- accueil >
- Dossier >
- N°42-Dec 2025 >
- N°42-Spécial >
N°42-Spécial
Capital humain et efficacité technique des producteurs agricoles au Burkina Faso
Résumé
L’objectif de cette recherche est d’analyser l’effet du capital humain dans sa composante éducation non formelle sur l’efficacité technique des ménages agricoles au Burkina Faso. A cette fin, la frontière de production de la fonction distance output avec effets d’inefficacité technique a été appliqué sur un échantillon de 890 ménages issues des données collectées dans le cadre du deuxième Programme National de Gestion des Terroirs en 2017. Nos résultats révèlent un score moyen d’efficacité technique de 0.62, ce qui signifie que les ménages agricoles pourraient augmenter leurs niveaux de production de 38% sans accroitre le niveau de leurs facteurs de production. Nos résultats montrent que l’alphabétisation et la formation agricole ont un effet positif et significatif sur l’efficacité technique des exploitants agricoles. Afin d’améliorer la performance du secteur agricole les autorités doivent promouvoir l’alphabétisation et renforcer la formation agricole des exploitants.
Abstract
The objective of this research is to analyse the effect of human capital in its non-formal education component on the technical efficiency of agricultural households in Burkina Faso. To this end, the production frontier of the distance output function with technical inefficiency effects was applied to a sample of 890 households from data collected as part of the second National Land Management Programme in 2017. Our results reveal an average technical efficiency score of 0.62, which means that agricultural households could increase their production levels by 38% without increasing their production factors. Our results show that literacy and agricultural training have a positive and significant effect on the technical efficiency of farmers. In order to improve the performance of the agricultural sector, the authorities must promote literacy and strengthen agricultural training for farmers.
Table des matières
Texte intégral
pp. 253-272
Introduction
1L'agriculture constitue un pilier essentiel de l'économie, comme l'ont souligné Johnston et Mellor (1961). L'amélioration de sa productivité stimule la croissance économique et contribue à réduire la pauvreté. Malgré son importance, l'augmentation de la productivité agricole reste un défi majeur pour les pays d'Afrique subsaharienne, où ce secteur emploie plus de la moitié de la population active.
2Au Burkina Faso, les politiques publiques ont mis en place de nombreux projets et programmes tel que le projet d’Appui à la Promotion des Filières Agricoles (PAPFA) pour relever ce défi. Cependant, malgré ces efforts, les rendements agricoles restent faibles, ce qui compromet la sécurité alimentaire (Zahonogo, 2016).
3En effet, la Banque Mondiale (2020) estime la productivité agricole à 1,5 tonne par hectare en Afrique subsaharienne comparativement à une moyenne mondiale de 4 tonnes par hectare. Fuglie et Nicholas (2013) estiment que sur la période 1985-2008, le taux de croissance de la productivité agricole est resté faible et a représenté environ la moitié de la moyenne de tous les pays en développement, soit environ 1% par an.
4Cette faible productivité agricole est la résultante de plusieurs facteurs, à savoir les aléas climatiques, la faible éducation des agriculteurs, le manque de formation des acteurs agricoles, la faiblesse des dépenses publiques agricoles….
5Selon le rapport de la Banque Mondiale (2008), l’impact de la faiblesse de dépenses publiques sur les performances agricoles aurait pu être atténué, si les populations rurales avaient un niveau d’éducation plus élevé. En effet, l’éducation accroit la production agricole, en améliorant les capacités productives des agriculteurs et en les permettant de choisir des niveaux optimaux d’inputs et d’outputs (Welch, 1970).
6La théorie du capital humain est née du constat selon lequel les facteurs classiques de production (terre, capital, travail) n'expliquent qu'une partie de la croissance économique. Deux économistes américains : Schultz (1961) et Becker (1964) sont à l'origine de ce concept. L'hypothèse fondamentale au cœur de cette théorie est que, l'éducation est un investissement (privé ou social) qui accroît la productivité de ceux qui la reçoivent.
