Embed Size (px)
Citation preview
LES DÉTERMINANTS DES EXPORTATIONS DU SECTEUR TEXTILE TUNISIEN
Mémoire Présenté
à la Faculté des études supérieures de l'université Laval
pour l'obtention du grade de maîue ès arts (M.A.)
Département d'économique
FACULTÉ DES SCIENCES SOCIALES
UNIVERSITÉ LAVAL
Novembre 1997
O Héla Miniaoui, 1997
National Library I*I of Canada Bibliothèque nationale du Canada
Acquisitions and Acquisitions et Bibliographie Services services bibliographiques
395 'Wellington Street 395, nie Wellington Ottawa ON K1A ON4 Ottawa ON KIA ON4 Canada Canada
Your file Votre rdltirence
Our file Notre rdfdwnce
The author has granted a non- L'auteur a accordé une licence non exclusive licence allowing the exclusive permettant a la National Libmy of Canada to Bibliothèque nationale du Canada de reproduce, loan, distribute or sell reproduire, prêter, distribuer ou copies of this thesis in rnicroform, vendre des copies de cette thèse sous paper or electronic formats. la fome de microfichelfilm, de
reproduction sur papier ou sur format élecîronique.
The author retains ownership of the L'auteur conserve la propriété du copyright in this thesis. Neither the droit d'auteur qui protège cette thèse. thesis nor substantial extracts fiom it Ni la thèse ni des extraits substantiels may be printed or otherwise de celle-ci ne doivent être imprimés reproduced without the author's ou autrement reproduits sans son permission. autorisation.
A mes très chers parents à qui je dois tout,
À mes sœurs Lamia et Iihem,
A mes fières Mohamed-Nizar, Sami, et Yessine.
Depuis les années soixante-dix, l'industrie du textile-habillement a connu une
évolution remarquable lui permettant d'être un des piliers de l'économie tunisienne. Les
performances de ce secteur se sont confirmées dans un environnement économique
encourageant les exportations. Le but de ce travail est tout d'abord de présenter ce secteur,
d'étudier ses problèmes internes et surtout ses défis externes- À partir de ce contexte, nous
tentons de déterminer les facteurs qui conditionnent les exportations du secteur textile en
modélisant les exportations de dix produits textiles.
Dans une première étape, un modèle économétrique mesure I'influence de divers
facteurs tels que le taux de change, la distance, la concentration du marché, le produit
intérieur brut, une politique gouvernementale, et Ie temps sur la probabilité d'exporter ou
de ne pas exporter.
Dans une deuxième étape, un modèle économétrique est utilisé pour analyser
l'influence de ces facteurs sur les valeurs exportées, en tenant compte de la probabilité
d'exporter.
Les résultats qui ressortent de cette étude, nous permettent de conclure que les
facteurs qui semblent mieux expliquer les exportations du secteur textile tunisien, sont le
taux de change et les coûts de transport. La politique gouvernementale orientée vers les
exportations, apparaît intéressante.
mualanle
Héla Miniaoui runo Lame
Co-direc teur
Bernard Décaluwé
AVANT-PROPOS
J'aimerais remercier mon directeur de recherche M. Bruno Lame pour sa grande
disponibilité et ses conseils judicieux qui m'ont permis de mener a terme ce travail.
l e tiens égleement remercier mon CO-directeur M. Bernard Decaluwe pour l'aide
et le soutien qu'il a su m'offrir au cours de ma maîtrise.
Je signif~e ma gratitude ii Mme. Lucie Samson d'avoir aimablement accepté de
commenter ce mémoire.
Je remercie le personnel de la mission universitaire de Tunisie Montreal.
Fortement, je manifeste ma gratitude la famille Fe rjani et 2 la famille Ben Fadhel
pour leur soutien moral.
J'adresse ma sympathie Anas pour son aide, & mes cousines Sihem et Sarnia, 2
mon ami tangerois K a h , B mon amie égyptienne Ghada, mes amies marocaines Aîcha,
et Kawtar, mon amie figuiguienne Samia, et ii mes amis tunisiens Zouhour et Nizar pour
leur support moral et leurs encouragements.
Je remercie toutes les personnes qui, de près ou de loin, m'ont encouragee.
RÉS- ................................................m.................................................. i
........................................................................................ AVANT-PROPOS ii 5 ............................................................................... TABLE DES MATIERES iii
LISTE DES TABLEAUX ET DES GRAPHIQUES ................................m.............. iv
INTRODUCTION ........................................................................................ 1
. ................................ CHAPITRE 1 DESCRPTION DU MARC& DES TEXTILES
... I . L'IMPORTANCE DU SECTEUR TEXTILE DANS L'ÉCONOMIE TUNISIENNE
1 . 1 Présentation du secteur ...................................................................... I . I . I Lu vétusté du matériel de production ...........................................
................................ t 1 . 2 Le problème de formation de la main d'œuvre
....................... I . I . 3 La faible taille de l'écrasante majorité des entreprises
1 . 1 . 4 La faible intégration du secteur .................................................. .................. 1 . 2 Le secteur du textile-habillement face aux défis du libre-échange
1 . 2 . 1 Le démantèlement des accords multifiibres .................................... 1 . 2 . 2 L'apparition de nouvelles sources de production ............................. 1 . 2 . 3 L'unique marché européen .......................................................
II . LA RÉGLEMENTATION INTERNATIONALE DU COMMERC DES TEXTILES . II . 1 Les principes de l'organisation mondiale du commerce et l'arrangement
multifibres ..................................................................................... II . 2 Le développement des restrictions de 1'AhlF ...........................................
11 . 2 . 1 L 'accord multifibre I ............................................................. 11.2. 2 L'accord mullifibre II ............................................................ II . 2 . 3 L'accord multifibre III ........................................................... II . 2 . 4 L'accord rnultiifibre IV ............................................................
..... II . 3 L'intégration des restrictions de I'AMF au cadre réglementaire de I'OMC
CHAPITRE II . REVUE DE LA LITTÉRATURE SUR LA MODÉLISATION DES 15
............................................................... EXPORTATIONS
............................................... ......... 1 . LES MODÈLES STRUCTURELS ... 16
II . LES MODÈLES DE PERFORMANCE DES EXPORTATIONS ..... ....... ............. 19
................................................................ tII . LES MODELES DE GRAVITE #
22
............................... IV . LES MODÈLES DE "PRICING TOMARKET" .......... .... 25
......................................................... INTERPRÉTATIONS DES RÉSULTATS 43
CONCLUSION .................... .. ................................................................... 57
...................................................................................... BIBLIOGRAPHIE 59
ANNEXE 1 : Exemple de test de différence de moyennes et test de différence dans les variances ........... .. ................................................................. 62
ANNEXE 2 : Résultats d'estimation ................................................................. 65
LISTE DES TABLEAUX ET DES GRAf HIOUES
Tableau 1. Le nombre des fmes du secteur textile.. .......... .. .......................,......... 3 Tableau 2. Le solde des échanges de la Tunisie en produits textiles avec ses principaux
partenaires économiques .................................................................. 5
.......................... Tableau 3. L'évolution de Ia balance commerciale (Dinars courants) 6
Tableau 4. La part des exportations du secteur textile-habillement dans les industries o. manufacturieres. ........................................................................... 7
Tableau 5. Les valeurs moyennes des importations de textile de la Tunisie par source (1980-91) en milliers de $US.. .............. ... ..................................... 62
Tableau 6. Les valeurs moyennes des exportations de textile de la Tunisie par source (1980-91) en milliers de $US ............................................................. 62
Graphique 1 : Pourcentage des investissements du secteur textile dans les industries . . manufactuneres en 1994 ............................................................. 4
Graphique 2 : Productioo du secteur textile par rappcr: aux principales productions tunisiennes en 1994 ................................................................... 4
INTRODUCTION
L'industrie du textile dans les pays en voie de développement est un secteur qui a
suscité de nombreux débats et qui a motivé plusieurs actions des gouvernements. C'est une
industrie qui se distingue pour ses contributions substantielles à l'emploi et pour les gains
d'échange qu'elle génère avec l'extérieur. Dans plusieurs pays en voie de développement, cette
industrie a été soutenue par des tarifs, des mesures d'aides sectorielles comme les subventions
pour l'achat des inputs, ainsi que par des mesures de promotion d'exportation. Cette industrie
se compose essentiellement de petites et moyennes entrepnses. Elle fait face à une
internationalisation croissante de la production qui a conduit à l'arrangement multifibres
(&MF). Une formidable concumence internationale s'est alors développée. Le besoin de
restructurer cette industrie s'est imposé par l'évolution croissante de la technologie et de
l'organisation d'une part, et par les restrictions fixées par les pays développés d'autre part.
Les industries textiles et les filatures étaient et continuent à être le centre principal des
activités des industries de la Tunisie. En effet, le nombre d'entreprises ainsi que le nombre
d'emplois n'ont cessé d'augmenter et ceci grâce à l'existence d'un noyau industriel
traditionnel, à un bassin de main d'oeuvre nécessaire à ce genre d'industrie, dont la majorité
est féminine et surtout ayant un salaire bas, et à l'existence d'une main d'oeuvre qualifiée
capable de s'ajuster à la technologie moderne. Afin d'attirer le capital étranger, l'état a
promulgué une loi spécifique au profit de l'industrie exponatrice au mois d'avril 1972, qui
prévoit un allègement fiscal profitant aux entrepnses industrielles exportatrices. Parmi les
principaux critères selon lesquels le gouvernement accorde ces avantages, est le nombre
d'emplois créés.
CHAPITRE I
DESCRIPTION DU MARCH& DES TEXTILES
1. L'IMPORTANCE DU SECTEUR TEXTILE
DANS L'ÉCONOMIE TUNISIENNE
K. 1 Présentation du secteur
Au cours des deux dernières décennies, le secteur textile-habillement a connu un essor
réel lui conférant une place de choix dans l'économie tunisienne.
Au début des années soixante-dix, l'industrie du textile-habillement était essentiellement
orientée vers le marché local occupant ainsi une place très modeste dans l'économie
tunisienne. Plusieurs facteurs ont contribué à la performance notable de ce secteur aussi bien
sur le marché local qu'à l'exportation, notamment un cadre législatif et une grande stabilité
politique. En outre, grâce à des efforts importants d'investisseurs tunisiens et étrangers, ce
secteur a pu devenir un grand pôle de production.
Le secteur du textile et de I'habillernent revêt une importance capitale pour l'économie
tunisienne. Ii compte 2154 entreprises dont 1331 sont entièrement exportatrices. Elles se
repartissent entre différentes nationalités 637 d'entre eIles ont été financées à partir de capitaux
tunisiens, 386 entreprises sont des joint-ventures utilisant des capitaux de sources mixtes, et
308 ont été financées par des capitaux étrangers. Par branche d'activité, les entreprises de ce
secteur en 1992, se répartissent comme suit:
Tableau I : Le nombre des firmes du secteur textile
Branches du textile l
Firmes Locales Firmes Exportatrices TotaI 1
Tissage
Finissage
Bonneterie
-
Source : Fenatex, Cettex
3 Filature
Confection
Autres
52 49
132
59
i 181
303
99
4
33
136
92
79
1168
44
260
147 1
143
Au niveau de la création d'emplois, le secteur textile-habillement emploi 222000
personnes soit 47.5% des emplois manufacturiers. Sa valeur ajoutée représente 30% de celle
de l'industrie manufacturière. Le nombre d'emplois dans cette industrie est passée de 26600 en
Wme plan (19854990) à 58900 en VmhM plan (1991-1996). Quant aux investissements dans
ce secteur au cours du VIIfmc plan, ils ont représenté 30% des investissements des industries
manufacturières. En 1994, ils ont attiré 24% du total des investissements dans les industries
manufacturières.
Graphique 1 : Pourcentage des investissements du secteur textile
dans tes industries manufacturières en 1994
Au niveau de l'exportation, les textiles sont de loin les principaux produits exponés.
En 1994, la valeur des exporations de ces produits a atteint 2235.4 millions de dinars (MD),
soit 62.7% de la valeur des exportations totales de la Tunisie.
Graphique 2 : Principaux produits tunisiens exportés en 1994
I Textiles
O Pdtrote brut
O Huile d'olive
O Acide phosphdrique
B Engrais chimiques
D Pofssons
Dattes
Par rapport au commerce extérieur, le secteur textile-habillement a réalis6 deux
objectifs primordiaux à savoir un chiffre record à Ilexportation et une balance commerciale
nettement excédentaire. En effet, les exportations de produits textiles et de l'habillement ont
progressé entre 1987 et 1993 de façon remarquable passant de 522 à 1624 millions de dinars
courants. Parallélememt, les importations de ces produits ont augmenté rapidement, comme
I'indique le tableau suivant :
Tableau 2 : L'évolution de la balance commerciale (Dinars courants)
Importations
Exportations
Taux de couverture
Les exportations ont
Unité : MD
450
522
1 15.9
Source : INS
connu au cours des dernières années un accroissement
1988
553
630
114.1
spectaculaire pour atteindre 2034.1 MD en 1994 et 2345.3 MD en 1995 enregistrant ainsi un
taux de croissance de 15.3%. Quant aux importations constituées essentiellement de produits
de bonneterie et de confection, tissus, fils et filés, et matières premières, elles sont passées
d'une valeur de 1529.6 MD en 1994 2 1746.9 MD en 1995 enregistrant une croissance de
14.2%.
La balance commerciale du secteur textile-habillement s'est par conséquent sensiblement
améliorée puisque l'excédent de 504.5 MD en 1994 est passé à 598.4 MD en 1995, ce qui
correspond à une croissance de 18.6%. Le solde des échanges de la Tunisie en produits textiles
avec ses principaux partenaires économiques pour l'année 1995, est donné par le tableau
suivant :
1989
716
830
115.9
1990
935
1091
1 16.7
1991
1015
1212
119.4
1992
1117
1420
120.6
1993
1323
1624
122.7
Tableau 3 : Le solde des échanges de la Tunisie en produits textiles avec ses principaux
partenaires économiques
Unité : MD
Pays 1 Importations 1 Exportations 1 Soldes I I I 1
France 1517.1 1 822.7 1 305.6 1 Allemagne 1 339.1 1527.8 1 188.7 I Italie 1 320.0 1 365.1 1 45.1 I Belgique
Espagne 185.8 1 24.4 1-61.4 I
307.1 183.9
Pays Bas
Royaume Uni
Etats-Unis 120.9 / 18.0 1-2.9 I
123 -2
84.5 127.2 42.7
18.9
Danemark 16.9 1 10.3 13.4 I
29.3 1 10.4
Autres 1 169.7 1 103.1 1 -66.6 I
10.2 Libye
Source : Cettex
O. 1
Total
Ce tableau montre qÿe la Tunisie exporte et importe avec les mêmes pays. La taille des
exportations semble être proportionnelle à la taille des importations, ce qui indique la
réciprocité. On constate que la France, l'Allemagne, l'Italie, et la Belgique sont les principaux
partenaires de la Tunisie. En effet, 51% du solde est réalisé avec la France, 3 1 % avec
l'Allemagne et 20,6% avec la Belgique, alors que la Tunisie enregistre des pertes à l'échange
avec l'Espagne et les États-unis. Le taux de couverture des importations par les exportations
est passé de 12% en 1970, à 1 10% en 1979, puis à 133% en 1994 pour finalement atteindre
134.3% en 1995.
Au cours de l'année 1995, le secteur textile-habillement a réalisé une performance à
l'exportation légèrement supérieure à celle de l'ensemble du secteur manufacturier. Le taux de
10.3
1746.9 2345.3 598.4
croissance des exportations du secteur textile-habillement a bté en 1995 15.3% contre 1 1.5%
pour l'ensemble des industries manufacturières comme l'indique le tableau suivant :
Tableau 4 : La part des exportations du secteur textile-habillement dans les indusiries
manu facturières
Unité : MD
Les incitations spécifiques en faveur des exportations sont accordées à tous les
investissements effectués dans les entreprises travaillant entièrement pour l'exportation. Ces
entreprises doivent exporter au moins 80% de leurs produits ou services. Elles bénéficient des
avantages fiscaux à savoir :
-La possibilité de déduire du revenu imposable les recettes provenant des activités
d'exportation en totalité pendant les dix premières années, ou en partie jusqu'à concurrence de
50% par la suite.
-La déduction totale du revenu imposable des recettes ou des bénéfices réinvestis.
-L'exonération de toutes les taxes et impositions indirectes (TVA, impôt sur la
consommation, droits de douane, etc.), sauf pour l'impôt sur les véhicules automobiles, la taxe
sur le transport, et la taxe d'assainissement.
Cinq facteurs semblent avoir joué un rôle déterminant dans le développement de
l'industrie textile de la Tunisie à savoir des charges salariales peu élevées, la proximité des
grands marchés et fournisseurs de capitaux, des accords préférentiels bilatéraux, le régime de
concessions tarifaires, et les incitations aux investissements. Sous l'influence de ces facteurs,
le secteur du textile-habillement reste de loin le premier secteur exportateur, employeur, et
grand demandeur d'investissements. Toutefois, ce secteur ne doit pas occulter certaines
faiblesses notamment :
Année I
Textile-Habillement (1)
Industries Manufacturières (2)
( 1 )f (2 )
1994
2034.1
4027.6
50.5%
1995 Variation
2345.3
4492.6
52.2%
1
15.3%
1 1.5%
1.1. I La vétusté du matériel de production
Malgré les efforts de modernisation de quelques unités industrielles, le parc de matériel
demeure globalement vétuste et nuit à la comp6ûtitivité des fimes. De plus, la majorité de
l'industrie reste encore axée sur des proctdés de fabrication et de gestion relativement coûteux
outre l'utilisation des machines non performantes.
1. I . 2 Le problème de formation de la main d'oeuvre quulifiée
Les entreprises du textile et de l'habillement rencontrent beaucoup de difficultés à
recruter du personnel technicien suffisant en nombre et en qualification. Elles se caractérisent
par des taux d'encadrement technique faibles (0.75%) bien en dessous des taux à l'échelle
mondiale (3%). En effet, seulement deux centres de formation d'ouvriers spécialisés existent
en Tunisie. Outre le problème de la formation, l'absentéisme du personnel constitue un autre
problème qui nuit grandement à la production.
L 1. 3 La faible taille de l'écrasante majorité des entreprises
La taille moyenne des entreprises du textile demeure faible (moins de 100 personnes) et
constitue ainsi un handicap aussi bien dans la conquête des marchés importants que dans la
négociation des contrats d'approvisionnement. Ce qui empêche la plupart des unités peu
structurées, n'ayant pas les moyens matériels et humains, de prendre des positions dominantes
sur les marchés extérieurs.
1. 1.4 Lu faible intégration du secteur
Le secteur textile souffre de la faible intégration de ses différentes branches. En effet,
les branches de la bonneterie et de la confection ont connu un développement beaucoup plus
important que les autres branches (filature, tissage, et finissage) pour lesquelles la Tunisie
demeure fortement dépendante de l'étranger. Malgré ses performances à l'exportation et dans
l'emploi, le secteur textile demeure vulnérable par la menace des nouveaux pays concurrents,
et de dumping.
