L'intégration des marchés avec et sans échanges

commerciaux directs : le cas de la tomate au Ghana

Rico Ihle, Joseph Amikuzuno, Stephan von Cramon-Taubadel
Dans Revue d'économie du développement 2010/1 (Vol. 18), pages 21 à 46
Éditions De Boeck Supérieur
ISSN 1245-4060
ISBN 9782804160609
DOI 10.3917/edd.241.0021
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Article disponible en ligne à l’adresse

[Link]

Découvrir le sommaire de ce numéro, suivre la revue par email, s’abonner...

Flashez ce QR Code pour accéder à la page de ce numéro sur [Link].

Distribution électronique [Link] pour De Boeck Supérieur.

La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les limites des conditions générales d'utilisation du site ou, le
cas échéant, des conditions générales de la licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie, sous quelque
forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est
précisé que son stockage dans une base de données est également interdit.
 L’intégration des marchés avec et
sans échanges commerciaux directs :
le cas de la tomate au Ghana
Markets Integration With and Without Direct Trade Flows:
The Tomato in Ghana
Rico Ihle 1
Joseph Amikuzuno 2
Stephan von Cramon-Taubadel 3

La théorie de l’équilibre spatial des marchés considère les flux commerciaux comme le moteur de
l’intégration des marchés. Les relations entre les prix de cinq principaux marchés de la tomate au
Ghana sont mesurées, afin de déterminer si la transmission spatiale des prix dépend uniquement
des échanges directs entre les marchés, ou si l’intégration des marchés est conditionnée par
d’autres variables. Une base de données originale, comprenant les prix semi-hebdomadaires et
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

des quantités échangées de tomates fraîches, est analysée. Un modèle vectoriel à correction
d’erreur et à changement de régime est utilisé et ses résultats sont comparés à ceux d’un modèle
linéaire. L’analyse montre que les prix dans les zones productrices nettes du Ghana, Navrongo et
Techiman, s’ajustent rapidement aux déséquilibres, tandis que les prix dans les principales zones
de consommation présentent rarement une correction d’erreur significative. Les marchés s’avè-
rent fortement intégrés, et pour certains même au cours de périodes où les marchés n’échangent
pas directement. Des échanges d’informations entre producteurs ou des échanges commerciaux
indirects entre marchés pourraient expliquer ces résultats.

1 Doctorant au Département d’économie agricole et de développement rural et au Centre

de statistiques, Georg-August-Universität Göttingen, Platz der Göttinger Sieben 5, 37073
Göttingen, Germany, rihle@[Link]. Il remercie le Centre de statistiques à l’Université
Georg-August de Göttingen et l’Etat fédéral du Niedersachsen pour la bourse de doctorat
Georg-Christoph-Lichtenberg.
2 Intervenant au Département d’économie agricole, Université d’études sur le développe-
ment, Campus de Nyankpala, Tamale, Ghana. amikj26@[Link]. Il remercie le KAAD
pour son aide financière et le “Courant Research Centre for Poverty” à l’Université
Georg-August de Göttingen pour son soutien dans la recherche et la collecte des données.
3 Professeur de politique agricole au Département d’économie agricole et de développe-
ment rural, Georg-August-Universität Göttingen, Germany, Platz der Göttinger Sieben
5, 37073 Göttingen, scramon@[Link].

21
 22 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

Mots clés : Ghana, flux d’information, modèles vectoriels à correction d’erreur

avec changement de régime, intégration spatiale des marchés, tomates.
Classification JEL : C32, Q11, Q13, F14

Spatial market equilibrium theory views trade flows as the driving force behind market integra-
tion. We assess the price linkages between five major tomato markets in Ghana to ascertain
whether spatial price transmission depends solely on direct trade between markets, or whether
other forces drive market integration. We analyze a unique dataset of the fresh tomato trade con-
sisting of semi-weekly price and trade flow data. A regime-dependent vector error-correction model
is proposed and its results are compared with those of a linear model. The analysis reveals that
prices in the net producing areas of Ghana (Navrongo and Techiman) adjust quickly to disequilibria,
while prices in major consumption areas do not show significant error-correction for the most part.
Markets are found to be strongly integrated, partly even in periods without direct trade flows. Infor-
mation exchange among suppliers or third-market effects offer possible explanations to this finding.

Key words: Ghana, information flow, regime-dependent vector error-correction

model, spatial market integration, tomato.

1 INTRODUCTION

Les analyses de transmission horizontale des prix (TP) reposent, explicitement,

ou au moins implicitement, sur le modèle d’équilibre spatial de Enke-Samuel-
son-Takayama-Judge (ESTJ) (Enke, 1951 ; Samuelson, 1952 ; Takayama et
Judge, 1971). Une des conséquences de ce modèle est que les prix d’un bien
homogène, sur deux marchés séparés géographiquement, convergent vers leur
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

équilibre de long terme seulement s’il y a échange direct entre ces deux mar-
chés. Si les écarts de prix par rapport à l’équilibre ne sont pas suffisamment
grands pour déclencher des échanges commerciaux directs alors les prix ne
sont pas cointégrés et aucun ajustement n’a lieu.
Cependant, Jensen (2007) a mis en lumière l’importance des flux d’infor-
mation sur l’évolution des prix sur des marchés séparés géographiquement.
Fackler et Tastan (2008), ainsi que Stephens et al. (2008), ont montré que les
flux d’information entre marchés et les réseaux de négociants peuvent égale-
ment permettre la transmission de signaux de prix entre marchés en l’absence
de flux commerciaux. Ainsi, des mécanismes autres que les flux commerciaux
directs, tels que l’échange d’information entre les négociants, peuvent engen-
drer des ajustements de prix au cours de périodes où l’on n’observe aucun
échange entre deux marchés donnés. Une autre possibilité est que les produc-
teurs situés entre deux marchés ou plus décident du lieu où vendre leur pro-
duit après avoir examiné les prix relatifs sur les marchés voisins. Par
conséquent, les marchés peuvent également être intégrés par le choix du lieu
de livraison des producteurs même s’il n’y a pas de relation commerciale
directe entre ces marchés.
 L’intégration des marchés avec et sans échanges commerciaux directs… 23

1.1 L’apport principal de cet article

Le marché de la tomate au Ghana, qui est l’objet de cette analyse, est caracté-
risé par des changements saisonniers des sources d’approvisionnement, et par
conséquent des changements de la direction des flux commerciaux, des coûts de
transferts et des prix. À un moment donné du temps, les marchés de la tomate
du pays sont presque toujours reliés par la même et unique source d’approvi-
sionnement. Cette source change à chaque saison entre les différentes régions
productrices du pays.
Dans cet article, nous étudions les alternatives aux échanges directs
comme mécanisme d’intégration des marchés en examinant l’évolution spa-
tiale des prix dans les périodes avec et sans échanges entre les marchés de
tomates au Ghana. De plus, nous tenons compte du problème de l’adéquation
de la fréquence des données pour les analyses de la transmission des prix (TP)
en comparant les résultats des estimations sur séries courtes à haute fré-
quence à ceux obtenus à partir de séries longues à basse fréquence. Notre base
de données contient des données primaires uniques sur les prix et les échan-
ges, collectées deux fois par semaine via des enquêtes sur cinq marchés de
tomates ghanéens. En utilisant d’autres données que les seules données de
prix, nous réalisons, selon les termes de Barrett (1996), une analyse de niveau
II. En effet, nous ajoutons à nos informations des données sur les flux d’échan-
ges qui, selon Barrett, permettent d’enrichir notre analyse par rapport aux
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

analyses de niveau I, les plus fréquemment utilisées et uniquement basées sur
les prix.

