Impact indirect du conseil d'administration sur la ...€¦ · d'investissement en R&D agit comme une variable médiatrice entre le mécanisme interne de ... vise à tester l’effet

Zouari G. et Zouari-Hadiji R. CIG 2014

Impact indirect du conseil d'administration sur la performance à travers le niveau

d'investissement en R&D: une perspective de comparaison internationale

ZOUARI Ghazi*

ZOUARI-HADIJI Rim**

Résumé

Dans le cadre théorique du gouvernement des entreprises, cet article étudie la relation entre le

conseil d'administration et la performance de la firme par le biais du niveau d'investissement

en R&D dans le contexte international. Notre modèle cherche à identifier, si le niveau

d'investissement en R&D agit comme une variable médiatrice entre le mécanisme interne de

gouvernance des entreprises et la performance. Cet effet est sensible aux modèles nationaux

de gouvernance. Pour se faire, l’étude empirique se base sur un échantillon de 531 firmes

américaines, japonaises et françaises pour la période 2008-2012. Les résultats des régressions

linéaires menées corroborent l’existence de relations entre, d’une part, la dominance des

administrateurs internes, la dualité et la taille du conseil d'administration, et d’autre part, la

performance de la firme, méditées par le niveau d'investissement en R&D des entreprises.

Mots Clefs : Administrateurs internes, dualité, taille du conseil, R&D, performance.

Abstract:

In the theoretical framework of corporate governance, this article studies the relationship

between the board of directors and firm performance through the level of R&D investment in

the international context. Our model seeks to identify if the R&D investment level acts as a

mediating variable between the internal mechanism of corporate governance and

performance. This effect is sensitive to national systems of governance. The empirical study

is based on a sample of 531 U.S., Japanese and French firms for the period 2008-2012. The

results of the linear regressions conducted show that the relationship between, on the one

hand, the internal administrator, the non-dual structure and the board size, and secondly, the

firm performance, meditated by the firm R&D investment-level.

Key-words: internal administrator, dual structure, board size, R&D, performance.

* Maître Assistant HDR en Méthodes de Finance et Comptabilité à l'Université de Sfax, Faculté des SciencesEconomiques et de Gestion, Tunisie. Membre au laboratoire de recherche LARTIGE, FSEG, Sfax, Tunisie & aucentre de recherche FARGO, IAE Dijon, France. Email: [email protected] ** Maître Assistante en Méthodes de Finance et Comptabilité à l'Université de Monastir, Faculté des SciencesEconomiques et de Gestion de Mahdia, Tunisie. Membre du laboratoire LARTIGE, FSEG, Sfax, Tunisie.Email: [email protected]

1

mailto:[email protected]

mailto:[email protected]


Introduction

La revue de la littérature menée sous l'angle de la gouvernance d'entreprise révèle que

la majorité des travaux examine l’association directe entre les mécanismes de gouvernance et

la performance de la firme en ignorant la relation indirecte entre ces deux variables, à

l'exception des études de Hutchinson et Gul (2004), de Gani et Jermias (2006) et de Le et al.

(2006). Ces auteurs montrent le rôle modérateur des mécanismes de gouvernance sur la

relation entre l'investissement en R&D et la performance. Selon eux, la performance de

l’entreprise pourrait s’améliorer grâce à l’intervention de ces mécanismes qui modèrent le

rapport entre les dépenses en R&D et la performance.

En fait, la capacité d'une firme à investir en Recherche et Développement (désormais

R&D) est considérée comme l'un des déterminants de sa performance (Hall 1998 ; Aboody et

Lev 2000). Cependant, les travaux menés sous l’angle de la gouvernance d'entreprise

affirment qu’à défaut d’un système de contrôle approprié réduisant la latitude managériale et

les problèmes d’asymétrie informationnelle1, l’efficacité des investissements en R&D peut ne

pas contribuer à l’amélioration de la valeur de l’entreprise. Ces phénomènes sont surtout

accentués par les caractéristiques propres de la R&D à savoir : l'horizon temporel long (Xu et

Zhang, 2004), un taux de risque élevé (Nekhili et Poincelot 2000) et le caractère spécifique de

cet investissement (Williamson 1988 ; Shleifer et Vishny 1992).

Parce que les dirigeants peuvent être amenés à sous investir en R&D dans le but de

maximiser leur propre utilité plutôt la richesse des actionnaires, les travaux en gouvernance

d'entreprise supposent que différents modes de contrôle peuvent être utilisés par ces derniers

pour aligner les intérêts et favoriser un tel investissement. Le conseil d'administration

(désormais CA) constitue un système de contrôle interne de la gestion des dirigeants. En effet,

la plupart des travaux portant sur le lien entre les systèmes de gouvernement des entreprises 2

1 Charreaux (2001) montre que l'asymétrie d'information est considérée habituellement comme la sourceprincipale de conflits d'intérêts entre les parties prenantes entraînant des distorsions en matière de R&D, et plusparticulièrement à travers ses caractéristiques. 2 Au niveau de l'entreprise, toute décision d'investissement en R&D requiert le financement qui peut s'agir : soitd'un financement fondé sur le marché (système anglo-saxons), soit d'un financement orienté vers la banque(système Germano-nippon). Ces deux formes de financement sont deux systèmes alternatifs de gouvernement del'entreprise dont les conflits d'intérêts entre les actionnaires et les dirigeants sont plus ou moins atténués.Charreaux (1997b, p.421) définit le gouvernement des entreprises comme "l'ensemble des mécanismes qui ontpour effet de délimiter les pouvoirs et d'influencer les décisions des dirigeants, autrement dit qui ''gouvernent''leur conduite et définissent leur espace discrétionnaire".

2


et l'investissement en R&D sont principalement d'origine américaine et japonaise (Hill et

Snell 1988; Baysinger et al. 1991; Lee et O'Neill 2003; Hosono et al. 2004; Lee 2005; Zouari-

Hadiji et Zouari 2010 a et b) et confirment en partie le rôle joué par le CA dans la réduction

des conflits d'intérêts entre les stakeholders, et par conséquent, l’orientation du comportement

des dirigeants en matière d'investissement en R&D.

Sur la base de la théorie de la gouvernance d’entreprise, nous prétendons justifier le

lien théorique entre le CA et l'investissement en R&D. Néanmoins, rares à notre

connaissance, les études qui ont essayé de relier les trois dimensions dans une seule

perspective à savoir : le conseil d'administration, l'investissement en R&D et la performance.

Ceci nous amène à justifier le fondement théorique de ces relations qui sont complexes. Ces

interrelations doivent être précisées en intégrant la notion médiatrice des activités en R&D.

Ceci suppose que la relation directe entre le CA et la performance est plutôt une relation

indirecte à travers l’influence du niveau d'investissement en R&D dans les entreprises. Selon

cette configuration, le niveau d'investissement en R&D agit comme une variable médiatrice

entre ce mécanisme interne de gouvernance des entreprises et la performance.

Tenant compte de la rareté des travaux et de la divergence des résultats obtenus, notre

objectif de recherche consiste à répondre à la question suivante : Dans quelle mesure la

composition du CA a un effet indirect sur la performance de la firme à travers son niveau

d'investissement en R&D ? Et selon quels systèmes de gouvernance ?

Pour répondre à cette problématique, nous adoptons une démarche hypothético-

déductive permettant de traiter les deux sections suivantes. La première présente le modèle

théorique qui postule que le CA pourrait influencer la performance. Au milieu de cette

relation directe s’interposent des variables telles que le niveau d'investissement en R&D. En

plus d’être influencés par le CA, cette dernière variable influence, à son tour, la performance.

La seconde section d’ordre empirique vise à tester l’effet potentiel du niveau d'investissement

en R&D, comme médiateur, entre le CA et la performance, en trois modèles séparés (un

modèle pour chacune des composantes du CA).

3


I. Revue de la littérature et hypothèses

Les caractéristiques de l'investissement en R&D (niveau de risque élevé, horizon

temporel long et forte spécificité des actifs) représentent des sources de conflits intérêts entre

les différentes parties prenantes. Des mécanismes de gouvernance s’avèrent donc nécessaires

pour converger ces intérêts, agir sur chaque source de conflits, et par conséquent, privilégier

l'investissement en R&D, créateur de valeur3. La tendance des dirigeants à opter pour tel

investissement afin de réaliser une performance dépend de la composition du CA qui diffèrent

d’un système financier à un autre.

Fama (1980) et Fama et Jensen (1983a et b) attribuent au CA la mission de contrôler

les principaux dirigeants pour assurer la maximisation de la richesse des actionnaires.

L'influence du CA sur la nature des décisions prises par les dirigeants dépend en partie de sa

composition. Cette dernière se limite à la distinction entre administrateurs internes (insiders)4

et administrateurs externes (outsiders)5. Etant les représentatifs légaux des actionnaires, les

administrateurs externes sont supposés être plus indépendants et plus compétents que les

administrateurs internes pour exercer un contrôle plus efficace de la gestion des dirigeants.

La situation respective des deux catégories d'administrateurs (internes et externes), le

cumul/dissociation des fonctions de décision (directeur général) et de contrôle (président du

conseil) ainsi que la taille du CA, aboutissent à des différences dans la configuration des CA

dans les différents pays et induisent des attitudes différentes face à l'accomplissement de la

tâche du contrôle. Il semble a priori que la nature des administrateurs, à travers les contrôles

financiers et/ou stratégiques6, le cumul ou non des fonctions ainsi que la taille du conseil

peuvent influer sur la latitude discrétionnaire du dirigeant afin de privilégier l'investissement

en R&D et augmenter la performance de la firme. Le rôle médiateur de l'investissement en

R&D dans la relation entre le CA et la performance diffère nettement selon la nature des

systèmes nationaux de gouvernance.

3 Les études de Jarrell et al. (1985), McConnell et Muscarella (1985), Chan et al. (1990), Godard (1996), Zouari-hadiji et Zouari (2013) confirment l'influence positive des dépenses en R&D (stratégie à haut risque- hauterentabilité, Mansfield 1969) sur la performance des entreprises.4 Ces administrateurs sont des cadres de l'entreprise ou des salariés qui dépendent hiérarchiquement de ladirection. 5 Les administrateurs externes siègent au CA mais n'exercent aucune fonction de direction au sein de l'entrepriseconcernée. Pour une définition plus approfondie, voir Kaplan et Minton 1994 ; Charreaux, 1997a).6 Les contrôles financiers reposent sur des critères financiers objectifs. Alors que les contrôles stratégiquesconstituent une évaluation subjective plus ouverte permettant de saisir plus finement les divers aspects de l'actiond'un responsable.

4


1.1. La dominance des administrateurs internes, l'investissement en R&D et la

performance de la firme

Les théoriciens de la théorie de l'agence montrent que la tendance des dirigeants à

augmenter la performance de la firme par la réalisation des investissements en R&D dépend

du rôle joué par le CA, organe chargé de représenter les intérêts des actionnaires.

Aux Etats-Unis et en France, le degré élevé de la séparation des fonctions de propriété

et de contrôle dans les entreprises est compensé par un rôle accru du CA (Weisbach 1988 ;

Hermalin et Weisbach 1991 ; Denis et Sarin 1999). Cet organe est caractérisé par une

domination des administrateurs externes qui sont susceptibles d'être objectifs et indépendants.

Leur expérience et leur situation particulière leur permettent d'exercer un contrôle efficace de

la gestion des dirigeants (Weisbach 1988 ; Shivdasani 1993). Ces administrateurs qui décident

d'évaluer les dirigeants sur la base des critères financiers synthétiques pratiquent des contrôles

financiers. Par l'intermédiaire des systèmes de contrôle qu'ils développent, les administrateurs

externes transfèrent une partie du risque aux dirigeants. Or, le dirigeant est averse au risque et

cherche à adopter une stratégie de protection afin d'assurer sa propre sécurité d'emploi

(Amihud et lev 1981 ; Jensen et Meckling 1976). Une évaluation de nature financière dans les

conseils dominés par les administrateurs externes conduit les dirigeants à investir moins dans

des projets en R&D.

Les CA américains et français prennent l’initiative de licencier les dirigeants qui

réalisent de mauvaises performances. En évaluant les dirigeants sur la base des critères

comptables, ils augmentent l'intensité de l’effort managérial en faveur de la maximisation des

profits à court terme. Goold et Quinn (1990) postulent que les contrôles basés sur des

indicateurs financiers ou budgétaires se focalisent généralement sur la performance de court

terme.

Plusieurs études corroborent cette réflexion. Fischel et Bradley (1986), Hoskisson et

Hitt (1988), Hill et Snell (1988), Baysinger et al. (1991), Ellstrand et al. (2002), Xie et al.

(2003) and Zouari-Hadiji and Zouari (2010a) trouvent une relation négative significative entre

la dominance des administrateurs externes au conseil et l'investissement en R&D. Ceci permet

de diminuer la performance de la firme. Par contre, Krivogorsky (2006) trouve une relation

positive et significative entre la dominance des administrateurs externes et la performance de

la firme.

5


Au Japon, le CA est dominé par les administrateurs internes. Osterloh et Frey (2005)

montrent qu'en vertu de leur position dans l'entreprise, ils ont une connaissance relativement

approfondie de la firme et tiennent compte des évolutions de l'environnement. Entretenant des

relations interactives et ouvertes avec les dirigeants, ils sont capables d'évaluer la qualité du

processus de décision et les conditions de la mise en oeuvre de la stratégie. En s'appuyant sur

des méthodes subjectives et complexes d'évaluation de la performance, les administrateurs

internes pratiquent un contrôle stratégique (Godard, 1996). De par ce type de contrôle, ils

encouragent les dirigeants à entreprendre des investissements en R&D, et par conséquent,

améliorer la performance de la firme. Ainsi, la présence des administrateurs internes dans le

conseil aura pour conséquence l’accroissement de la valeur de l’entreprise à travers une

politique d'investissement en R&D efficace.

