1

GREThA UMR CNRS 5113

University of Bordeaux
Avenue Lon Duguit
33608 PESSAC Cedex
France
celine.bonnefond@u-bordeaux4.fr
Version prliminaire Ne pas citer
Lobjectif de cet article est de fournir une analyse rcente des dynamiques de
croissance et du processus de convergence rgionale en Chine sur la priode 1995-2009 en prenant
en compte les interactions entre provinces. Nous mettons en uvre une analyse conomtrique
partir dune quation de croissance qui nous permet de tester lhypothse de convergence et
dtudier les dterminants de la croissance rgionale dans le pays. Les interactions spatiales entre
provinces sont modlises partir des techniques de lconomtrie spatiale. Les investigations
empiriques permettent de dgager trois conclusions principales. Tout dabord, il existe bien des
effets de dbordement de la croissance entre les provinces chinoises. Ensuite, la prise en compte des
interactions entre provinces permet de valider lhypothse de convergence conditionnelle sur la
priode tudie. Enfin, lexistence deffets dentranement est facteur de croissance et constitue par
consquent un lment cl prendre en compte dans llaboration de politiques visant conduire
une rduction progressive des disparits rgionales en Chine.
: The purpose of this article is to take into account interactions between provinces so
as to provide a recent analysis of growth dynamics and regional convergence in China over the
1995-2009 period. An econometric analysis is implemented in order to test the convergence
hypothesis and to identify the determinants of regional growth in the country. Spatial interactions
between provinces are modeled using spatial econometrics techniques. Three main conclusions can
be drawn from the empirical investigations conducted as part of this research. Firstly, growth
spillover effects do exist between Chinese provinces. Secondly, taking into account spatial
interactions leads to validate the conditional convergence hypothesis over the study period. Thirdly,
provincial spillover effects are a driving force of economic growth. As a consequence, they
constitute a key factor that must be considered for the elaboration of policies that aim to gradually
reduce regional disparities in China.
ingalits, croissance, convergence, conomtrie spatiale, Chine.
C21, O11, O47, O53, R11.
4th Economic Development International Conference of the GREThA - GRES
University of Bordea 15 June 20
-
-
Une approche revisite des ingalits spatiales en Chine : la prise en compte des
interactions entre provinces dans la dynamique de croissance rgionale et le
processus de convergence
Cline Bonnefond
Rsum :
Abstract
Mots-cls :
JEL classification :
2
Lors du lancement des rformes conomiques au dbut des annes 1980, les autorits chinoises ont
fait le choix de lefficacit, aux dpens de lquit. Les ingalits rgionales taient donc justifies
au nom de la croissance conomique. Les 6
me
et 7
me
plans quinquennaux (1983-1986 et 1986-
1991) visaient ainsi promulguer une croissance dsquilibre, localise sur la faade maritime. Par
la suite, le dveloppement devait se diffuser lintrieur des terres, grce notamment aux transferts
de technologie. Selon cette stratgie qui a de nombreux fondements thoriques (Hirschman, 1958;
Perroux, 1964) la concentration spatiale des activits conomiques nest pas amene durer. Au fil
du temps, lensemble du territoire va pouvoir bnficier de la croissance, grce notamment la mise
en place deffets dentranement. Cependant, comme le montrent Chen et Fleisher (1996) et
Naughton (2002), le dynamisme des provinces ctires et la relative stagnation des provinces
intrieures ont conduit un modle de croissance rgionale de type centre-priphrie, tel qunonc
par les thories de la Nouvelle Economie Gographique (Krugman, 1991, 1995). De nombreuses
tudes empiriques ont ds lors cherch dterminer lampleur et lvolution des ingalits
rgionales en Chine depuis le dbut des rformes conomiques. La plupart des travaux saccordent
sur le fait que les ingalits entre provinces ont tout dabord diminu entre 1978 et 1990 (Jian .,
1996; Dayal-Gulati et Husain, 2000; Zheng , 2000; Dmurger, 2001; Lin et Liu, 2006; Li et
Xu, 2008). Par la suite, sur la priode 1990-2000, on remarque une tendance continue la hausse
des ingalits rgionales (Zheng ., 2000; Dmurger, 2001; Cai ., 2002; Kanbur et Zhang,
2005). Celle-ci rsulte en grande partie de laccroissement des disparits entre provinces ctires et
provinces de lintrieur. En 2008 par exemple, le PIB par habitant Shanghai, la province la plus
riche du pays, slevait 73 124 yuans, et tait par consquent 8,3 fois plus lev que celui de
Guizhou, la province la plus pauvre, o il natteignait que 8 824 yuans. Toutefois, les rares travaux
utilisant les donnes les plus rcentes concernant les annes 2000 tendent montrer que les
disparits rgionales seraient en train de se rduire depuis le milieu de la dcennie (Li et Xu, 2008 ;
OCDE, 2010 ; Villaverde , 2010). La , qui prsente lvolution de lindice de Theil
(1967) concernant les disparits rgionales de PIB par habitant, illustre ce retournement de tendance
partir du milieu des annes 2000. Il semblerait donc quun processus de convergence rgionale se
soit rcemment initi en Chine.
Suite lmergence de la Chine sur la scne internationale, de nombreux travaux empiriques ont
cherch examiner la question de la convergence des provinces chinoises. Nanmoins, les rsultats
de ces diffrents travaux attestent quil ny pas de consensus sur la question. Jian . (1996) ont
par exemple montr quil nexiste pas de convergence rgionale sur la priode prcdant la mise en
place des rformes, mais quil existe une convergence absolue sur la priode post-rformes. Chen et
Fleisher (1996) concluent lexistence dune convergence conditionnelle de la production par tte
entre 1978 et 1993, aprs contrle par un ensemble de variables traditionnelles et une variable de
localisation. Cai . (2002) utilisent quand eux une quation de croissance et confirment
lhypothse de convergence conditionnelle du PIB par tte entre 1978 et 1998, en prsence de
distorsions sur le march du travail. Plus rcemment, Zou et Zhou (2007) vrifient lexistence dune
convergence conditionnelle entre provinces chinoises partir de donnes de panel sur la priode
1981-2004. Li et Xu (2008) valident galement cette hypothse pour la priode 1991-2005. Par
opposition, Zhang et Yao (2001) rejettent lhypothse de convergence conditionnelle entre 1978 et
1995, mais montrent cependant lexistence dune convergence au sein de trois clubs
1
: la Cte,