1.2 Revue de la littérature

Les analyses qui utilisent plus de variables que les prix sont habituellement
réalisées dans le cadre de « Parity Bounds Model » (PBM) (Barrett et Li,
2002 ; Baulch 1997). Cependant, cette classe de modèles présente l’inconvé-
nient de ne pas tenir compte des propriétés des séries temporelles. Nous pro-
posons un modèle vectoriel à correction d’erreur et à changement de régime
(VECM) similaire à celui de Stephens et al. (2008). Contrairement à ces
auteurs, nous ne postulons pas que l’équilibre de long terme varie et nous
nous concentrons sur les régimes de prix et d’échanges plutôt que sur les mar-
ges de prix et les coûts de transaction. Le modèle permet d’estimer les para-
mètres d’ajustement vers l’équilibre de long terme dans chaque régime en
tenant compte des propriétés des séries temporelles. Bien que le modèle pro-
posé soit un modèle à changement de régime, ce n’est pas un VECM à seuils
(TVECM) comme suggéré par Balke et Fomby (1997), Lo et Zivot (2001) ou
 24 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

Hansen et Seo (2002). Néanmoins, il est très proche de cette classe de modèles
non linéaires sur séries temporelles.
Un modèle VECM à changement de régime est utilisé pour analyser les
données des principaux marchés de la tomate au Ghana, afin de comprendre
les réactions des prix, c’est-à-dire leurs mécanismes d’ajustement aux écarts
par rapport à l’équilibre de long terme dans des périodes avec et sans échan-
ges commerciaux. Nous montrons quelle est la nature des ajustements de prix
en l’absence de flux directs entre deux marchés et pouvons ainsi mesurer le
rôle des facteurs autres que le commerce. Nous trouvons des signes d’intégra-
tion des marchés en l’absence de flux commerciaux, ce qui corrobore les résul-
tats de Jensen (2007) et Stephens et al. (2008), et suggère que les échanges
physiques de biens ne sont pas le seul mécanisme jouant un rôle crucial dans
les relations de prix entre marchés. La section 2 détaille la méthodologie et le
modèle utilisé. Dans la section 3, le contexte de l’étude et la base de données
sont présentés. La section 4 commente les résultats des estimations tandis
que la section 5 résume et tire les conclusions de l’article.
Il existe peu d’études empiriques de la réponse des prix sur les marchés
agricoles du Ghana (Alderman, 1993 ; Badiane et Shively, 1998 ; Abdulai,
2000 ; Conforti, 2004 ; et Abdulai, 2006). Certains de ces auteurs ont examiné
la nature de la transmission des prix entre marchés agricoles suite à des chan-
gements de politiques économiques tels que la libéralisation des importations
au Ghana. Leurs résultats révèlent des différences notables dans la transmis-
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

sion des prix entre marchés qu’ils attribuent à des différences dans la qualité
des marchés et des infrastructures de transport, à des coûts variables d’échan-
ges d’information entre acteurs des marchés et au comportement des commer-
çants à la recherche du profit maximum. Ces études se sont principalement
focalisées sur les marchés de céréales et n’ont utilisé que des données de prix.
Nous nous démarquons des études précédentes en nous concentrant sur les
marchés de la tomate 4 et en incorporant dans l’analyse des informations sur
les flux commerciaux, en plus des prix.

2 MÉTHODOLOGIE

Notre objectif étant d’analyser l’intensité de la transmission des prix entre

les principaux marchés producteurs et consommateurs de tomates au Ghana,
nous estimons deux versions du VECM pour les paires de marchés produc-

4 Les tomates sont des denrées périssables qui ne peuvent être stockées. Aussi, leur prix
est principalement déterminé par les flux de produits.
 L’intégration des marchés avec et sans échanges commerciaux directs… 25

tion – consommation qui sont en équilibre à long terme, c’est-à-dire cointé-

grés. Tout d’abord, nous estimons un VECM dans sa spécification linéaire
traditionnelle, que nous détaillons dans la sous-section suivante. Ensuite, nous
présentons des arguments théoriques qui suggèrent que les dynamiques de
prix peuvent être non linéaires. Pour finir, nous proposons un modèle écono-
métrique pertinent pour l’analyse empirique de notre problématique. Il s’agit
d’un modèle VECM non linéaire dont les paramètres varient dans chaque
régime et peuvent être estimés.

2.1 Le modèle VECM linéaire

Premièrement, nous estimons le VECM linéaire suivant pour examiner le lien
entre les paires de marchés de production et de consommation :
k
Δp t = ␣ect t – 1 + ∑ ⌫ i Δp t – i + ε t (1)
i=1
x y x y
Δp t = ( Δp t Δp t )′ est un vecteur des différences premières des prix p t et p t
d’un produit homogène sur les marchés x et y au temps t ; Γ i , i = 1,…,k, sont
des matrices (2 x 2) de coefficients mesurant l’intensité de la réaction des
changements de prix contemporains à leurs changements retardés de i pério-
x y
des, autrement dit les dynamiques de court terme des prix p t = ( p t p t )′ . ε t
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

est un terme d’erreur de type bruit blanc. Le terme de correction d’erreur
x
ect t est l’écart de p t par rapport à sa relation d’équilibre de long terme
x y
p t = β 0 + β 1 p t retardé d’une période. β 0 est interprété comme la marge de
long terme, et β 1 comme l’élasticité de la transmission des prix entre les mar-
chés y et x, les prix étant exprimés en logarithmes. Le terme de correction
d’erreur est appelé ainsi car il décrit les écarts par rapport à la relation de long
terme, ou les ‘erreurs’, qui sont ‘corrigées’ par le processus de transmission
des prix. Les séries étant cointégrées, ils décrivent le retour à l’équilibre de
long terme. Le vecteur mesure l’ampleur de la correction
d’erreur, c’est-à-dire la vitesse d’ajustement des prix aux écarts par rapport à
l’équilibre de long terme ; il est également appelé paramètre de rattrapage ou
d’ajustement.

2.2 Equilibre spatial, Loi du Prix Unique

et « Commodity Points »
L’analyse de la transmission spatiale des prix est basée sur un concept déve-
loppé dans trois théories économiques. Premièrement, Alfred Marshall l’a for-
 26 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

mulé comme la Loi du Prix Unique (LPU) en 1980. L’économiste suédois Eli
Heckscher l’a appelé principe des « commodity points ». Troisièmement, le
modèle d’équilibre spatial de Enke-Samuelson-Takayama-Judge (ESTJ)
(Enke, 1951 ; Samuelson, 1952 ; Takayama et Judge, 1971) relie cette hypo-
thèse concernant le comportement des prix aux échanges commerciaux.
Nous présentons tout d’abord le modèle ESTJ d’équilibre spatial qui cons-
titue le principal sous-bassement théorique de notre recherche. Il en découle
la condition centrale de l’existence d’un équilibre spatial entre deux marchés
x et y :
(2a)
(2b)
x y
Où p t et p t représentent les prix d’un produit homogène sur les marchés x
yx
et y, τ t correspond au coût de commercialisation du produit de y vers x (coûts
yx
de transaction 5), et q t représente les quantités échangées de y vers x au
x
temps t. Par conséquent, s’il n’y a pas d’échange direct (2a), p t peut être égal
y yx
à p t + τ t . 6 Cependant, c’est un cas spécial plutôt improbable, la plupart du
x y yx y xy
temps p t varie librement dans l’intervalle [ p t + τ t , p t – τ t ] . Dans le cas
x
où il y a échange (2b), l’égalité tient strictement et le prix p t est égal à
y yx
p t + τ t à l’équilibre.
L’existence d’un tel intervalle (fréquemment appelé « bande ») a été for-
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

mulée auparavant à la fin du 19e et au début du 20e siècle. Bien que les théo-
ries présentées ci-après ne relient pas les bandes aux flux commerciaux, elles
aboutissent à la même conclusion concernant le comportement des prix à
l’intérieur de la bande définie par les coûts de transaction τ .
Heckscher (1916) suggère l’existence de “commodity points” correspon-
dant aux bornes de l’intervalle défini ci-dessus qui délimitent une bande
d’inaction à l’intérieur de laquelle les différentiels de prix peuvent fluctuer
avant que l’arbitrage n’opère (voir Obstfeld and Taylor, 1997 et leurs référen-
ces pour plus de détails).
De façon similaire, A. Marshall définit ainsi la LPU dans son ouvrage célè-
bre de 1890 : « ... plus un marché est proche de la perfection, plus les prix d’un
même bien, à un même moment du temps, et sur l’ensemble des points du
marché ont tendance à s’égaliser » (cité dans Fackler et Goodwin, 2001). Des

