Brevets et externalités en Europe: un modèle de comptage dynamique en panel Myriam ABDELMOULA ERMES (CNRS), Université Paris II Georges BRESSON ERMES (CNRS),
Post on 03-Apr-2015
104 Views
Preview:
Transcript
Brevets et externalités en Europe: un modèle de comptage
dynamique en panel
Myriam ABDELMOULAERMES (CNRS), Université Paris II
Georges BRESSONERMES (CNRS), Université Paris II
1- Introduction: Les externalités de R&D
• En général, R&D => Innovation, augmentation de la productivité, …
• La R&D d'un secteur peut avoir des effets positifs sur la productivité d'un autre secteur; on parle alors d'effets d'externalités positives de la R&D ou d'effets de spillovers (Griliches (1979), Mohnen (1992))
• Les effets de spillovers ont lieu lorsque les fruits de la R&D traversent, volontairement ou non, les frontières de la firme ou du pays innovateur initial. Ils peuvent être observés dans les différentes mesures de la performance (productivité, brevets, part de marché, ...).
1- Introduction: Croissance et externalités de R&D
• La dynamique économique est essentiellement due à l’amélioration des connaissances et/ou au progrès technologique (Romer (1986, 1990))
• La croissance dépend de l’activité locale en innovation et des externalités de connaissances (Grossman et Helpman (1991), Coe et Helpman (1995) et Paci et Usai (2000))
• Les externalités de connaissances dépendent:
- de la distance géographique
- de la proximité technologique
- des relations économiques entre les agents.
• La méthode la plus connues pour mesurer la proximité technologique est celle développée par Jaffe (1986).
• La mesure de Jaffe est comprise entre 0 et 1.
• Elle est proche de 0 pour des firmes très éloignées du point de vue technologique: HP et Danone
• Elle est proche de 1 pour des firmes très proches du point de vue technologique: HP et DELL
La notion de distance technologique
2- Externalités et proximité géographique
Auteur(s) Données et modèle Conclusions
Jaffe
(1989)
USA,
années 80,
recherche universitaire et brevets privés
existence de spillovers très localisés et très
sensibles à la distance géographique entre les
agents.
Bottazzi et Peri (2003)
86 régions européennes,
1977-1995,
R&D et brevets
existence de spillovers très faibles uniquement
dans un rayon de 300km.
3- Externalités et proximité technologique
Auteur(s) Données et modèle Conclusions
Jaffe
(1986)
432 firmes USA, années 80,
R&D et brevets
la productivité de la R&D est améliorée par la R&D des voisins technologiques => les spillovers
technologiques sont donc importants dans l’explication de la
productivité.
Moreno, Paci et Usai
(2003)
138 régions européennes, 1978-1997,
R&D et brevets
les spillovers ne sont pas significatifs dans le cas de voisins
technologiquesIl existe des externalités significatives dans le cas de voisins géographiques (régions distantes de 250 à 500km). Ces externalités sont alors d’autant plus importantes que la distance technologique est grande.
4- Notre recherche
• Nous allons estimer l’impact de la R&D de la région i sur les brevets des autres régions en tenant compte des distances technologique et géographique entre elles.
Nous procéderons à une estimation dynamique de l’impact de la R&D privée et publique sur les brevets à court et long terme. Nous utiliserons un modèle de comptage dynamique sur un panel de 113 régions européennes entre 1995 et 2002.
• En distinguant entre les secteurs privé et public et selon la distance (géographique ou technologique) entre les régions, nous nous attendons à des effets de spillovers différents.
4- Notre recherche: le modèle
ititit QP
),,...,,( 1 iititit uRRfQ •
• Les investissements passés en R&D sont combinés dans un système à retard pour produire des stocks de connaissance (Modèle LFM de Blundell et al. (1995. 2002) )
• Nous introduisons au modèle LFM un stock pondéré de R&D étrangère (le stock passé de la R&D des autres régions).
Output technologique
R&D présente et passée Un vecteur de paramètres technologiques inconnus
Une capacité d’innover spécifique à la firme
• Les brevets: indicateur ébruité de l’output technologique
),,,( 111Etitititit RDRDRDBrevetsfBrevets
4- 1- Les externalités géographiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 à
300 km
R&D étrangère au temps t-1 (de300 à 600
km)
R&D étrangère au temps t-1 (de600 à 900
km)
R&D étrangère au temps t-1
(de900 à 1200 km)
R&D étrangère au temps t-1
(de1200 à 2000 km)
? ?
??
?
??
?
4-2- Les externalités technologiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 (de 100% à
90%)
R&D étrangère au temps t-1
(de 90% à 80%)
R&D étrangère au temps t-1
(de 80% à 70%)
R&D étrangère au temps t-1
(de 70% à 60%)
R&D étrangère au temps t-1
(moins de 60%)
? ?
