La dynamique du réseau de commerce intra zone. euro ( ) Samuel Maveyraud. 12 novembre

Transcription

1 La dynamique du réseau de commerce intra zone euro ( ) Samuel Maveyraud 12 novembre 2013 GREThA (UMR CNRS 5113), Université de Bordeaux Document de travail Résumé Dans cet article, nous mettons au jour les dynamiques du réseau pondéré de commerce intra zone euro entre 1992 et Notre analyse a pour but de montrer dans quelle mesure l'adoption de l'euro s'est accompagnée d'une modication de la structure du commerce intra-zone. Plus précisément, nous tâcherons de répondre aux questions suivantes : Dans quelle mesure l'analyse oerte par la lecture d'un réseau permet-elle de capter une possible convergence ou divergence entre les pays? A-t-on observé une augmentation des ux commerciaux entre les pays de la zone euro? Quelle lecture peut-on eectuer de l'intégration européenne? L'analyse du réseau du commerce intra-zone 1

2 2 1 INTRODUCTION euro permet-il d'armer l'existence d'une Europe à plusieurs vitesses d'intégration? Mots-clés : réseau, commerce international, zone euro 1 Introduction Dans cet article, nous nous interrogeons sur la dynamique d'intégration de la zone euro en procédant à une analyse du réseau des échanges commerciaux. Cette analyse permet de mettre de répondre à un certain nombre de questions jusqu'ici peu analysées : Dans quelle mesure l'analyse oerte par la lecture d'un réseau permet-elle de capter une possible convergence ou divergence entre les pays? A-t-on observé une augmentation des ux commerciaux entre les pays de la zone euro? Quelle lecture peut-on eectuer de l'intégration européenne? L'analyse du réseau du commerce intra-zone euro permet-il d'armer l'existence d'une Europe à plusieurs vitesses d'intégration? Un pays fortement inséré dans le commerce intra-zone euro l'est-il avec des pays eux-mêmes ayant également de nombreux partenaires? Ainsi, notre analyse a pour but de montrer, en analysant le réseau de commerce intra-zone euro dans quelle mesure la création de l'euro a pu conduire à la situation européenne décrite par Feldstein (2011) : crise de la dette souveraine dans plusieurs pays, l'état fragile de grandes banques européennes, les niveaux élevés de chômage et les décits commerciaux qui existent maintenant dans la plupart des pays de la zone euro. Selon cet auteur, l'émergence des problèmes de la zone euro, à peine une dizaine d'années après le début de l'euro en 1999 ne sont pas le fruit d'un accident ou le résultat d'une mauvaise gestion bureaucratique, mais la conséquence inévitable de l'imposition d'une monnaie unique sur un groupe très hétérogène de pays, une hétérogénéité qui comprend non seulement des structures économiques mais aussi traditions scales et les attitudes sociales. L'adoption de l'euro a engendré des modications de ux commerciaux à l'in-

3 3 térieur de la zone euro : décits courants croissants pour les pays du Sud de la zone euro alors que les pays du nord de la zone ont connu des excédents courants toujours plus importants. L'analyse de réseau ore une batterie d'indicateurs statistisques susceptibles de révéler l'évolution de la structure des échanges entre les pays de la zone. De plus, an de distinguer une évolution de la structure du réseau de commerce intra-zone euro, l'analyse est eectuée en distinguant 3 groupes de pays imbriqués en fonction de leur date d'adhésion à l'intégration européenne : les pays signataires du traité de Rome, les pays fondateurs de l'euro et les pays de la zone euro en Notre démarche d'analyse de la structure du réseau de commerce international s'inscrit dans prolongement de plusieurs articles. Comme l'indiquent Schiavo et al. (2010), l'analyse des réseaux en sociologie et sciences politiques est depuis longtemps utilisée pour enquêter sur les relations commerciales internationales. Ces études ont été inuencées par la théorie dite de dépendance selon laquelle il existe un petit nombre de pays (le noyau) qui exploite le reste du monde, qui est ainsi empêché de se développer. L'analyse de réseau a ensuite été utilisée pour classer les pays dans un centre ou dans une périphérie (voir par exemple Snyder et Kick (1979) ; Breiger (1981) ; Smith et White (1992)). Des applications plus récentes ont analysé l'impact de la récente vague de la mondialisation sur la structure du réseau mondial de commerce (cf. Kim et Shin (2002) et Kastelle et al. (2005)). La structure des relations commerciales internationales a également été largement utilisée comme étude de cas dans un certain nombre de documents dans le domaine de la physique ( Serrano and Boguñá (2003); Li et al. (2003); Garlaschelli and Loredo (2004); Bhattacharya et al. (2007); Schiavo et al. (2010) ). Nous considérons dans cet article un réseau pondéré. D'un point de vue méthodologique, l'étude est réalisée en utilisant l'analyse d'un réseau binaire et d'un réseau pondéré comme proposée par Schiavo et al. (2010). Cette distinction est utile, dans la mesure où une approche pondérée permet de compléter les résultats obtenus à l'aide d'un cadre binaire.

