rapport hz-ad
TRANSCRIPT
La convergence des niveaux de
productivité au sein des pays de l'OCDE
2015-
2016
TRAVAIL D’ETUDE ET DE RECHERCHE
UNIVERSITE LILLE III|CHARLES DE GAULLE
PRESENTE PAR
ADRIEN DELPLACE
HACENE ZERROUK
Table des matières
INTRODUCTION : .......................................................................................................................... 2
I Matériel et Méthodes. ................................................................................................................ 3
I.1 Rattrapage technologique et fonction de production ................................................... 3
I.2 Benchmarking par la méthode DEA. ................................................................................. 4
I.3 / Mesure de la TFP par approche économétrique ........................................................ 7
Résultats et Analyse. ..................................................................................................................... 9
II.1 /Les variables ; la base de données et les statistiques descriptives ......................... 9
II.2 La Sigma Convergence du PIB. ...................................................................................... 12
II.3 Les résultats DEA .............................................................................................................. 14
II.4 Les gains de productivité et la convergence de la TFP. ............................................ 16
CONCLUSION ............................................................................................................................. 19
.
INTRODUCTION : L’étude se fera sur deux zones :
La zone euro sans les pays de l’ancien bloc de l’est (Belgique, Allemagne, Irlande,
Grèce, Espagne, France, Italie, Luxembourg, Pays-Bas, Autriche, Portugal,
Finlande). La zone euro est monétaire qui a pour monnaie l’Euro, cette zone a été
créée par 11 pays en 1999, puis ensuite d’autres pays sont venus se greffer et
compte en 2015 19 pays.
Ensuite les autres pays de l’OCDE (Danemark, Suède, Royaume-Uni, Islande,
Turquie, Norvège, Suisse, Etats-Unis, Japon, Canada, Mexique, Australie,
Nouvelle-Zélande). L’OCDE a été créée en 1948, est une organisation d’études
économiques.
Ces deux zones seront comparées afin d’étudier les niveaux de divergences entre celles-
ci. Les données sont récoltées sur la base de données d’AMECO online, Pour ce faire, les
valeurs en euro seront converties en parité de pouvoir d’achat(PPA) de l’année 2010. La
conversion en PPA permet d’établir une comparaison entre les pays du pouvoir d’achat
des devises nationales, ce qu’une simple utilisation des taux de change ne permet pas.
Le but sera de déterminer l’impact de l’euro pour les pays ayant adoptés cette monnaie,
contre les autres pays avec des monnaies différentes. Certains pays de la zone euro
seront écartés comme les pays de l’ancien bloc de l’est, ainsi que d’autres pays de l’OCDE
hors zone euro. La période des données sera de 1965-2015, durant ces années trois
événements majeurs influenceront les économies des pays de l’OCDE :
Les trente glorieuses : De 1945-1975, les pays du nord ont connu une période
de forte croissance et une amélioration des conditions de vie.
Le passage à l’euro : datant du 1er janvier 2002 pour la plus part des pays ayant
signé le traité de Maastricht.
Crise financière de 2007 : crise mondiale marquée par une crise de solvabilité
des états et des banques, provient du dégonflement de la bulle immobilière
américaine.
Dans le but de mesurer les gains de productivité deux approches vont être utilisées :
Par l’approche des frontières de possibilité : A partir des niveaux de productions
des pays, nous y allons y affecter des inputs (capital(K) et travail(L)). Ce qui
permettra de mesurer l’écart des pays grâce à leur Benchmarking.
Par l’approche économétrique : Consiste à mesurer la TFP, différents modèles vont
être proposés avec un nombre d’hypothèses.
I Matériel et Méthodes.
I.1 Rattrapage technologique et fonction de production
Le rattrapage technologique correspond pour un pays moins avancé technologiquement
de rattraper son retard sur les pays les plus avancés.
Grâce à l’Union Européenne ce rattrapage s’est fortement accéléré au cours des
dernières décennies, en effet les nouveaux adhérents peuvent profiter de l’avancée
technologique des piliers économiques de l’Union (France, Allemagne, Royaume-Uni
etc.) en s’appropriant à moindre coûts les technologies et innovations développées par
ceux-ci.
