2016 - african development bank · 2019-06-29 · countries published by the statistics department...

African Development Bank · Banque africaine de développement

Gen

der, P

overty an

d E

nviro

nm

ental In

dicato

rs Ind

icateurs su

r le gen

re, la pau

vreté et l’enviro

nn

emen

t

© African Development Bank/Banque africaine de développementStatistics Department -Département de la statistiqueChief Economist Complex - Complexe de l’Économiste en chef

Avenue Joseph Anoma01 BP 1387Abidjan 01, Côte d’IvoireTél. (Standard) : +225 20 20 40 10E-mail: [email protected]: http://www.afdb.org/statistics

Piloting an African Green Growth Index

Special Feature

Article on:

Expérimentation d’un Indice de croissance verte pour l’Afrique

Article spécial sur le thème :

Indicateurs sur le genre, la pauvreté

et l’environnementsur les pays africains

Gender, Poverty and Environmental Indicators

on African Countries

2016

Burkina Faso

Burundi

Central African Rep.

Congo Democratic Rep.

Eritrea

Ethiopia

Gambia

Guinea

Guinea Bissau

Liberia

Madagascar

Malawi

Mali

Mozambique

Niger

Rwanda

Sierra Leone

Somalia

Togo

Uganda

AfDB REGIONAL MEMBER COUNTRIES BYGROSS NATIONAL INCOME PER CAPITA IN 2014

A) Low Income; $785 or less

Algeria

Angola

Botswana

Cabo Verde

Equatorial Guinea

Gabon

Libya

Mauritius

Namibia

Seychelles

South Africa

Tunisia

C) Upper Middle Income; $3,116-$9,636

B) Lower Middle Income; $786-$3,115

Benin

Cameroon

Chad

Comoros

Congo

Côte d’Ivoire

Djibouti

Egypt

Ghana

Kenya

Lesotho

Mauritania

Morocco

Nigeria

São Tomé and Principe

Senegal

South Sudan

Sudan

Swaziland

Tanzania

Zambia

Zimbabwe

Burkina Faso

Burundi

Congo, Rép. Dém.

Erythrée

Ethiopie

Gambie

Guinée

Guinée-Bissau

Libéria

Madagascar

Malawi

Mali

Mozambique

Niger

Ouganda

Rép. Centrafricaine

Rwanda

Sierra Leone

Somalie

Togo

PAYS MEMBRES REGIONAUX DE LA BAD SELONLE REVENU NATIONAL BRUT PAR HABITANT EN 2014

A) Faible revenu; (moins de 785$)

Bénin

Cameroun

Comores

Congo

Côte d’Ivoire

Djibouti

Egypte

Ghana

Kenya

Lesotho

Maroc

Mauritanie

Nigéria

São Tomé et Princ.

Sénégal

Soudan

Soudan du Sud

Swaziland

Tanzanie

Tchad

Zambie

Zimbabwe

B) Revenu intermédiaire, tranche inférieure (Entre 786$ et 3 115$)

Afrique du Sud

Algérie

Angola

Botswana

Cabo Verde

Guinée Equatoriale

Gabon

Libye

Maurice

Namibie

Seychelles

Tunisie

C) Revenu intermédiaire, tranche supérieure; (Entre 3 116$ et 9 636$)



African Development BankBanque africaine de développement

Indicateurs sur le genre,

la pauvreté et l’environnement sur les pays africains

2016Volume XVII

iiiiii

2016Volume XVII

Division des statistiques économiques et sociales

Département de la statistique

Economic and Social Statistics Division

Statistics Department



Indicateurs sur le genre,

la pauvreté et l’environnementsur les pays africains

This document was prepared by the Economic and Social Statistics Division of the Statistics

Department at the African Development Bank. Designations employed in this publication do not

imply the expression of any opinion on the part of the African Development Bank concerning

the legal status of any country or territory, or the delimitation of its frontiers. While every effort

has been made to present reliable information, the African Development Bank accepts no

responsibility whatsoever for any consequences of its use.

Published by:

Economic and Social Statistics Division

Statistics Department

African Development Bank

Avenue Joseph Anoma

01 BP 1387, Abidjan 01, Côte d’Ivoire

Tél. (Standard) : +225 20 20 40 10

E-mail: [email protected]

Site Web: http://www.afdb.org/statistics

Ce document a été préparé par la Division des statistiques économiques et sociales du

Département de la statistique de la Banque africaine de développement. Les dénominations

employées dans cette publication n’impliquent, de la part de la Banque africaine de

développement, aucune prise de position quant au statut juridique ou au tracé des frontières des

pays. Après tant d’efforts réalisés pour présenter des informations aussi fiables que possible, la

Banque africaine de développement se dégage de toute responsabilité de l’utilisation qui pourra

être faite de ces données.

Publié par:

Division des statistiques économiques et sociales

Département de la Statistique

Banque africaine de développement

Avenue Joseph Anoma

01 BP 1387, Abidjan 01, Côte d’Ivoire

Tél. (Standard) : +225 20 20 40 10

E-mail: [email protected]

Web site: http://www.afdb.org/statistics

Copyright © 2016 African Development Bank

ISSN 1563-437X

Design/layout by Phoenix Design Aid,

Printing by Scanprint, Denmark

ISO 14001 certified and EMAS-approved.

vv

The Staff Team

The staff team was led by Maurice Mubila and comprised Mrs Dorothée Ouissika, Hilaire Albert Kadisha Mbiya, and Stéphane Hauhouot.The publication was prepared under the general direction of Charles Leyeka Lufumpa

Équipe de Production

L’équipe dirigée par M. Maurice Mubila comprenait Mme Dorothée Ouissika, MM. Hilaire Albert Kadisha Mbiya et

Stéphane Hauhouot. La publication a été réalisée sous

la direction de M. Charles Leyeka Lufumpa

PRODUCTION TEAM ÉQUIPE DE PRODUCTION

Preface

This is the seventeenth volume of Gender, Poverty, and Environmental Indicators on African Countries published by the Statistics Department of the African Development Bank Group. The publication also provides some information on the broad development trends relating to gender, poverty and environmental issues in the 54 African countries.

Gender, Poverty and Environmental Indicators on African Countries 2016 is divided in three main parts: Part One presents a special feature article on “Piloting an African Green Growth Index”. Part Two presents comparative cross-country data on the Millennium Development Goals, Gen-der, Poverty and the Environment. Part Three provides detailed data for each of the 54 countries.

PréfaceC’est le dix-septième volume d’Indicateurs sur le genre, la pauvreté et l’environnement sur les pays africains publié par le Département des statistiques du Groupe de la Banque africaine de développement. La publication fournit aussi des informations de façon générale sur les tendances de développement relatives aux problématiques sur le genre, la pauvreté et l’environnement dans les 54 pays africains.

