VRAMAH SERGE MARIUS GBAGBEU
ANALYSE DES FACTEURS EXPLICATIFS DU
COMMERCE INTERNATIONAL DE BIENS
ENVIRONNEMENTAUX : UTILISATION DE
MODÈLES DE GRAVITÉ
Mémoire présenté
à la Faculté des études supérieures et postdoctorales de l’Université Laval
dans le cadre du programme de maîtrise en Économique avec mémoire
pour l’obtention du grade de Maître ès arts (M.A.)
DÉPARTEMENT D’ÉCONOMIQUE
FACULTÉ DES SCIENCES SOCIALES
UNIVERSITÉ LAVAL
QUÉBEC
2013
© Vramah Serge Marius Gbagbeu, 2013
ii
Résumé
L’objectif de la présente étude est d’analyser les déterminants du commerce des biens
environnementaux en particulier à partir du modèle de gravité de type CES et du modèle de
gravité de type Translog inspiré des travaux de Novy (2012).
Nos résultats d’estimation à partir de ces deux modèles permettent de dire d’une part que
l’impact des variables explicatives est plus important sur le flux de commerce lorsqu’on
utilise le modèle Translog mais cet impact n’est pas uniforme et d’autre part que cet impact
est plus important sur le commerce des biens environnementaux par rapport au flux des
échanges de l’ensemble des biens de façon générale.
Enfin, la valeur des coefficients de régression ainsi celui de l’élasticité coût du commerce à
partir du modèle Translog se trouvent au voisinage des résultats des études empiriques qui
ont servi de cadre de référence.
Mots clés : Commerce, équation de gravité, élasticité, biens environnementaux.
iii
Abstract
The main objective of the present study is to analyze the determiners of the trade of goods
generally and the environmental goods in particular from the models of gravity of type CES
and Translog inspired by the works of Novy (2012).
Our results of estimation from these two models allow to say on one hand that the impact of
the explanatory variables is more important on the flow of trade when we use the model
Translog but this impact is not uniform and on the other hand that this impact is more
important on the trade of the environmental goods to compared with the flow of the
exchanges of all the goods in a general way.
Finally, the value of the coefficients of regression so that of the elasticity cost of the trade
from the model Translog are in the neighborhood of the results of the empirical studies
which served as reference frame.
Keywords: trade, equation of gravity, elasticity, the environmental goods.
iv
Avant-Propos
Les études sur le commerce international ont mis à contribution différentes méthodes
d’analyse dans le but ultime d’orienter au mieux les politiques.
Parmi les différentes méthodes utilisées figure le modèle gravitationnel des échanges. Ce
dernier est devenu au cours des deux dernières décennies, l’outil standard (le plus utilisé)
de modélisation du commerce international. La multiplicité de son application en a favorisé
la très large diffusion.
Des améliorations ont été apportées au modèle de base afin d’affiner la réflexion et obtenir
des résultats plus plausibles. Au nombre de ces améliorations, figure le modèle de gravité
de type Tanslog.
Afin de tester cette nouvelle approche du modèle de gravité, la présente étude s’est
intéressée à analyser les déterminants du commerce international des biens en général et
des biens environnementaux en particulier à travers l’utilisation et la comparaison des
résultats du modèle de gravité classique et du modèle de gravité de type Translog.
Puisse ce travail susciter d’autres réflexions afin d’aider à mieux comprendre les facteurs
qui influencent le commerce entre les économies et à orienter au mieux les décideurs.
v
Dédicace
Je dédie ce travail à
Mon Père, Mamadou GBAGBEU qui m’a quitté trop tôt et brusquement. Papa,
saches que chaque jour je pense à toi dans tout ce que je fais!
Ma chère et tendre Mère, Sun Rosalie KPAN qui n’a jamais cessé de croire en moi
et de m’encourager dans toutes mes initiatives! Merci Maman!
Mon épouse, Christiane N’DIAYE ma bien aimée pour sa patience durant ces quatre
(4) dernières années qu’aura duré mon séjour à l’extérieur (Belgique et Canada) loin d’elle.
Merci Ma Rhaukya pour ta confiance et d’avoir cru en ce projet commun.
Mes frères et sœurs, Adam, Inès, Éric, Sandrine, Thérèse pour leurs soutiens et toute
l’attention dont j’ai pu bénéficier au cours de ces dernières années.
À chacun d’entre vous, que Dieu vous le rende abondamment!!!
vi
Remerciements
Je remercie tout particulièrement Monsieur Lota D. TAMINI, mon Directeur de mémoire
pour avoir accepté spontanément de m’encadrer. Merci pour votre grande sollicitude et
votre disponibilité empreintes d’humilité qui ne laissent guère indifférent.
Puisse Dieu vous accompagner dans vos projets et vous ouvrir d’autres portes, d’autres
opportunités meilleures.
À mon jeune frère Aboudrahyme SAVADOGO qui en dépit de ses nombreuses charges n’a
ménagé aucun effort pour m’assister tout au long de ce travail. Reçois ici l’expression de
ma profonde gratitude!
À tous mes amis qui d’une manière ou d’une autre m’ont témoigné de leurs soutiens!
Que Dieu te le rende abondamment!
vii
Table des matières
Résumé ................................................................................................................................................. ii
Abstract ............................................................................................................................................... iii
Avant-Propos ....................................................................................................................................... iv
Dédicace ............................................................................................................................................... v
Remerciements ................................................................................................................................... vi
Table des matières ............................................................................................................................. vii
Liste des graphiques ............................................................................................................................ ix
Liste des tableaux ................................................................................................................................ ix
Liste des figures ................................................................................................................................... ix
Contexte et problématique .................................................................................................................. 1
I- Notion de biens environnementaux ............................................................................................. 4
I.1- Définition.................................................................................................................................. 4
I.2- Classification des biens environnementaux .............................................................................. 5
I.3- Les déterminants de la demande des biens environnementaux ................................................ 7
I.3.1-Les facteurs économiques ................................................................................................... 7
I.3.1-Les facteurs non économiques ............................................................................................ 8
I.4- Offre et demande de biens environnementaux ....................................................................... 10
I.5- Quelques statistiques sur les échanges de biens environnementaux ...................................... 11
I.5.1-A l’échelle de l’économie mondiale ................................................................................. 11
I.5.2- A l’échelle de l’économie du Canada .............................................................................. 15
II- Revue de la littérature empirique .......................................................................................... 17
III- Données et cadre méthodologique ........................................................................................ 25
III.1- Collecte globale des données ............................................................................................... 25
viii
III.1.1- Sources de collectes de données et variables d’intérêt ................................................. 25
III.1.2- Manipulation des données pour « l’Union Européenne » ............................................. 26
III.2- Méthodologie ....................................................................................................................... 28
III.2.1- Le modèle de gravité « classique » : Préférences de type CES .................................... 28
III.2.2-Le modèle Translog ....................................................................................................... 33
IV- Résultats d’estimation et interprétation ................................................................................. 36
IV.1.1-Résultats ........................................................................................................................ 36
IV.1.1-Interprétation ................................................................................................................. 38
Conclusion ........................................................................................................................................ 43
Référence bibliographique ................................................................................................................ 44
ANNEXES ........................................................................................................................................ 48
Annexe 1: Liste des pays sélectionnés .......................................................................................... 49
Annexe 2: Code HS6 des biens environnementaux collectés ....................................................... 50
Annexe 3: Test de Hausmann ....................................................................................................... 51
ix
Liste des graphiques
Graphique 1: Évolution de la valeur totale du commerce (x 1000 US $) ......................................... 11
Graphique 2 : Évolution de la variation annuelle de la valeur totale du commerce .......................... 12
Graphique 3: Évolution de la moyenne de la valeur du commerce par flux bilatéral (x 1000 US $) 13
Graphique 4: Variation annuelle de la valeur moyenne du commerce par flux ................................ 14
Graphique 5: Évolution du nombre de flux bilatéraux ...................................................................... 14
Graphique 6: Variation annuelle du nombre de flux bilatéraux ........................................................ 15
Graphique 7: Variation annuelle du nombre de flux bilatéraux (x 1000 US $) ................................ 15
Graphique 8: Part des importations et des exportations canadiennes de BE dans le commerce
mondial.............................................................................................................................................. 16
Graphique 9 : Élasticité coût du commerce dans le cas du Canada en 2005 en fonction de la part des
importations ...................................................................................................................................... 42
Liste des tableaux
Tableau 1 : Statistiques des variables d’intérêt ................................................................................ 28
Tableau 2: Description des variables retenues .................................................................................. 32
Tableau 3: Résultats des différentes estimations............................................................................... 37
Liste des figures
Figure 1: Classification des biens environnementaux ......................................................................... 6
1
Contexte et problématique
Les 50 dernières années ont été marquées par une expansion sans précédent du commerce
international. Selon l’Organisation Mondiale du Commerce (OMC)1, le volume du
commerce mondial a été multiplié par 27 entre 1950 et 2006 comparé au niveau du
produit intérieur brut (PIB) mondial qui a été multiplié par huit (8) au cours de la même
période. En outre, dans son rapport 2011 sur les “Statistiques du commerce
international”, l’OMC2 précise qu’au cours de la dernière décennie, le commerce mondial
de marchandises a augmenté de 4,3%, tandis que le PIB a progressé de 2,5%.
Ces statistiques montrent que le commerce international connait une expansion rapide.
Cette situation est la résultante à la fois de la libéralisation des échanges et la réduction
du coût du transport, toute chose qui n’est pas sans incidence sur la qualité de
l'environnement.
Si les économistes s'accordent généralement sur le caractère bénéfique du libre-échange
qui accroît le commerce international et donc la production de richesses, le solde net des
effets du commerce international sur l’environnement reste encore mal déterminé. À des
effets négatifs comme la pollution directe engendrée par les transports, l’accroissement
des productions (polluantes et génératrices d'exploitation de la nature), et les problèmes
de régulation internationale des polluants, s’ajoutent des effets positifs comme des
transferts de technologies propres ou encore la meilleure allocation (donc la préservation)
des ressources naturelles. D’après Frankel et Rose (2005), le commerce contribue à
l’amélioration de la qualité de l’environnement au regard des gains qu’il génère et qui
orientent la demande vers des produits de consommation « plus propres ». Pour ces
auteurs, le commerce favoriserait également la diffusion et l’utilisation des innovations
techniques susceptibles de permettre une meilleure utilisation des ressources naturelles ;
ce qui tend à limiter l'augmentation de la pollution, voire à la faire diminuer. En effet, la
facilitation de l'accès et l'utilisation des biens environnementaux peut générer un certain
nombre d'avantages notamment la réduction de la pollution de l'air et de l'eau,
1Disponible à l’adresse : http://www.wto.org/english/tratop_e/envir_e/climate_impact_e.htm, site consulté le 10 février
2012 2 Disponible à l’adresse : http://www.wto.org/french/res_f/statis_f/its2011_f/its11_highlights1_f.pdf, site consulté le 10
février 2012
2
l’amélioration dans l’utilisation de l'énergie, la facilitation de l'élimination des déchets
solides pour ne nommer que ceux-ci.
De ce point de vue, l'ouverture du commerce peut contribuer à atténuer les changements
climatiques, d'où l'importance du Cycle de Doha et en particulier, des négociations visant
à libéraliser les biens et services environnementaux. En accroissant la disponibilité des
biens, services et technologies susceptibles de jouer un rôle important pour améliorer
l'efficacité énergétique, le commerce peut aider à relever le défi que représente le
réchauffement global. Pour Claro et al. (2007), la libéralisation commerciale graduelle et
une meilleure gestion du marché s'ouvrant dans ces secteurs peuvent être un outil
puissant pour le développement économique en produisant la croissance économique,
l'emploi et en permettant le transfert de compétences de valeur, de technologie et de
savoir-faire. C’est pourquoi, l’OMC dans la poursuite de ses objectifs de développement
durable place la question de la libéralisation des tarifs sur ces biens au centre de sa
mission car il s’agit de biens qui sont «…mobilisés…pour mesurer, prévenir, limiter,
réduire au minimum ou corriger les atteintes affectant l’eau, l’air et les sols, [et] aussi
pour gérer les déchets, le bruit et l’écosystème….» (OCDE, 2006).