La libéralisation des échanges, le développement des moyens de transports et
l’internationalisation des firmes qui deviennent pour la majorité d’entre elles des
multinationales viennent renforcer ce rattrapage en effet le développement de filiales
dans des pays moins avancées technologiquement pour des raisons de main d’œuvre
abordable permet à ces pays d’obtenir la même connaissance technologique que les
pays d’origine des firmes. La mondialisation ainsi que l’intégration des pays dans des
organisations comme l’Union Européenne ou l’OCDE ont permis de combler le fossé
De plus beaucoup ont pensé que ce rattrapage passait nécessairement par une
augmentation de l’intensité capitalistique des pays en retard technologique, cependant
et je cite l’étude fort intéressante du laboratoire économique d’Orléans
« C’était bien sûr ignorer les travaux menés de longue date par les historiens et les
économistes institutionnalistes dans la lignée de Gerschenkron (1962) et de Abramovitz
(1986), qui partant de l’expérience européenne au XIXe siècle ont abouti à celle,
récente, des pays émergents (Shin (1996), Chang (2002)). Ces travaux enseignent que
le processus de croissance économique n’est en rien un passage obligé et repose sur un
ensemble de facteurs institutionnels indispensables à sa réussite, souvent résumés dans
le terme « d’aptitudes sociales » ou « d’aptitudes technologiques » (social ou
technological capabilites) selon les auteurs et les approches »
Au niveau de l’Europe, le tableau suivant illustre la place de chaque pays et illustre
parfaitement ce rattrapage technologique, en effet les pays en retard possèdent les
taux de croissance les plus élevés et ainsi comblent petit à petit cet écart.
I.2 Benchmarking par la méthode DEA.
Data Envelopment Analysis Model (DEA) est une méthode non paramétrique basée sur
la programmation linéaire développée en 1978 par Charnes.
Le principale objectif de cette méthode est de créer une frontière de production
représentant la relation optimale entre les inputs et les outputs afin d’obtenir un
benchmark à atteindre.
Cette frontière est calculée par rapport aux données utilisées pour l’analyse il ne s’agit
donc pas d’un résultat théorique externe aux données, sur la figure 1 la fonction y=F(x)
représente cette frontière elle est obtenue à l’aide des meilleurs points (verts). Les
agents représentés par des points rouges sont quant à eux inefficaces.
La frontière ainsi obtenue spécifie le niveau maximal d’output obtenable avec une
certaine quantité d’inputs donnés. (Orientation output).
Il s’agira ensuite de mesurer les écarts entre les observations et le benchmark.
Sur la figure 2, si l’agent a utilisait ses ressources de manière optimale il pourrait
augmenter sa production de ya à ya* tout en maintenant son niveau d’input à xa.
𝑦𝑎 ∗
𝑦𝑎− 1 𝑅𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑙𝑒 𝑛𝑖𝑣𝑒𝑎𝑢 𝑑′𝑖𝑛𝑛é𝑓𝑖𝑐𝑎𝑐𝑖𝑡é 𝑑𝑒 𝑙′𝑎𝑔𝑒𝑛𝑡 𝑎
Ce niveau mesure le pourcentage de croissance potentielle de l’output.
Cette méthode comporte trois hypothèses importantes concernant l’ensemble des
possibilités de production :
La libre disposition des inputs et des outputs
Ce qui signifie que les pertes d’inputs et/ou d’outputs sont autorisées.
Concrètement cela implique que ce qui se trouve au sud-est d’un point est
toujours possible.
La convexité
Cela implique que toute combinaison linéaire de points appartenant au plan P,
appartient aussi à ce plan.
Les rendements d’échelles constants
Toute multiplication ou division proportionnelle d’un point appartenant au plan P,
appartient aussi à ce plan. Cela induit une frontière de production CRS, si cette
dernière hypothèse est relâchée, la frontière devient une frontière VRS
(rendement d’échelles variables).
Choix de l’Orientation
L’orientation retenue ici pour notre analyse est l’orientation Output VRS
Output : On va ici chercher à maximiser la production d’output relativement à la
quantité d’inputs disponible.
Ce choix semble le mieux adapté à notre étude, en effet les pays cherchent à
tirer profit de leurs ressources afin de produire au maximum pas de minimiser
les ressources dépensées afin d’atteindre un certain niveau de production.
VRS : On relâche la 3ème hypothèse des rendements d’échelles constants afin
d’obtenir une frontière VRS et non pas CRS.
Ce choix permet de se concentrer uniquement sur l’inefficacité technique des
pays (situation dans laquelle l’entreprise ou dans notre cas le pays pourrait
produire plus d’output avec la même quantité d’input) plutôt que de prendre en
compte l’inefficacité d’échelle (quand la taille de l’entreprise ou ici du pays n’est
pas optimale).
On voit ici l’illustration de cela, la distance entre notre pays et la frontière VRS
représentant son inefficacité technique ce qui nous intéresse dans cette étude.
Méthode de calcul des scores
Afin d’obtenir les scores d’efficacité des pays, on utilise le logiciel Excel et son solveur,
une macro est utilisée afin d’accélérer la manœuvre.
