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