Le commerce des biens environnementaux constitue désormais un enjeu économique et
environnemental très important à l’échelle internationale. Comme le commerce en
général, l’échange des biens environnementaux en particulier connait une évolution aussi
importante comme en témoigne la hausse du volume des échanges. Selon les données
collectées du site Comtrade3, sur la période de 1988 à 2010, la valeur des échanges de ces
biens est passée de 1,376 milliards de dollars en 1988 à 30,3 milliards de dollars en 2010.
Sur le plan économique, la production de ces biens est quasiment détenue par les pays
développés et quelques pays émergents alors que les autres pays en sont des importateurs
nets. Par conséquent, une libéralisation agressive de ces biens pourrait renforcer les
avantages comparatifs de certaines économies notamment les pays développés au
détriment des autres pays-importateurs nets qui verraient leurs recettes fiscales baissées.
Comment concilier ces deux pôles d’intérêt entre les différentes économies tout en
3 http://wits.worldbank.org/wits/
3
assurant une meilleure protection de l’environnement? C’est l’objectif du présent travail
qui en s’appuyant sur les études antérieures qui se sont intéressées à la relation entre
commerce et environnement, analysera les déterminants de la demande des biens
environnementaux, puis comparerons l’impact de ces déterminants sur le flux de
commerce selon qu’il s’agit de l’échange des biens environnementaux ou des biens (biens
normaux) pris dans leur ensemble. Pour ce faire, nous utilisons un modèle de gravité dans
la spécification duquel nous introduisons des préférences de type Translog (Novy, 2012).
Nous nous écartons ainsi de l’hypothèse d’une élasticité de substitution constante entre
les biens en suggérant que la réduction des coûts commerciaux n’a pas le même effet
proportionnel sur le commerce bilatéral quel que soit les tarifs initiaux et l’intensité du
commerce.
Le document est structuré autour de cinq sections. Dans la première section, nous
présentons les biens environnementaux puis la situation de leurs échanges tant au niveau
mondial qu’à l’échelle particulière de l’économie du Canada. Dans la seconde section,
nous faisons une revue de la littérature de la relation commerce-environnement. La
troisième section présente les données et le cadre méthodologique. La quatrième section
analyse les résultats et enfin, la cinquième conclut.
4
I- Notion de biens environnementaux
Cette section vise à contribuer à une meilleure compréhension de la notion de biens
environnementaux, de la classification actuellement en vigueur et des déterminants de
leur demande. Nous y présenterons en outre, la situation des échanges de ces biens tant
au niveau mondial qu’à l’échelle de l’économie canadienne.
I.1- Définition
Il n’existe pas à ce jour un consensus entre les membres de l'OMC autour d’une
définition unique de ce qui peut être considéré comme un bien environnemental.
Cependant, en se référant à la définition qu’en donne le MINEFI–DGTPE4 (2005), on
peut lire ceci : « La notion de biens environnementaux recouvre intellectuellement tout
produit et toute technologie favorables à l’environnement ».
Ce manque d’unanimité autour de la définition des biens environnementaux tient à
plusieurs raisons. Une des difficultés réside dans le fait que beaucoup de biens utilisés
pour protéger l’environnement et gérer les ressources peuvent faire l’objet de multiples
utilisations qui ne sont pas toutes environnementales. Un autre obstacle de définition
résulte du fait que le système d'harmonisation (HS) utilisé pour classifier les produits
négociés ne capte pas les utilisations multiples, y compris l'utilisation environnementale,
de produits particuliers (Veena, J. 2008).
Veena (op. cit.) estime d’ailleurs qu’en raison de cette difficulté, on emploie tantôt le
vocable de biens respectueux de l'environnement définis comme des biens produits,
utilisés et ayant un impact réduit ou minimal sur la qualité de l'environnement ou encore
le terme de biens environnementaux potentiels qui sont des biens identifiés comme ayant
des utilisations finales possibles dans la gestion et la protection environnementales.
L'OCDE (2006) en s’intéressant au secteur des biens environnementaux le définit comme
des: « activités qui produisent des biens et des services servant à mesurer, prévenir,
limiter, réduire au minimum ou corriger les atteintes à l'environnement, telles que la
4 Ministère de l’économie, des finances et de l’industrie française. Revue thématique sur les politiques commerciales
No14-Septembre 2005.
5
pollution de l'eau, de l'air et du sol, ainsi que les problèmes liés aux déchets, au bruit et
aux écosystèmes ».
Mais selon le US Office of Technology Assessment cité par l’OCDE (2006), il n’existe
pas de « secteur des biens environnementaux » qui soit parfaitement défini comme tel.
« …Il s’agit moins d’un secteur qu’une nébuleuse de fournisseurs de nombreux types de
biens, services et technologies qui sont d’ordinaires intégrés dans des procédés de
production et qu’il est souvent difficile de considérer comme des éléments séparés ».
Nonobstant toutes ces difficultés à convenir d’une définition unique des biens
environnementaux, les différentes économies réunies au sein de l’OMC s’accordent tout
de même sur la classification qu’en font l’OCDE et l’APEC5.
I.2- Classification des biens environnementaux
Le champ couvert par les biens environnementaux qui sert de cadre de référence pour les
discussions au sein des autres institutions a été élaboré par l’OCDE et l’APEC. Cet
éventail de biens peut être classé en deux catégories.
La première catégorie concerne les biens dits traditionnels c'est-à-dire les biens
industriels qui servent à régler les problèmes environnementaux tels que la pollution, les
déchets hydrauliques, atmosphériques et les sols. Ces biens se composent de produits
chimiques pour la purification de l’eau, des pompes, des compresseurs, des incinérateurs,
des matériels de recyclage, équipements de contrôle et monitoring de l’environnement,
ainsi que les technologies avancées se rapportant à ces biens.
La seconde catégorie dite de produits favorables à l’environnement fait référence aux
biens industriels et produits de consommation qui présentent des caractéristiques
environnementales préférables comparées à des produits similaires. Il s’agit des produits
agricoles organiques, les fibres organiques biodégradables, équipements pour la
production d’énergie renouvelable/efficience énergétique, etc.
5 Coopération économique Asie-Pacifique
6
La figure 1 ci-après permet de clarifier les distinctions entre ces deux catégories évoquées
plus haut.
Figure 1: Classification des biens environnementaux
Objectif principal
Objectif principal
Source : Claro et al. 2007
Biens traditionnels versus Biens préférables à l’environnement
Destinés aux problèmes
environnementaux.
Exemple : les technologies
pour capter le carbone
Production. Exemple :
carbone zéro, émission
d’acier
Consommation/utilisation.
Exemple:
véhicules/panneaux solaires
Disposition. Exemple sacs :
de jute
Mais des avantages
environnementaux
surgissent pendant
Autres usages
Biens traditionnels
Biens préférables à
l’environnement (EPP)
Note :
Pour chaque EPP, il existe un
substitut avec une utilisation
semblable qui n'est pas la même que
celle des biens amis de
l’environnemental
7
I.3- Les déterminants de la demande des biens environnementaux
Les facteurs qui influencent la demande des biens environnementaux sont à la fois
économiques et non économiques.
I.3.1-Les facteurs économiques
Les caractéristiques et les performances économiques des pays influencent grandement
sur les montants que ces derniers sont prêts à consacrer aux biens et services
environnementaux. Veena (op cit.) identifie parmi ces caractéristiques, la taille de
l’économie c'est-à-dire le PIB, l’indice de performance environnementale et le degré
d'industrialisation, c'est-à-dire la part de production industrielle dans le PIB.
Pour Yandle, Vijayaraghavan et Bhattarai (2002), la performance économique traduite
par la croissance du PIB crée les conditions pour l'amélioration environnementale en
augmentant la demande de biens plus respectueux de l’environnement. Les auteurs
précisent toutefois que cette relation n’est pas systématique car elle dépend d'une façon
critique de mesures en matière de politiques gouvernementales, commerciales et des
structures sociales.
À ces facteurs propres aux économies, on peut également citer l’incidence des projets
d’aide liés6, l’assistance technique et des investissements directs étrangers (IDE) sur la
qualité de l’environnement. Le lien entre IDE et une meilleure qualité de l’environnement
est de plus en plus établi pour deux raisons principales : d’abord parce que les IDE
constituent un indicateur d’ouverture de l’économie sur l’extérieur, ensuite, les études ont
montré que les IDE sont réputés être plus respectueux de l’environnement que les
investissements locaux (OCDE, 1996).
Dans les pays émergents caractérisés par un revenu à la hausse, un endettement faible, un
afflux important d’investissements directs étrangers (IDE) et des apports d’aide ou une
forte croissance du PIB, on assiste à une augmentation de la demande de biens et services
environnementaux au fil des ans (OCDE, 2006). Autrement dit, la progression de la
demande de qualité de l’environnement va de pair avec celle du revenu par habitant.
6 Il s’agit des projets d’aménagement et d’équipements (barrages, pompes hydrauliques, etc.)
8
En Afrique par contre où les problèmes environnementaux ont atteint des points critiques,
les importations de biens et services environnementaux demeurent encore minimales.
Cette situation s’explique d’une part, par l’absence de marchés effectifs dotés d’une
capacité de paiement comme c’est le cas dans les pays à revenus moyens et d’autre part,
parce que l'aide technique ou les projets d'aide liés semblent aussi être orientés vers les
pays qui disposent d’un pouvoir d'achat plus élevé (Veena Op cit.).
I.3.1-Les facteurs non économiques
Parmi les facteurs non économiques qui déterminent la demande des biens
environnementaux, il y a les accords de libre-échange bilatéraux et régionaux, l’adoption
et le changement de législation en faveur de l’environnement, la taille de la population,
l’état de l’environnement des pays. A ces facteurs s’ajoutent également la langue,
l’enclavement/ouverture sur la mer, le partage de frontière, l’appartenance à une même
zone monétaire, etc.
- Les accords de libre-échange bilatéraux et régionaux
Il n’est pas exagéré de parler de prolifération en ce qui concerne la récente augmentation
exponentielle des accords de libre-échanges. Au 15 janvier 2012, l’OMC7 avait reçu 511
notifications d'Accords Commerciaux Régionaux (ACR), si l'on compte séparément les
marchandises et les services. Parmi ceux-ci, 319 étaient en vigueur. Face au
ralentissement des négociations multilatérales sous l’égide de l’OMC, ces accords sont
devenus la principale pièce maîtresse de la politique commerciale de nombreux pays. Ces
ententes créent de vastes opportunités en termes de marchés et cela a fortement influencé
à la hausse, la demande de biens et services environnementaux.
Ainsi, au cours de sa 19ième
réunion8 tenue le 13 novembre 2011 à Honolulu, capitale de
l'État américain d'Hawaï, les dirigeants de l’APEC ont longuement réfléchi à la
promotion de la croissance verte. Pour ces derniers, la croissance verte constitue un volet
7 Source disponible à l’adresse : http://www.wto.org/french/tratop_f/region_f/region_f.htm (consulté en Mai 2012) 8Source disponible à l’adresse : http://www.fmprc.gov.cn/fra/ziliao/topics/hjt_9_apec/t878108.htm (consulté en Mai
2012)
9
clé de la stratégie de l'APEC sur la croissance et la tendance du progrès socio-
économique.