7Du point de vue empirique plusieurs auteurs ont recherché le lien entre l'éducation, l'efficacité et la productivité dans le secteur agricole et aboutissent souvent à des résultats controversés. Hoang-Khac et al. (2022) ont montré que le capital humain (éducation, expérience et formation pratique) a un effet global significatif sur l'efficacité techniques des producteurs des cultures vivrières. Wouterse (2011) de sa part met en évidence un effet positif de l’éducation des femmes sur l’efficacité technique, contre un effet négatif de l’éducation des hommes. Djomo et Ondoa (2012) dans leurs travaux montrent que l’éducation des chefs de ménages réduit leur inefficacité technique au Cameroun. Bien qu’il soit largement admis que l’éducation a un impact positif sur l’efficacité technique, les résultats de plusieurs études empiriques sur les effets du capital humain sur la productivité demeurent mitigés dans les pays en développement.
8Au Burkina Faso plusieurs études ont recherché la relation entre le capital humain dans sa composante éducation formelle et l’efficacité technique des producteurs agricoles (Savadogo et al. 2016 ; Wouterse 2011 ; Sharada 1999). Notre contribution à la présente étude se situe à la prise en compte de l’éducation non formelle, à savoir l’alphabétisation et de la formation agricole en lieu et place de l’éducation formelle qui peut avoir des effets pervers sur la productivité agricole (sortie de la main d’œuvre vers d’autres secteurs porteurs). Également, nous prenons en compte quatre spéculations, à savoir le coton qui la première culture de rente ; le maïs, sorgho et le mil qui constituent les principales spéculations et représentent environ 57 % de la disponibilité énergétique des ménages (MAAH, 2020).
9Le choix du Burkina Faso comme zone étude s’explique principalement par l’importance de l’agriculture dans cette zone. En effet, le secteur agricole emploie plus de 82 % de la population active et contribue à environ 35 % du PIB (MAAH, 2020).
10L’objectif principal de cette recherche est d’analyser les effets du capital humain (éducation non formelle) sur l’efficacité technique des producteurs Burkinabè.
11La suite du travail s’article comme suit : La deuxième section présente la revue de littérature, la troisième présente la méthodologie, la quatrième analyse et discute les résultats de l’étude et la dernière conclut et propose des recommandations de politiques économiques.
Revue de littérature
Revue théorique
12La théorie du capital humain est apparue dans les années soixante grâce aux travaux de Schultz (1961), et Becker (1964). Le capital humain comme les autres formes d’investissement en capital physique peut contribuer au développement économique et social en augmentant les revenus des populations. Cette augmentation des revenus liés à la productivité du travail peut être aussi efficace que les autres investissements. Schultz étudie l'impact du capital humain sur la productivité agricole et montre que l'éducation et la formation des travailleurs est un moyen essentiel pour améliorer la productivité et conséquemment les revenus agricoles. Plus tard, Welch (1970) distingue les canaux par lesquels le capital humain a un effet sur la productivité agricole. Initially, Grâce à l'éducation acquise, l'agriculteur améliore considérablement la qualité de son travail. Le capital humain joue un rôle important dans la modernisation de l'agriculture, la capacité à faire face aux déséquilibres induits par le changement technologique dans l'agriculture dépend fortement de l'éducation et les agriculteurs mieux éduqués s'adaptent mieux que les agriculteurs moins éduqués (Schultz 1975, Ali et Byerlee 1991). L’accumulation du capital humain correspond à l'accumulation de formations formelles acquises dans le cadre de la scolarité, des systèmes éducatifs, de formations approfondies et des connaissances et compétences acquises par les agriculteurs au fil du temps (c'est-à-dire l'expérience).The assumption imposed by past studies
Revue empirique
13Une relation positive entre Capital humain et productivité agricole a été approuvée théoriquement, en revanche les études empiriques restent controversées.
14Plusieurs auteurs ont analysé les effets du capital humain dans sa composante formation approfondie et l'acquisition d'expérience, sur l'efficacité et la productivité des agriculteurs (Czyżewski et al., 2021 ; Krasachat et Yaisawarng, 2021 ; Ndour, 2017). Leurs conclusions convergent vers un effet positif du capital humain sur la productivité agricole. De plus, d'autres travaux confirment que l'éducation a un effet positif et significatif sur l'efficacité technique des exploitants agricoles (Addai et Owusu, 2014 ; Hashmi et al., 2015).
