Economie & prévision
La Doc. française
I.S.B.N.sans
188 pages
p. 99 à 111
doi: en cours
Veille sur la revue
Veille sur l'auteur
La Doc. française
I.S.B.N.sans
188 pages
p. 99 à 111
doi: en cours
Veille sur la revue
Veille sur l'auteur
Vous consultez
no 148 2001/2
Efficience technique et incitations salariales
Analyse empirique sur un panel incomplet des industries textiles en Tunisie
Rym Ben Ayed Mouelhi [(*)] Mohamed Goaied [(**)]
salaire d'efficience de manière à pouvoir identifier deux composantes de l'inefficience technique. La première
composante observable, et variante dans le temps, mesure l'inefficience technique imputable à un manque d'incitation
salariale. La seconde composante, invariante dans le temps, constitue une inefficience technique inobservable spécifique
à la firme. Ce travail se propose d'estimer la composante de l’inefficience technique invariante dans le temps tout en
permettant de contrôler les effets spécifiques à la firme, ceci grâce aux techniques des variables instrumentales dans le
contexte général des panels incomplets. Les facteurs de production capital et travail sont mesurés en intégrant certaines de
leurs caractéristiques qualitatives; i.e. le progrès technique incorporé aux équipements et la main-d’oeuvre selon le niveau
de qualification. Une validation empirique de la relation salaire-productivité est effectuée dans cette étude. Enfin, une
estimation de l'inefficience technique attribuable au manque d'effort est réalisée. L'analyse empirique porte sur un panel
non cylindré comportant 619 entreprises tunisiennes du secteur textile recensées durant la période [1983-1994]. Les
résultats d'estimation indiquent une régression du progrès technique autonome durant la période [1983-1990]. En outre, le
progrès technique incorporé aux équipements et la qualification de la main-d' oeuvre constituent des sources de gain de
productivité. L'efficacité non observable est en moyenne de l'ordre de 61%. Par ailleurs, l'inefficience imputable à un
manque d'effort est en moyenne de l'ordre de 4%.
This study combines the stochastic production frontiers approach with the efficiency wage approach to identify two
technical inefficiency components. The first component is observable and varies over time. It measures the technical
inefficiency resulting from an inadequate wage incentive. The second component remains stable over time and concerns
unobservable company-specific technical inefficiency. This paper sets out to estimate the time-stable technical
efficiency component whilst controlling the company-specific effects using instrumental variable techniques applied to
incomplete panels. Labour and capital production factors are measured by some of their qualitative characteristics, i.e.
technological progress incorporated into equipment and manpower by skills level. The study then empirically checks the
wage-productivity relationship before estimating the technical inefficiency attributable to a lack of effort. The empirical
analysis considers a non-cylinder panel of 619 Tunisian textile companies studied from 1983 to 1994. The estimation
results point to a decline in autonomous technological progress from 1983 to 1990. Moreover, productivity gains are
generated by technological progress incorporated into equipment and manpower skills. The unobservable efficiency is
approximately 61% on average. The inefficiency ascribable to a lack of effort is approximately 4% on average.
La présente recherche a bénéficié du concours de
l’« Economic Research Forum », Le Caire, Egypte.
Nous avons bénéficié de remarques de J. Mairesse et B.
Crépon sur une première version de ce texte, présentée au
séminaire du Crest à Paris en Novembre 1999.
Le processus de mondialisation de l’économie a
entraîné dans plusieurs pays en développement une
accélération de la politique de libéralisation visant à
étendre les domaines de concurrence dans le but de
garantir une meilleure compétitivité du système
productif. Ces profondes mutations concernent
particulièrement la Tunisie qui a adhéré, depuis
1 995, à la zo ne de libre éch ang e eu roméditérranéenne.
Devant ces nouvelles exigences commerciales,
certaines activités industrielles, ayant bénéficié par
le passé de régime de protection commerciale élevée,
se trouvent acculées pour des impératifs de
compétitivité, voire même de “survie”, à améliorer
leur comportement productif. Les frontières de
production constituent, dans ce cadre, un précieux
outil d’aide à la décision permettant de fournir un
éclairage sur les performances productives des
firmes.
Ce travail de recherche présente une double
motivation portant aussi bien sur la spécification des
frontières de production que sur la procédure
d’estimation en données de panel incomplets.
Sur le plan méthodologique, cette étude s’inspire de
celle de Kumbhakar (1991) en combinant l’approche
des frontières de production stochastiques avec celle
du salaire d’efficience de manière à pouvoir
identifier deux composantes de l’inefficience
technique. La première composante observable, et
variante à travers le temps, mesure l’inefficience
technique imputable à un manque d’effort traduisant
le manque d’incitation salariale. Les effets
spécifiques à la firme, tenant compte de
l'hétérogénéité de l'échantillon considéré, seront pris
en compte en sp écifiant un e composante
inobservable de l’efficience technique invariante
dans le temps. L’introduction dans la frontière de
production d’une fonction d’effort, agissant de façon
multiplicative sur le produit, permet de dégager une
mesure de l’inefficacité due à un manque d’effort
résultant d’un manque d’incitation salariale. À
l'instar des travaux de Mairesse et Sassenou (1989),
on tient compte dans le processus de production des
différences sensibles en termes de productivités
marginales des travailleurs selon leur niveau de
qualification.
Sur le plan économétrique, cette étude se propose de
mesurer la composante inobservable de l’efficience
technique, invariante dans le temps, tout en
permettant de contrôler les effets spécifiques à la
firme, ceci grâce à l’estimation de frontières de
production stochastiques par la méthode des
variables instrumentales adaptée aux données de
panels incomplets. Seale (1990), Ahmed et
Bravo-Ureta (1996) ainsi que Goaïed et Mouelhi
(2000), parmi d’autres, ont utilisé des panels
incomplets dans l’analyse del’efficacité technique.
En somme, l'objet de ce travail de recherche consiste
à mesurer les pertes de productivité résultant d’une
inefficience technique non observable et celle
attribuable à un manque d’effort des travailleurs.
Pour cela, on estime une frontière de production
stochastique “étendue” sur un panel non cylindré
comportant 619 entreprises tunisiennes de
l’industrie textile, habillement et cuir (ITHC)
observées durant la période [1983-1994]. Dans la
partie empirique, on procédera également à une
analyse comparative des résultats établis tenant
compte des différentes spécifications retenues au
niveau de l'efficience technique ainsi que ses
corrélations possibles avec certains régresseurs, cela
dans le contexte général du panel incomplet. Des
tests de spécification permettront de dégager la
méthode d'estimation la plus appropriée ("Within,
FGLS, Variables instrumentales). Le choix des
instruments est appuyé par un test d’éxogénéité.
L’analyse empirique porte sur l’industrie du textile,
habillement et cuir (ITHC) eu égard à l'importance
vitale qu'occupe cette industrie dans le tissu
industriel tunisien. En effet, l’ITHC constitue l’une
des locomotives de la croissance des industries
manufacturières qui ont assuré durant la dernière
décennie l’essentiel de la croissance économique et
des exportations de biens en Tunisie
[1]. En 1996,
l’ITHC a contribué à raison de 51% aux exportations
totales et à 53% des créations d’emplois industriels.
Il s'agit également d'une industrie à forte utilisation
de main-d’œuvre où les enjeux de compétitivité
constituent un élément de préoccupation majeur
pour les décideurs publics
[2].