Cette rencontre a permis d’adopter la déclaration des dirigeants de l'APEC sur le
commerce et l'investissement concernant les biens et services environnementaux et à
accepter de travailler en 2012 en vue d'élaborer une liste de l'APEC des biens
environnementaux contribuant directement et positivement à la croissance verte et aux
objectifs du développement durable. Elle a aussi insisté sur la volonté de réduire, d'ici la
fin de 2015, jusqu'à 5% ou moins les droits de douane appliqués sur ces biens, en tenant
compte des situations économiques des différentes entités économiques, et sans préjugés
vis-à-vis de leurs positions au sein de l'OMC. La réunion a en outre appelé à la promotion
de la diffusion des technologies environnementales pour contribuer aux objectifs de
l'APEC en matière de développement durable.
- Les changements de législation en faveur de l’environnement
La pression pour des changements de la législation environnementale et des règlements
provoqués par des consommateurs sur une base mondiale9 constitue un autre facteur
conduisant vers des préférences de consommation plus propres et à l’adoption de
politiques favorable à l'industrie des biens et services environnementaux.
- La taille de la population
La taille de la population de même que ses caractéristiques déterminent grandement le
volume total de biens et services environnementaux consommés. En règle générale, dans
les pays où l’urbanisation est en plein essor et où la population augmente et a tendance à
se concentrer dans les villes par suite de l’exode rural, la demande d’infrastructures de
type environnemental concernant l’eau, l’assainissement et la gestion des déchets tend
aussi à augmenter.
En Afrique en particulier, les défis environnementaux sont nombreux en raison de la forte
croissance de la population dans un contexte de croissance économique lente, de
9 ISO : Organisme International de Normalisation
10
planification insuffisante et de développement médiocre des infrastructures (PNUE,
2006).
- L’état de l’environnement des pays
L’état de l’environnement constitue un facteur aussi important de la demande de biens
environnementaux. Dans leur rapport conjoint de 200610
, les auteurs mentionnent que les
pays11
sous étude ont du mal à parer aux effets environnementaux de leurs populations de
plus en plus nombreuses et en voie d’urbanisation. Les pressions qu’elles exercent sur
leur environnement de vie ont accentué les problèmes de pénurie tels que l’insuffisance
des infrastructures de base et ceux liés à l’élimination des déchets solides; ces problèmes
exigent d’améliorer l’efficience et la qualité des services environnementaux liés aux
infrastructures de base concernant l’eau et l’assainissement.
I.4- Offre et demande de biens environnementaux
Le marché des biens et services environnementaux constitue un marché très important.
L’étude du German Institute for Economic Research (DIW Berlin) en 2009 révélait que
le montant des échanges internationaux pour ces biens en 2004 s’évaluait à plus de 584
milliards de $ et la tendance annuelle devrait être à la hausse (3,5%) jusqu’en 2020. Pour
cette institution, les biens et services environnementaux incluent les marchandises
d'investissement ainsi que les matières brutes, auxiliaires et d'exploitation et les services
pour la protection de l'environnement.
Le marché des biens environnementaux est dominé par les pays développés qui
représentent 90% de l’offre; Les États-Unis, l'Europe occidentale et le Japon détiennent
ensemble 84% des parts de marché. Ces économies disposent de nombreuses sociétés
environnementales à travers le monde et s’accaparent des exportations globales
d'équipement environnemental, du développement de la technologie et des services
associés (Claro et al. 2007). Les pays en voie de développement principalement ceux
10 Études réalisées par OCDE, CUNCED et PNUD. 11 Brésil, Chili, Chine, Corée, Cuba, Guatemala, Honduras, Israël, Kenya, Mexique, Nicaragua, Pakistan, Panama,
République Dominicaine, République Tchèque, Thaïlande et Vietnam.
11
d’Afrique sont des importateurs nets de ces biens. Leur part de marché est très
insignifiante et leurs exportations ont tendance à être orientées principalement vers des
marchés régionaux.
Les résultats d’études de 2006 réalisées sous l’égide de trois organisations
internationales12
attestent également que l’intensité de ce commerce tient aux facteurs
économiques et non économiques ci-dessus identifiés.
I.5- Quelques statistiques sur les échanges de biens environnementaux
Les statistiques ci-après concernent les biens environnementaux des principaux secteurs
faisant l'objet d'échanges commerciaux à savoir le traitement des eaux usées, la
surveillance et l'analyse de l'environnement, la gestion des déchets solides, la lutte contre
la pollution de l'air et la lutte contre le bruit et les vibrations.
I.5.1-A l’échelle de l’économie mondiale
La valeur totale du commerce des biens environnementaux a suivi une tendance à la
hausse au cours de la période à l’étude.
Graphique 1: Évolution de la valeur totale du commerce (x 1000 US $)
Source : Calcul de l’auteur à partir de la base de données
12 OCDE, CUNCED et PNUD (étude citée plus haut).
12
Sur le graphique 1, on distingue deux phases dans la progression des échanges des biens
environnementaux :
- Avant 2000 : On observe une croissance modérée de la valeur du
commerce qui se traduit par une hausse de 9% par rapport à sa valeur
initiale.
- Entre 2000 et 2010: on assiste à une phase de forte croissance des
échanges traduite par la valeur du commerce qui passe du simple au
triple en 2010 par rapport à sa valeur de 2000. Cependant, entre 2008
et 2009, on observe une chute de la valeur du commerce qui se traduit
par une baisse de la croissance de 17,35%, conséquence de la crise
économique mondiale.
Graphique 2 : Évolution de la variation annuelle de la valeur totale du commerce
Source : Calcul de l’auteur à partir de la base de données
La variation annuelle de la valeur totale du commerce évolue de façon irrégulière sur la
période retenue; on peut toutefois distinguer sur le graphique 2, les phases suivantes :
- Deux pics en 1989 et 2000 respectivement de 85 et 112%.
- Deux périodes de faible croissance : 1990-1997 (2%) et de 2001-2009 (1%).
- Trois creux : 1998 (-10%); 2001 (-4%) et en 2009 (-9%).
13
Graphique 3: Évolution de la moyenne de la valeur du commerce par flux bilatéral (x
1000 US $)
Source : Calcul de l’auteur à partir de la base de données
Le graphique 3 montre que la moyenne de la valeur du commerce par flux bilatéral varie
très peu; on peut cependant distinguer quatre phases :
- 1988-1999 : on assiste à une baisse (-30,85%) de la valeur du commerce par
flux bilatéral par rapport à sa valeur initiale.
- 1999-2008 : cette période est marquée par une forte progression de la
moyenne de la valeur du commerce par flux bilatéral de l’ordre de 238,65%.
- 2008-2009 : La moyenne de la valeur du commerce par flux bilatéral baisse
de 16,44%.
- 2009-2010 : il y a une reprise à la hausse (29,40%) de la moyenne de la
valeur du commerce par flux bilatéral.
En somme, le flux des exportations connait une croissance significative de 2000 à 2008,
année à partir de laquelle il va chuter du fait de la crise financière. La croissance repart à
nouveau à partir de 2009.
14
Graphique 4: Variation annuelle de la valeur moyenne du commerce par flux
Source : Calcul de l’auteur à partir de la base de données
La courbe sur le graphique 4 montre que la variation annuelle de la valeur moyenne du
commerce suit une évolution irrégulière. Aux périodes de croissance, succèdent des
phases de décroissance entre 1988 et 2010. On note qu’à partir de 2009, la tendance est à
la hausse.
Graphique 5: Évolution du nombre de flux bilatéraux
Source : Calcul de l’auteur à partir de la base de données
Le nombre de flux bilatéraux connait depuis le début de la période (1988), une
progression à la hausse. Cette croissance est plus forte entre 1988-2008 (10,08%) avant
de se stabiliser voire s’annuler à partir de 2008 à 2010 (0,01%).
15
Graphique 6: Variation annuelle du nombre de flux bilatéraux
Source : Calcul de l’auteur à partir de la base de données
Ce graphique montre que la variation annuelle du nombre de flux bilatéraux a augmenté
de façon fulgurante de 1988 à 1989 (101,81%) avant de chuter brusquement entre 1989 et
1990 (80,79%). À partir de 1990, la variation annuelle du nombre de flux bilatéraux
baisse de façon monotone (0,97%).
I.5.2- A l’échelle de l’économie du Canada
La libéralisation des échanges de biens environnementaux est également d’un intérêt
particulier pour le Canada. En effet, ce pays constitue le deuxième marché en importance
du premier exportateur de biens environnementaux qu’est l’Union Européenne. Et, le
Canada connait une expansion de ses exportations même si sa part du marché mondial est
encore faible. Le graphique 7 présente la variation annuelle du nombre de flux bilatéraux.
Graphique 7: Variation annuelle du nombre de flux bilatéraux (x 1000 US $)
16
Source : Calcul de l’auteur à partir de la base de données
Le graphique 7 montre que la valeur des importations et des exportations du Canada
augmentent tout comme le déficit de la balance commerciale. Ce résultat est conforme à
celui publié par Statcan en 200013
. Ce déficit de la balance commerciale s’accentue
d’année en année. Selon cette institution, « Le modèle général du déficit peut être relié au
stade de développement de l’industrie canadienne de l’environnement et à sa capacité
limitée de production industrielle par rapport à des économies plus puissantes, telles que
celles des États-Unis, de l’Europe et du Japon ».
Graphique 8: Part des importations et des exportations canadiennes de BE dans le
commerce mondial
Source : Calcul de l’auteur à partir de la base de données
La part du commerce canadien des biens environementaux dans le commerce mondial s’est
profondément modifié au cours du temps. Elle a atteint un niveau maximum de 25,95% en 1989
avant de baisser progressivement et se stabiliser autour de 10% en 2000. Après 2000, la part du
commerce canadien suit une tenadance bassière. La part des importations et des exportations
suivent la même tendance avec des flux d’importation plus importants que les exportations.
13
Disponible sur le site: http://publications.gc.ca/collections/Collection/Statcan/16F0009X/16F0009XIF1997001.pdf.
Consulté en avril 2010.
17
II- Revue de la littérature empirique
La littérature empirique qui traite du commerce international révèle l’utilisation de
plusieurs méthodes pour analyser les flux commerciaux entre partenaires et orienter les
décideurs sur les politiques jugées efficaces à mettre en œuvre.
On dénombre parmi ces méthodes, celles qui font appel aux statistiques descriptives, aux
modèles économétriques, aux modèles d’équilibre général calculable et aux modèles de
simulations mathématiques.
Les méthodes faisant appel aux statistiques descriptives visent à caractériser un
échantillon qui est une représentation de la population qu’on souhaite étudier. Ces
méthodes sont applicables à des ensembles d’individus statistiques qui sont les objets au
sens large du terme, sur lesquels on prélève des informations dans le but de décrire les
phénomènes étudiés, faire des prévisions et prendre des décisions à leur sujet.
Les modèles économétriques de gravité ont pour objectif d'isoler les effets de différentes
variables motivées par la théorie économique, comme la distance et la taille des pays
exportateur et importateur, sur les flux bilatéraux. Il s’agit donc de mesurer l’apport de
différentes variables sur valeurs du commerce entre plusieurs pairs de pays.
Le modèle d’équilibre général calculable (MEGC) est un modèle multisectoriel qui
s'inspire des travaux de Johansen (1960). C’est un modèle qui vise à donner une
représentation de l'ensemble des transactions d'une économie de marché. Plus
précisément, ce modèle fait partie des modèles de répartition de type intégré. Il simule
l'opération des marchés des biens et des facteurs et capte les interactions entre les
structures de production et de l'emploi, les revenus des facteurs de production, la
distribution des revenus aux individus et aux ménages et la structure de la demande.
