Pratiques de gestion, concurrence, innovation et performance des entreprises au Canada

Les idées et les opinions exprimées dans le document de recherche sont celles des auteurs et ne représentent aucunement les idées ou opinions du ministère de l'Industrie ou du gouvernement du Canada.

Dany Brouillette
Industrie CanadaNote de bas de page *

Daniel Ershov
Université de Toronto

Résumé

Les données de l'Enquête sur l'innovation et les stratégies d'entreprises 2009 (EISE) ont été utilisées pour construire un indice des pratiques de gestion ( M P i n d e x ), similaire à celui développé par Bloom et van Reenen (2007), afin d'étudier les relations entre les pratiques de gestions, la concurrence, l'innovation et la performance des entreprises au Canada. Les résultats montrent que la distribution de M P i n d e x varie selon les industries et que les grandes enterprises sont plus susceptibles d'avoir des pratiques de gestion plus structurées. Une corrélation positive entre M P i n d e x et l'intensité des ventes et des profits a été trouvée pour les entreprises du secteur de la fabrication. De plus, une corrélation positive entre M P i n d e x et l'innovation des entreprises, pour les entreprises de tous les secteurs. Finalement, l'importance de la concurrence dépend de sa nature : le nombre de concurrents dans le marché principal de l'entreprise est associé à une intensité des ventes et des profits plus élevée alors que c'est l'entrée de nouveaux concurrents dans le marché principal qui importe pour l'innovation.

Édtion finale :

Table des matières


1. Introduction

Plusieurs rapports d'experts récents soulignent que la faible performance du Canada en termes de croissance de la productivité est liée au faible niveau d'innovation des entreprises (Groupe d'étude sur les politiques en matière de concurrence, 2008; Comité d'experts sur l'innovation dans les entreprises, 2009; Drummond et Bentley, 2010; Groupe d'experts sur la recherche-développement, 2012). Plusieurs hypothèses ont été émises pour expliquer ce phénomène telles que la structure de l'industrie, le sous-investissement en capital physique, la petite taille de marché, la "complaisance des entreprises" et la faible importance accordée à l'éducation par les gestionnaires canadiens. Les deux derniers facteurs sont particulièrement intéressant étant donné leur nature intangible. Et dans cette catégorie des actifs intangibles, on retrouve aussi les pratiques de gestion (PG).

La contribution des PG au succès des entreprises est reconnu depuis longtemps en science économique ainsi que dans les autres sciences sociales (voir par exemple Huselid, 1995). De même, tel que formulé par Alchian et Demsetz (1972), « la production efficiente… n'est pas le résultat de l'utilisation de meilleures ressources, mais de la connaissance exacte de la performance relative de ces ressources pour la production. »

Les récents travaux empiriques de Bloom et van Reenen (2007) ont permis de définir un cadre d'analyse simple pour mesurer les PG et évaluer leur apport à la performance des entreprises. Les PG, et plus généralement les actifs intangibles, constituent un facteur important qui pourraient non seulement expliquer les différences persistantes de productivité entre les pays, mais aussi entre industries similaires d'un même pays (Bartelsman et Doms, 2000; Syverson, 2004a,b, 2011). Si les entreprises d'une industrie donnée utilisent les mêmes intrants, la même technologie et font face au même niveau de concurrence, il doit y avoir autre chose qui affecte leur productivité. Les résultats de Bloom et coll. (2012b) suggèrent en effet l'existence d'un lien entre les PG et la productivité : ils estiment, qu'en moyenne, 30 pourcent de la différence entre la productivité totale des facteurs des États-Unis et celle d'autres pays, tels que la France, le Royaume-Uni, la Suède et l'Allemagne, est expliquée par de meilleures PG appliquées par les des entreprises américaines.

Les entreprises manufacturières au Canada performent bien en comparaisons avec les entreprises manufacturières des autres pays. Seules les entreprises américaines ont de meilleures PG que les entreprises canadiennes (Institute for Competitiveness and Prosperity, 2009). Bloom et van Reenen (2010) ont montré que la proportion d'entreprises mal gérées est plus faible aux États-Unis que dans tout autre pays incluant le Canada. De plus, il n'y a aucune différence statistique, en moyenne, entre les PG au Canada, et celles en Allemagne et au Japon. En revanche, les PG au Royaume-Uni et en France sont moins bonnes qu'au Canada. Plus généralement, Bloom (2010) a mentionné que l'environnement économique au Canada est favorable à l'adoption de bonnes PG en raison, entre autres, du niveau de concurrence élevé et du faible niveau de réglementation. Les entreprises canadiennes devraient cependant tirer le meilleur parti de leurs travailleurs qualifiés.

L'objectif de cette étude est de déterminer la relation entre les PG, la performance des entreprises et l'innovation en utilisant un cadre d'analyse similaire à celui développé par Bloom et van Reenen (2007). Il y a trois questions de recherche principales : i) quelles sont les caractéristiques des entreprises associées à de PG bien structurées; ii) quelles est la relation entre les PG et la performance des entreprises; et iii) quelle est la relation entre les PG et l'innovation. Trouver une réponse à la troisième question est l'une des contributions majeures de cette étude car il y peu de faits empiriques liant PG et innovation. Outre les PG, le rôle de la concurrence dans la performance économique et l'innovation des entreprises est aussi étudié. Cette analyse utilise les données de l'Enquête sur l'innovation et les stratégies d'entreprises 2009 (EISE) ainsi que d'autres sources administratives (Statistique Canada).

Les résultats principaux sont les suivants : i) la distribution de l'indice des PG ( M P i n d e x ) diffère entre les secteurs; ii) les variables positivement correlées avec M P i n d e x comprennent la taille d'entreprise, le pourcentage d'employés avec un grade universitaire, la présence d'une multinationale dans le marché principal de l'entreprise et la présence du siège social de l'entreprise aux États-Unis; iii) M P i n d e x est positivement correlé avec l'intensité des ventes et des profits pour les entreprises manufacturières; iv) M P i n d e x est positivement correlé avec l'innovation—peu importe la façon dont elle est définie—pour les entreprises de toutes les industries; et v) les liens entre la concurrence, la performance et l'innovation dépendent de la nature de la concurrence. Plus précisément, le nombre de concurrents dans le marché principal de l'entreprise est positivement correlé avec de meilleures performances économiques alors que c'est l'entrée de nouvelles entreprises qui importe pour l'innovation.

Voici comment est organisée la suite de ce rapport de recherche. Le cadre d'analyse est présenté dans la seconde section alors que la discussion sur les données se trouve à la troisième. La section 4 montre les résultats et la section 5 conclut.


2. Cadre d'analyse

2.1 Structure de l'indice des pratiques de gestion

MPindex est basé sur le cadre analytique introduit par Bloom et van Reenen (2006, 2007) (BVR). L'EISE fournit l'opportunité de construire un indice de PG au Canada et de l'analyser en fonction des indicateurs économiques tels que les ventes, les profits et l'innovation. La majorité des questions sur les PG de l'EISE a été dérivée de l'enquête sur les PG de BVR. Ceci a permis de construire un MPindex similaire sans qu'il soit toutefois être identique.

La contribution majeure de BVR a été de développée un cadre d'analyse des PG qui est à la fois complet et simple. L'indice de BVR est basé sur quatre types d'indicateurs référant à un aspect spécifique des PG : les pratiques opérationnelles, le suivi de la performance, l'établissement d'objectifs et les incitatifs. Voir l'annexe de Bloom et van Reenen (2007) pour plus de détails.

Les travaux de BVR peuvent être liés à plusieurs pans de la littérature économique : style de gestion (Bertrand et Schoar, 2003); pratiques de travail innovantes (Ichinowski et coll., 1997; Macduffie, 1995; Osterman, 1994); responsabilisation des travailleurs (Cappelli et Neumark, 1999); paiement à la pièce (Lazear, 2000; Bandiera et coll., 2007); pratiques de recrutement (Oyer et Schaefer, 2011; Autor et Scarborough, 2008); gestion de la qualité totale (Powell, 1995); et utilisation des technologies de l'information et de la communication (Black et Lynch, 2001; Bresnahan, 1999; Bresnahan et coll., 2002; Bloom et coll. 2012a).

L'indice de pratique de gestion de l'EISE (MPindex ) a été construit pour 2009 en utilisant 19 indicateurs. Chaque indicateur a été normalisé entre 0 et 1, ce dernier dénotant les meilleures pratiques et 0 les pires. Tel que montré par l'équation (1), MPindex prend une valeur entre 0 et 1. MPindex contient au moins un élément de chacun des types d'indicateur de BVR, mais tel que montré à la section A.1 de l'annexe A, la couverture est inégale.

Toutes les questions qui traitent de l'EISE ont été utilisées à l'exception de la part des travailleurs avec un grade universitaire (Q63) et de celle qui détermine le rythme de travail pour atteindre les objectifs de rendement de la production (Q57). Ces variables ont été exclues car il est difficile d'identifier une meilleure pratique avec ces réponses. La Q63 a néanmoins été incluse dans les régressions en tant que variable de contrôle distincte de MPindex.

M P i i n d e x = Σ j = 1 19 I n d i c a t e u r s i j 19
(1)

La normalisation est spécifique à chaque indicateur et est cohérente avec l'esprit du cadre de BVR. Voir la section A.2 pour plus de détails sur les règles de normalisation utilisées (annexe A).

Outre le contenu, l'autre différence majeure entre l'enquête de BVR et l'EISE est la méthode de collecte des données. BVR ont utilisé des entrevues en personne pour recueillir de l'information détaillée sur les PG de l'entreprise. À l'opposé, un questionnaire papier/électronique a été utilisé pour l'EISE. Grâce à leur méthode de collecte, BVR peuvent prétendre que leur indice est une bonne approximation de la qualité des PG de l'entreprise, ce qui est moins certain pour l'EISE. En conséquence, les résultats seront interprétés en termes de PG « plus structurées » plutôt que de « meilleures » PG. Cette interprétation est empruntée de Bloom et coll. (2013) qui utilisent des données sur les PG aux États-Unis collectées à l'aide d'un questionnaire papier/électronique.

Les différences mentionnées dans cette section soulève la question de la comparabilité entre les indices de BVR et de l'EISE. La comparaison des distributions non-paramétriques de la figure 2 de Bloom (2010) et de la figure 2 montre que, dans l'ensemble, les distributions des deux indices sont similaires pour les entreprises manufactirières. La seule différence notable est la présence de queues plus épaisses à la figure 2.


2.2 Les déterminants des PG

La première partie de l'analyse de régression examine la relation, au niveau de la firme, entre MPindex et un certain nombres de caractéristiques telles que la taille d'entreprise et le degré de concurrence auquel les entreprises font face. La relation prend la forme linéaire suivante (pour 2009) :

M P i = α 0 X i + α 1 C O M P i + α 2 L E R N E R i + i
(2)

L'indice i dénote les entreprises et  le terme d'erreur usuel. Le vecteur X contient les caractéristiques de la firme incluant l'éducation des travailleurs et des variables binaires pour la taille, la structure de l'entreprise, les industries et les provinces. Voir l'annexe B pour une description détaillée de toutes les variables utilisées dans cette analyse. L'inclusion de la plupart de ces variables se justifie à la lumière des résultats dans la littérature utilisant le cadre d'analyse de BVR. Les études de Bloom (2010) et Institute for Competitiveness and Prosperity (2009) sont particulièrement pertinentes étant donné qu'elles se concentrent sur le Canada.

Bloom (2010) a trouvé que les grandes entreprises ont de meilleurs PG, ce qui est appuyé par les données de l'EISE tel que montré à la figure 1. Il est évident que plus la taille de l'entreprise augmente, plus ces PG sont structurées. La moyenne de MPindex pour les petites entreprises est de 0,40 et de 0,66 pour les très grandes, alors que la moyenne pour les entreprises de taille moyenne et les grandes est d'environ 0,55. Il est toutefois difficile de déterminer quel facteur en est la cause. Les grandes entreprises ont peut-être besoin de bonnes PG pour opérer efficacement, mais il est également possible que les entreprises aient besoin de bonnes PG pour croître. Les résultats doivent donc être interprétés comme étant des corrélations et non des effets causals. Ceci s'applique à toutes les relations estimées dans cette étude et aux autres travaux de la littérature de BVR à l'exception de Bloom et coll. (2011).