15Xayavong et al. (2015) constatent que le capital humain et l’utilisation des innovations du secteur agricole ont des effets importants significatifs sur le rendement du secteur. Kalirajan et Shand (2014) concluent que la scolarité (éducation) des agriculteurs n’a pas d’effet sur le rendement en revanche l'éducation non formelle d'un agriculteur, mesurée par sa compréhension de la technologie a une influence significative et plus importante sur le rendement. Khadimallah et Akrout (2017) ont montré que la qualité du capital humain a un effet important sur l’accroissement de la valeur ajoutée agricole. Nguyen-Van et al. (2016) ont conclut que le contact des agriculteurs avec les agents de vulgarisation agricole influençait positivement et significativement les performances agricoles. Hoang-Khac et al. (2022) ont montré que le capital humain (éducation, expérience et formation pratique) a un effet global significatif sur l'efficacité techniques des producteurs des cultures vivrières.
16Bien qu’il soit largement admis que le capital humain a un impact positif sur la productivité agricole, plusieurs études empiriques ont montré l’impact négatif ou nul du capital humain sur la productivité.
17Certaines études ont montré que la variable « éducation » n'avait pas d'impact significatif sur l'efficacité technique des agriculteurs (Nguyen-Van et To-The 2016 ; Piya et al., 2012). Nyamekye et Fiankor (2016) ont analysé l’effet du capital humain à travers l’éducation, l’expérience et l’accès au service d’extension sur la productivité du maïs au Ghana. Ils concluent que le capital humain n’a pas d’effet significatif sur la production du maïs. Danquah and Ouattara (2014), using a time series (1960-2003) on the economies of Danquah et Ouattara (2014), en utilisant une série chronologique (1960-2003) sur les économies des pays africains au sud du Sahara montrent que le capital humain n'a aucun effet sur la productivité.
18Aussi Appleton et Balihuta (1996) révèlent dans leur étude que l’éducation n’a pas d’impact significatif sur l’agriculture. Ils attribuaient cela à l’insuffisance des données utilisées, à des erreurs de mesures de la production agricole. De même Mirotchie (1994) en analysant les données Ethiopiennes révèle que l’éducation primaire accroit la productivité agricole tandis que celle du secondaire n’a pas d’effet significatif. Savadogo et al. (2016) concluent que le nombre d’années d’éducation formelle du chef d’exploitation jusqu’à 3,9 ans améliore l’efficacité technique des exploitations agricoles. Mais au-delà de 3,9 ans, l’éducation formelle a un effet négatif sur l’efficacité technique. Ce dernier résultat pourrait s’expliquer par le fait que les actifs les plus éduqués diversifient leurs activités, surtout en faveur des activités non agricoles qui offrent de meilleures opportunités. Sharada (1999) a obtenu un résultat similaire en montrant que l’éducation a des effets bénéfiques sur la productivité agricole, surtout en termes de gain d’efficacité technique, lorsque l’agriculteur a reçu au moins 4 années d’éducation.
Méthodologie
Modèle Théorique de base matérialisant l’efficacité technique du producteur
19La fonction de distance nous permet d’évaluer la capacité d’une unité de décision à faire les bons choix. Autrement dit, elle permet de savoir si une unité de décision est efficace ou non. Ce concept de fonction-distance a été développé par Shephard (1970) et repris par des auteurs comme Färe et Primont (1990), Färe et al. (1993), Coelli et Perelman (2000). Farrell (1957) propose le développement d’une méthode d’estimation de ces écarts appelé scores d’inefficience. On distingue deux types de fonctions de distance (Färe et Primont (1995)) : la fonction de distance orientée output et celle orientée input.
20La fonction distance output est généralement définie à partir de l’ensemble des possibilités de production, P(x), avec P(x) = {y ϵ RM+ : x peut produire y}. Où y ϵ RM+ est un vecteur de produits agricoles obtenu à partir d’un vecteur d’intrants x ϵ RM+.
