Abstract:

The aim of this article is to assess the impact of macroeconomic variables on unemployment in West
African Economic and Monetary Union (WAEMU) countries other the period 1991-2020, using World
Development Indicators" (WDI), Worldwide Governance Indicators" (WGI) and Global Climate Data-
University of Delaware" (GCD-UD) data. Using the Dynamic ordinary Least Squares estimator, the results
show the adverse effect of rainfall shocks, trade openness and the corruption control index on
unemployment. In addition, GDP growth was found to be conducive to reducing unemployment, while
inflation, information and communication technology and financial development were found to be
insignificant. Sur la base des résultats trouvés, les pays de l’étude devront prendre des mesures pour
contenir les effets négatifs des anomalies pluviométriques, notamment par le renforcement des
instruments de prévention des risques agricoles (assurance agricole), la promotion de l'information
climatique (système d'alerte précoce) et l’utilisation de l'innovation technologique (matériels et
pratiques modernes). Par ailleurs, pour profiter de l'ouverture commerciale, les décideurs politiques
devront encourager l'exportation de produits à forte valeur ajoutée en se tournant vers des industries
moins automatisées mais potentiellement plus créatrices d'emplois, notamment dans les secteurs de
l'agroalimentaire et de la métallurgie.

Keywords: Macroeconomic determinants, unemployment rate and WAEMU countries.

JEL classification : J64, J68, Q54

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’UEMOA
(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, plusieurs 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, la qualité institutionnelle (Metu et al, 2020 ; Onifade et al,
2019 ; Korem, 2019 ; Motsatsi, 2019 ; Folawewo et Adeboje, 2017 ; Arslan et Zaman, 2014).

Malgré cette abondante littérature sur les déterminants du chômage, aucune d’entre elle ne s’est encore
intéressée à l’impact des aléas climatiques. Or, selon le Bureau international 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’UEMOA, qui demeurent tributaires de
l’agriculture (45% des emplois et 25% du PIB) (WDI, 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).

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. Le travail est dotant plus pertinent car il se sert du test de Breusch-Pagan (1980) pour choisir la
génération appropriée des tests de racine unitaire. En effet, 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. En dépit de cela, la plupart des travaux
antérieurs sur les données de panel choisissent arbitrairement la génération des tests de racine unitaire.

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).

I. Revue de la littérature

Sur le plan théorique, plusieurs travaux ont analysé l’impact des variables macroéconomiques sur le
chômage. 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 (Cortes et Jean,
1994).

D’un point de vue empirique, plusieurs études ont évalué les déterminants macroéconomiques du
chômage dans les pays en développement. Un certain nombre 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 ; Macharia et Otieno, 2015). Par contre, le second groupe de
chercheurs (Korem, 2019 ; Tenzin, 2019 ; Abugamea, 2018) montre que le taux d’inflation est associé à
une aggravation du chômage. Selon ces auteurs, ce résultat peut révéler le caractère structurel du
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.

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 (Mukisa et al, 2020 ;
Motsatsi, 2019 ; Arslan et Zaman, 2014). A la différence de ces auteurs, Sahoo et Sahoo (2019), Banda
(2016), et Kreishan (2011) soutiennent plutôt que la croissance économique est insuffisante pour
infléchir le niveau du chômage dans les pays en développement. 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.

L’ouverture commerciale est également un déterminant important du chômage dans les pays en
développement. En effet, des études montrent que le commerce international exacerbe le 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) soutiennent plutôt que l’ouverture commerciale est favorable à la réduction du chômage. Ces
auteurs 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.

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 de corruption
élevé augmente le chômage. Dans la même veine, les travaux de Ouattara (2011) et Abdoulaye (2016))
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 plutôt à l’impact des institutions du marché du travail sur le chômage (Awad, 2019 ;
Selwaness 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.

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
d’autres études empiriques (Kargbo, 2016, Kanberoglu, 2014, Haruna et al, 2013). Toutefois, cet effet
bénéfique du secteur financier sur la réduction du chômage ne fait pas l’objet d’un consensus dans la
littérature empirique. En effet, Tsaurai (2020) montre 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.

Un autre volet de la littérature empirique s’est penché 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 le chômage, mais son 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.