Indicateurs sur le genre, la pauvreté et l’environnement sur les pays africains 2016 comprend trois principales parties. La première présente l’article spécial intitulé « Expérimentation d’un Indice de croissance verte pour l’Afrique ». La deuxième partie présente des données comparatives croisées par pays sur les Objectifs du millénaire pour le développement, le genre, la pauvreté et l’environnement. La troisième partie fournit des données détaillées pour chacun des 54 pays africains.

vivi

Tableof Contents

des matières

Preface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .v Préface . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .v Abbreviations and Acronyms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix Abréviations et Acronymes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ix Country Classification by Region/Grouping . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .x Classification des pays par région/groupe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .x

PART I PARTIE I

SPECIAL ARTICLE:“Piloting an African Green Growth Index” . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1ARTICLE SPÉCIAL :« Expérimentation d’un Indice de croissance verte pour l’Afrique » . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .11

PART II PARTIE II

COMPARATIVE CROSS-COUNTRY TABLES TABLEAUX COMPARATIFS CROISÉS PAR PAYSTHE MILLENNIUM DEVELOPMENT GOALS LES OBJECTIFS DU MILLÉNAIRE POUR LE DÉVELOPPEMENTProgress Towards Realizing the Millennium Development GoalsProgrès vers la réalisation des objectifs du millénaire pour le développement . . . . . . . . . . . . . . . . . . . . . . . . .23 1 . Eradicate Extreme Poverty and Hunger . . . . . . . Eradiquer la pauvreté extrême et la faim . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .24 2 . Achieve universal primary education . . . . . . . Assurer l’éducation primaire pour tous . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .25 3 . Promote gender equality and empower women . . . . . . . Promouvoir l’égalité des sexes et l’autonomisation des femmes . . . . . . . . . . . . . . . . . . . . . . .26 4 . Reduce children under 5 years mortality . . . . . . . Réduire la mortalité des enfants de moins de 5 ans . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .27 5 . Improve maternal health . . . . . . . Améliorer la santé maternelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .28 6 . Combat HIV/AIDS, malaria and other diseases . . . . . . . Combattre le VIH/sida, le paludisme et d’autres maladies . . . . . . . . . . . . . . . . . . . . . . . . . . .29 7 . Ensure environmental sustainability . . . . . . . Assurer un environnement durable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .30 8 . Develop a global partnership for development . . . . . . . Mettre en place un partenariat mondial pour le développement . . . . . . . . . . . . . . . . . . . . . . . .31

Section 1. GENDER – GENRE

1 .1 Mid-Year Population Estimates Population estimée en milieu d’année . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .34 1 .2 Fertility Rates Taux de fécondité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .35 1 .3 Reproductive Health Santé de la reproduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .36 1 .4 Contraceptive Use by Method Usage des contraceptifs par méthode . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .37

viivii

1 .5 Contraceptive Use by Age Group Usages des contraceptifs par groupe d’âges . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .38 1 .6 Life Expectancy Espérance de vie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .39 1 .7 Infant Mortality Rates Taux de mortalité infantile . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .40 1 .8 Access to Schooling Accès au système scolaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .41 1 .9 Internal Efficiency and Illiteracy Efficacité interne et analphabétisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .42 1 .10 Gross School Enrolment Ratios Taux bruts de scolarisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .43 1 .11 Teaching Staff Personnel enseignant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .44 1 .12 Participation of Women Participation des femmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .45 1 .13 Gender Empowerment Participation des femmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .46

Section 2. POVERTY – PAUVRETÉ

2 .1 Human Development Index Indice de développement humain . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .48 2 .2 Population in Poverty (%) Population en pauvreté (%) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .49 2 .3 Income Distribution Répartition du revenu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .50 2 .4 Nutrition Status Statut de la nutrition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .51 2 .5 Health Status Statut de la santé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .52 2 .6 Access to Health Services Accès aux services de santé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .53 2 .7 Mortality Trends Tendance de la mortalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .54 2 .8 Health Services Personnel Personnel des services de santé . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .55

Section 3. ENVIRONMENT – ENVIRONNEMENT

3 .1 Urbanization Profile Profil de l’urbanisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .58 3 .2 Forest Cover and Structure Couvert forestier et structure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .59 3 .3 Land Use (‘000 ha) Utilisation des terres (‘000 ha) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .60 3 .4 Water Resources and Withdrawals Ressources en eau et prélèvement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .61 3 .5 Industrial Emissions Emissions industrielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .62 3 .6 Energy Use Utilisation de l’énergie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .63 3 .7 Population and Forest Resources Population et ressources en forêt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .64

viiiviii

PART III PARTIE III

COUNTRY TABLES TABLEAUX PAR PAYS Algeria - Algérie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .66 Angola . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .70 Benin - Bénin . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74 Botswana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .78 Burkina Faso . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .82 Burundi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .86 Cabo Verde . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .90 Cameroon - Cameroun . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .94 Central African Rep . - Rép . Centrafricaine . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .98 Chad - Tchad . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .102 Comoros - Comores . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .106 Congo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .110 Congo, Dem . Rep . - Congo, Rép . Dém . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .114 Côte d’Ivoire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .118 Djibouti . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .122 Egypt - Égypte . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .126 Equatorial Guinea - Guinée Equatoriale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .130 Eritrea - Érythrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .134 Ethiopia - Éthiopie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .138 Gabon . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .142 Gambia - Gambie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .146 Ghana . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .150 Guinea - Guinée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .154 Guinea-Bissau - Guinée-Bissau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .158 Kenya . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .162 Lesotho - Lésotho . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .166 Liberia - Libéria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .170 Libya - Libye . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .174 Madagascar . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .178 Malawi . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .182 Mali . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .186 Mauritania - Mauritanie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .190 Mauritius - Maurice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .194 Morocco - Maroc . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .198 Mozambique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .202 Namibia - Namibie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .206 Niger . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .210 Nigeria - Nigéria . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .214 Rwanda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .218 São Tomé & Príncipe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 222 Senegal - Sénégal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .226 Seychelles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .230 Sierra Leone . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .234 Somalia - Somalie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .238 South Africa - Afrique du Sud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .242 South Sudan - Soudan du Sud . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .246 Sudan - Soudan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .250 Swaziland . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .254 Tanzania - Tanzanie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .258 Togo . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .262 Tunisia - Tunisie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .266 Uganda - Ouganda . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .270 Zambia - Zambie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .274 Zimbabwe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .278

ixix

AAU Assigned Amount Units AfDB African Development BankAIDS Acquired Immune Deficiency SyndromeAGGI African Green Growth IndexAMU Arab Maghreb UnionBAD Banque africaine de développementCDM Clean Development MechanismCEA Commission économique des Nations

unies pour l’AfriqueCEDEAO Communauté Économique des États de

l’Afrique de l’OuestCEMAC Communauté Économique et Monétaire

de l’Afrique CentraleCEN-SAD Community of Sahel-Saharan StatesCOMESA Common Market of Eastern and

