Redp 136 0851

CAPITAL PUBLIC ET PRODUCTIVITE QUELS EFFETS SUR LES
DISPARITES REGIONALES ?
Sylvie Charlot, Virginie Piguet, Bertrand Schmitt
Dalloz | « Revue d'économie politique »
2003/6 Vol. 113 | pages 851 à 880

ISSN 0373-2630
DOI 10.3917/redp.136.0851
Article disponible en ligne à l'adresse :
© Dalloz | Téléchargé le 09/12/2022 sur www.cairn.info via Université Louis Lumière Lyon 2 (IP: 92.184.112.214)
--------------------------------------------------------------------------------------------------------------------
https://www.cairn.info/revue-d-economie-politique-2003-6-page-851.htm
--------------------------------------------------------------------------------------------------------------------
Distribution électronique Cairn.info pour Dalloz.

© Dalloz. Tous droits réservés pour tous pays.
La reproduction ou représentation de cet article, notamment par photocopie, n'est autorisée que dans les
limites des conditions générales d'utilisation du site ou, le cas échéant, des conditions générales de la
licence souscrite par votre établissement. Toute autre reproduction ou représentation, en tout ou partie,
sous quelque forme et de quelque manière que ce soit, est interdite sauf accord préalable et écrit de
l'éditeur, en dehors des cas prévus par la législation en vigueur en France. Il est précisé que son stockage
dans une base de données est également interdit.
Powered by TCPDF (www.tcpdf.org)

Capital public et productivite
DES PANELS
quels effets sur les disparites regionales ?
Sylvie Charlot*
Virginie Piguet*
• ECONOMÉTRIE
Bertrand Schmitt*
On cherche à analyser le rôle du capital public dans la croissance des régions françai-
ses au travers de deux questions principales : i) son éventuel effet sur la croissance
régionale ; ii) son rôle dans la réduction des disparités interrégionales. Après reconsti-
tution de séries régionalisées de capital public et privé, on estime, sur un panel de 21
régions françaises pour la période 1978-1993, des fonctions de production régionales à
trois facteurs (capital privé, emploi et capital public). L’hétérogénéité interrégionale des
élasticités ainsi obtenues conduit à mettre en œuvre des estimateurs à rétrécisseur
(estimateurs bayésiens empiriques), puis à recourir à des estimations par groupes de
régions. Si, contrairement à ce qui a été observé notamment aux Etats-Unis, le capital
public paraît avoir un impact positif sur la croissance des régions françaises, toutes les
régions ne réagissent pas de façon identique au capital public régional, son impact
dépendant notamment du niveau de richesse initiale des régions concernées. Il sem-
blerait en effet qu’il induise une réduction de l’écart entre les régions riches et l’ensem-
ble des autres régions sans permettre aux régions les plus pauvres de rattraper les
régions moyennes.
croissance régionale - capital public - disparités interrégionales – données de panel
Public capital and productivity

which effects on interregional inequalities?
In this paper, we examine the role of public capital in regional growth in France. Two
main questions are addressed: (i) its effect on regional growth; (ii) its role in reducing
disparities between regions. After building regional series of public and private capital,
we estimate production functions with three inputs (private capital and employment,
public capital) using panel data for 21 regions of France during the period 1978-1993.
Interregional heterogeneity of elasticities obtained leads us to apply empirical bayesian
estimators and to perform estimations by groups of regions. While public capital seems
to stimulate regional growth in France, contrary to what is observed in the USA, the
impact of public capital apparently depends on the initial level of regional wealth. We
INRA-ESR, CESÆR (UMR INRA-ENESAD) 26 Bld Dr Petitjean, BP 87999, 21079 Dijon cedex,
tél : 03-80-77-26-91, fax : 03-80-77-25-71, mail : charlot@enesad.inra.fr
* Les auteurs tiennent à remercier Patrick Sevestre pour ses précieux conseils tout au long
de ce travail ainsi que les trois rapporteurs anonymes dont les avis et suggestions ont permis
d’améliorer une première version de ce papier. Nos remerciements vont également à Ber-
nard Fritsch dont les travaux sont à l’origine de ce papier.
REP 113 (6) novembre-décembre 2003

852 ——————————————————— Sylvie Charlot, Virginie Piguet, Bertrand Schmitt
show that public capital induces a reduction of the gap between richer regions and
other regions without allowing a reduction of the gap between poorer regions and
regions with mean GDP.
Regional growth - Public Capital - Interregional inequalities - Panel data
Classification JEL : R11, H54, C23
Au cours des deux dernières décennies, la question du rôle productif du

capital public a connu un certain regain d’intérêt grâce, d’une part, aux
travaux des théoriciens de la croissance et, d’autre part, d’un renouveau des
études empiriques. Tandis que Barro [1990] développait son modèle de
croissance endogène avec dépenses publiques productives, Ashauer [1989]
était à l’origine d’une controverse importante sur la productivité du capital
public et ses mesures. Les études empiriques se sont en outre assez rapi-
dement tournées vers une échelle spatiale d’observation fine, passant du
national au local, essentiellement en vue d’accroître le nombre d’observa-
tions. Les mesures des effets du capital public sur la productivité ont surtout
porté sur les Etats (ou les aires urbaines) américain(e)s, peu de travaux
concernant des situations européennes. L’explication la plus évidente à ce
manque de travaux sur l’Europe et, plus particulièrement, sur la France
réside dans la difficulté à mesurer la production et les dotations en facteurs
à des niveaux régionaux. Ainsi, en France, si le PIB régional est disponible
auprès de l’INSEE, sa mesure comporte certaines limites. En outre, l’INSEE
ne dispose ni de stocks régionaux de capital privé, ni de stocks régionaux de
capital public. La mise en œuvre d’une évaluation de l’effet du capital public
sur la productivité régionale passe donc par la reconstitution de ces varia-
bles, reconstitution complexe et relativement lourde.
L’intérêt d’une évaluation de la contribution du capital public à la crois-
sance régionale est double : elle s’inscrit dans le débat macroéconomique
sur les effets productifs du capital public, dans la lignée des modèles de
croissance endogène et de la littérature empirique (Hénin et Hurlin [1998]),
mais peut également éclairer la question de la capacité des investissements
en capital public à réduire les disparités régionales. Une telle discussion
s’est souvent centrée sur le rôle des infrastructures de transport, en insistant
sur la baisse des coûts de transport des biens et l’accessibilité des lieux
(Gasser et Navarre [1991] ; Fritsch [1997] ; Chandra et Thompson [2000]). De
leur côté, les modèles de croissance endogène, dont on trouvera une syn-
thèse dans Barro et Sala-I-Martin [1995], mettent souvent l’accent sur les
externalités positives qu’engendrent les services publics et donc certaines
dépenses publiques. Vu sous cet angle, ils permettent de renouveler l’ana-
lyse de la croissance régionale.
Afin de répondre aux deux questions qui nous préoccupent ici (le capital
public a-t-il un effet sur la productivité régionale ? est-il susceptible de ré-
duire les disparités régionales ?), le présent papier se déroule en quatre
étapes. Après avoir rappelé les développements théoriques et les problèmes
méthodologiques posés par les travaux empiriques (section 1), nous décri-
rons le mode de construction et le contenu de nos données (section 2). Si
Econométrie des panels ————————————————————————————————————————————— 853
l’estimation, sur données de panel, de fonctions de production régionales

(Cobb-Douglas et Translog) à trois facteurs de production peut amener à
conclure à la présence d’externalités de capital public, les tests d’homogé-
néité des paramètres révèlent l’hétérogénéité des élasticités régionales. On
mobilise alors des estimateurs à rétrécisseur (estimateurs bayésiens empi-
riques) en vue d’estimer les paramètres propres à chaque région (section 3).
Le caractère décevant des résultats ainsi obtenus conduit à envisager
d’autres stratégies d’estimation. On constitue alors des groupes de régions
classées selon leur niveau initial de richesse. Cette démarche permet d’exa-
miner le rôle du capital public dans la réduction des disparités interrégiona-
les de croissance. On estime alors, pour chacun de ces groupes, une fonc-
tion de production Cobb-Douglas (section 4) selon diverses méthodes. On
met ainsi en évidence le caractère le plus souvent productif du capital public
et son rôle ambigu dans la réduction des disparités interrégionales.
1. Questions posées par l’analyse

du rôle du capital public
dans la croissance
La période récente a été marquée par la prolifération et la diversification
des analyses portant sur la relation entre productivité et capital public. Ces
travaux ont deux origines différentes : d’une part, l’estimation de fonctions
de production augmentées et, d’autre part, la construction de modèles de
croissance endogène avec dépenses publiques. Barro [1990], précurseur des
modèles de croissance endogène avec dépenses publiques productives,
s’appuie sur les travaux d’Ashauer [1989], pionnier de l’estimation du lien
entre productivité et capital public. Le développement des théories de la
croissance a donc été influencé par certains travaux empiriques. La rencon-
tre de ces deux voies de recherche est riche d’enseignements pour tester les
effets du capital public sur la productivité.
Alors que des auteurs comme Meade [1952] soulignaient déjà le caractère
productif du capital public, facteur de production non rémunéré mais aussi
variable d’environnement contribuant à accroître la productivité des facteurs
privés, cette idée ne s’est répandue qu’au début des années 90, grâce au
renouveau des théories de la croissance. Les modèles de croissance endo-
gène mettant en avant soit le rôle des externalités de connaissances et de
capital humain, soit celui d’externalités issues des dépenses publiques, le
rôle de ces dernières sur la croissance n’est désormais plus cantonné aux
seuls effets de multiplicateur keynésien. Ces modèles ont renouvelé le débat
sur l’intervention publique, puisque les externalités, quelle que soit leur
origine, conduisent à une situation d’équilibre sous-optimale. L’optimum
peut alors être atteint grâce à des transferts mis en œuvre par les autorités
publiques.
Barro [1990] fut le premier à envisager le caractère directement productif
des dépenses publiques dans un modèle de croissance de type « AK ». Il
suppose la fonction de production macro-économique de la forme :