21En supposant que la technologie qui génère l’ensemble des possibilités de production vérifie toutes les conditions de régularité de Färe et Primont (1995), la fonction distance output est définie par :


22La mise en œuvre de la fonction distance output nécessite l’utilisation d’une forme fonctionnelle qui permette de prendre en compte ses propriétés. Dans la littérature plusieurs formes fonctionnelles ont été utilisé pour évaluer l’efficacité technique (translog, Cobb-douglas et CES), mais les spécifications de type cobb-douglas et translog sont largement utilisé en agriculture (Kadiri et al.2014). La fonction Cobb-Douglas est une fonction plus restrictive ; la fonction translog est plus flexible et permet l'interaction entre les facteurs de production. Certains auteurs ont utilisé à la fois ces deux fonctions dans leurs travaux (Ashfaq, 2013 ; Yami et al., 2013). Toutefois, Lovell et al. (1994) ont introduit une méthodologie qui permet d’estimer une fonction de distance paramétrique dans le cadre de technologies multi-inputs/multi-outputs. Pour ce faire, ils ont utilisé une fonction de distance d’output et une forme translogarithmique. Cette forme de fonction convient particulièrement aux activités multi produit. Dans cette recherche, nous utilisons la forme translog. Elle est facile à manipuler, flexible et permet d’imposer les propriétés d’homogénéité et de symétrie. La fonction de distance output translogarithmique dans notre cas est constitué de 3 inputs et 4 outputs s’écrit de la façon suivante :

23Dans la littérature, on distingue deux types de méthodes d’estimation : la méthode en deux étapes et celle d’estimation simultanée. Cette estimation en deux étapes est biaisée puisque l’inefficacité technique est considérée comme exogène dans la frontière de production et endogène dans l’explication du niveau des inefficacités techniques. Pour pallier cette lacune, plusieurs auteurs ont proposé des modèles qui permettent d’estimer simultanément la frontière stochastique de production et les facteurs socioéconomiques et institutionnels explicatifs de l’inefficacité technique des unités de production. Ces modèles ont d’abord été proposés par Deprins et Simar (1989) dans un contexte de frontière déterministe et repris dans un contexte de frontière stochastique par Kumbhakar et al. (1991), Battese et Coelli (1995).
Méthode de collecte de données
24Les données utilisées dans cette recherche sont celles des ménages ruraux collectées au Burkina Faso dans le cadre de l’évaluation du Programme de gestion des terroirs phase 2 (PNGT-2). La collecte des données a été réalisée par le Laboratoire d’analyse quantitative appliquée au développement-Sahel (LAQAD-S) de l’Université Ouaga II en 2017.
25Le LAQAD-S a employé une technique d’échantillonnage et de collecte de données très rigoureuse. En effet, l’obtention d’observations représentatives de la population est tributaire d’une bonne technique d’échantillonnage. Pour ce faire, une stratification régionale a été utilisée (chaque région étant représentée au prorata du nombre de ses communes), conduisant à retenir un échantillon de communes, de villages et de ménages. L’échantillon dans cette vague était de 90 communes rurales et on a tiré 3 villages par commune (soit 270 villages) et au sein de chaque village on a pris 8 ménages de façon aléatoire et stratifiés, soit un total de 2160 ménages.
Définition des variables du modèle
26Tableau 1 : Description des variables
|
Variables |
Description |
|
Les variables de la fonction de production |
|
|
Superficie |
= nombre d’hectares emblavés |
|
Travail |
= la quantité totale de main d’œuvre |
|
Engrais chimiques |
=quantités de NPK et d’urée en kilogramme |
|
Variables des inefficacités techniques |
|
|
Alphabétisation |
=1 si le chef de ménage est alphabétisé et 0 sinon |
|
Formation agricole |
= 1 si l’exploitant a accès aux formation et conseils et 0 sinon. |
|
Accès au crédit |
=1 si le ménage a accès au crédit et 0 sinon |
|
Sexe |
=1 lorsque le chef du ménage est un homme et 0 sinon. |
|
Accès à l’information |
=1 si le chef de ménage a accès à l’information |
|
Appartenance organisation |
=1 si le ménage est membre d’une association et 0 sinon |
|
Accès à un marché |
= la distance en km séparant l’exploitation agricole à un marché |
Auteurs à partir de la littérature
Analyse et discussions des résultats
Statistique descriptive des variables du modèle
27Le tableau 2 met en évidence un faible taux d’alphabétisation, 28,62% des chefs de ménages de l’échantillon savent lire et écrire dans au moins une langue. Les statistiques montrent que peu (8,87%) d’exploitants reçoivent des encadrements de la part des agents des services de vulgarisation. Par ailleurs, les résultats montrent que 29,06% des exploitants ont accès aux crédits et sont majoritairement de sexe masculin, soit 96,57% de l’échantillon. Le tableau 2 révèle que 18,07% des exploitations agricoles ont accès à l’information à travers des sources comme la radio, la télévision. Les statistiques montrent également que seulement 25,81% des exploitants sont membres d’une organisation paysanne.