Dans le même ordre d'idées, Goold et Quinn (1990) constatent que les administrateurs

internes sont plus orientés vers le long terme puisqu'ils prennent en compte la position

concurrentielle de la firme et utilisent des données qualitatives. Ces mécanismes d'évaluation

ne visent pas seulement à fixer des objectifs sur le long terme, mais à établir aussi des

références sur le court terme (lancement d'un nouveau produit, nouveau service…) qui

orientent vers les objectifs de long terme. D'une façon générale, les contrôles stratégiques

donnent une plus grande priorité à la croissance du marché et à la performance à long terme

de la firme. L'effet positif de la dominance des administrateurs internes au CA sur

l'investissement en R&D est confirmé par les résultats des études de Hill et Snell (1988,

1989), Baysinger et al. (1991) and Zouari-Hadiji and Zouari (2010a)

De ce qui précède, l'influence du CA sur la performance à travers le niveau

d'investissement en R&D varie selon le pourcentage des administrateurs internes. Un CA à

dominance interne contribue à améliorer la performance des firmes japonaises à travers la

réalisation des investissements en R&D. Par contre, la dominance des administrateurs

externes au CA réduit la performance des firmes américaines et françaises par le biais d'une

stratégie de diversification. Nous en déduisons l'hypothèse suivante:

H1 : Les CA dominés par des administrateurs internes (externes) influencent positivement

(négativement) la performance des firmes japonaises (américaines et françaises) à travers le

niveau d'investissement en R&D.

6


1.2. La dualité des fonctions, l'investissement en R&D et la performance de la firme

La séparation des fonctions du directeur général et du président du CA, qui est l’une

des caractéristiques du CA utilisée pour stimuler les efforts des dirigeants (Jensen 1994), est

un facteur déterminant de l'investissement en R&D qui est, lui aussi, un déterminant de la

performance. Dans cet ordre d'idées, Goyal et Park (2002) trouvent que la performance de la

firme est plus sensible à la séparation des fonctions de direction et de contrôle qu'en cas de

cumul de ces fonctions.

Aux Etats-Unis, le CA est caractérisé par une structure duale (Daily et Dalton, 1994)

ne permettant pas au conseil de jouer pleinement son rôle du fait de la confusion des

compétences et des responsabilités (Roe 1994, Thaddée Nlemvo Ndonzuau 2000).

Libérés du contrôle du conseil, les dirigeants américains sont incités à poursuivre leurs

intérêts personnels aux dépens des actionnaires. Ils privilégient, à cet égard, les stratégies de

diversifications dont le rendement est à court terme. Le cumul des fonctions est ainsi associé à

des niveaux faibles d'investissements en R&D (Kor 2006; Zouari-Hadiji and Zouari 2010a),

contribuant à réduire la valeur de l'entreprise.

En France, la structure duale est relativement plus fréquente (Godard et Schatt, 2005)

attribuant au PDG un plus grand pouvoir de décision et de contrôle dans la firme. Pour les

actionnaires français, le cumul des fonctions peut s’avérer risquée, dans la mesure où il offre

la possibilité aux dirigeants de défendre plus aisément les projets initiés et mis en œuvre au

détriment de leur bien-être. Conscient de l'inefficacité du CA à remplir sa fonction de

contrôle7, les dirigeants ont intérêt à réduire les dépenses d'investissement en R&D (Kor 2006;

Zouari-Hadiji and Zouari 2010a) affectant négativement la performance de la firme.

Au Japon, le CA, censé représenter et protéger les intérêts des différentes parties

prenantes, est constitué par deux organes, un directoire8 et un conseil de surveillance9,

complètement séparés sur les plans institutionnel et fonctionnel. Fama et Jensen (1983 a et b)

montrent que dans les entreprises où les agents qui prennent les décisions ne sont pas les

principaux propriétaires, les systèmes de décisions, pour être efficaces, devront être conçus de

7 Du fait qu'il possède un pouvoir d'influence au sein du conseil.8 Le directoire se consacre principalement à défendre les intérêts des actionnaires ainsi qu'à faire des choixrapides et décisifs afin de garantir un fonctionnement efficace de l'entreprise.9 Le conseil de surveillance est chargé de veiller à la prise en compte de tous les intérêts des parties prenantes.

7


façon à ce qu'une décision qui est initiée et mise en œuvre par un agent donné ne soit pas

ratifiée et contrôlée par le même agent. La dissociation des deux organes renforce la capacité

du conseil de surveillance à remplir sa fonction de contrôle, à orienter les décisions des

dirigeants vers le choix des investissements en R&D (Rechner et Dalton 1991 ; Pi et Timme

1993 ; Daily et Dalton 1994 ; Baliga et al. 1996 ; Core et al. 1999), et par conséquent, à

favoriser un processus décisionnel maximisant la performance de la firme (Chen et al. 2007)

Dans le cadre de la gouvernance d'entreprise, la création de la valeur se base alors sur

la capacité à investir en R&D de façon continuelle. Il s’avère que la non-dualité des fonctions

de décision et de contrôle permet de favoriser les investissements en R&D, et par conséquent,

d'accroître la performance de la firme. De ce fait, la structure non duale a un effet direct et

surtout indirect sur la performance de la firme. L’effet indirect est médiatisé par la mise en

place d'une politique d'investissement en R&D, composante essentielle d’une création de

valeur.

H2: Une structure indépendante (duale) influence positivement (négativement) la performance

des entreprises japonaises (américaines et françaises) à travers le niveau d'investissement en

R&D.

1.3. La taille du conseil d’administration, l'investissement en R&D et la performance de

la firme

La taille du CA permet de soutenir ou de s'opposer aux décisions stratégiques prises

par les dirigeants, selon qu'elle soit élargie ou réduite. Élément essentiel de la gouvernance

d’entreprise, la taille du CA peut agir sur la latitude managériale en vue de favoriser les

investissements en R&D, créateur de valeur.

Les chercheurs en théorie de gouvernance d'entreprise ont généralement avancé que

les CA plus grands peuvent offrir des opinions diversifiées, des compétences, des conseils

d'experts et des managers plus qualifiés réduisant l'incertitude qui entourent le développement

de la firme, et par conséquent, améliorent la performance de la firme. Alors que les CA

s'agrandissent et présentent une plus grande diversité, afin de mieux remplir leurs fonctions

institutionnelle et de contrôle, ils peuvent devenir inadaptés, ne permettant plus de prendre les

décisions stratégiques opportunes, en réaction aux changements environnementaux

fondamentaux. Cette contradiction est reflétée par les divergences des résultats étudiant la

8


relation entre la taille du CA et la performance de la firme (Jensen 1993; Yermack 1996;

Adams et Mehran 2005; Belkhir 2009; Dogan and Yildiz 2013).

Aux états Unis, Zahra et Stanton (1988) montrent que la taille du CA a un effet négatif

sur la performance financière (mesures de performance orientées vers les actionnaires:

bénéfice par action et dividende par action). De même, Jensen (1993) stipule que la fonction

disciplinaire est mieux assurée par un CA de taille réduite. Il exerce un contrôle interne plus

efficace en diminuant les conflits d'agence entre les actionnaires et les dirigeants. Alors qu'un

CA de taille élargie risque d'entraver son fonctionnement. Plus la taille augmente, plus les

problèmes de coordination et de communication de ses membres s'amplifient induisant des

conflits d'intérêts plus accentués. De ce fait, les dirigeants peuvent poursuivre leurs propres

intérêts au détriment de la richesse des actionnaires (Lipton et Lorsh, 1992). Rao et Lee-Sing

(1995) stipulent aussi qu’une grande taille du conseil d’administration est corrélée

négativement avec le niveau des dépenses du R&D. Yermack (1996) et Eisenberg et al.

(1998) trouvent aussi qu'il y a un effet négatif et significatif de la taille du conseil sur la

performance de la firme. Par contre, Pearce et Zahra (1992) montrent que la taille du CA est

associée de façon positive et significative aux quatre critères de performance (rentabilité

économique, rentabilité financière, Bénéfice par action et marge bénéficiare). Adams et

Mehran (2005), Dalton et Dalton (2005) concluent également qu'une plus grande taille du CA

est associée à une meilleure performance des banques américaines. Selon eux, la réduction de

la taille du CA est contre-productive.

En France, Conyon et Simon. (1998) révèlent l'existence d'un effet négatif de la taille

du conseil sur la performance des sociétés cotées. Ce résultat a été confirmé par Ginglinger

(2002) qui considère qu’un grand conseil multiplie la fréquence des expertises mais

également accroît les problèmes de passagers clandestins et de conflits potentiels réduisant

l'efficacité de prise de décisions. Dans le même ordre d'idée, Staikouras et al. (2008), Dogan

and Yildiz (2013) confirment une relation négative entre la taille du CA et la performance de

la banque. Quant à Di Pietra’et al. (2008), ils trouvent que la taille du CA influence

positivement et significativement la performance de la firme. Ce résultat a été confirmé par

Belkhir (2009) qui prouve que l'augmentation du nombre des administrateurs ne détériore pas

la performance de la firme.

9


La taille relativement importante du CA est la caractéristique des entreprises

japonaises. Pfeffer (1972, 1973) montre que la taille du CA permet de constituer un pool de

ressources et d'expertise pour la firme. En outre, de plus grands CA améliorent la gestion de la

firme en réduisant la domination du dirigeant. Coles et al. (2008) montrent dans leur étude des

grandes entreprises qu'il existe une relation positive et significative entre la taille du CA et la

performance de la firme. Toutefois, les recherches antérieures sur les décisions stratégiques

ont mis en avant l'impact négatif d'un CA trop grand sur l'implication de celui-ci dans le

processus de décision stratégique (Herman, 1981). Une taille élevée entrave les décisions

stratégiques, notamment dans les activités de R&D. La grande taille des CA constitue un

obstacle à l'atteinte d'un consensus sur les investissements en R&D, et par conséquent, réduire

la performance de la firme.

Hutchinson et Gul (2004) montrent que l’effet des mécanismes de gouvernance sur la

performance de la firme devrait être étudié en tenant compte de leurs spécificités. Ceci nous a

motivé à analyser la relation entre la taille du conseil et la performance à travers l'effet

médiateur des activités de R&D. En effet, un CA de grande taille pourrait améliorer la valeur

de l'entreprise en influençant la décision du dirigeant d'investir en R&D. Ainsi, un nombre

élevé d’administrateurs pourrait avoir un effet positif sur la réalisation de nouvelles

opportunités d'investissement, et par conséquent, une amélioration de la performance de la

firme. Dans ce sens, le niveau d'investissement en R&D pourrait être considéré comme une

variable médiatrice dans la relation entre la taille du CA et la performance de la firme.

H3: Une grande taille du CA influence positivement (négativement) la performance des

entreprises japonaises (américaines et françaises) à travers le niveau d'investissement en

R&D.

A l’instar des développements précédents, nous retenons, dans le cadre de la présente

étude, trois variables déterminant la performance de la firme par le biais du niveau

d’investissement en R&D à savoir : la dominance des administrateurs internes, la structure

duale et la taille du CA. Les prédictions théoriques sont présentées dans le tableau suivant.

10


Tableau n°1 : Tableau récapitulatif des principales variables explicatives de la

performance à travers l’investissement en R&D

Hyp. n°Variables àexpliquer

Variables médiatrices Variables explicativesSignes attendus

USA JP FR

H1Performance dela firme

Investissement en R&DDominance des administrateurs internes

+ + +


Investissement en R&D Structure duale - - -


Investissement en R&D Taille du CA + + +

2. Analyse empirique

Cette section a pour but de tester l'effet indirect de la composition du CA sur la

performance de la firme à travers l'investissement en R&D. Dans un premier temps, nous

présenterons notre échantillon, les variables expliquées et explicatives ainsi que la méthode

d’analyse multivariée (régression hiérarchique). La présentation et l’interprétation des

résultats de cette étude feront l’objet d’une deuxième sous-section.

2.1. Présentation des données et mesures des variables

Les données de l'étude proviennent de deux bases de données (Osiris et Thomson One)

et des rapports annuels des entreprises cotées américaines (NYSE), japonaises (NIKKEI 225)

et françaises (CAC40) sur toute la période 2011-2012. Ces entreprises appartiennent aux

secteurs industriel, commercial, touristique, technologique et service. L’hétérogénéité

sectorielle permet d’asseoir la validité externe et la généralité des résultats (Lee, 2005). Les

institutions financières ont été exclues en raison de leur comportement atypique en matière de

politique financière. Les sociétés dont le nombre d’employés était inférieurs à 500 ont été

également retirées pour rendre la plausibilité théorique plus intéressante10. Nous avons

sélectionné toutes les entreprises pour lesquelles nous disposons de données relatives à la

composition du CA, à l'investissement en R&D (risque et horizon) et à la performance soit

531 entreprises (178 françaises, 174 américaines et 179 japonaises) pour l'analyse statistique

comparative.

10 Selon Scherer (1984), seulement les grandes entreprises peuvent avoir la motivation et la capacité dedévelopper de nouveaux produits et de s'engager dans les projets en R&D. Elles ont la capacité de se couvrircontre les risques inhérents à l'activité en R&D en s'engageant sur plusieurs projets simultanément.

11


Etant donnée que la rentabilité des dépenses de R&D n’apparaît que dans le long

terme (Xu et Zhang, 2004), nous devons bien choisir un indicateur de performance à long

terme pour l’étude de la relation entre l’investissement en R&D et la performance de la firme.

Lin et Chen (2005) soulignent qu'une période de cinq années semble être appropriée pour

l’évaluation des retombés des stratégies de R&D sur la performance d’une firme11. Ainsi, et à

l’instar des études antérieures (Kothari et al. 2002 ; Yang et al. 2007 ; Karjalainen 2008 ;

Pandit et al. 2011), nous définissons la performance de la firme par deux mesures, à savoir la

moyenne du rendement d'exploitation des cinq années consécutives (Return On Assets "ROA"

= résultat d'exploitation avant amortissements et dépenses de R&D / total des ventes, Aboody

et Lev 2000 ; Ding et al. 2007 ; Yang et al. 2007)12 et la moyenne du rendement boursier

(Market To Book "MTB" = capitalisation boursière / valeur des capitaux propres, Bracker and

Krishnan 2011; Nekhili et al. 2012; Başgoze and Cem Sayin 2013; Pramod et al. 2013).

