TVA et taux de marge: Une analyse empirique sur données d’entreprises
∗Philippe Andrade† Martine Carré‡ Agnès Bénassy-Quéré§ Juillet 2012
Abstract
Nous étudions la manière dont les exportateurs d’un pays réagissent à un choc de TVA dans un pays de destination. Les chocs de TVA étant par nature sans impact sur le coût marginal, l’étude de leurs répercussions sur les prix permet d’identifier les effets de marge purement liés à des effets de demande. À partir des données de douane françaises sur la période 1995-2005, nous obtenons une contraction de marge moyenne de 67% et médiane de 46% suite à une hausse du taux de TVA dans un pays de destination. La hausse du taux de TVA est donc répercutée de manière incomplète dans les prix à la consommation. L’ajustement de marge est plus marqué pour les entreprises, secteurs et destinations d’exportation pour lesquels la part de marché moyenne est relativement élevée. Nous utilisons nos estimations, ainsi que la structure du modèle d’Atkeson & Burstein (2008), pour reconstituer la distribution des ajustements de marge des différents couples secteurs-destinations en fonction des parts de marché moyennes.
Mots-clefs: Taxe à la Valeur Ajoutée, Variation de marges, Pass-through, Données de firmes, Prix à l’exportation
Classification JEL: H21, H23, J41
∗Nous tenons à remercier les deux rapporteurs anonymes de cette revue ainsi que C. Carbonnier, M. Crozet, I.
Méjean, M. Mélitz et C. Schwellnus, et les participants des séminaires du FMI, U-Cergy, UCLA, UCSD, U-Cyprus, et des Congrès de l’EEA 2009, de la SED, et de l’AFSE 2010 pour leurs commentaires sur des versions antérieures de ce travail. Cette contribution, qui a bénéficié du soutien de l’ANR dans le cadre du projet JCJC “Itace” (Indirect Tax and Competition in Europe), ne reflète pas nécessairement le point de vue de la Banque de France.
†Banque de France & CREM , [email protected]
‡LEDa-SDFi, Université de Paris-Dauphine, [email protected]
§Ecole d’Economie de Paris, Université Paris 1 et CEPII, [email protected]
1 Introduction
La Taxe sur la Valeur Ajoutée (TVA) est souvent considérée comme l’un des rares prélèvements dont les effets sont peu distorsifs. C’est un impôt jugé neutre au sens où il frappe de la même manière les prix à la consommation de tous les biens et services : en augmentant le prix de la quasi- totalité des biens dans une même proportion, une hausse de TVA ne distord pas directement les prix relatifs et donc les choix des agents en matière de consommation et de production. Puisqu’elle est prélevée selon le principe de la destination, la TVA est en particulier sans effet direct sur le prix relatif des biens produits localement par rapport aux biens importés. Ainsi, même lorsque le taux de TVA ne varie que dans un seul pays, le choc fiscal affecte symétriquement les producteurs, qu’ils soient localisés dans ce pays ou non. Toutefois, cette apparente neutralité ne signifie pas que les producteurs ne réagissent pas à une variation de taux de TVA, ni que cette réaction est uniforme selon les secteurs et selon les firmes. Dans la mesure où un renchérissement des biens et services réduit le volume de consommation, il peut-être optimal pour les producteurs de comprimer leur taux de marge.
Dans cet article, nous étudions comment les exportateurs d’un pays (dans notre cas, la France) ajustent leur marge suite à un choc de TVA sur un marché étranger. Notre étude permet de recon- sidérer le principe d’équivalence entre TVA et prélèvements sociaux : si les fournisseurs étrangers compriment leurs marges en cas de hausse de TVA dans un pays, alors le prix des biens importés n’augmente pas dans les mêmes proportions que la TVA1.
Ce travail apporte aussi un nouvel éclairage sur la question plus générale de la transmission impar- faite des chocs macroéconomiques aux prix dans une économie ouverte, question jusqu’ici traitée essentiellement sous l’angle des répercussions des chocs de taux de change. Cette littérature, amor- cée à la fin des années 1980 avec les apports de Knetter (1989), Feenstra (1989) et Knetter (1993), s’intéresse à la manière dont les entreprises absorbent le choc par un ajustement de leur taux de marge. Si les producteurs restaient passifs et ne modifiaient pas leur prix de production, le “pass- through” du choc au prix final serait complet. En d’autres termes, la modification du taux de change, ou pour notre étude, du taux de TVA, serait à 100% répercutée dans le prix au consommateur. A
1Farhi et al. (2011) soulignent la sensibilité des politiques de dévaluation fiscale aux hypothèses sur les effets de marges.
l’opposé, si les producteurs absorbaient l’intégralité du choc, laissant le prix à la consommation inchangé, le “pass-through” serait nul. Dans une revue de littérature faisant référence, Goldberg
& Knetter (1997) font état d’un “pass-through” de 50% un an après le choc. Goldberg & Campa (2010), ainsi que Bouakez & Rebei (2008) fournissent des preuves empiriques plus récentes de “pass through“ incomplet, suggérant que les exportateurs lissent l’effet du choc en ajustant leur taux de marge.
Se concentrer sur un choc de TVA plutôt que sur une modification du taux de change présente trois principaux avantages. D’abord, un changement de taux de TVA dans un pays étranger affecte le prix à la consommation dans ce pays sans modifier le coût marginal des producteurs nationaux et étrangers. L’ajustement des prix de production peut alors être attribué sans équivoque à une modification du taux de marge des entreprises. Deuxièmement, les variations de taux de TVA résultent de décisions de politique économique par nature peu fréquents et exogènes. On s’attend généralement à ce que le taux de TVA demeure pendant plusieurs années au niveau décidé par les autorités, contrairement au taux de change dont la forte volatilité fait qu’il peut être optimal de ne pas réagir à une variation qui sera jugée transitoire. Troisièmement, la TVA s’applique d’une façon symétrique aux marchandises importées et produites localement. Ainsi, l’ajustement des prix à la production ne peut être attribué à aucune altération des prix relatifs internationaux à la suite du choc.
Nous identifions la réaction des exportateurs français aux changements de taux de TVA des pays de la zone euro à partir d’une base de données des douanes françaises. Celle-ci retrace les volumes et les valeurs des marchandises exportées au niveau de chaque entreprise au cours de la période 1995- 2005, pour une classification très fine de leurs produits (niveau NC8 soit environ 10 000 produits).
L’utilisation de données individuelles d’entreprises nous permet de prendre en compte l’hétérogénéité inter-sectorielle des exportateurs dans la réaction de prix aux modifications de taux de TVA.
Les résultats suggèrent un ajustement de marge moyen de−67%et un ajustement médian de−46%, pour les biens de consommation finale. Ces chiffres sont plus élevés (en valeur absolue) que ceux obtenus récemment dans différentes études empiriques sur données individuelles pour le cas du taux de change2. Au-delà de ce résultat au niveau agrégé, nous montrons aussi que la réaction au choc est
2Par exemple, Berman et al. (2012) ou Gopinath & Rigobon (2008) estiment des coefficients de “pass-through”
hétérogène selon les exportateurs. Plus précisément, nous mettons en évidence que les exportateurs ayant une part de marché moyenne élevée tendent à comprimer davantage leurs marges en cas de hausse de TVA. Ce résultat est cohérent avec le modèle de concurrence imparfaite avec marges flexibles développé par Atkeson & Burstein (2008). Nous utilisons finalement ce modèle structurel, ainsi que l’information contenue dans nos données, pour reconstituer la distribution des ajustements des taux de marge pour les différents couples secteurs-destinations de notre échantillon.