5 Pour une présentation détaillée des coûts de transaction et de leurs composantes, voir
par exemple Barrett (2001).
6 Cela correspond au cas d’une rente d’arbitrage nulle comme détaillé par exemple dans
Barrett et Li (2002).
 L’intégration des marchés avec et sans échanges commerciaux directs… 27

articles plus récents, tels que O’Connell et Wei (2002) ou Lo et Zivot (2001) et
les références citées, montrent, à partir de la LPU et de l’existence de coûts de
transaction cachés, que l’arbitrage n’est profitable qu’en dehors de la bande
que forment les coûts de transaction autour des prix d’un bien dans deux mar-
chés. Ainsi, l’écart de prix entre deux marchés tend vers les bornes extérieu-
res de l’intervalle seulement lorsqu’il est en dehors de la bande, suivant un
processus de retour à la moyenne pour reprendre leur terminologie. Ils
arguent également que l’écart de prix se déplace librement à l’intérieur de la
bande sans suivre aucune tendance de long terme.

2.3 Le VECM à changement de régimes

Toutes les théories mentionnées précédemment intègrent l’hypothèse d’une
dynamique des prix non linéaire et, plus important encore, que les prix fluc-
y xy y yx
tuent librement à l’intérieur de la bande [ p t + τ t , p t – τ t ] définie par les
coûts de transaction. Selon cette hypothèse, les prix ne suivent pas un proces-
sus à correction d’erreur à l’intérieur de la bande. Le modèle ESTJ implique
qu’un mécanisme de correction d’erreur n’existe que si des échanges directs
entre les deux marchés ont lieu. Les chocs aléatoires transitoires, mesurés par
le terme ect, sont corrigés par au moins un des prix.
Partant du modèle ESTJ, nous développons un modèle VECM à change-
ment de régimes qui permet d’éclairer notre problématique. Nous distinguons
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

deux régimes, un régime avec commerce et un régime sans commerce, et nous
estimons une version avec changement de régime du VECM de l’équation (1).
Puisque notre base de données primaires comprend des informations sur les
xy xy
flux commerciaux, nous construisons une variable indicatrice I t = I ( q t > 0 )
xy
via la fonction indicatrice I ( • ) qui vaut 1 si la quantité échangée q t entre
deux marchés x et y au temps t est supérieure à zéro, et vaut 0 sinon. Autre-
ment dit, cette variable permet de séparer le terme de correction d’erreur en
Trade xy noTrade xy
deux régimes : ect t – 1 = ect t – 1 I t – 1 et ect t – 1 = ect t – 1 ( 1 – I t – 1 ) . Il ne
paraît pas pertinent dans notre analyse de supposer un VECM à changement
de régime dans lequel l’équilibre de long terme changerait avec les dynami-
ques de court terme puisque les flux commerciaux sont unidirectionnels, des
producteurs vers les marchés de consommation ; en effet, il n’y a pas de ren-
versement des flux commerciaux entre les paires de marchés considérées. 7 En

7 Comme souligné plus haut, les modes de production, d’offre et de demande de tomates
au Ghana sont à l’origine de flux de marchandises essentiellement irréversibles et uni-
directionnels des marchés de production nette vers les marchés de consommation nette
situés dans des régions densément peuplées. De plus, un test récursif de la stabilité de la
relation de cointégration pour chaque paire de marchés, a été réalisé (appelé « test max de
 28 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

effet, contrairement à Stephens et al. (2008), nous supposons une relation

d’équilibre de long terme stable et estimons le modèle suivant :

(3a)

Cependant, nous considérons également une spécification alternative où

tous les paramètres sont autorisés à changer :

(3b)

Nous estimons ces différentes spécifications VECM en suivant la méthode

en deux étapes d’Engle-Granger pour mettre en évidence un ajustement des
prix dans le régime sans commerce et comparer les résultats. En particulier,
nous voulons savoir si les paramètres sont significatifs, c’est-à-dire si
un ajustement significatif des prix a lieu en l’absence d’échange direct. De
plus, nous regardons dans quelle mesure les paramètres d’ajustement esti-
més diffèrent entre les régimes avec ou sans commerce direct du modèle (3a),
c’est-à-dire si le VECM à changement de régime (3a) donne une représenta-
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

tion significativement meilleure des données que le modèle linéaire (1). Pour
répondre au problème de la fréquence des données, nous estimons la relation
d’équilibre de long terme entre les paires de marchés en utilisant à la fois des
données primaires à fréquence élevée et des données secondaires à fréquence
basse, et comparons en particulier les résultats des estimations des élasticités
de transmission des prix.

3 CADRE DE L’ÉTUDE ET BASES DE DONNÉES

3.1 Les marchés de la tomate au Ghana

Cette sous-section détaille les caractéristiques des marchés ghanéens de la
tomate qui ont été étudiés dans le cadre d’une enquête réalisée couvrant deux

la constante beta », voir par exemple, Juselius, 2008, pp. 159). Il ne permet pas d’étayer
l’hypothèse d’un équilibre de long terme non constant pour aucune des paires de mar-
chés du Tableau 7 ou du Tableau 9. Les résultats détaillés peuvent être obtenus auprès
des auteurs.
 L’intégration des marchés avec et sans échanges commerciaux directs… 29

années et les marchés principaux. L’objectif ici est de présenter le contexte de

l’étude, suivant en cela Fackler and Goodwin (2001), pour qui une bonne con-
naissance de l’environnement du marché étudié est nécessaire afin de donner
une interprétation pertinente des résultats des analyses empiriques de trans-
mission des prix.
La production intérieure de tomates au Ghana est principalement desti-
née à satisfaire la demande interne. En raison du caractère périssable du
produit, le commerce sur longues distances est nécessairement limité. Par
conséquent, seules de faibles quantités sont exportées vers la Côte d’Ivoire et
le Togo. Une faible quantité de tomates fraîches importées du Burkina-Faso
entre dans le pays, sur une courte période de 3 à 6 semaines aux alentours du
mois de mai chaque année, ne jouant ainsi qu’un rôle mineur. Toutefois, la
FAO (2006) mentionne que le principal produit importé est la purée de toma-
tes provenant d’Europe plutôt que les tomates fraîches des pays voisins. Bien
que ces tomates transformées aient certainement un impact sur le marché
local de la tomate fraîche, nous nous concentrons sur l’analyse de la dispersion
géographique des prix du produit frais. 8 Ainsi, les décisions de production des
producteurs de tomates sont essentiellement influencées par la dynamique
des prix sur le marché local.
Il existe au Ghana deux principales régions productrices de tomates selon
la saison. 9 La plus importante source d’approvisionnement entre décembre et
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

mai est la « Upper East Region » avec Navrongo la principale zone de produc-
tion excédentaire (voir Figure 4 en annexe). Entre juin et novembre, la source
d’approvisionnement en tomates se déplace vers la région de Brong-Ahafo
dans le centre-ouest du pays, où Techiman est le plus grand marché de produc-
tion. Quelle que soit la période, tous les marchés de la tomate ghanéens sont
approvisionnés et sont donc reliés indirectement à un des deux marchés de
production. L’existence de variations saisonnières dans la production de toma-
tes implique aussi que chacun des marchés de production peut être approvi-
sionné par l’autre durant la saison morte. Cette situation n’est cependant pas
courante puisque chacun de ces marchés maintient un certain niveau de pro-
duction de subsistance tout au long de l’année. Nous nous concentrons sur les
relations de prix entre les marchés de production et les trois principales zones
de consommation nette (marchés de consommation) qui sont les plus grandes
villes du Ghana, Accra, Kumasi et Tamale, situées dans le Sud et le Centre du

