Version PDF
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 (), 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 varie selon les industries et que les grandes enterprises sont plus susceptibles d'avoir des pratiques de gestion plus structurées. Une corrélation positive entre 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 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
- 2. Cadre d'analyse
- 3. Données
- 4. Resultats
- 5. Conclusion
- Bibliographie
- Annexe A : Les indices des pratiques de gestion
- Annexe B : Définitions des variables
- Annexe C : Statistiques descriptives (pondérées)
- Annexe D : Résultats détaillés
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 () diffère entre les secteurs; ii) les variables positivement correlées avec 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) est positivement correlé avec l'intensité des ventes et des profits pour les entreprises manufacturières; iv) 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
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 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 ( ) 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), prend une valeur entre 0 et 1. 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 .
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 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) :
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 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 par taille d'entreprise
– Densités pondérées, taille d'échantillon N = 4,227 –
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 par secteur
– Densités pondérées, échantillon total N = 4,227 –
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 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 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 par la présence d'EMN
– Densités pondérées, échantillon total N = 4,227 –
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 :
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 estimé, celui qui est associé à , 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 :
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 est distribué selon une loi normale, un Probit simple a été utilisé pour estimer la relation.
Figure 4 : Distributions de par statut d'innovateur
Densités pondérées, échantillon total N = 4,227 –
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 ensembles de paramètres sont estimés. Il a été supposé que les 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 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 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
Le tableau 1 résume les résultats de la régression de 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 , 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 , pour les entreprises non-manufacturières.
Variable | Manufacturier | Non-manufacturier |
---|---|---|
– Caractéristiques – | ||
MEDIUM | 0,1025 | 0,1544 |
LARGE | 0,1083 | 0,1827 |
XLARGE | 0,1873 | 0,2378 |
%LARGE | 0,0018 | 0,0026 |
HQ_US | 0,0586 | 0,0943 |
HQ_EU | 0,0668 | 0,0543 |
HQ_ROW | 0,0199 | −0,0994 |
MULTI | 0,0083 | −0,0211 |
–Variables de concurrence – | ||
MNE | 0,0587 | 0,1022 |
#COMP | −0,0081 | −0,0006 |
ENTRY | 0,0143 | −0,0306 |
#GOODS | 0,0006 | 0,0106 |
LERNER | −0,0063 | 0,0998 |
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 . 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 pour les entreprises manufacturières. Pour les entreprises non-manufacturières, un lien positif a été identifié entre l'indice de Lerner et . 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