Présentation du programme linéaire :
Objective functionScore
1,275 1,275
Y L K
Technology 147,0 2225,1 302,3
RHS 147,0 4546,1 302,3
25 115,3 4546,1 302,3
L’objectif ici est de calculer un score d’efficacité pour chaque pays relativement aux
performances des autres pays, par exemple le 1.275 ici signifie que le pays 25 lors de
l’année en question aurait au vu de ses inputs pu obtenir 27.5% de production
supplémentaire.
Technology représente le benchmark tandis que RHS représente nos données, pour une
orientation output le programme est comme suit :
i) Signifie que les quantités optimales d’outputs doivent être supérieures ou
égales à celles de notre pays.
ii) Signifie que les quantités optimales d’inputs doivent être inférieures ou
égales à celles de notre pays
iii) Cette contrainte est la contrainte VRS si on l’enlève cela revient à faire une
frontière CRS
iv) Cette dernière impose des coefficients positifs afin d’obtenir des résultats
cohérents.
Si un pays obtient un score de 1 il est efficace et se trouvera sur la frontière de
production, si son score est supérieur à 1 son score -1 représente son pourcentage
d’inefficacité technique.
Un score supérieur à 1 signifie qu’on peut trouver un pays ou une combinaison de pays
qui produisent plus ou autant d’outputs en utilisant moins d’inputs.
I.3 / Mesure de la TFP par approche économétrique
La TFP est la part de la croissance économique qui n’est pas expliquée par
l’augmentation du volume du capital et du volume du travail, par exemple un agriculteur
qui augmente sa production grâce à de meilleures conditions climatiques. Ce gain est
donc mesurable de la façon suivante
Pour ce faire On mesure la croissance due à l’augmentation du volume des facteurs de
production (capital, travail), ensuite la TFP va mesurer l’accroissement de productivité.
Cette augmentation sera analysée, et ne sera pas forcément la résultante d’une meilleure
combinaison des facteurs de production. La TFP peut aider à définir la nature de la
production, ce qui permet de mieux comprendre cette croissance.
La TFP est souvent vue comme le vecteur de la croissance, car si le capital et le travail
demeurent des contributions importantes à la production, la TFP peut intervenir jusqu'à
60 % de la croissance dans l'économie.
Par exemple en France selon l’OCDE l’augmentation de la TFP explique 1 point des 1,8%
de croissance entre 1985 et 2010, le travail en explique que 0,2% et l’accroissement du
volume de capital 0,7%
La TFP a un point faible, c’est qu’elle ne définit pas que le progrès technique. Cette
augmentation peut être créée en plus par un résidu non explicable, par exemple cela
peut être dû à un facteur chance, ou de l’organisation de la production, etc. Un deuxième
défaut est qu’il est difficile d’avoir un indice parfait, en effet cela demande une quantité
d’informations qui peut être difficile d’accès pour (pour certains pays, ces informations
sont accessibles), comme le stock de capital, l’indice de l’évolution des prix, et le stock de
travail, mais cet indicateur est tout de même proche de la réalité
La TFP peut être utilisé pour mesurer la croissance de l’activité de secteurs économiques,
d’entreprises, ou des pays. Dans notre cas nous allons nous intéresser à la mesure de
productivité des pays.
Il y’a d’abord le calcule par modélisation non paramétrique, qui présente l’avantage
de reposer sur un nombre restreint d’hypothèse et se calcule de la façon suivante :
-Il faut d’abord calculer le PIB au cout des facteurs (qui sera développé plus tard dans
l’étude)
-βL = Labor share => c’est donc la part du travail dans le PIB au cout des facteurs qui
se calcule de la façon suivante :
βL =𝑠𝑎𝑙𝑎𝑖𝑟𝑒𝑠 𝑑𝑒𝑠 𝑒𝑚𝑝𝑙𝑜𝑦é𝑠
PIB CF
-βK = capital share => c’est la part du stock de capital dans le PIB au cout des facteurs
qui se calcule de la façon suivante :
βK =Stock de capital
PIB CF
-i : indice qui représente les années et vont de 1966 à 2015
-t : indice qui représente les pays (France, Belgique, etc.)
Ln (TFPit) = Ln(PIBitCF) – βL*Ln(Lit) – βK*Ln(Kit)
Par l’approche économétrique, il est possible d’estimer les gains de productivité. Pour ce
faire on va devoir définir un modèle, on part d’une fonction de production :
Y = F (K, L, T)
Nous allons d’abord partir d’un modèle type Cobb-Douglas avec :
Ln(Y) = βL*Ln(L) + βK*Ln(K) + TFP + µ
Donc :
Ln(TFP)= Ln(Y) - βL*Ln(L) + βK*Ln(K)
Résultats et Analyse.
