2.160 0.015

IP 0 -7.238 0.000 0 -10.204 0.000

Inflat 1 -1.589 0.056 0 -6.880 0.000

Open 2 -0.459 0.323 0 -6.293 0.000

ICT 0 -4.360 0.000 0 -8.351 0.000

DFI 0 -0.825 0.205 0 -8.651 0.000

CC 0 -2.042 0.021 0 -8.940 0.000

GDP 0 -5.727 0.000 0 -9.750 0.000

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

In conclusion, Pesaran's (2007) test leads us to accept the absence of a unit root for all variables in first
difference, both in the specification without trend and with trend. Consequently, our series are
integrated of order 1.

3. Westerlund cointegration test (2007)

With the variables all integrated of order 1, we will now test for a possible long-term relationship
between the dependent variable and the independent variables under consideration. To take account of
the inter-individual dependence highlighted by the Breusch-Pagan (1980) test, we use the Westerlund
(2007) cointegration test, which is robust in such cases. The statistics for this test are obtained by
applying the bootstrapping technique to obtain robustness to common factors. We performed 50
bootstraps and included a trend in the model.

The table below shows that the values of the various tests are all negative and significant, confirming the
existence of a long-term relationship between the unemployment rate and the independent variables
considered. In fact, the cointegration of the variables of at least one observation is confirmed by the
statistics G t and G a at the 1% threshold. Furthermore, the Pt and Pa tests reject the null hypothesis of
panel non-cointegration. We therefore accept that there is a long-run relationship between the
dependent variable (unemployment rate) and the explanatory variables, namely: rainfall index, inflation,
trade openness, ICT, financial development, control of corruption, and GDP growth rate.

Table 5: Westerlund (2007) cointegration test

Tests Values P-robuste

Gt -1.723 0.000

Ga -5.773 0.000

Pt -2.202 0.000

Pa -2.707 0.000

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

4. Interpreting the unemployment equation

The DOLS estimator was used to estimate the long-term relationship between unemployment and its
explanatory variables. The econometric results are summarized in Table 6.

Our estimates confirm the positive effect of rainfall shocks on unemployment in WAEMU countries. This
result can be explained by the predominance of agricultural activities in the sub-regional economies
(45% of jobs and 25% of GDP), which are therefore vulnerable to unpredictable variations in rainfall. This
can lead many farm workers to seek off-farm employment, which can increase overall labor supply and
exacerbate unemployment (Dassanayake et al, 2018). In addition, sectoral relationships mean that
disruptions in agriculture hamper the supply of raw materials to industries, contributing to a squeeze on
production and employment in the sector. Furthermore, the job losses that could occur in the
agricultural and industrial sectors would be such as to contract domestic demand, leading to a drop in
activity for local businesses, including those in the tertiary sector. This situation would once again
contribute to rising unemployment.

Empirical analysis also shows that there is a decreasing but insignificant relationship between inflation
and unemployment. This result corroborates the conclusions of Phelps (1967) and Friedman (1968), who
rejected the existence of a trade-off between inflation and unemployment in the long term. There are
two plausible explanations for this result. Firstly, in a structural context of low inflation (see figure 14),
companies adapt by reducing the frequency with which they revise their prices, leading to a situation
where economic activity and employment become less sensitive to inflation (Le Bihan, 2009). Secondly,
given the low level of human capital in the countries studied, even if inflation is likely to lead to a fall in
real wages, which would stimulate demand for labor, companies will not be able to fill a large proportion
of job vacancies due to skills shortages.

Furthermore, the results indicate that trade openness exerts a positive effect on unemployment. This
supports the findings of Onifade et al. (2019), Hossain et al. (2018) and Nwaka et al. (2015). The positive
sign associated with trade openness suggests that UEMOA countries are not taking full advantage of
their integration into international trade. In fact, the imported technological change that would
represent the opportunity for these countries to improve the quality of domestic products in order to
access global markets is still being felt. Indeed, according to the World Bank (2018), imports of ICT goods
account for just 2.8% of total imports at EU level. Moreover, even if we assume that these technology
transfers do take place, the adoption capacity of local units remains uncertain in view of the skills
shortage and the low financial capacity of these units to modernize. In addition, the high cost of
electricity and poor infrastructure undermine the ability of domestic companies to compete with
international firms. These factors make trade openness a permanent threat to the survival and growth of
local companies.

Information and communication technologies, as measured by Internet access rates, do not appear to be
significant determinants of unemployment. However, their negative sign indicates that the countries in
the study could benefit from recent technological advances to reduce unemployment. Indeed, the use of
the Internet could boost agricultural production and employment, thanks to integrated control systems
that identify optimal conditions for sowing, watering, fertilizing and harvesting. Similarly, e-commerce
platforms should boost tertiary employment by enabling domestic companies to market their products
to a vast worldwide customer base. Finally, new technologies could also help improve the functioning of
the labor market through better dissemination of information, both on labor supply and demand (ILO,
2018).