La suite de cet article est organisée de la façon suivante. Nous présentons le cadre théorique retenu pour identifier nos effets empiriques en section 2. Nous décrivons notre stratégie économétrique en section 3. La section 4 fournit une présentation des données utilisées. Les résultats agrégés sont discutés en section 5. La section 6 est consacrée à l’étude de l’hétérogénéité inter-sectorielle des ajustements de taux de marge. Nous concluons en section 7.
2 Un modèle de concurrence imparfaite sur les marchés interna- tionaux
L’idée selon laquelle les firmes répercutent de manière incomplète les chocs qu’elles subissent dans leurs prix à l’exportation remonte à Robinson (1947). On la retrouve à l’occasion du débat à la fin des années 1960 sur l’abandon du régime de Bretton Woods. Dunn (1970) montre par exemple que la flexibilité du dollar canadien durant la période de Bretton Woods n’a pas empêché une grande stabilité du prix relatif des biens fabriqués aux États-Unis et au Canada. La théorie du pass-through incomplet est finalement formalisée par Krugman (1987) dans un cadre de concurrence imparfaite.
C’est dans ce cadre que nous nous plaçons ici : chaque firme fait face à une élasticité prix de la demande qui croît à mesure que le prix pour le consommateur s’élève. En renchérissant ce prix, une hausse de TVA fait monter l’élasticité-prix de la demande et réduit donc le taux de marge optimal de la firme.
2.1 Taux de marge optimal des exportateurs
Considérons une entreprisef vendant un bienksur différents marchés de destinationl. On noteτkl le taux de TVA pour le produitksur le marchél,Qf kl la quantité de bienkvendue par l’entreprise
aux alentours ou en dessous de 20%, c’est à dire des ajustements de marge au delà de−80%.
f sur le marché l et Cf k(·) le coût variable de production. Le prix optimal hors taxe, Pf kl, est égal au coût marginal, M Cf k ≡ ∂Q∂Cf k
f kl, augmenté d’un taux de marge optimal qui est fonction de l’élasticité prix de la demandef kl :
Pf kl =
f kl f kl−1
M Cf k,
En notantPef kl≡(1 +τkl)Pf kl le prix TTC (toutes taxes comprises), l’élasticité-prix de la demande est f kl ≡ −(∂Qf kl/Qf kl)/
∂Pef kl/Pef kl
. Nous supposons que cette élasticité est strictement supérieure à 1.
Pour simplifier les écritures, on indice pari≡ {f, k, l}un produit de la catégorie de bienk, produit par une firme f et vendu sur le marché de destinationl3. Par ailleurs, on noteµi ≡
i
i−1
le taux de marge spécifique à la firme pour le produit et le marché considéré. Le prix optimal hors taxe se ré-écrit dès lors sous la décomposition suivante :
logPi = logµi+ logM Cf k. (1) Dans cette expression, le coût marginal,M Cf k, est spécifique à la firmef et au produitk mais ne dépend pas du pays de destination. Ceci traduit le fait que notre modèle décrit le prix optimal d’un exportateur à la frontière de son propre pays, c’est-à-dire avant que les droits de douane, les coûts de transport et de distribution ne soient facturés4.
En revanche, le taux de marge µi dépend du pays de destination l à travers l’élasticité prix de la demande qui est spécifique au pays de destination et peut en particulier réagir au taux de TVA local.
2.2 Choc de TVA et variation optimale des taux de marge
Comme le coût marginal n’est pas influencé par le taux de TVA du marché de destination l, l’élasticité du prix hors taxe Pi au taux de TVA τkl touchant le produit k dans le pays de des- tinationl s’obtient facilement à partir de l’équation (1):
∂log(Pi)
∂log(1 +τkl) = ∂log(µi)
∂log(1 +τkl) =
"
∂log(µi)
∂log(Pef kl)
# "
∂log(Pef kl)
∂log(1 +τkl)
#
=−σi/(i−1), (2)
3Il s’agit uniquement d’une simplification de notation. Les trois sources d’hétérogénéité (firmes, produits, marchés) sont bien prises en compte dans la stratégie économétrique (voir section 3).
4On suppose ici que la quantité vendue dans chaque pays de destination n’influence pas l’échelle de la production au niveau de la firme, de sorte que le côut marginal est le même pour toutes les destinationsl.
où σi = di
i /dPei
Pei
est l’élasticité (prix) de l’élasticité de la demande. Cette équation peut être écrite sous la forme log-linéaire suivante :
dlogPi=−[σi/(i−1)]dlog(1 +τkl). (3) Comme i >1, la relation (3) indique que l’exportateur réduit son prix hors taxe suite à une aug- mentation du taux de TVA dans le pays de destination lorsque l’élasticité-prix de la demande est une fonction croissante du prix en niveau (σi > 0). Si l’élasticité-prix est constante (σi = 0), il n’y a aucun effet de marge : une augmentation du taux de TVA se traduit par une augmenta- tion strictement proportionnelle du prix TTC (sans changement du prix producteur), de sorte que l’augmentation de la TVA est entièrement supportée par les consommateurs. Enfin, siσi<0, alors l’exportateur élève son prix HT en réaction à une hausse de TVA (voir Anderson et al. (2001)).
Le pass-through incomplet d’un choc de TVA au prix final de l’exportateur fait suite à une vari- ation de l’élasticité de la demande perçue par l’exportateur. Burstein et al. (2003) ou Corsetti &
Dedola (2005) ont récemment proposé des modèles engendrant de telles variations d’élasticité et qui reposent sur la présence de coûts de distribution locaux supportés en monnaie locale. Ce mécan- isme permet d’expliquer le pass-through incomplet des variations des taux de change aux prix de consommation finale. En effet, lorsque la monnaie d’un exportateur se déprécie, la part des coût de distribution dans le prix final augmente. La demande est alors moins élastique aux variations de prix à l’exportation avant coût de distribution, ce qui permet à l’exportateur d’augmenter son taux de marge, et donc de ne répercuter qu’imparfaitement la dépréciation dans son prix d’exportation.
Il est intéressant de souligner qu’à la différence du taux de change, les variations de taux de TVA dans les pays d’exportation frappent le prix à la frontière et les coûts de distribution local dans les mêmes proportions. Elles n’induisent donc pas de modifications du poids relatif des coûts de distri- bution dans le prix final de l’exportateur. Si nous observons une réaction du taux de marge suite à ce choc de TVA, celle-ci ne peut donc être attribuée à de tels coûts. Comme nous le développons en section 6, le modèle de pass-through incomplet développé par Atkeson & Burstein (2008) permet de rendre compte d’ajustements de marge indépendants des coûts de distribution5.
5Voir aussi Melitz & Ottaviano (2008) pour un autre modèle présentant une telle propriété.