Southern AfricaECA Economic Commission for AfricaECOWAS Economic Community of West African

StatesEPMR Évaluation participative en milieu ruralFAO Food and Agriculture Organization of the

United NationsFNUAP Fonds des Nations Unies pour la

populationICV Indice de croissance verteGGI Green Growth IndexMDGS Millennium Development GoalsOCDE/CAD Organisation de coopération et de

développement économiques/Comité d’Assistance au Développement

ODA Official Development AssistanceOECD/DAC Organisation for Economic Co-operation

and Development/ Development Assistance Committee

OMD Objectifs du millénaire pour le développement

ONUSIDA Programme commun des Nations Unies sur le VIH/SIDA

PIB Produit intérieur brutPMR Pays membres régionaux de la BADPNUE Programme des Nations Unies pour

l’environnementPRA Participatory Rural AppraisalREC Regional Economic CommunityRMCs Regional Member Countries (AfDB)SADC Southern African Development

CommunitySEA Strategic Environment AssessmentUDEAC Union Douanière des Etats de l’Afrique

CentraleUEMOA Union économique et monétaire ouest

africaineUMA Union du Maghreb ArabeUNAIDS Joint United Nations Program on HIV/

AIDSUNEP United Nations Environmental ProgramUNFCC United Nations Framework Convention

on Climate ChangeUNFPA United Nations Population Fund UNICEF United Nations Children’s Fund UQA Unités de quantités attribuéesUNESCO United Nations Educational and

Scientific OrganizationWAEMU West African Economic & Monetary

Union WHO World Health Organization

Units - Unitésm3 Cubic metre / mètre cube DR Données les plus récentes ha HectareKm2 Square Kilometre / Kilomètre carré

Key Symbols - Principaux symboles… Data not available Donnée non disponible- Magnitude zeros / Grandeur nulle0 or 0.0 Magnitude less than half of the unit Grandeur inférieure à la moitié de l’unité

Abbreviations and Acronyms – Abréviations et acronymes

Definition of Statistical Terms . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 285Définition des termes statistiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 293Data sources . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 304Sources des données . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 305

xx

Central Africa - Afrique centraleCameroon - CamerounCent. Afr. Rep. - Rép. Centraf. Chad - TchadCongo, DRC - Congo RDC,Equat. Guinea - Guinée équat, GabonSão Tomé & Príncipe

East Africa - Afrique de l’EstBurundi Comoros – Comores Djibouti Eritrea – Érythrée Ethiopia - Éthiopie Kenya Rwanda SeychellesSomalia – SomalieSouth Sudan – Soudan du SudSudan – Soudan Tanzania – Tanzanie Uganda - Ouganda

Southern Africa - Afrique australeAngola Botswana Lesotho Madagascar Malawi Mauritius MozambiqueNamibia - NamibieSouth Africa - Afrique du Sud, Swaziland Zambia - Zambie Zimbabwe

West Africa - Afrique de l’OuestBenin - Bénin Burkina Faso Cabo Verde Côte d’IvoireGambia - GambieGhana Guinea - GuinéeGuinea-Bissau - Guinée-Bissau Liberia - LibériaMali Niger Nigeria – Nigéria Senegal - Sénégal Sierra Leone Togo

North Africa - Afrique du NordAlgeria - Algérie Egypt - Égypte Libya - LibyeMauritania - Mauritanie Morocco - Maroc Tunisia - Tunisie

Cen-SADBenin - BéninBurkina FasoCent. Afr. Rep - Rép. Centrafr. Chad - TchadComoros - ComoresCôte d’IvoireDjiboutiEgypt - Égypte Eritrea - Érythrée Gambia - Gambie GhanaGuinea - GuinéeGuinea-Bissau - Guinée-BissauKenyaLiberia - Libéria Libya - Libye MaliMauritania - MauritanieMorocco - MarocNigerNigeria - NigériaSão Tomé & Príncipe Senegal - Sénégal Sierra LeoneSomalia - Somalie Sudan - Soudan TogoTunisia

COMESABurundiComoros - ComoresCongo, DRC - Congo, RDC DjiboutiEgypt - Égypte Eritrea - Érythrée Ethiopia - Éthiopie KenyaLibya - Libye Madagascar MalawiMauritius - MauriceRwanda Seychelles Sudan - Soudan SwazilandUganda - Ouganda Zambia - Zambie Zimbabwe

AMU - UMA Algeria - Algérie Libya - LibyeMauritania – Mauritanie Morocco - Maroc Tunisia - Tunisie

ECOWAS - CEDEAO Benin - Bénin Burkina FasoCabo Verde Côte d’Ivoire Gambia - Gambie GhanaGuinea - GuinéeGuinea-Bissau - Guinée-BissauLiberia – Libéria Mali NigerNigeria – Nigéria Senegal - Sénégal Sierra Leone Togo

SADC Angola BotswanaCongo DRC - Congo RDC Lesotho MadagascarMalawi Mauritius - Maurice Mozambique Namibia - Namibie SeychellesSouth Africa - Afrique du Sud SwazilandTanzania - TanzanieZimbabwe

UDEAC/CEMACCameroon - CamerounCent. Afr. Rep. - Rép. Centraf. Chad - TchadCongoEquat. Guinea - Guinée Équat. Gabon

WAEMU/ UEMOABenin - Bénin Burkina Faso Côte d’IvoireGuinea-Bissau - Guinée-BissauMaliNigerSenegal - SénégalTogo

Country Classification by Region/GroupingClassification des pays par région/groupe