Pour mesurer le "niveau d'investissement en R&D" ("R&D")13, nous utilisons les

indicateurs rencontrés dans la littérature. Il peut être définie comme étant le total des dépenses

de R&D divisé soit par le total des actifs (Hosono et al. 2004 ; Hung et al. 2006 ; Kor 2006 ;

Di Vito et al. 2008), soit par le nombre des employés (Hill et Snell 1988 ; Graves 1988 ;

Baysinger et al. 1991), soit par le total des ventes de l’entreprise (Eng et Shackell 2001 ; Lee

et O’Neill 2003 ; Dutta et al. 2004 ; Berrone et al. 2007). Dans le cadre de cette étude, nous

avons choisi cette dernière mesure de l’intensité de R&D qui a été largement utilisée dans les

études antérieures. Cette mesure permet de standardiser le niveau d’investissement dans la

R&D en ce qui concerne la taille de l'entreprise.

La proportion des administrateurs internes est une variable quantitative mesurée par le

rapport nombre d’administrateurs internes sur le nombre total des administrateurs. Ont été

considérés comme administrateurs internes, ceux qui travaillent dans l'entreprise et qui ont un

11 Certains auteurs affirment que l’effet positif de l’investissement en R&D sur les rendements des titress’aperçoit sur des périodes oscillant entre cinq et sept années (Sougiannis 1994 ; Lev et Sougiannis 1996 ; Lev etZarowin 1998).12 Cette mesure de performance comptable a l’avantage d’éliminer l’effet des choix comptables liés au traitementdes dépenses de R&D dans les états financiers largement sujettes à l’opportunisme des dirigeants.13 La connaissance du montant des dépenses de R&D est étroitement liée à la volonté des dirigeants de publierune telle information stratégique, et de choisir le mode de comptabilisation de ces dépenses (en charges ou enactifs). Depuis l’adoption des normes IAS/IFRS, la capitalisation de ces coûts est devenue obligatoire dès que lesconditions requises par la norme IAS 38 "immobilisations incorporelles" sont remplies. Ainsi, pour déterminer lemontant total des dépenses annuelles de R&D, nous devons savoir aussi bien la partie de ces dépenses passées encharges que celles capitalisées. Pour récupérer ces informations, nous avons combiné les données disponiblesdans les bases de données Osiris et Thomson One avec celles figurant dans les rapports annuels des entreprises.

12


lien de parenté avec les dirigeants de celle-ci (Godard et Schatt 2005 ; Zouari-Hadiji et Zouari

2010a).

Le cumul des fonctions de Directeur Général et de Président du Conseil

d’Administration est une variable dichotomique (muette) prenant la valeur 1 dans le cas où les

deux fonctions sont assumées par la même personne et 0 dans le cas contraire. Cette mesure a

été utilisée par plusieurs recherches antérieures, nous citons à titre d’exemple Kor (2006),

Chen et al. (2007) et Zouari-Hadiji et Zouari 2010a).

La taille du conseil d’administration est mesurée par le nombre d’administrateurs qui y

siègent. Cette mesure a été également utilisée par Yermack (1996), Godard (1996), Godard et

Schatt (2005).

Pour obtenir plus de fiabilité des résultats, nous avons introduit deux variables de

contrôle correspondant à la taille de l’entreprise et à l’appartenance sectorielle. La taille de

l'entreprise est mesurée par le logarithme naturel du total actif de l’entreprise. Cette mesure a

été utilisée dans plusieurs études telles que Nekhili et al. 2012; Zouari et Zouari-Hadiji 2013;

Liano 2013).

Le secteur d'activité est une variable muette prenant la valeur 1 si les entreprises

appartiennent à un secteur de haute technologie et 0 sinon. Cette mesure a été utilisée par

plusieurs recherches telles que Kor (2006), Chen et al. (2007), Zouari-Hadiji et Zouari

(2010a) et Zouari et Zouari-Hadiji (2013)

Les variables explicatives et de contrôle influencent la réalisation de l'investissement

en R&D et vérifient sa multidimensionnalité. Elles sont aussi distinctes les unes des autres et

présentent, comme le montre les tableaux 2, 2.1 et 2.2 en annexe, une corrélation faible et/ou

non significative entre elles.

2.2. La modélisation des hypothèses

Nous testons l’existence d’un effet médiateur par la méthode des régressions

hiérarchiques14 de manière à comparer l’effet global des blocs de variables. La vérification de

14 Dans le cadre de ce travail, le traitement des variables médiatrices doit suivre la démarche de Baron et Kenny(1986). Cette dernière démarche, dont le but est de tester l’effet médiateur, se fait à l’aide d’une régressionmultiple hiérarchique. Cette analyse consiste à évaluer l’effet total (cumulé) des variables explicatives sur uncritère. La méthode s’effectue en plusieurs étapes. Tout d’abord, il s’agit de tester l’effet du prédicteur (variableindépendante), d’une part, sur le critère (variable dépendante) et d’autre part, sur le médiateur à l’aide desrégressions partielles et simples. Puis, il faut tester l’autre relation (prédicteur et médiateur sur le critère). Dansce dernier cas, on utilise une régression multiple hiérarchique. Il s’agit d’entrer progressivement dans l’équationde la régression des variables explicatives : en commençant par les prédicteurs et les variables de contrôle(1er pas), et ensuite, la variable médiatrice (2ème pas). Lorsqu’on assiste à une augmentation du R² ajusté aprèsavoir entré le médiateur, on peut supposer l’effet de ce médiateur dans la relation entre le prédicteur et le critère.

13


cet effet est réalisée par la construction de trois modèles dans lesquels chaque variable

composant le CA est traitée par un modèle qui est lui spécifique.

Baron et Kenny (1986) proposent quatre conditions pour vérifier un effet médiateur complet

de M dans le cadre de la relation X-Y:

• Condition (1) : La variable X doit avoir un impact significatif sur la variable Y

• Condition (2) : La variable X doit avoir un impact significatif sur M.

• Condition (3) : La variable supposée médiatrice M doit significativement influencer la

variable Y, lorsque l’influence de la variable X sur Y est contrôlée.

• Condition (4) : L’influence significative de la variable X sur Y doit disparaître lorsque

l’effet de M sur Y est contrôlé statistiquement.

Nous distinguons alors quatre étapes liées à trois hypothèses pour affirmer l’existence

d’un effet médiateur de l'investissement en R&D : (1) le CA influence significativement la

performance de la firme dans une première équation de régression (2) le CA influence

significativement l'investissement en R&D dans une seconde équation de régression (3)

lorsque l’influence du niveau d'investissement en R&D sur la performance de la firme est

significatif dans une troisième équation de régression, le CA n’a plus d’effet significatif sur la

performance, et enfin, (4) l’effet direct du CA sur la performance doit être nul ou diminué par

l’insertion du médiateur (R&D) pour conclure à son effet médiateur dans la relation.

Sur le plan économétrique, nous estimerons les modèles 1 à 3 testant la relation

indirecte entre la dominance des administrateurs internes au CA et la performance de la firme.

Ces modèles permettent de valider l’hypothèse H1 (H1.1, H1.2, H1.3 et H1.4).

(1) PERF i =β0 +β1 ADMINTi +β2 LOGTAi +β3 SECT i +ε i

(2) R&Di =β0 +β1ADMINT i +β2 LOGTA i +β3SECTi +ε i

(3) PERF i =β0 +β1 ADMINTi +β2 R&Di +β3 LOGTA i +β4 SECTi +ε i

Les équations 4 à 6 testent la relation indirecte entre la dualité et la performance de la

firme par l’effet de l'investissement en R&D. Ces équations permettent de valider l’hypothèse

H2 (H2.1, H2.2, H2.3 et H2.4).

(4) PERF i =β0 +β1 DUALi +β2 LOGTA i +β3SECTi +ε i

(5) R&Di =β0 +β1DUAL i +β2 LOGTAi +β3SECT i +εi

(6) PERF i =β0 +β1 DUALi +β2 R&Di +β3LOGTA i +β4 SECT i +εi

14


Les équations 7 à 9 testent la relation indirecte entre la taille du CA et la performance

de la firme par le biais de l'investissement en R&D. Ces équations permettent de valider

l’hypothèse H3 (H3.1, H3.2 , H3.3 et H3.4).

(7) PERF i =β0 +β1 TAILCAi +β2 LOGTA i +β3 SECTi +ε i

(8) R&Di =β0 +β1TAILCAi +β2 LOGTAi +β3SECT i +ε i

(9) PERF i =β0 +β1 TAILCAi +β2R&Di +β3 LOGTAi +β4 SECT i +ε i

Avec,

• PERFi : Variable mesurée par les ratios moyens ROA et MTB de l’entreprise i,

• ADMINTi : Nombre d’administrateurs internes / nombre total des administrateurs de

l’entreprise i,

• R&Di : Total des dépenses de R&D / total des ventes de l’entreprise i,

• DUALi : Variable binaire qui prend la valeur 1 si les deux fonctions de Directeur Général

et de Président du Conseil d’Administration sont assumées par la même personne de

l’entreprise i et 0 dans le cas inverse,

• TAILCAi : Nombre d’administrateurs qui siègent dans le CA de l’entreprise i,

• LOGTAi : Logarithme naturel de l’actif total de l’entreprise i,

• SECTi : Variable binaire qui prend la valeur 1 si l’entreprise i appartient à un secteur de

haute technologie et 0 dans le cas inverse.

• β0 ,β1 ,β2 ,β3 ,β4 ,β5 : Paramètres à estimer,

• εi : Erreur standard.

2.3. Présentation et interprétation des résultats

Cette section a pour objet de présenter les résultats du test des trois hypothèses qui

mettent en relation le CA appréhendée par la dominance des administrateurs internes, la

structure duale et la taille du conseil avec la performance de l’entreprise à travers le niveau

d'investissement en R&D.

2.3.1. Vérification des hypothèses du modèle "administrateurs internes / R&D/

performance de la firme"

L’objectif de cette hypothèse est de tester le rôle médiateur de la variable (niveau

d'investissement en R&D "R&D") dans la relation entre la dominance des administrateurs

15


internes ("ADMINT") et la performance de la firme ("ROA" et "MTB"). Afin de soumettre

notre hypothèse, nous avons estimé des modèles de régressions distincts pour chacune des

quatre étapes de la démarche de Baron et Kenny (1986).

Le modèle 1 (modèle réduit) contient la variable indépendante et les variables de

contrôle en prédisant la performance de la firme. De son coté le modèle 2 (modèle réduit)

cherche à expliquer la variation de la variable "R&D" (variable médiatrice dans une troisième

étape) par la variable "ADMINT" et quelques variables de contrôle. Le modèle 3 (modèle

complet) comprend toutes les variables : la variable indépendante (ADMINT), la variable

médiatrice (R&D) et les variables de contrôle (taille et secteur) en cherchant à expliquer la

variable dépendante, à savoir la performance de la firme.

2.3.1.1. Interprétation des résultats obtenus pour les entreprises américaines

D’après les résultats du tableau n°3.1, la première condition a été remplie, puisque le

modèle 1 (qui teste la relation entre la variable "ADMINT" et le "ROA"), présente un pouvoir

explicatif faible (R² ajusté = 0.018). La qualité globale du modèle est significativement

acceptable (F = 2.042, p < 10%). Il est vraisemblable qu’au moins une des variables

explicatives apporte une contribution significative dans l’ensemble des fluctuations de la

rentabilité des actifs. Toutefois, lorsque la performance est mesurée par "MTB", le modèle en

question présente un pouvoir explicatif très faible (R² ajusté = 0.010) et un test de Fisher non

significatif (F = 1.580 ; p > 10%). Les tests de Student révèlent que la variable "ADMINT" a

un impact positif et significatif sur la performance quelque soit la mesure retenue (pour

"ROA" : ß = 0.131, t = 1.723, p < 10% ; et pour "MTB" : ß = 0.159, t = 2.075, p < 5% ). Ce

résultat permet de valider la sous hypothèse (H1-1).

L’objectif de la seconde étape consiste à démontrer l’existence d’une relation entre la

"ADMINT" et le "R&D". Le modèle 2 montre que sa qualité globale est statistiquement

significative au seuil de 1% et que la variable "ADMINT" est associée positivement et

significativement au "R&D" des entreprises américaines (ß = 0.558, t = 8,710, p < à 1%, Cf.

tableau n°3.1). Ainsi, la deuxième condition de la démarche de Baron et Kenny (1986) est

vérifiée. Ces résultats nous permettent d’accepter la sous hypothèse (H1-2).

16


Tableau n°3.1- Résultats des régressions hiérarchiques des étapes 1 et 2 (modèles 1-2) pour les entreprises

américaines

Variables

Etape 1Modèle 1

Etape 2Modèle 2

Performance de la firmeInvestissement en R&D

ROA MTB

ß t ß t ß t

V. contrôleLOGTA -0,074 -0,971 n.s 0,025 0,323 n.s -0,017 -0,262 n.s

SECT 0,094 1,237 n.s 0,052 0,688 n.s 0,033 0,510 n.sV. indépendante ADMINT 0,131 1,723* 0,159 2,075** 0,558 8,710***

R2 ajusté 0,018 0,010 0,304F 2,042* 1,580 n.s 25,868***

*** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ; * : significatif au seuil de 10% ; n.s : non significatif.

L’examen des résultats du tableau n°3.2 révèle une relation positive et significative

entre le niveau d'investissement en "R&D" et l'un des deux indicateurs de la performance de

la firme ("ROA"). Les investissements en R&D contribuent alors à améliorer la performance

économique de l’entreprise conformément aux études de Jarrell et al. (1985), McConnell et

Muscarella (1985), Chan et al. (1990), Godard (1996), Zouari-hadiji et Zouari (2013).