La première partie présente succinctement le cadre
d'analyse théorique permettant de spécifier la
technologie de production adoptée. La deuxième
partie développe les procédures d'estimation des
frontières de production stochastiques à partir d'un
panel incomplet. La troisième partie présente une
analyse des performances productives du secteur
textile en Tunisie et commente les résultats
d'estimation obtenus. La dernière partie permet de
conclure.
Formalisme théorique de la technologie de production
La frontière de production Translog (TR), retenue
dans cette application, présente la particularité de
tenir compte explicitement, outre les effets du capital
et du travail, de l'intensité de l'effort productif des
travailleurs dans le processus de production
[3]. Il
s'agit ici de tenir compte d'un effet salaire
d'efficience par l'introduction d'une fonction d'effort
agissant de façon multiplicative sur le produit
(Huang et alii, 1998)
[4]. Sous ces considérations, la
technologie de production se présente selon
l'expression qui suit:
où y, K L * *, et e désignent, respectivement, la valeur
ajoutée, le stock de capital, l'emploi total et une
fonction d'effort. Cette dernière est une fonction
croissante d’un salaire relatif
[5] :
L'effort des travailleurs est corrélatif au salaire
relatif mesuré par le rapport du salaire moyen
proposé au niveau de la firme i à l’instant t (w ) au
it salaire moyen proposé sur le marché externe au
même instant (wct ) conformément à la théorie du
salaire d’efficience. Cette théorie s’attache au souci
des entrepreneurs d’obtenir à moindre frais un
certain niveau d’efficacité, souci qui les conduit à
élaborer une véritable politique de rémunération qui
lie l’effort au salaire. Les firmes peuvent alors
trouver profitable de verser des salaires élevés et
rigides à la baisse justifiés par des impératifs de
gestion interne. Nous trouvons dans la littérature
diverses justifications de la relation d’efficience,
plus ou moins concurrentes et complémentaires
(voir Akerlof et Yellen, 1986 ; Katz, 1986). Elles
vont d’une meilleure productivité due à une
meilleure nutrition (Leibenstein, 1957) ou
motivation (Shapiro et Stiglitz, 1984) aux avantages
organisationnels d’un e fidélis ation d e la
main-d’œuvre que constituent une moindre
rotation-mobilité (Salop, 1979), en passant par la
possibilité de sélectionner les meilleurs travailleurs
face à l’imperfection de l’information sur la qualité
(Weiss, 1980).
Il est assez difficile de tester les enseignements de la
théorie du salaire d’efficience, tant il apparaît ardu
de relier statistiquement l’effort des salariés pris
individuellement et leur évolution salariale
respective. Les travaux économétriques réalisés
jusqu'à présent sont de deux types. Les premiers,
qualifiés de tests indirects, se sont principalement
attachés à déceler l’existence d’écarts de salaire
entre individus équivalents du point de vue de la
théorie du capital humain (Krueger et Summers,
1988), alors que les seconds, qualifiés de tests
directs, ont cherché à établir une mesure de l’effort
au salaire et au taux de chômage (Wadhani et Wall,
1991; Levine, 1992). Les résultats de ces différents
tests constituent sans doute un test de « non-réfutabilité » de la théorie. Ils ne permettent pas pour
autant d’attribuer la dispersion des salaires
uniquement à l’hypothèse de salaire d’efficience.
Dans cette étude, nous adoptons le deuxième type de
test ; l’effort, exprimé par les rémunérations, est
inclus dans la fonction de production. Nous avons
opté pour une fonction d’effort de forme
polynomiale, celle qui ajuste le mieux nos données.
Il s’en suit que
[6] :
Les facteurs de production capital et travail sont
mesurés en intégrant d’autres caractéristiques
qualitatives à l’instar des travaux portant sur les
mesures de la productivité des facteurs menés
initialement par Mairesse et Sassenou (1989). Ces
auteurs suggèrent d’introduire dans la technologie
de production, outre les effets du capital et du travail :
- la composition par génération de stock d'équipement à travers un indicateur de son âge moyen. Ceci permet de mesurer l'effet du progrès technique incorporé. La relation proposée est la suivante :
-
- où t est un trend et ageit désigne l'âge moyen du capital ;
- la structure de qualification de la main d’œuvre. Dans ce cadre, l'emploi est mesuré en termes d'unités de productivités marginales équivalentes selon la formulation suivante :
-
- où Lit représente l'emploi total, Lit* l'emploi mesuré en unités de productivités marginales équivalentes, et q désigne la part de l'emploi dans la catégorie j. jit b est un coefficient de pondération représentant le j rapport entre la productivité marginale des salariés de la qualification j et celle de la catégorie de référence, normalisée à 1. Dans cette étude, le facteur travail est divisé en deux catégories : la main d’œuvre qualifiée (qs ) et celle non qualifiée (qu ) [7].
En remplaçant les expressions (3), (4) et (5) dans la
relation (2), on obtient sous une version
logarithmique, la relation qui suit :
Cette spécification permet de corriger une éventuelle
dispersion des salaires inter-entreprises qui
s’expliquerait par des différences de dotation en
capital humain. En plus, elle permet de cerner
l’impact sur la productivité de la structure de
qualification de la main-d’œuvre.
Un test classique de la pratique du salaire
d’efficience peut être effectué à partir de la forme
Translog en testant la significativité statistique de la
variable salaire relatif, selon l’hypothèse nulle
suivante : (Huang et alii, 1998)
Par ailleurs, l’élasticité de la production par rapport
au facteur travail est définie selon l’expression qui
suit :
L’effet du progrès technique peut être défini de la
manière suivante :
On obtient une décomposition du progrès technique
selon ses différentes sources : progrès technique
neutre, associé à l’âge du capital, qualité du travail,
etc.
S’agiss ant d’une frontière de prod uctio n
stochastique, le terme résiduel ε s’exprime sous une
forme composée comme suit :
Le premier terme vit représente un résidu standard,
alors que le second terme u fait référence à
i l’inefficience technique des firmes, supposée non
observable et invariante dans le temps.
L’introduction d’une fonction d’effort dans la
frontière de production présente le mérite de mesurer
une composante observable de l’inefficience
technique variable à travers le temps et imputable à
un manque d’effort des travailleurs traduisant un
manque d’incitation salariale. On peut, ainsi,
apprécier l’efficacité de la politique salariale
pratiquée à l’intérieur de l’entreprise. En effet, le
modèle (6) peut être également reformulé de manière
à spécifier une frontière de production stochastique
comportant une inefficience technique u, supposée
it variableà travers le temps, de la manière suivante :
avec
où u désigne la composante inobservable de
i l’inefficience technique, supposée stochastique et
invariante dans le temps, alors que Ï„ mesure une
it composante observable de l’inefficience technique
variable à travers le temps et attribuable à l’effort.