3 Stratégie économétrique
Nous estimons notre modèle d’ajustement de marge à partir des données de douanes françaises renseignant le prix franco-à-bord des exportateurs par produit k, firme f, et destination l. Les produitskde ces firmes exportatrices peuvent être regroupés en différents secteurs, que nous indiçons parh6. Notre stratégie d’estimation fait l’hypothèse que les firmes d’un même secteur h font face à la même élasticité-prix de la demande sur le marché de destination l : i = hl7. Sous cette hypothèse, et en notantpit≡logPit, le logarithme du prix pour le produiti≡ {k, f, l}observé aux dates t= 1, . . . , T, l’équation (3) s’écrit sous la forme testable :
∆pit =−βhl∆ log(1 +τklt) +eit, (4) où, d’après la relation (2),βhl =σhl/(hl−1)mesure l’ajustement, au niveau d’un secteurhet pour un pays de destinationl, du taux de marge en réaction au choc de TVAτklt spécifique au payslet au produit k, et oùeit représente l’ensemble des variations de la demande et des coûts marginaux qui modifient le prix optimal d’un exportateur, hormis les variations de taux de TVA. Ce dernier terme peut être décomposé de la façon suivante :
eit=αi+θt+γ0Ωit+uit, E{uit|αi, θt,Ωit}= 0, (5) oùαiest un effet spécifique firme-produit-marché,θtun effet spécifique à la datetetΩitun ensemble de facteurs firme-produit-marché variables dans le temps. Les modifications du taux de TVA étant des décisions discrétionnaires des autorités publiques, nous considérons que leurs variations sont indépendantes des autres facteurs affectant les prix optimal des exportateurs :
E{uit|αi, θt,Ωit,∆ log(1 +τklt)}=E{uit|αi, θt,Ωit}= 0. (6)
Les équations (4), (5), et (6) définissent un modèle de données de panel à coefficients hétérogènes.
Compte-tenu du degré de désagrégation des données et du faible nombre de données pour cer- tains marchés (h, l), il est hasardeux d’estimer directement l’ensemble des coefficients d’intérêt,βhl,
6Dans notre application, les catégories de biens sont définies par la nomenclature NC8 et les secteurs par la classification HS3. Les taux de TVA sont inputés au niveau HS6. La section 4 détaille les données utilisées.
7Comme il est détaillé plus loin, les différences entre les firmes d’un même secteur sont en partie prises en compte par les variables de contrôle et les effets fixes individuels. Un traitement plus complet de l’hétérogénéité intra- sectorielle dépasse le cadre de cet article.
d’autant que la variable de TVA a une faible variabilité dans le temps. Nous choisissons donc une stratégie alternative : nous conservons une élasticité-prix de la demandehl qui dépend de chaque secteur-destination, mais nous “poolons” les différent secteurs et pays de destination pour estimer une élasticité de l’élasticité homogène pour tous les secteurs-pays (σhl=σ, ∀{h, l})8. Nous estimons donc une élasticité d’élasticité moyenne,σ, en régressant les variations de prix des exportateurs au niveau individuel(k, f, l)sur les variations du taux de TVA normalisées par le niveau de l’élasticité de la demande sectorielle9. En notant ∆τklt ≡ ∆ log(1 +τklt)/ (hl−1), l’équation (4) que l’on cherche à estimer s’écrit alors :
∆pit =αi+θt−σ∆τklt +γ0Ωit+vit, vit =uit+ (σ−σhl)∆τklt . (7) La normalisation du choc de TVA par l’élasticité-prix spécifique secteur-marché permet de pren- dre partiellement en compte l’hétérogénéité sectorielle tout en faisant l’hypothèse d’une élasticité d’élasticité homogène entre secteurs. En effet, à élasticité d’élasticité donnée, une hausse du taux de TVA sur un marché étranger incite d’avantage une firme à réduire son prix hors taxe si l’élasticité- prix de la demande qu’elle rencontre sur ce marché particulier est faible. Dans ce cas, en effet, la firme dispose d’une marge initiale dans laquelle elle peut puiser pour maintenir sa part de marché. De manière reliée, l’estimateur de l’élasticité d’élasticité homogène,σ, a lui aussi un sens économique.b Il correspond en effet à une moyenne pondérée des élasticités d’élasticité secteurs-destinations σhl, les poids étant inversement proportionnels à l’élasticité-prix de chaque secteur-pays. En effet, on montre (cf Annexe A) que l’estimateur within deσ dans l’équation (7) vérifie :
E(bσ) = 1 n
X
h,l
"
1/(hl−1)2
1 n
P
h,l1/(hl−1)2
#
σhl, (8)
où n désigne le nombre de couples (h, l) dans la population considérée des exportateurs. Ainsi, l’élasticité d’élasticité obtenue donne un poids moindre aux secteurs ayant une élasticité de la demande élevée. Comme nous le développons plus loin, l’estimation de cette élasticité d’élasticité homogène nous permet de calculer un ajustement de marge (et donc un pass-through) moyen et médian (section 5) ainsi qu’une distribution des ajustements de marge au niveau des secteurs- destinations (section 6).
8L’exercice de simulation proposé en section 6 relâche cette hypothèse.
9On suppose ici que, sur le court terme (horizon inférieur à 1 an) l’élasticité de la demande ainsi que l’élasticité d’élasticité sont prédéterminées à la date du choc : la variation de prix consécutive au choc résulte de la variation de marge optimale pour le niveau d’élasticité auquel les exportateurs font face avant le choc.
Cette approche présente par ailleurs plusieurs avantages d’un point de vue économétrique. Elle nous permet de contourner le problème de l’imprécision des estimations conduites à un niveau très fin de désagrégation des données. De plus, et de manière reliée, elle permet de redonner de la variabilité aux chocs de TVA. Ceux-ci varient en effet rarement et pratiquement toujours du même montant de 1 point de pourcentage. La variable non transformée des chocs de TVA,∆ log(1 +τklt), est donc très proche d’un ensemble de variables indicatrices spécifiques à certaines dates et certains biens dans certains pays10. Une difficulté de notre méthode est que ∆τklt n’est pas directement observable.
Nous traitons ce problème en remplaçanthlpar les élasticités estimées par Broda et al. (2006) pour chaque marché de destination l, au niveau des secteurs h définis à un niveau d’agrégation HS311. Dans l’équation estimée (7), les effets fixes firme-produit-marché (αi) capturent la composante in- dividuelle des changements de prix à l’exportation. Nous les traitons comme des paramètres et non comme des termes aléatoires. Nous mettons donc en œuvre une estimation robuste et ne cher- chons pas à exploiter les gains d’efficacité dans l’estimation qui pourraient résulter du choix d’une structure particulière d’effets individuels emboîtés où les dimensions firme-bien-marché pourraient interagir12. Les effets spécifiques temporels (θt) capturent l’influence de la conjoncture macroé- conomique commune aux pays qui constituent notre échantillon. Nous complétons ces variables de contrôle par un vecteur Ωit qui regroupe des déterminants des variations de prix spécifiques aux firmes, f, aux produits k, et aux marchés de destination,l, variables dans le temps (et qui ne sont donc pas pris en compte par les effets fixes individuels,αi).