4 4 2 LES CARACTÉRISTIQUES D'UN RÉSEAU Cet article est organisé comme suit : tout d'abord, nous présentons les caractéristiques d'un réseau puis dans un deuxième temps nous traitons des données. Dans une troisième section nous procédons à l'analyse du réseau et enn nous concluons. 2 Les caractéristiques d'un réseau Un réseau socio-économique est décrit par le biais de n uds connectés entre eux par une série de liens. Pour caractériser un réseau, il est nécessaire de connaître une matrice carrée de dimension N N dont chacune des valeurs (a ij ou a ji ) prend la valeur 0 s'il n'y a pas de lien entre le n ud i et le n ud j. En cas de lien entre le n ud i et le n ud j la valeur prise par a ij ou a ji est égale à 1 dans le cas d'un réseau binaire ou de la valeur du ux w ij dans le cas d'un réseau pondéré. Dans le cas d'un réseau de commerce international, les n uds représentent des pays (régions, ou continents). Ces pays sont connectés s'ils échangent des biens et services entre eux. Plusieurs indicateurs peuvent être mobilisés pour caractériser le réseau de commerce international. On peut distinguer le réseau binaire et le réseau pondéré. Le réseau binaire (non pondéré) non dirigé Le degré d'un réseau ( Node degree ) mesure le nombre de sommets adjacents. Le degré d'un réseau est mesuré par la somme des relations commerciales dans lesquelles un pays ou une région est engagée. Moins un n ud est central, plus il est dépendant d'un ou quelques membres pour établir des relations au sein du réseau de commerce (Freeman (1979), Wasserman et Faust (1994)) d i = n a j ij (1) Une mesure de la connectivité globale d'un réseau est représentée par la densité du réseau, qui mesure le nombre total de liens qui sont réellement en place divisé

5 5 par le nombre maximal de liens possibles dans un graphe non dirigé : densité = ( n i d i ) N(N 1) (2) Le degré moyen des voisins les plus proches (average nearest neighbours degree) indique dans quelle mesure les voisins les plus proches ont en moyenne de nombreux liens commerciaux : annd i = nj a ij d j d i (3) Le coecient d'agglomération (clustering coecient) indique dans quelle mesure deux n uds associés chacun à un même n ud sont associés entre eux. Autrement dit, ce coecient est un indicateur de densité locale qui calcule la part moyenne des contacts directs d'un individu qui sont en relation directe (Watts et Strogatz, 1998) : C i = j i h (i,j) a ij a ih a jh d i (d i 1) (4) Un coecient d'agglomération élevé indique une tendance à la grégarité, c'est-à-dire à former un groupe dans le réseau de commerce international alors qu'un coecient faible indique que les pays sont plutôt dispersés. Le réseau pondéré non dirigé Ce type de réseau permet de prendre en compte le poids des échanges de biens dans le réseau. Cette approche est complémentaire à la démarche précédente dans la mesure où il permet d'analyser dans quelle mesure le degré de connectivité d'un pays est lié à la valeur commerciale des échanges. Plusieurs indicateurs statistiques peuvent être considérés pour eectuer une analyse du réseau pondéré de commerce international. Tout d'abord, le degré ponderé (weighted degree) représente la somme des poids des liens adjacents :