1
Berthlmy (2006) souligne que la notion de clubs de convergence est apparue dans la littrature empirique durant
les annes 1980, notamment la suite des travaux de Abramovitz (1986) et Baumol (1986). Elle repose sur lide que,
mme si lhypothse de convergence nest pas vrifie au niveau global, il peut exister une convergence entre rgions
dun mme groupe ou club . Berthlmy ajoute que des pays avec des dynamiques de croissance htrognes
peuvent tre regroups en sous-ensembles ( clubs ) prsentant des performances homognes. Dans un modle
Introduction
et al
et al.
et al et al
et al. figure 1
et al
et al
3
le Centre et lOuest. Weeks et Yao (2003) concluent lexistence dune divergence entre provinces
durant la priode rformes (197 1997), mais rvlent galement que les provinces la
et les provinces de lintrieur convergent vers leur propre tat rgulier de croissance. Sur la mme
priode, Pedroni et Yao (2006) confirment lexistence dune divergence entre provinces, mais
rejettent quant eux lhypothse de clubs de convergence.
Labsence de consensus sur la question de la convergence peut tre lie de nombreux facteurs.
Premirement, les tudes mentionnes ci-dessus nutilisent pas les mmes bases de donnes.
Ensuite, les donnes enregistres au dbut des rformes peuvent souffrir de problmes de qualit ou
de fiabilit. Par ailleurs, le choix des variables de contrle dpend souvent de la disponibilit des
donnes. Les diffrences de croissance conomique entre provinces chinoises peuvent tre le fait
dun grand nombre de facteurs. Par consquent, si des variables concernant les caractristiques
spcifiques des provinces ne peuvent pas tre incluses dans lanalyse car elles ne sont pas
disponibles, lhypothse de la convergence conditionnelle peut tre rejete tort. Pour pallier ce
problme, la prise en compte de lautocorrlation spatiale dans lestimation dun modle de
croissance est particulirement utile. En effet, lautocorrlation spatiale permet de capter leffet de
variables potentiellement omises sur la variable dpendante (Le Gallo, 2000; Dallerba et Le Gallo,
2005).
Nous nous dmarquons ainsi des tudes prcdentes puisque, linstar des travaux de Dallerba et
Le Gallo, nous postulons quil nest pas possible dtudier les provinces chinoises comme des
entits isoles. En effet, la rpartition gographique des activits et de la croissance est rarement
alatoire. La localisation dans lespace peut avoir une incidence sur les performances de rgions
voisines. Ceci est particulirement vrai dans le cas de la Chine, o les activits conomiques et la
croissance sont concentres sur la faade maritime. Il est donc important de tenir compte du
phnomne dautocorrlation spatiale (Cliff et Ord, 1973, 1981; Anselin, 1988). Lautocorrlation
spatiale indique la prsence dune dpendance entre les observations du fait de leur position
gographique. Elle
(Dallerba et Le Gallo, 2005: 123). Dans le cadre de notre analyse, la prsence
dautocorrlation spatiale impliquerait que le taux de croissance dune province influence et est
influenc par le taux de croissance des provinces environnantes (Anselin, 1988).
Lobjectif de cet article est ainsi de fournir une analyse rcente des dynamiques de croissance et du
processus de convergence rgionale en Chine en prenant en compte les interactions entre provinces.
Ces interactions spatiales sont modlises partir des techniques de lconomtrie spatiale. Cet
article sorganise de la faon suivante. La section 1 dcrit brivement les donnes et les variables
utilises pour rendre compte des dynamiques de croissance rgionale et du processus de
convergence. La section 2 se focalise sur la mthodologie permettant dintgrer les effets spatiaux
au modle de croissance. Enfin, la section 3 prsente les rsultats leurs implications conomiques.
La base de donnes a t constitue partir des diffrentes ditions du
(1996-2010). Lanalyse est limite une priode rcente de manire produire des rsultats
actualiss et pallier les problmes de qualit et de disponibilit des donnes plus anciennes. Afin de
prendre en compte les variations de prix dans chaque province, toutes les valeurs nominales ont t

dquilibres multiples, chaque club regroupera ainsi des pays aux caractristiques structurelles similaires, et donc
caractriss par un mme tat dquilibre.
se rfre la concidence entre similitude des attributs et similitude de
localisation
China Statistical Yearbook
1. Dterminants de la croissance rgionale et convergence des provinces
chinoises : modle de croissance et donnes
4
corriges de linflation en utilisant les indices provinciaux de prix la consommation, et sont ainsi
exprimes en prix constants de Au fina , lanalyse est effectue partir de donnes
de panel concernant vingt-neuf provinces chinoises
2
au cours de cinq sous-priodes de trois ans
3
(1995-1997, 1998-2000, 2001-2003, 2004-2006, et 2007-2009). Ainsi, toutes les variables
considres sont mesures comme des moyennes de trois annes entre la date et . Nous
disposons donc au total de 145 observations.
Suivant les travaux de Durlauf . (2005), lquation de croissance utilise pour la rgression peut
scrire sous la forme suivante :
[1]
o les variables X dsignent les dterminants traditionnels de la croissance conformment au
modle de Solow, et les variables Z des dterminants additionnels.
La variable expliquer est le taux de croissance du PIB rel par habitant de la rgion sur la
priode Les diffrentes variables de contrle sont issues des modles de la convergence
conditionnelle (Solow, 1956; Mankiw , 1992), ainsi que des modles de croissance endogne
(Romer, 1986; Barro, 1991). Nous rappelons que toutes les variables sont mesures comme des
moyennes triennales entre et .
Afin de tester lhypothse de convergence conditionnelle, le stock de capital de dbut de priode est
introduit dans la rgression. Il est approxim par le logarithme du PIB par habitant de la province
au dbut de chaque priode ( ). Sous lhypothse de convergence conditionnelle, le coefficient
associ cette variable, , doit tre significatif et ngatif (Solow, 1956 ; Barro et Sala-i-Martin,
1995). Cela signifierait que, toute chose gale par ailleurs, les provinces prsentant les PIB par tte
les plus faibles en dbut de priode doivent enregistrer un taux de croissance plus lev que les
provinces initialement les plus riches
4
. Ce phnomne doit leur permettre de converger vers leur tat
rgulier de croissance. Il est ensuite possible de complter lanalyse de la convergence par le calcul
de deux paramtres additionnels. Le premier est la vitesse de convergence, qui reprsente la vitesse
ncessaire une conomie pour atteindre son tat dquilibre [ = - ln(1 + T )/T
5
]. Le second est
la demi-vie, correspondant au temps ncessaire pour quune conomie atteigne la moiti de la
distance qui la spare de son tat dquilibre [t = - ln(2)/ln(1 + )] .
Limpact de la croissance dmographique sur la croissance conomique est pris en compte travers
le taux daccroissement naturel de chaque province sur la priode ( ). Cette variable est
suppose tre ngativement lie au capital humain et par consquent la croissance conomique.