La structure de propriété de l'entreprise importe aussi pour les PG. Des résultats montrent en effet que les entreprises multinationales (EMN) ont de meilleures PG par rapport aux autres entreprises (Bloom et van Reenen, 2010). Dans cette étude, des variables binaires indiquant que le siège social (SS) de l'entreprise se situe hors du Canada ont été incluses en remplacement du statut d'EMN. Une variable indiquant le pays de contrôle était aussi disponible, mais elle était si fortement correlée avec les variables SS qu'elle n'a pu être incluse. Un des inconvénients découlant de l'utilisation des variables SS est qu'il est impossible de distinguer entre une EMN et une entreprise uniquement canadienne qui ont toutes deux leur SS au Canada. Une autre variable binaire indiquant la présence de plusieurs établissements dans l'entreprise a été incluse puisque Bloom et coll. (2013) ont rapporté que les entreprises multi-établissements ont de meilleurs PG. Finalement, les entreprises familiales et celles gérées par des membres d'une même familles sont moins bien gérés que celles à actionnariat dispersé et à capital d'investissement (van Reenen, 2011; Bloom et Sadun, 2009). Malheureusement, l'EISE ne contient pas d'information sur le type de propriété.

Figure 1 : Distributions de MPindex par taille d'entreprise
– Densités pondérées, taille d'échantillon N = 4,227 –
Graphique des distributions de MPindex par taille d'entreprise – Densités pondérées, taille d'échantillon N = 4,227 – (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Description de la figure 1

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion (MPindex pour management practices index) parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. La figure comporte quatre courbes qui représentent les entreprises de petite taille (de 20 à 49 employés), celles de taille moyenne (de 50 à 99 employés), celles de grande taille (de 100 à 249 employés) et celles de très grande taille (au moins 250 employés). La courbe de distribution des entreprises de petite taille montre que la plupart sont concentrées vers l'extrémité inférieure de MPindex et que leurs principales concentrations ont des valeurs entre 0,2 et 0,4. Longeant l'axe des X, la courbe de distribution pour ces entreprises s'amenuise après son point culminant légèrement inférieur à 0,4; ce déclin constant montre que les entreprises de petite taille ont la plus faible concentration lorsque les valeurs de MPindex sont supérieures à 0,6. La courbe de distribution des entreprises de taille moyenne comporte deux pics importants. Le premier se trouve juste au-delà du point culminant pour les entreprises de petite taille, environ à la valeur de 0,4, et le second se situe à une valeur de MPindex d'environ 0,7. Cela suggère qu'un pourcentage important d'entreprises de taille moyenne sont relativement mal gérées avec une faible valeur de MPindex, et qu'un pourcentage important sont relativement bien gérées avec une valeur élevée de cet indice. La courbe pour les entreprises de grande taille s'élève graduellement le long de l'axe des X jusqu'à atteindre une valeur proche de 0,4; la courbe s'abaisse ensuite légèrement jusqu'à atteindre la valeur de 0,6, puis elle remonte légèrement jusqu'à celle d'environ 0,85 sur l'axe; enfin, elle s'abaisse brusquement jusqu'à atteindre la valeur de 1. Cela suggère que malgré l'existence de grandes entreprises ayant de faibles valeurs de MPindex, une concentration supérieure d'entreprises de grande taille se signale par des valeurs élevées de l'indice comparativement aux entreprises de taille petite ou moyenne. Finalement, la courbe de distribution pour les entreprises de très grande taille s'élève graduellement de la gauche vers la droite de l'axe des X jusqu'à atteindre la valeur de 0,6; elle décline ensuite légèrement avant de reprendre sa hausse et d'atteindre un nouveau pic à la valeur approximative de 0,85, puis elle s'abaisse précipitamment jusqu'à atteindre la valeur de 1. Cette courbe montre que les entreprises de très grande taille ont la plus faible concentration d'entreprises mal gérées et la concentration la plus élevée d'entreprises bien gérées comparativement aux autres catégories d'entreprises selon leur taille.

L'éducation est mesuré par le pourcentage de travailleurs avec un grade universitaire (%UNIV). L'EISE ne collecte malheureusement pas d'information sur l'éducation des gestionnaires. Bloom et coll. (2013) ont montré que l'amplitude des corrélations entre, d'une part, les PG et l'éducation des travailleurs et, d'autre part, les PG et l'éducation des gestionnaires sont similaires. Ceci suggère que le coefficient de %UNIV pourrait être surestimé.

Le cadre d'analyse initial de BVR se concentrait sur les entreprises manufacturières, mais un projet a été développé en collaboration avec l'Institute for Competitiveness and Prosperity afin d'adapter le cadre d'analyse au secteur de la vente au détail. Ils ont trouvé que les entreprises manufacturières sont mieux gérées que celles du secteur de la vente au détail au Canada, aux États-Unis et au Royaume-Uni (Institute for Competitiveness and Prosperity, 2010). Les données de l'EISE sont, une fois de plus, cohérentes avec ce fait empirique tel que montré à la figure 2. On y voit que la queue gauche de la distribution pour les entreprises non-manufacturières est plus épaisse que pour les entreprises manufacturières. Étant donné ces différences, toutes les statistiques descriptives et les résultats des régressions seront présentés séparément pour les secteurs de la fabrication et hors fabrication.

Figure 2 : Distributions de MPindex par secteur
– Densités pondérées, échantillon total N = 4,227 –
Graphique des distributions de MPindex par secteur – Densités pondérées, échantillon total N = 4,227 – (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Description de la figure 2

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. La figure comporte trois courbes; l'une d'elles représente les entreprises actives dans le secteur de la fabrication, une deuxième, les entreprises actives dans le secteur hors fabrication, et une troisième courbe s'applique à l'ensemble des entreprises. La courbe pour l'ensemble des entreprises et celle pour le secteur hors fabrication sont presque identiques. Se déplaçant de gauche à droite le long de l'axe des X, ces deux courbes manifestent une hausse rapide jusqu'à l'atteinte d'un pic juste avant la valeur de 0,4 sur l'axe. À la suite de ce pic, les deux courbes montrent une chute également rapide en perdant environ la moitié de leur hauteur près de la valeur de 0,5. Puis après cette baisse initiale, les deux courbes poursuivent un déclin plus graduel jusqu'à la fin de l'axe, qui correspond à une valeur de MPindex de 1. La courbe représentant les entreprises actives dans le secteur de la fabrication montre une hausse moins abrupte au début de l'axe et atteint son point culminant à une valeur de MPindex légèrement supérieure à environ 0,5 sur l'axe des X. À la suite de ce pic, la courbe décline de façon régulière jusqu'à la fin de l'axe. Cette figure suggère que le secteur de la fabrication comporte moins d'entreprises mal gérées et davantage d'entreprises bien gérées que le secteur hors fabrication.

Il faut toutefois demeurer prudent avec les données non-manufacturières car la couverture de l'EISE pour ce secteur est moins complète que pour le secteur de la fabrication. Par exemple, l'échantillon comprend seulement 26 entreprises du secteur de la vente au détail sur une population totale de 13 280 entreprises (pour plus de détails, voir l'annexe A de Industrie Canada, 2010). À l'opposé, un tiers de toutes les entreprises manufacturières de la population cible ont été incluses dans l'échantillon (4 394 sur 12 846). Ceci implique que certaines entreprises non-manufacturières ont un poids échantillonal élevé, un constat à conserver en tête pour l'interprétation des résultats.

Malgré le problème potentiel associé au poids échantillonnaux, il est possible de décomposer la distribution de MPindex en utilisant les codes SCIAN à deux chiffres. Les figures 5, 6, 7 et 8 de l'annexe C permettent de tirer deux conclusions. Tout d'abord, il y a beaucoup de variabilité dans la distribution de MPindex à l'intérieure d'un secteur, peu importe le secteur considéré. Ensuite, il y a plus de variabilité parmi les distributions des industries (à deux chiffres) du secteur de la fabrication. Tel que mentionné au paragraphe précédent, ces résultats sont en partie causés par les petites 7 tailles échantillonnales et les poids échantillonnaux élevés pour les industries non-manufacturières.

Le rapport de ICAP sur le secteur de la vente au détail montre également que les relations entre les PG et la taille, le statut d'EMN, l'éducation et la structure de propriété ont le même signe que pour le secteur de la fabrication. De plus, les auteurs ont trouvé que les entreprises du secteur de la vente au détail appartenant à des intérêts américains étaient mieux gérées que le entreprise de propriété canadienne. Le secteur des services de santé et d'éducation sont deux autre secteurs hors fabrication étudiés, au cours de projets différents, par BVR (Bloom et coll. 2010).

BVR ont trouvé que la concurrence était un déterminant important des PG. Bloom et coll. (2012b) ont mentionné que la concurrence peut affecter les PG par au moins deux mécanismes. Le premier est la réallocation des ressources vers les entreprises les mieux gérées. En d'autres termes, la compétition élimine du marché les entreprises les moins bien gérées. Le second mécanisme s'opère lorsque la concurrence révèle de l'information sur les PG des concurrents. Cela pousse les gestionnaires à réviser les perceptions « trop optimistes » de leur performance et à augmenter les efforts qu'ils consacrent à la gestion. En somme, BVR trouvent que la concurrence est liée à de meilleures PG.

Dans la littérature de BVR, la concurrence est mesurée par le nombre de concurrents, le taux de pénétration des importations et l'indice de Lerner. Dans cette étude, le vecteur COMP comprend quatre indicateurs de la concurrence liés au marché principal de l'entreprises : le nombre de produits en concurrence avec le produit le plus vendu de l'entreprise; la présence d'EMN; le nombre de concurrents; et l'entrée de nouveaux concurrents. Le marché principal de l'entreprise est définie comme la région géographique d'où provient le plus fort pourcentage du chiffre d'affaires total correspondant au produit le plus vendu.Note de bas de page 1 La figure 3 montre que les entreprises qui font face à une EMN dans leur marché principal ont des PG plus structurées. Ceci est, encore une fois, cohérent avec les résultats de la littérature de BVR. En plus de COMP, un indice de Lerner est ajouté à l'équation (2) afin de reproduire les résultats de Bloom et van Reenen (2006). Suite à une analyse de sensibilité, l'indice de Lerner a été contraint à un intervalle allant de -10 à 1.

Figure 3 : Distributions de MPindex par la présence d'EMN
– Densités pondérées, échantillon total N = 4,227 –

Graphique des distributions de MPindex par la présence d'EMN – Densités pondérées, échantillon total N = 4,227 (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Description de la figure 3

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. Cette figure comporte trois courbes; la première représente les entreprises actives dans le secteur de la fabrication (la même courbe que celle dans la figure 2), la deuxième, les sociétés parmi lesquelles une EMN (entreprise multinationale) est active dans leur marché principal, et la troisième courbe, les sociétés parmi lesquelles aucune EMN n'est active dans leur marché principal. Commençant par la courbe représentant les sociétés parmi lesquelles une EMN est active dans leur marché principal, la ligne suit un tracé semblable à celui des entreprises manufacturières. Elle manifeste plus particulièrement une tendance générale à la hausse vers la droite sur l'axe des X jusqu'à l'atteinte de son point culminant un peu avant la valeur de 0,6. Puis elle entreprend une baisse graduelle jusqu'à l'atteinte de la valeur de 1. Cette ligne est légèrement supérieure à la courbe s'appliquant aux entreprises manufacturières près du début de l'axe des X (c.-à-d. entre 0,15 et 0,3) et l'est également près de la fin de l'axe (c.-à-d. entre 0,7 et 0,9). La courbe représentant les entreprises n'ayant pas à concurrencer une EMN dans leur marché principal est nettement différente des deux autres. Plus précisément, elle est sensiblement pareille au début de l'axe des X (c.-à-d. entre 0 et 0,2), mais montre une hausse saisissante avec un point culminant à la valeur de MPindex un peu inférieure à 0,4. À la suite de ce pic, la courbe s'abaisse aussi précipitamment et demeure inférieure aux deux autres pour la deuxième moitié de l'axe des X. Cela suggère que les entreprises n'ayant pas à affronter la concurrence d'une EMN dans leur marché principal ont des pratiques de gestion moins structurées.


2.3 PG et performance

Cette partie tente d'estimer la relation entre les PG et la performance des entreprises opérant au Canada tout en contrôlant pour les facteurs environnementaux et les caractéristiques de la firme. La relation estimée s'écrit comme suit :

P e r f i   =   γ 0 M P I i n d e x + γ 1 X i + γ 2 C O M P i + υ i
(3)

Perf dénote la performance économique de l'entreprise en 2008, mesurée soit par les vente par emploi (sales) or les profits par emploi (profits). Il est attendu que le paramètre estiméγ0, celui qui est associé à MPindex, soit positif tel que vu dans la littérature de BVR (voir par exemple Bloom et van Reenen 2010). Notez que même si les données de l'EISE sont disponibles pour 2009, les ventes et les profits pour 2009 ne l'étaient pas en temps opportun. L'hypothèse est donc faite que les PG n'ont pas changé de manière significative entre ces deux années. En plus des variables contenues dans X, le ratio capital sur emploi (cap) est aussi inclus. Il s'agit de la somme des actifs physiques et intangibles divisée par l'emploi.