α 1 − α
y = Ak G , où α est l’élasticité de la production au capital privé, k l’in-
tensité capitalistique et G les dépenses publiques : G = gy, g étant le taux
d’imposition. A l’équilibre, les agents ne prennent pas en compte le fait que
la production agit sur le montant des dépenses publiques via un effet de
base fiscale. Le taux de croissance d’équilibre est alors sous-optimal. L’Etat
doit donc fixer le taux d’imposition optimal, qui minimise l’effet d’éviction
tout en maximisant l’effet productif des dépenses publiques, ce qui est vé-
rifié quand g* = G/Y = 1 − α, c’est-à-dire lorsque le niveau des dépenses
publiques est égal à la productivité de ces dépenses. La trajectoire de crois-
sance optimale est alors atteinte. Les modèles de croissance endogène avec
dépenses publiques ont donné lieu à de nombreux tests empiriques. Ceux-ci
se sont principalement focalisés sur les conclusions des modèles : ils ont
ainsi cherché à estimer la vitesse de convergence des économies, notam-
ment en fonction de leurs dépenses publiques (voir, pour des synthèses
critiques des analyses régionales de la convergence, Charlot et Combes
[2000] ; Magrini [2003]). Mais, le principal apport de ces modèles est d’avoir
relancé le débat théorique relatif à l’intervention publique et à ses effets, en
se situant à l’échelle nationale et donc en dehors de tout arbitrage relatif à
l’aménagement du territoire. Le capital public peut être considéré comme un
facteur de production à part entière et, n’étant pas directement financé par
ses utilisateurs, il est source d’externalités.
De manière concomitante, s’est développée une importante littérature em-
pirique visant à examiner les effets des infrastructures publiques sur la crois-
sance des nations mais aussi des régions, en particulier à l’échelle des Etats
américains. Les premières études nationales (Ashauer [1989]) et régionales
(Munnell, [1990]) ont mis en évidence un effet positif du capital public sur la
production, en estimant des fonctions de production à trois facteurs. Ces
premiers résultats ont donné lieu à de vives controverses, quant à leur
robustesse statistique (Eberts [1990] ; Gramlich [1994])1.
Un premier débat a porté sur le niveau d’agrégation des données mobili-
sées. Proposant une première synthèse de la littérature empirique, Munnell
[1992] met en évidence une relative homogénéité des estimations de la
contribution productive du capital public suivant le degré d’agrégation des
données considérées, les élasticités estimées à partir de données nationales
étant le plus souvent largement supérieures à celles obtenues à partir de
données régionales. Le débat porte alors sur l’éventuelle sous-estimation de
la contribution du capital public à la croissance régionale par omission de la
diffusion spatiale des externalités régionales associées aux infrastructures
locales. Munnell [1992] mais aussi Argimon et al. [1993] justifient ainsi le
niveau élevé des élasticités obtenues sur données agrégées américaines ou
1. On ne retiendra ici que les travaux s’appuyant sur l’estimation d’une fonction de pro-
duction augmentée, laissant ainsi de côté les approches exploitant la théorie duale basée sur
les caractéristiques de la fonction de coût. Pour séduisantes qu’elles soient, ces dernières
réclament en effet des données dont la construction est encore plus délicate que les appro-
ches par la fonction de production. On trouvera dans Lynde et Richmond [1992] et dans Shah
[1992] de bonnes illustrations de ces approches sur données nationales US pour les pre-
miers, mexicaines pour le second, alors que Seitz et Licht [1995] en proposent une applica-
tion sur données régionales ouest-allemandes.

espagnoles, tandis que Mas et al. [1996] mettent en évidence, sur données
espagnoles, la présence d’une corrélation positive entre production d’une
région et niveau des infrastructures des régions contiguës. De son côté, à
partir d’un jeu de données régionales américaines, Balmaseda [1996] mon-
tre que ces effets de diffusion sont quantitativement négligeables, le coeffi-
cient associé au stock de capital public agrégé étant non significativement
différent de zéro. Il rejoint ainsi les conclusions de Holtz-Eakin et Schwartz
[1995] ainsi que celles de Holtz-Eakin [1994], ce dernier montrant que le
passage du niveau des Etats au niveau national ne modifie pas de façon
sensible les estimations. En recourant à un exercice de simulation par la
méthode de Monte-Carlo sur des pseudo-échantillons de données régiona-
les et leur agrégation, Balmesada [1997] va plus loin et met en lumière la
présence d’un biais d’agrégation positif dans l’estimation de l’élasticité du
capital public : la moyenne des élasticités estimées sur données agrégées
est supérieure à celle obtenue à partir des pseudo-échantillons générés.
Ainsi, si l’utilisation de données régionales évite ce probable biais d’agréga-
tion, elle peut néanmoins avoir pour effet de sous-estimer le rôle du capital
public dans la croissance régionale en éliminant la possible diffusion spa-
tiale des effets des infrastructures locales.
Un second débat concerne le recours à des méthodes économétriques
adaptées à la nature des données utilisées. En effet, les variables utilisées
sont, le plus souvent, observées à la fois dans le temps et l’espace ; c’est
notamment le cas des études portant sur les Etats américains, les aires
urbaines ou les régions américaines. L’utilisation, sur ce type de données,
des moindres carrés ordinaires (comme le fait notamment Munnell [1990])
ignore, d’une part, le rôle des caractéristiques spécifiques des régions dans
l’explication de la productivité (leur dotation en ressources naturelles, leur
surface, leur localisation, leur climat, etc.) et, d’autre part, les possibilités de
trend commun aux variables observées. Le recours à l’économétrie des
données de panel permet la prise en compte de la double dimension, tem-
porelle et individuelle, des données utilisées, les individus étant ici des en-
tités spatiales. Les études menées sur données américaines (Etats ou aires
urbaines) et mobilisant ces méthodes mettent en évidence un effet nul,
voire, dans certains cas, négatif du capital public sur la croissance locale
(Holtz-Eakin [1994] ; Evans et Karras [1994b] ; Andrews et Swanson [1995] ;
Moomaw et al., [1995]). L’utilisation de données de panel dans le cadre de
cette problématique suppose de fait que les processus de production soient
identiques pour les individus observés. C’est ce que relèvent Evans et Karras
[1994a] lorsqu’ils reprochent aux analyses antérieures d’omettre trop sou-
vent les effets individuels et les effets temporels dans la croissance de la
productivité. Il faut noter que la discussion sur l’hétérogénéité des techno-
logies productives s’est presque exclusivement concentrée sur la question
des effets individuels. Or, l’homogénéité des élasticités des facteurs de pro-
duction constitue une question tout aussi cruciale qui n’est, malheureuse-
ment, jamais posée, ni testée.
Une autre limite importante des premières études mettant en évidence un
effet positif du capital public sur la croissance américaine concerne le trend
commun à ces variables, leur observation dans le temps. Selon Tatom
[1993], la relation mise en évidence par Aschauer [1989] ou Munnell [1990]
ne fait que refléter les tendances communes à la production et aux investis-

sements publics. En appliquant les méthodes économétriques corrigeant ce
biais (analyse de la stationnarité des séries), l’effet du capital public sur la
croissance américaine est à nouveau nul (Tatom [1991], [1993] ; Hulten et
Schwab [1991]). Mais les mêmes méthodes appliquées au cas chilien
(Albala-Bertrand et Mamatzakis [2001]) mettent en évidence un effet produc-
tif des infrastructures publiques.
Tout aussi importante est la question du sens de causalité de la relation
observée. Si les infrastructures publiques peuvent être productives, elles
sont financées par les contribuables via l’impôt, la dotation en infrastructu-
res va donc dépendre du revenu de ceux-ci et donc de la production. La
mesure de l’effet net du capital public sur la croissance doit prendre en
compte cet effet en retour. La correction d’un tel biais d’endogénéité s’effec-
tue classiquement en ayant recours aux méthodes en variables instrumen-
tales et/ou à des systèmes d’équations simultanées. Dans le cas des Etats-
Unis, l’introduction d’un double sens de causalité dans la relation
croissance – infrastructures publiques réduit largement, voire annule totale-
ment l’effet positif du capital public sur la croissance (Duffy-Deno et Eberts
[1991] ; Tatom [1993] ; Ford et Poret [1991] ; Holtz-Eakin [1994]).
Finalement, lorsque la méthodologie statistique utilisée est appropriée à la
nature des séries analysées, l’effet du capital public sur la croissance locale
des espaces américains apparaît faible ou inexistant (cf. le tableau de syn-
thèse reporté en annexe A.1). Hors des Etats-Unis, il n’existe que peu d’étu-
des mobilisant des données régionales, notamment en raison de la faible
disponibilité des séries. Elles concluent néanmoins le plus souvent à un effet
positif du capital public sur la croissance locale (Mera [1973] ; Mas et al.
[1996] ; Yamano et Ohkawara [2000]). Pour la France, le capital public régio-
nal n’est répertorié dans aucune base de données officielle, ce qui rend
difficile le traitement de telles questions. Il faut toutefois mentionner les
travaux pionniers de Fritsch [1995] qui a reconstitué de telles séries ; il met
en évidence un effet positif du capital public sur la croissance régionale.
La littérature empirique s’est donc concentrée sur la question du caractère
productif du capital public et sur les problèmes de méthodes qu’elle posait.
Or, la question plus directement liée au contexte régional, à savoir le rôle
des investissements publics dans la réduction des disparités régionales, est
le plus souvent éludée. En s’interrogeant sur l’hétérogénéité des élasticités
régionales des facteurs de production, on se propose ici d’évaluer le carac-
tère productif ou non du capital public et d’examiner le rôle des infrastruc-
tures publiques dans la réduction des écarts interrégionaux de croissance.
2. Construction de séries régionales

et éléments de statistiques
descriptives
Un des premiers obstacles à l’analyse du rôle du capital public dans la
croissance régionale est la faible disponibilité des données régionales pour
traiter de ces questions. S’il existe bien des séries françaises de valeurs
ajoutées et d’emplois au niveau régional, il n’en est pas de même en ce qui
concerne les séries de capital, qu’il soit public et privé. En nous inspirant des
travaux de Fritsch [1995] mais sans le suivre complètement, nous avons
reconstruit de telles données.
2.1. Sources et modes de construction

des données
Les séries de valeurs ajoutées régionales et d’emploi régional proviennent

des comptes régionaux de l’INSEE (INSEE [1995]). L’emploi régional corres-
pond à la population active ayant un emploi et la valeur ajoutée à la valeur
ajoutée marchande régionale (voir INSEE [1996], pour le mode de calcul)2.
Les comptes régionaux ne comportant aucun indicateur de stocks de ca-
pital privé et de capital public, nous avons construit de tels indicateurs
régionaux sur la période 1978-1993. En ce qui concerne le stock de capital
privé, l’INSEE établit annuellement un Compte de Patrimoine qui s’intègre
aux Comptes de la Nation (INSEE [1994]). Le stock de capital privé national
utilisé ici est constitué des « actifs reproductibles hors logement » de l’en-
semble des secteurs, excepté les administrations publiques. Parallèlement,
les agrégations régionales des déclarations annuelles liées à la taxe profes-
sionnelle, disponibles auprès de la Direction Générale des Impôts (DGI),
fournissent une approximation du stock de capital détenu par les entreprises
localisées dans une région. La valeur locative du capital (foncier ou non)
détenu par les entreprises est en effet une des composantes de la base brute
de la taxe professionnelle. On a considéré que les « valeurs locatives passi-
bles d’une taxe foncière » et les « valeurs locatives des matériels et outilla-
ges » représentent une bonne approche du capital mis en œuvre. Elles ont
servi de clé de décontraction du capital privé national entre les régions.
Pour évaluer le stock de capital public national, on a utilisé les « actifs
reproductibles hors logement » du secteur des administrations publiques,
disponibles dans les Comptes de Patrimoine. C’est ce capital public national
qu’on a réparti entre les régions françaises, à l’aide d’une clé de répartition
construite à partir des investissements publics effectués en région. Si les
stocks régionaux de capital public ne sont pas directement disponibles,
l’INSEE a, de 1971 à 1993, recueilli et mis en cohérence les données de la
Direction de la Comptabilité Publique en vue d’appréhender les investisse-
ments des administrations publiques locales et de l’Etat effectués dans cha-
que région3. Les investissements régionaux de l’Etat recensés dans cette
série étant très partiels (seuls 75 % des investissements civils de l’Etat sont
2. Le changement de base de la comptabilité nationale de 1980 n’a été répercuté qu’à

partir de 1982 sur la série des valeurs ajoutées régionales, ce qui a imposé une rétropolation
de ces données pour les années 1978 à 1981. En outre, on a, pour diverses raisons, dû
écarter la Corse.
3. L’INSEE ayant cessé, en 1993, de suivre la série régionale des investissements de l’Etat
et des collectivités publiques locales, il n’a pas été possible de prolonger la série de capital