2
Le Tibet est exclu de lanalyse cause de lindisponibilit de certaines donnes sur la priode considre. Les donnes
de Chongqing, province cre en 1997, ont t incorpores celles de Sichuan.
3
Bien que la question de la dtermination de lintervalle de temps le plus appropri ne soit pas totalement tranch dans
la littrature empirique sur la croissance (Temple, 1999), lutilisation des moyennes triennales prsente plusieurs
avantages. Elle conduit tout dabord rduire linfluence des chocs de court-terme et des cycles des affaires sur
lactivit conomique, et donc faire ressortir des relations de plus long-terme. Ainsi, elle peut permettre dviter le
problme de non-stationnarit de certaines sries statistiques, qui pourrait entraner des rsultats errons (rgression
fallacieuse). Par ailleurs, compar aux moyennes sur intervalles de 5 ou 15 ans, le recours aux moyennes sur 3 annes
permet de garder un nombre suffisant dobservations afin dexploiter la dimension temporelle des donnes de panel.
Cette procdure a notamment t mise en uvre dans les travaux empiriques de Brun . (2002), ou encore
Madariaga et Poncet (2007).
4
Sous les hypothses de productivit marginale dcroissante des facteurs travail et capital, ainsi que de lexistence de
rendements dchelle constants.
5
Avec T reprsentant le nombre dannes ou de priodes considres.
t t-2
et al
y
i,t
= lnY
i0
+ ? X
i,t +
p Z
i,t +
e
i,t
y
i,t
i
t.
et al.
t t-2
i
t lnY
i0
b
i t POP
et al
b
b
b
)
)
)
5
Dans le modle de Solow, la force de travail est considre comme un facteur stimulant la
croissance c est approxime la part de la population active occupe dans
population rgionale ( ).
En outre, laccumulation du capital physique constitue un moteur de croissance dans le modle de
Solow et dans les modles de croissance endogne (Romer, 1986)
6
. En effet, les entreprises
connaissent habituellement des rendements dchelle constants, mais elles peuvent accumuler des
savoir-faire, notamment grce laccumulation du capital et la libre circulation de linformation.
Certains investissements peuvent par consquent entraner des rendements croissants et ainsi
favoriser la croissance. Laccumulation du capital physique est intgre notre modle travers le
taux dinvestissement ( ) calcul partir du ratio de la formation brute de capital fixe sur le PIB
de chaque province sur la priode .
La rgression de croissance est ensuite augmente avec des variables reprsentant des sources
internes de croissance. Le capital humain influencerait favorablement la croissance. Il englobe,
selon Lucas (1988), lensemble des capacits dont dispose un travailleur et qui doivent lui permettre
dtre plus productif : formations et connaissances techniques et intellectuelles, mais aussi sant
physique. Ainsi, les taux de scolarisation, de qualification de la main duvre ou ltat de sant de
la population peuvent tre considrs comme des facteurs de croissance (Barro, 1991; Barro et Lee,
1994). Dans cette tude, le niveau de connaissance a t apprhend travers la variable qui
reprsente le nombre dtudiants dans le suprieur rapport la population de chaque province sur
la priode . De plus, nous avons utilis comme indicateur du niveau de sant le ratio du nombre de
lits dhpitaux sur la population de la rgion sur la priode ( )
8
.
Les dpenses publiques ont, quant elles, un rle incertain dans le processus de croissance. Barro
(1990) a montr quelles peuvent favoriser la croissance en amliorant la productivit des
entreprises prives travers les infrastructures publiques et laugmentation du stock de
connaissances (capital humain). Cependant, la hausse de la fiscalit visant financer la dpense
publique peut avoir des effets ngatifs sur la croissance. Le signe du coefficient associ cette
variable sera par consquent soit positif, soit ngatif, selon que lun de ces deux effets lemporte sur
lautre. Cette variable a t construite en utilisant la part des dpenses publiques dans le PIB de
chaque province sur la priode ( ).
Un autre dterminant potentiel de la croissance peut tre la prsence dinfrastructures (Aschauer,
1990 ; Dmurger, 2001 ; Egert , 2009). Ces dernires procurent en effet dimportantes
externalits positives, en favorisant notamment la mobilit des travailleurs, des biens et services,
ainsi que la circulation de linformation. Nous approximons le niveau dinfrastructures rgionales
par la densit routire, ratio du nombre de kilomtres de routes rapport la population de chaque
province sur la priode ( ).
Enfin, tant donn que louverture de la Chine sur lextrieur a t llment dclencheur de son
mergence, nous incorporons galement dans lanalyse une variable tenant compte de
lenvironnement extrieur. Certains auteurs, comme Fontagn et Gurin (1997), Rodrik (1999), ou
plus rcemment Dufrnot (2009), ont mis en vidence le rle de louverture commerciale
comme catalyseur de la croissance . En effet, elle permet, entre autres, laugmentation de la
comptitivit du pays, du fait de la concurrence extrieure, ainsi que les transferts de technologies.
A linstar des travaux de Wu (2004), louverture commerciale est ici mesure par le taux

6
Romer (1990) insiste galement sur limportance de linnovation comme facteur endogne de croissance.
Malheureusement, les dpenses de recherche-dveloppement nont pas pu tre prises en compte dans lanalyse par
manque de disponibilit des donnes sur la priode considre.
7
Nous avons utilis un indicateur de scolarit dans le suprieur tant donn que lenseignement primaire est obligatoire
en Chine (Brun ., 2002).
8
Le choix de cet indicateur a t conditionn par le manque de donnes sur longue priode concernant la sant, comme
par exemple lesprance de vie ou les dpenses de sant publiques de chaque province.
TRAVAIL
INV ,
i t
EDU
7
t
i t SANTE
i t DP
et al.
i t INFRAST
et al.
et al
6
douverture, variable calcule partir du ratio des exportations sur le PIB de la province la

Les principales statistiques descriptives concernant lensemble des variables sont prsentes dans le
Lexistence dinteractions spatiales entre les diffrentes provinces implique quil faut tenir compte
des positions relatives des observations les unes par rapport aux autres (Le Gallo, 2000). Dans cette
optique, il est ncessaire de construire des matrices de poids qui spcifieront la structure et
lintensit des relations entre les diffrentes units spatiales.
La premire matrice de poids utilise est une matrice de contigit dordre 1. A lintrieur de cette
matrice, chaque terme est dfini de la faon suivante :

= 1 si les rgions et possdent une frontire commune (contigit dordre 1) [2]

= 0 sinon
La matrice de contigit est ensuite standardise : chaque lment de la matrice est divise par la
somme en ligne de tous les lments, de telle sorte que la somme en ligne devienne gale 1.
Afin de respecter la condition dexognit des lments de la matrice (Anselin et Bera, 1998;
Keller, 2002), la distance gographique est le critre retenu pour la construction des matrices de
poids. La distance ici considre est la distance sphrique entre les centrodes des rgions
9
, note .
On suppose dans ce cas que lintensit des relations entre deux rgions et sera dtermine par la
distance entre les centrodes de ces deux rgions. Nous utilisons une fonction inverse de la
distance
10
, qui nous permet dobtenir des matrices dfinies de la faon suivante :
= 0 si =

= 1 / si < [3]

= 0 si >
o est un lment de la matrice de poids, est la distance sphrique entre les centrodes des
rgions et , et est la distance seuil au-del de laquelle les interactions entre rgions sont
supposes ngligeables (Abreu , 2005). La plupart des travaux utilisant les techniques de
lconomtrie spatiale fixent en gnral la distance seuil partir des quartiles de la distribution des
distances (Baumont , 2002; Dallerba et Le Gallo, 2005).