La littérature empirique fournit quelques constats supportant l'idée que la concurrence augmente la productivité. Par exemple, Nickell (1996) a rapporté que l'augmentation du nombre de concurrents est associé à une croissance plus élevée de la productivité totale des facteurs. Aghion et coll. (2009) ont suggéré que l'entrée de nouvelles firmes peut augmenter la croissance de la productivité, mais seulement dans les industries près de la frontière technologique. Griffith et coll. (2010) ont également montré que l'augmentation de la concurrence dans l'Union européenne, mesuré par le niveau de profitabilité, a eu un impact positif sur la croissance de la productivité. Blanchflower and Machin (1995) n'ont cependant pas trouvé d'éléments de preuve supportant l'existence d'une relation positive entre la concurrence et la croissance de la productivité. Ces résultats suggèrent que les différentes mesures de concurrence sont importantes pour la performance des entreprises, ce qui justifie l'inclusion des variables COMP dans l'équation (3). La procédure ROBUSTREG de SAS a été utilisé pour estimer l'équation (3). Cette procédure utilise les résidus d'une régression linéaire initiale pour identifier les données aberrantes, autant en abcisse qu'en ordonnée. Des poids, basés sur ces résidus, sont alors appliqués aux données et le modèle est estimé en utilisant un algorithme itératif.Note de bas de page 2 Chaque donnée aberrante reçoit alors un poids plus faible qui peut même être égal à zéro dans les cas extrêmes. Enfin, les observations pour lesquelles le ratio des ventes sur l'emploi était égal à zéro ont été supprimés, mais les profits négatifs ne l'ont pas été.


2.4 PG et innovation

Il existe un certain nombres de constats en dehors de la littérature de BVR montrant que les actifs intangibles, tels que le capital humain et les changements organisationnels, sont positivement liés à l'innovation (Becheikh et coll. 2006). Dostie et Paré (2013) ont montré, en utilisant les données de l'Enquête sur le milieu de travail et les employés de 1999 à 2006, que les investissements des entreprises en formation en classe et en formation en cours d'emploi ont permis d'accroître l'innovation au Canada. Arvanitis et coll. (2013) sont parvenus à une conclusion similaire en ce qui a trait au capital humain et aux changements organisationnels en Suisse. La littérature de BVR ne renferme pas de résultats liant les PG et l'innovation, mais Bloom et coll. (2013) ont rapporté une corrélation positive entre la R-D (intrant à l'innovation) et les PG pour les établissements américains.

Les données de l'EISE suggèrent que l'innovation et les PG sont positivement liées. La figure 4 montre clairement que les entreprises qui ont introduit des innovations sont plus susceptibles d'avoir des PG structurées que les entreprises non-innovatrices. Afin de mieux étudier cette relation, les spécifications empiriques suivantes ont été estimées :

I i   =   δ 0 M P i + δ 1 X i + δ i C O M P i + μ i
(4)
I i k   =   δ 0 k M P i + δ i k X i + δ i k C O M P i + μ i k
(5)

À l'équation (4), I est une variable binaire indiquant si l'entreprise a innové entre 2007 et 2009. Un innovateur est défini comme une entreprise qui a introduit au moins un des quatre types d'innovation usuel : procédés (PRCS), organisationnelle (ORGZ), produit (PRDT) ou marketing (MRKT). En plus des mêmes variables qu'à l'Équation (2), le vecteur X contient les dépenses en R-D de 2004 et le nombre de technologies de pointe utilisées par l'entreprise en 2009. Puisqu'il est supposé que μ est distribué selon une loi normale, un Probit simple a été utilisé pour estimer la relation.

Figure 4 : Distributions de MPindex par statut d'innovateur
Densités pondérées, échantillon total N = 4,227 –

Graphique des distributions de MPindex par statut d'innovateur – Densités pondérées, échantillon total N = 4,227 – (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Description de la figure 4

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. Cette figure comporte trois courbes; la première représente les entreprises actives dans le secteur de la fabrication (la même courbe qu'à la figure 2), la deuxième, les entreprises ayant introduit une innovation entre 2007 et 2009, et la troisième courbe, les entreprises n'ayant pas introduit d'innovation pendant la même période. La courbe pour les entreprises innovatrices s'apparente étroitement à celle des entreprises actives dans le secteur de la fabrication bien qu'elle soit moins lisse. Celle représentant les entreprises non innovatrices est cependant nettement différente des autres courbes. Cette ligne montre en particulier un large pic situé un peu avant la valeur de 0,4 sur l'axe des X. À la suite de ce point culminant, la ligne s'abaisse rapidement et traverse sous les deux autres courbes environ à la valeur de 0,45 sur l'axe des X, et demeure sous celles-ci dans la deuxième moitié de l'axe. Cela montre que les entreprises non innovatrices sont plus susceptibles d'avoir des pratiques de gestion moins structurées comparativement aux entreprises innovatrices.

Pour l'équation (5), trois aggrégations supplémentaires des mesures d'innovation ont été utilisées : i) technologique (PRCS–PRDT) et non-technologique (ORGZ–MRKT); ii) PRCS–ORGZ et PRDT–MRKT; et iii) PRCS, ORGZ, PRDT et MRKT. Les variables d'innovation demeurent des variables binaires, mais k ensembles de paramètres sont estimés. Il a été supposé que les μk sont distribués selon une loi normale et corrélés entre eux. Des Probits multivariés ont donc été utilisés pour estimer l'équation (5). Il était attendu que certains δ seraient positifs, mais il n'était pas certain si la relation allait changer selon le type d'innovation considéré.

La littérature n'est pas claire sur l'impact de la concurrence sur l'innovation. Aghion et coll. (2001) ont montré qu'une augmentation de la concurrence sur le marché des produits a un impact positif sur l'innovation. De même, Aghion et coll. (2009) ont noté que l'entrée de concurrents augmente l'innovation dans les industries près de la frontière technologique, un résultat faisant écho à celui pour la productivité. Boone (2000) a cependant rapporté que l'effet de la concurrence sur l'innovation dépend de l'efficacité relative de l'entreprise par rapport à ses concurrents. Il est donc difficile, à la lumière de ce bref sommaire de la littérature, d'anticiper quelle sera la relation entre MPindex et COMP.


3. Données

La plupart des variables ont été dérivées de l'Enquête sur l'innovation et les stratégies d'entreprise 2009 (EISE). La population cible de l'EISE inclut toutes les entreprises d'au moins 20 employés et 250 000 $ en chiffre d'affaires dans les industries au code SCIAN 11 à 56. Les enterprises du secteur de la fabrication ont toutefois été sur-échantillonnées. Les statistiques et les résultats présentés dans ce rapport ont été pondérés, de sorte que les résultats peuvent être généralisés à la population cible. L'échantillon final de l'EISE consiste en 4 227 entreprises.

Les données sur les PG, l'intensité de la concurrence (à l'exception de l'indice de Lerner), l'innovation et l'utilisation de technologies de pointe proviennent de l'EISE. De plus, certaines variables explicatives telles que l'emplacement du siège social et la part de travailleurs avec un grade universitaire ont également été extraites de l'EISE. Les autres variables explicatives ont été dérivées du Régistre des entreprises (province, industrie et statut multi-établissement).

Les données de l'EISE ont été complétées par de l'information provenant d'autres bases de données administratives de Statistique Canada. Les variables pour les ventes, les profits, les actifs (physiques et intangibles) et le coût des biens vendus ont été extraites de l'Indice général des renseignements financiers. Les variables en dollars sont exprimées en M $ et ont été dégonflées en utilisant l'indice des prix du compte de la productivité canadienne (KLEMS) produit par Statistique Canada.

L'emploi a été extrait de la base de données du Programme d'analyse longitudinal de l'emploi. L'unité individuelle de main d'œuvre (UIM) a été utilisé pour construire toutes les variables d'emploi incluant la taille d'entreprise. L'UIM ne mesure pas le nombre d'employés. Elle est plutôt une variable dérivée qui reflète la part de l'emploi attribuable à une entreprise. Par exemple, si un employé travaille dans deux entreprises et que la moitié de ses revenus de travail provient de chaque enterprise, l'UIM de cet employé est égale à 0,5 pour chaque entreprise.

Les données sur les dépenses en R-D proviennent de la base Recherche et développement dans l'industrie canadienne. Pour l'année 2004, cette base est essentiellement un recensement de tous les exécutants de R-D au Canada. Ainsi, toute valeur manquante peut être considérée comme un zéro.


4. Résultats

4.1 Déterminants de MPindex

Le tableau 1 résume les résultats de la régression de MPindex sur les caractéristiques de l'entreprise et les indicateurs de concurrence. L'ensemble des paramètres estimés est présenté au tableau 4 de l'annexe D. Les résultats sont globalement robustes entre les secteurs et cohérents avec la littérature de BVR.

La taille d'entreprise est l'une des variables les plus importantes. Les résultats de la figure 1 (section 2), sont confirmés par le tableau 1 où l'on trouve une relation positive entre la taille de la firme et MPindex, et la valeur des paramètres estimés augmente avec la taille. Ces résultats s'appliquent aux deux secteurs et les paramètres estimés sont plus grands pour le secteur hors fabrication. Les entreprises avec un plus grand pourcentage de travailleurs avec un grade universitaire sont plus susceptibles d'avoir des PG bien structurées. L'emplacement du siège social a également de l'importance, plus particulièrement s'il se situe aux États-Unis. La variable indiquant le statut multi-établissements est correlée négativement avec MPindex, pour les entreprises non-manufacturières.

 
Tableau 1 : Sommaire de l'éq. (2) : déterminants de MPindex
– Var. dép. : MPindex, régression par MCO pondérés –
VariableManufacturierNon-manufacturier
– Caractéristiques –
MEDIUM0,10250,1544
LARGE0,10830,1827
XLARGE0,18730,2378
%LARGE0,00180,0026
HQ_US0,05860,0943
HQ_EU0,06680,0543
HQ_ROW0,0199−0,0994
MULTI0,0083−0,0211
Variables de concurrence
MNE0,05870,1022
#COMP−0,0081−0,0006
ENTRY0,0143−0,0306
#GOODS0,00060,0106
LERNER−0,00630,0998
Les paramètres estimés significatifs à un seuil de 0,10 ou moins sont en gras.
Les résultats détaillés sont présentés au tableau 4 de l'annexe D.

En termes de concurrence, la présence d'une EMN dans le marché principal du produit le plus vendu de l'entreprise est positivement correlé avec MPindex. Peu d'autres variables sont sigificatives. Tout comme dans l'étude de Bloom et van Reenen (2007), il existe une relation négative entre le nombre de concurrents dans le marché principal (#COMP) et MPindex pour les entreprises manufacturières. Pour les entreprises non-manufacturières, un lien positif a été identifié entre l'indice de Lerner et MPindex. L'exclusion de l'indice de Lerner a peu d'impact tel que montré au tableau 4 de l'annexe D.


4.2 Relations entre les ventes, les profits et MPindex

Le tableau 2 résume les résultats des régressions des ventes et des profits. L'ensemble des paramètres estimés est présenté au tableau 5 of Appendix D. La différence majeure entre les secteurs est que le coefficient estimé de MPindex est positif et significatif pour les entreprises manufacturières, et non-significatif pour les entreprises non-manufacturières.

Une explication plausible à ce résultat est l'hétérogénéité parmi les entreprises en dehors du secteur de la fabrication. Les figures 6 à 8 de l'annexe C semblent d'ailleurs confirmer la présence d'hétérogénéité. Ces figures montrent que, du moins en ce qui concerne les distributions de PG, les industries non-manufacturières sont moins similaires entre elles que ne le sont les industries à l'intérieur du secteur de la fabrication (Figure 5). Les résultats peuvent également être causés par des poids échantillonnaux élevés pour certaines entreprises non-manufacturières—la couverture de l'EISE étant moins complète en dehors du secteur de la fabrication.

Tableau 2 : Sommaire de l'éq. (3) : performance économique etMPindex
– Var. dép. : ventes et profits (intensité), régressions robustes pondérées –
ManufacturierNon-manufacturier
VariableVentesprofitsVentesprofits
– Caractéristiques –
cap++++
MPindex++ aucune donnée aucune donnée
MEDIUM++ aucune donnée
XLARGE+ aucune donnée
LARGE+
%UNIV aucune donnée+++
HQUS++++
HQEU++ aucune donnée aucune donnée
HQROW aucune donnée aucune donnée aucune donnée
MULTI++++
Variables de concurrence
MNE+ aucune donnée
#COMP aucune donnée+++
ENTRY aucune donnée aucune donnée
#GOODS aucune donnée
+/− : significatif au seuil de 0,10 ou moins.
Les résultats détaillés sont présentés au tableau 5 de l'annexe D.