6 6 3 LES DONNÉES s i = n w j ij (5) Le degré moyen pondéré des voisins les plus proches (average nearest neighbours strength) indique la valeur moyenne des échanges commerciaux des pays les plus proches : anns i = nj a ij s j d i (6) Le coecient d'agglomération pondéré (Weighted clustering coecient) indique dans quelle mesure deux pays associés chacun à un même pays ont une valeur des échanges commerciaux identiques à ceux du pays d'origine : W C i = j i h (i,j) w 1/3 ij w 1/3 ih w1/3 jh d i (d i 1) 3 Les données Les données sont issues d'eurostat. Les pays retenus sont ceux appartenant aujourd'hui à la zone euro soit 25 pays (cf. Tableau 1). Les données sont annuelles. Nous avons choisi d'utiliser les données d'importation libellées en euros.. Trois groupes de pays ont été retenus (cf. Tableau 1) : l'ensemble des pays de la zone euro et les pays susceptibles de la rejoindre, les pays fondateurs de l'euro et les pays signataires du Traité de Rome. L'intérêt de considérer ces groupes est double : on peut tout d'abord observer si les pays les plus anciennement impliqués dans la zone euro ont connu une dynamique particulière comparée à l'échantillon comprenant les pays plus récemment entrés. Ensuite, l'ensemble des données pour les pays les plus récemment entrés dans la zone euro ne sont pas toujours disponibles notamment au début des années 1990 après la chute du mur de Berlin ce qui biaise quelque peu l'analyse.

7 7 Pour l'échantillon des pays de la zone euro nous avons traité = lignes de données. Pour celui des pays fondateurs de l'euro, nous avons traité = 2310 lignes de données. Enn, pour les pays signataires du traité de Rome, le nombre de lignes de données s'élève à = 420. L'analyse de réseau traite des pays comme n uds et l'échange de biens entre les noeuds sous forme de liens. Par conséquent, dans le cadre de l'analyse binaire, un lien a ij existe si à la période de temps t (t=1992,...,2011) le pays i importe depuis le pays j. Lorsque nous nous tournons vers l'analyse pondérée, un lien générique w ij est le ux commercial (import) du pays i vers le pays j de l'année t. Nous traitons le réseau de commerce international comme non dirigé, négligeant ainsi les directions des ux. Cela réduit la complexité de l'analyse et semble appropriée à notre démarche, puisque nous souhaitons ici proposer une vue d'ensemble de la structure du commerce intra zone euro. La gure ci-dessous donne un aperçu de ce réseau (Figure 1) 4 Les résultats Nous allons présenter tout d'abord la densité et les degrés du réseau avant d'aborder la connectivité, l'assortativité et l'agglomération du réseau en distinguant l'échantillon complet de celui des pays fondateurs de la zone euro et des pays signataires du Traité de Rome. Evolution des ux commerciaux La gure 1 montre l'évolution des ux commerciaux (ux d'importations) a évolué au cours de la période étudiée. Les résultats montrent qu'hormis à la suite de la crise de 2008 les ux commerciaux ont augmenté pour chacun des groupes considérés. On peut également noter que les ux ont particulièrement augmenté pour les pays qui ont le plus récemment intégré la zone euro. Ce résultat peut s'expliquer par le fait que les données ne sont

8 8 4 LES RÉSULTATS Table 1 Liste des pays de l'échantillon Pays de da done Euro en 2012 ou susceptibles d'intégrer de la zone euro Pays Fondateurs De La Zone Euro Pays Signataires Du Traité De Rome Austria Austria Belgium (And Luxbg -> 1998) Belgium (And Luxbg -> 1998) Belgium (And Luxbg -> 1998) Germany (Incl Dd From 1991) Bulgaria Germany (Incl Dd From 1991) France Cyprus Spain Italy Czech Republic (Cs->1992) Finland Netherlands Germany (Incl Dd From 1991) France Estonia Greece Spain Ireland Finland Italy France Netherlands United Kingdom Portugal Greece Hungary Ireland Italy Lithuania Latvia Malta Netherlands Poland Portugal Romania Sweden Slovenia Slovakia