9
La distance sphrique entre centrodes, aussi appele distance du grand-cercle, est la plus petite distance entre deux
points dune sphre. Son calcul repose sur les coordonnes de chaque point ou localisation. Ici les diffrents points
(centrodes des rgions) sont dtermins partir de la latitude et de la longitude associes chaque province chinoise,
telles que dfinies par la .
10
Nous avons galement utilis des matrices de poids construites selon une fonction inverse de la distance au carr. Les
rsultats ne sont pas reports puisquils ne diffrent gure des rsultats pour les matrices bases sur linverse de la
distance.
i

tableau 1.
w
ij
w
ij
i j
d
ij
i j


i j
w
ij
d
ij
d
ij
t
d
ij
t
w
ij
d
ij
i j t
et al.
et al.
National Geospatial Intelligence Agency
2. La prise en compte des interactions spatiales dans la dynamique de croissance
rgionale : stratgie conomtrique
2.1. Matrices de poids spatial
2.1.1. Contigit dordre 1
2.1.2. Matrices de poids bases sur la distance
7
Dans notre tude, la distance seuil minimale considrer pour que chaque province ait au moins un
voisin est
11
. Afin de tester la robustesse des rsultats, nous utilisons galement dautre
matrices de poids, avec pour valeur seuil = 1400, 1500, 1600, 1700, et 1800
12
. Chaque matrice de
poids est ensuite standardise en lignes afin de prendre en compte la distance relative et non pas
absolue (Le Gallo, 2002).
Si elle nest pas prise en compte, linteraction possible entre rgions voisines peut causer des biais
destimation potentiels du fait de lexistence dune dpendance spatiale (Le Gallo, 2000). Cette
dpendance peut apparatre sous deux formes : une variable autorgressive ou endogne dcale, et
une autocorrlation spatiale des erreurs. La variable autorgressive, ou variable endogne dcale,
sera utilise lorsquil existe une corrlation spatiale entre les diffrentes observations de la variable
dpendante. Dans ce cas, si la dpendance spatiale nest pas prise en compte, lestimateur des
Moindres Carrs Ordinaires ne sera pas convergent et produira des rsultats biaiss. La solution
consistera alors ajouter un retard spatial lquation estimer ( , not
SAR). La variable endogne dcale sera incluse dans le modle conomtrique de la faon
suivante :
[4]
o est la variable endogne dcale faisant intervenir la matrice de poids , et le paramtre
spatial autorgressif mesurant lintensit de la dpendance spatiale.
Lautocorrlation spatiale des erreurs dsigne quant elle la prsence dune corrlation entre les
termes derreur dobservations adjacentes. Dans ce cas, lhypothse dindpendance des termes
derreur est viole, et les estimations produites sont ineffiaces. La solution consiste introduire la
dpendance spatiale dans lquation estimer au moyen dun terme derreur autorgressif (
, not SEM). La dpendance spatiale sera alors modlise de la faon suivante :
, avec [5]
La modlisation de la dpendance spatiale nous permettra par consquent de vrifier lexistence
deffets de dbordement de la croissance entre provinces chinoises, et le cas chant, destimer leur
ampleur.
Nous cherchons tout dabord vrifier la prsence dautocorrlation spatiale dans notre modle.
Dans cette optique nous utilisons le test de Moran adapt aux rsidus de la rgression (Cliff et
Ord, 1981). Ce test est effectu sur les rsidus de lestimation par les moindres carrs ordinaires
pour les diffrentes matrices de poids spatial . Les rsultats du test de Moran sont prsents dans
le . Ils rvlent que, quelle que soit la matrice de poids spatial utilise, lhypothse nulle
dabsence dautocorrlation spatiale peut tre rejete au seuil de 1%.
Par ailleurs, les rsultats de ce test peuvent galement tre utiliss afin de choisir la matrice de poids
spatial la mieux adapte au modle. En effet, il est possible de comparer les diffrentes statistiques
de Moran, et de retenir la matrice de poids spatial prsentant la valeur la plus leve puisque ce sera