1.2 Le secteur du textile-habillement face aux défis du libre-échange
En plus des faiblesses structurelles, le secteur textile-habillement est aujourd'hui
confronté à des défis multiples et à un environnement national et international en pleines
mutations. Pour conserver leurs parts sur les marchés locaux et internationaux, !es entreprises
tunisiennes doivent s'adapter à ces changements et s'ajuster à de nouvelles conditions. Trois
défis d'importance doivent être relevés :
1.2.1 Le démantèlement des accords mufifibres
La Tunisie est le stM fournisseur de l'Europe en habillement et est également son sème client en textile. En effet, l'Europe accapare 95% de ses exportations et plus de 90% de ses
importations. La Tunisie a pu maintenir sa position concurrentielle sur le marché européen,
grâce au système de contingentement quantitatif appliqué aux pays producteurs par le biais des
accords multifibres (AMF) ou des accords d'autolimitation. Il faut souligner qu'elle n'a pas
signé l'arrangement multifibres. Toutefois, depuis 1974 elle applique des restrictions
volontaires à l'exportation de certains produits textiles vers l'union européenne (UE). Le
premier arrangement d'autolirnitation des exportations textiles vers I7JE a été conclu en 1978
et portait sur huit catégories de produits textiles (tissu de coton, t-shirts, pantalons, chemises,
slips, blousons, jupes, et robes). Il a été renégocié en 1989 pour une période de deux ans, et a
été de nouveau prorogé en 1991 pour seulement deux produits (tissus de coton et pantalons).
Les autres catégories sont libérées du simple fait que les quotas qui leurs sont fixés n'ont
jamais été utilisés en totalité.
L'AMF qui a pris fin le 3 1 décembre 1994, a été suivi par une période transitoire de dix
ans au cours de laquelle il y aura une intégration progressive du secteur textile dans le cadre de
l'organisation mondiale du commerce (OMC). La disparition de ces accords ainsi que
l'introduction des produits textiles dans le cadre général de I'OMC sont de nature à accroître le
niveau de concurrence sur le marché européen et pourraient influencer la position
préférentielle de la Tunisie.
1.2.2 L'apparition de nouvelles sources de production
Les pays de l'Europe de l'est (Pologne, Hongrie, Bulgarie ...) dans lesquels I'UE injecte
de grosses sommes d'argent, établissent des relations commerciales de plus en plus étroites
avec les pays de IVE. Ces pays constitueront de redoutables concurrents de la Tunisie sur le
marché européen puisqu'ils ont certains avantages incontestables notamment une main
d'oeuvre bon marché avec un salaire moyen quatre fois inférieur à celui des travailleurs
tunisiens.
1.2.3 L'unique marché européen
Les pays de l'union européenne ont toujours constitué pour la Tunisie des clients et des
fournisseurs privilégiés. Concernant les produits de textiles et d'habillement, les pays de IWE
absorbent plus de 95% des exportations tunisiennes et s'accaparent plus de 90% des
importations de la Tunisie. Cette concentration des echanges commerciaux avec les pays de
I'UE s'explique par plusieurs facteurs à savoir les liens traditionnels historiques et culturels de
la Tunisie avec l'Europe, et la proximité géographique. Ainsi, tout changement dans la
structure productive, commerciale ou réglementaire dans ces pays affectera l'économie
tunisienne.
II. LA RÉGLEMENTATION INTERNATIONALE
DU COMMERCE DES TEXTILES
II. 1 Les principes de l'organisation mondiale du commerce (OMC) et l'arrangement
multifibres (AMF)
Signé le 30 Octobre 1947 par 23 pays, dont 10 sont des pays en voie de développement,
l'accord général sur les tarifs douaniers et le commerce (GA?T) est entré en vigueur le le'
janvier 1948. Jus qu'au 6 septembre 1997, 132 pays sont membres de I'OMC, qui remplace le
GATT à partir du le' janvier 1995. L'objectif poursuivi demeure l'instauration progressive d'un
régime de libre échange mondial dans les transactions commerciales internationales, À l'article
XI de l'accord, le GATT prohibe les restrictions quantitatives à l'exportation. Il les tolère
cependant à titre exceptionnel, au paragraphe i de l'article XX, dans la mesure où de telles
restrictions n'ont pour but que d'assurer aux industries nationales un approvisionnement en
matières premières. Cependant, depuis une quinzaine d'années, des états s'y adonnent
légalement, dans un cadre juridique érigé en décembre 1973 sous les auspices du GATT. Ce
cadre juridique connu sous le nom d'arrangement multifibres (AMF) concerne le commerce
international des textiles.
Au ler novembre 1974, I'AMF comptait 39 signataires dont 6 (Norvège, Autriche,
Finlande, Canada, États-unis, et la communauté européenne si on compte celle-ci comme un
seul pays) sont considérés comme des importateurs appliquant des restrictions formelles,
contrairement au Japon et à la Suisse. D'autres participants désignés comme exportateurs font
l'objet d'accords de limitation bilatéraux pour leurs exportations à destination d'un ou de
plusieurs importateurs.
L'AMF résulte de la volonté des pays développés de contrôler l'importation de produits
de textiles afin de protéger leur industrie locale. II permet aux signataires de conclure des
ententes bilatérales de restriction volontaire des exportations de textiles. Ainsi, un pays
importateur peut demander à un ou plusieurs pays exportateurs de réduire leurs exportations si
ces exportations provoquent des perturbations préjudiciables à l'industrie du pays importateur.
Les accords sous I'AMF, sont contrôlés par une agence connue sous le nom de I'organe
de supervision des textiles (OSpT) qui intervient en cas de conflit. L'OSpT contient un
nombre égal de représentants des nations importatrices et exportatrices avec un président
impartial. Cependant, dans son fonctionnement il tend à servir les intérêts des pays
importateurs. Le type de restrictions généralement utilisé dans I ' M est le quota qui impose
une restriction quantitative sur les exportations d'un produit particulier d'un pays à un autre.
Les quotas sont spécifiques à un pays exportateur et ne s'appliquent pas à d'autres offreurs du
même produit, sauf dans le cas d'un accord similaire signé avec eux.
La condition qui justifie les restrictions sous I'AMF, est la perturbation du marché
intérieur de l'importateur. Le GATT a défini en 1960 une pemirbation comme une situation
qui prévaut Iorsqu'il y a un dommage sérieux (ou une menace) aux producteurs domestiques,
et qui peut être causée par les cas suivants :
- Une augmentation aigue, substantielle. ou imminente des importations de produits
particuliers en provenance de sources étrangères ;
- Ces produits sont offerts à des prix qui sont largement en dessous de ceux des produits de
qualité comparable disponibles sur le marché du pays importateur.
Même si I'AMF a été établi sous les auspices du GATT, il constitue néaornoins une
dérogation reconnue au principe du GA=. En effet, basé sur la décision de perturbation de
marché en 1960, I'AMF permet aux pays d'agir dans des circonstances non envisagées sous
l'article XIX du GATT comme la clause de sauvegarde contre les dommages causés par les
importations. Les raisons sont les suivantes :
- Les contrôles peuvent s'appliquer sélectivement à différents exportateurs. Ceci contredit
l'article W( qui énonce que les mesures prises par un pays pour se protéger contre la
perturbation causée par un autre état membre, doivent s'appliquer équitablement à tous les
états membres. En outre l'article X E re2uiert que lorsqu'un pays prend des mesures de
sauvegarde, tous ses partenaires commerciaux, qui sont affectés, doivent être compensés dans
d'autres domaines de leur commerce.
- L'existence d'une différence de prix entre des produits particuliers importés et des produits
comparables vendus sur le marché domestique, peut être utilisée pour justifier les restrictions.
Les pays en voie de développement recourent aux restrictions quantitatives à
l'exportation, parce que de telles pratiques peuvent favoriser la transformation sur place de
leurs matières premières locales, et être des moyens de lune contre la détérioration des termes
de I'échange. Cependant, les conditions dans lesquelles le GATT tolère ces restrictions à
l'exportation ne correspondent pas aux préoccupations de développement formulées par les
pays en voie de développement, dans la mesure où ces restrictions ne doivent pas avoir pour
effet de provoquer un accroissement des exportations ni de protéger les industries. En plus les
pays en voie de développement sont exposés aux risques de représailles économiques au cas
où ils refusent de signer des ententes avec des pays développés. Par conséquent, les pays en
voie de développement ont supporté le démantèlement de cet arrangement puisqu'il limitait
trop I'accés aux marchés des pays dévéloppés.
11.2 Le développement des reslrictions de I'AMF
Les accords se sont succédés depuis 1961 avec l'accord à court terme sur le commerce
des textiles du coton (ACT: 196 1-1962), et l'accord à long terme sur le commerce des textiles
du coton (ALT: 1962-1973). Sous ces accords internationaux, les signataires pouvaient imposer
des restrictions afin d'éviter la perturbation de leur marché. L'arrangement du G A T
concernant le commerce des textiles ou I'AMF, est entré en vigueur en 1974, il a été prolongé
pour la troisiéme fois en 1986 (AMF IV), et il a pris fin en juillet 1991. L'évolution de cet
arrangement est caracrérisée par quatre étapes :
11.2.1 L'accord muUifbre 1
La période de I'AMF I (Janvierl974-DCcernbre1977), a été marquée par une période de
libéralisation relative du commerce du textile et d'habillement. Durant ce temps, un grand
nombre de restrictions préalables ont et6 abolies conformément à I'article 2 de I'AMF. Ce
dernier se distingue de I'ALT et de l'ACT par le fait qu'il s'applique à un voiume de commerce
plus important. En effet, il couvre non seulement le coton mais aussi les produits en laine et en
fibres synthétiques.
11.2.2 L'accord multifibre TI
Cette période (Janvier1978-Décernbre1981), s'est révélée plus restrictive,
principalement à cause des initiatives de la communauté européenne (CE). En effet, durant la
période précédente AMFI, les importations en textile et habillement de la CE se sont accrues
d'une manière spectaculaire.
II. 2. 3 L'accord multifibre 111
LES restrictions au sein de I'AMFIII (Janvierl982-Juillet1986) ont été renforcées.
Cependant, les politiques prises par la CE envers les exportations des textiles et habillement
des pays en voie de développement, ont été moins sévères sous I'AMFIII que sous IfAMFD[.
11.2.4 L'accord multifibre IV
Il a été élargi pour couvrir les fibres végétales et la soie. Des restrictions renforcées ont
été introduites durant cette période (Août 1986-Juillet 199 1). D'autres petits changements ont
été faits afin de restreindre davantage les produits textiles et habillement.
11.3 L'intégration des restrictions de I'AMF au cadre réglementaire de POMC
L'accord du textile et des vêtements (ATV) négocié lors du cycle de I'Uraguay, est un
instrument qui prévoit I'élimination progressive sur une période de dix ans, des
contingentements (quotas) s'appliquant sur les produits textiles et les produits du vêtement.
Durant cette phase de transition, ces produits seront complètement intégrés dans le régime
normal de I'OMC et soumis aux mêmes disciplines que les autres produits industriels. Ce
programme d'intégration comporte quatre étapes :
- Le le' janvier 1995, chaque pays a intégré des produits, parmi ceux qui figurent sur la liste
spécifique de produits visés par l'accord, ne représentant pas moins de 16% du volume total de
ses importations de textiles et de vêtements en 1990;
- Le 1" janvier 1998, des produits ne représentant pas moins de 17% du volume des
importations de 1990 seront à leur tour intégrés;
- Le lCr janvier 2002, seront intégrés des produits ne représentant pas moins de 18% du volume
des importations de 1990;
- Le 1" janvier 2005, tous les produits restants seront intégrés.
Pour les produits qui demeurent assujettis à des restrictions, 1'ATV a définit la formule à
appliquer pour augmenter les coefficients de croissance des contingents existants. Ainsi, à la
première étape débutant le le' janvier 1995, le coefficient de croissance devra, pour chaque
restriction appliquée en 1994 en vertu d'accords bilatéraux conclus dans le cadre de I'AMF,
être majoré de 168 au moins par rapport au coefficient de croissance établi pour la restriction
précédemment applicable dans le cadre de I'AMF. À la 2'me étape commençant le le' janvier
1998, les coefficients annuels de croissance devront dépasser de 25% ceux de la l'= étape. En
1 e' janvier 2002, ils devront être majorés de 27% par rapport à ceux de la 2tme étape.
CHAPITRE II
RE W E DE LA L I T T É R A T U ~
SUR LA MODÈLISATION DES EXPORTATIONS
Plusieurs études ont été faites afin d'analyser les déterminants des exportations et de
modéliser celles-ci. On les a regroupé en quatre types : les modèles structurels qui sont des
modèles multi-équations expliquant les offres d'exportation et les demandes d'importation,
ainsi que les prix et les volumes produits, consommés, importés, et exportés. Les modèles de
performance des exportations expliquent seulement le niveau des exportations, les modèles de
gravité analysent l'impact des facteurs qui inluencent les échanges bilatéraux, et les modèles
de "pricing to market" qui analysent l'effet de l'incidence du taux de change sur les prix
d'importation et d'exportation créant des conditions de marché différentes.
1. LES MODÈLES STRUCTURELS
La contribution scientifique qui a servi de point de départ à plusieurs études empiriques
des déterminants des exportations est celle de Goldstein et Khan (GK) en 1978. Dans ce travail
les auteurs essaient d'analyser la réponse de la demande et de l'offre d'exportation aux prix en
utilisant des données trimestrielles sur les exportations agrégées d'un échantillon de huit pays
durant la période 1955-1970. Deux équations de demande et d'offre d'exportation ont été
estimées simultanément au sein de deux modèles en situation d'équilibre et en situation de
déséquilibre. Les auteurs ont utilisé une forme Log-linéaire pour leurs équations de demande et
d'offre, pour leur permettre d'obtenir directement les élasticités prix et revenu.
Dans le modèle d'équilibre, la demande d'exportation est une fonction du prix
d'exportation, de la moyenne pondérée des prix à l'exportation des partenaires commerciaux,
et de la moyenne pondérée du revenu réel des partenaires commerciaux. L'offre d'exportation
est fonction du prix d'exportation, de l'indice des prix intérieurs, et un indice de capacité de
production intérieure. On s'attendait à ce qu'une augmentation du prix d'exportation du pays
étudié relativement aux prix mondiaux fasse diminuer la demande et augmenter celle des
autres pays exportateurs, et qu'une hausse des revenus des partenaires commerciaux
contribuera à accroître la demande d'exportation du pays étudié. On a supposé qu'une
augmentation des prix d'exportation inciterait les entreprises nationales à offrir leurs produits
davantage sur les marchés internationaux, alors qu'une augmentation des prix domestiques
entraînerait une baisse des quantités offertes à l'exportation, puisque les ventes locales
deviennent plus profitables pour les entreprises. En outre, on anticipait qu'une augmentation de
la capacité de production impliquerait une augmentation de la quantité offerte à l'exportation.
Pour faciliter l'estimation de leur modèle, les auteurs ont dérivé la forme réduite, en
faisant l'hypothèse que le marché est en équilibre c'est 2 dire en égalisant I'offre et la
demande. Afin de tenir compte d'une situation de déséquilibre sur le marché des exportations,
les auteurs ont adopté le mécanisme de Houthakker et de Taylor (1970). Dans ce modèle, les
exportations sont censées s'ajuster à la différence entre la demande d'exportation à la période t
et celle de la période précédente. Cette fonction d'ajustement suppose que l'on a ajusté la
quantité d'exportation en fonction de I'excès de demande du reste du monde. En outre, les
auteurs ont postulé que le prix d'exportation est déterminé par le pays exportateur. Les auteurs
ont obtenu une équation permettant d'estimer le volume d'exportation, et ils ont calculé le
temps moyen d'ajustement des exportations. Puisque la quantité exportée s'ajuste à I'excès de
demande des pays importateurs, alors on peut dire que le prix d'exportation s'ajuste à l'excès
d'offre du reste du monde. Le prix est inversement proportionnel à I'excès de l'offre, en effet
une au,pentation de l'offre entraîne une diminution du prix d'exportation. Ensuite ils ont
obtenu la forme réduite pour la détermination des exportations et du prix d'exportation suite à
l'ajustement des prix à I'excès d'offre.
Les modèles d'équilibre et de déséquilibre ont été estimés par la méthode du maximum
de vraisemblance. Le modèle d'équilibre était linéaire dans les paramètres tandis que le
modZle de déséquilibre était non-linéaire. Les coefficients avaient les signes attendus et étaient
significatifs. Les R' étaient élevés ce qui permettait aux auteurs d'affirmer que ces modèles
expliquent assez bien l'évolution des volumes et des prix d'exportation. Les élasticités-prix du
modèle d'équilibre étaient plus grandes que celles générées par le modèle de déséquilibre. Ceci
suggère qu'il est plus facile de modifier les capacités de production ou n'importe quel autre
facteur à long terme qu'à court terme. Selon les auteurs, il est difficile de discriminer entre le
modèle qui explique mieux la réalité. Les deux modèles ont des coefficients de détermination
élevés. Le modèle de déséquilibre possède l'avantage de pouvoir introduire un temps
d'ajustement, alors que les élasticités obtenues dans le modèle d'équilibre semblent plus
réalistes.
Dans une autre contribution, Browne (1982) a appliqué le modèle de GK (1978) à une
petite économie ouverte à savoir I'klande. L'auteur a adopté les fonctions d'offre et de
demande d'exportation de GK à la différence qu'il utilise les coûts de production pour
l'exportation au lieu de l'indice des prix intérieur et le stock de capital comme variable de
capacité de production dans la fonction d'offre.
Les mécanismes d'ajustement qui ont été employés, supposent que les quantités d'exportation
s'ajustent à l'égard des valeurs désirées des offreurs alors que les prix d'exportation varient
selon les conditions de la demande. En effectuant des substitutions, l'auteur a obtenu des
formes réduites poar déterminer les volumes et le prix d'exportation. Ii a estimé ces modèles
pour l'Irlande en utilisant des données trimestrielles couvrant la période 1960-1977 à l'aide de
l'approche des moindres carrés en deux étapes. Selon ses résultats, la spécification de l'offre et
de la demande d'exportation de GK est inconsistante avec le modèle de petite économie
ouverte. De plus, ses résultats indiquent que les variations dans les quantités d'exportation sont
essentiellement déterminées par les variations des variables affectant l'offre et particulièrement
la capacité productive.
Dans un autre article, Lukonga (1994) a examiné les facteurs soulignant la performance
des exportations non-pétrolières du Nigéna, et a tenté d'estimer les élasticités prix de l'offre
des exportations des produits agricoles. Depuis 1986, le gouvernement Nigérien a pris une
série de mesures conçues pour promouvoir les exportations non-pétrolières incluant la réforme
du taux de change et des réformes institutionnelles. Le succès de ces mesures dépendra des
facteurs contraignant la croissance des exportations et de la réponse des exportations aux
incitations des prix. L'auteur a utilisé un modèle qui spécifie à la fois les déterminants des
exportations du côté de !'offre et de la demande, qui mesure la réponse des volumes
d'exportation à ces déterminants, et qui distingue les fluctuations de long terme de celles de
court terme.