Elle s’exprime selon la relation suivante :
Le problème d’identification du paramètre λ peut
être contourné en empruntant la démarche de
Kumbhakar (1 991) qui consite à estimer
l’inefficacité de la firme reliée à l’effort
(relativement à la firme la plus efficiente du point de
vue effort à un instant donné et pas nécessairement
sur toute la période) de la manière suivante :
L’impact de l’inefficience du travail sur la
production est déduit de la manière suivante :
Frontières d'efficience stochastiques en panels incomplets
La littérature des dix dernières années sur les
frontières de production stochastiques avec données
de panel a permis d'ouvrir de nouveaux champs
d'investigation sur les performances productives des
firmes. Ceci a permis un essor substantiel des
analyses empiriques de l'efficience technique
couvrant un grand nombre de pays et touchant
pratiquement l'ensemble des secteurs
[8]. Sur le plan
économétrique, l'utilisation des données de panel a
constitué un avantage incontestable. Elle a permis de
tenir compte de l'hétérogénéité des firmes, de ne pas
imposer des restrictions sur la distribution du terme
d'efficience (Schmidt, 1986) et de pouvoir relâcher
l'hypothèse d'indépendance entre les régresseurs et
l'efficience technique (Schmidt et Sickles,1984 ;
Bauer, 1990). On suppose ici que l'efficience
technique est invariante dans le temps
[9]. Une
procédure d’estimation efficace consiste alors à
appliquer la méthode de Hausman-Taylor (1981) sur
des panels incomplets. Ceci présente l’avantage de
proposer une mesure efficace de l'efficience
technique tout en permettant de capter les effets
spécifiques à la firme.
Le modèle retenu prend l'expression suivante :
avec
Les variables y, x et z désignent, respectivement, la
production, l'ensemble des régresseurs variables à
travers le temps (les facteurs de production, la
fonction d’effort, le progrès technique, etc.) et
l'ensemble des variables invariantes dans le temps
(la localisation géographique, le degré d’ouverture
et la branche d'activité de la firme). u est le terme
i asymétrique mesurant l'inefficience technique de la
firme, supposée invariante dans le temps. v est un
it terme résiduel désignant les effets incontrôlables de
la firme (grèves, incendies, etc.). Ces erreurs sont
supposées i.i.d. → Nv ( , )02 σ.
En définissant :
on retrouve le modèle standard des données de panel,
développé par Hausman-Taylor (1981) avec :
La procédure d'estimation de l'efficience technique
invariante dans le temps la plus usuelle, préconisée
initialement par Schmidt et Sickles (1984), consiste
à supposer que l'effet spécifique individuel α est
i fixe. Ceci présente la convenance de n'imposer
aucune hypothèse sur la distribution de l'inefficience
technique u tout en autorisant une éventuelle
i corrélation entre ce terme et certains régresseurs du
modèle
[10]. Une estimation convergente du vecteur
de paramètres β est obtenue en appliquant les MCO
sur le modèle transformé où les variables d'intérêt
sont définies en termes d’écarts par rapport à leur
moyenne individuelle
[11]. Il s'en suit que :
où
Les autres variables sont exprimées de manière
analogue. Dans le cas d’un panel incomplet, les T
i étant très différents d'un individu à un autre, un
problème d'hétéroscédasticité des erreurs peut alors
se poser. Pour y remédier, il suffit de transformer les
variables déviées par l'expression
[12]
En
omettant les variables invariantes dans le temps
(γ =0), les effets spécifiques individuels sont déduits
de la manière suivante :
L'efficience technique spécifique à la firme est alors
définie par la relation suivante :
avec :
La firme la plus efficiente est supposée située sur la
frontière de production. Cette p rocédure
d'estimation présente deux limites majeures
inhérentes aux modèles à effets fixes dans le contexte
classique des données de panel. Tout d'abord, les
estimateurs des paramètres de la frontière de
production sont inefficaces dans le sens que leur
identification est basée uniquement sur la variabilité
temporelle de l'échantillon. Ensuite, lorsque
l'efficience technique est invariante dans le temps, il
est impossible de tenir compte, à travers le modèle de
la covariance, des effets des variables spécifiques
aux firmes, invariantes dans le temps (branche
d'activité, localisation géographique, etc.). Aussi, si
ces dernières sont significatives, leur effet se trouve
confondu avec la mesure de l'efficience technique
qui devient biaisée. D'où l'intérêt de la spécification
individuelle aléatoire de l'efficience technique qui
présente l'avantage d'utiliser également la variabilité
interindividuelle en plus de la dimension temporelle
de l'échantillon. En outre, sous l'hypothèse d'absence
de corrélation entre les régresseurs et le terme
spécifique aléatoire, cette méthode permet de fournir
des estimateurs efficaces et de capter les effets
spécifiques des firmes. Dans ce cadre, les termes u
i mesurant l'inefficience technique individuelle des
firmes sont supposés i.i.d. Nu ( , )μ σ2 avec μ >0.
En définissant (Cornwell et Schmidt,1996)
α α μ * = - et u u i i* = - μ, le modèle(16) s'exprime
sous la forme standard d'un modèle à erreurs
composées :
avec εit it i v u= -*, ou encore sous une forme plus
compacte :
avec 1 désignant le vecteur somme d'ordre T. Les
Tii termes Y X Z i, , sont définis de manière appropriée.
i i La matrice de variances-covariances des erreurs
prend la forme compacte suivante :
où ITi désigne la matrice identité d'ordre Ti.
Baltagi (1985) montre que l'estimation par les
moindres carrés généralisés des paramètres d'intérêt
du modèle (23), lorsque les variances des erreurs
sont connues, revient en fait à appliquer les MCO au
modèle transformé suivant :
avec :
les autres variables étant traitées de manière
analogue. Le paramètreθi est donné par l'expression
suivante :
Généralement, les variances des erreurs sont
inconnues. Aussi, on adopte la procédure
d'estimation des moindres carrés quasi-généralisés
(MCQG). Ceci consiste à remplacer le paramètre θ
i par son estimateur convergent résultant des
variations résiduelles obtenues dans les dimensions
intra et inter-individuelles. D'où, l’on obtient :
avec :
Notons que les estimateurs $,$β β w B et $γB indiquent,
respectivement, les estimateurs de β et γ obtenus,
respectivement, à partir des transformations
"Within" et "Between"
[13].
L'efficience technique est obtenue selon le même
principe que les expressions (21) et (22) en utilisant
les résidus moyens pour une firme i estimés de la
manière suivante
[14] :
L’estimateur de l’efficacité technique qui en découle
n’est convergent que lorsque N et T sont tous les
i deux élevés (Schmidt et Sickles, 1984)
[15]. Une
approche alternative consisterait à utiliser une
prévision BLUP de ui* selon la démarche de Taub
(1979) s'exprimant de la manière suivante :
avec $ $ $ $ * ε α β γ it it gls it gls i gls y x z= - - -. Il s'en suit que :
L'avantage de la méthode à effet spécifique aléatoire,
par rapport à celle à effet fixe, réside dans le fait que
l'efficience technique n'est pas contaminée par les
effets des variables invariantes dans le temps.