9 9 Figure 1 Flux commerciaux agrégés disponibles pour tous les pays qu' à partir du début des années An d'analyser l'évolution des ux de commerce intra zone euro, nous avons mis en évidence, à partir de la table des pays membre de la zone euro en 2012, les 5 principaux pays importateurs de biens et services auprès des autres pays de la zone euro et les 5 principaux pays exportateurs. An de mieux analyser les dynamiques des échanges intra-européens, nous avons sélectionné également les pays qui ont connu le taux de croissance le plus important de leurs importations (cf. Tableau 2 et Tableau 3) et de leurs exportations (cf. Tableau 4 et Tableau 5). Ces tableaux suggèrent les résultats suivants : Les pays qui connaissent les taux de croissance de leurs importation les plus important au cours de la période étudiée sont principalement les pays du sud de l'europe (Grèce et Portugal principalement) mais aussi les pays qui ont le plus récemment intégrés la zone euro (Pays d'eu-

10 10 4 LES RÉSULTATS Table 2 Pays ayant le taux de croissance des importations le plus élevé (1ère partie) portugal greece ireland lithuania ireland greece united kingdom poland finland united kingdom spain ireland slovakia romania lithuania ireland belgium (and luxbg -> 1998) lithuania bulgaria latvia netherlands france slovenia slovenia poland slovenia lithuania slovenia hungary germany (incl dd from 1991) poland romania united kingdom germany (incl dd from 1991) cyprus slovakia united kingdom romania cyprus portugal united kingdom malta austria lithuania estonia latvia slovenia malta estonia greece

11 11 Table 3 Pays ayant le taux de croissance des importations le plus élevé (2nde partie) portugal romania czech republic (cs->1992) hungary greece greece cyprus estonia greece portugal germany (incl dd from 1991) germany (incl dd from 1991) hungary portugal hungary hungary austria portugal germany (incl dd from 1991) germany (incl dd from 1991) bulgaria portugal italy cyprus belgium (and luxbg -> 1998) germany (incl dd from 1991) netherlands spain france greece cyprus czech republic (cs->1992) malta portugal hungary portugal cyprus united kingdom hungary portugal greece belgium (and luxbg -> 1998) finland greece spain belgium (and luxbg -> 1998) germany (incl dd from 1991) romania netherlands cyprus

12 12 4 LES RÉSULTATS Table 4 Pays ayant le taux de croissance de leurs exportations le plus élevé (1ère partie) Malta Estonia Slovakia Estonia Estonia Bulgaria Slovenia Estonia Slovakia Hungary Poland Lithuania Romania Latvia Lithuania Ireland Latvia Bulgaria Hungary Portugal Hungary Romania Czech Republic (Cs->1992) Czech Republic (Cs->1992) Spain Estonia Slovakia Slovakia Cyprus Lithuania Hungary Ireland Cyprus Estonia Romania Romania Hungary Lithuania Bulgaria Malta Bulgaria Czech Republic (Cs->1992) Greece Czech Republic (Cs->1992) Romania Estonia Latvia Poland

13 13 Table 5 Pays ayant le taux de croissance de leurs exportations le plus élevé (2nde partie) Slovakia Cyprus Latvia Cyprus Cyprus Romania Slovakia Lithuania Estonia Poland Czech Republic (Cs->1992) Poland Czech Republic (Cs->1992) Latvia Bulgaria Lithuania Lithuania Estonia Lithuania Czech Republic (Cs->1992) Poland Greece Bulgaria Czech Republic (Cs->1992) Slovakia Slovakia Malta Ireland Lithuania Estonia Slovenia Lithuania Romania Estonia Lithuania Czech Republic (Cs->1992) Bulgaria Slovakia Bulgaria Latvia Hungary Czech Republic (Cs->1992) Poland Romania Cyprus Lithuania Poland Bulgaria Malta Bulgaria

