La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

Brevets et externalités en Europe: un modèle de comptage dynamique en panel Myriam ABDELMOULA ERMES (CNRS), Université Paris II Georges BRESSON ERMES (CNRS),

Présentations similaires


Présentation au sujet: "Brevets et externalités en Europe: un modèle de comptage dynamique en panel Myriam ABDELMOULA ERMES (CNRS), Université Paris II Georges BRESSON ERMES (CNRS),"— Transcription de la présentation:

1 Brevets et externalités en Europe: un modèle de comptage dynamique en panel Myriam ABDELMOULA ERMES (CNRS), Université Paris II Georges BRESSON ERMES (CNRS), Université Paris II

2 1- Introduction: Les externalités de R&D En général, R&D => Innovation, augmentation de la productivité, … La R&D d'un secteur peut avoir des effets positifs sur la productivité d'un autre secteur; on parle alors d'effets d'externalités positives de la R&D ou d'effets de spillovers (Griliches (1979), Mohnen (1992)) Les effets de spillovers ont lieu lorsque les fruits de la R&D traversent, volontairement ou non, les frontières de la firme ou du pays innovateur initial. Ils peuvent être observés dans les différentes mesures de la performance (productivité, brevets, part de marché,...).

3 1- Introduction: Croissance et externalités de R&D La dynamique économique est essentiellement due à lamélioration des connaissances et/ou au progrès technologique (Romer (1986, 1990)) La croissance dépend de lactivité locale en innovation et des externalités de connaissances (Grossman et Helpman (1991), Coe et Helpman (1995) et Paci et Usai (2000)) Les externalités de connaissances dépendent: - de la distance géographique - de la proximité technologique - des relations économiques entre les agents.

4 La méthode la plus connues pour mesurer la proximité technologique est celle développée par Jaffe (1986). La mesure de Jaffe est comprise entre 0 et 1. Elle est proche de 0 pour des firmes très éloignées du point de vue technologique: HP et Danone Elle est proche de 1 pour des firmes très proches du point de vue technologique: HP et DELL La notion de distance technologique

5 2- Externalités et proximité géographique Auteur(s)Données et modèleConclusions Jaffe (1989) USA, années 80, recherche universitaire et brevets privés existence de spillovers très localisés et très sensibles à la distance géographique entre les agents. Bottazzi et Peri (2003) 86 régions européennes, , R&D et brevets existence de spillovers très faibles uniquement dans un rayon de 300km.

6 3- Externalités et proximité technologique Auteur(s)Données et modèleConclusions Jaffe (1986) 432 firmes USA, années 80, R&D et brevets la productivité de la R&D est améliorée par la R&D des voisins technologiques => les spillovers technologiques sont donc importants dans lexplication de la productivité. Moreno, Paci et Usai (2003) 138 régions européennes, , R&D et brevets les spillovers ne sont pas significatifs dans le cas de voisins technologiques Il existe des externalités significatives dans le cas de voisins géographiques (régions distantes de 250 à 500km). Ces externalités sont alors dautant plus importantes que la distance technologique est grande.

7 4- Notre recherche Nous allons estimer limpact de la R&D de la région i sur les brevets des autres régions en tenant compte des distances technologique et géographique entre elles. Nous procéderons à une estimation dynamique de limpact de la R&D privée et publique sur les brevets à court et long terme. Nous utiliserons un modèle de comptage dynamique sur un panel de 113 régions européennes entre 1995 et En distinguant entre les secteurs privé et public et selon la distance (géographique ou technologique) entre les régions, nous nous attendons à des effets de spillovers différents.

8 4- Notre recherche: le modèle Les investissements passés en R&D sont combinés dans un système à retard pour produire des stocks de connaissance (Modèle LFM de Blundell et al. ( ) ) Nous introduisons au modèle LFM un stock pondéré de R&D étrangère (le stock passé de la R&D des autres régions). Output technologique R&D présente et passée Un vecteur de paramètres technologiques inconnus Une capacité dinnover spécifique à la firme Les brevets: indicateur ébruité de loutput technologique

9 4- 1- Les externalités géographiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 à 300 km R&D étrangère au temps t-1 (de300 à 600 km) R&D étrangère au temps t-1 (de600 à 900 km) R&D étrangère au temps t-1 (de900 à 1200 km) R&D étrangère au temps t-1 (de1200 à 2000 km) ? ? ? ? ? ? ? ?

10 4-2- Les externalités technologiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 (de 100% à 90%) R&D étrangère au temps t-1 (de 90% à 80%) R&D étrangère au temps t-1 (de 80% à 70%) R&D étrangère au temps t-1 (de 70% à 60%) R&D étrangère au temps t-1 (moins de 60%) ? ? ? ? ? ? ? ?