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 (GCD-UD, 2020), il n’existe aucune étude à notre connaissance
qui vérifie le lien entre les chocs pluviométriques et le chômage. Par conséquent, nous nous proposons
d’analyser le lien entre les chocs pluviométriques et le chômage dans le cadre de cet article.
 II. Approches Méthodologiques
1. 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 ⦋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.

En remplaçant gw par π , l’équation (4) devient :

e ¿
π=π −ϵ ¿u-u ¿ (5)
Il découle de l’équation (5) que le chômage sera à son niveau naturel si l’inflation réelle est égale à
l’inflation anticipée.

Supposons maintenant 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 (6)
¿
¿N −N
u-u = ¿ (6)
N
 ¿
En remplaçant u-u par son expression de l’équation (6) 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.

( )
¿
e w t +1−w t e N −N
gw −π = −π =−ϵ (7)
wt N¿
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¿ ¿ (8)
Y
¿
Où Y est le Produit intérieur brut ; Y le PIB potentiel ; ω représente la réaction du chômage à la
croissance du PIB.

En exprimant l’inflation en termes de variation de prix et en combinant l’équation (6) et (7), 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 (8), on aura : u−u = ( ¿ )
ω Y
En acceptant que le taux de variation des salaires nominaux est équivalent à l’inflation (
pt +1− pt
gw = =π ¿ et en intégrant 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
(9)
ω Y¿

On remplace généralement l’équation (9) par une version approximative donnée par l’équation (10) :

pt +1= pt +1 ⦋1+ λ ( Y −Y ) ⦌(10)

e ¿

¿
La relation entre le chômage, l’inflation et la production peut être obtenue en tirant Y −Y dans
l’équation (8) et en remplaçant l’expression ainsi trouvée dans (10) :
¿
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
( )
p e
t +1
λY¿ ω
(11)

De l’équation (11), 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 (1958) et la loi d’Okun (1962).

2. Empirical specification

Sur la base du modèle théorique développé par Dornbusch et al. (2011), notre modèle empirique se
présente ainsi :

U= β 0 + β 1 pi+ β2 inflat + β 3 ¿+ β 4 ict + β5 fid + β 6 cci+ β 7 gdp+ ε t (13)

Oû U annual unemployment rate; pi: indice standarisé de la pluviométrie; Inflat: inflation; to: trade
openness; ict: information and communication technologies; fid: financial development; cci: corruption
control index; gdp: GDP growth.

3. Estimation strategy
3.1. Test of inter-individual independence

Pour vérifier l’indépendance interindividuelle, nous allons utiliser le test développé par Breusch-
Pagan (1980), qui reste efficient lorsque la période d’étude est supérieure
au nombre d’individus du panel. The test statistic is written as follows (Baltagi et al, 2010):
n−1
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:

3.2. Stationarity test

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 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¿. (14)

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 ¿. (15)

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 ¿ (16)

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 (17)
i=1

3.3. Cointegration test

We use a new generation cointegration test, notably that of Westerlund (2007), which considers the
interdependence of panel errors. The author proposes four types of tests 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 ^i
Tα
Gt = 1 ∑ (18) and a = ∑
G (19)
n i=1 SE (^α i) n i=1 α^ i (1)
n
^ i ( 1 ) =1−∑ α^ ij
withα
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 (20) and Pa=T α
^ (21)
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.

3.4. Estimation of the long-term relationship

Nous utilisons la méthode DOLS (Dynamic Ordinary Least Squares) pour estimer les déterminants à long
du chômage dans les pays de l’UEMOA. Cette technique consiste à inclure des valeurs avancées et
retardées ∆ x ¿ dans la relation de cointégration afin d’éliminer la corrélation entre les variables
explicatives et le terme d’erreur (Gnimassoun, 2012). Selon Kao et Chiang (1999), la technique DOLS est
plus puissante dans l’estimation de la relation de long terme sur données de Panel relativement aux
autres méthodes, en particulier les moindres carrés ordinaires modifiés (FMOLS). The functional
specification is as follows:

U ¿ ¿ β 0 + β 1 pi ¿ + β 2 inflat ¿ + β3 ¿¿ + β 4 ict ¿ + β 5 fid ¿+

P K m n R S
β 6 cci¿ + β 7 gdp ¿ + ∑ β 1 ∆ pi i ,t + P+ ¿ ∑ β 2 ∆ inflat i ,t + K +¿ ∑ β3 ∆ ¿ i ,t +m +¿ ∑ β 4 ∆ ict i ,t +n +¿ ∑ β 5 ∆ fid i ,t + R + ∑ β6 ∆
j =O j=O j=O j=O j=O j=O
(12)