11
Ce seuil est aussi gal la mdiane de la distribution de la distance sphrique entre les centrodes des rgions.
12
t=1800 est la dernire valeur seuil choisie puisque 1838 est gal au troisime quartile de la distribution de la distance
sphrique entre les centrodes des rgions.
t
t
spatial autoregressive model
y = ?Wy + X + e
Wy W ?
spatial
error model
y = X + e e = ?We + u
I
W I
tableau 2 W
I
2.2. Modlisation de la dpendance spatiale
2.3. Intgration des effets spatiaux au modle de croissance
2.3.1. Dtection de la prsence dautocorrlation spatiale dans les rsidus de la
rgression
8
celle qui maximisera les interactions spatiales. Ainsi, si lon compare la valeur des statistiques de
Moran pour les diffrentes matrices de co , on se rend compte quelle est maximise
pour la matrice correspondant une distance seuil =1800.
Anselin et Rey (1991) et Anselin et Florax (1995) ont montr que le test I de Moran ne permet pas
de dterminer laquelle des deux spcifications du modle conomtrique, SAR ou SEM, est la plus
adapte pour la rgression. Il est donc ncessaire de dterminer la forme prise par lautocorrlation
spatiale grce aux deux tests du multiplicateur de Lagrange, ainsi que leurs versions robustes
(Anselin et Florax, 1995 ; Anselin , 1996) : LMLAG et R-LMLAG pour une variable
autorgressive, et LMERR et R-LMERR pour une autocorrlation spatiale des erreurs. Afin de
dtecter la spcification la plus approprie, nous appliquons la rgle de dcision dcrite par Anselin
et Florax (1995) si LMLAG (respectivement LMERR) est plus significatif que LMERR
(respectivement LMLAG), et si R-LMLAG (respectivement R-LMERR) est significatif alors que
R-LMERR (respectivement R-LMLAG) ne lest pas, alors le modle le plus appropri est le modle
SAR avec variable autorgressive (respectivement le modle SEM avec autocorrlation des
erreurs).
Les rsultats des tests du multiplicateur de Lagrange et leurs versions robustes pour les diffrentes
matrices de poids spatial sont prsents dans le . Ils indiquent que le modle avec variable
endogne dcale (SAR) est plus appropri que le modle avec autocorrlation des erreurs (SEM).
Nous estimons donc lquation de croissance [1] en y incluant la variable dpendante spatialement
dcale. Lquation estimer devient ainsi :
[6]
o est la variable endogne dcale pour la matrice de poids , et est le paramtre spatial
autoregressif mesurant lampleur des interactions spatiales.
Ainsi, en plus dtre expliqu par lensemble des variables de contrle nonces dans la section
1.2., le taux de croissance de la province est galement en partie expliqu par le taux de croissance
dans les provinces environnantes.
Selon les recommandations dAnselin (1988), le modle SAR variable endogne dcale est
estim par la mthode du maximum de vraisemblance. Les rsultats des estimations pour les
diffrentes matrices de poids spatial sont reports dans le . Afin dvaluer la qualit de
lajustement des diffrents modles, nous nous basons sur la comparaison des statistiques de
vraisemblance (Log-lik), et des critres dinformation dAkaik (AIC) et de Bays (BIC). Le
meilleur modle sera celui prsentant la statistique de vraisemblance la plus leve, ou les critres
dinformation les plus faibles. Suivant ces recommandations, nous remarquons que, compar
lestimation par MCO, lintroduction de la variable endogne dcale amliore considrablement la
qualit de prdiction du modle. Suivant ces critres, le modle prsentant la meilleure qualit
dajustement est le . En outre, les rsultats se rvlent particulirement stables quelle que
soit la matrice de poids spatial utilise. Par consquent nous prsentons uniquement dans cette
section les rsultats pour le (distance seuil = 1800) puisque cest galement celui qui
maximise donc les interactions spatiales entre provinces chinoises (statistique de Moran la plus
leve). Il est galement intressant de noter que ce modle possde un pouvoir explicatif
I
W t
et al.
tableau 3
y
i,t
= lnY
i0
+ ? X
i,t +
p Z
i,t +
?Wy
i,t +
e
i,t
Wy
i,t
W ?
i
tableau 3
modle 8
modle 8 t
I
2.3.2. Spcification du modle conomtrique intgrant la dpendance spatiale
3. Limpact des effets dentranement entre provinces chinoises dans la
dynamique de croissance rgionale : rsultats de lestimation empirique
9
relativement bon puisque son R
2
est de 0,6088. En dautres termes, 61% de la variance totale du
taux de croissance du PIB rel par habitant est explique par les variables
Parmi les variables influenant positivement et significativement la croissance rgionale en Chine
sur la priode 1995-2009, nous retrouvons celles prsentes dans le modle de Solow :
linvestissement et la force de travail. Les travaux empiriques mens par Wu (2004), et Li et Xu
(2008) ont galement montr que linvestissement en capital physique peut tre considr comme
une force motrice de la croissance rgionale en Chine.
Le niveau des infrastructures routires a galement une influence significative et positive sur la
croissance des provinces chinoises. Ce rsultat confirme ceux de Dmurger (2001) et Li et Xu
(2008), qui ont montr que le dveloppement des infrastructures peut constituer un facteur de
rduction des disparits rgionales. Au vu de ces rsultats, linvestissement en capital physique et
en infrastructures peut tre considr comme un vecteur de croissance du revenu par habitant, et
devrait donc permettre de rduire les ingalits de PIB par tte entre provinces chinoises.
A loppos, nous pouvons observer quau cours de la priode considre, le taux daccroissement
naturel a un impact significatif et ngatif sur la croissance rgionale. Ce rsultat est en conformit
avec les rsultats des estimations de Brun et al. (2002). En effet, la hausse de la fcondit
(approxime ici par le taux daccroissement naturel) peut tre apprhende comme un cot
dopportunit des activits productives. Si la population augmente, une partie de linvestissement
national sera utilise pour fournir du capital aux nouveaux travailleurs, plutt que pour accrotre le
capital par travailleur (Barro, 1998). Ce rsultat est galement en conformit avec lun des objectifs
cls du 12
me
Plan Quinquennal (2011-2015) qui prvoit de limiter la croissance de la population, en
maintenant celle-ci infrieure 1.39 milliards.
Par ailleurs, lintervention de lEtat, par le biais des dpenses publiques exerce galement une
influence ngative et significative sur la variable dpendante. On peut penser que dans le cas de la
Chine, laction publique exerce un effet dviction et dsincite linitiative prive, ce qui rduit les
opportunits de croissance. Ce rsultat est en accord avec les travaux de Gipouloux (1998) et Catin
et Van Huffel (2004a, 2004b), qui montrent que lintervention de lEtat a par exemple un effet
rpulsif sur les investissements directs trangers. En outre, il pourrait tre intressant davoir la
possibilit dexclure certains postes des dpenses publiques, comme les dpenses militaires, afin de
voir si les dpenses publiques en capital humain (ducation et sant notamment) et en
infrastructures exercent pour leur part un effet positif sur le taux de croissance.
Lestimation rvle galement lexistence dune autocorrlation spatiale positive puisque que le
coefficient associ la variable endogne spatialement dcale est positif et significatif. Ainsi, le
taux de croissance du revenu par tte dune province est positivement li celui des provinces
environnantes. Plus prcisment, la hausse (respectivement la baisse) du taux de croissance du PIB
par habitant dans les provinces voisines la province va entraner une hausse (respectivement une
baisse) du taux de croissance dans cette mme province . Il existe donc bien des effets de
dbordement gographique entre les diffrentes rgions chinoises. Il est galement intressant de
souligner que non seulement le coefficient dautocorrlation spatiale est positif et significatif 1%
quelle que soit la matrice de poids considre, mais surtout quil est relativement lev et augmente
lorsque que la distance gographique seuil slve (de 0.702 pout =1300 pour 0.745 pour
= 1800). Ceci laisse penser, comme le soulignent Madariaga et Poncet (2007) sur une tude des
3.1. Estimations des dterminants de la croissance rgionale en Chine sur la
priode 1995-2009
3.2. Existence et intensit des effets de dbordement gographique entre
provinces chinoises
i
i
t t
t
10
performances conomiques des villes chinoises, que la prosprit dune province peut non
seulement bnficier aux provinces gographiquement proches, mais aussi aux provinces plus
loignes.
Enfin, alors que lestimation du modle par MCO ( ) ne permettait pas de conclure la
convergence conditionnelle des PIB par tte provinciaux sur la priode considre, la prise en
compte de lautocorrlation spatiale dans lestimation des dterminants de la croissance rgionale
permet de vrifier cette hypothse, puisque le coefficient associ au niveau initial du PIB par
habitant est ngatif et significatif 5%. Ceci indique que les provinces initialement les plus riches
ont enregistr sur la priode considre des taux de croissance moins levs que les provinces
initialement les plus pauvres, compte tenu de lensemble des variables de contrle. Chaque province
converge ainsi vers son propre tat rgulier de croissance. Par ailleurs, partir du coefficient
estim , nous dtectons une vitesse de convergence entre les provinces chinoises de 2.08 % par
an
13
. Cette vitesse de convergence est plus leve que celle mise en vidence par Zou et Zhou
(2007), qui lestime 1.64% sur la priode 1981-2004. Cette diffrence peut sexpliquer par le fait
que les effets de dbordement gographique interprovinciaux, en impactant positivement sur les
performances conomiques des provinces, leur permettent de converger plus rapidement. De plus,
la demi-vie observe est de 36.52 annes, ce qui signifie que les provinces chinoises comblent la
moiti de lcart qui les spare de leur tat stationnaire en prs de 37 ans.
Ce rsultat souligne limportance de la prise en compte des interactions rgionales dans le processus
de convergence en Chine. En effet, il tend vrifier lexistence deffets dentranement qui peuvent
permettre aux provinces les moins prospres de bnficier de la dynamique de croissance des
provinces environnantes et de raliser un processus de rattrapage. Ceci pourrait en partie expliquer
la rcente rduction des disparits rgionales sur le territoire chinois mentionne en introduction, et
releve dans la .
Lobjectif de cet article tait de contribuer lanalyse du processus de convergence et de croissance
rgionale en Chine en mettant laccent sur limportance de la prise en compte des interactions
spatiales entre provinces. Le rcent dveloppement des outils de lconomtrie spatiale a conduit
un renouveau des travaux empiriques cherchant tudier le rle de la localisation dans la
comprhension des phnomnes conomiques. Baumont (2002), ou Dallerba et Le Gallo
(2005) ont par exemple montr quil nest pas possible de considrer les diffrentes rgions
europennes comme des entits isoles, mais quil faut au contraire les analyser comme des units
interdpendantes. Leurs rsultats soulignent lintrt de lintgration de la dpendance spatiale dans
lestimation dun modle de convergence conditionnelle. Dans la ligne de ces travaux, nous avons
ainsi cherch vrifier lexistence deffets dentranement entre les diffrentes provinces chinoises,
et analyser leur impact sur la dynamique de croissance rgionale et le processus de convergence.
A partir des techniques de lconomtrie spatiale, nous mettons en uvre une analyse empirique
portant sur les dterminants du taux de croissance du PIB rel par habitant de chaque province sur
la priode 1995-2009. Pour les diffrentes matrices de poids utilises, le test de Moran confirme la
prsence dautocorrlation spatiale. Le modle de croissance avec variable endogne spatialement
dcale est estim partir de la mthode du maximum de vraisemblance.