Le modèle 3 (modèle complet) sert à vérifier la troisième condition de médiation de la

R&D entre la variable "ADMINT" et la performance de la firme ("ROA" et "MTB"). Les

résultats de l'analyse de la régression hiérarchique indiquent que l'investissement en R&D

(variable médiatrice possible) demeure importante dans l'explication de la variable

dépendante (les deux formes de la performance) après avoir tenu compte de la variable de

prédiction. Le coefficient statistique de la variable "R&D" a une valeur positive et

significative par rapport au ROA (ß = 0.133, p < 10%) et aussi par rapport au MTB (ß =

0.156, p < à 5% ). Il en ressort de ces résultats que la troisième condition est totalement

vérifiée. Ce résultat permet de supporter la sous hypothèse (H1-3).

II ne reste plus qu'à vérifier la dernière condition, c'est-à-dire l'effet de la variable

prédictive "ADMINT" sur la variable dépendante ("ROA" et "MTB") qui ne doit pas être

significatif une fois que le médiateur possible ("R&D") est pris en considération. Les résultats

du tableau n°3.2 font apparaître que les coefficients associés à la variable "ADMINT" ne sont

pas statistiquement significatifs quelque soit la mesure de la performance retenue alors qu’il

était statistiquement significatif lors de la première étape de la démarche de Baron et Kenny

(1986). Les coefficients de régression de la variable "ADMINT" présentent des signes

positifs et non significatifs par rapport au "ROA" (ß = 0.071 ; t = 0.918 ; p> 10%) et au

"MTB" (ß = 0.037 ; t = 0.481 ; p> 10%). Il en découle que la médiation par le niveau

d'investissement en R&D est donc complète entre la dominance des administrateurs internes

17


au CA et la performance de la firme. Ces résultats nous permettent d’accepter la sous

hypothèse (H1-4). Par conséquent, l’hypothèse H1 est validée auprès des entreprises

américaines.

Selon le tableau n°3.2, pour les deux mesures de la performance, le modèle 3 (modèle

complet) présente un pouvoir explicatif ajusté intéressant. Ainsi, ce modèle complet, qui tient

compte de l’effet médiateur de l'investissement en R&D, permet aussi d’accroître le

pourcentage de variance expliquée par rapport au modèle 1. Dans le cas où la performance est

mesurée par "ROA", R² ajusté passe de 0.018 à 0.128 et la statistique F présente une valeur

plus significative au seuil de 1% . De même, lorsque la performance est mesurée par "MTB",

R² ajusté passe de 0.010 à 0.119 et la statistique F atteste que le modèle 3 devient significatif

par rapport au modèle 1 (modèle non significatif). Cet accroissement de R² ajusté est, bien

entendu, lié à la prise en compte de l’effet médiateur du niveau d'investissement en R&D.

Ainsi, la variation de R² ajusté pour les deux modèles associés à l’ajout de la variable

médiatrice est importante (11% et 10.9% ). Ceci montre que cette variable est un bon

prédicteur de la variable dépendante, à savoir la performance de la firme.

Tableau n°3.2- Résultats des régressions hiérarchiques des étapes 3 et 4 (modèle 3) pour les entreprises américaines

Variables

Etape 3Etape 3 & Etape 4

Modèle 3Performance de la firme Performance de la firme

ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA

-0,077 -0,838 n.s 0,022 0,288 n.s 0,022 0,290 n.s 0,031 0,408 n.s

SECT-0,099 -1,295 n.s -0,116 -1,528 n.s -0,095 -1,240 n.s -0,111 -1,447 n.s

V. médiatrice R&D 0,154 2,029** 0,074 0,802 n.s 0,133 1,733* 0,156 2,051**

V. indépendante ADMINT 0,071 0,918 n.s 0,037 0,481 n.s

R2 ajusté 0,020 0,013 0,128 0,119F 2,184* 1,739 n.s 9,117*** 8,074***

Variation de R2 ajusté 0,110 0,109*** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

Il y a lieu de préciser que l’introduction de l’effet médiateur "R&D" dans le modèle

complet permet d’augmenter d’une façon significative son pouvoir explicatif. Dans ce cadre,

il faut avancer que le faible pouvoir explicatif du modèle traditionnel de la gouvernance

pourrait être expliqué à l’issue de ces résultats par la quasi-absence d’analyse de l’effet

médiateur des variables intermédiaires qui sont déterminantes dans la relation de causalité

entre les mécanismes de gouvernance d’entreprise et la performance.

18


2.3.1.2. Interprétation des résultats obtenus pour les entreprises japonaises

Les résultats du tableau n°4.1 confirment la première condition, puisque le modèle 1

(qui teste la relation entre la variable "ADMINT" et le "ROA"), présente un pouvoir explicatif

faible (R² ajusté = 0.036) et significativement acceptable (F = 3.174, p < 5%). Toutefois,

lorsque la performance est mesurée par "MTB", le modèle en question présente un pouvoir

explicatif très faible (R² ajusté = 0.002) et un test de Fisher non significatif (F = 1.095 ; p >

10%). Les tests de Student révèlent que la variable "ADMINT" a un impact positif et

significatif sur la performance quelque soit la mesure retenue (pour "ROA" : ß = 0.166, t =

2.211, p < 5% ; et pour "MTB" : ß = 0.133, t = 1.738, p < 10% ). Ce résultat permet de

valider la sous hypothèse (H1-1).

Le modèle 2 montre que sa qualité globale est statistiquement significative au seuil de

1% et que la variable "ADMINT" est associée positivement et significativement à la "R&D"

des entreprises japonaises (ß = 0.232, t = 3,145, p < à 1%, Cf. tableau n°4.1). Ainsi, la

deuxième condition de la démarche de Baron et Kenny (1986) est vérifiée. Ces résultats nous

permettent d’accepter la sous hypothèse (H1-2).


japonaises

Variables

Etape 1Modèle 1

Etape 2Modèle 2


ROA MTB

ß t ß t ß t

V. contrôleLOGTA 0,118 1,570 n.s 0,052 0,675 n.s 0,116 1,564 n.s

SECT 0,053 0,707 n.s -0,019 -0,254 n.s 0,068 0,911 n.s

V. indépendante ADMINT 0,166 2,211** 0,133 1,738* 0,232 3,145***

R2 ajusté 0,036 0,002 0,050

F 3,174** 1,095 n.s 4,101****** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

L’examen des résultats du tableau n°4.2 révèle une relation positive et significative

entre le niveau d'investissement en "R&D" et l'un des deux indicateurs de la performance de

la firme ("ROA"). Les investissements en R&D contribuent alors à améliorer la performance



19



R&D entre la variable "ADMINT" et la performance de la firme ("ROA" et "MTB"). Les



dépendante (une des deux formes de la performance) après avoir tenu compte de la variable

de prédiction. Le coefficient statistique de la variable "R&D" a une valeur positive et

significative par rapport au ROA (ß = 0.189, p < 5%). Il en ressort de ces résultats que la

troisième condition est partiellement vérifiée. Ce résultat permet de supporter la sous

hypothèse (H1-3).

Les résultats du tableau n°4.2 indiquent qu'en contrôlant pour la "R&D", il existe un

lien significatif moins important entre la variable "ADMINT" et le ratio "ROA" (ß = 0.127, t

= 1.642, p < 10% ). Ainsi, la significativité de cette relation ("ADMINT" et "ROA") est

moins importante que celle trouvée dans la première condition de la vérification de la

procédure de Baron et Kenny (1986). Le modèle 3 montre également que la variable

"ADMINT" est positivement associée avec "MTB" mais cette relation est statistiquement non

significative (ß = 0.114, t = 1.514, p > 10% )

La quatrième condition nécessaire pour qu'une variable soit considérée médiatrice

n'est pas totalement respectée. Dans ce cas, l'investissement en R&D agit comme un

médiateur partiel entre la "dominance des administrateurs internes" et la performance de la

firme. En fait, l’effet de X sur Y se produit à la fois d’une manière directe et indirecte. Ce

résultat permet de supporter l’hypothèse partielle de l’effet médiateur. Ainsi, on peut accepter

la sous hypothèse (H1-4). Par conséquent, l’hypothèse H1 est validée auprès des entreprises

japonaises.

Tableau n°4.2- Résultats des régressions hiérarchiques des étapes 3 et 4 (modèle 3) pour les entreprises japonaises

Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA 0,053 0,691 n.s -0,002 -0,029 n.s 0,028 0,368 0,037 0,471 n.s

SECT 0,060 0,804 n.s -0,020 -0,262 n.s 0,046 0,617 -0,024 -0,307 n.s

V. médiatrice R&D 0,205 2,700*** 0,080 1,031 n.s 0,189 2,472** 0,068 0,870 n.s

V.indépendante ADMINT 0,127 1,642* 0,114 1,514 n.s

R2 ajusté 0,030 0,000 0,137 0,090F 2,809** 0,380 n.s 12,649*** 8,310***


20


Le modèle 3 (modèle complet), qui tient compte de l’effet médiateur de

l'investissement en R&D, permet aussi d’accroître le pourcentage de variance expliquée par

rapport au modèle 1. Dans le cas où la performance est mesurée par "ROA", R² ajusté passe

de 0.036 à 0.137 et la statistique F présente une valeur plus significative au seuil de 1% (Cf.

Tableau n°2). De même, lorsque la performance est mesurée par "MTB", R² ajusté passe de

0.002 à 0.090 et la statistique F atteste que le modèle 3 devient significatif au seuil de 1% par

rapport au modèle 1 (modèle non significatif). Cet accroissement de R² ajusté est, bien

entendu, lié à la prise en compte de l’effet médiateur du niveau d'investissement en R&D.

Ainsi, la variation de R² ajusté pour les deux modèles associés à l’ajout de la variable

médiatrice est importante (10,1% et 8,8% ). Ceci montre que cette variable est un bon

prédicteur de la variable dépendante, à savoir la performance de la firme.

2.3.1.3. Interprétation des résultats obtenus pour les entreprises françaises

La relation entre la variable "ADMINT" et le "ROA" présente un pouvoir explicatif

moyennement faible (R² ajusté = 0.059). La qualité globale du modèle est significativement

acceptable (F = 4.177, p < 10%, Cf. Tableau n°5.1). Il est vraisemblable qu’au moins une des

variables explicatives apporte une contribution significative dans l’ensemble des fluctuations

de la rentabilité des actifs. Toutefois, lorsque la performance est mesurée par "MTB", le

modèle en question présente un pouvoir explicatif nul (R² ajusté = 0.000) et un test de Fisher

non significatif (F = 0.885 ; p > 10%). Les tests de Student révèlent que la variable

"ADMINT" a un impact positif et significatif sur la performance économique (ß = 0.234, t =

3.179, p < 1% ). Ce résultat permet de valider partiellement la sous hypothèse (H1-1).

Le modèle 2 est statistiquement significatif au seuil de 1% et que la variable

"ADMINT" est associée positivement et significativement au "R&D" des entreprises

françaises (ß = 0.483, t = 7.201, p < à 1%, Cf. tableau n°5.1). Ainsi, la deuxième condition de

la démarche de Baron et Kenny (1986) est vérifiée. Ces résultats nous permettent d’accepter

la sous hypothèse (H1-2).

21



françaises

Variables

Etape 1Modèle 1

Etape 2Modèle 2


ROA MTB

ß t ß t ß t


SECT -0,049 -0,667 n.s 0,089 1,168 n.s 0,059 0,875 n.s

V. indépendante ADMINT 0,234 3,179*** 0,068 0,914 n.s 0,483 7,201***

R2 ajusté 0,059 0,000 0,212

F 4,177*** 0,885 n.s 17,395****** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

Le tableau n°5.2 révèle une relation positive et significative entre le niveau

d'investissement en "R&D" et l'un des deux indicateurs de la performance de la firme

("ROA"). Les investissements en R&D contribuent alors à améliorer la performance




R&D entre la variable "ADMINT" et la performance de la firme ("ROA" et "MTB". Les tests

indiquent que l'investissement en R&D (variable médiatrice possible) demeure importante

dans l'explication de la variable dépendante (les deux formes de la performance) après avoir

tenu compte de la variable de prédiction. Le coefficient statistique de la variable "R&D" a une

valeur positive et significative par rapport au "ROA" (ß = 0.199, p < 1%) et aussi par rapport

au "MTB" (ß = 0.124, p < à 10% ). Il en ressort de ces résultats que la troisième condition est

totalement vérifiée. Ce résultat permet de supporter la sous hypothèse (H1-3).


prédictive "ADMINT" sur la variable dépendante ("ROA" et "MTB") qui ne doit pas être


du tableau n°5.2 indiquent qu'en contrôlant pour la "R&D", il existe un lien significatif moins

important entre la variable "ADMINT" et le ratio "ROA" (ß = 0.123, t = 1.660, p < 10% ) que

celui trouvé dans la première condition de la vérification de la procédure de Baron et Kenny

(1986). Le modèle 3 montre également que la variable "ADMINT" est positivement associée

avec "MTB" mais cette relation est statistiquement non significative (ß = 0.067, t = 0.899, p >

10% ). La quatrième condition nécessaire pour qu'une variable soit considérée médiatrice n'est

22


pas totalement respectée. Dans ce cas, l'investissement en R&D agit comme un médiateur

partiel entre la "dominance des administrateurs internes" et la performance de la firme. Ce

résultat permet de supporter l’hypothèse partielle de l’effet médiateur. Ainsi, on peut accepter

la sous hypothèse (H1-4). Par conséquent, l’hypothèse H1 est validée auprès des entreprises

françaises.