11

Special Feature Article

Article d’intérêt spécial

Part/Partie 1

PILOTING AN AFRICAN GREEN GROWTH INDEX

3

Piloting an African Green Growth Index

ABSTRACT Green growth is an integral element of the green economy, capable of delivering very low-carbon and climate-compatible devel-opment. A green economy ensures improved human well-being, social inclusion and equity, while critically reducing environmental risks and ecological scarcities. For this reason, transitioning to green growth was selected as a key objective in the African Development Bank’s Ten Year Strategy 2013–22. In a green economy, income growth and employment are driven by investments aimed at reducing carbon emissions and pollution while sup-porting biodiversity, as well as energy and resource efficiency. This paper computes a pilot Green Growth Index (GGI) for developing countries, focusing on 22 selected African nations capable of furnishing the requisite data. This exercise, which took a year and a half to complete, is premised on the impor-tance of developing countries implementing green growth strategies. The base indicators used allow countries to monitor and evalu-ate their progress toward achievement of the Green Growth agenda. To this end, a GGI was formulated, which incorporated indicators across a raft of different sectors, ranging from energy (e.g. share of renewable energy, car-bon emissions, etc.), to the economy (GDP), human development (health, education, GNI), overseas aid, infrastructure, land use, etc. What emerges from this pilot African GGI study is that 18 of the 22 African countries included in the study scored 50 percentage points or more. Only four countries scored below this threshold, namely: Egypt, Algeria, Nigeria, and South Africa. The top five per-forming countries on the AGGI were, first Na-mibia (with a total score of 70.97), then Zam-bia (67.22), Ghana (65.01), Tanzania (61.34), and Togo (61.29). It is envisioned that going forward, this pilot GGI should be expanded in

scope to include a greater number of African countries, as more data become available. The GGI data could also be used in other indices that may include the AfDB’s High 5s or the UN’s Sustainable Development Goals. This will enable governments and develop-ment institutions to better monitor progress, and to mobilize and track resources where these are most needed.

Key words: Green Growth Index, green economy, indicators, Africa

INTRODUCTIONThe major global challenges at the start of the new millennium – including that of climate change and the economic crisis of 2008/9—contributed in no small measure to the con-ceptualization of the Green Growth agenda. In particular, the renowned economist and academic, Sir Nicholas Stern, highlighted the causative linkages between climate change, green growth, and economics in his 2006 article titled, “What Is the Economics of Cli-mate Change?” In the review, Stern (2006: 5) posits that:

“Growth and climate change are highly in-ter-related: for instance, how will growth drive the sources of greenhouse gas emissions? How will climate change affect growth, both in the short and long run? How will growth processes involve and affect people in differ-ent circumstances? And how could the miti-gation of greenhouse gases affect growth?”

Stern then suggests that climate change mit-igation should focus on reducing emissions caused by energy use, agriculture, and de-forestation. In 2009, Ottmar Edenhofer and Lord Nicholas Stern submitted a report to the G20 London Summit titled Towards a Glob-


4

al Green Recovery: Recommendations for immediate G20 action. This report focused initially on the dual crises at the time, namely the economic and climate crises. Discus-sion centered on reversing the short-term decline and promoting long-term growth. The recommendations toward a global green re-covery included seven strategies, namely to: improve energy efficiency, upgrade physi-cal infrastructure, support clean-technology markets, initiate flagship projects, enhance international research and development, in-centivize investment, and coordinate G20 efforts in the focus area of green recovery. The thinking around green recovery was embedded in the green economy/growth discourses.

Since then, intense discussions have taken place globally, not least within the interna-tional development community. The OECD (2014: 3), for example, highlighted that for governments to design policies to foster green growth: “they need indicators that can raise awareness, measure progress and identify potential opportunities and risks”. To assess green growth transition, the OECD identified indicators to measure progress in four key areas, namely: (i) the transition to a low-carbon, resource-efficient economy; (ii) maintaining the natural asset base; (iii) improving people’s environmental quality of life; and (iv) implementing policies for, and realizing the economic opportunities asso-ciated with, green growth.

The clarion call for a Green Growth agen-da has also been sounded by pan-African organizations. The African Union’s Agenda 2063 (AUC 2014) highlights the need for Afri-ca to participate in “global efforts for climate change mitigation that support and broaden the policy space for sustainable develop-ment on the continent” while it also voices the aspiration that “Africa shall continue to speak with one voice and unity of purpose in advancing its position and interests on climate change.” The African Development Bank’s Ten Year Strategy 2013–22 sets out the transition to “green growth” as one of

its two prime objectives – one that will “pro-tect livelihoods, improve water, energy and food security, promote the sustainable use of natural resources and spur innovation, job creation, and economic development” (AfDB 2013: 1-2). The African GGI is a valuable tool that will assist development institutions and regional member countries to monitor the transition to green growth and assess pro-gress.

In this feature article, we present the pre-liminary findings from the construction of a composite pilot African Green Growth Index (AGGI). We start by detailing the methodol-ogy applied.

METHODOLOGYComposite indicators (and indices) provide for ranking and comparing the performance of different countries. Such indicators in-clude: Gross Domestic Product (measuring aggregate economic performance), the Hu-man Development Index (HDI) (measuring performance in progress toward social condi-tions, by combining three indicators – health, education, and gross national income); and the Corruption Perceptions Index from Trans-parency International, among others. These indicators are usually referred to (especial-ly by the media and advocacy groups) as authoritative sources of reporting national performance toward different socioeconomic goals (Barr, 2013).

The ranking of the performance of systems and/ or countries generates public interest and can serve as an important mobilization tool for political decision-makers and leaders. While advocacy and pressure groups use the indices to push for the implementation of measures to enhance a given country’s per-formance, political leaders can use the infor-mation to publicize their countries’ progress and to highlight areas that may need support. In this way, a Green Growth Index (GGI) can serve as an instrument to mobilize action for increased investments in various areas that promote green growth on the continent.


5

Composite indicators are often judged on the basis of the quality of the underlying variables. The selection of these variables is based on their relevance, analytical sound-ness, timeliness, and accessibility. We are cognizant of the risk that the data selection process can be overly subjective, as there is no definitive, globally endorsed set of indi-cators. Parry and Carter (1998) acknowledge that finding reliable data is a major challenge for indicator studies. In the African setting, data problems are likely to affect the sound-ness of the composite indicators. The OECD (2008) and Nardo et al. (2005) provide guide-lines and assumptions for the development of the composite indicator. These highlight the importance of an explicit conceptual frame-work, multivariate analysis before aggrega-tion of individual indicators, imputing missing observations, normalization, weighting, and using sensitivity analysis to test the robust-ness of the composite indicator.

Drawing from theory and taking data con-straints into consideration, we developed five multidimensional concepts for our African GGI: (i) Socioeconomic context and charac-teristics of growth, (ii) Environmental and re-source productivity, (iii) Monitoring the natural asset base, (iv) Gender, and (v) Governance. Data were then collected from all the available sources, including the African Development Bank’s Open Data Platform and the World Bank’s World Development Indicators. In the current international framework for GGI construction, the initially conceived fourth dimension, viz. “African data for monitoring economic opportunities and policy respons-es” could not be identified. Consequently, this dimension was dropped and replaced by “Gender” as dimension number 4. As work progressed, several themes emerged within these major dimensions, with over 100 pos-sible indicators identified initially.

