Is Productivity Advantage of Cities Really Down To Mean and Variance?

L'essentiel

🍳 Le Grand Débat : La Ville fait-elle grandir les entreprises ?

Imaginez que vous avez deux cuisines :

1. La Cuisine de la Ville (Dense) : C'est un petit appartement très animé, rempli de chefs, d'odeurs qui se mélangent, de bruit et de mouvement.
2. La Cuisine de la Campagne (Peu dense) : C'est une grande maison calme, avec beaucoup d'espace, mais moins d'interactions.

Les économistes ont remarqué depuis longtemps que les plats (les entreprises) cuisinés dans la Cuisine de la Ville sont systématiquement meilleurs, plus rapides et plus rentables. Mais pourquoi ? Il y a deux théories principales :

• Théorie 1 : L'Effet "Mélange" (Économies d'agglomération).
  La ville est un accélérateur. Le bruit, la proximité des fournisseurs, le partage des idées et la concurrence saine rendent tous les chefs meilleurs. C'est comme si l'air de la ville contenait un ingrédient secret qui booste la productivité de tout le monde.
• Théorie 2 : L'Effet "Filtre" (Sélection des entreprises).
  La ville est un crible très dur. Elle ne laisse passer que les meilleurs chefs. Les mauvais cuisiniers sont éliminés (ils font faillite) beaucoup plus vite en ville qu'à la campagne. Donc, la ville ne rend pas les gens meilleurs ; elle se contente de garder les champions et de virer les autres.

🔍 L'Enquête : Qui a raison ?

Pour trancher, les chercheurs (Combes et al., 2012) ont inventé une méthode mathématique. Ils disent : "Si nous comparons la distribution des talents des chefs, la seule différence devrait être la moyenne (le niveau général) et la dispersion (l'écart entre le meilleur et le pire), plus un 'trou' à gauche pour les mauvais chefs éliminés."

Cependant, cette méthode repose sur une hypothèse de départ : elle suppose que la forme de la distribution des talents est la même partout, sauf pour ces ajustements. Si cette hypothèse est fausse, toute leur conclusion est fausse.

Le problème ? On ne peut pas voir le "talent" (la productivité) directement. On doit le deviner à partir de chiffres comptables, un peu comme essayer de deviner la qualité d'un plat en regardant juste la facture d'épicerie. Ces estimations sont souvent "bruitées" (imprécises).

🕵️‍♂️ La Nouvelle Expérience de Morozov et Sy

Ces deux chercheurs ont pris des données réelles sur des milliers d'entreprises espagnoles et ont utilisé une méthode statistique très pointue (comme un microscope anti-bruit) pour tester cette hypothèse.

Leur analogie :
Imaginez que vous prenez les notes de tous les élèves d'une classe de Paris (ville) et d'une classe de province (campagne).

• Si la théorie de la "Sélection" est vraie, vous devriez voir qu'il manque les élèves avec les notes les plus basses à Paris (ils ont été renvoyés).
• Si la théorie de l'"Agglomération" est vraie, la courbe des notes est la même, mais elle est simplement décalée vers le haut (tout le monde a de meilleures notes) et peut-être un peu plus étalée.

🎉 Le Résultat : La Ville est un Boosteur, pas un Filtre

Leurs résultats sont clairs et surprenants :

1. La forme est identique : Quand on compare les distributions de productivité, elles sont exactement les mêmes, à part pour le décalage moyen et l'écart-type.
2. Pas de "trou" à gauche : Il n'y a pas de preuve que les entreprises les moins performantes disparaissent plus vite en ville. Le "filtre" n'est pas aussi puissant qu'on le pensait.
3. Deux paramètres suffisent : Il suffit de dire "En ville, la moyenne est plus haute et il y a un peu plus de variété" pour expliquer tout le phénomène. On n'a pas besoin de parler d'élimination des faibles.

En résumé : La ville ne se contente pas de trier les bons des mauvais. Elle rend tout le monde plus productif. C'est l'effet "mélange" (agglomération) qui gagne, pas l'effet "filtre".

💡 Ce que cela change pour les décideurs

Si vous êtes un maire ou un politicien qui veut aider les régions moins denses :

• ❌ Ne perdez pas votre temps à essayer de créer une concurrence féroce pour "nettoyer" le marché des entreprises inefficaces. Ce n'est pas le moteur principal de la réussite urbaine.
• ✅ Concentrez-vous sur l'agglomération : Essayez de recréer les conditions de la ville. Améliorez les infrastructures, facilitez les rencontres entre gens, créez des parcs technologiques, améliorez les transports. L'objectif est de donner à tout le monde le "boost" que la ville offre naturellement, plutôt que de simplement punir les faibles.

En une phrase : Les villes ne sont pas des machines à éliminer les faibles, mais des machines à booster les talents. Pour réussir, il faut copier l'ambiance de la ville, pas son couteau.

Résumé technique

1. Problématique et Contexte

Il est bien établi que les entreprises situées dans des zones à forte densité démographique sont systématiquement plus productives que celles des zones moins denses. Deux mécanismes principaux sont invoqués pour expliquer ce phénomène :

• Les économies d'agglomération : La concentration géographique améliore la productivité de toutes les entreprises (via les externalités de connaissances, l'accès aux marchés, etc.).
• La sélection des entreprises (Firm Selection) : La concurrence accrue dans les zones denses élimine plus rapidement les entreprises les moins productives, laissant une population d'entreprises moyennes plus performante.