L'érosion des exportations des produits agricoles du Nigéria serait attribuable à la détérioration
des termes de l'échange, la baisse de la production, à l'augmentation de la demande
domestique, aux politiques de prix domestique inappropriées, et au choc pétrolier. Les
résultats de cette étude confirment ceux des études antérieures. Les conditions du marché
domestique influencent fortement la performance d'exportation.
L'auteur utilisait aussi un modèle de déséquilibre pour permettre à l'offre d'exportation de
s'ajuster partiellement à la différence entre la quantité d'exportation désirée à la période (t) et
celle qui est offerte à la période (t-1). I1 a donc estimé la qcantité offerte d'exportation au sein
d'un modèle d'équilibre et d'un modèle de déséquilibre. Les déterminants de la perfomance
des exportations ont été testés pour trois biens le cacao, l'huile d'arachide, et le caoutchouc. La
période d'estimation s'étend de 1970 à 1990. La méthode des moindres carrés ordinaires a été
utilisée pour estimer le modèle sauf lorsqu'il y avait autocorrélation. Le modèle d'équilibre
adopté dans cet article se distingue de celui de GK par Ilintroduction d'une variable binaire
permettant d'observer la variation de la pente de la fonction dûe à un changement de politique.
Cependant pour le modèle de court terme, il utilisait le mécanisme d'ajustement développé par
Houthakker et Taylor (1970) tout comme GK.
Les élasticités qui ont été obtenues par ce modèle indiquent que les exportations des produits
agricoles répondent positivement aux incitations des prix. Donc. les mesures de promotion
d'exportation peuvent induire un changement structureldans l'offre d'exportation.
Ces résultats ont démontré que la politique de promotion des exportations avait eut une
incidence sur le volume d'exportation, et que les conditions du marché intérieur influencent
fortement les exportations. L'offre d'exportation est sensible aux prix relatifs, surtout à long
terme, et les distorsions causées par les politiques sur les prix du gouvernement affectent
négativement la performance des exportations des produits agricoles.
II. LES MODÈLES DE PERFORMANCE DES EXPORTATIONS
Une étude analysant les déterminants des exportations, a été élaborée par Donges
(1 972). L'auteur a expliqué la croissance et la diversification des exportations manufacturières
espagnoles grâce à une réorientation de la politique économique à la fin des années cinquante,
d'une politique d'import-substitution vers une politique de promotion des exportations. Le but
que s'est fixe l'auteur était d'identifier les facteun aussi bien du côté de la demande que du
côté de l'offre, qui contribuent à l'évolution de l'exportation.
Certains facteurs apparaissent pertinents, à savoir IEvolution de la demande mondiale,
l'élasticité d'offre des biens d'exportation, et la politique gouvernementale d'exportation.
Cependant, l'important est de déterminer p m i ces facteun quels sont ceux qui semblent
constituer les éléments essentiels au processus d'exportation, et quels sont ceux qui sont
quantitativement mesurables, et quels sont ceux qui peuvent être maniés par le biais de
politiques. Les variables qui ont été retenues par l'auteur sont :
-Le revenu mondial, sous l'hypothèse que les exportations industrielles dépendent
positivement de celui ci. Cette variable est mesurée par le produit intérieur brut (PB) au prix
du marché.
-Le taux de change réel, car théoriquement une dépréciation du taux de change réduit le
prix d'exportation et améliore ainsi la rémunération des exportateurs nationaux en terme de
monnaie locale ce qui les incite à exporter davantage.
-Le taux de capacité d'utilisation, sous l'hypothèse que I'évol~ition de la demande
domestique est inversement proportionnelle à l'offre d'exportation. Pour mesurer cette variable,
on estime le produit industriel potentiel.
-La poli tique gouvernementale d'exportation, parce qu'on peut anticiper que la
promotion d'exportation doit influencer positivement le comportement d'exportation. Cet
impact a été mesuré à travers une variable binaire qui prend la valeur O pour les années 1951-
1960 oh il y a absence d'une politique active d'exportation, et prend la valeur 1 pour les années
qui suivent 196 1-1969, là où existe une telle politique.
Afin de mesurer l'impact de ces facteurs sur la performance d'exportation, l'auteur a
régressé les valeurs annuelles des exportations exprimées en dollar de vingt branches
manufacturières ainsi que du secteur manufacturier, sur ces facteurs. Une variable temps a été
introduite dans cette régression vu la présence possible de changement structurel graduel dans
le comportement des exportations. L'équation Loglinéaire a été estimée sur la période 1951-
1969.
Les encouragements aux exportations qui ont été financés par le gouvernement ont pemiis aux
entreprises de réduire leur d'exportation comparé au prix chargé sur le marché domestique. En
outre, l'auteur a identifié l'Espagne comme une économie où le facteur travail est abondant, et
où les branches industrielles intensives en travail bénéficiaient des mesures de promotion
d'exportation.
Les résultats des estimations ont montré que le revenu mondial est le plus important
déterminant des exportations industrielles, que la variable de capacité d'utilisation a le signe
négatif anticipé, et que le changement vers une stratégie de promotion des exportations semble
ne pas toujours influencer positivement les exportations. La crédibilité de ces résultats est
limitée par l'existence des problèmes statistiques à savoir la courte période d'observation, le
problème de variables manquantes qui biaise les coefficients estimés (les prix relatifs,
l'investissement étranger, les techniques de production...), et la fréquence des données.
Darrat (1987) a montré que le rôle des exportations dans le développement économique
est crucial. En effet, plusieurs études (Emery 1967, Michaely 1977, Balassa 1978, Fajana
1979, Tyler 198 1, Feder 1982, Kavoussi 1984) ont été faites sur ce sujet.
L'auteur a testé empiriquement l'hypothèse que non seulement les exportations et la croissance
économique sont fortement corrolées, mais aussi que les exportations causent la croissance
économique. Cette causalité est unidirectionnelle. Cette hypothèse voulant que les exportations
soient le moteur de la croissance économique, a motivé l'adoption de politiques orientées vers
l'exportation par les pays en voie de développement.
L'auteur a par conséquent réexaminé cette hypothèse en s'appuyant sur l'histoire de la
croissance remarquable des nouveaux pays industrialisés en Asie. Par ailleurs, des séries
chronologiques pour quatre pays (Hong kong, Singapour, Corée, Taiwan) durant la période
1955-1982 ont été utilisées pour tester cette hypothèse.
Pour chacun des nouveaux pays industrialisés, les valeurs actuelles ou retardées de la
croissance réelle des exportations ont été régressées sur la croissance réelle de production. La
variable d'exportation a été mesurée par le changement annuel du pourcentage dans les
exportations réelles, et la variable de la croissance économique a éte mesurée par le
changement annuei du pourcentage dans le produit intérieur brut réel.
D'après les résultats de ces régressions, pour les quatre pays, la croissance des
exportations a un impact significatif stimulant sur la croissance économique. L'auteur a donc
identifié une relation de causalité allant des exportations vers la croissance économique.
Pour déterminer la direction de la causalité entre les exportations et la croissance économique,
l'auteur a fait un test pour chacun des quatre pays. Les résultats du test de causalité, ont montré
qu'à l'exception de la Corée, pour les trois autres pays de l'échantillon,c'est dire Hong kong,
Singapour, et Taiwan, les exportations et la croissance économique sont soit indépendantes
soit que les exportations ne causent pas la croissance économique. Pour la Corée, la causalité
va des exportations vers la croissance économique et est unidirectionnelle.
III. LES MODÈLES DE GRAVITÉ
Les modèles de typ- gravité sont utilisés pour analyser l'impact des facteurs qui
influencent les échange bilatéraux entre les nations. Les variables indépendantes du modèle
incluent toujours des variables capturant les phénomènes de friction comme les coûts de
transport, et des variables reflétant les capacités d'importer et d'exporter comme les
populations et les revenus intérieurs des pays. Des variables comme les taux de change, les
préférences commerciales, et les langues sont souvent inclus pour compléter la spécification
du modèle.
Les fondations théoriques pour établir l'équation de gravité ont été fournies par Anderson
(1979)' Bergstrand (1985), et Helpman et Knigman (1985). Cependant, ces études relient les
flux du commerce bilatérale aux revenus des exportateurs et des importateurs, à leurs revenus
par capita, alors que les populations ont été ignorées.
Une étude de Loertscher et Wolter (1980) a essayé d'expliquer les déterminants de
l'intensité du commerce intra-industrie entre les pays et à travers les industries. Le commerce
intra-industrie est le fait d'exporter et d'importer dans la même industrie. Ce phénomène est
une observation empirique qui a attiré beaucoup d'attention dans la littérature récente du
commerce. L'auteur a dévéloppé un indice pour mesurer l'ampleur du commerce intra-
industrie.
Les attentes de l'auteur sont que le commerce intra-industrie entre les pays sera «intense» :
-si la moyenne de leurs niveaux de développement est élevée. Le niveau de
développement est mesuré par le revenu par capita.
-si la différence de leurs niveaux de développement est relativement petite.
-si la moyenne de leurs taille de marché est large. La moyenne du produit intérieur brut
est utilisée pour indiquer la taille de marché.
-si la différence de leurs niveaux de taille de marché est petite.
-si les barrières du commerce sont faibles y compris les barrières tarifaires et non
tarifaires. D'autres variables ont été introduites comme le coût de transport mesuré par la
distance en miles entre les centres économiques des pays, la langue, la culture, etc. pour
mesurer cet effet.
Le commerce intra-industrie au sein d'une industrie sera «intense» :
-si la potentialité pour des produits différents est grande et l'entrée au marché est
obstruée par des barrières afin de protéger les produits locaux.
-si les coûts de transport, mesurés par la distance moyenne entre l'industrie et le
marché pour tous les produits, sont faibles.
-si la définition d'une industrie est complète. Le degré d'aggrégation de l'industrie dans
la classification industrielle standard est introduite pour mesurer cet effet.
L'application empirique a été faite sur les pays de l'OCDE excluant l'Australie et la
Nouvelle Zélande pour la période 1972- 1973. Concernant l'intensité du commerce intra-
industrie entre les pays, l'analyse a suggéré qu'une croissance des marchés locaux ou une
diminution des coûts de transactions entre les partenaires commerciaux (exemple une baisse
relative des coûts de transport et des services de communication ou une diminution des
barrières cornmercides), entraîne une augmentation du commerce intra-industrie. Pour les
observations entre industries, l'importance des coûts de transactions à influencer les modèles
du commerce intra-industrie est révélée la même.
L'article de Bergstrand (1989), a fourni une fondation théorique explicite pour les
revenus des exportateurs et des importateurs ainsi que les revenus par capita, compatible avec
les théories traditionnelles et nouveIIes du commerce.
L'auteur a estimé l'équation généralisée de gravité pour huit industries durant quatre années
(1965, 1966, 1975, et 1976).
Les résultats empiriques montrent que les coefficients du revenu par capita de
l'exportateur sont positifs, indiquant que les produits chimiques, les matières premières, les
machines et le matériel de transport, et les produits alimentaires tendent à être intensifs en
capital dans la producticn, alors que les boissons et le tabac tendent 5 Etre intensifs en travail
dans leurs productions. Les coefficients du revenu par capita de l'importateur indiquent que les
boissons et le tabac ainsi que les divers produits manufacturiers sont considérés comme des
biens de luxe pour la consommation, tandis que le carburant, et les produits chimiques
apparaissent comme des biens de nécessité pour la consommation. De plus le coefficient de la
variable coûts de transporildistance est négatif portant le signe attendu. En effet, une distance
grande entre les pays réduit le flux du commerce entre eux. Les accords du commerce conclus
entre les pays sont représentés par des variables binaires. Les coefficients de ces variables sont
positifs.
L'auteur a trouvé que le coefficient du taux de change indexé par rapport à une année
de base, défini comme le nombre de devises du pays exportateur nécessaires pour acheter une
devise du pays importateur, porte le signe positif attendu dans certains cas, dans d'autres cas il
est négatif. Ceci est expliqué, pour les années 1965 et 1966, par les petites variations de cette
variable durant la période du régime des taux de change fixes avant 1973. Pour les années
1975 et 1976, le coefficient négatif du taux de change n'est pas pu être expliqué.
Dans leur article, Hummels et Levinsohn (1995) ont testé quelques propositions
concernant les flux du commerce développées par Helpman et Knigman, à savoir si la taille
relative des pays détermine le volume du commerce entre les pays dans le cas où tout le
commerce est intra-industrie et dans le cas où seulement une partie du commerce est intra-
industrie. En estimant une équation reliant la dispersion de la taille des pays et le volume du
commerce, pour un groupe des pays de l'OCDE pour la période 1956- 198 1, Helpman a montre
que plus les pays deviennent similaires en taille, le volume du commerce doit augmenter. Son
graphe montre une corrélation positive entre le rapport du volume du commerce par rapport au
produit intérieur brut et l'indice de dispersion de la taille des pays.
h s auteurs, ont refait le test de Helpman sur tous les pays de l'OCDE pour la période 1962-
1983. Iis ont trouvé, dans le cas où tout le commerce est intra-industrie, une corrélation
positive entre le volume du commerce et la taille des pays. Ils ont refait ce test sur les pays non
membres de l'OCDE sur la période 1962-1977, ils ont trouvé les mêmes résultats que dans le
cas des pays de l'OCDE, c'est à dire que la taille des pays détermine le volume du commerce.
Ils ont considéré le cas où une partie du commerce est intra-industrie, ils ont trouvé que
le rapport capital-travail détermine le commerce intra-industrie dans la mesure où si ce rapport
est identique pour deux pays, il n y a pas de commerce motivé par I'abondance relative des
facteurs. Dans le cas où ce rapport est différent pour les deux pays. changeant ainsi la taille
relative des pays, le commerce intra-industrie augmente. Ces auteurs ont refait le test de
Helpman, ils ont trouvé que la taille peut avoir un effet important sur le volume du commerce
des produits différenciés, et que la redistribution de capital et de travail qui augmente la
différence des facteurs et change la taille relative des pays, en les mettant plus égaux, fait
augmenter le commerce intra-industrie.
IV. LES MODÈLES DE «PRICING TO MARKET»
Le degré de repart ou de transmission du taux de change sur les prix à I'importation et à
I'exportation communément appelé «Pas-througb, a attiré une grande attention à la lumière
de l'hypothèse de Krugman (1987) de <grking to market : PTM».
Le PTM a été défini par Pick et Carter (1994) comme étant la décision de l'exportateur,
exerçant un pouvoir de marché, d'ajuster le prix d'exportation pour une destination spécifique,
lorsque la monnaie de I'exportateur s'apprécie relativement à la monnaie de l'importateur.
Pour Lee (1995). pour une firme qui vend ses produits sur un marché local et un marché
étranger, les fluctuations du taux de change créent des conditions de marché différentes sur les
deux marchés qui amène cette firme à changer le ratio des prix étrangers et du prix local. Par
conséquent, les fluctuations du taux de change vont modifier le rapport des prix locaux et des
prix d'exportation convertis en une même devise.
Feinberg (1986, 1989, 1991) a testé l'hypothèse que la concentration du marché affecte
le degré de repart des taux de change sur les prix locaux. Ii a trouvé que l'impact des taux de
change sur les prix locaux est beaucoup plus important pour les industries dépendantes des
intrants intermédiaires importés, ou produisant des biens substituts aux biens importés, et
moins important pour les industries intensives en capital.
Dans leur article, Parsley et Wei- (1993), ont vérifié I'hypothèse de l'effet de tête de
pont de la réponse du commerce aux variations du taux de change. En effet, l'existence des
coûts faibles a des implications importantes sur les taux de change rkels d'équilibre et les flux
du commerce. En outre, la combinaison de l'incertitude du taux de change et des coûts faibles
produit une inertie dans les flux du commerce parce que les décisions de Itentrée/sortie des
firmes sont liées à certains niveaux critiques du taux de change.
Dans cet article, les auteurs ont testé deux implications de l'hypothèse de tête de pont. La
première implication est que les changements cumulatifs des taux de change jumelés avec les
niveaux courants du taux de change, sont des déterminants importants des flux du commerce.
La deuxième implication est que la volatilité du taux de change affectera les décisions d'entrée
ou de sortie au marché des firmes exportatrices. Si la firme devient moins certaine de la valeur
future du taux de change, la stratégie "wait and see" sera plus attrayante. Ceci implique que
plus la volatilité du taux de change augmente, plus la réponse des flux du commerce aux taux
de change diminue. L'idée de l'hypothèse de l'effet de tête de pont a été illustrée par la relation
entre les taux de change et les importations. L'hypothèse annonce qu'un large changement dans
le taux de change altérera la relation d'équilibre entre les flux du commerce et les taux de
change. Cependant cette hypothèse ne spécifie pas comment un large changement dans le taux
de change doit entraîner un tel ajustement structurel.
Les auteurs ont examiné deux séries de données trimestrielles pour deux biens
différents à savoir les données concernant les volumes des importations des produits
chimiques homogènes des États-unis en provenance du Canada (1980-1988). et les données
concernant les volumes d'exportations de cinq produits japonais aux États-unis (1975-1987).
Les auteurs ont testé empiriquement l'hypothèse de l'effet de tête de pont. Ils ont défini V,
comme étant le cumul des changements dans les taux de change durant une certaine période r,
et Dt comme étant une variable binaire indiquant si la plupart des changements rkents dans le
taux de change suivent le même ou le sens contraire du changement durant les dernières
périodes 7. Ils ont mesuré après vt = D,As,V, où s, est le taux de change réel. En cas de
depréciations successives V, et v, vont être positifs. L'hypothèse prédit que le coefficient de y,
va être négatif.
Les auteurs ont développé un autre test afin de mesurer l'influence de l'incertitude du
taux de change sur la décision de la firme d'entrer ou de quitter le marché. Ces deux tests ont
pour but de caractériser la nature de la repense des flux du commerce aux taux de change. Ce
test relie les coefficients estimés des séries de temps à l'incertitude du taux de change en
utilisant le filtre de Kalman tel que: 1 AB$ = a + u E&T,+~) + et, où Pt sont les séries
chronologiques des coefficients estimés, EI(ok+J est l'espérance de la volatilité du taux de
change durant les k prochaines périodes basées sur l'information au temps t. Le signe attendu
de u est négatif.
Les résultats de cette étude infiment l'hypothèse de tête de pont.