11 La nomenclature des unités territoriales statistiques ou NUTS: nomenclature hiérarchique subdivise chaque État en un nombre entier de régions de niveau NUTS 1, chacune de celles-ci étant subdivisée à son tour en un nombre entier de régions de niveau NUTS 2, et ainsi de suite. Le règlement NUTS fixe les seuils minimum et maximum suivants pour la taille moyenne des régions de la NUTS: NiveauMinMax NUTS13 millions7 millions NUTS millions NUTS Les données: Régions NUTS

12 Exemple: La France FR1FR1: Ile de France FR2: Bassin parisien FR3: Nord-Pas-de-Calais FR4: Est FR5: Ouest FR6: Sud-Ouest FR7: Centre-Est FR8: Méditerranée FR9: Départements d'Outremer FR2 FR3 FR4 FR5 FR6 FR7 FR8 FR9 FR41FR41: Lorraine FR42: Alsace FR43: Franche-Comté FR42 FR43 FR421: Bas-Rhin FR422: Haut-Rhin - FR101: Paris FR102: Seine-et-Marne FR103: Yvelines FR104: Essonne FR105: Hauts-de-Seine FR106: Seine-Saint-Denis FR107: Val-de-Marne FR108: Val-d'Oise

13 5- Les données 113 régions européennes, 9 pays, pour la période Belgique: 3 grandes régions (NUTS1) Allemagne: 36 Kreise (NUTS2) Danemark : le pays (NUTS1 et NUTS2) Espagne: 16 communautés autonomes (NUTS2 ) Finlande: 2 provinces (NUTS2) France: 22 régions (NUTS2) Italie: 19 régions (NUTS2) Portugal: 2 régions (NUTS2) R.U.: 12 grandes régions (NUTS1)

14 6- Statistiques descriptives Variables minmoymaxStd.Dev. Brevets RD RD_pr RD_pub Le max des brevets est pour lIDF (3546) suivi par la région de Haute Bavière (3449). - En moyenne, la R&D privée et deux fois plus importante que la R&D publique. - Une grande hétérogénéité entre les régions

15 6- Statistiques descriptives par pays moyenne ( ) Pays BrevetsRDRD_prRD_pub moyenne Belgique (3) Allemagne (36) Danemark (1) Espagne (16) Finlande (2) France (22) Italie (19) Portugal (2) R.U. (12)

16

17

18

19 6- Statistiques descriptives Les régions qui brevètent le plus sont toujours les mêmes entre 1995 et 2002 => dynamique. Quasi stagnation dans les dépenses de R&D privée entre 1995 et 2002 (laugmentation la plus nette est en Espagne) Augmentation des dépenses en R&D publique entre 1995 et 2002 (les augmentations les plus nettes sont en France et en Espagne méditerranéenne)

20

21 7- Un modèle sans externalités Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 à 300 km R&D étrangère au temps t-1 (de300 à 600 km) R&D étrangère au temps t-1 (de600 à 900 km) R&D étrangère au temps t-1 (de900 à 1200 km) R&D étrangère au temps t-1 (de1200 à 2000 km) ? ? ? ? ? ? ? ?

22 7- Résultats destimation du modèle LFM pour les brevets sans effets de spillovers (GMM) coeffs.ecoeffs.e Brevets t ln (RD) t ln (RD) t ln (RD_pr) t ln (RD_pr) t ln (RD_pub) t ln (RD_pub) t Sargan c 2 (d.f) (p-value) (20) (0.0005) (30) (0.0182) 1st order serial corr. (p-value) (0.0856) (0.0054) 2nd order serial corr. (p-value) (0.6726) (0.9967)

23 8- Les externalités géographiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 à 300 km R&D étrangère au temps t-1 (de300 à 600 km) R&D étrangère au temps t-1 (de600 à 900 km) R&D étrangère au temps t-1 (de900 à 1200 km) R&D étrangère au temps t-1 (de1200 à 2000 km) ? ? ? ? ? ? ? ?

24 coeffs.ecoeffs.e Brevets t ln (RD) t ln (RD) t ln (RD_pr) t ln (RD_pr) t ln (RD_pub) t ln (RD_pub) t ln (RD) t-1.[0-300] NS ln (RD_pr) t-1.[0-300] ln (RD_pub) t-1.[0-300] Sargan c 2 (d.f) (p-value) (25) (0.0022) (40) (0.0279) 1st order serial corr. (p-value) (0.0349) (0.0118) 2nd order serial corr. (p-value) (0.7742) (0.8011) 8- Résultats destimation du modèle LFM pour les brevets avec effets de spillovers géographiques (GMM)

25 8- Les externalités géographiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 à 300 km R&D étrangère au temps t-1 (de300 à 600 km) R&D étrangère au temps t-1 (de600 à 900 km) R&D étrangère au temps t-1 (de900 à 1200 km) R&D étrangère au temps t-1 (de1200 à 2000 km) ? ? ? ? ? ? ? ?