Afin d'analyser plus en détail cette question, l'équation (3) a été estimée pour deux groupes distincts du secteur de la fabrication : celui basé sur les ressources naturelles et celui des industries mieux gérées. Le premier groupe inclut les secteurs à code SCIAN 11 (agriculture), 21 (mines et extraction de pétrole et gaz), 22 (services publics) et 23 (construction). Le second groupe inclut les secteurs à code SCIAN 52 (finance et assurances) et 54 (services professionnels) qui sont les deux secteurs dont la moyenne de MPindex est la plus élevée (Figure 7). Le coefficient estimé pour MPindex (non montré) est négatif et significatif dans la régression des ventes pour le groupe le mieux géré et dans la régression des profits pour le groupe des ressources. Bien que ces résultats semblent confirmer l'importance de l'hétérogénéité et les effets de la stratégie d'échantillonnage, il demeure difficiled'expliquer le signe négatif de MPindex.

L'absence de résultats significatifs pour MPindex au tableau 2 (non-manufacturier) peut aussi s'expliquer par le fait que les question sur les PG de l'EISE sont moins appropriées pour les activités non-manufacturières. Les essais menés avec le questionnaire ont révélé que les répondents dans les entreprises non-manufacturières ont eu plus de difficulté à répondre à certaines questions. Un cadre d'analyse différent, à l'instar de celui développé par l'Institute for Competitiveness and Prosperity (2010) pour le secteur de la vente au détail, aurait été plus adapté pour le secteur hors fabrication. Il n'a cependant pas été possible d'en développer un second lors de la conception de l'EISE. Ceci suggère que MPindex ne mesure peut-être pas adéquatement les PG dans les industries non-manufacturières.

En ce qui a trait aux indicateurs de concurrence, les résultats du tableau 2 indiquent que les enterprises faisant face à plus de concurrents (#COMP) sont plus susceptibles d'avoir de meilleures performances alors que c'est l'inverse pour celles dont le produit le plus vendu est en concurrence avec un nombre élevé de biens (#GOODS). La présence d'une EMN et l'entrée de nouveaux concurrents sont également négativement correlés avec les profits dans les deux secteurs. Deux conclusions s'imposent à la lumière de ces résultats. Tout d'abord, les corrélations entre les différents aspects de la concurrence et la performance des enterprises ont des signes différents. Ensuite, les profits semblent plus sensibles à la concurrence en comparaison avec les ventes.

Parmi les autres variables, le coefficient estimé du ratio capital-emploi cap a un signe positif dans toutes les spécifications, ce qui est aussi le cas pour HQ_US (siège social situé aux États-Unis) et MULTI (établissements multiples). Le pourcentage de travailleurs avec un grade universitaire est correlé positivement avec la performance économique, sauf dans la régression des ventes pour le secteur de la fabrication. Finalement, la performance économique des entreprises augmente avec la taille seulement pour les entreprises manufacturières dans la régression des ventes.


4.3 Relations entre l'innovation et MPindex

Le tableau 3 résume les résultats pour les régressions d'innovation. Le colonne (1) montre les résultats pour l'indicateur général d'innovation; la colonne (2) montre ceux pour l'innovation technologique et non-technologique; la colonne (3) montre les résultats pour les groupes d'innovation PRDT–MRKT et PRCS–ORGZ; et la dernière colonne montre les résultats pour les quatre types d'innovation. Tous les paramètres estimés sont présentés aux tableaux (5) à (7) de l'annexe D.

Le résultat le plus important est la corrélation estimée positive entre MPindex et l'innovation. Ce résultat est valide pour tous les indicateurs de l'innovation dans le secteur de la fabrication et pour la majorité des indicateurs dans le secteur hors fabrication. Il s'agit d'un résultat important car il met en évidence le rôle majeur de PG pour l'innovation, et ce, même lorsque l'on tient compte des autres variables explicatives telles que les intrants de l'innovation, la taille et la structure de l'entreprise et les indicateurs de concurrence.

Des deux intrants de l'innovation, les dépenses en R-D (RD) et le nombre de technologies de pointe utilisées (ADVTECH), seul le second est positivement correlé avec l'innovation. Pour les entreprises manufacturières, cette relation s'applique pour toues les mesures aggrégées de l'innovation tel que le montrent les colonnes (1), (2) et (3). À l'opposé, pour les entreprises non-manufacturières, les résultats suggèrent que ADVTECH est positivement correlé avec l'innovation de PRCS, ORGZ et de PRDT.

RD est significatif seulement pour l'innovation technologique introduite par les entreprises non-manufacturières (colonne (2)). Même si un résultat similaire apparaît dans Brouillette (2013), la R-D demeure importante pour l'innovation au Canada. Il est probable que la R-D affecte indirectement l'innovation, par exemple via l'utilisation de technologies de pointe.

L'influence des indicateurs de concurrence dépend de la façon dont la concurrence est mesurée. Le résultat le plus important est pour l'entrée de nouveaux concurrents sur le marché principal du produit le plus vendu de l'entreprise. Le paramètre estimé de ENTRY est systématiquement positif et significatif pour tous les types d'innovation dans la régression pour le secteur de la fabrication et pour la plupart des cas dans la régression pour le secteur hors fabrication, ce qui est cohérent avec l'étude de Aghion et coll. (2009). Un autre aspect de la concurrence qui est positivement correlé avec l'innovation est la présence d'une EMN dans le marché principal de l'entreprise, quoi qu'il y ait un moins grand nombre de relations significatives. Ces résultats s'appliquent indistinctement aux secteurs de la fabrication et hors fabrication. Le lien entre le nombre de concurrents dans le marché principal est globalement négatif pour les deux secteurs. Ce résultat s'oppose à celui pour l'analyse de performance économique où la relation était positive et significative.

Les résultats montrent également un petit nombre de corrélations positives entre l'innovation et %UNIV pour les entreprises manufacturières, mais pas pour les celles en dehors de ce secteur. Ce résultat contraste avec celui de l'analyse de la performance économique où %UNIV est plus important pour les entreprises non-manufacturières.

Tableau 3 : Sommaire de l'éq. (4) et (5) : Innovation et MPindex
– Dep. var. : voir tableau, Probit pondéré –
Manufacturier
Variable(1) aucune donnée(2) aucune donnée(3) aucune donnée(4)
INNO aucune donnéeTECHNTECH aucune donnéePD–MKPC–OG aucune donnéePRCSORGZPRDTMRKT
– Caractéristiques –
MP index+ aucune donnée++ aucune donnée++ aucune donnée++++
RD aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
ADVTECH+ aucune donnée++ aucune donnée++ aucune donnée aucune donnée aucune donnée aucune donnée
MEDIUM aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
LARGE aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
XLARGE aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée++++
%UNIV aucune donnée aucune donnée aucune donnée+ aucune donnée+ aucune donnée aucune donnée aucune donnée aucune donnée++
HQ_US aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
HQ_EU aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée aucune donnée
HQ_ROW aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
MULTI aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
Variables de concurrence
MNE+ aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée
#COMP aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
ENTRY+ aucune donnée++ aucune donnée++ aucune donnée++++
#GOODS aucune donnée aucune donnée+ aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée aucune donnée++
Tableau 3 : Sommaire de l'éq. (4) et (5): Innovation et MPindex
– Dep. var. : voir tableau, Probit pondéré –(Non-manufacturier)
Non-Manufacturier
Variable(1)(2)(3)(4)
INNOTECHNTECHPD–MKPC–OGPRCSORGZPRDTMRKT
– Caractéristiques –
MP aucune donnée aucune donnée aucune donnée+ aucune donnée++ aucune donnée++ aucune donnée+
RD aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
ADVTECH+ aucune donnée+ aucune donnée aucune donnée aucune donnée+ aucune donnée+++ aucune donnée
MEDIUM  aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée
LARGE+ aucune donnée aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée+ aucune donnée+
XLARGE aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée aucune donnée aucune donnée++ aucune donnée
%UNIV aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
HQ_US aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée aucune donnée+ aucune donnée aucune donnée
HQ_EU aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
HQ_ROW aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
MULTI aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
Variables de concurrence
MNE+ aucune donnée+ aucune donnée aucune donnée aucune donnée+ aucune donnée+ aucune donnée+ aucune donnée
#COMP aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée+ aucune donnée
ENTRY+ aucune donnée++ aucune donnée+ aucune donnée aucune donnée aucune donnée+++
#GOODS aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée aucune donnée
+/− : significatif au seuil de 0,10 ou moins.
Les résultats détaillés sont présentés aux tableaux 5, 6 et 7 de l'annexe D.

La relation entre la taille d'entreprise et l'innovation est moins claire. En comparaison avec les petites entreprises, les grandes et très grandes entreprises non-manufacturières sont plus susceptibles d'innover, mais ce résultat varie en fonction de l'indicateur d'innovation utilisé. Les résultats sont encore plus flous pour les entreprises manufacturières. Finalement, le lien entre l'innovation et l'emplacement du siège social et le statut multi-établissement est généralement négatif.


5. Conclusion

Cette analyse confirme l'existence d'une corrélation positive entre la performance économique et innovatrice des entreprises et des pratiques de gestion (PG) bien structurée. Cette étude fournit également des constats sur le rôle de la concurrence.

Les résultats montre de grandes différences dans les distributions des PG entre les industries. La taille d'entreprise, la présence d'une entreprises multinationale (EMN) dans le marché principal de l'entreprise, avoir son siège social situé aux États-Unis et le pourcentage de travailleurs avec un grade universitaire sont les principaux déterminants des PG. En termes de performance, les PG sont positivement correlés avec l'intensité des ventes et des profits dans le secteur de la fabrication, ce qui n'est pas le cas pour le secteur hors fabrication. Au contraire, les PG sont importantes pour toutes les industries en ce qui a trait à l'innovation. Enfin, le rôle de la concurrence dépend de sa nature et, dans une certaine mesure, de l'industrie considérée. La présence d'une EMN et l'entrée de nouveaux concurrents sont positivement correlés avec l'innovation alors que c'est le nombre de concurrents qui importe pour la performance des entreprises.

Du point de vue de politique publique, l'analyse fait ressortir l'importance des actifs intangibles pour la performance et l'innovation des entreprises. Bien que cette étude se concentre uniquement sur les PG, il est probable que d'autres actifs intangibles, tels que l'éducation des gestionnaires, les investissements en capital humain et la gestion de la propriété intellectuelle soient également important pour la croissance et l'innovation. Plus de recherche est nécessaire sur ces facteurs, au niveau de l'entreprise, afin de mieux comprendre leurs interactions avec la croissance de la productivité. Ceci permettra de mieux supporter les entreprises de sorte à ce qu'elles puissent atteindre leur plein potentiel.

Deux mises en garde sont de rigueur. La première concerne les limites des données pour les indicateurs de performance. Tel que décrit à la section 3, ces données ne sont pas disponible après 2008. Puisque la majorité des données de l'EISE couvre seulement 2009—c'est le cas pour les PG et la concurrence—il est implicitement supposé que ces variables n'ont pas changé entre 2008 et 2009.

La seconde mise en garde concerne l'endogénéité de l'indice des PG. Il s'agit d'une limitation majeure à cette étude, mais il n'a pas été possible de la contourner en raison de l'absence d'instruments valides. Ceci pourrait cependant changer avec les données de l'EISE de 2014. En combinant les enquêtes de 2009 et de 2012, il sera possible de comparer le changement des PG avec le changement de la performance ou de l'innovation. Ceci ne sera possible que si l'environnement de données utilisé pour cette étude est mise à jour avec des années de données additionnelles pour les bases administratives.