28Par ailleurs, les statistiques des variables quantitatives montrent qu’en moyenne, un ménage produit 2843,97kg de coton. En ce qui concerne les céréales la production du maïs est la plus importante, toute l’échantillon d’étude s’adonne à sa production avec une production moyenne de 1688,545 Kg. Le sorgho occupe la deuxième place parmi les céréales et enregistre une production moyenne de 1227,485kg. Quant au mil il est la spéculation la moins cultivée et enregistre un niveau bas de production, soit 772,24 kg en moyenne.
Le tableau révèle que l’âge moyenne des exploitants est de 47,57ans.
Tableau 2: statistique descriptive des variables du modèle
|
Variable |
Pourcentage/moyenne |
Ecart-type |
|
Alphabétisation |
28,62 |
0,442 |
|
Formation reçue en agriculture |
8,87 |
0,284 |
|
Accès au crédit |
29,06 |
0,462 |
|
Sexe du chef de ménage |
96,57 |
0,1833 |
|
Accès à l’information |
18,06 |
0,384 |
|
Appartenance à une organisation |
25,81 |
0,437 |
|
Variable Quantitative |
||
|
Coton |
2843,973 |
3861,57 |
|
Maïs |
1688,545 |
5930,42 |
|
Sorgho |
1227,485 |
1236,28 |
|
Mil |
772,241 |
889,34 |
|
Distance -marché |
8,36 |
8,49 |
|
Age du chef de ménage |
47,57 |
13,73 |
|
Observations |
890 |
|
Calculs à partir des données du PNGT-2, 2017
Distribution des scores d’efficacité
29L’estimation de la fonction distance avec le logiciel frontier 4.1 nous a permis de déterminer les niveaux d’efficacité technique des ménages agricoles. Les résultats des estimations indiquent que l’efficacité technique moyenne est de 0.62. Cela signifie que les exploitations agricoles burkinabè pourraient augmenter leurs niveaux de production de 38% sans accroître le niveau de leurs facteurs de production. Les niveaux de production réalisés ont consommé des ressources au-delà du niveau nécessaire pour les réaliser. Selon les résultats, 13,24% des exploitants agricoles ont un niveau d’efficacité technique moyenne de 0,84. Le tableau 5 révèle que les exploitants ayant un niveau d’efficacité technique moyenne de 0 ,71 sont majoritaires, soit 54,43% de l’échantillon. On remarque également que 19,41% des exploitants ont une efficacité technique moyenne de 0.52. Le score minimal d’efficacité technique est de 0.16 et a été réalisé par 2,02% des producteurs.
Tableau 5: Distribution des scores d'efficacité technique
|
Intervalle |
Observation |
Moyenne |
Min |
Max |
|
118 |
0.84 |
0.8 |
0.995 |
|
|
485 |
0.71 |
0.6 |
0.799 |
|
|
173 |
0.52 |
0.4 |
0.599 |
|
|
97 |
0.31 |
0.2 |
0.399 |
|
|
18 |
0.16 |
0.11 |
0.19 |
construit à partir des scores d’efficacité technique.
Les facteurs explicatifs des niveaux d’inefficacité technique
30Les facteurs explicatifs des niveaux d’inefficacité technique des producteurs agricoles ont été présentés dans le tableau 4. (Un signe négatif et significatif indique un impact négatif de la variable considérée sur le score d’inefficacité technique et donc un effet positif sur le niveau d’efficacité technique).
31Les résultats montrent que le capital humain pris dans sa composante alphabétisation et formation spécifique en agriculture, contribue à améliorer l’efficacité technique des exploitations agricoles burkinabè. Les résultats montrent que l’alphabétisation (capacité à lire et écrire dans au moins une langue) du chef de ménage a un effet positif et statistiquement significatif sur l’efficacité technique des producteurs agricoles.