ainsi ventilés), ils ne peuvent servir à reconstituer des stocks régionaux de

capital public mais peuvent constituer une approximation du poids relatif de
chaque région dans l’ensemble des investissements publics. Le stock natio-
nal de capital public d’une année t a alors été réparti entre les régions,
proportionnellement à la somme des investissements de l’Etat et des collec-
tivités locales, effectués dans la région entre 1971 et la date t considérée4.
2.2. Eléments de statistiques descriptives
En France, les disparités régionales, en termes de localisation de la pro-

duction, sont très importantes et sont caractérisées par le poids écrasant de
la région Ile-de-France qui représente à elle seule 30 % du PIB national.
Au-delà de ce trait saillant, les disparités restent importantes au sein des
autres régions puisque, par exemple, le Limousin ne représente que 1 % du
PIB national. Traduites en termes de productivité, ces disparités sont moins
importantes même si les régions les plus urbanisées, comme l’Ile-de-France,
Rhône-Alpes ou le Nord-Pas-de-Calais, restent parmi les plus productives
(carte 1a).
Les facteurs de production, qu’ils soient privés ou public, sont eux aussi
inégalement répartis entre les régions (cartes 1b et 1c). Ainsi, les « vieilles »
régions industrielles, comme la Lorraine, le Nord-Pas-de-Calais et, de ma-
nière plus générale, les régions du Grand Est, restent marquées par une
forte intensité capitalistique. C’est toutefois en Haute-Normandie, région qui
se caractérise par une concentration de l’industrie pétrochimique réputée
fortement capitalistique, que le capital privé par emploi est le plus élevé. La
variabilité de l’intensité capitalistique, entre le nord et le sud-ouest de la
France, est relativement importante.
Le stock de capital public régional connaît également une variabilité assez
importante et les quatre régions où sont localisées les quatre plus grandes
agglomérations de France (Ile-de-France, Rhône-Alpes, Nord-Pas-de-Calais
et Provence-Alpes-Côte-d’Azur) possèdent les stocks les plus élevés. Mais,
lorsque ce stock est rapporté au nombre d’emplois, les régions les mieux
dotées sont, outre le Languedoc-Roussillon, les régions Auvergne et Limou-
sin, régions parmi les plus pauvres de France. S’y ajoutent la Lorraine et le
Nord-Pas-de-Calais qui, au cours de la période étudiée, ont bénéficié d’une
importante politique de restructuration faisant suite à leur crise industrielle.
Si la productivité a augmenté en France de 1,9 % par an entre 1978 et
1993, cette évolution ne touche pas de façon identique toutes les régions :
des régions aussi différentes que l’Ile-de-France ou Rhône-Alpes, d’une part,
et le Limousin ou l’Auvergne, d’autre part, ont connu des taux de croissance
de leur productivité proches et largement supérieurs à la moyenne nationale
public au-delà de cette date. Il eut fallu, pour ce faire, revoir totalement les principes retenus
ici pour sa construction.
4. Ces investissements ont en outre été déflatés (en utilisant l’indice des prix de la FBCF
des Administrations Publiques) et amortis linéairement sur 20 ans.

Carte 1. Valeur ajoutée régionale par emploi, capital privé régional

par emploi et capital public régional par emploi, en 1993.
Carte 1a. Valeur ajoutée par emploi en 1993

Carte 1b. Capital privé Carte 1c. Capital public
par emploi par emploi
(tableau 1). En revanche, la croissance a été faible dans les régions

Provence-Alpes-Côte-d’Azur (PACA), Haute-Normandie, Aquitaine et
Languedoc-Roussillon. Les gains de productivité ont donc concerné un
groupe de régions où se mêlent régions riches et régions pauvres.
Le taux de croissance du capital public par tête est à la fois plus important,
en moyenne, que celui de la productivité (de l’ordre de 4,8 % par an) et plus
variable. Le taux de croissance du capital public par tête du Nord-Pas-de-
Calais est ainsi deux fois plus élevé que celui de PACA. Le Nord-Pas-de-
Tableau 1. PIB par tête initial et taux de croissance du PIB

et du capital public par tête selon les régions de 1978 à 1993
(milliers de Francs 1980 et % par an)
Taux de
Taux de
croissance
croissance
VA/emploi du capital
Région de la
en 1978 public
productivité
par emploi
(78/93)
(78/93)
Ile-de-France 120,91 2,23 3,82

Haute-Normandie 111,35 1,52 4,69
Provence-Alpes-Côte-d’Azur 102,36 1,19 3,02
Alsace 99,10 1,91 4,70
Nord-Pas-de-Calais 93,76 1,79 6,00

Rhône-Alpes 93,62 2,02 4,03
Aquitaine 93,53 1,42 3,43
Champagne-Ardenne 91,39 1,75 4,95
Picardie 90,92 1,88 4,62
Centre 89,47 1,82 4,48
Lorraine 88,44 1,82 4,89
Pays-de-Loire 87,51 1,94 5,10
Bourgogne 87,49 1,95 4,76
Languedoc-Roussillon 86,47 1,67 4,96
Franche-Comté 82,83 2,06 5,41

Midi-Pyrénées 79,77 1,88 5,41
Poitou-Charentes 79,75 2,11 5,71
Bretagne 79,51 1,96 5,02
Auvergne 74,48 2,20 5,83
Limousin 69,23 2,34 4,77
Basse-Normandie 68,94 3,08 4,24
France entière 96,48 1,93 4,75
Calais, l’Auvergne, la Bretagne, les Pays-de-Loire, Poitou-Charentes, Midi-

Pyrénées et la Franche-Comté ont fait l’objet d’importants investissements
publics durant la période considérée. Cette politique a ainsi permis l’amé-
lioration du stock de capital public par tête en Auvergne, Franche-Comté et
Bretagne. Le faible investissement public, lors de la récente période, en
PACA, Ile-de-France et Aquitaine se reflète dans le stock de capital public par
tête de fin de période. Ainsi, les disparités régionales en termes de capital
public résultent, pour partie, des choix politiques récents mais aussi des
politiques antérieures, s’inscrivant dans une perspective de long terme.
Alors que les investissements publics effectués sur la période dépendent
de la richesse régionale, le coefficient de corrélation entre la variation du
stock de capital public par emploi et les gains de productivité enregistrés

entre 1978 et 1993, période de forte décentralisation, n’est que de 0,23.
Ainsi, bien qu’une partie des investissements régionaux puisse être financée
par la fiscalité locale et que celle-ci prend pour base le niveau de richesse
régionale, ces premiers éléments de statistiques descriptives vont plutôt
dans le sens d’une absence d’effet des investissements publics sur la crois-
sance régionale. A l’inverse, les données présentées au tableau 1 tendent à
montrer l’existence d’une relation légèrement négative entre niveau de
PIB/emploi en 1978 et croissance régionale entre 1978 et 1993 (coefficient de
corrélation de – 0,52, significatif au seuil de 2 %). On a là le signe d’une
possible réduction des disparités interrégionales de développement.
3. Fonction de production augmentée

sur le panel complet des régions françaises
Nous inscrivant dans la lignée des travaux de Munnell [1990] et de Baltagi

et Pinnoi [1995], on cherche à appréhender le rôle du capital public au
travers de l’estimation de fonctions de production avec capital public (spé-
cifications Cobb-Douglas et Translog) sur le panel de régions françaises
présenté précédemment. A l’inverse de la plupart des travaux réalisés sur ce
thème qui se focalisent sur les effets fixes régionaux, on s’interrogera ici sur
l’homogénéité interrégionale des constantes et des paramètres en mobili-
sant les tests de Hsiao [1986]. Le rejet de l’hypothèse d’homogénéité nous
conduira à envisager le recours à un modèle à coefficients aléatoires
(Swamy [1970]), et à des estimateurs à rétrécisseur (estimateurs bayésiens
empiriques) en vue d’estimer les paramètres propres à chaque individu. Le
caractère décevant des résultats obtenus à partir de la seule spécification
Cobb-Douglas nous amènera, par la suite, à recourir à une autre stratégie
d’évaluation des élasticités de la production aux facteurs de production.
3.1. Estimateurs « classiques » et hétérogénéité

interrégionale
La fonction de production régionale à trois facteurs de forme Cobb-

Douglas est telle que : Y = AKα Lβ Kpuγ ε, où Y est le vecteur des Yrt, valeur
ajoutée de chaque région r à chaque période t, et où K, L et Kpu représentent
respectivement le stock de capital privé, l’emploi et le stock de capital public
associés à chaque région r et à chaque période t, α, β et γ étant les élasticités
de chacun des facteurs et ε un terme d’erreurs. Cette forme fonctionnelle
permet une lecture directe des élasticités et des rendements d’échelle et une
discussion aisée de la présence ou non d’externalités de capital public. Il y a
externalités engendrées par ce facteur si les rendements d’échelle sont dé-
croissants ou constants en facteurs privés et croissants sur l’ensemble des
facteurs, privés et public. L’estimation de la Cobb-Douglas étant réalisée en

productivité, le modèle s’écrit après linéarisation :
log 共 YL 兲 = log A + α log 共 KL 兲 +

+ 共 α + β + γ − 1 兲 log L + γ log 共 Kpu
L 兲
+ log ε [1]
Dans le cadre de ce modèle, tester l’existence de rendements d’échelle

constants sur l’ensemble des facteurs revient à tester une hypothèse H0 de
nullité du coefficient estimé pour l’emploi. Tester l’existence de rendements
constants sur les seuls facteurs privés revient à tester l’hypothèse H0 de
nullité de la différence entre les coefficients estimés de l’emploi et du capital
public.
Cette première forme fonctionnelle comporte cependant certaines limites
quant à sa flexibilité. Les facteurs y sont considérés comme substituables et
l’élasticité de la production à chaque facteur est identique pour toutes les
régions et sur toute la période. On a complété cette première analyse en
ayant recours à la forme Translog qui lève les hypothèses de substituabilité
des facteurs et d’homogénéité de la production par rapport à la quantité de
facteurs. L’adaptation à notre cadre d’analyse (fonction de production aug-
mentée) de la forme Translog débouche sur le modèle suivant :
log Y = a0 + a1 log L + a2 log K + a3 log Kpu
2 2 2
+ b11 共 log L 兲 + b22 共 log K 兲 + b33 共 log Kpu 兲 [2]
+ b12 共 log L log K 兲 + b13 共 log L log Kpu 兲 + b23 共 log K log Kpu 兲
Rappelons que les coefficients estimés à l’aide de la Translog permettent

une reconstitution des élasticités de la production à chaque facteur, calcu-
lées au point moyen ou en tout autre point :
兺b
d log Y
= ai + ij 共 log Xj 兲 + 2 bii 共 log Xi 兲 [3]
d log Xi j>i
Nos données constituent un panel de petite taille (N = 21 régions françai-