Tableau n°5.2- Résultats des régressions hiérarchiques des étapes 3 et 4 (modèle 3) pour les entreprises françaises

Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA 0,206 2,841*** 0,026 0,344 n.s -0,071 -0,995 0,020 0,264 n.s

SECT -0,079 -1,094 n.s 0,087 1,157 n.s -0,068 -0,937 0,077 1,013 n.s

V. médiatrice R&D 0,198 2,780*** 0,125 1,682* 0,199 2,791*** 0,124 1,670*

V. indépendante ADMINT 0,123 1,660* 0,067 0,899 n.s

R2 ajusté 0,084 0,009 0,182 0,084F 6,602*** 1,557 n.s 11,198*** 5,198***


Selon le tableau n°5.2, pour les deux mesures de la performance, le modèle 3 permet

d’accroître le pourcentage de variance expliquée par rapport au modèle 1. Dans le cas où la

performance est mesurée par "ROA", R² ajusté passe de 0.059 à 0.182 et la statistique F

présente une valeur plus significative au seuil de 1% . De même, lorsque la performance est

mesurée par "MTB", R² ajusté passe de 0.000 à 0.084 et la statistique F atteste que le modèle

3 devient significatif par rapport au modèle 1 (modèle non significatif). Cet accroissement de

R² ajusté est, bien entendu, lié à la prise en compte de l’effet médiateur du niveau

d'investissement en R&D. Ainsi, la variation de R² ajusté pour les deux modèles associés à

l’ajout de la variable médiatrice est importante (12.3% et 8.4% ). Ceci montre que cette

variable est un bon prédicteur de la variable dépendante, à savoir la performance de la firme.

2.3.2. Vérification des hypothèses du modèle « structure duale / R&D/ performance de la

firme»

Pour pouvoir déceler le rôle médiateur du niveau d'investissement en R&D, Baron et

Kenny (1986) affirment, tel que nous l’avons précisé précédemment, que quatre conditions

doivent être vérifiées en vue de vérifier notre hypothèse de recherche. De ce fait, le modèle 4

23


(modèle réduit) et le modèle 5 (modèle réduit) contenaient la variable indépendante (structure

duale "DUAL") et les variables de contrôle en prédisant successivement les variables

dépendantes : la performance de la firme (mesurée par les ratios « ROA » et « MTB ») et le

niveau d'investissement en R&D ("R&D", variable médiatrice dans une troisième étape). Le

modèle 6 (modèle complet) comprend toutes les variables : la variable indépendante

(«DUAL »), la variable médiatrice (« R&D »), les variables de contrôle (taille et secteur) et la

variable dépendante, à savoir la performance de la firme.


Les résultats trouvés dans le tableau n°6.1 montrent que le pouvoir explicatif de la

"ROA" par la variable "DUAL" est moyennement faible (R² ajusté = 0.022). La qualité

globale du modèle est statistiquement acceptable (F = 2.305, p < 10%). Toutefois, dans le cas

où la performance est mesurée par "MTB", le modèle en question présente un pouvoir

explicatif faible (R² ajusté = 0.014). La qualité globale du modèle est non significative (F =

1.820 ; p > 10%). Faut-il avancer qu’aucune variable de contrôle, dans le modèle 4, ne prédit

la performance dans les entreprises américaines.

Les tests de Student révèlent une seule relation négative et statistiquement

significative au seuil de 5% entre la structure duale "DUAL" et la performance économique

de la firme "ROA" (ß = -0.153 ; t = -0.047 ; p< 5%). Ceci signifie que la structure duale a un

effet direct et significatif sur la performance de la firme. Ainsi, la première condition est

vérifiée confirmant la sous hypothèse (H2.1).

La deuxième condition consiste à montrer un impact significatif de la variable

indépendante "DUAL" sur la variable médiatrice "R&D" considérée alors comme une

variable à expliquer dans une analyse de régression de XM (variable médiatrice) sur X

(variable explicative) en présence des variables de contrôle. Il ressort du modèle 5 (modèle

réduit) que cette relation est statistiquement significative au seuil de 1 % (F = 25.958, Cf.

tableau n°6.1). En plus, le coefficient de régression associé à la variable "DUAL" est négatif

(ß = -0.567) et significatif au seuil de 1 %. Par conséquent, la deuxième condition est aussi

vérifiée permettant d’accepter la sous hypothèse (H2.2).

24



américaines

Variables

Etape 1Modèle 4

Etape 2Modèle 5


ROA MTB

ß t ß t ß t


SECT 0,097 0,205 n.s 0,119 0,132 n.s 0,034 0,524 n.s

V. indépendante DUAL -0,153 -0,047** -0,089 -0,261 n.s -0,567 -8,526***

R2 ajusté 0,022 0,014 0,305

F 2,305* 1,82 n.s 25,958****** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

Les résultats du tableau n°6.2 indiquent que la "R&D" (variable médiatrice potentielle)

demeure importante dans l'explication de la variable dépendante (la performance de la firme

mesurée par "MTB") après avoir tenu compte de la variable de prédiction. Le coefficient de

régression de la variable "R&D" présente une valeur positive et significative par rapport au

MTB (ß = 0.152 ; t = 2,004 ; p < 5%). Il en ressort de ces résultats que la troisième condition

est partiellement vérifiée. Ce résultat permet de supporter la sous hypothèse (H2-3).

La dernière étape de la démarche de Baron et Kenny (1986) permet de vérifier la

nature partielle ou complète de la médiation en examinant la significativité des liens directs

entre les variables indépendantes et dépendantes. Les résultats du tableau n°6.2 font apparaître

que les coefficients associés à la variable "DUAL" ne sont pas statistiquement significatifs

quelque soit la mesure de la performance retenue alors qu’il était statistiquement significatif

lors de la première étape de la démarche de Baron et Kenny (1986). Les coefficients de

régression de la variable "DUAL" présentent des signes négatifs et non significatifs par

rapport au "ROA" (ß = -0.112 ; t = -1.423 ; p > 10%) et au "MTB" (ß = -0.080 ; t = -1.020 ; p

> 10%). Il en découle que la médiation par le niveau d'investissement en R&D est donc

complète entre la structure duale et la performance de la firme. Ces résultats nous permettent

d’accepter la sous hypothèse (H2-4). Par conséquent, l’hypothèse H2 est validée auprès des

entreprises américaines.

25


Tableau n°6.2- Résultats des régressions hiérarchiques des étapes 3 et 4 (modèle 6) pour les entreprises américaines

Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA -0,077 -0,838 n.s 0,022 0,288 n.s -0,084 -1,076 n.s 0,053 0,673 n.s

SECT -0,099 -1,295 n.s -0,116 -1,528 n.s -0,095 -1,251 n.s -0,108 -1,424 n.s

V. médiatrice R&D 0,154 2,029**0,074

0,802 n.s 0,083 1,094 n.s 0,152 2,004**

V. indépendante DUAL -0,112 -1,423 n.s -0,080 -1,020 n.s

R2 ajusté 0,020 0,013 0,124 0,121F 2,184* 1,739 n.s 8,838*** 8,682***


L’effet direct de la structure duale sur la performance est non significatif lorsque nous

introduisons le niveau d'investissement en R&D en tant que variable médiatrice. Cependant,

elle affecte significativement et négativement la R&D. Ces activités de R&D, à leur tour,

affectent positivement la performance, et par conséquent, l’effet direct de la structure duale

sur la performance de la firme diminue. Ainsi, nous pouvons conclure que l’impact de la

structure duale sur la performance de la firme n’est pas direct à cause de la médiation parfaite

du niveau d'investissement en R&D.

Il y a lieu de préciser que l’introduction de l’effet médiateur dans le modèle complet

permet d’en améliorer la significativité globale du modèle. L’ajout de la variable médiatrice,

R&D, permet d’augmenter d’une façon significative le pouvoir explicatif du modèle complet

en terme de R² ajusté. Dans ce cadre, il faut avancer que le faible pouvoir explicatif du

modèle traditionnel de la gouvernance pourrait, à l’issue de ces résultats, être expliqué par la

quasi-absence d’analyse de l’effet médiateur des variables intermédiaires qui sont

déterminantes dans la relation de causalité entre les mécanismes de gouvernance d’entreprise

et la performance.


Les résultats du tableau n°7.1 prouvent que la relation entre la variable "DUAL" et le

"ROA" présente un pouvoir explicatif faible (R² ajusté = 0.028) et significativement

acceptable (F = 2.696, p < 5%). Toutefois, lorsque la performance est mesurée par "MTB", le

test de Fisher du modèle 4 est non significatif (F = 0.236; p > 10%). Les tests de Student

révèlent que la variable "DUAL" a un impact négatif et significatif sur la performance

26


économique (ß = -0.194, t = -2.604, p < 1% ). Ce résultat permet de valider partiellement la

sous hypothèse (H2-1).

Le modèle 5 montre que sa qualité globale est statistiquement significative au seuil de

5% et que la variable "DUAL" est associée négativement et significativement à la "R&D" des

entreprises japonaises (ß = -0.221, t = -2.992, p < 1%, Cf. tableau n°7.1). Ainsi, la deuxième

condition de la démarche de Baron et Kenny (1986) est vérifiée. Ces résultats nous permettent

d’accepter la sous hypothèse (H2-2).


japonaises

Variables

Etape 1Modèle 4

Etape 2Modèle 5


ROA MTB

ß t ß t ß t

V. contrôleLOGTA

-0,029 -0,392 n.s 0,014 0,186 n.s-0,034

-0,455 n.s

SECT0,066 0,891 n.s -0,019 -0,251 n.s 0,086 1,160 n.s

V. indépendanteDUAL

-0,194 -2,604*** 0,060 0,794 n.s -0,221 -2,992***

R2 ajusté 0,028 0,000 0,038

F 2,696** 0,236 n.s 3,313***** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ; * : significatif au seuil de 10% ; n.s : non significatif.

Les résultats de l'analyse de la régression hiérarchique du modèle 6 indiquent que

l'investissement en R&D (variable médiatrice possible) demeure importante dans l'explication

de la variable dépendante (une des deux formes de la performance) après avoir tenu compte

de la variable de prédiction. Le coefficient statistique de la variable "R&D" a une valeur

positive et significative par rapport au ROA (ß = 0.236, p < 1%). Il en ressort de ces résultats

que la troisième condition est partiellement vérifiée. Ce résultat permet de supporter la sous

hypothèse (H2-3).

Le test de la dernière condition, c'est-à-dire l'effet de la variable prédictive "DUAL"

sur la variable dépendante ("ROA" et "MTB") qui ne doit pas être significatif une fois que le

médiateur possible ("R&D") est pris en considération, est validé. En contrôlant pour la R&D,

les coefficients associés à la variable "DUAL" ne sont pas statistiquement significatifs

quelque soit la mesure de la performance retenue alors qu’il était statistiquement significatif

lors de la première condition. Il en découle que la médiation par le niveau d'investissement en

27


R&D est donc complète entre la structure duale et la performance de la firme. Ces résultats

nous permettent d’accepter la sous hypothèse (H2-4). Par conséquent, l’hypothèse H2 est

validée auprès des entreprises américaines.


Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA 0,053 0,691 n.s -0,002 -0,029 n.s 0,041 0,534 n.s -0,004 -0,049 n.s

SECT 0,060 0,804 n.s -0,020 -0,262 n.s 0,063 0,839 n.s -0,026 -0,337 n.s

V. médiatrice R&D 0,205 2,700*** 0,080 1,031 n.s 0,203 2,653*** 0,064 0,841 n.s

V. indépendante DUAL -0,028 -0,372 n.s 0,083 1,067 n.s

R2 ajusté 0,030 0,000 0,112 0,098F 2,809** 0,380 n.s 10,305*** 9,162***

Variation de R2 ajusté 0,084 0,098*** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ; * : significatif au seuil de 10% ; n.s : non significatif.

L’effet indirect de la structure duale sur la performance de la firme est donc fiable. Par

le biais de son effet sur les activités de R&D de l’entreprise, le cumul des fonctions permet de

diminuer considérablement la performance de l’entreprise. En effet, le tableau n°7.2 montre

que le modèle de régression 6 (modèle complet) présente, pour les deux mesures de la

performance de la firme, un pouvoir explicatif suffisant. Ainsi, ce modèle, qui tient compte de

l’effet médiateur de l'investissement en R&D, permet d’accroître le pourcentage de la

variance expliquée par rapport au modèle 4. Dans le cas où la performance est mesurée par

"ROA", le R² ajusté passe de 0.028 à 0.112 et la valeur F est plus significative au seuil de 1%

. De même, lorsque la performance est mesurée par "MTB", le R² ajusté passe de 0.000 à

0.098 et la statistique F atteste que le modèle 6 devient significatif par rapport au modèle 4

(modèle non significatif). Cet accroissement de R² ajusté est, bien entendu, lié à la prise en

compte de l’effet médiateur du niveau d'investissement en R&D. Ainsi, l’ajout de la variable

médiatrice est important vérifiant qu’elle est un bon prédicteur de la variable dépendante (la

performance de la firme).


Le test de la relation entre la variable "DUAL" et la performance de la firme (mesurée

"ROA") présente un pouvoir explicatif faible (R² ajusté = 0.046) et significativement

28


acceptable (F = 3.012, p < 10%, Cf. Tableau n°8.1). Il est vraisemblable qu’au moins une des

variables explicatives apporte une contribution significative dans l’ensemble des fluctuations

de la rentabilité des actifs. Toutefois, lorsque la performance est mesurée par "MTB", le

modèle en question présente un pouvoir explicatif nul (R² ajusté = 0.000) et un test de Fisher

non significatif (F = 0.627 ; p > 10%). Les tests de Student révèlent que la variable "DUAL" a

un impact négatif et significatif sur la performance économique (ß = -0.231, t = -3.124, p < 1

% ). Ce résultat permet de valider partiellement la sous hypothèse (H2-1).