The initial draft dimensions, themes, and in-dicators were sent out for peer and technical review for the pilot African GGI. They were informed mainly by relevance to the African context and data availability. Therefore, ef-

forts were made to select indicators that measure and report progress on issues of practical relevance to African member states. Furthermore, consultations with relevant stakeholders were held with the objective of ensuring that the conceptual framework and the selected indicators were robust. The 48 indicators in the final list (as opposed to 77 in the draft GGI) are set out in Table 1 and reflect a careful selection of relevant and available indicators for the sample countries. For example, in the initial list of indicators, the measure of poverty given by the number of population living below US$1.25 per day was dropped in favor of a threshold of US$2 per day.

Based on a broad review of the literature (e.g. Hoskins and Mascherini, 2009; Nardo et al., 2005), as well as expert review from the AfDB and a Review Panel, the African GGI is defined as a weighted sum of the indices computed for the following five dimensions: (i) Socioeconomic context and characteris-tics of growth; (ii) Environmental and resource productivity; (iii) Monitoring the natural asset base; (iv) Gender; and (v) Governance:

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv

c i ij ijk ijkci j k

GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

where

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

and

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

for all

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = Kand c = 1, … 221 where c represents the num-ber of countries and

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

represents the

different dimensions of the GGI.

Each GGI dimension index

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

is calculated

as a linear weighted aggregation of the sub -

dimension indices

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

with weights

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

1 A set of 22 countries was selected for the initial construction of the GGI (Algeria; Angola; Benin; Cam-eroon; Congo, Dem. Rep.; Congo Rep.; Côte d’Ivoire; Egypt; Ethiopia; Gabon; Ghana; Kenya; Morocco; Mozambique; Namibia; Nigeria; Senegal; South Africa; Tanzania; Togo; Tunisia; and Zambia).


6

Table 1: Selected GGI construction framework: dimensions, themes and indicators

Dimensions Theme Indicators

1. The socio-economic context and character-istics of growth

Demograph-ics

1. Population density, inhabitant per km22. Population, growth rate3. Population, dependency ratio4. % rural population5. Employment creation (economically active employed of those in

the cohort)

Economy 6. Real GDP, Index 1990=1007. Agriculture, % GDP8. Industry, % GDP9. Services sector, % GDP10. GDP per capita11. GDP growth rate12. GDP ppp

Health 13. Infant mortality14. Life expectancy15. HIV/AIDs prevalence (ages 15-49)16. Hospital beds17. Malnutrition prevalence (rated on weight)18. Health expenditure per capita

Education 19. Literacy rate (adult education)20. Literacy rate (youth)

Poverty 21. Gini coefficient22. Population living below threshold of $2

Infrastructure and access

23. Internet access24. Access to Electricity (% of households with access)25. Access to Water (access to improved water source)26. Access to improved sanitation facility

2. Environ-mental and resource productivity

Emissions 27. Production-based CO2 intensity (tonnes per capita)28. Production-based CO2 emissions (index 1990=100)

Energy 29. Energy intensity (tonnes per capita)30. Renewable energy supply [% TPES (Total Primary Energy Supply]31. Renewable electricity (% total electricity generation)

3. Monitoring the natural asset base

Land, forest and agricul-ture

32. Arable and cropland (% total land area)33. Forest (% total land area)34. Total protected area (Marine and terrestrial)

Water and aquatic resources

35. Water efficiency (Water withdrawals per capita (m3 per capita per annum)

Disaster risk 36. Total number of events 1900-201437. Total number of people affected 1900-2014

4. Gender Gender 38. Prevalence of HIV, female (% ages 15-24)39. Female adults with HIV (% of population ages 15+ with HIV)40. Labour force, female (% of total labour force)41. Literacy rate, adult female (% of females ages 15 and above)42. Proportion of seats held by women in national parliaments (%)43. Proportion of women in ministerial level positions (%)

5. Govern-ance

Governance 44. Political Stability and Absence of Violence/Terrorism45. Government Effectiveness46. Regulatory Quality47. Rule of Law48. Control of Corruption

Source: Authors’ compilation


7

where for each GGI dimension

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

and

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

for all

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

and c = 1, … 22 .

Each sub-dimension of GGI 5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

is comput-

ed as a weighted sum of the

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

normalized

sub-indicators

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

with weights

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

where

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

indicates the number of basic in-

dicators in sub-dimension j of GGI dimen-sion i and for each couple ij,

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

and

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

, and

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

.

From the above equations, the aggregated GGI is given by:

5

1c i ic

iGGI w D

=

=∑

5

11ii w= =∑

0 wi 1

1, 5,i = K

Di

ijSD

wj*

*

1

iv

ic ij ijcj

D w SD=

=∑

i,

*1

1iv ijj w= =∑

0 1ijw≤ ≤

1, ij v= K

ijSD

ijn

ijkcI

wijk#

#

1

ijn

ijc ijk ijkck

SD w I=

=∑

j

i

ij,

#1

1ijn ijkk w= =∑

#0 1ijkw≤ ≤

22,...1=c

5* #

1 1 1

iji nv


GGI w w w I= = =

= ∑ ∑ ∑

1, 4,i = K

From the established inclusion/exclusion cri-teria, which used critical data on resource intensity as determinants, sample countries were picked. The indicators where data were available for measuring resource intensity in-cluded the following: CO2 emissions (kg per 2005 US$ of GDP), renewable energy supply, renewable electricity, and access to electrici-ty. In addition, an effort was made to include all the major Regional Economic Communi-ty (REC) powerhouses in the sample. This meant that countries like Kenya (East Afri-ca), Cameroon (Central Africa), Egypt (North Africa), South Africa (southern Africa), and Nigeria (West Africa) were included. The final sample constituted an estimated 73.7% of the total population of the continent, based on 2013 projections. The final 22 sample countries comprised: Algeria, Angola, Benin, Cameroon, Congo, Côte d’Ivoire, Democratic Republic of Congo, Egypt, Ethiopia, Gabon, Ghana, Kenya, Morocco, Mozambique, Na-mibia, Nigeria, Senegal, South Africa, Tanza-nia, Togo, Tunisia, and Zambia.

It is important to note that the initial construc-tion of the African GGI provides a baseline for the future development of a more com-prehensive GGI, as more data are gathered and construction steps are improved. The

database that has been developed will allow for progress in both the aggregate index and individual indicators to be monitored over time. As new and more data are gathered and added to the database, this will support trend analysis on each country’s performance in the transition towards green growth over time. The secondary data collection process provides a basis for future development of a green growth survey that will continuously collect data on green growth indicators in African countries. In addition, such a process will permit refinement of the GGI, as addi-tional statistical methods like normalization and weighting are increasingly introduced.