32Dans le même ordre d’idée la variable formation spécifique en agriculture joue positivement sur l’efficacité technique des exploitants, la formation reçue par un exploitant réduit son niveau d’inefficacité. Ce résultat est satisfaisant et est en conformité avec celui trouvé par Savadogo et al (2016). Les ménages bénéficiant d’un encadrement technique sont techniquement plus efficaces que ceux qui n’en bénéficient pas. En revanche, Nuama (2006) en recherchant les sources d’accroissement de la production de riz en côte d’ivoire montre que la formation agricole n’améliore pas l’efficacité technique des exploitants. Il explique cela par l’irrégularité des agents des services d’encadrement et la durée précoce des services.
33S’agissant de la variable accès au crédit, elle a un effet positif et significatif sur l’efficacité technique. L’accès au crédit permet aux producteurs d’acquérir les facteurs de production. Cependant, le crédit peut ne pas avoir d’effet sur la performance agricole, s’il est utilisé à d’autres fins (Nyemeck et al., 2004)
34Quant à la variable genre du chef de ménage il ressort qu’elle a une influence négativement et significative sur l’inefficacité technique. Cela veut dire qu’être homme contribue à accroitre l’efficacité technique. Le résultat obtenu est en conformité avec celui obtenu par d’Assibey-Mensah (1998). Ce dernier conclut que l’inefficacité des femmes est due au fait qu’elles consacrent d’abord leurs temps pour les travaux domestiques avant de s’occuper de leurs exploitations. Cependant Ngom et al. (2016) en analysant les déterminants de l’efficacité technique des riziculteurs au Sénégal ont montré que le genre du chef de ménage accroit l’inefficacité de celui-ci. En d’autres termes, être une femme contribue à la diminution de l’inefficacité. L’explication qui pourrait être avancée est que les femmes sont plus présentes au niveau des champs et assurent la plus grande partie des activités culturales même au niveau des champs possédés par les hommes. Il est donc compréhensible qu’elles maitrisent mieux les pratiques culturales que les hommes.
35L’accès à l’information à travers la radio, la télé et le téléphone est une variable significative et influence négativement les inefficiences techniques. Cela montre que les agriculteurs ayant accès à l’information sont techniquement plus efficaces que ceux qui n’en ont pas. Ce résultat répond à nos attentes et est conforme à celui trouvé par Savadogo et al. (2016). L’information est capitale dans le secteur agricole, elle permet de saisir les opportunités sur les prix et la production.
36L’appartenance à une organisation est significative et négative à 1% indiquant que l’exploitant membre d’une organisation paysanne est relativement plus efficace techniquement que celui n’appartenant pas à une organisation paysanne. Un tel résultat corrobore les travaux de (Coulibaly et al.,2017 ; Boubacar et al., 2016). Cela peut se justifier par le fait que les groupements constituent des réseaux sociaux où les producteurs ont souvent accès à l’information permettant d’avoir facilement accès aux opportunités de productions. En outres, l’appartenance à une organisation peut éventuellement conférer d'autres avantages comme un meilleur accès au financement et aux intrants.
Conclusion et implications de politiques économiques
37L’agriculture joue un rôle dominant dans l’économie de la plupart des Pays en Développement en général et du Burkina Faso en particulier. Cependant elle n’arrive toujours pas à couvrir les besoins des populations. L’objectif de cette recherche était d’analyser l’effet du capital humain dans sa composante éducation non formelle sur l’efficacité technique des producteurs agricoles au Burkina Faso. Les données utilisées ont été collectées auprès des ménages ruraux repartis sur l’ensemble des provinces du Burkina Faso, dans le cadre du deuxième programme National de Gestion des Terroirs en 2017. L’atteinte de cet objectif a été possible grâce à l’utilisation de l’approche par la fonction distance output avec inefficacité technique.
38Nos résultats montrent que les producteurs ont un score moyen d’efficacité technique de 0,62. Ce résultat implique qu’une meilleure utilisation des facteurs de productions disponibles permettrait aux exploitations d’augmenter leurs niveaux de production de 38%. En ce qui concerne les facteurs explicatifs des inefficiences techniques, les résultats révèlent que l’alphabétisation du chef de ménage, la formation spécifique en agriculture (encadrement des agriculteurs) et l’appartenance à une organisation paysanne ont un effet positif et significatif sur l’efficacité technique.
