banque africaine institut tunisien de la centre de recherche
TRANSCRIPT
Banque africainede développement
(BAD)
Institut tunisien de lacompétitivité et desétudes quantitatives
(ITCEQ)
Centre de recherche en développement
économique et finance internationale
(DEFI)
M. Vincent Castel, Coordinateur programmeprincipal, ORNA.
Mme Natsuko Obayashi,Économiste pays principal, ORNA.
M. Hatem Haj Salem, Assistant des operations supérieur, ORNA.
Mme Kaouther Abderrahim Ben Salah, Économiste, ORNA.
M. Abdel Majid Ben Khlifa, Économiste en chef, directeur, direction centrale de la modélisation.
M. Ammar Saleheddine, Informaticien, sous-directeur,direction centrale du systèmed’information et de la documentation.
Mme Mounira Bouali, Économiste principal, directeur, direction des études économiques.
Mme Raoudha Hadhri, Économiste principal, directeur, direction centrale de la compétitivité.
Mlle Ikram Nahdi, Économiste principal, sous-directeur, direction centrale de la modélisation.
Mlle Samiha Chaabani, Économiste principal, chef de services, direction centrale de la compétitivité.
Mlle Manel Gaaloul, Économiste principal, chef de services, direction desétudes économiques.
M. Gilles Nancy, Professeur, Université Aix-Marseille.
M. Marcel Aloy, Maître de conférences, Université Aix-Marseille.
M. Eric Heyer, Professeur à Sciences Po Paris.
M. Gilbert Cette, Professeur associé, Université Aix-Marseille.
Mme Marion Dovis, Maître de conférences, Université Aix-Marseille.
Mme Patricia Augier, Maître de conférences, Université Aix-Marseille.
M. Pedro AlbuquerqueChercheur associé DEFI, Université du Minésota.
M. Mikael Gaziorek, Chercheur associé DEFI, Professeur, Université de Sussex.
4
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Avertissement & remerciements
Le rapport de l’étude portant sur l’analyse du système productif
tunisien qui a été financée par un don du Fonds pour les Pays
à Revenu Intermédiaire de la Banque Africaine de Développement
(BAD) destiné à renforcer les capacités techniques de l’Institut
tunisien de la compétitivité et des études quantitatives (ITCEQ), est
le fruit d’une collaboration très étroite entre des équipes de recherche
de l’ITCEQ et des experts du Centre de recherche en développement
et finance internationale (DEFI) de l’Université de la Méditerranée Aix
Marseille II. Les thèmes couverts par ce travail, bien que différents
du point de vue méthodologique, nature des bases de données
utilisées et objectifs assignés, se complètent puisqu’ils se focalisent
sur l’analyse du système productif tunisien sous ses différents angles.
L’objectif ultime serait d’identifier et d’engager les réformes
nécessaires pour améliorer l’efficience économique, diversifier
davantage l’économie tout en profitant au maximum des potentialités
offertes par la mondialisation et le développement technologique et
accéder ainsi à de nouveaux paliers de croissance stable et inclusive.
Quatre thèmes ont été sélectionnés pour faire l’objet de ces
investigations : (1) estimation économétrique des déterminants de
la production (valeur ajoutée) et des prix par secteur d’activités
manufacturières, en se basant sur l’optique de fonction de production
(2.1) ; (2) l’estimation économétrique de fonctions de demande
d’exportations tunisiennes par secteur sur le marché européen, en
prenant en compte à la fois les concurrents hors EU sur le marché
de l’EU et les producteurs européens eux-mêmes (2.2). En outre, faute
de séries de données suffisamment longues, ces investigations
économétriques sectorielles ont été complétées par l’approche panel
(groupement de secteurs) ; (3) Analyse du positionnement des
exportations tunisiennes par produit sur le marché mondial du point
de vue offre et demande, ainsi que son évolution, et ce, en se basant
sur certains indicateurs usuels de performance. L’objectif étant
d’identifier de nouvelles opportunités d’exportations aussi bien en
termes de produits que de marchés (2.3) ; (4) Analyse du système
productif tunisien selon l’optique de la dynamique des entreprises
(2.4), l’objectif étant la décomposition des gains de productivité du
facteur travail (niveau agrégée) en plusieurs sources : internes aux
entreprises et/ou à travers plusieurs phénomènes de réallocation des
ressources.
Le rapport comporte également, la description des actions de
formation effectuées dans le cadre du projet, au profit des différentes
équipes de l’ITCEQ.
Les chercheurs de l’ITCEQ et les experts du DEFI ayant contribué
à la réalisation de ce travail sont :
Chapitre I :
- Du coté DEFI : M. Gilles Nancy, M. Marcel Aloy & M. Eric Heyer
- Du coté ITCEQ : M. Abdelmajid be Khalifa et Mlle Ikram Nahdi
Chapitre II :
- Du coté DEFI : M. Gilles Nancy, M. Marcel Aloy, M. Eric Heyer
& M. Pedro Albuquerque
- Du coté ITCEQ : Mme. Raoudha Hadhri & Mlle Samiha Chaabani
Chapitre III :
- Du coté DEFI : M. Mikael Gaziorek,
- Du coté ITCEQ : Mme. Raoudha Hadhri & Mlle Samiha Chaabani
Chapitre IV :
- Du coté DEFI : Mme. Patricia Augier & Marion Dovis
- Du coté ITCEQ : Mme. Mounira Bouali, Melle. Manel Gaaloul
& MM. Abdallah Abdelmalek, Slaheddine Ammar
5
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Les auteurs assument l’entière responsabilité du contenu de ce
document. Les opinions exprimées ne reflètent pas nécessairement
l’avis de ITCEQ ou de la Banque africaine de développement
(BAD).
6
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S M É T H O D E S Q U A N T I T A T I V E S
Table des matières
7 Résumé analytique
7 1. Introduction
9 2. Résultats par composantes
9 2.1 Modélisation sectorielle des industries manifacturières
9 2.1.1 La méthode d’estimation9 2.1.2 Les principaux résultats11 2.1.3 Réponse du capital à un choc de demande et de coût13 2.1.4 Réponse du capital à un choc de demande et de coût15 2.1.5 Conclusions15 2.1.6 Références bibliograpiques
15 2.2 Modélisation sectorielle des exportations tunisiennes
16 2.2.1 Estimations des fonctions d’exportations sur les séries chronologiques de la période 1988-200826 2.2.2 Estimations des équations d’exportations en panel dynamique27 2.2.3 Les prolongements possibles de l’analyse économiques30 2.2.4 Références bibliographiques
31 2.3 Analyse des potentialités d’exportation tunisienne
31 2.3.1 Analyse de l’offre de la Tunisie en termes d’avantages comparatifs34 2.3.2 Évolution de la demande mondiale des produits Tunisiennes exportés34 2.3.3 Orientation des exportations et identification des marchés potentiels
40 2.4 Effets de l’ouverture de l’économie tunisienne sur le système productif et analyse du processus d’adaptation des entreprises
40 2.4.1 Analyse descriptive de la base de données d’entreprises de l’industrie tunisienne49 2.4.2 L’analyse de la décomposition de la productivité
53 3. La formation
53 3.1 Un exemple de session de formation économétrie et modélisation macroéconomique54 3.2 Un exemple de formation au traitement des données d’entreprises
57 4. Conclusions
7
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Résumé analytique
1. Introduction
La révolution a bouleversé le modèle économique et social
existant provoquant des changements dans la gouvernance et
la transparence des politiques publiques, ce qui contribuera certainement
à améliorer l’efficience de l’économie et par la même, réaliser un
palier de croissance plus élevé. Néanmoins les caractéristiques
structurelles de l’économie encore faibles et plusieurs autres défis
restent d’actualité.
En raison de la très forte concentration, des exportations dans le
textile et l’habillement, le démantèlement de l’accord multifibres
(AMF) a été un événement majeur pour l’économie tunisienne.
Depuis le démantèlement de l’AMF, la Tunisie est confrontée à une
concurrence très vive sur les marchés de l’UE, en provenance de
l’Asie et de l’Europe de l’Est, avec des coûts de main d’œuvre plus
bas et/ou une productivité plus forte. Le risque d’une crise structurelle
dans ce secteur est spécialement élevé étant donné le degré de
dépendance vis-à-vis de l’UE qui absorbe 96% des exportations
de textile-habillement de la Tunisie. De plus, la plupart de ces
exportations proviennent de la sous-traitance, une activité vulnérable
à faible valeur ajoutée.
L’amélioration de la compétitivité est au cœur d’un projet de dévelop-
pement fondé sur l’intégration dans l’économie mondiale. Au-delà
de l’indispensable modernisation des procédés technologiques, le
fonctionnement du marché du travail et spécifiquement le processus
de négociation des salaires, de fait initié et encadré par l’État, n’est
pas suffisamment flexible pour répondre à la concurrence des autres
pays émergents sur les principaux marchés. L’inadaptation du système
de formation au modèle de production tunisien et partant à la
demande des entreprises, est un frein à l’amélioration de la compétitivité.
La part des services dans le PIB est croissante. La libéralisation des
services offrant des opportunités rapides d’exportation, devrait en
priorité se concentrer sur des secteurs porteurs et innovants à
forte valeur ajoutée tels que les servicesinformatiques, d’ingénierie,
comptables, d’audit et de conseil en gestion, la publication et
l’édition, les services d’éducation, la gestion des services publics
et les services de santé. La mise en œuvre de ces réformes
permettrait, à moyen terme, une forte réduction de la vulnérabilité
de la Tunisie par rapport aux fluctuations de la demande de services
touristiques.
Une autre clé de voute du modèle de développement tunisien est
la croissance des IDE qui, d’une part, contribue aux besoins de
financement de l’économie malgré les effets négatifs sur la balance
courante (transferts de revenus vers l’extérieur) et participe, d’autre
part, à l’augmentation rapide du taux d’investissement.
Les chantiers d’analyse et de réflexion qui s’ouvrent pour répondre
aux challenges de l’économie tunisienne sont nombreux. La
compétitivité, la dynamique du secteur des produits manufacturés,
l’impact des chocs externes, la place de l’administration publique
dans une économie ouverte sur l’extérieur, une meilleure connaissance
du PIB potentiel, sous-tendent le programme de la mission
d’assistance technique. Naturellement, il n’était pas question dans
le cadre d’une mission de courte durée de prétendre traiter
l’ensemble de ces thématiques. Les experts du DEFI et de l’ITCEQ
se sont efforcés de délimiter le périmètre des objectifs et des
activités à développer dans le cadre du projet, compte tenu de la
durée de la mission, des évènements contingents, et de la disponibilité
des informations nécessaires à l’aboutissement du programme.
C’est dans ce contexte qu’il convient aujourd’hui de resituer la
mission d’assistance technique DEFI/ITCEQ. Le programme
8
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
aborde en effet sans les traiter exhaustivement les questions
récurrentes qui se posent à l’économie tunisienne en termes de
productivité des facteurs, de compétitivité des exportations et
des déterminants de la substitution entre non diplômés et diplômés
sur le marché de l’emploi.
L’Institut tunisien de la compétitivité et des études quantitatives
(ITCEQ) est un établissement public à caractère non administratif
sous la tutelle du Ministère du développement et de la coopération
Internationale. Il joue un rôle clé dans la planification et la
programmation de la politique économique du Gouvernement
des analyses nécessaires à la décision publique.
Dans un contexte d’intégration de la Tunisie dans l’économie mondiale,
l’ITCEQ a souhaité renforcer ses capacités techniques, en termes
d’analyses nécessaires à la décision publique et afin de contribuer
aux décisions de politique économique du gouvernement tunisien.
Le DEFI (Centre de recherche en développement économique et
finance internationale) de l’Université de la Méditerranée, spécialisé
dans l’analyse des mécanismes d’intégration des pays émergents
dans l’économie mondiale, a été chargé de mettre en œuvre sous
l’égide de la BAD une mission d’assistance technique, en étroite
collaboration avec les chercheurs de l’ITCEQ, dont les objectifs, les
méthodes et les résultats font l’objet de ce rapport.
1 Une fois pris en compte l'ensemble des flux nets de financement, à l'exception des transferts et prêts officiels postérieurs à la crise.2 Sous l’hypothèse d’un apport de 900 M. USD dans le cadre de ce programme (BM, BAD, UE, AFD).
9
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2. Résultats par composantes
2.1. Modélisation sectorielle des industriesmanufacturières
La modélisation des industries manufacturières repose sur des
fondements théoriques développés en annexes, qui reprennent
la structure des modèles d’équilibre général en y incluant des éléments
de la demande. Les objectifs de la modélisation sont les suivants:
- Simuler et prévoir le taux de croissance de la valeur ajoutée des
sous secteurs manufacturiés en s’appuyant sur des équations
structurelles
- Estimer la demande de facteur capital, travail pour chaque sous
secteur
- Estimer l’élasticité de substitution des facteurs et pour le facteur
travail l’élasticité de substitution entre travail qualifié et travail
non qualifié.
- Déterminer le prix de la valeur ajoutée du secteur manufacturier
- Le partage de l’offre et de la demande entre le marché domestique
et le marchés extérieurs
- La réponse de la demande des facteurs de production (emploi
et investissement), à un choc de demande(croissance de la
valeur ajoutée) et de coût (salaire).
La période d’estimation s’étend de 1983 à 2009. Les données
proviennent des comptes nationaux annuels pour l’économie tunisienne.
Six secteurs manufacturiers sont analysés.
Secteur 2 : Industrie Agro-alimentaires (IAA)
Secteur 3 : Industries matériaux de construction céramiques et
verre (MCCV)
Secteur 4 : Industries mécaniques et électriques (IME)
Secteur 5 : Industries chimiques (CHIMIE)
Secteur 6 : Industries textile habillement et cuirs (THC)
Secteur 7 : Industries diverses (DIVERSES)
2.1.1. La méthode d’estimation
Le faible nombre d’observations disponibles (au maximum 27) ainsi
que la présence de paramètres communs à estimer dans les différentes
équations de long terme (élasticités de substitution, taux de croissance
du progrès technique) nous ont incités à estimer ces équations
simultanément.
Nous avons par conséquent procédé en deux étapes :
1. Dans la première étape, nous avons estimé les relations de long
terme, en niveau, grâce à un système d’équations simultanées
par la méthode SUR (Seemingly Unrelated Regression).
2. Dans la deuxième étape, nous avons estimé quatre MCE (Modèle
à Correction d’erreurs) en imposant dans ces derniers les relations
estimées dans la première étape comme solution de long terme.
L’ensemble des MCE ont des propriétés statistiques satisfaisantes.
Les tests LM conduisent au rejet de l’hypothèse d’auto-corrélation
des résidus de ces équations. Ces résidus sont homoscédastiques
au regard du test de White et du test ARCH. La forme fonctionnelle
de l'équation est validée par le test Reset. Enfin, selon le test de Bera
Jarque, les résidus de toutes les équations suivent une loi normale.
2.1.2. Les principaux résultats
Les principaux résultats sont résumés dans le Tableau 3.1 : Il en
ressort les conclusions suivantes :
10
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
• Il existerait une substituabilité relativement forte entre le capital et
le travail dans les 4 secteurs suivants : l’élasticité de substitution
est proche de l’unité dans le secteur des Industries Agro-
alimentaires ainsi que dans celui des industries Mécaniques et
Électriques (secteurs 2 et 4). L’élasticité de substitution est voisine
de 0,7 dans le secteur des Matériaux de Construction, Céramiques
et Verre et dans la Chimie (secteurs 3 et 5). Notons toutefois que
la valeur de ces élasticités est sans doute surestimée par la prise
en compte de la durée du travail dans le facteur travail. Autrement
dit, ce n’est pas une élasticité entre le stock de capital et le stock
de travail qui est estimée ici mais entre le stock de capital et le
volume horaire. En d’autres termes, une augmentation du prix
relatif du salaire par rapport au cout du capital induirait dans les
IAA et les IME une substitution assez forte, du capital au travail.
En revanche, dans les autres secteurs, la variation du prix relatif
des deux secteurs a une incidence plus faible bien que significative
sur la demande respective de travail et de capital dans les deux
autres secteurs.
• En revanche, il semble y avoir une forte complémentarité entre le
capital et le travail dans les deux derniers secteurs étudiés, à savoir
celui du Textile, Habillement et Cuirs et les industries diverses
(secteurs 6 et 7). Ceci implique que dans ces secteurs, et
contrairement aux secteurs précédents, une variation du coût relatif
du travail par rapport au capital aura peu d’impact à long terme
sur l’intensité capitalistique (stock de capital par travailleur).
• D’après nos estimations, il apparaît que la formulation d’un progrès
technique neutre au sens de Hicks3 soit la seule à être acceptée
dans les 6 secteurs étudiés. Dans les secteurs 2, 6 et 7, le taux
de croissance estimé du progrès technique (paramètres gk et gl,
qui sont identiques dans la neutralité au sens de Hicks) est compris
entre 1 et 2 % par an. Il est voisin de 2,7 % dans le secteur 4 et
supérieur à 5 % dans les secteurs 3 et 5.
Le taux de croissance de la productivité globale des facteurs est
hétérogène. Il est relativement faible dans les IAA et le textile et
élevé dans les IME et l’industrie chimique.
• Dans tous les secteurs étudiés, il ressort une forte élasticité de
substitution entre l’emploi qualifié et non qualifié4 allant de 3,3 pour
le secteur 5 à plus de 6 pour le secteur 4. Ce résultat est important,
apparemment robuste et relativement inattendu : il implique
notamment qu’une diminution de 1% du salaire relatif des qualifiés
par rapport aux non-qualifiés conduirait (à long terme) à une
croissance du nombre d’emplois des qualifiés supérieure de 3%
à 6% à celle des non-qualifiés. En d’autres termes, un resserrement
de l’écart des salaires entre qualifiés et non-qualifiés constituerait,
selon cette estimation, un moyen efficace d’améliorer « l’employabilité »
des diplômés. Une interprétation possible de ce résultat est que,
en moyenne, les diplômés ne disposeraient peut-être pas de
suffisamment de savoir-faire spécifique, propre à les distinguer des
non-qualifiés, les deux catégories étant alors par conséquent
perçues par les entreprises comme des substituts plutôt que
comme des compléments dans le processus de production.
• Pour conclure, il convient de rappeler que les élasticités de long
terme par rapport aux quantités ont été fixées à l’unité, pour
d’évidentes questions de cohérence théorique : ainsi, lorsque la
quantité totale de travail augmente de 1%, la quantité d’heures
des travailleurs qualifiés et des travailleurs non qualifiés augmente
identiquement de 1% (toutes choses égales par ailleurs). De la
même manière, lorsque la demande de biens (mesurée par la valeur
ajoutée en volume) augmente de 1%, la quantité de capital et de
travail augmente identiquement de 1%.
3 Le progrès technique est neutre au sens de Hicks s’il augmente l’efficacité des deux facteurs de production. Pour une combinaison productive donnée le rapport des productivitésmarginales reste inchangé et les/la demande des facteurs croit au même rythme que le progrès technique4 Notons que la distinction travailleur qualifié / non qualifié est ici appréhendée sous l’angle du diplôme et non sur celui de la nature du métier : dans nos estimations, les qualifiésont été définis comme titulaires d’un diplôme d’enseignement supérieur, tandis que les non-qualifiés regroupent les autres individus. Les termes utilisés dans notre présentation(« qualifiés » et « non-qualifiés » ) ont donc un caractère volontairement simplificateur et très schématique.Afin de compléter l’estimation, nous avons replacé les équations de long terme dans le cadre plus général de modèles à correction d’erreur. La forme générique des équationsdynamiques estimées est donnée dans le Tableau III.4. Comme précédemment, les coefficients de court terme non significatifs ont été supprimés des équations finales.
11
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Afin d’illustrer le processus dynamique des différentes variables et
leur sensibilité à leur déterminants économiques, nous avons procédé
à la mesure des réponses sectorielles à certains chocs économiques.
2.1.3. Réponse de l’emploi à un choc de demande et de coût
Deux chocs ont été simulés : le premier consiste en une augmentation
de 1% de la valeur ajoutée, le second choc réside dans une hausse
de 1% du salaire réel.
Le résultat de ces simulations sont résumés dans le tableau 3.2 ainsi
que dans les graphiques ci-après. Des réponses aux chocs il ressort
que d’une part à la suite d’un choc l’emploi ne revient pas à sa valeur
initiale. Dans le cas d’un choc de demande (VA), la réponse de l’emploi
et la plus rapide dans le secteur des MCCV, des IME et du THC. Les
chocs sont encore fortement persistants au bout de 4 ans. A la suite
d’un accroissement du salaire réel les effets négatifs sur l’emploi se
font ressentir instantanément sur les IAA et dans une moindre mesure
sur les IME et la chimie. À long terme, ce sont les IAA, les IME qui
sont les secteurs dont les emplois sont le plus affectés. En revanche,
l’emploi dans le secteur textile semble mieux absorber le choc et
être relativement préservé à long terme.
Tableau 2.1 : Principaux résultats des estimations sectorielles
Sources : Comptabilité nationale, calculs ITCEQ/DEFI
Secteur 2 3 4 5 6 5
Paramètres structurels
Elasticité de substitution K/L 0,99 0,74 0,98 0,67 0,06 0,14
Elasticité de substitution Qualifié/ Non qualifié
5,40 4,10 6,01 3,29 4,67 5,55
Progrès technique neutre au sensde Hicks (%)
1,97 5,11 2,68 5,28 1,06 1,67
Paramètres du MCE
Force de rappel de l’emploi 0,40 0,21 0,32 0,12 0,21 0,31
Force de rappel du capital 0,05 0,13 0,07 0,06 0,14 0,04
Tableau 2.2 : Réponse dynamique d’un choc de 1% de la VA et du salaire réel (WR) sur l’emploi
Sources : Comptabilité nationale, calculs ITCEQ/DEFI
Secteur T 1 ans 2 ans 3 ans 4 ans Long terme
IAA (2)VA 0,31 0,46 0,62 0,71 0,79 1
WR -1,16 -0,63 -0,97 -0,84 -0,94 -0,98
MCCV (3)VA 0,85 0,88 0,38 0,52 0,62 1
WR 0 -0,77 -0,76 -0,75 0,74 -0,73
IME (4)VA 0,44 0,62 0,74 0,82 0,88 1
WR -0,21 -0,46 -0,62 -0,73 -0,81 -0,97
CHIMIE (5)VA 0,19 0,30 0,28 0,31 0,32 1
WR -0,22 -0,06 -0,01 -0,20 -0,28 -0,67
THC (6)VA 0,37 0,50 0,61 0,69 0,76 1
WR -0,47 -0,38 -0,31 -0,26 -0,21 -0,05
DIVERSES (7)VA 0,53 0,68 0,78 0,85 0,90 1
WR 0 -0,04 -0,07 -0,09 -0,11 -0,13
12
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Variation de l’emploi (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
Variation de l’emploi (en %) à la suite d’une augmentation de 1% du salaire réel
13
2.1.4. Réponse du capital à un choc de demande et decoût
Deux chocs ont également été simulés pour le capital :
1. Une augmentation de 1% de la valeur ajoutée
2. Une hausse de 1% du coût réel du capital
Le résultat de ces simulations sont résumés dans le tableau 3.3
ainsi que dans les graphiques ci-après.
Les réponses aux chocs du capital font apparaître une assez grande inertie
à court terme dans la plupart des secteurs à l’exception du textile pour la
valeur ajoutée. En revanche, les effets à long terme d’une augmentation
du cout réel du capital5 sont importants dans les IAA, les IME, et les
MCCV. Ils sont négligeables dans le secteur du textile et de l’habillement.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.3 : Réponse dynamique d’un choc de 1% de la VA et du coût réel (CKR) sur le stock de capital
Sources : Comptabilité nationale, calculs ITCEQ/DEFI
Secteur T 1 ans 2 ans 3 ans 4 ans Long terme
IAA VA 0,18 0,51 0,71 0,83 0,91 1
CKR -0,10 0,27 -0,40 -0,50 -0,64 -0,98
MCCVVA 0,17 0,36 0,58 0,78 0,93 1
CKR -0,14 -0,29 -0,45 -0,61 0,73 -0,73
IMEVA 0 0,18 0,42 0,65 0,83 1
CKR 0 -0,07 -0,21 -0,39 -0,56 -0,97
CHIMIE VA 0 0,15 0,25 0,39 0,52 1
CKR -0,03 -0,15 -0,24 -0,34 -0,43 -0,67
THCVA 0,27 0,50 0,67 0,79 0,87 1
CKR -0,008 -0,028 -0,036 0,042 -0,047 -0,05
DIVERSESVA 0 0,04 0,10 0,17 0,24 1
CKR -0,04 -0,07 -0,08 -0,09 -0,10 -0,13
5 Cout réél d’usage du capital : taux d’intérêt réel augmenté du taux de dépréciation du capital.
14
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Variation du stock de capital (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
40
Variation du stock de capital (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
42
!
15
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2.1.5. Conclusion
La modélisation des secteurs manufacturiers micro fondée sur les
approches des modèles d’équilibre général calculables a débouché
sur des estimations des paramètres qui conduisent aux conclusions
suivantes :
- La substitution entre le capital et le travail est forte (élasticité
proche de l’unité, Cobb-Douglas) dans le secteur des Industries
Agro-alimentaires ainsi que dans celui des industries Mécaniques
et Électriques (secteurs 2 et 4), tous les deux fortement
exportateurs. La substitution entre les deux facteurs est plus
faible (élasticité voisine de 0,7, CES) dans les secteurs des MCCV
et de la Chimie. Dans les autres secteurs, il y a complémentarité
entre les facteurs de production.
- Les simulations dynamiques montrent que les secteurs industriels
tunisiens sont caractérisés par une assez forte rigidité dans
l’ajustement des facteurs : à la suite de chocs de demande ou
de coûts réels, il faut généralement trois à quatre années pour observer
un ajustement significatif des quantités de travail et de capital.
- Le taux de croissance de la productivité globale des facteurs est
hétérogène. Il est relativement faible dans les IAA et le textile, et
élevé dans les IME et l’industrie chimique.
- Dans tous les secteurs étudiés, il ressort une forte élasticité de
substitution entre l’emploi qualifié et non qualifié6 allant de 3,3
pour le secteur 5 à plus de 6 pour le secteur 4. Ce résultat est
important, apparemment robuste et relativement inattendu : il
implique notamment qu’une diminution de 1% du salaire relatif
des qualifiés par rapport aux non-qualifiés conduirait (à long
terme) à une croissance du nombre d’emplois des qualifiés
supérieure de 3% à 6% à celle des non-qualifiés
Ces premiers résultats permettent donc de valider à la fois les
fondements théoriques et les méthodologies économétriques mises
en œuvre. Ainsi, sur la base des travaux réalisés dans le cadre de
cette étude, les estimations sectorielles des prix et du commerce
extérieur – qui restent à faire – doivent pouvoir être effectués sans
difficultés majeures.
2.1.6. Références bibliographiques
Annabi N., Cockburn J., Decaluwé B. (2003), Formes Fonctionnelles
et Paramétrisation dans les MCEG, CREFA, Université de Laval.
Harrison R., Nikolov K., Quinn M., Ramsay G., Scott A. and
Thomas R. (2005), The Bank of England Quarterly Model,
www.bankofengland.co.uk/publications/beqm/.
Klump R., McAdam P., Willman A. (2008), Unwrapping some euro
area growth puzzles: Factor substitution, productivity and
unemployment. Journal of Macroeconomics 30, 645–666.
Lofgren H., Harris R.L., Robinson S. (2002), A standard computable
general equilibrium model in GAMS. Microcomputer in Policy
Research 5, International Food Policy Research Institute.
2.2 Modélisation sectorielle des exportationstunisiennes
L’analyse des déterminants des exportations tunisiennes, porte sur
huit secteurs choisis par les experts de l’ITCEQ.
Secteur 1 : Agriculture (Agr)
Secteur 2 : Industrie Agro-alimentaires (IAA)
Secteur 3 : Matériaux de Construction Céramiques et Verre (MCCV)
Secteur 4 : Industries Mécaniques et Électriques (IME)
Secteur 5 : Industries Chimiques (CHIMIE)
Secteur 6 : Industries Textile, Habillement et Cuirs (THC)
6 Notons que la distinction travailleur qualifié / non qualifié est ici appréhendée sous l’angle du diplôme et non sur celui de la nature du métier : dans nos estimations, les qualifiésont été définis comme titulaires d’un diplôme d’enseignement supérieur, tandis que les non-qualifiés regroupent les autres individus. Les termes utilisés dans notre présentation(« qualifiés » et « non-qualifiés » ) ont donc un caractère volontairement simplificateur et très schématique.
16
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Secteur 7 : Industries Diverses (DIVERS)
Secteur 8 : Hydrocarbures (Hyd)
L’objectif est d’évaluer quantitativement la dynamique sectorielle
des exportations à la suite de variations de la demande adressée
et des prix relatifs.
Dans le cadre du projet, l’application se limite à l’étude des
exportations tunisiennes en direction de l’Europe, qui représente
l’essentiel des exportations tunisiennes, sur la base de données
annuelles de la période 1988-2008.
i) Les variables explicatives de la demande d’importations
européennes7 sont :
- la demande adressée européenne;
- l’indice des prix des exportations sectorielles tunisiennes;
- l’indice des prix européen;
- l’indice des prix des concurrents de la Tunisie sur le marché
européen.
ii) La modélisation théorique reportée en annexe est une extension
des modèles d’exportations conventionnels8.
iii) La méthode d’estimation économétrique des équations repose
sur la spécification de modèles à correction d’erreur. Cette
approche a l’avantage de distinguer les élasticités de court terme
et les élasticités de long terme des importations sectorielles
européennes.
iv) Cette méthodologie est complétée par des estimations en panels
dynamiques pour lesquelles la taille des échantillons est
beaucoup plus importante et qui en conséquence permettent
de tester la robustesse des résultats obtenus sur les séries
chronologiques comportant 21 observations de la période
1988-2008.
v) Par ailleurs quelques extensions intéressantes sur le plan de la
modélisation, pouvant être entreprises dans le prolongement du
travail déjà réalisé, sont suggérées et amorcées:
- En premier lieu, les estimations économétriques peuvent être
complétées par une maquette sectorielle de modélisation des
prix et des quantités (importations et exportations), débouchant
sur l’évaluation les flux nominaux et des soldes commerciaux
par secteur.
- En second lieu, la modélisation peut introduire des non-linéarités.
Celles-ci prennent en compte l’éventualité d’élasticité variant
dans le temps. Ainsi par exemple, les élasticités-prix peuvent se
révéler plus faibles lorsque les différentiels de prix sont peu
importants et beaucoup plus significatives lorsque les différentiels
de prix augmentent, du fait de l’existence de coûts de transactions.
- Enfin, des contraintes d’offre peuvent être intégrées aux modèles.
En effet, la modélisation précédente se limite à la spécification
et à l’estimation de fonctions de demande européenne sectorielle
de produits tunisiens. Cependant, et notamment en présence
de rigidités des prix, les quantités exportées peuvent être limitées
par l’offre disponible et, de ce fait, les exportations effectives sont
susceptibles de ne pas correspondre en permanence à la demande
européenne qui leur est adressée. A cet égard, une méthode
permettant l’estimation d’un modèle de rationnement quantitatif
est proposée.
2.2.1. Estimations des fonctions d’exportations sur lesséries chronologiques de la période 1988-2008
2.2.1.1. La modélisation théorique reportée en annexe suggère
trois variables explicatives potentielles des exportations tunisiennes :
7 Voir par exemple Annabi N., Cockburn J., Decaluwé B. (2003) pour une présentation des fondements microéconomiques des fonctions de demande.8 Voir par exemple Wong (2008) pour une application récente au cas de la Malaisie.
17
- la demande adressée européenne;
- l’indice des prix des exportations sectorielles tunisiennes;
- l’indice des prix européens;
- l’indice des prix des concurrents de la Tunisie sur le marché
européen.
Cependant, les estimations préliminaires des fonctions d’exportations
par secteur ont révélés des problèmes de colinéarité entre les différents
indices de prix qui rendaient difficilement interprétables les coefficients
estimés. Nous avons donc été conduits à retenir la spécification
dynamique suivante, qui se restreint à la prise en compte d’un seul
prix relatif (noté p), qui comme cela est précisé ci-dessous, pourra
prendre deux spécifications différentes:
(1) Δx(t) = ρΔx(t-1) + α0Δd(t) + α1Δd(t-1) + α2 Δd(t-2) + φ0Δp(t)
+ φ1Δp(t-1) + φ2Δp(t-2)
+ γ [ x(t-1) - βp(t-1) – d(t-1) + μ.t ] + εt
x: logarithme des exportations tunisiennes vers l'Union Européenne
(UE) en milliers d’euros constants base 100= 2005 (compilées à
partir de comext).
d: logarithme de la demande adressée à la Tunisie par l'UE à prix
constants (compilée à partir de comext). La demande adressée sera
exprimée de deux façons alternatives :
- La première prend en considération la demande adressée sur
l’ensemble des produits du secteur considéré (Agriculture, IAA,…);
- La seconde limite la demande adressée aux principaux produits
exportés par la Tunisie dans un secteur donné (Agriculture, IAA,…).
En effet, il existe une forte hétérogénéité dans la composition en
produits de chaque secteur, et, sous cette forme, la demande
dressée peut s’avérer plus représentative pour modéliser les
exportations tunisiennes.
p : logarithme du prix relatif des exportations tunisiennes. Ce prix
relatif sera exprimé de deux façons alternatives :
- La première retient un indice de prix relatifs sectoriel des
exportations de la Tunisie par rapport aux importations de l'UE
du même secteur;
- La deuxième utilise un indice de prix relatifs des exportations de
la Tunisie par rapport à celles des principaux concurrents sur
le marché Européen.
Ainsi, pour chaque secteur, quatre formulations ont été estimées
selon que la demande adressée soit calculée sur l’ensemble des
produits ou restreinte aux principaux produits, et selon que le prix
relatif soit calculé en fonction des prix des concurrents ou de celui
des pays de l’Union Européenne.
Dans ce modèle à correction d’erreurs (MCE), le terme entre
crochets [ x(t-1) - βp(t-1) – d(t-1) ] représente l’écart par rapport à
l’équilibre de long terme, dans lequel les élasticités de long terme
sont égales à 1 par rapport à la demande adressée (on modélise
en fait l’évolution des parts de marché de la Tunisie sur le marché
européen) et à β par rapport au prix relatif.
Le terme μ.t représente la tendance déterministe éventuelle des
parts de marché, qui s’accroissent annuellement au taux μ.
Enfin, les variables notées Δx représentent la variation de x, et que
des variables muettes ont parfois été incluses dans le modèle de
régression.
2.2.1.2. Principaux résultats
1) Agriculture
Les principaux résultats, pour les quatre spécifications testées pour
ce secteur, sont résumés dans le tableau 1 :
• La valeur de l’élasticité de long terme de la demande adressée
aux exportations a été imposée à l’unité. Notons que, dans les
tests préliminaires, cette restriction est acceptée plus facilement
en utilisant la demande adressée calculée sur la base des
principaux produits.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
18
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
• Lorsque l’on utilise la demande adressée « Total produits », un
trend positif ressort significativement dans nos estimations,
représentatif d’un gain tendanciel de part de marché dans ce
secteur.
• Les élasticités-prix de long terme ont le signe attendu dans 3
cas sur 4. Seule la formulation avec les prix des pays de l’UE et
la demande adressée « principaux produits » ressort avec un
signe positif, contraire à l’intuition économique. La valeur de
cette élasticité apparaît faible, de l’ordre de -0,2 dans le cas
des prix des concurrents et de -0,3 dans celui des pays de l’UE,
ce qui impliquerait que les produits tunisiens du secteur ont
peu de substituts sur le marché d’importation de l’Union
Européenne.
• Les MCE utilisant la demande adressée « Total produits » ont
des propriétés statistiques satisfaisantes. Les tests LM
conduisent au rejet de l’hypothèse d’auto-corrélation des résidus
de ces équations. Ces résidus sont homoscédastiques au regard
du test de White et du test ARCH. La forme fonctionnelle de
l'équation est validée par le test Reset. Enfin, selon le test de
Bera-Jarque, les résidus de toutes les équations suivent une loi
normale. Ce n’est pas le cas de ceux utilisant la demande
adressée « Principaux produits ».
Tableau 2.4 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 1 (Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
α0 Total produits Principaux produits
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,63 (-3,70) -0,31 (-1,45) -0,38 (-2,21) -0,65 (-3,28) γ
Prix relatifs…
… des concurrents -0,20 (-0,28) -0,17 (-1,00) β
… de l’ensemble de l’UE -0,30 (-2,09) 0,06 (0,12)
Trend 0,007 (2,12) 0,02 (1,81) μ
Elasticités à CT
Δlog(demande adressée) 1,49 (3,57) α0
Dummy
d98 0,16** (1,91) 0,16* (2,03) η0
d06 0,23 (2,32) η1
d02 -0,14 (-1,72) η2
Tests
LM (2) 0,82 0,21 0,03 0,10
Arch(1) 0,72 0,33 0,72 0,33
Normalité 0,71 0,56 0,92 0,38
Reset (2) 0,97 0,29 0,08 0,05
R-squared 0,63 0,50 0,44 0,39
Adjusted R-squared 0,46 0,32 0,34 0,33
Classement 1 4 3 2
19
A l’issue de ces estimations, il semble que la meilleure équation est
celle utilisant la demande adressée « Total produits » et prenant
comme prix étranger ceux des pays de l’UE.
2) Secteur des IAA
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est acceptée
dans tous les cas de figure.
• Les élasticités prix de long terme ont le signe attendu dans 3
cas sur 4. Seule la formulation avec les prix des pays de l’UE et
la demande adressée « principaux produits » ressort avec un
signe positif, contraire à l’intuition économique. La valeur de
cette élasticité est de -0,7 dans le cas des prix des concurrents
et de -0,5 dans celui des pays de l’UE.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera-Jarque, les résidus de
toutes les équations suivent une loi normale.
Selon ces estimations, la meilleure équation est celle utilisant la demande
adressée « Total produits » et prenant comme prix étranger ceux des
pays de l’UE. Les résultats sont synthétisés dans le tableau ci dessous.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.5 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 2Période d’estimation 1988-2008
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -1,13 (-6,10) -1,19 (-5,82) -1,19 (-9,94) -1,33 (-5,99) γ
Prix relatifs…
… des concurrents -0,64 (-1,87) -0,74 (-2,39) β
… de l’ensemble de l’UE -0,54 (-1,61) 0,26 (2,47)
Trend μ
ST Elasticities
Δ(Prix relatifs) -0,89 (-2,61) -0,93 (-2,54) -0,75* (-2,06) φ0
Dummy
d02 -0,93 (-3.52) -0,87 (-3,25) -0,98 (-3,97) -1,12 (-4,11) η0
d01 -0,96 (-3.10) -0,90 (-2,74) -0,93 (-3,13) -1,15 (-3,32) η1
d96 -0,79 (-3,32) η2
d94 0,48* (2.09) 0,62 (3,74) η3
Tests
LM (2) 0,55 0,32 0,37 0,87
Arch(1) 0,85 0,70 0,33 0,93
Normalité 0,80 0,86 0,83 0,74
Reset (2) 0,10 0,52 0,12 0,76
R-squared 0,87 0,81 0,86 0,82
Adjusted R-squared 0,80 0,75 0,80 0,76
Classement 1 3 4 2
20
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
3) Le secteur des matériaux de construction céramiqueset verre (MCCV)
• La valeur de l’élasticité de la demande adressée aux
exportations a été imposée à l’unité. Notons que cette restriction
est acceptée économétriquement dans le cas « Total produits ».
L’élasticité dans le cas « Principaux produits » est proche de 0,6
lorsque l’on laisse le coefficient libre.
• Les élasticités-prix de long terme ont le signe attendu dans tous
es cas de figure. La valeur de cette élasticité est proche de -
0,5 indiquant un effet prix significatif.
• Les MCE utilisant la demande adressée « Total produits » ont
des propriétés statistiques satisfaisantes. Les tests LM
conduisent au rejet de l’hypothèse d’auto-corrélation des résidus
de ces équations. Ces résidus sont homoscédastiques au regard
du test de White et du test ARCH. La forme fonctionnelle de
l'équation est validée par le test Reset. Enfin, selon le test de
Bera- Jarque, les résidus de toutes les équations suivent une
loi normale. Ce n’est pas le cas de ceux utilisant la demande
adressée « Principaux produits ».
Tableau 2.6 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 3(Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,88 (-6,66) -0,87 (-6,63) -0,74 (-4,70) -0,73 (-4,92) γ
Prix relatifs…
… des concurrents -0,46 (-3,81) -0,57 (-3,21) β
… de l’ensemble de l’UE -0,44 (-3,64) -0,49 (-2,69)
Trend μ
Elasticités à CT
Dummy
d9293 -0,52 (-2,86) -0,51 (-2,84) -0,68 (-2,78) -0,63 (-2,76) η0
Tests
LM (2) 0,52 0,70 0,49 0,61
Arch(1) 0,35 0,41 0,58 0,75
Normalité 0,63 0,68 0,26 0,23
Reset (2) 0,37 0,23 0,01 0,01
R-squared 0,85 0,86 0,76 0,79
Adjusted R-squared 0,83 0,83 0,72 0,75
Classement 1bis 1 3bis 3
21
4) Le secteur des industries mécaniques et électriques
• La valeur de l’élasticité de la demande adressée aux
exportations a été imposée à l’unité. Hors contrainte, celle
élasticité serait supérieure à l’unité, s’établissant aux alentours
de 1,3 dans les deux cas de figure.
• Dans l’ensemble des MCE, un trend positif sort significativement
dans nos estimations signifiant un gain tendanciel de part de
marché dans ce secteur. Cela est cohérent avec l’élasticité de
la demande adressée supérieure à l’unité.
• Les élasticités prix de long terme n’ont pas le signe attendu lorsque
l’on retient les prix des concurrents dans le prix relatif. Dans l’autre
cas, l’élasticité estimée est relativement forte, comprise entre -
1 et -1,5.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera Jarque, les résidus de
toutes les équations suivent une loi normale.
Ce secteur, à la fois, sur-réagit à la conjoncture européenne et est
très concurrentiel.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.7 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 4Période d’estimation 1988-2008
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de student.ne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LTDemande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,22 (-2,31) -0,13 (-2,27) -0,66 (-8,86) -0,73 (-2,71) γ
Prix relatifs…
… des concurrents 0,09 0,27 β
… de l’ensemble de l’UE -1,10 -1,56
Trend 0,09 0,08 0,10 0,06 μ
Elasticités à CT
Δlog((demande adressée) 0,42 (4,36) 0,35 (2,92) 0,72 (8,91) α0
Δ (Prix relatifs) -0,32 (-2,77) -0,14 (-1,24) -0,53 (-6,24) φ0
Δ (Prix relatifs) -1 0,39 (4,12) φ1
Δlog(Exports)-2 -0,28 (-4,91) ρ0
Dummy
d89 0,14 (3,60) 0,12 (2,48) η0
d06 0,16 (3,28) 0,17 (2,70) 0,10 (7,65) η1
d96 -0,18 (-3,68) η2
TestsLM (2) 0,34 0,54 0,36 0,61
Arch(1) 0,72 0,86 0,16 0,32
Normalité 0,67 0,34 0,72 0,35
Reset (2) 0,64 0,40 0,83 0,35
R-squared 0,83 0,75 0,98 0,63
Adjusted R-squared 0,73 0,61 0,96 0,53
Classement 1bis 3 1 3bis
22
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La meilleure équation est celle utilisant les prix calculés sur
l’ensemble des pays de l’UE dans l’indicateur de compétitivité, et
pour les principaux produits seulement.
5) Le secteur de la chimie
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Hors contrainte, celle élasticité serait
supérieure à l’unité, s’établissant aux alentours de 1,5 dans tous
les cas de figure à l’exception du cas 4 (demande adressée
«Principaux produits », prix des concurrents ») dans lequel l’élasticité
est de 0,8.
• Dans l’ensemble des MCE, un trend négatif sort significativement
dans nos estimations signifiant une perte tendancielle de part de
marché dans ce secteur. Cela est cohérent avec l’élasticité de la
demande adressée inférieure à l’unité.
• Les élasticités prix ont le signe attendu quelque soit la
formulation retenue mais leur valeur varie fortement : elle se
situe aux alentours de -0,7/-0,9 dans le cas d’une demande
adressée « Total produits ». Elle ressort à des valeurs
beaucoup plus fortes (respectivement -1,89 et -4.67) lorsque
l’on retient la demande adressée « Principaux produits ». Ceci
dénote une forte substituabilité des exportations de produis
de l’industrie chimique tunisienne par rapport aux produits
concurrents.
• L’ensemble des MCE ont des propriétés statistiques satisfaisantes.
Les tests LM conduisent au rejet de l’hypothèse d’auto-corrélation
des résidus de ces équations. Ces résidus sont homoscédastiques
au regard du test de White et du test ARCH. Enfin, selon le test
de Bera-Jarque, les résidus de toutes les équations suivent une
loi normale. Seule la forme fonctionnelle de l'équation n’est pas
validée par le test Reset.
Tableau 2.8 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 5Période d’estimation 1988-2008
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LTDemande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,75 (-2,70) -0,67 (-2,36) -0,23 (-1,99) -0,39 (-3,55) γ
Prix relatifs…… des concurrents -0,88 (-2,35) -4,67 (-3,91) β
… de l’ensemble de l’UE -0,70 (-2,69) -1,89 (-2,09)
Trend -0,06 (-3,40) -0,06 (-3,19) -0,11 (-2,63) -0,13 (-4,47) μ
Elasticités à CTΔlog(demande adressée) α0
Δ(demande adressée)-1 -0,15 ** (-1,79) α1
Δ(Prix relatifs)-1 1,52 (2,90) φ1
Δlog(Prix relatifs)-2 1,39 3,00) ρ2
Dummyd9394 -0,18* (-2,26) -0,19 * (-2,28) -0,24 (-2,69) -0,28 (-4,08) η0
TestsLM (2) 0,75 0,42 0,73 0,19
Arch(1) 0,49 0,91 0,37 0,30
Normalité 0,63 0,68 0,61 0,42
Reset (2) 0,07 0,10 0,07 0,02
R-squared 0,74 0,73 0,65 0,86
Adjusted R-squared 0,62 0,60 0,53 0,74
23
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.9 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 6(Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,14 (-2,12) -0,15 (-3,31) -0,10 (-2,21) -0,15 (-3,56) γ
Prix relatifs…
… des concurrents - 2,88 (-9,01) -4,21 (-8,27) β
… de l’ensemble de l’UE -5,30 (-4,99) -8,04 (-6,39)
Trend μ
Elasticités à CT
Δ(Prix relatifs) -0,26 (-2,33) φ0
Dummy
d01 0,16 (2,41) 0,15 (2,25) 0,19 (2,73) η0
Tests
LM (2) 0,84 0,48 0,62 0,46
Arch(1) 0,36 0,69 0,62 0,88
Normalité 0,69 0,98 0,64 0,58
Reset (2) 0,16 0,89 0,77 0,77
R-squared 0,65 0,84 0,80 0,86
Adjusted R-squared 0,55 0,81 0,76 0,82
Classement 4 2 3 1
A l’issue de ces estimations, il semblerait que la meilleure équation
est celle utilisant les prix calculés sur les prix des concurrents dans
l’indicateur de compétitivité et en prenant la demande adressée
« Principaux produits ».