D'inspiration essentiellement néoclassique, ces modèles ont évolué et incorporent un
certain nombre de caractéristiques non néoclassiques, par exemple : des déséquilibres sur
le marché du travail dus à la rigidité des salaires de certaines catégories de travail ou
encore l'immobilité du capital entre les secteurs productifs dans le court terme.
18
La méthode de simulation mathématique vise à reproduire artificiellement le
fonctionnement d’un modèle étudié. Elle permet de valider ou d’invalider des
hypothèses, d’obtenir des informations quantitatives (qui peuvent venir affiner des
informations qualitatives si l’on en possède), de valider certaines approximations,
d’évaluer la sensibilité d’un modèle à certaines hypothèses ou à certains paramètres, ou
tout simplement d’explorer le comportement d’un modèle lorsque celui-ci est mal connu
ou mal compris. L’expérimentation artificielle intervient lorsque l’expérience réelle est
soit impossible, soit couteuse ou trop complexe.
Dans la présente étude, notre attention sera focalisée sur les modèles de gravité. Ce
modèle est souvent utilisé pour d’évaluer les effets des accords régionaux sur le
commerce.
Le modèle gravitationnel des échanges est devenu au cours des deux dernières décennies,
l’outil de référence de modélisation du commerce international. Fontagné et al. (2002)
estiment que la multiplicité de ses applications est à la base de sa large diffusion. Zugravu
(2009) écrit que depuis les travaux de Anderson en 1979, il est reconnu que les
prédictions des équations de gravité peuvent être dérivées de différents modèles
structurels incluant les modèles Ricardien, Heckscher–Ohlin concurrence
monopolistique.
Novy (2012) affirme également que le modèle de gravité est applicable à la structure du
modèle de Ricardo en se référant aux travaux d’Eaton et Kortum (2002), à la structure de
résistance multilatérale (Anderson et van Wincoop, 2003) et aux modèles avec des firmes
hétérogènes (Melitz, 2003).
Ainsi que le mentionne Novy (op. cit.), une large littérature empirique s’est intéressée à
comprendre l’impact des barrières commerciales et autres facteurs sur le commerce
international; et les équations de gravité ont permis d’étudier et de comprendre dans le
détail les impacts de certaines variables14
sur les flux de commerce entre partenaires.
14 Il s’agit de la distance, le Pib, la taille de la population, la situation géographique, l’appartenance à une union
monétaire, les tarifs, le partage d’une langue commune etc.
19
Plusieurs études s’intéressant aux flux de commerce entre pays ou groupes de pays
présentant des similitudes ou des différences ont mis à contribution les équations de
gravité.
Frankel et Rose (2005) utilisent le modèle de gravité pour étudier l’incidence de
l’ouverture au commerce sur la qualité de l’environnement au sein d’une économie pour
un niveau donné de revenu. En utilisant des variables endogènes au commerce ainsi que
des variables géographiques et des données sur l’émission de trois polluants15
de l’air, les
auteurs parviennent à isoler les effets de l’ouverture au commerce sur la qualité de
l’environnement. Leurs résultats permettent de conclure d’une part que le commerce a un
effet positif sur le revenu et d’autre part que le commerce peut avoir également un effet
avantageux sur les trois mesures de pollution atmosphérique; cependant, les conclusions
de l’étude ne permettent pas d’affirmer que l’ouverture au commerce a un effet nuisible
sur la qualité de l’environnement.
Zugravu (2009) à l’aide du modèle de gravité évalue l’impact de l’intensification du
commerce des biens environnementaux sur l’émission de polluants tels que le dioxyde de
sulfure et le dioxyde de carbone dans les pays en transition de l’Europe de l’Est. Les
résultats de cette auteure montrent d’une part que l’intensification du commerce des biens
environnementaux a un impact négatif net sur l’émission de ces polluants et d’autre part,
que l’effet technique (indirect) négatif est compensé par les effets positifs d’échelle et de
décomposition. Par ailleurs, l’étude précise que ces résultats ne tiennent pas compte de la
classification des biens environnementaux.
Féménia et Gohin (2009a) se servent du modèle de gravité pour analyser l’élasticité prix
des fonctions de demande de biens alimentaires en particulier sur le fromage à partir des
données de commerce intra-européen. Pour ce faire, ils partent de l’hypothèse que les
préférences sont à la fois symétrique, homothétique, monotone et à élasticité de
substitution constante. Leurs résultats sur la base des données utilisés montrent que les
hypothèses sous-jacentes ne sont pas confirmées par l’approche avec le modèle de
gravité. Par ailleurs, le biais induit par l’estimation des élasticités prix est ambigüe.
15 SO2: dioxyde de soufre, NO2: Dioxyde d’azote, PM: Matière de particule suspendue.
20
Anderson et Yotov (2010) en utilisant le modèle de gravité se sont intéressés à
l’incidence du coût du commerce bilatéral c’est-à-dire à la proportion des coûts payés par
les vendeurs et les acheteurs, une notion jusque-là négligée dans la structure du modèle
de gravité des études antérieures. Cette prise en compte de l’incidence du coût du
commerce bilatéral est d’autant plus importante que son omission peut influencer de
différentes façons, les questions de spécialisation régionale, le bien-être et les politiques à
mettre en œuvre. Pour ce faire, ils utilisent les propriétés récentes de la structure du
modèle de gravité pour calculer l’incidence sectoriel du coût du commerce pour les
provinces du Canada entre 1992-2003. En référence aux travaux d’Anderson et van
Wincoop, (2003, 2004), ils identifient les résistances multilatérales internes et externes
comme les incidences agrégées des acheteurs et des vendeurs; ils calculent ensuite cette
incidence et la décomposent en composantes domestique et internationale. Leurs résultats
d’étude montrent d’une part, un déplacement vers le bas des prévisions surtout des
agrégats et les estimations des effets de frontière, ce qui est conforme aux résultats
d’étude d’Anderson et van Wincoop, (2003); d’autre part, l’incidence des vendeurs
excède de 5 fois celles des acheteurs dans les années 90.
Les différentes études ci-dessus énumérées même si elles partent d’assertions différentes
pour expliquer le commerce international dans son ensemble et celui des biens
environnementaux en particulier, sont focalisées sur l’hypothèse commune de fonctions
de préférence de type CES c'est-à-dire à élasticité de substitution constante. Cette
hypothèse stipule une élasticité de substitution constante entre les biens ; et ailleurs
citerus paribus, qu’une réduction des coûts commerciaux a le même effet proportionnel
sur le commerce bilatéral indépendamment des tarifs initiaux et de l’intensité du
commerce entre les partenaires.
Or des études récentes ont montré que la baisse des coûts commerciaux comme par
exemple l’adoption d’accords de libre échange ou la baisse des coûts de transport peut
contribuer à accroître la concurrence.
Pour pallier cette lacune propre aux modèles basés sur l’hypothèse de préférence de type
CES, certains auteurs ont opté pour le modèle Translog pour expliquer le commerce.
21
La première application du modèle Translog remonte aux travaux de Christensen,
Jorgenson et Lau en 1975. Ces auteurs se sont intéressés aux fonctions d’utilité directe et
indirecte et ont testé la théorie du consommateur sans imposer les hypothèses d’additivité
et d’homothétie. Ainsi, à partir de données américaines de 1929-1972 portant sur les prix,
les quantités consommées, les biens non durables et autres services, ils ont effectué
différents tests notamment ceux se rapportant aux restrictions sur les hypothèses
d’additivité et d’homothétie de la fonction d’utilité directe de type Translog. Leurs
résultats d’analyse ont permis de conclure que la théorie de la demande est incohérente
avec l’évidence. Ce qui est conforme aux résultats d’études de Barten (1964) (Système de
demande pour Rotterdam). Par ailleurs, les auteurs affirment que leurs résultats
fournissent la base à des conclusions plus spécifiques; par exemple, si la théorie de la
demande était valable, le double logarithme pour le système de fonctions de demande
impliquerait que la fonction utilitaire est un logarithme linéaire.
Lo (1990) utilise le modèle de demande Translog spatial en équilibre partiel en vue de
contribuer à la compréhension des déterminants du comportement des consommateurs.
En particulier, il examine l'impact de la structure spatiale et des préférences des
consommateurs sur l'interaction spatiale. Mais son approche n’utilise pas d’équation de
gravité.
Feenstra (2003) utilise la fonction de dépense Translog symétrique conduisant à un
système de demande à élasticité de revenu unitaire et à des élasticités des prix non-
constantes en situation de concurrence monopolistique. Il s’agit d’un modèle compatible
avec la situation de concurrence monopolistique qui conserve par ailleurs ses propriétés
lorsque le nombre de biens varie, ce qui n’est pas possible avec le modèle de type CES.
Le modèle Translog symétrique vient ainsi combler cette lacune car malgré son
utilisation répandue, la forme fonctionnelle de type CES a quelques caractéristiques
indésirables pour des modèles de concurrence monopolistique; en premier lieu, il mène
pour un grand nombre de biens, à une majoration constante de prix sur des coûts
marginaux; En outre, pour plusieurs spécifications différentes de coûts, le modèle de type
CES mène à un niveau constant de production compatible avec des profits zéro.
22
Feenstra (2009) mesure les gains issus du commerce en situation de concurrence
monopolistique en utilisant le modèle de type Translog. Selon lui, si les deux premières
sources de gains en situation de monopole pour le consommateur (due à la disponibilité
de nouveaux biens) et pour le producteur (liée à l’efficience productive qui les pousse à
devenir des firmes exportatrices) peuvent être mesurées à l’aide des fonctions de type
CES ou CET16
, il suggère cependant que la troisième source de gain c'est-à-dire celle de
la réduction de la majoration des charges par les firmes due à la concurrence des
importations peut être mesurée en utilisant la fonction de dépense de type Translog pour
les consommateurs. Cette troisième source de gains bien qu’ayant été soulignée dans
Krugman (1979), a été absente de beaucoup de littérature postérieure en raison de la
supposition de préférences CES, menant aux majorations constantes.
Ainsi, contrairement à la fonction de préférence CES, la fonction de dépense Translog
permet de tenir compte des prix de réserve pour de nouvelles marchandises et des
majorations endogènes. Par ailleurs, cette fonction garde ses propriétés au moment où le
nombre de variétés de produits change, comme en situation de concurrence
monopolistique.
Féménia et Gohin (2009b) dans une autre étude sur l’estimation du système de demande
censurée et non homothétique à partir du maximum d’entropie généralisée utilise
l’approche Translog. En effet, l’estimation des systèmes de demande avec des valeurs
nulles pose de nombreuses difficultés. Si l’approche par les prix virtuels dans un cadre de
maximum de vraisemblance est théoriquement consistante, sa mise en œuvre par contre
est difficile et est aujourd’hui limitée à des systèmes de demande homothétiques sur peu
de biens. Pour pallier cette lacune, les auteurs s’appuient sur un système de demande non
linéaire de type Translog car celui-ci a les propriétés désirables pour gérer la censure. En
particulier avec ce modèle, il est possible d'imposer globalement la régularité sans
remettre en cause la flexibilité. De plus, l'existence de prix virtuels doubles aux flux zéro
est la même si le système de demande n'est pas homothétique.
16 Élasticité de transformation constante-dans le cas de la fonction du producteur
23
En ouvrant ainsi la voie à l’estimation de la censure et au système de demande non
homothétique par la combinaison des approches de prix virtuels et du maximum
d’entropie généralisée, les auteurs arrivent aux conclusions suivantes :
- Lorsque des valeurs initiales sont mises près de vraies valeurs, les deux
approches permettent d’avoir des paramètres structurels semblables.