8 Evaluer l’impact des importations de tomates transformées nécessiterait une analyse

de la transmission verticale des prix qui va au-delà de l’objet de cet article.
9 Puisque ce sont des régions productrices nettes, elles sont appelées marchés de produc-
tion.
 30 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

pays. Les tomates sont vendues quotidiennement ou deux ou trois fois par
semaine, bord champ ou sur des marchés locaux dans les régions productrices
et dans des lieux spécifiques dans les zones de consommation. Puisqu’elles
sont échangées en grande quantité, périssables et que leur production est sai-
sonnière, près de 80 % des variations de prix sont communes. Les producteurs
cherchent à minimiser le risque de revenu en créant des associations de pro-
ducteurs de tomates qui négocient les prix avec les commerçants. Malgré ces
efforts, les producteurs du Ghana n’ont qu’un très faible pouvoir de négocia-
tion en raison du caractère périssable de leur produit. Tout retard dans la
commercialisation peut entraîner une perte totale des récoltes en raison de la
détérioration du produit. Par conséquent, les prix de vente de la tomate bord
champ peuvent temporairement chuter à des niveaux très bas, qui ne cou-
vrent pas les coûts de production. Des associations très actives de commer-
çants de tomates existent également sur les marchés de consommation
d’Accra et de Kumasi. Elles négocient les prix des tomates bord champ et sur
les marchés de consommation pour garantir des marges plus élevées aux com-
merçants. Elles utilisent leur pouvoir de marché et des barrières informelles
pour éviter l’entrée de nouveaux commerçants sur les marchés. Les marchés
ne sont donc pas concurrentiels, les producteurs de tomates, en raison d’un
manque d’acheteurs, reçoivent des prix faibles et les consommateurs, en rai-
son d’un faible nombre de vendeurs, payent des prix relativement élevés.
Par conséquent, seul un petit nombre de commerçants opèrent sur le
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

marché ghanéen de la tomate. Ils peuvent être classés en trois catégories prin-
cipales : les grossistes itinérants qui représentent environ 10 % de tous les
commerçants de tomates, les détaillants qui comptent pour 80 % et un faible
nombre de démarcheurs ou d’intermédiaires qui relient les grossistes aux pro-
ducteurs. Les grossistes, connus au Ghana comme les rois du marché, pren-
nent en charge l’achat et le transport des produits depuis la ferme jusqu’aux
zones de consommation. Les détaillants achètent les tomates auprès des gros-
sistes et les revendent aux ménages consommateurs ou aux restaurants tandis
que les intermédiaires commissionnés jouent un rôle important en reliant les
producteurs aux grossistes en saison haute et basse.
Dans les dix années passées, l’introduction de la téléphonie mobile a per-
mis d’améliorer l’accès des producteurs et des commerçants à l’information
sur les marchés. Néanmoins, les infrastructures sont un facteur limitant le
commerce des tomates. La mauvaise qualité des routes est particulièrement
problématique pour les commerçants ghanéens qui achètent les produits à la
ferme et les transportent des zones excédentaires vers les zones déficitaires.
Le transport peut devenir encore plus problématique dans les zones reculées
 L’intégration des marchés avec et sans échanges commerciaux directs… 31

ou durant la saison des pluies car les commerçants sont tributaires des routes
de desserte locale plutôt que des routes nationales.

3.2 La base de données

Nous utilisons une base de données primaires à fréquence élevée couvrant sur
18 mois près de trois saisons de production de tomates au Ghana et une base
de données secondaires à fréquence faible couvrant 16 années. La base de don-
nées principale de notre analyse contient des données primaires sur les prix
de gros, les flux commerciaux et des informations sur les marchés de la tomate
fraîche au Ghana (Tableau 1 et Figure 1). 10
Les données ont été obtenues à partir d’enquêtes bi-hebdomadaires et d’étu-
des de marchés indépendantes, administrées continuellement sur la période qui
va de mi-mars 2007 à fin juin 2008, sur cinq marchés ghanéens majeurs de la
tomate (Accra, Kumasi, Navrongo, Tamale et Techiman).

Tableau 1 : Statistiques descriptives des données primaires de prix (110¢GH /Kg/cageot)

Navrongo Tamale Techiman Kumasi Accra

Nombre obs. 162 162 162 162 162
Min 10 12 6 8 7
Max 90 90 70 95 120
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Moyenne 34.74 33.67 32.37 39.61 55.48
Écart-type 16.92 15.14 16.04 20.20 23.76
Source : Calculs des auteurs.

Le Tableau 2 donne le nombre de périodes durant lesquelles il y a échange

entre les marchés de production, Techiman et Navrongo, et leurs marchés res-
pectifs de destination. 11 En termes à la fois de fréquence et de volumes échan-
gés, Techiman apparaît comme étant le marché de production de tomates le
plus important du Ghana.

10 Ces données ne sont pas déflatées pour deux raisons. L’économie ghanéenne a été plu-
tôt stable pendant la période considérée avec un taux d’inflation raisonnable d’environ
10% par an. De plus, les indices de prix à la consommation ne sont disponibles qu’à une
fréquence mensuelle et ne sont donc pas adaptés pour déflater des données bi-hebdo-
madaires.
11 Les données de prix de gros des tomates fraîches importées du Burkina-Faso n’étaient
pas disponibles. Nous supposons que pour ces quelques périodes le prix est celui du prix
de vente en gros de Navrongo qui est situé à la frontière avec le Burkina-Faso. Il incor-
pore donc la plus grande partie de la distance parcourue par le produit et il est sujet à
des coûts similaires pour la commercialisation des produits importés.
 32 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

Tableau 2 : Fréquence absolue des échanges inter-marchés de tomates

Vers Vers
Vers Tamale Vers Kumasi Vers Accra
Navrongo Techiman
De Techiman 71 92 103 103 92
De Navrongo 91 70 59 60 70
Total 162 162 162 162 162
Source : Calculs des auteurs.

Les données secondaires comprennent les prix mensuels de vente en gros

des tomates sur cinq marchés et ont été collectées par le Ministère Ghanéen de
l’Alimentation et de l’Agriculture entre janvier 1992 et juillet 2008 (Tableau 3
et Figure 2). Elles sont déflatées par l’indice des prix à la consommation des
produits alimentaires fourni par les services statistiques ghanéens.

Tableau 3 : Statistiques descriptives des séries de prix secondaires (110¢GH /Kg/cageot)

Navrongo Tamale Techiman Kumasi Accra

Nombre obs. 196 196 196 196 86
Min 5.29 6.48 3.15 2.65 12.20
Max 71.88 81.46 70.61 77.33 140.22
Moyenne 21.37 24.11 15.49 17.52 41.04
Écart-type 10.57 13.91 9.52 11.06 19.14
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Source : Calculs des auteurs.