13
A titre comparatif, cette vitesse de convergence est relativement proche de celle de 2% dtecte par Barro et Sala-i-
Martin (1991, 1992) pour les Etats-Unis, et les rgions dEurope et du Japon.
3.3. Impact des interactions spatiales sur le processus de convergence
Conclusion
modle 1
figure 1
et al.
I
b
)
11
Quatre rsultats principaux sont souligner : Premirement, la force de travail, linvestissement en
capital physique et le niveau de veloppement des infrastructures se rvlent tre des facteurs
croissance sur la priode tudie, et peuvent donc constituer des vecteurs de rduction des ingalits
rgionales en Chine. Deuximement, le taux de croissance naturel de la population et les dpenses
publiques exercent pour leur part un effet ngatif sur la croissance rgionale. Troisimement, il
existe bien des effets de dbordement gographique positifs entre les provinces chinoises, et leur
intensit ne diminue pas lorsque la distance seuil considre augmente. Ainsi, le taux de croissance
du PIB par habitant dune province samliore lorsque les taux de croissance du PIB par habitant
des provinces environnantes slvent. Quatrimement, la prise en compte des interactions spatiales
permet de vrifier lhypothse de convergence conditionnelle des provinces chinoises. Dans une
optique de rduction des disparits rgionales, ces rsultats suggrent que pour rquilibrer le
dveloppement au niveau rgional, le gouvernement chinois devrait chercher renforcer les
complmentarits et les interactions entre les diffrentes provinces, en plus de mettre en uvre des
politiques propres certaines rgions.
Si un processus de convergence et de rduction des disparits de revenu par habitant semble stre
enclench au niveau rgional, il serait galement intressant de voir ce quil en est un niveau plus
dsagrg. En effet, certains travaux utilisant des donnes microconomiques issues denqutes-
mnages ont soulign que les ingalits intra-provinciales sont en hausse, notamment entre les
habitants des zones rurales et ceux des zones urbaines (Gustafsson et Li, 2001 ; Sicular , 2007).
Jusque dans les annes 2000, le maintien des restrictions la migration, notamment travers le
systme du , a par exemple frein le processus de convergence urbain / rural (Khan et Riskin,
2005 ; Benjamin , 2005). Cependant, dans le 12
me
Plan Quinquennal, adopt en mars 2011, les
autorits chinoises ont fait part de leur volont de relcher les restrictions la mobilit de la main
duvre, notamment vers les villes de tailles moyennes. Par ailleurs, la forte baisse du soutien de
lEtat dans les villes, notamment avec la fin des subventions et les vagues de privatisation, pourrait
conduire une rduction du foss urbain / rural. Il pourrait par consquent tre intressant
danalyser les effets dentranement entre zones urbaines et zones rurales, afin dvaluer les effets
potentiels du relchement du systme du sur le renforcement des interactions entre villes et
campagnes et sur le processus de convergence.
et al.
hukou
et al.
hukou
12
Abramovitz, M. 1986, Catching Up, Forging Ahead, and Falling Behind,
, (2) : 385-406.
Abreu, M., De Groot, H.L.F., Florax, R.J.G.M. 2005, Space and growth: a survey of empirical
evidence and methods, , : 12-43.
Anselin, L. 1988, , Kluwer Academic Publishers,
Dordrecht.
Anselin, L., Bera, A.K. 1998, Spatial Dependence in Linear Regression Models with an
Introduction to Spatial Econometrics, in Ullah, A, GILES, D.E. (eds),
, Marcel Dekker, New York : 237-289.
Anselin, L., Bera, A.K., Florax, R, Yoon, M.J. 1996, Simple Diagnostic Tests for Spatial -
Dependence, , (1): 77-104.
Anselin, L., Florax, R. 1995, Small sample properties of tests for spatial dependance in regression
models, in Anselin, L., Florax, R. (eds.), , Springer,
Berlin: 21-74.
Anselin, L., Rey, S.J. 1991, Properties of tests for spatial dependence in linear regression models,
, (2): 112-131.
Aschauer, D.A. 1990, Why is infrastructures important?, in Munnell A.H. (ed.),
, Federal Reserve Bank of Boston, Conference Series No.34:
69-103.
Barro, R.J. 1990, Government Spending in a Simple Model of Endogenous Growth,
, (5): 103-126.
Barro, R.J. 1991, Economic Growth in a Cross Section of Countries,
, (2): 407-443.
Barro, R.J. 1998, , The MIT
Press, Cambridge.
Barro, R.J, Lee, J.W. 1994, Sources of Economic Growth,
(1): 1-46.
Barro, R.J., Sala-i-Martin, X. 1991, Convergence Across States and Regions,
, 1: 107-158.
Barro, R.J., Sala-i-Martin, X. 1992, Regional Growth and Migration: a Japan-U.S. Comparison,
, (4): 312-346.
Barro, R.J., Sala-i-Martin, X. 1995, , McGraw-Hill, New York.
Baumol, W. J. 1986, Productivity Growth, Convergence, and Welfare: What the Long-Run Data
Show. , (5) : 1073-85.
Baumont, C., Ertur, C., Le Gallo, J. 2002, Convergence des rgions europennes : Une approche
par lconomtrie spatiale, , 2 : 203-216.
Benjamin, D., Brandt, L., Giles, J., Wang, S. 2005a, Income inequality during Chinas economic
transition, In L. Brandt, Rawski, (eds.)
, Cambridge: Cambridge University Press.
Berthlemy, J.C. 2006, Clubs de convergence et quilibres multiples : comment les conomies
mergentes ont-elles russi chapper au pige du sous-dveloppement ? ,
(1) : 5-44.
Brun, J.F., Combes, J.L., Renard, M.F. 2002, Are There Spillover Effects Between Coastal and
Non-Coastal Regions in China?, (2-3): 161-169.
Rfrences
46
21
26
23
98
106
40
6
76
20
13
Journal of Economic
History
Rgion et dveloppement
Spatial Econometrics: Methods and Models
Handbook of Applied
Economic Statistics
Regional Science and Urban Economics
New Directions in Spatial Econometrics
Geographical Analysis
Is There a
Shortfall in Public Capital Investment?
Journal of
Political Economy
Quarterly Journal of
Economics
Determinants of Economic Growth: A Cross-Country Empirical Study
Carnegie-Rochester Conference Series
on Public Policy
Brookings Papers
on Economic Activity
Journal of the Japanese and International Economies
Economic Growth
American Economic Review
Revue dEconomie Rgionale et Urbaine
Chinas economic transition: Origins, mechanisms, and
consequences
Revue d'conomie du
dveloppement
China Economic Review
13
Cai, F., Wang, D., Du, Y. 2002, Regional Disparity and Economic Growth in China: the Impact of
Labour Market D 3): 1 212
Catin, M., Van Huffel, C. 2004a, Institutions, ouverture et ingalits rgionales de dveloppement
en Chine , , (4) : 809-826.
Catin, M., Van Huffel, C. 2004b, Ouverture conomique et ingalits rgionales de
dveloppement en Chine : le rle des institutions , , (128) : 7-23.
Chen, J., Fleisher, B.M. 1996, Regional Income Inequality and Economic Growth in China,
, (15): 141-164.
Cliff, A.D., Ord, K. 1973, , Pion, London.
Cliff, A.D., Ord, K. 1981, , Pion, London.
Dallerba, S., Le Gallo, J. 2005, Dynamique du processus de convergence rgionale en Europe,
, 21 : 119-139.
Dayal-Gulati, A., Husain, A.M. 2000, Centripetal Forces in Chinas Economic Take-off, ,
Working Paper No.WP/00/86.
Dmurger, S. 2001, Infrastructure Development and Economic Growth: An Explanation for
Regional Disparities in China?, , 29: 95-117.
Dufrnot, G., Mignon, V., Tsangarides, C. 2009, The Trade-Growth Nexus in the Developing
Countries: a Quantile Regression Approach, , Working Paper No.2009-04.
Durlauf, S.N., Jonhson, P. A., Temple, J. R.W 2005, Growth Econometrics, in Aghion, P.,
Durlauf, S.N. (eds), , North Holland, edition 1, volume 1, chapter
8 :555-677.
gert, B., Kozlut, T.J., Sutherland, D. 2009, Infrastructure and Growth: Empirical Evidence,
, Working Paper No.685.
Fontagn, L., Gurin, J.L. 1997, Louverture, catalyseur de croissance, ,
CEPII, 71.
Gipouloux, F. 1998, Intgration ou dsintgration : les effets spatiaux de linvestissement direct
tranger en Chine , , 46: 6-14.
Gustafsson, B., Li, S. 2001., A more unequal China? Aspects of inequality in the distribution of
equivalent income, in C. Riskin, R. Zhao, and S. Li (eds.)
, Armonk, N.Y.: M.E. Sharpe: 44-83.
Hirschman, A. 1958, , Yale University Press, London.
Jian, T., Sachs, J., Warner, A. 1996, Trends in Regional Inequality in China,
(1):1-21.
Kanbur, R., Zhang, X. 2005, Fifty Years of Regional Inequality in China: A Journey through
Central Planning, Reform, and Openness, , (1): 87-106.
Keller, W. 2002, Geographic Localization of International Technology Diffusion,
, 92 : 120-142.
Khan, A.R., Riskin, C. 2005, Chinas household income and its distribution, 1995 and 2002,
, : 356-384.
Krugman, P.R. 1991, , Leuwen University Press and the MIT Press,
Cambridge, MA.
Krugman, P.R. 1995, , The MIT Press, Cambridge,
MA.
Le Gallo, J. 2000, Economtrie spatiale 1. Autocorrlation spatiale
, Universit de Bourgogne, n2000-05.
China Econom
The European Journal of Development Research
Mondes en dveloppement
Journal of Comparative Economics
Spatial Autocorrelation
Spatial Processes : Models and Applications
Rgion et Dveloppement
IMF
Journal of Comparative Economics
CEPII Research Centre
Handbook of Economic Growth
OECD Economics Department
Economie Internationale
Perspectives Chinoises
Chinas retreat from equality: Income
distribution and economic transition
The Strategy of Economic Development
China Economic
Review,
Review of Development Economics
American
economic Review
China Quaterly
Geography and Trade
Development, Geography and Economic Theory
Document de travail du
LATEC