II.1 /Les variables ; la base de données et les statistiques descriptives
Les données utilisées seront extraites de la base de données d’AMECO qui est tenue par
la commission européenne. Elle contient les données pour l’Union Européenne à 28, la
zone euro, et les autres pays de l’OCDE.
Pour les pays nous avons sélectionné les pays suivants :
- Pour la zone euro : Belgique, Allemagne, Irlande, Grèce, Espagne, France, Italie,
Luxembourg, Pays-Bas, Autriche, Portugal, Finlande
- Autres OCDE : Danemark, Suède, Royaume-Uni, Islande, Turquie, Norvège, Suisse,
Etats-Unis, Japon, Canada, Mexique, Australie, Nouvelle-Zélande.
Pour notre étude nous avons extrait pour chaque pays et chaque année :
- Le PIB
- Le coût du travail
- Le stock de capital
- Indice de prix
- La production totale
- La population totale
- La population en âge de travailler (15-64 ans)
- La population qui travaille
- Les taxes et subventions
Pour les données de PIB concernant l’Allemagne, une règle de trois a été utilisé en effet
l’Allemagne était séparé durant la période du bloc de l’est. Pour ce faire on a utilisé la
formule suivante :
Allemagne PIB90 (non connu) PIB91 (connu)
Allemagne de l’Ouest PIB90 (connu) PIB91 (connu)
𝑃𝐼𝐵90𝐴𝐿𝐿 = PIB90ao/ (PIBao91
PIBall91)
Toutes les données sont extraites en dollar et à prix courant, Les prix courants sont les
prix tels qu'ils sont indiqués à une période donnée, car un dollar en France n’est pas le
même qu’au Canada. Pour cela on va exprimer les données en PPS, et en valeur courante
c’est-à-dire corrigés de la variation des prix par rapport à une donnée de base ou de
référence. Les valeurs en dollar par unité de PPS vont exprimer le rapport entre la
quantité d’unités monétaires pour se procurer un panier dans différents pays, ce qui est
différent du taux de change qui lui est fixé par les marchés. On procède de la façon
suivante :
𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 à 𝑐𝑜𝑛𝑣𝑒𝑡𝑖𝑟
Indice du prix PPS 2010
Pour le calcul de la sigma convergence et du coefficient de variation, nous avons besoin
du PIB par tête qui représente le niveau d’activité d’un pays, qui a été calculé de la
façon suivante :
𝑃𝐼𝐵/𝑡ê𝑡𝑒 =PIB
Population totale
Nous avons calculé les taux de croissance des différentes variables qui se calcule de la
façon suivante :
Ln (Variable en T / variable en T-1)
Les taux de croissance ont ainsi été cumulés pour montrer sur la période la croissance
totale des deux zones étudiées :
0,00%
20,00%
40,00%
60,00%
80,00%
100,00%
120,00%
140,00%
160,00%
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31 33 35 37 39 41 43 45 47 49 51 53 55 57 59
Taux de croissance cumulé en PPS
zone euro autres OCDE
Sur ce graphique on voit clairement que les pays de la zone euro ont une plus grosse
croissance sur la période, maintenant pour étudier la distribution c’est-à-dire mesurer si
les niveaux de croissance sont les mêmes entre les pays des deux zones étudiées. Pour
mesurer ces niveaux on calcule le coefficient de variation qui se calcule de la façon
suivante :
𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑡𝑖𝑜𝑛 =Ecart type
moyenne
Pour l’étude des deux zones cela donne :
Plus la courbe se rapproche de 0 plus les pays convergent, on constate que des années
a début années 80 les pays de l’Europe convergent. Après les années 80, les pays
divergent, et ne cessent diverger depuis, et même l’instauration d’une monnaie ne change
en rien la tendance.
Les pays autre OCDE convergeaient fortement au début de la période mais la tendance
est à la baisse jusqu’à convergeait d’avantage que les pays de la zone euro ce qui est
un contre sens car la zone euro a justement était créé pour qu’il est moins plus d’égalité.
Grâce à ces deux graphiques, on voit clairement que les pays les plus développés de la
zone euro ont encore plus creusé l’écart avec les pays les moins développé. Pour étudier
ces écarts nous allons mesurer et comparer les niveaux de gain de productivité des deux
zones. Grâce à la sigma convergence, à la méthode DEA, ainsi que la mesure de la TFP.
20,0%
25,0%
30,0%
35,0%
40,0%
45,0%Evolutions des coefficients de variation des PIB/Tête
Tous pays
zone €
autres OCDE
II.2 La Sigma Convergence du PIB.