Ces données de fréquence élevée sont utilisées pour analyser la dynamique

des prix car elles doivent permettre de mesurer plus précisément la vitesse
d’ajustement des prix, surtout dans les études comme celle-ci, où les prix de
marchés sont hautement volatils en raison des changements dans les sources
d’approvisionnement des marchés ou de l’alternance des périodes d’abondance
et de pénurie. Les données de prix à basse fréquence captent généralement
mal la dynamique des prix en raison de l’importance de l’intervalle de temps
entre deux observations (Choi, 1992 ; Choi et Chung, 1995 ; Lutz et al., 1994).
Toutefois, les données à fréquence élevée collectées pour cette étude ne
sont disponibles que pour une courte période. Bien qu’elles puissent permettre
d’obtenir des informations sur le mécanisme d’ajustement des prix, l’estima-
tion des relations de long terme (cointégration) entre les prix peut être biaisée
si la période pendant laquelle les données ont été collectées n’est pas représen-
tative. Si cela est avéré, les données secondaires, qui couvrent plus d’une
décennie, devraient produire des estimations plus fiables de cette relation de
long terme. De ce fait, notre analyse pourra dépasser les limites rencontrées
 L’intégration des marchés avec et sans échanges commerciaux directs… 33

par de nombreuses études antérieures et apporter un nouvel éclairage sur la

question de la bonne fréquence des données dans les analyses de transmission
de prix (voir sur ce sujet, par exemple, von Cramon-Taubadel et al. 2006).

Figure 1 : Données primaires des prix des tomates (¢ GH courant)

Source : Enquête des auteurs.

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Figure 2 : Données secondaires des prix des tomates (¢GH, base mars 2007)

Source : Ministère de l’Alimentation et de l’Agriculture du Ghana et représen-

tation des auteurs.
 34 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

4 RÉSULTATS

Nous testons tout d’abord la présence d’une racine unitaire dans chaque série
de données primaires, puis nous testons l’existence d’une relation de cointé-
gration entre les prix de chaque paire de marchés. Dans la mesure où les don-
nées primaires ne semblent pas présenter de tendance (figure 1), nous
utilisons un test de Dickey-Fuller Augmenté (ADF) sans tendance.

Tableau 4 : Résultats des tests ADF de racine unitaire pour les données primaires ª

Statistiques de Test Statistiques de Test

Series
Niveauxb Différences Premièresb
Nav -2.602* -13.136***
Tam -2.386 -12.186***
Tec -2.141 -14.527***
Kum -1.966 -11.420***
Acc -2.740* -13.039***
Source : Calculs des auteurs.
a Nous utilisons dans ce tableau et les suivants les abréviations qui suivent
pour les séries de prix : Nav (Navrongo), Tam (Tamale), Tec (Techiman), Kum
(Kumasi) et Acc (Accra).
b Une, deux et trois astérisques représentent la significativité aux niveaux, res-
pectivement, de 10 %, 5 % et 1 %, dans tous les tableaux. Les valeurs critiques
à 10 %, 5 % et 1 % sont pour les versions en niveau avec dérive (les versions en
différence sont sans dérive) -2.57, -2.86, et -3.43 (-1.62, -1.94, et -2.56), respec-
tivement.
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Le Tableau 4 suggère que chacune des séries possède une racine unitaire,
c’est-à-dire est intégrée à l’ordre 1. Nous utilisons le test de la trace de Johan-
sen pour tester la cointégration entre les paires de marchés (Tableau 5).

Tableau 5 : Résultats des tests de cointégration pour les données primaires

Paires de Marchés Statistique de Testa p-value

Nav-Tam 18.66* 0.0812
Nav-Tec 16.16 0.1696
Nav-Kum 22.91** 0.0193
Nav-Acc 21.82** 0.0284
Tec-Nav 16.16 0.1696
Tec-Tam 21.82** 0.0284
Tec-Kum 32.67*** 0.0004
Tec-Acc 31.64*** 0.0006
Source : Calculs des auteurs.
a Le critère de Hannan-Quinn a été utilisé pour déterminer la longueur du retard
car il ne surestime pas asymptotiquement le nombre de retards au contraire du
critère d’information d’Akaike, comme précisé dans Lütkepohl et Krätzig (2004,
p. 111).
 L’intégration des marchés avec et sans échanges commerciaux directs… 35

L’hypothèse nulle d’absence de cointégration est rejetée dans la plupart

des cas au seuil de significativité de 5 %. Les preuves d’une relation d’équili-
bre de long terme entre Navrongo et Tamale sont plus faibles que pour la plu-
part des autres paires, cependant une relation de cointégration significative
est trouvée au seuil de 10 %. Une relation d’équilibre de long terme semble ne
pas exister uniquement entre les deux marchés de production, Navrongo et
Techiman. Ce résultat n’est pas surprenant puisque, selon la théorie économi-
que, l’on peut s’attendre à l’existence de deux équilibres de long terme, un
pour chaque direction saisonnière des échanges entre les deux marchés de
production. Nous poursuivons notre analyse en ne conservant que les six pai-
res de marchés pour lesquelles une relation d’équilibre de long terme signifi-
cative a été trouvée.
Ensuite, nous comparons les coefficients de la relation de long terme
estimés à partir des données primaires à ceux estimés à
partir des données secondaires. Le Tableau 6 donne les estimations des marges
à l’équilibre de long terme β̂ 0 et les élasticités de transmission des prix, β̂1 .

Tableau 6 : Relations de long terme estimées

Données Primaires Données Secondaires

(fréquence bi-hebdomadaire) (fréquence mensuelle)
Paires de Marchés β̂ 0 β̂1 β̂ 0 β̂1
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Nav-Tam 1.06 0.69 1.08 0.61
Nav-Kum 2.08 0.38 1.94 0.38
Nav-Acc 2.63 0.20 2.05 0.30
Tec-Tam 0.49 0.83 0.25 0.77
Tec-Kum 0.56 0.78 1.02 0.58
Tec-Acc 0.79 0.65 0.37 0.67
Source : Calculs des auteurs.

Le Tableau 6 montre que la valeur des élasticités de transmission des prix

estimées à partir des données primaires bi-hebdomadaires est quasiment iden-
tique à celle obtenue à partir des données secondaires mensuelles. 12 Ceci signi-
fie que les relations d’équilibre de long terme peuvent être estimées à partir
des données primaires, malgré leur horizon temporel court (environ 18 mois
d’observations). Par conséquent, il n’est pas nécessaire de remplacer l’équili-
bre de long terme estimé grâce aux données primaires. Nous continuons donc
en estimant le VECM avec ces données primaires seules, par la méthode en

12 Les prix de chaque paire de marchés et les relations estimées de long terme sont repré-
sentés dans la Figure 5 en annexe.
 36 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

deux étapes d’Engle-Granger. Le nombre optimal de retards du VECM est

sélectionné à partir du critère de Schwartz. 13 Les résultats des estimations par
paires de marchés du VECM linéaire (1) sont présentés dans le Tableau 7.

Tableau 7 : Estimations des paramètres d’ajustement du VECM linéaire (1)a

Paires de Retard Distance

Marchés
No αˆ x Demi-vieb αˆ y Demi-vie
Optimal (k) (km)
Nav-Tam 1 -0.110*** 6.0 -0.002 - 5 190
Nav-Kum 2 -0.107*** 6.2 -0.084** 7.9 2 730
Nav-Acc 3 -0.078*** 8.6 -0.055 - 1 840
Tec-Tam 4 -0.093** 7.1 0.106*** 6.2 4 270
Tec-Kum 5 -0.170*** 3.7 -0.042 - 3 270
Tec-Acc 6 -0.108** 6.0 0.008 - 5 380

Source: Calculs des auteurs.

a L’indice x représente le premier marché de chaque paire, c’est-à-dire l’un des
deux marchés producteurs et y le second marché de la paire.
b L’indicateur demi-vie mesure le nombre de périodes nécessaire pour corriger
50 % d’un choc. Les valeurs des demi-vies ne sont calculées que si les paramètres
de correction d’erreur sont significatifs au seuil de 10 % (voir aussi Figure 3).