To compute the African GGI, an expert weighting of indicators was conducted. Ac-cording to Hoskins and Mascherini (2009), the selection of any weighting method re-quires an “underlying and agreed or at least clearly stated theoretical framework.” The selection of weights to be used is important, as it influences the outcome of the composite indicator and the ranking of country perfor-mance. Table 2 shows the application of ex-pert weights to the different GGI dimensions and indicators.

Table 2: Weights given to the dimensions of the African GGI framework

Green growth dimension Expert weights(100%)

Socioeconomic context and characteristics of growth

20

Environmental and resource productivity

30

Monitoring the natural asset base

25

Gender 10

Governance 15

Source: Authors’ compilation.

Once the indicators had been weighted, the next step was to aggregate the normalized and weighted indicators into an aggregate GGI. The generic GGI was constructed using


8

the weighted linear aggregation rule to a set of selected variables.

KEY FINDINGSThe emerging picture is that the top five (5) countries on the AGGI (ranked from 1-5) are: Namibia (with a total score of 70.97), Zam-bia (67.22), Ghana (65.01), Tanzania (61.34), and Togo (61.29). At the other end, the worst performing five are: Egypt (with a score of 42.35), Algeria (44.94), Nigeria (45.95), South Africa (49.47), and Angola (51.33). The overall scores and rankings are presented in Table 3.

The gap between the first and the last ranked country is 28.62 percentage points. A visual indication on how the countries perform is given as a spider diagram in Figure 1. Clear-ly, there are huge gaps between the perfor-mance of the top and bottom ranked coun-tries. What emerges from a deeper analysis is that the countries performing badly tend to be resource-intensive economies that are de-pendent mainly on dirty energy from coal and oil or that abstract a lot of water like Egypt. The top-performing countries are those that use renewable energy, especially hydropow-er. This effectively means that for African and

Table 3: AGGI overall scores, overall ranking and scores for dimensions

Country Code

Overall Score/100 (Ranking)

Socio-Economic Growth/20

Environmental and resource productivity/30

Monitor-ing the natural asset base/25

Gender /10

Govern-ance/15

Namibia NAM 70.97 (1) 10.13 26.18 17.63 6.25 10.80

Zambia ZMB 67.22 (2) 7.96 27.67 20.07 5.63 5.89

Ghana GHA 65.01 (3) 9.20 24.33 17.70 4.44 9.34

Tanzania TZA 61.34 (4) 8.33 23.48 17.37 5.66 6.51

Togo TGO 61.29 (5) 7.71 25.96 19.8 4.22 3.59

Senegal SEN 61.07 (6) 8.10 21.26 19.04 4.45 8.22

Gabon GAB 60.80 (7) 11.86 17.79 20.04 5.02 6.08

Mozambique MOZ 60.56 (8) 6.57 26.27 16.02 5.28 6.43

Morocco MAR 59.35 (9) 10.91 20.51 15.94 3.07 8.92

Benin BEN 58.63 (10) 6.31 22.36 19.48 3.61 6.86

Tunisia TUN 58.38 (11) 13.03 14.21 17.43 3.65 10.05

Cameroon CMR 57.58 (12) 9.39 23.14 17.88 3.96 3.20

Congo, Rep. COG 57.41 (13) 10.20 21.68 19.18 4.40 1.95

Kenya KEN 56.94 (14) 9.12 25.62 12.69 4.55 4.96

Ethiopia ETH 53.74 (15) 5.81 27.56 12.26 3.69 4.41

Congo, Dem. Rep. ZAR 53.51 (16) 7.32 26.84 15.36 3.45 0.54

Côte d’Ivoire CIV 52.47 (17) 7.63 19.74 18.81 3.19 3.10

Angola AGO 51.33 (18) 8.35 19.78 17.02 4.54 1.64

South Africa ZAF 49.47 (19) 12.98 4.53 13.77 7.02 11.17

Nigeria NGA 45.95 (20) 7.28 16.75 15.98 3.16 2.79

Algeria DZA 44.94 (21) 12.53 11.49 14.22 2.07 4.63

Egypt EGY 42.35 (22) 12.13 11.31 8.50 2.96 7.45

Source: Authors’ compilation


9

other economies to follow the green growth path, more investments are needed in renew-able energy and water conservation.

CONCLUSIONSWhat emerges from this African GGI pilot study is that 18 of the 22 African countries included in the study scored 50 percentage points and above in terms of their green growth ranking. The only countries scoring below this threshold were: Egypt, Algeria, Ni-geria, and South Africa. The top five countries on the AGGI (ranked from 1-5) were: Namibia (70.97), Zambia (67.22), Ghana (65.01), Tan-zania (61.34), and Togo (61.29).

The main limitation encountered in the for-mulation of the GGI has been a lack of data, which resulted in half of the African countries not being included in the AGGI study. In ad-dition, some data of interest to the partic-ipating countries could not be found. This implies that, moving forward, more data need to be collected in order to add more coun-tries to the AGGI and so present a broader, more representative picture across the whole continent. Another recommendation would be to improve the quality of relevant data sets used to construct the index. Despite the challenges, the available data on some indicators can be used to kickstart the pro-cess of building on this pilot African GGI, so that it can be strengthened and expanded over time. Careful consideration also needs to be given to harmonize it with the UN’s 2030 Agenda for Sustainable Development (2015), which incorporates the Sustainable Development Goals (SDGs) and their indi-cators. Work on the AGGI should draw from SDGs indicators and be an element of this larger global agenda.

This pilot GGI has laid strong foundations to build upon. It provides an opportunity for all stakeholders, including African government ministries and agencies, national statistical offices, as well as international development agencies, to propose recommendations for future improvements, in order that a robust

and comprehensive index can be construct-ed tailored to meet the needs of the whole continent.

REFERENCES

African Development Bank (2013). At the Center of Africa’s Transformation: Strategy for 2013–2022. Tunis (TRA): AfDB.

African Union Commission (2014). Agenda 2063: The Africa We Want. 2nd edn. Addis Ababa: AUC.

Barr, J. (2013). “Exploring the Feasibility of an Inclusive Green Economy Index.” Background Paper for the UNEP workshop on Developing an Inclusive Green Economy Index, Geneva, Switzerland, 6-7 November 2013.

Edenhofer, O. and Stern, N. (2009). Towards a Global Green Recovery: Recommendations for immediate G20 action. Potsdam Institute

Figure 1: GGI for selected African countries

Note: See Table 3 for country abbreviations.

Source: Authors’ compilation.


10

for Climate Impact Research (PIK) and the Grantham Research Institute on Climate Change and the Environment (GRI LSE). http://www .lse .ac .uk/GranthamInstitute/wp-content/uploads/2014/02/GlobalGreenRecovery_April09 .pdf.

