Skip to navigation – Site map

HomeNuméros148La RSE influence-t-elle le choix ...

La RSE influence-t-elle le choix de localisation des firmes multinationales ? Le cas de l’environnement

Rémi Bazillier, Sophe Hatte and Julien Vauday
p. 383-409

Abstracts

The goal of this paper is to study the influence of corporate environmental responsibility (CER) and national environmental standards on the location choices of the 600 biggest European firms. By using the environmental score provided by Vigeo, we are able to test the influence of the environmental performances of firms. We find a negative interaction effect between these environmental performances and national environmental regulations suggesting a substitution effect between CSR and national standards. This result is also valid when we study the determinants of number of employees by country. However, this effect is only observed for de facto environmental standards and not de jure standards. It suggests a possible strategic behaviour of firms, exploiting differences between formal regulations and their effective implementation.

Top of page

Full text

Nous tenons à remercier Vigeo qui nous a fourni les données sur le niveau de Responsabilité Sociale des Entreprises. Nous remercions également nos deux rapporteurs qui par leur remarques ont permis d’améliorer ce travail. Ce papier a été écrit dans le cadre d’une convention de partenariat signée entre VIGEO et le LEO (Université d’Orléans). Sophie Hatte remercie Carlo Altomonte et Armando Rungi pour l’accès aux données Orbis.

1. Introduction

  • 1 Voir List & Co (2000) ; Keller & Levinson (2002) ; Dean (2002) ; Eskeland & Harrison (2003) ; Ederi (...)

1Les entreprises cherchent-elles à fuir les réglementations environnementales en s’implantant dans les pays les moins respectueux de l’environnement ? Ce phénomène connu sous l’appellation d’hypothèse de havre de pollution (Copeland & Taylor, 2004) a fait l’objet de nombreuses études mais les résultats sont contradictoires1 et la polémique persiste. Une caractéristique importante de cette littérature est de montrer la possible influence des firmes étrangères sur les régulations environnementales nationales (Cole et al., 2006 ; Cole & Fredriksson, 2009). Sa principale limite est l’hypothèse implicite que les firmes sont homogènes en termes de responsabilité environnementale. Notre objectif est de tester l’influence de cette hétérogénéité sur les choix de localisation des firmes.

  • 2 Responsabilité sociale des entreprises : une nouvelle stratégie de l’UE pour la période 2011-2014, (...)

2La Responsabilité Sociale des Entreprises (RSE), et plus particulièrement sa dimension environnementale (que nous nommerons Responsabilité Environnementale des Entreprises, REE) est en effet susceptible d’avoir un impact sur les choix de localisation des firmes. On pourrait ainsi supposer intuitivement que les firmes « responsables » seraient plus susceptibles de s’implanter dans des pays vertueux environnementalement. Mais puisque « la responsabilité sociale des entreprises concerne les actions de celles-ci qui vont au-delà des obligations juridiques qui leur incombent à l’égard de la société et de l’environnement »2, cela peut sembler contradictoire. La dimension internationale de la RSE pose en effet la question de la nature d’une bonne pratique dans le choix d’implantation d’un investissement direct à l’étranger. Est-il préférable qu’une entreprise s’implante dans un pays à la réglementation faible mais y affiche des performances nettement au-dessus de ce qui est obligatoire ou bien s’implante dans un pays où les réglementations sont contraignantes sans toutefois faire mieux que ce qu’elles demandent. Du strict point de vue de la définition de la RSE, la première solution est la plus logique, mais compte tenu de la difficulté à prouver son volontarisme en matière d’environnement, la seconde peut sembler plus stratégique en termes d’image. C’est cet arbitrage qui sous-tend l’analyse du présent travail.

3La question est donc complexe. Les mesures de REE sont essentiellement calculées sur la base des activités constatées dans le pays d’origine des entreprises et des déclarations contenues dans les rapports « Développement Durable » qu’elles publient. Il est de fait ardu de vérifier, implantation par implantation, la réalité de l’impact environnemental de l’activité économique des filiales des firmes multinationales ou de leurs bonnes pratiques en la matière. Dès lors, il est aussi possible que les entreprises, ou certaines d’entre elles, parviennent à obtenir de bons scores de REE dans leurs pays d’origine en minimisant leurs efforts environnementaux à l’étranger. De plus, la détection de ces comportements est d’autant plus complexe que ces entreprises peuvent tout à fait avoir de très bonnes performances environnementales dans des pays où la réglementation environnementale est inexistante.

  • 3 Dans un article plus récent, Dam & Scholtens (2012) reprennent la même idée en intégrant la distinc (...)

4La littérature sur la possible influence de la RSE sur les investissements directs à l’étranger (IDE) émerge à peine. Driffield et al. (2013) montrent que les firmes originaires de pays ayant de faibles institutions et affichant un intérêt limité pour la RSE sont plus présentes dans des pays où des conflits ont éclaté. Ce résultat suggère que les entreprises socialement responsables suivent une « pratique de bonne localisation », en ce sens qu’elles s’implantent plutôt moins dans des pays aux pratiques douteuses. Peng & Beamish (2008) ont trouvé que les IDE japonais dans les Pays en Développement sont positivement influencés par l’environnement de responsabilité nationale des entreprises du pays hôte. Dam & Scholtens (2008)3 trouvent que les firmes les plus responsables évitent les pays les moins regardant sur l’environnement et concluent que ce résultat constitue une validation de l’hypothèse de havre de pollution. Brammer et al. (2006) étudient quant à eux le rôle de la diversification des implantations de firmes multinationales britanniques sur la performance en matière de RSE, ainsi que l’effet d’une présence dans une région particulière du globe. Ils montrent que la logique d’implantation a un effet sur la RSE.

5Cet article a pour objet d’étudier les déterminants de la localisation des entreprises en se focalisant sur l’influence des réglementations environnementales nationales, de la REE et de l’interaction entre ces deux déterminants. En particulier, nous cherchons à savoir si l’effet potentiel de la responsabilité environnementale des firmes sur leurs choix de localisation est conditionnel au niveau de régulation environnementale des pays. Est-ce que les entreprises responsables tiennent compte du degré de rigueur des réglementations environnementales des pays hôtes et si oui, comment ? Afin de répondre à ces questions, nous utilisons un échantillon composé des 600 plus grandes entreprises européennes. Nous introduisons également une distinction entre les mesures de réglementations environnementales des pays hôtes de facto, ce qui est observé en pratique, et de jure, ce que dit la loi. Ces analyses nous permettent de qualifier la nature du comportement de la firme.

6Cet article se démarque de la littérature car son objet principal n’est pas de tester l’hypothèse de havre de pollution. Les deux articles les plus proches sont Brammer et al. (2006) et Dam & Scholtens (2008). Notre travail se distingue du premier car il s’intéresse aux pays dans lesquels les filiales des entreprises sont implantées et donc aux déterminants de leurs choix de localisation et non au nombre de localisations des différents pays. Ceci permet d’inclure des caractéristiques des pays hôtes comme variables explicatives des choix de localisation et donc de vérifier si les réglementations environnementales des pays hôtes influencent le choix d’implantation des firmes socialement responsables. Concernant le second, nous nous en distinguons tout d’abord en introduisant également des mesures de facto des réglementations environnementales, ceci permettant de mettre en lumière un possible comportement stratégique des entreprises. Ensuite, nous nous référerons à la littérature sur les choix de localisation afin de spécifier les modèles économétriques qui seront testés. Enfin, nous introduisons une variable continue afin d’estimer l’activité des entreprises multinationales dans un pays en plus du modèle de choix de localisation.