Dans un autre article Pick et Carter (1994) ont considéré un modèle de deux firmes
(Canada et États-unis) exportatrices de blé qui se concurrencent sur un autre marché. Toutes
les transactions sont exprimées en dollar américain ($US). Chaque firme maximise son profit,
et des fonctions de réaction pour chaque exportateur peuvent être dérivées. Iis ont estimé
l'équation suivante pour les deux pays exportateurs :
Log(PiJ = 0, + + Pi l0g(SiJ + pi Di10g(rt) + uit
où Pi, est le prix d'exportation au marché i exprimé en $US, 0, est l'effet temps, q est l'effet du
pays exportateur, Si, est la monnaie de l'importateur exprimée en SUS, Di est une variable
binaire spécifique au pays exportateur, r, est le taux de change du $CAD en $US, et uit est un
terme d'erreur. Ils ont estimé cette équation pour le Canada et les États-unis, en utilisant les
valeurs unitaires et le taux de change pour la période 197814988IV. Les résultats trouvés
confirment I'hypothèse du PTM pour les deux pays exportateurs. Ils ont élargi le modèle en
introduisant le taux de change du dollar canadien en dollar américain ($CADI$US) dans
l'équation de prix, et ce pour tester le rô1e de ce taux de change dans les décisions des prix
d'exportation pour les deux exportateurs. Ils ont trouvé que ce taux de change jouait un rôle
important pour influencer les décisions des prix d'exportation.
Dans son article Lee (1995), a montré que le comportement de PTM existe dans les
industries de la Corée considérée comme un petit pays. Ce comportement peut être expliqué
par l'asymétrie du pouvoir du marché entre le marché local et le marché d'exportation.
Deux suppositions ont été faites, à savoir que le PTM est affecté par les parts de marché
d'exportation, et que les prix d'exportation sont affectés par le taux de change d'un troisième
pays dominant. L'auteur a construit un modèle pour deux firmes exportatrices qui vendent
leurs produits sur le marché local Coréen et sur le marché étranger Américain où les produits
sont vendus par N autres firmes y compris les firmes américaines. L'objectif de chaque firme
locale et étrangère est de maximiser son profit. Il a dérivé ainsi le prix d'équilibre sur le
marché local et sur le marché étranger.
L'équation qui a été estimée afin de mesurer l'effet de PTM est la suivante :
~t = P o + Piet + P20r + B 3 0 t ' + et
où xi est le rapport du prix domestique et du prix d'exportation, o, est salaire réel coréen, et
a* est le salaire réel étranger. Ces variables sont utilisées pour contrôler les divergences dans
les coûts des firmes Coréennes. Cette équation a été estimée pour seize industries
manufacturières pour la période 1980-1990. Le PTM existe si le coefficient du taux de change
e, est négatif. L'auteur a trouvé que l'effet de PTM est important pour toutes ces industries, et
cela peut être expliqué par l'asymétrie du pouvoir du marché entre le marché domestique et le
marché d'exportation.
L'auteur a testé la prédiction que le PTM est influencé par le taux de change d'un
troisième pays (le Japon) en estimant l'équation suivante :
Axt = P o + + +fiet* + P ~ A Q + P ~ A W ~ * + e,
où et8 est le taux de change entre le Japon et les États-unis définit en Yen par $US.
L'effet des variations du taux de change sur les prix d'importation est connu sous le nom du
degré de repart du taux de change. C'est l'ajustement des prix domestiques de la firme suite
aux changements dans ses coûts causCs par les variations du taux de change. Lorsque les
marchés sont segmentés à cause des coûts de transport, des barrières commerciales, et de
l'information imparfaite, la maximisation du profit implique une discrimination des prix. Les
prix chargés reflètent les conditions dans chaque marché.
Dans son papier, Knetter (1995) a essayé d'identifier les déterminants du degré de
repart en examinant l'ajustement des prix d'exportation suite aux fluctuations du taux de
change pour les industries qui vendent à des destinations multiples de marchés. L'auteur a
considéré une firme qui produit des biens pour les vendre dans n destinations de marchés
séparées. Les conditions de ler ordre de la maximisation de profit, impliquent que la firme
égalise le revenu marginal de ses ventes sur chaque marché au coût marginal. Ainsi, l'auteur a
pu déterminer le prix d'exportation chargé pour chaque marché, à savoir :
Pi = Cq(-qi/-qi+l) vi où Pi est le prix d'exportation chargé pour chaque marché, Cg est le coût marginal, et qi est
l'élasticité de la demande par rapport au prix dans le marcht étranger.
Le changement dans le taux de change par rapport à la monnaie du pays i, peut affecter
le prix chargé au marché i par deux manières, soit en affectant le coût marginal ou l'élasticité
de la demande d'importation. Ces deux effets déterminent le degré de repart. Cependant, le
PTM se réfère au deuxième effet seulement. Afin de mesurer l'effet combiné de la variation du
coût marginal et de la variation du taux de change sur les prix d'exportation, et en définissant
Pi comme l'élasticité du prix d'exportation par rapport au taux de change, deux équations sont
spécifiées :
dlogPit = (1 +Pi) et + Pi hlogqt + llil AIOgPit = 8, + pi dogeit + Pit
où i est la destination de marché, 8, est une variable de tendance représentant les changements
structurels t dans le temps c'est à dire les changements de coûts, cc est le taux de change de la
monnaie du marché de destination exprimée en monnaie du pays exportateur, et pit est un
terme d'erreur. Le terme reflétant l'élasticit6 du prix d'exportation par rapport au coût
marginal pour la destination i est (l+Pi).
Ces deux équations ont été estimées simultanément pour chaque destination de marché.
L'auteur a utilisé des valeurs unitaires pour estimer sept industries d'exportation pour les
États-unis pour la période 1973-1987 et pour l'Allemagne pour la période 1975-1987.
II a imposé les hypothèses que les coefficients de 0 sont les mêmes à travers les destinations
pour une période de temps donnée, et les coefficients de sont les mêmes à travers les
périodes de temps pour une destination donnée. Le résultat crucial de cette analyse est que le
comportement de PTM existe pour les deux pays exportateurs, cependant il est plus présent
dans les exportations allemandes que dans celles des États-unis.
IR modèle estimé par Gagnon et Knetter (1995) a été basé sur les résultats de Knetter
(199 1). Leur étude ressemble à ceHe de Knetter (1995), dans Ia mesure où ils ont considéré une
firme qui produit des biens pour les vendre dans n destinations de marché séparées indexées
par i.
Les conditions de premier ordre de la maximisation du profit, impliquent que la firme égalise
son revenu marginal de ses ventes sur chaque marché à son coût marginal. Iis ont dérivé ainsi
l'équation du prix d'exportation pour chaque destination. Comme dans Knetter (1995), un
changement du taux de change par rapport à la monnaie du pays i peut affecter le prix chargé
sur le marché i de deux manières : en affectant le coût marginal à travers des changements
dans la quantité ou dans les prix des inputs, ou en affectant l'élasticité de la demande
d'importation. Afin d'identifier clairement ces deux effets, les auteurs ont estimé :
h g Pi = Pi + (1 - Bi)Log(mc) - Pihg(ei)
où Pi est le prix d'exportation chargé sur le marché i, pi est un terne constant dans les séries de
Taylor, Bi est une fonction de l'élasticité de la demande, et rnc est le coût marginal.
Étant donné l'absence de données sur les coûts marginaux, ils les ont remplacé par une
série des effets temps, sous l'hypothèse que pour un exportateur donné le coût marginal
d'exportation aux différentes destinations change dans la même proportion d'une période à
une autre. Cependant, ils ont élargi l'échantillon de pays (Japon, États-unis, et Allemagne)
pour une période d'estimation qui s'étend de 1973 à 1987. Les résultats de cette étude,
montrent que le PTM diffère d'un pays à l'autre. Ils ont trouvé un coefficient de PTM élevé
pour le Japon qui est probablement expliqué par les restrictions quantitatives imposées sur les
importations d'automobiles japonaises par les États-unis et l'Allemagne.
Feenstra et Kendall (1997) ont développé et testé deux hypothèses concernant la parité
du pouvoir d'achat (PPA), dans une situation de concurrence imparfaite, les firmes
exportatrices ajustent leurs prix suite aux changements du taux de change.
La première hypothèse est que les changements dans les prix des biens Cchangeables
relativement à leurs substituts domestiques, affectera la relation de la PPA, suite au degré de
repart du taux de change. La deuxième hypothèse est que la parité devrait être maintenue sur
les taux de change anticipés plutôt que les taux de change aléatoires, ce qui implique que le
taux d'intérêt différentiel doit apparaître comme une variable explicative dans l'équation de la
PPA.
Pour cette étude, les auteurs ont utilisé des données trimestrielles pour les États-unis et
ses principaux partenaires commerciaux (Canada, Allemagne, Japon, et Royaume Uni),
couvrant la période 19741- 1994IV.
Ils ont traité la question de la monnaie par laquelle la firme exportatrice exprime ses prix. Ils
ont considéré les cas où la firme exportatrice facture ses ventes en sa propre monnaie, et en
devise du pays importateur. Le résultat trouvé est que c'est le taux d'intérêt qui détermine le
prix optimal d'exportation.
La variable qui a été utilisée pour mesurer le comportement du degré de repart était la
moyenne pondérée des importations relativement aux prix domestiques et des prix
d'exportation relativement aux coûts de production. Dans la formulation de PPA obtenue,
cette moyenne pondérée est corrélée significativement au taux de change.
Les résultats de cette étude ont confirmé les deux hypothèses. En effet, le
comportement du degré de repart a expliqué une partie significative des déviations de la PPA
observées durant la période de fluctuation du taux de change depuis 1974, cependant l'effet du
taux d'intérêt différentiel est faible.
CHAPITRE III
PRÉSENTATION DU MODÈLE
Les tableaux 5 et 6 présentent les valeurs moyennes des importations et des exportations
de 10 produits textiles de la Tunisie (coton, tapis points noués enroulés, friperie drillés chiffons.
tissus fibres synthétiques continues, tissus NDA, &of-bonneterie pièces etc., tissus coton écrus
non mercer, tissus coton blanchis etc., soie grège, et fibres synthétiques), par source (16 pays
partenaires de la Tunisie : France(FRN), Italie (ITAL), Allemagne (RF), Pays bas (PYB),
Danemark ON), Turquie (TR), Égypte (EG), Algérie (ALG), Maroc (MA), Suède (SUD),
Norvège (NV), Espagne (ESP), Bélgique-Luxembourg (BIX), Autriche (AUT), Royaume uni
(RYü), États-unis (E-U)), pour la période 1980- 199 1 exprimées en milliers de dollar US.
Les pays sont classés en ordre décroissant par leur moyenne (MOY) exprimée en milliers
de dollar US durant la période 1980-199 1. Des tests de différence de moyennes ont été effectués
et les termes «ms» et «mns» signifient que les moyennes sont significativement et non
significativement différentes. Un exemple d'un des test est illustré à l'annexe 1.
On remarque qu'aussi bien au niveau de l'exportation qu'au niveau de l'importation,
l'Allemagne, la France, la Belgique-luxembourg, et l'Italie représentent les principaux
partenaires commerciaux de la Tunisie.
Le probIème de la firme exportatrice est de maximjser son profit dans sa monnaie :
k k k
Max II = C piq, (qjpij) - ci (C qij, wi) - C tijqij (eijpij) j = I j= 1 j = I
tel que :
j : destination ;
I : exportateur ;
pij : prix du produit de l'exportateur i chargé à la destination j ;
qij : quantité demandée du produit de l'exportateur i par la destination j ;
Ci : coût de production du produit ;
w : prix des intrants ;
ti : coût de transport du produit ;
eij : taux de change : le nombre de devises de l'importateur j pour acheter une devise de la firme
exportatrice i.
Ri, : eijp, est le prix du produit chargé à la destination j exprimé en monnaie du pays importateur.
Le profit de la firme 1 qui est en concurrence avec n-1 autres firmes étrangères sur J
marchés d'exportations pour un produit différencié donné, est :
Le profit de la firme 2 est :
Les conditions de 1" ordre pour un produit donné et de deux exportateurs concurrents 1 et
2 sont :
pour q p o :
ap., / apij = CP V j = 1, ..., k est la conjecture de prix qui suppose que chaque firme croit que le
choix de son prix affectera le prix choisi par sa rivale.
Pour qij > O (V i =1, ..., n) on a :
rapport au prix.
rapport au prix.
Les conditions de 1" ordre se résument dans l'équation suivante :
La fonction de reaction est : Pii R(pij. P-ij, eij, e-,, tij, ci) où ci = &Jaqij.
On remarque que des variations de tjj et de ej peuvent affecter le prix charge la destination j.
Statique Comparative :
Supposons un duopole (n=2) avec fonctions de réaction:
Pij = R~(pij, Rj* eij. e2j. tij. ci)
Pzj = Mpij, Ni eij, e2j. t2j. cd
Dérivons ces équations par rapport iî tij, et Bcnvons les sous forme matricieue :
Utilisons la r&gle de Cramer :
Le signe du dthominateur est positif selon la condition du second ordre de la maximisation
de profit :la matrice Hessienne de la fonction maximiser est semi-dennie positive.
Le signe du numerateur est dttermine par (-a2 I l1 /apljatlj*a2 El /a~'*~), or le signe de
a2 n1 /ap21j est positif. donc le signe de ap1jBtij dépend du signe de (-a2 n1 /apljatIj).
Ceci signine qu'une augmentation du coDt de transport vers la destination j va entraîner une
augmentation du prix du produit exporte de la part de la finne exportatrice, afin de garder le
augmentation de p1j va diminuer la quantite qij, suite ii la loi de la demande.
L'effet de tij sur qu domine celui de tlj sur Plj. une baisse des valeurs des exportations (v = p*q)
est constatée. Les coOts de transport ont un impact n6gati.f sur la valeur des exportations.
D'une mani&re similaire, on dérive par rapport à eu :
Le signe de apli/aeij depend du signe de (-a2nl/apljaelj*a2n,/apz~j). or le signe de
a2 II, /ap2,j est positif, et a2 n, /apljaev = aqlj/aRij (pij - acl/aqlj - tij) <O. On a alors apii/aeij >O.
Le taux de change etant defini comme suit : elj = nombres de devises du pays importateur11
devise du pays exportateur, apl@elj >O signifie qu'une augmentation du taux de change
entraînera une augmentation des prix I'exportation.
Il faut noter que l'effet de pij sur qij domine les effets de p,. sur qlj. Une augmentation de plj va
diminuer la quantite qij réduisant ainsi les valeurs des exportations. L'effet de tij sur qij va
dominer celui de tlj sur plj, reduisant ainsi les valeurs des exportations.
L'appreciation de la monnaie de la firme exportatrice a un impact negatif sur la valeur des
exportations. C'est l'effet de qricing to market».
D'une mani8re sunilaire, on derive par rapport h e2j :
Le signe de apii/ae-ij depend du signe de (-a2 II, /apijaezj*a2 n, /ap22j), or le signe de
a2 II@p2,est positif. et a2 n/apij&2j = aqli/aRaCP (pij - aci/aqlj - ty) CO.
On a alors apli/ae-ij 9, ce qui signine qu'une augmentation du taux de change de la fimie
exportatrice concurrente, entraînera une augmentation des prix d'exportation. C'est l'effet de
qricing t O market».
L'effet d'un quota sur le puys exportateur
La situation du quota à l'exportation sur un marché qui permettra aux exportateurs de
retenir les rentes du contingentement sera gknéralement plus profitable que les autres formes de
protection tel que les tarifs qui allouent les rentes aux pays importateurs.
La restriction volontaire d'exportation est une variante de quota imposé par un pays exportateur
sur ses exportations à un autre pays en réponse aux pressions faites par le pays importateur. La
restriction volontaire d'exportation est plus coûteuse pour le pays importateur qu'un droit de
douane, limitant les importations du même montant, parce que les recettes douanières dans le cas
d'un droit de douane deviennent une rente payée au pays exportateur dans le cas d'une restriction
volontaire d'exportation.
Supposons que le pays importateur impose une limite à ses importations en les
restreignant à Q,. L'intersection de la courbe de demande d'importation du pays importateur et la
courbe d'offre d'exportation du pays exportateur donne l'équilibre (QI, Pl) en situation de libre
échange. Lorsqu'un quota est imposé, la quantité offerte exportée est réduite, déplaçant ainsi la
courbe d'offre d'exponation. L'équilibre se déplace à (Qr, Pr). Dans le cas d'un tarif limitant les
importations du pays importateur du même niveau, la courbe de demande d'importation se
déplace à gauche. L'intersection de cette courbe avec la courbe d'offre donne le prix mondial P,.
PrP, constitue la recette du tarif capturée par le pays importateur par unité importée ou la
rente capturée par le pays exportateur par unité exportée.
L'effet marginal d'un changement du niveau de quota est simplement la différence entre le prix
domestique du produit sur le marché du pays importateur et le prix mondial.
Plus Pr augmente, plus la rente unitaire du bien contingenté augmente.
D'après le modèle théorique. on a constaté que des variables comme le taux de change et
les coûts de transport affectent les prix et les quantités d'exportation. Dans la partie empirique,
on va tester si ces variables ont un effet significatif sur les valeurs des exportations tunisiennes,
et ainsi tester l'existence du phénomène de «pricing to market». On va essayer d'identifier
d'autres facteurs qui pourraient conditionner les exportations.
Vu les données disponibles dans la littérature, on va modéliser les vaieurs des
exportations (V) de dix produits textiles. Les variables retenues pour expliquer le comportement
des exportations sont :
-Le taux de change (E), défini comme le nombre de devises du pays importateur
nécessaires pour acheter une devise du pays exportateur. Théoriquement une augmentation du
taux de change fait augmenter le prix d'exportation et diminuer ainsi la rémunération des
exportateurs nationaux en terme de monnaie locale ce qui leur incite à exporter moins.
-Les coûts de transport/distance @), sous l'hypothèse que l'augmentation de telles
barrières naturelles découragera les exportations. Par conséquent les valeurs des exportations
vont baisser.
-La politique gouvernementale d'exportation (B), parce qu'on peut anticiper que la
promotion d'exportation doit influencer positivement le comportement d'exportation. Cet impact
a été mesuré à travers une variable binaire qui prend la valeur O pour les années 1980-1985 où il
y a absence d'une politique active d'exportation, et prend la valeur 1 pour les années qui suivent
1986- 199 1, là où existe une telle politique.
-L'indice de Herfindahl comme un exemple d'indices de concentration (H), défini comme
la somme des carrés des parts de marché. Cette variable indique que si la concentration
augmente, la Tunisie ne peut pénétrer au marché emparé par des grandes firmes étant donné
1' augmmtation des coûts d'entrée.
-Le produit intérieur brut des industries textile-habillement et cuir (P), par le fait qu'une
augmentation de celui-ci indique une évolution des exportations, et par conséquent une
augmentations des valeurs des exportations.
-Le commerce des partenaires de la Tunisie avec le monde (C), sous l'hypothèse que les
échanges de ces pays avec le marché total encouragera le commerce tunisien.
-La variable temps est introduite dans cette régression vu la présence du temps dans le
comportement d'exportation.
