Les résultats du modèle logit

Dans un premier temps, le tableau3.6ci-après présente les résultats associés au modèle

1, lequel est estimé au travers d’un modèle logit. En prenant appui sur ce tableau, nous

discutons les résultats du premier modèle logit comme suit : la colonne (a) présente les résultats de l’équation 3.5 telle qu’elle a été spécifiée au préalable tandis que les colonnes (b) et (c) présentent les résultats de l’équation 3.5 augmentée de certaines variables de contrôle relatives aux caractéristiques des entreprises que sont : la taille, l’âge et le groupe d’appartenance de chaque entreprise.

Nous constatons que les coefficients associés aux mesures de productivité et de proxi- mité sont positifs et statistiquement significatifs. Au regard des coefficients présentés dans la colonne (c), il semble que les entreprises qui pénètrent un nouveau marché en termes de produits exportés soient celles qui exhibent un niveau élevé de productivité. En référence au précédent cadre théorique, nous pouvons supposer qu’un niveau de productivité élevé accroît la probabilité d’une entreprise d’entrer sur un nouveau marché. La productivité est donc reliée positivement au spectre des produits exportés par chaque entreprise. Au-delà de la productivité, nous constatons que la taille de l’entreprise affecte également de manière positive les directions de la diversification des entreprises françaises en faveur de nouveaux marchés. Cette variable peut refléter un déterminant clé de la capacité des entreprises à introduire de nouveaux produits à leurs portefeuilles des exportations. Comme indiqué au

Table 3.6 – Résultats de l’estimation 3.5 relative au premier modèle logit - Variable dépendante qualitative dichotomique

(a) (b) (c) P roductivity_f 0,051*** -0,089*** 0,286*** (0,019) (0,020) (0,088) Sizef 0,239*** 0,079** (0,009) (0,038) P roductivityf × Sizef -0,048*** 0,011 Age_f -0,065*** -0,067*** (0,015) (0,015) Groupf 0,079*** 0,079*** (0,022) (0,022) Relatednessl_k 4,960*** 4,991*** 4,991*** (0,112) (0,112) (0,112) ACRl_k 0,908*** 0,908*** 0,908*** (0,019) (0,019) (0,019) Paramètre constant 0,133 -1,981*** -0,709** (0,180) (0,197) (0,350) Observations 9 601 281

Effets fixes régions (”l_{) Oui Oui Oui}

Portefeuille initial (–m) Oui Oui Oui

Tukey’s Link Test (hatsq) -0,019 -0,012 -0,010

p-value 0,019 0,107 0,144

Hosmer-Lemeshow Ò→ ‰2_{(8) 16,31 11,86 6,95}

P r > ‰2 0,038 0,158 0,542

Note : Les écarts-types sont fournis entre parenthèses. Les intervalles de confiance sont définis à *** 1%, ** 5% et * 10%. Les résultats relatifs aux tests de Tukey et d’Hosmer-Lemeshow nous indiquent que les biais issus des variables omises

et la prédiction du modèle s’améliorent en passant des colonnes (a) à (c).

sein de la colonne (b), l’interaction entre ces deux variables résulte en un coefficient négatif et statistiquement significatif ; ce qui peut suggérer que l’effet positif que la productivité exerce sur la probabilité d’une entreprise d’entrer sur un nouveau marché est amoindri par la taille de cette dernière. De fait, ces premiers résultats rappellent qu’il existe des limites à la diversification ; par exemple, pour les grandes entreprises, une productivité élevée ne se traduit pas nécessairement comme une incitation supplémentaire à la diversification. En effet, certains problèmes de coordination le long des chaînes de production peuvent apparaître et freiner les processus de diversification des entreprises. À l’inverse, en l’absence totale de limites à la diversification, les entreprises exporteraient toutes les variétés de produits.

Le coefficient négatif et statistiquement significatif lié à l’âge de l’entreprise corrobore l’argument selon lequel les entreprises jeunes, qui incarnent les technologies les plus récentes et la main-d’œuvre la plus vive, paraissent moins dépendantes de leurs compétences pro- ductives existantes et plus dynamiques dans leur capacité à transformer ces compétences

productives afin qu’elles répondent aux nouveaux goûts des consommateurs. Par ailleurs, l’appartenance à un groupe affecte positivement la probabilité d’une entreprise d’entrer sur un nouveau marché.