ses et T = 16 années, 1978-1993), qui comporte une dimension individuelle,
ici spatiale puisque les individus observés sont les régions, et une dimen-
sion temporelle. Les quatre estimateurs principaux de l’économétrie des
données de panel (Matyas et Sevestre [1996]) sont : l’estimateur des Moin-
dres Carrés Ordinaires (MCO), l’estimateur between (que nous ne retien-
drons pas ici en raison du trop faible nombre d’individus), l’estimateur wi-
thin ou modèle à effets fixes et le modèle à effets aléatoires faisant appel
aux Moindres Carrés Généralisés (MCG). Un test d’Hausman de comparai-
son de modèles permet de choisir entre modèle à effets fixes et modèle à
effets aléatoires.
L’estimation des modèles (1) et (2) pose, ici comme dans l’ensemble de la
littérature relative à l’analyse du rôle du capital public dans la croissance, la

question de l’exogénéité des variables explicatives5. Pour pallier ce pro-

blème, on a recouru à la méthode des variables instrumentales (VI), en
considérant comme endogène chacun des trois facteurs de production, ce
qui conduit à contrôler l’endogénéité des trois variables explicatives de la
Cobb-Douglas et de tous les termes de la Translog qui comprennent au
moins un des trois facteurs de production. Les instruments utilisés sont,
d’une part, les différences premières de certains facteurs de production (ici,
capital public et capital privé) et, d’autre part, des variables les plus exogè-
nes possibles mais potentiellement liées aux trois variables explicatives6.
Les tests de Sargan réalisés valident ces instruments et un test d’exogénéité,
réalisé selon la méthode de la régression augmentée, conduit au rejet de
l’exogénéité des trois variables7.
Enfin, et peut-être surtout, on a cherché à tester l’hypothèse d’homogé-
néité interindividuelle, sous-jacente à l’économétrie des données de panel.
Si, comme dans de nombreux autres travaux de cette nature, les tests
d’Hausman de comparaison entre modèles à effets fixes et à effets aléatoires
conduisent à retenir l’hypothèse de l’existence d’effets fixes régionaux, rien
n’est dit sur la possible hétérogénéité interindividuelle des paramètres. Pour
en savoir plus, on a mis en œuvre les tests d’homogénéité (simultanée ou
non) des pentes et des constantes, proposés par Hsiao [1986, chap. 2]. Le
test d’homogénéité simultanée des constantes et des pentes des régres-
seurs selon les individus revient à tester le modèle en MCO sur l’ensemble
des individus contre le modèle estimé en MCO pour chaque région. Le test
d’homogénéité des pentes régionales (les constantes étant données comme
homogènes) revient à tester le modèle within contre le modèle estimé à
l’aide des MCO pour chaque région et le test d’homogénéité des constantes
5. Notons qu’on s’est, en outre, interrogé sur la façon de prendre en compte l’effet du
progrès technique dans ces deux modèles. L’analyse des résidus issus de premières estima-
tions mettait en évidence l’existence d’un trend non linéaire : une première période (1978-
1984), se caractérisant par une constance des résidus régionaux, était suivie d’une période
de croissance régulière de ces résidus. On a alors testé deux options : introduction d’une
dummy périodique séparant la période 1978-1984 de la suivante (1985-1993) ; introduction
d’une variable croisant la dummy périodique avec un trend linéaire. La proximité des résul-
tats obtenus a, pour des raisons de simplicité, conduit à retenir la première option.
6. Pour la Cobb-Douglas, les instruments retenus sont : les densités régionales de popu-
lation (recensements de population 1975, 1982, 1990 & 1999) ; le nombre moyen d’années
d’études de la population active régionale ; les salaires moyens régionaux en 1991 (DADS) ;
et, la dummy périodique distinguant 1978-1984 de 1985-1993. Pour la Translog, on a ajouté à
ces instruments les différences premières de densité de population et du nombre moyen
d’années d’études et, certains croisements entre ces instruments : Densité * Années d’étu-
des ; Densité * Différences premières du capital privé et du capital public ; Différence pre-
mière du capital privé * Différence première du capital public ; Différence première du capital
public * Années d’études ; Différence première Années d’études * Différences premières du
capital privé et du capital public ; Différence première de Densité * Différence première du
capital public et du capital privé.
7. Pour la Cobb-Douglas, la statistique de Sargan donne Qs = 2,076 avec une probabilité
du χ de 0,35 ; et, la valeur de la statistique de Fisher testant l’exogénéité simultanée des
2
trois facteurs de production par régression augmentée est de 80,35 pour une valeur critique
au seuil de 1 % de F(3,307) = 3,78. Pour la Translog, le test de Sargan valide notre choix
d’instruments (Qs = 6,38 avec une probabilité du χ de 0,50) ; et, la valeur de la statistique de
2
Fisher du test d’exogénéité est de 39,09 pour un F(9,295). On rejette donc, dans les deux cas,
l’hypothèse d’exogénéité des trois facteurs.

(les pentes des régresseurs étant données comme homogènes) revient à

tester le modèle estimé en MCO contre le modèle within8.
Les résultats des estimations réalisées selon les méthodes économétri-
ques retenues étant reportés en annexe (tableaux A.2 et A.3), le tableau 2
présente les élasticités des différents facteurs de production auxquelles ces
estimations aboutissent. Les élasticités obtenues à l’aide des résultats de la
Translog sont calculées au point moyen mais aussi aux percentiles 25 et 75
(c’est-à-dire en Q1 et Q3)9, afin d’obtenir une idée de l’encadrement limitant
ou amplifiant les disparités régionales. Le tableau 3 présente, quant à lui, les
résultats des tests d’homogénéité de Hsiao.
Tableau 2. Elasticités des facteurs de production :

Cobb-Douglas et Translog
Elasticité Elasticité
Elasticité
du Capital du Capital
de l’Emploi
privé public
Cobb-Douglas :
MCO 0,305 (20,08) 0,737 (24,79) 0,068 (2,77)
Modèle à effets fixes 0,167 (8,22) 0,623 (9,64) 0,309 (17,96)
Modèle à effets aléatoires 0,188 (9,91) 0,645 (23,78) 0,294 (17,90)
Var. instrumentales 0,472 (4,86) 0,439 (5,54) 0,229 (2,65)
Translog :
MCO au pt moyen 0,271 (17,73) 0,677 (23,52) 0,132 (5,33)
MCO au point Q1 0,363 (21,98) 0,553 (15,08) 0,123 (5,16)
MCO au point Q3 0,211 (10,15) 0,772 (26,72) 0,128 (5,12)
Effets fixes au pt moyen 0,176 (7,58) 0,836 (12,29) 0,293 (16,45)

Effets fixes au point Q1 0,224 (11,33) 0,523 (7,39) 0,297 (18,41)
Effets fixes au point Q3 0,159 (5,48) 1,050 (13,57) 0,271 (13,95)
Effets aléat. au pt moyen 0,232 (11,99) 0,602 (21,69) 0,256 (16,17)

Effets aléat. au point Q1 0,238 (12,75) 0,537 (16,63) 0,265 (17,73)
Effets aléat. au point Q3 0,244 (11,19) 0,645 (23,44) 0,237 (13,50)
Var. instrum. au pt moyen 0,213 (5,88) 0,573 (10,20) 0,306 (6,41)

Var. instrum. au point Q1 0,434 (13,37) 0,393 (5,98) 0,161 (3,70)
Var. instrum. au point Q3 0,070 (1,46) 0,711 (13,07) 0,402 (7,46)
Quels que soient l’estimateur ou la forme fonctionnelle choisis, ces pre-

miers résultats tendent à mettre en évidence une élasticité de la production
au capital public significativement positive, signe d’un impact positif du
8. Compte tenu de l’endogénéité des régresseurs, il eut fallu, en toute rigueur, remplacer
le test de Fisher réalisé à partir des MCO par un test de Wald mis en œuvre sur les VI.
9. Elles ont été calculées en éliminant les coefficients non significatifs qui n’induisent
aucune significativité conjointe.

Tableau 3. Tests d’homogénéité des pentes

et des constantes
Tests
d’homogénéité
Cobb-Douglas Translog
Homogénéité simultanée des pentes

F(100,231) = 39,77 F(220,105) = 32,25
et des constantes
Homogénéité des pentes F(80,231) = 4,83 F(200,105) = 4,11
Homogénéité des constantes F(20,311) = 90,37 F(20,305) = 103,14
La valeur critique de F 共 dl1, dl2 兲 est de 1,16 au seuil de 1 % dès que dl1 > 60 et
dl2 > 100.
capital public sur la production régionale et sa croissance. On pourrait être

tenté de conclure que l’on retrouve ici un résultat similaire à celui obtenu par
Fristch [1995] sur données françaises, et apparenté à ceux des travaux sur
données non américaines.
Il faut cependant être très prudent avec ce résultat. Notons tout d’abord la
grande variabilité de cette élasticité : faible en MCO (inférieure ou égale à
0,1), elle avoisine les 0,3 tant en within qu’en variables instrumentales, es-
timateurs vers lesquels nous orientent les résultats des tests d’Hausman de
comparaison des modèles à effets fixes et à effets aléatoires et ceux des
tests d’exogénéité des variables explicatives. Ensuite, des valeurs aussi éle-
vées peuvent laisser dubitatif. Les élasticités du capital public obtenues sont,
d’une part, supérieures à de nombreux résultats présentés dans la littérature
(voir l’annexe A.1) et elles sont, d’autre part, associées à des élasticités du
capital privé le plus souvent inférieures. Ceci signifierait que, compte tenu
des dotations en capital public et privé, la productivité marginale du capital
public serait largement supérieure à celle du capital privé. Enfin, si l’élasti-
cité du capital public varie peu lorsque, à partir des résultats de la Translog,
elle est évaluée aux points Q1, moyen ou Q3 (à l’exception notable du
résultat obtenu en variables instrumentales où elle passe de 0,16 à 0,40 du
point Q1 au point Q3), il n’en est pas de même des élasticités du travail et du
capital privé. En effet, on observe une nette décroissance de l’élasticité du
capital privé de Q1 à Q3 et, à l’inverse, une nette croissance de celle de
l’emploi. L’ensemble de ces éléments peut faire douter de la robustesse des
estimations réalisées à l’aide du panel complet.
Notons néanmoins que les tests réalisés, à partir de la forme Cobb-
Douglas, sur les rendements d’échelle concluent à l’existence de rende-
ments croissants sur l’ensemble des trois facteurs (les t de Student obtenus
pour l’emploi n’amènent pas à conclure à la nullité de ce coefficient, sauf
éventuellement, dans le cas de l’estimateur within). La situation est plus
ambiguë en ce qui concerne la nature des rendements d’échelle des seuls
facteurs privés (emploi et capital privé) : seuls les résultats obtenus en MCO
et en VI permettent de conclure au caractère constant des rendements
d’échelle sur ces deux facteurs (F = 3,0 en MCO et 1,8 en VI pour une valeur
critique de F(1, dl) = 3,8 au seuil de 5 % dès que dl > 100), alors que les
estimateurs within et MCG amènent à rejeter cette hypothèse (F = 11,4 en
within et 43,1 en MCG pour la même valeur critique).
Au-delà de la fiabilité des séries utilisées (sur laquelle nous reviendrons),
une des causes de la faible robustesse des résultats précédents pourrait
résider dans l’hétérogénéité interindividuelle des paramètres des modèles
estimés. On a déjà noté que les tests d’Hausman conduisent à retenir le
modèle à effets fixes contre le modèle à effets aléatoires, signe d’une hété-
rogénéité des constantes, ce que confirme le test MCO contre within du
tableau 3. Mais, au-delà des effets fixes régionaux, l’hypothèse d’hétérogé-
néité des pentes peut également être retenue, soit isolément, soit conjoin-
tement à une hétérogénéité des constantes, et ce quelle que soit la forme
fonctionnelle choisie. Il existe donc une forte hétérogénéité interrégionale
des élasticités de la production à chacun des trois facteurs, qui se combine
à d’importants effets fixes régionaux. Une telle hétérogénéité interrégionale
tend à remettre en cause les résultats obtenus dans cette section et néces-
site approfondissement. Elle peut également amener à s’interroger sur la
robustesse des résultats présentés dans la littérature.
3.2. Mise en œuvre d’estimateurs