Le modèle 5 est statistiquement significatif au seuil de 1% et que la variable "DUAL"

est associée négativement et significativement au "R&D" des entreprises françaises (ß =

-0.481, t = -7.166, p < 1%, Cf. tableau n°8.1). Ainsi, la deuxième condition de la démarche de

Baron et Kenny (1986) est vérifiée. Ces résultats nous permettent d’accepter la sous

hypothèse (H2-2).


françaises

Variables

Etape 1Modèle 4

Etape 2Modèle 5


ROA MTB

ß t ß t ß t

V. contrôleLOGTA 0,028 0,383 n.s 0,038 0,498 n.s -0,004 -0,063 n.s

SECT -0,060 -0,815 n.s 0,099 1,316 n.s 0,056 0,834 n.s

V. indépendante DUAL -0,231 -3,124*** 0,019 0,258 n.s -0,481 -7,166***

R2 ajusté 0,046 0,000 0,211F 3,012*** 0,627 17,348***

*** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.


R&D entre la variable "DUAL" et la performance de la firme ("ROA" et "MTB"). Les

résultats trouvés montrent que l'investissement en R&D (variable médiatrice possible)

demeure importante dans l'explication de la variable dépendante (une des deux formes de la

performance) après avoir tenu compte de la variable de prédiction. Le coefficient statistique

de la variable "R&D" a une valeur positive et significative par rapport au "ROA" (ß = 0.201, p

< 1%). Il en ressort de ces résultats que la troisième condition est partiellement vérifiée. Ce

résultat permet de supporter la sous hypothèse (H2-3).

29


Les résultats du tableau n°8.2 indiquent qu'en contrôlant pour la "R&D", il existe un

lien significatif entre la variable "DUAL" et le ration "ROA" (ß = -0.210, t = -2.879, p < 1%

). Alors que la variable "DUAL" est positivement associée avec "MTB" mais cette relation est

statistiquement non significative (ß = 0.011, t = 0.144, p > 10% ). La quatrième condition

nécessaire pour qu'une variable soit considérée médiatrice n'est pas totalement respectée.

Dans ce cas, l'investissement en R&D agit comme un médiateur partiel entre la "structure

duale" et la performance de la firme. Ce résultat permet de supporter l’hypothèse partielle de

l’effet médiateur. Ainsi, on peut accepter la sous hypothèse (H2-4). Par conséquent,

l’hypothèse H2 est validée auprès des entreprises françaises.


Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA -0,079 -1,094 n.s 0,026 0,344 n.s -0,042 -0,584 n.s 0,025 0,328 n.s

SECT 0,206 2,841*** 0,087 1,157 n.s -0,080 -1,098 n.s 0,124 1,663*

V. médiatrice R&D 0,198 2,780*** 0,125 1,682* 0,201 2,809*** 0,087 1,155 n.s

V. indépendante DUAL -0,210 -2,879*** 0,011 0,144 n.s

R2 ajusté 0,084 0,009 0,131 0,081F 6,602*** 1,557 n.s 8,112*** 5,019***


L'introduction de l’effet médiateur dans le modèle complet permet d’en améliorer la

significativité globale du modèle. L’ajout de la variable médiatrice, investissement en R&D,

permet d’augmenter d’une façon significative le pouvoir explicatif du modèle complet en

terme de R² ajusté15. Ce résultat révèle que le faible pouvoir explicatif du modèle traditionnel

de la gouvernance pourrait être expliqué par la quasi-absence d’analyse de l’effet médiateur

des variables intermédiaires dans la relation de causalité entre les mécanismes de gouvernance

d’entreprise et la performance.

15 Dans le cas où la performance est mesurée par ROA, R² ajusté passe de 0.046 à 0.131. De même, lorsque laperformance est mesurée par MTB, R² ajusté passe de 0.000 à 0.081. Ainsi, la variation de R² ajusté pour les deuxmodèles associés à l’ajout de la variable médiatrice est importante (7.5% et 8.1% ).

30


2.3.3. Vérification des hypothèses du modèle « taille du conseil / R&D/ performance de

la firme»

Pour mettre en évidence le rôle médiateur de l'investissement en "R&D" dans la

relation entre la taille du CA ("TAICA") et la performance de l’entreprise ("ROA" et "MTB"),

la démarche proposée par Baron et Kenny (1986) a été suivie et présentée dans les sections ci-

dessous.


D’après les résultats du tableau n°9.1, le modèle 7 (qui teste la relation entre la

variable "TAILCA" et le "ROA"), présente un pouvoir explicatif faible (R² ajusté = 0.019).

La qualité globale du modèle est significativement acceptable (F = 2.110, p < 10%).

Toutefois, lorsque la performance est mesurée par "MTB", le modèle en question présente un

pouvoir explicatif très faible (R² ajusté = 0.015) et un test de Fisher non significatif (F =

1.854; p > 10%). Les tests de Student révèlent que la variable "TAILCA" a un impact positif

et significatif sur la performance économique (ß = 0.161, t = 2.118, p < 5% ). Ce résultat

permet de valider partiellement la sous hypothèse (H3-1).

L’étape 2 consiste à démontrer l’existence d’une relation entre la "TAILCA" et la

"R&D". Le modèle 8 montre que sa qualité globale est statistiquement significative au seuil

de 1% et que la variable "TAILCA" est associée positivement et significativement à la "R&D"

des entreprises américaines (ß = 0.161, t = 1.708, p < 10%, Cf. tableau n°9.1). Ainsi, la

deuxième condition de la démarche de Baron et Kenny (1986) est vérifiée. Ces résultats nous

permettent d’accepter la sous hypothèse (H3-2).


américaines

Variables

Etape 1Modèle 7

Etape 2Modèle 8


ROA MTB

ß t ß t ß t

V. contrôleLOGTA -0,171 -1,836 n.s -0,064 -0,684 n.s -0,134 -1,426 n.s

SECT -0,105 -1,373 n.s -0,092 -0,989 n.s 0,022 0,290 n.s

V. indépendante TAILCA 0,161 2,118** 0,135 1,455 n.s 0,161 1,708*

R2 ajusté 0,019 0,015 0,283F 2,110* 1,854 n.s 24,106***

31


*** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

Les résultats de l'analyse de la régression hiérarchique du modèle 9 indiquent que

l'investissement en R&D (variable médiatrice possible) demeure importante dans l'explication

de la variable dépendante (les deux formes de la performance) après avoir tenu compte de la

variable de prédiction. Le coefficient statistique de la variable "R&D" a une valeur positive et

significative par rapport au "ROA" (ß = 0.160, p < 10%) et aussi par rapport au "MTB" (ß =




prédictive "TAILCA" sur la variable dépendante ("ROA" et "MTB") qui ne doit pas être


du tableau n°9.2 font apparaître que les coefficients associés à la variable "TAILCA" ne sont

pas statistiquement significatifs quelque soit la mesure de la performance retenue alors qu’il

était statistiquement significatif lors de la première étape de la démarche de Baron et Kenny

(1986). Il en découle que la médiation par le niveau d'investissement en R&D est donc

complète entre la taille du CA et la performance de la firme. Ces résultats nous permettent

d’accepter la sous hypothèse (H3-4). Par conséquent, l’hypothèse H3 est validée auprès des

entreprises américaines.

Tableau n°9.2- Résultats des régressions hiérarchiques des étapes 3 et 4 pour (modèle 9) les entreprises américaines

Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA -0,077 -0,838 n.s 0,022 0,288 n.s -0,088 -1,146 n.s -0,032 -0,344 n.s

SECT -0,099 -1,295 n.s -0,116 -1,528 n.s -0,102 -1,340 n.s -0,107 -1,410 n.s

V. médiatrice R&D 0,154 2,029** 0,074 0,802 n.s 0,160 1,704* 0,160 2,099**

V. indépendante TAILCA 0,082 0,875 n.s 0,112 1,197 n.s

R2 ajusté 0,020 0,013 0,110 0,109F 2,184* 1,739 n.s 7,711*** 7,628***


32


L’introduction de l’effet médiateur "R&D" dans le modèle complet permet

d’augmenter d’une façon significative son pouvoir explicatif. Dans le cas où la performance

est mesurée par "ROA", R² ajusté passe de 0.019 à 0.110 et la statistique F présente une

valeur plus significative au seuil de 1% (Cf. Tableau n°9.2). De même, lorsque la

performance est mesurée par "MTB", R² ajusté passe de 0.015 à 0.094 et la statistique F

atteste que le modèle 9 devient significatif au seuil de 1% par rapport au modèle 7 (modèle

non significatif). Cet accroissement de R² ajusté est, bien entendu, lié à la prise en compte de

l’effet médiateur du niveau d'investissement en R&D. Ainsi, la variation de R² ajusté pour les

deux modèles associés à l’ajout de la variable médiatrice est importante (9.1% et 9.4% ). Ceci

montre que cette variable est un bon prédicteur de la variable dépendante, à savoir la

performance de la firme.


Le teste de la relation entre la variable "TAILCA" et le "ROA" présente un pouvoir

explicatif faible (R² ajusté = 0.034) et significativement acceptable (F = 3.095, p < 5%).

Toutefois, la relation entre la variable "TAILCA" et le "MTB" n'est pas statistiquement

significative (F = 0.932 ; p > 10%). Les tests de Student révèlent que la variable "TAILCA" a

un impact positif et significatif sur la performance économique (ß = 0.172, t = 2.242, p < 5% ).

Ce résultat permet de valider partiellement la sous hypothèse (H3-1).

Le test du modèle 8 est statistiquement significative au seuil de 1% et que la variable

"TAILCA" est associée positivement et significativement à la "R&D" des entreprises

japonaises (ß = 0.234, t = 3,068, p < 1%, Cf. tableau n°10.1). Ainsi, la deuxième condition

est vérifiée permettant d’accepter la sous hypothèse (H3-2).


japonaises

Variables

Etape 1Modèle 7

Etape 2Modèle 8


ROA MTB

ß t ß t ß t

V. contrôleLOGTA -0,087 -1,139 n.s 0,128 1,649* -0,053 -0,697 n.s

SECT 0,060 0,814 n.s -0,019 -0,251 n.s0,081

1,096 n.s

V. indépendante TAILCA 0,172 2,242** 0,048 0,612 n.s 0,234 3,068***

R2 ajusté 0,034 0,000 0,039

F 3,095** 0,932 3,411***** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

33



"R&D" entre la variable "TAILCA" et la performance de la firme ("ROA" et "MTB"). Les



dépendante (une des deux formes de la performance) après avoir tenu compte de la variable

de prédiction. Le coefficient statistique de la variable "R&D" a une valeur positive et

significative par rapport au ROA (ß = 0.181, p < 5%). Il en ressort de ces résultats que la

troisième condition est partiellement vérifiée. Ce résultat permet de supporter la sous

hypothèse (H3-3).

Les résultats du tableau n°10.2 font apparaître que les coefficients associés à la

variable "TAILCA" ne sont pas statistiquement significatifs quelque soit la mesure de la

performance retenue alors qu’il était statistiquement significatif lors de la première étape de la

démarche de Baron et Kenny (1986). Il est vraisemblable que la médiation par le niveau

d'investissement en R&D est donc complète entre la taille du CA et la performance de la

firme. Ces résultats nous permettent d’accepter la sous hypothèse (H3-4). Par conséquent,

l’hypothèse H3 est validée auprès des entreprises japonaises.


Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA 0,053 0,691 n.s -0,002 -0,029 n.s 0,037 0,489 n.s 0,031 0,385 n.s

SECT 0,060 0,804 n.s -0,020 -0,262 n.s 0,057 0,769 n.s -0,025 -0,324 n.s

V. médiatrice R&D 0,205 2,700*** 0,080 1,031 n.s 0,181 2,290** 0,075 0,972 n.s

V. indépendante TAILCA -0,085 -1,109 n.s 0,035 0,479 n.s

R2 ajusté 0,030 0,000 0,130 0,088F 2,809** 0,380 n.s 12,071*** 8,124***


L'introduction de l’effet médiateur dans le modèle complet permet d’en améliorer la

significativité globale du modèle. L’ajout de la variable médiatrice, investissement en R&D,

permet d’augmenter d’une façon significative le pouvoir explicatif du modèle complet en

terme de R² ajusté (Cf. Tableau n°10.2). Ce résultat révèle l'importance de l’effet médiateur

34


des variables intermédiaires dans la relation de causalité entre les mécanismes de gouvernance

d’entreprise et la performance.


La relation entre la variable "TAILCA" et le "ROA" présente un pouvoir explicatif

faible (R² ajusté = 0.045). La qualité globale du modèle est significativement acceptable (F =

3.861, p < 1%, Cf. Tableau n°11.1). Il est vraisemblable qu’au moins une des variables

explicatives apporte une contribution significative dans l’ensemble des fluctuations de la

rentabilité des actifs. Toutefois, lorsque la performance est mesurée par "MTB", le modèle en

question présente un pouvoir explicatif très faible (R² ajusté = 0.003) et un test de Fisher non

significatif (F = 1.200 ; p > 10%). Les tests de Student révèlent que la variable "TAILCA" a

un impact positif et significatif sur la performance économique (ß = 0.226; t = 2.761, p < 1% ).

Ce résultat permet de valider partiellement la sous hypothèse (H3-1).

Le modèle 8 est statistiquement significatif au seuil de 1% et que la variable "TAILCA"

est associée positivement et significativement à la "R&D" des entreprises françaises (ß =

0.187, t = 2.610, p < 1%, Cf. tableau n°11.1). Ainsi, la deuxième condition de la démarche de

Baron et Kenny (1986) est vérifiée. Ces résultats nous permettent d’accepter la sous

hypothèse (H3-2).


françaises

Variables

Etape 1Modèle 7

Etape 2Modèle 8


ROA MTB

ß t ß t ß t

V. contrôleLOGTA 0,005 0,063 n.s 0,088 1,058 n.s 0,397 5,453***

SECT -0,060 -0,814 n.s 0,113 1,490 n.s 0,032 0,487 n.s

V. indépendante TAILCA 0,226 2,761*** -0,109 -1,330 n.s 0,187 2,610***

R2 ajusté 0,045 0,003 0,240

F 3,861*** 1,200 n.s 20,274****** : significatif au seuil de 1% ; ** : significatif au seuil de 5% ;* : significatif au seuil de 10% ; n.s : non significatif.