Bibliographie

  • Aghion, Philippe, Chistopher Harris, Peter Howitt, et John Vickers (2001) 'Competition, Imitation and Growth with Step-by-Step Innovation.' Review of Economic Studies 68(3), 467–492.
  • Aghion, Philippe, Richard Blundell, Rachel Griffith, Peter Howitt, et Susanne Prantl (2009) 'The Effect of Entry on Incumbent Innovation and Productivity.' Review of Economics and Statistics 91(1), 20–32.
  • Alchian, Armen A., et Harold Demsetz (1972) 'Production, Information Costs, and Economic Organization.' American Economic Review 62(5), 777–795.
  • Arvanitis, Spyros, Euripidis N. Loukis, et Vasiliki Diamantopoulou (2013) 'Are ICT, Workplace Organization and Human Capital Relevant for Innovation? A Comparative Study Based on Swiss and Greek Micro Data.' KOF, document de travail no 333.
  • Autor, David H., et David Scarborough (2008) 'Does Job Testing Harm Minority Workers? Evidence from Retail Establishments.' Quarterly Journal of Economics 123(1), 219–277.
  • Bandiera, Oriana, Iwan Barankay, et Imran Rasul (2007) 'Incentives for managers and inequality among workers: Evidence from a firm-level experiment.' The Quarterly Journal of Economics 122(2), 729–773.
  • Bartelsman, Eric J., et Mark E. Doms (2000) 'Understanding Productivity: Lessons from Longitudinal Microdata.' Journal of Economic Literature 38(3), 569-594.
  • Becheikh, Nizar, Réjean Landry, et Nabil Amara (2006) 'Lesson from Innovation Empirical Studies in the Manufacturing Sector: A Systematic Review of the Literature from 2993–2003.' Technovation 26(5–6), 644–664.
  • Bertrand, Marianne, et Antoinette Schoar (2003) 'Managing with Style: The Effect of Managers on Firms Policies.' Quarterly Journal of Economics 68(4), 1169–1208.
  • Black, Sandra, et Lisa M. Lynch (2001) 'How to Compete: The Impact of Workplace Practices and Information Technology on Productivity.' The Review of Economics and Statistics 83(3), 434–445.
  • Blanchflower, David, et Stephen Machin (1995) 'Product Market Competition, Wages, and Productivity: International Evidence from Establishment-Level Data'.
  • Bloom, Nicholas (2010) 'Measuring and Explaining Management Practices in Canada'.
  • Bloom, Nicholas, et John Van Reenen (2006) 'Measuring and Explaining Management Practices Across Firms and Countries'

    — (2007) 'Measuring and Explaining Management Practices Across Firms and Countries.' Quarterly Journal of Economics 122(4), 1351–1408.

    — (2010) 'Why Do Management Practices Differ across Firms and Countries?' Journal of Economic Perspectives 24(1), 203–224.

  • Bloom, Nicholas, et Raffaella Sadun (2009) 'Do Private Equity-Owned Firms Have Better Management Practice?' Globalization of Alternatice Investments, Document de travail volume 2 – The Global Economic Impact of Private Equity Report 2009, ed. Anuradha Guring et Josh Lerner (World Economic Forum).
  • Bloom, Nicholas, Benn Eifert, Aprajit Mahajan, David McKenzie, et John Roberts (2011) 'Does Management Matter? Evidence from India.' International Growth Center, document de travail no 10/0873.
  • Bloom, Nicholas, Carol Propper, Stephan Seiler, et John Van Reenen (2010) 'The Impact of Competition on Management Quality: Evidence from Public Hospital.' Center for Economic Performance, document de discussion no 983.
  • Bloom, Nicholas, Erik Brynjolfsson, Lucia Foster, Ron Jarmin, Itay Saporta-Eksten, et John Van Reenen (2013) 'Management in America.' Présenté au congrès de l'American Economic Association 2013.
  • Bloom, Nicholas, Raffaella Sadun, et John Van Reenen (2012a) 'Americans Do IT Better: US Multinationals and the Productivity Miracle.' American Economic Review 102(1), 167–201.

    — (2012b) 'Management as a Technology.' Présenté au congrès de l'American Economic Association 2013.

  • Boone, Jan (2000) 'Competitive Pressure: The Effects on Investments in Product and Process Innovation.' RAND Journal of Economics 31(3), 549-569.
  • Bresnahan, Timothy F. (1999) 'Computerisation and Wage Dispersion: An Analytical Reinterpretation.' Economic Journal 109(456), F390–415.
  • Bresnahan, Timothy F., Erik Brynjolfsson, et Lorin M. Hitt (2002) 'Information Technology, Workplace Organization, and the Demand for Skilled Labor: Firm-Level Evidence.' The Quarterly Journal of Economics 117, 339–376.
  • Brouillette, Dany (2013) 'Drivers of Innovation, Complementarity of Innovation, and Performance of Enterprises in Canada.' mimeo, Industry Canada.
  • Cappelli, Peter, et David Neumark (1999) 'Do "High Performance" Work Practices Improves Establishment-Level Outcomes?' NBER, document de travail 7374. Comité d'experts sur l'innovation des entreprises (2009) 'Innovation et stratégies d'entreprise : pourquoi le Canada n'est pas à la hauteur.' Conseil canadien des académies (CCA).
  • Dostie, Benoit, et Jonathan Paré (2013) 'Formation Parrainée par l'Employeur et Performance en Innovation.' Centre sur la productivité et la prospérité.
  • Drummond, Don, et Alistair Bentley (2010) 'The productivity puzzle: Why is the Canadian record so poor and what can be done about it?' Rapport économique spécial de TD.
  • Griffith, Rachel, Rupert Harrison, et Helen Simpson (2010) 'Product Market Reform and Innovation in the EU.' Scandinavian Journal of Economics 112(2), 389–415.
  • Groupe d'étude sur les politiques en matière de concurrence (2008) 'Foncer pour gagner.' Gouvernement du Canada, Ottawa.
  • Groupe d'experts sur la recherche-développement (2012) 'Innovation Canada : Le pouvoir d'agir.' Gouvernement du Canada, Ottawa.
  • Huselid, Mark A. (1995) 'The Impact of Human Resource Management Practices on Turnover, Productivity, and Corporate Financial Performance.' Academy of Management Journal 38(3), 635–672.
  • Ichniowski, Casey, Kathryn Shaw, et Giovanna Prennushi (1997) 'The Effects of Human Resource Management Practices on Productivity: A Study of Steel Finishing Lines.' American Economic Review 87(3), 291–313.
  • Industrie Canada (2011) 'Innovation et stratégies d'entreprise : Une perspective canadienne.' Gouvernement of Canada, Ottawa.
  • Institute for Competitiveness and Prosperity (2009) 'Management Matters.' ICAP, document de travail 12, Toronto.

    — (2010) 'Management Matters in Retail.' ICAP, document de travail 13, Toronto.

  • Lazear, Edward P. (2000) 'Performance Pay and Productivity.' American Economic Review 90(5), 1346–1361.
  • Macduffie, John Paul (1995) 'Human Resource Bundles and Manufacturing Performance: Organizational Logic and Flexible Production Systems in the World Auto Industry.' Industrial and Labour Relations Review 48(2), 197–221.
  • Nickell, Stephen J. (1996) 'Competition and Corporate Performance.' Journal of Political Economy 104(4), 724–746.
  • Osterman, Paul (1994) 'How Common Is Workplace Transformation and Who Adopts it?' Industrial and Labour Relations Review 47(2), 173–188.
  • Oyer, Paul, et Scott Schaefer (2011) 'Personnel Economics: Hiring and Incentives.' Handbook of Labor Economics, voumel 4b, ed. Orley Ashenfelter et David Card (North Holland) pp. 1769–1823.
  • Powell, Thomas C. (1995) 'Total Quality Management as Competitive Advantage: A Review and Empirical Study.' Strategic Management Journal 16(1), 15–37.
  • Syverson, Chad (2004a) 'Market Structure and Productivity: A Concrete Example.' Journal of Political Economy 112(6), 1181–1222.

    — (2004b) 'Product Substitutability and Productivity Dispersion.' The Review of Economics and Statistics 86(2), 534–550.

    — (2011) 'What Determines Productivity.' Journal of Economic Literature 49(2), 326–365.

  • Van Reenen, John (2011) 'Boss-Onomics: Does Management Matter?' Industrie Canada, série des conférenciers éminents.

Annexe A. Les indices des pratiques de gestion

A.1 Comparaison des indicateurs des PG de BVR et de l'EISE

Comparaison du contenu des indices de BVR et de l'EISE
Indice de BVR
Bloom et Van Reenen (2007)
Type d'indicateurs de BVRIndice de l'EISE
(MPindex)
1 Fabrication moderne, introductionOpérationsPas d'équivalent
2 Fabrication moderne, justificationOpérationsPas d'équivalent
3 Processus de documentationOpérationsQ52L'entreprise a un processus systématique pour résoudre les problèmes liés à la production de biens ou la fourniture de services
4 Suivi de la performanceSuiviQ53Nombre d'indicateurs de rendement de la production (IRP) contrôlés par l'entreprise
5 Évaluation de la performanceSuiviQ54Fréquence à laquelle les IRP sont montrés aux gestionnaires des opérations
Q55Fréquence à laquelle les IRP sont montrés aux travailleurs
Q56Fréquence à laquelle les IRP sont examinés par les cadres
6 Dialogue sur la performanceSuiviQ62Les employés participent au processus décisionnel quant à l'affectation des tâches
7 Gestion des conséquencesSuiviPas d'équivalent
8 Etendue des objectifsObjectifsPas d'équivalent
9 Relations entre les objectifsObjectifsPas d'équivalent
10 Horizons temporel des objectifsObjectifsQ58Échelle des temps des objectifs de rendement de l'entreprise pour son produit le plus vendu
11 Les objectifs sont appropriésObjectifsPas d'équivalent
12 Mesure claire de la performanceSuiviQ64dDes ententes officielles de rendement fondés sur des résultats objectifs et quantifiables sont préparés au moins une fois par année pour les cadres
Q64e, Q64f Des évaluations officielles sont effectuées pour la majorité des gestionnaires et des travailleurs au moins une fois par année
13 Gestion du capital humainObjectifsPas d'équivalent
14 Bonne performance récompenséeIncitatifsQ59Récompense pour l'atteinte des objectifs de rendement de la production
15 Traitement des mauvais employésIncitatifsQ61Politique de l'entreprise lorsque les employés ne rencontrent pas les exigences
16 Promotion des bons employésIncitatifsQ60Méthode de promotion des employés dans l'entreprise
Q64bDes programmes de formation structurés sont disponibles pour enseigner aux employés les compétences nécessaires à leur travail
Q64cDes programmes de formation structurés sont disponibles afin d'améliorer les possibilités d'avancement des employés
17 Attirer le capital humainIncitatifsQ64aAu moins une méthodes suivantes de sélection des candidats est utilisées : tests de personnalité; tests d'intelligence et d'aptitude, tests d'activité professionnelles
18 Retenir le capital humainIncitatifsQ64gDes programmes d'encouragement (régime d'actionnariat, régime d'intéressement, prime au mérite) sont mis à la disposition du personnel d'exécution
Q64hIncitatifs programs are available to managerial, supervisory, or executive employees
Q64iIncitatifs programs are available to all employees

A.2 Détails de MPindex

Indicateurs et score de MPindex
QUESTION SCORE QUESTION SCORE
Q52 Processus systématique pour résoudre les problèmes Non 0 Q64a Méthodes de sélection des candidats utilisées Non 0
Oui 1 Oui 1
Q53 #IRP Aucun 0 Q64b Formation pour compétences Non 0
Au moins un 1 Oui 1
Q54 Fréq. IRP montrés aux gestionnaires Jamais/Ne sait pas 0 Q64c Formation pour promotion Non 0
Toute fréquence 1 Oui 1
Q55 Fréq. IRP montrés au travailleurs Jamais/Ne sait pas 0 Q64d Ententes officielles Non 0
Toute fréquence 1 Oui 1
Q56 Fréq. IRP montrés au cadres Ne sait pas 0 Q64e Évaluation des travailleurs Non 0
Rarement 13 Oui 1
Périodiquement 23
Continuellement 1
Q58 Échelle de temps pour les objectifs de performance Aucun objectif 0 Q64f Évaluation des gestionnaires Non 0
Court terme 13 Oui 1
Long terme 23
Les deux 1
Q59 Récompenses Aucun 0 Q64g Incitatifs des travailleurs Non 0
Gestionnaires ½ Oui 1
Tous 1
Q60 Promotion basés sur... Ancienneté 0 Q64h Encouragement pour les gestionnaires et les cadres Non 0
Effort et ancienneté ½ Oui 1
Effort 1
Q61 Si employés ne rencontrent pas les exigences Pas déplacés 0 Q64i Incitatifs pour tous Non 0
Avertis 13 Oui 1
Avertis, formés 23
Déplacés 1
Q62 Les employés prennent des décitions Non 0
Oui 1

La structure du questionnaire de l'EISE est telle que les Q54 à Q59 ne sont répondus que si le nombre d'indicateurs de rendement de la production contrôlés (Q53) est supérieur à zéro. Cela signifie que le score maximal est de 14, et non de 19, pour les firmes qui n'en contrôle aucun. Un score de 0 a cependant été assigné à ces entreprises pour les Q54–Q59 afin qu'une entreprise avec moins de PG obtienne une valeur de MPindex plus faible qu'une autre ayant plus de PG. Sans cette hypothèse, l'entreprise A avec MPindex = 13/14 (0,93) devancerait l'entreprise B avec MPindex = 17/19 (0,89). L'entreprise B devraient cependant devancer l'entreprise A puisque qu'elle utilise plus de PG et que sa performance pour les indicateurs autres que ceux des Q54–Q59 est aussi bonne que celle de l'entreprise A.