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 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.
Manufacturier | Non-manufacturier | |||
---|---|---|---|---|
Variable | Ventes | profits | Ventes | profits |
– Caractéristiques – | ||||
cap | + | + | + | + |
+ | + | 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 est la plus élevée (Figure 7). Le coefficient estimé pour (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 .
L'absence de résultats significatifs pour 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 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
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 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.
Manufacturier | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Variable | (1) | aucune donnée | (2) | aucune donnée | (3) | aucune donnée | (4) | |||||
INNO | aucune donnée | TECH | NTECH | aucune donnée | PD–MK | PC–OG | aucune donnée | PRCS | ORGZ | PRDT | MRKT | |
– Caractéristiques – | ||||||||||||
+ | 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 | + | + |
Non-Manufacturier | ||||||||||||
---|---|---|---|---|---|---|---|---|---|---|---|---|
Variable | (1) | (2) | (3) | (4) | ||||||||
INNO | TECH | NTECH | PD–MK | PC–OG | PRCS | ORGZ | PRDT | MRKT | ||||
– 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
Indice de BVR Bloom et Van Reenen (2007) | Type d'indicateurs de BVR | Indice de l'EISE () | |
---|---|---|---|
1 Fabrication moderne, introduction | Opérations | Pas d'équivalent | |
2 Fabrication moderne, justification | Opérations | Pas d'équivalent | |
3 Processus de documentation | Opérations | Q52 | L'entreprise a un processus systématique pour résoudre les problèmes liés à la production de biens ou la fourniture de services |
4 Suivi de la performance | Suivi | Q53 | Nombre d'indicateurs de rendement de la production (IRP) contrôlés par l'entreprise |
5 Évaluation de la performance | Suivi | Q54 | Fréquence à laquelle les IRP sont montrés aux gestionnaires des opérations |
Q55 | Fréquence à laquelle les IRP sont montrés aux travailleurs | ||
Q56 | Fréquence à laquelle les IRP sont examinés par les cadres | ||
6 Dialogue sur la performance | Suivi | Q62 | Les employés participent au processus décisionnel quant à l'affectation des tâches |
7 Gestion des conséquences | Suivi | Pas d'équivalent | |
8 Etendue des objectifs | Objectifs | Pas d'équivalent | |
9 Relations entre les objectifs | Objectifs | Pas d'équivalent | |
10 Horizons temporel des objectifs | Objectifs | Q58 | Échelle des temps des objectifs de rendement de l'entreprise pour son produit le plus vendu |
11 Les objectifs sont appropriés | Objectifs | Pas d'équivalent | |
12 Mesure claire de la performance | Suivi | Q64d | Des 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 humain | Objectifs | Pas d'équivalent | |
14 Bonne performance récompensée | Incitatifs | Q59 | Récompense pour l'atteinte des objectifs de rendement de la production |
15 Traitement des mauvais employés | Incitatifs | Q61 | Politique de l'entreprise lorsque les employés ne rencontrent pas les exigences |
16 Promotion des bons employés | Incitatifs | Q60 | Méthode de promotion des employés dans l'entreprise |
Q64b | Des programmes de formation structurés sont disponibles pour enseigner aux employés les compétences nécessaires à leur travail | ||
Q64c | Des programmes de formation structurés sont disponibles afin d'améliorer les possibilités d'avancement des employés | ||