Enfin, il est à noter que les variations de taux de TVA sont introduites dans l’équation (7) de manière contemporaine, ce qui est cohérent avec nos données annuelles. Les délais d’ajustement des
10De ce fait, la méthode d’estimation est aussi proche d’une estimation en différence de différence où l’on comparerait l’ajustement en prix d’un exportateur vers une destination subissant un choc de TVA à celle du même exportateur ne subissant pas de choc. Cette approche alternative reposerait sur l’estimation de la même équation (7) où l’on aurait restreint l’échantillon aux exportateurs qui exportent au moins dans deux pays lorsqu’il y a un choc dans l’un d’entre eux. Un inconvénient d’une telle approche est qu’elle sélectionne les firmes de l’échantillon qui exportent vers plusieurs destinations. Ceci peut biaiser les résultats si ces firmes ont un comportement d’ajustement de marge différent des firmes exportant vers une destination unique.
11Les estimations de Broda et al. (2006) sont réalisées sous une hypothèse d’élasticité constante.
12Deux raisons expliquent ce choix. Tout d’abord, une approche par effets individuels emboîtés nécessiterait de choisir arbitrairement une structure d’emboîtement. Par ailleurs, la structure de corrélation qui résulterait d’une telle approche serait en pratique coûteuse en temps de calcul. Elle ferait intervenir l’inversion d’une matrice de variance- covariance de grande dimension et de structure complexe puisqu’elle décrirait les liens découlant des interactions entre les trois dimensions firme, produit, marché, de notre indice. Les références usuelles se limitent à l’emboîtement de deux dimensions.
prix sont généralement considérés comme inférieurs à l’année13. Nous n’introduisons donc pas de retard de réaction des prix par rapport aux taux de TVA. Nous pouvons donc estimer cette équation par moindres carrés sur la transformation within du modèle.
4 Données
La base de données de l’administration douanière française contient les exportations annuelles par pays de destination et par produit au niveau NC8 pour chaque entreprise exportatrice au cours de la période 1995-2005, de façon quasiment exhaustive, en valeur et en volume14.
Chaque observation est reliée à une firmef (code siren), une catégorie de produitk, une destination d’exportation l et une année t. Les valeurs unitaires sont calculées comme le rapport entre les valeurs et les volumes déclarés. Ces valeurs unitaires sont utilisées comme proxy des prix unitaires d’exportation franco à bord : Pf klt ≡ Pit. La part de marché d’un exportateur i au sein de la population des exportateurs françaissit est calculée comme le rapport entre la valeur exportée par cette firme et la somme des valeurs de l’ensemble des exportateurs français pour cette même année t, destinationl et produitk.
Nous nous limitons ici aux exportations de biens de consommation finale vers neuf pays de la zone euro15. La sélection de cet échantillon nous permet d’annihiler différentes sources majeures de fluctuations des prix internationaux comme la volatilité des taux de change ou les modifications de droits de douane, pour nous concentrer sur notre problématique fiscale. Le choix des biens de consommation finale se justifie par le fait que la TVA est récupérée sur les achats de consommation intermédiaires.
13Les études sur données micro-économiques montrent que la durée moyenne des prix est la plupart du temps inférieure à 1 an. Pour la zone Euro, Dhyne et al. (2006) trouvent une durée médiane de 10,6 mois entre deux ajustements de prix. Ils reportent aussi que les secteurs des services et des biens industriels intermédiaires hors- énergie s’ajustent moins fréquemment que le bien médian. Comme notre échantillon n’intégre pas ces secteurs, nous pouvons considérer qu’une grande majorité des prix des biens que nous étudions ont une durée d’ajustement inférieure à l’année.
14Cette base de données a été déjà utilisée, notamment par Eaton et al. (2004), Méjean & Schwellnus (2009), Berman et al. (2012). À l’instar de différents auteurs, et pour contourner les problèmes liés aux changements de seuils de déclaration qui ont eu lieu au cours de cette période, nous avons choisi de nous concentrer sur les entreprises qui déclarent exporter à l’intérieur de l’Union Européenne des montants supérieurs à 100 000 euros annuels. Nous avons par ailleurs tenu compte des changements dans la nomenclature de classification des produits sur la période.
15Autriche, Finlande, Allemagne, Grèce, Irlande, Italie, Pays-Bas, Portugal, Espagne. Nous excluons la Belgique et le Luxembourg à cause de la non disponibilité d’estimations d’élasticités de la demande,kl, pour ces deux pays.
Les taux de TVA sont classés en quatre catégories : taux normaux, taux réduits, taux super-réduits et taux parking (ou autres taux réduits). L’allocation des taux de TVA aux différents produits k est réalisée pays par pays à l’aide de divers documents de la Commission européenne, notamment European-Commission (2007) et European-Commission (2011)16. Les secteurs exemptés de TVA sont exclus de l’estimation, de même que ceux soumis à droits d’accise en plus de la TVA (alcools, tabac). Les séries temporelles pour les quatre différentes catégories de taux et les neuf pays de l’échantillon sont récupérées à partir de European-Commission (2007). Lorsqu’un changement de taux a lieu en cours d’année, on considère que le nouveau taux s’applique à l’ensemble de l’année17. On observe une modification des taux normaux de TVA à huit reprises sur la période 1995-2005.
Un seul de ces changements correspond à une baisse (l’Irlande en 2001). Pour les autres taux, notre échantillon couvre 13 hausses (voir tableau 1)18.
Les élasticités-prix sectorielles pour les différents pays de destinations (hl) proviennent de Broda et al. (2006) qui fournissent des informations pour environ 170 secteurs selon la classification HS3.
La distribution de ces élasticités pour les biens de consommation finale est caractérisée par une médiane de 3,29 et une moyenne de 4,76. Le détail par pays de destination (tableau 2) suggère des élasticités-prix en moyenne plus élevées sur les marchés autrichien, allemand et irlandais, plus faibles en Grèce et en Espagne.
Le tableau 3 fournit quant à lui quelques statistiques descriptives pour notre échantillon d’exportateurs français : le nombre de produits exportés par une firme donnée vers un pays donné, le nombre de destinations servies par une firme donnée pour un produit donné19, le nombre de concurrents pour un produit donné sur un marché donné, la part de marché, au sein de la population des expor- tateurs français, pour un produit donné sur un marché donné. La dernière colonne du tableau fournit les caractéristiques de la distribution des élasticité-prix de la demande lorsque qu’on impute aux observations firmes-produits-marchés les élasticités secteurs-marchés estimées par Broda et al.
(2006).
16Ces documents permettent d’imputer les taux à des classes de produits définis à un niveau de désagrégation HS6.
17La solution alternative, qui consiste à interpoler les données, aurait conduit à une multiplication des chocs. La sensibilité des résultats a été testée en supprimant les chocs intervenus dans la seconde moitié de l’année.
18Certains pays ne connaissent aucun choc de TVA au cours de la période d’estimation. Leur présence dans l’échantillon contribue à identifier l’effet du choc de TVA dans une logique proche d’une estimation de différence en différence (cf note 10).
19Pour cette variable, nous ne nous limitons pas aux pays de la zone euro mais incluons l’ensemble des pays desservis par les exportateurs français.
Au sein d’un pays de destination spécifique, l’exportateur français médian vend 24 types de marchan- dises différents, mais un quart des exportateurs vend moins de 8 produits différents, tandis qu’un autre quart en vend plus de 67. De même, le nombre médian de destinations pour un produit donné et une firme donnée est de 4, mais un quart des exportateurs sert moins de 2 marchés tandis qu’un autre quart sert plus de 6 marchés. La part de marché (relativement aux seules exportations françaises) quant à elle est généralement très faible, avec une médiane de seulement 0,44%, ce qui correspond à un nombre de concurrents français médian de 32 sur chaque produit-marché. Finale- ment, les élasticités-prix de la demande adressée à la population des exportateurs français reflètent elles aussi bien cette hétérogénéité, avec un chiffre variant de 2,41 pour le premier quartile à 3,99 pour le troisième.