39Au regard des résultats des estimations, les décideurs publics devraient en premier lieu, mettre plus l’accent sur l’éducation afin qu’elle puisse freiner la baisse de l’efficacité technique des producteurs. Il faut que cette éducation soit offerte à des adultes des ménages agricoles. Or, les adultes qui exercent déjà dans l’agriculture ne peuvent plus être orientés vers le système d’éducation formelle. Cette éducation ne peut provenir que de l’alphabétisation et de l’encadrement technique agricole. Cela passe par l’augmentation du nombre des centres d’alphabétisation dans les zones rurales ainsi que par l’augmentation des agents techniques agricoles villageois.
Bibliographie
Alene, D. A.,et Manyong, M. V. (2006). The effects of education on agricultural productivity under traditional and improved technology in northern Nigeria: an endogenous switching.
Ali, M., et Byerlee. (1991). Economic efficiency of small farmers in a changing world : A surved of recent evidence. Journal of international Development.
Appleton, S., et Balihuta, A. (1996). Education and agricultural productivity: evidence from Uganda. Journal of International Development, 8,, pp.415-444.
Araujo, C., Bonjean, C. A., et Arcand, J. L. (1999). Capital humain, productivité agricole, et le travail féminin : variables latentes et séparabilité dans les modèles de ménages. CERDI-CNRS, Université d’Auvergne.
Assibey-Mensah, O. G. (1998). Ghana women-in-development program: problems, issues, and prescription. Journal of Black Studies 29, n° 2 , pp.277-295.
Banque Mondiale, (2008). L’agriculture : un moteur de croissance et de lutte contre la Pauvreté. http://www.banquemondiale.org/ida (accès le 31 janvier, 2017).
Battese, G. E., et Coelli, T. J. (1995). A model for technical inefficiency effects in a stochastic frontier production function for panel data ,Empirical economic. Empirical Economics, 20, pp.325-332.
Becker, G. S. (1964). Human Capital. Columbia University Press for the National Bureau of Economic Research, New York.
Brummer, O., et Schwark, H. (2010). Elements Delimitate Technical Efficiency of Fish Farms in Ghana. Journal of the World Aquaculture Society, Vol. 41, NO. 4.
Coelli, T. J. (1996). A Guide to FRONTIER, Version 4.1: A Computer Program for stochastic Frontier Production and Cost Function Estimation. CEPA working paper Series n°07 Australia.
Coelli, T. J., et Perelman, S. (2000). Technical efficiency of European railways a distance function approach. Applied Economics,32, pp.1967-1976.
Deprins, D., et Simar, L. (1989). Estimation de Frontières Déterministes avec. Annales d’Economie et de Statistique. 14 , pp.117-150.
Djomo, J. M. (2012). The Effects of Human Capital on Agricultural Productivity and Farmer’s Income in Cameroon. International Business Research Vol. 5, No.4; April 2012.
Donkoh, S. A. (2013). Technical Efficiency of Rice Production at the Tono Irrigation Schema in Northerm Ghana. American Journal of Experimental Agriculture 2013, pp.24-42.
Donquah, M., et Ouattara, B. (2014). Productivity Growth, Human Capital and Distance to Frontier in Sub-Saharan Africa. Journal of Economic Development Volume 39, Number 4,.
FAO. (2000). World - wide agroclimatic database FAOCLIM2. Environmental and natural resources, Working paper n.5.
Farell, M. J. (1957). The measurement of productive efficiency. Journal of the Royal Statistic Society, Series (General), 120, pp.253-290.
Fontan, C. (2008). Production et efficience technique des riziculteurs de Guinée : Une estimation paramétrique stochastique. Economie rurale, pp.19-35.
Gurgand, M. (1993). L’éducation est–elle rentable dans l’agriculture? Une approche duale appliquée à la Cote d’ivoire. Cahier d’économie et sociologie rurale,42-43, pp.113-144.
Hazarika, G., et Alwang, J. (2003). Access to credit, plot size and cost inefficiency among smallholder tobacco cultivators in Malawi. Agricultural Economics, vol. 29, pp.99-109.
INSD. (2009). Institut national de la statistique et de la démographie. Projections démographiques de 2007 à 2020 par province et par région, Ouagadougou.
INSD. (2016). Institut nationale de la statistique et de la démographie. annuaire statistique 2016,Burkina Faso.
Kadiri, F. A., Eze, C. C., Orebiyi, J. .., Ohajianya, D. O., et Nwaiwu, I. U. (2014). Technical efficiency in paddy rice production in Niger delta region of Nigeria. Global Journal of Agricultural Research, vol. 2, n°2, pp.33-43.