17 Attirer le capital humain | Incitatifs | Q64a | Au 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 humain | Incitatifs | Q64g | Des programmes d'encouragement (régime d'actionnariat, régime d'intéressement, prime au mérite) sont mis à la disposition du personnel d'exécution |
Q64h | Incitatifs programs are available to managerial, supervisory, or executive employees | ||
Q64i | Incitatifs programs are available to all employees |
A.2 Détails de
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 | Oui | 1 | |||
Périodiquement | |||||
Continuellement | 1 | ||||
Q58 Échelle de temps pour les objectifs de performance | Aucun objectif | 0 | Q64f Évaluation des gestionnaires | Non | 0 |
Court terme | Oui | 1 | |||
Long terme | |||||
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 | Oui | 1 | |||
Avertis, formés | |||||
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 plus faible qu'une autre ayant plus de PG. Sans cette hypothèse, l'entreprise A avec = 13/14 (0,93) devancerait l'entreprise B avec = 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
NOM | DESCRIPTION | SOURCE |
---|---|---|
MP | Indice des pratiques de gestion (2009) | EISE |
sales | Ratio ventes sur emploi M$ (2008) | IGRF, PALE |
profits | Ratio profits sur emploi M$ (2008) | IGRF, PALE |
INNO | = 1 si l'entreprise a innové (2007-2009) | EISE |
= 1 si innovation de PRCS a été introduite (2007-2009) | EISE | |
= 1 si innovation ORGZ a été introduite (2007-2009) | EISE | |
= 1 si innovation de PRDT a été introduite (2007-2009) | EISE | |
= 1 si innovation en MRKT a été introduite (2007-2009) | EISE | |
= 1 si PRCS ou PRDT ont été introduites (2007-2009) | EISE | |
= 1 si ORGZ ou MRKT ont été introduites (2007-2009) | EISE | |
= 1 si PRDT ou MRKT ont été introduites (2007-2009) | EISE | |
= 1 si PRCS ou ORGZ ont été introduites (2007-2009) | EISE |
NOM | DESCRIPTION | SOURCE |
---|---|---|
MNE | = 1 si une EMN est présente sur le marché principal (2009) | EISE |
#COMP | Nombre 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 |
#GOODS | Nombre 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 |
SALES | Ventes en M$ (2008) | IGRF |
COGS | Coûts des biens vendus en M$ (2008) | IGRF |
LERNER | Indice de Lerner (2008): | IGRF |
NOM | DESCRIPTION | SOURCE |
---|---|---|
SIZE | Variables 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 |
PROV | Variables 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 |
NAICS | Variables 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 |
HQ | Variables 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 |
%UNIV | Pourcentage de travailleurs avec un grade universitaire (2009) | EISE |
MULTI | = 1 si l'entreprise a plusieurs établissements | RE |
CAP | Somme des actifs physiques et intangibles en M$(2008) | IGRF |
cap | ratio de CAP sur l'emploi en M$ (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)
– 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 |
58,1 [1,2] | 4,5 | 24,4 [1,0] | XLARGE | 7,2 | |
53,9 [1,2] | 6,10 | 23,2 [1,0] | PROV (%) | ||
48,6 [1,1] | 11,20 | 9,8 [0,7] | ON | 41,9 | |
40,0 [1,1] | 20+ | 24,8 [1,0] | QC | 28,5 | |
70,3 | #goods (%) | AB | 9,1 | ||
64,5 | 0,2 | 18,4 | BC | 12,2 | |
61,8 | 2,4 | 23,4 | ROC | 8,3 | |
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. |
– 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 |
27,9 [3,9] | 4,5 | 9,8 [1,5] | XLARGE | 5,1 | |
30,2 [4,2] | 6,10 | 28,9 [4,4] | PROV (%) | ||
31,6 [4,2] | 11,20 | 17,4 [4,4] | ON | 36,2 | |
34,3 [4,3] | 20+ | 21,1 [3,2] | QC | 27,1 | |
47,3 | #goods (%) | AB | 12,1 | ||
47,0 | 0,2 | 24,4 | BC | 11,8 | |
44,1 | 2,4 | 22,7 | ROC | 12,9 | |
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 pour les codes scian 31, 32 et 33