à rétrécisseur
Face à l’hétérogénéité interindividuelle des paramètres mise en évidence

précédemment, une première solution pour tenir compte de cette hétérogé-
néité serait d’abandonner le panel et de recourir à l’estimation de fonctions
de production par région. Le faible nombre d’observations inclues dans nos
sous-échantillons régionaux autorise difficilement une telle approche qui a,
en outre, l’inconvénient de considérer les comportements économiques des
régions comme n’ayant rien à voir les uns avec les autres. Ainsi, comme le
notent Li et al. [1996], « le problème que posent les deux méthodes usuelles
consistant à empiler les données ou à régresser séparément sur chaque
série individuelle est qu’elles reposent toutes les deux sur des hypothèses
extrêmes. La vérité se trouve probablement entre ces deux extrêmes. Les
paramètres ne sont probablement pas parfaitement identiques, mais il
existe une certaine similarité entre eux ». Une manière de tenir compte de
cette similarité est d’admettre que les paramètres proviennent d’une distri-
bution jointe, de même espérance et de matrice de variance-covariance non
nulle. Les estimations qui en résultent sont une moyenne pondérée de l’es-
timation sur l’échantillon empilé et des estimations séparées sur les séries
temporelles propres à chaque individu. Ainsi, chaque estimation individuelle
est « rétrécie » pour se rapprocher de l’estimation empilée globale. On a,
pour tenter de tenir compte de l’hétérogénéité interindividuelle des régions
françaises, tout en les considérant comme intégrées dans un même méca-
nisme, eu recours au modèle à coefficients aléatoires proposé par Swamy

[1970] et aux estimateurs bayésiens empiriques. 10
Un modèle à coefficients aléatoires s’écrit : yi = Xi βi + ui, avec
βi zN 共 µ, Σ 兲, ce qui implique yi = Xi µ + wi où wi zN 共 0, Ωi 兲 avec
2
Ωi = 共 Xi ΣX′i + σi I 兲. En faisant l’hypothèse que les ui sont indépendants
entre individus, on peut estimer µ par les Moindres Carrés Généralisés
(MCG). Swamy [1970] montre que µ̂ = 兺
i=1
N
兺 Zj
j=1
冉冊
− 1
N
Zi. β| i où les β| i sont
obtenus par régression individuelle (en MCO) et où
2 − 1 − 1
Zi = 共 σi 共 X′i Xi 兲 + Σ 兲 . µ̂ est donc une combinaison linéaire des estima-
teurs MCO de chaque individu pondérée de façon inversement proportion-
nelle à leur variance.11
Dans le modèle à coefficients aléatoires classique, la recherche des coef-
ficients individuels βi n’a pas grand sens dans la mesure où ils sont consi-
dérés comme des variables aléatoires. On peut néanmoins prédire ces coef-
ficients en s’appuyant sur l’analyse bayésienne. Le modèle à coefficients
aléatoires peut être considéré comme un cas particulier du modèle hiérar-
chique de Lindley et Smith [1972], dont Smith [1973] montre qu’il débouche
sur la même expression de µ̂ que Swamy [1970]. Ce modèle permet en outre
de déterminer les prédicteurs des βi comme suivant une loi normale d’es-
pérance β*i = 冉1
X′ Xi + Σ
2 i
σi
− 1
− 1
1
冊冉 − 1
X′ Xi β| i + Σ µ
2 i
σi
et de variance 冊
*
V 共 βi 兲 = 冉 1
X′ Xi + Σ
2 i
σi
− 1
− 1
. 冊
En spécifiant les distributions a priori des σ2i et du paramètre d’hétérogé-
néité Σ, on obtiendrait l’estimateur bayésien hiérarchique (Hsiao et al.
[1999]). Une approche alternative consiste à remplacer les σ2i et Σ par leurs
estimateurs, ceux-ci pouvant être obtenus de diverses façons. En utilisant
les estimateurs précédents (c’est-à-dire ceux proposés par Swamy [1970]),
on obtient l’estimateur bayésien empirique à deux étapes. Maddala et Hu
[1996] et Li et al. [1996] proposent un autre estimateur, appelé estimateur
10. Les résultats, d’une part, du test d’Hausman qui conduit au modèle à effets fixes et,
d’autre part, des tests d’homogénéité qui concluent à l’hétérogénéité des pentes et des
constantes sont plus favorables à la mise en œuvre de modèles semi- ou non paramétriques
à coefficients variables (Fomby et Carter Hill [1999]) que d’un modèle à coefficients aléatoi-
res. Le faible nombre d’observations disponibles ne nous a pas incité à suivre une telle voie.
11. Swamy [1970] propose une procédure en deux étapes qui utilise les estimateurs β | i et
les résidus des moindres carrés pour obtenir des estimateurs sans biais de la matrice Σ et
des σi :
2
1
σ̂i = 共 y − Xi β
| i 兲′ 共 yi − Xi β
2
|i 兲
T−k i
兺冉β| 冊冉冊
et N N N N
兺兺兺
1 1 1 1 −
Σ
|= − β β
|i − β ′− σ̂i .
1 2
| | 共 X′ X 兲
N − 1i=1 i Ni=1 i Ni=1 i Ni=1 i i

bayésien empirique itératif, dans lequel les estimateurs des σ2i et de Σ peu-
vent s’écrire :
2 1 * *
σ̂i = 共 y − Xi βi 兲′ 共 yi − Xi βi 兲
T−k i
冉冊
et N
兺共β
1 * * * *
Σ| = R+ − µ 兲共 βi − µ 兲′ 12.
N−1 i=1
i
Vu l’importance du paramètre d’hétérogénéité Σ dans les estimateurs

bayésiens empiriques, Maddala et Hu [1996] préconisent l’emploi de l’esti-
mateur itératif plutôt que celui en deux étapes.
Dans notre cas, on a appliqué, sur l’ensemble des régions françaises, les
deux estimateurs bayésiens empiriques, à deux étapes et itératif, le second
s’appuyant en première étape sur les résultats du premier et le processus
étant ici stoppé après 25 itérations. L’estimateur obtenu correspond, dans
tous les cas, à une moyenne pondérée des estimateurs MCO individuels. De
ce fait, il ne nous est pas possible d’utiliser la forme Translog dans la mesure
où le nombre d’années observées est faible par rapport au nombre de pa-
ramètres à estimer, ce qui se traduit par d’importants problèmes de colli-
néarité. Ainsi, quand bien même la comparaison de l’efficacité relative de la
Cobb-Douglas par rapport à la Translog réalisée pour les analyses précéden-
tes conduit à privilégier la forme Translog13, les estimations bayésiennes ne
s’appuient que sur la forme Cobb-Douglas. Les résultats nationaux et régio-
naux ainsi obtenus sont présentés au tableau 4.
Notons de suite l’incohérence des résultats obtenus au moyen de l’esti-
mateur bayésien empirique à deux étapes. D’une part, l’élasticité de l’emploi
ressort le plus souvent supérieure à l’unité (tant en moyenne nationale
qu’en résultats régionaux) et, d’autre part, l’élasticité du capital privé, non
significativement différente de zéro en moyenne nationale, serait selon les
régions, négative, nulle ou positive. On peut voir là l’effet du rôle important,
joué dans la procédure en deux étapes, par les estimateurs MCO individuels.
Compte tenu de la faiblesse du nombre d’années observées (N = 16) et du
mode de construction de certaines données, on conçoit aisément que de tels
estimateurs soient peu robustes. A l’inverse et conformément aux recom-
mandations de Maddala et Hu [1996], la procédure itérative débouche sur
des résultats plus cohérents : l’élasticité de l’emploi s’établit en moyenne
nationale à 0,74 et l’élasticité du capital privé est toujours significativement
positive. Dans ce cas, l’impact du capital public se confirme être significati-
vement positif. Mais, l’élasticité du capital privé reste faible (inférieure à 0,2)
au regard de l’efficacité productive du capital public (0,3). En outre, si la
procédure à deux étapes produit des résultats régionaux très contrastés, la
12. R est une matrice diagonale introduite pour améliorer la convergence de la procédure
itérative et dont les éléments valent 0,001.
13. Pour comparer l’efficacité relative de la Cobb-Douglas par rapport à la Translog, on a
testé la nullité des termes croisés et des carrés de cette dernière, ce qui revient à prendre la
forme Cobb-Douglas comme hypothèse H0 : F = 9,89 en MCO ; 17,67 en VI ; 12,16 en within ;
et 10,67 en MCG, pour une valeur critique de F(1, dl) = 6,63 au seuil de 1 % dès que dl > 100.
On conclut alors au rejet de H0.

Tableau 4. Prédiction des élasticités régionales

à l’aide d’estimateurs bayésiens empiriques
(Cobb-Douglas à trois facteurs)
Estimateur bayésien Estimateur bayésien

empirique à deux étapes empirique itératif
Capital Capital Capital Capital

Emploi Emploi
privé public privé public
Moyenne toutes
régions 1,203 ** 0,103 0,330 ** 0,737 ** 0,176 ** 0,302 **
Alsace 1,382 ** – 0,325 ** 0,530 ** 0,739 ** 0,179 ** 0,304 **
Aquitaine 1,056 ** 0,291 ** 0,169 * 0,800 ** 0,176 ** 0,285 **
Auvergne 1,262 ** – 0,087 0,515 ** 0,750 ** 0,175 ** 0,298 **
Bourgogne 0,427 0,412 0,158 0,690 ** 0,178 ** 0,317 **
Bretagne 0,862 * 0,253 * 0,197 0,756 ** 0,173 ** 0,294 **
Basse-Normandie – 0,526 0,241 ** 0,329 ** 0,679 ** 0,177 ** 0,318 **
Centre 1,123 ** 0,275 ** 0,225 ** 0,693 ** 0,177 ** 0,315 **
Champagne-Ardenne 1,184 ** 0,271 0,276 ** 0,714 ** 0,180 ** 0,312 **
Franche-Comté 1,220 ** – 0,015 0,467 ** 0,659 ** 0,176 ** 0,326 **
Haute-Normandie 2,194 ** – 0,189 0,423 ** 0,843 ** 0,179 ** 0,276 **
Languedoc-
Roussillon 1,250 ** 0,203 0,167 * 0,808 ** 0,176 ** 0,282 **
Limousin 0,451 0,198 0,349 ** 0,679 ** 0,177 ** 0,318 **
Lorraine 1,833 ** – 0,466 ** 0,735 ** 0,710 ** 0,174 ** 0,308 **
Midi-Pyrénées 2,208 ** 0,145 0,165 ** 0,851 ** 0,173 ** 0,268 **
Nord-Pas-de-Calais 1,770 ** – 0,201 0,508 ** 0,767 ** 0,173 ** 0,291 **
Pays-de-Loire 1,174 ** 0,214 * 0,212 * 0,796 ** 0,173 ** 0,284 **
Picardie 0,991 ** 0,003 0,443 ** 0,699 ** 0,178 ** 0,315 **
Poitou-Charentes 1,023 ** 0,286 * 0,227 * 0,737 ** 0,176 ** 0,302 **
Provence-Alpes-
Côte-d’Azur 1,805 ** 0,141 0,194 ** 0,757 ** 0,174 ** 0,295 **
Ile-de-France 1,219 ** 0,212 0,390 ** 0,673 ** 0,178 ** 0,321 **
Rhône-Alpes 1,357 ** 0,295 ** 0,240 ** 0,682 ** 0,174 ** 0,315 **
** Paramètre significatif au seuil de 1 % ; * paramètre significatif au seuil de 5 %.
procédure itérative a tendance à lisser ces résultats autour de la moyenne