Le coefficient de variation (rapport entre l’écart type et la moyenne d’une série) est un
bon indicateur pour juger de la dispersion des valeurs autour de la moyenne ainsi que
de l’évolution de cette dispersion.
Le PIB par tête peut être interprété comme une mesure du bien-être d’une population,
en effet il est un indicateur fondamental de la performance économique d’une
économie qui joue un rôle important dans le bien-être d’une population. L’impact du
niveau de vie mais aussi de la possibilité d’investissements publics et privés dans des
domaines comme l’éducation ou encore la santé rendent inévitable une corrélation
positive entre PIB par tête et bien-être de la population. Bien évidemment d’autres
indicateurs comme l’IDH (Indice de Développement Humain) peuvent paraître mieux
adapté afin de juger du bien-être d’une population cependant ce n’est pas l’objet de
notre étude.
A contrario le PIB par travailleur peut quant à lui être interprété comme une mesure de
la productivité d’une économie ou d’une zone économique, en effet un PIB par
travailleur en hausse indique que chaque travailleur contribue plus fortement à la
production du pays.
Il semble logique d’un point de vue théorique que les évolutions des coefficients de
variation de ces deux séries devraient suivre des tendances assez semblables, en effet
si deux économies se rapprochent du point de vue de la productivité, leurs populations
devraient elles aussi se rapprocher au en terme de niveau de vie.
Cependant sur les graphiques ci-dessous on observe que cet état de fait théorique est
bien loin d’être vérifié dans les faits.
15,00%
20,00%
25,00%
30,00%
35,00%
40,00%
45,00%
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
Evolutions des coefficients de variation de la Zone Euro
Pib par tête
Pib par travailleur
On observe ici que concernant la zone euro les deux séries suivent la même tendance
de 1960 à 1984, ensuite de 1984 à nos jours on observe un phénomène très étonnant.
Le PIB par tête diverge de plus en plus fortement entre les pays de la zone euro tandis
que leur productivité converge, cela peut attiser les tensions entre les pays membres, en
effet alors qu’ils sont de plus en plus proche en terme de productivité les pays ne
bénéficient visiblement pas tous de la même façon de cette convergence.
Pour les autres pays de l’OCDE la réalité et la théorie sont moins éloignées en effet les
courbes suivent des tendances similaires, la réduction des écarts de productivité
s’accompagnant d’une réduction des écarts de niveau de vie.
En plus du PIB par travailleur, on s’est aussi intéressé au PIB par personne en âge de
travailler (15-64 ans)
15,00%
20,00%
25,00%
30,00%
35,00%
40,00%
45,00%
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
Evolutions des coefficients de variation des autres OCDE
Pib par tête
Pib par travailleur
20,00%
25,00%
30,00%
35,00%
40,00%
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
Evolutions des coefficients de variation de la Zone Euro
Pib par tête
Pib par 15-64 ans
On observe ici que pour la zone euro comme pour les autres OCDE les deux séries
suivent des tendances similaires, la grande différence se fait justement dans cette
tendance, la zone euro étant de moins en moins homogène (coefficient de variation en
hausse constante de 1981 à nos jours) tandis que les autres OCDE sont de plus en plus
proches les uns des autres (coefficient de variation en baisse depuis une bonne
vingtaine d’années)
Dès lors des tensions entre pays de la zone euro semblent inévitables.
II.3 Les résultats DEA
Comme expliqué précédemment (voir I.2) la méthode DEA permet d’obtenir des scores
qui offrent une représentation de l’efficacité des pays les uns par rapport aux autres,
voyons à présent les résultats
La méthode VRS a été choisie afin de se concentrer sur l’inefficacité technique des
pays.
29,00%
31,00%
33,00%
35,00%
37,00%
39,00%
41,00%
43,00%
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
20
16
Evolutions des coefficients de variation des autres OCDE
Pib par tête
Pib par 15-64 ans
1
1,1
1,2
1,3
1,4
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
Evolution de la moyenne des scores d'efficacité (Capital-Pop en âge de travailler)
zone euro
autres OCDE
La tendance générale qui se dégage de ces résultats est que la zone euro est en
moyenne moins développée que les autres pays de l’OCDE, en effet la moyenne des
scores est plus élevée pour la zone euro sur les trois séries, ceci est facilement
explicable par la présence dans cette zone euro de pays en plein rattrapage
technologique. En outre concernant l’emploi les courbes repartent à la hausse après une
baisse, et les autres sont en augmentation constante, cela peut s’expliquer par le fait
que les pays sont comparés entre eux donc la surpuissance de pays comme les Etats-
Unis ou le Luxembourg font monter le score des autres pays.