Note : La taille des industries est est fondée sur les unités de travail distinctes.
Figure 6 : Distributions de pour scian 21 et 22
Figure 7 : Distributions de pour scian 51, 52 et 54
* Toutes les industries applicables sauf pour scian 21, 22, 31 à 33, 48, 51, 52 et 54.
Annexe D Résultats détaillés
Tableau 4 : Résultats détaillés pour l'équation (2)
– Var. dép. : , régression par MCO pondérés –
(Caractéristiques)
Variable | Manufacturier | Non-manufacturier | ||
---|---|---|---|---|
– Caractéristiques – | ||||
CONS | 0,4032Note de bas de page a | 0,4067Note de bas de page a | 0,2514Note de bas de page a | 0,3127Note de bas de page a |
(0,0001) | (0,0001) | (0,0002) | (0,0001) | |
MEDIUM | 0,1025Note de bas de page a | 0,1001Note de bas de page a | 0,1544Note de bas de page a | 0,1539Note de bas de page a |
(0,0004) | (0,0004) | (0,0003) | (0,0001) | |
LARGE | 0,1083Note de bas de page a | 0,1060Note de bas de page a | 0,1827Note de bas de page a | 0,1855Note de bas de page a |
(0,0001) | (0,0001) | (0,0001) | (0,0001) | |
XLARGE | 0,1873Note de bas de page a | 0,1851Note de bas de page a | 0,2378Note de bas de page a | 0,2465Note de bas de page a |
(0,0001) | (0,0001) | (0,0001) | (0,0001) | |
%UNIV | 0,0018Note de bas de page a | 0,0019Note de bas de page a | 0,0026Note de bas de page a | 0,0027Note de bas de page a |
(0,0003) | (0,0001) | (0,0001) | (0,0001) | |
HQ_US | 0,0586Note de bas de page a | 0,0602Note de bas de page a | 0,0943Note de bas de page a | 0,0606 |
(0,0003) | (0,0001) | (0,0081) | (0,1111) | |
HQ_EU | 0,0668Note de bas de page a | 0,0671Note de bas de page a | −0,0121 | 0,02690 |
(0,0006) | (0,0004) | (0,8326) | (0,6497) | |
HQ_ROW | 0,0199 | 0,0199 | 0,0543 | 0,1040 |
(0,4080) | (0,389) | (0,5673) | (0,2006) | |
MULTI | 0,0083 | 0,0080 | −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_2 | 0,0489Note de bas de page a | 0,0459Note de bas de page a | ||
(0,0004) | (0,0006) | |||
MANU_3 | 0,0579Note de bas de page a | 0,0550Note de bas de page a | ||
(0,0004) | (0,0006) | |||
QC | −0,0331Note de bas de page b | −0,0303Note de bas de page b | 0,0373 | 0,0292 |
(0,0660) | (0,0863) | (0,3890) | (0,4438) | |
AB | −0,007 | −0,0058 | 0,0210 | 0,0368 |
(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 | −0,0109 | 0,0293 |
(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)
Variable | Manufacturier | Non-manufacturier | ||
---|---|---|---|---|
–Variables de concurrence – | ||||
MNE | 0,0587Note de bas de page c | 0,0597Note de bas de page c | 0,1022Note de bas de page c | 0,0995Note de bas de page c |
(0,0001) | (0,0001) | (0,0029) | (0,0011) | |
#COMP | 0,0081Note de bas de page c | 0,0086Note de bas de page c | 0,0006 | 0,0062 |
(0,0135) | (0,0070) | (0,9490) | (0,4647) | |
ENTRY | 0,0143 | 0,0146 | 0,0306 | 0,0261 |
(0,3395) | (0,3139) | (0,4013) | (0,4101) | |
#GOODS | 0,0006 | 0,0008 | 0,0106 | 0,0134Note de bas de page c |
(0,8277) | (0,7718) | (0,1104) | (0,0354) | |
LERNER | 0,0063 | 0,0998Note de bas de page c | ||
(0,8168) | (0,0129) | |||
N | 2,730 | 2,890 | 1,129 | 1,337 |
R-SQUARE | 0,2128 | 0,4361 | 0,2086 | 0,3951 |
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
Variable | Manufacturier | Non-manufacturier | ||||
---|---|---|---|---|---|---|
sales | profits | INNO | sales | profits | INNO | |
–Caractéristiques – | ||||||
CONS | 0,0751Note de bas de page d | 0,0162Note de bas de page d | −0,6298Note de bas de page d | 0,1673Note de bas de page d | 0,0314Note de bas de page d | −1,2375Note de bas de page d |
(0,0000) | (0,0000) | (0,0000) | (0,0000) | (0,0000) | (0,0170) | |