Néanmoins, l’hypothèse d’absence de corrélation
entre les régresseurs et l’effet aléatoire peut ne pas
être validée par les évidences empiriques, auquel cas
les estimateurs des MCQG sont non-convergents
(lorsque N → ∞ et le nombre de périodes est limité
dans le temps, ce qui est le plus courant dans la
pratique). En revanche, l’estimateur within demeure
convergent sans toutefois pouvoir identifier l’effet
des variables explicatives constantes à travers le
temps. Aussi, une approche plus efficace consisterait
à appliquer la méthode des variables instrumentales
de Hausman-Taylor (1981) adapté aux panels
incomplets. Il s’agit de la procédure de Gardner
(1998) qui consiste à appliquer la méthode des
variables instrumentales au modèle (26) en
spécifiant les instruments dela manière suivante
[16] :
avec Q la matrice qui transforme un vecteur
d’observations en un vecteur d’écarts par rapport aux
moyennes individuelles et P la matrice qui
transforme les observations en moyennes
individuelles. On rappelle que dans le contexte des
panels complets la matrice des instruments de la
procédure de H-T se présente comme suit :
La différence principale réside dans le fait que pour
les panels incomplets on retient les moyennes
ind ividuelles pond érées p ar θ en tant
i qu’instruments plutôt queles moyennes simples.
[17]
Les données et les résultats d’estimation
Présentation des données
Notre étude empirique est menée auprès d’un
échantillon d’entreprises de l’industrie du textile,
habillement et cuir (ITHC) provenant de l’enquête
annuelle des entreprises (EAE) réalisée depuis 1983
par l’Institut National de la Statistique (INS). Le
choix de l’ITHC est dicté par la place prépondérante
qu’elle occupe au sein de l’économie tunisienne. En
1996, cette industrie a contribué à raison de 51%
dans les exportations totales, représentant environ
63% de celles du secteur manufacturier. Il s’agit
également d’une industrie qui contribue pleinement
à la création d’emplois occupant en 1995 presque la
moitié de la population active de l’industrie
manufacturière. Durant l’année 1996,53% des
créations d’emplois industriels enregistrées
proviennent de l’ITHC. Cette dernière rassemble
plusieurs activités : filature, tissage, confection,
broderie, chaussures, etc. Ces entreprises sont, dans
leur grande majorité exportatrices, caractérisées par
un taux de participation étrangère dans le capital
assez élevé.
L’échantillon de départ est composé de 630
entreprises observées à raison de 2 à 12 années
chacune durant la période [1983–1994]. Nous avons
procédé par la suite à un nettoyage de ces données en
utilisant la méthode attribuée à Tukey, basée sur
l’écart interquartile de la variable considérée
(Kremp, 1995). Sur le plan pratique, les observations
situées à plus de trois intervalles interquartiles du
premier et du troisième quartiles, sont considérées
comme valeurs extrêmes et sont alors écartées
[18].
Tableau 1
répartition des entreprises selon le nombre d’années de présence dans l’échantillon
Ce nettoyage a abouti à un échantillon de 619
entreprises observées durant la période précitée
donnant lieu à 3909 observations. La répartition de
ces entreprises selon le nombre d’années de présence
figure dans le tableau 1
[19].
Notre échantillon représente des parts importantes
dans l’emploi de l’ITHC et ceci sur toute la période
d’étude (51% en 1983 et 65% en 1990). Le glossaire
suivant récapitule les variables retenues dans
l’étude :
Y : La valeur ajoutée (y) à prix constants.
L : L’emploi, mesuré par l’effectif total.
K : Le volume du stock de capital fixe construit
suivant la procédure de Mairesse, Dormont et
Chanut (1984), c’est-à-dire la valeur historique
des immobilisations, est déflaté par un indice
de prix d’investissement sectoriel décalé de
l’âge moyen des immobilisations (Age).
Age : L’âge moyen du capital.
Qs : La proportion des cadres supérieurs,
ingénieurs et agents de maîtrise.
Qu : La proportion des ouvriers et des manœuvres.
Wr : Le salaire relatif. Il est calculé comme étant
le rapport entre le salaire moyen d’une
entreprise (w) et un salaire alternatif (w), celui
auquel peut prétendre un salarié s’il était
licencié. Celui-ci est pris égal au salaire moyen
des firmes appartenant au même quartile de
qualification, et donc ayant des structures de
qualifications comparables.
Les variables indicatrices :
Act1 =1 si l’entreprise produit dans la branche
tissus, filatures et tapisserie, 0 sinon.
Act2 =1 si l’entreprise produit dans la branche des
produits de la bonneterie, 0 sinon.
Act3 =1 si l’entreprise produit dans la branche
d’habillement et confection, 0 sinon. Il s’agit
de la firme de référence.
Act4 =1 si l’entreprise produit dans la branche du
cuir et de la chaussure, 0 sinon.
Dpex =1 si l’entreprise est exportatrice, 0 sinon.
Quelques statistiques descriptives des principales
variables del’étude sont fournies dans le tableau 2.
Nous remarquons l’hétérogénéité des entreprises
constituant l’échantillon en termes de taille. En
moyenne, ces entreprises emploient 104 personnes
et la majorité (75%) emploient moins de 133
personnes ; il s’agit plutôt de petites et moyennes
entreprises conformément au tissu industriel
tunisien. Quant au taux d’encadrement, il se situe à
un niveau moyen relativement bas de 14% et la
majorité des entreprises (75%) sont mal encadrées
(18%). Ces résultats traduisent le fait que l’ITHC est
une industrie qui emploie intensivement de la
main-d’œuvre peu qualifiée. L’âge moyen du capital
est de l’ordre 7,2 années en moyenne. Ceci témoigne
d’une certaine vétusté des équipements installés.
Tableau 2
statistiques descriptives des variables
Résultats empiriques
Choix d’une bonne spécification économétrique
Les colonnes 1-2 du tableau 3 fournissent les
résultats d’estimation de la frontière Translog
[20] (6)
obtenus par les méthodes classiques (la procédure
“within” corrigée du problème d’hétéroscédasticité
et la méthode des MCQG adaptées aux données non
cylindrées). Les résultats de ces deux méthodes
d’estimation sont sensiblement différents et
suggèrent l’existence d’une corrélation entre les
régresseurs et l’effet spécifique. Ceci nous a amené à
effectuer le test d’Hausman qui s’avère significatif
au seuil de 5%. Tenant compte de la portée pratique
que peuvent avoir les variables invariantes dans le
temps dans la mesure de l’efficience technique, nous
avons estimé par la suite le modèle spécifié par la
méthode des variables instrumentales de H-T
adaptée aux panels incomplets (tableau 3, colonne
3). Le choix des instruments qui soient corrélés aux
variables explicatives mais pas à l’effet individuel,
n’est pas chose simple sur données d’entreprises.
Cette tâche devient plus ardue sur une fonction de
production ou les facteurs travail et capital ainsi que
l’âge du capital et le salaire relatif sont
potentiellement endogènes. Les instruments utilisés
ici concernent l’ensemble des variables variantes
dans le temps exprimés dans la dimension « Within ».
En outre, le salaire de référence, le taux
d’encadrement, le secteur d’activité ainsi que la
nature exportatrice ou non de la firme sont supposés
exogènes. Le choix des instruments est appuyé par le
test d’exogénéité d’Hausman (1981).
Tableau 3
résultats d’estimation de la frontière
Par ailleurs, nous nous sommes également intéressés
au problème d’existence ou non d’un biais de
cylindrage lorsqu’on centre l’analyse uniquement
sur les entreprises observées durant toute la période
considérée. On note à cet effet que le nombre
d’entreprises est réduit considérablement lorsqu’on
extrait de l’ensemble des don nées u n
sous-échantillon cylindré. On passe de 619 à 28
entreprises, d’où une perte d’efficacité en plus d’une
imprécision. Par conséquent, nous retiendrons dans
ce qui va suivre les résultats obtenus sur les données
de p anel incomplets. En co nséquence,
l’interprétation économique est basée sur les
résultats d’estimation du modèle contraint obtenus
par la méthode de Hausman-Taylor adaptée au panel
incomplet (tableau 3, colonne 4).