Annexe B. Définitions des variables

Variables dépendantes
NOMDESCRIPTIONSOURCE
MPIndice des pratiques de gestion (2009)EISE
salesRatio ventes sur emploi M$ (2008)IGRF, PALE
profitsRatio profits sur emploi M$ (2008)IGRF, PALE
INNO= 1 si l'entreprise a innové (2007-2009)EISE
IPRCS= 1 si innovation de PRCS a été introduite (2007-2009)EISE
IORGZ = 1 si innovation ORGZ a été introduite (2007-2009)EISE
IPRDT = 1 si innovation de PRDT a été introduite (2007-2009)EISE
IMRKT= 1 si innovation en MRKT a été introduite (2007-2009)EISE
ITECH= 1 si PRCS ou PRDT ont été introduites (2007-2009)EISE
INONTECH= 1 si ORGZ ou MRKT ont été introduites (2007-2009)EISE
IPDMK= 1 si PRDT ou MRKT ont été introduites (2007-2009)EISE
IPCOG = 1 si PRCS ou ORGZ ont été introduites (2007-2009) EISE
Varibles de concurrence
NOMDESCRIPTIONSOURCE
MNE= 1 si une EMN est présente sur le marché principal (2009)EISE
#COMPNombre de concurrents dans le marché principal (2009)
Catégories : 1 = 1 conc.; 2 = 2 conc.; 3 = 3 conc.;
4 = 4-5 conc.; 5 = 6-10 conc.;
6 = 11-20 conc.; 7 = 20+ conc.
EISE
ENTRY= 1 si un nouveau concurrent est sur le marché principal (2009)EISE
#GOODSNombre de produits concurrents sur le marché principal (2009)
Catégories : 1 = 1-2 prod.; 2 = 2-4 prod.; 3 = 5-7 prod.;
4 = 8-9 prod.; 5 = 10-19 prod.; 6 = 20-49 prod.;
7 = 50-100 prod.; 8 = 100+ prod.
EISE
SALESVentes en M$ (2008)IGRF
COGS Coûts des biens vendus en M$ (2008) IGRF
LERNER Indice de Lerner (2008): ( S A L E S C O G S ) S A L E S IGRF
Variables de contrôle
NOMDESCRIPTIONSOURCE
SIZEVariables binaires pour la taille d'entreprise (UIM) (2009)
SMALL: [20-50[ UIM; MEDIUM: [50-100[ UIM;
LARGE: [100-250[ UIM; XLARGE: 250+ UIM.
SMALL est la référence.
PALE
PROVVariables binaires pour l'emplacement de l'entreprise (2009)
QC : Québec; ON : Ontario; AB : Alberta;
BC : Colombie-Britannique; RDC : Reste du Canada.
ON est la référence.
RE
NAICSVariables binaires pour les industries (2009)
MANU_1 : NAICS 31; MANU 2: NAICS 32;
MANU_3 : NAICS 33; RES: NAICS 11, 21, 22 and 2
SERV : NAICS 41, 44–45, 48–49, 51, 52, 53, 54, 55 and 56.
MANU_1 est la référence pour le secteur de la fabrication
RES est la référence pour le secteur hors fabrication.
RE
HQVariables binaires pour l'emplacement du siège social (2009)
HQ_CA : Canada; HQ US : États-Unis;
HQ_EU : Europe; HQ_ROW : Tous les autres pays.
HQ_CA est la référence.
EISE
%UNIVPourcentage de travailleurs avec un grade universitaire (2009)EISE
MULTI = 1 si l'entreprise a plusieurs établissementsRE
CAP Somme des actifs physiques et intangibles en M$(2008)IGRF
capratio de CAP sur l'emploi en M$ (2008)IGRF
RD Dépenses en R-D en M$ (2004) RDIC
ADVTECH Nombre de technologies de pointe utilisées (2009) EISE

Annexe C. Statistiques descriptives (pondérées)

Statistiques par secteur
– Manufacturier N = 2 890 –
MP 0,54 [0,4] #COMP (%) SIZE (%)
salesNote de bas de page b ($M) 0,16 [0,2] 1 3,9 [0,4] SMALL 54,3
profitsNote de bas de page c ($M) 0,04 [0,1] 2 4,9 [0,5] MEDIUM 24,3
INNO (%) 81,2 [0,9] 3 9,0 [0,6] LARGE 13,8
I P R C S 58,1 [1,2] 4,5 24,4 [1,0] XLARGE 7,2
I O R G Z 53,9 [1,2] 6,10 23,2 [1,0] PROV (%)
I P R D T 48,6 [1,1] 11,20 9,8 [0,7] ON 41,9
I M R K T 40,0 [1,1] 20+ 24,8 [1,0] QC 28,5
I T E C C 70,3 #goods (%) AB 9,1
I N T E C H 64,5 0,2 18,4 BC 12,2
I P D M K 61,8 2,4 23,4 ROC 8,3
I P C O G 71,5 5,7 15,1 HQ (%)
CAPNote de bas de page b ($M) 0,08 [0,2] 8,9 2,3 HQ_CA 88,2 [0,5]
RDNote de bas de page e ($M) 0,90 [12,6] 10,19 16,0 HQ_US 7,6 [0,4]
advtech 1,64 [3,8] 20,49 10,2 HQ_EU 3,1 [0,3]
%univNote de bas de page a (%) 11,1 [2,7] 50,100 3,6 hq_row 1,1 [0,2]
multi (%) 15,5 1,0+ 11,2
MNE (%) 66,0 [1,1] naics (%)
entry (%) 31,1 [1,1] MANU_1 16,7
lernerNote de bas de page d 0,28 manu_2 30,4
manu_3 52,9

Lorsque disponibles, les écarts-types sont entre crochets.

Sources : Statistique Canada eise, igrf, pale, rdic et re.

Statistiques par secteur (hors fabrication)
– Non-manufacturierNote de bas de page g N = 1 337 –
MP 0,45 [1,4] #COMP (%) SIZE (%)
salesNote de bas de page h ($M) 0,18 [1,0] 1 2,9 [1,5] SMALL 59,1
profitsNote de bas de page i ($M) 0,05 [0,3] 2 6,1 [3,4] MEDIUM 18,8
INNO (%) 63,6 [5,4] 3 13,9 [2,3] LARGE 17,0
I P R C S 27,9 [3,9] 4,5 9,8 [1,5] XLARGE 5,1
I O R G Z 30,2 [4,2] 6,10 28,9 [4,4] PROV (%)
I P R D T 31,6 [4,2] 11,20 17,4 [4,4] ON 36,2
I M R K T 34,3 [4,3] 20+ 21,1 [3,2] QC 27,1
I T E C C 47,3 #goods (%) AB 12,1
I N T E C H 47,0 0,2 24,4 BC 11,8
I P D M K 44,1 2,4 22,7 ROC 12,9
I P C O G 45,3 5,7 12,6 HQ (%)
CAPNote de bas de page h ($M) 0,09 [1,2] 8,9 4,1 HQ_CA 95,4 [0,9]
RDNote de bas de page k ($M) 3,26 [40,1] 10,19 18,2 HQ_US 3,8 [0,9]
advtech 0,97 [9,5] 20,49 9,2 HQ_EU 0,5 [0,1]
% univNote de bas de page f (%) 16,9 [7,7] 50,100 3,1 hq_row 0,3 [0,1]
multi (%) 21,1 1,0+ 5,7
MNE (%) 46,4 [5,5] naics (%)
entry (%) 32,7 [5,2] serv 75,5
lernerNote de bas de page j 0,45 RES 24,5

Lorsque disponibles, les écarts-types sont entre crochets.

Sources : Statistique Canada EISE, IGRF, PALE, RDIC et RE.

Les tailles d'échantillon pour les régressions des ventes et des profits sont plus petites que l'échantillon totale de l'EISE (4 227). Quatre facteurs expliquent ceci. Tout d'abord, certaines observations sont manquantes pour les ventes et les profits (IGRF). De plus, tel que mentionné à la section 2.3, la procédure ROBUSTREG de SAS élimine certaines données aberrantes car elle leur donne un poids—à ne pas confondre avec le poid échantillonnal—égale à zéro. Ensuite, les entreprises avec un ratio ventes sur emploi égale à zéro ont été enlevées. Les profits négatives ont cependant été conservés. Enfin, l'indice de Lerner a été contraint à l'intervalle [−10,0].

Figure 5 : Distributions de M P i n d e x pour les codes scian 31, 32 et 33

Graphique des distributions de MPindex pour les codes SCIAN 31, 32 et 33 (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Note : La taille des industries est est fondée sur les unités de travail distinctes.
Description de la figure 5

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. Cette figure comporte quatre courbes; la première représente les entreprises actives dans le secteur de la fabrication (la même courbe qu'à la figure 2) et les trois autres, les entreprises actives dans trois sous-secteurs de la production manufacturière, soit ceux correspondant respectivement aux codes scian 31, scian 32 et scian 33. Les courbes pour ces trois sous-secteurs de la fabrication ressemblent étroitement à celle représentant l'ensemble de ce secteur. La courbe illustrant le sous-secteur au code scian 31 est légèrement supérieure près du début de l'axe des X et légèrement inférieure près de sa fin à celle représentant l'ensemble du secteur de la fabrication. Les courbes pour les sous-secteurs aux codes scian 32 et scian 33 ressemblent encore davantage à celle pour l'ensemble du secteur de la fabrication et elles sont presque identiques. La figure suggère qu'il y a peu de variations dans les pratiques de gestion des entreprises manufacturières ventilées selon les codes scian à deux chiffres.

Figure 6 : Distributions de M P i n d e x pour scian 21 et 22

Graphique des distributions de MPindex pour SCIAN 21 et 22 (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009
Description de la figure 6

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. Cette figure comporte trois courbes; la première représente les entreprises actives dans le secteur de la fabrication (la même courbe qu'à la figure 2) et les deux autres, des sous-ensembles d'entreprises actives dans le secteur hors fabrication correspondant aux codes scian 21 (extraction minière, exploitation en carrière, et extraction de pétrole et de gaz) et scian 22 (services publics). La courbe représentant le sous-secteur au code scian 21 est légèrement plus aplatie que celle représentant l'ensemble du secteur de la fabrication. La courbe pour le sous-secteur au code scian 21 est cependant sensiblement plus élevée que celle représentant l'ensemble du secteur de la fabrication près du début de l'axe des X alors qu'elle est semblable près de la fin de l'axe. Les courbes montrent que bien que les entreprises actives dans le sous-secteur au code scian 21 aient une concentration semblable près de l'extrémité du côté droit de M P i n d e x , elles manifestent une concentration supérieure vers le début de l'axe, et inférieure près de son milieu. En comparaison, la courbe représentant le sous-secteur au code scian 22 diffère de façon importante des deux autres courbes; elle montre un pic relativement élevé situé juste avant la valeur de 0,4 sur l'axe des X. Cela suggère que les entreprises actives dans ce sous-secteur ont une concentration beaucoup plus élevée dont la valeur de M P i n d e x est près de la moyenne pour le secteur hors fabrication (0,48). Cette figure, ainsi que les figures 5, 7 et 8, mettent en lumière qu'il y a davantage de variations dans la répartition des entreprises selon leurs valeurs de M P i n d e x parmi celles aux codes scian à deux chiffres du secteur hors fabrication comparativement à celles aux codes scian à deux chiffres du secteur de la fabrication.

Figure 7 : Distributions de M P i n d e x pour scian 51, 52 et 54

Graphique des distributions de MPindex pour SCIAN 51, 52 et 54 (la description détaillée se trouve après l'image)
Source : Enquête sur l'innovation et les stratégies d'entreprise, 2009

* Toutes les industries applicables sauf pour scian 21, 22, 31 à 33, 48, 51, 52 et 54.