- Lorsque les valeurs initiales sont mises aléatoirement, alors la méthode du
maximum d’entropie généralisée surévalue les résultats de l’approche du
maximum de vraisemblance
- Lorsque la solution obtenue grâce aux deux approches est évaluée à l’aide d’une
simulation non homothétique du système de demande censurée, le résultat
économétrique reste inchangé.
L’une des premières applications à notre connaissance du modèle Translog à l’équation
de gravité pour expliquer le commerce dérive de l’étude de Novy (2012). Son modèle est
basé sur les fondements microéconomiques de l’équation de gravité en situation
d’équilibre général qui tient compte des hausses endogènes et des substitutions de biens
entre partenaires. Contrairement aux hypothèses standards de l’équation classique de
gravité basées sur l’élasticité de substitution constante (CES), le modèle Translog admet
que le flux du commerce est sensible au coût du commerce.
Pour tester cette hypothèse, Novy évalue empiriquement les résultats issus de l’équation
Translog avec ceux de l’équation de gravité classique basée sur l’hypothèse d’élasticité
de substitution constante. Il utilise des données de flux d’exportation, de revenu et
d’autres variables de l’année 2000 pour 28 pays de l’OCDE.
Ses résultats d’analyse avec les modèle Translog aboutissent à une évidence en
contradiction avec celui du modèle basé avec préférences CES. En effet, l’hypothèse
d’élasticité constante de substitution n’est pas confirmée par les données; une élasticité
coût du commerce plus élevée réduit l’intensité du commerce entre deux pays
partenaires. Cela signifie citerus paribus que le commerce bilatéral est sensible au coût
du commerce si le pays exportateur fournit une faible part des importations au pays
destinataire.
24
Une implication de ce résultat est qu’un changement du coût du commerce occasionné
par un accord de libre-échange aurait un impact hétérogène à travers les paires de pays
partenaires.
Tan (2012), exploitant des données de 34 pays de l’OCDE le Brésil, la Russie, l’Inde, la
Chine et Singapore utilisées par Eaton et Kortum (2002) et Novy (2012), construit une
fonction de dépense unitaire dérivée du modèle Translog pour mesurer l’incidence de
relâcher l’hypothèse de préférence de type CES. Pour ce faire, il utilise une forme
fonctionnelle de la fonction d’utilité qui a l’avantage d’être homothétique et n’impliquant
pas d’élasticité de substitution constante.
A la différence de la démarche suivie par Novy, Tan utilise une méthode d’estimation
non linéaire et effectue en outre des analyses contrefactuelles. Par ailleurs il exclue du
calcul de l’élasticité coût du commerce, la marge extensive car selon lui, cela voudrait
dire de façon implicite que chaque pays exporte la gamme entière de produits à chaque
importateur, malgré leurs différences de taille. Ses résultats d’estimation en tenant en
compte ou pas des effets fixes permettent de conclure que la prise en compte de ces effets
fixes amplifie l’influence des variables exogènes sur le flux de commerce.
La revue de littérature a permis de comprendre que l’analyse des déterminants du
commerce international à partir du modèle de gravité fait appel à différentes variables en
fonction des objectifs poursuivis par les différentes études. Sur la base de ce modèle, de
récentes études adjoignent à leurs analyses d’autres modèles pour parer aux restrictions et
aux limites du modèle de gravité classique.
Pour la présente étude, nous démarrerons notre démarche d’analyse par l’utilisation du
modèle de gravité classique qui repose sur l’hypothèse des préférences de type CES, puis
nous approfondirons la réflexion en faisant appel à un modèle avec des préférences de
type Translog afin d’expliquer les déterminants du commerce des biens
environnementaux.
25
III- Données et cadre méthodologique
III.1- Collecte globale des données
III.1.1- Sources de collectes de données et variables d’intérêt
Plusieurs sources ont été mises à contribution pour la collecte des données sur les
variables d’intérêt.
- Les données de commerce sont issues de la base de données de Comtrade de
World Integrate Trade Solution (WITS17
). Ces données ont été collectées selon le
système harmonisé de classification des biens (HS6) ce qui a permis d’identifier
les biens environnementaux18
. La valeur du commerce des biens de l’Union
Européenne est composée de celle de ses 27 pays membres.
- Les tarifs ont été collectés à partir de la base de données TRAINS. Pour les
besoins de l’étude, nous avons retenu les tarifs « PRF » et «MFN » à partir
desquels nous avons gardé les tarifs simples. Pour synthétiser le tarif des biens
environnementaux, nous avons calculé le tarif moyen simple qui est la moyenne
simple des tarifs des différents biens agrégés au niveau 6.
Les tarifs sur la base de la Nation La Plus Favorisée (MFN) sont des droits de douane qui
s'appliquent de pays à pays sans aucune forme de préférences commerciales. Les tarifs
préférentiels (PRF) par contre, sont des droits de douane qui s’appliquent entre certains
pays ayant des rapports commerciaux privilégiés.
Dans le souci de réduire (corriger) le nombre d’observations manquantes19
(tarifs
manquants), nous avons effectué les opérations suivantes :
- En rangeant chaque pays par année et par partenaires, nous avons répercuté la
première valeur existante du tarif «MFN » d’une année donnée sur les années
suivantes si ces dernières ont des tarifs manquants. Il s’agit d’un ajustement par le
bas. Cette opération s’est effectuée uniquement sur les tarifs « MNF ».
17Disponible à l’adresse http://wits.worldbank.org/WITS/WITS/Default-A.aspx?Page=Default. Site consulté à partir de
Mai 2011. 18 Liste des biens environnementaux est en annexe 2. 19
Dans WITS aucun tarif n’est rapporté lorsqu’il n’y a pas de commerce entre deux pays, nous avons donc utilisé la
moyenne des tarifs MFN.
26
- Une fois cette première étape franchie, pour les années précédant l’année où
existe un tarif « MFN », nous imputons cette valeur sur les années antérieures. Il
s’agit d’un ajustement par le haut.
Au terme de ce processus de manipulations, nous calculons pour le bien
‘environnemental synthétique’, un tarif moyen simple qui est la moyenne des tarifs
simples des différents biens.
- Les données sur les variables « Population » et le « Produit Intérieur Brut » ont
été recueillies à partir des sites du Fonds Monétaire International20
(FMI) et de la
Banque Mondiale (Development Indicators (WDI) & Global Development
Finance21
(GDF)).
- Les informations concernant les autres variables d’intérêt c'est-à-dire, la « distance
entre capitales », « l’appartenance à une même union monétaire », « être membre
du Gatt ou de l’OMC », « l’enclavement ou l’ouverture du pays sur la mer », « le
partage de langue commune avec le partenaire commercial », « la contigüité ou le
partage de frontière avec le partenaire commercial », ont été recueillies sur le site
de CEPII22
. Il s’agit de variables binaires à l’exception de la variable « distance
entre capitales », qui prennent la valeur « 1 » si oui et « 0 » si non.
III.1.2- Manipulation des données pour « l’Union Européenne »
En raison de l’absence de données pour l’Union Européenne en tant qu’entité unique,
certaines variables ont fait l’objet de quelques transformations.
- Au niveau de la valeur des biens : le site Comtrade de WITS prédéfinit des
groupes de pays au nombre desquels, on trouve l’Europe des 25 et l’Europe des 27.
En sélectionnant Europe des 27 c'est-à-dire EU-27, nous avons recueilli les données
20 Disponible à l’adresse http://www.imf.org/external/pubs/ft/weo/2011/02/weodata/index.aspx 21Disponible à l’adresse http://databank.worldbank.org/ddp/home.do?Step=2&id=4&hActiveDimensionId=WDI_Time.
Site consulté à partir de Mai 2011. 22 Disponible à l’adresse http://www.cepii.fr/anglaisgraph/bdd/gravity.htm. Site consulté à partir de Mai 2011.
27
pour l’ensemble des pays membres de ce bloc aussi bien pour les biens normaux23
que pour les biens environnementaux sur la période d’étude retenue.
- Au niveau des tarifs des biens :
Pour les biens normaux : À partir du site de Trains de WITS, nous avons
collecté dans une première étape, les tarifs pour le bloc EU-27. Dans une
seconde étape, pour traiter des tarifs manquants, nous avons collecté les
tarifs maxima pour générer les tarifs manquants.
Pour les biens environnementaux : la première étape de collecte reste
identique à celle des biens normaux. L’EUN étant un exportateur net de
biens environnementaux, nous n’avons pas effectué de manipulation sur les
tarifs à l’importation de ces biens lorsqu’ils n’en existent pas.
- Au niveau des autres variables d’intérêt:
La variable « distance entre capitale » : cette variable définit la distance
entre capitale; nous avons considéré ici Bruxelles comme la capitale de
l’Union Européenne.
La variable « nafta_imp », et « nafta_exp »’ prend la valeur « 1 » si les pays
respectivement importateurs et exportateurs sont membres et « 0 » si
autrement.
La variable « langoffi » : nous avons considéré quatre langues principales à
savoir l’anglais, le français, l’espagnol et le portugais. Pour tout pays
partenaire commercial de l’Union Européenne qui parle une de ces langues,
la variable binaire « langoffi » prend la valeur « 1 » et « 0 » si non.
La variable binaire « contig » : le critère retenu est le partage de la frontière
terrestre. Sur la base de la liste des pays retenus, le bloc Union Européenne
(EUN) partage ses frontières avec la Russie, la Turquie, l’Ukraine et la
Norvège.
La variable « comcur » tous les pays de l’Union Européenne utilisant la
monnaie unique Euro appartiennent à la même union monétaire.
23 Les biens normaux doivent être compris comme l’ensemble des biens faisant l’objet de commerce.
28
Tableau 1 : Statistiques des variables d’intérêt
Variables Écart-type Moyenne Minimum Maximum
Valeur d’exportation
des biens normaux
(en $ US)
5 769 511 415 427,9 0 374 000 000
Valeur d’exportation
des biens
environnementaux
(en $ US)
390 326,5 33 411,45 0 27 700 000
Tarif des biens
normaux 13,0402 12,5729 0 1002,33
Tarif des biens
environnementaux 6,9172 7,2605 0 100
PIB
(en million de $ US) 1 390 000 278 000 72 18 300 000
III.2- Méthodologie
La période d’étude s’étend de 2000 à 2010. Les informations portent sur 132
pays/régions24
. Au total, la base de données contient 28 variables pour 190 212
observations.
III.2.1- Le modèle de gravité « classique » : Préférences de type CES
a- Cadre théorique
Le modèle de gravité constitue un des instruments d’analyse le plus utilisé dans la
modélisation des flux commerciaux bilatéraux. Dans sa forme initiale, l’équation de
24
La liste des pays figure à l’annexe 1
29
gravité stipule que, le flux de commerce entre pays partenaires varie proportionnellement
à la valeur de leurs revenus (Pib) et de façon inversement proportionnelle par rapport à la
distance qui les sépare. Critiqué pendant longtemps pour son manque de fondements
théorique, Zugravu (2009) affirme qu’il est de plus en plus reconnu depuis les travaux
d’Anderson (1979) que les équations de gravité ont des fondements théoriques variés et
que ses prédictions peuvent dériver de différents modèles structurels. Ces modèles
incluent les modèles ricardien, Heckscher-Ohlin et de rendements d’échelles croissants.
Pour Novy (2012), bien que ces modèles commerciaux partent de postulats différents
pour rendre compte des motivations du commerce international, ils reposent sur
l’hypothèse d'élasticité de substitution constante des préférences pour décrire la demande
de l'économie.
b- Base conceptuelle
Notre démarche s’inspire des travaux d’Anderson et van Wincoop (2003) et dont une
application récente est Anderson et Yotov (2010).