7Premièrement, nous montrons que les firmes multinationales ont tendance à se localiser dans des pays où les normes environnementales sont contraignantes, toutes choses égales par ailleurs. Cela semble invalider l’hypothèse de havre de pollution, mais notre résultat peut être dû à l’endogénéité des réglementations environnementales comme Cole et al. (2006) et Cole & Fredriksson (2009) le suggèrent. Les deux dimensions, de jure et de facto, des réglementations environnementales affectent positivement la stratégie de localisation des entreprises. Deuxièmement, les firmes aux scores environnementaux les plus élevés sont plus localisées à l’étranger. Ce résultat est obtenu en contrôlant par un nombre important de caractéristiques des firmes. Troisièmement, notre contribution majeure est de montrer que les firmes qui ont de bonnes performances environnementales sont relativement moins localisées (que les autres firmes) dans des pays où les normes environnementales sont contraignantes. Nous montrons également que cet effet négatif de l’interaction entre REE et régulation environnementale est seulement significatif lorsque c’est la dimension de facto des normes environnementales du pays hôte qui est utilisée. Cela suggère un possible comportement stratégique des firmes exploitant les différences entre normes de jure et de facto. Enfin, nous montrons que ces résultats restent valides lorsque nous estimons les déterminants de l’importance de l’activité économique des firmes dans chacun des pays, approximée par le nombre d’employés.

8Ces résultats mettent clairement en évidence que l’amélioration de la responsabilité environnementale des firmes n’a pas tendance à augmenter leur propension à s’implanter dans des pays plus respectueux de l’environnement.

9La suite de l’article est organisée de la façon suivante. La deuxième section présente les données et la troisième section les hypothèses et la stratégie empirique. Les résultats sont présentés et analysés dans la section 4. Enfin, la section 5 conclut.

2. Données

2.1. Mesure de la responsibilité environnementale des entreprises

2.1.1. Le score environnemental de VIGEO

  • 4 Voir http://www.vigeo.com/csr-rating-agency/fr/2-2-referentiel-d-analyse pour une explication des c (...)
  • 5 Ces principes sont par exemple « l’identification, l’évaluation et la réduction des risques d’accid (...)

10Afin d’évaluer le niveau de responsabilité environnementale des entreprises, nous avons recours aux données fournies par l’agence de notation extra-financière VIGEO pour l’année 2009. En particulier, nous utilisons le score environnemental de VIGEO qui prend en compte « la protection, sauvegarde, prévention des atteintes à l’environnement, mise en place d’une stratégie managériale appropriée, éco-conception, protection de la biodiversité et maîtrise rationnelle des impacts environnementaux sur l’ensemble du cycle de vie des produits ou services » 4. Ces objectifs sont évalués par les analystes de VIGEO selon 33 principes d’action5. VIGEO est le leader européen dans l’évaluation des performances et pratiques sociales, environnementales et de gouvernance des entreprises ; leur notation a reçu la certification de qualité CSRR-QS 2.1 délivrée par l’Association for Independent Corporate Sustainability and Responsibility Research.

11Il est important de noter que la notation VIGEO est réalisée au niveau du groupe et non de chacune des filiales. Les analystes de VIGEO analysent les performances du groupe dans sa globalité en prenant en compte son activité dans les différents pays dans lequel le groupe opère mais aussi dans l’ensemble des filiales du groupe. Il n’est donc pas possible de connaître les performances d’un groupe dans un pays donné. Le choix de localisation n’est pas en tant que tel un critère d’évaluation, seules les performances réelles dans le pays comptent. Du fait de la nécessité de mesurer les performances pour différents groupes opérant dans différents pays, les performances sont évaluées de manière absolue et non relativement aux législations nationales (qui par définition varient entre pays).

  • 6 Ces statistiques indiquent bien le fait que les performances environnementales des firmes ne peuven (...)

12Au sein de cet échantillon de 600 entreprises, nous retenons 551 entreprises pour lesquelles nous disposons également de données financières dans la base ORBIS, ces caractéristiques au niveau entreprise étant présentées dans la sous-section 2.3. L’hétérogénéité entre ces 551 entreprises multinationales est très importante, tout comme au sein des secteurs. Les statistiques descriptives de l’ensemble de l’échantillon ainsi que secteur par secteur sont présentées dans le tableau 1. Théoriquement, le score peut être compris entre 0 (mauvaise performance environnementale) et 1 (excellente performance environnementale). Le secteur « Transport et stockage » a la note moyenne la plus élevée (0,43) alors que les secteurs « Activités de services administratifs et logistiques » (0,279) et « Arts, divertissement et loisir » (0.198) ont les plus basses, une fois exclus les secteurs ne regroupant qu’une entreprise6. En moyenne, les firmes norvégiennes et françaises ont les meilleures performances environnementales (respectivement 0.39 et 0.38) tandis que les firmes bulgares et islandaises sont celles qui sont le moins bien notées (avec respectivement une note de 0.09 et 0.06).

Tableau 1. Statistiques descriptives sur la note environnementale des firmes

Secteur (Nace 2-digit)

Obs

Moyenne

Écart type

Min

Max

Ensemble

551

0.336

0.17

0

0.73

Activités de services alimentaires
et de restauration

10

0.328

0.116

0.13

0.57

Activités de services administratifs
et logistiques

15

0.279

0.187

0

0.52

Agriculture, pêche et exploitation forestière

1

0.12

.

0.12

0.12

Arts, divertissement et loisir

5

0.198

0.18

0

0.45

Construction

25

0.400

0.129

0.15

0.73

Électricité, gaz, vapeur et air conditionné

26

0.405

0.094

0.2

0.58

Activités financières et d’assurance

112

0.302

0.188

0

0.67

Information et communication

55

0.321

0.175

0

0.62

Manufacturier

205

0.345

0.17

0.02

0.71

Mines et carrières

18

0.408

0.104

0.13

0.55

Autres activités de services

1

0.23

.

0.23

0.23

Activités professionnelles, scientifiques et techniques

12

0.288

0.135

0.12

0.49

Administration publique et défense

1

0.16

.

0.16

0.16

Immobilier

13

0.28

0.172

0.02

0.53

Transport et stockage

16

0.43

0.218

0.01

0.7

Fourniture d’eau, égoût et recyclage des eaux usées

5

0.388

0.09

0.26

0.49

Ventes de gros et de détail

25

0.331

0.144

0.05

0.59

Autres

6

0.317

0.126

0.14

0.48

Note : Les statistiques sur les données VIGEO sont calculées sur un échantillon de 551 entreprises pour lesquelles nous disposons des caractéristiques firmes de ORBIS.

2.2. Mesures des réglementations environnementales nationales

  • 7 Il s’agit des valeurs normées du compte de « participation aux traités (Changement climatique, couc (...)
  • 8 Contrôle des GES, protocole de Kyoto et convention de Stockholm.

13Deux approches dominent pour mesurer la sévérité des réglementations environnementales : les approches de jure et de facto. La première consiste à fournir une évaluation quantitative de la sévérité de la loi. Pour ce faire, une méthode communément admise est d’approximer ce niveau de sévérité par le nombre de traités environnementaux internationaux ratifiés par un pays et par le nombre de plans ou stratégies de mise en œuvre de ceux-ci qui ont été adoptés par un pays7. Cette statistique est fournie par la Banque mondiale (World Development Indicators). Le principal problème que pose cette statistique est dû à l’hétérogénéité de nature des traités environnementaux. Certains d’entre eux sont contraignants (à l’image du protocole de Kyoto) alors que d’autres ne le sont pas (comme le traité sur le changement climatique de 1992). En outre, certains traités ou stratégies environnementales sont faiblement en rapport avec la sévérité des réglementations des entreprises. Le lien entre la localisation des entreprises et l’existence d’une action nationale de préservation de la biodiversité dans le pays hôte, par exemple, risque d’être ténu. Pour circonvenir à ce problème, nous construisons un indicateur alternatif : la valeur normée du compte des « participations à des traités contraignants sur la pollution de l’air »8, cette variable étant plus à même de rendre compte des contraintes pesant sur les entreprises.