cap | 0,3117Note de bas de page d | 0,0507Note de bas de page d | 0,0939Note de bas de page d | 0,0950Note de bas de page d | ||
(0,0000) | (0,0000) | (0,0000) | (0,0000) | |||
0,0494Note de bas de page d | 0,0232Note de bas de page d | 2,1554Note de bas de page d | −0,0116 | −0,0011Note de bas de page d | 0,7406 | |
(0,0000) | (0,0000) | (0,0000) | (0,1928) | (0,7063) | (0,2590) | |
RD | 0,1060 | 0,0782 | ||||
(0,2240) | (0,3830) | |||||
ADV_TECH | 0,2320Note de bas de page d | 0,4232Note de bas de page d | ||||
(0,0000) | (0,0000) | |||||
MEDIUM | 0,0145Note de bas de page d | 0,0031Note de bas de page d | −0,0218 | 0,0021 | −0,0125Note de bas de page d | −0,1451 |
(0,0000) | (0,0009) | (0,8420) | (0,4898) | (0,0000) | (0,6820) | |
LARGE | 0,0138Note de bas de page d | −0,0042Note de bas de page d | −0,0629 | −0,0034 | −0,0149Note de bas de page d | 1,1507Note de bas de page d |
(0,0011) | (0,0110) | (0,5680) | (0,3348) | (0,0000) | −0,0040 | |
XLARGE | 0,0159Note 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 d | 0,8465Note 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 d | 0,0054 | 0,0004Note de bas de page d | 0,0003Note de bas de page d | −0,0035 |
(0,8533) | (0,0000) | (0,1050) | (0,0000) | (0,0000) | (0,4450) | |
HQ_US | 0,0057Note de bas de page d | 0,0059Note de bas de page d | −0,1072 | 0,1082Note de bas de page d | 0,0692Note de bas de page e | 0,5129 |
(0,0000) | (0,0107) | (0,4130) | (0,0000) | (0,0000) | (0,2020) | |
HQ_EU | 0,0102Note de bas de page d | 0,0105Note de bas de page d | −0,1117 | 0,0241 | 0,0076 | 0,0171 |
(0,0000) | (0,0100) | (0,5620) | (0,8543) | (0,8071) | (0,9780) | |
HQ_ROW | 0,0216 | −0,0188Note de bas de page d | −0,3737 | −0,1444 | −0,0177 | 0,1221 |
(0,2594) | (0,0172) | (0,1590) | (0,3149) | (0,6231) | (0,8360) | |
MULTI | 0,0118Note de bas de page d | 0,0045Note de bas de page d | −0,1773Note de bas de page e | 0,3147Note de bas de page d | 0,0140Note 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 | −0,0001 | 0,5240 | |||
(0,0000) | (0,9095) | (0,1190) | ||||
MANU_2 | 0,0172Note de bas de page d | 0,0043Note de bas de page d | 0,2798Note de bas de page d | |||
(0,0000) | (0,0019) | (0,0130) | ||||
MANU_3 | 0,0232Note de bas de page d | 0,0048Note de bas de page d | 0,2188Note 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 | −0,0111 | 0,0177Note de bas de page d | 0,0029Note de bas de page d | 0,3758 |
(0,0000) | (0,0000) | (0,9140) | (0,0000) | (0,0153) | (0,2080) | |
AB | 0,0067Note de bas de page e | 0,0068Note de bas de page d | −0,4310Note de bas de page d | −0,0554Note de bas de page d | 0,0091Note de bas de page d | 0,3256 |
(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) | |
: Nombre d'observations pour lesquelles les poids de la procédure ROBUSTREG sont de zéro
: 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)
Variable | Manufacturier | Non-manufacturier | ||||
---|---|---|---|---|---|---|
sales | profits | INNO | sales | profits | INNO | |
– Variables de concurrence – | ||||||
MNE | 0,0118Note de bas de page e | 0,0046Note de bas de page e | 0,2123Note de bas de page e | −0,0033 | −0,0097Note de bas de page e | 0,8614Note 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 f | 0,0047Note de bas de page e | 0,0042Note de bas de page e | 0,0417 |
(0,0000) | (0,2062) | (0,0980) | (0,0000) | (0,0000) | (0,5850) | |
ENTRY | −0,0011 | 0,0000 | 0,3650Note de bas de page e | −0,0036 | −0,0018Note de bas de page e | 0,9936Note de bas de page e |
(0,6232) | (0,9951) | (0,0000) | (0,1473) | (0,0399) | (0,0020) | |
#GOODS | 0,0003 | 0,0001 | 0,0222 | −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) | |