Les tests du modèle 9 (modèle complet) indiquent que l'investissement en R&D


dépendante (les deux formes de la performance) après avoir tenu compte de la variable de

35


prédiction. Le coefficient statistique de la variable "R&D" a une valeur positive et

significative par rapport au "ROA" (ß = 0.199, p < 1%) et aussi par rapport au "MTB" (ß =



Les résultats du tableau n°11.2 font apparaître que les coefficients associés à la

variable "TAILCA" ne sont pas statistiquement significatifs quelque soit la mesure de la

performance retenue alors qu’il était statistiquement significatif lors de la première étape de la

démarche de Baron et Kenny (1986). Il en découle que la médiation par le niveau

d'investissement en R&D est donc complète entre la taille du CA et la performance de la

firme. Ces résultats nous permettent d’accepter la sous hypothèse (H3-4). Par conséquent,

l’hypothèse H3 est validée auprès des entreprises françaises.


Variables



ROA MTB ROA MTB

ß t ß t ß t ß t

V. contrôleLOGTA 0,206 2,841*** 0,026 0,344 n.s 0,200 2,483** 0,073 0,872 n.s

SECT -0,079 -1,094 n.s 0,087 1,157 n.s -0,081 -1,101 n.s 0,100 1,326 n.s

V. médiatrice R&D 0,198 2,780*** 0,125 1,682* 0,199 2,776*** 0,122 1,645*

V. indépendante TAILCA 0,012 0,149 n.s -0,105 -1,285 n.s

R2 ajusté 0,084 0,009 0,115 0,079F 6,602*** 1,557 n.s 7,176*** 4,930***


Selon le tableau n°11.2, pour les deux mesures de la performance, le modèle 9

(modèle complet) permet d’accroître le pourcentage de variance expliquée par rapport au

modèle 7. La variation de R² ajusté pour les deux modèles associés à l’ajout de la variable

médiatrice est importante (7% et 7.6% ). Ceci montre que cette variable est un bon prédicteur

de la variable dépendante, à savoir la performance de la firme.

Au total, les résultats de cette étude ont des implications importantes autant pour la

théorie que pour la pratique. D’une part, notre recherche enrichit les connaissances actuelles

en proposant un modèle intégrateur qui mesure l’effet simultané des caractéristiques du CA

sur l'investissement en R&D et la performance. La modélisation par des variables médiatrices

36


dans le cadre du courant de recherche en gouvernement d’entreprise n’est pas encore

développée. Néanmoins, cette étude apporte une première réponse aussi bien conceptuelle que

méthodologique.

En outre, nos résultats démontrent que les entreprises américaines, japonaises et

françaises ont tout intérêt à investir dans les activités de R&D, si elles désirent augmenter

significativement leur performance. D’ailleurs, si l’on s’attarde aux effets individuels des

mécanismes de gouvernance, nos résultats suggèrent que ces entreprises auraient avantage à

accorder une grande importance à la dominance des administrateurs internes au CA, à la

structure non duale et à la taille du conseil. En fait, trois variables sont positivement et

significativement associées à la performance de la firme par le biais du niveau

d'investissement en R&D. L’effet médiateur de la R&D, même partiel, a été démontré pour

ces variables.

Conclusion

Dans le cadre théorique du gouvernement des entreprises, cet article étudie l’efficacité

du contrôle exercé par le conseil d’administration sur les dirigeants afin de privilégier les

investissements en R&D, créateur de valeur. Cette efficacité est sensible aux modèles

nationaux de gouvernance. La modélisation des relations entre les trois concepts à savoir

"CA/ investissement en R&D/ performance" pourrait être résumée comme suit. Du fait que

l'investissement en R&D pourrait agir comme une variable médiatrice pour une variable

particulière des caractéristiques du CA et pas pour une autre, la vérification de cet effet

médiateur a été réalisée par l’élaboration de trois modèles selon le nombre de variables du CA

retenu dans cette étude.

Plusieurs travaux empiriques révèlent que le CA est plus ou moins liée à la

performance de l’entreprise (Hill et Snell 1988; Baysinger et al. 1991; Lee et O'Neill 2003;

Hosono et al. 2004; Lee 2005; Zouari-Hadiji et Zouari 2010 a et b). Toutefois, une

caractéristique commune dans ces études est que sa majorité s’intéresse à l’association directe

entre le CA et la performance de l’entreprise sans prendre compte d’autres facteurs

intermédiaires qui peuvent s’avérer pertinents pour comprendre la relation de causalité en

question. Une perspective de recherche fructueuse est donc d'adopter une modélisation par

une variable médiatrice, à savoir le niveau d'investissement en R&D. Il est probable que cette

dernière variable exerce un effet médiateur dans la relation entre le CA et la performance de

37


la firme. De ce fait, l’effet indirect pourrait être démontré par la vérification de l’effet

médiateur potentiel de l'investissement en R&D.

A cet égard, nos résultats indiquent que toutes les variables "dominance des

administrateurs internes au CA", "structure duale" et "taille du CA" sont pertinentes dans la

détermination de l’effet médiateur selon la méthodologie de Baron et Kenney (1986). En

effet, la prise en compte de la variable médiatrice, le niveau d'investissement en R&D, permet

d’améliorer d’une façon significative le pouvoir explicatif des trois modèles «dominance des

administrateurs internes / R&D / performance», «structure duale / R&D / performance» et

«taille du CA / R&D / performance». Il en découle que l’impact des variables liées aux

caractéristiques du CA sur la performance des firmes américaines, japonaises et françaises est

à la fois direct et indirect. L’impact est indirect par la médiation, presque totale, de la variable

niveau d'investissement en R&D.

Il semble ainsi que la "performance de la firme" est liée à la "dominance des

administrateurs internes" au CA, qui favorisent de leur part les stratégies "d'investissement en

R&D". La perte de significativité de l’effet direct de la variable "dominance des

administrateurs internes" au CA sur la "performance de la firme" (mesurée par le "ROA"

et/ou "MTB") constitue un constat particulièrement important. Dans ce cas, il apparaît que

l’effet de la variable "dominance des administrateurs internes" au CA se trouve presque

complètement médiatisé par la variable "R&D". De ce fait, plus les entreprises ont des

conseils composés en majorité d’administrateurs internes, plus qu’elles s’engagent dans des

activités de R&D et plus qu’elles affichent des performances élevées.

En outre, les résultats des régressions hiérarchiques révèlent que le pouvoir explicatif

du modèle "dualité / R&D / performance de la firme" s’est nettement amélioré par rapport aux

résultats du modèle réduit sans variable médiatrice. Ceci prouve l’importance de l’ajout de la

variable médiatrice, niveau d'investissement en R&D, dans l’amélioration du pouvoir

explicatif du modèle final.

De même, la variation du pouvoir explicatif associé à l’ajout de la variable médiatrice

dans le modèle complet "taille du CA / R&D / performance de la firme" est importante par

rapport au modèle réduit. Ceci montre que la variable "investissement en R&D" est un bon

prédicteur de la variable dépendante, à savoir la performance de la firme. Cette forte relation

de causalité entre ces deux concepts provient de l’importance de la variable "taille du CA"

dans le développement des "investissement en R&D". Toutefois, les régressions hiérarchiques

montrent que les variables de contrôle n’ont aucun effet significatif sur le niveau

d'investissement en R&D et sur la performance de la firme.

38


Si cette recherche offre des contributions à la compréhension des déterminants de la

performance de la firme par le bais de l'investissement en R&D, elle présente, en revanche,

des limites et laissent encore de nombreuses questions ouvertes quant à la problématique de

l'investissement. Outre le rôle du CA, que nous avons étudié, le modèle devrait intégrer

d'autres mécanismes de contrôles internes et externes permettant de représenter de façon plus

complète la réalité. Parmi ces mécanismes, on peut citer : la structure de propriété, le marché

financier, le marché de travail, le marché des biens et services… qui ont une incidence sur la

latitude managériale, et par conséquent, sur le choix des investissements en R&D, créateur de

valeur. Enfin, nous envisagerons une future amélioration théorique et empirique. Il serait

intéressant d'élargir le cadre théorique aux apports de la gouvernance cognitive et d’examiner

empiriquement la modélisation auprès des entreprises tunisiennes.

Bibliographie:

1. Aboody D. and Lev B. (2000), Information Asymmetry, R&D and Insider Gains, Journal of Finance, Vol.55,pp:2747-2766.

2. Adams R.B. and Mehran H. (2005), Corporate performance, board structure and its determinants in bankingindustry, Working papers of Federal Reserve Bank of New York, p:1-42.

3. Alexandre H. and Paquerot M. (2000), Efficacité des structures de contrôle et enracinement des dirigeants,Finance Contrôle Stratégie, Vol.3, N°2, Juin, pp.5-29.

4. Amihud Y. and Lev B. (1981), Risk Reduction as a Managerial Motive for Conglomerate Mergers, BellJournal of Economic, Vol. 12. pp:605-617.

5. Baliga B.R., Moyer R.C. et Rao R.S. (1996), CEO Duality and Firm Performance: What’s the fuss? » Strategic Management Journal, Vol.17, pp:41-53.

6. Baron R.M. and Kenny D.A. (1986), The moderator-mediator variable distinction in social psychologicalresearch: conceptual, strategic and statistical considerations, Journal of Personality and Social Psychology51 (6), 1173-1182.

7. Başgoze P. and Cem Sayin H. (2013), The effect of R&D expenditure (investments) of firm value: case ofIstanbul stock exchange, Journal of Business, Economics & Finance, Vol.2, N°3, pp:5-12.

8. Baysinger B.D., Kosnik R.D. and Turk T.A. (1991), Effects of Board and Ownership Structure on CorporateR&D Strategy, Academy of Management Journal, Vol. 34, N°1, pp: 205-214.

9. Belkhir M. (2009), Board of Directors' Size and Performance in the Banking Industry, International Journalof Managerial Finance, Vol. 5, N°2, pp:201-221.

10. Berrone P., Surroca J. and Tribo J.A. (2007), Do the type and number of blockholders influence R&Dinvestments? New evidence from Spain, Corporate Governance: An international Review, Vol 15, n °5,pp. 828-842.

11. Bracker K. and Krishnan R. (2011), Examining the impact of research and development expenditures onTobin's Q, Academy of Strategic Management Journal, Vol. 10, N°1.

12. Chan S.H., Martin D.J. et Kensinger J.W. (1990), Corporate research and development expenditures andshare value, Journal of Financial Economics, Vol. 26, pp:255-276.

13. Charreaux G. (1997a), Modes de contrôle des dirigeants et performance des firmes, in Le gouvernement desentreprises, Théorie et Faits, Charreaux, G. (éd.), Economica, pp: 17-54

14. Charreaux G. (1997b), Vers une théorie du gouvernement des entreprises, in Le gouvernement desentreprises, Théorie et Faits, Charreaux, G. (éd.), Economica, pp: 421-469

15. Charreaux G. (2001), L’approche économico-financière de l’investissement, in Images de l’investissement,Charreaux, G. (éd.), FNEGE, p: 13-60

16. Chen A., Kao L., Tsao M. and Wu C. (2007), Building a Corporate Governance Index from the Perspectiveof Ownership and Leadership for Firms in Taiwan, Corporate Governance, Vol.15, N°2, March, pp.251-261.

39


17. Chen A., Kao L., Tsao M. et Wu C. (2007), Building a Corporate Governance Index from the Perspective ofOwnership and Leadership for Firms in Taiwan, Corporate Governance, Vol.15, N°2, March, pp:251-261.

18. Coles J.L., Daniel N.D. et Naveen L. (2008), Boards: does one size fit all?, Journal of Financial Economics,Vol.87, pp:329–356.

19. Conyon M.J. and Simon I.P. (1998), Board control, remuneration committees, and top managementcompensation, Academy of Management Journal, Vol.41, n°2, pp:146-157.

20. Core J., Holthausen R. et Larcker D. (1999), Corporate Governance, Chief Executive Officer Compensation, and Firm Performance, Journal of Financial Economics, Vol.51, N°3, pp:371–406.

21. Daily C.M. and Dalton D.R. (1994), Bankruptcy and Corporate Governance: The impact of BoardComposition and Structure, Academy of Management Journal, Vol. 37, N°6, pp:1603-1617

22. Daily C.M. and Dalton D.R. (1994), Bankruptcy and Corporate Governance: The impact of BoardComposition and Structure, Academy of Management Journal, Vol. 37, N°6, pp: 1603-1617

23. Dalton C.M. and Dalton D.R. (2005), Boards of Directors: Utilizing Empirical Evidence in DevelopingPractical Prescriptions, British Journal of Management, vol.16, pp.91-97.

24. Denis D. and Sarin A. (1999), Ownership and Board Structures in Publicly Traded Corporations, Journal ofFinancial Economics, Vol.52, pp:187-224.

25. Di Pietra R., Grambovas C., Raonic I. et Riccaboni A. (2008), The effects of board size and ‘‘busy” directorson the market value of Italian firms, Journal of Management and Governance, Vol.12, pp:73–91.

26. Di Vito J., Laurin C., Bozec Y. (2008), Corporate ownership structure and innovation in Canada, Actes du29ème congrès de l’Association Francophone de Comptabilité, Cergy Mai 2008.

27. Ding Y., Stolowy H. and Tenenhaus M. (2007), R&D productivity: An international study, Review ofAccounting and Finance, Vol. 6, n°1, pp. 86-101.

28. Doğan M. and Yildiz F. (2013), The Impact of the Board of Directors’ Size on the Bank’s Performance:Evidence from Turkey, European Journal of Business and Management, Vol.5, No.6, p:130-140.