On observe d’ailleurs que l’écart entre la zone euro et les autres OCDE est moindre
quand on analyse l’emploi plutôt que la population totale ou la population en âge de
travailler, hors cette mesure peut s’apparenter à la productivité des facteurs, cela tend
à montrer que cet écart est plus dû à un trop faible pourcentage de la population qui
travaille plutôt qu’à une mauvaise productivité de ceux en emploi.
De plus la zone euro atteint en 2015 son inefficacité maximale concernant la
population totale/en âge de travailler, l’allongement des études ou encore le
1
1,05
1,1
1,15
1,2
1,25
1,3
1,35
19
60
19
62
19
64
19
66
19
68
19
70
19
72
19
74
19
76
19
78
19
80
19
82
19
84
19
86
19
88
19
90
19
92
19
94
19
96
19
98
20
00
20
02
20
04
20
06
20
08
20
10
20
12
20
14
Evolution de la moyenne des scores d'efficacité (Capital-Pop Totale)
zone euro
autres OCDE
1
1,05
1,1
1,15
1,2
1,25
1,3
1,35
1,4
1,45
Evolution de la moyenne des scores d'efficacité (Capital-Travail)
zone euro autres OCDE
vieillissement des populations ainsi qu’une forte hausse du chômage sont nos théories
privilégiées pour expliquer cet état de fait, concernant les autres OCDE cela est moins
vrai.
Afin de conforter notre théorie, nous avons réalisé le tableau suivant en choisissant
arbitrairement la période 2000-2015 afin de voir la tendance actuelle
Période 2000-2015
Pays Score Moyen Age de Travailler Score Moyen Emploi Différentiel
Belgium 1,16 1,10 0,06
Germany 1,25 1,25 0,01
Ireland 1,13 1,05 0,08
Greece 1,68 1,54 0,14
Spain 1,43 1,34 0,09
France 1,27 1,20 0,07
Italy 1,33 1,22 0,10
Luxembourg 1,00 1,00 0,00
Netherlands 1,16 1,20 -0,04
Austria 1,34 1,27 0,06
Portugal 1,32 1,32 0,00
Finland 1,28 1,26 0,02
Sweden 1,30 1,29 0,01
On observe ici très clairement que les pays de la zone euro s’en tirent bien mieux
lorsqu’on calcule leur score par rapport à l’emploi plutôt qu’à la population en âge de
travailler, le problème se situant sans doute pas (ou du moins pas uniquement) au
niveau de la productivité de leurs facteurs de production (le facteur capital étant le
même dans les deux analyses).
II.4 Les gains de productivité et la convergence de la TFP.
Pour mesurer ces gains de productivité, nous avons estimé plusieurs modèles par la
méthode des moindres carrés. Le modèle du quel nous sommes parti est le suivant :
𝐿𝑛 (𝑌
𝐿) = ∑ 𝑎𝑖 +22
𝑖=1 ∑ 𝑏𝑖𝑡 + 22𝑖=1 ∑ 𝑐𝑡2 +
22
𝑖=1 𝑏𝐾𝑙𝑛 (
𝐾
𝐿) 𝑖𝑡 +
1
2δKt [Ln (
K
L)]
2
+
𝐻𝑘𝑡𝐿𝑛 (𝐾
𝐿) 𝑡
Après différent on a prouvé que ce modèle ce rapproche le plus de la réalité. Le modèle
choisi est un modèle en Trans log car il est plus flexible, il permet de différencier grâce
aux variables muettes les pays et les années :
A : variable muette constante de i
B : variable muette de t
C : variable muette de t²
𝐿𝑛 (𝑌
𝐿) = ∑ 𝑎𝑖 +
22
𝑖=1
∑ 𝑏𝑖𝑡 +
22
𝑖=1
𝑏𝐾𝑙𝑛 (𝐾
𝐿) 𝑖𝑡 + 𝑐𝑡²
C sera unique car t² sera commun à tous les pays alors :
Ln (TFP)it =ai+bit+ct²
Si on dérive la TFP par rapport au temps on a :
(𝛥𝑇𝐹𝑃
𝑇𝐹𝑃) = 𝑏𝑖 + 2𝑐𝑡
La dérivée va nous permettre d’avoir la croissance de la TFP maximum dans le temps,
grâce auquel on pourra calculer l’évolution de l’efficacité des pays :
Ln (efficacité) = Ln (TFP)it – max Ln(TFP)it
On pourra aussi analyser le progrès technique
Progrès technique it = Ln (TFP)it – Ln(efficacité)it
Maintenant que les formules ont été définis voici les résultats de l’analyse :