On ajoute à l’estimation un vecteur Ωit de variables de contrôle pour tenir compte des facteurs, autres que les taux de TVA, qui influencent les décisions de prix des exportateurs et qui peuvent être des facteurs macroéconomiques spécifiques aux pays de destination, des caractéristiques spécifiques aux firmes (taille, diversification) ou spécifiques au marché sur lequel elles exportent (concurrence, concentration). Plus précisément nous considérons :
• des variables marché-temps : taux de croissance du PIB réelylt, taux d’inflation des prix à la consommation πlt, PIB réel par habitantyltc ;
• des variables firme-temps : nombre de destinations desserviesnlf t, nombre de produits exportés par la firme nkf t ;
• des variables produit-marché-temps : part de marché moyenne sklt, part de marché la plus faible sklt pour un produit-destination donné (valeurs courantes et retardées) ;
• des variables firme-produit-marché-temps : part de marché de la firme sur le produit-marché sit (valeurs courantes et retardées).
Ces données sont issues des bases d’Eurostat ou de la Banque Mondiale (World Development Indica- tors), ainsi que de la base de données de douanes elle-même. Ces variables de contrôle n’incluent pas de variables spécifiques à la firme et constantes dans le temps (comme la part de marché moyenne de la firme) car l’effet est incorporé dans les effets fixes, αi, de la régression (7). Elles n’intègrent
pas non plus de variables macroéconomiques communes aux pays (comme les variations du taux de change de l’euro ou un taux d’intérêt du marché interbancaire de la zone euro) car leur effet est capturé par les indicatrices spécifiques aux années,θt, introduit dans la régression (7).
5 Élasticité d’élasticité et ajustement de marge moyens
Les résultats d’estimation de l’équation (7) sont présentés dans le tableau 4. Les tests de signi- ficativité tiennent compte des potentielles hétéroscédasticité et auto-corrélation des résidus. Ces variances tiennent par ailleurs compte des effets de “clustering” au niveau d’une même firme20. La colonne (1) du tableau 4 fournit l’estimation de référence21. L’élasticité d’élasticité moyenne pour l’ensemble des exportateurs considérés estσb= 1,16. Ainsi, une hausse du taux de TVA dans un pays de destination induit une baisse significative des prix d’exportation hors taxe vers ce pays dans l’année où se produit le choc22. Suite à une hausse de TVA dans un pays de destination, les exportateurs français font face en moyenne à une hausse de l’élasticité de la demande sur ce marché et réagissent donc en réduisant leur taux de marge.
On peut déduire un ajustement de marge moyen en croisant le résultat de notre estimation avec les élasticités secteur-destination hl estimées par Broda et al. (2006), plus précisément en calculant
∆ logµ=−bσ× 1 n
X
hl
[1/(hl−1)].
On obtient une contraction moyenne des marges des exportateurs suite à une augmentation du taux de TVA de ∆ logµ =−67%. Le “pass-through” moyen, soit la part de l’augmentation de taux de TVA qui est répercutée finalement dans les prix est donc de(1 + ∆ logµ), soit 33%23.
On peut aussi calculer, selon le même principe, un ajustement de marge médian : Med(∆ logµ) =−bσ×Med[1/(hl−1)].
20Les résultats sont robustes à la prise en compte d’effet de “clustering” au niveau des produits ou au niveau des secteurs.
21Les coefficients estimés associés aux variables de contrôle sont présentées pour information. Nous ne discutons néanmoins pas de leurs effets puisque notre estimation ne nous permet pas d’identifier leur impact causal sur les variations de prix à l’exportation.
22Les résultats restent inchangés si l’on se limite aux chocs qui ont lieu sur la première moitié de l’année civile, pour tenir compte d’éventuels délais de réaction des prix hors taxe.
23Pour quantifier la précision de cette estimation du pass-through, il faudrait connaître la variance des élasticités sectorielles estimées par Broda et al. (2006). Cette information n’est malheureusement pas disponible.
On obtient alors un ajustement de marge médian de Med(∆ logµ) =−46%en réponse à une hausse de TVA, soit un pass-through de 54%. L’écart important entre moyenne et médiane est lié au nombre important de secteurs pour lesquels l’élasticité est relativement forte, et qui tire la médiane des ajustements de marge vers le bas par rapport à la moyenne.
Au-delà de cette forte hétérogénéité sectorielle, nous nous penchons sur l’hétérogénéité des ajuste- ments de marge pour différents types d’exportateurs. Nous ré-estimons l’équation (6) en scindant l’échantillon en deux sous-populations : les firmes dont la part de marché moyenne dans la popu- lation des exportateurs français est supérieure à la médiane de la distribution des parts de marché moyenne de l’échantillon, et celles dont la part de marché moyenne est inférieure à cette médiane.
Nous reportons les résultats de ces estimations dans les colonnes (2) et (3) du tableau 4. On observe que les firmes avec des parts de marché élevées ont une élasticité d’élasticité en moyenne plus élevée et plus significative que celles présentant une part de marché plus faible. De fait, l’estimation devient sensiblement moins précise pour cette deuxième catégorie de firmes, ce qui suggère qu’une partie d’entre elles ont des ajustements de marge faibles voire nuls24. Si on croise, comme précédemment, l’estimation d’élasticité d’élasticité pour les firmes ayant des parts de marché plus élevées avec les élasticités secteur-destination hl de Broda et al. (2006) on obtient un ajustement de marge moyen pour ces firmes à forte part de marché de −87% (soit un pass-through de 13%). L’ajustement de marge médian est, lui, de −60%. L’ajustement est donc environ 15 à 20 points de pourcentage plus élevé que pour les observations associées à des parts de marché faibles. Ainsi, en plus de l’hétérogénéité sectorielle des élasticités de la demande, les différences d’ajustement de marge sont reliées aux parts de marché des firmes au sein d’un secteur-destination, elles-mêmes liées à la struc- ture concurrentielle de chaque couple secteur-destination. Nous étudions plus spécifiquement cette seconde hétérogénéité dans la section suivante.
6 Hétérogénéité intersectorielle des ajustements de marge
Dans cette section, nous nous intéressons plus en détail à une dimension particulière de l’hétérogénéité des ajustements de marge entre les secteurs : celle qui provient des différences de part de marché
24Du fait de la relative imprécision des estimateurs, les intervalles de confiance à 90% des deux estimateurs se recoupent ; cette différence entre les élasticité d’élasticité des deux populations n’est donc pas statistiquement signi- ficative.
moyenne sur chaque marché secteur-destination.
Pour mieux comprendre la relation entre part de marché moyenne et degré de pass-through, nous nous appuyons sur le modèle de Atkeson & Burstein (2008). Ces auteurs proposent un modèle dans lequel les marges optimales des producteurs sont variables et résultent de l’interaction entre deux niveaux de concurrence monopolistique : une concurrence entre secteurs et une concurrence entre les différents producteurs d’un même secteur. Chacun de ces deux niveaux de concurrence est caractérisé par une élasticité de substitution spécifique, l’élasticité intra-sectorielle étant sup- posée supérieure à l’élasticité inter-sectorielle. Nous nous inspirons de ce modèle pour simuler la distribution des ajustements de marge en fonction de la distribution des parts de marché moyennes des différents secteurs-destinations, tout en nous contraignant à reproduire les élasticités effectives estimées par Broda et al. (2006).