14 14 4 LES RÉSULTATS rope Centrale). Les pays ayant connu une croissance de leurs exportations la plus forte, les pays ayant intégré l'euro ou étant susceptibles d'intégrer la zone euro apparaissent être ceux qui bénécient le plus de la monnaie unique. En revanche, les pays signataires du Traité de Rome, et notamment l'allemagne, n'ont pas vu une augmentation signicative de leurs exportations au cours des 20 dernières années. Ainsi, un processus de convergence semble prévaloir entre les pays d'europe Centrale et les pays signataires du traité de Rome. Au sein des pays fondateurs de la zone euro, en revanche, les pays du Sud de la zone ont connu une croissance importante de leurs importations intra-européennes sans accroissement équivalent, comparativement aux autres pays de l'échantillon complet, de leurs exportations intra-européennes. Ici, un processus de divergence entre les diérents pays de la zone s'est renforcé. Densité et degrés du réseau L'analyse de la densité nous indique que le réseau est très dense (proche de 1 sur l'ensemble de la période) car tous les pays ont des relations commerciales les uns avec les autres. Le degré pondéré de réseau a connu une évolution diérente en fonction du groupe de pays retenu (cf. Figure 2). Le degré pondéré des pays historiquement les plus impliqués dans la construction européenne a augmenté au cours de la période étudiée alors que celui des autres échantillons a quasiment stagné. Ce résultat signie que la valeur moyenne des biens et services échangés entre les pays signataires du Traité de Rome a augmenté. Comme on ne retrouve pas cet élément dans les deux autres échantillons, alors même que les pays du Traité de Rome en font partie, il semblerait que la valeurs des échanges de certains pays a diminué. L'assortativité du réseau Le degré pondéré du réseau ne tiennent uniquement compte des liens d'un pays avec ses partenaires directs et ne fournissent ainsi pas toute l'information possible sur la structure du réseau. En eet, comme expliqué à la section 1, nous voulons savoir si les pays ayant de nombreux partenaires sont susceptibles d'être liés avec

15 Figure 2 Degré pondéré moyen du réseau 15

16 16 4 LES RÉSULTATS Figure 3 Moyenne du degré moyen pondéré des voisins les plus proches (anns) les pays moins bien connectés comme c'est le cas d'un réseau disassortatif, ou, au contraire, avec d'autres pays bien ayant déjà de nombreux échanges. La gure 3 montre que les pays du Traité de Rome ont des partenaires directs dont la valeur des échanges est très élevée. En revanche, les deux autres échantillons suggèrent une quasi-stagnation de la moyenne du degré moyen pondéré des voisins les plus proches. Il apparaît ainsi que l'assortativité du réseau de commerce du groupe des pays signataires du Traité de Rome s'est accrue au cours de la période considérée ce qui ne semble pas être le cas pour les deux autres groupes. En signalant les valeurs de la corrélation entre les arrêtes ANNS et NS (dans le cas pondéré) la gure 4 fournit précisément ce genre d'information. La corrélation est élévée entre le degré pondéré du réseau et le degré moyen pondéré des voisins les

17 17 plus proches (ANNS) indique que les pays dont la valeur marchande des échanges est élevée ont tendance à commercer avec des pays dont la valeur des échanges est également élevée (et vice versa). On peut donc conclure que les partenaires commerciaux privilégiés sont ceux qui ont un degré de développement similaire. La valeur des échanges traduit une forte valeur ajoutée dans les produits échangés dans la mesure où tous les pays ont le même nombre de partenaires (cf. supra). Au cours de la période étudiée, la corrélation entre le degré pondéré du réseau et le degré moyen pondéré des voisins les plus proches s'est accrue ce qui laisse suggérer une dynamique du commerce intra européen ne favorisant pas la convergence dans le sens où par exemple, les transferts de technologie des pays ayant une valeur des échanges élevée vers des pays ayant une valeur des échanges plus faible a moins tendance à se produire. Cependant, il est à noter que la valeur de cette corrélation, bien que forte, a eu tendance à se réduire au cours de la période étudiée. Figure 4

18 18 5 L'AGGLOMÉRATION DU RÉSEAU Figure 5 Coecient d'agglomération pondéré moyen 5 L'agglomération du réseau Le coecient d'agglomération pondéré ( weighted clustering coecient ) mesure la valeur moyenne des échanges commerciaux des partenaires du pays i euxmêmes reliés entre eux. La gure 5 indique que les partenaires de chacun des pays signataires du Traité de Rome qui sont connecté ont une valeur moyenne de leurs échanges commerciaux qui se sont accrus au cours du temps. En revanche, pour les pays fondateurs de la zone euro, l'augmentation de la valeur des échanges entre partenaires s'est accrue de moindre ampleur. Il en est de même pour le groupe des pays de la zone euro et de ceux susceptibles de l'intégrer. Les chutes de la courbe (pricnipalement du groupe de la zone euro en 2012) s'expliquent ici par le fait que des données de ux commerciaux pour des petits pays sont devenus disponibles dans Eurostat dans l'échantillon. Dans la gure 6, nous regardons la corrélation entre le coecient d'aggloméra-