coefficient erreur std. t de Student p. critique lKL 0,51564925 0,02542489 20,2812807 1,2785E-77 T2 -0,00010015 1,1228E-05 -8,91983448 1,9865E-18 D1 -2,17842821 0,06514911 -33,4375741 2,565E-168 D2 -2,20171653 0,0673715 -32,6802339 6,136E-163 D3 -2,28339414 0,06323554 -36,1093477 2,98E-187 D4 -2,61465172 0,07160118 -36,5168795 3,945E-190 D5 -2,32599689 0,0693283 -33,5504696 4,05E-169 D6 -2,1792917 0,07488699 -29,1010739 1,441E-137 D7 -2,23573203 0,06635388 -33,6940677 3,872E-170 D8 -2,17851047 0,0654271 -33,2967611 2,565E-167 D9 -2,20958953 0,05984746 -36,9203545 5,624E-193 D10 -2,30449116 0,06801801 -33,8806046 1,835E-171 D11 -2,46503832 0,09546348 -25,8217953 1,25E-114 D12 -2,53528779 0,07178071 -35,3199063 1,145E-181 D13 -2,39353103 0,0639267 -37,4418045 1,196E-196 D14 -2,36965087 0,06862356 -34,5311579 4,447E-176 D15 -2,6014109 0,09886098 -26,31383 4,873E-118 D16 -2,22767142 0,05864153 -37,9879465 1,733E-200 D17 -2,06636959 0,05379751 -38,4101366 1,891E-203
D18 -2,09720648 0,06178587 -33,943142 6,605E-172 D19 -2,37258312 0,08475543 -27,9932876 9,069E-130 D20 -2,06452776 0,06604646 -31,2587198 7,623E-153 D21 -2,12940176 0,06784978 -31,3840637 9,829E-154 D22 -2,29464678 0,06844529 -33,5252695 6,115E-169 GT1 0,01389545 0,00105922 13,118532 1,465E-36 GT2 0,0138592 0,00098209 14,111896 1,3643E-41 GT3 0,01287129 0,00098063 13,125478 1,3538E-36 GT4 0,02450232 0,00121286 20,2021714 4,0787E-77 GT5 0,00844092 0,0011723 7,20029642 1,1315E-12 GT6 0,00913324 0,00126219 7,23603033 8,808E-13 GT7 0,01276488 0,0010863 11,7507835 4,5406E-30 GT8 0,0110886 0,00107959 10,2711596 1,1492E-23 GT9 0,01214596 0,00092206 13,172664 7,9127E-37 GT10 0,01224872 0,00119059 10,2879134 9,8105E-24 GT11 0,01409838 0,00146114 9,64885893 3,5282E-21 GT12 0,01893463 0,00117141 16,1639927 9,6817E-53 GT13 0,01247253 0,00112026 11,1336336 2,5666E-27 GT14 0,01610675 0,00099392 16,2052075 5,6551E-53 GT15 0,01387938 0,001493 9,2963052 7,9441E-20 GT16 0,01593485 0,00103933 15,3319009 4,1917E-48 GT17 0,00739715 0,0008675 8,52699179 5,0714E-17 GT18 0,01381865 0,00093883 14,7190156 8,6726E-45 GT19 0,01263376 0,00137044 9,21878889 1,5554E-19 GT20 0,01047832 0,00089264 11,7385917 5,1592E-30 GT21 0,01190823 0,00099039 12,0237497 2,5347E-31 GT22 0,01102707 0,00089452 12,3274108 9,6514E-33 T2 -0,00010015 1,12E-05 -8,91983448 1,99E-18
Di = ai ; GTi = bit ; lkl = 𝑙𝑛 (𝐾
𝐿)
Avec ces données estimées nous avons pu calculer la TFP. Pour analyser la convergence
des gains de productivité entre les pays de la zone euro et les autres OCDE du modèle
restreint, nous avons mesuré les coefficients de variation. Ensuite ces données seront
agrégées selon les zones :
0,040,050,060,070,080,09
Évolution des coefficients de variation de la TFP(%)
Zone Euro Autres OCDE
Sur ce graphique on constate qu’entre les années 1965 jusqu’aux années 90 les pays de
la zone euro avaient des coefficients plutôt à la baisse ce qui veut dire qu’ils
divergeaient. A partir des années 90, les pays de la zone euro convergent de plus en
plus, donc en apparence les écarts sur les gains de productivité ont plutôt tendance à se
résorber. En revanche, les autres pays de l’OCDE sont beaucoup plus convergeant sur
toute la période, et cette convergence à une tendance à la hausse. Depuis les années 90
ce qui est le début de nombreux traités européen notamment pour la lutte pour la
convergence avec le traité de Maastricht : l'inflation ne doit pas excéder de plus de
1,5% celle des trois pays où elle est la plus faible; les déficits budgétaires doivent
être inférieurs à 3% du produit intérieur brut (PIB); l'endettement public ne doit pas
dépasser 60% du PIB; les taux d'intérêt à long terme ne doivent pas excéder de
2% celui des trois pays membres où ils sont les plus faibles; et le pays ne doit pas
avoir procédé à une dévaluation dans les deux années précédant son intégration à
l'union monétaire. On remarque, que sur la productivité sur l’évolution des
coefficients de variation les politiques menées en ce sens portent ses fruits.