??
?
??
?
• La nomenclature des unités territoriales statistiques ou NUTS: • nomenclature hiérarchique
• subdivise chaque État en un nombre entier de régions de niveau NUTS 1,
• chacune de celles-ci étant subdivisée à son tour en un nombre entier de régions de niveau NUTS 2, et ainsi de suite.
• Le règlement NUTS fixe les seuils minimum et maximum suivants pour la taille moyenne des régions de la NUTS:
Niveau Min Max
NUTS1 3 millions 7 millions
NUTS2 800 000 3 millions
NUTS3 150 000 800 000
5- Les données: Régions NUTS
Exemple: La France
FR1: Ile de FranceFR2: Bassin parisienFR3: Nord-Pas-de-CalaisFR4: EstFR5: OuestFR6: Sud-OuestFR7: Centre-EstFR8: MéditerranéeFR9: Départements d'Outremer
FR41: LorraineFR42: AlsaceFR43: Franche-Comté
FR421: Bas-RhinFR422: Haut-Rhin
-
FR101: ParisFR102: Seine-et-MarneFR103: YvelinesFR104: EssonneFR105: Hauts-de-SeineFR106: Seine-Saint-DenisFR107: Val-de-MarneFR108: Val-d'Oise
5- Les données
113 régions européennes, 9 pays, pour la période 1995-2002.
Belgique: 3 grandes régions (NUTS1)
Allemagne: 36 Kreise (NUTS2)
Danemark : le pays (NUTS1 et NUTS2)
Espagne: 16 communautés autonomes (NUTS2)
Finlande: 2 provinces (NUTS2)
France: 22 régions (NUTS2)
Italie: 19 régions (NUTS2)
Portugal: 2 régions (NUTS2)
R.U.: 12 grandes régions (NUTS1)
6- Statistiques descriptives
Variables min moy max Std.Dev.
Brevets 1 359.395 3546 531.616
RD 0.288 927.717 11781.22 1417.128
RD_pr 0.057 619.762 8225.953 1063.022
RD_pub 0.144 307.955 3555.268 423.123
- Le max des brevets est pour l’IDF (3546) suivi par la région de Haute Bavière (3449).
- En moyenne, la R&D privée et deux fois plus importante que la R&D publique.
- Une grande hétérogénéité entre les régions
6- Statistiques descriptives par pays moyenne (1995-2002)
Pays
Brevets RD RD_pr RD_pub
moyenne moyenne moyenne moyenne
Belgique (3) 447.58 1089.56 1016.15 73.41
Allemagne (36) 559.56 1050.46 735.85 314.60
Danemark (1) 888.63 2428.93 1594.83 834.10
Espagne (16) 50.97 342.43 182.45 159.98
Finlande (2) 25.78 64.45 27.07 37.38
France (22) 334.19 1058.08 720.30 337.78
Italie (19) 194.21 616.32 309.52 306.81
Portugal (2) 5.81 112.10 50.49 62.51
R.U. (12) 526.25 1708.03 1174.78 533.24
6- Statistiques descriptives
• Les régions qui brevètent le plus sont toujours les mêmes entre 1995 et 2002 => dynamique.
• Quasi stagnation dans les dépenses de R&D privée entre 1995 et 2002 (l’augmentation la plus nette est en Espagne)
• Augmentation des dépenses en R&D publique entre 1995 et 2002 (les augmentations les plus nettes sont en France et en Espagne méditerranéenne)
7- Un modèle sans externalités
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 à
300 km
R&D étrangère au temps t-1 (de300 à 600
km)
R&D étrangère au temps t-1 (de600 à 900
km)
R&D étrangère au temps t-1
(de900 à 1200 km)
R&D étrangère au temps t-1
(de1200 à 2000 km)
? ?
??
?
??
?
7- Résultats d’estimation du modèle LFM pour les brevets sans effets de spillovers (GMM)
coeff s.e coeff s.e
Brevetst-1 0.3974 0.0615 0.6367 0.0541
ln (RD)t 2.0318 0.1375
ln (RD)t-1 -0.1565 0.0872
ln (RD_pr)t 0.7982 0.2065
ln (RD_pr)t-1 -0.6993 0.1394
ln (RD_pub)t 1.1953 0.1328
ln (RD_pub)t-1 0.0631 0.0293Sargan c2 (d.f) (p-value) 47.546 (20) (0.0005) 48.376 (30) (0.0182)
1st order serial corr. (p-value) -1.7188 (0.0856) -2.7814 (0.0054)
2nd order serial corr. (p-value) -0.4226 (0.6726) -0.0418 (0.9967)
8- Les externalités géographiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 à
300 km
R&D étrangère au temps t-1 (de300 à 600
km)
R&D étrangère au temps t-1 (de600 à 900
km)
R&D étrangère au temps t-1
(de900 à 1200 km)
R&D étrangère au temps t-1
(de1200 à 2000 km)
? ?