Furthermore, the results show that financial development exerts a negative but insignificant effect on
unemployment. Gelbard et al (2014) explain this result by the fact that African banks do not take full
advantage of legal protection of creditors' rights, which leads them to exclude less creditworthy agents,
in particular SMEs, who are the primary employers. State interference in the financial sector may also
explain the banks' inability to combat unemployment effectively. Indeed, notwithstanding the start of
the financial liberalization policy in 1989, UEMOA member states still retain stakes in at least 30% of
licensed banks. What's more, between 2019 and 2020, public funds incorporated into the capital of sub-
regional banks increased by 21% (+64.8 billion FCFA) compared with 1% for private investors (9.3 billion
FCFA) (UEMOA Banking Commission, 2020). This situation could lead to the detour of credit by political
interference in favor of unproductive activities (campaign financing, payment of civil servants, etc.), to
the detriment of the private sector.

Empirical analysis shows that controlling corruption has a positive impact on unemployment in the
countries studied. Although this result may seem paradoxical, it is in line with the conclusions of a
number of studies (Leff, 1964; Sheifer and Vishny, 1993; Bardhan, 1997). These authors assert that the
beneficial effect of an anti-corruption policy depends on the institutional environment. Indeed, in a
context of low institutional quality, as is the case in UEMOA countries, corruption can represent a means
for entrepreneurs to bypass an inhibiting administration. For example, under the weight of restrictive tax
regulations, companies may respond by bribing tax officials to avoid additional costs and make their
business more profitable. Furthermore, according to Leff (1964), in countries where wages are low, as is
the case in our study countries, bribery acts as a bonus for the work performed by the agent,
encouraging him to work harder and increase his consumption, which can under certain conditions
reduce unemployment. Similarly, in the labor market, corruption can reduce frictional unemployment by
encouraging job-seekers with high reservation wages to accept low wages, hoping to be compensated
illegally through bribes. Anti-corruption policies must therefore be accompanied by an improvement in
the general institutional framework. Otherwise, anti-corruption policies risk creating additional frictions
that could hinder the expansion of the private sector.

Finally, the results reveal an inverse relationship between GDP growth rate and unemployment. This
means that economic expansion leads to a reduction in unemployment, in accordance with Okun's law
(1962). However, it is important to emphasize that this growth is not accompanied by the
industrialization of sub-regional economies, which remain dependent on primary activities. This state of
affairs plunges these countries into a real imbalance, since the fall in raw material prices on international
markets does not necessarily translate into an increase in their demand, which largely depends on global
growth (Ngangoue, 2016). What's more, according to the World Bank (2020), workers who leave
agriculture have no choice but to move into informal activities in the tertiary sector, due to the
backwardness of the secondary sector. This situation could deprive sub-regional economies of the
opportunity to grow richer by transferring workers from agriculture to better-paid industrial jobs. Thus,
in the absence of genuine structural transformation, the prospects for sustained growth capable of
sustainably improving job quality remain dim.

Table 6: Long-term unemployment rate equation

Dependent variable : Annual unemployment rate (U)

Coef. Std. Error Z P>|z|

IP 0.650** 0.293 2.22 0.027

Inflat -0.0004 0.002 -0.18 0.861

Open 0.039* 0.0205 1.91 0.056

ICT -0.060 0.037 -1.60 0.110

DFI -0.002 0.055 -0.04 0.969

Cc 1.83** 0.936 1.96 0.050

GDP -0.141*** 0.049 -2.89 0.004

R-squared = 0.8 /Prob > chi2 = 0.000/Number of groups = 7/Number of obs = 154

Note: ***=significant at 1%, **=significant at 5%, *=significant at 10%.

Source: Author based on WDI (1991-2020), WGI (1996-2020), and GCD-UD (1991-2020) data.

Conclusion

In this article, we have attempted to assess the impact of macroeconomic variables on unemployment in
UEMOA countries (excluding Guinea Bissau), with particular emphasis on rainfall shocks. Using Pesaran's
(2007) unit root test, and applying Westerlund's (2007) cointegration test, we concluded that there is a
long-run relationship between unemployment, the rainfall index, inflation, trade openness, information
and communication technologies, financial development, control of corruption and GDP growth. Then,
using the DOLS estimator, we revealed on the one hand the adverse effect of rainfall shocks, trade
openness and the corruption control index on unemployment. On the other hand, the empirical results
confirm that GDP growth is favorable to unemployment reduction, while inflation, information and
communication technology and financial development were found to be insignificant.

In the light of these results, UEMOA countries will need to take measures to contain the adverse effects
of rainfall anomalies on unemployment. Such measures may involve strengthening agricultural risk
prevention instruments (agricultural insurance), promoting climate information (early warning system)
and fostering technological innovation (modern materials and practices). To take advantage of the
opening up of trade, the public authorities will need to encourage the export of high value-added
products by turning to less automated industries that have the potential to create more jobs, particularly
in the agri-food and metals sectors. Given the low penetration of ICT, it is incumbent on sub-regional
authorities to make efforts to actively invest in digital technologies in order to exploit the productivity
gains brought about by digitization. Given that financial development does not contribute to a
substantial reduction in unemployment, public authorities must take steps to improve financial inclusion,
in particular by relying on the microfinance sector. The latter has the advantage of being accessible to
SMEs and people living in poverty. Furthermore, policies to control corruption should be accompanied
by an improvement in the regulatory framework for the private sector. This could include the removal of
unnecessary, complex and counterproductive regulations, as well as the introduction of appropriate
incentives to motivate honesty, including consideration of the efficiency wage.