Les résultats révèlent un schéma intéressant. Dans chacun des cas, le para-
mètre du terme de correction d’erreur pour les marchés de production (c’est-à-
dire Techiman ou Navrongo) est fortement significatif et toujours du signe
attendu. Le second marché de chaque paire est faiblement exogène dans deux
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

tiers des cas. Pour les marchés de production, le paramètre de correction
d’erreur varie entre -0,170 et -0,078 ce qui représente une demi-vie d’environ
3,7 à 8,6 périodes. Ainsi, les marchés de production corrigent les chocs à une
vitesse élevée avec des demi-vies inférieures à 4 semaines dans la plupart des
cas.14 Les demi-vies des trois paires de marchés comprenant Navrongo sont en
moyenne de 3,5 semaines et de 2,8 semaines pour les trois paires de marchés
impliquant Techiman (voir Figure 3 plus bas). Ce résultat apparaît cohérent
avec la structure spatiale des marchés (voir Figure 4 en annexe). En effet,
Navrongo est situé à l’extrême Nord du pays avec une distance moyenne aux
marchés de consommation de 590 km, alors que Techiman est situé dans le Cen-
tre et n’est éloigné des marchés de consommation que de 310 km15 en moyenne.

13 Le Critère d’Information d’Akaike n’a pas été utilisé car il surestime de façon asymp-
totique l’ordre du retard, comme précisé dans Lütkepohl et Krätzig (2004, p. 111).
14 Les demi-vies en semaines correspondent à 50% des demi-vies estimées avec les don-
nées bi-hebdomadaires disponibles.
15 Rien ne montre, pour aucun des marchés producteurs, que le terme de correction dimi-
nue avec la distance entre deux. Cependant, en raison du faible nombre d’observations
(six) dans la régression correspondante, ces résultats ne sont pas fiables.
 L’intégration des marchés avec et sans échanges commerciaux directs… 37

Quant aux marchés de consommation, le terme de correction d’erreur

n’est significatif que pour les paires 2 et 4 seulement, l’un d’entre eux étant
du mauvais signe. Seule la région de Tamale présente un terme de correc-
tion d’erreur avec un coefficient significatif, du bon signe et d’un niveau
élevé. Ce coefficient est même légèrement plus élevé que la vitesse de correc-
tion d’erreur de son marché partenaire, Techiman, et a une demi-vie de seule-
ment trois semaines. Ce résultat est plausible puisque Tamale, bien qu’étant
un important marché de consommation, est moins peuplé que les deux plus
grandes villes du Ghana, Accra et Kumasi. Aussi, la taille de son marché est
relativement petite comparée au marché de Techiman et ses prix peuvent
donc être plus réactifs. Ces résultats indiquent qu’un choc exogène sur
l’équilibre de long terme est corrigé plus rapidement entre Techiman et
Tamale car les deux marchés s’ajustent rapidement et de façon significative.
Dans les autres cas, c’est surtout le marché de production qui s’ajuste vers
l’équilibre. Cette observation est compréhensible car l’on s’attend à ce que
les grands marchés de consommation, Accra et Kumasi, soient faiblement
exogènes, autrement dit à ce qu’ils « fassent » les prix de la tomate dans le
pays.
La distinction entre les périodes avec commerce et celles sans commerce
fait apparaître d’autres détails intéressants. Premièrement, nous identifions
la spécification du modèle à changement de régime la plus adaptée aux don-
nées. Nous utilisons le test de Wald (Tableau 8) pour tester les modèles à
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

changement de régime (3a) et (3b) contre le modèle linéaire (1), et l’un contre
l’autre. 16
Les résultats montrent que le modèle à changement de régime (b), dans
lequel tous les paramètres sont autorisés à changer, fournit la meilleure des-
cription des données, à un niveau de significativité de 10 %, pour trois des six
paires de marchés. Toutefois nous estimons ce modèle non seulement pour les
paires 2, 5 et 6, mais aussi pour toutes les autres paires.
Les résultats du modèle (3b) sont présentés dans le Tableau 9. Le signe et la
significativité des coefficients estimés pour le régime avec commerce semblent
très proches des résultats du VECM linéaire du Tableau 7, qui ne différenciait
pas les périodes avec ou sans commerce. Cependant, la taille des coefficients dif-
fère quelque peu pour certaines paires. Le prix sur le marché de Navrongo réagit

16 Les hypothèses nulles respectives impliquent que les paramètres de la spécification

générale du modèle à changement de régime ne diffèrent pas d’un régime à l’autre, par
exemple α Trade = α no Trade .
 38 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

Tableau 8 : “P-values” du test de Wald

H0 : (1) VS. H1 : (3a) H0 : (1) VS. H1 : (3b) H0 : (3A) VS. H1 : (3b)

Paire de
No
marché
Marché x Marché y Marché x Marché y Marché x Marché y
Nav-Tam 1 0.724 0.472 0.143 0.859 0.110 0.847
Nav-Kum 2 0.071* 0.821 0.173 0.021** 0.360 0.011**
Nav-Acc 3 0.124 0.676 0.484 0.867 0.965 0.761
Tec-Tam 4 0.046** 0.139 0.298 0.322 0.588 0.430
Tec-Kum 5 0.119 0.966 0.396 0.054* 0.571 0.033**
Tec-Acc 6 0.158 0.883 0.073* 0.247 0.095* 0.192
Source : Calculs des auteurs.

approximativement à la même vitesse en période de commerce que dans le

modèle (1) ou ne présente pas de mécanisme de correction d’erreur. La valeur,
significative, de la demi-vie de Navrongo atteint environ 3,5 semaines dans les
deux modèles (voir Figure 3 plus bas).
Cependant, Techiman réagit un peu plus rapidement en période de com-
merce que ce que laisse suggérer le modèle (1). La vitesse de correction
d’erreur double dans certains cas et la demi-vie moyenne baisse de 2,8 à 1,7
semaines. Ces résultats vont dans le même sens que ceux du VECM linéaire.
Les écarts par rapport à l’équilibre de long terme sont corrigés beaucoup plus
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

rapidement par le prix sur le marché de Techiman qui est un marché de pro-
duction situé au centre du pays, proche des régions du Sud les plus densément
peuplées (Figure 4 dans l’annexe). De plus, il représente la plus importante
région de production du Ghana, qui produit des tomates plus de la moitié de
l’année. En raison de sa proximité avec les principaux marchés de consomma-
tion et de son rôle dominant dans la production, on peut penser que les com-
merçants ont développé un réseau commercial bien structuré et dense leur
permettant de réagir rapidement aux signaux de prix.
Les prix sur les marchés de consommation, Tamale et Kumasi, présentent
également un terme de correction d’erreur significatif pour le régime avec
commerce. La réaction est, particulièrement pour Tamale, beaucoup plus
forte que ce que suggère le modèle (1) qui donne des estimations moyennes
puisqu’il ne discrimine pas entre périodes avec et sans échanges commerciaux.
Dans le régime où aucun flux commercial n’est observé, des termes de cor-
rection d’erreur significatifs sont trouvés pour les paires 2, 3 et 6. Les mar-
chés de production seulement répondent significativement même en l’absence
de commerce direct.
 L’intégration des marchés avec et sans échanges commerciaux directs… 39

Tableau 9 : Paramètres d’ajustement estimés du VECM à changement de régime (3b)a

Régime avec commerce Régime sans commerce

Paire de
No Demi- Demi- Demi- Demi-
marché
αˆ Trade b αˆ Trade
y αˆ xnoTrade αˆ ynoTrade
x vie c vie vie vie
Nav-Tam 1 -0.108** 6.0 -0.031 - -0.081 - 0.063 -
Nav-Kum 2 -0.085** 7.8 -0.098** 6.7 -0.172*** 3.7 -0.080 -
Nav-Acc 3 -0.053 - -0.059 - -0.147*** 4.4 -0.035 -
Tec-Tam 4 -0.165** 3.8 0.232*** 2.6 -0.053 - 0.055 -
Tec-Kum 5 -0.207*** 3.0 -0.012 - -0.105 - -0.103 -
Tec-Acc 6 -0.134 - 0.077 - -0.088* 7.5 -0.032 -

Source : Calculs des auteurs.

a Dans le régime avec commerce, les flux commerciaux vont uniquement du mar-
ché x vers le marché y, ainsi x est la source et y le marché de destination. Le nombre
d’observations pour chaque régime peut être lu dans le Tableau 2. Par exemple, 70
observations pour la paire 1 tombent sous le régime avec échanges commerciaux
et 162-70=92 observations concernent le régime sans échanges commerciaux.
b La même longueur de retard que dans le modèle linéaire est utilisée (Tableau 7).
c Les demi-vies sont calculées uniquement si les paramètres d’ajustement sont
significatifs au seuil de 10 % (Figure 3).