??
?
??
?
coeff s.e coeff s.e
Brevetst-1 0.4369 0.0621 0.5609 0.0663ln (RD)t 2.1178 0.2865 ln (RD)t-1 -0.0874 0.0999 ln (RD_pr)t 0.7198 0.1988ln (RD_pr)t-1 -0.4909 0.1107ln (RD_pub)t 0.7754 0.1370ln (RD_pub)t-1 0.0114 0.0330ln (RD)t-1.[0-300] -0.1460NS 0.2259 ln (RD_pr)t-1.[0-300] 0.1477 0.1942ln (RD_pub)t-1.[0-300] 0.0843 0.0389Sargan c2 (d.f) (p-value) 49.945 (25) (0.0022) 58.801 (40) (0.0279)1st order serial corr. (p-value) -2.1095 (0.0349) -2.5182 (0.0118)2nd order serial corr. (p-value) -0.2869 (0.7742) -0.2519 (0.8011)
8- Résultats d’estimation du modèle LFM pour les brevets avec effets de spillovers géographiques (GMM)
8- Les externalités géographiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 à
300 km
R&D étrangère au temps t-1 (de300 à 600
km)
R&D étrangère au temps t-1 (de600 à 900
km)
R&D étrangère au temps t-1
(de900 à 1200 km)
R&D étrangère au temps t-1
(de1200 à 2000 km)
? ?
??
?
??
?
GMM GMM GMM ajut par surfacecoeff s.e coeff s.e coeff s.e
Brevetst-1 0.4545 0.0524 0.1580 0.0260 0.0978 0.0322ln (RD)t 2.0560 0.2287 ln (RD)t-1 -0.2540 0.0901 ln (RD_pr)t 0.3973 0.0480 0.3191 0.0454ln (RD_pr)t-1 0.0571 0.0176 0.0361 0.0127ln (RD_pub)t 0.1303 0.0102 0.1076 0.0155ln (RD_pub)t-1 0.0300 0.0099 -0.0321 0.0057ln (RD)t-1.[0-300] 0.1432 0.1456 ln (RD)t-1.[300-600] 0.9254 0.2040 ln (RD)t-1.[600-900] -1.5318 0.2009 ln (RD)t-1.[900-1300] 0.5264 0.1074 ln (RD)t-1.[1300-2000] -0.1527 0.0360 ln (RD_pr)t-1.[0-300] -0.4471 0.0335 -0.4937 0.0397ln (RD_pr)t-1.[300-600] -0.3001 0.0297 -0.2788 0.0282ln (RD_pr)t-1.[600-900] 0.2694 0.0347 0.4502 0.0327ln (RD_pr)t-1.[900-1300] 0.4821 0.0098 0.4483 0.0139ln (RD_pr)t-1.[1300-2000] 0.2579 0.0123 0.2769 0.0129ln (RD_pub)t-1.[0-300] -0.1483 0.0155 -0.0261 0.0105ln (RD_pub)t-1.[300-600] 0.4506 0.0273 0.3696 0.0207ln (RD_pub)t-1.[600-900] -0.1102 0.0195 -0.1571 0.0205ln (RD_pub)t-1.[900-1300] 0.1206 0.0111 0.1805 0.0169ln (RD_pub)t-1.[1300-2000] -0.5332 0.0236 -0.5888 0.0274
Sargan c2 (d.f) (p-value) 59.635 (45) (0.0708) 87.407 (80) (0.2674) 82.463 (80) (0.4031)1st order serial corr. (p-value) -1.3911 (0.1642) -2.1179 (0.0342) -2.1321 (0.0330)2nd order serial corr. (p-value) -1.9588 (0.0501) -0.1061 (0.9155) -0.6201 (0.5352)
8- Externalités géographiques
-0,8
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0 300 600 900 1200 1500 1800
Distances
Ela
stic
itie
s
Private R&D spillover effects Public R&D spillover effects
Private R&D spillover effects (area adjusted) Public R&D spillover effects (area adjusted)
Public R&D spillover effects
Private R&D spillover effects
9-Les externalités technologiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 (de 100% à
90%)
R&D étrangère au temps t-1
(de 90% à 80%)
R&D étrangère au temps t-1
(de 80% à 70%)
R&D étrangère au temps t-1
(de 70% à 60%)
R&D étrangère au temps t-1
(moins de 60%)
? ?
??
?
??