nationale (notamment en ce qui concerne le capital privé), ne permettant pas
une analyse approfondie de l’hétérogénéité interrégionale des élasticités.
Tout en tendant à confirmer l’efficacité productive du capital public, l’ap-
plication des estimateurs bayésiens empiriques au panel formé par toutes
les régions françaises améliore peu l’analyse. On se heurte ici à deux écueils
importants : faible cohérence des élasticités obtenues et hétérogénéité inter-
régionale trop contrastée ou lissée. Ces deux écueils nous conduisent à
tenter une autre stratégie d’estimation visant, d’une part, à tenir compte de
la petite dimension de notre panel et de la fragilité de nos données et,
d’autre part, à analyser l’hétérogénéité interrégionale des élasticités mise en
évidence par les tests d’Hsiao [1986]. Pour ce faire, on a, dans la section
suivante, estimé la même fonction de production mais, cette fois, sur des
panels constitués de groupes de régions supposés plus homogènes du point
de vue de l’efficacité des facteurs de production.
4. Un impact du capital public qui se

différencie par groupe de régions
La stratégie d’estimation mise en œuvre ici consiste à répartir le panel des

régions françaises en un certain nombre de sous-panels formés de régions
aux comportements supposés plus homogènes et à renouveler les estima-
tions précédentes sur chacun des sous-panels. Une telle stratégie permet
d’éviter le recours à des estimations individuelles dont on a vu la faible
robustesse. Si on peut espérer obtenir ainsi des résultats plus robustes, une
telle approche permet en outre l’analyse plus fine du rôle du capital public
dans l’évolution des disparités interrégionales. Tout en mettant en lumière
les éventuelles différences d’élasticités entre groupes de régions, on consi-
dère les régions d’un même groupe comme ayant des comportements ho-
mogènes ou relevant de mécanismes communs.
Comme on cherche à voir si l’éventuelle efficacité productive du capital
public autorise une réduction ou, au contraire, engendre un accroissement
des disparités interrégionales de développement, on a procédé au regrou-
pement des régions en fonction de la valeur ajoutée par tête qu’elles déga-
geaient en début de période. Le tableau 1 où les régions sont classées selon
leur PIB régional par tête en 1978 fait apparaître deux grandes césures que
nous utiliserons pour la formation de nos groupes de régions : la première
entre l’Alsace et le Nord-Pas-de-Calais, le PIB par tête passant alors de
99 000 Francs 80 à moins de 94 000 Francs 80 et la seconde entre le
Languedoc-Roussillon et la Franche-Comté aux PIB respectifs de 86 500 et
83 000 Francs 80. On obtient ainsi les trois groupes de régions suivants :
— Le premier groupe, formé de l’Île-de-France, la Haute-Normandie, la

Provence-Alpes-Côte-d’Azur et l’Alsace, constitue le groupe des régions ini-
tialement les plus riches ; ce sont en outre des régions très urbanisées qui
concentrent une part très importante du capital public national.
— Le second groupe réunit un ensemble de régions géographiquement
très hétérogènes mais qui, en 1978, dégageaient des PIB proches de la
moyenne nationale. On y retrouve les régions du nord et de l’est (Nord-Pas-
de-Calais, Picardie, Lorraine, Champagne-Ardenne, Bourgogne, Rhône-
Alpes) auxquelles s’ajoutent l’Aquitaine, le Languedoc-Roussillon, le Centre
et les Pays-de-Loire,

— Le troisième groupe représente les régions françaises les plus pauvres.

On y trouve, outre l’Auvergne, le Limousin, la Basse-Normandie, la Breta-
gne, Midi-Pyrénées et Poitou-Charentes14.
Sur chacun des trois sous-panels ainsi formés, on a mis en œuvre les
procédures d’estimation précédentes sur une fonction de production Cobb-
Douglas à trois facteurs. Aux côtés des estimateurs de l’économétrie des
données de panels (MCO, within et MCG), on a, comme précédemment et
pour les mêmes raisons d’endogénéité des variables explicatives, mis en
œuvre la méthode des variables instrumentales15. Enfin, les tests d’Hsiao
[1986] concernant l’homogénéité, notamment des paramètres, amènent à
conclure à la persistance d’une hétérogénéité interrégionale des élasticités
au sein de chaque groupe16. De ce fait, et en vue de tenir compte de cette
hétérogénéité, on a de nouveau recouru à l’estimateur bayésien empirique,
en se limitant à sa formulation itérative17.
Les résultats présentés au tableau 5 confirment l’existence d’une différen-
ciation interrégionale des élasticités de la production aux différents facteurs
de production. Ainsi, en laissant de côté les résultats du within, estimateur
qui conduit parfois à des résultats difficilement interprétables, c’est dans le
groupe des régions riches, que l’efficacité productive du capital privé appa-
raît comme étant la plus élevée (aux alentours de 0,5) alors que l’élasticité
du travail y est de niveau comparable à celle obtenue pour les régions de
richesse moyenne (entre 0,6 et 0,7). Mais, à l’inverse des deux autres grou-
pes de régions, l’impact du capital public apparaît ici non significativement
différent de zéro. De leur côté, les régions de richesse initiale moyenne se
caractérisent, outre une élasticité du travail proche des résultats classiques,
par une élasticité du capital privé faible (entre 0,20 et 0,25) que l’on peut
peut-être considérer comme compensée par l’élasticité relativement élevée
du capital public (entre 0,25 et 0,30). Notons que l’on retrouve, une nouvelle
fois, mais uniquement pour ce groupe, une élasticité du capital public (légè-
rement) supérieure à celle du capital privé. Ce n’est plus le cas pour le
groupe des régions initialement les plus pauvres pour lesquelles l’élasticité
du capital privé est, quel que soit l’estimateur retenu, supérieure à celle du
capital public (respectivement, aux alentours de 0,30 et de 0,25), l’élasticité
de l’emploi étant comprise entre 0,5 et 0,6.
Ainsi, les résultats apparaissent plus robustes lorsque les estimations sont
effectuées par groupes de régions que lorsque l’on mobilise le panel com-
plet des régions françaises. On ne peut cependant pas les considérer comme
pleinement satisfaisants, du fait de la trop forte proximité entre les élastici-
14. La Franche-Comté a été exclue des analyses qui suivent en raison du caractère trop
heurté des données rassemblées ici.
15. Les jeux d’instruments utilisés diffèrent selon les groupes de régions. Constitués à
l’aide de combinaisons variées des instruments utilisés dans les estimations précédentes, ils
sont validés par des tests de Sargan : la statistique de Sargan s’établit à 19,3 pour le premier
groupe (probabilité du χ de 0,12), à 9,8 pour le second (probabilité du χ de 0,28) et à 16,0
2 2
pour le troisième (probabilité du χ de 0,46).

2
16. Celle-ci apparaît cependant réduite (mais non entièrement évacuée) grâce à la consti-
tution des groupes.
17. Notons qu’aucun résultat n’a pu être obtenu à l’aide de cet estimateur pour notre
premier groupe de régions, l’estimateur de la matrice Σ convergeant vers une matrice non
inversible.

Tableau 5. Elasticités de la production aux différents facteurs

de production par groupe de régions classées
selon leur richesse initiale (PIB/emploi en 1978)
(estimations de la forme Cobb-Douglas en MCO, within, MCG
et variables instrumentales)
Bayésien
MCO Within MCG V.I.
itératif
Groupe 1 : Emploi 0,661 1,584 0,637 0,603 n.c.

Ile-de-France, Haute-Normandie, (16,1) (10,6) (17,5) (9,37)
Provence-Alpes-Côte-d’Azur,
Alsace. K privé 0,491 0,238 0,415 0,554 n.c.
(15,7) (2,34) (7,05) (9,87)
K public -0,014 0,193 0,092 -0,011 n.c.
(-0,50) (2,75) (2,21) (-0,30)
Groupe 2 : Emploi 0,737 0,600 0,528 0,678 0,737
Nord-Pas-de-Calais, Rhône- (22,0) (6,63) (13,5) (14,27) (7,33)
Alpes, Aquitaine, Champagne- K privé 0,124 0,243 0,220 0,113 0,210
Ardenne, Picardie, Centre,
Lorraine, Pays-de-Loire, (6,93) (6,15) (6,71) (4,31) (4,11)
Bourgogne, Languedoc- K public 0,151 0,256 0,260 0,207 0,279
Roussillon. (5,87) (9,74) (11,2) (5,54) (8,27)
Emploi 0,603 0,187 0,554 0,588 0,500
Groupe 3 : (19,1) (1,68) (16,5) (16,7) (3,48)
Midi-Pyrénées, Poitou- K privé 0,263 0,316 0,298 0,291 0,300
Charentes, Bretagne, Auvergne, (10,7) (10,1) (10,4) (8,67) (4,86)
Limousin, Basse-Normandie. K public 0,242 0,213 0,236 0,223 0,228
(10,0) (7,38) (8,94) (6,56) (4,64)
Test de Student entre parenthèses – n.c. : estimation non convergente
tés du capital public et du capital privé et de la valeur élevée obtenue pour