Techiman corrige les écarts par rapport à l’équilibre de long terme avec
Accra, et Navrongo montre un ajustement significatif dans ses relations avec
Accra et Kumasi avec une demi-vie moyenne d’environ deux semaines. Bien que
les valeurs estimées pour Navrongo dans le régime sans commerce soient plus
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

élevées que dans le régime avec commerce, elles ne sont pas significativement
différentes de celles du régime avec commerce, au seuil de 10 %. 17
Il est donc montré que les prix à Navrongo et Techiman corrigent leurs
écarts par rapport à l’équilibre de long terme avec les marchés de Kumasi et
Accra, même en l’absence de flux commerciaux, ce qui confirme les conclusions
de Stephens et al. (2008).
Comme mentionné dans le dernier paragraphe de la section 3.1, la télé-
phonie mobile a eu un énorme impact sur l’activité économique au Ghana et
dans toute l’Afrique subsaharienne. 18 Chacun des cinq marchés étudiés est

17 Nous testons ceci à l’aide d’une version du modèle (3b) incluant une variable muette
qui mesure l’écart des coefficients alpha entre les régimes avec et sans commerce. Le
seul coefficient alpha à être significativement différent entre les deux régimes est celui
de Tamale dans la paire 4 avec une « p-value » de 0,036 selon le test du t de Student
appliqué sur la variable muette.
18 L’importance du rôle joué par ces technologies ces dernières années dans les économies
des pays d’Afrique subsaharienne a été soulignée, par exemple, dans le magazine The
Economist (2009).
 40 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

un centre d’affaires national, ou au moins régional, aussi la couverture et la

disponibilité de technologies telles que la téléphonie mobile et internet y sont
très élevées. Concernant le commerce de la tomate, on peut s’attendre à ce
que l’échange d’informations entre les marchés soit rapide puisqu’il est basé
sur un réseau bien établi de commerçants.
Nous supposons donc que les technologies de la télécommunication sont
devenues un élément majeur influençant le commerce agricole. Il semble rai-
sonnable, comme suggéré par les résultats du modèle (3b), que ce soient les prix
sur les marchés de production qui réagissent aux déséquilibres de prix, même
en l’absence d’échanges commerciaux ; c’est dire que les prix à Navrongo et
Techiman sont influencés par ceux d’Accra et / ou de Kumasi même en l'absence
de commerce direct. Un mécanisme explicatif possible peut être que les grossis-
tes sur les deux marchés de production déterminent le prix local durant la sai-
son basse d’après les prix payés à Accra et à Kumasi, qui peuvent facilement
leur être communiqués avec les nouvelles technologies de télécommunication.

Figure 3 : Estimation des Demi-Vies (en semaine)a

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

e
Source : Calculs des auteurs.
a Les lignes en pointillés fins et gras correspondent aux demi-vies moyennes de
Navrongo et de Techiman, respectivement.
 L’intégration des marchés avec et sans échanges commerciaux directs… 41

5 CONCLUSION
L’objectif de cette étude est de déterminer si des facteurs autres que les échan-
ges commerciaux directs peuvent être à l’origine d’une transmission spatiale des
prix entre des marchés distants. À cette fin, un VECM à changement de régime
est proposé, permettant d’estimer les paramètres de correction d’erreur spécifi-
ques à chacun des régimes, avec et sans échanges commerciaux. Les résultats
diffèrent de ceux obtenus avec un VECM linéaire puisque ce dernier impose au
paramètre de correction d’erreur d’être constant qu’il y ait échange ou non.
Les résultats du modèle linéaire indiquent que l’intégration des marchés de
la tomate au Ghana résulte essentiellement de la réaction des prix des deux
principaux marchés de production, Navrongo et Techiman, alors que les grands
marchés de consommation dans le sud du pays ne réagissent pas aux déséquili-
bres de prix. Dans l’ensemble, la transmission des prix sur les marchés de la
tomate au Ghana semble rapide, avec une correction des déséquilibres qui ne
prend que quelques semaines.
Les résultats généraux du modèle linéaire sont confirmés par le VECM à
changement de régime. On trouve des réactions significatives des prix aux
déséquilibres dans les deux régimes, c’est-à-dire avec et sans échanges com-
merciaux. En l’absence d’échanges, ce sont seulement les prix sur les marchés
de production de Navrongo et de Techiman qui réagissent. Contrairement à la
littérature qui suggère que l’existence d’échanges directs entre marchés est la
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

condition nécessaire pour la transmission des prix et l’intégration des marchés,
nous trouvons que la transmission des prix a lieu à la fois durant les périodes
avec et sans échanges. Ces résultats concordent avec la littérature récente sur
le rôle de l’information dans le commerce, principalement par le canal des nou-
velles technologies de l’information et de la communication (NTIC), voir par
exemple Jensen (2007) ou Stephens et al. (2008).
Cette analyse pourrait fournir des résultats encore plus robustes si un
nombre plus élevé d’observations, au minimum égal à 100, était disponible
pour chaque régime. De plus, il peut y avoir des erreurs de mesure sur les prix.
Des informations détaillées sur la nature et l’évolution des coûts de transac-
tion pourraient améliorer l’analyse. Dans la mesure où les données couvrent
seulement 18 mois, l’information sur l’évolution saisonnière des prix est limi-
tée et ne peut donc pas être bien prise en compte par l’analyse. Un autre point
à souligner est l’influence possible de facteurs communs tels que l’inflation ;
en effet, la fréquence habituelle de l’indice des prix à la consommation (IPC)
ne correspond pas à la fréquence bi-hebdomadaire de nos prix. Toutefois, nous
 42 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

pensons que l’approche choisie peut se justifier, en raison de la courte durée

de la période d’analyse (1,5 année) et du taux modéré d’inflation.
Nos résultats incitent à poursuivre les recherches sur l’impact des nouvel-
les technologies sur la demande, l’offre et le système commercial dans les pays
en développement. Les effets indirects sur les fluctuations de prix et le bien-
être des acteurs du marché, ainsi que les répercussions positives potentielles
de l’utilisation des technologies sur l’amélioration de la structure des mar-
chés, sont d’un grand intérêt pratique mais vont au-delà de l’objectif de cet
article. L’identification empirique de facteurs autres que les télécommunica-
tions, pouvant engendrer des réactions des prix en l’absence de commerce
direct, est un champ de recherche intéressant qui reste également à explorer.
Ces analyses devraient être accompagnées d’études visant à expliquer pour-
quoi de tels facteurs jouent un rôle plus important sur certains marchés que
sur d’autres. Des données sur les coûts de transaction entre paires de mar-
chés, pourraient permettre d’éclairer ces problématiques. L’estimation de
modèles d’ajustement avec seuils, sur l’ensemble de l’échantillon ou séparé-
ment pour chaque régime, avec et sans commerce, pourrait aussi être très ins-
tructive. Des recherches plus poussées dans cette thématique sont nécessaires
pour améliorer la compréhension du processus de transmission des prix dans
les pays en développement, et conduire à des recommandations de politiques
plus nuancées afin d’améliorer l’intégration des marchés et au-delà, la sécu-
rité alimentaire.
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