?
coeff s.e coeff s.eBrevetst-1 0.5725 0.0601 0.6950 0.0681ln (RD)t 2.7284 0.2451ln (RD)t-1 0.1133 0.0932ln (RD_pr)t 1.2616 0.3372ln (RD_pr)t-1 -0.5183 0.1526ln (RD_pub)t 1.2992 0.2038ln (RD_pub)t-1 0.1643 0.0481ln (RD)t-1.[90%-100%] -1.0504 0.2598ln (RD_pr)t-1.[90%-100%] -0.5775 0.3573ln (RD_pub)t-1.[90%-100%] -0.1784 0.0881
Sargan c2 (d.f) (p-value) 47.4906 (25) (0.0043) 59.0275 (40) (0.0476)1st order serial corr. (p-value) -2.0035 (0.0451) -2.5303 (0.0114)2nd order serial corr. (p-value) 0.0750 (0.9402) 0.1215 (0.9033)
9- Résultats d’estimation du modèle LFM pour les brevets avec effets de spillovers technologiques (GMM)
9- Les externalités technologiques
Brevets au temps t
Brevets au temps t-1
R&D locale au temps t-1
R&D locale au temps t
R&D étrangère au temps t-1 (de 100% à
90%)
R&D étrangère au temps t-1
(de 90% à 80%)
R&D étrangère au temps t-1
(de 80% à 70%)
R&D étrangère au temps t-1
(de 70% à 60%)
R&D étrangère au temps t-1
(moins de 60%)
? ?
??
?
??
?
GMM GMMcoeff s.e coeff s.e
Brevetst-1 0.5583 0.0407 0.1879 0.0228ln (RD)t 1.0524 0.1436ln (RD)t-1 0.4091 0.0689ln (RD_pr)t 0.5156 0.0330ln (RD_pr)t-1 -0.2246 0.0254ln (RD_pub)t 0.1823 0.0184ln (RD_pub)t-1 0.0649 0.0118ln (RD)t-1[90%-100%] -1.4482 0.2072ln (RD)t-1.[80%-90%] 0.8384 0.2295ln (RD)t-1.[70%-80%] -0.5908 0.1603ln (RD)t-1.[70%-60%] 0.1402 0.0641ln (RD)t-1.[0-60%] 0.5167 0.0640ln (RD_pr)t-1[90%-100%] -0.3812 0.0347ln (RD_pr)t-1.[80%-90%] 0.3577 0.0300ln (RD_pr)t-1.[70%-80%] 0.0433 0.0212ln (RD_pr)t-1.[70%-60%] 0.2588 0.0090ln (RD_pr)t-1.[0-60%] -0.0181 0.0039ln (RD_pub)t-1[90%-100%] -0.0366 0.0145ln (RD_pub)t-1.[80%-90%] 0.2386 0.0419ln (RD_pub)t-1.[70%-80%] -0.1305 0.0292ln (RD_pub)t-1.[70%-60%] -0.4216 0.0302ln (RD_pub)t-1.[0-60%] 0.5927 0.0207
Sargan c2 (d.f) (p-value) 56.8495 (45) (0.1107) 82.4483 (80) (0.4035)1st order serial corr. (p-value) -2.2834 (0.0224) -0.3197 (0.7492)2nd order serial corr. (p-value) 0.8312 (0.4059) -0.5939 (0.5526)
9- Externalités technologiques
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0,8
0 1 2 3 4 5
Classes of distances
Ela
stic
itie
s
Private R&D spillover effects Public R&D spillover effects
Private R&D spillover effects
Public R&D spillover effects
-0,6
-0,4
-0,2
0,0
0,2
0,4
0,6
0 1 2 3 4 5
Classes of distances
Ela
stic
ities
Private R&D spillover effects (geo) Public R&D spillover effects (geo)
Private R&D spillover effects (tech) Public R&D spillover effects (tech)
10- Externalités géographiques et technologiques
Conclusion• Utilisation et développement du modèle LFM et estimation par GMM
d’un modèle dynamique expliquant les brevets par les dépenses en R&D pour 113 régions européennes pour la période 1995-2002.
• Quelque soit la pondération, l’effet de la R&D privée locale est 3 fois plus important que celui de la R&D publique locale.
• Il y a plus de compétition dans le privé que dans le public lorsqu’il s’agit de distances géographiques. Les résultats sont plus ambigus pour les distances technologiques.
• En distinguant entre les secteurs privé et public et selon la distance (géographique ou technologique) entre les régions, nous obtenons des effets de spillovers différents.
Prochainement …
• En considérant le commerce comme canal de diffusion de les connaissances, nous nous proposons d’étudier l’impact des externalités de R&D publique et privée sur la productivité en tenant compte de la distance spatiale entre les régions.
• Les externalités de connaissances dépendent: - de la distance géographique - de la proximité technologique- des relations économiques entre les agents.
top related