Interprétation économique
D’un point de vue économique, les résultats sont
globalement satisfaisants ; les signes et les valeurs
des élasticités sont plausibles (tableau 4).
L’élasticité de la production parrapport au capital est
(au point moyen) de 0,18 et celle du travail est de 0,7.
L’impact du facteur travail est nettement supérieur à
celui du facteur capital; c’est un résultat attendu car
l’ITHC en Tunisie est une industrie où le facteur
travail joue un rôle primordial. Les rendements
d’échelle sont décroissants.
Tableau 4
élasticités partielles de la production
Le progrès technique se manifeste avec un effet
négligeable presque nul sur la production durant
toute la période d’étude. Ce résultat peut être dû à
l’existence de firmes publiques dans l’échantillon.
En outre, ceci peut être expliqué par le fait que le
secteur ITHC est intensif en travail, ce qui empêche
les firmes d’exploiter les gains de productivité
provenant de la substitution du capital au travail
(Dharwan et Gerdes, 1997).
Par ailleurs, la structure des qualifications de la
main-d’œuvre est déterminante du niveau de la
production, avec un effet positif de la part des cadres
supérieurs et des agents de maîtrise. Le capital
humain constitue un facteur significatif dans les
sources de gains de productivité de l’ITHC.
La prise en compte de l’appartenance sectorielle
sous forme de variables de contrôle invariante à
travers le temps s’avère significative, ce qui
confirme l’hétérogénéité du comportement
productif selon les branches d’activité. On note que
les branches de la filature, tissage et tapisserie et cuir
et chaussures apparaissent, en moyenne, plus
productives en comparaison à celle de l’habillement.
En revanche, la branche bonneterie est moins
productive. Par ailleurs, les entreprises exportatrices
présentent en moyenne, toutes choses étant égales
par ailleurs, un gain de productivité de l’ordre de
47% par rapport aux entreprises non-exportatrices.
Ce résultat souligne l’importance de l’effet
“d’apprentissage” dont bénéficient les entreprises
ouvertes sur le marché extérieur
[21].
Le salaire relatif apparaît comme un facteur
d’incitation et de motivation pour les employés,
fortement déterminant de leur effort et alors source
de gains de productivité. Le test formulé en (7) ne
rejette pas la pratique d’une politique d’efficience
salariale. L’élasticité de la production par rapport au
salaire relatif est de l’ordre de 0,12 en moyenne. Il est
vrai que cette validation empirique puisse trouver
des fondements théoriques en dehors de la théorie du
salaire d’efficience, à l’instar de celles du capital
humain et du partage de profit. Or, si la première
théorie a été prise en considération suite à
l’introduction de la structure de qualification de la
main-d’œuvre dans la fonction de production, la
deuxième se prête mal au contexte tunisien puisque
le partage du profit est une pratique non courante en
Tunisie.
Finalement, ces estimations vont nous permettre,
selon une procédure déjà présentée (Schmidt et
Sickles, 1984, adaptée au non-cylindré), de dégager
des mesures de l’efficacité technique. Pour éviter la
sensibilité des mesures de l’efficacité aux valeurs
extrêmes (les firmes extra-efficientes), nous
présentons au tableau 5 les mesures relatives aux
10% des firmes techniquement les plus efficaces
dans l’échantillon.
La dimension “within” fournit une estimation plus
faible du niveau d’efficacité. La méthode des MCQG
surestime l’efficacité de l’ordre de 4% en
comparaison aux résultats obtenus par la méthode
des variables instrumentales qui fournissent une
efficacité moyenne de l’ordre de 61%. Ceci peut être
interprété par le fait, qu’en moyenne, les firmes
peuvent augmenter leur production de 39% en
utilisant les mêmes quantités d’inputs, mais d’une
manière plus performante voire optimale. Ces
résultats sont en conformité avec ceux de Chaffaï
(1996)
[22] et compatibles avec d’autres études sur les
pays en voie de développement (voir Tybout, 2000).
L’analyse de la distribution de l’efficacité technique
par branche d’activité montre au tableau n°6 que les
entreprises de la branche cuir et chaussures sont, en
moyenne, les moins efficaces. Ces résultats
semblent en parfaite concordance avec la réalité
économique du secteur du fait de son ouverture
limitée sur l’extérieur.
L’analyse de la distribution de l’efficacité technique
selon l’âge du capital montre, au tableau 7, que les
entreprises qui investissent dans des nouveaux
équipements sont nettement plus efficaces que
celles qui maintiennent les anciens équipements.
Tableau 5
distribution de l’efficience technique selon les spécifications économétriques retenues
Tableau 6
distribution de l’efficacité technique par branche d’activité
Tableau 7
distribution de l’efficacité selon l’âge moyen du capital
Tableau 8
mesure du niveau annuel moyen
Finalement, nous avons dégagé une inefficacité
moyenne variable à travers le temps, due à une
mauvaise utilisation du facteur travail associée à un
manque de motivation salariale.
L’inefficience moyenne, attribuable à l’utilisation
du travail, plus précisément, reliée à l’effort est en
moyenne estimée à 4%. Ce différentiel de production
par rapport au niveau optimal semble assez faible et
s’associe à un manque de motivation salariale. Cette
faiblesse peut être expliquée par le fait que dans
l’industrie du textile en Tunisie, composée
essentiellement de petites et moyennes entreprises
avec une main d’œuvre faiblement qualifiée, les
procédures de contrôle sont faciles à mettre en œuvre
ainsi que les moyens d’incitation autres que le salaire
d’efficience, tel que le paiement d’heures
supplémentaires. En conséquence, les pratiques du
salaire d’efficience devraient concerner ici plutôt le
personnel hautement qualifié, compte tenu de sa
rareté. Ce constat serait davantage conforté si on
pouvait disposer des salaires par qualification de
manière à pouvoir étudier la relation d’efficience par
qualification.
[23]
En somme, l’inefficacité due à un manque
d’incitation salariale est assez faible. L’inefficacité
technique peut être attribuée à d’autres facteurs,
nous citons particulièrement le problème
d’absentéisme qui est un grand handicap dans le
secteur ITHC en Tunisie. D’autres facteurs, tels
qu'une mauvaise utilisation du capital et une vétusté
des équipements, peuvent être à l’origine de cette
inefficacité.
Conclusion
L’objet de ce travail a consisté à identifier deux
composantes de l’inefficience technique : une
première composante stochastique, non observable,
spécifique aux entreprises, et une deuxième variable
à travers le temps associée à un manque d’effort de la
part des employés imputable à un manque de
motivation salariale. Grâce aux techniques des
variables instrumentales adaptées aux panels
incomplets, il a été possible d’estimer la composante
aléatoire tout en tenant compte des effets spécifiques
à la firme.
La frontière de production stochastique estimée a été
représentée par une forme Translog dans laquelle les
facteurs capital et travail ont été mesurés en intégrant
certaines de leurs caractéristiques qualitatives. Ceci
nous a permis d’étudier les effets du progrès
technique ainsi que ceux des qualifications sur la
productivité. Cette fonction a été augmentée d’une
fonction d’effort afin d’étudier la relation
productivité-salaire d’une part et de mesurer
l’efficacité de la politique salariale pratiquée au sein
de l’entreprise d’autre part. Ceci a permis de dégager
l’inefficience technique imputable à un manque
d’effort traduisant le manque d’incitations
salariales.