16
32
22
7
9
182
,
14
Le Gallo, J. 2002, Economtrie spatiale : l'autocorrlation spatiale dans les modles de rgression
lina 1 1
Lesage, J.P. 1998, Spatial Econometrics, , December.
Li, S., Xu, Z. 2008, The Trend of Regional Income Disparity in the Peoples Republic of China
, Discussion Paper No.85.
Lin, J.Y., Liu, P. 2006, Development Strategies and Regional Income Disparities in China,
, Research Paper No.2006/129.
Lucas, R.J., 1988, On the mechanics of economic development, ,
(1) : 3-42
Luo, X. 2005, Growth spillover effects and regional development patterns : the case of Chinese
provinces, , Policy research working paper n3652.
Madariaga, N., Poncet, S. 2007, FDI in Chinese Cities : Spillovers and Impact on Growth,
, (5) : 837-862.
Mankiw, N.G., Romer, D., Weil, D. (1992), A Contribution to the Empirics of Economic Growth,
, (2) : 407-37.
National Bureau of Statistics of China (NBSC), 1996-2010, China
Statistics Press, Beijing.
Naughton, B. 2002, Causes and Consequences of Differential Economic Growth of Chinese
Provinces , in Renard, M.-F. (ed),
, Edward Elgar, Cheltenham, 57-86.
OECD 2010, , Vol.2010/6.
Pedroni, P., Yao, J. 2006, Regional Income Divergence in China,
(2): 294-315.
Perroux, F. 1964, , PUF, Paris.
Rodrik, D. 1999, The New Global Economy and Developing Countries: Making Openness Work,
, Policy Essay No.24, John Hopkins University Press, Washington
DC.
Romer, P.M. 1986, Increasing Returns and Long-Run Growth,
(5): 1002-1037.
Romer, P.M. 1990, Endogenous Technological Change, (5): 71-
102.
Sicular, T., Yue, X., Gustafsson, B., Li, S. 2007, The urban-rural income gap and inequality in
China, , (1): 93-126.
Solow, R.M. 1956, A contribution to the Theory of Economic Growth,
(1): 65-94.
Temple, J. 1999, The New Growth Evidence, , (1) : 112-156.
Theil, H. 1967, North-Holland Publishing Company,
Amsterdam.
Weeks, M., Yao, J. 2003, Provincial Conditional Income Convergence in China, 1953 - 1997: a
Panel Data Approach, (1): 59-77.
Wu, Y. 2004, , Routledge
Curzon, London.
Zhang, Z., Yao, S. 2001, Regional Inequalities in Contemporary China Measured by GDP and
Consumption, (2): 3-29.
15
22
30
107
17
94
98
53
70
37
22
6
Economie e sio
Circulated for review
ADB Institute
UNU-
WIDER
Journal of Monetary Economics
World Bank
The
World Economy
Quarterly Journal of Economics
China Statistical Yearbook
China and Its Regions: Economic Growth and Reform in Chinese
Provinces
OECD Economic Surveys: China
Journal of Asian Economics
Lconomie du XXme sicle
Overseas Development Council
Journal of Political Economy
Journal of Political Economy
Review of Income and Wealth
Quarterly Journal of
Economics
Journal of Economic Literature
Economics and Information Theory,
Econometric Review
Chinas Economic Growth: a Miracle with Chinese Characteristics
Economic Issues

15
Zheng, F., Xu, L.D., Tang, B. 2000, Forecasting Regional Income Inequality in China,
(2): 24 25
Zou, W., Zhou, H. 2007, Classification of Growth Clubs and Convergence: Evidence from Panel
Data in China, 19812004, , (5) : 91-106.
European Jour atio
China and World Economy
1
15
16
Source : Calculs de lauteur, partir des donnes issues de (1996-2010).
Notes : (1) Lindice de Theil est calcul comme suit : T =
) ( ln .
1
(avec i = 1, , n), o est la part de la
rgion dans le PIB par tte total de toutes les rgions de la zone considre, la part de la rgion dans la population
totale de la zone, et le nombre de rgions. (2) Le PIB par tte est exprim en prix constants de 1994.
Annexes
Figure 1 : Evolution de lindice de Theil
1
des ingalits de PIB rel par habitant
2
entre
provinces chinoises de 1995 2009
0
0,05
0,1
0,15
0,2
0,25
199519961997199819992000200120022003200420052006200720082009
Theil
China Statistical Yearbook
pi
yi
yi
n
i
yi
i pi i
n