Soient deux pays i et j dont les PIB sont respectivement dénotés par iY et jY . Par
ailleurs, définissons par ijx , la valeur des exportations du pays i vers le pays j .
Définissons la fonction de demande du pays j des biens de consommation en
provenance du pays i , par ijx , en supposant que les préférences sont de type CES
(
1
, ,
1
r
r
n
r i r i r
i
U x
; avec x , le vecteur de biens, , 0i r et 1r , respectivement
les paramètres de distribution et de substitution de la fonction d’utilité).
1
. ..
i i ij
ij j
j
p tx Y
P
(1)
Où jP représente l’indice de prix CES dans le pays importateur j et est défini par :
30
- 1
11
. .j i i ij
i
P p t
(2)
- Où , l’élasticité de substitution,
- 0i , un coefficient,
- ip le prix du bien25
en provenance du pays i et enfin,
- ijt , les barrières commerciales appliquées à l’entrée du pays j de biens en
provenance de i.
L’équilibre sur le marché selon la structure d’équilibre général du modèle implique
que :
n
i ij
j
Y x (3)
1
.n
i i ij
i j
j j
p tY Y
P
1
1.
nij
i i i j
j j
tY p Y
P
i .
Pour dériver l’équation de gravité conformément à Anderson (1979) puis Deardorff
(1998), nous utilisons la condition d’équilibre du marché dans l’expression (3), pour
résoudre pour les coefficients i en supposant que les prix d’offre ip sont normalisés à
1. Substituons ensuite dans l’équation de demande d’importation (2). Définissons par
ailleurs w
j
j
Y Y comme le revenu mondial et par j
j w
Y
Y , la part du revenu du pays j
dans le revenu mondial. La fonction de demande d’importation devient alors :
25 Dans le pays importateur j, le prix du bien i est défini par .ij i ijp p t
31
1
i j ij
ij w
i j
YY tx
Y P
(4)
Où
11 1
1 .ij
i j
j j
t
p
(5)
représente un indice de résistance multilatérale. En substituant l’expression de i dans
(2), on a :
11 (1 )
.ij
j i
i i
tP
. (6)
En supposant les coûts de commerce symétriques, c'est-à-dire, ij jit t , la solution de (5)-
(6) donne i jP ; on peut dès lors définir une fonction implicite d’indice de prix comme
une fonction de toutes les barrières bilatérales au commerce et des parts de revenu.
Ainsi : 11 1. .j i i ij
i
P P t , j . (7)
L’équation de gravité s’écrit alors :
1
.
i j ij
ij w
i j
YY tx
Y P P
(8)
La forme logarithmique26
se définit comme suit :
0ln ln( ) ln ln ln 1 ln.
ijw
ij i i j j w
i j
tx Y Y Y
P P
(9)
0ln ln( ) ln ln ln 1 ln 1 ln 1 lnw
ij i i j j w ij i jx Y Y Y t P P (10)
Les barrières au commerce définies par 31 2. . ijbin
ij ij ijt Dist Tar e
rassemblent la
distance, les tarifs et d’autres effets capturés par des variables binaires.
26 0ln( ) dans la forme logarithmique est un terme constant
32
0 1
2 3
ln ln( ) ln ln ln 1 ln
1 ln 1 1 ln 1 ln
w
ij i i j j w ij
ij ij i j
x Y Y Y Dist
Tar bin P P
(11)
En incluant les prix iP , jP et le revenu mondial wY dans les effets fixes S , la forme
estimable de notre équation de gravité s’écrit comme suite :
0 1 2 3ln ln( ) ln ln 1 ln 1 ln 1ij i i j j ij ij ij i jx Y Y Dist Tar bin S S (12)
La description des différentes variables est consignée dans le tableau 2 ci-après :
Tableau 2: Description des variables retenues
Variables Description
ijx Flux des exportations (en millier de dollars US) du pays i vers le pays j
iY Produit intérieur brut du pays i
jY Produit intérieur brut du pays j
ijDist Distance pondérée entre les capitales des pays i et j
ijTar Tarifs douaniers appliqués ( 1)t par le pays j aux produits en provenance du
pays i
ijbin 27
Variables binaires entre les pays partenaires i et j qui prennent la valeur 1 si
oui et 0 si non
iS Effets fixes des pays exportateurs
jS Effets fixes des pays importateurs
Terme d’erreur
27 Les variables binaires comprennent: l’enclavement, la contiguïté, l’appartenance à l’OMC, l’utilisation d’une langue
commune, l’appartenance à une même union monétaire
33
III.2.2-Le modèle Translog
a- Le modèle
Le modèle Translog ici exposé s’inspire de l’étude de Novy (2012).
À partir de l’expression de la fonction de demande d’importation
1
i j ij
ij w
i j
YY tx
Y P
,
divisons la par le PIB jY du pays importateur j .
En divisant la demande d’importation par jY , on obtient :
1
ij iji
w
j i j
x tY
Y Y P
En appliquant le logarithme à cette expression, on obtient l’équation de gravité de type
Translog comme la part des importations :
ln ln 1 ln 1 ln( ) 1 ln( )ij i
ij i jw
j
x Yt P
Y Y
(13)
Où : ij
j
x
Y représente la part des importations, qui dans l’équation de gravité classique
correspond aux flux du commerce ( ijx ).
De l’équation (14) , définissons par
et les effets fixes respectifs des pays exportateurs et importateurs.
Conformément à Novy (2012), construisons les nouvelles variables indépendantes
comme le produit de ces variables par la marge extensive d’exportation.
La forme estimable de l’équation de gravité de type Translog s’écrit :
ln ln lnij
i ij i ij i ij i j
j
xn dist n tar n adj S S
Y
(14)
34
De l’expression (15), l’élasticité de substitution est définie par :
ij
j
TL iij x
Y
n
(15)
Cette élasticité n’est pas une constante comme dans le cas du modèle de type CES.
Cette expression montre que citerus paribus, la valeur absolue de l’élasticité baisse
lorsque la part des importations devient grande. Intuitivement, cela signifie que pour un
niveau donné de Pib jY du pays importateur, et le nombre de biens exportés in , un flux
commercial ijx important signifie que le pays exportateur bénéficie d’une position
relativement confortable sur le marché.
Pour calculer cette élasticité de substitution TL
ij , nous avons également recours à la
notion de marge extensive28
. La notion de marge extensive fait référence à la
diversification dans les exportations de même que dans la gamme des produits due aux
changements (nouveaux) dans le nombre de biens plutôt qu’à un changement dans le prix
d’achat de chaque bien.
b- Traitement des flux de commerce nul
Le flux de commerce dans cette étude a été collecté au niveau 6 de désagrégation selon le
système HS. La base de données des biens environnementaux contient un nombre
important de flux nuls, soit 64,45%. La présence de ces flux nuls peut être problématique
car de façon usuelle, le modèle de gravité est exprimé sous forme logarithmique Or cette
formulation ne permet pas d’inclure des flux de commerce nul car le logarithme de zéro
est indéfini; d’où la nécessité de traiter des flux de commerce nul. Pour Frankel (1997), la
présence de flux nuls au niveau agrégé apparait dans le commerce entre petits pays ou
entre pays très distants qui sont réputés commercer moins entre eux. Par ailleurs, la non
prise en compte des flux nuls lors des estimations peut influencer les résultats empiriques
28 Le programme de construction de cette variable s’inspire de celui de Feenstra (2010)
35
s’ils n’arrivent pas aléatoirement. Dans la littérature, plusieurs méthodes sont employées
pour traiter ce problème.
- Une solution commune consiste à restreindre l’échantillon à des observations non
nulles afin d’éviter les problèmes d’estimation liés aux flux nuls (Frankel (1997),
Bikker (1982)).
- Une autre approche consiste à substituer les flux nuls par de petites constantes. Cela
permet de prévenir l’omission d’observations dans l’échantillon (Wang, Winters
(1991), Raballand (2003)).
Cependant, en insérant des valeurs proches de zéro, rien ne garantit de façon formelle que
les estimations du modèle de gravité soient consistantes. Ces 2 approches sont par
conséquent insatisfaisantes.
Les opérations avec des flux zéro exigent que les informations fournies par ces flux
soient prises en considération, sans utiliser de méthodes ad hoc. C’est pourquoi, le
modèle Tobit est employé pour analyser la situation dans laquelle une partie des
observations de la variable dépendante est inobservable et représentée généralement par
zéro. Plusieurs études dont celles d’Anderson et Marcouiller (2002) et de Rose (2004) ont
utilisé le modèle standard de Tobit pour estimer l’équation de gravité en présence de flux
nuls.
En raison de la présence de ces flux de commerce nul, notre estimation du modèle de
gravité se fera suivant deux (2) étapes :
- La première étape consiste à estimer la probabilité d’avoir des flux de commerce
non nul. Pour ce faire, nous utilisons d’abord le modèle Probit29
puis calculons le
ratio inverse de Mills (IMR). Le ratio inverse de Mills s’interprète comme la
probabilité prédite d’observer la variable exogène X pour un pays i pour une
année t donnée. L’équation du ratio inverse de Mills s’écrit :
ˆ( )
ˆ( )
it tit
it t
XIMR
X
(16)
29 Dans l’estimation du modèle probit, nous utilisons les variables définies dans le tableau 2 à l’exception des effets
fixes pays.
36
Avec itX , la variable explicative concernant le pays i à la période t ; ˆt coefficient
estimé associé à la variable explicative itX ; ˆ( )it tX la densité de probabilité
associée à la probabilité prédite d’observer la variable X et ˆ( )itX , la fonction de
distribution cumulative associée aux probabilités prédites.
- Dans la deuxième étape, nous régressons l’équation de gravité sur les flux de
commerce non nuls en incluant le ratio inverse de Mills comme variable
indépendante additionnelle.
IV- Résultats d’estimation et interprétation
IV.1.1-Résultats
L’analyse des données se fera en deux phases. Dans une première phase, nous procédons
pour chaque catégorie de biens (respectivement tous les biens ou biens normaux et les
biens environnementaux), à une estimation probit de panel afin de mesurer la probabilité
de commerce non nul.
Nous procédons ensuite successivement aux régressions avec prise en compte des effets
fixes et aléatoires, au test de significativité des effets aléatoires et enfin au test de
Hausman. Le test de Hausman30
a pour objectif de permettre d’identifier la prédominance
d’un des effets (aléatoire et fixe) sur l’autre. Dans le cas d’étude présent, le test de
Hausman est significatif au seuil de 10% ce qui traduit la prédominance de l’effet fixe sur
l’effet aléatoire. Cela signifie que la caractéristique de chaque économie a une influence
sur les flux d’échanges.
La seconde étape consiste à intégrer dans la régression log linéaire, le ratio inverse de
Mills-IMR comme variable exogène ainsi que les effets fixes pays.
En raison de la faible valeur de la marge extensive, nous ne l’utiliserons pas dans les
régressions impliquant le modèle Translog dans la présente étude. Elle est donc absorbée
par les effets fixes pays.
Les résultats de ces différentes estimations sont résumés dans le tableau 3 ci-après.
30 Les résultats du test de Hausman figurent en annexe 2
37
Tableau 3: Résultats des différentes estimations
Note : les écarts type sont entre parenthèses. Les étoiles (***, **, *) désignent les niveaux de significativité respectifs de 1%, 5% et 10%.