RÉFÉRENCES

ABDULAI, A. (2000). “Spatial Price Transmission and Asymmetry in the Gha-

naian Maize Market.” Journal of Development Economics, 63: 327-349.
ABDULAI, A. (2006). "Spatial Integration and Price Transmission in Agricultural
Commodity Markets in Sub-Saharan Africa." In: Sarris, A. and D. Hallam (eds).
Agricultural commodity markets and trade: new approaches to analyzing mar-
ket structure and instability. FAO and Edward Elgar Publishing Limited, Chel-
tenham, UK, pp. 163-186.
ALDERMAN, H. (1993). “Inter-commodity Price Transmittal: Analysis of Markets
in Ghana”. Oxford Bulletin of Economics and Statistics, 55(1): 43-64.
BALKE, N.S. et FOMBY, T.B. (1997). “Threshold Cointegration.” International
Economic Review, 38: 627–645.
BARRETT, C.B. (1996). “Market Analysis Methods: Are Our Enriched Toolkits
Well Suited to Enlivened Markets?”. American Journal of Agricultural Econo-
mics, 78: 825-829.
 L’intégration des marchés avec et sans échanges commerciaux directs… 43

BARRETT, C.B. (2001). “Measuring Integration and Efficiency in International

Agricultural Markets.” Review of Agricultural Economics, 23: 19-32.
BARRETT, C.B. et LI, J.R. (2002). “Distinguishing Between Equilibrium and Inte-
gration in Spatial Price Analysis.” American Journal of Agricultural Economics,
84(2): 292-307.
BAULCH, B. (1997). “Transfer Costs, Spatial Arbitrage, and Testing for Food Mar-
ket Integration.” American Journal of Agricultural Economics, 79(2): 477-487.
BADIANE, O. et SHIVELY, G.E. (1998). “Spatial Integration, Transport Costs, and
the Response of Local Prices to Policy Changes in Ghana.” Journal of Develop-
ment Economics, 56(2): 411-431.
CHOI, I. (1992) “Effects of Data Aggregation on the Power of Tests for a Unit Root:
A simulation Study.” Economics Letters 40: 397-401.
CHOI, I. et CHUNG, B.S. (1995). “Sampling Frequency and the Power of Tests for
Unit Root: A Simulation Study.” Economic letters 49: 131-136.
CONFORTI, P. (2004). “Price transmission in Selected Agricultural Markets.”
FAO Commodity and Trade Policy Research Working Paper No. 7, Rome.
ENGLE, R.F. et GRANGER, C.W.J. (1987). “Cointegration and Error Correction:
Representation, Estimation and Testing.” Econometrica, 55(2): 251-276.
ENKE, S. (1951). "Equilibrium among Spatially Separated Markets: Solution by
Electrical Analogue." Econometrica 19: 40-47.
FACKLER, P.L. et GOODWIN, B.K. (2001). “Spatial Price Analysis” in B. Gardner
et G. Rausser (eds), Handbook of Agricultural Economics, Vol. 1, Elsevier, Ams-
terdam, The Netherlands, pp. 971-1024.
FACKLER, P.L. et TASTAN, H. (2008). “Estimating the Degree of Market Integra-
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

tion.” American Journal of Agricultural Economics, 90(1): 69-85.
FAO (2006). “Briefs on Import Surges.” Issue No. 5 - Ghana: Rice, Poultry and
Tomato Paste, Rome.
GONZALO, J. et PITARAKIS, J.-Y. (2006). “Threshold Effects in Cointegrating
Relationships.” Oxford Bulletin of Economics and Statistics, 68(s1): 813-833.
HANSEN, B.E. et SEO, B. (2002). “Testing for Two-regime Threshold Cointegration
in Vector Error-correction Models.” Journal of Econometrics, 110(2): 293-318.
HECKSCHER, E.F. (1916). Växelkursens Grundval vid Pappersmyntfot. Ekono-
misk Tidskrift 18: 309–312.
IHLE, R. et VON CRAMON-TAUBADEL, S. (2008). A Comparison of Threshold
Cointegration and Markov-Switching Vector Error Correction Models in Price
Transmission Analysis. 2008 NCCC-134 Conference on Applied Commodity
Price Analysis, Forecasting and Market Risk Management, St. Louis, USA, April
21-22.
JENSEN, R. (2007). “The Digital Provide: Information (Technology), Market Per-
formance, and Welfare in the South Indian Fisheries Sector.” Quarterly Jour-
nal of Economics, 122(3): 879-924.
JUSELIUS, K. (2008). The Cointegrated VAR Model. Methodology and Applica-
tions. Oxford University Press, Oxford, UK.
 44 Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

LO, M.C. et ZIVOT, E. (2001). “Threshold Cointegration and Nonlinear Adjust-

ment to the Law of One Price.” Macroeconomic Dynamics, 5: 533–576.
LUTZ C., VAN TILBURG, A. et VAN DER KAMP, B. (1994). “The Process of
Short- and Long-term Price Integration in the Benin Maize Markets.” European
Review of Agricultural Economics, 22: 191-212.
LÜTKEPOHL, H. et KRÄTZIG, M. (2004). Applied Time Series Econometrics.
Cambridge University Press and [Link] Cambridge, UK.
MARSHALL, A. (1890). Principles of Economics. Macmillan Company, New York.
O’CONNEL, P.G.J. et WEI, S.-J. (2002). “The Bigger They Are, the Harder They
Fall”: Retail Price Differences Across U.S. Cities”. Journal of International
Economics, 56: 21–53.
OBSTFELD, M. et TAYLOR, A.M. (1997). “Nonlinear Aspects of Goods-Market
Arbitrage and Adjustment: Heckscher’s Commodity Points Revisited.” Journal
of the Japanese and International Economies, 11: 441–479.
R DEVELOPMENT CORE TEAM (2009). R: A Language and Environment for Sta-
tistical Computing. R Foundation for Statistical Computing, Vienna, Austria.
ISBN 3-900051-07-0, URL [Link]
SAMUELSON, P.A. (1952). “Spatial Price Equilibrium and Linear Programming.”
American Economic Review 42: 283-303.
STEPHENS, E.C., MABAYA, E., VON CRAMON-TAUBADEL, S. et BARRETT,
C.B. (2008). Spatial Price Adjustment with and without Trade. Working paper.
TAKAYAMA, T. et JUDGE G. (1971). Spatial and Temporal Price Allocation Models.
North-Holland, Amsterdam, The Netherlands.
The Economist (2009). “A Special Report on Telecom in Emerging Markets”.
Volume 392, No. 8650, September 26.
© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

University of Texas (2008). Perry-Castañeda Library Map Collection,
URL [Link] Accessed 20 Sep 2008.
VON CRAMON-TAUBADEL, S., LOY, J.P. et MEYER, J. (2006). “The Impact of
Cross-Sectional Data Aggregation on the Measurement of Vertical PT: An Expe-
riment with German Food Prices.” Agribusiness, 22 (4): 1-18.
 L’intégration des marchés avec et sans échanges commerciaux directs… 45

ANNEXE

Figure 4 : Les marchés considérés

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Source : Université du Texas (2008) et représentation des auteurs.

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])

Figure 5 : Logarithme des données primaires et secondaires et estimation de la relation de long terme des paires de marchés
pour les cointégrations significatives à au moins 10 %.
46
Rico Ihle, Joseph Amikuzuno et Stephan von Cramon-Taubadel

Source : Calculs des auteurs.

© De Boeck Supérieur | Téléchargé le 04/07/2024 sur [Link] (IP: [Link])