2,688 | 2,707 | 1,104 | 1,208 | |||
154 | 123 | 103 | 66 | |||
2,534 | 2,584 | 1,001 | 1,142 | 2,890 | 1,337 | |
: Nombre d'observations pour lesquelles les poids de la procédure ROBUSTREG sont de zéro. |
Tableau 6 : Résultats détaillés pour l'équation (5)
– Var. dép. : , , et Probit bivariées pondérés –
(Caractéristiques)
Variable | Manufacturier | Non-Manufacturier | ||||||
---|---|---|---|---|---|---|---|---|
– Caractéristiques – | ||||||||
CONS | 0,6765Note de bas de page g | 1,6133Note de bas de page g | 0,9958Note de bas de page g | 0,9958Note de bas de page g | 1,2980Note de bas de page g | 1,4362Note de bas de page g | 1,8312Note de bas de page g | 2,2768Note de bas de page g |
(0,0000) | 0.0 | 0.0 | 0.0 | (0,0190) | (0,0060) | (0,0010) | 0.0 | |
1,7467Note de bas de page g | 2,6589Note de bas de page g | 0,9284Note de bas de page g | 2,2058Note de bas de page g | 0,5456 | 1,8365Note de bas de page g | 1,1644Note de bas de page g | 2,3178Note de bas de page g | |
(0,0000) | 0.0 | (0,010) | 0.0 | (0,3590) | (0,0010) | (0,030) | 0.0 | |
RD | 0,0318 | 0,0060 | 0,0042 | 0,0195 | 0,1112Note de bas de page g | 0,0119 | 0,0085 | 0,0009 |
(0,4630) | (0,1850) | (0,6680) | (0,2840) | (0,0460) | (0,6550) | (0,5960) | (0,970) | |
ADV_TECH | 0,2234Note de bas de page g | 0,1646Note de bas de page g | 0,1824Note de bas de page g | 0,2070Note de bas de page g | 0,3061Note de bas de page g | 0,0886 | 0,1099 | 0,4023Note de bas de page g |
(0,0000) | (0,0000) | (0,0000) | (0,0000) | (0,0000) | (0,2430) | (0,180) | (0,0000) | |
MEDIUM | 0,0538 | 0,0533 | 0,2077Note de bas de page h | 0,0401 | 0,1792 | 0,2415 | 0,2386 | 0,0027 |
(0,5970) | (0,5750) | (0,0740) | (0,6820) | (0,5960) | (0,4150) | (0,4720) | (0,9940) | |
LARGE | 0,0130 | 0,1907Note de bas de page g | 0,0325 | 0,0340 | 0,0076 | 0,7307Note de bas de page g | 0,5528Note de bas de page h | 0,4802 |
(0,8960) | (0,0410) | (0,7280) | (0,730) | (0,9810) | (0,0270) | (0,0960) | (0,1240) | |
XLARGE | 0,0369 | 0,2931Note de bas de page g | 0,1640 | 0,1525 | 0,3593 | 0,5537 | 0,9272Note de bas de page g | 0,5116 |
(0,7560) | (0,0090) | (0,1360) | (0,1950) | (0,3750) | (0,1570) | (0,010) | (0,1720) | |
%UNIV | 0,0041 | 0,0048Note de bas de page g | 0,0114Note de bas de page g | 0,0001 | 0,0067 | 0,0039 | 0,0035 | 0,0047 |
(0,1550) | (0,0450) | (0,0020) | (0,9730) | (0,1020) | (0,2970) | (0,2920) | (0,3120) | |
HQ_US | 0,3205Note de bas de page g | 0,0663 | 0,0137 | 0,1171 | 0,0313 | 0,5603 | 0,0074 | 0,9015Note de bas de page g |
(0,0130) | (0,5640) | (0,9090) | (0,3480) | (0,9460) | (0,1480) | (0,9870) | (0,0110) | |
HQ_EU | 0,2037 | 0,0274 | 0,0901 | 0,0114 | 0,0334 | 0,2686 | 0,1417 | 0,4095 |
(0,2500) | (0,8690) | (0,5790) | (0,9480) | (0,9330) | (0,5260) | (0,7450) | (0,460) | |
HQ_ROW | 0,4840Note de bas de page g | 0,4585Note de bas de page g | 0,1836 | 0,4398Note de bas de page g | 0,0381 | 0,1424 | 0,7232 | 0,2596 |
(0,0240) | (0,0310) | (0,420) | (0,0430) | (0,9370) | (0,8430) | (0,3220) | (0,580) | |
MULTI | 0,1537 | 0,0205 | 0,0395 | 0,1111 | 0,4203 | 0,2184 | 0,0370 | 1,3776Note de bas de page g |
(0,1050) | (0,8220) | (0,6770) | (0,240) | (0,1390) | (0,5030) | (0,9060) | 0.0 | |
SERV | 0,3677 | 0,7463Note de bas de page g | 0,8700Note de bas de page g | 0,1605 | ||||
(0,2490) | (0,0250) | (0,0150) | (0,5560) | |||||
MANU_2 | 0,1751Note de bas de page h | 0,0576 | 0,0388 | 0,2439Note de bas de page g | ||||
(0,0820) | (0,5630) | (0,6860) | (0,0170) | |||||
MANU_3 | 0,1560Note de bas de page h | 0,0446 | 0,0061 | 0,1191 | ||||