4. Data presentation
4.1. 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 (u), inflation
rate (inflat), trade openness (to), information and communication technologies (ict), financial
development (fid) and GDP growth rate (gdp) are taken from the World Development Indicators (WDI)
database. The control of corruption variable (cci) is taken from the Worldwide Governance Indicators
(WGI) database. Finally, the rainfall variable (pi) was extracted from the "Global Climate Data-University
of Delaware" (GCD-UD) database.

4.2. 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

pi 0,56 0,49 0 1

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

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

ict 4,89 8,48 0 43,83

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

cci -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.

III. Présentation et discussion des résultats empiriques

1. Présentation des résultats
 1.1. 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.

1.2. Pesaran stationarity test (2007)

Les résultats montrent que les variables U, pi, inflat, ict,, fid, cci et gdp sont toutes stationnaires à niveau
et en différence première, et donc I (0). Par contre, la variable to possède une racine unitaire à niveau
mais elle est stationnaire en différence première. Par conséquent, nos séries sont
intégrées d’ordre 1.
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

pi 0 -7.331 0.000 0 -10.927 0.000

inflat 0 -1.560 0.059 0 -8.235 0.000

to 0 0.668 0.748 0 -7.472 0.000

ict 0 -3.482 0.000 0 -9.476 0.000

fid 0 -1.585 0.059 0 -9.733 0.000

cci 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.

1.3. Westerlund cointegration test (2007)

Les variables étant toutes intégrées d’ordre 1, nous allons à présent tester une éventuelle relation de
long terme entre la variable dépendante et les variables indépendantes à l’aide du test de Westerlund
(2007). 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 and the explanatory variables.

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.

1.4. Equation du chômage

Le tableau n°6 présente les résultats de l’estimation de l’équation du chômage par la méthode DOLS.
Pour corriger les biais d’endogénéité, nous avons inclus dans le modèle un (1) lag et un (1) lead. Nous
remarquons également que l’estimateur DOLS, qui fait partie des techniques économétriques sur
données de panel, impose une homogénéité des coefficients de tous les pays de l’échantillon. En outre,
les variables indépendantes étant prises à niveau, les coefficients s’interprètent comme des effets
marginaux sur le taux de chômage. En ce qui concerne la qualité prédictive du modèle, nous observons
que 80% des fluctuations du taux de chômage sont expliquées par les variables indépendantes, au seuil
statistique de 1%.

Table 6: Long-term unemployment rate equation

Dependent variable: Annual unemployment rate (U)

Coef. Std. Error Z P>|z|

pi 0.650** 0.293 2.22 0.027

inflat -0.0004 0.002 -0.18 0.861

to 0.039* 0.0205 1.91 0.056

ict -0.060 0.037 -1.60 0.110

fid -0.002 0.055 -0.04 0.969

cci 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.

2. Discussion des résultats empiriques

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 (WDI, 2020),
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 and al. (2019) and Hossain and al. (2018). 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 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 situation
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 ILO (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.

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 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 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, 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.

Bibliographic reference
Baltagi, B., Feng, Q., Kao, C. (2010). "A Lagrange Multiplier Test for Cross-sectional
Dependence in a Fixed Effects Panel Data Mode". Journal of econometrics, no. 170, pp. 164-
177.

Banda, H. (2016). "The impact of Economic growth on unemployment in South Africa: 1994-
2012." Investment and Financial Innovations, no. 13, vol.2, pp. 246-255.
Bardhan, P. (1997). "Corruption and Development: a review of issues". Journal of economic
literature, vol. 35, no. 3, pp.1320-1346.

Breusch, T., and Pagan, A. (1980). "The Lagrange Multiplier Test and Its Application to Model
Specification in Econometrics". Review of Economic Studies, vol.47, no.1, pp. 239-254.

Central Bank of West African States (2020). Report on the external trade of the WAEMU.
Economic and Monetary Affairs Directorate, Dakar, 68p.