Variables
Biens normaux Biens environnementaux
xtprobit ln ijx ij
j
x
Y
lnij
j
x
Y
xtprobit ln ijx
ij
j
x
Y
lnij
j
x
Y
lTar -0,0402*** -0,1143***
(0,0118) (0,0151)
lDist -0,0027 -1,7045*** -0,0096*** -1,7106*** -0,8395*** -2,1541*** -0,0098*** -1,9953***
(0,0151) (0,0264) (0,0005) (0,0275) (0,0244) (0,0406) (0,0007) (0,0398)
lGDP_Export 0,1553*** 0,5170*** 0,7841*** 0,9170***
(0,0060) (0,0190) (0,0076) (0,0389)
lGDP_Import -0,0717*** 0,8347*** 0,6137*** 1,1580***
(0,0051) (0,0151) (0,0076) (0,0238)
Contig 0,5769*** 1,3533*** 0,0523*** 1,4277*** 0,3616*** 1,1875*** 0,0273*** 1,1534***
(822,4605) (0,1032) (0,0022) (0,1060) (0,0960) (0,11028) (0,0024) (0,1058)
nafta_imp 0,1070** 2,6846*** 0,0014 1,9847*** -0,4347*** 0,7600** 0,0030 1,7548***
(0,0539) (0,2494) (0,0050) (0,2375) (0,00902) (0,3632) (0,0063) (0,3329)
nafta_exp 0,828*** 7,0888*** 0,1718*** 11,3318*** -0,6493*** 6,9771*** 0,2222*** 13,1716***
(0,3028) (0,2540) (0,0050) (0,2359) (0,0957) (0,3636) (0,0065) (0,3329)
Comcur 0,7909*** 0,8136*** 0,3887** 0,4175**
(0,1374) (0,1423) (0,1889) (0,2139)
Langoffi 0,7993*** 0,0031*** 0,8136*** 0,4724*** -0,002 0,7573***
(0,0488) (0,0010) (0,0507) (0,0594) (0,0012) (0,0677)
Cons 0,7961*** -8,4820*** 0,0799*** 0,9590*** -26,8503*** -15,9186*** 0,0842*** -7,6835
(0,2029) (0,4245) (0,0070) (0,3343) (0,3019) (0,8265) (0,0093) (0,9051)
IMR -0,1485 -0,2135** 5,8130*** 1,2340*** 0,0001 1,3211***
(2,0191) (0,1099) (14,9218) (0,0331) (0,0002) (0,0706)
R2 0,78 0,52 0,77 0,75 0,57 0,81
38
IV.1.1-Interprétation
a- Les résultats de régression
Le tableau 3 ci-dessus présente les résultats d’estimation du probit panel (colonnes
xtprobit), de la spécification de type CES du modèle de gravité (colonnes ln ijx ) et les
résultats issus de la régression à partir du modèle de type Translog (colonnes ij jx Y et
ln ij jx Y ).
Il présente en outre pour chaque variable exogène, le coefficient estimé, l’écart-type et le
niveau de significativité.
Dans les estimations probabilistes, la variable dépendante est une binaire c’est-à-dire
qu’elle prend la valeur 1 pour les flux de commerce non nuls et la valeur 0 sinon.
Dans le modèle de gravité de type CES31
, la variable dépendante est représentée par le
logarithme du flux des exportations ln ijx tandis que dans le modèle Translog, les
variables dépendantes sont représentées respectivement par parts d’importation ( ij jx Y )
et le logarithme des parts d’importation ln ij jx Y .
Les variables exogènes sous forme logarithmique sont représentées par les tarifs ‘lTar’
appliqués aux deux catégories de biens à la frontière du pays importateur, les PIB des
pays partenaires ‘lGDP_Export’ et ‘lGDP_Import’, et la distance pondérée entre
capitales ‘lDist’.
Les autres variables exogènes qui sont dichotomiques sont représentées par la contiguïté
‘contig’, l’appartenance des pays au NAFTA ‘nafta_imp’, et ‘nafta_exp’’,
l’appartenance à une même union monétaire ‘comcur’ et l’utilisation d’une langue
commune ‘langoffi’.
L’interprétation qui suit sur les signes des coefficients estimés des variables exogènes
permettent d’en faire une comparaison avec d’autres études.
31 Dans les régressions avec les modèles de type CES et Translog, la variable « Tarif » a été intégrée aux effets fixes
39
- Estimation de la probabilité de commerce non nul
Dans les deux catégories de biens, nous obtenons les signes attendus (négatifs) pour les
coefficients associés aux variables « distance » et « tarifs ».
En interprétant le coefficient associé au tarif pour le bien environnemental par exemple,
on peut dire que si le tarif augmente de 1%, la probabilité de commerce baisse de 0,1143.
Par contre pour certains coefficients associés aux variables qui sont pourtant des facteurs
favorables au commerce, nous n’obtenons pas les signes attendus ; il s’agit du PIB des
pays importateurs dans le cas des biens normaux et de l’appartenance des pays au
NAFTA dans le cas des biens environnementaux. Les coefficients associés à ces
variables sont affectés du signe négatif, ce qui est en contradiction avec la littérature.
- Comparaison des résultats des modèles CES: Biens normaux vs les biens
environnementaux
La première remarque qui se dégage en comparant ces résultats c’est que, tous les
coefficients associés aux variables explicatives ont les signes attendus. Par ailleurs, en
moyenne 75% des variations du flux du commerce sont expliquées par le modèle.
Pour la variable « Distance », les signes sont à la fois négatifs et
significatifs au seuil de 1%. Dans le cas des biens environnementaux
et biens normaux, les coefficients (-2,1541) et (-1,7045) signifient
respectivement que si les contraintes au commerce liées à la distance
augmentent de 1%, le flux de commerce baisse de 2,1541% et de
1,7045% respectivement
L’impact de cette variable sur le flux de commerce est plus important
sur les biens environnementaux que sur les biens normaux. La valeur
des coefficients associés à ces variables se trouve au voisinage des
valeurs obtenues par Zugravu (2009) et Novy (2012).
Les signes des coefficients associés aux variables « PIB des pays
exportateurs et importateurs » ont les signes attendus. Ils ont un
impact positif et significatif sur le flux de commerce. Ces résultats
40
sont également conformes à la littérature. L’impact de ces variables
sur le flux de commerce est également plus important dans le cas des
biens environnementaux par rapport aux biens normaux.
Au niveau des variables dichotomiques qui sont tous des facteurs
favorables au commerce, on a les signes attendus, c’est-à-dire,
positif. Les paramètres qui leur sont associés sont significatifs au
seuil de 1% pour les variables « contiguité », « nafta », « langoffi » et
seulement au seuil de 5% pour la variable « comcur » dans le cas des
biens environnementaux.
- Comparaison des résultats des modèles Translog : Biens normaux vs les biens
environnementaux
Les coefficients associés à la variable « Distance » dans les deux
types de régressions et dans les deux catégories de biens sont à la fois
négatifs et significatifs au seuil de 1%. L’impact de cette variable est
très important sur le commerce des biens environnementaux par
rapport aux biens normaux; ce résultat est en conformité avec la
littérature.
Les coefficients associés aux variables dichotomiques « contiguité »,
« nafta », « langoffi » et « comcur » ont les signes positifs attendus
(positifs) et significatifs au seuil de 1% et 5%. Ils ont donc un impact
positif sur le flux de commerce ; cependant dans le cas des biens
environnementaux, lorsqu’on s’intéresse à la régression avec les parts
d’importation, la variable « langoffi » est associée à un coefficient
négatif, ce qui est contraire aux attentes.
D’une manière générale, lorsqu’on compare les valeurs des coefficients des variables
exogènes dans les deux modèles de régression (CES et Translog), on peut conclure que
l’utilisation du modèle Translog amplifie l’effet de ces variables sur le flux de commerce.
Par ailleurs, la valeur des coefficients associés aux variables dans les différentes
régressions se trouve au voisinage des résultats obtenus dans les travaux de référence
41
c’est à dire ceux de Zugravu (2009), Anderson et Yotov (2010), Novy (2012) et Tan
(2012).
b- L’élasticité distance du commerce
L’expression (15), ij
j
TL iij x
Y
n
définit l’élasticité coût du commerce dans le cas du
modèle Translog. Elle montre que l’élasticité décroît lorsque la part des importations
représentée par ij
j
x
Y d’un pays donné augmente. Dans un modèle avec des préférences
de type CES, l’élasticité coût du commerce est une constante.
De façon intuitive, l’expression (15) stipule qu’étant donné un pays importateur jy , et le
nombre in de biens exportés, si le flux de commerce ijx augmente, alors le pays
exportateur détiendra une position dominante sur le marché en question.
Contrairement au modèle avec des préférences de type CES, le modèle Translog génère
une élasticité coût de commerce endogène Novy (2012). Ainsi, le commerce est sensible
au coût si le pays exportateur fournit seulement une petite part des biens au pays
importateur.
Une illustration graphique de la décroissance de l’élasticité coût du commerce est faite en
prenant en exemple le canada en 2005.
42
Graphique 9 : Élasticité coût du commerce dans le cas du Canada en 2005 en fonction
de la part des importations
Sur ce graphique (9), le minimum de la part des importations à l’intérieur des intervalles
prédéfinis est représenté sur l’axe des abscisses.
Sur l’axe des ordonnées, nous représentons l’élasticité coût minimum à l’intérieur des
intervalles prédéfinis.
0
5
10
15
20
0 .01 .02 .03 Moyenne des parts des importations
Élasticité
coût du
commerce
43
Conclusion
Les échanges commerciaux ont connu ces dernières décennies une expansion fulgurante ;
il en est de même du commerce des biens environnementaux dont l’utilisation a un
impact positif plus important sur l’environnement comparés à l’utilisation d’autres biens.
De nombreuses études se sont intéressées aux déterminants de la demande de ces biens
particuliers en mettant à contribution diverses méthodes d’analyse.
La présente étude en s’inspirant des études antérieures utilise le modèle de gravité pour
analyser l’impact des variables explicatives sur le commerce des biens en général et en
particulier celui des biens environnementaux.
Ainsi, en opposant les modèles d’équation de type CES et Translog, les résultats de
régression montrent que l’impact des variables exogènes est plus important sur le flux de
commerce lorsqu’on utilise le modèle de type Translog.
Les coefficients associés aux variables exogènes sont proches des études de référence.
Par ailleurs, avec l’utilisation du modèle Translog, on obtient une élasticité coût du
commerce qui varie lorsque la part des importations du pays change ; ce qui n’est pas le
cas avec les modèles de préférence CES où l’élasticité coût du commerce est constante
quel que soit les changements qui affectent les barrières au commerce.
44
Référence bibliographique
Anderson, J. et van Wincoop, E., 2003. Gravity with Gravitas: A solution to the border
puzzle. American Economic Review 93: 170-192.
Anderson, J. et Yotov Y., 2010. The changing incidence of geography. American
Economic Review 100: 2157-2186.
Anderson, J.E et Marcouiller, D., 2002. Insecurity and the pattern of trade : An
empirical investigation. Review of Economics and Statistics, Vol 84, pp 342-352.
Barten, A.P., 1964. Consumer demand functions under conditions of almost additive
preferences. Econometrica 32: No 1-2 pp. 1-38.
Bikker, J.A. et De Vos, A.F. 1992. An International Trade Flow Model with Zero
Observations: an Extension of the Tobit Model. Cahiers Economiques de Bruxelles, 135,
pp. 379-404.
Chaney, T., 2008. Distorted Gravity: The Intensive and Extensive Margins of
International Trade. American Economic Review 98: 1707-1721.
Christensen, L., Jorgenson, D. et Lau, L., 1975. Transcendental Logarithmic Utility
Functions. American Economic Review 65: 367-383.
Claro, E., Lucas N., Sugathan M., Mario Marconini, M. et Lendo, E., 2007. Trade in
Environmental Goods and Services and Sustainable Development: Domestic
Considerations and Strategies for WTO Negotiations. ICTSD Environmental Goods and
Services Series, Policy Discussion Paper.139 p.