CONCLUSION Après ces différentes analyses de la convergence on constate que les pays de la zone
Euro sont beaucoup plus inégalitaires sur la période que les autres OCDE. Les raisons
sont diverses, les états ont des niveaux de vie beaucoup trop différents, ainsi que certains
avec des niveaux de productivités qui sont très bonnes d’autres qui le sont moins. A
l’échelle d’un pays, ce ne sont que certaines villes qui font vivre le pays car la production
est concentrée à ces zones, donc à l’échelle d’un continent de plus avec des pays aussi
inégalitaires cela doit être d’autant plus vrai. De plus, les pays de la zone euro ne
forment pas un seul état, et refusent de lâcher leur souveraineté à l’UE ce qui rend encore
plus difficile la convergence entre ces pays. En revanche on remarque que les pays
convergent car il y a des politiques qui sont menées en ce sens, mais les pays qui
composent la zone euro ne sont pas confrontés aux même problèmes donc ces politiques
peuvent être une barrière de plus à la convergence. On remarque que ces pays
convergent tout de même, donc les pays pauvres qui composent la zone rattrapent les
pays les plus riches, grâce à la monnaie unique et les niveaux de salaires faibles qui sont
pratiqués dans pays, cela incite à délocaliser la production dans ces pays. Finalement,
la zone euro semble aller dans la bonne direction car c’est indéniable sur les gains de
productivité la zone euro est de plus en plus convergente depuis sa création, notamment
les années 90 avec les traités de Schengen et de Maastricht.
ANNEXES :
Année
Moyenne absolue
Ln(TFP)
Sigma-convergence
Ln(TFP)
Moyenne
ZE
Moyenne
HZE
Moyenne
ZE
Moyenne
HZE
1965 2,32 2,26 0,07 0,07
1966 2,31 2,24 0,06 0,07
1967 2,29 2,23 0,06 0,07
1968 2,28 2,22 0,06 0,07
1969 2,27 2,21 0,06 0,07
1970 2,25 2,20 0,06 0,07
1971 2,24 2,18 0,06 0,07
1972 2,23 2,17 0,06 0,07
1973 2,22 2,16 0,06 0,07
1974 2,20 2,15 0,06 0,07
1975 2,19 2,14 0,05 0,07
1976 2,18 2,13 0,05 0,07
1977 2,17 2,12 0,05 0,07
1978 2,16 2,11 0,05 0,07
1979 2,15 2,10 0,05 0,07
1980 2,14 2,09 0,05 0,07
1981 2,13 2,08 0,05 0,07
1982 2,12 2,07 0,05 0,07
1983 2,11 2,06 0,05 0,07
1984 2,10 2,05 0,05 0,07
1985 2,09 2,04 0,05 0,07
1986 2,08 2,03 0,05 0,07
1987 2,07 2,03 0,05 0,08
1988 2,06 2,02 0,04 0,08
1989 2,05 2,01 0,04 0,08
1990 2,04 2,00 0,04 0,08
1991 2,03 1,99 0,04 0,08
1992 2,02 1,99 0,04 0,08
1993 2,02 1,98 0,04 0,08
1994 2,01 1,97 0,05 0,08
1995 2,00 1,97 0,05 0,08
1996 1,99 1,96 0,05 0,08
1997 1,98 1,95 0,05 0,08
1998 1,98 1,95 0,05 0,08
1999 1,97 1,94 0,05 0,08
2000 1,96 1,94 0,05 0,08
2001 1,96 1,93 0,05 0,08
2002 1,95 1,92 0,05 0,08
2003 1,95 1,92 0,05 0,08
2004 1,94 1,91 0,05 0,08
2005 1,93 1,91 0,06 0,08
2006 1,93 1,90 0,06 0,08
2007 1,92 1,90 0,06 0,08
2008 1,92 1,90 0,06 0,08
2009 1,91 1,89 0,06 0,08
2010 1,91 1,89 0,06 0,08
2011 1,90 1,88 0,06 0,08
2012 1,90 1,88 0,07 0,08
2013 1,89 1,88 0,07 0,08
2014 1,89 1,88 0,07 0,08
2015 1,89 1,87 0,07 0,08