  • 9 Cet aspect est mentionné explicitement dans la notice d’usage du WBES.

14La seconde approche est celle des mesures de facto dont le but n’est pas cette fois de mesurer la sévérité de la réglementation environnementale mais d’évaluer son impact réel. Un pays peut en effet ratifier plusieurs traités environnementaux sans toutefois consacrer les moyens nécessaires à leurs mises en oeuvre et application. Nous proposons donc deux indicateurs alternatifs pour mesurer la mise en place effective des réglementations environnementales. Le premier, également utilisé par Dam & Scholtens (2008), est une question tirée du World Business Environment Survey (WBES) conduit par la Banque mondiale dans plusieurs pays. Plus précisément, nous utilisons le pourcentage d’entreprises qui considèrent les réglementations environnementales comme une contrainte majeure à leur activité. Toutefois cette variable est problématique car elle ne couvre que peu de pays mais également car elle couvre bien plus de pays pauvres, que de pays riches. De surcroît, à l’instar de toute variable qualitative, se pose le problème de la pertinence d’une comparaison internationale9. En dépit de ces limites, nous présentons tout de même les résultats sur cette variable dans un but de comparaison avec la littérature existante.

  • 10 Voir http://sedac.ciesin.columbia.edu/data/set/epi-environmental-performance-index-2010 pour plus d (...)

15Le second indicateur nous semble nettement plus fiable. Il s’agit de l’indice de performance environnementale (Environmental Performance Index, EPI) construit conjointement par le Yale Center for Environmental Law and Policy (YCELP) et le Center for International Earth Science Information Network (CIESIN, Columbia University). Il fournit des mesures quantitatives pour évaluer la performance environnementale d’un pays pour plusieurs catégories de politiques relatives à des objectifs bien définis10. Cela couvre la santé environnementale, la qualité de l’air, la gestion des eaux usées, la biodiversité et l’habitat, l’exploitation forestière, l’exploitation des ressources halieutiques, l’agriculture et enfin le changement climatique. À notre connaissance, il s’agit de l’indicateur le plus complet de mesure des performances environnementales réelles disponible pour un grand nombre de pays. De fait, nous considérons que le meilleur moyen d’approximer la sévérité réelle et effective des réglementations environnementales est d’observer la performance environnementale des pays dans toutes ses dimensions.

16Le tableau 2 regroupe quelques statistiques descriptives de ces variables.

Tableau 2. Statistiques descriptives des indices de réglementation environnementale

Variable

Obs

Moyenne

Std. Dev.

Min

Max

Traités

140

9.357

1.384

1

11

Traités de pollution de l’air

142

2.655

0.653

0

3

WBES

78

0.092

0.061

0

0.26

EPI

140

0.72

0.128

0.391

0.955

2.3. Les autres variables de contrôle

  • 11 Mesure développée par Harris (1954), le potentiel marchand du pays j est égal à est le PIB du (...)
  • 12 Parmi les tests de robustesse présentés dans la pénultième section, nous contrôlons également de no (...)

17Nous contrôlons à la fois par des caractéristiques firmes et pays qui pourraient influencer la décision d’une entreprise de se localiser dans un pays donné. De très nombreuses variables ont été mises en avant dans la littérature. Aussi, nous avons décidé de nous référer à Blonigen & Piger (2011) dont le but est justement d’identifier les déterminants les plus fiables des IDE. Lorsque les effets fixes pays ne sont pas inclus, nous ajoutons dans l’estimation le PIB et le PIB par habitant pour contrôler la taille et la richesse du marché ainsi qu’une mesure du potentiel marchand des pays voisins11. Le PIB par habitant est aussi une approximation du coût de la main d’œuvre, ce double effet richesse et coût du travail implique que le signe attendu pour cette variable est incertain. Toutes ces variables sont extraites de la base de données World Development Indicators. Afin d’avoir une approximation du niveau réglementaire d’ensemble pouvant affecter la conduite des affaires, est également ajoutée une variable indiquant le nombre de jours nécessaires à l’obtention d’un statut légal afin de créer une entreprise (en 2008) tirée de la base de données de la banque mondiale Doing Business12. Enfin, nous utilisons la distance entre le pays d’origine et celui de la filiale ainsi qu’une variable muette égale à 1 lorsque les deux pays partagent une langue commune, toutes deux étant mises à disposition par le CEPII (Mayer & Signago, 2006). Lorsque les effets fixes sont inclus, ils permettent de prendre en compte de nombreuses variables potentiellement omises comme notamment le niveau de réglementation d’ensemble du pays hôte ou le coût de la main d’œuvre.

18Au niveau entreprise, notre choix de variables s’appuie sur Hakkala et al. (2008). Toutes ces variables viennent d’ORBIS. Nous contrôlons ainsi pour les actifs, l’âge, le revenu opérationnel, les dettes, les liquidités et le nombre total d’employés de la firme. Par rapport à la spécification de Dam & Scholtens (2008), nous préférons utiliser le niveau d’actifs plutôt que la capitalisation car c’est une variable plus stable, notamment en temps de crise. Tout comme nous préférons intégrer les revenus opérationnels au niveau des ventes car cette dernière variable n’est pas disponible pour les banques et le secteur financier, ce qui introduirait un biais sectoriel dans l’analyse.

2.4. Variables dépendantes

19Concernant les variables dépendantes, nous allons utiliser successivement deux variables. Nous utilisons une variable dichotomique qui prend la valeur 1 si la firme i est localisée dans le pays d. Le tableau 3 montre que les firmes de l’échantillon VIGEO sont principalement localisées en Europe. Ceci n’est pas surprenant puisqu’il est connu, grâce à la littérature en économie internationale, que les entreprises se localisent relativement près de la localisation de leur siège social, or les données VIGEO ne concernent que des entreprises européennes. Ensuite, afin de savoir si l’activité de la firme y est plus ou moins importante, nous approximons le degré d’activité par le nombre de personnes employées par la firme i dans le pays d que nous considérons comme une approximation convenable du degré d’activité de l’entreprise dans le pays.

Tableau 3. Nombre de firmes dans l’échantillon VIGEO

# de firmes, par pays

Moyenne

Écart-type

Min

Max

Europe

176.18

123.20

13

461

Amériques

86.23

102.13

2

405

Asie & Pacifique

85.14

85.73

1

253

Moyen-Orient

31.23

36.07

2

117

Afrique

26.51

35.42

1

188

2.5. Stratégie empirique

20Notre objectif est d’étudier l’interaction entre le niveau de la performance environnementale de l’entreprise (mesurée par la notation VIGEO) et les normes environnementales nationales (mesurées par un ensemble d’indicateurs de facto et de jure) et son effet sur les choix de localisation des entreprises européennes.