6) Secteur textile habillement et cuirs
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Hors contrainte, celle élasticité serait
inférieure à l’unité, s’établissant aux alentours de 0,6 dans tous
les cas de figure.
• Les élasticités prix ont le signe attendu quelque soit la formulation
retenue et leur valeur est élevée s’établissant entre -3 et -4 lorsque
l’on retient les prix des concurrents et entre -5 et -8 dans le second
cas. Comme dans le cas des industries Chimiques, on aurait donc
ici un phénomène de forte substituabilité de ces produits sur le
marché européen.
• L’ensemble des MCE ont des propriétés statistiques satisfaisantes.
Les tests LM conduisent au rejet de l’hypothèse d’auto-corrélation
des résidus de ces équations. Ces résidus sont homoscédastiques
au regard du test de White et du test ARCH. La forme fonctionnelle
de l'équation est validée par le test Reset. Enfin, selon le test
de Bera Jarque, les résidus de toutes les équations suivent une
loi normale.
24
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
A l’issue de ces estimations la meilleure équation est celle utilisant
les prix calculé sur les prix des concurrents comme indicateur de
compétitivité et en prenant la demande adressée aux « Principaux
produits ».
7) Secteur des hydrocarbures et des produits raffinés
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est acceptée
plus facilement en utilisant la demande adressée calculée sur la
base « Total produits » (élasticité estimée de 1,03) que dans le cas
« Principaux produits » (élasticité estimée supérieure à 0,8).
• Les élasticités prix ont toujours le signe attendu. La valeur est
comprise entre -8 dans le cas des prix des pays de l’UE et aux
alentours de -5 dans le cas des prix des concurrent. Ce secteur
est donc celui qui se caractérise par les élasticités-prix les plus
fortes parmi les secteurs étudiés. Compte tenu de la nature des
produits du secteur, cela n’est pas surprenant : les hydrocarbures
sont des produits standardisés, et les produits tunisiens sont donc
de proches substituts par rapport aux produits commercialisés sur
le marché européen.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera-Jarque, les résidus de
toutes les équations suivent une loi normale.
Tableau 2.10 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 7(Période d’estimation1988-2008)
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,83 (-6,31) -0,41 (-2,31) -0,66 (-3,75) -0,38 (-2,02) γ
Prix relatifs…
… des concurrents -5,65 (-1,69) -4,47 (-1,29) β
… de l’ensemble de l’UE -7,93 -7,93 (-3,81)
Trend μ
Elasticités à CT
Dummy
d9394 -0,53 (-4,52) -0,68 (-3,60) -0,65 (-5,09) -0,71 (-3,74) η0
Tests
LM (2) 0,11 0,26 0,65 0,30
Arch(1) 0,83 0,84 0,12 0,84
Normalité 0,89 0,27 0,73 0,21
Reset (2) 0,80 0,68 0,30 0,62
R-squared 0,89 0,69 0,86 0,67
Adjusted R-squared 0,87 0,63 0,82 0,61
Classement 1 3 2 4
25
La meilleure équation est celle utilisant la demande adressée
« Total produits » et prenant comme prix étranger ceux des pays de l’UE.
8) Estimation de l’équation globale
• La valeur de l’élasticité de la demande adressée aux
exportations a été imposée à l’unité. Notons que cette
contrainte est acceptée plus facilement en utilisant la demande
adressée calculée sur la base « Total produits » (élasticité
estimée de 1,01) que dans le cas « Principaux produits »
(élasticité estimée supérieure à 0,9).
• Les élasticités prix ont toujours le signe attendu à l’exception
de la formulation 3 (prix de l’ensemble des pays de l’UE et
demande adressée « Principaux produits »). Dans les autres
cas de figure, la valeur est comprise entre -0,3 et -0,5.
• L’ensemble des MCE ont des propriétés statistiques satisfaisantes.
Les tests LM conduisent au rejet de l’hypothèse d’auto-corrélation
des résidus de ces équations. Ces résidus sont homoscédastiques
au regard du test de White et du test ARCH. La forme fonctionnelle
de l'équation est validée par le test Reset. Enfin, selon le test de
Bera-Jarque, les résidus de toutes les équations suivent une loi normale.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.11 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le Total des Biens(Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFI / Note : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,53 -0,49 -0,53 -0,57 γ
Prix relatifs…
… des concurrents -0,49 -0,31 β
… de l’ensemble de l’UE -0,53 0,35
Elasticités à CT
Δlog(demande adressée)-1 -0,44 α1
Δ(Prix relatifs)-1 -0,35 φ1
Dummy
d9394 -0,14 -0,11 -0,13 -0,12 η0
Tests
LM (2) 0,59 0,36 0,78 0,87
Arch(1) 0,55 0,86 0,51 0,43
Normalité 0,73 0,96 0,20 0,42
Reset (2) 0,08 0,17 0,14 0,87
R-squared 0,78 0,83 0,75 0,82
Adjusted R-squared 0,74 0,78 0,68 0,79
Classement 3 2 4 1
26
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La meilleure équation est celle utilisant la demande adressée « Total
produits » et prenant comme prix étranger ceux des concurrents.
2.2.1.3. Conclusion
En conclusion, les résultats des estimations réalisées sont riches
d’enseignements. Ils font apparaître de fortes disparités entre les
secteurs, autant en ce qui concerne les élasticités-prix de long terme
des différents secteurs (et donc leur niveau de substituabilité sur le
marché européen), qu’en ce qui concerne le comportement
dynamique des exportations à la suite de chocs de prix relatifs et
de chocs de demande (cf. annexe). Dés lors l’estimation d’une
équation d’exportation agrégée, même si elle satisfait les critères
de qualité économétriques, ne peut pas servir de support aux
prévisions et à l’élaboration d'une politique de développement
industriel cohérente.
2.2.2. Estimations des équations d’exportations enpanel dynamique
Les estimations en panel dynamique confirment les résultats obtenus
sur les séries chronologiques.
2.2.2.1. Méthodes d’estimation
Trois approches économétriques cohérentes avec les méthodes
utilisées pour les séries chronologiques ont été développées :
i) un modèle autorégressif à retards distribués (ADL) en niveau (en
prenant pour hypothèse la stationnarité des séries), en retenant
deux spécifications alternatives pour les prix relatifs : celle basée
sur les prix de l’UE et celle basée sur les prix des concurrents
sur le marché européen.
ii) un modèle autorégressif à retards distribués (ADL) en différences
premières (en prenant pour hypothèse la non-stationnarité des
séries), en retenant les deux spécifications alternatives pour les
prix relatifs.
iii) un modèle à correction d’erreurs (MCE) estimé en une étape,
qui permet d’englober le cas intégré et le cas non-cointégré,
toujours sous les deux spécifications alternatives des prix relatifs.
2.2.2.2. Principaux résultats
1) Modèle ADL en niveau dans le cas de prix des pays del’UE (LPUE)
La valeur estimée de l’élasticité de la demande adressée aux
exportations est de 0,82 à long terme et de 0,27 à court terme.
Un trend positif ressort significativement dans les estimations, ce
qui représente un gain tendanciel de parts de marché.
Les élasticités prix ont le signe attendu : la valeur de cette élasticité
est de -0,71 à court terme et à long terme.
Le modèle ADL dispose de propriétés statistiques satisfaisantes.
2) Modèle ADL en niveau dans le cas de prix des concurrents(LPCON)
La valeur de l’élasticité de la demande adressée aux exportations
est 0,83 dans le long terme et 0,26 dans le court terme.
Un trend positif ressort significativement de nos estimations signifiant
un gain tendanciel de part de marché dans ce secteur.
Les élasticités-prix estimées sont de -0,65 à court terme et -0,71 à
long terme.
Les propriétés statistiques des résidus de cette équation sont
satisfaisantes.
On observe très peu de différences entre les deux spécifications,
celle qui retient dans le prix relatif les prix de l’UE et celle qui utilise
le prix de concurrents sur le marché européen.
3) Modèle ADL en variation
Quels que soient les prix relatifs retenus, vis-à-vis des concurrents
de la Tunisie ou vis-à-vis des pays de l’UE, l’élasticité à court terme
de la demande adressée par l’UE n’est pas significative. En revanche
pour les deux spécifications (prix des concurrents et prix des pays
27
de l’UE) les élasticités prix sont significatives comprises entre -0,65
à court terme et -0,7 à long terme et équivalentes à celles obtenues
pour le modèle en niveau.
4) Modèle MCE dans le cas des prix des pays concurrents
La valeur de l’élasticité de la demande adressée aux exportations
est 0,83 dans le long terme et 0,26 dans le court terme.
Un trend positif ressort significativement de nos estimations signifiant
un gain tendanciel de part de marché dans ce secteur.
Les élasticités-prix estimées sont de -0,65 à court terme et -0,71 à
long terme.
Les propriétés statistiques des résidus de cette équation sont
satisfaisantes.
2.2.2.3. Conclusions
En conclusion, les estimations en données de panel ont permise de
compléter utilement les estimations réalisées pour chaque secteur
pris isolément.
Compte tenu du faible nombre d’observations dans l’échantillon
étudié, l’estimation en panel permet de donner une estimation assez
robuste du comportement dynamique ‘moyen’ des exportations
sectorielles. Il en ressort que, quelles que soient les spécifications
utilisées pour la mesure des prix relatifs:
i) L’élasticité des exportations tunisiennes vers l’Europe par rapport
à la demande adressée est voisine de l’unité à long terme (cette
valeur unitaire n’est pas rejetée statistiquement dans les MCE),
mais elle semble relativement faible à court terme en moyenne,
et même non-significative dans les estimations en taux de
croissance. Il en résulte que l’effet instantané d’une variation de
la demande adressée peut être considéré comme négligeable,
l’ajustement des exportations nécessitant probablement un délai
sensiblement supérieur à une année.
ii) L’élasticité-prix des exportations tunisiennes vers l’Europe est
de l’ordre de -0,6 à -0,73 à court terme comme à long terme.
iii) Enfin, les graphiques des résidus des différents modèles estimés
tendent à montrer que les secteurs des IAA, des IMCCV (sur la
première sous-période) et des Hydrocarbures se révèlent les
moins proches de l’estimation globale, ce qui justifie l’approche
sectorielle. En effet, nous avons pu constater sur les séries
chronologiques que le secteur des Hydrocarbures se caractérise
par une élasticité-prix beaucoup plus importante que les autres
secteurs, tandis que le secteur des IAA présente des élasticités
de la demande de court-terme relativement élevée par rapport
aux autres secteurs d’exportation.
2.2.3. Les prolongements possibles de l’analyseéconométrique
2.2.3.1. Une maquette des échanges extérieurs
Toutes les formes analytiques des différentes équations sont développées
dans les documents correspondant à chaque composante. Seule
quelques unes d’entre elles et les intuitions sous jacentes sont reprises
dans les paragraphes qui suivent.
1) La fonction d’importation en volume
Les déterminants généralement retenus du volume des importations
sont la demande intérieure, un terme de compétitivité, construit comme
le prix relatif de production nationale par rapport aux prix des importations
(généralement calculés hors énergie) et un terme d’utilisation du capital
productif. Habituellement, les tensions conjoncturelles sur les capacités
de production sont décrites par l’intégration dans cette équation des
taux d’utilisation des capacités de production nationales rapportés à
ceux des principaux partenaires. Ce ratio permet de capter une
éventuelle contrainte d’offre à laquelle est soumise l’économie nationale.
Le signe attendu de son élasticité par rapport aux importations est
positif : lorsque les taux d’utilisation sont plus élevés en Tunisie que
chez ses principaux partenaires, le surcroît de demande interne s’oriente
vers les producteurs étrangers et accroît ainsi le volume des
importations. Enfin, certains modèles enrichissent l’analyse en intégrant
une compétitivité hors-prix comme l’effort en recherche et
développement (par l’intégration par exemple de l’âge du capital).
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
28
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2) La fonction de prix des exportations
Les producteurs tunisiens sont supposés avoir, dans la fixation de
leur prix, un comportement de marge sur les marchés extérieurs,
de même qu’ils en ont un sur le marché intérieur. Néanmoins, face
à la concurrence étrangère, ils tiennent également compte des prix
étrangers dans la formation des prix à l’exportation. Il y a donc
un arbitrage entre un comportement de marge (répercuter
intégralement sur les prix à l’exportation les mouvements de coûts
unitaires9, pour conserver un taux de marge constant), et un
comportement de compétitivité (répercuter intégralement sur les
prix à l’exportation les mouvements des prix étrangers, pour
conserver la compétitivité). Cet arbitrage se traduit par une cible
de long terme exprimée comme une moyenne pondérée des prix
étrangers et des coûts nationaux.
3) La fonction de prix des importations
Les importateurs font un arbitrage analogue à celui des exportateurs :
afin de conserver leurs marges, ils indexent leur prix de vente sur le
sol tunisien à leurs coûts de production, approximés par les prix
étrangers à l’importation. Toutefois, de manière à conserver leur
compétitivité par rapport aux produits domestiques, ils tiennent
également compte des prix de la production nationale. A l’inverse
des prix étrangers à l’exportation, le prix étranger à l’importation est
constitué avec une pondération simple, dans la mesure où la
concurrence ne se fait que sur le territoire tunisien et n’implique donc
pas de prendre en compte les marchés tiers.
4) Modélisation VAR à partir de l’équation de cointégration
Comme cela est démontré dans le document final de la composante
2.1 sur la base d’une équation de cointégration de la forme :
X iT(t) = a0 y(t) + a1 [piE(t) - py(t)] + f0 [piT(t) - piE(t) ] + f1 [piT(t) - piE(t) ]+
c + ê(t),10 ,
Il est possible de procéder à l’estimation d’un modèle VAR, afin de
réaliser des exercices de prévision.
Cependant l’estimation d’un tel modèle pour chaque secteur est une
tâche lourde, et qu’elle n’est sans doute envisageable qu’après une
sélection des secteurs les plus importants pour l’analyse (ou bien en
considérant seulement l’ensemble des exportations tunisiennes vers
l’Europe).
5) Non-linéarités
L’équation structurelle de long terme des exportations de la section 3.2
repose sur l’hypothèse d’élasticités constantes. Or, différentes formes
de non-linéarités ou de changements structurels peuvent être considérées.
- Variation dans le temps de l’élasticité-revenu
A titre d’exemple, on peut considérer que l’élasticité-revenu dépend
de la conjoncture européenne : dans les phases hautes du cycle
économique (par exemple lorsque le taux de chômage u est inférieur
au taux naturel û), l’élasticité-revenu peut être plus forte que dans les
phases basses du cycle (lorsque le taux de chômage est supérieur au
taux naturel).
Afin de modéliser ce processus, il est possible de suggérer une
formalisation basée sur les modèles non-linéaires à transition souple
(Smooth Transition).
- Variation dans le temps de l’élasticité-prix
L’élasticité-prix du commerce extérieur peut dépendre de l’écart
9 Une approximation des coûts unitaires peut être faite en intégrant les prix de la production nationale.10 piE ; European competitor prices for commodity i,, py : GDP prices, piT : Tunisian price for commodity i, y(t) expressed demand
29
absolu entre les prix des exportations tunisiennes et les prix des
exportations concurrentes piT(t) - piE(t).
En effet, lorsque le différentiel de prix est faible, c’est-à-dire lorsque
[piT(t-1) - piE(t-1)]² est proche de zéro (ou d’un seuil k donné),
l’élasticité-prix des exportations tunisienne peut être supposée
relativement faible, tandis que lorsque le différentiel de prix est
important, c’est-à-dire lorsque [piT(t-1) - piE(t-1)]² s’éloigne fortement
de zéro (ou d’un seuil k), les exportations tunisiennes seront fortement
dépendantes des fluctuations des prix relatifs.
Afin de modéliser ce phénomène, on peut suggérer la formalisation
suivante :
Soit la fonction de transition G(.), bornée entre 0 et 1, dans laquelle
[piT(t-1) - piE(t-1)] représente le différentiel de prix, k le seuil au-delà
duquel il est avantageux pour les consommateurs de modifier la
composition de leur panier de consommation et h>0 un paramètre
qui détermine la vitesse de transition entre les régimes:
G([piT(t-1) - piE(t-1)] , h , k) =
On vérifie que lorsque le différentiel de prix est très élevé (positivement
ou négativement) par rapport au seuil k (à la limite lorsque –h{[piT(t-
1) - piE(t-1)]² - k} tend vers l’infini), la fonction G tend vers 1, tandis
que lorsque le différentiel de prix reste faible (au sens ou la distance
entre les prix reste au voisinage du seuil k), la fonction G tend vers 0.
La fonction de transition proposée permet ainsi de modéliser un
changement de l’élasticité-prix en fonction de l’écart absolu des
prix relatifs.
Ainsi, l’équation d’exportations peut alors être écrite sous la forme
suivante :
X iT(t) = a0 y(t) + a1 [piE(t) - py(t)] + f0 [piT(t) - piE(t) ] + f1 [piT(t) - piE(t) ]+
c + ê(t)
avec : G =
Puisque la valeur de G dépend de l’écart absolu des prix relatifs,
l’estimation de cette équation permettra d’obtenir des valeurs
d’élasticité-prix comprises entre f1+f0 (vers laquelle on tend lorsque
le différentiel de prix est élevé) et f0 (vers laquelle on tend lorsque
l’écart entre les prix est faible).
L’estimation du modèle peut être réalisée par la méthode des moindres-
carrés non linéaires ou du maximum de vraisemblance, afin de
déterminer la valeur des paramètres inconnus f0, f1, a0, a1, c, h et k.
6) Rationnement quantitatif par l’offre ou par la demande
Nous avons indiqué dans ce qui précède que l’équation
d’exportations sectorielles tunisiennes :
XiT(t) = a0 y(t) + a1 [piE(t) - py(t)] + a2 [piT(t) - piE(t) ] + c
décrit en fait une équation de demande émanant de l’Europe. De
ce point de vue, il pourrait être pertinent de définir cette équation
comme une équation de demande en l’écrivant :
(1) DmiT(t) = a0 y(t) a1 [piE(t) - py(t)] + a2 [piT(t) - piE(t)] + c
De la même manière, l’offre des exportations sectorielles (i) est estimée
comme suit :
SXiT(t) = gS YiT(t) [Pi
TX(t) / PiDT(t)]sT
où :
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
11 cf. Annabi et al., 2003.
30
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
SXiT(t): offre d’exportations tunisiennes en produit (i) en volume
YiT: production tunisienne totale de produit (i) en volume
PiTD: indice du prix du produit (i) sur le marché intérieur tunisien (en
monnaie locale)
PiTX: indice du prix à l’exportation tunisien du produit (i), en monnaie locale.
gS : paramètre d’échellesT: élasticité de transformation vérifiant sT >0
Soit, en logarithmes :
(2) SXiT(t) = yiT + sT [piXT(t) - piDT(t)] + c1
Dans le cas de parfaite flexibilité des prix, l’équilibre entre l’offre (7)
et la demande (6) devra se réaliser par un ajustement adéquat du
prix des exportations12. Mais si l’on suppose une certaine rigidité
des prix à l’exportation, la quantité exportée se situera au minimum
entre l’offre (6) et la demande (7).
Une estimation réalisable d’un modèle à rationnement quantitatif de ce
type peut être conduite par le biais d’une fonction CES de la forme :
(3)
dans laquelle les fonctions d’offre et de demande sont définies par
les équations 6 et 7. En effet, pour de grandes valeurs du paramètre
ρ, la fonction CES fonctionne comme un opérateur Min.
Le graphique suivant illustre le comportement de la fonction CES
par rapport à deux variables S et D variant dans le temps, avec
ρ=100. On peut constater que la fonction CES passe bien par le
minimum de S et D.
Bien que l’estimation d’une fonction CES ne soit pas sans poser de
problèmes, il peut être envisageable d’estimer économétriquement
l’équation 8, conjointement avec les équations de définition 6 et 7.
2.2.4. Références bibliographiques
Annabi N., Cockburn J., Decaluwé B. (2003), Formes Fonctionnelles
et Paramétrisation dans les MCEG, CREFA, Université de Laval.
De Boeff, S. (2000), Modeling Equilibrium Relationships: Error
Correction Models with Strongly Autoregressive Data, Political
Analysis, Vol 9, 14-48.
Dickey, D.A., and Fuller, W.A. (1981), Likelihood Ratio Statistics for
Autoregressive Time Series with a Unit Root, Econometrica, Vol 49,
pp 1057-72.
Engle, R.F., and Granger, C.W.J. (1987), 'Cointegration and error
correction: representation, estimation and testing, Econometrica,
Vol 55, pp 251-276.
Hurlin, C. (2001), L’Econométrie des Données de Panel, Ecole
Doctorale Edocif, Séminaire Méthodologique.
Narayan P.K. (2004), Reformulating Critical Values for the Bounds
F-statistics Approach to Cointegration: An Application to the Tourism
Demand Model for Fiji. Discussion Papers No. 02/04 Monash University.
12 Notons cependant que PiTX diffère de PiT car il ne prend pas en compte la conversion en devise étrangère, ni les droits de douane ou autres coûts supportés par les importateurseuropéens du produit i.
31
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Pesaran, M.H., Shin, Y., and Smith, R.J. (2001), Bounds testing
approaches to the analysis of level relationships. Journal of Applied
Econometrics, Vol 16, pp 289-326.
Wong, K. N. (2008), Disaggregated export demand of Malaysia:
evidence from the electronics industry. Economics Bulletin, Vol. 6,
No. 6 pp. 1-14.
2.3. Analyse des potentialités d’exportationtunisienne
Cette analyse a pour objet d’apprécier la performance des
exportations tunisiennes sur la période 2003-2008 afin d’identifier
les marges de progression aussi bien au niveau des produits qu’au
niveau des marchés. Elle se focalisera, dans une première partie,
sur l’offre d’exportation tunisienne à travers l’identification des
produits dynamiques présentant des potentialités de croissance et
d’avantage comparatif même s’ils n’occupent, jusqu’à présent,
qu’une part très modeste dans les exportations totales de biens.
La deuxième partie consiste à étudier le positionnement des
exportations tunisiennes de ces produits par rapport aux concurrents.
Enfin, la troisième partie se propose d’apprécier la demande
d’importation en ces produits et d’identifier les marchés d’exportation
non encore exploités.
2.3.1. Analyse de l’offre de la Tunisie en termesd’avantages comparatifs
Cette partie a pour objectif d’identifier, à partir de l’analyse de l’offre
des exportations tunisiennes sur la période 2003-2008, les produits
qui sont potentiellement dynamiques. Cette identification a été
effectuée selon une approche multicritère liée principalement aux
exportations et à leurs avantages comparatifs révélés en termes de
niveaux et de taux de croissance. Cette approche a permis de
dégager trente produits représentant environ 23% des exportations
totales de biens en 2008 contre seulement 7.2% en 2003. Ces
produits font essentiellement partie des secteurs des IME (9.1%
contre 2.2%), de la chimie (8.6% contre 3.3%), de l’agriculture, la
pêche et des IAA (4.1% contre 1.3%), du THC (1.1% contre 0.3%)
et de l’industrie diverse (0.3% contre 0.1%).
32
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Évolution des exportations tunisiennes sur la période 2003-2008
0
500 000
1 000 000
1 500 000
2 000 000
2 500 000
3 000 000
3 500 000
2003 2004 2005 2006 2007 2008
2003 2004 2005 2006 2007 2008
2003 2004 2005 2006 2007 2008
0
100 000
200 000
300 000
400 000
500 000
600 000
700 000
0
100 000
200 000
300 000
400 000
500 000
600 000
611249
283525
854430
621010
854459
251010
150910
310310
280920
853690
902830
230690
852812
721049
740620
040630
854890
030239
151710
961212
721030
283526
853180
150990
151000
520839
851750
721491
847190
961390
33
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.12 : Évolution de l’avantage comparatif
Code produits
Produits 2003 2008
030239 Thons du genre thunnus, frais ou réfrigérés… 7,88 54,69
040630 Fromages fondus 1,94 9,37
150910 Huile d’olive vierge et ses fractions... 30,84 90,21
150990 Huile d’olive et ses fractions, traitées mais non chimiquement modifiées... 0,04 26,03
151000 Huiles et leurs fractions obtenues exclusivement à partir d’olives... 0,38 61,48
151710 Margarine (à l’exc. De la margarine liquide) 5,12 14,71
230690 Tourteaux et autres résidus solides... 7,91 29,10
251010 Phosphates de calcium et phosphate aluminocaciques... 28,33 29,52
280920 Acide phosphorique, acides polyphosphoriques 66,82 69,39
283525 Hydrogénorthophosphate de calcium 41,00 82,48
283526 Phosphates de calcium 0,00 59,02
310310 Superphosphates 205,38 144,00
520839 Tissus de coton, teints... 0,14 7,32
611249 Maillots, culottes de bain pour femmes ou fillettes 44,85 142,47
621010 Vêtements en feutres ou non-tissés 16,65 64,06
721030 Produits laminés plats, en fer ou en aciers non alliés… 0,00 3,13
721049 Produits laminés plats, en fer ou en aciers non alliés, zingués… 0,18 3,83
721491 Barres en fer ou en aciers non alliés... 0,36 4,60
740620 Poudres de cuivre à structure lamellaire… 26,72 66,14
847190 Lecteurs magnétiques ou optiques… 0,08 8,71
851750 Emetteurs-récepteurs pour la télécommunication... 0,01 8,95
852812 Appareils récepteurs pour la télévision en couleurs... 0,03 1,57
853180 Appareils électriques de signalisation acoustique ou visuelle 0,01 26,20
853690 Appareillage pour le blanchement... 7,15 14,40
854430 Jeux de fils pour bougies d’allumage... 0,85 5,69
854459 Conducteurs électriques... 3,04 7,18
854890 Parties électriques de machines ou d’appareils... 0,91 14,71
902830 Compteurs d’électricité 0,58 16,37
Compilation ITCEQ, source : comtrade
34
2.3.2. Positionnement compétitif des exportationstunisiennes
Les exportateurs tunisiens ont nettement amélioré leur position
par rapport aux concurrents pour certains produits de
l’échantillon
Les exportations des produits retenus dans l’échantillon ont connu
au cours des années 2003 et 2008 une évolution différenciée par
rapport aux concurrents. Ce qui nous a permis de les grouper en
3 groupes à savoir :
- Un premier groupe pour lequel la Tunisie ne figure pas parmi
les premiers fournisseurs du monde. Il s’agit des produits
laminés plats en fer ou en aciers non alliés, des barres en fer
ou en aciers non laminés, des appareils récepteurs pour
télévisions en couleur, des jeux de fils pour bougies d’allumage
et autres jeux de fils pour moyens de transport et des
conducteurs électriques. Toutefois, ces produits pourraient
présenter des marges de progression pour les exportations
tunisiennes étant donné l’amélioration de leur avantage
comparatif et de la croissance de leurs exportations leur
permettant d’occuper environ 4% en 2008 contre 0.5% en
2003 du total des exportations de biens et 17% contre 6%
du total de l’échantillon.
- Un deuxième groupe pour lequel la Tunisie ne figure pas parmi
les premiers exportateurs mondiaux en 2003 alors qu’elle y
est en 2008 reflétant l’effort déployé par les exportateurs
tunisiens pour améliorer leur position compétitive. Ceci est
d’autant plus significatif que la Tunisie se trouve en 2008,
pour certains produits de ce groupe en 4ème position pour
l’huile d’olive et ses fractions, , pour l’huile d’olive et ses
fractions obtenues exclusivement à partir d’olives et par des
procédés autres que mécanique ou physique et pour les parties
de briquets et allumeurs et en 5ème position pour le thon du
genre thunnus frais ou réfrigéré et pour le phosphate decalcium.
- Un troisième groupe pour lequel la Tunisie a nettement
consolidé sa position en 2008 par rapport à 2003 dont on cite
les vêtements en feutre ou non tissés (même imprégnés,
enduits, recouverts) (3ème rang contre 11ème) et les tourteaux
et autres résidus solides de l’extraction de graisse ou huiles
végétales (6ème contre 14ème).
2.3.3. Orientation des exportations et identification desmarchés potentiels
Principaux marchés d’exportation
Si les exportations de la majorité des produits de l’échantillon
sont principalement orientées vers le marché de l’UE et, à un
degré moindre, vers des pays arabes proches, il n’en demeure
pas moins qu’elles sont orientées pour certains produits vers
des marchés non traditionnels
Les investigations effectuées sur l’identification des principaux
marchés d’exportation de la Tunisie pour l’échantillon de produits
durant la période 2003-2008 font ressortir les résultats suivants:
- Une faible diversification des marchés dans la mesure où les
exportations sont, pour la majorité de ces produits, orientées
vers des pays de l’UE dont principalement la France, l’Italie
et l’Espagne ;
- L’accès des exportations au marché arabe est restreint
principalement à la Libye et à un degré moindre à l’Egypte
et au Maroc dans la mesure où ces trois pays constituent les
principaux clients de la Tunisie pour certains produits de
l’échantillon. Toutefois et suite à l’instabilité liée à la révolution
qu’a vécue les deux premiers pays, la Tunisie pourrait rencontrer
au cours des prochains mois de 2011 certains problèmes
d’accès à ces marchés. D’autres pays arabes figurent aussi
comme clients pour la Tunisie mais d’une façon très timide. Il
s’agit de la Syrie et du Liban pour le phosphate dicalcique, de
l’Arabie Saoudite pour ce même produit et pour l’huile d’olive
vierge, du Qatar pour ce dernier et de la Jordanie pour la
margarine ;
- La diversification des marchés est remarquable pour certains
produits de l’échantillon étant donné que leurs exportations
sont orientées vers un nombre relativement élevé de marchés.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
35
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Il s’agit des conducteurs électriques (pour tension entre 80
et 1000 V sans pièces de connexion), des relais (pour une tension
entre 60 et 1000 V), des superphosphates, de l’Acide
phosphorique, du phosphate dicalcique, des Phosphates de
calcium et phosphates aluminocalciques naturels et craies
phosphatées non moulus et de l’huile d’olive vierge.
- Le Japon constitue le premier client de la Tunisie pour le thon
du genre thunnus frais ou réfrigéré suivi par la France, l’Italie,
l’Espagne et l’Allemagne.
Demande mondiale et identification des marchéspotentiels
L’examen de l’évolution des importations mondiales pour
l’échantillon de produits retenus montre que celles-ci ont connu, à
l’exception des émetteurs-récepteurs pour la télécommunication,
une croissance moyenne relativement élevée sur la période 2003-
2008 reflétant l’effort déployé par les exportateurs tunisiens pour
s’adapter à la demande mondiale.
-5%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
3103
10
2306
90
2809
20
8544
59
2510
10
2835
26
7214
91
7210
49
1510
00
7406
20
8528
12
2835
25
1517
10
6210
10
1509
10
7210
30
1509
90
8536
90
9028
30
5208
39
0406
30
8544
30
8531
80
0302
39
8548
90
8471
90
6112
49
8517
50
Croissance des importations mondiales sur la période 2003-2008
Les exportations tunisiennes pour les produits del’échantillon ne sont pas généralement orientées vers lespays les plus demandeurs
L’examen des principaux pays importateurs pour les années 2003
et 2008 montre la présence de potentialités d’exportation que la
Tunisie pourrait exploiter dans la mesure où les exportations
tunisiennes par produit ne sont pas généralement orientées vers les
pays les plus demandeurs . Dans ce cadre, les investigations
empiriques ont permis d’identifier les marchés potentiels notamment
pour les quatre premiers produits dynamiques du côté des
exportations tunisiennes (les émetteurs-récepteurs pour la
télécommunication, les huiles et leurs fractions obtenues
exclusivement à partir d’olives, les lecteurs magnétiques ou optiques
et les appareils électriques de signalisation acoustique ou visuelle )
et du côté des importations mondiales ( les superphosphates, les
tourteaux et autres résidus solides, même broyés ou agglomérés
de l’extraction de graisses ou huiles végétales, l’acide phosphorique
et les conducteurs électriques pour tension entre 80 et 1000 V sans
pièces de connexion).
36
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Marchés potentiels pour les quatre premiers produits dynamiques du côté des exportations tunisiennes
851750
Emetteurs-récepteurs pour la télécommunication
151000
Huiles et leurs fractions obtenuesexclusivement à partir d’olives
847190
Lecteurs magnétiques ou optiques
853180
Appareils électriques de signalisationacoustique ou visuelle
Allemagne Bulgarie Belgique Australie
Espagne Espagne Chine Canada
Royaume-Uni France Espagne Espagne
Hong Kong Pays-Bas Hong Kong Royaume-Uni
Inde Pologne Israël Hong Kong
Japon Portugal Italie Japon
Pays-Bas Roumanie Japon Corée
Pologne États-Unis Malaisie Mexique
États-Unis Singapour Pays-Bas
Suède Thaïlande
Thaïlande Turquie
États-Unis États-Unis
Marchés potentiels pour les quatre premiers produits dynamiques du côté des importations mondiales
310310
Superphosphates
230690
Tourteaux et autres résidus solides
280920
Acide phosphorique, acidespolyphosphoriques
854459
Conducteurs électriques
Argentine Bahamas Canada Autriche
Australie Indonésie Allemagne Canada
Belgique Inde Royaume-Uni Chine
Chili Japon Corée Tchéquie
Indonésie Corée Thaïlande Allemagne
Japon Mexique Espagne
Sri Lanka Malaisie Royaume-Uni
Pays-Bas Thaïlande Hong Kong
Paraguay Taïwan Hongrie
Vietnam Italie
Japon
Mexique
Pays-Bas
Thaïlande
États-Unis
37
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.13 : Commerce mondial 2003, 2008
Code produits Produits 2003 2008 2008 % Variation
030239Tunas (of the genus Tunnus) skipjack or stripe-bellied bonito (Euthynnus (Katsuwonus) pelamis), exc lunding livers and roes : -Other
556 830,991 366 877,877 -0,341
040630 Processed cheese, not grated or powdred 1 310 064,957 2 383 704,616 0,820
150910 Virgin 2 534 737,640 4 907 778,465 0,936
150990 Other 788 101,796 1 256 834,297 0,595
151000
Other oils and theirfractions, obtained solely from olives, wether or not refined, but not chemiccalymodified, including blends of these oils or fractions with oils or fractions of heading N°.15.0
85 354,027 230 863,345 1,705
151710 Margarine, excluding liquid margarine 742 651,639 1 624 874,252 1,188
230690 Other 65 728,005 303 258,366 3,614
251010 Unground 741 393,439 3 792 910,516 4,116
280920 Phosphoric acid and polyphosphoric adds 1 760 366,957 7 202 665,315 3,092
283525Phosphates: -calcium hydrogenorthophosphate (“dicalciumphosphate”)
264 012,468 633 375,252 1,399
283526 Phosphate:-other phosphates of calcium 297 946,680 1 059 238,644 2,555
310310 Superphosphates 627 845,727 2 700 043,471 3,300
520839 Dyed:-other fabrics 682 166,423 742 462.914 0,088
611249 Women’s or girls’ swimwear:-of other textile materials 63 634,259 64 613,937 0,015
621010 Of fabrics of heading N°. 56.02 or 56.03 951 616,144 1 488 329,897 0,564
721030 Electrolytically plated or coated with zinc 3 541 817,987 7 085 701,724 1,001
721049 Otherwise plated or coated with zinc:-other 9 291 254,117 22 466 215,247 1,418
721491Other:-of rectangular (other than square) cross-section
751 400,926 2 279 521,149 2,034
740620 Powders of lamellar structure; flakes 112 428,911 132 925,421 0,182
847190 Other 4 831 012,368 6 967 781,969 0,442
851750Other apparatus, for carrier-current line systems or for digitalline systems
17 359 352,886 9 886 454,734 -0,430
852812Reception apparatus, for teleevision, whether or not incorporatingradio-broad cast receivers or sound or video recording or reproducing apparatus:-colour
26 404 762,434 78 694 420,177 1,980
853180 Other apparatus 2 038 031,989 2 282 609,436 0,120
853690 Other apparatus 16 462 291,070 31 350 854,230 0,904
854430Ingnition wiring sets and other wiring sets of a kind used in vehicules, aircraft or ships
14 839 577,745 23 516 802,519 0,585
854459Other electric conductors, fora voltage exceeding 80v but not exceeding 1,000 v:-other
5 282 229,260 22 222 484,002 3,207
854890 Other 2 761 272,151 3 242 141,436 0,174
902830 Electricity meters 822 344,712 1 658 544,995 1,017
961210 Ribbons 1 345 815,367 1 706 126,056 0,268
961390 Parts 101 217,088 142 548,323 0,408
38
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.14 : 2008 – Nombre de fois que chaque pays apparait comme principal exportateur ou importateur
Pays Principal exportateur Principal importateur
CHN 21 8
DEU 18 21
FRA 16 23
TUN 15 2
USA 15 21
ITA 13 16
ESP 12 18
NLD 12 14
BEL 11 12
GBR 10 20
JPN 10
MEX 9 8
TUR 9 1
ISR 6 1
KOR 6 5
CZE 5 1
MAR 5 1
POL 5 7
TWN 5 3
Tableau 2.15 : Indice FK de la Tunisie et d’un groupe de pays concurrents
Pays 2003 2004 2005 2006 2007 2008
BEL 0,160 0,137 0,157 0,173 0,177 0,185
CHI 0,205 0,187 0,199 0,206 0,211 0,210
CZE 0,153 0,154 0,178 0,176 0,184 0,191
FRA 0,165 0,161 0,183 0,194 0,203 0,204
DEU 0,152 0,147 0,167 0,177 0,180 0,181
ISR 0,080 0,078 0,081 0,087 0,099 0,110
ITA 0,205 0,199 0,222 0,232 0,232 0,236
JPN 0,092 0,092 0,105 0,117 0,125 0,132
KOR 0,126 0,104 0,117 0,131 0,134 0,141
MEX 0,245 0,261 0,320 0,293 0,333 0,334
MAR 0,380 0,384 0,376 0,353 0,342 0,346
NLD 0,164 0,141 0,157 0,166 0,167 0,182
POL 0,174 0,166 0,192 0,198 0,200 0,202
ESP 0,192 0,188 0,206 0,214 0,217 0,231
TUR 0,268 0,250 0,267 0,270 0,267 0,265
GBR 0,207 0,194 0,212 0,225 0,238 0,251
USA 0,144 0,140 0,155 0,171 0,167 0,179
TWN 0,122 0,113 0,125 0,145 0,143 0,149
39
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.16 : Indice RECPI de la Tunisie et d’un groupe de pays concurrents
Pays 2003 2004 2005 2006 2007 2008
BEL 3,36 1,99 2,48 3,18 2,19 2,55
CHI 4,95 3,65 4,82 5,62 4,08 3,99
CZE 0,33 0,27 0,37 0,39 0,30 0,35
FRA 2,52 1,56 2,04 2,55 1,56 1,72
DEU 4,04 3,10 3,82 4,52 2,95 2,80
ISR 0,12 0,07 0,06 0,07 0,06 0,12
ITA 3,39 2,31 2,77 3,32 2,33 2,22
JPN 1,44 1,21 1,49 1,81 1,36 1,68
KOR 2,08 1,30 2,08 2,86 1,93 2,59
MEX 9,07 9,30 13,44 14,73 13,01 11,04
MAR 0,48 0,39 0,63 0,33 0,22 0,41
NLD 4,02 2,10 3,02 4,20 2,87 3,72
POL 0,47 0,35 0,46 0,55 0,40 0,44
ESP 1,75 1,48 1,52 1,95 1,20 1,37
TUR 1,16 0,88 0,90 0,97 0,72 0,75
GBR 8,83 7,79 10,26 11,31 9,52 8,71
USA 3,94 2,45 3,27 4,64 3,01 4,78
TWN 1,24 0,87 1,28 1,70 1,12 1,23
Tableau 2.17 : Concurrents de la Tunisie par secteur
Combustibles fossiles
Machine et appareilsélectriques
Habillement et accessoires vestimentaires Engrais Chimie organique
27 85 62 31 28
CZE 0,217 0,350 0,587 0,005 0,105
TRU 0,212 0,322 0,521 0,517 0,143
GBR 0,712 0,247 0,444 0,155 0,023
USA 0,244 0,231 0,468 0,575 0,070
BEL 0,254 0,265 0,513 0,077 0,172
CHI 0,306 0,237 0,461 0,307 0,134
FRA 0,214 0,342 0,434 0,032 0,016
DEU 0,214 0,284 0,504 0,010 0,024
ISR 0,217 0,139 0,283 0,219 0,300
ITA 0,246 0,316 0,442 0,078 0,033
JPN 0,214 0,216 0,426 0,006 0,023
KOR 0,213 0,167 0,259 0,226 0,038
MEX 0,911 0,298 0,501 0,750 0,183
MAR 0,212 0,360 0,509 0,742 0,660
NLD 0,218 0,221 0,540 0,041 0,060
POL 0,215 0,358 0,508 0,025 0,112
ESP 0,214 0,330 0,446 0,092 0,117
TWN 0,213 0,145 0,294 0,001 0,030
40
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2.4. Effets de l’ouverture de l’économietunisienne sur le système productif et analyse duprocessus d’adaptation des entreprises
Les gains de productivité d’une économie dans son ensemble
peuvent provenir de deux sources principales:
- La dynamique interne aux entreprises.
- Les processus de réallocation de la productivité, parmi lesquels
il faut distinguer :
- la réallocation entre les entreprises dans un même secteur
(normalement des moins efficientes vers les plus efficientes).
C’est la réallocation intra-sectorielle.
- la réallocation des entreprises entre les secteurs (réallocation
inter-sectorielle).
- la réallocation par les entrées et sorties des entreprises (si les
entreprises qui entrent ont une meilleure efficience que celles
qui sortent, l’effet net sur le système productif est positif).
L’objectif de cette partie du travail est de mesurer la contribution
de ces mécanismes à la dynamique de l’économie
tunisienne.
D’un point de vue méthodologique, il a été convenu d’appliquer
la méthode de décomposition de la productivité. Cette méthode
consiste précisément à identifier dans quelle mesure les
progrès de productivité sont attribuables à des augmentions de
productivité à l’intérieur des entreprises ou au phénomène de
réallocation.
2.4.1. Analyse descriptive de la base de donnéesd’entreprises de l’industrie tunisienne
L’ensemble des données de la base sont issues des Enquêtes
Annuelles conduites par l’Institut National de la Statistique tunisien
et qui sont mises à disposition de l’ITCEQ. La base concerne les
secteurs de l’industrie tunisienne de 1997 à 2007. Elle contient des
informations sur la production, les consommations intermédiaires,
l’emploi permanent, l’emploi saisonnier, le secteur d’activité, la région
et la structure du capital. Le passage à prix constant a été effectué
en utilisant les indices de prix à la production, à la valeur ajoutée et
les indices de prix des consommations intermédiaires à 5 digits qui
sont fournis par l’INS. L’indicateur de performance des entreprises
qui est utilisé est la productivité du travail, obtenu, au niveau de
chaque entreprise, par le ratio de la valeur ajoutée à prix constant
sur l’effectif total, cet effectif total comprenant à la fois l’effectif
permanent et les emplois saisonniers.
En ne retenant que le secteur industriel, la base “brute” initiale compte
16 442 observations, ce qui représente 4 464 entreprises. Une fois
nettoyée (la procédure de nettoyage est détaillée dans l’encadré 1), la
base non cylindrée comprend 15 202 observations et 4 206 entreprises.
Le tableau 3.18 montre la répartition des firmes de l’échantillon par
secteur. Les plus représentés sont l’habillement (29%) et l’agro-
alimentaire (13%). A eux seuls ils représentent 42% des entreprises
de l’échantillon. Le secteur de l’automobile ne représente, en revanche,
que 2% du nombre d’entreprises, suivi par les secteurs chimie &
pharmacie et, caoutchouc & produits plastiques (4% chacun).
41
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.18 : Nombre de firmes par secteur
Secteur Nombre de firmes En pourcentage
1 Agro-alimentaire et Tabac 561 13%
2 Textile 262 6%
3 Habillement 1236 29%
4 Chaussures et Cuir 250 6%
5 Bois, Papier et Edition 283 7%
6 Chimie et Pharmacie 179 4%
7 Caoutchouc et Produits plastiques 159 4%
8 Matériaux non métalliques 314 7%
9 Matériaux métalliques 320 8%
10 Equipements, Machines et Appareils électriques 329 8%
11 Industrie automobile et autres équipements de transport 102 2%
12 Meubles 211 5%
La répartition par taille des 4 206 entreprises a été réalisée sur la
base du critère de l’emploi total moyen de chaque entreprise, en
utilisant la méthode des quantiles. La répartition obtenue classe
dans le groupe de “petites”, les entreprises qui un nombre
d’employés total inférieur ou égal à 23. Autrement dit, le premier
tiers des entreprises de l’échantillon ont, en moyenne, un nombre
d’employés inférieur ou égal à 23. Dans le groupe de “moyennes”
(qui correspond au second tiers des entreprises), les firmes ont
un nombre d’employés strictement supérieur à 23 et inférieur ou
égal à 77. Les “grandes” (le dernier tiers des entreprises de
l’échantillon) ont plus de 77 employés.
Le tableau 3.19 montre la répartition des entreprises par taille
selon le nombre d’années de présence dans la base. En
considérant la première ligne du tableau, on voit, par exemple,
que parmi les 1469 firmes présentes une seule année, la moitié
(c’est à dire 732) sont dans la catégorie des “petites”, un tiers
environ (soit 455) appartiennent à la catégorie “des moyennes” et
19% (soit 282 entreprises) sont considérées comme “grandes”.
Les entrées et sorties de l’échantillon (qui ne sont pas forcément,
rappelons-le, des nouvelles entreprises ou des cessations
d’activité) concernent, par conséquent, davantage les firmes de
petite taille. La répartition par taille des entreprises présentes
pendant 5 années correspond globalement à la répartition par
quantile des 4 206 entreprises de l’échantillon. Environ 80% des
entreprises présentes dans la base durant 11 ou 10 années
appartiennent à la catégorie des “grandes” entreprises. Les
entreprises ayant plus de 77 employés en moyenne sont donc
présentes dans l’échantillon durant un nombre d’années plus élevé
que les “moyennes” et surtout “les petites”.