Dassanayake, W., Mohapatra, S., Luckert, M.K., Adamowicz, W. (2018). "Household responses
to climate change: Contingent behavior evidence from South Africa". Environment and
Development Economics, vol.23, no. 1, pp. 37-62.
Folawewo, A.O., & Adeboje, O.M. (2017). "Macroeconomic Determinants of unemployment:
Empirical evidence from economic community of West African states." African Development
Review, vol.29, no.2, pp. 197-210.
Gelbard, E., Gulde, A.M., Maino, R. (2014). "Financial development in sub-Saharan Africa: the
challenges for sustained growth". Journal of Financial Economics, No. 116, pp. 19-42.

Hurlin, C., Mignon, V. (2005). "A synthesis of unit root tests on panel data". Economie et
Prévision, vol.5, n°169-170-171, pp. 253-294.

International Labour Organization (2018). Impact of technology on the quality and quantity of
jobs. Global Commission on the Future of Work, Geneva,10p.

Organisation Internationale du Travail (2020). Emploi et questions sociales dans le monde :

tendances 2020. Rapport phare du BIT, 1-137.

Kao, C., and Chiang, M.H. (1999). "On the estimation and inference on cointegrated regression
in panel data." Center for policy Research working paper #2, Maxwell School od Citizenship and
Public Affairs, New York, March.

Korem, A. (2019). "Macroeconomic and monetary determinants of Unemployment in WAEMU

countries". International Journal of French-speaking Economists, vol.4, n°1, pp. 270-272.

Le Bihan, H. (2009). "Avatars and issues of the Phillips curve". Revue de l'OFCE, n°111, pp. 81-
101.

Leff, N.A. (1964). "Economic development trough bureaucratic corruption." The American
Behavioral Scientist, no. 8, pp. 8-14.

Moon, H.R., and Perron, B. (2003). "Testing for a Unit root in Panels with Dynamic Factors".
Journal of Econometrics, vol.122, no.1, pp.81-126.

Motsatsi, J.M. (2019). "Unemployment in the SADC Region." Botswana Institute for
Development Policy Analysis Working Paper No. 64, March.

Ogbeide, F.I., Kanwanye, H., Kadiri, S. (2016). "Revisiting the determinants of unemployment in
Nigeria: do resource dependence and financial development matter?". African Development
Review, vol.28, no.4, pp.430-443.

Onifade, S.T., Ay, A., Asongu, S., Bekun, F.V. (2018). "Revisiting the Trade and Unemployment
Nexus: Empirical Evidence from the Nigerian Economy." MPRA, No. 101925, pp. 1-22.

Pesaran, M.H. (2007). "A simple Panel Unit Root Test in the Presence of Cross-section
Dependence". Journal of Applied Econometrics, vol.22, n°2, pp.265-312.

Sheifer, A., & Vishny, R.W. (1993). "Corruption." Journal of Economics, CVIII, pp. 599-617.

Tsaurai, K. (2020). "Macroeconomic Determinants of Unemployment in Africa: A Panel Data

Analysis Approach." Acta Universitatis Danubius, vol.16, no.2, pp. 103-109
WAEMU Banking Commission (2020). Annual Report 2020. UEMOA, Abidjan, 307p.

Westerlund, J. (2007). "Testing for error correction in panel data". Oxford bulletin of economics
and statistics, vol.69, no.6, pp.715-719.

Metu, A.G. et al.(2020). « Ending youth unemployment in sub-Saharan

Africa : Does ICT development have any role ». African Development
Review, vol.32, 11p.
Arslan, M et Zaman, R. (2014). « Unemployment and its Determinants: A
study of Pakistan Economy 1999-2010». Journal of Economics and
Sustainable development, vol. 3, n°13, pp. 20-24.

Phillips, A. (1958). «The relation between Unemployment and the Rate of Change of Money Wage Rates
in the United Kingdom, 1861-1957». Economica, vol.25, n°100, pp. 283-299

Heckscher, E. (1919). « The effect of foreign trade on the distribution of

income ». Ekonomisk Tidskriff, 497-512.
Ohlin, B.G. (1933). Interregional and International Trade. Harvard
University Press, Cambridge, Massachusetts, 324p.
Semosa, P. et Kanayo, O. (2021). « Is the Nexus between Inflation, Exchange
Rate and Unemployment in South Africa: An Econometric Analysis? ».
Montenegrin Journal of Economics, vol.17, n°1, pp. 54-58.
Macharia, M.K. et Otieno, A. (2015). « Effect of Inflation on Unemployment
in Kenya ». International Journal of Science and Research, vol.6, n°6, 1980-
1984.
Tenzin, U. (2019). « The nexus among economic growth, inflation and
unemployment in Buthan ». South Asia Economic Journal, vol. 20, n°1, pp.
94-105.
Abugamea, G. (2018). « Determinants of unemployment: Empirical Evidence
from Palestine ». MPRA, n°89424, 14p.