21Nous estimons les effets des pratiques environnementales propres aux pays d’une part et aux entreprises d’autre part sur la décision de localisation des entreprises. Cette décision de localisation est une variable discrète égale à 1 si la firme i est localisée dans le pays de destination d, et à 0 autrement. Nous utilisons donc un modèle Probit pour estimer l’effet des déterminants potentiels de cette localisation. La probabilité qu’une firme i soit localisée dans le pays d est

Image 10000000000001BC0000002C887BE4EC.jpg(1)

Image 100000000000002000000016BC6B257A.jpg est la mesure VIGEO de la performance environnementale de la firme i et Image 100000000000003B000000160001660D.jpg est une mesure du niveau de réglementation environnementale du pays hôte d. Image 100000000000002000000016BC6B257A.jpg × Image 100000000000003B000000160001660D.jpg est le terme d’interaction entre les mesures des performances environnementales propres aux entreprises et celles propres aux pays. Le coefficient de cette variable est celui auquel nous nous intéresserons en premier lieu. Nous prédisons qu’il devrait être significatif, sans a priori sur son signe. Ctrl représente le vecteur des variables de contrôle afin de capturer les effets des variables firmes ou pays qui pourraient aussi influencer le choix de la firme i de se localiser dans le pays d. Les variables de contrôles présentées dans la précédente section sont exprimées en logarithme à l’exception des variables muettes. Enfin, nous ajoutons des effets fixes pays et secteurs (Nace 2-digit) pour contrôler d’éventuelles variables secteur ou pays omises.

22Dans un deuxième temps, nous estimons les déterminants du niveau d’activité à l’étranger, approximé par le nombre de salariés travaillant dans chaque pays. Notre variable dépendante est donc une variable continue. Nous utilisons un estimateur en pseudo-maximum de vraisemblance dans le cadre d’un modèle de Poisson (Pseudo Poisson Maximum Likelihood). L’estimateur en moindre carré ordinaire est en effet biaisé du fait de la forte proportion de zéros dans notre échantillon. L’estimateur en pseudo-maximum de vraisemblance dans le cadre d’un modèle de Poisson est également mieux à même de prendre en compte les problèmes d’héteroscedasticité (Silva & Tenreyro, 2006). Le modèle estimé est donc le suivant :

Image 10000000000001B0000000183747B207.jpg(2)

Image 1000000000000055000000197F56E588.jpg est égale au logarithme du nombre d’employés de la firme i dans le pays d + 1 (afin de garder dans notre échantillon les paires firme-pays de destination pour lesquelles le nombre d’employés est de zéro). Les autres variables utilisées sont similaires à celles du modèle précédent.

Un signe positif des coefficients sur le terme d’interaction (respectivement Image 10000000000000090000001218CF4759.jpg et Image 100000000000000D0000001672B7884C.jpg) signifierait que pour un niveau plus élevé de norme environnementale, une augmentation de la REE de la firme aurait tendance à augmenter la probabilité d’implantation (ou le nombre de travailleurs employés dans le pays). Au contraire, un signe négatif indiquerait que la REE aurait tendance à réduire la probabilité d’implantation (ou le nombre de salariés) lorsque le niveau de régulation environnementale est elevé.

3. Résultats

23Les résultats de l’équation 1 sont présentés dans le tableau 4.

  • 13 Les coefficients estimés des termes d’interaction dans des modèles non linéaires doivent être inter (...)

24Le principal résultat est le signe significatif et négatif du terme d’interaction entre normes environnementales de facto (approximées par EPI) des pays et la responsabilité environnementale des firmes. Par contre, lorsque nous utilisons les variables de jure, le coefficient associé au terme d’interaction n’est pas significatif. Ces résultats sont robustes à l’inclusion conjointe des quatre variables de performances environnementales des pays13.

25Nous trouvons également que la REE a un impact positif et significatif sur le choix de se localiser à l’étranger. La sévérité des normes environnementales a également un effet significatif et positif, elle affecte donc positivement la décision d’une entreprise de se localiser dans un pays. Cela est uniquement vrai dans le cas de la mesure EPI et avec l’approximation de la performance environnementale du pays hôte par le nombre de traités qu’il a signés. En revanche, Traités de pollution de l’air et WBES n’ont pas d’effet significatif. Mettons néanmoins de côté cette dernière qui couvre bien moins de pays, ce qui empêche donc une comparaison avec les autres résultats de ce tableau.

Tableau 4. Déterminants de la Probabilité de Localisation – Probit

Variable dépendante :

Localisation

Mesure de Reg. Env :

de facto

de jure

de jure

de facto

EPI

Traités

Traités Pollution Air

WBES

Tous

Spécifications :

(1)

(2)

(3)

(4)

(5)

REE

0.0349***

0.0244***

0.0255***

0.0486***

0.0609***

(0.00732)

(0.00653)

(0.00668)

(0.0116)

(0.0160)

EPI

0.231***

0.218*

(0.0490)

(0.116)

EPI * REE

-0.208***

-0.330***

(0.0601)

(0.127)

Traités

0.0156***

0.0144***

(0.00286)

(0.00529)

Traités * REE

0.00753

0.0157

(0.00470)

(0.0132)

Traités Pollution Air

0.00409

-0.00503

(0.00808)

(0.00866)

Traités Pollution Air * REE

-0.000851

-0.0424*

(0.0115)

(0.0250)

WBES

-0.0527

-0.0163

(0.122)

(0.119)

WBES * REE

0.139

0.157

(0.185)

(0.179)

PIB par hab.

-0.00526

0.0160***

0.0127***

0.0344***

0.0214*

(0.00517)

(0.00453)

(0.00491)

(0.00670)

(0.0120)

PIB

0.0484***

0.0469***

0.0502***

0.0647***

0.0657***

(0.00295)

(0.00318)

(0.00323)

(0.00408)

(0.00506)

Potentiel marchand

0.00667

0.00832

0.00823

0.0193

0.0173

(0.00678)

(0.00724)

(0.00735)

(0.0118)

(0.0113)

# de jours

-0.00901**

-0.00705

-0.0128**

-0.00208

0.000872

(0.00423)

(0.00434)

(0.00508)

(0.00784)

(0.00775)

Distance

-0.0316***

-0.0324***

-0.0318***

-0.0359***

-0.0382***

(0.00512)

(0.00475)

(0.00548)

(0.00872)

(0.00875)

Langue Commune

0.0514***

0.0493***

0.0508***

0.106***

0.107***

(0.0126)

(0.0117)

(0.0132)

(0.0195)

(0.0195)

Actifs

0.0122**

0.0124**

0.0125**

0.0153*

0.0151*

(0.00501)

(0.00522)

(0.00532)

(0.00892)

(0.00911)

Âge

0.0131***

0.0139***

0.0142***

0.0205***

0.0205***

(0.00184)

(0.00197)

(0.00198)

(0.00335)

(0.00341)

Recettes

0.0495***

0.0525***

0.0552***

0.0798***

0.0798***

(0.00394)

(0.00385)

(0.00410)

(0.00575)

(0.00580)

Passif

-0.0270***

-0.0281***

-0.0296***

-0.0430***

-0.0427***

(0.00454)

(0.00472)

(0.00486)

(0.00824)

(0.00847)

Liquidités

0.00842***

0.00975***

0.0102***

0.0137**

0.0130**

(0.00310)

(0.00328)

(0.00335)

(0.00568)

(0.00571)

# d’employés firme

0.00398***

0.00422***

0.00434***

0.00645***

0.00639***

(0.000411)

(0.000436)

(0.000455)

(0.000731)

(0.000720)

Observations

49,764

49,764

50,141

28,652

27,898

Pseudo R2

0.405

0.403

0.394

0.397

0.400

Note : Écarts-types robustes clusterisés au niveau des pays de destination entre parenthèses, *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en probit avec des effets fixes pays d’origine et secteur (NACE). Les effets marginaux sont calculés à la moyenne. Score Env. est le score VIGEO au niveau de la firme. EPI, Traités, Traités Pollution Air et WBES sont des variables de mesure des réglementations environnementales spécifiques au pays de destination. Ces cinq variables sont centrées.

  • 14 En outre, Dam & Scholtens (2012) qui utilisent également des données en coupe indiquent que « The i (...)