42
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Dans le tableau 3.20, on s’intéresse à la répartition des entreprises
de la base par taille à l’intérieur des secteurs. Par exemple, on peut
voir, dans la deuxième partie du tableau, que la répartition dans le
secteur 10 (équipement électrique) est le plus proche de la répartition
des firmes de l’ensemble de la base. 30% des entreprises sont en
effet de petite taille, 36% appartiennent à la catégorie des moyennes
et 35% sont grandes. Les chiffres en gras ou surlignés en gris mettent
en évidence, en revanche, les cas où les pourcentages sont éloignés
de ceux qui correspondent à l’ensemble des secteurs. Les
pourcentages les plus élevés sont en gras et les pourcentages les
plus faibles sont surlignés en gris. On constate que les entreprises
dans la catégorie des “petites” sont relativement plus présentes
dans le secteur du bois, papier & édition (58%), dans l’agro-
alimentaire (57%), dans la fabrication de meubles (51%) et dans les
matériaux métalliques (45%). En revanche, elles sont moins présentes
dans deux secteurs : l’habillement (10%) et les chaussures et cuir
(23%). C’est dans ce seul secteur du cuir et chaussures, que les
entreprises “moyennes” sont relativement les plus présentes, avec
une part de 40%. C’est aussi dans un seul secteur (l’agro-alimentaire)
que ces entreprises “moyennes” sont relativement moins présentes
(21%). Enfin, les entreprises considérées comme “grandes” sont
plus fortement présentes dans l’habillement (57%), mais relativement
moins présentes dans le bois, papier & édition (13%), les matériaux
métalliques (17%) et l’agro-alimentaire (22%).
Tableau 2.19 : Nombre d’entreprises par taille selon le nombre d’années de présence dans la base
Nombre d’annéesde présence dansla base
Nombre Pourcentage
Total Petite Moyenne Grande Petite Moyenne Grande
1 1469 732 455 282 50% 31% 19%
2 561 195 205 161 35% 37% 29%
3 469 144 172 153 31% 37% 33%
4 327 84 104 139 26% 32% 43%
5 322 114 106 102 35% 33% 32%
6 318 68 109 141 21% 34% 44%
7 205 27 78 100 13% 38% 49%
8 178 17 67 94 10% 38% 53%
9 140 10 46 84 7% 33% 60%
10 128 3 24 101 2% 19% 79%
11 89 1 15 73 1% 17% 82%
43
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2.20 : Répartition des entreprises par secteur et par taille
SecteursNombre Pourcentage
Total Petite Moyenne Grande Petite Moyenne Grande
1. Agro-alimentaire & Tabac 561 317 119 125 57% 21% 22%
2. Textile 262 96 103 63 37% 39% 24%
3. Habillement 1236 124 406 706 10% 33% 57%
4. Chaussures & Cuir 250 57 101 92 23% 40% 37%
5. Bois, Papier & Edition 283 163 82 38 58% 29% 13%
6. Chimie et Pharmacie 179 68 62 49 38% 35% 27%
7. Caoutchouc & Plastiques 159 61 62 36 38% 39% 23%
8. Matériaux non métalliques 413 124 109 81 39% 35% 26%
9. Matériaux métalliques 320 145 121 54 45% 38% 17%
10. Equipements Electriques 329 98 117 114 30% 36% 35%
11. Industrie automobile 102 35 28 39 34% 27% 38%
12. Meubles 211 107 71 33 51% 34% 16%
Le tableau suivant indique la répartition des entreprises selon la
structure du capital et la taille. Parmi les 4 206 entreprises de
l’échantillon, 126 (soit 3%) ont une partie de leur capital détenue
par l’Etat et 1 243 (soit 30%) ont une partie de leur capital détenue
par des investisseurs étrangers. Les firmes concernées sont
essentiellement dans la catégorie des “grandes” (58% pour la
détention de capital étatique et 65% pour la détention de capital
étranger).
Tableau 2.21 : Nombre de firmes par structure du capital et par taille
Structure du capital des entreprises
Nombre Pourcentage par type de firmes
Total Petite Moyenne Grande Petite Moyenne Grande
Entreprises ayant au moins une partie de son capital détenue par l’Etat
126(soit 3% des 4206 entreprises)
24 29 73 19% 23% 58%
Entreprises ayant au moins une partie de son capital détenue par des investisseursprivés étrangers
1243(soit 30% des 4206 entreprises)
107 334 802 9% 27% 65%
44
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Dans le tableau 3.22, est indiqué le nombre d’entreprises par
grande région. On constate que la très grande majorité des
entreprises de l’échantillon sont localisées dans le district de Tunis,
dans le Nord Est et le Centre Est. Seulement, 6% des 4 206 firmes
se trouvent dans le Nord Ouest, 3% sont dans le Sud (Est et Ouest)
et 2% de l’échantillon sont dans le Centre Ouest.
Tableau 2.22 : Nombre d’entreprises par grande région
Regions Nombre d'entreprises En pourcentage
1. District de Tunis et Nord Est 1829 45%
2. Nord Ouest 246 6%
3. Centre Est 1731 43%
4. Centre Ouest 95 2%
5. Sud Est et Ouest 122 3%
Total 4023* 100%
* 183 entreprises n’ont pas renseigné leur localisation, ce qui explique que l’on ne retrouve pas le nombre total de firmes dans la base, qui est de 4206.* Il s’agit de la moyenne non pondérée, sur l’ensemble des 11 années, exprimée en log.
Le tableau 3.23 indique la productivité moyenne non pondérée
selon la structure du capital des entreprises. On constate que les
firmes dont le capital est détenu en totalité ou en partie par l’Etat ou
par des investisseurs étrangers, ont, sur l’ensemble de la période,
une productivité moyenne supérieure à celle de l’ensemble des
entreprises. On ne peut, toutefois, en déduire aucun lien de
causalité, d’autant que, comme on l’a montré plus haut, ces
firmes appartiennent majoritairement à la catégorie des “grandes”
entreprises. Il n’est donc pas étonnant d’observer une productivité
moyenne plus élevée pour ces deux catégories d’entreprises.
Structure du capital des entreprises Productivité du travail moyenne non pondérée
Entreprises ayant au moins une partie de son capital détenue par l’Etat 9,22
Entreprises ayant au moins une partie de son capital détenue par desinvestisseurs privés étrangers
8,71
Tableau 2.23 : Moyenne de la productivité du travail selon la structure du capital
Le tableau 3.24 donne la productivité moyenne pondérée par année
(exprimée en log), qui est également représentée sous forme graphique
(graphique 1). Au cours de ces 11 années, la productivité du travail
des entreprises tunisiennes de notre échantillon a fortement augmenté.
On est passé d’une productivité du travail (en moyenne pondérée) de
9,42 en 1997 à 9,67 en 2006 (ce qui représente 25% d’augmentation)
et à 9,91 en 2007 (soit 49% d’augmentation, toujours par rapport à
1997). En taux de croissance annuels, la productivité a baissé
uniquement entre 2002 et 2003 (de 5%), entre 2003 et 2004 (de 1%)
et entre 2004 et 2005 (de 1%). La forte augmentation de la productivité
45
entre 2006 et 2007 (+24%) est assez étonnante et doit être considérée
avec prudence. L’année 2007 est en effet caractérisée par un
renouvellement important des entreprises dans l’échantillon : comme
le montre le tableau 13, 30% des firmes en 2007 n’ont jamais été
présentes auparavant dans la base. Il semble donc que ces entrées
et sorties d’entreprises ont très fortement contribuées à cette
augmentation de la productivité entre 2006 et 2007. Bien que l’INS
utilise un certain nombre de procédures pour garantir la représentativité
des échantillons enquêtés, on doit faire preuve de prudence dans
l’interprétation des résultats lorsque l’on travaille sur des bases de
données qui ne sont pas issues de recensements. Aussi, pour ne pas
fausser les interprétations, certains graphiques seront présentés à la
fois (i) sur toute la période (c’est à dire de 1997 à 2007) et, (ii) en ne
tenant pas compte de la dernière année (c’est dire de 1997 à 2006).
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
AnnéesProductivité moyenne pondérée (en log)
Taux de croissance annuel de la productivité moyenne pondérée
Taux de croissance de la productivité par rapport à 97
1997 9,42
1998 9,45 3% 3%
1999 9,49 4% 7%
2000 9,58 9% 16%
2001 9,61 3% 19%
2002 9,66 5% 24%
2003 9,61 -5% 19%
2004 9,60 -1% 18%
2005 9,59 -1% 17%
2006 9,67 8% 25%
2007 9, 91 24% 49%
Tableau 2.24 : L’évolution de la productivité du travail de l’ensemble des entreprises de l’échantillon
Les graphiques 2.4a montrent la productivité du travail moyenne pondérée
par secteur, d’abord entre 1997 et 2007, puis entre 1997 et 2006.
Si l’on ne tient pas compte de 2007, on constate que la productivité
du travail a baissé dans 5 secteurs : le textile (secteur 2), l’habillement
(secteur 3), la chimie et pharmacie (secteur 6), le caoutchouc et
plastique (secteur 7) et l’automobile (secteur 11).
Pour les 3 premiers secteurs (textile (2), habillement (3) et chimie
et pharmacie (6)), la forte augmentation de la productivité entre
2006 et 2007 permet de compasser les baisses qui précèdent et,
de se retrouver, en 2007, avec des niveaux de productivité
supérieurs à leur niveau en début de période (c’est à dire 1997).
Dans le secteur 7 (caoutchouc et plastique), la productivité du
travail augmente aussi fortement entre 2006 et 2007, mais pas
46
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
suffisamment pour dépasser le niveau de productivité de 1997.
Aussi, si l’on regarde les graphiques sur la période 1997-2007, un
seul secteur, celui de l’automobile (secteur 11) voit sa productivité
du travail baisser nettement.
En revanche, la productivité du travail a augmenté dans 7
secteurs : l’agro-alimentaire (secteur 1), le cuir et chaussures
(secteur 4), le bois, papier et imprimerie (secteur 5), les matériaux
non métalliques (secteur 8), les matériaux métalliques (secteur
9), les équipements électriques (secteur 10) et les meubles
(secteur 12). Parmi ces secteurs, l’augmentation de la productivité
du travail est particulièrement marquée dans le secteur de l’agro-
alimentaire (1), le bois, papier et imprimerie (5), les matériaux non
métalliques (8), les matériaux métalliques (9) et les équipements
électriques (10).
Le graphique 2.4c montre l’évolution de la productivité du travail
selon la structure de capital des entreprises entre 1997 et 2007,
avec en trait plein, la catégorie des entreprises entièrement
domestiques et, en pointillé, la catégorie des firmes ayant une
partie au moins de leur capital détenue par des investisseurs
étrangers.
Il apparaît clairement que la productivité des entreprises domestiques
a augmenté plus fortement que celle des entreprises ayant du capital
étranger. En 1997, la productivité des entreprises domestiques est de
9,32. Elle passe à 9,72 en 2006 et quasiment à 10 en 2007. Pour les
entreprises ayant du capital étranger, on passe de 9,58 en 1997, à
9,68 en 2006, et 9,82 en 2007.
Entre 1997 et 2003, la productivité des entreprises ayant du capital
étranger est supérieure à celle des entreprises domestiques. A partir
de 2003, c’est l’inverse : la productivité du travail des entreprises
domestiques devient supérieure à celle des firmes ayant du capital
étranger.
Ce résultat contre-intuitif est intéressant, et demanderait une analyse
spécifique plus fouillée. On s’attend, en effet, généralement à ce que
la dynamique d’évolution de la productivité soit plus importante pour
les entreprises possédées en partie par des investisseurs étrangers.
47
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Graphiques 2.4a : L’évolution de la moyenne pondérée de la productivité du travail par secteur entre 1997 et 2007 (en log)
Entre 1997 et 2006 (en log)
par
par
Année
Année
48
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Graphiques 2.4b : L’évolution de la moyenne pondérée de la productivité du travail par taille entre 1997 et 2007 (en log)
product petiteproduct moyenneproduct grande
Graphique 2.4c : L’évolution de la moyenne pondérée de la productivité du travail selon la structure du capital des entreprises (en log)
product domestiqueproduct étrangère
49
2.4.2. L’analyse de la décomposition de la productivité
2.4.2.1. Définitions et méthodologie
L’augmentation de la productivité du travail au niveau des
entreprises peut être liée :
- soit à des variations conjoncturelles de la demande non anticipées
par les entreprises, lesquelles, généralement expliquent plus
fréquemment des baisses “accidentelles” de la productivité du
travail ;
- soit à des rigidités sur le marché du travail qui peuvent ralentir
l’adaptation du nombre d’employés (à la hausse, comme à la
baisse) aux variations de la production ;
- soit à un ensemble de décisions propres aux entreprises qui
peuvent conduire à une amélioration de la productivité. On peut
citer pour exemple, l’amélioration du niveau de formation des
employés, l’investissement dans l’achat de machines plus
performantes, l’utilisation d’inputs de meilleure qualité, la
réorganisation de l’entreprise, des décisions de licenciements, etc.
Les phénomènes de réallocation, quant à eux, peuvent être la
conséquence de changements inter-sectoriels (certains secteurs
se développent, alors que d’autres stagnent ou se réduisent) ou
de changements intra-sectoriels, c’est à dire qu’à l’intérieur de
chaque secteur, se produisent des changements de parts de
marché, ainsi que des entrées et sorties d’entreprises. Pendant
longtemps, parce que l’on ne disposait essentiellement que de
données sectorielles (soit d’origine nationale, soit d’origine
internationale par l’UNIDO), l’analyse de la réallocation s’est
concentrée sur les changements entre secteur, d’autant que
l’hypothèse de firme homogène supposée, à la fois, par les théories
traditionnelles du commerce international et par la théorie du New
Trade (Krugman,1979, Helpman et Krugman, 1987) ne permettait
pas d’expliquer sur le plan théorique la possibilité de réallocation
à l’intérieur des industries. Le développement récent de la théorie
du “New New Trade”, initiée notamment par Melitz (2003), et
caractérisée par la prise en compte de l’hétérogénéité des
entreprises à l’intérieur des secteurs, a justifié sur le plan théorique,
que l’on focalise l’analyse sur les changements au niveau des
firmes. L’accès à des bases de données individuelles d’entreprises
a permis que se développent les analyses empiriques dans le
prolongement de ces avancées théoriques.
Ainsi, les principales leçons à tirer des développements théoriques
et empiriques récents dans la littérature sont qu’à l’intérieur d’une
même industrie, il existe des entreprises qui peuvent être très
différentes, du fait de leur taille, de leur degré d’intégration dans
l’économie internationale, de leur niveau de productivité, etc. et
que, dans ce contexte, tout changement (réforme commerciale,
climat des affaires, changement de la demande internationale,
accroissement de la concurrence, etc.) va se répercuter de façon
différenciée sur ces entreprises et générer forcément des
réallocations à l’intérieur des secteurs. L’idée qui domine dans la
littérature est que ces réallocations à l’intérieur de chaque industrie
seraient d’une ampleur beaucoup plus importante que celles qui
se produisent entre secteurs. Dans ce cadre théorique, Melitz
(2003, déjà cité) a montré, par exemple, que l’ouverture aux
échanges internationaux conduit à une augmentation des parts
de marché des entreprises initialement les plus productives, au
détriment des entreprises les moins productives, qui disparaissent
ou qui voient leur part de marché se réduire. Pour ces auteurs de
la “New New Trade”, les variations de la productivité agrégée d’une
économie s’expliquent essentiellement par ces phénomènes de
réallocation à l’intérieur des industries, en particulier lorsqu’il s’agit
d’économies qui s’ouvrent aux échanges internationaux.
Dans la littérature, les trois principales méthodes utilisées sont celles
de Foster, Haltiwanger et Krizan (FHK, 1998 et 2001), Griliches et
Regev (GR, 1995) et, celle plus récente de Pavcnik (2002). Bien que
la méthode FHK soit la plus complète, elle nécessite, comme d’ailleurs
aussi la méthode GR, de connaître les entrées et sorties des
entreprises. Les données de firmes tunisiennes ne permettant pas
l’identification des “vraies” sorties et entrées, la seule méthode
applicable dans notre cas de figure est celle de Pavcnik.
Cette méthode de décomposition a été appliquée (i) sur l’ensemble
de l’échantillon, (ii) par secteur, (iii) par taille et (iv) selon la structure
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
50
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
du capital des entreprises. Dans tous les cas de figure, les résultats
sont indiqués en terme de variation par rapport à l’année de départ,
c’est à dire 1997. Dans les quatre tableaux qui suivent La deuxième
colonne indique les changements de la productivité agrégée par
rapport à l’année 1997. Les deux colonnes qui suivent correspondent
respectivement aux variations du premier et du second terme de la
décomposition. Comme l’impose l’équation de la décomposition, la
somme, en ligne, des colonnes (3) et (4) correspond à la colonne (2).
2.4.2.2. Résultats du traitement de l’enquête entreprise.
1. Le tableau 14 montre les résultats pour l’ensemble de l’échantillon.
La colonne (2), qui indique les changements de la productivité du
travail agrégée pour l’ensemble des entreprises, correspond à la
dernière colonne du tableau 12 que l‘on a déjà présenté plus haut.
On constate que la grande partie des gains de productivité
proviennent de l’effet réallocatif. En 2006, les 25% de taux de
croissance de la productivité du travail agrégée sont dus, pour
8% à l’augmentation de la productivité à l’intérieur des entreprises
et pour 17% à la réallocation des ressources des entreprises les
moins efficientes vers les plus efficientes. Autrement dit, 67% de
la variation de la productivité agrégée sur les 10 années (97-2006)
sont dus à l’augmentation du terme de covariance. En 2007, cette
même part s’élève à 72%. Même si ce terme de covariance n’a pas
cru de façon régulière au cours de la période considérée, ce terme
est toujours positif (à l’exception seulement des deux premières
années), ce qui montre bien que la réallocation joue dans le bons
sens, autrement dit que les entreprises les plus productives se
développent et/ou les moins productives ont des parts de marché
en baisse.
Années Croissance de la Productivité agrégéeVariation de la Productivité non pondérée(Premier terme)
Variation de la Covariance (Secondterme)
1997 0,000 0,000 0,000
1998 0,023 0,055 -0,031
1999 0,071 0,072 -0,001
2000 0,153 -0,038 0,191
2001 0,183 0,043 0,140
2002 0,235 0,124 0,112
2003 0,183 -0,126 0,057
2004 0,172 -0,109 0,062
2005 0,164 -0,079 0,085
2006 0,249 0,081 0,168
2007 0,486 0,138 0,348
Tableau 2.25 : Décomposition de la croissance de la productivité agrégée pour l’ensemble de l’échantillon
2. Si pour l’ensemble de l’échantillon, la réallocation a fortement
contribué à l’accroissement de la productivité agrégée, ce
constat est loin d’être vérifié au niveau des secteurs. C’est en
effet dans seulement 2 industries (chaussures et cuir et
matériaux métalliques) que les variations du terme de covariance
sont toujours positives tout au long de la période et supérieures
à celles de la productivité des entreprises. En revanche, dans 6
secteurs, textile, chimie et pharmacie, caoutchouc et produits
plastiques, matériaux non métalliques, équipements électriques
et meubles, la productivité des entreprises a augmenté, alors que
51
le terme de covariance a eu un impact négatif sur la variation de
la productivité agrégée. Dans le secteur bois, papier et édition,
l’effet dominant est l’accroissement de la productivité du travail
à l’intérieur des entreprises. Dans le secteur agro-alimentaire,
l’augmentation de la productivité est également due, sur l’essentiel
de la période, à l’augmentation de la productivité des entreprises,
sauf pour les 2 dernières années (2006 et 2007) au cours
desquelles la contribution du terme de covariance a été
particulièrement importante. Enfin, dans 2 secteurs, celui de
l’habillement et celui de l’automobile, ce sont les deux termes
(productivité des firmes et covariance) qui ont joué un rôle négatif
sur la variation de la productivité du travail agrégée.
3. L’effet de la réallocation a fortement contribué à la croissance
de la productivité agrégée du travail pour la catégorie des
“moyennes” et des “grandes” entreprises. A l’exception de l’année
1998, la variation du terme de covariance est, en effet, toujours
positive pour ces 2 groupes de firmes. Pour la catégorie des “petites”,
ce même terme varie positivement seulement pour 4 années (2000,
2001, 2005 et 2007). La forte progression de ce terme de covariance
en 2007 doit être considérée avec précaution compte tenu, comme
on l’a déjà souligné plus haut, de l’important renouvellement de
l’échantillon qui a concerné particulièrement les “petites” entreprises.
Ces résultats montrent aussi que ce sont les entreprises de taille
“moyenne” qui ont le plus augmenté leur productivité du travail non
pondérée. Il serait intéressant de comprendre quels sont les facteurs
qui les ont incité à améliorer leur efficience et par quels moyens elles
y sont parvenues.
4. Les résultats de la décomposition de la productivité agrégée du
travail selon la structure du capital des entreprises montrent, dans
l’échantillon, l’effet de la réallocation à contribuer à l’accroissement
de la productivité agrégée seulement pour les entreprises
entièrement domestiques. Pour les firmes dont une partie du capital
est détenue par des investisseurs étrangers, la variation du terme
de covariance est positive uniquement 4 années (2000, 2001, 2002
et 2007). Concernant plus spécifiquement les entreprises
entièrement domestiques, les 40% d’augmentation de la
productivité du travail agrégée en 2006 sont dus pour 7% à
l’accroissement de la productivité du travail à l’intérieur des
entreprises et, pour 33% à l’effet de réallocation. En 2007, les 68%
d’augmentation de la productivité agrégée sont le fait de
l’augmentation de la productivité à l’intérieur des entreprises pour
14% et de l’effet réallocatif pour 54%.
2.4.2.3. Conclusion
Dans le cadre du projet, la productivité du travail des entreprises
tunisiennes du secteur industriel, a été analysée entre 1997 et
2007, à partir d’un échantillon de firmes individuelles issu des
Enquêtes Annuelles. Les principaux résultats qui ressortent de
cette analyse, sont les suivants.
Premièrement, la productivité du travail agrégée des entreprises
tunisiennes a fortement augmenté. Elle s’est accrue de 25% entre
1997 et 2006 (et de 49% entre 1997 et 2007, bien qu’il faille
considérer avec beaucoup de précaution cette dernière année
dans la mesure où 30% de l’échantillon a été renouvelé).
Deuxièmement, au niveau sectoriel, la productivité du travail
agrégée a augmenté dans 7 industries (agro-alimentaire, cuir et
chaussures, bois, papier et imprimerie, matériaux non métalliques,
matériaux métalliques, équipements électriques et meubles). En
revanche, si l’on ne tient pas compte de l’année 2007, la
productivité agrégée a baissé dans 5 secteurs (textile, habillement,
chimie et pharmacie, caoutchouc et plastique et automobile).
Troisièmement, alors que la productivité moyenne non pondérée sur
l’ensemble de la période est plus élevée pour les “grandes” entreprises
que pour les “moyennes”, la productivité agrégée s’est accrue plus
vite pour les entreprises de taille “moyenne” que pour les “grandes”
firmes. A partir de 2003 et jusqu’en 2006, la productivité du travail
agrégée des “moyennes” dépasse celle des “grandes”.
Quatrièmement, la productivité du travail agrégée des entreprises
domestiques a augmenté plus fortement que celles des entreprises
ayant une partie au moins de leur capital détenue par des investisseurs
étrangers.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
52
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Enfin, les résultats de la décomposition ont mis en évidence le rôle
joué par la réallocation des ressources des entreprises les moins
efficientes vers les plus efficientes dans l’accroissement de la productivité
du travail agrégée sur l’ensemble de l’échantillon. Les 25% de taux
de croissance de la productivité entre 1997 et 2006 sont dus pour 8%
à l’augmentation de la productivité du travail à l’intérieur des entreprises
et pour 17% à l’effet de réallocation. Ce constat se vérifie en particulier
pour les entreprises domestiques, ainsi que pour les entreprises de
taille “moyenne” et “grande”. En revanche, au niveau sectoriel, ce
résultat ne se vérifie que dans 2 industries (chaussures et cuir, matériaux
métalliques). L’augmentation de la productivité du travail à l’intérieur
des entreprises a concerné un plus grand nombre de secteurs (agro-
alimentaire, textile, bois, papier et édition, chimie et pharmacie,
caoutchouc et produits plastiques, matériaux non métalliques,
équipements électriques, meubles).
Bibliographie
Disney, R., J. Haskel and Y. Heden (2003), Restructuring and
productivity growth in UK manufacturing, Economic Journal, Vol.
113, No. 489, pp. 666 – 694.
Foster, L., J.C. Haltiwanger and C.J. Krizan (1998), Aggregate
productivity growth: Lessons from microeconomic evidence, Working
Paper 6803 NBER.
Foster, L., J.C. Haltiwanger and C.J. Krizan (2001), Aggregate
productivity growth: Lessons from microeconomic evidence, in
Edward Dean, Michael Harper, and Charles Hulten (eds.), New
Developments in Productivity Analysis, Chicago: University of Chicago
Press.
Griliches, Z. and H. Regev (1995), Firm productivity in Israeli industry
1979-1988, Journal of Econometrics, 65, pp. 175-203.
Hall, B. H. and J. Mairesse (1995), Exploring the relationship between
R&D and productivity in French manufacturing firms, Journal of
Econometrics, Elsevier, 65(1), pp. 263-293.
Helpman E. and P.R. Krugman (1987), Market Structure and Foreign
Trade: Increasing Returns, Imperfect Competition, and the
International Economy, MIT Press Books, The MIT Press.
Krugman, P. R. (1979), Increasing returns, monopolistic competition,
and international trade, Journal of International Economics, 9(4),
pp. 469-479.
Melitz, M. (2003), The Impact of Trade on Intra-Industry Reallocations
and Aggregate Industry Productivity, Econometrica, 71, pp. 1695–
1725.
Pavcnik, N. (2002), Trade Liberalization, Exit, and Productivity
Improvements: Evidence From Chilean Plants, Review of Economic
Studies, 69, pp.245-276.
53
3. La formation
La formation des cadres de l’ITCEQ était une composante essentielle
du projet. Deux sessions de formations, la première au mois de
novembre 2010, la deuxième au cours du mois d’avril et du mois mai
2011, ont permis aux experts de l’ITCEQ et du DEFI de développer
des collaborations constructives. Ces sessions de formations à Aix en
Provence et à Tunis ont permis d’une part, de favoriser le transfert des
connaissances dans les méthodes quantitatives, et d’autre part, de
traiter des sujets d’intérêt de l’ITCEQ. Les experts de l’ITCEQ disposent
des supports de cours, des programmations sur STATA, et de l’accès
aux bases de données du DEFI. Les comptes rendus non exhaustifs
des sessions de formation reproduits ci après donnent un aperçu des
thèmes et des méthodes traités.
3.1 Un exemple de session de formationéconométrie et modélisation macroéconomique
29 novembre : Estimations à l’aide du logiciel Eviews
Matin et après-midi :
Experts DEFI : Marcel Aloy, Eric Heyer
Cette journée a été consacrée à la mise en application des techniques
économétriques sur séries temporelles présentées au cours des
journées précédentes.
Plan de la journée
1. Rappels des principaux tests économétriques sur séries
temporelles
2. Initiation au logiciel Eviews
3. Estimations des différentes équations de comportement sur
données françaises
a. MCE en 2 étapes
b. MCE en 1 étape
Mardi 30 novembre : Présentation des différents modèles
nationaux
Matin et après-midi :
Experts DEFI : Marcel Aloy, Eric Heyer
Au cours de cette journée nous sommes revenus sur la structure et
les propriétés des modèles nationaux qui existent en France, en
comparant tout particulièrement le modèle de l’OFCE (emod.fr) et
celui du Ministère de l’économie (Mésange).
Plan de la journée
1. Cadre comptable
2. Le schéma des causalités
3. Transparent des causalités
4. Taille du modèle
5. Les principaux comportements
a. Consommation
b. Investissement
c. Emploi
d. Boucle prix-salaire
e. Commerce extérieur
6. Le multiplicateur
a. Mécanisme
b. Décomposition selon les grands agrégats
c. Le multiplicateur dans le temps
d. Pourquoi ça varie ?
e. Le multiplicateur au cours de la crise
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
54
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
7. Les instruments de la modélisation
a. Le modèle à correction d’erreur
b. L’écriture usuelle
c. Le long terme et la cointégration
d. La dynamique
Mercredi 1 décembre : Les propriétés structurelles de la
modélisation & estimations sur données tunisiennes
Matin :
Experts DEFI : Marcel Aloy, Eric Heyer
Au cours de cette matinée, nous sommes revenus sur les
propriétés structurelles de la modélisation en mettant l’accent tout
particulièrement sur les notions de croissance potentielle et de
chômage structurel.
Plan de la matinée
1. La production potentielle
a. Evaluation structurelle
b. Evaluation par filtre
2. Le Chômage structurel
a. Evaluation structurelle
b. Evaluation par filtre
3. Retour sur les différentes évaluations et leurs conséquences en
matière de politique économique
Après-midi :
Experts DEFI : Marcel Aloy, Eric Heyer
Au cours de cet après-midi, nous avons estimé, sur des données
tunisiennes, des équations d’emploi et de prix de la valeur ajoutée
pour les différents secteurs.
3.2. Un exemple de formation au traitement desdonnées d’entreprises
Mardi 23 novembre
Matin et après-midi :
Expert DEFI : Gilbert Cette
Présentation des analyses de la production potentielle et des
méthodes de calcul de la productivité du travail (cf. Diapositives des
séances de travail en Annexe).
Mercredi 24 novembre
Expert DEFI : Marion Dovis
1. Présentation des méthodes de nettoyage des bases de données
(cf. Diapositives en annexe)
2. Présentation et explication des principales commandes de la
gestion des bases de données sur Stata (cf. Diapositives en
Annexe)
3. Travail sur les données de l’Enquête : Contrairement à ce que
nous avions prévu, l’ITCEQ ne dispose pas de base globale
regroupant l’ensemble des variables disponibles issus des
données d’Enquête. Les données existent, en effet, uniquement
sur des fichiers Excel séparés par année et par type de variables.
Or le nettoyage soit s’effectuer sur une base unique. Ce constat
imposé d’ajouter au programme initialement prévu13, la
réalisation de ce fichier complet des variables.
4. Réalisation d’une base unique regroupant l’ensemble des
données disponibles issues des Enquêtes : Ces données étant
sur des fichiers Excel séparés par année et par catégorie de
variables (état résultat, emploi, passif, actif, immobilisations,
identification, autres valeurs comptable et autre valeurs
13 Le programme de travail initialement prévu supposait que nous ayons ces données prêtes sur une base STATA.
55
comptables et suite), le passage de ces fichiers Excel à une base
omplète sur Stata, nécessitait :
- d’harmoniser chacun des fichiers Excel pour les rendre
comparables.
- de créer des correspondances entre des questionnaires différents
(changement de questionnaire à partir de 98).
- d’ajouter les indices de prix.
- de faire la fusion de l'ensemble de ces fichiers pour avoir un
fichier complet sur STATA.
Ce travail aurait normalement nécessité, au minimum, 3 ou 4 jours
de travail. Pour pouvoir effectuer, dans le même temps, la partie
Training prévue, et, d’une façon générale, remplir les objectifs prévus
dans le cadre de cette mission, ce travail a été fait en grande partie,
le soir et durant le week end par les experts du DEFI (essentiellement
M. Dovis). Pour éviter des pertes de temps, M. Dovis a mis à
disposition des cadres de l’ITCEQ, dès vendredi après-midi, une
première version de la base sur Stata (pour qu'ils puissent faire le
travail préparatoire du nettoyage, s'entraîner sur Stata pour la mise
en application de la séance portant sur les principales commandes
utilisées, etc.).
Jeudi 25 novembre
Matin :
Expert DEFI : Patricia Augier
Présentation et explication des différentes mesures de décomposition
de la productivité utilisées dans la littérature scientifique.
Après-midi :
DEFI Experts DEFI : Patricia Augier, Marion Dovis
Harmonisation des différentes bases de données initiales :
(i) Discussion sur la correspondance entre le questionnaire de 1997
et celui utilisé à partir de 1998.
(i) Préparation du fichier de programmation de la fusion des
différentes bases de données.
Vendredi 26 novembre
Matin et après-midi :
Expert DEFI : Marion Dovis
1. Suite de la préparation du fichier de programmation de la fusion
des différentes bases de données.
2. Elaboration d’une version préliminaire de la base de données à
l’attention des cadres de l’ITCEQ pour que ces derniers puissent
commencer les premières analyses descriptives pour préparer
les programmes de nettoyage.
3. Labellisation des variables disponibles dans la base.
Lundi 29 novembre
Matin :
Expert DEFI : Marion Dovis
Finalisation et vérification de la fusion des bases de données avec
l’ensemble des variables.
Après-midi :
Expert DEFI : Patricia Augier, Marion Dovis
1. Vérification des correspondances entre le questionnaire de
l’enquête de 1997 et celui utilisé à partir de 1998, en particulier
pour le compte de résultat et pour l’emploi. Un fichier précisant
le passage entre ces deux questionnaires a été préparé. Pour
les cas qui ont fait l’objet de discussions, une vérification a été
effectuée par le calcul des coefficients de corrélation. Le résultat
de ces tests de corrélation est précisé sur le fichier concernant
ce passage (cf. Annexe).
Mardi 30 novembre
Matin et après-midi :
Experts DEFI : Patricia Augier, Marion Dovis
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
56
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
1. Elaboration du programme de nettoyage.
2. Analyse des données du Répertoire pour évaluer les possibilités
de son utilisation.
3. Discussion sur le choix de la méthode de décomposition de la
productivité la plus adaptée. Il a été convenu que le choix devait
porter sur une méthode intuitive qui réponde à ce qui est souhaité
mettre en évidence. De plus, il a été soulevé que le problème
de la non identification des entrées et des sorties de firmes sur
le marché devait être pris en compte dans le choix de la méthode
de décomposition.
Mercredi 1 décembre
Matin et après-midi :
Experts DEFI : Patricia Augier, Marion Dovis
1. Vérification du programme de nettoyage et Explication détaillée
des différentes étapes.
2. Discussion sur les changements qui sont possibles d’introduire
à partir du programme de base proposé et effectué par les
experts DEFI.
3. Discussion sur les méthodologies de décomposition.
Jeudi 2 novembre
Matin et après-midi :
Experts DEFI : Patricia Augier, Marion Dovis
1. Discussion sur les méthodologies de décomposition.
(i) Choix de la méthode qui sera utilisée
(ii) Choix du logiciel qui sera utilisée pour la programmation.
2. Analyse des accomplissements de la mission au regard des
objectifs attendus et Programmation de la suite du projet (cf.
détails de ces points dans le paragraphe qui suit).
57
4. Conclusions
i) Le programme d’assistance technique ITCEQ/DEFI, dont la
durée initiale prévue était de 4 mois, s’est en réalité déroulé sur
huit mois en raison notamment des évènements du mois de
janvier 2011 en Tunisie. Le champ couvert par le projet était très
vaste et certains aspects n’ont pu être que partiellement traités.
Toutefois, dans ces cas peu nombreux, les éléments théoriques
et méthodologiques ont été couverts, ce qui ouvre la voie à des
validations empiriques ultérieures.
ii) Le volet formation a atteint les objectifs fixés d’un commun
accord avec les experts de l’ITCEQ lors de la mission de
démarrage.
• Les experts de l’ITCEQ ont reçu une formation en économétrie
et modélisation macroéconomique. En techniques quantitatives
plusieurs sessions ont été consacrées aux logiciels de traitement
en particulier à Stata, les experts de l’ITCEQ étant davantage
familiers d’Eviews.
• Les experts de l’ITCEQ ont reçu une formation théorique à la
modélisation macroéconomique. A cette occasion, ils ont pu
prendre connaissance de modèles macroéconomiques utilisés
dans les grandes institutions de prévisions européennes.
• Les experts de l’ITCEQ ont enfin reçu une formation dans les
composantes 2.2 et 3.
- Les cadres de l’ITCEQ ont reçu une formation sur les méthodes
de nettoyage des données microéconomiques utilisées dans la
littérature.
- Les cadres de l’ITCEQ ont reçu une formation sur la gestion des
bases de données sur le logiciel Stata.
- Les cadres de l’ITCEQ ont à disposition une base de données
fusionnée, donc complète avec l’ensemble des variables.
- Les cadres de l’ITCEQ ont à disposition le programme de
nettoyage sur Stata, ainsi que la base de données nettoyée avec
l’ensemble des variables immédiatement utilisables et/ou
modifiables. Ce programme a été élaboré de manière à ce que
les cadres de l’ITCEQ puissent, par la suite, le modifier à leur
convenance.
- Les cadres de l’ITCEQ ont reçu une formation sur les méthodes
de décomposition utilisées dans la littérature.
- L’implémentation des méthodes de décomposition, peut être
effectuée à l’aide de différents logiciels comme Excel, Stata ou
Gauss. Les experts du DEFI et les cadres de l’ITCEQ ont convenu
qu’il était plus adapté de choisir un logiciel permettant la
programmation comme Stata ou Gauss.
iii) Sur le fond, les résultats obtenus par les experts du DEFI et de
l’ITCEQ sont dignes d’intérêt et ouvrent de nombreuses
perspectives pour développer la modélisation de l’économie
tunisienne et apporter des réponses aux défis de l’économie
tunisienne.
La modélisation des secteurs manufacturiers micro fondée sur les
approches des modèles d’équilibre général calculables a débouché
sur des estimations des paramètres qui conduisent aux conclusions
suivantes :
- La substitution entre le capital et le travail est forte (élasticité
proche de l’unité, Cobb-Douglas) dans le secteur des Industries
Agro-alimentaires ainsi que dans celui des industries Mécaniques
et Électriques (secteurs 2 et 4), tous les deux fortement
exportateurs. La substitution entre les deux facteurs est plus
faible (élasticité voisine de 0,7, CES) dans les secteurs des MCCV
et de la Chimie. Dans les autres secteurs, il y a complémentarité
entre les facteurs de production.
- Les simulations dynamiques montrent que les secteurs industriels
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
58
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
tunisiens sont caractérisés par une assez forte rigidité dans
l’ajustement des facteurs : à la suite de chocs de demande ou
de coûts réels, il faut généralement trois à quatre années pour
observer un ajustement significatif des quantités de travail et
de capital.
- Le taux de croissance de la productivité globale des facteurs
est hétérogène. Il est relativement faible dans les IAA et le textile
et élevé dans les IME et l’industrie chimique.
- Dans tous les secteurs étudiés, il ressort une forte élasticité de
substitution entre l’emploi qualifié et non qualifié14 allant de 3,3
pour le secteur 5 à plus de 6 pour le secteur 4. Ce résultat est
important, apparemment robuste et relativement inattendu : il
implique notamment qu’une diminution de 1% du salaire relatif
des qualifiés par rapport aux non-qualifiés conduirait (à long
terme) à une croissance du nombre d’emplois des qualifiés
supérieure de 3% à 6% à celle des non-qualifiés
Ces premiers résultats permettent donc de valider à la fois les
fondements théoriques et les méthodologies économétriques mises
en œuvre. Ainsi, sur la base des travaux réalisés dans le cadre de
cette étude, les estimations sectorielles des prix et du commerce
extérieur – qui restent à faire – doivent pouvoir être effectués sans
difficultés majeures
iv) Les résultats des estimations des fonctions d’exportation par
secteur réalisées sur des séries chronologiques sont riches
d’enseignements. Ils font apparaître de fortes disparités entre
les secteurs, autant en ce qui concerne les élasticités-prix de
long terme des différents secteurs (et donc leur niveau de
substituabilité sur le marché européen), qu’en ce qui concerne
le comportement dynamique des exportations à la suite de chocs
de prix relatifs et de chocs de demande (cf. rapport final de la
composante). Dès lors, l’estimation d’une équation d’exportation
agrégée, même si elle satisfait les critères de qualité
économétriques, ne peut pas servir de support aux prévisions
et à l’élaboration d'une politique de développement industriel
cohérente.
Les estimations en données de panel ont permis de compléter
utilement les estimations réalisées pour chaque secteur pris
isolément.
Compte tenu du faible nombre d’observations dans l’échantillon
étudié, l’estimation en panel permet de donner une estimation assez
robuste du comportement dynamique ‘moyen’ des exportations
sectorielles. Il en ressort que, quelles que soient les spécifications
utilisées pour la mesure des prix relatifs :
- L’élasticité des exportations tunisiennes vers l’Europe par rapport
à la demande adressée est voisine de l’unité à long terme (cette
valeur unitaire n’est pas rejetée statistiquement dans les MCE),
mais elle semble relativement faible à court terme en moyenne,
et même non-significative dans les estimations en taux de
croissance. Il en résulte que l’effet instantané d’une variation de
la demande adressée peut être considéré comme négligeable,
l’ajustement des exportations nécessitant probablement un délai
sensiblement supérieur à une année.
- L’élasticité-prix des exportations tunisiennes vers l’Europe est
de l’ordre de -0,6 à -0,73 à court terme comme à long terme.
- Enfin, les graphiques des résidus des différents modèles estimés
tendent à montrer que les secteurs des IAA, des IMCCV (sur la
première sous-période) et des Hydrocarbures se révèlent les
moins proches de l’estimation globale, ce qui justifie l’approche
sectorielle. En effet, nous avons pu constater sur les séries
14 Notons que la distinction travailleur qualifié / non qualifié est ici appréhendée sous l’angle du diplôme et non sur celui de la nature du métier : dans nos estimations, les qualifiésont été définis comme titulaires d’un diplôme d’enseignement supérieur, tandis que les non-qualifiés regroupent les autres individus. Les termes utilisés dans notre présentation(« qualifiés » et « non-qualifiés ») ont donc un caractère volontairement simplificateur et très schématique.
59
chronologiques que le secteur des Hydrocarbures se caractérise
par une élasticité-prix beaucoup plus importante que les autres
secteurs, tandis que le secteur des IAA présente des élasticités
de la demande de court-terme relativement élevée par rapport
aux autres secteurs d’exportation.
v) Le projet a permis aux experts de l’ITCEQ d’affiner leur
connaissance sur la spécialisation de la Tunisie dans les échanges
internationaux. L’analyse des pays concurrents de la Tunisie
grâce à l’accès aux bases de données internationales et à
l’application des résultats de la théorie du commerce international
incorporés dans le logiciel « Trade Swift » a été renforcée. Le
positionnement dynamique de la Tunisie par rapport à la demande
mondiale et l’identification des pays concurrents sont maintenant
disponibles au niveau HS6 de la nomenclature des produits.
vi) Dans le cadre du projet, la productivité du travail des entreprises
tunisiennes du secteur industriel a été analysée entre 1997 et
2007, à partir d’un échantillon de firmes individuelles issu des
Enquêtes Annuelles. Les principaux résultats qui ressortent de
cette analyse, sont les suivants.
Premièrement, la productivité du travail agrégée des entreprises
tunisiennes a fortement augmenté. Elle s’est accrue de 25% entre
1997 et 2006 (et de 49% entre 1997 et 2007, bien qu’il faille
considérer avec beaucoup de précaution cette dernière année dans
la mesure où 30% de l’échantillon a été renouvelé).
Deuxièmement, au niveau sectoriel, la productivité du travail agrégée
a augmenté dans 7 industries (agro-alimentaire, cuir et chaussures,
bois, papier et imprimerie, matériaux non métalliques, matériaux
métalliques, équipements électriques et meubles). En revanche, si
l’on ne tient pas compte de l’année 2007, la productivité agrégée
a baissé dans 5 secteurs (textile, habillement, chimie et pharmacie,
caoutchouc et plastique et automobile).
Troisièmement, alors que la productivité moyenne non pondérée sur
l’ensemble de la période est plus élevée pour les “grandes”
entreprises que pour les “moyennes”, la productivité agrégée s’est
accrue plus vite pour les entreprises de taille “moyenne” que pour
les “grandes” firmes. A partir de 2003 et jusqu’en 2006, la productivité
du travail agrégée des “moyennes” dépasse celle des “grandes”.
Quatrièmement, la productivité du travail agrégée des entreprises
domestiques a augmenté plus fortement que celles des entreprises
ayant une partie au moins de leur capital détenue par des
investisseurs étrangers.
Enfin, les résultats de la décomposition ont mis en évidence le rôle
joué par la réallocation des ressources des entreprises les moins
efficientes vers les plus efficientes dans l’accroissement de la
productivité du travail agrégée sur l’ensemble de l’échantillon. Les
25% de taux de croissance de la productivité entre 1997 et 2006
sont dus pour 8% à l’augmentation de la productivité du travail à
l’intérieur des entreprises et pour 17% à l’effet de réallocation. Ce
constat se vérifie en particulier pour les entreprises domestiques,
ainsi que pour les entreprises de taille “moyenne” et “grande”. En
revanche, au niveau sectoriel, ce résultat ne se vérifie que dans 2
industries (chaussures et cuir, matériaux métalliques). L’augmentation
de la productivité du travail à l’intérieur des entreprises a concerné
un plus grand nombre de secteurs (agro-alimentaire, textile, bois,
papier et édition, chimie et pharmacie, caoutchouc et produits
plastiques, matériaux non métalliques, équipements électriques,
meubles).
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Chapitre I
Modélisation sectorielle des industries manufacturières
en Tunisie
61
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Table des matières
62 Introduction
64 1. Les fondements théoriques
64 1.1 Le prix unitaire de la valeur ajoutée : définition
65 1.2 La demande de facteurs
66 1.3 Demande de travail qualifié et non qualifié
66 1.4 Détermination du prix de la valeur ajoutée
67 1.5 Partage de l’offre entre exportations et offre de biens sur le marché domestique
68 1.6 Le partage de la demande entre importations et bien domestique
68 1.7 Détermination du prix et des qualités échangées sur le marché domestique
69 1.8 Détermination du prix et du volume d’exportations
69 1.9 Équations de définition
71 2. Les équations du modèle
71 2.1 Liste des variables et des paramètres du modèle
72 2.2 Les équations log-linéaires ( relations de long terme )
73 2.3 Les équations en niveau
75 3. Les estimations économétriques75 3.1 Les équations estimées
75 3.1.1 Emploi, capital et prix de la valeur ajoutée77 3.1.2 Emploi, qualifié et non qualifié
78 3.2 Les données
78 3.3 La méthode d’estimation
78 3.4 Les principaux résultats
80 3.4.1 Réponse de l’emploi à un choc de demande et de coût82 3.4.2 Réponse du capital à un choc de demande et de coût
84 Conclusion
84 Bibliographie
62
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Introduction
Nous considérons dans ce document la modélisation d’un
secteur i produisant un bien composite i. Ce bien composite
peut être soit vendu sur le marché domestique soit exporté. De la
même manière les utilisateurs finaux peuvent se procurer ce bien
sur le marché domestique auprès du secteur i ou bien à l’importation.