Les coefficients positifs et statistiquement significatifs associés à la mesure de parenté impliquent que les entreprises tendent à entrer sur des marchés densément connectés à l’espace-produit local. En d’autres termes, les entreprises se diversifient en faveur des marchés pour lesquels la localité dans laquelle elles sont implantées a un ou plusieurs ACR. La diversification s’oriente, en l’espèce, vers des compétences productives complémentaires à celles existantes. Ce résultat s’insère, par exemple, dans la lignée des conclusions avancées par Lo Turco et Maggioni (2014) ou par Poncet et Starosta de Waldemar (2015). En effet, d’une part, dans le contexte spécifique des entreprises manufacturières turques,

Lo Turco et Maggioni (2014) montrent que l’introduction d’un nouveau produit résulte de la disponibilité des compétences productives locales propres à chaque produit. D’autre part, dans le contexte spécifique des entreprises chinoises, Poncet et Starosta de Waldemar

(2015) montrent (i) que les performances à l’exportation des entreprises croissent lors- qu’elles exportent des produits proches de ceux exportés par leurs localités et (ii) que la connexion inter-produits apparaît plus forte pour les entreprises les plus productives20_{. En}

outre, les coefficients positifs et statistiquement significatifs associés à la mesure d’ACR traduisent le fait que la probabilité d’une entreprise de se diversifier en faveur de produits appartenant déjà au cœur de compétences d’une localité est plus élevée. Autrement dit, lorsqu’une entreprise exporte un produit pour lequel sa localité possède déjà un ACR, elle bénéficiera des préférences des consommateurs pour ce produit. Par conséquent, la lecture des coefficients relatifs à ces deux variables suggère que les produits qui se révèlent être les plus densément connectés au cœur de compétences d’une localité ont une probabilité plus élevée d’être ajoutés aux portefeuilles des exportations des entreprises françaises.

Le tableau 3.7 ci-après présente les résultats relatifs au modèle 1Õ

, lequel est estimé au travers d’un modèle logit. Rappelons que le modèle 1 étudie les directions de diversification des entrées des entreprises françaises sur certains marchés tandis que le modèle 1Õ

étudie, quant à lui, les déterminants à l’origine des sorties des entreprises françaises de certains marchés. En prenant appui sur ce tableau, nous discutons les résultats du second modèle logit comme suit : la colonne (a) présente les résultats de l’équation 3.6 telle qu’elle a été spécifiée au préalable tandis que la colonne (b) présente les résultats de l’équation 3.6

augmentée des variables de contrôle relatives aux caractéristiques des entreprises que sont : la taille, l’âge et le groupe d’appartenance de chaque entreprise.

20. Rappelons que les travaux dePoncet et Starosta de Waldemar(2015) ont été présentés et discutés au sein du Chapitre1, sous-sous-section 1.2.2.2.

Table 3.7 – Résultats de l’estimation 3.6 relative au second modèle logit - Variable dépendante qualitative dichotomique

(a) (b) P roductivity_f -0,125*** -0,0901** (0,0352) (0,0364) Sizef -0,0587*** (0,0165) Agef -0,0258 (0,0267) Group_f -0,0217 (0,0391) Relatednessl_k -1,014*** -1,015*** (0,220) (0,220) ACRl_k -0,499*** -0,493*** (0,0348) (0,0348) Paramètre constant -0,898*** -0,257 (0,331) (0,361) Observations 18 931

Effets fixes régions (”l_{) Oui Oui}

Portefeuille initial (–m) Oui Oui

Tukey’s Link Test (hatsq) 0,002 0,009

p-value 0,93 0,724

Hosmer-Lemeshow Ò→ ‰2_{(8) 1,37 4,97}

P r > ‰2 0,9947 0,761

Note : Les écarts-types sont fournis entre parenthèses. Les intervalles de confiance sont définis à *** 1%, ** 5% et * 10%.

À l’instar des précédents résultats, nous constatons que les sorties des entreprises françaises de certains marchés s’expliquent également par les variables relatives à la pro- ductivité des entreprises et à la parenté entre les produits. Plus spécifiquement, nous remarquons (i) que les entreprises les moins productives ont une propension plus grande à supprimer des produits de leurs portefeuilles des exportations et (ii) que le choix de supprimer certains produits des portefeuilles des exportations est affecté par l’ampleur des externalités locales. En effet, les produits qui nécessitent des compétences productives variées et différentes de celles disponibles dans une localité ont une probabilité plus élevée d’être retirés des portefeuilles des exportations des entreprises françaises.

Dans la sous-section3.3.2 suivante, nous présentons les résultats associés au modèle linéaire.