26L’effet positif et significatif des variables EPI et Traités indique qu’à la fois les approximations des niveaux de jure et de facto des normes environnementales des pays affectent la stratégie de localisation des entreprises. Cela signifie que nous ne confirmons pas l’hypothèse de havre de pollution, selon laquelle les entreprises transfèrent leurs activités polluantes dans des pays à la législation environnementale peu regardante. Toutefois, les travaux récents sur le sujet des havres de pollution ont mis en évidence la nécessité de prendre en compte l’endogénéité dans les estimations afin de mettre en évidence cette stratégie. Cole & Fredriksson (2009) montrent que les réglementations environnementales sont influencées par les IDE entrants et Kellenberg (2009) quant à lui met en évidence que les réglementations environnementales d’un pays sont endogènes à celles mises en place dans les autres pays du monde. Néanmoins, en raison de la nature de nos données, en coupe, nous ne sommes pas en mesure de traiter de ce problème, aussi nous nous contenterons d’insister sur le fait de prendre avec précaution ce résultat14.

27Ces résultats sont certes concluants, mais la présence dans un pays ne donne pas d’indication sur l’importance de l’activité de l’entreprise dans ce pays. Nous estimons donc l’équation 2 avec comme variable dépendante le logarithme du nombre d’employés mesuré au niveau de la firme et du pays hôte. Dans ce cas, les estimations sont en pseudo-maximum de vraisemblance dans le cadre d’un modèle de Poisson (PMVP) avec des effets fixes pays d’origine et secteur (NACE). Les résultats sont reportés dans le tableau 5. Le signe et la significativité restent les mêmes : (i) la REE, Score Env., a un effet positif sur le logarithme du nombre d’employés dans un pays donné lorsque EPI est maintenue à la moyenne, (ii) la performance environnementale des pays a un impact positif sur le logarithme du nombre d’employés lorsque Env. Score est maintenue à sa moyenne et (iii) le terme d’interaction est négatif et significatif.

Tableau 5. Déterminants de l’Activité des Firmes, par Localisation – PMVP

Variable dépendante :

# d’employés dans le pays de destination

Mesure de Reg. Env :

de facto

de jure

de jure

de facto

EPI

Traités

Traités Pollution Air

WBES

Tous

Spécifications :

(1)

(2)

(3)

(4)

(5)

REE

0.813***

0.236

0.233

0.436*

1.042***

(0.268)

(0.0228)

(0.228

(0.252)

(0.317)

EPI

3.264***

0.621

(0.215)

(0.395)

EPI × REE

-5.200***

-6.386***

(1.180)

(1.502)

Traités

0.128***

0.174***

(0.00778)

(0.0120)

Traités × REE

0.104**

0.0512

(0.0445)

(0.0626)

Traités Pollution Air

0.00108

-0.126***

(0.0169)

(0.0219)

Traités Pollution Air × REE

-0.00713

-0.0204

(0.795)

(0.0973)

WBES

0.183

0.737**

(0.281)

(0.304)

WBES × REE

-5.639***

-4.051**

(1.565)

(1.699)

PIB par hab.

0.0482***

0.285***

0.235***

0.389***

0.496***

(0.0198)

(0.0191)

(0.0188)

(0.0253)

(0.0378)

PIB

0.523***

0.503***

0.503***

0.427***

0.394***

(0.0115)

(0.0123)

(0.0120)

(0.0130)

(0.0129)

Potentiel marchand

0.150

0.153

0.149

0.169

0.193

(0.371)

(0.371)

(0.373)

(0.405)

(0.406)

# de jours

-0.0560***

0.0241

-0.0100

0.0888***

0.113***

(0.0164)

(0.0169)

(0.0169)

(0.0184)

(0.0213)

Distance

-0.446***

-0.448***

-0.470***

-0.374***

-0.314***

(0.0189)

(0.0183)

(0.0197)

(0.0199)

(0.0223)

Langue Commune

0.133**

0.183***

0.117**

0.192**

0.209***

(0.0534)

(0.0549)

(0.0530)

(0.0853)

(0.0849)

Actifs

-0.0166

-0.0140

-0.0166

-0.00547

-0.0116

(0.129)

(0.129)

(0.128)

(0.130)

(0.130)

Âge

0.0770

0.0759

0.0809

0.0663

0.0682

(0.0497)

(0.0495)

(0.0495)

(0.0489)

(0.0492)

Recettes

0.473***

0.472***

0.478***

0.468***

0.468***

(0.0685)

(0.0685)

(0.0682)

(0.0656)

(0.0657)

Passif

-0.189*

-0.191*

-0.190*

-0.194*

-0.189

(0.114)

(0.113)

(0.113)

(0.115)

(0.115)

Liquidités

0.0580

0.0598

0.0629

0.0405

0.0410

(0.0663)

(0.0664)

(0.0662)

(0.0677)

(0.0675)

# d’employés firme

0.0531***

0.0535***

0.0535***

0.0502***

0.0499***

(0.00105)

(0.00105)

(0.00104)

(0.0111)

(0.0111)

Observations

49,764

49,764

50,141

28,652

27,898

R-squared

0.407

0.405

0.405

0.428

0.436

Note : Écarts-types robustes clusterisés au niveau des firmes entre parenthèses, *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en pseudo-maximum de vraisemblance dans le cadre d’un modèle de Poisson. Les effets marginaux sont calculés à la moyenne. Score Env. est le score VIGEO au niveau de la firme. EPI, Traités, Traités Pollution Air et WBES sont des variables de mesure des réglementations environnementales spécifiques à la destination. Ces cinq variables sont centrées.

28Si l’on compare les colonnes EPI des deux tableaux, dans l’ensemble les signes et la significativité changent peu. Néanmoins, quelques différences sont à noter. Le PIB par habitant, qui n’était pas significatif dans l’estimation en Probit, le devient dans celle en PMVP. Donc, alors que le PIB par habitant n’influence pas la probabilité de s’implanter dans un pays, il influence l’activité sur place, approximée par le nombre d’employés dans le pays de destination. À l’inverse, les variables Actifs, Age et Liquidites perdent leur significativité. Ces variables ont donc un effet sur la probabilité de s’implanter à l’étranger pour une firme, mais pas sur son activité dans un pays donné. Ces différences ne sont en rien surprenantes car les deux spécifications ne sont pas totalement comparables, et ce en particulier pour ce qui est des données firmes. En effet, les trois variables qui ne sont plus significatives sont toutes des variables firmes. Autant, il est vraisemblable que les variables firmes aient un rôle dans la décision de s’implanter à l’étranger, cela est moins évident pour ce qui est de leur possible effet sur le niveau d’activité par pays, mesuré par le nombre d’employés par pays d’implantation. En effet, il ne faut pas confondre cette dernière variable avec le nombre total d’employés à l’étranger. Ainsi, il est possible que les firmes à actifs importants soient implantées dans plus de pays, expliquant ainsi que la probabilité d’être implantée à l’étranger soit influencée par cette variable, mais donc que le nombre moyen d’employés par pays d’implantation ne soit pas pour autant plus important.

29Concernant les variables de jure, le terme d’interaction entre le score environnemental et la variable Traités est positif et significatif. Ce résultat est important dans la mesure où il suggère un comportement opposé des firmes vis-à-vis des normes de jure par rapport aux normes de facto. Les firmes responsables développeraient une activité relativement plus importante dans les pays aux normes de jure plus contraignantes, mais relativement moins dans les pays aux normes de facto élevées. Cette double stratégie pourrait indiquer la possibilité que les firmes cherchent à la fois à ne pas subir des réglementations environnementales trop dures mais à préserver leur image en étant plus actives dans les pays qui affichent une certaine responsabilité envers l’environnement. Toutefois, ce résultat est à prendre avec précaution car le signe positif du terme d’interaction n’est plus significatif lorsque toutes les variables sont incluses. La variable WBES, lorsqu’elle est interagie avec le score environnemental de la firme se comporte ici de la même façon que dans la colonne EPI, confirmant le résultat sur la dimension de facto, cela étant robuste à l’inclusion de l’ensemble des variables d’intérêt.