Hoskins, B. L. and Mascherini. M. (2009). “Measuring Active Citizenship through the Development of a Composite Indicator.” Social Indicator Research, Vol. 90: 459–488. http://www .springerlink .com/content/p2811363230422n4/

Nardo, M., Saisana, M., Saltelli, A. and Tarantola, S. (2005), Tools for Composite Indicators Building. European Commission Report EUR 21682 EN. Ispra: Joint Research Centre. http://publications .jrc .ec .europa .eu/repository/handle/JRC31473

Nardo, M., Saisana, M., Saltelli, A., Tarantola, S., Hoffmann, A., and Giovannini, E. (2008). Handbook on Constructing Composite Indicators: Methodology and User Guide. Joint publication by the OECD and Joint Research Centre (JRC) of the EC. http://www .oecd .org/std/42495745 .pdf

Parry, M. and Carter, T. (1998). Climate Impact and Adaptation Assessment. A Guide to the IPCC Approach. London: Earthscan.

OECD (2008). Handbook on Constructing Composite Indicators. Methodology and user guide. Paris: OECD Publications.

OECD (2014). Green Growth Indicators. Paris: OECD Publications.

Stern, N. (2006). “What Is the Economics of Climate Change?” World Economics, Vol. 7 (2). pp. 1-10.

United Nations (2015).Transforming Our World: The 2030 Agenda for Sustainable Development.A/RES/70/1. https://sustainabledevelopment .un .org/content/documents/21252030%20Agenda%20for%20Sustainable%20Development%20web .pdf

EXPÉRIMENTATION D’UN INDICE DE CROISSANCE VERTE POUR L’AFRIQUE

11

RésuméLa croissance verte constitue une partie in-tégrante de l’économie verte, capable de réaliser un développement à très faibles émissions de carbone et respectueux de l’environnement. Toute économie verte ga-rantit l’amélioration du bien-être de l’homme, l’inclusion sociale et l’équité, tout en rédui-sant significativement les risques environne-mentaux et les pénuries écologiques. Pour cette raison, la transition vers une croissance verte a été inscrite au nombre des objectifs clés de la Stratégie décennale 2013-2022 de la Banque africaine de développement. Dans toute économie verte, l’augmentation du revenu et la création d’emplois sont tirées par des investissements visant à réduire les émissions de carbone et la pollution, tout en soutenant la biodiversité, ainsi que l’efficacité énergétique et des ressources. Le présent article calcule un indice de croissance verte (ICV) pour les pays en développement, en se focalisant sur 22 pays africains retenus, qui ont pu fournir les données requises. Cet exercice, qu’il a fallu une année et demie pour mener à terme, repose sur l’importance de la mise en œuvre de stratégies de croissance verte par les pays en développement. Les indicateurs de base utilisés permettent aux pays d’assurer le suivi et évaluation des pro-grès qu’ils enregistrent dans le sens de la réalisation de l’Agenda de croissance verte. À cette fin, un ICV a été élaboré, lequel com-portait des indicateurs touchant à un éventail de secteurs différents, allant de l’énergie (par exemple, la part des énergies renouvelables, les émissions de carbone, etc.) à l’économie (PIB), en passant par le développement hu-main (santé, éducation, RNB), l’aide étran-gère, l’infrastructure, l’utilisation des terres,

etc. Il se dégage de la présente étude sur un ICV pilote pour l’Afrique que 18 des 22 pays africains couverts par l’étude ont obtenu 50 points de pourcentage ou davantage. Seuls quatre pays ont obtenu une note inférieure à ce seuil, à savoir : l’Égypte, l’Algérie, le Nigéria et l’Afrique du Sud. Les cinq pays enregistrant les meilleures performances sur l’ICV pour l’Afrique ont été, en premier lieu la Namibie (avec une note totale de 70,97), suivie de la Zambie (67,22), du Ghana (65,01), de la Tanzanie (61,34) et du Togo (61,29). L’on envisage, à l’avenir, d’étendre le champ de cet ICV pilote pour intégrer un plus grand nombre de pays africains, à mesure que de nouvelles données deviendront disponibles. Les données sur l’ICV pourraient égale-ment être utilisées dans d’autres indices qui peuvent intégrer les cinq (5) Grandes priorités de la BAD ou les Objectifs de développe-ment durable. Cette expansion permettra aux gouvernements et aux institutions de développement d’assurer un meilleur suivi des progrès ainsi que de mobiliser et de sur-veiller les ressources là où elles font le plus cruellement défaut.

Mots-clés : Indice de croissance verte, éco-nomie verte, indicateurs, Afrique

IntroductionLes principaux défis mondiaux au début du nouveau millénaire (notamment ceux posés par le changement climatique et la crise éco-nomique de 2008/2009) ont contribué dans une large mesure à la conceptualisation de l’Agenda de croissance verte. À cet effet, le célèbre économiste et universitaire, Sir Ni-cholas Stern, a relevé en particulier les liens

Expérimentation d’un Indice de croissance verte pour l’Afrique


12

de causalité entre le changement climatique, la croissance verte et l’économie dans son article publié en 2006 intitulé « What Is the Economics of Climate Change? » Dans son étude, Stern (2006: 5) avance l’argument se-lon lequel :

« La croissance et le changement climatique sont intimement liés : par exemple, en quoi la croissance favorise-t-elle les sources d’émis-sions de gaz à effet de serre ? Comment le changement climatique affecte-t-il la crois-sance tant à court qu’à long terme ? En quoi les processus de croissance impliquent-ils et affectent-ils les populations dans diffé-rentes situations ? Et, comment l’atténua-tion des gaz à effet de serre affecterait-elle la croissance ? »

Stern fait ensuite valoir que l’atténuation du changement climatique devrait se focaliser sur la réduction des émissions causées par la consommation d’énergie, l’agriculture et la déforestation. En 2009, Ottmar Edenhofer et Lord Nicholas Stern ont soumis un rapport au Sommet du G20 de Londres intitulé « Towar-ds a Global Green Recovery: Recommenda-tions for immediate G20 action ». Ce rapport s’est focalisé au départ sur les deux crises qui prévalaient à l’époque, à savoir la crise économique et la crise climatique. Les dis-cussions ont porté essentiellement sur l’in-version du ralentissement à court terme et la promotion de la croissance à long terme. Les recommandations allant dans le sens d’une relance mondiale verte comportaient sept stratégies, notamment : améliorer l’efficacité énergétique, moderniser l’infrastructure phy-sique, soutenir les marchés de technologies propres, lancer des projets phares, renforcer la recherche et le développement interna-tional, fournir des incitations à l’investisse-ment et coordonner les efforts du G20 dans le domaine d’intérêt qu’est la relance verte. La réflexion autour de la relance verte était enracinée dans les discours sur l’économie/la croissance vertes.