(0,0990) | (0,6330) | (0,950) | (0,2110) | |||||
QC | 0,0810 | 0,1486Note de bas de page h | 0,1962Note de bas de page g | 0,0795 | 0,1634 | 0,5942Note de bas de page g | 0,5393Note de bas de page h | 0,1118 |
(0,3840) | (0,0960) | (0,0440) | (0,3850) | (0,5670) | (0,0460) | (0,0690) | (0,6590) | |
AB | 0,4756Note de bas de page g | 0,0838 | 0,2624Note de bas de page h | 0,210 | 0,0206 | 0,2266 | 0,4468 | 0,4930 |
(0,0000) | (0,4910) | (0,0530) | (0,1010) | (0,960) | (0,5130) | (0,2290) | (0,1710) | |
BC | 0,0627 | 0,1824 | 0,1030 | 0,0478 | 0,0686 | 0,0363 | 0,1013 | 0,3182 |
(0,6180) | (0,110) | (0,4090) | (0,6940) | (0,8560) | (0,9290) | (0,7970) | (0,3360) | |
ROC | 0,0955 | 0,0665 | 0,0603 | 0,1195 | 0,3637 | 0,5107 | 0,0939 | 0,4863Note 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. : , , et Probit bivariées pondérés –
(Variables de concurrence)
Variable | Manufacturier | Non-Manufacturier | ||||||
---|---|---|---|---|---|---|---|---|
– Variables de concurrence – | ||||||||
MNE | 0,0882 | 0,0920 | 0,1353Note de bas de page j | 0,0257 | 1,0230Note de bas de page i | 0,1318 | 0,0496 | 0,8919Note de bas de page i |
(0,2770) | (0,2440) | (0,0940) | (0,7530) | (0,0000) | (0,5940) | (0,8410) | (0,0000) | |
#COMP | 0,0582Note de bas de page i | 0,0207 | 0,0335 | 0,0019 | 0,0358 | 0,1326Note de bas de page j | 0,0226 | 0,0435 |
(0,0170) | (0,3720) | (0,140) | (0,9350) | (0,6710) | (0,0520) | (0,7640) | (0,4580) | |
ENTRY | 0,3330Note de bas de page i | 0,3186Note de bas de page i | 0,3157Note de bas de page i | 0,1446Note de bas de page j | 0,9473Note de bas de page i | 1,1182Note de bas de page i | 1,1408Note de bas de page i | 0,3007 |
(0,0000) | (0,0000) | (0,0000) | (0,0770) | (0,0020) | (0,0000) | (0,0000) | (0,2060) | |
#GOODS | 0,0336Note de bas de page i | 0,0264 | 0,0391Note de bas de page i | 0,0151 | 0,0986Note de bas de page i | 0,0450 | 0,0745 | 0,0116 |
(0,0440) | (0,1160) | (0,0220) | (0,3710) | (0,0340) | (0,3250) | (0,1190) | (0,7920) | |
N | 2,890 | 2,890 | 1,337 | 1,337 | ||||
0,4132Note de bas de page i | 0,3988Note de bas de page i | 0,4007Note de bas de page i | 0,3190Note de bas de page i | |||||
Les p-values sont entre parenthèses. |
Tableau 7 : Résultats détaillés pour l'équations (5)
– Var. dép. : , , et Probit multivariés pondérés –
(Caractéristiques)
Variable | Manufacturier | Non-manufacturier | ||||||
---|---|---|---|---|---|---|---|---|
PRDT | ORGZ | PRDT | MRKT | PRDT | ORGZ | PRDT | MRKT | |
– 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) | 0,0000 | 0,0000 | 0,0000 | 0,0000 | 0,0000 | −0,0010 | 0,0000 | |
MPindex | 1,8407Note de bas de page k | 2,6694Note de bas de page k | 0,6937Note de bas de page k | 1,1656Note de bas de page k | 0,8562Note de bas de page l | 2,7276Note de bas de page k | 0,7409 | 1,2384Note de bas de page k |
(0,0000) | 0,0000 | −0,0140 | 0,0000 | −0,0970 | 0,0000 | −0,1830 | −0,0110 | |
RD | 0,0076 | −0,0010 | 0,0193 | 0,0006 | 0,0000 | −0,0035 | 0,0147 | 0,0208 |
(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 | −0,1128 | 0,3478Note de bas de page k | 0,2003Note de bas de page k | 0,1951Note de bas de page k | −0,0174 |
(0,8220) | −0,9240 | −0,0740 | −0,2780 | 0,0000 | −0,0040 | −0,0120 | −0,7810 | |
MEDIUM | −0,0467 | −0,1560Note de bas de page l | 0,0525 | −0,0719 | −0,2673 | 0,3136 | 0,5614Note 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 | −0,0585 | 0,5997Note de bas de page k | 0,0001 | 0,6742Note de bas de page k |
(0,5330) | −0,0150 | −0,4120 | −0,0640 | −0,8630 | −0,0230 | -1,0000 | −0,0290 | |