Nous considérons donc deux niveaux de concurrence : le premier entre les différentes variétés d’un même produitk— les variétés étant définies, comme dans comme dans le modèle d’Armington, par le pays où le bien est produit ; le second entre les différents exportateurs d’une même variété d’un produitksur un marché d’exportation l. Nous appelonsη l’élasticité de substitution entre variétés d’un même produit et ρ l’élasticité de substitution entre les producteurs d’une même variété. En supposant que la concurrence se fait en quantités, et à nombre donné de concurrents dans chaque secteur, l’élasticité de substitution à laquelle est confrontée une firme f produisant dans un pays donné le bienk et pour une destination d’exportationl est :
i=
1−si ρ +si
η −1
>1, (9)
où si désigne la part de marché de la firmei sur le marché considéré (produit, destination) parmi la population des firmes exportatrices du pays où le bien est produit : si ≡ PiQi/P
i∈(k,l)PiQi25. À l’équilibre (cf Atkeson & Burstein (2008)) cette part de marché vérifie :
si = (Pi)1−ρ P
i∈(h,l)Pi1−ρ. (10)
25Cette approche combine donc concurrence au sein des firmes françaises et concurrence entre firmes françaises et étrangères. La concurrence au sein de la variété française est d’autant plus forte quesiest faible, c’est à dire que la firme considérée est petite par rapport à ses concurrents les plus directs, à savoir les autres exportateurs français du même bien. De fait, la théorie de la concurrence oligopolistique distingue la concurrence “non-localisée” au sens de Chamberlain (concurrence indifférenciée entre toutes les firmes, quelle que soit leur localisation) de la concurrence
“localisée” au sens de Kaldor (concurrence avec les entreprises les plus proches). Nous nous inscrivons donc dans la logique de cette seconde approche.
Nous limitons notre analyse à la dimension intersectorielle de l’hétérogénéité des parts de marché.
En effet, la stratégie économétrique adoptée dans les sections précédentes est contrainte par une hypothèse d’homogénéité des élasticités de substitution au sein de chaque secteur h et chaque destinationl: i =hl. La traduction de cette hypothèse au cadre théorique de cette section revient donc à imposer que les parts de marché des firmes sont identiques au sein d’un même secteurh et pour une même destinationl, soit : si =shl ∀i∈(h, l), ce qui implique par ailleurs que cette part de marché est égale à l’inverse du nombre de firmes opérant sur un même marché.
Sous ces hypothèses, l’élasticité d’élasticité s’écrit : σhl ≡
∂hl/hl
∂shl/shl
∂shl/shl
∂Pehl/Pehl
! ,
où shl est la part de marché moyenne des firmes françaises du secteur h pour la destination l au sein des exportations françaises. En utilisant les relations (9) et (10), on obtient alors l’expression structurelle suivante de l’élasticité d’élasticité :
σhl= (1/ρ−1/η) (1−ρ)shl(1−shl)hl. (11) Nous supposons, comme Atkeson et Burstein, que ρ > η > 1 (la substitution entre producteurs d’une même variété est plus facile qu’entre les différentes variétés). L’élasticité d’élasticité σhl est donc positive : plus le prix est élevé, plus forte est l’élasticité-prix de la demande, ce qui va inciter l’exportateur à comprimer sa marge lorsque la TVA augmente dans le pays de destination26. La structure de ce modèle nous permet de reconstituer toute la distribution des ajustements de marge au niveau des secteurs et destinations,∆ logµhl, en utilisant les parts de marché observées dans les données, l’estimation moyenne de l’élasticité d’élasticitéσb obtenue précédemment et les élasticités à l’export fournies par Broda et al. (2006). Ces auteurs fournissent en effet des estimations des élasticités prix de la demande effectives entre les différentes variétés d’un même secteurh pour un marché de destinationldonné. Sous leurs hypothèses, cette élasticité prix de la demande correspond aussi à une élasticité de subsitution entre variétés nationales d’un même secteur. Dans le cadre plus général de notre modèle, cette élasticité prix hl décrit la demande perçue par un exportateur
26Ce modèle implique par ailleurs que l’élasticité d’élasticité σhl soit croissante en shl pour tous les secteurs- destinations vérifiantshl<1/2, c’est à dire où au moins 3 exportateurs français se font concurrence. Autrement dit, dans ce cas, une part de marché plus importante implique une élasticité d’élasticité plus forte et donc un ajustement de marge plus important.
représentatif d’une variété nationale. Elle dépend à la fois de la substitution avec d’autres variétés nationales et de la substitution au sein d’une même variété, la part relative de chacune étant donnée par la part de marché de cet exportateur représentatif au sein de ses concurrents de la même variété, shl.
La simulation des ajustements de marge par secteur-destination requiert de calibrer les valeurs des élasticitésρetη. Notre calibrage est établi de manière à reproduire les élasticités estimées par Broda et al. (2006), hl, ainsi que l’estimation de l’élasticité d’élasticité moyenne, bσ, obtenue en section 5. Les élasticités hl étant très hétérogènes, nous nous donnons un degré de liberté supplémentaire dans notre calibrage en considérant que l’élasticité intra-variétés peut varier selon le secteur et le pays de destination c’est-à-dire en considérant un jeu de paramètres ρhl. D’après la structure du modèle (équation 9), ces élasticités non-observées sont reliées aux parts de marché moyennes shl observées pour chaque secteur-pays et aux élasticités à l’exporthl fournies par Broda et al. (2006), selon :
ρhl = 1−shl
1/hl−shl/η. (12)
Nous calibrons le paramètreη de telle sorte que le modèle puisse reproduire la valeur de l’élasticité d’élasticité moyenne estimée précédemment, soit bσ = 1,16. D’après l’équation structurelle (11), chaque valeur du paramètre η définit un jeu d’élasticités d’élasticité secteur-destination, σhl ≡ σ(η, hl, shl), qui dépendent des élasticités intra-variétés ρhl = ρ(η, hl, shl) reconstituées à l’étape précédente (équation 12) et des parts de marché secteur-destinationshl observées dans les données.
Comme nous l’avons vu précédemment, bσ est une moyenne pondérée des paramètres σhl, définie par l’équation (8). On calibre doncη à la valeurηbqui permet à la moyenne pondérée des élasticités d’élasticités simulées, soit :
σ = 1 n
X
h,l
[whl×σ(η, hl, shl)], whl = 1/(hl−1)2
1 n
P
h,l1/(hl−1)2,
d’être la plus proche de notre estimationbσ. On obtient une valeurηb= 1,0127. Une fois calibrés les paramètresρhl etη, nous pouvons finalement reconstituer la distribution des ajustements de marge
27Nous obtenons alors une moyenne pondérée des élasticités d’élasticités σ = n1P
hlwhlσ(bη, hl, shl) = 1,21, à comparer avec une valeur estimée deσb= 1,16. Une difficulté ici est que plusieurs des élasticitésρhl reconstituées présentent des valeursρhl≤1, ce qui est incompatible avec le modèle théorique. Nous restreignons donc l’échantillon aux seuls couples(h, l)vérifiant la conditionρhl>1.