Mukisa, I. (2020). « Macroeconomic Determinants of Unemployment in the

East African Community ». Tanzanian Economic Review, vol.10, n°2, pp. 48-
68.
Sahoo, M. et Sahoo, J. (2019). « The relationship between unemployment
and some macroeconomic variables: Empirical evidence from India ».
Theorical and Applied Economics, vol. 618, n°1, pp. 115-128.
Kreishan, F.M. (2011). « Economic Growth and Unemployment: An
empirical analysis ». Journal of Social Sciences, vol.7, n°2, pp. 228-231.
Owyang, M.T. et al. (2013). « Output and Unemployment: How Do They
Relate Today? ». The Regional Economist
Hossain, M.I, et al. (2018). « Relationship trade openness and
unemployment: empirical evidence for Bangladesh ». Indian Journal of
Economics and Development, vol.6, n°8, 12p.
Ouattara, W. (2011). «Corruption, Investissement et croissance en Côte
d’Ivoire ». Saving and development, n°1, pp. 55-73.
Abdoulaye, D. (2016). « Démocratie et corruption dans les pays de l’UEMOA
». Revue d’Economie Théorique et Appliquée, vol.6, n°1, pp. 97-116..
Awad, A. (2019). « Economic Globalization and Youth Unemployment:
Evidence from African countries ». Internal Economic Journal, vol.33, n°2,
pp. 252-269.
Selwaness, I., et Zaki, C. (2019). « On the interaction between exports and
labor market regulation: Evidence from MENA countries ». The Quarterly
Review of Economics and Finance, vol.73, pp. 24-33.
Lango, F et Yassin, S. (2015). « Reforming employment protection in Egypt ;
An evaluation based on transition models with measurement errors ».
Economic research forum working paper, n°918, 47p.
Kargbo, A. et al. (2016). «Financial development, human capital and
economic growth: New evidence from Sierra Leone ». Journal of Finance
and Bank Management, vol.4, n°1, pp. 49-67.
Kanberoglu, Z. (2014). «Finansal sector gelisimi ve issizlik: Turkiye örnegi
». Ekonomik ve Soyal Arastirmalar Dergisi, vol.10, n°1, pp. 83-93
Haruna, M.A. et al.(2013). « An Empirical Investigation in to Relationship
between Financial Sector Development and Unemployment in Nigeria ».
Asian Economic and Social Society, vol.3, n°1, pp. 1361-1370.
Dornbusch et al. (2011). Macroeconomics, New-York, McGraw-Hill, pp. 130-
135.

Gnimassoun, B. (2023). Taux de change et mésalignements du franc CFA

avant et après l’introduction de l’euro. Document de travail Economix, 1-30.

Phelps, E.S.(1967). «Phillips curves, Expectations of Inflation and Optimal

Unemployment Over Time». Economica, vol.34, pp. 254-281.
Friedman, M. (1968). « The role of monetary policy ». The American
Economic Review, vol. LVII, n°1, pp. 1-17.
Ngangoue, F. (2016). « Planifier et organiser la diversification économique
en Afrique central ». Revue Congolaise de Gestion, vol.1, n°21, pp. 45-87.
Bureau international du Travail (2008). Incidence des changements climatiques sur l’emploi et le marché
du travail. Commission de l’emploi et de la politique sociale, GB 303/ESP/4, Genève, 1-21.

Okun, A. (1962). Potential GNP: Its Measurement and significance. Proceeding of the Business and
Economics statistics Section, American statistical Association, 98-104.

Cortes, O., et Jean, S. (1994). Commerce international, emploi et salaires. Document de travail du centre
d’études prospectives et d’Informations internationales, 1-134.

Banque Mondiale (2018). Impact des technologies sur la qualité et la

quantité des emplois. Commission mondiale sur l’avenir du travail, 10p.