L’étude empirique a porté sur un échantillon de 619
entreprises de l’ITHC observées sur la période
[1983-1994]. Des tests de spécification de Hausman
portant sur le choix d’un effet fixe ou aléatoire de
l’inefficience technique, l’existence de biais de
cylindrage ont été effectués afin de retenir la
meilleure spécification. Le choix des instruments a
été également appuyé par un test d’exogénéité.
Les résultats empiriques ont fait ressortir des
rendements d’échelle décroissants avec une
élasticité partielle du travail assez importante. Une
détérioration productive a été observée sur la période
[1983-1990]. La structure de qualification de la
main-d’œuvre est apparue déterminante de la
productivité. Le capital humain est alors source de
gains de productivité. Une hétérogénéité a été
relevée dans le comportement productif des
entreprises selon les branches d’activité. Le salaire
relatif constitue un facteur de motivation
déterminant de la productivité, d’où l’importance de
la politique de gestion de la main-d’œuvre. Les
entreprises exportatrices bénéficiant d’un effet
d’apprentissage présentent, en moyenne, un gain de
productivité de l’ordre de 47% par rapport aux
entreprises non-exportatrices.
La mesure de l’efficacité retenue a été celle dégagée
à partir de l’estimation de Hausman-Taylor adaptée
aux panels incomplets. En moyenne, elle a été de
l’ordre de 61%. Ceci permet de conclure que les
firmes peuvent augmenter leur production de 39%
avec les mêmes quantités de facteurs utilisés. La
branche cuir et chaussures apparaît comme étant la
moins efficace. Ce résultat semble en conformité
avec la réalité économique compte tenu du faible
degré d’ouverture de cette branche sur l’extérieur.
La mesure de l’inefficacité de l’effort a été en
moyenne de l’ordre de 4% signalant ainsi que la
politique salariale pratiquée n’a pas été à l’origine de
l’inefficacité technique observée. Celle-ci est plutôt
due à d’autres facteurs, nous citons ici le problème
d’absentéisme que rencontre l’ITHC en Tunisie.
D’autres facteurs tels que l’utilisation du capital, la
vétusté des équipements, peuvent être à l’origine de
l’inefficacité technique observée.
BIBLIOGRAPHIE
·
Ahmad M., Bravo-Ureta B. (1996). « Technical Efficiency
Measures for Dairy Farms Using Panel Data : A Comparaison
of Alternative Model Specifications », Journal of
Productivity Analysis, vol.7, pp. 399-415.
·
Akerlof G., Yellen J. (1986). “Efficiency Wage Models of
the Labor Market”, Introduction in G Akerlof, J Yellen (eds),
Cambridge University Press, pp.1-21.
·
Baltagi B.H. (1985). “Pooling Cross-Sections with Unequal
Time Series Lengths”, Economics Letters, n°18, pp.133-136.
·
Blanchard P., Sevestre P. (1999). “Is Maximal Efficiency
Necessarily Optimal for Firms ? A Panel Data Analysis of
Firms Technical Efficiency within an Efficiency Wage
Framework », in Micro and macrodata of firms, Biffignandi
S., Ed Physica-Verlag, pp. 263-278.
·
Bauer P.W (1990). “Recent Development in the Econometric
Estimation of Frontiers”, Journal of Econometrics, vol. 46,
pp. 39-57.
·
Berger A.N. et Humphrey D.B. (1997). « Efficiency of
Financial Institutions : International Survey and Directions
for Future Research », European Journal of Operational
Research, vol. 98, pp.175-212.
·
Chaffaï M.E. (1996). “ Mesure de la productivité et de
l’efficacité productive par la méthode économétrique : note
méthodologique et résultats empiriques sur données
d’entreprises”, Document de travail, n° 05-96, Institut
d’Economie Quantitative Tunis.
·
Cornwell C., Schmidt P. (1996). “Production Frontiers and
Efficiency Measurement”, In The Econometrics of Panel
Data, Handbook of theory and applications, Matyas L. et
Sevestre P., Kluwer academic publishers, pp. 845-878.
·
Dhawan R. et Gerdes G. (1997). “Estimation of
technological Change Using Stochastic Frontier Production
from Framework : Evidence from USA Firm Level Data”,
Journal of Productivity Analysis, vol.8, pp. 431-446.
·
Gardner R. (1998), “Unobservable Individual Effects in
unbalanced Panel Data”, Economics Letters, vol.58, pp.
39-42.
·
Goaïed M. et Ben Ayed-Mouelhi R. (2000). " Efficiency
Measurement With Unbalanced Panel Data : Evidence on
Tunisian Textile, Clothing and Leather Industries ", Journal
of Productivity Analysis, vol.13, n°3, mai, pp.249-262.
·
Guillotin Y., Sevestre P. (1994). “Estimation de fonctions de
gains sur données de panel : Endogénéité du capital humain et
effets de la séléction”, Economie et Prévision, n°116,
pp.119-135.
·
Hausman J., Taylor W.E (1981). “Panel Data and
Unobservable Individual Effects”, Econometrica, vol. 46,
pp.1377-1398.
·
Huang T.L, Hallam A., Orazem P.F., Paterno (1998).
« Empirical Tests of Efficiency Wage Models », Economica,
vol. 65, pp. 25-143.
·
Katz L. (1986). “Efficiency Wage Theories : A Partial
Evaluation”, NBER Macroeconomics Annual, pp. 235-289.
·
Kremp E. (1995) “Nettoyage de fichiers dans le cas de
données individuelles, Recherche de la cohérence
transversale”, Economie et prévision, n°119, vol.3,
pp.171-193.
·
Krueger A. Summer L. (1988). "Efficiency Wages and
Inter-Industry Wage Structure", Econometrica, vol. 56, n°2,
pp.259-274.
·
Kumbhakar S.C. (1991). “Work Effort, Technical
Efficiency, and Productivity Growth”, Econometric Reviews,
vol. 10, n°1, pp.101-123.
·
Leibenstein H. (1957). « Economic Backwardness and
Economic Growth », John Wiley, New-York.
·
Levine D. (1992). « Can Wages Increases Pay for
Themselves ? Tests with Production Function », Economic
Journal, vol.102, n° 414, pp. 1102-1115.
·
Mairesse J., Dormont B., Chanut J.M. (1984). “Croissance,
productivité, rentabilité et disparités des performances
économiques des entreprises des industries françaises”,
Document de travail, Ensae.
·
Mairesse J., Sassenou M. (1989). “Les facteurs qualitatifs de
la productivité des entreprises : un essai d'estimation”,
Economie et Prévision, n°91, pp. 35-42.
·
Nijman T., Verbeek M. (1992). “Incomplete Panels and
Selection Bias”, In The Econometrics of Panel Data.
Handbook of theory and applications, Matyas L. et Sevestre P.
eds, Kluwer academic publishers, pp. 263-315.
·
Salop S. (1979). " A Model of the Natural Rate of
Unemployment ", American Economic Review, vol. 69, n°1,
pp.117-125.