La structure théorique du modèle s’appuie sur les principes largement
utilisés dans les modèles d’équilibre général calculables (cf Lofgren
et alt., 2002) :
Le secteur i est soumis à la contrainte d’une fonction de production
à deux facteurs (travail L et capital K) de type CES, dont les coût
unitaires (respectivement W et Ck) sont donnés au niveau sectoriel.
La production (QX = Y/iva , où iva représente la valeur ajoutée en
volume par unité produite) du secteur i est répartie entre la vente
sur le marché domestique (QD) au prix Pd et la vente à l’exportation
(QE) au prix Pe. La répartition optimale de la production (QX) dépend
du prix relatif (Pd/Pe).
Le modèle proposé permet bien naturellement de considérer comme
cas particulier les secteurs dont la production est uniquement
destinée aux exportations, ou alternativement, les secteurs dont la
production est entièrement destinée au marché domestique.
Les consommations intermédiaires sont une fraction constante (ci)
de la quantité produite.
Du côté des utilisateurs finaux, l’absorption domestique adressée
aux biens du type produits par le secteur i (QQ) se répartit entre la
production du secteur domestique (QD) et les importations de
produits similaires (QM). La répartition de l’absorption entre ces deux
composantes dépend du prix relatif des produits domestiques (Pd)
par rapport au prix des produits importés (Pm).
Par rapports aux spécifications usuelles des modèles d’équilibre
général calculables (MEGC), les particularités de ce modèle sont les
suivantes :
- En premier lieu, nous considérons que le secteur est soumis à
une contrainte de demande sur le marché des biens, de telle
sorte que la demande optimale de facteurs de production (K et
L) se réalise sous la contrainte d’une demande (Y/iva) donnée,
qui est déterminée par ailleurs, notamment par le niveau de
l’absorption domestique (QQ). De ce fait, il s’agit donc
essentiellement d’un modèle de demande et non d’un modèle
d’offre.
- En second lieu, nous introduisons une distinction, au sein du
facteur travail (L), entre le travail qualifié (Lq) et le travail non
qualifié (Lnq). Chacun de ces deux types de travail est caractérisé
par un indice de productivité spécifique, ainsi que par un taux
de salaire propre (respectivement Wq et Wnq), supposé exogène
au niveau du secteur.
- En troisième lieu, nous introduisons une demande étrangère
d’exportation, ce qui permet de déterminer le prix d’équilibre
des exportations (Pe), alors que celui-ci est généralement
supposé exogène dans les MEGC.
Nous présentons dans la section I les équations de long terme
linéarisées, dont les fondements théoriques sont explicités dans la
section II.
En effet, les MEGC présentent l’intérêt d’offrir une forte cohérence
interne et ils impliquent donc des solutions de long terme que l’on peut
considérer comme satisfaisantes sur le plan théorique. En contrepartie,
ces modèles n’offrent généralement pas de description des processus
d’ajustement dynamique vers les solutions de long terme.
63
De ce point de vue, nous suggérons dans la section III de réaliser
l’estimation des équations du modèle dans le cadre dynamique plus
général d’équations à correction d’erreur.
A titre d’illustration, considérons l’équation de détermination du prix
de la valeur ajoutée pyit (en logarithmes) :
pyit = π0 (ckit ― gki.t) + (1― π0) (wit ― qli.t) + py015 (23’)
où :
gki;: taux de croissance de la productivité autonome du capital;
qli: taux de croissance de la productivité autonome du travail
L’estimation économétrique pourra être réalisée en deux étapes :
1. Estimation de la relation de long terme :
pyit = π0 (ckit ― gki.t) + (1― π0) (wit ― qli.t) + py0 + Zt
2. Estimation du modèle à correction d’erreurs :
∆pyit = a0 + a1∆pyit-1 +a2∆ckit +a3∆wit ― bZt-1 + εt
Où : ∆xt: variation de xt (ce dernier étant exprimé en logarithme).
Naturellement, l’ordre de retard des variables explicatives sera
déterminé en fonction des critères économétriques usuels.
Ce type de spécification permet de faire apparaître des élasticités
de court terme (a2 , a3) éventuellement différentes des élasticités de
long terme (π0 et 1― π0 dans notre exemple).
Elle permet aussi de mesurer la vitesse d’ajustement vers l’équilibre
de long terme (qui est liée au paramètre b), celle-ci étant conditionnée
par les diverses rigidités qui affectent le fonctionnement des marchés.
L’intérêt du modèle à correction d’erreur est donc qu’il permet de
garantir la convergence vers l’équilibre de long terme (pour autant
que les résultats empiriques confirment la validité de l’équation
23 dans notre exemple) et – symétriquement - le théorème de
représentation de Granger énonce qu’une relation de long terme
(au sens de la théorie de la cointégration) admet nécessairement
une représentation sous forme de modèle ECM.
Suivant cette méthodologie, privilégiée notamment dans le modèle
macroéconomique de la Banque d’Angleterre16 , il sera donc possible
de proposer et d’estimer une modélisation sectorielle à la fois cohérente
sur le plan théorique et conforme aux processus dynamiques observables.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
15 Les lettres minuscules désignent les variables en logarithme.16 Voir en particulier Harrison et alt. (2005), chapitre 4, p. 61 et sq.
64
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
1. Les fondements théoriques
On suppose que chaque secteur i produit un bien composite i.
Le modèle s’attache à déterminer les quantités et prix
d’équilibre de long terme en se basant sur les principes utilisés dans
les modèles d’équilibre général calculable. Dans le modèle théorique,
les indice de secteur (i) seront omis afin d’alléger les notations.
1.1 Le ‘prix unitaire de la valeur ajoutée’ : définition
La valeur ajoutée en valeur se décompose selon :
Pyt Yt = Wt Lt + Ckt Kt (1)
où :
Py : prix de la valeur ajoutée du secteur
Y : valeur ajoutée en volume du secteur
W : taux de salaire moyen du secteur
L : emploi du secteur
Ck : coût du capital du secteur
K : stock de capital du secteur
et la décomposition de la production sectorielle en valeur s’écrit :
Pxt QXt = Pyt Yt + Pcit CIt + TAXt ― SUBVt (2)
où :
QX : production en volume du secteur i
Px : prix de la production du secteur
Pci : prix unitaire des consommations intermédiaires du secteur
CI : quantité de consommations intermédiaires
TAX : impôts versés
SUBV : subventions reçues
On pose :
CIt = ci.QXt
où ci est le coefficient des consommations intermédiaires
SUBVt = sv.QXt (3)
où sv est le montant des subventions reçues par unité produite
TAXt = tva.pyt.Yt (4)
où tva est le taux d’imposition sur la valeur ajoutée
Yt = iva.QXt
où iva est la valeur ajoutée en volume par unité produite
Nous définirons dans ce qui suit le ‘prix de la valeur ajoutée’ du
secteur (Py) par l’expression:
Pyt = [Pxt ― Pcit ci + sv] / [iva (1+tva)] 5)
Le prix de la valeur ajoutée (Py) étant déterminé par la suite en
fonction des coûts marginaux, cette expression nous permet de
définir le prix de la production unitaire du secteur :
Pxt = Pyt iva (1+tva) + ci Pcit ― sv (6)
65
Les consommations intermédiaires du secteur (i) peuvent être
désagrégées selon leur secteur de provenance (j), ce qui implique :
CIt = QXt SOMME(ci[j]) (7)
et par conséquent :
ci = SOMME(ci[j]) (8)
Pcit = SOMME(Pqt [j] ci[j]) / ci (9)
1.2 La demande des facteurs
La contrainte technique de production est une fonction de production
CES normalisée (cf. notamment Klump et al., 2008) :
(10)
où :
Y0 , L0 , K0 : valeur ajoutée en volume, emploi et stock de capital à
la date de référence t=0
Alt , Akt : indices de productivité du travail et du capital
π0 = Ck0 K0 / Py0 Y0: part de la rémunération du capital dans la valeur
ajoutée à la date de référence
Py0 Y0 = Ck0 K0 + W0 Y0: valeur ajoutée à la date de référence
Les conditions de premier ordre de l’optimum conduisent à la relation
suivante:
Kt / Lt =( Akt /Alt ) σ − 1 (Ckt / Wt) − σ (K0 / L0) 1 − σ [π0/(1- π0)] σ
Le stock de capital et l’investissement
Si les entreprises sont soumises à une contrainte de demande (Y
donné), le stock de capital qui se déduit de la fonction de production
et de la condition de l’optimum sera :
(11’)
Cette équation peut être approximée log-linéairement sous la forme
suivante :
kt = yt ― σ (ckt ― wt) + (σ― 1) gk.t + k0 (11’)
où Ckt est le coût d’utilisation du capital au sens de Hall-
Jorgenson :
Ckt = Pkt (it+1 ― pk’t+1 + δ) (12)
avec :
Pk: prix de l’investissement, ,
i: taux d’intérêt nominal,
δ: taux de dépréciation du capital,
pk’: taux de variation du prix du capital.
Compte tenu de l’équation d’évolution du stock de capital :
Kt = It + (1―δ).Kt-1 (13)
L’investissement optimal sera :
It = Kt ― (1―δ)Kt-1 (14)
On supposera que la productivité autonome du capital suit une
tendance déterministe :
Akt = (1+gk)t (15)
La demande de travail
La demande de travail sous contraintes de débouchés s’écrit:
(16)
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
66
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
ce qui s’exprime en logarithmes :
lt = yt ― σ (wt ― pyt) + (σ ― 1)gl.t + l0 (16’)
On supposera que la productivité autonome du travail suit une
tendance déterministe :
Alt =(1+gl)t (17)
1.3 Demande de travail qualifié et non qualifié
L’emploi total est supposé être une combinaison CES normalisée
de travail qualifié (Lq) et non qualifié (Lnq) :
(18)
où :
Alqt, Alnqt: indice de productivité du travail qualifié et non qualifié
γ0 = Wnq0 Lnq0 / W0 L0: part de la rémunération du travail non qualifié
dans la rémunération totale à la date de référence
W0 L0 = Wnq0 Lnq0 + Wq0 Lq0 : masse salariale à la date de
référence
A l’optimum les demandes de travail qualifié et non qualifié s’écrivent
respectivement :
Lnqt = Lt (Alnqt / Alt)κ−1 (Wnqt /Wt ) −κ (Wnq0 /W0 ) κ−1 γ0 (19)
Lqt = Lt (Alqt/ Alt) κ−1 (Wqt/Wt)−κ(Wq0/W0) κ−1 (1-γ0) (20)
où :
Wnq: taux de salaire de l’emploi non qualifié
Wq: taux de salaire de l’emploi qualifié
On suppose que la productivité autonome du travail de chaque
qualité suit une tendance déterministe :
Alnqt =(1+glnq)t (21)
Alqt =(1+glq)t (21a)
Les équations log-linéaires des demandes de travail non qualifié et
qualifié s’écrivent ainsi respectivement :
lnqt = lt ― κ (wnqt ― wt ) + (κ ―1)( glnq ― gl).t + lnq0 (19’)
où glnq.t est un terme de tendance mesurant la productivité
autonome du travail non qualifié.
lqt = lt ― κ (wqt ― wt ) + (κ ― 1)( glq ― gl).t + lq0 (20’)
où glq.t est un terme de tendance mesurant la productivité autonome
du travail non qualifié
Le taux de salaire moyen du secteur sera une combinaison des taux
de salaire de l’emploi qualifié et non qualifié :
(22)
On en déduit l’équation log-linéaire suivante :
wt = (1―π0)(wqt ― glq.t) + π0 (wnqt ― glnq.t) + gl.t + w0 (22’)
1.4 Détermination du prix de la valeur ajoutée
Compte tenu de la relation comptable (équation 1):
Pyt Yt = Wt Lt + Ckt Kt
où Y est la production du secteur, W le taux de salaire moyen du
secteur, L le niveau d’emploi total du secteur (équation 16), Ck le
coût d’utilisation du capital (donné dans l’équation 12) et K le stock
de capital (équation 11).
On déduit de la demande optimale de facteurs le prix de la valeur
ajoutée:
67
(23)
ce qui conduit à l’approximation log-linéaire suivante:
pyt = π0 (ckt ― qk.t) +(1― π0) (wt ― ql.t) + py0 (23’)
1.5 Partage de l’offre entre exportations et offrede biens sur le marché domestique
La production domestique en valeur du secteur i se décompose en
exportations en valeur et production domestique en valeur :
Px t (Y t / iva) = Pet QEt + Pdt QDt (24)
Où :
Px: prix de la production totale du secteur i
Y / iva: production totale du secteur i
Pe: prix des exportations du secteur i
QE: offre d’exportations du secteur i
Pd: prix du bien du secteur i sur le marché domestique
QD: offre de biens sur le marché domestique du secteur i
Si la production domestique :
- N’est pas vendue sur le marché domestique : Y/iva = QE
- N’est pas vendue à l’exportation : Y/iva = QD
La fonction de transformation de la production domestique entre
ses deux destinations s’écrit (cf Annabi et al., 2003):
(25)
où :
Y0 / iva,QD0 , QE0 : production totale du secteur i, offre de biens sur
le marché domestique du secteur i et offre d’exportations du secteur
i à la date de référence t=0
μ0 = Pe0 QE0 / (Py0 Y0 / iva): part des exportations en valeur dans
la production du secteur i à la date de référence
Px0 Y0 / iva = Pd0 QD0 + Pe0 QE0: production en valeur à la date de
référence
-∞ < ∑ < 0: élasticité de transformation
A l’optimum, la maximisation des recettes (24) sous la contrainte de
la fonction de transformation (25) permet de déterminer l’offre
d’exportations et l’offre de biens sur le marché domestique :
QEt = (Yt / iva) (Pet / Pxt) ―∑ (Pe0 / Px0) ∑ ― 1 μ0 (26)
QDt = (Yt / iva) (Pdt / Pxt) ―∑ (Pd0 / Px0) ∑ ― 1 (1-μ0) (27)
soit :
qet = yt + ∑ (pxt ― pet) + qe0 (26’)
qdt = yt + ∑ (pxt ― pdt) + qd0 (27’)
avec ∑ < 0
Et l’on déduit du partage optimal de l’offre le prix de la production:
Dans la mesure où le prix de la production (Px) est déterminé en
fonction du prix de la valeur ajoutée (équation 6) et que le prix des
exportations est déterminé à l’équilibre de l’offre et de la demande
d’exportation (équation 37), on peut déduire de cette équation
l’expression du prix du bien i sur le marché domestique :
ce qui conduit à l’approximation logarithmique suivante :
pdt = [ 1/ (1― μ0)]pxt ― [μ0/ (1― μ0)] pet + pd0 (28’)
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
QDt
QD0
QEt
QE0ytiνa
y0iνa0
= [(1 - μ0) ( ) + μ0 ( ) ]τ - 1τ
τ - 1τ
τ
τ- 1
68
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
1.6 Le partage de la demande entre importationset bien domestique
Domestic absorption in value for good i is decomposed in imports
in value and domestic production in value:
Pqt (1―tq) QQt = Pmt QMt + Pdt QDt (29)
où QQ est l’absorption domestique (somme des consommations
publiques et privées, des investissements, des consommations
intermédiaires), tq le taux de taxes, Pm le prix des importations
en biens du secteur i et QM le volume d’importations en biens du
secteur i.
La fonction d’agrégation d’Armington de l’absorption entre ses
deux composantes s’écrit (cf Annabi et al., 2003):
where:
QQ0, QD0 , QM0 : absorption totale en biens i, demande de biens i
sur le marché domestique et demande d’importations en biens i à
la date de référence t=0
λ0 = Pm00 QM0 / [Pq0 (1―tq0) QQ0]: part des importations en valeur
dans l’absorption à la date de référence
Pq0 (1―tq0) QQ0 = Pd0 QD0 + Pm0 QM0: absorption en valeur à la
date de référence
∞ > α > 0: paramètre de substitution
Si le bien i :
- N’est pas produit sur le marché domestique : QQ = QM
- N’est pas importé : QQ = QD
La minimisation du coût total (30) sous la contrainte de la fonction
d’Armington implique qu’à l’optimum la demande d’importations et
de biens i sur le marché domestique seront respectivement :
QMt = QQt (Pmt / Pqt (1―tq)] ―α [Pm0 / Pq0 (1―tq0)]α ―1 𝜆0 (31)
QDt = QQt [Pdt / Pqt (1―tq)] ―α [Pd0 / Pq0 (1―tq0)]α ―1 (1― 𝜆0) (32)
ou bien, sous forme logarithmique:
qmt = qqt ― α (pmt ― pqt + tq) +qm0 (31’)
qdt = qqt ― α (pdt ― pqt + tq) + qd1 (32’)
Et l’on déduit du partage optimal de l’absorption le prix de
l’absorption:
(33’)
ce qui implique l’équation log-linéarisée suivante:
pqt = tq + λ0 (pmt ― pdt) + pdt + pq0 (33’)
1.7 Détermination du prix et des quantitéséchangées sur le marché domestique
A partir des équations 27 et 32, on déduit le prix et les quantités
échangées sur le marché domestique.
Les quantités échangées de bien i sur le marché domestique, qui
résultent de l’égalisation de l’offre à la demande, sont données dans
l’équation suivante :
QDt = (Yt /iva) α /(α ― τ ) QQt― τ /(α ― τ ) (Pxt / Pqt (1-tq)] α τ /(α ― τ )C1 (34)
where: C1 = [(1― λ0) ― τ /(α― τ ) (1―μ0) α /(α― τ )Px0 α ( τ ― 1) /(α ― τ ) [Pq0
(1―tq0)] ( 1― α)[ ― τ /(α― τ )] ] / Pd0
ce qui donne l’équation log-linéaire :
qdt = [α /(α ― τ)] yt ― [τ /(α ― τ)]qqt + [α τ /(α ― τ)] (pxt ―
pqt + tq) + d0 (34’)
Le prix d’équilibre du bien i sur le marché domestique qui résulte
de l’égalisation de l’offre à la demande est le suivant :
69
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Pdt = (iva QQt / Yt ) 1/(α ― τ) [Pqt (1-tq)]α /(α ― τ) Pxt ― τ /(α ―τ) C0
où :
C0 = Pd0 Px0 (τ ―1) /(α ― τ) [Pq0 (1―tq0)]( 1― α)/(α ― τ) [(1― μ0)] [1/(α ― τ)
Puisque la définition du prix domestique est donnée dans l’équation
(28), on peut déterminer le volume de la valeur ajoutée (Y) permettant
de satisfaire l’équilibre du bien i sur le marché domestique:
(35)
où : C2 = [(1―λ0)/(1―μ0)] [Pq0(1―tq0)]1―α Px0 τ ―1
soit, en linéarisant :
yt = qqt + α(pqt - tq) ― τ pxt + (τ ― α)pdt + y0 (35’)
1.8 Détermination du prix et du volume d’exportations
On suppose que la demande étrangère (QE) de biens du secteur i
est de la forme :
QEt = cx Y*t [(1― te) EXR P*t / Pet] χ (36)
où Y*t est le revenu étranger et P*t l’indice des prix étrangers (exprimé
en unités de monnaie étrangère, FCU).
Le rapport Pe / [(1 ― te)EXR] permet de convertir le prix des
exportations en unités de monnaie étrangère, et il tient compte des
taxes à l’importation pratiquées sur les marchés d’exportation (te).
ce qui peut s’écrire en logarithmes :
qet = cx0 + y*t + ∑ (p*t + exrt ― te ― pet) (36’)
On déduit des équations 26 et 36 le prix des exportations qui permet
d’équilibrer l’offre à la demande d’exportations, ainsi que le volume
d’exportations d’équilibre:
Pet = Pxtτ /(τ ―χ) [P*t EXR (1― te)] ― χ /(τ ― χ) [(μ0 Yt) / (cx iva Y*t)]1/(τ ―χ)
(Pe0/Px0) (τ ― 1) / (τ ―χ) (37)
QEt = [Pxt / (P*t (1-te) EXR )] ― τ χ /(τ ― χ) (cx Y*t) τ /(τ ― χ) (μ0 Yt / iva ) ― χ / (τ ―χ)
(Pe0/Px0) χ (1 ― τ) / (τ ― χ) (38)
soit, en logarithmes :
pet = [ τ /(τ ― χ)]pxt ― [ χ /(τ ― χ)] (p*t + exrt ― te) + [1/
(τ ― χ)] (yt ― y*t) + pe0 (37’)
qet = ― [τ χ /(τ ― χ)] [pxt ―(p*t + exrt ― te)] +[ τ /(τ ―χ)]
y*t ― [ χ /(τ ―χ)] yt + qe0 (38’)
1.9 Équations de définition
Prix des importations
Pmt = Pwmt (1+tm).EXRt (39)
Pm : prix des imports de bien i LCUPwm: import price of good i FCU
Pwm : prix des imports de bien i FCU
tm : taux de taxes à l’importation du bien i
EXR : taux de change LCU par FCU
soit, en logarithmes :
pmt = pwmt + tm + exrt (39’)
Prix des exportations en monnaie étrangère (FCU)
Pwet = Pet / (1―te).EXRt (40)
Pe : prix des exports du bien i en monnaie locale (LCU)
Pwe : prix des exports f.o.b du bien i en monnaie étrangère (FCU)
te : taxes à l’exportation du bien i (perçues par les pays importateurs)
EXR : taux de change LCU par FCU
70
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
soit, en logarithmes, l’expression du prix des exportations en monnaie
locale :
pet = pwet ― te + exrt (40’)
Demande domestique du bien composite i :
QQti = Ct
i + SOMME(Ijti) + GOVti (41)
Où :
C i: consommations finale en biens i
Ij i: investissement des secteurs j en biens i
GOV i: dépenses publiques en bien i
71
2. Les équations du modèle
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2.1 Liste des variables et des paramètres du modèle
Les paramètres structurels sont en caractères grecs ou en lettres
minuscules non indicées sur le temps, de même que les
paramètres de politique économique.
Variables endogènes
Py : prix de la valeur ajoutée du secteur
Y : valeur ajoutée en volume du secteur
W : taux de salaire moyen du secteur
L : emploi total du secteur
Lnq : emploi non qualifié du secteur
Lq : emploi qualifié du secteur
K : stock de capital du secteur
QX : production en volume du secteur
Px : prix de la production du secteur
CI : quantité de consommations intermédiaires utilisées dans
le secteur
TAX : impôts versés dans le secteur
SUBV : subventions reçues par le secteur
Px : prix de la production totale du secteur
Pe : prix des exportations de biens i
QE : exportations en volume du secteur
Pd : prix du bien du secteur i sur le marché domestique
QD : ventes en volume de biens sur le marché domestique du secteur
Pm : prix des imports de bien i en monnaie locale (LCU)
Pe : prix des exports du bien i en monnaie locale (LCU)
Pwe : prix des exports f.o.b du bien i en monnaie étrangère (FCU)
QM : importations en volume de biens i
Variables exogènes (au niveau du secteur)
Wnq : taux de salaire de l’emploi non qualifié
Wq : taux de salaire de l’emploi qualifié
Pci : prix unitaire des consommations intermédiaires du secteur i
QQ : absorption domestique en volume (somme des consommations
publiques et privées, des investissements, des consommations
intermédiaires) en biens i
Y*t : revenu étranger
P*t : indice des prix étrangers (en monnaie étrangère).
Pwm : prix des imports de bien i en monnaie étrangère (FCU)
EXR : taux de change (monnaie locale LCU par monnaie étrangères
FCU)
te : taux de taxes sur les exportations du bien i (perçues par les
pays importateurs)
Alt , Akt : indice de productivité du travail et du capital
Alqt , Alnqt : indice de productivité du travail qualifié et non qualifié
Ckt : coût du capital du secteur, qui se décompose en :
Pkt : prix de l’investissement,
it : taux d’intérêt nominal,
pkt’ : taux de variation du prix du capital.
Paramètres de politique économique
tq: taux de taxes à la production du bien i
tm: taux de taxes à l’importation du bien i
sv: subventions reçues par unité produite
tva: taux d’imposition sur la valeur ajoutée
72
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Paramètres structurels
δ: taux de dépréciation du capital,
∞ > σ >0: élasticité de substitution entre le capital et le travail
(fonction de production)
∞ > κ >0: élasticité de substitution entre l’emploi non qualifié et
l’emploi qualifié (fonction d’agrégation)
-∞ < 𝜆 < 0: élasticité de transformation (fonction de transformation)
∞ > α > 0: paramètre de substitution (fonction d’Armington)
-∞ < -𝜆 < 0: élasticité-prix de la demande étrangèrey
ci: coefficient de consommations intermédiaires
iva: valeur ajoutée en volume par unité produite
2.2 Les équations log-linéaires (relations de long terme)
Les variables en niveau sont représentées en caractères majuscules
et les variables en logarithmes en caractères minuscules.
Les lettres latines indicées par un 0 (par exemple x0) représentent
les termes constants des équations de régression de long terme,
les lettres grecques représentent les paramètres structurels du
modèle théorique.
Les numérotations des équations renvoient à celles du modèle
théorique exposé dans le chapitre II.
Le stock de capital du secteur :
kit = yit ― σ (ckit ― pyit) + (σ−1) gki.t + k0 (11’)
où Ckit est le coût d’utilisation du capital au sens de Hall-
Jorgenson :
Ckit = Pkit (it+1 ― pk’t+1 + δ) (12)
avec :
Pk: prix de l’investissement,
i: taux d’intérêt nominal,
δ: taux de dépréciation du capital,
pk’: taux de variation du prix du capital.
et gki mesure le taux de variation de la productivité autonome du capital.
L’emploi total du secteur :
lit = yit + σ (wit ― pyit) + (σ ― 1)gli.t + l0 (16’)
où gli mesure le taux de variation de la productivité autonome du
travail.
L’emploi non qualifié du secteur :
lnqit = lit ― κ (wnqit ― wit ) + (κ ―1)( glnqi ― gli).t + lnq0 (19’)
où :
glnq mesure le taux de variation de la productivité autonome du
travail non qualifié.
wnq est le taux de salaire des non-qualifiés
L’emploi qualifié du secteur :
lqit = lit ― κ (wqit ― wit ) + (κ ― 1)( glqi ― gli).t + lq0 (20’)
où :
glqmesure le taux de variation de la productivité autonome du travail qualifié.
wq est le taux de salaire des qualifiés
Le taux de salaire moyen du secteur :
wit = (1―γ0)(wqit ― glqi.t) + γ0(wnqit ― glnqi.t) + gli.t + w0 (22’)
Le prix de la valeur ajoutée du secteur :
pyit = π0 (ckit ― gki.t) + (1― π0) (wit ― gli.t) + py0 (23’)
Le prix du bien vendu sur le marché domestique :
pdit = [ 1/ (1― μ0)]pxit ― [μ0 / (1― μ0)] peit + pd0 (28’)
73
Le prix de l’absorption en bien i :
pqit = tqi + λ0(pmit ― pdit) + pdit + pq0 (33’)
Les importations en volume en biens i :
qmit = qqit ― α (pmi
t ― pqit + tqi) + qm0 (31’)
où qq est l’absorption domestique en biens i
Les ventes en volume du secteur i sur le marché domestique :
qdit = [α /(α ― τ)] yit ― [τ /(α ― τ)]qqit + [α τ /(α ― τ)] (pxit ―
pqit + tqi) + d0 (34’)
La valeur ajoutée du secteur :
yit = qqit + α(pqit - tqi) ― τ px it + (τ― α)pd it + y0 (35’)
Le prix des ventes du secteur i à l’exportation :
peit = [ τ /(τ ― χ)] pxit ― [ χ /(τ ― χ)](p*t + exrt ― te)+ [1/(τ ―χ)]
(yit ― y*t) + pe0 (37’)
où :
p* : indice des prix étrangers
y* : indice du revenu réel étranger
Les exportations en volume du secteur i :
qeit = ― [τ χ /(τ ― ∑)] (pxit ― p*t ― exrt + te) + [ τ / (τ ― χ)] y*t ―
[ χ / (τ ― χ)] yit + qe0 (38’)
Equations de définition
Les prix à l’importation des biens i :
pmit = pwmi
t + tmi + exrt (39’)
Les prix à l’exportation des biens du secteur i en monnaie
étrangère (LCU)
pweit = peit + tei - exrt (40’)
2.3 Les équations en niveau
Consommations intermédiaires du secteur i :
CIit = cii QXit
où ci est le coefficient des consommations intermédiaires
Subventions reçues par le secteur i :
SUBVit = svi QXit (3)
où sv est le montant des subventions reçues par unité produite
Taxes versées par le secteur i :
TAXit = tvai pyit Yit (4)
où tvai est le taux d’imposition sur la valeur ajoutée
Production totale en volume du secteur i :
QXit = Yit / ivai
où iva est la valeur ajoutée en volume par unité produite
Prix de la production du secteur i :
Pxit = Pyit ivai (1+tvai) + cii Pciit ― svi (6)
Consommations intermédiaires du secteur (i) désagrégées selon
leur secteur de provenance (j) :
CIit = QXit SOMME(cii [j]) (7)
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
74
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Et par conséquent :
cii = SOMME(cii [j]) (8)
Pciit = SOMME(Pqit [j] cii [j]) / cii (9)
Investissement du secteur i:
Iit = Kit ― (1―δ)Ki
t-1 (14)
Demande domestique du bien composite i :
QQti = SOMME(CIjit) + Ct
i + SOMME(Ijti) + GOVti (41)
où :
CIji: consommations intermédiaires des secteurs j en biens i
Ci: consommations finale en biens i
Iji: investissement des secteurs j en biens i
GOVi: dépenses publiques en bien i
75
3. Les estimations économétriques
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Stock de capital du secteur i:
kit = yit ― σ (ckit―pyit) + (σ―1) gki.t + k0 (11’)
Emploi total dans le secteur secteur i:
lit = yit +σ (wit―pyit) + (σ―1)gli.t + l0 (16’)
Prix de la valeur ajoutée du secteur i:
pyit = π0 (ckit―gkI.t) + (1―π0) (wit―gli.t) + py0 (23’)
où :
kit stock de capital du secteur i en volume (logarithme)yit valeur ajoutée du secteur i en volume (logarithme)(ckit - pyit) coût d’usage du capital du secteur i en termes réels (logarithme)gki taux de croissance annuel de la productivité du capital du secteur i lit nombre d’heures travaillées dans le secteur i (logarithme)(wi
t - pyit) taux de salaire réel dans le secteur i (logarithme)gli taux de croissance annuel de la productivité du travail dans le secteur ipyit indice du prix de la valeur ajoutée du secteur i (logarithme)
Tableau 3.1 : Les équations de demande de facteurs estimées (long terme
Ainsi que cela est mentionné dans le Tableau 3.1, l’estimation
économétrique se réalise sur le logarithme des différentes variables du
modèle (capital, emploi, salaire, coût du capital, prix de la valeur ajoutée).
En ce qui concerne le calcul du coût d’utilisation du capital (Ckit),
nous avons testé deux mesures :
- la première consiste à calculer le coût d’utilisation du capital au
sens de Hall-Jorgenson (c’est-à-dire en calculant la somme du
taux d’intérêt réel et du taux de dépréciation du capital);
- la seconde utilise le coût d’utilisation unitaire du capital, déduit
de la répartition comptable de la valeur ajoutée.
Sur la base des équations dérivées du modèle théorique, nous
présentons dans cette section l’estimation du bloc de
production de l’industrie manufacturière tunisienne décomposée
en 6 secteurs. Les équations estimées seront d’une part celles
de l’emploi total, du stock de capital, du prix de la valeur ajoutée,
et d’autre part celles de l’emploi décomposé en travailleurs qualifiés
et travailleurs non-qualifiés.
3.1 Les équations estimées
3.1.1. Emploi, capital et prix de la valeur ajoutée
Nous avons procédé à l’estimation des fonctions de demande de facteurs
issues de la fonction de production CES (équation 10). Cela revient à
estimer les équations de demande de capital (équation 11’), de travail
(équation 16’) et du prix de la valeur ajoutée (équation 23’) (Tableau 3.1).
76
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Parmi ces deux spécifications possibles, la seconde s’est avérée
beaucoup plus pertinente et elle a donc été retenue pour réaliser
les estimations.
En second lieu, notons que l’emploi (lit) peut être mesuré de deux
façons :
- Soit en termes de stock, c’est-à-dire en retenant le nombre de
personnes employées ;
- Soit en termes de flux, en retenant le nombre total d’heures
travaillées (heures par personne multipliées par le nombre de
personnes employées).
Afin de mesurer au mieux les conséquences d’une variation du
salaire, nous avons retenu la seconde des deux mesures : en effet,
à la suite d’une modification du coût relatif du travail, les entreprises
peuvent être conduites à modifier soit le nombre de personnes
employées, soit le nombre moyen d’heures travaillées.
Dernier point à noter, chaque facteur de production est supposé
affecté d’un taux de croissance propre de sa productivité (gki mesure
le taux de variation de la productivité autonome du capital et gli
mesure le taux de variation de la productivité autonome du travail
dans chaque secteur i). Conformément à la pratique usuelle, nous
avons supposé ce taux de croissance constant dans le temps, ce
qui revient à dire que le ‘progrès technique’ incorporé aux facteurs
suit à long terme une tendance déterministe.
En ce qui concerne l’estimation de ces taux de croissance du progrès
technique (respectivement notés gl et gk), trois formes ont été testées :
la première est celle d’un progrès technique neutre au sens de
Harrod, c’est-à-dire qu’il n’augmente que l’efficacité du travail (gl > 0
et gk = 0). La deuxième est celle d’un progrès technique
n’augmentant que l’efficacité du capital (neutralité au sens de Solow,
gl = 0 et gk > 0). Une dernière forme induit une augmentation
commune aux deux facteurs (neutralité au sens de Hicks, gl = gk > 0).
Telles qu’elles figurent dans le le Tableau III.1, les équations estimées
représentent des relations de long terme, à condition que les conditions
usuelles de cointégration soient satisfaites (les variables du modèles doivent
être intégrées à l’ordre 1 et les résidus des équations intégrés à l’ordre 0).
De ce point de vue, l’un des objectifs de l’estimation consiste à évaluer
la sensibilité à long terme de l’évolution du stock de capital et du niveau
d’emploi à une variation des coûts réels des facteurs (salaire et coût
du capital), par le biais de l’estimation des élasticités de substitution
(σ) entre le capital et le travail, au niveau de chaque secteur étudié.
Ainsi, une forte élasticité de substitution conduira par exemple à une
importante augmentation du rapport capital/travail à la suite d’une
augmentation du prix relatif des facteurs (salaire/coût du capital).
Afin de prendre en compte la dynamique du modèle à plus court
terme, c’est-à-dire en dehors de l’équilibre de long terme, nous
estimons les paramètres supplémentaires du modèle dans le cadre
d’un modèle à correction d’erreurs MCE (Tableau 3.2).
Stock de capital du secteur i :Notation: Δxt = xt ― xt-1
Capital stock of sector i :Δkit = a0 + a1Δ yit + a2Δ yit-1 + a3Δ(ckit ― pyit) + a4Δ(ckit-1 ― pyit-1) + a5Δ kit-1
― γk [ kit ― yit + σ (ckit ― pyit) ― (σ ― 1) gki.t ― k0] + εkt
Emploi total dans le secteur secteur i :Δli
t = b0 + b1Δ yit + b2Δ yit
-1 + b3Δ(wit ― pyit) + b4Δ(wi
t-1 ― pyit-1) + b5Δ lit-1― γl [ lit ― yit ― σ (wi
t ― pyit) ― (σ ―1) gli.t ― l0] + εlt
Prix de la valeur ajoutée du secteur i :Δpyit = c0 + c1Δ ckit + c2Δ ckit-1 + c3Δwi
t + c4Δwit-1 + c5Δpylit-1
― γp [pyit ― π0 (ckit ― gki.t) ― (1― π0) (wit ― gli.t) ― py0] + εpt
Tableau 3.2 : Les équations de demande de facteurs estimées (MCE)
Notation : Δxt = xt ― xt-1
77
d’améliorer la spécification, les paramètres non significativement
différents de zéro n’ont pas été conservés dans le modèle final, et
certaines variables muettes ont été introduites.
Dans sa la forme MCE, le modèle présente un enrichissement notable
de la dynamique : les élasticités de court-terme (coefficients a1, a2,
…. , a5 ; b1, b2, …. , b5 ; c1, c2, …. , c5) peuvent être introduites, et
différer des élasticités de long terme (σ, π0 ,…).
De la même manière, le modèle à correction d’erreurs permet de
mesurer les forces de rappel (γk ,γl ,γp) vers l’équilibre de long terme,
c’est-à-dire la proportion d’une déviation au long terme susceptible
d’être résorbée en une période : la période élémentaire étant ici une
année, l’on s’attend à ce que ces coefficients soient voisins de l’unité
si la variable dépendante n’est pas caractérisée par une forte viscosité.
3.1.2. Emploi qualifié et non qualifié
In aNous avons également procédé à l’estimation de la demande de
travail qualifié/non qualifié (équations 19 et 20 du modèle théorique).
L’objectif consiste ici à évaluer l’effet, à court et à long terme, d’une
variation du salaire relatif sur la structure de l’emploi (qualifiés/non
qualifiés).
Sur un plan théorique, les entreprises gagnent à utiliser relativement
plus de travailleurs qualifiés - en dépit d’un salaire plus élevé – à
conditions que ces derniers présentent des caractéristiques
productives distinctives par rapport aux non qualifiés (ou, en d’autres
termes, que les qualifiés et non qualifiés ne soient pas de proches
substituts). Dans le cas inverse, les entreprises auront intérêt à utiliser
la main-d’œuvre la moins coûteuse.
Il en résulte que le paramètre-clef permettant de mesurer l’effet d’une
variation du salaire relatif sur la structure de l’emploi sera l’élasticité
de substitution entre les deux catégories de salariés.
Le Tableau 3.3 présente les deux équations de demande d’emploi de
long terme (seule l’une d’entre elle est estimée pour cause de redondance),
et ceci pour chacun des 6 secteurs manufacturiers : l’élasticité de
substitution entre travailleurs qualifiés et non qualifiés y est notée κ.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Emploi non qualifié dans le secteur i :lnqit = lit ― κ (wnqit ― wi
t ) + (κ ―1)( glnqi ― gli).t + lnq0 (19’)
Emploi qualifié dans le secteur :lqit = lit ― κ (wqit ― wi
t ) + (κ ― 1)( glqi ― gli).t + lq0 (20’)
où :
glnq taux de variation de la productivité autonome du travail non qualifié.wnq taux de salaire des non-qualifiés glq taux de variation de la productivité autonome du travail qualifiéwq taux de salaire des qualifiése
Tableau 3.3 : Les équations de demande d’emploi par qualification (long terme)
Notons que la distinction travailleur qualifié / non qualifié est ici
appréhendée sous l’angle du diplôme et non sur celui de la nature
du métier : dans nos estimations, les qualifiés ont été définis comme
titulaires d’un diplôme d’enseignement supérieur, tandis que les non-
qualifiés regroupent les autres individus. Les termes utilisés dans
notre présentation (« qualifiés » et « non-qualifiés » ) ont donc un
caractère volontairement simplificateur et très schématique.
Afin de compléter l’estimation, nous avons replacé les équations de
long terme dans le cadre plus général de modèles à correction
d’erreur. La forme générique des équations dynamiques estimées
est donnée dans le Tableau 3 .4. Comme précédemment, les
coefficients de court terme non significatifs ont été supprimés des
équations finales.
78
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
3.2 Les données
La période d’estimation s’étend de 1983 à 2009. Les données
proviennent des comptes nationaux annuels pour l’économie
tunisienne. Six secteurs manufacturiers sont analysés.
Secteur 2 : Industrie Agro-alimentaires (IAA)
Secteur 3 : Industries Matériaux de Construction Céramiques et
Verre (MCCV)
Secteur 4 : Industries Mécaniques et Électriques (IME)
Secteur 5 : Industries Chimiques (CHIMIE)
Secteur 6 : Industries Textile Habillement et Cuirs (THC)
Secteur 7 : Industries Diverses (DIVERSES)
Avant de procéder à l’estimation économétrique, nous avons
testé l’ordre d’intégration des séries utilisées à l’aide du test de
Dickey-Fuller Augmenté (ADF).
Les résultats indiquent que l’ensemble des séries testées sont
toutes intégrées d’ordre 1.
3.3 La méthode d’estimation
Le faible nombre d’observations disponibles (au maximum 27)
ainsi que la présence de paramètres communs à estimer dans
les différentes équations de long terme (élasticités de substitution,
taux de croissance du progrès technique) nous ont incités à
estimer ces équations simultanément.
Nous avons par conséquent procédé en deux étapes:
3. Dans la première étape, nous avons estimé les relations de long
terme, en niveau, des équations 11’, 16’, 20’ et 23’ grâce à un
système d’équations simultanées par la méthode SUR (Seemingly
Unrelated Regression).
4. Dans la deuxième étape, nous avons estimé quatre MCE (Modèle
à Correction d’erreurs) en imposant dans ces derniers les
relations estimées dans la première étape comme solution de
long terme.
3.4 Les principaux résultats
Avant de commenter les résultats, notons que l’ensemble des
MCE ont des propriétés statistiques satisfaisantes. Les tests LM
conduisent au rejet de l’hypothèse d’auto-corrélation des résidus
de ces équations. Ces résidus sont homoscédastiques au regard
du test de White et du test ARCH. La forme fonctionnelle de l'équation
est validée par le test Reset. Enfin, selon le test de Bera Jarque, les
résidus de toutes les équations suivent une loi normale.
Les principaux résultats sont résumés dans le Tableau 3.5 :
• Il existerait une substituabilité relativement forte entre le capital
et le travail dans les 4 secteurs suivants : l’élasticité de substitution
est proche de l’unité dans le secteur des Industries Agro-
Notation : Δxt = xt ― xt-1
Emploi non qualifié dans le secteur i :Δlnqit = d0 + d1Δ lit + d2Δ lit-1 + d3Δ(wnqit ― wi
t) + d4Δ(wnqit-1 ― wit-1) + d5Δ lnqit-1
― γnq [ lnqit ― lit + κ (wnqit ― wit ) ― (κ ― 1)( glnqi ― gli).t ― lnq0 ] + εnqt
Emploi qualifié dans le secteur i :Δlqit = g0 + g1Δ lit + g2Δ lit-1 + g3Δ(wqit ― wi
t) + g4Δ(wqit-1 ― wit-1) + g5Δ lqit-1
― γq [lqit ― lit + κ (wqit ― wit ) ― (κ ― 1)( glqi ― gli).t ― lq0] + εqt
Tableau 3.4 : Les équations de demande d’emploi par qualification (MCE)
79
alimentaires ainsi que dans celui des industries Mécaniques et
Électriques (secteurs 2 et 4). L’élasticité de substitution est voisine
de 0,7 dans le secteur des Matériaux de Construction,
Céramiques et Verre et dans la Chimie (secteurs 3 et 5). Notons
toutefois que la valeur de ces élasticités est sans doute
surestimée par la prise en compte de la durée du travail dans le
facteur travail. Autrement dit, ce n’est pas une élasticité entre le
stock de capital et le stock de travail qui est estimée ici mais
entre le stock de capital et le volume horaire.
• En revanche, il semble y avoir une forte complémentarité entre
le capital et le travail dans les deux derniers secteurs étudiés,
à savoir celui du Textile, Habillement et Cuirs et les industries
diverses (secteurs 6 et 7). Ceci implique que dans ces secteurs,
et contrairement aux secteurs précédents, une variation du coût
relatif du travail par rapport au capital aura peu d’impact à
long terme sur l’intensité capitalistique (stock de capital par
travailleur).
• D’après nos estimations, il apparaît que la formulation d’un
progrès technique neutre au sens de Hicks soit la seule à être
acceptée dans les 6 secteurs étudiés. Dans les secteurs 2, 6
et 7, le taux de croissance estimé du progrès technique
(paramètres gk et gl, qui sont identiques dans la neutralité au
sens de Hicks) est compris entre 1 et 2 % par an. Il est voisin
de 2,7 % dans le secteur 4 et supérieur à 5 % dans les secteurs
3 et 5.
• Dans tous les secteurs étudiés, il ressort une forte élasticité de
substitution entre l’emploi qualifié et non qualifié allant de 3,3
pour le secteur 5 à plus de 6 pour le secteur 4. Ce résultat est
important, apparemment robuste et relativement inattendu : il
implique notamment qu’une diminution de 1% du salaire relatif
des qualifiés par rapport aux non-qualifiés conduirait (à long
terme) à une croissance du nombre d’emplois des qualifiés
supérieure de 3% à 6% à celle des non-qualifiés. En d’autres
termes, un resserrement de l’écart des salaires entres qualifiés
et non-qualifiés constituerait, selon cette estimation, un moyen
efficace d’améliorer « l’employabilité » des diplômés. Une
interprétation possible de ce résultat est que, en moyenne, les
diplômés ne disposeraient peut-être pas de suffisamment de
savoir-faire spécifique, propre à les distinguer des non-qualifiés,
les deux catégories étant alors par conséquent perçues par les
entreprises comme des substituts plutôt que comme des
compléments dans le processus de production.
• Pour conclure, il convient de rappeler que les élasticités de long
terme par rapport aux quantités ont été fixées à l’unité, pour
d’évidentes questions de cohérence théorique : ainsi, lorsque
la quantité totale de travail augmente de 1%, la quantité d’heures
des travailleurs qualifiés et des travailleurs non qualifiés augmente
identiquement de 1% (toutes choses égales par ailleurs). De la
même manière, lorsque la demande de biens (mesurée par la
valeur ajoutée en volume) augmente de 1%, la quantité de capital
et de travail augmente identiquement de 1%.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 3.5 : Principaux résultats des estimations sectorielles
Secteur 2 3 4 5 6 7
Paramètres structurels
Elasticité de substitution K/L 0,99 0,74 0,98 0,67 0,06 0,14
Elasticité de substitution Qualifié/Non qualifié 5,40 4,10 6,01 3,29 4,67 5,55
Progrès technique neutre…
… au sens de Hicks (%) 1,97 5,11 2,68 5,28 1,06 1,67
Paramètres du MCE
Force de rappel de l’emploi 0,40 0,21 0,32 0,12 0,21 0,31
Force de rappel du capital 0,05 0,13 0,07 0,06 0,14 0.04
Sources : Comptabilité nationale, calculs ITCEQ/DEFI
80
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Afin d’illustrer le processus dynamique des différentes variables
et leur sensibilité à leur déterminants économiques, nous avons
procédé à la mesure des réponses sectorielles à certains chocs
économiques.