XLARGE | 0,2315Note de bas de page k | 0,1500Note de bas de page k | 0,1738Note de bas de page k | 0,1514Note de bas de page k | 0,2761 | 0,7148Note de bas de page k | 0,7894Note de bas de page k | 0,1917 |
(0,0000) | 0,0000 | 0,0000 | 0,0000 | −0,4460 | −0,0280 | −0,0250 | −0,6100 | |
%UNIV | −0,0030 | 0,0028 | 0,0102Note de bas de page k | 0,0056Note de bas de page k | −0,0049 | 0,0044 | 0,0020 | −0,0012 |
(0,2100) | −0,1890 | 0,0000 | −0,0300 | −0,3080 | −0,1900 | −0,5100 | −0,7140 | |
HQUS | −0,4647Note de bas de page k | −0,0632 | 0,0092 | −0,1693 | 0,5480 | 1,2791Note de bas de page k | 0,4407 | −0,2119 |
(0,0000) | −0,5930 | −0,9360 | −0,1490 | −0,2390 | 0,0000 | −0,3250 | −0,6120 | |
HQEU | −0,2752Note de bas de page l | 0,1438 | 0,0396 | −0,1822 | −0,0519 | 0,2798 | −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 | −0,1109 | 0,2865 | 0,0554 | −0,8006 | −0,2358 |
(0,0620) | −0,0140 | −0,0850 | −0,6110 | −0,4280 | −0,9250 | −0,2680 | −0,7020 | |
MULTI | −0,1030 | 0,0290 | −0,0678 | 0,0700 | −0,6982Note de bas de page k | −0,9863Note de bas de page k | −0,1215 | 0,0374 |
(0,2470) | −0,7480 | −0,4660 | −0,4670 | −0,0030 | 0,0000 | −0,6680 | −0,9000 | |
SERV | −0,0605 | 0,4740Note de bas de page l | 0,8704Note de bas de page k | 0,9717Note de bas de page k | ||||
(0,8330) | −0,0920 | −0,0130 | −0,0060 | |||||
MANU2 | 0,1313 | 0,1357 | 0,0643 | −0,1028 | ||||
(0,1700) | −0,1720 | −0,5070 | −0,2680 | |||||
MANU3 | 0,0488 | 0,0955 | 0,0185 | −0,1863Note de bas de page k | ||||
(0,5920) | −0,3120 | −0,8460 | −0,0440 | |||||
QC | 0,0642 | 0,1648Note de bas de page l | 0,2001Note de bas de page k | 0,1048 | −0,4710Note de bas de page l | 0,4666Note de bas de page k | 0,3214 | 0,4472 |
(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 | −0,1085 | 0,2341 | −0,0632 | −0,1259 | −0,4815 |
(0,0410) | −0,2190 | −0,0090 | −0,4240 | −0,5460 | −0,8320 | −0,7250 | −0,1500 | |
BC | −0,0696 | 0,1150 | 0,0146 | 0,1665 | −0,3708 | 0,5167 | 0,3947 | 0,0269 |
(0,5410) | −0,3050 | −0,9020 | −0,1470 | −0,2420 | −0,1350 | −0,2990 | −0,9480 | |
ROC | −0,0583 | 0,0304 | −0,0279 | −0,0951 | −0,4455 | −0,2113 | 0,2105 | −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. : , , et Probit multivariés pondérés –
(Variables de concurrence)
Variable | Manufacturier | Non-manufacturier | ||||||
---|---|---|---|---|---|---|---|---|
PRDT | ORGZ | PRDT | MRKT | PRDT | ORGZ | PRDT | MRKT | |
– Variables de concurrence – | ||||||||
MNE | −0,0559 | 0,0388 | 0,1735Note de bas de page m | −0,0141 | 0,7933Note de bas de page m | 0,284 | 0,5025Note de bas de page m | 0,1515 |
−0,478 | −0,613 | −0,027 | −0.86 | −0,001 | −0,145 | −0,029 | −0,514 | |
#COMP | −0,0058 | 0,032 | −0,0506Note de bas de page m | −0,0058 | 0,1699Note 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 | |
ENTRY | 0,2032Note de bas de page m | 0,2623Note de bas de page m | 0,3076Note de bas de page m | 0,2975Note de bas de page m | −0.16 | 0,7168Note de bas de page m | 1,3516Note de bas de page m | 1,1618Note de bas de page m |
−0,008 | −0,001 | 0 | 0 | −0,499 | 0 | 0 | 0 | |
#GOODS | 0,014 | 0.01 | 0,0503Note de bas de page m | 0,0366Note 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 | |
N | 2,890 | 1,337 | ||||||
12 | 0,4217Note de bas de page m | 0,2087Note de bas de page n | ||||||
13 | 0,3842Note de bas de page m | 0,2726Note de bas de page m | ||||||
14 | 0,2368Note de bas de page m | −0,0518 | ||||||
23 | 0,2547Note de bas de page m | 0,5523Note de bas de page m | ||||||
24 | 0,3565Note de bas de page m | 0,5062Note de bas de page m | ||||||
34 | 0,4040Note de bas de page m | 0,6603Note de bas de page m | ||||||
Les p-values sont entre parenthèses. |