·
Schmidt P. (1986). “Frontier Production Functions”,
Econometric Reviews, vol. 4, pp. 289-328.
·
Schmidt P., Sickles R.C. (1984). “Production Frontiers and
Panel Data”, Journal of Business and Economic Statistics
vol.2, n°4, pp. 367-374.
·
Seale J., (1990). " Estimating Stochastic Frontier Systems
with Unbalanced Panel Data : The Case of Floor Tile
Manufactories in Egypt ", Journal of Applied Econometrics,
vol.5, pp. 59-74.
·
Shapiro C., Stiglitz J. (1984). " Equilibrium Unemployment
as a Worker Discipline Device", American Economic Review,
vol. 73, n°3, pp. 433-444.
·
Silverman B.w. (1986). Density Estimation for Statistics and
Data Analysis, London and New-York, Chapman et Hall.
·
Taub A.J. (1979). “Prediction in the Context of the
Variance-Component Model”, Journal of Econometrics,
vol.10, pp.103-108.
·
Tybout J.R (2000). " Manufacturing Firms in Developping
Countries : How Well Do They Do, and Why ? ", Journal of
Economic Litterature, vol.38, mars 2000, pp. 11-44.
·
Wadhwani S. Wall M. (1991). “A Direct Test of the
Efficiency Wage Model Using UK Micro-Data”,. Oxford
Economic Papers, vol.43, pp. 529-548.
·
Weiss A. (1980). « Job Queues and Layoffs in Labor Markets
with Flexible Wages », Journal of Political Economy, vol.88,
n°3, pp. 526-538.
NOTES
[(*)]
Unité de recherche en Econométrie Appliquée (URECA),
Département d’Economie, Institut supérieur de Comptabilité
et d’Administration des Entreprises.
E-mail : Rim. MMouelhi@ iscae. rnu. tn
Unité de recherche en Econométrie Appliquée (URECA),
Département d’Economie, Institut supérieur de Comptabilité
et d’Administration des Entreprises.
E-mail : Rim. MMouelhi@ iscae. rnu. tn
[(**)]URECA, Département de Méthodes Quantitatives,
Institut des Hautes Etudes Commerciales, 2016 Cartage.
E-mail : mm. goaied@ planet. tn
URECA, Département de Méthodes Quantitatives,
Institut des Hautes Etudes Commerciales, 2016 Cartage.
E-mail : mm. goaied@ planet. tn
[(1)]La valeur ajoutée des industries manufacturières a observé,
sur la période [1987-1997], une croissance moyenne à prix
constant de l’ordre de 5,6% représentant près de 27,4% de celle
de l’ensemble de l’économie. Ses exportations couvrent
environ 85,3% des exportations de biens totales du pays.
La valeur ajoutée des industries manufacturières a observé,
sur la période [1987-1997], une croissance moyenne à prix
constant de l’ordre de 5,6% représentant près de 27,4% de celle
de l’ensemble de l’économie. Ses exportations couvrent
environ 85,3% des exportations de biens totales du pays.
[(2)]À l'instar des pays méditerranéens, la Tunisie bénéficie
auprès de l'Union européenne de traitement préférentiel
concernant l’industrie du textile qui lui a permis, par rapport
aux concurrents asiatiques, soumis aux accords multi-fibres, de
conquérir une part importante du marché européen. Toutefois,
depuis 1995, on assiste à la suite des accords de l'Uruguay
Round à un démantèlement progressif de ces accords
protectionnistes permettant une intégration progressive des
produits du textile au GATT durant la période allant de 1995 à
2005.
À l'instar des pays méditerranéens, la Tunisie bénéficie
auprès de l'Union européenne de traitement préférentiel
concernant l’industrie du textile qui lui a permis, par rapport
aux concurrents asiatiques, soumis aux accords multi-fibres, de
conquérir une part importante du marché européen. Toutefois,
depuis 1995, on assiste à la suite des accords de l'Uruguay
Round à un démantèlement progressif de ces accords
protectionnistes permettant une intégration progressive des
produits du textile au GATT durant la période allant de 1995 à
2005.
[(3)]Berger et alii (1997) soulignent cependant que la frontière
Translog n’est que localement flexible. Ils signalent la
tendance actuelle à privilégier des formes fonctionnelles
globalement flexibles, telle que la forme de Fourrier. Les
auteurs mentionnent aussi la relation inverse entre la flexibilité
de la forme fonctionnelle et la mesure de l’efficacité technique.
Berger et alii (1997) soulignent cependant que la frontière
Translog n’est que localement flexible. Ils signalent la
tendance actuelle à privilégier des formes fonctionnelles
globalement flexibles, telle que la forme de Fourrier. Les
auteurs mentionnent aussi la relation inverse entre la flexibilité
de la forme fonctionnelle et la mesure de l’efficacité technique.
[(4)]À l’instar de Huang, Hallam, Orazem et Paterno (1998),
nous évitons d’introduire la fonction d’effort de façon
multiplicative sur l’emploi pour ne pas contraindre l’élasticité
de l’effort par rapport au salaire à l’unité.
À l’instar de Huang, Hallam, Orazem et Paterno (1998),
nous évitons d’introduire la fonction d’effort de façon
multiplicative sur l’emploi pour ne pas contraindre l’élasticité
de l’effort par rapport au salaire à l’unité.
[(5)]La fonction d’effort retenue par Kumbhakar (1991) est
différente de la nôtre. Elle est exprimée en fonction de facteurs
sociaux et institutionnels affectant l’effort des travailleurs. Il
s’agit de la variable taux de chômage et de cette même variable
croisée avec une variable d’ancienneté. Dans cette étude,
l’introduction du taux de chômage global (le seul disponible)
dans la fonction d’effort a fourni des résultats non significatifs.
La fonction d’effort retenue par Kumbhakar (1991) est
différente de la nôtre. Elle est exprimée en fonction de facteurs
sociaux et institutionnels affectant l’effort des travailleurs. Il
s’agit de la variable taux de chômage et de cette même variable
croisée avec une variable d’ancienneté. Dans cette étude,
l’introduction du taux de chômage global (le seul disponible)
dans la fonction d’effort a fourni des résultats non significatifs.
[(6)]À titre indicatif, une régression non paramétrique de la
production en fonction du salaire relatif, selon la méthode de
Kernel, signale l’existence d’une relation non linéaire entre ces
deux variables (voir Silverman, 1986).
À titre indicatif, une régression non paramétrique de la
production en fonction du salaire relatif, selon la méthode de
Kernel, signale l’existence d’une relation non linéaire entre ces
deux variables (voir Silverman, 1986).
[(7)]La prise en compte de la structure de qualification mériterait
la formulation de fonction d’effort par qualification à l’instar
de Blanchard et Sevestre (1999). Ceci n’a pas été possible de
mettre en œuvre dans cette étude car nous ne disposons pas de
données statistiques relatives aux salaires par qualification.
La prise en compte de la structure de qualification mériterait
la formulation de fonction d’effort par qualification à l’instar
de Blanchard et Sevestre (1999). Ceci n’a pas été possible de
mettre en œuvre dans cette étude car nous ne disposons pas de
données statistiques relatives aux salaires par qualification.
[(8)]Un excellent "survey" sur les différentes applications des
frontières de production dans le contexte des données de panel
existe dans Cornwell et Schmidt (1996).