3.4.1. Réponse de l’emploi à un choc de demande et decoût
Deux chocs ont été simulés ici :
1. Le premier consiste en une augmentation de 1% de la valeur ajoutée
2. Le second choc réside dans une hausse de 1% du salaire réel
Le résultat de ces simulations sont résumés dans le tableau 3.6
ainsi que dans les graphiques ci-après.
Tableau 3.6 : Réponse dynamique d’un choc de 1% de la VA et du salaire réel (WR) sur l’emploi
T 1 an 2 ans 3 ans 4 ans Long terme
IAA
VA 0.31 0.46 0.62 0.71 0.79 1
RW -1.16 -0.63 -0.97 -0.84 -0.94 -0.98
MCCV
VA 0.85 0.88 0.38 0.52 0.62 1
RW 0 -0.77 -0.76 -0.75 0.74 -0.73
IME
VA 0.44 0.62 0.74 0.82 0.88 1
RW -0.21 -0.46 -0.62 -0.73 -0.81 -0.97
CHIMIE
VA 0.19 0.30 0.28 0.31 0.32 1
RW -0.22 -0.06 -0.01 -0.20 -0.28 -0.67
THC
VA 0.37 0.50 0.61 0.69 0.76 1
RW -0.47 -0.38 -0.31 -0.26 -0.21 -0.05
DIVERSES
VA 0.53 0.68 0.78 0.85 0.90 1
RW 0 -0.04 -0.07 -0.09 -0.11 -0.13
Sources : Comptabilité nationale, calculs ITCEQ/DEFI
81
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Variation de l’emploi (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
Variation de l’emploi (en %) à la suite d’une augmentation de 1% du salaire réel
82
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 3.7 : Réponse dynamique d’un choc de 1% de la VA et du coût réel (CKR) sur le stock de capital
T 1 ans 2 ans 3 ans 4 ans Long terme
IAA
VA 0,318 0,51 0,71 0,83 0,91 1
CKR -0,10 -0,27 -0,40 -0,50 -0,64 -0,98
MCCV
VA 0,17 0,36 0,58 0,78 0,93 1
CKR -0,14 -0,29 -0,45 -0,61 -0,73 -0,73
IME
VA 0 0,18 0,42 0,65 0,83 1
CKR 0 -0,07 -0,21 -0,39 -0,56 -0,97
CHIMIE
VA 0 0,15 0,25 0,39 0,52 1
CKR -0,03 -0,15 -0,24 -0,34 -0,43 -0,67
THC
VA 0,27 0,50 0,67 0,79 0,87 1
CKR -0,008 -0,028 -0,036 -0,042 -0,047 -0,05
DIVERSES
VA 0 0,04 0,10 0,17 0,24 1
CKR -0,04 -0,07 -0,08 -0,09 -0,10 -0,13
Sources : Comptabilité nationale, calculs ITCEQ/DEFI.
3.4.2. Réponse du capital à un choc de demande et decoût
Deux chocs ont également été simulés pour le capital :
3. Une augmentation de 1% de la valeur ajoutée
4. Une hausse de 1% du coût réel du capital
Le résultat de ces simulations sont résumés dans le tableau 3.7
ainsi que dans les graphiques ci-après.
83
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Variation du stock de capital (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
40
Variation du stock de capital (en %) à la suite d’une augmentation de 1% de la valeur ajoutée
42
!
84
Cette étude pose les premiers jalons d’une modélisation macro-
sectorielle de l’économie tunisienne. Elle s’est limitée à la spécification
théorique des industries manufacturières et à l’estimation
économétrique du bloc de production (demande de facteurs et prix
de la valeur ajoutée).
Sur le plan théorique, les différentes équations s’appuient sur les
principes mis en œuvre dans les modèles d’équilibre général
calculables (MEGC), tandis que sur le plan économétrique, les
estimations exploitent les propriétés des modèles à correction
d’erreur (MCE).
A ce titre, la modélisation proposée satisfait aux conditions de
cohérence interne des solutions de long-terme et de cohérence
externe par rapport aux données observables.
Les estimations effectuées présentent un certain nombre de résultats
dignes d’intérêt :
- Pour la plupart des secteurs industriels, les élasticités de
substitution sont voisines de l’unité, ce qui coïncide avec
l’hypothèse traditionnelle de fonctions de production de type
Cobb-Douglas. Pour certains secteurs au contraire (Textiles,
Habillement, Cuirs et Industries Diverses), c’est plutôt l’hypothèse
d’une fonction de production à facteurs complémentaires qui
paraît adéquate.
- Globalement, le travail qualifié et non qualifié se révèlent de
proches substituts, ce qui rend très sensible la proportion utilisée
de ces deux types d’inputs à une modification de leur coût relatif.
- Les simulations dynamiques montrent que les secteurs industriels
tunisiens sont caractérisés par une assez forte rigidité dans
l’ajustement des facteurs : à la suite de chocs de demande ou
de coûts réels, il faut généralement trois à quatre années pour
observer un ajustement significatif des quantités de travail et
de capital.
Ces premiers résultats permettent donc de valider à la fois les
présupposés théoriques et les méthodologies économétriques mises
en œuvre. Ainsi, sur la base des travaux réalisés dans le cadre de
cette étude, les estimations sectorielles des prix et du commerce
extérieur – qui restent à faire – doivent pouvoir être finalisées à
relativement brève échéance.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Conclusion
85
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Bibliographie
Annabi N., Cockburn J., Decaluwé B. (2003), Formes Fonctionnelles
et Paramétrisation dans les MCEG, CREFA, Université de
Laval.
Harrison R., Nikolov K., Quinn M., Ramsay G., Scott A. and
Thomas R. (2005), The Bank of England Quarterly Model,
www.bankofengland.co.uk/publications/beqm/
Klump R., McAdam P., Willman A. (2008), Unwrapping some euro
area growth puzzles: Factor substitution, productivity and
unemployment. Journal of Macroeconomics 30, 645–666
Lofgren H., Harris R.L., Robinson S. (2002), A standard computable
general equilibrium model in GAMS. Microcomputer in Policy
Research 5, International Food Policy Research Institute.
Chapitre II
Modélisation sectorielle des exportationstunisiennes
87
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Table des matières
88 Introduction
90 1. Présentation des équations d’exportations sectorielles vers l’Europe90 1.1 La demande européenne d’importations tunisiennes : le cadre géréral90 1.1.a Le demande européenne d’importations en produit (i)90 1.1.b Le partage des importations européennes en produit (i)91 1.1.c L’équation d’exportations tunisiennes de produit (i) vers l’Europe91 1.2 L’estimation de l’équation d’exportations sectorielles tunisiennes : le modèle à correction d’erreurs91 1.2.a Le modèle à correction d’erreurs93 1.2.b Estimations de modèles dynamiques en Panel
94 2. Estimations économiques des équations d’exportations sectorielles tunisiennes95 2.1 Les données95 2.2 La méthode d’estimation95 2.3 Principaux résultats95 2.3.1 L’agriculture98 2.3.2 Le secteur des IAA101 2.3.3 Le secteur des matériaux de construction céramiques et verre (MCCV)103 2.3.4 Le secteur des Industries mécaniques et électriques105 2.3.5 Le secteur de la chimie108 2.3.6 Le secteur textile habillement et cuirs110 2.3.7 Le secteur «divers»112 2.3.8 Le secteur des hydrocarbures et produits raffinés114 2.3.9 Le total des Biens116 2.3.10 Synthèse
118 3. Les estimations économiques des équations d’exportations sectorielles tunisiennes en panel dynamique118 3.1 Les données121 3.2 La méthode d’estimation121 3.3 Les principaux résultats121 3.3.1 Le modèle ADL en niveau dans le cas de prix des pays de l’UE (LPUE)122 3.3.2 Le modèle ADL en niveau dans le prix des concurrents (LPCON)124 3.3.3 Le modèle ADL en différences premières dans le cas de prix des pays de l’UE (DLPUE)125 3.3.4 Le modèle ADL en premières différences dans le cas de prix des pays concurrents (DLPCON)127 3.3.5 Le modèle à correction d’erreur (MCE) dans le cas de prix des pays de l’UE (LPUE)128 3.3.6 Le modèle MCE dans le cas de prix des pays concurrents (LPCON)
131 4. Les prolongements possibles de l’analyse économétrique131 4.1 Une maquette des échanges extérieurs ( en volume et en prix )131 4.1.1 La fonction d’importation en volume131 4.1.2 La fonction de prix des exportations132 4.1.3 La fonction de prix des importations132 4.2. Modélisation VAR à partir de l’équation de cointégration132 4.3. Non-linéarités132 4.3.1. Variation dans le temps de l’élasticité-revenu133 4.3.2. Variation dans le temps de l’élasticité-prix134 4.4. Rationnement quantitatif par l’offre ou par la demande
136 Conclusion
137 Bibliographie
88
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Introduction
Cette étude s’attache à analyser les déterminants des
exportations tunisiennes, décomposées en 8 secteurs. Par ce
biais, elle permet d’évaluer quantitativement la dynamique sectorielle
des exportations à la suite de variations de la demande adressée
et des prix relatifs.
Cette application se limitera à l’étude des exportations tunisiennes
en direction de l’Europe, qui représente l’essentiel des exportations
tunisiennes, sur la base de données annuelles de la période 1988-
2008.
Dans une première section, nous suggérons une modélisation de
la demande d’importations européennes en produits tunisiens qui,
suivant les modélisations usuelles des fonctions d’importation17,
conduit à introduire trois variables explicatives potentielles :
- la demande adressée européenne;
- l’indice des prix des exportations sectorielles tunisiennes;
- l’indice des prix européen;
- l’indice des prix des concurrents de la Tunisie sur le marché
européen.
Cette modélisation théorique constitue ainsi une extension des
modèles d’exportations conventionnels18.
Nous suggérons ensuite une méthodologie d’estimation économétrique
de cette modélisation basée sur les modèles à correction d’erreur.
Cette technique permet d’établir une distinction entre les élasticités
de court terme et les élasticités de long terme des importations
sectorielles européennes.
Dans une seconde section, nous présentons les résultats obtenus
par l’application de cette méthodologie économétrique sur les
exportations tunisiennes de biens, décomposées en 8 secteurs (plus
les exportations totales de biens). En contraignant l’élasticité de long
terme de la demande à une valeur unitaire, notre application vise à
rendre compte de l’évolution des parts de marché des exportations
tunisiennes vers les pays européens.
Nous présentons ensuite dans une troisième section quelques
estimations utilisant la méthode des panels dynamiques.
Enfin, dans une quatrième section, nous suggérons quelques
extensions intéressantes sur le plan de la modélisation, qui pourront
être entreprises dans le prolongement du travail déjà réalisé :
- En premier lieu, nous proposons de compléter les équations
estimées par une maquette sectorielle de modélisation des
prix et des quantités (importations et exportations), ce qui peut
permettre de déterminer les flux nominaux et les soldes
commerciaux par secteur.
- En second lieu, nous suggérons quelques pistes de modélisation
et d’estimation introduisant des non-linéarités. Celles-ci ont pour
objectif de prendre en compte l’éventualité d’élasticité variant
17 Voir par exemple Annabi N., Cockburn J., Decaluwé B. (2003) pour une présentation des fondements microéconomiques des fonctions de demande.18 Voir par exemple Wong (2008) pour une application récente au cas de la Malaisie.
89
dans le temps. Ainsi par exemple, les élasticités-prix peuvent se
révéler plus faibles lorsque les différentiels de prix sont peu
importants et beaucoup plus significatives lorsque les différentiels
de prix augmentent, du fait de l’existence de coûts de
transactions.
- Enfin, nous proposons d’intégrer au modèle l’existence de
contraintes d’offre. En effet, la modélisation précédente se limite
à la spécification et à l’estimation de fonctions de demande
européenne sectorielle de produits tunisiens. Cependant, et
notamment en présence de rigidités des prix, les quantités
exportées peuvent être limitées par l’offre disponible et, de ce
fait, les exportations effectives sont susceptibles de ne pas
correspondre en permanence à la demande européenne qui leur
est adressée. A cet égard, nous proposons une méthode
permettant l’estimation d’un modèle de rationnement quantitatif.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
90
1. Présentation des équations d’exportations
sectorielles vers l’Europe
1.1 La demande européenne d’importationstunisiennes : le cadre général
1.1.a. La demande européenne d’importations en produit(i)
La fonction de demande européenne pour l’importation d’un produit
(ou secteur) i est de la forme :
(1) MiE = θΕ Yσ1 (Pi
E / Py)σ2
Où :
MiE : importations européennes en produit (i), en volume),
Y : revenu européen global, en volume
PiE : indice des prix des importations européennes en produit (i)
Py : indice des prix de la production européenne globale
θΕ : est un paramètre d'échelle
Les élasticités vérifient à priori les conditions suivantes:
Elasticité-revenu : σ1 >0
Elasticité-prix des importations européennes : σ2 <0
Sur un plan théorique, on peut souligner les points suivants :
- dans la maximisation d’une fonction d’utilité basée sur une
fonction CES, l’élasticité-revenu (σ1) est nécessairement égale
à 1 (cf. Annabi et al., 2003).
- l’élasticité-prix de la demande d’importations (σ2) est liée à
l’élasticité de substitution entre les importations européennes et
la production domestique. Si les importations vers l’Europe sont
de parfaits substituts à la production locale, l’élasticité-prix tendra
vers moins l’infini, tandis que si elles sont complémentaires,
l’élasticité-prix tendra vers zéro.
Remarques complémentaires :
- Cette équation peut permettre d’analyser les importations d’un
pays européen pris isolément plutôt que pour l’ensemble de la
zone. Dans ce cas, Y et Py représenteront respectivement le
revenu et l’indice de prix intérieur du pays européen considéré.
- On peut considérer d’autres indicateurs de la demande, tels la
consommation ou l’investissement plutôt que le PIB global
(Y), si l’on considère que certains produits exportés vers
l’Europe ne satisfont que la demande de consommation (ou
alternativement la demande d’investissement). Il faut alors retenir
comme indice de prix global l’indice des prix de la consommation
- ou de l’investissement – selon l’indicateur de demande
approprié.
1.1.b. Le partage des importations européennes en produit (i)
Le partage des importations européennes peut s’écrire sous la forme
suivante :
(2) MiT = θΤ Mi
Eσ3 (PiT / Pi
E)σ4
Dans notre cas, MiT représente les importations européennes en
produit (i) et en volume en provenance de la Tunisie (ou bien les
exportations tunisiennes vers l’Europe).
De la même manière, PiT représente l’indice des prix des importations
européennes en produit (i) en provenance de la Tunisie.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
91
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Les élasticités vérifient les conditions suivantes:
- Elasticité des importations en provenance de Tunisie par rapport
aux importations totales : σ3>0
- Elasticité-prix des importations en provenance de Tunisie par
rapport aux importations européennes totales, pour le produit
(i): σ4<0
Sur un plan théorique, l’élasticité-prix des importations en provenance
de Tunisie (σ4) traduit l’élasticité de substitution entre les importations
en provenance de Tunisie et les importations en provenance des
autres pays. Si les importations en provenance de Tunisie sont de
parfaits substituts aux importations en provenance des autres pays,
cette élasticité-prix tendra vers moins l’infini, tandis que si elles sont
complémentaires, l’élasticité-prix tendra vers zéro.
1.1.c. L’équation d’exportations tunisiennes de produit(i) vers l’Europe
Il résulte des deux équations précédentes l’expression de la demande
européenne en produits Tunisiens du secteur (i) :
(3) MiT = θΤ θΕ
σ3 Y σ3σ1 (PiE / Py ) σ3σ2 (Pi
T / PiE)σ4
Cette expression permet de faire apparaître :
- L’élasticité-revenu des importations de produit (i) en provenance
de Tunisie vers l’Europe (σ3σ1>0)
- L’élasticité-prix des importations de produit (i) en provenance
de Tunisie vers l’Europe (σ4<0)
L’estimation de l’équation d’importations de produits (i) en provenance
de Tunisie vers l’Europe se réalise en prenant le logarithme de l’équation
précédente afin d’obtenir un modèle linéaire :
(4) miT = χ0 y + β1 (piE - py) + β2 ( piT - piE ) + c
où :
miT = log(Mi
T) ; y = log(Y) ; py = log(Py) ; piE = log(PiE) ; piT = log(Pi
T)
χ0 = σ3σ1 ; β1 = σ3σ2 ; β2 = σ4 ; c= log(θΤ θΕσ3)
1.2 L’estimation de l’équation d’exportationssectorielles tunisiennes : le modèle à correctiond’erreurs
1.2.a. Le modèle à correction d’erreurs
L’équation économétrique à estimer sera ainsi de la forme :
(5) miT(t) = χ0 y(t) + β1 (piE(t) - py(t)) + β2 (piT(t) - piE(t)) + c + e(t)
où e(t) est le résidu.
Les paramètres estimés de cette équation nous donneront ainsi les
élasticités totales de long terme, par rapport au revenu européen
(χ0 > 0) et par rapport aux prix tunisiens (a2<0).
Ainsi :
- une augmentation du revenu européen de 1% se concrétisera,
à long terme, par une augmentation de χ0% des exportations
tunisienne de produit (i) vers l’Europe (ceteris paribus).
- une augmentation des prix européens de 1% se concrétisera,
à long terme, par une augmentation de - β1% des exportations
tunisienne de produit (i) vers l’Europe (ceteris paribus).
- une augmentation des prix tunisiens de 1% se concrétisera, à
long terme, par une diminution de - β2% des exportations
tunisienne de produit (i) vers l’Europe (ceteris paribus).
- une augmentation du prix total des importations européennes
de 1% se concrétisera, à long terme, par une variation de
(β1 - β2)% des exportations tunisienne de produit (i) vers l’Europe
(ceteris paribus).
La stratégie d’estimation du modèle dépend des propriétés
statistiques des séries modélisées.
92
Si l’on considère par exemple – ce qui semble une hypothèse de
départ raisonnable, à confirmer par les tests économétriques
adéquats19 – que les variables du modèles sont I(1) selon la
terminologie de Engle et Granger (1987)20 , c’est-à-dire si :
miT(t) ~ I(1)
y(t) ~ I(1)
[piE(t) - py(t)] ~ I(1)
[piT(t) - piE(t)] ~ I(1)
on peut procéder à l’estimation du modèle en deux étapes afin
de calculer les élasticités de long terme (par le biais de l’estimation
de la relation de cointégration 5) et les élasticités de court terme
(par le biais de l’estimation du modèle à correction d’erreurs
présenté ci-dessous).
L’estimation en deux étapes se réalise de la façon suivante :
1. Après avoir vérifié que les variables d’intérêt sont bien I(1), on
estime la relation de cointégration (ou relation de long terme)
suivante :
miT(t) = χ0 y(t) + β1 (piE(t) - py(t) ) + β2 ( piT(t) - piE(t) ) + c + ê(t)
2. On teste alors si les résidus estimés ê(t) sont I(0) au moyen des
tests de cointégration de Engle et Granger (1981) par exemple.
3. Si l’étape précédente valide l’existence d’une relation de
cointégration, on estime enfin le modèle à correction d’erreurs
sous la forme suivante :
ΔmiT(t) = b1Δmi
T(t-1) + b2Δy(t) + b3 Δ[piE(t) - py(t)] + b4 Δ[piT(t) - piE(t)]
+ c0 + γ ê(t-1) + ε(t)
Cette expression permet de faire apparaître la valeur de court
terme des élasticités-revenus (b2) et des élasticités-prix (b3
,b4), en plus des élasticités de long terme précédemment
estimées.
L’intuition de cette représentation est la suivante : l’équation (5)
décrit la valeur « d’équilibre » des importations tunisiennes,
conditionnellement à un revenu et des prix relatifs donnés.
Cependant, à la suite d’un choc affectant le revenu ou les prix
relatifs, les importations tunisiennes ne s’ajusteront pas
instantanément mais convergeront plus ou moins rapidement vers
leur nouvel équilibre. La vitesse d’ajustement vers le nouvel équilibre
est liée à la valeur du paramètre γ (étant donné que γ<0): si γ est
voisin de -1, l’ajustement des importations vers le nouvel équilibre
sera long (ce qui traduit une forte inertie des importations par rapport
à la demande européenne), tandis qu’il sera rapide si γ est
voisin de 0.
L’effet instantané du choc affectant le revenu ou les prix
relatif est mesuré respectivement par les paramètres b2 , b3
et b4.
Cette représentation peut permettre de simuler les trajectoires
attendues des exportations tunisiennes sous différents scénarios
d’évolution des prix relatifs et du revenu.
Notons pour terminer que si l’approche en deux étapes permet
de présenter de façon intuitive la distinction entre élasticités de court
terme et élasticités de long terme, l’estimation en une étape suggérée
par Pesaran et al. (2001), complétée par les valeurs-critiques
tabulées pour de petits échantillons par Narayan (2004) apparaît
économétriquement plus satisfaisante et plus générale que
l’approche en deux étapes présentée ici.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
19 Il s’agit ici de mettre en œuvre les tests usuels de racine-unitaire, par exemple le test de Dickey et Fuller (1981).20 Intuitivement, une série temporelle x(t) est intégrée à l’ordre un (et notée I(1)) si elle contient une racine-unitaire, c’est-à-dire si elle suit un processus de la forme : x(t) = a.x(t-1)+ b(L).Δx(t-1) + u(t) , où b(L) est un polynôme de retard, avec a=1. La série x(t) sera I(0) si a<1.
93
1.2.b. Estimations de modèles dynamiques en Panel
L’objectif affiché étant une estimation secteur par secteur des élasticités-
prix aux exportations tunisiennes, l’estimation en panel n’apparaît pas
pertinente. Toutefois, si les estimations sectorielles s’avéraient décevantes
(peu robustes ou éloignées des a priori théoriques), l’estimation en
Panel dynamique pourrait être envisagée : soit de façon globale, soit
par un regroupement de secteurs à caractéristiques proches.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
94
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2. Estimations économétriques des équations d’exportations
sectorielles tunisiennes
La modélisation proposée dans la section précédente suggère trois
variables explicatives potentielles des exportations tunisiennes:
- la demande adressée européenne;
- l’indice des prix des exportations sectorielles tunisiennes;
- l’indice des prix européens;
- l’indice des prix des concurrents de la Tunisie sur le marché
européen.
Cependant, les estimations préliminaires des fonctions d’exportations
par secteur ont révélés des problèmes de colinéarité entre les
différents indices de prix qui rendaient difficilement interprétables
les coefficients estimés. Nous avons donc été conduits à retenir la
spécification dynamique suivante, qui se restreint à la prise en compte
d’un seul prix relatif (noté p), qui comme cela est précisé ci-dessous,
pourra prendre deux spécifications différentes:
(6) Δx(t) = ρΔx(t-1) + α0Δd(t) + α1Δd(t-1) + α2 Δd(t-2) + φ0Δp(t)
+ φ1Δp(t-1) + φ2Δp(t-2) + γ [ x(t-1) - βp(t-1) – d(t-1) + μ.t]
+ εt
Où :
x : logarithme des exportations tunisiennes vers l'Union Européenne
(UE) en milliers d’euros constants base 100= 2005 (compilées à
partir de comext).
d : logarithme de la demande adressée à la Tunisie par l'UE à prix
constants (compilée à partir de comext). La demande adressée sera
exprimée de deux façons alternatives :
- La première prend en considération la demande adressée sur
l’ensemble des produits du secteur considéré (Agriculture, IAA,…);
- La seconde limite la demande adressée aux principaux produits
exportés par la Tunisie dans un secteur donné (Agriculture, IAA,…).
En effet, il existe une forte hétérogénéité dans la composition en
produits de chaque secteur, et, sous cette forme, la demande
adressée peut s’avérer plus représentative pour modéliser les
exportations tunisiennes.
p : logarithme du prix relatif des exportations tunisiennes. Ce prix
relatif sera exprimé de deux façons alternatives :
- La première retient un indice de prix relatifs sectoriel des
exportations de la Tunisie par rapport aux importations de l'UE
du même secteur;
- La deuxième utilise un indice de prix relatifs des exportations de
la Tunisie par rapport à celles des principaux concurrents sur
le marché Européen.
Ainsi, pour chaque secteur, quatre formulations ont été estimées selon
que la demande adressée soit calculée sur l’ensemble des produits ou
restreinte aux principaux produits, et selon que le prix relatif soit calculé
en fonction des prix des concurrents ou de celui des pays de l’Union
Européenne.
Rappelons que dans ce modèle à correction d’erreurs (MCE), le terme
entre crochets [ x(t-1) - βp(t-1) – d(t-1)] représente l’écart par rapport à
l’équilibre de long terme, dans lequel les élasticités de long terme sont
égales à 1 par rapport à la demande adressée (on modélise en fait
l’évolution des parts de marché de la Tunisie sur le marché européen)
et à β par rapport au prix relatif.
Le terme μ.t représente la tendance déterministe éventuelle des
parts de marché, qui s’accroissent annuellement au taux μ.
95
Enfin, notons que les variables notées Δx représentent la variation
de x, et que des variables muettes ont parfois été incluses dans le
modèle de régression.
2.1 Les données
La période d’estimation s’étend de 1988 à 2008 en données
annuelles. La base de données a été construite au sein de l’équipe
de l’ITCEQ et elle comporte les 8 secteurs suivants :
Secteur 1 : Agriculture (Agr)
Secteur 2 : Industrie Agro-alimentaires (IAA)
Secteur 3 : Matériaux de Construction Céramiques et Verre (MCCV)
Secteur 4 : Industries Mécaniques et Électriques (IME)
Secteur 5 : Industries Chimiques (CHIMIE)
Secteur 6 : Industries Textile, Habillement et Cuirs (THC)
Secteur 7 : Industries Diverses (DIVERS)
Secteur 8 : Hydrocarbures (Hyd)
2.2 La méthode d’estimation
La méthode d’estimation retenue ici est celle d’un Modèle à
Correction d’Erreurs (MCE) estimé en une étape, selon l’approche
suggérée par Pesaran et al. (2001). Il s’agit ici d’estimer une forme
non contrainte de l’équation (6) :
Δx(t) = ρΔx(t-1) + α0Δd(t) + α1Δd(t-1) + α2 Δd(t-2) + φ0Δp(t) +
φ1Δp(t-1) + φ2Δp(t-2) + a.x(t-1) + b.p(t-1) + c.d(t-1) + εt
et de tester la significativité du paramètre (a) : si celui-ci est
significativement différent de zéro, on en conclut qu’il existe bien un
mécanisme à correction d’erreurs, et l’on peut déterminer aisément les
coefficients de long terme à partir des paramètres estimés a, b et c.
Avant de procéder à l’estimation économétrique, nous avons testé
l’ordre d’intégration des séries utilisées à l’aide du test ADF. Les
résultats indiquent que l’ensemble des séries testées sont toutes
intégrées d’ordre 1.
2.3 Principaux résultats
2.3.1. L’agriculture
Les principaux résultats, pour les quatre spécifications testées pour
ce secteur, sont résumés dans le tableau 1 :
• La valeur de l’élasticité de long terme de la demande adressée
aux exportations a été imposée à l’unité. Notons que, dans les
tests préliminaires, cette restriction est acceptée plus facilement
en utilisant la demande adressée calculée sur la base des
principaux produits.
• Lorsque l’on utilise la demande adressée « Total produits », un
trend positif ressort significativement dans nos estimations,
représentatif d’un gain tendanciel de part de marché dans ce
secteur.
• Les élasticités-prix de long terme ont le signe attendu dans 3
cas sur 4. Seule la formulation avec les prix des pays de l’UE et
la demande adressée « principaux produits » ressort avec un
signe positif, contraire à l’intuition économique. La valeur de
cette élasticité apparaît faible, de l’ordre de -0,2 dans le cas des
prix des concurrents et de -0,3 dans celui des pays de l’UE, ce
qui impliquerait que les produits tunisiens du secteur ont peu
de substituts sur le marché d’importation de l’Union Européenne.
• Les MCE utilisant la demande adressée « Total Produits » ont
des propriétés statistiques satisfaisantes. Les tests LM
conduisent au rejet de l’hypothèse d’auto-corrélation des résidus
de ces équations. Ces résidus sont homoscédastiques au regard
du test de White et du test ARCH. La forme fonctionnelle de
l'équation est validée par le test Reset. Enfin, selon le test de
Bera-Jarque, les résidus de toutes les équations suivent une loi
normale. Ce n’est pas le cas de ceux utilisant la demande
adressée « Principaux produits ».
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
96
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
A l’issue de ces estimations, il semble que la meilleure équation est
celle utilisant la demande adressée « Total produits » et prenant
comme prix étranger ceux des pays de l’UE.
Le graphique 1.1 illustre l’ajustement statique sur le passé de ce MCE.
Total produits Principaux produits
Élasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel (-3,70) (-1,45) (-2,21) (-3,28) γ
Prix relatifs…
… des concurrents -0,20 (-0,28) -0,17 (-1,00) β
… de l’ensemble de l’UE -0,47 (-2,09) 0,06 (0,12)
Trend 0,007 (2,12) 0,02 (1,81) 2,0 2,0 μ
Élasticités à CT
Δlog(demande adressée) 1.49 (3.57) α0
Dummy
d98 0,16** (1,91) 0,16* (2,03) η0
d06 0,23 (2,32) η1
d02 -0,14 (-1,72) η2
Tests
LM (2) 0,82 0,21 0,03 0,10
Arch(1) 0,72 0,33 0,72 0,33
Normalité 0,71 0,56 0,92 0,38
Reset (2) 0,97 0,29 0,08 0,05
R-squared 0,63 0,50 0,44 0,39
Adjusted R-squared 0,46 0,32 0,34 0,33
Classement 1 4 3 2
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studen ne : le coefficient n’as pas été estimé mais imposé.
Tableau 1 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 1(Période d’estimation 1988-2008)
97
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
Graphique 1 : Taux de croissance annuel des exportations tunisiennes dans le secteur 1 observé et ajusté
Le graphique 1 représente la réponse des exportations du secteur
Agriculture à la suite de deux chocs simulés, en retenant la meilleure
spécification du Tableau 1 (colonne 1) :
- Une augmentation de 1% de la demande adressée ;
- Une augmentation de 1% du prix relatif des exportations
tunisiennes.
Ce graphique permet de constater que le délai médian d’ajustement21
est légèrement supérieur à une année dans le cas d’un choc de
prix, tandis que dans le cas d’un choc de demande, on assiste à
un phénomène de « surajustement » à court terme par rapport à
l’équilibre de long terme (l’élasticité de la demande à court terme
est de 1,49 tandis qu’elle est de 1 à long terme.
Ces résultats impliquent qu’à la suite d’une baisse de la demande
d’importations dans l’UE, les produits agricoles tunisiens risquent d’être
fortement affectés (baisse, en écart par rapport à la tendance, de 1,5%
environ dans l’année des exportations tunisiennes en cas de baisse de
1% de la demande européenne), ce qui en ferait l’un des secteurs les
plus affectés par le ralentissement de la conjoncture européenne. De
surcroît, la faible élasticité-prix a pour conséquence qu’une baisse des
prix tunisiens ne serait pas en mesure de contrebalancer significativement
la diminution des exportations en cas de récession en Europe.
98
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
21 C’est-à-dire le nombre d’années nécessaires pour que la moitié de l’ajustement total soit réalisé.
2.3.2. Le secteur des IAA
Les principaux résultats pour ce secteur sont résumés dans le tableau 2 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est acceptée
dans tous les cas de figure.
• Les élasticités prix de long terme ont le signe attendu dans 3
cas sur 4. Seule la formulation avec les prix des pays de l’UE et
la demande adressée « principaux produits » ressort avec un
signe positif, contraire à l’intuition économique. La valeur de cette
élasticité est de -0,7 dans le cas des prix des concurrents et de
-0,5 dans celui des pays de l’UE.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera-Jarque, les résidus de
toutes les équations suivent une loi normale.
Selon ces estimations, la meilleure équation est celle utilisant la
demande adressée « Total produits » et prenant comme prix étranger
ceux des pays de l’UE.
Le graphique 2 illustre l’ajustement statique sur le passé de ce MCE.
Graphique 2 : Réponses aux chocs
Source : Calculs ITCEQ/DEFI
99
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -1,13 (-6,10) -1,19 (-5,82)) -1,19 (-9,94) -1,33 (-5,99) γ
Prix relatifs…
… des concurrents -0,64 (-1,87) -0,74 (-2,39) β
… de l’ensemble de l’UE -0,54 (-1,61) 0,26 (2,47)
Trend μ
Elasticités à CT
Δ(Prix relatifs) -0,89 (-2,61) -0,93 (-2,54) -0,75* (-2,06) α0
Dummy
d02 -0,93 (-3,52) -0,87 (-3,25) -0,98 (-3,97) -1,12 (-4,11) η0
d02(-1) -0,96 (-3,10) -0,90 (-2,74) -0,93 (-3,13) -1,15 (-3,32) η1
d96 -0,14 (-1,72) -0,79 (-3,32) η2
d94 0,48* (2,09) 0,62 (3,74) η3
Tests
LM (2) 0,55 0,32 0,37 0,87
Arch (1) 0,85 0,70 0,33 0,93
Normalité 0,80 0,86 0,83 0,74
Reset (2) 0,10 0,52 0,12 0,76
R-squared 0,87 0,81 0,86 0,82
Adjusted R-squared 0,80 0,75 0,80 0,76
Classement 1 3 4 2
Tableau 2 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 2(Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
Le graphique 3 représente la réponse des exportations du secteur
des IAA à la suite de chocs de 1% sur la demande et sur le prix
relatif, en retenant la meilleure spécification du Tableau 2 (colonne
1).
100
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
Graphique 3 : Taux de croissance annuel des exportations tunisiennes dans le secteur 2 observé et ajusté
Le délai médian d’ajustement est très bref, inférieur à une année, dans le
cas d’un choc de demande, tandis que dans le cas d’un choc de prix, on
observe un surajustement à court terme par rapport à l’équilibre de long
terme (l’élasticité-prix à court terme est de -0.89 tandis qu’elle est de -0.54
à long terme). Il en résulte qu’une récession en Europe aurait des effets
négatifs très rapides et assez marqués sur les exportations tunisiennes du
secteur des IAA. Cependant, une diminution des prix à l’exportation
serait en mesure de contrebalancer, au moins partiellement, cet effet.
Source : Calculs ITCEQ/DEFI
,,,,,,,,,,
,
,
,
,
,
,
,
Graphique 4 : Réponses aux chocs
101
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2.3.3. Le secteur des Matériaux de Construction Céramiques
et Verre (MCCV)
Les principaux résultats pour ce secteur sont résumés dans le
tableau 3 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est acceptée
économétriquement dans le cas « Total produits ». L’élasticité
dans le cas « Principaux produits » est proche de 0,6 lorsque
l’on laisse le coefficient libre.
• Les élasticités-prix de long terme ont le signe attendu dans tous
les cas de figure. La valeur de cette élasticité est proche de -0,5.
• Les MCE utilisant la demande adressée « Total Produits » ont
des propriétés statistiques satisfaisantes. Les tests LM conduisent
au rejet de l’hypothèse d’auto-corrélation des résidus de ces
équations. Ces résidus sont homoscédastiques au regard du
test de White et du test ARCH. La forme fonctionnelle de
l'équation est validée par le test Reset. Enfin, selon le test de
Bera- Jarque, les résidus de toutes les équations suivent une loi
normale. Ce n’est pas le cas de ceux utilisant la demande
adressée « Principaux produits ».
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,88 (-6,66) -0,87 (-6,63) -0,74 (-4,70) -0,73 (-4,92) γ
Prix relatifs…
… des concurrents -0,46 (-3,81) -0,57 (-3,21) β
… de l’ensemble de l’UE -0,44 (-3,64) -0,49 (-2,69)
Trend μ
Elasticités à CT
Dummy
d9293 -0,52 (-2,86) -0,51 (-2,84) -0,68 (-2,78) -0,63 (-2,76) η0
Tests
LM (2) 0,52 0,70 0,49 0,61
Arch(1) 0,35 0,41 0,58 0,75
Normalité 0,63 0,68 0,26 0,23
Reset (2) 0,37 0,23 0,01 0,01
R-squared 0,85 0,86 0,76 0,79
Adjusted R-squared 0,83 0,83 0,72 0,75
Classement 1bis 1 3bis 3
Tableau 3 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 3 (Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
La meilleure équation est celle utilisant la demande adressée « Total
produits » (1ère colonne). La distinction sur les prix ne semble pas
discriminante dans ce secteur.
Le graphique 5 illustre l’ajustement statique sur le passé de ce MCE.
102
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
Graphique 5 : Taux de croissance annuel des exportations tunisiennes dans le secteur 3 observé et ajusté
Dans le graphique des réponses aux chocs (Graphique 6, basé
sur le Tableau 3, colonne 1), le délai médian apparaît bref, de
l’ordre d’une année, pour les deux types de chocs : une baisse
de la demande européenne de 1%, devrait entraîner une diminution
d’environ 0,5% des exportations du secteur des IMCCV sur un
horizon annuel.
Source : Calculs ITCEQ/DEFI
Graphique 6 : Réponses aux chocs
103
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2.3.4. Le secteur des Industries Mécaniques et Electriques
Les principaux résultats pour ce secteur sont résumés dans le
tableau 4 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Hors contrainte, celle élasticité serait
supérieure à l’unité, s’établissant aux alentours de 1,3 dans les
deux cas de figure.
• Dans l’ensemble des MCE, un trend positif sort significativement
dans nos estimations signifiant un gain tendanciel de part de
marché dans ce secteur. Cela est cohérent avec l’élasticité de
la demande adressée supérieure à l’unité.
• Les élasticités prix de long terme n’ont pas le signe attendu
lorsque l’on retient les prix des concurrents dans le prix relatif.
Dans l’autre cas, l’élasticité estimée est relativement forte,
comprise entre -1 et -1,5.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
Total produits Principaux produits
Élasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,22 (-2,31) -0,13 (-2,27) -0,66 (-8,86) -0,73 (-2,71) γ
Prix relatifs…
… des concurrents 0,09 0,27 β
… de l’ensemble de l’UE -1,10 -1,56
Trend 0,09 0,08 0,10 0,06 μ
ST Élasticitiés
Δlog(demande adressée) 0,42 (4,36) 0.35 (2.92) 0.72 (8.91) α0
Δ(Prix relatifs) -0,32 (-2,77) -0.14 (-1.24) -0.53 (-6.24) α0
Δ(Prix relatifs) -1 0.39 (4.12) α1
Δlog(Exportations)-2 -0.28 (-4.91) ρ0
Dummy
d89 0,14 (3,60) 0,12 (2,48) η0
d06 0,16 (3,28) 0,17 (2,70) 0,10 (7,65) η1
d96 -0,18 (-3,68) η2
Tests
LM (2) 0,34 0,54 0,36 0,51
Arch(1) 0,72 0,86 0,16 0,32
Normalité 0,67 0,34 0,72 0,35
Reset (2) 0,64 0,40 0,83 0,35
R-squared 0,83 0,75 0,98 0,63
Adjusted R-squared 0,73 0,61 0,96 0,53
Classement 1bis 3 1 3bis
Tableau 4 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 4(Période d’estimation 1988-2008)
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
104
test Reset. Enfin, selon le test de Bera Jarque, les résidus de
toutes les équations suivent une loi normale.
La meilleure équation est celle utilisant les prix calculé sur l’ensemble
des pays de l’UE dans l’indicateur de compétitivité, et pour les
principaux produits seulement.
Le graphique 7 illustre l’ajustement statique sur le passé de ce MCE.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
Graphique 7 : Taux de croissance annuel des exportations tunisiennes dans le secteur 4 observé et ajusté
La réponse aux chocs simulés est représentée dans le graphique
4.2, en retenant la meilleure spécification du Tableau 1 (colonne 3).
Pour le choc de demande, le délai médian est instantané (puisque
l’élasticité à court-terme est supérieure à 0,5 pour une élasticité de
long terme égale à 1), et il est inférieur à une année pour le choc de
prix relatifs. Les effets d’une récession européenne ont ici des effets
similaires à ceux du secteur des IMCCV : une baisse de la demande
européenne de 1%, devrait entraîner rapidement une diminution
d’environ 0,5% (en écart à la tendance) des exportations du secteur
des IME. Cependant, la sensibilité de ces exportations par rapport
aux prix relatifs implique qu’une réduction des prix serait en mesure
de contrebalancer partiellement ce mouvement.
105
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
Graphique 8 : Réponses aux chocs
2.3.5. Le secteur de la Chimie
Les principaux résultats pour ce secteur sont résumés dans le
tableau 5 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Hors contrainte, celle élasticité serait
supérieure à l’unité, s’établissant aux alentours de 1,5 dans tous
les cas de figure à l’exception du cas 4 (demande adressée «
Principaux produits », prix des concurrents ») dans lequel l
’élasticité est de 0,8.
• Dans l’ensemble des MCE, un trend négatif sort significativement
dans nos estimations signifiant une perte tendancielle de part
de marché dans ce secteur. Cela est cohérent avec l’élasticité
de la demande adressée inférieure à l’unité.
• Les élasticités prix ont le signe attendu quelque soit la formulation
retenue mais leur valeur varie fortement : elle se situe aux
alentours de -0,7/-0,9 dans le cas d’une demande adressée «
Total produits ». Elle ressort à des valeurs beaucoup plus fortes
(respectivement -1,89 et -4.67) lorsque l’on retient la demande
adressée « Principaux produits ». Ceci dénote une forte
substituabilité des exportations de produis de l’industrie chimique
tunisienne par rapport aux produits concurrents.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. Enfin, selon le test de Bera- Jarque, les résidus de toutes
les équations suivent une loi normale. Seule la forme fonctionnelle
de l'équation n’est pas validée par le test Reset.
106
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
LT Elasticities
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0.75 (-2.70) -0.67 (-2.36) -0.23 (-1.99) -0.39 (-3.55) γ
Prix relatifs…
… des concurrents -0.88 (-2.35) -4.67 (-3.91) β
… de l’ensemble de l’UE -0.70 (-2.69) -1.89 (-2.09)
Trend -0.06 (-3.40) -0.06 (-3.19) -0.11 (-2.63) -0.13 (-4.47) μ
Elasticités à CT
Δlog(demande adressée) 0.87 * (2.01) 0.72 ** (1.65) α0
Δlog(demande adressée)-1 -0.32 (-2.77) -0.14 (-1.24) -0.15 ** (-1.79) α0
Δ(Prix relatifs)-1 1.52 (2.90) φ1
Δ(Prix relatifs)-2 1.39 (3.00) φ2
Dummy
d9394 -0.18* (-2.26) -0.19 * (-2.28) -0.24 (-2.69) -0.28 (-4.08) η0
Tests
LM (2) 0.75 0.42 0.73 0.19
Arch(1) 0.49 0.91 0.37 0.30
Normalité 0.63 0.68 0.61 0.42
Reset (2) 0.07 0.10 0.07 0.02
R-squared 0.74 0.73 0.65 0.86
Adjusted R-squared 0.62 0.60 0.53 0.74
Classement 2 3 4 1
Tableau 5 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 5Période d’estimation 1988-2008
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
La meilleure équation est celle utilisant la demande adressée « Total
produits » et prenant comme prix étranger ceux des concurrents.
Le graphique 9 illustre l’ajustement statique sur le passé de ce
MCE.
107
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Les délais médian d’ajustement des exportations de l’industrie
chimique apparaissent élevés (Graphique 10): de l’ordre de 2 ans
pour le choc de demande et de 4 ans pour le choc de prix relatifs.
Dans le scénario d’une récession européenne, ces exportations ne
devraient donc pas connaître une trop forte diminution (en écart à
la tendance) sur un horizon d’une année, tandis que la forte élasticité-
prix permet d’envisager des ajustements de prix relatifs propres à
contrebalancer cette réduction.
Source : Calculs ITCEQ/DEFI
Graphique 9 : Taux de croissance annuel des exportations tunisiennes dans le secteur 5 observé et ajusté
Source : Calculs ITCEQ/DEFI
Graphique 10 : Réponses aux chocs
108
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,14 (-2,12) -0,15 (-3,31) -0,10 (-2,21) -0,15 (-3,56) γ
Prix relatifs…
… des concurrents 2,88 (-9,01) -4,21 (-8,27) β
… de l’ensemble de l’UE -5,30 (-4,99) -8,04 (-6,39)
Trend μ
Elasticités à CT
Δ(Prix relatifs) -0,26 (-2,33) -0,34 (-3,10) -0,43 (-3,63) -0,46 (-3,94) φ0
Dummy
d01 0,16 (2,41) 0,15 (2,25) 0,19 (2,73) η0
Tests
LM (2) 0,84 0,48 0,62 0,46
Arch(1) 0,36 0,69 0,62 0,88
Normalité 0,69 0,98 0,64 0,58
Reset (2) 0,16 0,89 0,77 0,77
R-squared 0,65 0,84 0,80 0,86
Adjusted R-squared 0,55 0,81 0,76 0,82
Classement 4 2 3 1
Tableau 6 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 6Période d’estimation 1988-2008
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
2.3.6. Le secteur Textile Habillement et Cuirs
Les principaux résultats pour ce secteur sont résumés dans le
tableau 6 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Hors contrainte, celle élasticité serait
inférieure à l’unité, s’établissant aux alentours de 0,6 dans tous
les cas de figure.
• Les élasticités prix ont le signe attendu quelque soit la formulation
retenue et leur valeur est élevée s’établissant entre -3 et -4 lorsque
l’on retient les prix des concurrents et entre -5 et -8 dans le
second cas. Comme dans le cas des industries Chimiques, on
aurait donc ici un phénomène de forte substituabilité de ces
produits sur le marché européen.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera Jarque, les résidus de
toutes les équations suivent une loi normale.
109
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
A l’issue de ce premier travail, il semblerait que la meilleure équation
est celle utilisant les prix calculé sur les prix des concurrents dans
l’indicateur de compétitivité et en prenant la demande adressée «
Principaux produits ».
Le graphique 11 illustre l’ajustement statique sur le passé de ce
MCE.