Tableau 6. Test de Robustesse : Spécifications avec Effets Fixes – Probit

Variable dépendante :

Localisation

Spécifications :

(1)

(2)

(3)

(4)

(5)

REE

0.0235***

0.0334***

(0.00571)

(0.00671)

EPI

0.154***

0.157***

(0.0354)

(0.0348)

EPI × REE

-0.180***

-0.129***

-0.0921***

(0.0489)

(0.0484)

(0.0301)

PIB par hab.

-0.00365

-0.00365

(0.00366)

(0.00360)

PIB

0.0340***

0.0335***

(0.00290)

(0.00289)

Potentiel marchand

0.0237***

0.0236***

(0.00704)

(0.00690)

# de jours

-0.00624**

-0.00616**

(0.00302)

(0.00297)

Distance

-0.0853***

-0.0839***

-0.0228***

-0.0224***

-0.0477***

(0.00816)

(0.00797)

(0.00404)

(0.00400)

(0.00434)

Langue Commune

0.0437***

0.0430***

0.0420***

0.0413***

0.0293***

(0.00812)

(0.00803)

(0.0114)

(0.0112)

(0.00525)

Actifs

0.0125**

0.0123**

(0.00493)

(0.00488)

Âge

0.0130***

0.0128***

(0.00165)

(0.00163)

Recettes

0.0492***

0.0485***

(0.00243)

(0.00235)

Passif

-0.0272***

-0.0270***

(0.00437)

(0.00433)

Liquidités

0.00801***

0.00797***

(0.00300)

(0.00296)

# d’employés firme

0.00398***

0.00396***

(0.000374)

(0.000370)

Observations

49,387

49,387

49,387

49,387

49,387

Pseudo R2

0.444

0.444

0.403

0.403

0.569

Note : Écarts-types robustes clusterisés au niveau des pays de destination entre parenthèses. *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en probit avec des effets fixes pays d’origine et secteur (NACE). Les effets marginaux sont calculés à la moyenne. Score Env. est le score VIGEO au niveau de la firme. Dans les colonnes (1) et (2), des effets fixes pays de destination sont ajoutés. Dans les colonnes (3) et (4), des effets fixes firmes sont ajoutés. Dans la colonne (5), des effets fixes pays de destination et firmes sont ajoutés. Les variables EPI et Score Env. sont démoyennées dans les colonnes (2) et (4) afin de faciliter l’interprétation des effets marginaux du terme d’interaction.

30Ainsi, avec notre échantillon de grandes firmes multinationales, nous montrons tout d’abord que ces entreprises ont tendance à se localiser dans des pays aux normes environnementales de facto et de jure plus sévères. Ensuite, les firmes affichant un score VIGEO plus élevé ont à la fois une probabilité plus importante d’être localisées à l’étranger et un nombre d’employés à l’étranger plus important. Enfin, l’interaction entre les normes des pays et les performances environnementales des firmes est négative en ce qui concerne les normes de facto. L’effet net devient négatif pour les pays ayant un score EPI supérieur à 0.8874 (soit 7 pays) quand on estime les déterminants de la probabilité de localisation à l’étranger ; et pour les pays ayant un score EPI supérieur à 0.87616 (soit 10 pays) quand on estime les déterminants du nombre d’employés dans le pays d’acceuil.

31D’une façon plus générale, plus la réglementation de facto est sévère dans un pays, moins l’effet positif d’un score VIGEO élevé est grand sur la présence des firmes dans un pays. Ce résultat correspond à l’idée d’une substitution entre la REE et les réglementations environnementales. Ces firmes ne sont toutefois pas particulièrement localisées dans les pays aux réglementations de jure faibles, elles y ont en revanche une plus grande activité, mais ce résultat n’est pas stable. Une telle situation pourrait caractériser une stratégie visant à compenser leur choix de localisation. C’est-à-dire que les firmes auraient tendance à choisir des pays aux législations environnementales contraignantes mais relativement laxistes sur l’application réelle de ces législations. Cette interprétation signifierait que la REE permettrait aux entreprises de se localiser dans des pays « polluants » sans en souffrir en termes d’image.

Tableau 7. Test de Robustesse: Spécifications avec Effets Fixes – PMVP

Variable dépendante :

# d’employés dans le pays de destination

Spécifications:

(1)

(2)

(3)

(4)

(5)

REE

0.242***

0.928***

(0.0733)

(0.173)

EPI

2.745***

3.040***

(0.830)

(0.217)

EPI × REE

-6.310***

-5.663***

-6.659***

(1.241)

(1.255)

(1.497)

PIB par hab.

0.0217

0.0213

(0.0196)

(0.0196)

PIB

0.505***

0.506***

(0.0119)

(0.0119)

Potentiel marchand

-3.286***

-3.537***

(-0.0543)

(0.0836)

# de jours

-0.0647***

-0.0653***

(0.0163)

(0.0163)

Distance

-0.659***

-0.658***

-0.449***

-0.448***

-0.657***

(0.0665)

(0.0668)

(0.0187)

(0.0187)

(0.0362)

Langue commune

0.200***

0.201***

0.122**

0.123**

0.201***

(0.0491)

(0.0492)

(0.0529)

(0.0527)

(0.0493)

Actifs

0.00853

0.00365

(0.0498)

(0.130)

Âge

0.0815

0.0814

(0.0498)

(0.0499)

Recettes

0.453***

0.453***

(0.0679)

(0.0680)

Passif

-0.195*

-0.191*

(0.114)

(0.114)

Liquidités

0.0681

0.0677

(0.0663)

(0.0662)

Nombre d’employés firme

0.0527***

0.0527***

(0.00104)

(0.00104)

Observations

40,176

40,176

40,176

40,176

40,176

R-squared

0.457

0.458

0.437

0.439

0.498

Note : Écarts-types robustes clusterisés au niveau des firmes entre parenthèses dans les colonnes. *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en pseudo-maximum de vraisemblance dans le cadre d’un modèle de Poisson avec des effets fixes pays d’origine et secteur (NACE). Les effets marginaux sont calculés à la moyenne. Score Env. est le score VIGEO au niveau de la firme. Les colonnes (1) et (2) intègrent des effets fixes pays de destination. Les colonnes (3) et (4) intègrent des effets fixes firmes. La colonne (5) intègrent des effets fixes pays de destination et firmes. Les variables EPI et Score Env. sont démoyennées dans les colonnes (2) et (4) afin de faciliter l’interprétation des effets marginaux du terme d’interaction.

32Nous proposons un ensemble de tests de robustesse (en utilisant REE et EPI). Dans le tableau 6, nous commençons d’abord par tester la robustesse de nos résultats concernant REE dans les colonnes (1) et (2), et EPI dans les colonnes (3) et (4). Dans la colonne (1), nous incluons des effets fixes pays de destination à la place des variables de contrôle pays de destination et estimons l’impact de REE. Dans la colonne (2), le terme d’interaction REE × EPI est inclus. À l’évidence, le résultat du probit est robuste à l’inclusion des effets fixes destination car tous les signes et les significativités sont inchangés. Dans les colonnes (3) et (4), nous observons à nouveau que les signes des variables d’intérêt sont robustes à ces spécifications. En revanche, nous remarquons que le PIB par habitant perd sa significativité alors que le potentiel marchand a un effet significatif, ce qui n’était pas le cas précédemment. Cela s’explique probablement par le fait que certaines firmes ne sont localisées que dans un pays. Ainsi, l’ajout d’effets fixes firmes peut conduire à modifier les coefficients et les significativités de certaines variables pays. En dépit de ces deux différences, les principaux résultats, ceux concernant nos variables d’intérêt, sont stables.