L'article de référence, Combes et al. (2012) (désigné CDGPR12), propose une méthode pour décomposer ces deux effets. Cependant, cette approche repose sur une hypothèse critique non testée : les distributions de la Productivité Totale des Facteurs (PTF) entre les zones denses et peu denses ne diffèrent que par leur moyenne, leur variance et une troncature de la queue gauche (due à la sélection). Si les distributions diffèrent par leur forme ou leur comportement dans les queues (au-delà de la troncature), la décomposition de CDGPR12 est invalide.

Le défi empirique majeur réside dans le fait que la PTF n'est pas observée directement mais estimée avec du bruit. Des comparaisons naïves des distributions basées sur ces estimations bruyantes peuvent confondre le bruit statistique avec l'hétérogénéité réelle, rendant les tests d'égalité de distributions potentiellement biaisés.

2. Méthodologie

Les auteurs proposent une validation empirique rigoureuse de l'hypothèse d'égalité des distributions en utilisant des données administratives espagnoles et des méthodes économétriques avancées.

• Données : Utilisation des données de bilans et de comptes de résultat de la Banque d'Espagne (dataset CBI) couvrant la période 2000-2019. L'échantillon inclut environ 80 % des entreprises non financières espagnoles.
• Estimation de la PTF ($\theta_i$) :
  • Estimation d'une fonction de production Cobb-Douglas par secteur et zone (dense vs peu dense) en utilisant la méthode d'Ackerberg, Caves et Frazer (2015).
  • Calcul de la PTF comme la moyenne des résidus sur la période d'observation.
  • Restriction d'échantillon : Seules les entreprises observées pendant au moins 15 périodes sont retenues. Cela sert à deux fins : (i) s'aligner sur le cadre théorique à long terme de CDGPR12 où la sélection opère, et (ii) réduire statistiquement le bruit d'estimation des PTF.
• Test d'Hypothèse :
  • L'hypothèse nulle ($H_0$) teste si les distributions de PTF, une fois standardisées par leur moyenne et leur variance, sont identiques entre les zones denses (AMD) et peu denses (BMD).
  • Méthode de test : Utilisation d'un test non paramétrique de Kolmogorov-Smirnov (KS) à deux échantillons, adapté pour corriger les biais.
  • Correction du bruit :
    1. Jackknife sur demi-panneau (Half-panel jackknife) : Méthode de Dhaene et Jochmans (2015) pour corriger le biais induit par les erreurs de mesure dans les estimations de PTF.
    2. Bootstrap au niveau de l'entreprise : Pour prendre en compte toute la variabilité d'échantillonnage et l'incertitude liée à l'estimation des paramètres (moyenne et variance).

3. Contributions Clés

1. Validation Empirique : C'est la première étude à tester directement l'hypothèse d'égalité des distributions de CDGPR12 en tenant compte du bruit d'estimation. Les résultats confirment que l'hypothèse tient.
2. Simplicité des Paramètres : Les auteurs démontrent que la troncature de la queue gauche (paramètre de sélection $\xi$) n'est pas nécessaire pour aligner les distributions. Seuls la moyenne et la variance suffisent à expliquer les différences entre les zones.
3. Généralisation Méthodologique : La méthode développée (combinaison de debiasing par jackknife et tests KS non paramétriques) fournit un modèle reproductible pour valider des hypothèses dans d'autres contextes où des estimations bruyantes sont utilisées (ex: distribution des compétences des travailleurs).

4. Résultats

Les résultats sont présentés dans le Tableau 1 et la Figure 1 de l'article :

• Validité Statistique : Pour tous les secteurs analysés (Manufacture, Construction, Commerce de gros/détail, Transport, Hôtellerie, TIC, Immobilier, Services professionnels, etc.), les valeurs-p du test KS corrigé sont très élevées (la plus faible étant de 0,499 pour les services professionnels).
• Interprétation : On ne peut pas rejeter l'hypothèse nulle. Cela signifie que les distributions de PTF dans les zones denses et peu denses sont statistiquement identiques une fois les moyennes et les variances alignées.
• Absence de Sélection Forte : Le fait que le paramètre de troncature de la queue gauche ne soit pas requis suggère que la sélection des entreprises (l'élimination des moins productives) n'est pas le moteur principal des différences de productivité observées. Les distributions ont la même forme, mais sont simplement décalées et étirées.

5. Signification et Implications Politiques

Les conclusions de l'article ont des implications majeures pour la recherche et les politiques publiques :

• Primauté des Économies d'Agglomération : Puisque les distributions ne diffèrent que par leur moyenne et leur variance, l'avantage de productivité des villes semble être entièrement dû aux économies d'agglomération plutôt qu'à une sélection plus forte.
• Orientation des Politiques Publiques :
  • Les politiques visant à améliorer l'agglomération (infrastructures locales, épaississement du marché du travail, spillovers de connaissances) sont probablement plus efficaces pour réduire les écarts de productivité.
  • Les politiques ciblant la sélection des entreprises (réduction des barrières à l'entrée, promotion du turnover) sont moins pertinentes, car la sélection n'apparaît pas comme le mécanisme dominant expliquant les différences de productivité.
• Validité des Modèles Existants : Les résultats valident l'utilisation des cadres de décomposition de Combes et al. (2012) dans les analyses de politiques basées sur la localisation, rassurant sur la robustesse des études antérieures utilisant cette approche.

En résumé, l'article démontre que la productivité urbaine supérieure est une question de "déplacement" et d'"étirement" de la distribution de productivité (agglomération) plutôt que de "taille" ou de "forme" différente (sélection), offrant une base solide pour orienter les interventions régionales vers le renforcement des externalités positives de la densité.