Les délais médians d’ajustement estimés des exportations de l’industrie
Textile, Habillement et Cuirs sont les plus élevés parmi les secteurs
étudiés (Graphique 12): ils sont voisins de 5 ans pour le choc de
demande et supérieurs à 3 ans pour le choc de prix relatifs. À court
terme, une récession européenne ne devrait pas avoir beaucoup d’effet
sur ces exportations. Comme dans le cas de l’industrie chimique,
l’importante élasticité-prix permet d’envisager des ajustements de prix
relatifs propres à contrebalancer une éventuelle baisse des exportations.
Source : Calculs ITCEQ/DEFI
Graphique 11 : Taux de croissance annuel des exportations tunisiennes dans le secteur 6 observé et ajusté
Source : Calculs ITCEQ/DEFI
Graphique 12 : Réponses aux chocs
110
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,12 (-2,59) -0,31 (-2,96) -0,38 (-4,62) -0,12 (-2,18) γ
Prix relatifs…
… des concurrents 0,07 (0,30) 0,41 (0,69) β
… de l’ensemble de l’UE 2,52 (2,71) -1,43 (-3,74)
Trend 0,08 (2,57) 0,02 (3,74) 0,07 (1,46) μ
Elasticités à CT
Δlog(demande adressée) 0,16 (3,00) 0,09 ** (1,49) α0
Dummy
d98 0,18 (2,42) 0,18 (2,14) η0
d02 0,19 * (2,00) 0,19 (2,22) 0,20 (2,66) η1
Tests
LM (2) 0,37 0,60 0,74 0,36
Arch(1) 0,74 0,75 0,78 0,82
Normalité 0,90 0,08 0,63 0,03
Reset (2) 0,65 0,96 0,64 0,95
R-squared 0,43 0,60 0,71 0,66
Adjusted R-squared 0,32 0,46 0,58 0,47
Classement 4 3 1 2
Tableau 7 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 7Période d’estimation1988-2008
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
2.3.7. Le secteur « Divers »
Les principaux résultats pour ce secteur sont résumés dans le
tableau 7 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est acceptée
plus facilement en utilisant la demande adressée calculée sur la
base des principaux produits (élasticité estimée de 1,05) que
dans le cas « Total produits » (élasticité estimée supérieure à 1,7).
• Les élasticités prix n’ont jamais le signe attendu à l’exception du
cas 3 (demande adressée « Principaux produits » et prix des
pays de l’UE. Dans ce dernier cas, la valeur estimée est de -1,43’.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le test
Reset. Enfin, selon le test de Bera Jarque, les résidus de toutes
les équations suivent une loi normale.
111
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La meilleure équation est celle utilisant les prix relatifs calculés par
rapport aux prix de l’UE dans l’indicateur de compétitivité et en
prenant la demande adressée « Principaux produits ».
Le graphique 13 illustre l’ajustement statique sur le passé de ce MCE.
Source : Calculs ITCEQ/DEFI
Graphique 13 : Taux de croissance annuel des exportations tunisiennes dans le secteur 7 observé et ajusté
Source : Calculs ITCEQ/DEFI
Graphique 14 : Réponses aux chocs
Les réponses aux chocs estimées pour ce secteur (Graphique 14)
montrent des délais médians d’ajustement assez bref (environ 1 an)
à la suite d’un choc de demande, et de l’ordre de 2 ans à la suite d’un
choc de prix. Une baisse de la demande européenne de 1%
s’accompagnerait ainsi d’une baisse de 0,5% des exportations
sectorielles sur un horizon annuel (en écart à la tendance).
112
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
Elasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,83 (-6,31) -0,41 (-2,31) -0,66 (-3,75) -0,38 (-2,02)γ
Prix relatifs…
… des concurrents -5,65 (-1,69) -4,47 (-1,29)β
… de l’ensemble de l’UE -7,93-7,93 (-3,81)
Trend μ
Elasticités à CT
Dummy
d9394 -0,53 (-4,52) -0,68 (-3,60) -0,65 (-5,09) -0,71 (-3,74)η0
Tests
LM (2) 0,11 0,26 0,65 0,30
Arch(1) 0,83 0,84 0,12 0,84
Normalité 0,89 0,27 0,73 0,21
Reset (2) 0,80 0,68 0,30 0,62
R-squared 0,89 0,69 0,86 0,67
Adjusted R-squared 0,87 0,63 0,82 0,61
Classement 1 3 2 4
Tableau 8 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le secteur 8Période d’estimation1988-2008
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
2.3.8. Le secteur des hydrocarbures et produits raffinés
Les principaux résultats pour ce secteur sont résumés dans le tableau 8 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette restriction est
acceptée plus facilement en utilisant la demande adressée
calculée sur la base « Total produits » (élasticité estimée de
1,03) que dans le cas « Principaux produits » (élasticité estimée
supérieure à 0,8).
• Les élasticités prix ont toujours le signe attendu. La valeur est
comprise entre -8 dans le cas des prix des pays de l’UE et aux
alentours de -5 dans le cas des prix des concurrent. Ce secteur
est donc celui qui se caractérise par les élasticités-prix les plus
fortes parmi les secteurs étudiés. Compte tenu de la nature des
produits du secteur, cela n’est pas surprenant : les hydrocarbures
sont des produits standardisés, et les produits tunisiens sont
donc de proches substituts par rapport aux produits
commercialisés sur le marché européen.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera-Jarque, les résidus de
toutes les équations suivent une loi normale.
113
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Comme on pouvait s’y attendre, les délais médians d’ajustement
sont très brefs : inférieurs à une année à la suite de chocs de
demande ou de chocs de prix. Le fait notable est ici constitué par
la forte élasticité-prix et le faible délai d’ajustement qui rendent
conjointement les exportations de ce secteur très sensibles à
court terme aux fluctuations de prix relatifs.
A l’issue de ce premier travail, il semblerait que la meilleure équation
est celle utilisant la demande adressée « Total produits » et prenant
comme prix étranger ceux des pays de l’UE.
Le graphique 15 illustre l’ajustement statique sur le passé de ce MCE.
Source : Calculs ITCEQ/DEFI
0,2
0,0
-0,4
-0,2
0,4
1,5
1,0
0,5
0,0
-0,5
-1,0
Graphique 15 : Taux de croissance annuel des exportations tunisiennes dans le secteur 8 observé et ajusté
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
Graphique 16 : Réponses aux chocs
114
2.3.9. Le total des biens
Les principaux résultats pour sont résumés dans le tableau 9 :
• La valeur de l’élasticité de la demande adressée aux exportations
a été imposée à l’unité. Notons que cette contrainte est acceptée
plus facilement en utilisant la demande adressée calculée sur la
base « Total produits » (élasticité estimée de 1,01) que dans le
cas « Principaux produits » (élasticité estimée supérieure à 0,9).
• Les élasticités prix ont toujours le signe attendu à l’exception de
la formulation 3 (prix de l’ensemble des pays de l’UE et demande
adressée « Principaux produits »). Dans les autres cas de figure,
la valeur est comprise entre -0,3 et -0,5.
• L’ensemble des MCE ont des propriétés statistiques
satisfaisantes. Les tests LM conduisent au rejet de l’hypothèse
d’auto-corrélation des résidus de ces équations. Ces résidus
sont homoscédastiques au regard du test de White et du test
ARCH. La forme fonctionnelle de l'équation est validée par le
test Reset. Enfin, selon le test de Bera-Jarque, les résidus de
toutes les équations suivent une loi normale.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Total produits Principaux produits
Élasticités à LT
Demande adressée 1ne 1ne 1ne 1ne
Force de rappel -0,53 (-5,14) -0,49 (-4,28) -0,53 (-3,93) -0.,57 (-5,59) γ
Prix relatifs…
… des concurrents -0,49 (-3,30) -0,31 (-2,40) β
… de l’ensemble de l’UE -0,53 (-2,18) 0,35 (1,05)
Élasticités à CT
Δlog(demande adressée)-1 -0,44 (-2,65) α1
Δ(Prix relatifs)-1 -0,35 (-1,95) φ1
Dummy
d9394 -0,14 (-4,89) -0,11 (-5,07) -0,13 (-4,75) -0,12 (-4,94) η0
Tests
LM (2) 0,59 0,36 0,78 0,87
Arch(1) 0,55 0,86 0,51 0,43
Normalité 0,73 0,96 0,20 0,42
Reset (2) 0,08 0,17 0,14 0,87
R-squared 0,78 0,83 0,75 0,82
Adjusted R-squared 0,74 0,78 0,68 0,79
Classement 3 2 4 1
Tableau 9 : Résumé des principaux résultats d’estimations de l’équation d’exportations pour le Total des BiensPériode d’estimation 1988-2008
Source : Calculs ITCEQ/DEFINote : entre parenthèses figure la statistique du t de studentne : le coefficient n’as pas été estimé mais imposé.
115
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La meilleure équation est celle utilisant la demande adressée « principaux
produits » et prenant comme prix étranger ceux des concurrents.
Le graphique 17 illustre l’ajustement statique sur le passé de ce
MCE.
Le graphique 18 permet de synthétiser les effets dynamiques que
l’on pourrait attendre d’une baisse de la demande européenne de
1% sur les volumes d’exportations de biens tunisiennes. Celles-
ci étant essentiellement réalisées dans le secteur Textiles,
Habillement et Cuirs (environ 40% des exportations totales de
biens en 2008, dans la couverture sectorielle de la base utilisée)
et Industries Mécaniques et Electriques (environ 30% des
exportations totales de biens en 2008, mêmes sources), les
réponses aux chocs seront fortement liées au comportement
dynamique de ces deux secteurs.
En ce qui concerne le choc de demande, le délai médian
d’ajustement est de l’ordre d’une année : une baisse de la demande
européenne de 1% se concrétiserait donc par une diminution du
volume de biens exportés d’environ 0,5% sur un horizon annuel.
L’élasticité-prix de long terme est relativement faible (-0,31) et le
délai médian d’ajustement à un choc de prix est sensiblement
supérieur à une année : globalement, une variation limitée des prix
relatifs devrait avoir peu d’impact sur les quantités exportées sur
un horizon annuel.
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
,
,
,
,
,
Graphique 17 : Taux de croissance annuel des exportations tunisiennes pour le total des biens observé et ajusté
116
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Prix relatifs… Total produits Principaux produits
Secteur 1… des concurrents 4 2
… de l’ensemble de l’UE 1 3
Secteur 2… des concurrents 3 2
… de l’ensemble de l’UE 1 4
Secteur 3… des concurrents 1 3
… de l’ensemble de l’UE 1 bis 3 bis
Secteur 4… des concurrents 3 4
… de l’ensemble de l’UE 1 bis 1
Secteur 5… des concurrents 3 1
… de l’ensemble de l’UE 2 4
Secteur 6… des concurrents 2 1
… de l’ensemble de l’UE 4 3
Secteur 7… des concurrents 3 2
… de l’ensemble de l’UE 4 1
Secteur 8… des concurrents 3 4
… de l’ensemble de l’UE 1 2
Total Biens… des concurrents 2 1
… de l’ensemble de l’UE 3 4
Tableau 10 : Synthèse des meilleures spécifications sectorielles
Source : Calculs ITCEQ/DEFI
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
,
,
,
,
,
,
,
,
,
Graphique 18 : Réponses aux chocs
2.3.10. Synthèse
Le tableau 10 résume le classement des formulations par secteur.
Il semblerait que la formulation 1 (demande adressée « Total
produits » et prix de l’ensemble des pays de l’UE comme prix
des étrangers) apparaisse comme la plus acceptable si une
formulation commune à l’ensemble des secteurs devait être
retenue.
117
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
En conclusion, les résultats des estimations réalisées sont riches
d’enseignements. Ils font apparaître de fortes disparités entre les
secteurs, autant en ce qui concerne les élasticités-prix de long terme
des différents secteurs (et donc leur niveau de substituabilité sur le
marché européen), qu’en ce qui concerne le comportement
dynamique des exportations à la suite de chocs de prix relatifs et
de chocs de demande.
Il convient de souligner que les réponses aux chocs ont été
commentées en prenant pour exemple une récession européenne
(et une diminution de la demande d’importation de l’UE).
Cependant, il ne s’agit en aucun cas ici d’un exercice de prévision
conjoncturelle : en effet, si les importations européennes ont
connu une très forte baisse (de l’ordre de 40% en valeur, en
données mensuelles) du pic de juillet 2008 au creux de septembre
2009, elles ont, depuis cette date, enregistrées une très forte
progression et sont quasiment revenues à leur niveau d’avant la
crise depuis le mois de janvier 2011.
118
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
3. Les estimations économétriques des équations d’exportations
sectorielles tunisiennes en panel dynamique
Nous avons procédé à l’estimation des fonctions d’exportations
en Panel dynamique.
3.1 Les données
La période d’estimation s’étend de 1988 à 2008. La base de données
a été construite au sein de l’équipe de l’ITCEQ et comporte huit
secteurs présentés dans la section précédente :
Secteur 1 : Industries textile habillement et cuirs (THC)
Secteur 2 : Industries mécaniques et électriques (IME)
Secteur 3 : Industrie agro-alimentaires (IAA)
Secteur 4 : Industries matériaux de construction céramiques et
verre (IMCCV)
Secteur 5 : Industries divers (DIVERS)
Secteur 6 : Industries chimiques (CHIMIE)
Secteur 7 : Agriculture (AGRICULTURE)
Secteur 8 : Hydrocarbures (HYDRPDSRAFFINES)
Les variables de panel sont les suivantes:
X : Exportations tunisiennes, le logarithme sera noté LX et la variation
du logarithme sera notée DLX;
D : Demande adressée européenne, le logarithme sera noté LD
et la variation du logarithme sera notée DLD;
PCON : Prix relatif des exportations tunisiennes par rapport aux
prix des concurrents, le logarithme sera noté LPCON et la variation
du logarithme sera notée DLPCON
PUE : Prix relatif des exportations tunisiennes par rapport aux
prix des pays de l’Union Européenne, le logarithme sera noté
LPUE et la variation du logarithme sera notée DLPUE
Tableau 1 : Résultats des tests de racine unitaire en panel
Panel unit root test: Summary Sample: 1988 2008
Exogenous variables: Individual effects, individual linear trends
Automatic selection of maximum lags based on SIC: 0 to 3
Newey-West automatic bandwidth selection and Bartlett kernel
Les exportations tunisiennes (LX)
Methode Statistic Prob.** Cross-sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -1,58336 0,0567 8 156
Breitung t-stat 3,92219 1,0000 8 148
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -1,94229 0,0261 8 156
ADF - Fisher Chi-square 31,8442 0,0105 8 156
PP - Fisher Chi-square 42,1884 0,0004 8 160
119
Les résultats des tests de racine-unitaire divergent les uns des autres et
indiquent que les séries peuvent être stationnaires ou intégrées d’ordre 1.
Dans le cas les séries sont supposées intégrées d’ordre 1.
Les tests de cointégration de Pedroni (Tableau 2) donnent aussi des
résultats contradictoires (l’hypothèse nulle de noncointégration peut
être rejetée ou non rejetée selon le test appliqué).
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La demande adressée (LD)
Methode Statistic Prob.** Cross-sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -1,46385 0,0716 8 152
Breitung t-stat -0,29669 0,3834 8 144
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -2,12314 0,0169 8 152
ADF - Fisher Chi-square 30,3855 0,0161 8 152
PP - Fisher Chi-square 30,6235 0,0150 8 160
Les prix relatif calculé en fonction des prix des concurrents (LPCON)
Methode Statistic Prob.** Cross-sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -2,09402 0,0181 8 155
Breitung t-stat 0,84405 0,8007 8 147
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -2,60662 0,0046 8 155
ADF - Fisher Chi-square 35,3177 0,0036 8 155
PP - Fisher Chi-square 27,4481 0,0368 8 160
Les prix relatif calculé en fonction des prix des pays de l’Union européenne (LPUE)
Methode Statistic Prob.** Cross-sections Obs
Null: Unit root (assumes common unit root process)
Levin, Lin & Chu t* -3,55244 0,0002 8 151
Breitung t-stat 1,31856 0,9063 8 143
Null: Unit root (assumes individual unit root process)
Im, Pesaran and Shin W-stat -3,04380 0,0012 8 151
ADF - Fisher Chi-square 38,7938 0,0012 8 151
PP - Fisher Chi-square 16,8827 0,3932 8 160
** Probabilities for Fisher tests are computed using an asymptotic Chi -square distribution. All other tests assume asymptotic normality.
120
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2 : Résultats des tests de cointegration en panel
Series: LX - LD - LPUE Sample: 1988 2008 Included observations: 168 Cross-sections included: 8
Null Hypothesis: No cointegration
Automatic lag length selection based on SIC with a max lag of 3
Newey-West automatic bandwidth selection and Bartlett kernel
Pedroni’s Test (Residual Cointegration Test) Trend assumption: Deterministic intercept and trend
Alternative hypothesis: common AR coefs. (within-dimension)
Statistic Prob. Weighted Statistic Prob.
Panel v-Statistic 0,714735 0,2374 0,116556 0,4536
Panel rho-Statistic -0,417653 0,3381 0,240157 0,5949
Panel PP-Statistic -3,395447 0,0003 -2,978726 0,0014
Panel ADF-Statistic -3,452005 0,0003 -3,052121 0,0011
Alternative hypothesis: common AR coefs. (within-dimension)
Statistic Prob
Group rho-Statistic 0,851300 0,8027
Group PP-Statistic -2,709311 0,0034
Group ADF-Statistic -2,610142 0,0045
Kao’s Test (Residual Cointegration Test) Trend assumption: No deterministic trend
Alternative hypothesis: common AR coefs. (within-dimension)
Statistic Prob.
ADF -1,627718 0,0518
Residual variance 0,061223
HAC variance 0,031124
Johansen Test (Fisher Panel Cointegration Test) Trend assumption: Linear deterministic trend
Lags interval (in first differences): 1 1
Unrestricted Cointegration Rank Test (Trace and Maximum Eigenvalue)
HypothesizedNo. of CE(s)
Fisher Stat.*(from trace test) Prob.
Fisher Stat.*(from max-eigen test) Prob.
None 51,44 0,0000 38,41 0,0013
At most 1 27,00 0,0415 24,72 0,0750
At most 2 21,45 0,1618 21,45 0,1618
* Probabilities are computed using asymptotic Chi-square distribution.
121
3.2 La méthode d’estimation
Nous estimerons dans ce qui suit les spécifications suivantes :
- Dans un premier temps, nous estimerons un modèle autorégressif
à retards distribués (ADL) en niveau (en prenant pour hypothèse
la stationnarité des séries), en retenant deux spécifications
alternatives pour les prix relatifs : celle basée sur les prix de l’UE
et celle basée sur les prix des concurrents sur le marché européen.
- Dans un deuxième temps, nous estimerons un modèle autorégressif
à retards distribués (ADL) en différences premières (en prenant
pour hypothèse la non-stationnarité des séries), en retenant les
deux spécifications alternatives pour les prix relatifs.
- Nous estimerons enfin un modèle à correction d’erreurs (MCE)
estimé en une étape, qui permet d’englober le cas intégré et le
cas non-cointégré, toujours sous les deux spécifications
alternatives des prix relatifs.
3.3 Les principaux résultats
3.3.1. Le modèle ADL en niveau dans le cas de prix despays de l’UE (LPUE)
Les principaux résultats de l’estimation en panel sont résumés
dans le tableau 8 :
• La valeur estimée de l’élasticité de la demande adressée aux
exportations est de 0,82 à le long terme et de 0,27 à court
terme.
• Un trend positif ressort significativement dans nos estimations,
ce qui représente un gain tendanciel de parts de marché.
• Les élasticités prix ont le signe attendu : la valeur de cette élasticité
est de -0,71 à court terme et à long terme.
• Le modèle ADL dispose de propriétés statistiques
satisfaisantes.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 3 : Estimation des exportations en niveau dans le cas de prix des pays de l’UE
Dependent Variable: LX
Method: Panel Least Squares
Sample (adjusted): 1989-2008
Periods included: 20
Cross-sections included: 8
Total panel (balanced) observations: 160
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.Constant 3,679917 0,729487 5,044528 0,0000
LX(-1) 0,677151 0,071589 9,458823 0,0000
LD 0,265131 0,096423 2,749664 0,0067
LPUE -0,705671 0,079139 -8,916812 0,0000
LPUE(-1) 0,475012 0,087979 5,399130 0,0000
Trend 0,037081 0,008620 4,301492 0,0000
Effects SpecificationCross-section fixed (dummy variables)
R-squared 0,976254 Mean dependent var 12,44637
Adjusted R-squared 0,974316 S.D. dependent var 1,413753
S.E. of regression 0,226571 Akaike info criterion -0,053759
Sum squared resid 7,546150 Schwarz criterion 0,196099
Log likelihood 17,30074 Hannan-Quinn criter. 0,047699
F-statistic 503,6370 Durbin-Watson stat 2,302661
Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI
122
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Le graphique 1 ci-après illustre l’ajustement statique sur le passé de ce modèle ADL.
3.3.2. Le modèle ADL en niveau dans le cas de prix desconcurrents (LPCON)
Les principaux résultats pour ce modèle sont résumés dans le
tableau 4 :
• La valeur de l’élasticité de la demande adressée aux
exportations est 0,83 dans le long terme et 0,26 dans le court
terme.
• Un trend positif ressort significativement de nos estimations
signifiant un gain tendanciel de part de marché dans ce
secteur.
• Les élasticités-prix estimées sont de -0,65 à court terme et -
0,71 à long terme.
• Les propriétés statistiques des résidus de cette équation sont
satisfaisantes.
On constate ainsi qu’il y a très peu de différences entre les deux
spécifications, celle qui retient dans le prix relatif les prix de l’UE
et celle qui utilise le prix de concurrents sur le marché européen.
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
Graphique 1 : Exportations tunisiennes observées et ajustées (en log)
123
Le graphique 2 illustre l’ajustement statique sur le passé de ce modèle ADL.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 4 : Estimation des exportations en niveau dans le cas de prix des concurrents
Dependent Variable: LX
Method: Panel Least Squares
Sample (adjusted): 1989-2008
Periods included: 20
Cross-sections included: 8
Total panel (balanced) observations: 160
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.Constant 3,532320 0,689397 5,123782 0,0000LX(-1) 0,688561 0,073388 9,382525 0,0000LD 0,258474 0,099060 2,609279 0,0100LPUE -0,645157 0,079857 -8,078912 0,0000LPUE(-1) 0,423191 0,084779 4,991701 0,0000Trend 0,025265 0,008747 2,888411 0,0045
Effects SpecificationCross-section fixed (dummy variables)R-squared 0,974836 Mean dependent var 12,44637Adjusted R-squared 0,972782 S.D. dependent var 1,413753S.E. of regression 0,233240 Akaike info criterion 0,004265Sum squared resid 7,996959 Schwarz criterion 0,254122Log likelihood 12,65883 Hannan-Quinn criter. 0,105723F-statistic 474,5551 Durbin-Watson stat 2,356153Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
Graphique 2 : Exportations tunisiennes observées et ajustées (en log)
124
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 5 : Estimations de l’équation d’exportations en taux de croissance dans le cas de prix des pays de l’UE
Dependent Variable: DLX
Method: Panel Least Squares
Sample (adjusted): 1990- 2008
Periods included: 19
Cross-sections included: 8
Total panel (balanced) observations: 152
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.Constant 0,064636 0,022456 2,878397 0,0046
LX(-1) -0,310827 0,125930 -2,468259 0,0148
DLD 0,311570 0,210593 1,479487 0,1413
DLPUE -0,674955 0,084278 -8,008625 0,0000
DLPUE(-1) -0,237546 0,107686 -2,205923 0,0290
Effects SpecificationCross-section fixed (dummy variables)
R-squared 0,462975 Mean dependent var 0,052422
Adjusted R-squared 0,420780 S.D. dependent var 0,313173
S.E. of regression 0,238345 Akaike info criterion 0,045462
Sum squared resid 7,953167 Schwarz criterion 0,284189
Log likelihood 8,544923 Hannan-Quinn criter. 0,142441
F-statistic 10,97231 Durbin-Watson stat 2,140882
Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI
3.3.3. Le modèle ADL en différences premières dans lecas de prix des pays de l’UE (DLPUE)
Les principaux résultats pour ce modèle sont résumés dans le tableau 5 :
• La variable de la demande adressée aux exportations n’est
pas statistiquement significative.
• Les élasticités prix ont le signe attendu, et la valeur de cette
élasticité est de -0,67 à court terme et -0,70 à long terme.
• Ce modèle présente des propriétés statistiques satisfaisantes.
Cependant, cette spécification semble moins pertinente du
fait de la valeur non-significative du paramètre de la demande
adressée.
Ainsi, bien que ce modèle soit à priori moins pertinent que les
précédents, nous pouvons noter que la valeur des élasticités-prix
reste dans un ordre de grandeur comparable, autant pour le long
terme qu’à court terme.
125
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Le graphique 3 illustre l’ajustement statique sur le passé de ce modèle ADL.
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
,
Graphique 3 : Taux de croissance annuel des exportations tunisiennes observées et ajustées
3.3.4. Le modèle ADL en premières différences dans le cas de
prix des pays concurrents (DLPCON)
Les principaux résultats pour ce modèle sont résumés dans le
tableau 6 :
• La variable de la demande adressée aux exportations n’est
pas statistiquement significative.
• Les élasticités prix ont le signe attendu. La valeur de cette
élasticité est de -0,58 dans le court terme et -0,62 dans le
long terme.
• Le modèle estimé présente des propriétés statistiques
satisfaisantes mais, comme précédemment, cette spécification
apparaît moins pertinente que les estimations en niveau du
fait de la non-significativité du paramètre de la demande
adressée.
126
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 6 : Estimations des exportations en taux de croissance dans le cas de prix des concurrents
Le graphique 4 illustre l’ajustement statique sur le passé de ce modèle ADL.
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
,
Graphique 4 : Taux de croissance annuel des exportations tunisiennes observées et ajustées
Dependent Variable: DLX
Method: Panel Least Squares
Sample (adjusted): 1990- 2008
Periods included: 19
Cross-sections included: 8
Total panel (balanced) observations: 152
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.Constant 0,071608 0,022456 2,878397 0,0053LX(-1) -0,321674 0,125930 -2,468259 0,0136DLD 0,104188 0,210593 1,479487 0,6341DLPCON -0,581546 0,084278 -8,008625 0,0000DLPCON(-1)) -0,238305 0,107686 -2,205923 0,0212Effects SpecificationCross-section fixed (dummy variables)R-squared 0,426061 Mean dependent var 0,052422Adjusted R-squared 0,380966 S.D. dependent var 0,313173S.E. of regression 0,246401 Akaike info criterion 0,111940Sum squared resid 8,499850 Schwarz criterion 0,350667Log likelihood 3,492579 Hannan-Quinn criter. 0,208919F-statistic 9,448029 Durbin-Watson stat 2,141201Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI
127
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
3.3.5. Le modèle à correction d’erreur (MCE) dans le casde prix des pays de l’UE (LPUE)
Les principaux résultats pour ce modèle sont résumés dans le tableau 7 :
• La variable de la demande adressée aux exportations n’est
pas statistiquement significative dans le court terme. La valeur
de l’élasticité de la demande adressée aux exportations est
0,98 dans le long terme, et elle n’est pas significativement
différente de la valeur unitaire.
• Les élasticités prix ont le signe attendu. La valeur de cette
élasticité est de -0,73 dans le court terme et -0,61 dans le
long terme.
• Le MCE a des propriétés statistiques satisfaisantes.
Dependent Variable: DLX
Method: Panel Least Squares
Sample (adjusted): 1990- 2008
Periods included: 20
Cross-sections included: 8
Total panel (balanced) observations: 160
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
Constant 2,280052 0,556009 4,100751 0,0001
DLPUE -0,729278 0,086822 -8,399715 0,0000
DLD 0,360015 0,215213 1,672830 0,0965
LX(-1)-LD(-1)-LPUE(-1) -0,219796 0,066134 -3,323475 0,0011
LD(-1) 0,020319 0,054852 0,370431 0,7116
LPUE(-1) -0,385218 0,118384 -3,253987 0,0014
Effects SpecificationCross-section fixed (dummy variables)
R-squared 0,466462 Mean dependent var 0,057073
Adjusted R-squared 0,422908 S.D. dependent var 0,308321
S.E. of regression 0,234221 Akaike info criterion 0,012656
Sum squared resid 8,064344 Schwarz criterion 0,262513
Log likelihood 11,98755 Hannan-Quinn criter. 0,114114
F-statistic 10,70996 Durbin-Watson stat 2,387917
Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI
Tableau 6 : Estimation de l’équation d’exportations (MCE) dans le cas de prix des pays de l’UE
128
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
Graphique 5 : Taux de croissance annuel des exportations tunisiennes observées et ajustées
graphique 5 illustre l’ajustement statique sur le passé de ce modèle MCE.
3.3.6. Le modèle MCE dans le cas de prix des paysconcurrents (LPCON)
Les principaux résultats pour ce modèle sont résumés dans le tableau 7 :
• La variable de la demande adressée aux exportations n’est
pas statistiquement significative dans le court terme. La valeur
de l’élasticité de la demande adressée aux exportations est
0,99 dans le long terme et elle n’est pas significativement
différente de l’unité.
• Les élasticités prix ont le signe attendu. La valeur de cette
élasticité est de -0,67 dans le court terme et -0,49 dans le
long terme.
• Le MCE a des propriétés statistiques satisfaisantes.
129
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Dependent Variable: DLX
Method: Panel Least Squares
Sample (adjusted): 1990- 2008
Periods included: 20
Cross-sections included: 8
Total panel (balanced) observations: 160
Cross-section SUR (PCSE) standard errors & covariance (d.f. corrected)
Variable Coefficient Std. Error t-Statistic Prob.
Constant 2,982117 0,652054 4,573424 0,0000
DLPCON -0,673427 0,080996 -8,314298 0,0000
DLD 0,136647 0,214470 0,637140 0,5250
LX(-1)-LD(-1)-LPUE(-1) -0,260304 0,068674 -3,790439 0,0002
LD(-1) 0,014654 0,058726 0,249525 0,8033
LPCON(-1) -0,511016 0,122944 -4,156494 0,0001
Effects SpecificationCross-section fixed (dummy variables)
R-squared 0,455845 Mean dependent var 0,057073
Adjusted R-squared 0,411424 S.D. dependent var 0,308321
S.E. of regression 0,236540 Akaike info criterion 0,032360
Sum squared resid 8,224823 Schwarz criterion 0,282218
Log likelihood 10,41120 Hannan-Quinn criter. 0,133819
F-statistic 10,26198 Durbin-Watson stat 2,388638
Prob(F-statistic) 0,000000
Source : Calculs ITCEQ/DEFI.
Tableau 7 : Estimation de l’équation d’exportations (MCE) dans le cas de prix des concurrents
130
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
En conclusion, les estimations en données de panel nous permettent
de compléter utilement les estimations réalisées pour chaque secteur
pris isolément.
Compte tenu du faible nombre d’observations dans l’échantillon
étudié, l’estimation en panel permet de donner une estimation assez
robuste du comportement dynamique ‘moyen’ des exportations
sectorielles. Il en ressort que, quelles que soient les spécifications
utilisées pour la mesure des prix relatifs:
- l’élasticité des exportations tunisiennes vers l’Europe par rapport
à la demande adressée est voisine de l’unité à long terme (cette
valeur unitaire n’est pas rejetée statistiquement dans les MCE),
mais elle semble relativement faible à court terme, et même non-
significative dans les estimations en taux de croissance. Il en
résulte que l’effet instantané d’une variation de la demande
adressée peut être considéré comme négligeable, l’ajustement
des exportations nécessitant probablement un délai sensiblement
supérieur à une année.
- l’élasticité-prix des exportations tunisiennes vers l’Europe est de
l’ordre de -0,6 à -0,73 à court terme comme à long terme.
- enfin, les graphiques des résidus des différents modèles estimés
tendent à montrer que les secteurs des IAA, des IMCCV (sur la
première sous-période) et des Hydrocarbures se révèlent les
moins proches de l’estimation globale, ce qui justifie l’approche
sectorielle développée dans la section antérieure. En effet, nous
avons pu constater dans cette section que le secteur des
Hydrocarbures se caractérise par une élasticité-prix beaucoup
plus importante que les autres secteurs, tandis que le secteur
des IAA présente des élasticités de la demande de court-
terme relativement élevée par rapport aux autres secteurs
d’exportation.
Source : Calculs ITCEQ/DEFI
,
,
,
,
,
Graphique 6 : Taux de croissance annuel des exportations tunisiennes observées et ajustées
Le graphique 6 illustre l’ajustement statique sur le passé de ce modèle MCE.
131
4. Les prolongements possibles de l’analyse économétrique
4.1 Une maquette des échanges extérieurs (envolume et en prix)
Pour chaque secteur i, une équation d’importation ainsi que de
prix des exportations et des importations pourraient compléter
la modélisation des échanges extérieurs de la Tunisie.
4.1.1. La fonction d’importation en volume
Les déterminants standards du volume des importations sont la
demande intérieure, un terme de compétitivité, construit comme le
prix relatif de production nationale par rapport aux prix des
importations (généralement calculés hors énergie) et un terme
d’utilisation du capital productif. Habituellement, ces tensions
conjoncturelles sur les capacités de production sont décrites par
l’intégration dans cette équation des taux d’utilisation (TU) des
capacités de production nationales rapportés à ceux des principaux
partenaires. Ce ratio permet de capter une éventuelle contrainte
d’offre à laquelle est soumise l’économie nationale. Le signe attendu
de son élasticité par rapport aux importations est positif : lorsque
les TU sont plus élevés en Tunisie que chez ses principaux
partenaires, le surcroît de demande interne s’oriente vers les
producteurs étrangers et accroît ainsi le volume des importations.
Si ce ratio sort significativement dans cette relation, sa prise en
compte peu susciter toutefois certains problèmes variantiels. Enfin,
certains modèles enrichissent l’analyse en intégrant une compétitivité
hors-prix comme l’effort en recherche et développement (par
l’intégration par exemple de l’âge du capital).
La fonction d’importation s’écrit de la manière suivante :
Γi : part des produits nationaux dans la demande intérieure
(consommation des ménages + investissement des entreprises) est
fonction du rapport entre les prix étrangers et nationaux (effet de
compétitivité).
4.1.2. La fonction de prix des exportations
Les producteurs tunisiens sont supposés avoir, dans la fixation de leur
prix (PX), un comportement de marge sur les marchés extérieurs, de
même qu’ils en ont un sur le marché intérieur. Néanmoins, face à la
concurrence étrangère, ils tiennent également compte des prix
étrangers (P*X) dans la formation des prix à l’exportation. Il y a donc
un arbitrage entre un comportement de marge (répercuter intégralement
sur les prix à l’exportation les mouvements de coûts unitaires22 (CU),
pour conserver un taux de marge constant), et un comportement de
compétitivité (répercuter intégralement sur les prix à l’exportation les
mouvements des prix étrangers, pour conserver la compétitivité). Cet
arbitrage se traduit par une cible de long terme exprimée comme une
moyenne pondérée des prix étrangers et des coûts nationaux.
22 Une approximation des coûts unitaires peut être faite en intégrant les prix de la production nationale.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
132
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La fonction de prix d’importation s’écrit de la manière suivante :
Une valeur de ε1 forte signifie que le comportement de compétitivité
l’emporte sur celui de marge.
4.1.3. La fonction de prix des importations
Les importateurs font un arbitrage analogue à celui des exportateurs :
afin de conserver leurs marges, ils indexent leur prix de vente sur le
sol tunisien à leurs coûts de production, approximés par les prix
étrangers à l’importation (P*M). Toutefois, de manière à conserver leur
compétitivité par rapport aux produits français, ils tiennent également
compte des prix de la production nationale (PVA). A l’inverse des prix
étrangers à l’exportation, le prix étranger à l’importation est constitué
avec une pondération simple, dans la mesure où la concurrence ne
se fait que sur le territoire tunisien et n’implique donc pas de prendre
en compte les marchés tiers.
La fonction de prix d’importation s’écrit de la manière suivante :
4.2 Modélisation VAR à partir de l’équation decointégration.
Sur la base de l’équation de cointégration présentée dans la section I :
miT(t) = a0 y(t) + a1 [piE(t) - py(t) ] + a2 [piT(t) - piE(t) ] + c + ê(t)
il est possible de procéder à l’estimation d’un modèle VAR, afin de
réaliser des exercices de prévision. Dans ce cas, la structure du
modèle VAR pourrait être de la forme suivante (l’ordre des retards
pouvant être plus élevé) :
ΔmiT(t) =
b11ΔmiT(t-1) + b21Δy(t-1) + b31Δ [piE(t-1) - py(t-1)] + b41Δ [piT(t-1) -
piE(t-1)] + c01 – β1ê(t-1) + ε1(t)
Δy(t) =
b12ΔmiT(t-1) + b22Δy(t-1) + b32Δ [piE(t-1) - py(t-1)] + b42 Δ [piT(t-1) -
piE(t-1)] + c02 – β2ê(t-1) + ε2(t)
Δ [piE(t) - py(t)]
= b13ΔmiT(t-1) + b23Δy(t-1) + b33Δ [piE(t-1) - py(t-1)] + b43Δ [piT(t-1) -
piE(t-1)] + c03 – β3ê(t-1) + ε3(t)
Δ [piT(t) - piE(t)]
= b14ΔmiT(t-1) + b24Δy(t-1) + b34Δ [piE(t-1) - py(t-1)] + b44Δ [piT(t-1) -
piE(t-1)] + c04 – β4ê(t-1) + ε4(t)
Notons cependant que l’estimation d’un tel modèle pour chaque
secteur est une tâche lourde, et qu’elle n’est sans doute envisageable
qu’après une sélection des secteurs les plus importants pour l’analyse
(ou bien en considérant seulement l’ensemble des exportations
tunisiennes vers l’Europe).
4.3 Non-linéarités
L’équation structurelle de long terme des importations :
miT(t) = a0 y(t) + a1 [piE(t) - py(t) ] + a2 [piT(t) - piE(t) ] + c + ê(t)
repose sur l’hypothèse d’élasticités constantes. Or, différentes forme
de non-linéarités ou de changements structurels peuvent être
considérés.
4.3.1. Variation dans le temps de l’élasticité-revenu
A titre d’exemple, on peut considérer que l’élasticité-revenu dépend de
la conjoncture européenne : dans les phases hautes du cycle économique
(par exemple lorsque le taux de chômage u est inférieur au taux naturel
û), l’élasticité-revenu peut être plus forte que dans les phases basses
du cycle (lorsque le taux de chômage est supérieur au taux naturel).
Afin de modéliser ce processus, il est possible de suggérer une
formalisation basée sur les modèles non-linéaires à transition souple
(Smooth Transition).
133
Soit la fonction de transition suivante, bornée entre 0 et 1, dans
laquelle u(t) représente le taux de chômage européen, û le taux de
chômage naturel et g>0 un paramètre qui détermine la vitesse de
transition entre les régimes:
G(u(t) , g , û) =
On vérifie que si le taux de chômage est beaucoup plus élevé que
le taux naturel (à la limite lorsque g.[u(t)-û] tend vers l’infini, ce qui
n’est bien sûr qu’une hypothèse mathématique), la fonction G tend
vers 0, tandis que lorsque le taux de chômage est beaucoup plus
faible que le taux naturel (à la limite lorsque g.[u(t)-û] tend vers moins
l’infini, ce qui ne reste encore qu’une hypothèse mathématique), la
fonction G tend vers 1.
La fonction de transition proposée permet de modéliser un changement
de l’élasticité-revenu en fonction du cycle d’activité européen.
En effet, l’équation d’importations peut alors être écrite sous la forme
suivante:
miT(t) = d0 y(t) + G.d1.yt + a1 [piE(t) - py(t)] + a2 [piT(t) - piE(t) ] + c + ê(t)
avec: G =
Puisque la valeur de G dépend du taux de chômage européen,
l’estimation de cette équation permettra d’obtenir des valeurs
d’élasticité-revenu nécessairement comprises entre d1+d0 (vers laquelle
on tend lorsque le taux de chômage est faible) et d0 (vers laquelle on
tend lorsque le taux de chômage est élevé)23.
La figure suivante représente une simulation hypothétique de
l’élasticité-revenu engendrée par cette modélisation dans laquelle
on considère différentes valeur du taux de chômage u(t) entre 1%
et 13% et pour des valeurs des paramètres fixées à : g=50, û=6%,
d0=0,1, d1 = 1,5.
Sur le plan économétrique, l’estimation du modèle précédent peut
être réalisée par la méthode des moindres-carrés non linéaires ou
du maximum de vraisemblance, afin de déterminer la valeur des
paramètres inconnus d0, d1, a1, a2, c, g et û.
4.3.2. Variation dans le temps de l’élasticité-prix
L’élasticité-prix du commerce extérieur peut dépendre de l’écart
absolu entre les prix des exportations tunisiennes et les prix des
exportations concurrentes piT(t) - piE(t).
En effet, lorsque le différentiel de prix est faible, c’est-à-dire lorsque
[piT(t-1) - pi
E(t-1)]² est proche de zéro (ou d’un seuil k donné),
l’élasticité-prix des exportations tunisienne peut être supposée
relativement faible, tandis que lorsque le différentiel de prix est
important, c’est-à-dire lorsque [piT(t-1) - piE(t-1)]² s’éloigne fortement
de zéro (ou d’un seuil k), les exportations tunisiennes seront fortement
dépendantes des fluctuations des prix relatifs.
Afin de modéliser ce phénomène, on peut suggérer la formalisation
suivante :
23 Dans la mesure où le taux de chômage est nécessairement compris entre 0 et 1, une alternative consisterait à remplacer simplement la fonction G par le taux de chômageobservé. Néanmoins, la fonction de transition proposée présente l’avantage de prendre en considération des variables de transition plus générales que le taux de chômage,et qui ne sont pas bornées entre 0 et 1.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
134
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Soit la fonction de transition G(.), bornée entre 0 et 1, dans laquelle
[piT(t-1) - piE(t-1)] représente le différentiel de prix, k le seuil au-delà
duquel il est avantageux pour les consommateurs de modifier la
composition de leur panier de consommation et h>0 un paramètre
qui détermine la vitesse de transition entre les régimes:
G([piT(t-1) - piE(t-1)] , h , k) =
On vérifie que lorsque le différentiel de prix est très élevé (positivement
ou négativement) par rapport au seuil k (à la limite lorsque –h{[piT(t-1)
- piE(t-1)]² - k} tend vers l’infini), la fonction G tend vers 1, tandis que
lorsque le différentiel de prix reste faible (au sens ou la distance entre
les prix reste au voisinage du seuil k), la fonction G tend vers 0.
La fonction de transition proposée permet ainsi de modéliser un
changement de l’élasticité-prix en fonction de l’écart absolu des prix
relatifs.
Ainsi, l’équation d’importations peut alors être écrite sous la forme suivante:
miT(t) = a0 y(t) + a1 [piE(t) - py(t) ] + f0 [piT(t) - piE(t) ] + G. f1 [piT(t) - piE(t)
]+ c + ê(t)
avec : G =
Puisque la valeur de G dépend de l’écart absolu des prix relatifs,
l’estimation de cette équation permettra d’obtenir des valeurs
d’élasticité-prix comprises entre f1+f0 (vers laquelle on tend lorsque
le différentiel de prix est élevé) et f0 (vers laquelle on tend lorsque
l’écart entre les prix est faible).
La figure suivante représente une simulation de l’élasticité-prix
engendrée par cette modélisation dans laquelle on considère
différentes valeur du différentiel de prix entre -35% et 35% et pour
des valeurs des paramètres fixées à : h=15, k=0, f0=-0,1, f1 = -1,5.
Comme dans le cas précédent, l’estimation du modèle peut être
réalisée par la méthode des moindres-carrés non linéaires ou du
maximum de vraisemblance, afin de déterminer la valeur des
paramètres inconnus f0, f1, a0, a1, c, h et k.
4.4 Rationnement quantitatif par l’offre ou par lademande
Nous avons indiqué dans ce qui précède que l’équation d’exportations
sectorielles tunisiennes :
miT(t) = a0 y(t) + a1 [piE(t) - py(t) ] + a2 [piT(t) - piE(t) ] + c
décrit en fait une équation de demande émanant de l’Europe. De
ce point de vue, il pourrait être pertinent de définir cette équation
comme une équation de demande en l’écrivant :
(4) DmiT(t) = a0 y(t) + a1 [piE(t) - py(t) ] + a2 [piT(t) - piE(t) ] + c
Parallèlement, l’offre d’exportation du secteur (i) est usuellement
modélisée sous la forme24:
24 cf. Annabi et al., 2003.
135
SMiT(t) = γS YiT(t) [PiTX(t) / PiTX(t)]σT
Où :
SMiT(t) : offre d’exportations tunisiennes en produit (i) en volume
YiT : production tunisienne totale de produit (i) en volume
PiTD : indice du prix du produit (i) sur le marché intérieur tunisien (en
monnaie locale)
PiTX: indice du prix à l’exportation tunisien du produit (i), en monnaie
locale.
γS: paramètre d’échelle
σT: élasticité de transformation vérifiant σT>0
Soit, en logarithmes :
(5) SmiT(t) = yiT + σT [piTX(t) - piTD(t)] + c1
Dans le cas de parfaite flexibilité des prix, l’équilibre entre l’offre (7)
et la demande (6) devra se réaliser par un ajustement adéquat du
prix des exportations25. Mais si l’on suppose une certaine rigidité
des prix à l’exportation, la quantité exportée se situera au minimum
entre l’offre (6) et la demande (7).
Une estimation réalisable d’un modèle à rationnement quantitatif de ce
type peut être conduite par le biais d’une fonction CES de la forme :
(6)
dans laquelle les fonctions d’offre et de demande sont définies par
les équations 6 et 7. En effet, pour de grandes valeurs du paramètre
ρ, la fonction CES fonctionne comme un opérateur Min.
Le graphique suivant illustre le comportement de la fonction CES
par rapport à deux variables S et D variant dans le temps, avec
ρ=100. On peut constater que la fonction CES passe bien par le
minimum de S et D.
Bien que l’estimation d’une fonction CES ne soit pas sans poser de
problèmes, il peut être envisageable d’estimer économétriquement
l’équation 8, conjointement avec les équations de définition
6 et 7.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
!
25 Notons cependant que PiTX diffère de PiT car il ne prend pas en compte la conversion en devise étrangère, ni les droits de douane ou autres coûts supportés par les importateurseuropéens du produit i.
136
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Cette étude s’est attachée à poser les jalons d’une modélisation
des exportations sectorielles tunisiennes en direction du marché
européen.
A moyen terme, le travail effectué devra permettre de réaliser des
prévisions à moyen terme (conditionnellement à des scénarios
d’environnement international) et il pourra permettre de donner aux
décideurs certaines clés permettant d’orienter les politiques
économiques et industrielles en vue d’un renforcement de la
dynamique des exportations tunisiennes.