Description de la figure 7

Cette figure illustre la distribution des entreprises d'après les valeurs de leur indice des pratiques de gestion parmi les valeurs potentielles qui sont comprises entre 0 et 1 sur l'axe des X. Remarquez que l'axe des Y a été supprimé pour des motifs de confidentialité. Cette figure comporte quatre courbes; la première représente les entreprises actives dans le secteur de la fabrication (la même courbe qu'à la figure 2) et les trois autres, des sous-ensembles d'entreprises actives dans le secteur hors fabrication aux codes scian 51 (industrie de l'information et industrie culturelle), scian 52 (finance et assurances) et scian 54 (services professionnels, scientifiques et techniques). La courbe pour le sous-secteur au code scian 51 s'élève près du début de l'axe des X (de 0 à 0,2), puis la ligne est surtout plate, indiquant peu de changements jusqu'à une décroissance près de la fin de l'axe (de 0,8 à 1). Cette ligne montre que ce sous-secteur manifeste la concentration la plus élevée vers le début de M P i n d e x (entre 0 et 0,3). Celle pour le sous-secteur au code scian 52 est en hausse constante le long de la plus grande partie de l'axe des X (jusqu'à environ la valeur de 0,85) avant de s'abaisser. Cette courbe montre que le sous-secteur au code scian 52 manifeste la concentration la plus élevée à l'extrémité supérieure de M P i n d e x (entre 0,8 et 1). Celle pour le sous-secteur au code scian 54 est aussi en hausse constante le long de l'axe, cette fois jusqu'à la valeur d'environ 0,6, puis décroît de façon régulière dans la partie restante de l'axe. Cette figure, ainsi que les figures 5, 6 et 8, mettent en lumière qu'il y a davantage de variations dans la répartition des entreprises selon leurs valeurs de M P i n d e x parmi celles aux codes scian à deux chiffres du secteur hors fabrication comparativement à celles aux codes scian à deux chiffres du secteur de la fabrication.


Annexe D Résultats détaillés

Tableau 4 : Résultats détaillés pour l'équation (2)
Var. dép. : MPindex, régression par MCO pondérés
(Caractéristiques)

Tableau 4 : Résultats détaillés pour l'équation (2) – Var. dép. : MPindex, régression par MCO pondérés – (Caractéristiques)
VariableManufacturierNon-manufacturier
– Caractéristiques –
CONS0,4032Note de bas de page a0,4067Note de bas de page a0,2514Note de bas de page a0,3127Note de bas de page a
(0,0001)(0,0001)(0,0002)(0,0001)
MEDIUM0,1025Note de bas de page a0,1001Note de bas de page a0,1544Note de bas de page a0,1539Note de bas de page a
(0,0004)(0,0004)(0,0003)(0,0001)
LARGE0,1083Note de bas de page a0,1060Note de bas de page a0,1827Note de bas de page a0,1855Note de bas de page a
(0,0001)(0,0001)(0,0001)(0,0001)
XLARGE0,1873Note de bas de page a0,1851Note de bas de page a0,2378Note de bas de page a0,2465Note de bas de page a
(0,0001)(0,0001)(0,0001)(0,0001)
%UNIV0,0018Note de bas de page a0,0019Note de bas de page a0,0026Note de bas de page a0,0027Note de bas de page a
(0,0003)(0,0001)(0,0001)(0,0001)
HQ_US0,0586Note de bas de page a0,0602Note de bas de page a0,0943Note de bas de page a0,0606
(0,0003)(0,0001)(0,0081)(0,1111)
HQ_EU0,0668Note de bas de page a0,0671Note de bas de page a−0,01210,02690
(0,0006)(0,0004)(0,8326)(0,6497)
HQ_ROW0,01990,01990,05430,1040
(0,4080)(0,389)(0,5673)(0,2006)
MULTI0,00830,0080−0,0994Note de bas de page a−0,1031Note de bas de page a
(0,5735)(0,5698)(0,0188)(0,0046)
SERV−0,0211−0,0215
(0,6316)(0,5758)
MANU_20,0489Note de bas de page a0,0459Note de bas de page a
(0,0004)(0,0006)
MANU_30,0579Note de bas de page a0,0550Note de bas de page a
(0,0004)(0,0006)
QC−0,0331Note de bas de page b−0,0303Note de bas de page b0,03730,0292
(0,0660)(0,0863)(0,3890)(0,4438)
AB−0,007−0,00580,02100,0368
(0,7708)(0,7975)(0,6766)(0,3742)
BC−0,0212−0,0156−0,0530−0,0556
(0,3229)(0,4534)(0,3054)(0,2627)
ROC−0,0101−0,0118−0,01090,0293
(0,6409)(0,5826)(0,7510)(0,3104)

Les p-values sont entre parenthèses.

Tableau 4 : Résultats détaillés pour l'équation (2) – (suite)
– Var. dép. : MPindex, régression par MCO pondérés –
(Variables de concurrence)

Tableau 4 : Résultats détaillés pour l'équation (2) – Var. dép. : MPindex, régression par MCO pondérés – (Variables de concurrence)
VariableManufacturierNon-manufacturier
Variables de concurrence
MNE0,0587Note de bas de page c0,0597Note de bas de page c0,1022Note de bas de page c0,0995Note de bas de page c
(0,0001)(0,0001)(0,0029)(0,0011)
#COMP0,0081Note de bas de page c0,0086Note de bas de page c0,00060,0062
(0,0135)(0,0070)(0,9490)(0,4647)
ENTRY0,01430,01460,03060,0261
(0,3395)(0,3139)(0,4013)(0,4101)
#GOODS0,00060,00080,01060,0134Note de bas de page c
(0,8277)(0,7718)(0,1104)(0,0354)
LERNER0,00630,0998Note de bas de page c
(0,8168)(0,0129)
N2,7302,8901,1291,337
R-SQUARE0,21280,43610,20860,3951

Les p-values sont entre parenthèses.

Tableau 5 : Résultats détaillés pour les équations (3) et (4)
– Var. dép. : salesNote de bas de page 3, profitsNote de bas de page 3 et INNO regressions – Caractéristiques

Tableau 5 : Résultats détaillés pour les équations (3) et (4)
– Var. dép. : sales, profits et INNO, régressions par MCO et Probit pondérés –
VariableManufacturierNon-manufacturier
salesprofitsINNOsalesprofitsINNO
Caractéristiques
CONS0,0751Note de bas de page d0,0162Note de bas de page d−0,6298Note de bas de page d0,1673Note de bas de page d0,0314Note de bas de page d−1,2375Note de bas de page d
(0,0000)(0,0000)(0,0000)(0,0000)(0,0000)(0,0170)
cap0,3117Note de bas de page d0,0507Note de bas de page d0,0939Note de bas de page d0,0950Note de bas de page d
(0,0000)(0,0000)(0,0000)(0,0000)
M P i n d e x 0,0494Note de bas de page d0,0232Note de bas de page d2,1554Note de bas de page d−0,0116−0,0011Note de bas de page d0,7406
(0,0000)(0,0000)(0,0000)(0,1928)(0,7063)(0,2590)
RD0,10600,0782
(0,2240)(0,3830)
ADV_TECH0,2320Note de bas de page d0,4232Note de bas de page d
(0,0000)(0,0000)
MEDIUM0,0145Note de bas de page d0,0031Note de bas de page d−0,02180,0021−0,0125Note de bas de page d−0,1451
(0,0000)(0,0009)(0,8420)(0,4898)(0,0000)(0,6820)
LARGE0,0138Note de bas de page d−0,0042Note de bas de page d−0,0629−0,0034−0,0149Note de bas de page d1,1507Note de bas de page d
(0,0011)(0,0110)(0,5680)(0,3348)(0,0000)−0,0040
XLARGE0,0159Note de bas de page e−0,0120Note de bas de page d−0,2490Note de bas de page e−0,1177Note de bas de page d−0,0270Note de bas de page d0,8465Note de bas de page d
(0,0765)(0,0004)(0,0640)(0,0000)(0,0000)(0,0440)
%UNIV(0,0000)0,0002Note de bas de page d0,00540,0004Note de bas de page d0,0003Note de bas de page d−0,0035
(0,8533)(0,0000)(0,1050)(0,0000)(0,0000)(0,4450)
HQ_US0,0057Note de bas de page d0,0059Note de bas de page d−0,10720,1082Note de bas de page d0,0692Note de bas de page e0,5129
(0,0000)(0,0107)(0,4130)(0,0000)(0,0000)(0,2020)
HQ_EU0,0102Note de bas de page d0,0105Note de bas de page d−0,11170,02410,00760,0171
(0,0000)(0,0100)(0,5620)(0,8543)(0,8071)(0,9780)
HQ_ROW0,0216−0,0188Note de bas de page d−0,3737−0,1444−0,01770,1221
(0,2594)(0,0172)(0,1590)(0,3149)(0,6231)(0,8360)
MULTI0,0118Note de bas de page d0,0045Note de bas de page d−0,1773Note de bas de page e0,3147Note de bas de page d0,0140Note de bas de page d−0,6923Note de bas de page d
(0,0027)(0,0026)(0,0920)(0,0000)(0,0000)(0,0200)
SERV−0,0824Note de bas de page d−0,00010,5240
(0,0000)(0,9095)(0,1190)
MANU_20,0172Note de bas de page d0,0043Note de bas de page d0,2798Note de bas de page d
(0,0000)(0,0019)(0,0130)
MANU_30,0232Note de bas de page d0,0048Note de bas de page d0,2188Note de bas de page d
(0,0000)(0,0001)(0,0370)
QC−0,0187Note de bas de page d−0,0063Note de bas de page d−0,01110,0177Note de bas de page d0,0029Note de bas de page d0,3758
(0,0000)(0,0000)(0,9140)(0,0000)(0,0153)(0,2080)
AB0,0067Note de bas de page e0,0068Note de bas de page d−0,4310Note de bas de page d−0,0554Note de bas de page d0,0091Note de bas de page d0,3256
(0,0772)(0,0000)(0,0020)(0,0000)(0,0000)(0,4550)
BC−0,0115Note de bas de page d−0,0026Note de bas de page d−0,0121−0,0411Note de bas de page d−0,0045Note de bas de page d−0,1816
(0,0005)(0,0430)(0,9290)(0,0000)(0,0299)(0,6540)
ROC−0,0174Note de bas de page d−0,0073Note de bas de page d−0,1189−0,0517Note de bas de page d−0,0188Note de bas de page d−0,3666
(0,0000)(0,0000)(0,3960)(0,0000)(0,0000)(0,3870)

N w = 0 : Nombre d'observations pour lesquelles les poids de la procédure ROBUSTREG sont de zéro
N REG : Nombre final d'observations pour les régressions robustreg.
Les p-values sont entre parenthèses.

Tableau 5 : Résultats détaillés pour l'équations (3) et (4) – (suite)
Var. dép. : salesNote de bas de page 4, profitsNote de bas de page 4 et INNO, régressions par MCO et Probit pondérés
(Variables de concurrence)

Tableau 5 : Résultats détaillés pour les équations (3) et (4)
– Var. dép. : sales, profits et INNO, régressions par MCO et Probit pondérés
(Variables de concurrence)
VariableManufacturierNon-manufacturier
sales profits INNO sales profits INNO
– Variables de concurrence –
MNE0,0118Note de bas de page e0,0046Note de bas de page e0,2123Note de bas de page e−0,0033−0,0097Note de bas de page e0,8614Note de bas de page e
(0,0000)(0,0000)(0,0180)(0,2134)(0,0000)(0,002)
#COMP−0,0029Note de bas de page e−0,0003−0,0425Note de bas de page f0,0047Note de bas de page e0,0042Note de bas de page e0,0417
(0,0000)(0,2062)(0,0980)(0,0000)(0,0000)(0,5850)
ENTRY−0,00110,00000,3650Note de bas de page e−0,0036−0,0018Note de bas de page e0,9936Note de bas de page e
(0,6232)(0,9951)(0,0000)(0,1473)(0,0399)(0,0020)
#GOODS0,00030,00010,0222−0,0029Note de bas de page e−0,0018Note de bas de page e−0,1174Note de bas de page e
(0,4532)(0,6915)(0,2440)(0,0007)(0,0000)(0,0280)
NTOTAL 2,6882,7071,1041,208
Nw=0 15412310366
NREG 2,5342,5841,0011,1422,8901,337

Nw=0 : Nombre d'observations pour lesquelles les poids de la procédure ROBUSTREG sont de zéro.
NREG : Nombre final d'observations pour les régressions ROBUSTREG.
Les p-values sont entre parenthèses.