Kalirajan, K. P., et Shand, R. T. (2014). Types of education and agricultural productivity: A quantitative analysis of Tamil Nadu rice farming. The Journal of Development Studies, pp.232-243.
Khadimallah, A., et Akrout, Z. (2017). Human capital and enhancing productivity of agriculture in Africa. International Journal of Innovation and Applied Studies, ISSN 2028-9324 Vol. 20 No. 1 Apr.2017, pp.34-250.
Kumbhakar, S. C., Ghosh, S., et Mcguckin, J. T. (1991). A Generalized Production Fontier Approach for Estimating Determinants for Inefficiency in US Dairy Farms. Journal of Econometrics, 46, pp.201-212.
Lockheed, M. E., Jamison, D. T., et Lau, L. J. (1980). Farmer Education and Farm Efficiency: A Surve. Economic Development and Cultural Change.
Lovell, C. A., Richardson, S., Travers, P., et Wood, L. L. (1994). Ressources and Functioning’s : A New View of Inequality in Australia, in W. Eichhorn (ed). Models and Measurement of Welfare and Inequality, Berlin, Springer-Verlag, pp.787-807.
Mirotchie, M. (1994). Technical efficiency of Ethiopian agriculture, in Berhanu Abegaz (ed). Essays on Ethiopian Economic Development, Aldershot, Aldershot, Avebury, pp.87-158.
Ndour, C. T. (2017). Effects of human capital on agricultural productivity in Senegal. World Scientific News WSN 64 2017, pp.34-43.
Nuama, E. (2006). Mesure de l’efficacité technique des agricultrices de cultures vivrières en Côte d’Ivoire. Économie rurale, n°296, novembre-décembre,, pp.39-52.
Nyamekye, I., et Fiankor, D. (2016). Effect of Human Capital on Maize Productivity in Ghana: A Quantile Regression Approach. International Journal of Food and Agricultural Economics ISSN 2147-8988, E-ISSN: 2149-3766 Vol. 4 No.2, 2016, pp.125-135.
O’donnell, C. J., et Coelli, T. J. (2004). A Bayesian approach to imposing curvature conditions on distance functions. Journal of Econometrics, 126, pp.493-523.
Savadogo, K., Combary, O., et Akouwerabou, D. (2016). Impacts des Services Sociaux sur la Productivité Agricole au Burkina Faso : Approche par la fonction distance output. De Boeck Supérieur Mondes en Développement 2016/2n° 174/ pages, pp.153-167.
Schultz, T. (1961). Investment in human capital. The American Economic Review, vol.51, NO.1, pp.1-17.
Schultz, T. (1975). The Value of the Ability to Deal with Disequilibria. Journal of Economic Literature , 13 (3), pp.827-846.
Shapiro, K. H., et Müller, J. (1977). Sources of Technical Efficiency: The Roles of Modernization and Information. Economic Development and Cultural Change 25,no.2, pp.293-310.
Sharada, W. (1999). The Effects of Education on Farmer Productivity in Rural Ethiopia. WPS 99- 7, Center for the study of African Economies Department of Economics, University of Oxford.
Shephard, R. (1970). Theory of cost and Production Functions. Princeton, Princeton University Press.
Solίs, D., Bravo-Ureta, B., et Quiroga, R. (2009). “Technical Efficiency among Peasant Farmers Participating in Natural Resource Management Programmes in Central America. Journal of Agricultural Economics, vol. 60, n° 1, pp.202-219.
Welch, F. (1970). Education in Production. Journal of Political Economy 78, pp.35-39.
Wouterse, F. (2011). Social services, Human Capital, and Technical Efficiency of Smallholders in Burkina Faso. IFPRI Discussion Paper n°1068, Washington DC.
Xayavong, V., kingwel, R., et Islam, N. (2015). How training innovation link to farm performance : a structural equation analysis. pp.1-6.
Pour citer ce document
Quelques mots à propos de : Judith Oubda
Université Thomas Sankara, Gonsin/Burkina Faso
Quelques mots à propos de : Pam Zahonogo
Université Thomas Sankara, Gonsin/Burkina Faso
Quelques mots à propos de : Mohamed Porgo
Université Thomas Sankara, Gonsin/Burkina Faso