ce dernier dans deux des trois groupes de régions. Ce niveau est d’ailleurs
toujours supérieur à ceux relevés dans la littérature (cf. Annexe A.1). Bien
au-delà des estimateurs utilisés et de la recherche toujours possible d’esti-
mateurs plus sophistiqués, on imputera la persistance de cette faible robus-
tesse au nombre limité d’années pour lesquelles il a été possible de consti-
tuer des séries et à un problème de qualité de ces dernières, liées à la
difficulté d’accéder aux informations primaires permettant de mieux maîtri-
ser la qualité de l’information produite.
Quelle que soit l’appréciation que l’on porte sur la qualité des résultats
obtenus ici, ils font apparaître une absence d’efficacité productive du capital
public dans les régions initialement les plus riches et suggèrent un impact
significativement positif de celui-ci sur la croissance régionale de toutes les
régions initialement moins riches, le gain de croissance étant plus important
dans les régions de richesse moyenne que dans les régions pauvres. On
peut tout d’abord interpréter, comme le font Costa et al. [1987], l’absence
d’impact du capital public dans les régions les plus riches, comme le résultat
de phénomènes d’encombrement qui se seraient développés dans ces ré-
gions densément urbanisées et richement dotées en capital public. Même si,
en dehors de ces régions, le capital public semble avoir un impact positif sur
la croissance régionale, son rôle dans la réduction des disparités interrégio-
nales est plus ambigu. Au vu de nos résultats, il semble en effet permettre
une réduction de l’écart entre les 4 régions les plus riches et l’ensemble des
autres régions françaises mais sa plus grande efficacité productive dans les
régions moyennent riches n’induit pas une réduction de l’écart entre les
régions les plus pauvres et ces dernières. En clair, les investissements pu-
blics réalisés en région permettraient, du fait des phénomènes d’encombre-
ment que leur forte présence engendre dans les régions riches, un certain
rattrapage de l’ensemble des autres régions mais sa plus forte efficacité
dans les régions moyennes empêcherait les plus pauvres de rattraper les
moyennes.
Notons pour finir que les tests réalisés à partir des estimations par groupe
de régions et concernant la nature des rendements d’échelles tendent à
confirmer l’hypothèse de l’existence de rendements d’échelles constants sur
les facteurs de production privés, ceux-ci devenant croissants lorsque le
capital public, introduit dans l’analyse en tant que facteur de production,
apparaît avoir un impact significativement positif. Un tel résultat rejoint les
hypothèses introduites par Barro [1990] dans les modèles de croissance
endogène avec dépenses publiques.
*
* *
En nous appuyant sur certains travaux théoriques de croissance endogène
et sur les travaux empiriques liés, nous nous sommes ici intéressés à la
question du rôle du capital public dans la croissance des régions françaises
et à son rôle éventuel dans la réduction des disparités régionales de déve-
loppement. Pour ce faire, nous avons mobilisé des séries régionales de
valeur ajoutée et d’emploi et reconstitué des séries régionales de capital
public et de capital privé, celles-ci couvrant la période 1978-1993, afin de
pouvoir estimer des fonctions de production régionale augmentées.
La démarche s’est appuyée, dans un premier temps, sur les estimateurs
usuels de l’économétrie des données de panel et sur la méthode des varia-
bles instrumentales afin de contrôler l’endogénéité des facteurs de produc-
tion et notamment de tenir compte d’un possible effet d’éviction de la pro-
duction sur le capital public. Après avoir mis en évidence l’existence d’un
problème d’homogénéité interindividuelle des paramètres estimés, on a mo-
bilisé des estimateurs à rétrécisseur (estimateurs bayésiens empiriques) en
vue, d’une part, de tenir compte de cette hétérogénéité interindividuelle des
élasticités dans l’estimation des effets moyens et, d’autre part, d’obtenir des
élasticités régionales permettant l’examen de la différenciation éventuelle
du rôle du capital public. Le caractère peu satisfaisant des résultats obtenus
à partir du panel complet des régions françaises nous a conduit à opter pour
une stratégie de différenciation a priori des régions en fonction de leur
niveau initial de développement. Non seulement les résultats obtenus par
groupe de régions apparaissent plus robustes (sans être totalement satisfai-

sants), mais encore ils permettent de mieux appréhender l’hétérogénéité
des élasticités des facteurs de production.
On met ainsi en évidence l’absence d’efficacité productive du capital pu-
blic dans les régions initialement les plus riches, résultat qui s’apparente à
ceux obtenus sur données nord-américaines et que l’on interprète ici
comme lié à l’apparition de phénomènes d’encombrement. Mais, à l’inverse
de ce qui est observé aux Etats-Unis et conformément aux résultats obtenus
sur données japonaises ou européennes, le capital public semble être pro-
ductif dans l’ensemble des autres régions, les rendements d’échelles, cons-
tants sur les facteurs de production privés, devenant croissants par appari-
tion d’externalités de capital public. En outre, et c’est là un des autres
apports de l’analyse menée ici, son impact plus fort dans les régions moyen-
nement riches que dans les régions pauvres, combiné à son absence d’im-
pact dans les régions riches, laisse supposer un rôle ambigu du capital
public dans la réduction des disparités interrégionales de développement :
les investissements publics réalisés en région se traduiraient par une réduc-
tion de l’écart entre les régions riches et les autres régions mais sa plus forte
efficacité dans les régions moyennes empêcherait les plus pauvres de rat-
traper ces dernières.
Il faut cependant rester prudent vis à vis de cet ensemble de résultats. Car,
même après amélioration des procédures d’estimation, l’impact du capital
public, lorsqu’il apparaît significatif, est toujours très élevé et reste toujours
supérieur à ce que propose le reste de la littérature. Face à ce constat, on
pourrait, comme on l’a signalé au fil du texte, envisager de recourir à des
estimateurs plus sophistiqués. Mais, il nous semble qu’au-delà du nombre
trop limité d’années pour lesquelles il a été possible de reconstituer des
séries, notamment de capital public, il faille rechercher les causes de nos
difficultés du côté de la qualité des séries de capital reconstituées. Ces der-
nières s’appuient en effet sur la répartition de stocks nationaux à l’aide de
clés de répartition élaborées à partir de sources probablement peu fiables.
La nécessaire réactualisation des séries, impossible avec la même métho-
dologie en ce qui concerne le capital public, serait certainement l’occasion
d’établir une nouvelle procédure de construction des séries de capital, s’ap-
puyant plus sur des informations primaires permettant de mieux en maîtri-
ser la qualité. Ce serait peut-être aussi l’occasion de ventiler le capital public
par fonction (transport, éducation, santé, etc.), ce qui permettrait de préciser
le type de capital public jouant le plus sur la croissance et les disparités
interrégionales.
Références bibliographiques
ALABALA-BERTRAND J.M., MAMATZAKIS E.C. [2001], “Is Public Infrastructure Pro-
ductive ? Evidence from Chile”, Applied Economics Letters, 8(3), 195-198
ANDREWS K., SWANSON J. [1995], “Does Public Infrastructure Affect Regional
Performance ?”, Growth and Change, 26 (Spring), 204-216.

ARGIMON I., GONZALES-PARAMO J., MARTIN M.J., ROLDAN J.M. [1993], “Produc-
tivity and Infrastructure in the Spanish Economy”, Working Paper Banco de Es-
paña, 9313.
ASCHAUER D.A. [1989], “Is Public Expenditure Productive ?”, Journal of Monetary
Economics, 23(2), 177-200.
BALMASEDA M. [1996], “Simultaneity Bias and the Rate of Return to Public Capi-
tal”, Working Paper, CEMFI.
BALMASEDA M. [1997], “Production Fonction Estimates of the Rate of Return on
Public Capital”, Working Paper, CEMFI.
BALTAGI B., PINNOI N. [1995], “Public Capital Stock and State Productivity Growth :
Further Evidence from an Error Components Model”, Empirical Economics, 20,
351-359.
BARRO R. J., SALA-I-MARTIN X. [1995], Economic growth, Advanced Series in
Economics, Mc Graw-Hill, New-York, London and Montréal.
BARRO R.J. [1990], “Government Spending in a Simple Model of Endogeneous
Growth”, Journal of Political Economy, 98(5) Part 2, 103-126.
CHANDRA A., THOMPSON E. [2000], “Does Public Infrastructure Affect Economic
Activity ? Evidence from the Rural Interstate Highway System”, Regional Science
and Urban Economics, 30, 457-490.
CHARLOT S., COMBES P.-P. [2000], “Convergence ou divergence régionale ?”, in
Economie Géographique, C. Baumont, P.-P. Combes, P.-H. Derycke et H. Jayet
(eds), Economica, Paris.
COSTA J.S., ELLSON R.W., MARTIN R.C. [1987], “Public Capital, Regional Output
and Development : Some Empirical Evidence”, Journal of Regional Science, 27,
419-437.
DUFFY-DENO K.T., EBERTS R.W. [1991], “Public Infrastructure and Regional Eco-
nomic Development : a Simultaneous Equations Approach”, Journal of Urban
Economics, 30 (3), 329-343.
EBERTS R.W. [1990], “Public Infrastructure and Regional Economic Development”,
Economic Review, Federal Reserve Bank of Cleveland, quarter 1, 15-27.
EISNER R. [1991], “Infrastructure and Regional Economic Performance : Comment
and New Results”, New England Economic Review, 31, 45-58.
EVANS P., KARRAS G. [1994a], “Is Government Capital Productive ? Evidence from
a Panel of Seven Countries”, Journal of Macroeconomics, 16(2), 271-279.
EVANS P., KARRAS G. [1994b], “Are Government Activities Productive ? Evidence
from a Panel of U.S. States”, Review of Economics and Statistics, 76(1), 1-11.
FOMBY T.B., CARTER HILL P. [1999], Advances in Econometrics : Applying Kernel
and Nonparametric Estimation to Economic Topics, JAI Press.
FORD R., PORET P. [1991], “Infrastructure and Private-sector Productivity”, OECD
Department of Economics and Statistics Working Papers, 91(3).
FRITSCH B. [1995], La contribution des infrastructures au développement
économique des régions françaises, Thèse de doctorat, Université de Paris XII -
Val-de-Marne.
FRITSCH B. [1997], “La contribution du réseau routier national au développement
économique départemental en France”, Document de travail de l’OEIL, n°97-14,
Institut d’Urbanisme, Université de Paris XII - Val-de-Marne.
GARCIA-MILÀ T., MCGUIRE T.J. [1992], “The Contribution of Publicly Provided In-
puts to States Economies”, Regional Science and Urban Economics, 22, 229-241.

GASSER B., NAVARRE F. [1991], Recherches sur l’impact des investissements en

infrastructures de transport sur la croissance ; études et modélisations région-
ales, OEST Paris.
GRAMLICH E. M. [1994], “Infrastructure Investment : a Review Essay”, Journal of
Economic Litterature, 32(Sept), 1176-1196.
HÉNIN P.Y., HURLIN C. [1998], L’évaluation de la contribution productive des inves-
tissements publics, Rapport au Commissariat Général du Plan, CEPREMAP Paris.
HOLTZ-EAKIN D. [1994], “Public-sector Capital and the Productivity Puzzle”, Review
of Economics and Statistics, 76(1), 12-21.
HOLTZ-EAKIN D., SCHWARTZ R.M. [1995], “Spatial Productivity Spillover from Pub-
lic Infrastructure : Evidence from State Highways”, NBER Working Paper, 5004.
HSIAO C. [1986], Analysis of Panel Data, Cambridge University Press, Cambridge.
HSIAO C., PESARAN M.H., TAHMISCIOGLU A.K. [1999], “Bayes Estimation of Short-
run Coefficients in Dynamic Panel Data Models”, in C. Hsiao, M.H. Pesaran, K. La-
hiri, L.F. Lee (eds.), Analysis of Limited Dependent Variables Models, Cambridge
University Press, 268-296.
HULTEN C., SCHWAB R. [1991], “Public Capital Formation and the Growth of Re-
gional Manufacturing Industries”, National Tax Journal, 44(4), 121-134.
INSEE [1994], “25 ans de comptes de patrimoine (1969-1993)”, INSEE Résultats,
348.
INSEE [1995], “Statistiques et indicateurs de régions françaises (SIRF)”, INSEE Ré-
sultats, 105-106
INSEE [1996], “Les produits intérieurs bruts régionaux : sources et méthodes”, IN-
SEE Méthodes, 55.
LI H., MADDALA G.S., TROST R.P. [1996], “Estimation des élasticités de court et de
long terme de la demande d’électricité sur données de panel à partir
d’estimateurs à rétrécisseur”, Economie et Prévision, 126, 127-141.
LINDLEY D.V., SMITH A.F.M. [1972], “Bayes Estimates for the Linear Model”, Jour-
nal of the Royal Statistical Society, 34, 1-41.
LYNDE C., RICHMOND J. [1992], “The Role of Public Capital in Production”, Review
of Economics and Statistics, 74(1), 37-44.
MADDALA G.S., HU W. [1996], “The Pooling Problem”, in L. Matyas et P. Sevestre
(eds.) The Econometrics of Panel Data, a Handbook of the Theory with Applica-
tions, Second revised edition, Kluwer academic publishers, 307-322
MAGRINI S. [2003], “Regional (Di)Convergence”, In : Henderson V. et Thisse J.-F.
(eds), Handbook of Urban and Regional Economics, à paraître.
MAS M., MAUDOS J., PEREZ F., URIEL E. [1996], “Infrastructure and Productivity in
the Spanish Regions”, Regional Studies, 30(7), 641-649.
MATYAS L., SEVESTRE P. [1996], The Econometrics of Panel Data, a Handbook of
the Theory with Applications, Kluwer Academic Publishers, Dordercht-Boston-
London.
MEADE J. [1952], “External Economies and Diseconomies in a Competitive Situa-
tion”, Economic Journal, March, 54-67.
MERA K. [1973], “Regional Production Functions and Social Overhead Capital : an
Analysis of the Japanese Case”, Regional and Urban Economics, 3(2), 157-186.
MOOMAW R.L., MULLEN J.K., WILLIAMS M. [1995], “The Interregional Impact of
Infrastrucutre Capital”, Southern Economic Journal, 61(3), 830-845.