Le modèle empirique prend alors la forme suivante :
où :
V : la valeur des exportations exprimée en milliers de dinar tunisien;
E : le taux de change entre le pays exportateur et le pays importateur ;
H : l'indice de Herfindahl ;
P : le produit intérieur brut (PIB) des industries textiles-habillement et cuir exprimé en millions
de dinar tunisien ;
C : la valeur des exportations des pays partenaires avec le monde exprimée en milliers de dinar
tunisien ;
D : la distance entre le pays exportateur et ses destinations exprimée en mile nautique ;
£3 : une variable binaire ;
T : une variable temps ;
E : le terme d'erreur.
*L'indice de Herfindahl est un indice de concentration résumant la distribution des parts
de marché des firmes, et qui capture I'effet de pouvoir de marché.
*Le produit intérieur brut de l'industrie manufacturière est un indice reflétant la capacité
de production domestique.
*Le taux de change introduit ici, est un taux de change nominal indexé sur la première
année de la période d'estimation.
*La politique gouvernementale est mesurée par la variable binaire. En effet, en 1986 le
gouvernement tunisien a souscrit un programme d'ajustement structurel (PAS). L'un de ses
objectifs est de promouvoir les exportations.
*Les coûts de transport sont approximés par les distances entre le pays source et les
centres économiques partenaires.
Cette équation va être estimée pour dix produits de textile tunisiens (coton, tapis points
noués enroulés, friperie drillés chiffons, tissus fibres synthétiques continues, tissus NDA,
étof.bonneterie pièces etc., tissus coton écnis non mercer, tissus coton blanchis etc., soie grège,
fibres synthétiques), et seize pays partenaires de la Tunisie (Algérie, Allemagne, Autriche,
Belgique-Lux, Danemark, Égypte, Espagne, États-unis, France, Italie, Maroc, Norvège, Pays
bas, Royaume Uni, Suède, Turquie).
Les données
Dans l'analyse empirique, les données annuelles sur les valeurs des exportations
tunisiennes pour la période 1980-1991 sont obtenues à partir de la banque de données de
Statistiques Canada (StatCan). Les données concernant les taux de change couvrant la même
période sont collectées du Fond Monétaire International, statistiques financières internationales.
La technique d'estimation
Le fait que les exportations ne puissent prendre une valeur négative, signifie que la
variable dépendante est censurée. La variable dépendante dans notre cas est la valeur des
exportations pour 10 produits est soit O ou une valeur positive. Les valeurs des exportations qu i
prennent la valeur O sont censurées par une variable inobservée latente qui impiique la décision
ne pas exporter le produit pour une année donnée durant la période d'estimation.
La décision exporter ou ne pas exporter peut être indiquée par une variable binaire, qui est une
fonction de la variable latente, et estimée comme un modèIe Probit. En effet, si la Tunisie
exporte des produits durant une année donnée, la valeur des exportationi V+O, sinon V, =O.
Le modèle est alors : P(Vt = 1) = F(X,P),
V, = 1 représente le fait que la Tunisie exporte des produits durant une année donnée, X, est le
vecteur des variables indépendantes à savoir le taux de change, la distance, le produit intérieur
brut, l'indice de concentration, la variable binaire, la variable temps, et les valeurs des
exportations des autres pays avec le monde, et P est le vecteur des estimateurs.
La procédure d'estimation comprend deux étapes. Dans une première étape, la régression
Probit détermine la probabilité que la Tunisie exporte le produit pendant une année donnée. Cette
régression est utilisée afin de construire une variable R (Le ratio inverse de Mills) pour capturer
la probabilité de l'événement «exporter ou ne pas exporter)>. Cette variable sera introduite
comme une variable de correction dans la deuxième étape de l'estimation, où les valeurs des
exportations sont limitées aux valeurs strictement positives. L'objectif de cette variable étant
d'avoir des estimateurs non biaisés. La méthode des moindres carrés ordinaires (OLS) est utilisée
dans la deuxième étape de l'estimation.
MTERPRÉTATION DES RÉSULTATS
Les résultats de l'estimation sont présentés par produit.
Produit 2 : Fripperie drillés, chiffons
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de I'indice de concentration (H) est statistiquement significatif à 5%
avec un signe négatif, ce qui indique que la concentration influence négativement les valeurs
des exportations tunisiennes. Ceci signifie qu'il est difficile à la Tunisie de pénétrer à un
marché où il y a des grands concurrents.
Le coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif, ce qui implique que le commerce des partenaires commerciaux de la Tunisie avec le
monde stimule les exportations tunisiennes.
La variable coût de transport/distance (D) est significative à 5% avec le signe négatif
anticipé. En effet, les coûts de transport sont considérés comme des barrières naturelles qui
devraient avoir un impact négatif sur la valeur des exportations.
La partie de la distance qui contribue à l'explication des valeurs des exportations de ce
produit est @ 1).
Le coefficient du taux de change (E) est statistiquement non significatif à 5%. tout de
même il porte le signe négatif anticipé. En effet, une appréciation de la monnaie du pays
exportateur, découragera ses exportations étant donné que les prix à l'exportation vont
augmenter, et par conséquent les valeurs de ses exportations vont baisser. Le coefficient
négatif du taux de change, montre que l'effet de qricing to market» existe dans cette industrie.
Cette effet approprié à la Tunisie, comme un exemple de petit pays, est expliqué par
l'asymétrie du pouvoir du marché étant donné la différence du marché local et celui de
l'exportation.
Le coefficient négatif confirme la situation de discrimination des prix, où le pays
exportateur ajuste les prix sur les marchés d'exportation suite aux fluctuations du taux de
change.
La variable binaire (B) est non significative à 5% avec un signe positif, ce qui signifie
qu'une telle politique a augmenté les rémunérations des exportations. Le changement vers une
stratégie extravertie semble influencer positivement le comportement des exportations.
Le coeffikient de la variable temps (T) est non significatif à 5% avec un signe négatif,
ce qui implique que le comportement des exportations ne répond pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
positif. En effet, une augmentation des valeurs des exportations entraîne une augmentation du
produit intérieur brut de ce secteur.
La constante est statistiquement non significative à 5% portant un signe positif.
La valeur de R' (Maddala) est de 478, et le pourcentage de prédictions correctes est
87%.
Les résultats de la deuxième étape de I'estimation proviennent de la minimisation de la somme
des carrés des erreurs (OU), en limitant les valeurs des exportations aux observations
strictement positives, et en ajoutant le ratio inverse de Mills (R) sont les suivants :
Toutes les variables y compris la constante sont statistiquement significatives à 5%, à
l'exception de la variable D2 qui est non significative à 5% La variable R capturant la
probabilité de l'événement «exporter ou non» apparaît significative à 5%. En effet, cette
variable de correction est introduite dans la deuxième étape de l'estimation afin d'obtenir des
estimateurs non biaisés.
Toutes ces variables gardent le même impact sur les valeurs des exportations, qu'avec
la méthode Probit, à l'exception de la variable binaire qui semble avoir une influence négative
sur la valeur des exportations, ce qui explique le signe négatif de la variable B.
La valeur de R' est de 598 .
On a testé dans une troisième étape la sipificativité des variables en estimant le modèle avec
une contrainte versus le modèle complet. La variable LR qui mesue cet effet est distribué
comme un X' avec 8 degrés de liberté, ce qui correspond à la valeur 15.5073 à 5%.
La valeur de LR est supérieure à 15.5073, ceci signifie qu'on rejette l'hypothèse nulle. Par
conséquent toutes les variables introduites dans ce modèle sont significatives à 5%.
Produit 2: Coton
D'après les résultats de la prem-ère étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (H) est statistiquement significatif à 5%
avec un signe négatif.
LR coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif.
La variable coût de transportldistance (D) est significative à 5% avec le signe négatif
anticipé. C'est seulement la partie (Dl) de la distance qui contribue à l'explication des valeurs
des exportations de ce produit.
Le coefficient du taux de change (E) est statistiquement non significatif à 5%, tout de
même il porte le signe négatif anticipé.
La variable binaire (El) est significative à 5 8 avec un signe négatif, ce qui signifie que
le changement vers une stratégie extravertie semble ne pas influencer positivement le
componement des exportations.
Le coefficient de la variable temps O est non significatif à 5% avec un signe négatif,
ce qui implique que le comportement des exportations ne répond pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
positif.
La constante est statistiquement significative à 5% portant un signe positif.
La valeur de R~ (Maddala) est de 308, et le pourcentage de prédictions correctes est
90%
Les résultats de la deuxième étape de l'estimation provenant de la méthode des moindres
carrés ordinaires (OU) en limitant I'échanrillon à 26 observations strictement positives et en
introduisant la variable R, sont les suivants :
Toutes les variables y compris la constante sont statistiquement non significatives à
5%. En effet, la valeur de Ia variable LR est inférieure à 15.5073.
La valeur de R~ est de 50%.
Produit 3: Étof ~onneterie Pièces etc.
D'après tes résultats de la première étape de I'estirnation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (H) est statistiquement non significatif à 5%
avec un signe négatif.
Le coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif.
La partie @2) de la variable coût de transportldistance est négatif tout en étant
significatif à 59 . Pour ce produit, seulement la partie (D2) de la la distance semble expliquer
la valeur des exportations.
Le coefficient du taux de change (E) est statistiquement non significatif à 58, tout de
même il porte le signe négatif anticipé.
La variable binaire (B) est non significative à 5% avec un signe négatif, ce qui signifie
qu'une telle politique n'a pas augmenté les rémunérations des exportations.
Le coefficient de la vanable temps (T) est non significatif à 5 % avec un signe négatif,
ce qui implique que les exportations ne répondent pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
positif.
La constante est statistiquement significative à 5% portant un signe négatif.
La valeur de R' (Maddala) est de 8%, et le pourcentage de prédictions correctes est
83%.
Les résultats de la deuxième étape de l'estimation moyennant la méthode des moindres carrés
ordinaires (OU) avec 31 observations strictement positives et en ajoutant la variable R, sont
les suivants :
La variable H est significative à 5% portant le signe positif, ce qui signifie que la
Tunisie peut entrer au marché de ce produit.
Le coeEcient de la variable C n'est pas significatif à 596, son signe négatif implique
que le commerce des partenaires de la Tunisie dans ce produit n'a pas stimulé les valeurs des
exportations tunisiennes.
Les valeurs des exportations semblent etre expliquées par la partie (Dl) de la distance
qui n'est pas significatif à 5%.
Le taux de change n'explique pas les valeurs des exportations de ce produit. En effet,
le coefficient de la variable E n'est pas significatif à 5% avec un signe positif.
La variable temps n'est pas significatif à 5% portant un signe négatif.
Le produit intérieur brut stimule les valeurs des exportations de ce produit. Le
coefficient de la variable P est positif et significatif à 5%.
La variable R n'est pas significative à 5%.
La constante est positive et non pas significative à 5%.
Cependant la valeur de LR est supérieure à 15.5073 ce qui indique que ces variables explique
la variation des valeurs des exportations.
La vdeur de R' est de 5 1 %.
Produit 4: Tissus coton écrus non mercer
D'après les résultats de la première étape de I'estimation, la régression Probit, on peut soutenir
que :
Les variables C, D, T, P, et la constante sont significatives à 5%. Les variables H, E, et
B ne sont pas significatifs à 5%.
Toutes les variables semblent expliquer les valeurs des exportations de ce produit.
Les valeurs des exportations de ce produit sont expliquées par la partie (Dl) de la
distance.
La valeur de R' (Maddala) est de 39%, et le pourcentage de prédictions correctes est
85%.
Les résultats de la deuxième étape de l'estimation moyennant la méthode des moindres carrés
ordinaires (OLS) avec 51 observations et en introduisant la variable R, sont les suivants :
La variable H est significative à 5% avec un signe négatif, ce qui signifie que le
marché de ce produit est emparé par des grands concurrents.
Le commerce des partenaires de la Tunisie n'a pas augmenté les exportations
tunisiennes de ce produit.
Les valeurs des exportations de ce produit sont expliquées par la partie (Dl) de la
distance.
Le taux de change semble ne pas expliquer les valeurs des exportations, tout en étant
significatif à 5%.
La politique gouvernementale stimule les valeurs des exportations.
Les exportations de ce produit réagissent au temps, ce qui explique le signe positif de
la variable T qui est significative à 5%.
Le produit intérieur brut n'explique pas les valeurs des exportations de ce produit.
La variable de correction est significative à 5%.
La constante est non significative à 5%.
La valeur de R' est de 73%.
Ces variables expliquent la variation des valeurs des exportations de ce produit, si on se fie au
test de significativité des variables.
Produit 5:Tissus coton blanchis erc.
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (H) est statistiquement non significatif à 5%
avec un signe négatif.
Le coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif, ce qui implique que le commerce des partenaires commerciaux de la Tunisie avec le
monde stimule les exportations tunisiennes de ce produit.
La variable coût de transport/distance (D) est non significative à 5%. Le coefficient de
la variable @2) est négatif, ce qui implique que seulement la partie @2) de la distance qui
explique la variation des valeurs des exportations de ce produit.
Le coefficient du taux de change (E) est statistiquement significatif à 5%, il porte le
signe négatif anticipé.
La variable binaire (B) est non significative à 5% avec un signe positif, ce qui signifie
qu'une telle politique a augmenté les rémunérations des exportations.
Le coefficient de la variable temps (T) est non significatif à 5% avec un signe négatif,
ce qui implique que le comportement des exportations ne répond pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
positif.
La constante est statistiquement significative à 5% portant un signe positif.
La valeur de R~ (Maddala) est de 32%, et le pourcentage de prédictions correctes est
72%.
Les résultats de la deuxième étape de l'estimation qui proviennent de la minimisation de la
somme des carrés des erreurs (OLS) avec 93 observations strictement positives et en ajoutant
Ie ratio inverse de MiIis (R), sont les suivants :
Toutes les variables sont significatives à 5% à l'exception des variables T et P.
Le taux de change explique la variation des valeurs des exportations tunisiennes.
La partie (D2) de la distance est significative à 5% avec le signe négatif anticipé, c'est
sedement cette partie qui semble expliquer la variation des valeurs des exportations.
Le produit intérieur brut n'explique pas les valeurs des exportations.
La politique gouvernementale a un impact positif sur les valeurs des exportations de ce
produit.
Le temps semble ne pas influencer la variation des valeurs des exportations
tunisiennes.
La variable de correction apparaît significative à 5%, ainsi que la constante.
La valeur de R~ est de 40%.
Selon le test de significativité, ces variables semblent expliquer la variation des valeurs des
exportations de ce produit.
Produit 6: Tissus fibres synthétiques continues
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (H) est statistiquement non significatif à 5%
avec un signe négatif.
Le coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif, ce qui implique que le commerce de ce produit de la part des partenaires commerciaux
de la Tunisie avec le monde stimule les exportations tunisiennes de ce produit.
La variable coût de transport/distance @) est non significative à 5% avec le signe
négatif anticipé. En effet, les coûts de transport sont considérés comme des barrières naturelles
qui devraient avoir un impact négatif sur la valeur des exportations.
Le coefficient du taux de change (E) est statistiquement non significatif à 5%, tout de
même il porte le signe négatif anticipé.
La variable binaire (B) est non significative à 5% avec un signe négatif, ce qui signifie
Le coefficient de la variable temps (T) est non significatif à 5% avec un signe négatif,
ce qui implique que le comportement des exportations ne répond pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
négatif.
La constante est statistiquement non significative à 5% portant un signe positif.
La valeur de R~ (Maddala) est de 27%, et le pourcentage de prédictions correctes est
72%.
Les résultats de la deuxième étape de l'estimation qui proviennent de la méthode des moindres
carrés ordinaires (OLS) avec 69 observations strictement positives et en ajoutant la variable R,
sont les suivants :
La variable (H) est significative à 5% avec le signe négatif.
Le commerce des partenaires de la Tunisie stimule les valeurs des exportations de ce
produit. Le coefficient de la variable (C) est positif et significatif à 5%.
La partie (Dl) de la distance est significative à 5% avec le signe négatif anticipé. Le
coefficient de @2) est négligeable, ce qui indique que seulement la partie D 1 qui détermine la
distance.
La variable du taux de change n'explique pas la variation des valeurs des exportations
de ce produit.
Les variables B, T, et P sont non significatifs à 5%.
La politique gouvernementale stimule les valeurs des exportations de ce produit, à
l'encontre du produit intérieur brut.
Les exportations de ce produit sont influencées par le temps.
La variable de correction R apparaît significative à 5%.
La valeur de R' est de 77%.
D'après la valeur de LR, ces variables expliquent la variation des valeurs des exportations.
Produit 7: Tissus NDA
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Seulement la distance et la constante sont significatives à 5%
La Tunisie peut accéder au marché de ce produit, puisque le coefficient de la variable
H est positif.
Le commerce des partenaires de la Tunisie stimule les exportations tunisiennes de ce
produit
C'est seulement la partie 0 2 ) de la distance qui explique ia variation des valeurs des
exportations.
La politique gouvernementale a un impact négatif sur les valeurs des exportations, qui
ne réagissent pas au temps dans le cas de ce produit.
Le produit intérieur brut a un effet positif sur les valeurs des exportations de ce
produit.
La valeur de R~ (Maddala) est de 6496, et le pourcentage de prédictions correctes est
92%.
Les résultats de la deuxième étape de l'estimation résultent de la méthode des moindres carrks
ordinaires (OU) en limitant les valeurs des exportations à des observations strictement
positives et en introduisant la variable R, sont les suivants :
Les variables E, T, et P sont non significatives à 5%.
L'indice de concentration a un impact négatif sur les valeurs des exportations.
La partie (DI) de la distance contnbue à l'explication des valeurs des exportations.
Le taux de change n'explique pas les valeurs des exportations.
La politique gouvernementale stimule les valeurs des exportations de ce produit, qui
semblent réagir au temps.
Le produit intérieur bmt ne contribue à l'explication des vdeurs des exportations.
La variable de correction R est significative à 5%, ainsi que la constante qui porte un
signe positif.
La valeur de R' est de 77%.
Selon le test de significativité, les variables introduites dans le modèle expliquent la variation
des valeurs des exportations.
Produit 8: Tapis points noués, enroulés
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (H) est statistiquement non significatif à 5%
avec un signe négatif, ceci signifie qu'il est difficile à la Tunisie de pénétrer à tel marché où il
y a des grands concurrents.
Le coefficient du commerce (C) est statistiquement significatif à 5 % avec un signe
positif, ce qui implique que le commerce des partenaires commerciaux de la Tunisie avec le
monde stimule les exportations tunisiennes de ce produit.
La variable coût de transport/distance (D) est significative à 5% avec le signe négatif
anticipé. C'est la partie (Dl) de la distance qui contribue à l'explication des valeurs des
exportations de ce produit.
Le coefficient du taux de change (E) est statistiquement significatif à 5%, et il porte le
signe négatif anticipé.
La variable binaire (B) est non significative à 5% avec un signe positif, ce qui signifie
qu'une telle politique a augmenté les rémunérations des exportations. Le changement vers une
stratégie extravertie semble influencer positivement le comportement des exportations.