=
17
0.1052 0.0432 -0.0026 0.2813
8.8200 0.6967 7.3306 10.6964
0.0065 0.0036 -0.0017 0.0149
0.5037 0.0640 0.3688 0.7247
0.4290 0.1154 0.2473 0.8311
0.0090 0.0073 0.0010 0.0350
0.0028 0.0014 0.0015 0.0159
0.1498 0.0669 0.0515 0.3961
0.00007 0.00006 0.00001 0.00030
0.1642 0.1908 0.0241 0.8859
Source : Calculs de lauteur, partir des donnes issues de (1996-2010).
6.7135 0.000
8.1609 0.000
8.3707 0.000
8.8499 0.000
9.0750 0.000
9.1107 0.000
9.9638 0.000
Source : Calculs de lauteur, partir des donnes issues de (1996-2010).
Tableau 1 : Statistiques Descriptives
y
lnY
0
POP
TRAVAIL
INV
EDU
SANTE
DP
INFRAST
OUV
Tableau 2 : Rsultats du test I de Moran adapt aux rsidus de la rgression par MCO selon
les diffrentes matrices de poids spatial
W : Contiguit dordre 1
W pour t=1300
W pour t=1400
W pour t=1500
W pour t=1600
W pour t=1700
W pour t=1800
Variables Moyenne Ecart-type Minimum Maximum
Matrices de poids spatial I de Moran Prob.
China Statistical Yearbook
China Statistical Yearbook
18
-0.0062
(-0.51)
-0.0151
(-1.55)
-0.0170*
(-1.84)
-0.0178*
(-1.94)
-0.0185**
(-2.01)
-0.0187**
(-2.02)
-0.0183**
(-1.98)
-3.7304***
(-2.63)
3.0943***
(-3.07)
-3.4778***
(-3.66)
-3.4495***
(3.65)
-3.4905***
(-3.69)
-3.4918***
(-3.67)
-3.5594***
(-3.73)
0.1004*
(1.90)
0.1103**
(2.48)
0.0749*
(1.77)
0.0748*
(1.78)
0.0719*
(1.71)
0.0736*
(1.74)
0.0740*
(1.75)
0.1696***
(3.80)
0.1369***
(4.23)
0.1523***
(5.01)
0.1524***
(5.04)
0.1538***
(5.09)
0.1586***
(5.22)
0.1591***
(5.22)
0.8764
(1.22)
0.3683
(0.56)
-0.2478
(-0.40)
-0.2624
(-0.43)
-0.2606
(-0.42)
-0.2798
(-0.45)
-0.3113
(-0.50)
-5.6844
(-1.05)
-3.4174*
(-1.77)
-1.4711
(-0.81)
-1.3687
(-0.76)
-1.2500
(-0.69)
-1.2941
(-0.71)
-1.2635
(-0.69)
-0.0462
(-0.69)
-0.0910
(-1.79)
-0.1297***
(-2.70)
-0.1350***
(-2.82)
-0.1399***
(-2.92)
-0.1411***
(-2.93)
-0.1393***
(-2.88)
96.9510
(1.09)
114.7389**
(2.09)
93.5799*
(1.79)
93.9232*
(1.81)
91.2545*
(1.76)
88.3443*
(1.69)
86.7370*
(1.66)
0.0039
(0.14)
0.0258
(1.22)
0.0241
(1.20)
0.0249
(1.25)
0.0250
(1.25)
0.0250
(1.25)
0.0240
(1.19)
0.0678
(0.72)
0.0971
(1.24)
0.1141
(1.54)
0.1187
(1.61)
0.1253*
(1.70)
0.1244*
(1.68)
0.1220*
(1.64)
- 0.4919***
(6.40)
0.7020***
(9.33)
0.7280***
(10.11)
0.7360***
(10.20)
0.7370***
(10.08)
0.735***
(9.91)
0.3904
0.3498
0.5625
0.5299
0.6068
0.5775
0.6112
0.5822
0.6106
0.5815
0.6062
0.5768
0.6034
0.5738
286.1019 305.3125 312.6474 313.3660 313.6247 313.1080 312.7834
-552.2037 -590.6250 -605.2948 -606.732 -607.2494 -606.2160 -605.5668
-522.4364 -560.8577 -575.5275 -576.9647 -577.4821 -576.4487 -575.7995
- 52.2106
(0.000)
92.4594
(0.000)
99.4476
(0.000)
109.6618
(0.000)
116.3534
(0.000)
117.2249
(0.000)
- 36.5834
(0.000)
49.6810
(0.000)
51.3033
(0.000)
56.7281
(0.000)
58.5116
(0.000)
58.7757
(0.000)
- 22.4711
(0.000)
92.5724
(0.000)
113.9478
(0.000)
128.0405
(0.000)
151.4343
(0.000)
159.5263
(0.000)
- 6.8439
(0.009)
49.7940
(0.000)
65.8035
(0.000)
75.1069
(0.000)
93.5926
(0.000)
101.0772
(0.000)
Source : Calculs de lauteur, partir des donnes issues de (1996-2010).
Notes : (1) Estimations par la mthode du maximum de vraisemblance du modle variable dpendante spatialement
dcale. (2) Niveau de significativit statistique: 1 % ***, 5 % **, et 10 % *. (3) LMLAG est le test du multiplicateur
de Lagrange pour une variable endogne dcale, et R-LMLAG est sa version robuste. (4) LMERR est le test du
multiplicateur de Lagrange pour une autocorrlation des erreurs, et R-LMERR est sa version robuste.
z-statistiques entre parenthses pour les coefficients des variables. Probabilits critiques entre parenthses pour les tests
du multiplicateur de Lagrange.
Tableau 3 : Rsultats des estimations du modle de croissance rgionale selon diffrentes
matrices de poids spatial
1
Variables Modle 8
t=1800
2
lnY
0
-0.0188**
(-2.05)
POP -3.6944***
(-3.90)
TRAVAIL 0.0763*
(1.81)
INV 0.1577***
(5.21)
EDU -0.3266
(-0.53)
SANTE -1.4279
(-0.79)
DP -0.1353***
(-2.82)
INFRAST 89.5960*
(1.72)
OUV 0.0257
(1.28)
constante 0.1252*
(1.69)
Spat.aut ( )
0.7450***
(10.23)
R
2

Adj. R
2

0.6088
0.5796
Log-lik. 313.7816
AIC -607.5632
BIC -577.7959
LMLAG
3
139.8071
(0.000)
LMERR
4
68.6748
(0.000)
R-LMLAG
3
222.5180
(0.000)
R-LMERR
4
151.3857
(0.000)
Modle 1
MCO-
White
Modle 3
Contigit
dordre 1
Modle 4
t=1300
Modle 5
t=1400
Modle 6
t=1500
Modle 7
t=1600
Modle 6
t=1700
?
China Statistical Yearbook