Depuis lors, d’intenses débats ont eu lieu au niveau mondial et, non des moindres, au sein

de la communauté internationale du déve-loppement. L’OCDE (2014: 3), par exemple, a souligné que pour que les gouvernements conçoivent des politiques visant à favoriser la croissance verte : « ils ont besoin d’indi-cateurs qui peuvent susciter une prise de conscience, mesurer les progrès et identi-fier les opportunités et risques potentiels ». Pour évaluer la transition vers une croissance verte, l’OCDE a identifié des indicateurs vi-sant à mesurer les progrès dans quatre do-maines clés, notamment : i) la transition vers une économie à faible émission de carbone et exploitant efficacement les ressources ; ii) le maintien d’une base d’actifs naturels ; iii) l’amélioration de la qualité de vie environne-mentale des populations ; et iv) la mise en œuvre des politiques promouvant les possibi-lités économiques associées à la croissance verte et la réalisation desdites possibilités.

Un appel retentissant en faveur d’un Agenda de croissance verte a également été lancé par des organisations panafricaines. L’Agen-da 2063 de l’Union africaine (CUA, 2014) sou-ligne la nécessité pour l’Afrique de participer aux « efforts mondiaux visant à atténuer le changement climatique qui soutiennent et élargissent l’espace politique pour le déve-loppement durable sur le continent », tout en énonçant également l’aspiration selon la-quelle « L’Afrique continuera à parler d’une seule voix et pour le même objectif dans la promotion de sa position et de ses intérêts en ce qui concerne le changement clima-tique ». La Stratégie décennale 2013-2022 de la Banque africaine de développement définit la transition vers une « croissance verte » comme étant l’un de ses deux ob-jectifs principaux – un agenda qui « protége-ra les moyens de subsistance, améliorera la sécurité hydrique, énergétique et alimentaire, favorisera l’utilisation durable des ressources naturelles et stimulera l’innovation, la création d’emplois et le développement » (BAD, 2013: 1-2). L’ICV pour l’Afrique est un précieux ou-til qui permettra aussi bien aux institutions de développement qu’aux pays membres régionaux d’assurer le suivi de la transition


13

vers une croissance verte et d’évaluer les progrès réalisés.

Dans le présent article de fond, nous pré-sentons les résultats préliminaires découlant de la construction d’un Indice composite pi-lote de croissance verte pour l’Afrique. Nous commencerons par détailler la méthodologie appliquée.

Méthodologie Les indicateurs (et indices) composites per-mettent de classer et de comparer les per-formances de différents pays. Au nombre de ces indicateurs, figurent le produit intérieur brut (qui mesure la performance économique globale), l’indice de développement humain (IDH) (qui mesure la performance en matière de progrès dans le sens de l’amélioration des conditions sociales, en combinant trois indi-cateurs – santé, éducation et revenu national brut) et l’indice de perception de la corruption de Transparency International, entre autres. Ces indicateurs sont généralement décrits (en particulier par les médias et les groupes de plaidoyer) comme sources faisant auto-rité en matière d’établissement de rapports sur les performances nationales par rapport aux différents objectifs socioéconomiques (Barr, 2013).

Le classement de la performance des sys-tèmes et/ou des pays suscite l’intérêt du pu-blic et peut servir d’outil important de mobili-sation par les décideurs et les responsables politiques. Certes, les groupes de plaidoyer et de pression se servent des indices pour plaider en faveur de la mise en œuvre de mesures visant à améliorer les performances d’un pays donné, mais les responsables po-litiques peuvent utiliser ces informations en vue de faire connaître les progrès réalisés par leurs pays et mettre en exergue des do-maines qui peuvent nécessiter un appui. Ainsi un indice de croissance verte (ICV) peut-il sert comme un outil important pour mobiliser l’action en faveur d’investissements accrus dans divers domaines qui promeuvent la croissance verte sur le continent.

Les indicateurs composites sont souvent jugés à l’aune de la qualité des variables sous-jacentes. La sélection de ces variables est basée sur leur pertinence, leur robus-tesse analytique, leur opportunité et leur accessibilité. Nous avons conscience de ce que le processus de sélection des données peut être trop subjectif, dans la mesure où il n’existe pas d’ensemble d’indicateurs précis approuvés au niveau mondial. Parry et Carter (1998) reconnaissent que trouver des don-nées fiables constitue un défi majeur pour les études sur les indicateurs. Dans le contexte africain, les problèmes de données sont sus-ceptibles de peser sur la solidité des indica-teurs composites. L’OCDE (2008) et Nardo et al. (2005) fournissent des directives et des hypothèses pour l’élaboration de l’indicateur composite. Ils soulignent l’importance d’un cadre conceptuel explicite, de l’analyse à plusieurs variables avant l’agrégation des indicateurs individuels, l’inférence des ob-servations manquantes, la standardisation, la pondération et l’utilisation d’une analyse de sensibilité pour tester la robustesse de l’indicateur composite.

Faisant fond sur la théorie et prenant en compte les contraintes liées aux données, nous avons développé cinq concepts mul-tidimensionnels aux fins de notre ICV pour l’Afrique, à savoir : i) le contexte socioéco-nomique et les caractéristiques de la crois-sance ; ii) la productivité de l’environnement et des ressources ; iii) la surveillance de la base d’actifs naturels ; iv) le genre ; et v) la gouvernance. Les données ont été ensuite collectées auprès de l’ensemble des sources disponibles, y compris la Plateforme ouverte de données de la Banque africaine de déve-loppement et les Indicateurs du développe-ment dans le monde de la Banque mondiale. Dans le cadre international actuel pour la construction de l’ICV, la quatrième dimension initialement conçue, à savoir : « données afri-caines pour la surveillance des opportunités économiques et des réponses politiques » n’a pu être identifiée. En conséquence, cette di-mension a été abandonnée et remplacée par le « genre » comme quatrième dimension. À


14

mesure qu’évoluait l’étude, plusieurs thèmes se sont dégagés de ces dimensions princi-pales, avec plus de 100 indicateurs possibles identifiés au départ.

Les dimensions, thèmes et indicateurs préli-minaires initiaux ont été transmis pour exa-men par les pairs et évaluation technique aux fins de l’ICV pilote pour l’Afrique. Cette approche a été sous-tendue principalement par leur pertinence par rapport au contexte africain et par la disponibilité des données. En conséquence, des efforts ont été faits pour sélectionner des indicateurs qui mesurent et rendent compte de l’état d’avancement des questions d’intérêt pratique pour les États membres africains. Par ailleurs, des consul-tations avec les parties prenantes pertinentes o

2016 - african development bank · 2019-06-29 · countries published by the statistics department...

Documents