Deardorff A., 1998. Does Growth Encourage Factor Price Equalization? University of
Michigan Discussion Paper, 431.
Eaton, J. et Kortum S., 2002. Technology, Geography, and Trade. Econometrica 70:
1741-1779.
45
Egger, P., 2005. Alternative techniques for estimation of cross-section gravity models.
Review of international Economics 13 (5): 881-891.
Feenstra R.C., 2003. A homothetic utility function for monopolistic competition models,
without constant price elasticity. Economics Letters: 78: 79–86.
Feenstra, R.C., 2009. Measuring the gains from trade under monopolistic competition.
National Bureau of Economic Research, Working paper 15593. 39 p.
Feenstra, R.C., 2010. Product Variety and the Gains from International Trade. MIT
press.
Fontagné L., Pajot M., et Pasteels, J.M 2002. Potentiels de commerce entre économies
hétérogènes : un petit mode d’emploi des modèles de gravité. Economie et Prévision,
152-153(1-2): 115-139.
Fontagné, L. et al., 2002. Potentiels de commerce entre économies hétérogènes : un petit
mode d'emploi des modèles de gravité. Économie & prévision 1/2002 (n° 152-153),
p. 115-139. URL : www.cairn.info/revue-economie-et-prevision-2002-1-page-115.htm.
Frankel, J., 1997. Regional Trading Blocs in the World Trading System. Institute for
International Economics, Washington DC.
Frankel, J.A. et Rose, A., 2005. Is trade good or bad for the environment? Sorting out
the casuality. The review of Economics and Statistics 87: 85-91.
German Institute for Economic Research-DIW Berlin. 2009. Global Demand for
Environmental Goods and Services on the Rise: Good Growth Opportunities for German
Suppliers. Weekly Report No20/2009 Volume 5 September 3, 7 pages.
Gohin, A.et Féménia, F., 2009a. Estimating Price Elasticities of Food Trade Functions.
How Relevant is the CES-Based Gravity Approach? Journal of Agricultural Economics
60: No.2, pp. 253-272.
46
Gohin, A. et Féménia, F., 2009b. Estimating censored and non-homothetic demand
systems: the generalized maximum entropy approach. Working Paper SMART –
LERECO N°09-12, 36 pages.
Hummels, D., Klenow, P., 2005. The Variety and Quality of a Nation’s Exports.
American Economic Review 95: 704-723.
Johansen, L., 1960. A multi-sectoral study of economic growth. North-Holland
Publishing Company, Amsterdam, 177 p.
Krugman, P., 1979 “Increasing Returns, Monopolistic Competition and International
Trade,” Journal of International Economics 9: 469-479.
Lo, L., 1990. A Translog Approach to Consumer Spatial Behavior. Journal of Regional
Science 30: 393-413.
Melitz, M. J., 2003. The Impact of Trade on Intra-Industry Reallocations and Aggregate
Industry Productivity. Econometrica, 71: 1695–1725. doi: 10.1111/1468-0262.00467.
Novy, D., 2012. International Trade without CES: Estimating Translog Gravity. No 9125,
CEPR Discussion Papers. http://EconPapers.repec.org/RePEc:cpr:ceprdp:9125.
Organisation de coopération et de développement économique (OCDE), 1996 The
Global Environment Goods and Services Industry, Paris.
Organisation de coopération et de développement économiques (OCDE), 2006.
Étude sur la politique commerciale, Biens et services environnementaux. 212 p. Paris,
France.
Programme des Nations Unies pour l’environnement, 2006. L’avenir de
l’environnement en Afrique 2. Notre environnement, notre richesse 36 p.
Raballand, P. 2003. Determinants of the negative impact of being landlocked on trade:
An Empirical Investigation through the central Asian Case, Comparative economic
studies, 48, pp.520-536.
47
Rose A., 2004. Do We Really Know That the WTO Increases Trade? American
Economic Review 94:1, 98-114.
Tan, S., 2012. Gravity model without CES preferences. University of Melbourne,
Department of Economics, 46 p.
Veena. J., 2008. Environmental Priorities and Trade Policy for Environmental Goods: A
Reality Check. ICTSD Trade and Environment Series: Issue Paper No.7. International
Centre for Trade and Sustainable Development, Geneva, Switzerland.
Wang, Z. K. et Winters, L. A., 1991. The Trading Potential of Eastern Europe. CEPR
Discussion Papers 610.
Yandle, B., Vijayaraghavan, M. et Bhattarai, M., 2002. The Environmental Kuznets
Curve: A Primer. PERC Research Study 02-1. Bozeman, MT: Center for Free Market
Environmentalism, 24 p.
Zugravu, N., 2009. Trade and Sustainable Development: Should "transition countries"
open their markets to environmental goods? Université Paris-I Panthéon Sorbonne, 34 p.
48
ANNEXES
49
Annexe 1: Liste des pays sélectionnés
AFRIQUE DU SUD CUBA LIBAN SAO TOME-ET-PRINCIPE
ALBANIE DJIBOUTI LIBERIA SENEGAL
ALGERIE EGYPTE LIBYE SEYCHELLES
ANGOLA EL SALVADOR YOUGOSLAVE DE SINGAPOUR
ARABIE SAOUDITE EMIRATS ARABES UNIS MADAGASCAR SOUDAN
ARGENTINE EQUATEUR MALAISIE SRI LANKA
ARMENIE ERYTHREE MALAWI SUISSE
AUSTRALIE ETATS-UNIS MALI SURINAME
AZERBAIDJAN ETHIOPIE MAROC SYRIENNE, REPUBLIQUE
ARABE
BAHAMAS GABON MAURICE TADJIKISTAN
BAHREIN GAMBIE MAURITANIE TAIWAN
BANGLADESH GEORGIE MEXIQUE TANZANIE, REPUBLIQUE
UNIE
BELARUS GHANA MOLDOVA TCHAD
BENIN GUATEMALA MONGOLIE THAILANDE
BOLIVIE GUINEE MOZAMBIQUE TOGO
BOSNIE GUINEE BISSAU MYANMAR TRINITE-ET-TOBAGO
BOTSWANA GUINEE EQUATORIALE NAMIBIE TUNISIE
BRESIL HAITI NEPAL TURKMENISTAN
BURKINA FASO HONDURAS NICARAGUA TURQUIE
BURUNDI HONG KONG NIGER UKRAINE
CAMBODGE INDE NIGERIA URUGUAY
CAMEROUN INDONESIE NORVEGE VENEZUELA
CANADA IRAN NOUVELLE-ZELANDE VIETNAM
CAP-VERT IRAQ OMAN YEMEN
CENTRAFRIQUE ISLANDE OUGANDA ZAMBIE
CHILI ISRAEL OUZBEKISTAN ZIMBABWE
CHINE JAMAIQUE PAKISTAN UNION EUROPEENNE
COLOMBIE JAPON PANAMA
COMORES JORDANIE PAPOUASIE-NOUVELLE-
GUINEE
CONGO KAZAKHSTAN PARAGUAY
CONGO, RDC KENYA PEROU
COREE KIRGHIZISTAN PHILIPPINES
COSTA RICA KOWEIT QATAR
COTE D'IVOIRE LAOS RUSSIE, FEDERATION
CROATIE LESOTHO RWANDA
50
Annexe 2: Code HS6 des biens environnementaux collectés
220100, 230210, 252100, 252220, 280110, 281410, 281511, 281512, 281610, 281830,
282010, 282090, 282410, 283210, 283220, 283510, 283521, 283523, 283524, 283525,
283526, 283529, 283822, 285100, 290511, 320910, 320990, 380210, 381500, 391400,
392020, 392490, 392690, 460120, 560314, 580190, 591190, 681099, 690210, 690220,
690290, 690310, 690320, 690390,690919, 700800, 701710, 701720, 701790, 701990,
730900, 731010, 731021, 731029, 732510, 780600, 840410, 840420, 840510, 840991,
840999, 841000, 841011, 841012, 841013, 841090, 841320, 841350, 841360, 841370,
841381, 841410, 841430, 841440, 841459, 841480, 841490,841780, 841790, 841911,
841919, 841940, 841950, 841960, 841989, 841990, 842119, 842121,842129, 842139,
842191, 842199, 842220, 842381, 842382, 842389, 842490, 842833, 843680, 846291,
847290, 847410, 847410, 847432, 847439, 847982, 847989, 847990, 848110, 848130,
848140, 848180, 850231, 850590, 851410, 851420, 851430, 851490, 851629, 853931,
854140, 854389, 870892, 890710, 890790, 901320, 901540, 901580, 901590, 902229,
902290, 902511, 902519, 902580, 902590, 902610, 902620, 902680, 902690, 902710,
902720, 902730, 902740, 902750, 902780, 902790, 902810, 902820, 902830, 902890,
903010, 903020, 903031, 903039, 903083, 903089, 903090, 903110, 903120, 903130,
903149, 903180, 903190, 903210, 903220, 903281, 903289, 903290, 903300, 960310,
960350.
51
Annexe 3: Test de Hausmann
- Biens normaux
quietly xtreg bin1 lTar_BN_final ldistw lGDP_Export lGDP_Import contig comcur
langoffi nafta_imp nafta_exp, fe
est store eq1
quietly xtreg bin1 lTar_BN_final ldistw lGDP_Export lGDP_Import contig comcur
langoffi nafta_imp nafta_exp, re
hausman eq1
---- Coefficients ----
(b) (B) (b-B) sqrt(diag(V_b-V_B))
eq1 . Différence S.E.
lTar_BN 0,0000145 -0,0003165 0,000331 0,0003048
ldistw 0,0000118 -0,0000282 0,00004 0,0099696
lGDP_Export 0,0048607 0,003306 0,0015547 0,0005202
lGDP_Import 0,0002537 -0,0016737 0,0019274 0,0005257
contig 0,0004878 0,0095482 -0,0090604 0,0370004
comcur -0,0015905 -0,0033955 0,001805 0,0094566
langoffi 0,000195 -0,0001137 0,0003086 0,0103571
b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(7) = (b-B)'[(V_b-V_B)^(-1)](b-B)
chi2(7) = 83,86
52
Prob>chi2 = 0,0000
- Biens environnementaux
quietly xtreg bin2 ltar_BE_moy ldistw lGDP_Export lGDP_Import contig gatt_o gatt_d
landlocked_imp landlocked_exp comcur langoffi, fe
est store eq2
quietly xtreg bin2 ltar_BE_moy ldistw lGDP_Export lGDP_Import contig gatt_o gatt_d
landlocked_imp landlocked_exp comcur langoffi, re
hausman eq2
---- Coefficients ----
(b) (B) (b-B) sqrt(diag(V_b-V_B))
eq2 eq2 Différence S.E.
ltar_BE_moy -0,0030944 -0,006105 0,0030106 0,0032319
ldistw 0,0289686 -0,1420323 0,1710009 0,028654
lGDP_Export 0,1396593 0,1396167 0,0000426 0,0019164
lGDP_Import 0,139389 0,1018481 0,0375409 0,0019526
contig 0,0694602 0,0583523 0,011108 0,1136208
gatt_o 0,004229 0,0113197 -0,0070908 0,0015996
gatt_d 0,0047312 0,0131723 -0,008441 0,0017327
landlocke_exp 0,0089297 -0,0269317 0,0358614 0,0145289
comcur 0,1118622 0,1717504 -0,0598882 0,0517856
langoffi -0,0252124 0,0916509 -0,1168633 0,0283344
b = consistent under Ho and Ha; obtained from xtreg
B = inconsistent under Ha, efficient under Ho; obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(10) = (b-B)'[(V_b-V_B)^(-1)](b-B)
53
chi2(10) = 1926.33
Prob>chi2 = 0.0000