∆ logµ(η, b hl, shl) :
∆ logµhl=−σbhl/(hl−1)≡∆ logµ(bη, hl, shl). (13) Le graphique 1 représente cette distribution des ajustements de marge au sein des 413 secteurs- pays de l’exercice de simulation28. Cette distribution est clairement asymétrique : les secteurs- pays pour lesquels l’ajustement de marge est faible sont très nombreux. La première colonne du tableau 5 donne les quantiles caractéristiques de cette distribution des ajustements de marge calibrés.
L’ajustement de marge est inférieur (en valeur absolue) à 13% pour un quart des secteurs considérés ; et la majorité des exportateurs optent pour un ajustement inférieur (en valeur absolue) à 34%, soit un pass-through supérieur à 66%. Les ajustements de marge peuvent être très marqués et parfois cet ajustement est tel que le prix TTC baisse après une hausse de la TVA. Du fait de ces ajustements très forts, la contraction moyenne de taux de marge des exportateurs suite à une augmentation du taux de TVA est supérieure à la médiane29.
Finalement, le tableau 5 fournit aussi en colonne 2 les résultats obtenus en appliquant la même procédure aux secteurs-destinations qui présentent des parts de marché supérieures à la médiane.
Sur cette population, on obtient un ajustement de marge médian de−55,3%(soit un pass-through de 44,7%)30. Ces résultats confirment donc ceux des estimations reportées au tableau 4 : les exportateurs répercutent moins sur leurs prix TTC une augmentation de TVA dans un pays de destination dans les secteurs-pays où ils disposent en moyenne d’une part de marché importante.
28Les valeurs de∆ logµ(bη, hl, shl)supérieures à 278% sont éliminées de l’analyse pour ne pas biaiser vers le haut la valeur moyenne du fait de quelques valeurs extrêmes. Ce seuil de 278% est fixé à partir du même modèle d’Atkeson
& Burstein (2008) dans lequelρhlest identique pour tous les secteurs et destinations (ρhl=ρ∀(h, l)), et est calibré de telle sorte à reproduire l’élasticité d’élasticité moyenne estimée σb tout en conservant une valeur de l’élasticité inter-variétés deηb= 1,01. On obtientbρ= 5,81. On simule alors toutes les valeurs possibles de∆ logµ en fonction des parts de marché et l’on obtient un ajustement de marge maximum de−278%.
29Le fait que cet ajustement de marge moyen soit inférieur (en valeur absolue) à celui de la section 5 provient du fait que le tableau 5 donne une moyenne non-pondérée des ajustements de marge sectoriels alors que les chiffres de la section 5 sont obtenus à partir d’une moyenne pondérée des élasticités d’élasticités; bσ, qui accorde plus de poids aux secteurs ayant une faible élasticité de la demande.
30La distribution des taux de marge est obtenue avec une élasticité inter-sectorielle calibrée à ηb= 1,01 et une l’élasticité intra-sectorielle calibréeρb= 6,56pour reproduireσb= 1,50. La limite supérieure des ajustement de marge est alors de−324%.
7 Conclusion
L’utilisation de données individuelles sur les exportations françaises de biens de consommation finale nous a permis de déterminer l’impact d’un choc de TVA dans un des pays de la zone euro sur le taux de marge des entreprises françaises. Nous montrons que les firmes absorbent une part importante du choc dans leurs prix d’exportation. Les caractéristiques du choc — exogène et sans incidence sur le coût marginal — nous permettent d’identifier que ces changements proviennent d’une modification des taux de marge, elle-même liée à une modification de l’élasticité-prix de la demande dans le pays de destination.
L’ajustement de marge moyen estimé est de −67%, tandis que l’ajustement médian est de −46%.
Ces chiffres sont plus élevés (en valeur absolue) que ceux généralement trouvés dans la littérature empirique sur données individuelles à la suite d’un choc de change, ce qui n’est pas surprenant en soi. Il est cependant frappant d’obtenir un ajustement de marge aussi fort pour un choc par nature symétrique pour l’ensemble des producteurs. Ce résultat est à notre sens une nouvelle preuve empirique validant les modèles théoriques où l’élasticité de la demande n’est pas supposée constante.
Ces ajustements de marge impliquent un “pass-through” moyen de 33% et médian de 54% du choc dans les prix des exportateurs. Ainsi, d’un point de vue du consommateur final, la hausse de TVA n’est pas entièrement répercutée dans les prix à la consommation des biens importés, même à l’horizon d’une année.
Enfin, nos résultats montrent que le degré d’ajustement de marge diffère entre les secteurs d’activité et les destinations d’exportation. L’ajustement de marge est plus fort dans les secteurs et pour les pays de destination où les parts de marché moyennes sont les plus élevée. Cette hétérogénéité des réactions de taux de marge implique donc que les variations de TVA ont des effets redistributifs inter-sectoriels.
Un prolongement possible de ce travail consiste à étudier plus en détails cette hétérogénéité des réactions des exportateurs, notamment en distinguant les réactions des différents d’exportateurs au sein d’un même secteur. En particulier, les variations de marge peuvent inciter des firmes à entrer ou à sortir sur les marchés d’exportation, et donc engendrer une modification de la structure concurrentielle sur ces marchés. Si les firmes qui ne peuvent pas ajuster leurs marges sortent des
marchés d’exportation, on peut craindre que les marchés deviennent plus concentrés avec des effets négatifs sur la disponibilité d’une vaste gamme de variétés à la suite d’une hausse de la TVA. Ces extensions font l’objet de recherches en cours.
References
Anderson, S., De Palma, A., & Kreider, B. (2001). Tax incidence in differentiated product oligopoly.
Journal of Public Economics, 81(2), 173–192.
Atkeson, A. & Burstein, A. (2008). Pricing-to-market, trade costs, and international relative prices.
American Economic Review, 98(5), 1998–2031.
Berman, N., Martin, P., & Mayer, T. (2012). How do different exporters react to exchange rate changes? Quarterly Journal of Economics, 127.
Bouakez, H. & Rebei, N. (2008). Has the exchange rate pass-through really declined? Evidence from Canada. Journal of International Economics, (pp. 245–67).
Broda, C., Greenfield, J., & Weinstein, D. (2006). From Groundnuts to Globalization: A Structural Estimates of Trade and Growth. NBER Working Paper 12512.
Burstein, A., Neves, J., & Rebelo, S. (2003). Distribution costs and real exchange rate dynamics.
Journal of Monetary Economics.
Corsetti, G. & Dedola, L. (2005). A macroeconomic model of international price discrimination.
Journal of International Economics, 67, 129–155.
Dhyne, E., Alvarez, L., Le Bihan, H., Veronese, G., Dias, D., Hoffmann, J., Jonker, N., Lunnemann, P., Rumler, F., & Vilmunen, J. (2006). Price changes in the euro area and the united states:
Some facts from individual consumer price data. Journal of Economic Perspectives, 20, 171–192.
Dunn, R. (1970). Flexible exchange rates in oligopoly pricing: A study of canadian markets.Journal of Political Economy, 78(1), 140–151.