33Ensuite, le tableau 7 regroupe les tests de robustesses du PMVP. À l’instar des résultats des tests de robustesse sur le probit, les colonnes (1) et (2) du tableau 7 sont similaires à la colonne EPI du tableau 5. Et toujours de la même façon, les colonnes (3) et (4) présentent des résultats identiques concernant les variables d’intérêt mais le PIB par habitant n’y est plus significatif alors que le potentiel marchand y devient significatif négatif. Le fait que le même phénomène se produise dans les colonnes (3) et (4) des deux tableaux de tests de robustesse nous conforte dans le fait que ce sont les firmes localisées dans un seul pays qui expliquent ces modifications des variables pays.

Tableau 8. Test de Robustesse: Qualité des Institutions – Probit

Variable dépendante :

Localisation

Mesure
d’Institutions :

ICRG

Qualité des

Régulations

Règle de

Droit

Protection des

Investissements

Impôt sur les

Entreprises

Corruption

Spécifications :

(1)

(2)

(3)

(4)

(5)

(6)

REE

0.0485***

0.0478***

0.0480***

0.0491***

0.0496***

0.0464***

(0.0107)

(0.0106)

(0.0107)

(0.0107)

(0.0108)

(0.0107)

EPI

0.319***

0.261***

0.307***

0.333***

0.317***

0.306***

(0.0350)

(0.0361)

(0.0354)

(0.0355)

(0.0353)

(0.0346)

EPI × REE

-0.253***

-0.236***

-0.242***

-0.268***

-0.273***

-0.218***

(0.0793)

(0.0767)

(0.0784)

(0.0795)

(0.0798)

(0.0780)

Institutions

0.0928***

0.0524***

0.0275***

0.00803***

0.000187

0.0150***

(0.0223)

(0.00594)

(0.00482)

(0.00205)

(0.000172)

(0.00222)

PIB par hab.

-0.0177***

-0.0310***

-0.0226***

-0.0135***

-0.00910**

-0.0276***

(0.00397)

(0.00418)

(0.00416)

(0.00391)

(0.00389)

(0.00430)

PIB

0.0631***

0.0648***

0.0645***

0.0627***

0.0634***

0.0657***

(0.00214)

(0.00203)

(0.00212)

(0.00207)

(0.00232)

(0.00214)

Potentiel
marchand

0.00911

0.00950

0.00939

0.00848

0.00888

0.00934

(0.00960)

(0.00951)

(0.00962)

(0.00955)

(0.00960)

(0.00966)

# de jours

-0.00667*

0.00165

-0.00325

-0.0105***

-0.0139***

-0.00190

(0.00354)

(0.00337)

(0.00357)

(0.00352)

(0.00308)

(0.00349)

Distance

-0.0418***

-0.0399***

-0.0409***

-0.0461***

-0.0428***

-0.0435***

(0.00395)

(0.00361)

(0.00391)

(0.00426)

(0.00407)

(0.00391)

Langue Commune

0.0607***

0.0610***

0.0614***

0.0578***

0.0627***

0.0583***

(0.0137)

(0.0128)

(0.0136)

(0.0138)

(0.0138)

(0.0132)

Actifs

0.0134*

0.0132*

0.0133*

0.0134*

0.0135*

0.0133*

(0.00752)

(0.00750)

(0.00755)

(0.00750)

(0.00752)

(0.00758)

Âge

0.0180***

0.0180***

0.0181***

0.0179***

0.0179***

0.0182***

(0.00260)

(0.00260)

(0.00261)

(0.00259)

(0.00259)

(0.00262)

Recettes

0.0670***

0.0669***

0.0672***

0.0669***

0.0669***

0.0677***

(0.00392)

(0.00387)

(0.00391)

(0.00393)

(0.00396)

(0.00391)

Passif

-0.0343***

-0.0342***

-0.0343***

-0.0343***

-0.0344***

-0.0345***

(0.00647)

(0.00645)

(0.00648)

(0.00646)

(0.00647)

(0.00652)

Liquidités

0.0126***

0.0125***

0.0126***

0.0124***

0.0125***

0.0128***

(0.00353)

(0.00354)

(0.00355)

(0.00352)

(0.00354)

(0.00356)

# d’employés firme

0.00518***

0.00518***

0.00520***

0.00515***

0.00517***

0.00524***

(0.000566)

(0.000566)

(0.000568)

(0.000565)

(0.000569)

(0.000573)

Observations

42,978

42,978

42,978

42,978

42,978

42,978

Pseudo R2

0.388

0.394

0.389

0.388

0.387

0.391

Note : Écarts-types robustes clusterisés au niveau des pays de destination entre parenthèses. *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en probit avec des effets fixes pays d’origine, pays de destination et secteur (NACE). Les effets marginaux sont calculés à la moyenne. REE est le score Vigeo au niveau de la firme. Les variables EPI et REE sont démoyennées afin de faciliter l’interprétation des effets marginaux du terme d’interaction.

  • 15 Sur le livre descriptif des variables de Quality of Government, leurs noms sont respectivement ICRG (...)

34Pour s’assurer que les différentes variables utilisées pour estimer les niveaux de réglementations environnementales ne captent le niveau d’ensemble des réglementations ou d’autres effets liés aux institutions du pays hôte, nous reprenons la spécification de base en y incluant d’abord successivement puis simultanément les variables institutionnelles suivantes issues de la base de données Quality of Government : l’indice ICRG-Qualité du gouvernement, la qualité des régulations, la règle de droit, le niveau de protection des investissements, le niveau d’impôt sur les entreprises et la perception de la corruption15. Toutes ces variables sont codées de façon à ce qu’un indicateur plus élevé indique une plus grande qualité des institutions. Les résultats de ces régressions apparaissent dans le tableau 8. Nos résultats sur REE, EPI et le terme d’interaction restent remarquablement stables malgré la très forte significativité du coefficient de la variable institutionnelle. Cela suggère que notre variable de performance environnementale ne mesure pas simplement la qualité des institutions dans un pays donné en général, mais capture bien la dimension environnementale de ces institutions. Ainsi, ceci valide notre interprétation de l’effet négatif du terme d’interaction entre la performance environnementale d’un pays et la responsabilité environnementale d’une firme sur sa localisation dans ce pays.

  • 16 L’ensemble des estimations ne sont pas présentées ici mais peuvent être obtenues auprès des auteurs
  • 17 Ederington et al. (2005) expliquent la difficulté à tester l’hypothèse du havre de pollution par l’ (...)

35Enfin, nous menons un certain nombre de tests de robustesse sectoriels. Tout d’abord, nous réestimons le modèle en excluant successivement un secteur à chaque fois, afin de s’assurer qu’un seul secteur n’explique à lui seul nos résultats. Encore une fois, les résultats16 sont parfaitement similaires. Le tableau 9 présente les résultats obtenus lorsque nous excluons certaines activités stratégiques. Tout d’abord, nous excluons les activités minières pour lesquelles le choix de localisation est contraint par la disponibilité des ressources minières. L’objectif est de se concentrer sur les secteurs dits « footloose », c’est-à-dire géographiquement mobiles17. Dans la colonne (2), nous excluons les activités de finance et d’assurance et dans la colonne (3) toutes les activités de service. Dans les deux cas, le critère environnemental est a priori moins susceptible d’être déterminant dans le choix de localisation. Nos résultats restent identiques.

