3 Réseaux de Parenté et Diversification desExportations
Top 3 des spécialisations productives sectorielles
3.2 Comment les réseaux de parenté affectent-ils la diversification des exportations des entreprises ?
3.2.3 Une mesure de proximité entre les produits exportés par une entreprise et ceux exportés par sa localité
Dans la mesure où les entreprises s’implantent délibérément dans certaines localités (à partir desquelles elles produisent et exportent différents biens), nous définissons une seconde mesure de proximité, laquelle connecte chaque entreprise à son environnement productif local. Plus spécifiquement, il s’agit de se focaliser sur les synergies qui relient chaque entreprise à son espace productif local.
Préalablement, une question se pose néanmoins : comment définit-on la localité d’une entreprise ? Par ailleurs, existe-t-il une échelle spatiale plus appropriée qu’une autre ? Existe-t-il une contrainte liée à la taille de l’entreprise ? Rappelons qu’en insérant les réseaux locaux de parenté entre les produits dans une analyse de la diversification et des performances à l’exportation des entreprises, nous nous appuyons sur la présence d’exter- nalités locales, lesquelles sont contraintes par l’espace. Définir l’échelle la plus pertinente de la localité n’est donc pas une chose aisée. En créant des réseaux locaux de parenté entre les produits, il convient de multiplier le nombre de localités par le nombre d’années. Plus il y a de localités (autrement dit, plus on affine le nombre de localités), plus le nombre de réseaux est grand. Ce qui s’avère être rapidement une contrainte d’ordre technique. En outre, lorsque l’on affine le nombre de localités, cela ne garantit pas l’existence d’au moins une entreprise dans chacune de ces localités. Par conséquent, en conservant la définition de la localité discutée et adoptée au préalable (sous-section 3.1.2), nous nous focalisons à l’échelle des régions. Ces dernières permettent (i) d’identifier précisément la localisation de chaque entreprise, (ii) d’écarter toutes ambiguïtés de multiples localisations, et (iii) d’associer chaque réseau de parenté à chaque région inclus dans notre échantillon.
En l’espèce, nous définissons la localité d’une entreprise à l’échelle des régions françaises suivant la NUTS, niveau 217. Dans le cas spécifique de la France, précisons que le niveau
1 de la NUTS se réfère aux agrégations non administratives (soient 9 unités territoriales), le niveau 2 se réfère aux régions (soient 27 unités territoriales), le niveau 3 se réfère, quant
17. La classification NUTS est définie par l’Eurostat en vue de fournir un découpage des pays membres de l’UE en unités territoriales régionales. Depuis janvier 2015, une troisième révision est entrée en vigueur sous l’appellation « NUTS 2013 », remplaçant de fait la deuxième révision « NUTS 2010 ». Les niveaux NUTS 1, 2, et 3 correspondent respectivement à différents seuils de population : entre 3 et 7 millions pour la NUTS 1, entre 800 000 et 3 millions pour la NUTS 2, entre 150 000 et 800 000 pour la NUTS 3. Pour plus d’informations :http://ec.europa.eu/eurostat/web/nuts/overview.
à lui, aux départements (soient 101 unités territoriales). Rappelons, par ailleurs, que nous excluons de notre analyse les cinq unités territoriales d’Outre-Mer, à savoir la Guadeloupe, la Martinique, la Guyane, la Réunion et Mayotte. De la même manière et comme indiqué au sein de la sous-section 3.1.2 du présent chapitre, nous faisons le choix d’exclure la Corse de notre analyse : en effet, à l’instar des territoires d’Outre-Mer, la Corse ne compte qu’un très petit nombre d’entreprises sur son sol. En prenant appui sur le niveau 2 de la NUTS, nos localités reflètent, in fine, les 21 régions françaises de France métropoli- taine (avant la réforme territoriale actuelle) que sont : l’Alsace, l’Aquitaine, l’Auvergne, la Basse-Normandie, la Bourgogne, la Bretagne, le Centre, la Champagne-Ardenne, la Franche-Comté, la Haute-Normandie, l’Ile-de-France, le Languedoc-Roussillon, le Limou- sin, la Lorraine, Midi-Pyrénées, le Nord-Pas-de-Calais, Pays de la Loire, la Picardie, le Poitou-Charentes, Provence-Alpes-Côte d’Azur et Rhône-Alpes.
Afin de définir une mesure de proximité entre les produits exportés par une entreprise et ceux exportés par sa localité, nous nous référons à une mesure de densité des produits, laquelle émane des travaux d’Hidalgo et al. (2007) et a été réappliquée plus récemment, par exemple, par Boschma et al. (2012) dans le contexte spécifique de la connexion des industries aux provinces espagnoles ou par Poncet et Starosta de Waldemar(2013a;b) dans le contexte spécifique de la connexion des entreprises/produits/villes au niveau de la Chine. Dans la continuité des indicateurs ACRi
k et „kn (lesquels sont relatifs aux précédentes
équations3.1et3.2), la mesure de densité se focalise sur les produits qu’une localité exporte avec un avantage comparatif, sachant que les avantages comparatifs futurs dépendent des produits qui sont à proximité de ceux sur lesquels reposent les avantages comparatifs actuels d’une localité. Si un produit est intimement lié au cœur de l’espace-produit alors il est densément connecté à la structure productive locale (Poncet et Starosta de Waldemar,
2015).
Dans un premier temps, en supposant que Relatednessl
k traduise la densité du produit k dans la localité l, que N représente le nombre total de produits et que ACRl
n soit une
variable binaire indiquant si une localité l possède un ACR dans l’exportation du produit
n (comme définit préalablement au sein de l’équation 3.1), nous formalisons l’indicateur Relatednessl k comme suit : Relatednesslk = N q n=1,n”=kACR l n„kn N q n=1,n”=k„kn (3.3)
Dans un second temps, à partir du précédent indicateur et sachant que Nf est la
cardinalité de l’ensemble des produits exportés par l’entreprise f, nous définissons la mesure de densité moyenne des produits exportés par l’entreprise f, laquelle est notée
Relatednessl f, de la manière suivante : Relatednessl f = 1 Nf Nf ÿ k=1 Relatednessl k (3.4)
Par conséquent, la mesure Relatednessl
f exprime la proximité entre les produits expor-
tés par une entreprise par le biais de ses connexions les plus denses avec les produits que sa localité exporte avec un ACR. Dans la mesure où les produits « marchent » conjointement l’un avec l’autre (et non conditionnellement l’un à l’autre), les externalités de connaissance se diffusent de produit en produit en faveur de ceux différents de ceux actuellement conçus dans une région ou dans un pays comme le suggèrent Hidalgo et al. (2007). Toutefois, les externalités de connaissance ne proviennent pas seulement des produits qu’une localité exporte avec un ACR. Les flux de connaissance émanent également des produits moins densément connectés à l’espace-produit local. Bien que nous ne nous focalisions pas sur cette dimension connexe, il est nécessaire de rappeler que les produits ne faisant pas l’objet d’un ACR participent également à la création de connexions entre les produits en tant que phénomène d’ensemble spécifique à chaque localité.
En prenant appui sur ces mesures de parenté entre les produits, nous construisons trois modèles distincts que sont : un modèle logit, un modèle linéaire et un modèle logit multinomial, lesquels sont présentés dans la sous-section 3.2.4 ci-après.