Eaton, J., Kortum, S., & Kramarz, F. (2004). Dissecting trade: Firms, industries, and export destinations. American Economic Review, Papers and Proceedings, 93, 150–154.
European-Commission (2007). VAT Rates Applied in the Member States of the European Commu- nity. Technical report, Brussels.
European-Commission (2011). Taxation trends. Technical report, Brussels.
Farhi, E., Gopinath, G., & Itskhoki, O. (2011). Fiscal devaluations. Working paper 17662, NBER.
Feenstra, R. (1989). Symmetric pass-through of tariffs and exchange rates under imperfect compe- tition. Journal of International Economics, 27, 25–45.
Goldberg, L. & Campa, J. (2010). The insensitivity of the cpi to exchange rates;: Distribution margin, imported inputs and trade exposure. Review of Economics and Statistics, 92, 392–407.
Goldberg, P. & Knetter, M. (1997). Goods prices and exchange rates: What have we learned?
Journal of Economic Literature, 35, 1243–72.
Gopinath, G. & Rigobon, R. (2008). Sticky borders. Quarterly Journal of Economics, 123(2).
Knetter, M. (1989). Price discrimination by U.S. and German exporters. American Economic Review, 79, 198–210.
Knetter, M. (1993). An international comparison of pricing–to–market behaviour. American Eco- nomic Review, 83, 473–486.
Krugman, P. (1987). Pricing to market when the exchange rate changes. In S. Arndt & J. Richardson (Eds.), Real-financial linkages among open economies. Cambridge, Mass.: MIT Press.
Méjean, I. & Schwellnus, C. (2009). Price convergence in the European union: Whithin firms or composition of firms. Journal of International Economics.
Melitz, M. & Ottaviano, G. (2008). Market size, trade, and productivity. Review of Economic Studies, 75, 295–316.
Robinson, J. (1947). Essays in the Theory of Employment. Blackwell.
Annexe A: Estimation de l’élasticité d’élasticité moyenne
Sous l’hypothèse d’homogénéité de l’élasticité d’élasticité, l’équation (7) s’écrit
∆pit=αi+θt−[σ/(hl−1)] ∆ log(1 +τklt) +γ0Ωit+uit+ [(σ−σhl)/(hl−1)] ∆ log(1 +τklt), où E{uit|αi, θt,Ωit,∆ log(1 +τlt)} = 0. En, appliquant le théorème de Frisch-Waugh, on peut estimerσ en appliquant les MCO à la régression suivante :
epit=−[σ/(hl−1)] ∆eτklt+uit+ (σ−σhl)∆eτklt ,
oùpeit et∆eτklt désignent les résidus d’une projection de pit et∆ log(1 +τklt) sur les autres variables explicatives de l’équation (7) et où
E(uit|∆eτklt ) =E[E(uit|αi, θt,Ωit,∆ log(1 +τlt)|∆τeklt ] = 0.
En notant ∆τeklt = ∆eτklt/(hl−1), l’estimateur des MCO deσ vérifie σb=−
P
i
P
tpeit∆eτklt P
i
P
tpeit∆eτklt soit, en remplaçant peit par son expression ci-dessus,
bσ=σ+ P
i
P
tuit∆τeklt P
i
P
t(∆eτklt )2 − P
i
P
t(σ−σhl)(∆eτklt )2 P
i
P
t(∆eτklt )2 . Cet estimateur a pour espérance conditionnelle à ∆τeklt
E(σ|∆b τeklt ) =σ+ P
i
P
t∆τeklt P
i
P
t(∆τeklt )2E(uit|∆eτklt )− P
i(σ−σhl)P
t(∆eτklt )2 P
i
P
t(∆eτklt )2 , soit
E(σ|∆b eτklt ) =σ+ 0−σ P
i
P
t(∆eτklt )2 P
i
P
t(∆eτklt )2 + P
iσhlP
t(∆eτklt )2 P
i
P
t(∆eτklt )2 . En développant(∆τeklt )2 = ∆eτlt2/(hl−1)2 on obtient
E(bσ|∆eτklt ) = P
iσhl/(hl−1)2P
t(∆eτlt)2 P
i1/(hl−1)2P
t(∆eτlt)2 , soit encore
E(bσ|∆eτklt ) = 1 nhl
X
i
"
1/(hl−1)2
1 nhl
P
i1/(hl−1)2
# σhl.
Ainsi, en utilisant E(bσ) = E[E(σ|∆b τeklt )], l’estimateur within de l’élasticité d’élasticité moyenne obtenue lorsqu’on impose l’homogénéité de ce paramètre a pour espérance
E(bσ) = 1 n
X
i
"
1/(hl−1)2
1 n
P
i1/(hl−1)2
# σhl.
Table 1: Variations de taux de TVA entre 1996 et 2005 : nombre et date des chocs
Pays Taux normaux Taux réduits Taux super-éduits Taux parking/réduits 2
Nb. Dates Nb Dates Nb Dates Nb Dates
Autriche 0 0 0 0 0
Finlande 0 1 1/7/98 0 1 1/7/98
Allemagne 1 1/4/98 0 0 0
Grèce 1 1/4/05 1 1/4/05 1 1/4/05 0
Irlande 2 1/1/01, 1/3/02 1 1/1/03 8 1/1/96, 1/3/97, 0 1/3/98, 1/3/99, 1/3/00, 1/1/01, 1/1/04, 1/1/05
Italie 1 1/10/97 0 0 0
Pays-Bas 1 1/1/01 0 0 0
Portugal 2 5/6/02, 1/7/05 0 0 0
Espagne 0 0 0 0
Source: Commission Européenne, “Taux de TVA appliqués dans les Etats membres de l’Union européenne”, 2011.
Table 2: Élasticités-prix sectorielles par pays
At Fi Ge Gr Ie It Nl Po Sp
Moyenne 5.265 3.563 5.029 3.568 5.217 4.695 4.471 4.413 3.751 Médiane 4.073 3.062 3.902 2.626 3.795 3.720 3.229 3.390 2.785 Max 28.798 25.032 25.032 25.03 29.806 25.032 25.032 25.032 25.032
Min 1.359 1.275 1.278 1.129 1.058 1.34 1.077 1.283 1.210
Ecart-type 4.293 2.444 4.301 3.578 4.573 3.677 4.623 3.583 3.483 Source: Broda et al. (2006) et calculs des auteurs.
Table 3: Statistiques descriptives - Échantillon de firmes, biens de consommation finale PROD DEST CONC PART ELAS
Moyenne 71.11 4.35 59.9 .081 4.13
F(75%) 67 6 13 .0357 3.99
F(50%) 24 4 32 .0044 3.28
F(25%) 8 2 72 .0005 2.41
Max 1762 10 992 1 25.03
Min 1 1 1 .000 1.08
Notes: Échantillon : 1995-2005, biens de consommation finale, exportations vers zone euro à 12 sauf Belgique et Luxembourg ; PROD = nombre de produits exportés par une firmef sur un marché donné l ; DEST = nombre de destinations servies par une firme f pour un produit k ; CONC = nombre de concurrents français sur un marché k, l donné ; PART = part de marché d’une firme f sur un marché k, l donné ; ELAS
= élasticité-prix de la demande (à partir de Broda et al. (2006), hors les 26 élasticités supérieures à 30) correspondant au secteur d’appartenance du bien k.
Source: Calcul des auteurs.