En effet, sur le plan quantitatif, cette analyse a permis d’identifier
les secteurs les plus sensibles à des modifications de prix relatifs.
De ce point de vue, l’orientation de la spécialisation vers des biens
moins standardisés, plus spécifiques sur le plan qualitatif, doit
permettre de réduire la sensibilité de certaines exportations par
rapport aux prix relatifs (c’est le cas notamment du secteur Textile,
Habillement et Cuirs et du secteur des Industries Chimiques).
A plus court terme, ces secteurs se révèleraient les plus sensibles à
une détérioration de la compétitivité-prix, ce qui doit orienter la
réflexion sur les politiques propres à améliorer la compétitivité de ces
secteurs. Ajoutons que le secteur des hydrocarbures, qui se révèle
comme le plus sensible aux variations de prix relatifs, reste un cas
très spécifique du fait de la nature standardisée de ses produits.
En ce qui concerne les élasticités de la demande de court terme,
nous avons pu mettre en évidence que le secteur le plus sensible
est celui de l’Agriculture. Il en résulte que ce dernier est sans doute
le plus exposé aux cycles de la conjoncture internationale, mais
aussi qu’il serait stratégiquement fructueux de développer les
exportations de ce secteur en direction des marchés domestiques
internationaux les plus dynamiques.
Enfin, nous avons suggéré quelques pistes de modélisation comme
prolongements possibles de l’analyse économétrique effectuée. En
l’état actuel, les tentatives d’estimation de ces modèles se sont
révélées problématiques. Selon les tests RESET appliqués sur les
différents secteurs, les hypothèses de non-linéarités ont été rejetées,
tandis que les estimations de modèles VAR et de modèles à
rationnement quantitatif ne se sont pas révélés probants. Ces pistes
méritent néanmoins d’être explorées dans des travaux ultérieurs.
Conclusion
137
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Bibliographie
Annabi N., Cockburn J., Decaluwé B. (2003), Formes Fonctionnelles
et Paramétrisation dans les MCEG, CREFA, Université de
Laval.
De Boeff, S. (2000), Modeling Equilibrium Relationships: Error
Correction Models with Strongly Autoregressive Data, Political
Analysis, Vol 9, 14-48.
Dickey, D.A., and Fuller, W.A. (1981), Likelihood Ratio Statistics
for Autoregressive Time Series with a Unit Root, Econometrica,
Vol 49, pp 1057-72.
Engle, R.F., and Granger, C.W.J. (1987), 'Cointegration and error
correction: representation, estimation and testing, Econometrica,
Vol 55, pp 251-276.
Hurlin, C. (2001), L’Econométrie des Données de Panel, Ecole
Doctorale Edocif, Séminaire Méthodologique.
Narayan P.K. (2004), Reformulating Critical Values for the Bounds
F-statistics Approach to Cointegration: An Application to the
Tourism Demand Model for Fiji. Discussion Papers No. 02/04
Monash University.
Pesaran, M.H., Shin, Y., and Smith, R.J. (2001), Bounds testing
approaches to the analysis of level relationships. Journal of Applied
Econometrics, Vol 16, pp 289-326.
Wong, K. N. (2008), Disaggregated export demand of Malaysia:
evidence from the electronics industry. Economics Bulletin, Vol.
6, No. 6 pp. 1-14.
Chapitre III
Analyse des potentialités d’exportationtunisiennes
139
Table des matières
140 Introduction
141 1ère partie : Identification des produits dynamiques
141 1. Évolution des exportations et de l’avantage comparatif144 2. Évolution des parts de marché externe
145 2ème partie : Positionnement compétitif des exportations tunisiennes
148 3ème partie : Orientation des exportations et identification des marchés potentiels
148 1. Principaux marchés d’exportation 148 2. Évolution de la demande mondiale 149 3. Identification des marchés potentiels
151 Conclusion
152 Références bibliographiques
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
140
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Introduction
L’intégration à l’économie mondiale constitue un choix
irréversible pour la Tunisie eu égard à l’ouverture croissante
des économies, à la multiplication des accords aussi bien
régionaux que multilatéraux, à la montée en puissance des
technologies de l’information et de la communication et à
l’émergence de l’économie du savoir. En effet, la Tunisie a franchi
au cours des dernières décennies des étapes importantes en
matière de libéralisation de son économie et de son intégration à
l’économie mondiale. Cette libéralisation est perceptible eu égard
au démantèlement des droits de douane dans le cadre de la mise
en place de la zone de libre échange avec l’UE et à la signature
d’autres accords régionaux et bilatéraux. Cette orientation n’a
fait que consolider la politique de promotion des exportations déjà
engagée et soutenue à travers la mise en place de plusieurs
structures d’appui (CEPEX, FAMEX, COTUNACE, etc.) pour aider
les entreprises à surmonter les problèmes auxquels elles se
heurtent et à mieux se positionner sur les marchés extérieurs.
D’autres politiques d’accompagnement ont été, également,
préconisées afin d’améliorer le climat des affaires et ce à travers
la facilitation des procédures du commerce extérieur, la réduction
des délais de dédouanement et des coûts de contrôle technique
et la mise en place d’un réseau d’administration électronique des
procédures commerciales (TTN). De telles actions ont, certes,
contribué à l’amélioration des performances commerciales de
l’économie tunisienne. Toutefois, ces performances sont
vulnérables dans la mesure où les exportations tunisiennes
demeurent concentrées sur deux secteurs à savoir le textile,
habillement et cuir et les industries mécaniques et électriques et
orientées principalement vers le marché de l’UE. Ce constat laisse
déduire la présence d’opportunités non exploitées par la Tunisie
aussi bien au niveau des marchés qu’au niveau des secteurs. Ceci
est d’autant plus réalisable que la Tunisie a connu une révolution
devant mener à un plus grand relâchement de toutes les
contraintes permettant aux entreprises de fournir plus d’efforts
pour améliorer leurs performances et garantir leur pérennité. Ce
chapitre a pour objet d’analyser la performance des exportations
tunisiennes sur la période 2003-2008 afin d’identifier les marges
de progression aussi bien au niveau des produits qu’au niveau
des marchés. L’analyse se focalisera, dans une première partie,
sur l’offre d’exportation tunisienne à travers l’identification des
produits dynamiques présentant des potentialités de croissance
et d’avantage comparatif même s’ils n’occupent, jusqu’à présent,
qu’une part très modeste dans les exportations totales de biens.
La deuxième partie consiste à apprécier le positionnement des
exportations tunisiennes de ces produits par rapport aux
concurrents. Enfin, la troisième partie se propose d’apprécier la
demande d’importation en ces produits et d’identifier les marchés
d’exportation non encore exploités.
1 Au niveau désagrégé (6 chiffres de la nomenclature du système harmonisé) à partir de la base de données Comtrade
141
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
1ère partie : Identification des produits dynamiques
1) Evolution des exportations et de l’avantage comparatif
Trente produits sont identifiés présentant des potentialités de
croissance en matière d’exportation et d’avantage comparatif
Cette partie a pour objectif d’identifier, à partir de l’analyse de l’offre
des exportations tunisiennes sur la période 2003-2008, les produits1
qui sont potentiellement dynamiques. Cette identification a été effectuée
selon une approche multicritère liée principalement aux exportations et
à leurs avantages comparatifs révélés en termes de niveaux et de taux
de croissance. Cette approche a permis de dégager trente produits
représentant environ 23% des exportations totales de biens en 2008
contre seulement 7.2% en 2003. Ces produits font essentiellement
partie des secteurs des IME (9.1% contre 2.2%), de la chimie (8.6%
contre 3.3%), de l’agriculture, la pêche et des IAA (4.1% contre 1.3%),
du THC (1.1% contre 0.3%) et de l’industrie diverse (0.3% contre 0.1%).
Code Nom du ProduitCroissance des
exportations (en %)Part dans le total des exportations
(en %)2003-2008 2003 2008
Agriculture, pêche et IAA dont: 1,3 4,1030239 Thons du genre thunnus, frais ou réfrigérés… 28,27 0,06 0,30040630 Fromages fondus 46,75 0,04 0,15150910 Huile d’olive vierge et ses fractions... 56,74 1,11 2,97150990 Huile d’olive et ses fractions, traitées mais non chimiquement modifiées... 107,55 0,00 0,24151000 Huiles et leurs fractions obtenues exclusivement à partir d’olives.. 203,17 0,00 0,14151710 Margarine (à l’exc. De la margarine liquide) 54,07 0,07 0,20230690 Tourteaux et autres résidus solides... 75,91 0,01 0,05
CHIMIE dont: 3,35 8,56251010 Phosphates de calcium et phosphate aluminocaciques... 28,89 0,32 0,76280920 Acide phosphorique, acides polyphosphoriques 29,88 1,53 3,75283525 Hydrogénorthophosphate de calcium 24,04 0,12 0,33283526 Phosphates de calcium 50,85 0,00 0,47310310 Superphosphates 36,53 1,38 3,24
THC dont: 0,32 1,06520839 Tissus de coton, teints... 116,31 0,00 0,06611249 Maillots, culottes de bain pour femmes ou fillettes 24,29 0,11 0,18621010 Vêtements en feutres ou non-tissés 68,72 0,20 0,82
IME dont: 2,24 9,06721030 Produits laminés plats, en fer ou en aciers non alliés… 104,17 0,00 0,12721049 Produits laminés plats, en fer ou en aciers non alliés, zingués… 105,32 0,02 0,60721491 Barres en fer ou en aciers non alliés... 91,80 0,00 0,08740620 Poudres de cuivre à structure lamellaire… 42,16 0,03 0,11847190 Lecteurs magnétiques ou optiques… 143,82 0,00 0,42851750 Emetteurs-récepteurs pour la télécommunication... 338,66 0,00 0,84852812 Appareils récepteurs pour la télévision en couleurs... 122,78 0,01 0,88853180 Appareils électriques de signalisation acoustique ou visuelle 129,03 0,00 0,35853690 Appareillage pour le blanchement... 45,15 1,68 3,00854430 Jeux de fils pour bougies d’allumage... 64,99 0,17 0,89854459 Conducteurs électriques... 56,69 0,25 1,24854890 Parties électriques de machines ou d’appareils... 71,38 0,05 0,46902830 Compteurs d’électricité 81,99 0,01 0,19
DIVERS dont: 0,08 0,25
961210 Rubans encreurs pour machines à écrire 23,23 0,07 0,13961390 Parties de briquets et allumeurs 101,17 0,01 0,12
Total 7,27 22,99
Tableau 1 : Croissance des exportations
142
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Graphique 1 : Evolution des exportations tunisiennes sur la période 2003-2008
0
500 000
1 000 000
1 500 000
2 000 000
2 500 000
3 000 000
3 500 000
2003 2004 2005 2006 2007 2008
2003 2004 2005 2006 2007 2008
2003 2004 2005 2006 2007 2008
0
100 000
200 000
300 000
400 000
500 000
600 000
700 000
0
100 000
200 000
300 000
400 000
500 000
600 000
611249
283525
854430
621010
854459
251010
150910
310310
280920
853690
902830
230690
852812
721049
740620
040630
854890
030239
151710
961212
721030
283526
853180
150990
151000
520839
851750
721491
847190
961390
143
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Il est à rappeler que ces produits disposent également d’une
croissance élevée de leur avantage comparatif révélé comme
l’indique le tableau suivant.
Tableau 2 : Evolution de l’avantage comparatif
Code produits
Produits 2003 2008
030239 Thons du genre thunnus, frais ou réfrigérés… 7,88 54,69
040630 Fromages fondus 1,94 9,37
150910 Huile d’olive vierge et ses fractions... 30,84 90,21
150990 Huile d’olive et ses fractions, traitées mais non chimiquement modifiées... 0,04 26,03
151000 Huiles et leurs fractions obtenues exclusivement à partir d’olives... 0,38 61,48
151710 Margarine (à l’exc. De la margarine liquide) 5,12 14,71
230690 Tourteaux et autres résidus solides... 7,91 29,10
251010 Phosphates de calcium et phosphate aluminocaciques... 28,33 29,52
280920 Acide phosphorique, acides polyphosphoriques 66,82 69,39
283525 Hydrogénorthophosphate de calcium 41,00 82,48
283526 Phosphates de calcium 0,00 59,02
310310 Superphosphates 205,38 144,00
520839 Tissus de coton, teints... 0,14 7,32
611249 Maillots, culottes de bain pour femmes ou fillettes 44,85 142,47
621010 Vêtements en feutres ou non-tissés 16,65 64,06
721030 Produits laminés plats, en fer ou en aciers non alliés… 0,00 3,13
721049 Produits laminés plats, en fer ou en aciers non alliés, zingués… 0,18 3,83
721491 Barres en fer ou en aciers non alliés... 0,36 4,60
740620 Poudres de cuivre à structure lamellaire… 26,72 66,14
847190 Lecteurs magnétiques ou optiques… 0,08 8,71
851750 Emetteurs-récepteurs pour la télécommunication... 0,01 8,95
852812 Appareils récepteurs pour la télévision en couleurs... 0,03 1,57
853180 Appareils électriques de signalisation acoustique ou visuelle 0,01 26,20
853690 Appareillage pour le blanchement... 7,15 14,40
854430 Jeux de fils pour bougies d’allumage... 0,85 5,69
854459 Conducteurs électriques... 3,04 7,18
854890 Parties électriques de machines ou d’appareils... 0,91 14,71
902830 Compteurs d’électricité 0,58 16,37
144
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2) Evolution des parts de marché externe
La majorité des produits de l’échantillon ont vu leur part de
marché s’améliorer
L’examen de l’évolution des parts de marché à l’exportation des
produits sus-mentionnés sur le monde montre qu’elles ont connu
dans leur majorité une nette amélioration sur la période 2003-2008
dont on cite principalement les émetteurs-récepteurs pour la
télécommunication, les huiles et leurs fractions obtenues
exclusivement à partir d’olives, les lecteurs magnétiques ou
optiques, les appareils électriques de signalisation acoustique ou
visuelle et le phosphate de calcium. En effet, les parts de marché
de la Tunisie en ces produits qui étaient presque nulles en 2003sont
passées d’environ 0% en 2003 à 1.2%, 8.4%, 1.2%, 3.6% et 8%
respectivement en 2008.
Tableau 3 : Evolution des parts de marché de la Tunisie sur le monde (en %)
Produits 2003 2008
Thons du genre thunnus, frais ou réfrigérés… 0,94 7,44
Fromages fondus 0,23 1,28
Huile d’olive vierge et ses fractions... 3,69 12,28
Huile d’olive et ses fractions, traitées mais non chimiquement modifiées... 0,01 3,54
Huiles et leurs fractions obtenues exclusivement à partir d’olives... 0,05 8,37
Margarine (à l’exc. De la margarine liquide) 0,61 2,00
Tourteaux et autres résidus solides... 0,95 3,96
Phosphates de calcium et phosphate aluminocaciques... 3,39 4,02
Acide phosphorique, acides polyphosphoriques 7,99 9,44
Hydrogénorthophosphate de calcium 4,90 11,23
Phosphates de calcium 0,00 8,03
Superphosphates 24,56 19,60
Tissus de coton, teints... 0,02 1,00
Maillots, culottes de bain pour femmes ou fillettes 5,36 19,39
Vêtements en feutres ou non-tissés 1,99 8,72
Produits laminés plats, en fer ou en aciers non alliés… 0,00 0,43
Produits laminés plats, en fer ou en aciers non alliés, zingués… 0,02 0,52
Barres en fer ou en aciers non alliés... 0,04 0,63
Poudres de cuivre à structure lamellaire… 3,20 9,00
Lecteurs magnétiques ou optiques… 0,01 1,19
Emetteurs-récepteurs pour la télécommunication... 0,00 1,22
Appareils récepteurs pour la télévision en couleurs... 0,00 0,21
Appareils électriques de signalisation acoustique ou visuelle 0,00 3,57
Appareillage pour le blanchement... 0,86 1,96
Jeux de fils pour bougies d’allumage... 0,10 0,77
Conducteurs électriques... 0,36 0,98
Parties électriques de machines ou d’appareils... 0,11 2,00
Compteurs d’électricité 0,07 2,23
145
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2ème partie : Positionnement compétitif desexportations tunisiennes uxième étape
Les exportateurs tunisiens ont nettement amélioré leur position
par rapport aux concurrents pour certains produits de
l’échantillon
Les exportations des produits retenus dans l’échantillon ont connu
au cours des années 2003 et 2008 une évolution différenciée par
rapport aux concurrents. Ce qui nous a permis de les grouper en
3 groupes à savoir :
- Un premier groupe pour lequel la Tunisie ne figure pas parmi les
premiers fournisseurs du monde. Il s’agit des produits laminés
plats en fer ou en aciers non alliés, des barres en fer ou en aciers
non laminés, des appareils récepteurs pour télévisions en couleur,
des jeux de fils pour bougies d’allumage et autres jeux de fils
pour moyens de transport et des conducteurs électriques.
Toutefois, ces produits pourraient présenter des marges de
progression pour les exportations tunisiennes étant donné
l’amélioration de leur avantage comparatif et de la croissance
de leurs exportations leur permettant d’occuper environ 4% en
2008 contre 0.5% en 2003 du total des exportations de biens
et 17% contre 6% du total de l’échantillon.
854459Conducteurs électriques
854430Jeux de fils pour bougiesd’allumage
854459Appareils récepteurs pour la télévision en couleur
721491Barres en fer ou en aciersnon alliés
721049Produits laminés plats, en ferou en aciers non alliés, zingués
2003 2008 2003 2008 2003 2008 2003 2008 2003 2008
Allemagne Allemagne Mexique Mexique Mexique Mexique Italie Italie Belgique Belgique
États-Unis Chine AllemagneChine Chine
Chine TchéquieRoyaume-Uni
Allemagne Chine
Italie États-Unis États-Unis Roumanie Corée Slovaquie Suède Espagne Japon Japon
France Italie Pologne Pologne Turquie Pologne Luxembourg France Pays-Bas AllemagneRoyaume-Uni
Pologne Portugal Allemagne Malaisie HongrieRoyaume-Uni
Bulgarie Taïwan Corée
Mexique Turquie Roumanie Tchéquie Espagne Tchéquie France Tchéquie France Inde
Chine France Slovaquie Slovaquie Japon Espagne canada Luxembourg Corée Italie
Pologne Japon Philippines Philippines Thaïlande Turquie Espagne Danemark Italie Taïwan
canada Mexique Chine Hongrie Pologne Pays-Bas Japon Suède Autriche Autriche
Taïwan Espagne Tchéquie États-Unis France Allemagne Belgique États-Unis Kazakhstan France
Belgique Tchéquie Autriche Vietnam Belgique Malaisie Allemagne Allemagne canada Pays-Bas
Pays-Bas Autriche France Corée Allemagne Corée États-Unis Taïwan États-Unis États-Unis
Suisse Corée Hongrie Ukraine Hongrie Taïwan Brésil Japon Russie Slovaquie
Suède Hongrie Thaïlande IndonésieRoyaume-Uni
France Taïwan Belgique Finlande Kazakhstan
Espagne Norvège Espagne Thaïlande Singapour Belgique Pologne canada Brésil canada
Japon Belgique Corée Turquie Pays-Bas Thaïlande Suisse Suisse Inde Finlande
TchéquieRoyaume-Uni
Lituanie Maroc États-Unis Suède Bulgarie Pologne Espagne
Union Douanièred'AfriqueAustrale
CoréeSuède Japon Portugal Tchéquie
Royaume-Uni
Inde Brésil
Union Douanièred'AfriqueAustrale
Espagne
Turquie Pays-Bas Vietnam France Danemark Japon Pays-Bas Chine Slovaquie Estonie
Tabeau 4 : Premiers exportateurs sur le monde
146
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
- Un deuxième groupe pour lequel la Tunisie ne figure pas parmi
les premiers exportateurs mondiaux en 2003 alors qu’elle y
est en 2008 reflétant l’effort déployé par les exportateurs
tunisiens pour améliorer leur position compétitive. Ceci est
d’autant plus significatif que la Tunisie se trouve en 2008,
pour certains produits de ce groupe en 4ème position pour
l’huile d’olive2 et ses fractions, pour l’huile d’olive et ses
fractions obtenues exclusivement à partir d’olives et par des
procédés autres que mécanique ou physique et pour les
parties de briquets et allumeurs et en 5ème position pour le
thon du genre thunnus frais ou réfrigéré et pour le phosphate
de calcium.
961390Parties de briquets et allumeurs
283526Phosphates de calcium
151000Huiles et leurs fractions obtenues exclusivement àpartir d’olives
150990Huile d’olive et ses fractions,traitées mais non chimique-ment modifiées
030239Thons du genre thunnus,frais ou réfrigérés
2003 2008 2003 2008 2003 2008 2003 2008 2003 2008
Japon Chine États-Unis États-Unis Italie Espagne Italie Espagne Espagne Espagne
Chine France
Union Douanièred'AfriqueAustrale
FinlandeEspagne Italie Espagne Italie Mexique Turquie
France Italie Pays-Bas Russie Grèce Grèce Turquie Portugal Australie Malte
Italie Tunisie Finlande Chine Indonésie Tunisie Portugal Tunisie Croatie Indonésie
Pays-Bas Pays-Bas Chine Tunisie Portugal Portugal Syrie Turquie Indonésie Tunisie
Belgique Japon Allemagne Lituanie Turquie Turquie Grèce Grèce Taïwan Taïwan
États-Unis Thaïlande Russie Allemagne États-Unis MarocRoyaume-Uni
France Turquie Croatie
Espagne Espagne France Suède SyrieRoyaume-Uni
Argentine Vietnam Vietnam Italie
Mexique Philippines Taïwan
Union Douanièred'AfriqueAustrale
Belgique Belgique France Syrie Japon Australie
Allemagne Brésil Suède France Maroc Allemagne Liban Liban États-Unis ChypreSlovénie
États-UnisRoyaume-Uni
ItalieRoyaume-Uni
Australie États-Unis Maroc Italie Maroc
Brésil Allemagne Colombie Hongrie Liban États-Unis Allemagne États-Unis Maroc Mexique
Corée Singapour Israël Espagne France Bulgarie Maroc Argentine France Oman
PhilippinesRoyaume-Uni
Italie Mexique Malaisie Tchéquie IndonésieRoyaume-Uni
Canada Vietnam
Indonésie Inde Mexique Colombie Inde Pays-Bas Croatie Allemagne Costa Rica Japon
Inde Suisse Turquie Brésil Argentine France Pays-Bas Australie Tunisie Grèce
Royaume-Uni
Corée Lituanie Turquie Jordanie Japon
Union Douanièred'AfriqueAustrale
BelgiquePapouasieNouvelle-Guinée
Malaisie
Singapour Slovénie Danemark Kazakhstan Suède Canada Australie Taïwan Brésil Canada
Taïwan Russie Japon Israël Allemagne Lituanie Singapour Singapour Maldives États-Unis
Tabeau 5 : Premiers exportateurs sur le monde
2 Traitées mais non chimiquement modifiées, obtenues, à partir des fruits de l’olivier, uniquement par des procédés mécaniques ou physiques, dans des conditions n’altérantpas l’huile
147
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
- Un troisième groupe pour lequel la Tunisie a nettement
consolidé sa position en 2008 par rapport à 2003 dont on cite
les vêtements en feutre ou non tissés (même imprégnés,
enduits, recouverts) (3ème rang contre 11ème) et les tourteaux
et autres résidus solides de l’extraction de graisse ou huiles
végétales (6ème contre 14ème).
621010Vêtements en feutres ou non-tissés
230690Tourteaux et autres résidus solides
2003 2008 2003 2008
Chine Chine États-Unis Inde
Mexique Italie Inde Chine
Italie Tunisie Espagne Espagne
Luxembourg Luxembourg Belgique Kazakhstan
États-Unis KHM Chine États-Unis
Royaume-Uni États-Unis Pays-Bas Tunisie
Allemagne Mexique Syrie Belgique
Pays-Bas Philippines Népal Argentine
Brunei Allemagne France Danemark
Indonésie Pays-Bas Grèce France
Tunisie Royaume-Uni Canada Thaïlande
France Indonésie Royaume-Uni Indonésie
Slovaquie Vietnam Singapour Géorgie
Portugal Belgique Tunisie Canada
Thaïlande Thaïlande Thaïlande Syrie
Belgique Slovaquie Indonésie Italie
Bulgarie France Danemark Singapour
Pologne Roumanie Allemagne Grèce
Singapour Espagne Mexique Kenya
Tabeau 6 : Premiers exportateurs sur le monde
148
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
3ème partie : Orientation des exportations etidentification des marchés potentiels
1) Principaux marchés d’exportation
Si les exportations de la majorité des produits de l’échantillon
sont principalement orientées vers le marché de l’UE et, à un
degré moindre, vers des pays arabes proches, il n’en demeure
pas moins qu’elles sont orientées pour certains produits vers
des marchés non traditionnels.
Les investigations effectuées sur l’identification des principaux
marchés d’exportation de la Tunisie pour l’échantillon de produits
durant la période 2003-2008 font ressortir les résultats
suivants:
- Une faible diversification des marchés dans la mesure où les
exportations sont, pour la majorité de ces produits, orientées
vers des pays de l’UE dont principalement la France, l’Italie
et l’Espagne;
- l’accès des exportations au marché arabe est restreint
principalement à la Libye et à un degré moindre à l’Egypte et
au Maroc dans la mesure où ces trois pays constituent les
principaux clients de la Tunisie pour certains produits de
l’échantillon. Toutefois et suite à l’instabilité liée à la révolution
qu’a vécue les deux premiers pays, la Tunisie pourrait rencontrer
au cours des prochains mois de 2011 certains problèmes
d’accès à ces marchés. D’autres pays arabes figurent aussi
comme clients pour la Tunisie mais d’une façon très timide. Il
s’agit de la Syrie et du Liban pour le phosphate dicalcique, de
l’Arabie Saoudite pour ce même produit et pour l’huile d’olive
vierge, du Qatar pour ce dernier et de la Jordanie pour la
margarine;
- la diversification des marchés est remarquable pour certains
produits de l’échantillon étant donné que leurs exportations
sont orientées vers un nombre relativement élevé de marchés.
Il s’agit des conducteurs électriques (pour tension entre 80 et
1000 V sans pièces de connexion), des relais (pour une tension
entre 60 et 1000 V), des superphosphates, de l’Acide
phosphorique, du phosphate dicalcique, des Phosphates de
calcium et phosphates aluminocalciques naturels et craies
phosphatées non moulus et de l’huile d’olive vierge;
- Le Japon constitue le premier client de la Tunisie pour le thon
du genre thunnus frais ou réfrigéré suivi par la France, l’Italie,
l’Espagne et l’Allemagne.
2) Évolution de la demande mondiale
L’examen de l’évolution des importations mondiales pour
l’échantillon de produits retenus montre que celles-ci ont connu,
à l’exception des émetteurs-récepteurs pour la télécommunication,
une croissance moyenne relativement élevée sur la période 2003-
2008 reflétant l’effort déployé par les exportateurs tunisiens pour
s’adapter à la demande mondiale.
149
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
L’analyse gagnerait en pertinence en mettant l’accent sur la
demande d’importation par pays pour cerner les principaux
importateurs de ces produits et voir dans quelle mesure la Tunisie
est orientée vers ces pays ; ce qui permettrait d’identifier, pour
chaque produit, les marchés d’exportation potentiels.
3) Identification des marchés potentiels
Les exportations tunisiennes pour les produits de l’échantillon
ne sont pas généralement orientées vers les pays les plus
demandeurs
L’examen des principaux pays importateurs pour les années 2003
et 2008 montre la présence de potentialités d’exportation que la
Tunisie pourrait exploiter dans la mesure où les exportations
tunisiennes par produit ne sont pas généralement orientées vers les
pays les plus demandeurs3. Dans ce cadre, les investigations
empiriques ont permis d’identifier les marchés potentiels notamment
pour les quatre premiers produits dynamiques du côté des
exportations tunisiennes (les émetteurs-récepteurs pour la
télécommunication, les huiles et leurs fractions obtenues
exclusivement à partir d’olives, les lecteurs magnétiques ou optiques
et les appareils électriques de signalisation acoustique ou visuelle )
et du côté des importations mondiales ( les superphosphates, les
tourteaux et autres résidus solides, même broyés ou agglomérés
de l’extraction de graisses ou huiles végétales, l’acide phosphorique
et les conducteurs électriques pour tension entre 80 et 1000 V sans
pièces de connexion).
-5%
0%
5%
10%
15%
20%
25%
30%
35%
40%
45%
3103
10
2306
90
2809
20
8544
59
2510
10
2835
26
7214
91
7210
49
1510
00
7406
20
8528
12
2835
25
1517
10
6210
10
1509
10
7210
30
1509
90
8536
90
9028
30
5208
39
0406
30
8544
30
8531
80
0302
39
8548
90
8471
90
6112
49
8517
50
Graphique 2 : Croissance des importations mondiales sur la période 2003-2008
3 Ce sont les dix premiers importateurs en 2003 et 2008
150
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Table 7 : Marchés potentiels pour les quatre premiers produits dynamiques du côté des exportations tunisiennes
851750Emetteurs-récepteurs pour la télécommunication
151000Huiles et leurs fractions obtenuesexclusivement à partir d’olives
847190Lecteurs magnétiques ou optiques
853180Appareils électriques de signalisationacoustique ou visuelle
Allemagne Bulgarie Belgique Australie
Espagne Espagne Chine Canada
Royaume-Uni France Espagne Espagne
Hong Kong Pays-Bas Hong Kong Royaume-Uni
Inde Pologne Israël Hong Kong
Japon Portugal Italie Japon
Pays-Bas Roumanie Japon Corée
Pologne États-Unis Malaisie Mexique
États-Unis Singapour Pays-Bas
Suède Thaïlande
Thaïlande Turquie
États-Unis États-Unis
Table 8 : Marchés potentiels pour les quatre premiers produits dynamiques du côté des importations mondiales
310310Superphosphates
230690Tourteaux et autres résidus solides
280920Acide phosphorique, acides poly-phosphoriques
854459Conducteurs électriques
Argentine Bahamas Canada Autriche
Australie Indonésie Allemagne Canada
Belgique Inde Royaume-Uni Chine
Chili Japon Corée Tchéquie
Indonésie Corée Thaïlande Allemagne
Japon Mexique Espagne
Sri Lanka Malaisie Royaume-Uni
Pays-Bas Thaïlande Hong Kong
Paraguay Taïwan Hongrie
Vietnam Italie
Japon
Mexique
Pays-Bas
Thaïlande
États-Unis
151
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Conclusion
L’analyse des exportations montre que la Tunisie dispose des
potentialités de croissance aussi bien par produit que par marché
qu’il importe d’exploiter. Elle révèle :
- la présence des marges de progression en matière d’exportation
et d’avantage comparatif au niveau d’un échantillon de 30
produits,
- l’amélioration des parts de marché externe pour la majorité de
ces produits,
- la consolidation du positionnement compétitif des exportateurs
tunisiens par rapport aux concurrents pour certains produits,
- la concentration des exportations de la majorité des produits de
l’échantillon sur des pays de l’UE et, à un degré moindre, sur
des pays arabes proches,
- l’orientation des exportations de certains produits vers des
marchés arabes non traditionnels et
- le manque d’orientation des exportations tunisiennes de
l’échantillon de produits vers les marchés les plus demandeurs.
Méthodologie :
Cette typologie a été arrêtée avec l’expert Michael Gasiorek. Elle
comporte deux étapes dont la première consiste à classer les
exportations tunisiennes par produit au niveau six chiffres de la
nomenclature du système harmonisé (NSH6) selon leur part dans
le total de biens afin d’identifier ensuite les principaux produits dont
les exportations et l’avantage comparatif sur l’UE et sur le monde
ont crû d’une façon remarquable sur la période 2003-2008.
Une analyse multicritères a été effectuée par l’expert pour arrêter
un échantillon de 30 produits considérés potentiels pour les
exportations tunisiennes.
La deuxième étape de la méthodologie consiste à déterminer,
pour chacun des principaux produits identifiés dans la première
étape :
1. les premiers exportateurs sur le monde afin d’apprécier le
positionnement de la Tunisie par rapport à ses concurrents ;
2. les principaux marchés d’exportation de la Tunisie ;
3. les premiers importateurs du monde ;
4. les marchés potentiels de la Tunisie (ceux qui figurent parmi
les principaux importateurs et ne sont pas des clients de la
Tunisie).
Source de données :
Les données utilisées pour cette étude ont pour source la base de
données comtrade sur le commerce extérieur gérée par la Division
des Statistiques de l’Organisation des Nations Unies. Ces statistiques
sont fournies selon la nomenclature internationale du Système
Harmonisé de codification de marchandises. Elles sont exprimées
en dollar courant des Etats-Unis et en quantité.
Indicateurs :
Les indicateurs ont été calculés, dans leur majorité, à l’aide d’un
logiciel « Tradesift » installé par l’expert et concernent principalement :
- la part du produit i dans le total des exportations tunisiennes :
c’est le rapport entre la valeur des exportations du produit i et
la valeur du total des exportations de biens,
- la part de marché de la Tunisie du produit i sur le monde : c’est
la valeur des exportations tunisiennes du produit i par rapport à
celle des importations mondiales et,
152
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
- l’avantage comparatif révélé du produit i ou l’indice de
spécialisation: c’est la part de marché de la Tunisie en produit i
rapporté à la part de marché de la Tunisie pour le total de biens
(tous produits confondus). Si l’avantage est supérieur à 1, on dit
que la Tunisie dispose d’un avantage comparatif pour ce produit.
Références bibliographiques :
Lafay G.(1988) « Les indicateurs de spécialisation internationale »
Document de travail du CEPII n° 88.01
Travernier Jean-Luc. Echanges extérieurs et avantages comparatifs :
la spécialisation de la France confrontée à celle de ses concurrents.
In : Economie et prévisions n°94-95.
« L’avantage comparatif, notion fondamentale et controversée »,
CEPII, l’économie mondiale 2002 p90-104.
Chapitre IV
Assistance à l’analyse du systèmeproductif tunisien
154
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Table des matières
155 1. Synthèse du travail réalisé
155 1.1 Exploitation des bases de données individuelles
156 1.2 Détermination d’un cadre méthodologique pour analyser l’évolution de la productivité de l’industrie tunisienne
157 2. Analyse des résultats
157 2.1 Analyse descriptive de la base de données d’entreprises de l’industrie tunisienne
169 2.2 L’analyse de la décomposition de la productivité
170 2.2.1 Le principe des méthodes de décomposition
171 2.2.2 Résultats
176 2. conclusion
177 Bibliographie
155
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
1. Synthèse du travail réalisé
Ala suite de la première mission en septembre, les besoins de
l’ITCEQ qui ont émergé, étaient ciblés prioritairement sur deux
points : (i) l’exploitation des bases de données individuelles, et (ii) la
détermination d’un cadre d’analyse pour étudier l’évolution de la
productivité du travail des entreprises tunisiennes.
1.1 Exploitation des bases de donnéesindividuelles
Une des principales préoccupations de l’équipe de l’ITCEQ
concernant l’utilisation des données individuelles est le problème
du nettoyage. Cette partie du travail est primordiale puisqu’elle
conditionne la qualité des résultats et de l’analyse qui sera effectuée
à partir de ces données. De plus, il est important de suivre une
procédure rigoureuse et de contrôler les changements successifs
de la base qui sont consécutifs aux différentes étapes du nettoyage.
Cette procédure, qui se programme sur Stata, demande du temps
et une maîtrise correcte du logiciel.
La procédure comprend deux grandes étapes. La première consiste
à préparer la base sur Stata (constitution d’une base unique à partir
de différents fichiers de données, harmonisation des questionnaires,
interpolations, etc.). La seconde étape consiste à “nettoyer à
proprement parler”, c'est-à-dire à supprimer les valeurs aberrantes,
ainsi que des observations lorsque les principales variables ne sont
pas renseignées.
L’assistance technique apportée par l’équipe du DEFI a consisté,
- premièrement, à présenter les méthodes de nettoyage des bases
de données d’entreprises utilisées le plus couramment dans la
littérature (cf. diapositives en Annexe) ;
- deuxièmement, à présenter et à expliquer les principales
commandes de la gestion des bases de données sur Stata (cf.
diapositives en Annexe) ;
- troisièmement, à créer, sous Stata, une base unique regroupant
l’ensemble des données disponibles issues des Enquêtes,
lesquelles étaient initialement sur des fichiers Excel séparés par
année et par catégorie de variables (état résultat, emploi, passif,
actif, immobilisations, identification, autres valeurs comptable et
autre valeurs comptables et suite).
Le passage de ces fichiers Excel à une base complète sur Stata,
nécessitait :
- d’harmoniser chacun des fichiers Excel pour les rendre
comparables,
- de créer des correspondances entre des questionnaires différents
(changement de questionnaire à partir de 98, cf. en Annexe le
tableau de correspondance que nous avons réalisé, avec
l’information sur les coefficients de corrélation),
- d’ajouter les indices de prix,
- de faire la fusion de l'ensemble de ces fichiers pour avoir une
base complète sur STATA.
- quatrièmement, à élaborer, avec l’équipe de l’ITCEQ, le
programme de la procédure de nettoyage, dans lequel nous
avons introduit de nombreux commentaires, de façon à ce que
l’ITCEQ puisse non seulement l’utiliser, mais surtout le modifier
à leur convenance.
Principaux résultats de cette première partie (I.1)
- Les cadres de l’ITCEQ ont reçu une formation sur les méthodes
de nettoyage des données microéconomiques et sur la gestion
156
des bases de données sur le logiciel Stata.
- En termes d’ouput, l’ITCEQ dispose (i) d'une base de données
complète sous Stata avec l’ensemble des variables disponibles
issues de l’Enquête, sur une période de 11 ans (1997-2007) et
(ii) d’un programme de nettoyage sous Stata que nous avons
validé ensemble au cours de la dernière mission en Avril.
1.2 Détermination d’un cadre méthodologiquepour analyser l’évolution de la productivité del’industrie tunisienne
Les discussions au cours de la première mission à Tunis ont
débouché sur la décision d’appliquer la méthode de décomposition
de la productivité. Cette méthode consiste à identifier dans quelle
mesure les progrès de productivité sont attribuables à des
augmentions de productivité à l’intérieur des entreprises ou au
phénomène de réallocation.
L’assistance technique apportée par l’équipe du DEFI a consisté,
- premièrement, à présenter et à expliquer les différentes méthodes
de décomposition de la productivité utilisées dans la littérature
sur données individuelles (cf. diapositives en Annexe) ;
- deuxièmement, à élaborer le programme de décomposition
choisie sur Stata et à expliquer le contenu et les différentes
étapes de ce programme à l’équipe de l’ITCEQ dans le but
que ses cadres puissent l’utiliser sans dépendre de l’équipe
du DEFI.
Principaux résultats de cette deuxième partie (1.2)
- Les cadres de l’ITCEQ ont reçu une formation sur les méthodes
de décomposition utilisées dans la littérature.
- En termes d’ouput, l’ITCEQ dispose d’un programme de
décomposition de la productivité sous Stata.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
157
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
2. Analyse des résultats
Nous procédons, dans une première section, à une analyse
descriptive de la base de données des entreprises tunisiennes
issues de l’échantillon des Enquêtes sur une période allant de 1997
à 2007. Dans la section suivante, nous analysons les résultats de
la décomposition de la productivité.
2.1 Analyse descriptive de la base de donnéesd’entreprises de l’industrie tunisienne
L’ensemble des données de la base sont issues des Enquêtes
Annuelles conduites par l’Institut National de la Statistique tunisien et
qui sont mises à disposition de l’ITCEQ. La base concerne les secteurs
de l’industrie tunisienne de 1997 à 2007. Elle contient des informations
sur la production, les consommations intermédiaires, l’emploi
permanent, l’emploi saisonnier, le secteur d’activité, la région et la
structure du capital. Le passage à prix constant a été effectué en
utilisant les indices de prix à la production, à la valeur ajoutée et les
indices de prix des consommations intermédiaires à 5 digits. L’indicateur
de performance des entreprises qui est utilisé est la productivité du
travail, obtenu, au niveau de chaque entreprise, par le ratio de la valeur
ajoutée à prix constant sur l’effectif total, cet effectif total comprenant
à la fois l’effectif permanent et les emplois saisonniers.
En ne retenant que le secteur industriel, la base “brute” initiale compte
16 442 observations, ce qui représentent 4 464 entreprises. Une
fois nettoyée (la procédure de nettoyage est détaillée dans l’encadré
1), la base non cylindrée comprend 15 202 observations et 4 206
entreprises. Le tableau 1 donne le nombre d’entreprises par année.
Il est le plus faible en 2007, avec 1 180 et, au plus haut, en 2000,
avec 1 613 entreprises.
Tableau 1 : Nombre de firmes par année
Années Nombre de firmes
1997 1380
1998 1471
1999 1385
2000 1613
2001 1586
2002 1333
2003 1253
2004 1247
2005 1318
2006 1436
2007 1180
Nombre d’observations 15 202
158
Le tableau 2 indique le nombre d’entreprises selon le nombre d’années
de présence dans la base. Précisons que ce nombre d’années de
présence peut ne pas être consécutif. On constate que, seules, 89
firmes sont présentes pour toutes les années, c'est-à-dire pendant 11
ans. On observe aussi qu’un très grand nombre d’entreprises (1 469,
soit environ 35% des firmes) n’apparaissent qu’une seule année.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 2 : Nombre d’entreprises selon le nombre d’années de présence dans la base
Nombre d’années de présence dans la base Nombre d'entreprises En pourcentage
1 1469 35%
2 561 13%
3 469 11%
4 327 8%
5 322 8%
6 318 8%
7 205 5%
8 178 4%
9 140 3%
10 128 3%
11 89 2%
Total 4206 100%
Tableau 3 : Nombre de firmes par secteur
Secteur Nombre de firmes En pourcentage
1 Agro-alimentaire et Tabac 561 13%
2 Textile 262 6%
3 Habillement 1236 29%
4 Chaussures et Cuir 250 6%
5 Bois, Papier et Edition 283 7%
6 Chimie et Pharmacie 179 4%
7 Caoutchouc et Produits plastiques 159 4%
8 Matériaux non métalliques 314 7%
9 Matériaux métalliques 320 8%
10 Equipements, Machines et Appareils électriques 329 8%
11 Industrie automobile et autres équipements de transport 102 2%
12 Meubles 211 5%
Le tableau qui suit (tableau 3) montre la répartition des firmes de
l’échantillon par secteur. Les plus représentés sont l’habillement (29%)
et l’agro-alimentaire (13%). A eux seuls ils représentent 42% des
entreprises de l’échantillon. Le secteur de l’automobile ne représente,
en revanche, que 2% du nombre d’entreprises, suivi par les secteurs
chimie & pharmacie et, caoutchouc & produits plastiques (4% chacun).
159
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
La répartition par taille des 4 206 entreprises a été réalisée sur la base
du critère de l’emploi total moyen de chaque entreprise, en utilisant la
méthode des quantiles. La répartition obtenue classe dans le groupe
de “petites”, les entreprises qui un nombre d’employés total inférieur
ou égal à 23. Autrement dit, le premier tiers des entreprises de
l’échantillon ont, en moyenne, un nombre d’employés inférieur ou égal
à 23. Dans le groupe de “moyennes” (qui correspond au second tiers
des entreprises), les firmes ont un nombre d’employés strictement
supérieur à 23 et inférieur ou égal à 77. Les “grandes” (le dernier tiers
des entreprises de l’échantillon) ont plus de 77 employés.
Encadré 1. Cleaning Procedure
La procédure que nous avons élaborée est largement inspirée de Hall and Mairesse (1995).On supprime les firmes qui n'ont jamais renseigné leur VA ou leur emploi. On supprime également les observations avec des variables nulles, non renseignées ou négatives, ainsi que celles ayant des taux de croissance annuels des ratios VA/Emploi total,Consommations intermédiaires/Emploi total, Revenu/Emploi total ou Capital/Emploi total, supérieurs à 500% ou inférieurs à -500%.
Tableau 4 : Nombre d’entreprises par taille selon le nombre d’années de présence dans la base
Nombre d’annéesde présence dansla base
Nombre Pourcentage
Total Petite Moyenne Grande Petite Moyenne Grande
1 1469 732 455 282 50% 31% 19%
2 561 195 205 161 35% 37% 29%
3 469 144 172 153 31% 37% 33%
4 327 84 104 139 26% 32% 43%
5 322 114 106 102 35% 33% 32%
6 318 68 109 141 21% 34% 44%
7 205 27 78 100 13% 38% 49%
8 178 17 67 94 10% 38% 53%
9 140 10 46 84 7% 33% 60%
10 128 3 24 101 2% 19% 79%
11 89 1 15 73 1% 17% 82%
Le tableau 4 montre la répartition des entreprises par taille selon
le nombre d’années de présence dans la base. En considérant
la première ligne du tableau, on voit, par exemple, que parmi les
1469 firmes présentes une seule année, la moitié (c’est à dire
732) sont dans la catégorie des “petites”, un tiers environ (soit
455) appartiennent à la catégorie “des moyennes” et 19% (soit
282 entreprises) sont considérées comme “grandes”. Les entrées
et sorties de l’échantillon (qui ne sont pas forcément, rappelons-
le, des nouvelles entreprises ou des cessations d’activité)
concernent, par conséquent, davantage les firmes de petite taille.
La répartition par taille des entreprises présentes pendant 5
années correspond globalement à la répartition par quantile des
4 206 entreprises de l’échantillon. Environ 80% des entreprises
présentes dans la base durant 11 ou 10 années appartiennent
à la catégorie des “grandes” entreprises. Les entreprises ayant
plus de 77 employés en moyenne sont donc présentes dans
l’échantillon durant un nombre d’années plus élevé que les
“moyennes” et surtout “les petites”.