MUNNELL A.H. [1990], “How does Public Infrastructure Affect Regional Economic
Performance ?”, New England Economic Review, Sept.-Oct., 11-32.
MUNNELL A.H. [1992], “Infrastructure Investment and Economic Growth”, Journal
of Economic Perspectives, 6, 189-198.
PINNOI N. [1993], Public Infrastructure and Private Economic Performance : Evi-
dence from U.S. Panel Data, PhD Dissertation, Texas A& M University.
SEITZ H., LICHT G. [1995], “The Impact of Public Infrastructure Capital on Regional
Manufacturing Production Cost”, Regional Studies, 29(3), 231-240.
SHAH A. [1992], “Dynamics of Public Infrastructure, Industrial Productivity and Prof-
itability”, Review of Economics and Statistics, 74(1), 28-36.
SMITH A.F.M. [1973], “A General Bayesian Linear Model”, Journal of the Royal
Statistical Society, series B, 35, 67-75.
SWAMY P.A.V.B. [1970], “Efficient Inference in a Random Coefficient Regression
Model”, Econometrica, 38, 311-323.
TATOM J.A. [1991], “Public Capital and Private Sector Performance”, Federal Re-
serve Bank of Saint-Louis Review, 73(3), 3-15.
TATOM J.A. [1993], “Is an Infrastructure Crisis Lowering the Nation’s Productiv-
ity ?”, Federal Reserve Bank of Saint-Louis Review, 75(6), 3-21.
YAMANO N., OHKAWARA T. [2000], “The Regional Allocation of Public Investment :
Efficiency or Equity ?”, Journal of Regional Science, 40(2), 205-229.

Tableau A.1. Quelques résultats relevés dans la littérature et issus d’estimations de fonction de
production augmentée sur données régionales
Elasticité
Etude Données Modèle Méthode Effets temporels Effets individuels
K public estimée
Etats-Unis :
Munnell [1990] 48 Etats (70-86) TSL/Niv. Cross – – 0,19
Eisner [1991] 48 Etats (70-86) CD/Niv. MCO – – 0,15
Hulten et al. [1991] 16 régions (70-86) CD/Niv. MCO Fixes – N.S.

Duffy-Deno et al. [1991] 28 SMSAs (80-85 / Niv. 2SLS – – 0,08
Garcia-Mila et al. [1992] 48 Etats (69-83) CD/Niv. MCO Fixes – 0,04
Holtz-Eakin [1994] 48 Etats (69-86) CD/Niv. V.I. Fixes Fixes N.S.
Pinnoi [1993] 48 Etats (70-86) TSL/Niv. MCO – Fixes 0,08
Evans et Karras [1994b] 48 Etats (70-86) CD/Niv. MCO Fixes Fixes N.S.
Baltagi et Pinnoi [1995] 48 Etats (70-86) CD/Niv. V.I. Fixes Fixes N.S.
Balmaseda [1997] 48 Etats (70-86) CD/Dif. MCO Fixes Fixes N.S.
Autres Pays :
Mera [1973] Japon (54-63) CD/Niv. MCO – – 0,20
Mas et al. [1996] Espagne (64-91) CD/Niv. MCO – Fixes 0,07
Yamano et al. [2000] Japon (70-94) CD/Niv. MCO – Fixes 0,15
Tableau A.2. Résultats des estimations de la fonction

Cobb-Douglas en productivité
(régions françaises, 1978-1993)
Variables
Effets Effets
instru-
MCO Fixes Aléatoires
mentales
(within) (MCG)
(VI)
Nombre d’obs. 336 336 336 315
1,141 0,637 – 0,904

Constante
(6,77) (2,08) (– 2,44)
0,305 0,167 0,188 0,472
Capital privé/emploi
(20,08) (8,22) (9,91) (4,86)
0,111 0,099 0,127 0,139
Emploi
(17,11) (1,57) (5,81) (5,40)
0,068 0,309 0,294 0,229
Capital public/emploi
(2,77) (17,96) (17,90) (2,65)
– 0,081 – 0,0242 – 0,025 0,009
Dummy(période 1978-1984)
(– 6,77) (– 4,42) (– 4,67) (0,40)
2
R 0,799 0,969 0,710 0,98
Test d’Hausman
2
共 χ 兲 : 17,7
Test de Student entre parenthèses.

Tableau A.3. Résultats des estimations de la fonction

translog (régions françaises, 1978-1993)
Effets Effets Var. instru-

MCO Fixes Aléatoires mentales
(within) (MCG) (VI)
Nombre d’obs. 336 336 336 315
– 4,66 10,41 1,17

Constante
(– 1,37) (2,53) (0,12)
4,06 2,087 1,146 9,45

Capital privé
(5,61) (2,55) (1,57) (5,31)
– 4,10 – 10,049 – 2,67 – 6,62

Emploi
(– 4,65) (– 6,68) (– 3,446) (– 2,15)
0,358 0,613 0,713 – 4,28

Capital public
(0.43) (1,12) (1,38) (– 1,38)
– 0,095 – 0,175 – 0,157 – 0,19
Capital privé _
(– 1,82) (– 4,10) (– 4,121) (– 0,58)
0,038 0,252 – 0,038 0,04

Emploi_
(0,44) (3,67) (– 0,87) (0,12)
– 0,142 – 0,183 – 0,153 – 0,13

Capital public_
(– 2,33) (– 7,20) (– 6,37) (– 0,40)
Capital privé * – 0,069 0,074 0,133 – 0,22

Emploi (– 0,736) (1,36) (2,54) (– 0,39)
Capital public * 0,287 0,144 0,099 0,59

Emploi (2,17) (2,19) (1,54) (1,02)
Capital public * 0,047 0,217 0,188 0,07

Capital privé (0,640) (3,99) (3,95) (0,16)
– 0,059 – 0,016 – 0,022 0,00

Dummy(période 1978-1984)
(– 5,08) (– 3,24) (– 4,58) (0,02)
2
R 0,99 0,999 0,986 0,985
Test d’Hausman
2
共 χ 兲 : 65,05

Redp 136 0851

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Redp 136 0851

Transféré par

Droits d'auteur :

Formats disponibles

CAPITAL PUBLIC ET PRODUCTIVITE QUELS EFFETS SUR LES

Sylvie Charlot, Virginie Piguet, Bertrand Schmitt

Dalloz | « Revue d'économie politique »

2003/6 Vol. 113 | pages 851 à 880

Distribution électronique Cairn.info pour Dalloz.

Powered by TCPDF (www.tcpdf.org)

croissance régionale - capital public - disparités interrégionales – données de panel

Public capital and productivity

REP 113 (6) novembre-décembre 2003

Regional growth - Public Capital - Interregional inequalities - Panel data

Classification JEL : R11, H54, C23

Au cours des deux dernières décennies, la question du rôle productif du

l’estimation, sur données de panel, de fonctions de production régionales

1. Questions posées par l’analyse

suppose la fonction de production macro-économique de la forme :

REP 113 (6) novembre-décembre 2003

ne fait que refléter les tendances communes à la production et aux investis-

2. Construction de séries régionales

2.1. Sources et modes de construction

Les séries de valeurs ajoutées régionales et d’emploi régional proviennent

2. Le changement de base de la comptabilité nationale de 1980 n’a été répercuté qu’à

REP 113 (6) novembre-décembre 2003

ainsi ventilés), ils ne peuvent servir à reconstituer des stocks régionaux de

2.2. Eléments de statistiques descriptives

En France, les disparités régionales, en termes de localisation de la pro-

REP 113 (6) novembre-décembre 2003

Carte 1. Valeur ajoutée régionale par emploi, capital privé régional

Carte 1a. Valeur ajoutée par emploi en 1993

(tableau 1). En revanche, la croissance a été faible dans les régions

Tableau 1. PIB par tête initial et taux de croissance du PIB

Ile-de-France 120,91 2,23 3,82

Nord-Pas-de-Calais 93,76 1,79 6,00

Franche-Comté 82,83 2,06 5,41

France entière 96,48 1,93 4,75

Calais, l’Auvergne, la Bretagne, les Pays-de-Loire, Poitou-Charentes, Midi-

stock de capital public par emploi et les gains de productivité enregistrés

3. Fonction de production augmentée

Nous inscrivant dans la lignée des travaux de Munnell [1990] et de Baltagi

3.1. Estimateurs « classiques » et hétérogénéité

La fonction de production régionale à trois facteurs de forme Cobb-

facteurs, privés et public. L’estimation de la Cobb-Douglas étant réalisée en

log 共 YL 兲 = log A + α log 共 KL 兲 +

Dans le cadre de ce modèle, tester l’existence de rendements d’échelle

Rappelons que les coefficients estimés à l’aide de la Translog permettent

Nos données constituent un panel de petite taille (N = 21 régions françai-

REP 113 (6) novembre-décembre 2003

question de l’exogénéité des variables explicatives5. Pour pallier ce pro-

REP 113 (6) novembre-décembre 2003

(les pentes des régresseurs étant données comme homogènes) revient à

Tableau 2. Elasticités des facteurs de production :

Effets fixes au pt moyen 0,176 (7,58) 0,836 (12,29) 0,293 (16,45)

Effets aléat. au pt moyen 0,232 (11,99) 0,602 (21,69) 0,256 (16,17)

Var. instrum. au pt moyen 0,213 (5,88) 0,573 (10,20) 0,306 (6,41)

Quels que soient l’estimateur ou la forme fonctionnelle choisis, ces pre-

REP 113 (6) novembre-décembre 2003

Tableau 3. Tests d’homogénéité des pentes

Homogénéité simultanée des pentes

Homogénéité des pentes F(80,231) = 4,83 F(200,105) = 4,11

Homogénéité des constantes F(20,311) = 90,37 F(20,305) = 103,14

capital public sur la production régionale et sa croissance. On pourrait être

3.2. Mise en œuvre d’estimateurs

Face à l’hétérogénéité interindividuelle des paramètres mise en évidence

nisme, eu recours au modèle à coefficients aléatoires proposé par Swamy