26 GMM GMM ajut par surface coeffs.ecoeffs.ecoeffs.e Brevets t ln (RD) t ln (RD) t ln (RD_pr) t ln (RD_pr) t ln (RD_pub) t ln (RD_pub) t ln (RD) t-1.[0-300] ln (RD) t-1.[ ] ln (RD) t-1.[ ] ln (RD) t-1.[ ] ln (RD) t-1.[ ] ln (RD_pr) t-1.[0-300] ln (RD_pr) t-1.[ ] ln (RD_pr) t-1.[ ] ln (RD_pr) t-1.[ ] ln (RD_pr) t-1.[ ] ln (RD_pub) t-1.[0-300] ln (RD_pub) t-1.[ ] ln (RD_pub) t-1.[ ] ln (RD_pub) t-1.[ ] ln (RD_pub) t-1.[ ] Sargan c 2 (d.f) (p-value) (45) (0.0708) (80) (0.2674) (80) (0.4031) 1st order serial corr. (p-value) (0.1642) (0.0342) (0.0330) 2nd order serial corr. (p-value) (0.0501) (0.9155) (0.5352)

27 8- Externalités géographiques Public R&D spillover effects Private R&D spillover effects

28 9-Les externalités technologiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 (de 100% à 90%) R&D étrangère au temps t-1 (de 90% à 80%) R&D étrangère au temps t-1 (de 80% à 70%) R&D étrangère au temps t-1 (de 70% à 60%) R&D étrangère au temps t-1 (moins de 60%) ? ? ? ? ? ? ? ?

29 coeffs.ecoeffs.e Brevets t ln (RD) t ln (RD) t ln (RD_pr) t ln (RD_pr) t ln (RD_pub) t ln (RD_pub) t ln (RD) t-1.[90%-100%] ln (RD_pr) t-1.[90%-100%] ln (RD_pub) t-1.[90%-100%] Sargan c 2 (d.f) (p-value) (25) (0.0043) (40) (0.0476) 1st order serial corr. (p-value) (0.0451) (0.0114) 2nd order serial corr. (p-value) (0.9402) (0.9033) 9- Résultats destimation du modèle LFM pour les brevets avec effets de spillovers technologiques (GMM)

30 9- Les externalités technologiques Brevets au temps t Brevets au temps t-1 R&D locale au temps t-1 R&D locale au temps t R&D étrangère au temps t-1 (de 100% à 90%) R&D étrangère au temps t-1 (de 90% à 80%) R&D étrangère au temps t-1 (de 80% à 70%) R&D étrangère au temps t-1 (de 70% à 60%) R&D étrangère au temps t-1 (moins de 60%) ? ? ? ? ? ? ? ?

31 GMM coeffs.ecoeffs.e Brevets t ln (RD) t ln (RD) t ln (RD_pr) t ln (RD_pr) t ln (RD_pub) t ln (RD_pub) t ln (RD) t-1[90%-100%] ln (RD) t-1.[80%-90%] ln (RD) t-1.[70%-80%] ln (RD) t-1.[70%-60%] ln (RD) t-1.[0-60%] ln (RD_pr) t-1[90%-100%] ln (RD_pr) t-1.[80%-90%] ln (RD_pr) t-1.[70%-80%] ln (RD_pr) t-1.[70%-60%] ln (RD_pr) t-1.[0-60%] ln (RD_pub) t-1[90%-100%] ln (RD_pub) t-1.[80%-90%] ln (RD_pub) t-1.[70%-80%] ln (RD_pub) t-1.[70%-60%] ln (RD_pub) t-1.[0-60%] Sargan c 2 (d.f) (p-value) (45) (0.1107) (80) (0.4035) 1st order serial corr. (p-value) (0.0224) (0.7492) 2nd order serial corr. (p-value) (0.4059) (0.5526)

32 9- Externalités technologiques Private R&D spillover effects Public R&D spillover effects

33 10- Externalités géographiques et technologiques

34 Conclusion Utilisation et développement du modèle LFM et estimation par GMM dun modèle dynamique expliquant les brevets par les dépenses en R&D pour 113 régions européennes pour la période Quelque soit la pondération, leffet de la R&D privée locale est 3 fois plus important que celui de la R&D publique locale. Il y a plus de compétition dans le privé que dans le public lorsquil sagit de distances géographiques. Les résultats sont plus ambigus pour les distances technologiques. En distinguant entre les secteurs privé et public et selon la distance (géographique ou technologique) entre les régions, nous obtenons des effets de spillovers différents.

35 Prochainement … En considérant le commerce comme canal de diffusion de les connaissances, nous nous proposons détudier limpact des externalités de R&D publique et privée sur la productivité en tenant compte de la distance spatiale entre les régions. Les externalités de connaissances dépendent: - de la distance géographique - de la proximité technologique - des relations économiques entre les agents.


Télécharger ppt "Brevets et externalités en Europe: un modèle de comptage dynamique en panel Myriam ABDELMOULA ERMES (CNRS), Université Paris II Georges BRESSON ERMES (CNRS),"

Présentations similaires


Annonces Google