29. Dutta S., Kumar U., Kumar D. and Zhu P. (2004), Determinants of corporate R&D intensity: Canadianevidence, 32nd Annual Administrative Sciences Association of Canada Conference, ASAC Quebec, 2004.

30. Eisenberg T., Sundgren S. et Wells M.T. (1998), Larger board size and decreasing firm value in small firms,Journal of Financial Economics, Vol. 48, pp:35–54.

31. Ellstrand A., Tihanyi L. et Johnson, J. (2002), Board Structure and International Political Risk, Academy of Management Journal, Vol.45, N°4, pp:769–777.

32. Eng L.L. and Shackell M. (2001), The implications of long term performance plans and institutionalownership for firm’s research and development expenses, Journal of Accounting Auditing and Finance,Vol. 16, n°2, pp. 117-139.

33. Fama E. F. (1980), Agency Problems and the Theory of the Firm, Journal of Political Economy, Vol.88, N°2,April, pp:288-307.

34. Fama E.F. and Jensen M.C. (1983a), Agency Problems and Residual Claims, Journal of Law and Economics,Vol. 26, June, pp: 327-350

35. Fama, E.F. and Jensen M.C. (1983b), Separation of Ownership and Control, Journal of Law and Economics,vol. 26, June, pp: 301-326.

36. Fischel D. and Bradley M. (1986), The Role of Liability Rules and the Derivate suit in Corporate Law: ATheoretical and Empirical Analysis, Cornell Law Review, Vol.71, pp:261-283.

37. Gani L. and Jermias J. (2006), Investigating the effect of board independence on performance acrossdifferent strategies, The International Journal of Accounting, Vol. 41, pp:295–314.

38. Ginglinger E. (2002), L’actionnaire contrôleur, Revue Française de Gestion, Vol.28, n°141, pp:37-56.39. Godard L. (1996), Conseil d'Administration, Stratégie et Performance Financière, Thèse de Doctorat en

Sciences de Gestion (finance), IAE Dijon, Université de Bourgogne.40. Godard L. et Schatt A. (2005), Caractéristiques et fonctionnement des conseils d’administration français :

Un état des lieux, Revue Française de Gestion, Vol 31, pp:69-87.41. Goold M. and Quinn J.J. (1990), The Paradox of Strategic Controls, Strategic Management Journal, vol. 11,

n°1, Janvier, p:43-57.42. Goyal V.K. and Park C.W. (2002), Board Leadership Structure and CEO Turnover, Journal of Corporate

Finance, Vol.8, pp:49-66.43. Graves S.B. (1988), Institutional ownership and corporate R&D in the computer industry, Academy of

Management Journal, Vol. 31, n°2, pp. 417-428.44. Hall B.H. (1998), Innovation and Market Value, working paper, n°6984, NBER. 45. Hermalin B. and Weisbach M. (1991), the Effects of Board Composition and Direct Incentives on Firm

Performance, Financial Management, winter, pp: 101-112.46. Herman E.S. (1981), Corporate control, corporate power, New York, Cambridge University Press.47. Hill C.W.L. and Snell S.A. (1988), External control, Corporate strategy and Firm performance in research

intensive industries, Strategic Management Journal, Vol.9, pp:577-590.

40


48. Hoskisson R.E. and Hitt M.A. (1988), Strategic control systems and relative R&D investment in largemultiproduct firms, Strategic Management Journal, Vol.9, pp:605-621.

49. Hosono K., Tomiyama M. and Miyagawa T. (2004), Corporate Governance and Research and Development:Evidence from Japan, Economic of Innovation and New Technology, Vol.13, N°2, March, pp:141-164.

50. Hung S.C., Lee Y. and Lin B.W. (2006), R&D intensity and commercialization orientation effects onfinancial performance, Journal of Business Research, Vol. 59, n°6, pp. 679-685.

51. Hutchinson M. and Gul F.A. (2004), Investment opportunity set, corporate governance practices and firmperformance, Journal of Corporate Finance, Vol.10, pp:595-614.

52. Jarrell G.A., Lehn K. et Marr W. (1985), Institutional ownership, tender offers, and long-term investments,Washington D.C: Office of the Chief Economist, Securities and Exchange Commission.

53. Jensen M.C. (1993), The Modern Industrial Revolution, Exit and the Failure of Internal Control Systems,The Journal of Finance, Vol. XLVIII, N°3, pp:831-880.

54. Jensen M.C. and Meckling W.H. (1976), Theory of the Firm: Managerial Behavior, Agency Costs, andOwnership Structure, Journal of Financial Economics, Vol. 3, N°4, Octobre, pp:. 305-360.

55. Kaplan S. and Minton B. (1994), Outside Intervention in Japanese Companies: its Determinants and itsImplications for Managers, Journal of Financial Economics, Vol. 36, N°2, pp: 225-258.

56. Karjalainen P. (2008), R&D investments: The effects of different financial environments on firmprofitability, Journal of Multinational Financial Management, Vol. 18, n°2, pp. 79-93.

57. Kor Y.Y. (2006), Direct and Interaction Effects of Top Management Team and Boards Compositions onR&D Investment Strategy, Strategic Management Journal, Vol.27, N°5, pp:1081-1099.

58. Kothari S. P., Laguerre T.E. and Leone A.J. (2002), Capitalization versus expensing: Evidence on theuncertainty of future earnings from capital expenditure versus R&D outlays, Review of Accounting Studies,Vol. 7, n°4, pp. 355-382.

59. Krivogorsky V. (2006), Ownership, board structure, and performance in continental Europe, TheInternational Journal of Accounting, Vol. 41, pp:176-197.

60. Le S.A., Walters B. and Kroll M. (2006), The moderating effects of external monitors on the relationshipbetween R&D spending and firm performance, Journal of Business Research vol. 59, pp:278-287.

61. Lee P.M. (2005), A Comparison of Ownership Structures and Innovations of US and Japanese Firms,Managerial and Decision Economics, Vol.26, pp:39–50.

62. Lee P.M. and O’Neill H.M. (2003), Ownership Structures and R&D Investments of US and Japanese Firms:Agency and Stewardship Perspectives, Academy of Management Journal, Vol.46, N°2, pp:212–225.

63. Lev B. and Sougiannis T. (1996), The capitalization, amortization, and value-relevance of R&D, Journal ofAccounting and Economics, Vol. 21, n°1, pp.107-138.

64. Lev B. and Zarowin P. (1998), The market valuation of R&D expenditures, Working paper, New York SternUniversity.

65. Liano, C.H. (2013), R&D Performance and Credit ratings, Journal of Accounting, Finance and Economics, Vol. 3. No. 2, pp. 53 -71

66. Lin B. W.and Chen J.S. (2005), Corporate Technology Portfolios and R&D Performance Measures: A Studyof Technology Intensive Firms, R&D Management, Vol. 35, n°2, pp. 157-170.

67. Lipton M. and Lorsh J. (1992), A Modest Proposal for Improved Corporate Governance, Business Lawyer,Vol. 48, pp:59-77.

68. Mansfield E. (1969), Industrial research and technological innovation, Norton, New York.69. McConnell J.J. and Muscarella C.J. (1985), Corporate capital expenditure decisions and the market value of

the firm, Journal of Financial Economics, Vol.14, pp:399-422.70. Nekhili M. and Poincelot E. (2000), La fonction R&D et la latitude managériale: une analyse théorique,

Finance Contrôle Stratégie, Vol.3, N°1, pp:167-215.71. Nekhili M., Boubaker S and Lakhal F. (2012), Ownership Structure, Voluntary R&D Disclosure and Market

Value of Firms: The French Case, International Journal of Business, Vol. 17, N°2, pp:126-140.72. Osterloh M. and Frey B.S. (2005), Shareholders should welcome employees as directors, Working papers n°

228, University of Zurich.73. Pandit S., Wasley C.E and Zach T. (2011), The effect of R&D inputs and outputs on the relation between the

uncertainty of future operating performance and R&D expenditures, Journal of Accounting, Auditing andFinance, Vol. 26, pp:121-144.

74. Pearce J.A. and Zahra S.A. (1992), Board Composition from a strategic contingency perspective, Journal ofmanagement Studies, Vol.29, N°4, pp:411-438.

75. Pfeffer J. (1972), Size and composition of corporate boards directors: the organization and its environment,Administrative Science Quarterly, Vol.17, pp:218-228.

76. Pfeffer J. (1973), Size, composition, and function of hospital boards of directors: a study of organization-environment linkage, Administrative Science Quarterly, Vol.18, pp:349-364.

41


77. Pi L. and Timme S.G. (1993), Corporate Control and Bank Efficiency, Journal of Banking and Finance, Vol.17, pp:515-530.

78. Pramod K.N., Narayanan K. and Padhi P. (2013), R&D intensity and market valuation of firm: a study ofR&D incurring manufacturing firms in India, MPRA Paper No. 37299.

79. Rao P.S and Lee-Sing C.R. (1995), Les structures de régie, la prise de décision et le rendement des firmes enAmérique de nord, Finance, Economie et Comptabilité, Vol. 5, pp:27-45.

80. Rechner P.L. and Dalton D.R. (1991), CEO Duality and Organizational Performance: A LongitudinalAnalysis, Strategic Management Journal, Vol.12, pp:155-160.

81. Roe M. J. (1994) Strong Managers, Weak Owners, The Political Roots of American Corporate Finance. Princeton, NJ: Princeton University Press.

82. Scherer F.M. (1984), Innovation and Growth: Schumpeterian Perspectives. MIT Press, Cambridge, MA.83. Shivdasani A. and Yermack D. (1999), CEO involvement in the selection of new board members: an

empirical analysis, Journal of Finance, vol. 54, n°99, pp:1829-1853.84. Shleifer A. and Vishny R.W. (1992), Liquidation Values and Debt Capacity: a Market Equilibrium

Approach, The Journal of Finance, vol. 47, n°4, pp: 1343-136685. Sougiannis T. (1994), The accounting based valuation of corporate R&D, The Accounting Review, Vol. 69,

n° 1, pp. 44-68.86. Staikouras C., Mamatzakis E. et Koutsomanoli F.A. (2008), Cost Efficiency of the Banking Industry in the

South eastern European region, Journal of International Financial Markets, Institutions and Money,Vol.18, N°5, p:483-497.

87. Thaddee Nlemvo Ndonzuau F. (2000), Le cumul des fonctions de président et de directeur général: quel effetsur la performance de l’entreprise ?, Revue française de gestion, mars-avril-mai 2000, pp: 4-15.

88. Weisbach M. (1988), Outside directors and CEO Turnover, Journal of Financial Economics, Vol. 20, pp:431-460

89. Williamson O.E. (1988), Corporate Finance and Corporate Governance, Journal of Finance Vol. 43, N°3,July, pp:567-591

90. Xie X., O’Neill H. and Cardinal L. (2003), Boards as Agents of Innovation: How Board CharacteristicsAffect R&D Intensity and R&D Performance in Research Intensive Firms, Paper Presented at Academy ofManagement Annual Meeting, Seattle, WA.

91. Xu M. and Zhang C. (2004), The Explanatory Power of R&D for the Cross-Section of Stock Returns: Japan1985–2000, Pacific-Basin Finance Journal, Vol. 12, pp: 245– 269.

92. Yang Y.W., Searcy D.W.L. and Tatum K.W. (2007), The role of corporate governance on long-termfinancial performance and market valuation of R&D investments in the biotechnology industry, Workingpaper, Proceedings of the Midyear Conference of the, Auditing Section of the American AccountingAssociation , January, 11-13, 2007.

93. Yermack D. (1996), Higher market valuation of companies with a small board of directors, Journal ofFinancial Economics, Vol.40, pp:185–212.

94. Zahra S.A. and Stanton W.W. (1988), The implications of Board of Directors' Composition for CorporateStrategy and performance, International Journal of Management, Vol.5, N°2, pp:229-236.

95. Zouari G. and Zouari-Hadiji R. (2013), Ownership Structure, Innovation and Firm Performance: EvidenceFrom Tunisia, International Journal of Governance, Vol.3, N°2, September, pp:79-107.

96. Zouari-Hadiji R. and Zouari G. (2010a), Internal Governance Systems and R&D Investment: AnInternational Comparison, Corporate Board: Role, Duties & Composition, Vol. 6, N°1, p:39-56.

97. Zouari-Hadiji R. and Zouari G. (2010b), Institutional Investors and R&D Investment: an InternationalComparison, Corporate Ownership & Control, Vol. 7, N°3, p: 43-55, Spring.

42


ANNEXES

Tableau n°2 - Matrice des corrélations inter variables indépendantes (entreprises américaines) (1)

Pourcentage desadministrateurs internes

Concentration depropriété

DualitéTaille de la

firmeSecteur

d’activitéPourcentage des

administrateurs internes 1,00

Dualité -0,172 1,00

Taille du conseil 0,314 0,107 1,00

Taille de la firme 0,030 0,273 0,377 1,00

Secteur d’activité 0,027 0,063 0,092 0,093 1,00

Tableau n°2.1 – Matrice des corrélations inter variables indépendantes (entreprises japonaises) (1)




firmeSecteur



Dualité -0,110 1,00




Tableau n°2.2 – Matrice des corrélations inter variables indépendantes (entreprises françaises)(1)




firmeSecteur



Dualité 0,023 1,00




(1) Notons que toutes les corrélations entre les variables explicatives sont sensiblement plus petites que 0,6 (seuilà partir duquel on commence à rencontrer des problèmes sérieux de multi colinéarité). Le test de Pearson ainsique l'indice de conditionnement nous ont révélé que ces variables sont aussi distinctes les unes des autres et sontnon significatives (seuils de corrélations supérieurs à 10 % et l'indice de conditionnement est inférieur à 1000).

43

Documents

Impact indirect du conseil d'administration sur la ...€¦ · d'investissement en R&D agit comme une variable médiatrice entre le mécanisme interne de ... vise à tester l’effet