Tableau 6 : Résultats détaillés pour l'équation (5)
– Var. dép. : ITECH, INON-TECH, IPD-MK et IPC-OG Probit bivariées pondérés –
(Caractéristiques)

Tableau 6 : Résultats détaillés pour l'équation (5)
– Var. dép. :ITECH,INON-TECH,IPD-MKandIPC-OGProbit bivariées pondérés –
VariableManufacturierNon-Manufacturier
 ITECHINON-TECHIPD-MKIPC-OGITECHINON-TECHIPD-MKIPC-OG
– Caractéristiques –
CONS0,6765Note de bas de page g1,6133Note de bas de page g0,9958Note de bas de page g0,9958Note de bas de page g1,2980Note de bas de page g1,4362Note de bas de page g1,8312Note de bas de page g2,2768Note de bas de page g
(0,0000)0.00.00.0(0,0190)(0,0060)(0,0010)0.0
MP index 1,7467Note de bas de page g2,6589Note de bas de page g0,9284Note de bas de page g2,2058Note de bas de page g0,54561,8365Note de bas de page g1,1644Note de bas de page g2,3178Note de bas de page g
(0,0000)0.0(0,010)0.0(0,3590)(0,0010)(0,030)0.0
RD0,03180,00600,00420,01950,1112Note de bas de page g0,01190,00850,0009
(0,4630)(0,1850)(0,6680)(0,2840)(0,0460)(0,6550)(0,5960)(0,970)
ADV_TECH0,2234Note de bas de page g0,1646Note de bas de page g0,1824Note de bas de page g0,2070Note de bas de page g0,3061Note de bas de page g0,08860,10990,4023Note de bas de page g
(0,0000)(0,0000)(0,0000)(0,0000)(0,0000)(0,2430)(0,180)(0,0000)
MEDIUM0,05380,05330,2077Note de bas de page h0,04010,17920,24150,23860,0027
(0,5970)(0,5750)(0,0740)(0,6820)(0,5960)(0,4150)(0,4720)(0,9940)
LARGE0,01300,1907Note de bas de page g0,03250,03400,00760,7307Note de bas de page g0,5528Note de bas de page h0,4802
(0,8960)(0,0410)(0,7280)(0,730)(0,9810)(0,0270)(0,0960)(0,1240)
XLARGE0,03690,2931Note de bas de page g0,16400,15250,35930,55370,9272Note de bas de page g0,5116
(0,7560)(0,0090)(0,1360)(0,1950)(0,3750)(0,1570)(0,010)(0,1720)
%UNIV0,00410,0048Note de bas de page g0,0114Note de bas de page g0,00010,00670,00390,00350,0047
(0,1550)(0,0450)(0,0020)(0,9730)(0,1020)(0,2970)(0,2920)(0,3120)
HQ_US0,3205Note de bas de page g0,06630,01370,11710,03130,56030,00740,9015Note de bas de page g
(0,0130)(0,5640)(0,9090)(0,3480)(0,9460)(0,1480)(0,9870)(0,0110)
HQ_EU0,20370,02740,09010,01140,03340,26860,14170,4095
(0,2500)(0,8690)(0,5790)(0,9480)(0,9330)(0,5260)(0,7450)(0,460)
HQ_ROW0,4840Note de bas de page g0,4585Note de bas de page g0,18360,4398Note de bas de page g0,03810,14240,72320,2596
(0,0240)(0,0310)(0,420)(0,0430)(0,9370)(0,8430)(0,3220)(0,580)
MULTI0,15370,02050,03950,11110,42030,21840,03701,3776Note de bas de page g
(0,1050)(0,8220)(0,6770)(0,240)(0,1390)(0,5030)(0,9060)0.0
SERV0,36770,7463Note de bas de page g0,8700Note de bas de page g0,1605
(0,2490)(0,0250)(0,0150)(0,5560)
MANU_20,1751Note de bas de page h0,05760,03880,2439Note de bas de page g
(0,0820)(0,5630)(0,6860)(0,0170)
MANU_30,1560Note de bas de page h0,04460,00610,1191
(0,0990)(0,6330)(0,950)(0,2110)
QC0,08100,1486Note de bas de page h0,1962Note de bas de page g0,07950,16340,5942Note de bas de page g0,5393Note de bas de page h0,1118
(0,3840)(0,0960)(0,0440)(0,3850)(0,5670)(0,0460)(0,0690)(0,6590)
AB0,4756Note de bas de page g0,08380,2624Note de bas de page h0,2100,02060,22660,44680,4930
(0,0000)(0,4910)(0,0530)(0,1010)(0,960)(0,5130)(0,2290)(0,1710)
BC0,06270,18240,10300,04780,06860,03630,10130,3182
(0,6180)(0,110)(0,4090)(0,6940)(0,8560)(0,9290)(0,7970)(0,3360)
ROC0,09550,06650,06030,11950,36370,51070,09390,4863Note de bas de page h
(0,4560)(0,5850)(0,6510)(0,3380)(0,3310)(0,1150)(0,8030)(0,0950)

Les p-values sont entre parenthèses.

Tableau 6 : Résultats détaillés pour l'équations (5) – (suite)
– Var. dép. : ITECH, INON-TECH, IPD-MK et IPC-OG Probit bivariées pondérés –
(Variables de concurrence)

Tableau 6 : Detailed results of Equations (5)
– Var. dép. :ITECH,INON-TECH,IPD-MKandIPC-OGProbit bivariées pondérés –
VariableManufacturierNon-Manufacturier
 ITECHINON-TECHIPD-MKIPC-OGITECHINON-TECHIPD-MKIPC-OG
– Variables de concurrence –
MNE0,08820,09200,1353Note de bas de page j0,02571,0230Note de bas de page i0,13180,04960,8919Note de bas de page i
(0,2770)(0,2440)(0,0940)(0,7530)(0,0000)(0,5940)(0,8410)(0,0000)
#COMP0,0582Note de bas de page i0,02070,03350,00190,03580,1326Note de bas de page j0,02260,0435
(0,0170)(0,3720)(0,140)(0,9350)(0,6710)(0,0520)(0,7640)(0,4580)
ENTRY0,3330Note de bas de page i0,3186Note de bas de page i0,3157Note de bas de page i0,1446Note de bas de page j0,9473Note de bas de page i1,1182Note de bas de page i1,1408Note de bas de page i0,3007
(0,0000)(0,0000)(0,0000)(0,0770)(0,0020)(0,0000)(0,0000)(0,2060)
#GOODS0,0336Note de bas de page i0,02640,0391Note de bas de page i0,01510,0986Note de bas de page i0,04500,07450,0116
(0,0440)(0,1160)(0,0220)(0,3710)(0,0340)(0,3250)(0,1190)(0,7920)
N2,8902,8901,3371,337
0,4132Note de bas de page i0,3988Note de bas de page i0,4007Note de bas de page i0,3190Note de bas de page i

Les p-values sont entre parenthèses.

Tableau 7 : Résultats détaillés pour l'équations (5)
– Var. dép. : IPRCS, IORGZ, IPRDT et IMRKT Probit multivariés pondérés –
(Caractéristiques)

Tableau 7 : Résultats détaillés pour l'équations (5)
– Var. dép. : IPRCS, IORGZ,IPRDTandIMRKTProbit multivariés pondérés –
VariableManufacturierNon-manufacturier
 PRDTORGZPRDTMRKTPRDTORGZPRDTMRKT
– Caractéristiques –
CONS-1,0364Note de bas de page k-1,9299Note de bas de page k−0,9625Note de bas de page k-1,2442Note de bas de page k-1,9216Note de bas de page k-2,5825Note de bas de page k-1,7676Note de bas de page k-1,9739Note de bas de page k
(0,0000)0,00000,00000,00000,00000,0000−0,00100,0000
MPindex1,8407Note de bas de page k2,6694Note de bas de page k0,6937Note de bas de page k1,1656Note de bas de page k0,8562Note de bas de page l2,7276Note de bas de page k0,74091,2384Note de bas de page k
(0,0000)0,0000−0,01400,0000−0,09700,0000−0,1830−0,0110
RD0,0076−0,00100,01930,00060,0000−0,00350,01470,0208
(0,4520)−0,8490−0,1510−0,8930−0,9960−0,7050−0,2210−0,1490
ADVTECH−0,0217−0,0090−0,1835Note de bas de page k−0,11280,3478Note de bas de page k0,2003Note de bas de page k0,1951Note de bas de page k−0,0174
(0,8220)−0,9240−0,0740−0,27800,0000−0,0040−0,0120−0,7810
MEDIUM−0,0467−0,1560Note de bas de page l0,0525−0,0719−0,26730,31360,5614Note de bas de page l−0,0559
(0,6040)−0,0800−0,5570−0,4130−0,4260−0,2880−0,0800−0,8490
LARGE−0,0679−0,2733Note de bas de page *−0,0893−0,2020Note de bas de page l−0,05850,5997Note de bas de page k0,00010,6742Note de bas de page k
(0,5330)−0,0150−0,4120−0,0640−0,8630−0,0230-1,0000−0,0290
XLARGE0,2315Note de bas de page k0,1500Note de bas de page k0,1738Note de bas de page k0,1514Note de bas de page k0,27610,7148Note de bas de page k0,7894Note de bas de page k0,1917
(0,0000)0,00000,00000,0000−0,4460−0,0280−0,0250−0,6100
%UNIV−0,00300,00280,0102Note de bas de page k0,0056Note de bas de page k−0,00490,00440,0020−0,0012
(0,2100)−0,18900,0000−0,0300−0,3080−0,1900−0,5100−0,7140
HQUS−0,4647Note de bas de page k−0,06320,0092−0,16930,54801,2791Note de bas de page k0,4407−0,2119
(0,0000)−0,5930−0,9360−0,1490−0,23900,0000−0,3250−0,6120
HQEU−0,2752Note de bas de page l0,14380,0396−0,1822−0,05190,2798−0,2781−0,0202
(0,0840)−0,3590−0,7910−0,2180−0,8900−0,4840−0,4680−0,9630
HQROW−0,3801Note de bas de page l−0,4642Note de bas de page k−0,3653Note de bas de page l−0,11090,28650,0554−0,8006−0,2358
(0,0620)−0,0140−0,0850−0,6110−0,4280−0,9250−0,2680−0,7020
MULTI−0,10300,0290−0,06780,0700−0,6982Note de bas de page k−0,9863Note de bas de page k−0,12150,0374
(0,2470)−0,7480−0,4660−0,4670−0,00300,0000−0,6680−0,9000
SERV−0,06050,4740Note de bas de page l0,8704Note de bas de page k0,9717Note de bas de page k
(0,8330)−0,0920−0,0130−0,0060
MANU20,13130,13570,0643−0,1028
(0,1700)−0,1720−0,5070−0,2680
MANU30,04880,09550,0185−0,1863Note de bas de page k
(0,5920)−0,3120−0,8460−0,0440
QC0,06420,1648Note de bas de page l0,2001Note de bas de page k0,1048−0,4710Note de bas de page l0,4666Note de bas de page k0,32140,4472
(0,4620)−0,0550−0,0250−0,2420−0,0970−0,0500−0,2400−0,1000
AB−0,2618Note de bas de page k−0,1483−0,3305Note de bas de page k−0,10850,2341−0,0632−0,1259−0,4815
(0,0410)−0,2190−0,0090−0,4240−0,5460−0,8320−0,7250−0,1500
BC−0,06960,11500,01460,1665−0,37080,51670,39470,0269
(0,5410)−0,3050−0,9020−0,1470−0,2420−0,1350−0,2990−0,9480
ROC−0,05830,0304−0,0279−0,0951−0,4455−0,21130,2105−0,4242
(0,6400)−0,8030−0,8230−0,4550−0,1380−0,4650−0,5860−0,1700

Les p-values sont entre parenthèses.

Tableau 7 : Résultats détaillés pour l'équations (5) – (suite)
– Var. dép. : IPRCS, IORGZ, IPRDT et IMRKT Probit multivariés pondérés –
(Variables de concurrence)

Tableau 7 : Résultats détaillés pour l'équation (5)
– Var. dép. :IPRCS,IORGZ,IPRDTandIMRKTweighted multivariate Probit –
VariableManufacturierNon-manufacturier
 PRDTORGZPRDTMRKTPRDTORGZPRDTMRKT
– Variables de concurrence –
MNE−0,05590,03880,1735Note de bas de page m−0,01410,7933Note de bas de page m0,2840,5025Note de bas de page m0,1515
−0,478−0,613−0,027−0.86−0,001−0,145−0,029−0,514
#COMP−0,00580,032−0,0506Note de bas de page m−0,00580,1699Note de bas de page m−0,1275Note de bas de page m−0,1682Note de bas de page m−0,0552
−0,796−0,158−0,022−0,794−0,027−0,016−0,025−0,443
ENTRY0,2032Note de bas de page m0,2623Note de bas de page m0,3076Note de bas de page m0,2975Note de bas de page m−0.160,7168Note de bas de page m1,3516Note de bas de page m1,1618Note de bas de page m
−0,008−0,00100−0,499000
#GOODS0,0140.010,0503Note de bas de page m0,0366Note de bas de page m−0,0731Note de bas de page **0,0125−0,0553−0,0367
−0,367−0,545−0,002−0,023−0,077−0.75−0,222−0,404
N2,8901,337
120,4217Note de bas de page m0,2087Note de bas de page n
130,3842Note de bas de page m0,2726Note de bas de page m
140,2368Note de bas de page m−0,0518
230,2547Note de bas de page m0,5523Note de bas de page m
240,3565Note de bas de page m0,5062Note de bas de page m
340,4040Note de bas de page m0,6603Note de bas de page m

Les p-values sont entre parenthèses.