19 19 tion pondéré (WCC) et le degré de réseau pondéré. La corrélation entre le degré de réseau pondéré et le coecient d'agglomération pondéré fournit des informations supplémentaires sur les modèles d'intégration économique internationale, dans la mesure où il indique si les pays dont les ux commerciaux sont élevés ont des partenaires connectés entre eux qui ont également des ux commerciaux élevés suggérant par la même la présence d'un coeur au sein du réseau. Nous trouvons que la corrélation entre le coecient d'agglomération pondéré (WCC) et le degré de réseau pondéré (NS) est proche de 1. Par conséquent, nous observons que les partenaires des pays dont la valeur des échanges commerciaux est importante ont tendance à échanger avec des pays dont la valeur des échanges est identique. On observe clairement ici un phénomène de c ur périphérie dans ce réseau de commerce. Cependant, ce phénomène a tendance à décroître au cours du temps suggérant par la même une timide convergence. Figure 6

20 20 RÉFÉRENCES 6 Conclusion Dans cet article, nous nous interrogeons sur la dynamique d'intégration de la zone euro en procédant à une analyse du réseau des échanges commerciaux. Nous montrons en particulier que le réseau de commerce intra-zone euro et de type coeur périphérie. Nous montrons également que la dynamique du commerce intra-zone euro laisse apparaître une timide convergence entre les pays européens dans la mesure où les pays ayant des ux commerciaux importants ont tendance à échanger avec de plus petits pays. Une distinction entre les pays du sud de l'europe et un groupe des pays du Nord de l'europe pourrait par ailleurs être proposée an d'observer dans quelle mesure ces deux groupes de pays divergent. Références Breiger, R. (1981), Structure of economic interdependence among nations, in P. M. Blau and R. K. Merton, eds, Continuities in structural inquiry, Sage, Newbury Park, CA, Bhattacharya, K., Mukherjee, G., SarÄamaki, J., Kaski, K. and Manna, S. (2008), The international trade network : Weighted network analysis and modeling, Journal of Statistical Mechanics :Theory and Experiment Freeman L.C. (1979), Centrality in social networks : conceptual clarication ; Social Networks, 1, Feldstein M., The Euro and European economic conditions, NBER, Working Paper Freeman L.C. (1979), Centrality in social networks : conceptual clarication ; Social Networks, 1,

21 RÉFÉRENCES 21 Garlaschelli, D. and Loredo, M. (2004), Fitness-dependent topological properties of the world trade web, Physical Review Letters 93, Kastelle, T., Steen, J. and Liesch, P. (2005), Measurig globalisation : an evolutionary economic approach to tracking the evolution of international trade, Paper presented at the DRUID Summer Conference on Knowledge, Innovation and Competitiveness : Dynamycs of Firms, Networks, Regions and Institutions - Copenhagen, Denmark, June Kim, S. and Shin, E.-H. (2002), A longitudinal analysis of globalization and regionalization in international trade : A social network approach, Social Forces 81, Li, X., Jin, Y. Y. and Chen, G. (2003), Complexity and synchronization of the world trade web, Physica A : Statistical Mechanics and its Applications 328, Schiavo, S., Reyes, J., Fagiolo, G.(2010), International Trade and Financial Integration : a Weighted Network Analysis, Quantitative Finance, Vol. 10, No. 4, Serrano, A. and Boguñá, M. (2003), Topology of the world trade web, Physical Review E 68, (R). Smith, D. and White, D. (1992), Structure and dynamics of the global economy : Network analysis of international trade, , Social Forces 70, Snyder, D. and Kick, E. (1979), `Structural position in the world system and economic growth : A multiple network analysis of transnational interactions', American Journal of Sociology 84, Wasserman S. et K. Faust (1994), Social network analysis. Methods and applica-

22 22 RÉFÉRENCES tions ; New York, Cambridge University Press Watts, D.J. ; Strogatz, S.H. (1998), Collective dynamics of 'small-world' networks, Nature, 393 (6684) : Watts, D.J. ; Strogatz, S.H. (1998), Collective dynamics of 'small-world' networks, Nature, 393 (6684) :