Le coefficient de la variable temps O est non significatif à 5% avec un signe positif,
ce qui implique que le comportement des exportations répond au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
négatif. Le produit intérieur brut semble ne pas stimuler les valeurs des exportations de ce
produit.
La constante est statistiquement significative à 5% portant un signe positif.
La valeur de R' (Maddaia) est de 64%, et le pourcentage de prédictions correctes est
Les résultats de la deuxième étape de l'estimation qui proviennent de la méthode des moindres
carrés ordinaires (OLS) en limitant les valeurs des exportations aux observations strictement
positives, et en ajoutant la variable R, sont les suivants :
Le coefficient de la variable (H) est non significatif à 5% avec un signe positif, ce qui
implique que la Tunisie peut accéder à ce marché.
La variable (C) apparaît significative à 5% avec un effet positif sur les valeurs des
exportations de ce produit.
La variable distance n'est pas significative à 595, tout de même elle porte le signe
négatif. La partie qui contribue à I'explication des valeurs des exportations est (Dl).
Le coefficient du taux de change est significatif à 5% portant le signe négatif anticipé.
Les variables B, T, et P sont non significatifs à 5% et ils ont un impact négatif sur les
valeurs des exportations.
La variable de correction R est significative à 5%.
La constante est significative à 5% avec un signe postif.
La valeur de R* est de 29%. D'après la valeur de LR, on peut dire que ces variables expliquent
les valeurs des exportations de ce produit.
Les résultats trouvés pour ce produit correspondent à la réalité. En effet, le marché des tapis
est caractérisé par une forte concurrence. La Tunisie s'est procurée une place lui permettant
d'être un grand producteur et exportateur de ce produit.
Produit 9: Soie erège
Il faut noter que la production de la soie en Tunisie n'arrive même pas à suffire la demande
intérieure du marché, ce que lui oblige d'importer. Par conséquent, on s'attend à ce que les
résultats trouvés pour ce produit ne seront pas satisfaisants.
D'après les résultats de la première étape de l'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de l'indice de concentration (HJ est statistiquement non significatif à 5%
avec un signe négatif, ce qui indique que la concentration influence négativement les valeurs
des exportations tunisiennes.
Le coefficient du commerce (C) est statistiquement non significatif à 5% avec un signe
positif, ce qui implique que le commerce des partenaires commerciaux de la Tunisie avec le
monde stimule les exportations tunisiennes de ce produit.
La variable coût de transportldistance @) est non significative à 5% avec le signe
négatif anticipé. C'est la partie D2 qui détermine la distance.
Le coefficient du taux de change (E) est statistiquement non significatif à 5%, tout de
même il porte le signe négatif anticipé.
La variable binaire (B) est non significative à 5 8 avec un signe positif, ce qui signifie
qu'une telle politique a augmenté les rémunérations des exportations. Le changement vers une
stratégie extravertie semble influencer positivement le comportement des exportations.
Le coefficient de la variable temps (T) est non significatif à 5% avec un signe négatif,
ce qui implique que le comportement des exportations ne répond pas au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5 8 avec un signe
positif.
La constante est statistiquement non significative à 5% portant un signe négatif.
La valeur de R~ (Maddala) est de 6%, et le pourcentage de prédictions correctes est
Pour la deuxième étape de l'estimation, les valeurs des exportations strictement positives sont
au nombre de 1, ce qui est insuffisant pour faire I'estimation.
Les résultats pour ce produit sont conformes aux attentes réelles. En effet, la Tunisie
Produit 10: Fibres nnthétiques
D'après les résultats de la première étape de I'estimation, la régression Probit, on peut soutenir
que :
Le coefficient de I'indice de concentration (H) est statistiquement non significatif à 5%
avec un signe négatif, ce qui indique que la concentration influence négativement les valeurs
des exportations tunisiennes. Ceci signifie qu'il est difficile à la Tunisie de pénétrer à un
marché où il y a des grands concurrents.
Le coefficient du commerce (C) est statistiquement significatif à 5% avec un signe
positif, ce qui implique que le commerce des partenaires commerciaux de la Tunisie avec le
monde stimule les exportations tunisiennes de ce produit.
La variable coût de transport/distance (D) est non significative à 5%. La partie 0 2 ) de
la distance explique la variation des valeurs des exportations.
Le coefficient du taux de change (E) est statistiquement non significatif à 595, tout de
même il porte le signe négatif anticipé.
La variable binaire (B) est non significative à 5% avec un signe positif, ce qui signifie
qu'une telle politique a augmenté les rémunérations des exportations. Le changement vers une
stratégie extravertie semble influencer positivement le comportement des exportations.
Le coefficient de la variable temps (T) est non significatif à 5% avec un signe positif,
ce qui implique que le comportement des exportations répond au temps.
Le produit intérieur brut (P) du secteur textile est non significatif à 5% avec un signe
négatif.
La constante est statistiquement non significative à 5% portant un signe négatif.
La valeur de R' (Maddala) est de 9395, et le pourcentage de prédictions correctes est
95%.
Pour la deuxième étape de I'estimation, les valeurs des exportations strictement positives sont
au nombre de 8, ce qui est insuffisant pour faire l'estimation.
CONCLUSION
Les exportations jouent un rôle très important dans le développement économique. Par
conséquent, il devient crucial de determiner les facteurs qui contribuent à l'évolution des
exportations. Dans ce travail, nous avons modélisé les valeurs des exportations du secteur
textile tunisien, étant donné que cette industrie revêt une importance capitale pour l'économie
tunisienne, et elle était à la base de l'essor de la plupart des petites économies ouvertes.
Les résultats de nos estimations, montrent que les variables qui semblent mieux
expliquer la variation des valeurs des exportations, sont la variable du taux de change et la
variable des coûts de transpoddistance, portant les signe négatifs anticipés. En effet, une
appréciation de la monnaie du pays exportateur va avoir une influence négative sur la valeur
de ses exportations. En outre, ceci implique que l'effet de qricing to market» est présent dans
cette industrie. De plus, des barrières naturelles au commerce telles que les coûts de transport,
ont un impact négatif sur la valeur du commerce. La partie de la distance qui contribue à
l'explication de la variation des valeurs des exportations, est dans la plupart des cas la partie
linéaire.
La variable distance apparaît importante dans ce modèle, par le fait qu'elle capture les effets
fixes. La variable binaire est intéressante malgré que dans plusieurs cas le changement vers
une stratégie extravertie, semble ne pas influencer positivement le comportement des
exponations. L'indice de concentration a un effet négatif sur la valeur des exportations, ce qui
signifie qu'il est difficile à la Tunisie, comme un exemple d'un petit pays, de pénétrer dans un
marché qui contient des grands concurrents.
Les produits qui ont donné les meilleürs résultats sont tapis points noués, enroulés, et
tissus coton blanchis. Ils sont les plus exportés par la Tunisie. Les produits soie grège et fibres
synthétiques ont une faible part dans les exportations de la Tunisie.
D'après le test de significativité des variables, les variables introduites dans le modèle
expliquent en général la variation des valeurs des exportations. En effet, le pourcentage de
prédictions correctes est le meilleur exemple puis qu'il atteint en moyenne 95%. Cependant,
d'après la valeur de R ~ , le modèle n'explique qu'en moyenne 50% de la variation des valeurs
des exportations, ce qui implique l'existence d'autres variables qui peuvent compléter la partie
inexpliquée, outre la variation aléatoire des valeurs des exportations.
Dans les travaux de recherche ultérieurs, il serait intéressant d'introduire d'autres
variables comme les similarités culturelles, l'éducation, la population, l'âge, etc., pour mieux
expliquer les flux d'exportations. Vu l'importance de cette industrie pour la plupart des pays en
voie de développement, il serait aussi intéressant d'étudier les répercussions du démantèlement
des accords rnultifibres sur le secteur textile de ces pays. Bien que la Tunisie n'est pas
signataire de cet arrangement, elle se trouve néanmoins impliquée dans le processus de
libéralisation du secteur.
BIBLIOGRAPHIE
AMEMIYA, Y. "Introduction to Statistics and Econometrics", 1994.
BERGSTRAND, J. H. "The Generalized Gravity Equation, Monopolistic Cornpetition, and
Factor proportions Theory in International Trade", The Review of Econornics and Statistics,
Février 1989, p. 143-153.
BROWNE, F. "Modelling Export Pnces and Quantities in a small Open Economy",
The Review of Economics and Statistics, vo1.64, May 1982, p.346-347.
CAMARA, 1. " Comprendre Le GATT :Accord Général sur les tarifs douaniers et le
commerce", 1990.
CENTRE TECHNIQUE DU TEXTILE: "Secteur du Textile/HabiIlement:Statistiques du
commerce éxterieur", Avril 1995.
DANIEL, A. P. AND CARTER, C. A. "Pricing to Market with Transactions Denominated in
a common Currency", Amencan Journal of Ag-ricultural Economics, vo1.76, Février 1994,
p.55-60.
DARRAT, A. "Are exports an engine of growth? Another look of evidence", Applied
Economics. vol. 19, 1987, p.277-283.
DAVIDSON, R. AND MACKLNNON, J.G. "Estimation and Inference in Econometrics",
1993.
DONGES, J.B. "Spain Industrial Exports: An Analysis of Supply and Demand",
Weltwirtschaftliches Archiv, Band 108, Heft 2, 1972, p. 191-233.
EXPORTER, No:77, Mars/Avril 1993.
FEENSTRA, R. C. "Estimating the Effects of Trade Policy", Handbook of International
Economics, vol.III, chap.30, 1995.
FEENSTRA, R. C. AND KENDALL, J. D. "Pass-through of Exchange Rates and
Purchasing Power Parity", Journal of International Economics, vo1.43, Août 1997, p.237-26 1.
FENATEX, UTICA: "Le secteur Textile à la croisée des chemins", Mars 1994.
FULGINITI, Lm AND PERRIN, R. "The Theory and Measurement of Producer Response
under Quotas", The Review of Economics and Statistics, Février 1993, p.97- 106.
GAGNON, J. E AND KNETTER, M. M "Markup adjustment and exchange rate
fluctuations: evidence from data on automobile exports", Journal of International Money and
Finance, vol. 14, No:2, 1995, p.289-3 10.
GATT: "Résultats des négociations commerciales multilatérales du cycle d8Uraguay",
Genève, Novembre 1994.
GATT: "Examen des politiques commerciales", Tunisie, vo1.2, 1994.
GOLDSTEN, M. AND KHAN, M. "The Supply and Demand for Exports: A Simultaneous
Approch", The Review of Economics and Statistics, vol.LX, No:2, 1978, p.275-286.
GOTO, J. "The Multifibre Anangement and its effects on dzveloping countrïes", The
International Bank for Recontruction and Developmenflhe World Bank, Research observer 4,
No:2, Juillet 1989, p.203-227.
KNETTER, M. M. "Pricing to Market in Response to Unobservable and Observable shocks",
International Economics Journal, vo1.9, No:2, Été 1995, p. 1-25.
KRUGMAN, P.R. "Inreasing Retums, Monopolistic cornpetition, and International trade",
Journal of International Economics, vo1.9, 1979, p.469-479.
LEE, J. "Pricing to Market in Korean Manufacturing exports", International Economic
Journal, vo1.9, No:4, Hiver 1995, p. 1- 12.
LOERTSCHER, R. AND WOLTER, Fm "Determinants of Intra-Industry Trade:Among
Countries and Across Industries", Weltwirtschaftliches Archiv, vol. 1 16, 1980, p.280-293.
LUKONGA, 1. "Nigeria's Non-oil Exports :Determinants of Supply and Demand, 1970-go",
IMF Working Paper, May 1994, WP/94/59.
PARSLEY, D.C. AND Wei, S.J. "Insignificant and Inconsequential Hysteresis : The case of
US Bilateral Trade", The Review of Economics and Statistics, vo1.75, 1993, p.606-613.
RAFFAELLI, M. "Some considerations on the multifiber arrangement:Piiçt, Present, and
Futur", Managing Restructuring in the Textile and Garment Subsector:Exarnples from Asia.
SAHA, D.M. AND JASEEM, A. "An over view", Managing Restructuring in the Textile and
Garment Subsector:Examples from Asia.
STEELE, P. "The MFA and Beyond:The EC Perspective", EKJ Textile Out look
International, May 1990, p.53-67.
ANNEXES:
Tableau 5. Les valeurs moyennes des importations de textile de kz Tunisie par source (1980-91) en milliers de $US
~ITAL (ms (X Ims Ims lmns lmns lmns Imns Imns lmns lrnns Imns lmns Imns Imns Imns 1 IRF lmns Ims ]X Ims Imns lmns mns lmns lmns (mns lrnns lmns lmns lmns lmns Imns 1
BU( 650,8 rnns
IMA Imns Imns Jmns lmns Jms IX Ims Ims Imns lmns lrnns lmns Imns Irnns Imns lmns
RYU 177,3 mns
RF 677 rnns
MOY FRN
B U RYU
MA 158,2 rnns
AUT 68 mns
FRN 1540 X
mns mns
AUT E-U ESP PYB
ITAL 923 rns
ALG SUD
E-U 61,4 mns
rns mns
mns rnns rnns mns
EG NV
Tableau 6. Les valeurs moyennes des exportations de textile de la Tunisie par source (I980-91) en milliers de $US
PYB 24.3 rnns
ESP 31 rnns
mns mns
DN TR
RF FRN B U MOY 8983 7937 3878
ms mns
rnns mns mns mns
rnns mns
lms lx 1r-n;~ B U mns mns ilTAL rnns rnns
ALG 20,3 rnns
mns mns
mns mns
PYB mns rnns rnns E-U mns mns mns
X mns
rnns rnns rnns .mns
rnns rnns
ESP mns mns mns DN mns mns mns
SUD 13,3 mns
mns mns mns mns
rnns mns
1
TR lmns lmns lrnns
mns X
mns rnns mns .mns
mns mns
RYU lmns lmns lmns
EG 1 l,7 rnns
ms ms
rnns rnns
SUD mns mns rnns AUT rnns mns mns
mns ms
ms ms ms
.ms
mns rnns
mns rnns X rnns rnns
NV 6,5 rnns
mns mns
rnns mns
mns mns mns mns mns mns mns mns mns mns mns mns
mns ms
ms ms rnns .mns
ms rnns
mns rnns mns
DN 5,1 rnns
ms mns
mns mns
pfqE rnns rnns rnns
TR 2 rnns
mns ms
X ms ms -ms
mns mns
qz+ rnns ms
mns mns
rnns rnns
q z - p rnns rnns mns
mns ms
ms X ms .mns
rnns mns
-- -
rnns lmns lmns
ms ms
mns rnns
rnns Imns lmns
mns ms
ms ms X .ms
mns mns
93 169.5 35.6 32.7 7.5 6.8 0.1 mns lmns mns mns mns mns rnns
ms ms
rnns mns
mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns mns
mns ms
ms rnns ms
.X
ms rnns
- - - - - - -
mns mns mns rnns mns rnns mns mns mns mns mns mns mns rnns mns mns mns mns mns mns rnns ms ms mns mns mns mns mns
X ms
rnns mns
-- - ms ms mns mns mns mns mns X rns mns mns mns mns mns ms X mns lmns mnsmns mns
mns ms
ms rnns ms
.ms
ms rnns
- - - - - . - -
mns mns X ms mns mns mns mns mns ms X mns mns mm mns rnns mns mns X ms ms mns mns mns mns ms X ms
ms X
rnns rnns
. -- -
mns Jmns lmns Jmns Ims Ims IX 1
mns ms
mns rnns ms ,ms
ms rns
ms ms
ms ms
mns mns
rnns mns ms
,ms
ms ms
ms ms
ms rnns
mns mns
rnns mns mns .mns
X ms
mns mns
ms rns
rnns mns rnns mns
. -
ms ms
rns X
rnns rnns rnns ,rnns ms mns
ms ms
ms ms
ms ms
X ms
ms X
Exemple : Test de d~férences de moyennes et test de di&férences dans les variances
Variable V : la valeur des exportations de la Tunisie vers ses importateurs ~tats-unis (21 8400)
et Espagne (537240).
Importateurs
2 1 8400
53 7240
Pour HO : Variances sont égales, F' = 1 .O7 DL = (1 19, 1 19) Prob>F7 = 0.7093
Sous l'hypothèse des variances inégales, la procédure TTEST, nous donne (1) :
- T, le t statistique pour tester l'hypothèse nulle ;
- DL, les degrés de liberté ;
- Probz 1 T 1 , la probabilité de la valeur absolue de t sous l'hypothèse nulle.
Sous l'hypothèse des variances égales, la procédure TTEST, nous donne (2) :
- T, le t statistique pour tester l'hypothèse nulle ;
- DL, les degrés de liberté ;
- Prob> 1 T 1, la probabilité de la grandeur de la valeur absolue de t sous l'hypothèse
nulle.
Nombre d'observations
120
120
VARIANCES
1 -Inégales
La procédure =ESTy nous donne alors les résultats du test des égalités des variances :
- Le test F' teste l'hypothèse que les variances sont égales ;
- Les degrés de liberté dans chaque groupe, DL ;
- La probabilité de la valeur de F, Prob>F7.
T
1.8088
Degrés de liberté (DL)
237.7
Moy
61.4
31.0
Prob> 1 T 1 0.0717
Ecart type
132.53
128.07
Erreur type
12.09
1 1 .O9
Minimu
m
O
O
Maximu
m
717
1 067
Deux tests de différences de moyennes sont calculés. Le premier suppose que ies variances
des séries (utilisées pour calculer les moyennes) sont identiques tandis que le deuxième
suppose que les variances sont différentes. Pour savoir quel test utiliser, il est nécessaire de
calculer préalablement un test sur l'égalité des variances. Dans l'exemple illustré ci-dessus, la
Prob>FY = 0.7093 est supérieure à 5%, on accepte l'hypothèse nulle que les variances sont
égales. Sous l'hypothèse des variances égales, on a Prob> 1 T 1 = 0.0717 supérieure à 5%, on
accepte l'hypothèse nulle que les moyennes sont égales. On peut conclure que les moyennes
sont significatives.
ANNEXE 2 : RÉSUETATS D'ESTIMATION
Produit : Frîpperie drillés, chiffons
Première étape (Probit) :
VARIABLE NAME
LOG-LIKELIHOOD FW'NCTION = -66.922 LOG-LiKELIHOOD(0) = -129.30 LiKELMOOD RATIO TEST = 124.753 WITH 8 D.F. MADD ALA R-SQUARE 0.4778 CRAGG-UHZIER R-SQUARE 0 -64576 MCFADDEN R-SQUARE 0.48242
ADWSTED FOR DEGREES OF FREEDOM 0.45980 APPROXIMATELY F-DISTRIBUTED 1.0486 WETH 8 AND 9 D.F.