Un excellent "survey" sur les différentes applications des
frontières de production dans le contexte des données de panel
existe dans Cornwell et Schmidt (1996).
[(9)]Il s’agit en fait de la composante persistante de
l’inefficience technique présente dans le modèle sous la forme
d’un effet aléatoire spécifique aux firmes.
Il s’agit en fait de la composante persistante de
l’inefficience technique présente dans le modèle sous la forme
d’un effet aléatoire spécifique aux firmes.
[(10)]Cornwell et Schmidt (1996) soulignent, dans le contexte
des frontières de production stochastiques avec données de
panels, que certaines firmes peuvent être en connaissance de
leur niveau d'efficience technique. Ceci pourrait affecter leur
choix au niveau des quantités d'inputs engagées dans le
processus de production.
Cornwell et Schmidt (1996) soulignent, dans le contexte
des frontières de production stochastiques avec données de
panels, que certaines firmes peuvent être en connaissance de
leur niveau d'efficience technique. Ceci pourrait affecter leur
choix au niveau des quantités d'inputs engagées dans le
processus de production.
[(11)]Cette convergence est réalisée lorsque N ou Ti → ∞,
abstraction faite d'une éventuelle corrélation entre les inputs et
l'effet spécifique individuel.
Cette convergence est réalisée lorsque N ou Ti → ∞,
abstraction faite d'une éventuelle corrélation entre les inputs et
l'effet spécifique individuel.
[(12)]Nous exprimons notre reconnaissance envers un des
rapporteurs anonymes qui attire notre attention sur la fait que,
par application directe du théorème de Kruskal(1968), les mco
sont blue dans un modèle à effets fixes, en panel incomplet,
même en présence de perturbations hétéroscédastiques.
Néanmoins, les écarts-types donnés par les logiciels en mco
sont erronés car ne tenant pas compte de l’hétéroscédasticité,
d’ou l’intérêt de la transformation opérée.
Nous exprimons notre reconnaissance envers un des
rapporteurs anonymes qui attire notre attention sur la fait que,
par application directe du théorème de Kruskal(1968), les mco
sont blue dans un modèle à effets fixes, en panel incomplet,
même en présence de perturbations hétéroscédastiques.
Néanmoins, les écarts-types donnés par les logiciels en mco
sont erronés car ne tenant pas compte de l’hétéroscédasticité,
d’ou l’intérêt de la transformation opérée.
[(13)]Les estimateurs "Between" de β et γ sont obtenus en
appliquant la procédure des mco sur le modèle transformé
comportant, pour chaque variable, les N moyennes
individuelles. Les estimateurs obtenus sont sans biais, mais
non efficaces à cause de l'hétéroscédasticité des erreurs du
modèle transformé. Contrairement à l'approche "within", ce
phénomène est difficile à traiter dans cette dimension.
Guillotin et Sevestre (1994) proposent des estimateurs
convergents des variances en adoptant les moindres carrés
asymptotiques.
Les estimateurs "Between" de β et γ sont obtenus en
appliquant la procédure des mco sur le modèle transformé
comportant, pour chaque variable, les N moyennes
individuelles. Les estimateurs obtenus sont sans biais, mais
non efficaces à cause de l'hétéroscédasticité des erreurs du
modèle transformé. Contrairement à l'approche "within", ce
phénomène est difficile à traiter dans cette dimension.
Guillotin et Sevestre (1994) proposent des estimateurs
convergents des variances en adoptant les moindres carrés
asymptotiques.
[(14)]Il est utile de rappeler que α α i i i u= - * *.
Il est utile de rappeler que α α i i i u= - * *.
[(15)]En fait, N doit être élevé pour garantir la convergence des
estimateurs des Moindres carrés généralisés de β et γ.
En fait, N doit être élevé pour garantir la convergence des
estimateurs des Moindres carrés généralisés de β et γ.
[(16)]Pour la définition des instruments, on se place dans les
conditions classiques de Hausman et Taylor (1981) qui
suggèrent de partitionner les matrices des variables X et Z en
deux sous-ensembles : X1 (k1 variables) et Z1 ( p1 variables) qui
ne sont pas corrélées avec l’effet spécifique, X2 (k2 variables)
et Z2 ( p2 variables) qui le sont. La condition d’identification est
k p 1 2 >.
Pour la définition des instruments, on se place dans les
conditions classiques de Hausman et Taylor (1981) qui
suggèrent de partitionner les matrices des variables X et Z en
deux sous-ensembles : X1 (k1 variables) et Z1 ( p1 variables) qui
ne sont pas corrélées avec l’effet spécifique, X2 (k2 variables)
et Z2 ( p2 variables) qui le sont. La condition d’identification est
k p 1 2 >.
[(17)]Goaïed et Mouelhi (2000) montrent une certaine
uniformité des résultats d’estimation par la méthode de
Hausman et Taylor (1981) des paramètres de la frontière
d’efficience et de la mesure de l’efficience technique,
lorsqu’on néglige la pondération par le paramètre θi des
instruments définis dans la dimension « Between ».
Goaïed et Mouelhi (2000) montrent une certaine
uniformité des résultats d’estimation par la méthode de
Hausman et Taylor (1981) des paramètres de la frontière
d’efficience et de la mesure de l’efficience technique,
lorsqu’on néglige la pondération par le paramètre θi des
instruments définis dans la dimension « Between ».
[(18)]Le nettoyage du fichier est basé sur la variable salaire.
Le nettoyage du fichier est basé sur la variable salaire.
[(19)]Nous avons exclu de notre champ d’analyse 127
entreprises observées durant une seule année.
Nous avons exclu de notre champ d’analyse 127
entreprises observées durant une seule année.
[(20)]Un test de Fisher classique a abouti au rejet de la forme
Cobb-Douglas au profit de la Translog.
Un test de Fisher classique a abouti au rejet de la forme
Cobb-Douglas au profit de la Translog.
[(21)]La significativité statistique de ces variables, invariantes
dans le temps, légitime encore une fois le recours aux
méthodes avec variables instrumentales.
La significativité statistique de ces variables, invariantes
dans le temps, légitime encore une fois le recours aux
méthodes avec variables instrumentales.
[(22)]Chaffaï(1996) a considéré des spécifications où
l’efficacité est variable à travers le temps. Plus précisément,
pour l’ITHC, il a trouvé que l’efficacité technique est presque
invariante durant la période [1983-1991], avec une moyenne
de l’ordre de 59,5%.
Chaffaï(1996) a considéré des spécifications où
l’efficacité est variable à travers le temps. Plus précisément,
pour l’ITHC, il a trouvé que l’efficacité technique est presque
invariante durant la période [1983-1991], avec une moyenne
de l’ordre de 59,5%.
[(23)]L’estimation du même modèle sans la variable salaire
relatif conduit à des mesures de l’efficacité technique
comparables.
L’estimation du même modèle sans la variable salaire
relatif conduit à des mesures de l’efficacité technique
comparables.
© Cairn 2007
Vie privée |
Conditions d’utilisation |
Conditions générales de vente
À propos | Éditeurs | Bibliothèques | Aide à la navigation | Plan du site | Raccourcis
À propos | Éditeurs | Bibliothèques | Aide à la navigation | Plan du site | Raccourcis
Retour en haut de page
Ici s'achève le contenu de la page, la suite ne concerne que les attributs d'affichage