160
Dans le tableau 5, on s’intéresse à la répartition des entreprises de
la base par taille à l’intérieur des secteurs. Par exemple, on peut
voir, dans la deuxième partie du tableau, que la répartition dans le
secteur 10 (équipement électrique) est le plus proche de la répartition
des firmes de l’ensemble de la base. 30% des entreprises sont en
effet de petite taille, 36% appartiennent à la catégorie des moyennes
et 35% sont grandes. Les chiffres en gras ou surlignés en gris mettent
en évidence, en revanche, les cas où les pourcentages sont éloignés
de ceux qui correspondent à l’ensemble des secteurs. Les
pourcentages les plus élevés sont en gras et les pourcentages les
plus faibles sont surlignés en gris. On constate que les entreprises
dans la catégorie des “petites” sont relativement plus présentes
dans le secteur du bois, papier & édition (58%), dans l’agro-
alimentaire (57%), dans la fabrication de meubles (51%) et dans les
matériaux métalliques (45%). En revanche, elles sont moins présentes
dans deux secteurs : l’habillement (10%) et les chaussures et cuir
(23%). C’est dans ce seul secteur du cuir et chaussures, que les
entreprises “moyennes” sont relativement les plus présentes, avec
une part de 40%. C’est aussi dans un seul secteur (l’agro-alimentaire)
que ces entreprises “moyennes” sont relativement moins présentes
(21%). Enfin, les entreprises considérées comme “grandes” sont
plus fortement présentes dans l’habillement (57%), mais relativement
moins présentes dans le bois, papier & édition (13%), les matériaux
métalliques (17%) et l’agro-alimentaire (22%).
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 5 : Répartition des entreprises par secteur et par taille
SecteursNombre Pourcentage
Total Petite Moyenne Grande Petite Moyenne Grande
1. Agro-alimentaire & taire 561 317 119 125 57% 21% 22%
2. Textile 262 96 103 63 37% 39% 24%
3. Habillement 1236 124 406 706 10% 33% 57%
4. Chaussures & Cuir 250 57 101 92 23% 40% 37%
5. Bois, Papier & Edition 283 163 82 38 58% 29% 13%
6. Chimie et Pharmacie 179 68 62 49 38% 35% 27%
7. Caoutchouc 159 61 62 36 38% 39% 23%
8. Matériaux non métalliques 314 124 109 81 39% 35% 26%
9. Matériaux métalliques 320 145 121 54 45% 38% 17%
10. Equipements 329 98 117 114 30% 36% 35%
11. Industrie automobile 102 35 28 39 34% 27% 38%
12. Meubles 211 107 71 33 51% 34% 16%
Dans la mesure où, comme on l’a déjà mis en évidence, les “grandes”
entreprises demeurent plus longtemps dans la base que la catégorie
des “moyennes” et surtout des “petites”, la répartition des entreprises
par année et par taille, décrite dans le tableau 6, montre en premier
lieu la prédominance des grandes entreprises dans le total des
observations. Ces dernières représentent en effet 46% des 15 202
observations de l’ensemble de l’échantillon (soit 6 996 observations
qui concernent la catégorie des “grandes” entreprises), les moyennes
représentent 32% (soit 4 882 observations), tandis que les petites
ne représentent que 22% du total des observations (soit 3 324
observations). On constate qu’en 2002, 2004 et 2005, les “petites”
entreprises sont relativement peu représentées (avec des parts,
respectivement de 16%, 14% et 15%), au profit essentiellement des
“grandes” entreprises, en particulier en 2004 et 2005, puisque cette
catégorie des “grandes” entreprises représentent, pour ces deux
années, respectivement 56% et 55% des observations annuelles.
Le tableau suivant (tableau 7) indique la répartition des entreprises
selon la structure du capital et la taille. Parmi les 4 206 entreprises
de l’échantillon, 126 (soit 3%) ont une partie de leur capital détenue
par l’Etat et 1 243 (soit 30%) ont une partie de leur capital détenue
par des investisseurs étrangers. Les firmes concernées sont
essentiellement dans la catégorie des “grandes” (58% pour la
détention de capital étatique et 65% pour la détention de capital
étranger).
161
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Dans le tableau 8, est indiqué le nombre d’entreprises par grande
région. On constate que la très grande majorité des entreprises de
l’échantillon sont localisées dans le district de Tunis, dans le Nord
Est et le Centre Est. Seulement, 6% des 4 206 firmes se trouvent
dans le Nord Ouest, 3% sont dans le Sud (Est et Ouest) et 2% de
l’échantillon sont dans le Centre Ouest.
Le tableau 9 présente les moyennes et les écarts-types de la valeur
ajoutée, des consommations intermédiaires, de la production, du
nombre d’employés permanents, du nombre d’employés total, du
stock de capital, de l’investissement et de la productivité du travail,
à la fois pour l’ensemble des entreprises de l’échantillon et en les
distinguant par taille. Le cas des entreprises tunisiennes confirme
bien ce que l’on le constate habituellement dans la littérature, à
savoir une productivité qui croît avec la taille des entreprises. Les
“grandes” entreprises ont en effet une productivité du travail, en
moyenne non pondérée, plus élevée (8,78), comparativement aux
“moyennes” (8,71) et aux “petites” (8,48).
Tableau 6 : Nombre de firmes par année et par taille
Nombre d’annéesde présence dansla base
Nombre Pourcentage par année
Total Petite Moyenne Grande Petite Moyenne Grande
1997 1380 386 457 537 28% 33% 39%
1998 1471 417 478 576 28% 32% 39%
1999 1385 348 467 570 25% 34% 41%
2000 1613 368 586 659 23% 36% 41%
2001 1586 323 568 695 20% 36% 44%
2002 1333 219 449 665 16% 34% 50%
2003 1253 251 361 641 20% 29% 51%
2004 1247 174 380 693 14% 30% 56%
2005 1318 204 387 727 15% 29% 55%
2006 1436 336 417 683 23% 29% 48%
2007 1180 298 332 550 25% 28% 47%
Total (nombre d’observations)
15202 3324 4882 6996
Total (en % du nbre d’obs.)
100% 22% 32% 46%
Tableau 7 : Nombre de firmes par structure du capital et par taille
Structure du capital des entre-prises
Nombre Pourcentage par type de firmes
Total Petite Moyenne Grande Petite Moyenne Grande
Entreprises ayant au moins unepartie de son capital détenue parl’État
126(soit 3% des 4206entreprises)
24 29 73 19% 23% 58%
Entreprises ayant au moins unepartie de son capital détenue pardes investisseurs privés étrangers
1243(soit 30% des4206 entreprises)
107 334 802 9% 27% 65%
162
La catégorie des entreprises “moyennes” ont une valeur ajoutée,
des consommations intermédiaires, une production et un stock de
capital, 4 fois plus élevés que les “petites”. En revanche, elles
investissent 5 fois plus et emploient seulement 3,5 fois plus que la
catégorie des “petites”. Les “grandes” entreprises ont une valeur
ajoutée 24 fois plus élevée que les petites. Elles investissement 28
fois plus, ont un stock de capital 31 fois plus élevé et un emploi total
17 fois plus élevé que la catégorie des “petites”. Elles sont, par
conséquent, caractérisées par une plus forte intensité capitalistique
(presque 2 fois plus élevée que les petites et un peu plus de 1,5 fois
plus élevée que les moyennes). Ce constat peut laisser penser qu’en
utilisant la productivité globale des facteurs à la place de la
productivité du travail, la catégorie des “grandes” entreprises
pourraient ne pas avoir le meilleur niveau moyen d’efficience.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 8 : Nombre d’entreprises par grande région
Régions Nombre d'entreprises En pourcentage
1 Grand Tunis et Nord Est 1829 45%
2 Nord Ouest 246 6%
3 Centre Est 1731 43%
4 Centre Ouest 95 2%
5 Sud Est et Ouest 122 3%
6 Total 4023* 100%
* 183 entreprises n’ont pas renseigné leur localisation, ce qui explique que l’on ne retrouve pas le nombre total de firmes dans la base, qui est de 4206.
163
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
* Il s’agit de la moyenne non pondérée, sur l’ensemble des 11 années, exprimée en log.
Tableau 9. Principales statistiques des entreprises pour l’ensemble de l’échantillon et par taille
Par taille Variables Moyenne Ecart-type
Petite
Valeur ajoutée (prix constant) 101 583 303 478
Consommations intermédiaires (prix constant) 329 622 1 438 669
Production (prix constant) 428 824 1 681 111
Nombre d’employés permanents 13 6
Nombre d’employés total (permanents et saisonniers) 13 6
Stock de capital (prix constant) 165 439 282 812
Investissement (prix constant) 23 277 72 482
Productivité du travail* 8,48 0,90
Moyenne
Valeur ajoutée (prix constant) 427 958 880 480
Consommations intermédiaires (prix constant) 1 246 976 2 953 823
Production (prix constant) 1 670 705 3 670 848
Nombre d’employés permanents 43 20
Nombre d’employés total (permanents et saisonniers) 47 20
Stock de capital (prix constant) 662 209 1 067 453
Investissement (prix constant) 116 032 328 370
Productivité du travail* 8,71 0,90
Grande
Valeur ajoutée (prix constant) 2 496 077 8 067 454
Consommations intermédiaires (prix constant) 6 327 027 22 900 000
Production (prix constant) 8 807 453 30 100 000
Nombre d’employés permanents 205 261
Nombre d’employés total (permanents et saisonniers) 232 334
Stock de capital (prix constant) 5 129 195 22 700 000
Investissement (prix constant) 659 287 2 149 993
Productivité du travail* 8,78 0,88
Ensemble
Valeur ajoutée (prix constant) 1 308 348 5 606 703
Consommations intermédiaires (prix constant) 3 384 245 15 900 000
Production (prix constant) 4 683 511 20 900 000
Nombre d’employés permanents 111 198
Nombre d’employés total (permanents et saisonniers) 125 248
Stock de capital (prix constant) 2 609 306 15 600 000
Investissement (prix constant) 345 758 1 499 262
Productivité du travail* 8,69 0,90
Le tableau 10 donne la productivité moyenne non pondérée par
secteur sur les 11 années contenues dans l’échantillon. Sur
l’ensemble de la période considérée, 9 secteurs ont une
productivité moyenne au dessus de celle de l’ensemble des
entreprises. Parmi ces secteurs, les plus productifs sont la chimie
et pharmacie (avec une moyenne non pondérée de 9,49), suivi
des équipements électriques (9,11) et du caoutchouc et produits
plastiques (9,06). Trois secteurs seulement ont une productivité
moyenne qui se situe en dessous la productivité de l’ensemble
des entreprises de l’échantillon. Il s’agit de l’habillement (avec une
productivité moyenne de 8,25), les chaussures et cuir (8,45) et les
meubles (8,60).
164
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Le tableau 11 indique la productivité moyenne non pondérée selon
la structure du capital des entreprises. On constate que les firmes
dont le capital est détenu en totalité ou en partie par l’Etat ou par
des investisseurs étrangers, ont, sur l’ensemble de la période, une
productivité moyenne supérieure à celle de l’ensemble des
entreprises. On ne peut, toutefois, en déduire aucun lien de
causalité, d’autant que, comme on l’a montré plus haut, ces firmes
appartiennent majoritairement à la catégorie des “grandes”
entreprises. Il n’est donc pas étonnant d’observer une productivité
moyenne plus élevée pour ces deux catégories d’entreprises.
Tableau 10 : Moyenne non pondérée de la productivité du travail par secteur
Secteur Productivité du travail moyenne non pondérée
1 Agro-alimentaire et Tabac 8,88
2 Textile 8,72
3 Habillement 8,25
4 Chaussures et Cuir 8,45
5 Bois, Papier et Edition 8,89
6 Chimie et Pharmacie 9,49*
7 Caoutchouc et Produits plastiques 9,06
8 Matériaux non métalliques 8,94
9 Matériaux métalliques 8,77
10 Equipements, Machines et Appareils électriques 9,11
11 Industrie automobile et autres équipements de transport 8,85
12 Meubles 8,60*
Tableau 11 : Moyenne de la productivité du travail selon la structure du capital
Structure du capital des entreprises Productivité du travail moyenne non pondérée
Entreprises ayant au moins une partie de son capital détenue par l’Etat 9,22
Entreprises ayant au moins une partie de son capital détenue par des investisseursprivés étrangers
8,71
On passe, dans ce qui suit, à l’analyse descriptive de l’évolution de la
productivité du travail. Le tableau 12 donne la productivité moyenne
pondérée par année (exprimée en log), qui est également représentée
sous forme graphique (graphique 1). Au cours de ces 11 années, la
productivité du travail des entreprises tunisiennes de notre échantillon
a fortement augmenté. On est passé d’une productivité du travail (en
moyenne pondérée) de 9,42 en 1997 à 9,67 en 2006 (ce qui représente
25% d’augmentation) et à 9,91 en 2007 (soit 49% d’augmentation,
toujours par rapport à 1997). En taux de croissance annuels, la
productivité a baissé uniquement entre 2002 et 2003 (de 5%), entre
2003 et 2004 (de 1%) et entre 2004 et 2005 (de 1%). La forte
augmentation de la productivité entre 2006 et 2007 (+24%) est assez
étonnante et doit être considérée avec prudence. L’année 2007 est
en effet caractérisée par un renouvellement important des entreprises
dans l’échantillon : comme le montre le tableau 13, 30% des firmes
en 2007 n’ont jamais été présentes auparavant dans la base. Il semble
donc que ces entrées et sorties d’entreprises ont très fortement
contribuées à cette augmentation de la productivité entre 2006 et 2007.
Bien que l’INS utilise un certain nombre de procédures pour garantir
la représentativité des échantillons enquêtés, on doit faire preuve de
prudence dans l’interprétation des résultats lorsque l’on travaille sur
des bases de données qui ne sont pas issues de recensements. Aussi,
pour ne pas fausser les interprétations, certains graphiques seront
présentés à la fois (i) sur toute la période (c’est à dire de 1997 à 2007)
et, (ii) en ne tenant pas compte de la dernière année (c’est dire de
1997 à 2006).
165
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 12 : L’évolution de la productivité du travail de l’ensemble des entreprises de l’échantillon
Graphique 1. L’évolution de la moyenne pondérée de la productivité du travail entre 1997 et 2007 (en log)
AnnéesProductivité moyenne pondérée(en log)
Taux de croissance annuel de la productivité moyenne pondérée
Taux de croissance de la productivitépar rapport à 97
1997 9,42
1998 9,45 3% 3%
1999 9,49 4% 7%
2000 9,58 9% 16%
2001 9,61 3% 19%
2002 9,66 5% 24%
2003 9,61 -5% 19%
2004 9,60 -1% 18%
2005 9,59 -1% 17%
2006 9,67 8% 25%
2007 9,91 24% 49%
Tableau 13 : Nombre d’années de présence des entreprises dans la base par année
Nbre annéesde présence
1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007Répartitionen 2007
1 131 111 46 74 47 93 127 96 156 235 253 30%
2 83 116 52 113 121 95 90 94 95 166 97 8%
3 134 129 131 140 130 95 84 126 164 159 115 10%
4 122 133 151 172 125 91 93 113 114 113 81 7%
5 183 195 210 226 231 103 107 97 95 99 64 5%
6 185 194 195 231 251 211 139 136 130 143 93 8%
7 115 132 135 157 176 159 144 116 114 115 72 6%
8 107 129 131 162 168 153 137 138 116 109 74 6%
9 115 121 118 131 128 123 122 121 120 87 74 6%
10 116 122 127 118 120 121 121 121 125 121 68 6%
11 89 89 89 89 89 89 89 89 89 89 89 8%
Total 1380 1471 1385 1613 1586 1333 1253 1247 1318 1436 1180 100%
166
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Les graphiques 2 montrent la productivité du travail moyenne
pondérée par secteur, d’abord entre 1997 et 2007, puis entre 1997
et 2006. Si l’on ne tient pas compte de 2007, on constate que la
productivité du travail a baissé dans 5 secteurs : le textile (secteur
2), l’habillement (secteur 3), la chimie et pharmacie (secteur 6), le
caoutchouc et plastique (secteur 7) et l’automobile (secteur 11).
Pour les 3 premiers secteurs (textile (2), habillement (3) et chimie et
pharmacie (6)), la forte augmentation de la productivité entre 2006
et 2007 permet de compasser les baisses qui précèdent et, de se
retrouver, en 2007, avec des niveaux de productivité supérieurs à
leur niveau en début de période (c’est à dire 1997). Dans le secteur
7 (caoutchouc et plastique), la productivité du travail augmente aussi
fortement entre 2006 et 2007, mais pas suffisamment pour dépasser
le niveau de productivité de 1997. Aussi, si l’on regarde les
graphiques sur la période 1997-2007, un seul secteur, celui de
l’automobile (secteur 11) voit sa productivité du travail baisser
nettement. En revanche, la productivité du travail a augmenté dans
7 secteurs : l’agro-alimentaire (secteur 1), le cuir et chaussures
(secteur 4), le bois, papier et imprimerie (secteur 5), les matériaux
non métalliques (secteur 8), les matériaux métalliques (secteur 9),
les équipements électriques (secteur 10) et les meubles (secteur
12). Parmi ces secteurs, l’augmentation de la productivité du travail
est particulièrement marquée dans le secteur de l’agro-alimentaire
(1), le bois, papier et imprimerie (5), les matériaux non métalliques
(8), les matériaux métalliques (9) et les équipements électriques (10).
Les graphiques 3 présentent l’évolution de la productivité du travail
par taille, d’abord entre 1997 et 2007, puis entre 1997 et 2006. Ce
que l’on a qualifié, dans les graphiques “product-small”, “product-
medium” et “product-large” correspond à la moyenne pondérée de la
productivité du travail, respectivement des “petites”, “moyennes” et
“grandes” entreprises de l’échantillon. Bien qu’en moyenne non
pondérée sur l’ensemble de la période, on a vu dans le tableau 9, que
la productivité du travail des “grandes” entreprises dépassait celle des
“moyennes”, on constate que la productivité moyenne pondérée de
ces “moyennes” (en trait plein rouge) a augmenté plus vite que celles
des “grandes” (en pointillé large, vert). La productivité du travail des
“moyennes” était de 9,36 en 1997 et est passé à 9,91 en 2006,
puis à 9,51 en 2007. Pour la catégorie des “grandes” entreprises,
la moyenne pondérée de la productivité du travail était de 9,42 en
1997. Elle est passée à 9,65 en 2006, puis à 9,91 en 2007. La
productivité du travail des “moyennes” dépasse celle des “grandes”
à partir de 2001, jusqu’en 2006. En 2007, la productivité des
“grandes” redevient supérieure à celle des “moyennes”. L’évolution
irrégulière de la productivité moyenne de la catégorie des “petites”
(en petit pointillé bleu), s’explique très probablement par les
importantes entrées et sorties de l’échantillon qui concernent
davantage ce groupe d’entreprises. D’ailleurs, la forte augmentation
de la productivité entre 2006 et 2007 a été enregistrée essentiellement
par les “petites” et, dans une moindre mesure par la catégorie
des “grandes”.
Le graphique 4 montre l’évolution de la productivité du travail
selon la structure de capital des entreprises entre 1997 et 2007,
avec en trait plein, la catégorie des entreprises entièrement
domestiques et, en pointillé, la catégorie des firmes ayant une
partie au moins de leur capital détenue par des investisseurs
étrangers. Il apparaît clairement que la productivité des entreprises
domestiques a augmenté plus fortement que celle des entreprises
ayant du capital étranger. En 1997, la productivité des entreprises
domestiques est de 9,32. Elle passe à 9,72 en 2006 et quasiment
à 10 en 2007. Pour les entreprises ayant du capital étranger, on
passe de 9,58 en 1997, à 9,68 en 2006 et 9,82 en 2007. Entre
1997 et 2003, la productivité des entreprises ayant du capital
étranger est supérieure à celle des entreprises domestiques. A
partir de 2003, c’est l’inverse : la productivité du travail des
entreprises domestiques devient supérieure à celle des firmes
ayant du capital étranger. Ce résultat contre-intuitif est intéressant
et demanderait une analyse spécifique plus fouillée. On s’attend,
en effet, généralement à ce que la dynamique d’évolution de la
productivité soit plus importante pour les entreprises possédées
en partie par des investisseurs étrangers.
167
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Graphiques 2 : L’évolution de la moyenne pondérée de la productivité du travail par secteurEntre 1997 et 2007 (en log)
Entre 1997 et 2006 (en log)
année
année
168
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Graphiques 3 : L’évolution de la moyenne pondérée de la productivité du travail par taille entre 1997 et 2007 (en log)
Entre 1997 et 2006 (en log)
product petiteproduct moyenneproduct grande
product petiteproduct moyenneproduct grande
Graphique 4 : L’évolution de la moyenne pondérée de la productivité du travail selon la structure du capital des entreprises (en log)
product domestiqueproduct étrangère
169
2.2 L’analyse de la décomposition de la productivité
L’objectif de cette section est d’identifier l’origine de l’évolution de
la productivité. Il s’agit, plus précisément de savoir si les gains de
productivité résultent de l’accroissement de la productivité au niveau
des entreprises de l’échantillon ou s’ils sont la conséquence de la
réallocation.
L’augmentation de la productivité du travail au niveau des
entreprises elles-mêmes peut être liée,
- soit à des variations conjoncturelles de la demande non anticipées
par les entreprises, lesquelles, généralement expliquent plus
fréquemment des baisses “accidentelles” de la productivité
du travail ;
- soit à des rigidités sur le marché du travail qui peuvent ralentir
l’adaptation du nombre d’employés (à la hausse, comme à la
baisse) aux variations de la production ;
- soit à un ensemble de décisions propres aux entreprises qui
peuvent conduire à une amélioration de la productivité. On peut
citer pour exemple, l’amélioration du niveau de formation des
employés, l’investissement dans l’achat de machines plus
performantes, l’utilisation d’inputs de meilleure qualité, la
réorganisation de l’entreprise, des décisions de licenciements, etc.
Les phénomènes de réallocation, quant à eux, peuvent être la
conséquence de changements inter-sectoriels (certains secteurs se
développent, alors que d’autres stagnent ou se réduisent) ou de
changements intra-sectoriels, c’est à dire qu’à l’intérieur de chaque
secteur, se produisent des changements de parts de marché, ainsi
que des entrées et sorties d’entreprises. Pendant longtemps, parce
que l’on ne disposait essentiellement que de données sectorielles
(soit d’origine nationale, soit d’origine internationale par l’UNIDO),
l’analyse de la réallocation s’est concentrée sur les changements
entre secteur, d’autant que l’hypothèse de firme homogène
supposée, à la fois, par les théories traditionnelles du commerce
international et par la théorie du New Trade (Krugman,1979, Helpman
et Krugman, 1987) ne permettait pas d’expliquer sur le plan théorique
la possibilité de réallocation à l’intérieur des industries. Le
développement récent de la théorie du “New New Trade”, initiée
notamment par Melitz (2003), et caractérisée par la prise en compte
de l’hétérogénéité des entreprises à l’intérieur des secteurs, a justifié
sur le plan théorique, que l’on focalise l’analyse sur les changements
au niveau des firmes. L’accès à des bases de données individuelles
d’entreprises a permis que se développent les analyses empiriques
dans le prolongement de ces avancées théoriques.
Ainsi, les principales leçons à tirer des développements théoriques et
empiriques récents dans la littérature est qu’à l’intérieur d’une même
industrie, il existe des entreprises qui peuvent être très différentes, du
fait de leur taille, de leur degré d’intégration dans l’économie
internationale, de leur niveau de productivité, etc. et que, dans ce
contexte, tout changement (réforme commerciale, climat des affaires,
changement de la demande internationale, accroissement de la
concurrence, etc.) va se répercuter de façon différenciée sur ces
entreprises et générer forcément des réallocations à l’intérieur des
secteurs. L’idée qui domine dans la littérature est que ces réallocations
à l’intérieur de chaque industrie seraient d’une ampleur beaucoup plus
importante que celles qui se produisent entre secteurs. Dans ce cadre
théorique, Melitz (2003, déjà cité) a montré, par exemple, que l’ouverture
aux échanges internationaux conduit à une augmentation des parts
de marché des entreprises initialement les plus productives, au
détriment des entreprises les moins productives, qui disparaissent ou
qui voient leur part de marché se réduire. Pour ces auteurs de la “New
New Trade”, les variations de la productivité agrégée d’une économie
s’expliquent essentiellement par ces phénomènes de réallocation à
l’intérieur des industries, en particulier lorsqu’il s’agit d’économies qui
s’ouvrent aux échanges internationaux.
Avec son adhésion à l’OMC en mars 1995 et l’entrée en vigueur
d’un certain nombre d’accords commerciaux, aussi bien dans le
cadre multilatéral (GAFTA, entré en application en janvier 1998, le
Processus d’Agadir, l’UMA) que dans le cadre bilatéral (l’Accord
d’Association Euro-Méditerranéen, appliqué à partir de janvier 1996,
les séries d’Accords avec l’Egypte, le Maroc et la Jordanie, tous les
trois appliqués en 1999), la Tunisie s’est engagée dans la voie d’un
démantèlement de ces droits de douane. Entre 1995 et 2004, la
moyenne simple des tarifs a diminué de 22%. On peut, par
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
170
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
conséquent, se demander si, comme le laisseraient penser les
récents développements théoriques, cette ouverture aux échanges
internationaux s’est traduite par la concomitance d’importants gains
de productivité issus du phénomène de réallocation.
2.2.1 Le principe des méthodes de décomposition
Dans la littérature, les trois principales méthodes utilisées sont celles
de Foster, Haltiwanger et Krizan (FHK, 1998 et 2001), Griliches et
Regev (GR, 1995) et, celle plus récente de Pavcnik (2002). Bien que
la méthode FHK soit la plus complète, elle nécessite, comme
d’ailleurs aussi la méthode GR, de connaître les entrées et sorties
des entreprises. Les données de firmes tunisiennes ne permettant
pas l’identification des “vraies” sorties et entrées, la seule méthode
applicable dans notre cas de figure est celle de Pavcnik.
Cette méthode consiste à décomposer la productivité agrégée de
la façon suivante :
(1)
avec , la moyenne pondérée de la productivité (exprimée en log)
à l’année t,
(2)
, la moyenne non pondérée de la productivité à l’année t,
la part de marché de l’entreprise i dans l’échantillon, , la part de
marché moyenne des entreprises dans l’échantillon et , la
productivité de l’entreprise i, exprimée en log. Pour obtenir la part
de marché, on peut utiliser soir le critère de l’emploi, soit le critère de
la production. On a choisi, dans ce travail, d’utiliser la production26
. On peut effectuer cette décomposition, soit à partir de la productivité
du travail, soit à partir de la productivité globale des facteurs. Nous
utilisons, ici, uniquement la productivité du travail.
Cette décomposition montre que la productivité moyenne pondérée
peut être décomposée en deux termes :
- Le premier (c’est à dire ) est la moyenne non pondérée de la
productivité de l’ensemble des entreprises dans l’échantillon.
Ce premier correspond à ce que l’on appelle, dans la littérature,
un effet “within”. Il mesure la contribution de l’augmentation de
la productivité des entreprises.
- Le second terme (c’est à dire ), qui
est appelé, le terme de covariance, prend en compte l’écart de
la part de marché de l’entreprise par rapport à la part moyenne
des firmes dans l’échantillon et l’écart de productivité de la firme
par rapport à la productivité moyenne non pondérée de l’échantillon.
Ce dernier terme détermine donc la contribution à l’accroissement
de la productivité de l’échantillon provenant de la réallocation des
parts de marché entre les firmes de différents niveaux de
productivité. La contribution de cet effet réallocatif est d’autant
plus importante que les entreprises ayant une productivité
relativement élevée (/faible), c’est à dire supérieure (/inférieure) à
la moyenne non pondérée de l’échantillon, ont des parts de marché
relativement grandes (/petites) (c’est à dire supérieures (/inférieures)
à la part de marché moyenne des entreprises de l’échantillon).
Si le premier terme est positif, cela signifie qu’en moyenne, les
entreprises ont augmenté leur productivité. Si le second terme
est positif, cela indique qu’une proportion plus importante de
biens est produite par des entreprises plus efficientes. Bien que
236 En appliquant cette méthode sur les données du RU, Disney et al. (2003) montre que l’utilisation de la production, alternativement à l’emploi, ne modifie que très marginalementles résultats obtenus.
171
les données de firmes utilisées dans ce travail soient issues d’un
échantillon, on peut s’attendre selon les prédictions de la littérature
théorique, que dans un contexte de libéralisation, ce second terme
soit positif et qu’il augmente au cours du temps, sur la période
considérée.
2.2.2 Résultats
Cette méthode de décomposition a été appliquée (i) sur l’ensemble
de l’échantillon, (ii) par secteur, (iii) par taille et (iv) selon la structure
du capital des entreprises. Dans tous les cas de figure, les résultats
sont indiqués en terme de variation par rapport à l’année de départ,
c’est à dire 1997. Dans les quatre tableaux qui suivent La deuxième
colonne indique les changements de la productivité agrégée par
rapport à l’année 1997. Les deux colonnes qui suivent correspondent
respectivement aux variations du premier et du second terme de la
décomposition. Comme l’impose l’équation de la décomposition, la
somme, en ligne, des colonnes (3) et (4) correspond à la colonne (2).
Le tableau 14 montre les résultats pour l’ensemble de l’échantillon.
La colonne (2), qui indique les changements de la productivité du
travail agrégée pour l’ensemble des entreprises, correspond à la
dernière colonne du tableau 12 que l‘on a déjà présenté plus haut.
On constate que la grande partie des gains de productivité proviennent
de l’effet réallocatif. En 2006, les 25% de taux de croissance de la
productivité du travail agrégée sont dus, pour 8% à l’augmentation
de la productivité à l’intérieur des entreprises et pour 17% à la
réallocation des ressources des entreprises les moins efficientes vers
les plus efficientes. Autrement dit, 67% de la variation de la productivité
agrégée sur les 10 années (97-2006) sont dus à l’augmentation du
terme de covariance. En 2007, cette même part s’élève à 72%. Même
si ce terme de covariance n’a pas cru de façon régulière au cours de
la période considérée, ce terme est toujours positif (à l’exception
seulement des deux premières années), ce qui montre bien que la
réallocation joue dans le bons sens, autrement dit que les entreprises
les plus productives se développent et/ou les moins productives ont
des parts de marché en baisse.
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 14 : Décomposition de la croissance de la productivité agrégée pour l’ensemble de l’échantillon
Années Croissance de la Productivité agrégéeVariation de la Productivité non pondérée(Premier terme)
Variation de la Covariance(Second terme)
1997 0,000 0,000 0,000
1998 0,023 0,055 -0,031
1999 0,071 0,072 -0,001
2000 0,153 -0,038 0,191
2001 0,183 0,043 0,140
2002 0,235 0,124 0,112
2003 0,183 0,126 0,057
2004 0,172 0,109 0,062
2005 0,164 0,079 0,085
2006 0,249 0,081 0,168
2007 0,486 0,138 0,348
172
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Tableau 15 : Décomposition de la croissance de la productivité agrégée par secteur
Secteurs Années Pdt agr.Pdt nonpond.
Cov. Secteurs Années Pdt agr.Pdt nonpond.
Cov.
1 1997 0,000 0,000 0,000 7 1997 0,000 0,000 0,000
Agro-alimentaire& Tabac
1998 0,043 0,063 -0,020
Caoutchouc etproduits plastiques
1998 0,155 0,197 -0,043
1999 0,044 0,007 0,037 1999 0,226 0,183 -0,032
2000 0,100 0,036 0,063 2000 0,226 0,134 0,092
2001 0,224 0,147 0,077 2001 0,127 -0,017 0,144
2002 0,366 0,318 0,048 2002 0,300 0,419 -0,119
2003 0,456 0,306 0,150 2003 -0,186 0,180 -0,366
2004 0,387 0,396 -0,010 2004 -0,118 0,149 -0,267
2005 0,261 0,219 0,041 2005 -0,311 0,014 -0,326
2006 0,304 0,077 0,227 2006 -0,301 0,076 -0,376
2007 0,303 0,066 0,237 2007 -0,120 0,120 -0,240
2 1997 0,000 0,000 0,000 8 1997 0,000 0,000 0,000
Textile
1998 -0,172 -0,094 -0,078
Non-metalMaterialsMatériauxnon métalliques
1998 0,037 0,151 -0,114
1999 -0,150 0,033 -0,183 1999 -0,085 0,089 -0,175
2000 0,172 0,101 0,072 2000 0,254 0,130 0,125
2001 0,266 0,187 0,080 2001 0,397 0,354 0,043
2002 0,281 0,424 -0,143 2002 0,552 0,400 0,152
2003 0,168 0,277 -0,109 2003 0,527 0,556 -0,029
2004 0,099 0,275 -0,176 2004 0,509 0,653 -0,144
2005 -0,008 0,205 -0,213 2005 0,407 0,562 -0,155
2006 -0,116 0,100 -0,216 2006 0,565 0,585 -0,019
2007 0,164 0,100 0,044 2007 0,700 0,608 0,092
3 1997 0,000 0,000 0,000 9 1997 0,000 0,000 0,000
Habillement
1998 0,052 0,091 -0,039
Matériauxmétalliques
1998 0,068 -0,053 0,121
1999 0,240 0,093 0,146 1999 0,281 0,057 0,224
2000 0,244 -0,077 0,321 2000 0,236 -0,124 0,360
2001 0,294 0,056 0,237 2001 0,220 -0,215 0,435
2002 0,251 0,100 0,150 2002 -0,028 -0,164 0,136
2003 -0,061 0,111 -0,172 2003 0,067 -0,168 0,235
2004 -0,159 0,022 -0,181 2004 0,198 -0,055 0,253
2005 -0,247 -0,033 -0,213 2005 0,527 -0,166 0,693
2006 -0,076 -0,004 -0,072 2006 0.,742 -0,311 1,052
2007 0,654 -0,006 0,661 2007 1,236 -0,257 1,493
173
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
4 1997 0,000 0,000 0,000 10 1997 0.,000 0,000 0,000
Chaussures etCuir
1998 0,220 0,034 0,186
Équipements,machineset appareilsélectriques
1998 -0,094 0,016 -0,110
1999 0,250 0,101 0,148 1999 0,117 0,156 -0,039
2000 0,211 0,006 0,206 2000 0,269 0,165 0,104
2001 0,209 0,028 0,180 2001 0,267 0,232 0,035
2002 0,023 -0,120 0,144 2002 0,287 0,249 0,038
2003 0,379 0,036 0,43 2003 0,163 0,374 -0,211
2004 0,226 0,016 0,210 2004 0,345 0,359 -0,015
2005 0,071 -0,027 0,098 2005 0,356 0,425 -0,069
2006 0,302 0,004 0,298 2006 0,469 0,364 0,105
2007 0,333 0,157 0,176 2007 0,504 0,636 -0,132
5 1997 0,000 0,000 0,000 11 1997 0,000 0,000 0,000
Bois, Papier etEdition
1998 0,031 0,042 -0,012
Industrie automobileet autres équipements de transport
1998 -0,131 -0,060 -0,071
1999 0,081 0,057 0,024 1999 -0,370 -0,091 -0,279
2000 -0,014 0,012 -0,026 2000 -0,082 0,028 -0,110
2001 0,012 0,156 -0,143 2001 -0,090 0,048 -0,138
2002 0,045 0,113 -0,068 2002 -0,216 0,074 -0,290
2003 0,177 0,086 0,091 2003 -0,297 -0,300 0,003
2004 0,164 0,172 -0,008 2004 -0,289 0,087 -0,376
2005 0,278 0,102 0,176 2005 -0,332 0,041 -0,372
2006 0,209 0,148 0,062 2006 -0,454 -0,233 -0,221
2007 0,398 0,251 0,147 2007 -0,190 -0,069 -0,121
6 1997 0,000 0,000 0,000 12 1997 0,000 0,000 0,000
Chimie etPharmacie
1998 -0,051 -0,079 0,028
Meubles
1998 0,064 0,135 -0,071
1999 -0,020 -0,019 -0,001 1999 0,069 0,108 -0,040
2000 -0,326 0,100 -0,426 2000 0,230 0,118 0,112
2001 -0,005 0,237 -0,241 2001 0,273 0,194 0,079
2002 -0,382 0,264 -0,645 2002 0,322 0,348 -0,027
2003 -0,847 0,271 -1.,118 2003 0,008 0,018 -0,010
2004 -0,094 0,414 -0,509 2004 -0,007 0,064 -0,071
2005 -0,358 0,272 -0,630 2005 0,208 0,263 -0,055
2006 -0,685 0,153 -0,838 2006 0,217 0,335 -0,118
2007 0,173 0,224 -0,051 2007 0,521 0,513 0,007
Le tableau 15 contient les résultats de la décomposition de la pro-
ductivité du travail par secteur. Si pour l’ensemble de l’échantillon,
la réallocation a fortement contribué à l’accroissement de la productivité
agrégée, ce constat est loin d’être vérifié au niveau des secteurs.
174
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
C’est en effet dans seulement 2 industries (chaussures et cuir
(secteur 4) et matériaux métalliques (secteur 9)) que les variations
du terme de covariance sont toujours positives tout au long de la
période et supérieures à celles de la productivité des entreprises. En
revanche, dans les 6 secteurs qui suivent, textile (secteur 2), chimie
et pharmacie (secteur 6), caoutchouc et produits plastiques (secteur
7), matériaux non métalliques (secteur 8), équipements électriques
(secteur 10) et meubles (secteur 12), la productivité des entreprises
a augmenté, alors que le terme de covariance a eu un impact négatif
sur la variation de la productivité agrégée. Dans le secteur bois, pa-
pier et édition (secteur 5), l’effet dominant est l’accroissement de la
productivité du travail à l’intérieur des entreprises. Dans le secteur
agro-alimentaire (secteur 1), l’augmentation de la productivité est
également due, sur l’essentiel de la période, à l’augmentation de la
productivité des entreprises, sauf pour les 2 dernières années (2006
et 2007) au cours desquelles la contribution du terme de covariance
a été particulièrement importante. Enfin, dans 2 secteurs, celui de
l’habillement (secteur 3) et celui de l’automobile (secteur 11), ce sont
les deux termes (productivité des firmes et covariance) qui ont joué
un rôle négatif sur la variation de la productivité du travail agrégée.
Les résultats de la décomposition par taille sont présentés dans le
tableau 16. L’effet de la réallocation a fortement contribué à la
croissance de la productivité agrégée du travail pour la catégorie
des “moyennes” et des “grandes” entreprises. A l’exception de
l’année 1998, la variation du terme de covariance est, en effet,
toujours positive pour ces 2 groupes de firmes. Pour la catégorie
des “petites”, ce même terme varie positivement seulement pour 4
années (2000, 2001, 2005 et 2007). La forte progression de ce
terme de covariance en 2007 doit être considérée avec précaution
compte tenu, comme on l’a déjà souligné plus haut, de l’important
renouvellement de l’échantillon qui a concerné particulièrement les
“petites” entreprises. Ces résultats montrent aussi que ce sont les
entreprises de taille “moyenne” qui ont le plus augmenté leur
productivité du travail non pondérée. Il serait intéressant de
comprendre quels sont les facteurs qui les ont incité à améliorer
leur efficience et par quels moyens elles y sont parvenues.
Dans le tableau 17, sont présentés les résultats de la décomposi-
tion de la productivité agrégée du travail selon la structure du capital
des entreprises. Il est intéressant d’observer que, dans notre échan-
tillon, l’effet de la réallocation à contribuer à l’accroissement de la
productivité agrégée seulement pour les entreprises entièrement
domestiques. Pour les firmes dont une partie du capital est détenue
par des investisseurs étrangers, la variation du terme de covariance
est positive uniquement 4 années (2000, 2001, 2002 et 2007).
Concernant plus spécifiquement les entreprises entièrement do-
mestiques, les 40% d’augmentation de la productivité du travail
agrégée en 2006 sont dus pour 7% à l’accroissement de la pro-
ductivité du travail à l’intérieur des entreprises et, pour 33% à l’effet
de réallocation. En 2007, les 68% d’augmentation de la productivité
agrégée sont le fait de l’augmentation de la productivité à l’intérieur
des entreprises pour 14% et de l’effet réallocatif pour 54%.
Tableau 16 : Décomposition de la croissance de la productivité agrégée par taille
Taille AnnéesVariation de la Productivité agrégée
Variation de la Productivité nonpondérée (Premier terme)
Variation Covariance(Second terme)
Petite
1997 0,000 0,000 0,000
1998 -0,081 0,032 -0,113
1999 -0,679 0,057 -0,735
2000 0,091 -0,013 0,104
2001 0,343 0,065 0,278
2002 -0,615 0,031 -0,646
2003 -0,483 -0,039 -0,444
2004 -0,295 -0,059 -0,236
2005 0,248 0,052 0,196
2006 -0,554 0,018 -0,572
2007 1,581 0,154 1,427
175
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Moyenne
1997 0,000 0,000 0,000
1998 0,064 0,081 -0,018
1999 0,125 0,077 0,049
2000 0,204 -0,049 0,253
2001 0,218 0,046 0,173
2002 0,377 0,200 0,177
2003 0,410 0,251 0,159
2004 0,378 0,205 0,174
2005 0,278 0,170 0,108
2006 0,560 0,161 0,399
2007 0,147 0,143 0,004
Grande
1997 0,000 0,000 0,000
1998 0,022 0,048 -0,026
1999 0,088 0,060 0,028
2000 0,151 -0,063 0,214
2001 0,176 -0,007 0,183
2002 0,232 0,040 0,192
2003 0,171 0,064 0,106
2004 0,157 0,023 0,134
2005 0,152 -0,036 0,188
2006 0,225 0,024 0,201
2007 0,488 0,095 0,393
Tableau 17 : Décomposition de la productivité agrégée selon la structure du capital des firmes
Structure ducapital
AnnéesVariation de la Productivitéagrégée
Variation de la Productivité non pondérée (Premier terme)
Variation Covariance(Second terme)
Firmesdomestiques
1997 0,000 0,000 0,000
1998 0,095 0,054 0,041
1999 0,102 0,063 0,038
2000 0,150 -0,032 0,183
2001 0,241 0,049 0,192
2002 0,285 0,136 0,150
2003 0,287 0,116 0,171
2004 0,325 0,122 0,203
2005 0,388 0,094 0,294
2006 0,399 0,073 0,326
2007 0,681 0,144 0,537
Firmes ayantdu capitalétrangers
1997 0,000 0,000 0,0001998 -0,086 0,055 -0,1411999 0,016 0,096 -0,0802000 0,127 -0,050 0,1772001 0,079 0,031 0,0482002 0,137 0,101 0,0372003 0,024 0,141 -0,1172004 -0,044 0,087 -0,1312005 -0,132 0,053 -0,1862006 0,040 0,095 -0,0552007 0,236 0,126 0,110
3. Conclusion
176
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
Nous avons, dans ce travail, analysé la productivité du travail
des entreprises tunisiennes du secteur industriel, entre 1997
et 2007, à partir d’un échantillon de firmes individuelles issu des
Enquêtes Annuelles. Les principaux résultats qui ressortent de cette
analyse, sont les suivants.
Premièrement, la productivité du travail agrégée des entreprises
tunisiennes a fortement augmenté. Elle s’est accrue de 25% entre
1997 et 2006 (et de 49% entre 1997 et 2007, bien qu’il faille
considérer avec beaucoup de précaution cette dernière année
dans la mesure où 30% de l’échantillon a été renouvelé).
Deuxièmement, au niveau sectoriel, la productivité du travail
agrégée a augmenté dans 7 industries (agro-alimentaire, cuir
et chaussures, bois, papier et imprimerie, matériaux non
métalliques, matériaux métalliques, équipements électriques et
meubles). En revanche, si l’on ne tient pas compte de l’année
2007, la productivité agrégée a baissé dans 5 secteurs (textile,
habillement, chimie et pharmacie, caoutchouc et plastique et
automobile).
Troisièmement, alors que la productivité moyenne non pondérée
sur l’ensemble de la période est plus élevée pour les “grandes”
entreprises que pour les “moyennes”, la productivité agrégée s’est
accrue plus vite pour les entreprises de taille “moyenne” que pour
les “grandes” firmes. A partir de 2003 et jusqu’en 2006, la
productivité du travail agrégée des “moyennes” dépasse celle
des “grandes”.
Quatrièmement, la productivité du travail agrégée des entreprises
domestiques a augmenté plus fortement que celles des entreprises
ayant une partie au moins de leur capital détenue par des
investisseurs étrangers.
Enfin, les résultats de la décomposition ont mis en évidence le
rôle joué par la réallocation des ressources des entreprises les
moins efficientes vers les plus efficientes dans l’accroissement de
la productivité du travail agrégée sur l’ensemble de l’échantillon.
Les 25% de taux de croissance de la productivité entre 1997 et
2006 sont dus pour 8% à l’augmentation de la productivité du
travail à l’intérieur des entreprises et pour 17% à l’effet de
réallocation. Ce constat se vérifie en particulier pour les entreprises
domestiques, ainsi que pour les entreprises de taille “moyenne”
et “grande”. En revanche, au niveau sectoriel, ce résultat ne se
vérifie que dans 2 industries (chaussures et cuir, matériaux
métalliques). L’augmentation de la productivité du travail à l’intérieur
des entreprises a concerné un plus grand nombre de secteurs
(agro-alimentaire, textile, bois, papier et édition, chimie et
pharmacie, caoutchouc et produits plastiques, matériaux non
métalliques, équipements électriques, meubles).
177
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S M É T H O D E S Q U A N T I T A T I V E S
Disney, R., J. Haskel and Y. Heden (2003), Restructuring and
productivity growth in UK manufacturing, Economic Journal, Vol.
113, No. 489, pp. 666 – 694.
Foster, L., J.C. Haltiwanger and C.J. Krizan (1998), Aggregate
productivity growth: Lessons from microeconomic evidence, Working
Paper 6803 NBER.
Foster, L., J.C. Haltiwanger and C.J. Krizan (2001), Aggregate
productivity growth: Lessons from microeconomic evidence, in
Edward Dean, Michael Harper, and Charles Hulten (eds.), New
Developments in Productivity Analysis, Chicago: University of
Chicago Press.
Griliches, Z. and H. Regev (1995), Firm productivity in Israeli industry
1979-1988, Journal of Econometrics, 65, pp. 175-203.
Hall, B. H. and J. Mairesse (1995), Exploring the relationship between
R&D and productivity in French manufacturing firms, Journal of
Econometrics, Elsevier, 65(1), pp. 263-293.
Helpman E. and P.R. Krugman (1987), Market Structure and Foreign
Trade: Increasing Returns, Imperfect Competition, and the
International Economy, MIT Press Books, The MIT Press.
Krugman, P. R. (1979), Increasing returns, monopolistic competition,
and international trade, Journal of International Economics, 9(4),
pp. 469-479.
Melitz, M. (2003), The Impact of Trade on Intra-Industry
Reallocations and Aggregate Industry Productivity, Econometrica,
71, pp. 1695–1725.
Pavcnik, N. (2002), Trade Liberalization, Exit, and Productivity
Improvements: Evidence From Chilean Plants, Review of Economic
Studies, 69, pp.245-276.
Bibliographie
178
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
179
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S
180
I T C E Q - I N S T I T U T T U N I S I E N D E L A C O M P É T I T I V I T É E T D E S É T U D E S Q U A N T I T A T I V E S