CHOW R-SQUARE 0.56772
H C2 D1 D2 E B T Pl CONSTANT
PREDICTION SUCCESS TABLE ACTUAL O 1
ASYMPTOTIC ESTiMATED COEFFICIENT
O 104. 14. PREDICTED 1 11. 63. NUMBER OF RIGHT PREDICTIONS = 167, PERCENTAGE OF RIGHT PREDICTIONS = 0.86979 EXPECTED OBSERVATIONS AT O = 1 13.8 OBSERVED = 1 15.0 EXPECTED OBSERVATIONS AT 1 = 78.2 OBSERVED = 77.0 SUM OF SQUARED "RESIDUALS" = 19.937 WEIGHTED SUM OF SQUARED "RESIDUALS" = 993.21 HENSHER-JOHNSON PREDTCTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 93.360 21.640 1 15.000 0.599 1 20.480 56.520 77.000 0.401
PREDICTED COUNT 1 13.839 78.16 1 192.000 1.000 PREDICTED SHARE 0.593 0.407 1.000 PROP. SUCCESSFlTL 0.820 0.723 0.781 SUCCESS INDEX 0.227 0.316 0.263 PROPORTIONAL ERROR 4.006 0.006 NORMUEED SUCCESS INDEX 0.546 1-STAT R NAME N MEAN ST.DEV VARIANCE MINlMUM MAXMüM R 192 -0.409 1 1E46 0.59022 0.34836 -1.5453 3.3324
4.8047 0.49358 -1 -7208 0.47227E-O 1 -0.62250 0.80225E-û 1 -0.65353E-0 1 0.14161 10.847
ASYMPTOTIC STANDARD
ERROR
1.2247 0.85339E-0 1 4.1799 0.29869 0.6 1306 0.53848 0.2 1743 0.46772 14.5 15
T-RATIO
-3.9232 5.7838 4.41 169 0.15812 -1.0154 0.14898 -0.30057 0.30277 0.74728
ELASTICITY AT MEANS
WEIGHTED AGGREGATE ELASTICITY
-2.0709 0.95405 -15.682 3.1551 -0.91086 0.50469E-0 1 -0.53446 0.564 10 13 -647
-0.72516 0.51959 -6.26 17 1,2807 4.23702 0.183 1 1E-0 1 -0.20068 0,21334 5.3473
Deuxième étape (moidres carrés ordinaires) :
R-SQUARE= 0.5900 R-SQUAREADWSTED= 0.5349 VAEUANCE OF THE ESTIMATE-SZGMA**2 = 1.180 1 STANDARD ERROR OF THE ESTIMATE-SIGMA = 1.0863 SUM OF SQUARED ERRORS-SSE= 79.069 MEAN OF DEPENDENT VARIABLE = 4.5385 LOG OF THE LIKELMOOD FUNCTION = -1 10.279
1 VARIABLE 1 ESTIMATED 1 STANDARD 1 T-RATIO 1 P-VALUE 1 PARTIAL 1 STANDARDIZED 1 ELASTICITY 1
F STATISTiC = 11.03 10 19 WITH 8 AND 67 D.F. P-VALUE= 0.00000 WALD CM-SQUARE STATlSTTC = 88.248 146 WTK S D.F. P-VALUE= 0.00000 UPPER BOUND ON P-VALUE BY CHEBYCHEV INEQUALITY = 0.09065 Log de fonction de maximum de vraisemblance (LLFl) : -1 10.2791
NAME H C2 Dl D2 E B T Pl R CONSTANT
OLS ESTIMATION 77 OBSERVATIONS DEPENDENT VARIABLE = V1
. . .NOTE.SAMPLE RANGE SET TO: 1, 77
R-SQUARE = 0.2364 R-SQUARE ADJUSTED = 0.2262 VARIABLE ESTlMATED STANDARD T-RATIO PARTIAL STANDAEZDIZED ELASTICITY
COEFFICIENT -5,7276 0.7872 1 -7.1384 0.3 7098 -5.883 1 -0.94590 -0.486 18 1.0643 1.7 186 39.205
Log de fonction de mrixirnum de vraisemblance (LLF2) : -134.2223
ERROR 2.0 18 0.2040 3.979 0.2866 1.448 0.4734 0.1994 0.4030 0.6 18 1 13 -44
67 DF -2.838 3.860 -1.794 1.291 -4.063 -1.998 -2.438 2.64 1 2.78 1 2.917
0.003 1,000 0.039 0.900 0.000 0.025 0.009 0.995 O. 996 0.998
CO= -0.328 0.427 -0.214 0.156 -0.445 -0.237 -0.285 0.307 0.322 0.336
COEFFICIENT -0.3043 0.8556 4.2516 3.0908 -0.8172 -0.2976 -1 -0496 0.980 1 0.5775 0.0000
ATMEANS -0.3333 0.5 108 -1 1.1497 4.1803 -0.9564 -0.1137 4.73 18 0.773 1 O. 1825 8.6382
Produit : Coton
Première étape (Probit) :
VARIABLE NAME
LOG-LIKELMOOD F'UNCTION = 4 1.435 LOG-LIKELMOOD(0) = -76.13 9 LIKELIHOOD RATIO TEST = 69.4082 WITH 8 D.F.
Pl CONSTANT
MADDALA R-SQUARE 0.3034 CRAGG-IMLER R-SQUARE 0.55404 MCFADDEN R-SQUARE 0.45580
ADJUSTED FOR DEGREES OF FREEDOM 0.4320 1 APPROXlMATELY F-DISTRIBUTED 0.94226 WITH 8 AND 9 D.F.
CHOW R-SQUARE 0.39808
ASYMPTOTIC ESTIMATED COEFFICIENT
PREDICTION SUCCESS TABLE ACTLJAL O 1
0.72496 35.699
O 159. 12. PREDICTED 1 7. 14.
ASYMPTOTIC STANDARD
ERROR
NüMi3ER OF RIGHT PREDICïIONS = 173. PERCENTAGE OF RIGHT PREDICTIONS = 0.90 104
0.57544 17.663
EXPECTED OBSERVATIONS AT O = 166.0 OBSERVED = 166.0 EXPECTED OBSERVATIONS AT 1 = 26.0 OBSERVED = 26.0 SUM OF SQUARED "RESIDUALS" = 13.53 1 WEIGHTED SUM OF SQUARED "RESIDUALS" = 89.771 HENSER-JOHNSON PREDICTION SUCCESS TABLE
OB SERVED OB SERVED PREDICTED CHOICE COUNT SKARE
ACTUAL O 1 O 152.768 13.232 166.000 0.865 1 13.238 12.762 26.000 0.135
PREDICTED COUNT 166.006 25.994 192.000 1.000 PREDICTED SHARE 0,865 0.135 1.000 PROP. SUCCESSFUL 0.920 0.491 0.862 SUCCESS INDEX 0.056 0.356 0.096 PROPORTIONAL. ERROR 0.000 0.000 NORMALIZED SUCCESS MDEX 0.411
T-RATIO
LSTAT R NAME N MEAN ST-DEV VARIANCE MINIMUM hLAXIMUM
1.2598 2.02 1 1
ELASTICITY AT MEANS
WEIGHT'ED AGGREGATE ELASTICI'TY
6.0952 94.80 1
2.1 172 3 1.208
Deuxième étape ( moindres carrés ordinaires) :
R-SQUARE = 0.5028 R-SQUARE ADJUSTED = 0,2232
VARIABLE NAME EI
T-RATIO 1 P-VALUE ( PARTIAL
R CONSTAT
STANDARDIZED 1 ELAST-AT 1 ESTIMATED COEFFICIENT -4.4848
COEFFICIENT MEANS -0.5477 -0.3402 4
STANDARD ERROR 5.113
1.1326 12.6 13
Test de sig.~~~jivcatlivi~é des variables
2.587 70.26
F STATISTIC = 3 S976046 WITH 8 AND 16 D.F. P-VALUE= 0.01404 WALD CHI-SQUARE STATISTIC = 28.780836 WTH 8 D.F. P-VALUE= 0.00035 UPPER BOUND ON P-VALE BY CHEBYCHEV INEQUALITY = 0.27796 Log de fonction de maximum de vraisemblance (LLFI) : -33.51530
OLS ESTIMATION 26 OBSERVATIONS DEPENDENT VARiABLE = VI
... NOTE+SAMPLE RANGE SET TO: 1, 26
R-SQUARE = 0.1298 R-SQUAEE ADJUSTED = 0.0935
Log de fonction de maximum de vraisemblance (LLF2) : -40.79322 LGENl LR=2*(LLF 1-LLF2) LPRINT LR
LR : 13.55581
Prodkit : Étof~onneterie Pièces eie
Première étape (Probit) :
ASYMPTOTIC ASYMPTOTIC T-RATIO ELASTICITY NAME 1 ESTIMATED STANDARD 1 1 ATMEANS
-
E 4.42547 0.40977 -1.0383 -0.84361 B -0.30490 0.483U -0.63069 4.25720 T 0.26626E-0 1 -0.19377 -0.13741 -0.29506 PI 0.35 127E-0 1 0.43 130 0.81444E-01 0.18961 CONSTANT -33 -698 1 17.543 -1 -9209 -57.45 1
WEIGHTED AGGREGATE ELASTICITY
LOG-LIKELMOOD FUNCTION = -76,395 LOG-LMELMOOD(0) = -84.879 LKELIHOOD RATIO TEST = 16.9695 WITH 8 D.F.
MADDALA R-SQUARE 0.8459E-0 1 CRAGG-UHLER R-SQUARE 0.133 12 MCFADDEN R-SQUARE 0.99963E-0 1
ADJUSTED FOR DEGREES OF F'REEDOM O.606lE-0 1 APPROXIMATELYF-DISTRIBUTED 0.12495 WITH 8 AND 9D.F.
CHOW R-SQUARE 0.68675E-0 1
PREDICTION SUCCESS TABLE ACTUAL O 1
O 161. 3 1. PREDICTED 1 0. O.
-ER OF NGHT PREDICTIONS = 16 1. PERCENTAGE OF KGHT PREDICTIONS = 0.83853 EXPECTED OBSERVATIONS AT O = 16 1.0 OBSERVED = 16 1.0 EXPECTED OBSERVATIONS AT 1 = 3 1 .O OBSERVED = 3 1 .O SUM OF SQUARED "RESIDUALS" = 24.210 WEIGHTED SUM OF SQUARED "RESIDUALS" = 171.48 HENSHER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 137.002 23.998 161.000 0.839 1 21,043 6.957 31.000 0.161
PREDICTED COUNT 16 1.045 30.955 192.000 1 .O00 PREDICTEDSHARE 0.839 0.161 1.000 PROP. SUCCESSFUL 0.85 1 0.225 0.750 SUCCESS INDEX 0.012 0.064 0.020 PROPORTIONAL ERROR 0.000 0.000 NORMALIZED SUCCESS INDEX 0.075 LSTAT R NAME N MEAN ST. DEV V.4.RIANCE MINIMUM MAXIMUM R 192 -0.40807E-05 0.62980 0.39664 -0.6 1889 2.0934
Deuxième étape d'estimation (moindres carrés ordinaires) :
R-SQUARE = 0.5 152 R-SQUARE ADJUSTED = 0.3075
1 CONSTANT 1 841.24 1 853.2 1 0.9860 1 0.832
VARIABLE - NAME C O R COEFFICIENT AT MEANS
0.33 1 1.6414 1.1288 -0.200 -5.2672 -2.25 16
Tesr de sipifcdviite des variables :
ESTIMATED COEFFICIENT
F STATISTIC = 3.2 167821 WïïH 8 AND 21 DI. P-VALUE= 0.0 1509 WALD CHI-SQUARE STATISTIC = 25.734257 WTH 8 D.F. P-VALUE= 0.001 17 UPPER BOUND ON P-VALUE BY CHEBYCHEV INEQUALITY = 0.3 1087 Log de fonction de maximum de vraisemblances (LLFl) : 40.92933
OLS ESTIMATION 3 1 OBSERVATIONS DEPENDENT VAFLDCILE = V1
..+NOTE..S-WLE RANGE SET TO: 1, 3 1
STANDARD ERROR
Log de maximum de vraisemblance (LLF2) : -49.93324 [-GENI LR=2*(LLF 1 -LLF2) LPRMT LR LR : 18.00781
T-RATIO 67 DF
P-VALUE
Produit : Tissus coton écrus non mercer
Première étape (Probit) :
LOG-LDELIHOOD FUNCTION = -62.683 LOG-LIKELIHOOD(0) = -111.14 LIKELIHOOD RAI70 TEST = 96.9151 WZTH 8 D.F.
VARIABLE N M
MADDALA R-SQUARE 0.3964 CRAGG-UHLERR-SQUARE 0.57795 MCFADDEN R-SQUARE 0.43600
ADJUSTED FOR DEGREES OF FREEDOM 0.4 1 135 APPROXlMATELY F-DISTRIBUTED 0.86969 WITH 8 AND 9 D.F.
CHOW R-SQUARE 0.46359
PREDICTION SUCCESS TABLE ACTUAL O 1
ASYMPTOTIC ESTIMATED COEFFICIENT
O 131. 18. PREDICTED 1 10. 33.
NUMBER OF RIGHT PREDICTIONS = 164. PERCENTAGE OF RiGHT PREDICTIONS = 0.854 17 EXPECTED OBSERVATIONS AT O = 140.4 OBSERVED = f -t 1 .O EXPECTED OBSERVATIONS AT 1 = 5 1.6 OBSERVED = 5 1 .O SUM OF SQUARED "RESIDUALS" = 20.090 WEIGmDSUMOFSQUAREDuESD)UALS"= 141.20 HENSHER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 120.982 20.018 141.000 0.734 1 19.464 31.536 51.000 0.266
ASYMPTOTIC STANDARD
ERROR
PREDICTED COUNT 140.445 5 1.555 192.000 1.000 PREDICTED SHARE 0.73 1 0.269 1.000 PROP. SUCCESSFUL 0.86 1 0.6 12 0.794 SUCCESS INDEX 0.130 0.313 0.187 PROPORTIONAL ERROR -0.003 0.003 NORMALIZED SUCCESS INDEX 0.477 1-STAT R NAME N MEAN ST-DEV VARIANCE MINIMCTM MAXIMUM R 192 -0.18786E-04 0.57086 0.32589 -1.3 158 1.9632
T-RATIO ELASTICITY AT MEANS
WEIGHTED AGGREGATE ELASTICITY
Deuxième étape (moindres carrés ordinaires) :
R-SQUARE = 0,7343 R-SQUARE ADJUSTED = 0.6759
Tesr de sig>lifica~iviiré des variables :
VAFUABLE NAME H
T Pl R CONSTANT
F STATISTIC = 8.9799788 WITH 8 AND 4 1 D.F. P-VALUE= 0.00000 WALD CHI-SQUARE STATISTIC = 71.839828 WITH 8 D.F. P-VALE= 0.00000 UPPER BOUND ON P-VALUE BY CHEBYCHEV INEQUALITY = 0.1 1136
T-RATIO 41 DF -2.727
Log de fonction de maximum de vraisemblance (LLFI) : -77.62607
ESTIMATED COEFFICIENT -0.523 3 1
0.7 1347 4.92729 -2.50 1 1 32.137
OtS ESTIMATION 5 1 OBSERVATIONS DEPENDENT VARIABLE = VI
... I\JOTE..SAMPLERANGESETTO: 1, 51
P-VALUE
0.005
STANDARD ERROR 0.19 19
R-SQUARE = 0.5919 R-SQUARE ADJUSTED = 0.5836
0.4049 0.7431 1.268 40.38
Log de fonction de maximum de vraisemblance (LLFZ) : -88.56450 LGENl LR=2*(LLFl-LLF2) LPRINT LR
LR : 21.87685
PARTIAL CORR.
1.762 -1.247 -1.973 0.7958
STANDARDIZED COEFFICIENT
ELASTICITY AT MEANS
4.392 t4.3026
0.957 0.110 0.028 0.785
-0.0414
0.265 -0.191 -0.294 0.123
1.1834 -0.6515 -0.6972 0.0000
-
0.8735 4.5509 -0.2980 5.6051
Produit : Tissus coton blanchis etc
Première étape (Probit) :
- -
B 0.59246 0.325 1 1 1.3937 0.24897 T -0.17148 0.18219 -0.95767 -0.953 17 P l 0.29922 0.40098 0.74622 0.79623 CONSTANT -9.6127 13 -425 -0.71606 -8-0791
AGGREGATE ELASTIClTY
VARIABLE NAME
LOG-LMELMOOD FTJNCTION = -95.723 LOG-LIKELMOOD(0) = -132.99 LELIHOODRATIOTEST = 71.5359 WITH 8 D.F.
ASYMPTOTIC STANDARD
ERROR
ASYMPTOTIC ESTlMATED COEFFICIENT
MADDALA R-SQUARE 0.3217 CRAGG-UHLER R-SQUARE 0.429 11 MCFADDEN R-SQUARE 0.28023
ADWSTED FOR DEGREES OF FREEDOM 0.24876 APPROXIMATELYF-DISTRIBUTED 0.13800 WITH 8 A N D 9 D.F.
CHOW R-SQUARE 0.32459
T-M'Il0
PREDICTION SUCCESS TABLE ACTUAL O 1
ELASTICITY AT MEANS
O 77. 3 1. PREDICTED 1 22. 62.
NUMBER OF FUGMT PREDICTIONS = 139. PERCENTAGE OF RIGHT PREDICTIONS = 0.72396 EXPECTED OBSERVATIONS AT O = 99.3 OBSERVED = 99.0 EXPECTED OBSERVATIONS AT 1 = 92.7 OBSERVED = 93.0 SUM OF SQUARED "RESIDUALS" = 32.388 WEIGHTED SUM OF SQUARED "RESIDUALS" = 173.71
HENSHER-JOHNSON PREDICTION SUCCESS TABLE OB SERVED OBSERVED
PREDICTED CHOICE COUNT SHARE ACTUAL O 1
O 67.1 12 31.888 99.000 0.516 1 32.197 60.803 93.000 0.484
PREDICTED COUNT 99.309 92-69 1 192.000 1.000 PREDICTED SHARE 0.5 17 0.483 1.000 PROP. SUCCESSFUL 0.676 0.656 0.666 SUCCESS INDEX 0,159 0.173 0.166 PROPORTIONAL ERROR 0.002 -0.002 NORMALIZED SUCCESS INDEX 0.332 LSTAT R NAME N MEAN ST-DEV VARIANCE MINIMUM MAXZMUM R 192 4.37893E-05 0.69332 0.48069 -1.7656 1.5909
Deuxième étape (moindres carrés ordinaires) :
R-SQUARE = 0.4095 R-SQUARE ADJUSTED = 0.3454
Test de significativité des variables :
F STATISTIC = 9.6965034 WITH 8 AND 83 D.F. P-VALUE= 0,00000 WALD CHI-SQUARE STATISTIC = 77.572029 WITH 8 D.F. l'-VALUE= 0,00000 UPPER BOUND ON P-VALUE BY CHEBYCHEV INEQUALITY = 0,103 13
VARIABLE NAME H
Log de fonction de maximum de vraisemblance (LLFI) : -181.7363
ESTlMATED COEFFICIENT -8.5208
OLS ESTIMATION 93 OBSERVATIONS DEPENDENT VARIABLE = V1
,..NOTE..SAMPLE RANGE SET TO: 1, 93
STANDARD ERROR 3.179
R-SQUARE = 0.1447 R-SQUARE ADJUSTED = 0,1353
T-RATIO 83 DF -2.680
P-VALUE
0.004 C2 1.508 1 0.2728
Log de fonction de maximum de vraisemblance (LLF2) : -198.9602 LGENl LR=2*(LLF1-LLF2) LPRINT LR
LR : 34.44775
0.5 19 0.592 -0.603 -0.411 0.200 -0.021 -0.062 0.396 -0.583
Dl D2 E _ B T Pl R CONSTANT
PARTLAL COFR -0.282
1.3974 22.389 1 -23,5777 -0.3406 0.3343 -0.0936 -0.2412 1.23 20 0.0000
58.592 3.4634 -1.9112 1.5058 -0.60496E-0 1 -0.36788 6.5837 -188.43
1.1645 66.5605 -36.0745 -0.2492 0.1417 -0.0682 -0.2002 0.620 1 -30.5287
STANDARDED COEFFICIENT -0.4974
ELASTICITY ATMEANS -0.366 1
8.745 0.6474 0.4653 0.8 105 0.3 196 0.6466 1.676 28.84
6.700 -6.895 3.107 1.858 -0.1893 -0.5690 3.928 -6.534
1 .O00 0.000 0.000 0.967 0.425 0.285 1 .O00 0,000
Produit : Tissusfibres synthétiques conthus
Première étape probit) :
VARIABLE ASYMPTOTIC ASYMPTOTIC T-RATIO NAME ESTIMATED STANDARD
COEFFICIENT ERROR
P 1 -0.12020 0.39637 4.30325 CONSTANT 0,5063 1 11.888 O.42590E-0 1
ELASTICITY WEIGHTED AT MEANS AGGREGATE
ELASTICITY
LOG-LIKELJHOOD FUNCTION = -94.170 LOG-LIKELMOOD(0) = -125.39 LIKELMOOD RATIO TEST = 62.4338 WlTH 8 D.F.
MADDALA R-SQUGRE 0.2776 CRAGG-UHLER R-SQUARE 0.38073 MCFADDEN R-SQUARE 0.24896
ADNSTED FOR DEGREES OF FREEDOM 0.2 16 13 APPROXlMATELY F-DISTRIBUTED 0.37293 WITE? 8 AND 9 DJ?.
CHOW R-SQUARE 0.26722
PREDICTION SUCCESS TABLE ACTUAL O I
O 108. 38. PREDICTED 1 15. 3 1.
NUMBER OF RIGHT PREDICTIONS = 139. PERCENTAGE OF MGHT PREDICTlONS = 0.72396
EmECTED OBSERVATIONS AT O = 123.2 OBSERVED = 123.0 EXPECTED OBSERVATIONS AT 1 = 68.8 OBSERVED = 69.0 SUM OF SQUAF2ED "RESIDUALS" = 32.391 WEIGHTED SUM OF SQUARED "RESIDUALS" = 164.71 HENSER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 91.583 3 1.417 123.000 0.641 1 31.576 37.424 69.000 0.359
PREDICTED COUNT 123.159 68.811 192.000 1.000 PREDICTED SHARE 0.641 0.359 1.000 PROP. SUCCESSFUL 0.744 0.544 0.672 SUCCESS INDEX 0.102 0.185 0.132 PROPORTIONAL ERROR 0.00 1 -0.00 1 NORMALIZED SUCCESS INDEX 0.287 LSTAT R NAME N MEAN ST.DEV VAEUANCE MINIMUM MAXlMUM R 192 -0.21757E-05 0.68816 0.47356 -1.2537 1.606 1
Deuxième étape (moindres carrés ordinaires) :
R-SQUARE = 0.7754 R-SQUARE ADNSTW) = 0.741 1
Tes! de signifcativité des variables :
VARIABLE NAME H C2 Dl D2 E B T Pl R CONSTANT
F STATISTIC = 18.86088 1 W K H 8 AND 59 3.F. P-VALUE= 0.00000 WALD CM-SQUARE STATISTIC = 150.88705 WITK 8 D3. P-VALUE= 0.00000 UPPER BOUND ON P-VALUE BY C H E B Y C W INEQUALITY = 0.05302 Log de fonction de maximum de vraisemblance : (usi) -88.81322
OLS ESTMATION 69 OBSERVATIONS DEPENDENT VARIABLE = VI
... NOTE.SAMPLE W G E SET TO: 1? 69
ESTblATED COEFFICIENT -10.473 1.2136 -15.700
Log de fonction de maximum de vraisemblance (LLFZ): -121.4171 LGENl LR=2*(LLF1-LLF2) LPRINT LR LR : 65.20773
STANDARD ERROR 3.508 0.7109 10.98
T-R4TIO 59 DF -2.985 1,707 -1 -430
0.9039 1 0.39841 0.63763E-01 0.18334 4.66427 5.7177 62.003
1,031 0.2233 0.9673E-0 1 0.780 1 -1.482 1.63 1 1,767
0.8740 2.23 3 0.6592 0.2350 0.4483 3.506 3 5 .O9
P-VALUE
0.002 0.953 0.079 0.847 0.588
PARTIAL CORR -0.362 0.217 4.183 0.133 0.029
STANDARDLZED COEFFICIENT -0.4342 1.2822 -7.5 183
ELAST-AT MEANS -0.5976 1.3023 -23.8983
5.9704 0.0578
0,538 0.781 0.072 0.946 0.959
9.6707 ,0.0906
0.0171 0.3369 4.5089 1.3 863 0.0000
0.0 13 O. 10 1 -0.189 0.208 0.224
0.006 1 0.2468 -0.3389 0.9699 13.6482
ProtEuit : Tissus NDA
Première étape (Probit) :
VARIABLE ASYMPTOTIC NAME ESTIMATED
COEFFICIENT
Pl 0.27008 CONSTANT -33 -504
ASYMPTOTIC T'-RATIO UASTICITY WEIGHTED STANDARD AT MEANS AGGREGATE
ERRûR ELASTICKY
LOG-LIKELMOOD FUFICTION = -43 -775 LOG-LIKELMOOD(0) = -50.1 3 5 LiKELMOOD RATIO TEST = 12.7202 WïTH 8 D.F.
MADDALA R-SQUARE 0.63 10E-O 1 CRAGG-UHLERR-SQUARE 0.15758 MCFADDEN R-SQUARE 0.12686
ADJlJSTED FOR D E G E S OF FEZEEDOM 0.8869OE-0 1 APPROXIMATELY F-DISTRBUTED 0.16345 WITH 8 AND 9 D.F.
CHOW R-SQUARE 0.71020E-0 1
PREDICTION SUCCESS TABLE ACTüAL
O 1
NUMBER OF RIGHT PREDICTIONS = 178. PERCENTAGE OF RIGHT PREDICTiONS = 0.92708
EXPECTED OBSERVATIONS AT O = 178.0 OBSERVED = 178.0 EXPECTED OBSERVATIONS AT 1 = 11.0 OBSERVED = 14-0 SUM OF SQUARED "EESIDUALS" = 12.0 18 WEIGHTED SUM OF SQUARED "RESIDUALS" = 163.03 HENSHER-JOHNSON PREDICT'ION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE C O W SEZARE
ACTUAL O 1 O 165.950 12.050 178,000 0.927 1 12.030 1.970 14.000 0.073
PREDICTED C O W 177.979 14.021 192.000 1.000 PREDICTED SHARE 0.927 0.073 1.000 PROF. SUCCESSFUL 0,932 0.131 0.875 SUCCESS INDEX 0.005 0.068 0.010 PROPORTIONAL ErCROR 0.000 0.000 NORMALIZED SUCCESS INDEX 0.074 LSTAT R NAME N MEAN ST-DEV VARTANCE MINIMUM MAXlMüM R 192 -0.90793E-05 0.49346 0.24350 -0.59834 2.1225
Deuxième étape (moindres carrés ordinaires) :
R-SQUARE = 0.7747 R-SQUARE ADJUSTED = 0.2676
VARIABLE ESTIMATED STANDARD T-RA.TIO P-VALUE NAME COEFFICIENT ERROR 4 DF H -160.43 98.42 -1.630 0.089
1 CONSTANT f 2645-1 1 1527 1 1.732 1 0-921
PARTIAL 1 STANDARDIZED 1 ELASTICITY 1 CORR. COEFlFIClENT ATMEANS -0.632 -18.1847 -24.8984
Test de signzjkarivité des vmiables :
F STATISTIC = 1 1-03 10 19 WITH 8 AND 67 D.F. P-VALUE= 0.00000 WALD CHI-SQUARE STATISTIC = 88.248146 WITH 8 D.F. P-VALUE= 0.00000 UPPER BOUND ON P-VALUE BY CHEBYCHEV INEQUALITY = 0.09065
Log de fonction de maximum de vraisemblance (uF1) : -8.181 142
OLS ESTIMATION 13 OBSERVATIONS DEPENDENT VARIABLE = Vl
... NOTESAMPLE RANGE SET TO: 1, 14
R-SQUARE = 0.0834 R-SQUARE ADJUSTED = 0.0070 Log de fonction de maximum de vraisemblance (Un) : -18.00240 LGEN 1 LR=2 * (LLF I -LLF2) LPRINT LR LR : 19.64253
PToduit : Tapis points noués, enrodt%
Première étape (Probit) :
VARIABLE ASYMPTOTIC ASYMPTOTIC T-RATIO NAME ESTfMATED STANDARD
COEFFICIENT ERROR
CONSTAM ( 807.50 1338.70 1 2.3841 -
LOG-LIKELMOOD FUNCTION = -6.9150 LOG-LIKELIHOOD(0) = -106.86 LIKELMOOD RATIO TEST = 199.822 WITH 8 D.F,
MADDALA R-SQUARE 0.6468 CRAGG-UHLER R-SQUARE 0.963 29 MCFADDEN R-SQUARE 0.9350 1
ADJUSTED FOR DEGREES OF FREEDOM 0.93216 APPROXlMATELY F-DISTRIBUTED 16.184 WITH
CHOW R-SQUARE 0.93585 8 AND 9 DI.
PREDICTION SUCCESS TABLE ACTUAL O 1
O 46, 2, PREDICTED 1 1. 143 -
NUMBER OF RIGHT PREDICTTONS = 189. PERCENïAGE OF RIGHT PREDICTIONS = 0.98438
EXPECTED OBSERVATIONS AT O = 37.1 OBSERVED = 47.0 EXPECTED OBSERVATIONS AT 1 = 144.9 OBSERVED = 145-0 SUM OF SQUARED "RESIDUAIS' = 2.277 f WEIGHTED SUM OF SQUARED "RESIDiJALSw = 14.937 HENSER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 44.908 2.092 47.000 0.245 1 2.223 142.777 145.000 0.755
PREDICTED COUNT 47.13 1 144.869 192.000 1.000 PREDICTED SHARE 0.245 0.755 1.000 PROP. SUCCESSFUL 0.953 0.986 0.978 SUCCESS INDEX 0.707 0.231 0.348 PROPORTIONAL ERROR 0.00 1 -0.00 1 NORMALIZED SUCCESS INDEX 0,939 LSTAT R NAME N MEAN ST-DEV VARIANCE MINIMUM MAXIMUM R 192 0.10292E-05 0.19 115 0.36539E-û 1 -1.6249 1.3820
Deuxième étape (moindres carrés ordimires) :
R-SQUARE = 0.290 1 R-SQUARE ADJ?JSTED = 0.2428
R 0.63 116 0.3815 1.655 0.950 O. 141 0.0640 0.0033 CONSTANT 19.0 19 8.782 2.166 0.984 0,183 0.0000 3 -7448
VARIABLE NAME H C2 D l
Test de sign~~ccztivité des variables :
F STATISTIC = 12.1 1637 1 WETH 8 AND 135 D.F. P-VALUE= 0.00000 WALD CH-SQUARE STATISTIC = 96.930962 WITH 8 D.F. P-VALUE= 0.00000 UPPER BOUM> ON P-VALUE BY CHEBYCHEV INEQUALITY = 0.08253 Log de fonction de maximum de vraisemblance (LLFI) : -241.3724
ESTIMATED COEFFICIENT 1.423 1 0.26181 -2.70 19
OLS ESTIMATION 145 OBSERVATIONS DEPENDENT VARIABLE = V1
... NOTE-SAMPLE RANGE SET TO: 1, 145
R-SQUARE = 0.29 R-SQUARE ADJUSTED = 4.0070
STANDARD ERROR 1.448 0.7035E-01 2.379
Log de fonction de maximum de vraisemblance (LLF2) : -266.2108 LGEN 1 LR=2 * (LLF 1 -UF2) [ - P m LR
LR : 49.67690
T-RATIO 135 DF 0.9830 3.722 -1,135
P-VALUE
0.836 1 .O00 0.129
PARTIAL CORR. 0.084 0.305 4.097
STANDARDIZED COEJTïCIENT 0. 1068 0.2995 - 1.4906
ELASTICITY ATMEANS 0.0809 0.2254 -3 -9275
Rodkit : Soie grège
Première étape (Probit) :
VANABLE NAME
H
LOG-LIKELMOOD FUNCTION = 4-18 180E-07 LOG-LELmûUC(C) = -6.2549 LMELMOODRATIOTEST = 12.5098 WITH 8 D.F.
C2 D l D2 E B T PI CONSTANT ,
MADDALAR-SQUARE - 0.6308E-01 CRAGG-UHLER R-SQUARE 1 .O000 MCFADDEN R-SQUARE 1.0000
ADNSTED FOR DEGREES OF FREEDOM 1.0000 APPROXIMATELY F-DISTRIBUTED 0.38705E+09 WITH 8 AND 9 D.F.
CHOW R-SQUARE 1.0000
ASYMPTOTIC ESTIMATEE) COEFFICIENT -147.42
PREDICTION SUCCESS TABLE ACTUAL
O 1
10.623 12774. -967.9 1 -9.5560 799.23 -252.36 393.98 -42134.
O 191. O. PREDICTED 1 0. 1,
ASYMPTOTIC STANDARD
ERROR 54859.
NUMBER OF RIGHT PREDICTIONS = 192. PERCENTAGE OF RIGHT PREDICTIONS = 1.0000
8585.8 0.33 1 12E707 0.25097E-CO6 5460.8 0.21410Ei-06 66246. 0.1033TE+O6
.0,10916E+08 .
EXPECTED OBSERVATIONS AT O = 191.0 OBSERVED = 19 1.0 EXPECTED OBSERVATIONS AT 1 = 1.0 OBSERVED = 1.0 SUM OF SQUARED "RESIDUALS" = 0.12265E-16 WEIGHlCED SUM OF SQUARED "RESIDUALS" = 0.24586E-07 HENSHER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 191.000 0.000 19 1.000 0.995 1 0.000 1.000 1.000 0.005
T-RATIO
-0.26873E-02
PREDICTED COUNT 19 1.000 1.000 192.000 1.000 PREDICTED SEiARE 0.995 0.005 1.000 PROP. SUCCESSFLJL, 1.000 1.000 1.000 SUCCESS INDEX 0.005 0.995 0.010 PROPORTIONAL ERROR 0.000 0.000 NORMALED SUCCESS MDEX 1 .O00 LSTAT R NAME N MEAN ST. DEV VARIANCE MINIMUM MAXIMUM R 192 -0.79789E-10 0.14170E-08 0.20080E-17 -0.1 1219E-07 0.1 1799E-07
0.12373E-02 0.38577502 -0.38566E-02 -0.17499E-02 0.37329E-02 -0.38094E-02 0.381 12E-02 -0.38598E-02 ,
ELASTICITY AT MEANS
0.00000
WEIGHTED AGGREGATE ELASTICITY -0.50523E-08
0.00000 0.00000 0.00000 0.00000 0.00000 0.00000 0,00000 0.00000 B
-0.28 lO8E-08 0.33329E-02 -0.16995E-02 -0.3 1770E-06 0.3 1080E-04 -0.953 90E-04 0.70902E-04 -0.16397E-02
Produit : Fibres synthétiques
Première étape (Probit) :
LOG-LEELIHOOD FUNCTION = -23 -83 2 LOG-LIKELIHOOD(0) = -3 3.255 LIKELIHOODRATIOTEST = 18.8361 WITH 8 D.F.
WEIGHTED AGGREGATE ELASTICITY
T Pl CONSTANT
MADDALA R-SQUARE 0.9349E-0 1 CRAGG-UHLER R-SQUARE 0 -3 193 3 MCFADDEN R-SQUARE 0.2833 5
ADJUSTED FOR DEGREES OF FREEDOM 0.25202 APPROXIMATELY F-DISTRIBUTED 0.44481 WITH 8 AND 9 D.F.
CHOW R-SQUARE 0.10624
PREDICTION SUCCESS TABLE ACTUAL
O 1
O 183. 8. PREDICTED 1 1- O.
NUMBER OF RIGHT PREDICTIONS =
T-RATIO ASYMPTOTIC STANDARD
ERROR
VARIABLE NAME
0.49276 -0.89692 -2 1.655
PERCENTAGE OF RIGHT PREDICTIONS = 0.953 13
ELASTICITY AT MEANS
ASYMPTOTIC ESTIMATED COEFFICIENT
EXPECTED OBSERVATIONS AT O = 184.0 OBSERVED = 184.0 EXPECTED OBSERVATIONS AT 1 = 8.0 OBSERVED = 8.0 SUM OF SQUARED "RESIDUALS" = 6.8522 WEIGHTED SUM OF SQUARED "RESIDUALS" = 78.907 HENSHER-JOHNSON PREDICTION SUCCESS TABLE
OBSERVED OBSERVED PREDICTED CHOICE COUNT SHARE
ACTUAL O 1 O 177.361 6.639 184.000 0.958 1 6.682 1.318 8.000 0.042
0.56 147 1 -0075 24.147
PREDICTEDCOUNT 184.043 7.957 192.000 1.000 PREDICTED SEfARE 0.959 0.041 1.000 PROP. SUCCESSFUL 0.964 0.166 0.93 1 SUCCESS INDEX 0.005 0.124 0,010 PROPORTIONAL ERROR 0.000 0.000 NORMALIZED SUCCESS INDEX 0.127 LSTAT R NAME N MEAN ST.DEV VARIANCE MINMüM MAXIMUM R 192 -0.94966E-05 0.36338 O. 13204 -0.878 17 2.1271
0.87763 -0.89021 -0.8968 1
15.67 1 -13.007 -99.189
6.8118 -5.6955 -34.238
IMAGE EVALUATION TEST TARGET (QA-3)
APPLIED IN14GE, lnc - 1653 East Main Street - -. - - Rocfiester. NY 14609 USA -- -- - - Phone: 71 6/42-0300 -- -- - - Fax: 71 6088-5989
O 1993. Applied Image. Inc. All Rights Reserved