Tableau 9. Test de Robustesse: Analyse sectorielle – Probit

Variable dépendante :

Localisation

Échantillon :

Sans les activités d’exploitation de mines et carrières

Sans les activités de finance et assurance

Sans les activités de service

Spécifications :

(1)

(2)

(3)

REE

0.0299***

0.0355***

0.0235***

(0.00709)

(0.00750)

(0.00912)

EPI

0.232***

0.236***

0.234***

(0.0472)

(0.0502)

(0.0513)

EPI × REE

-0.151***

-0.219***

-0.138**

(0.0573)

(0.0621)

(0.0694)

PIB par hab.

-0.00570

-0.00520

-0.00488

(0.00499)

(0.00529)

(0.00537)

PIB

0.0475***

0.0494***

0.0502***

(0.00294)

(0.00303)

(0.00308)

Potentiel marchand

0.00642

0.00543

0.00183

(0.00669)

(0.00696)

(0.00695)

# de jours

-0.00932**

-0.00906**

-0.00796*

(0.00406)

(0.00431)

(0.00436)

Distance

-0.0322***

-0.0320***

-0.0308***

(0.00503)

(0.00524)

(0.00535)

Langue Commune

0.0501***

0.0526***

0.0439***

(0.0123)

(0.0128)

(0.0122)

Actifs

0.00939*

0.00916*

0.00316

(0.00490)

(0.00544)

(0.00565)

Âge

0.0131***

0.0132***

0.0117***

(0.00187)

(0.00187)

(0.00265)

Recettes

0.0482***

0.0536***

0.0500***

(0.00396)

(0.00429)

(0.00424)

Passif

-0.0245***

-0.0275***

-0.0162***

(0.00448)

(0.00454)

(0.00471)

Liquidités

0.00844***

0.00856***

0.00230

(0.00313)

(0.00326)

(0.00368)

# d’employés firme

0.00396***

0.00421***

0.00320***

(0.000437)

(0.000420)

(0.000429)

Observations

47,388

48,972

38,544

Pseudo R2

0.413

0.405

0.408

Note : Écarts-types robustes clusterisés au niveau des pays de destination entre parenthèses. *** significatif au seuil de 1 %, ** de 5 %, * de 10 %. Estimations en probit avec des effets fixes pays d’origine, pays de destination et secteur (NACE). Les effets marginaux sont calculés à la moyenne. REE est le score Vigeo au niveau de la firme. Les variables EPI et REE sont démoyennées afin de faciliter l’interprétation des effets marginaux du terme d’interaction.

4. Conclusion

36Nos résultats ne nous permettent pas de confirmer l’hypothèse de havre de pollution : nous trouvons une relation positive entre les normes environnementales et la localisation des firmes. Toutefois, le caractère endogène des réglementations nationales pouvant expliquer ce résultat, nous l’interprétons avec précaution. Nous trouvons également que les entreprises affichant de bonnes performances environnementales ont plus tendance à être implantées à l’étranger, toutes choses égales par ailleurs. Il n’y a pas de contradiction pour une entreprise d’être à la fois responsable en matière d’environnement et multinationale.

37Notre résultat le plus important concerne la mise en évidence d’un effet négatif de l’interaction entre la responsabilité environnementale des firmes et la performance environnementale des pays. Les entreprises avec de bonnes performances environnementales tendent à être relativement plus localisées dans des pays moins respectueux de l’environnement. Ce dernier résultat confirme l’idée d’une substitution entre la responsabilité environnementale des entreprises d’une part et les réglementations environnementales nationales d’autre part. Une explication possible serait que les entreprises investissant dans des pays « polluants » devraient avoir un niveau de REE plus élevé afin de minimiser le risque que la mauvaise image de ces pays fait peser sur la réputation de ces firmes.

38Le fait que le coefficient du terme d’interaction ne soit négatif que pour le niveau de facto des réglementations, et non la dimension de jure, est particulièrement informatif. On pourrait penser qu’il est contre-productif de s’implanter dans un pays peu réputé en termes environnementaux pour une entreprise cherchant à convaincre de sa responsabilité dans ce domaine. Mais la difficulté à observer la performance réelle d’un pays peut limiter cet effet. Un pays ayant de bonnes normes de jure mais une très faible application de ces normes permettrait ainsi aux entreprises de protéger leur image avec un niveau de contrainte minimal.

39Deux principales conclusions peuvent être tirées de ce résultat. Arbitrer en faveur de l’une ou l’autre est laissé à de futures recherches. Une première possibilité est que cela soit une stratégie délibérée des États de signer des accords environnementaux sans en assurer le respect en pratique. En effet, cela permettrait d’offrir aux entreprises s’y localisant une image « propre » avec en réalité de grandes tolérances pour les activités polluantes. Cela validerait l’idée que les entreprises pourraient compenser leurs investissements en REE dans les pays développés en adoptant une stratégie de pure minimisation des coûts dans leur stratégie internationale de localisation. En d’autres mots, les entreprises relocalisent leur irresponsabilité à l’étranger tout en cherchant à le cacher.

40Mais l’autre hypothèse est que ces entreprises ont en réalité de bonnes performances dans ces pays. Cela serait cohérent avec le résultat de Eskeland & Harrison (2003) par exemple qui trouve que les entreprises étrangères ont tendance à mieux se comporter en la matière que les firmes locales. Ce pourrait être positif pour les pays qui les acceuillent car une amélioration de leur performance environnementale pourrrait en découler dans le long terme. Mais cette possibilité soulève la question des motivations des entreprises choisissant délibérément d’investir dans des pays où les réglementations de facto sont faibles sans que les de jure le soient, alors même que ces entreprises seraient vertueuses environnementalement.

Top of page

Bibliography

Ai, Chunrong, & Norton, Edward C. 2003. Interaction terms in logit and probit models. Economics Letters, 80(1), 123-129.

Blonigen, Bruce A., & Piger, Jeremy. 2011 (Jan.). Determinants of Foreign Direct Investment. NBER Working Papers 16704. National Bureau of Economic Research, Inc.

Brammer, Stephen J., Pavelin, Stephen, & Porter, Lynda A. 2006. Corporate social performance and geographical diversication. Journal of Business Research, 59(9), 1025-1034.

Cole, Matthew A., & Fredriksson, Per G. 2009. Institutionalized pollution havens. Ecological Economics, 68(4), 1239-1256.

Cole, Matthew A., Elliott, Robert J. R., & Fredriksson, Per G. 2006. Endogenous Pollution Havens : Does FDI Inuence Environmental Regulations? Scandinavian Journal of Economics, 108(1), 157-178.

Copeland, Brian R., & Taylor, M. Scott. 2004. Trade, Growth, and the Environment. Journal of Economic Literature, 42(1), 7-71.

Dam, Lammertjan, & Scholtens, Bert. 2008. Environmental regulation and MNEs location: Does CSR matter? Ecological Economics, 67(1), 55-65.

Dam, Lammertjan, & Scholtens, Bert. 2012. The curse of the haven: The impact of multinational enterprise on environmental regulation. Ecological Economics, 78(C), 148-156.

Dean, Judith M. 2002. Does trade liberalization harm the environment? A new test. Canadian Journal of Economics, 35(4), 819-842.

DriFField, Nigel, Jones, Chris, & Crotty, Jo. 2013. International business research and risky investments, an analysis of FDI in conict zones. International Business Review, 22(1), 140-155.

Ederington, Josh, Levinson, Arik, & Minier, Jenny. 2005. Footloose and Pollution-Free. The Review of Economics and Statistics, 87(1), 92-99.

Eskeland, Gunnar S., & Harrison, Ann E. 2003. Moving to greener pastures? Multinationals and the pollution haven hypothesis. Journal of Development Economics, 70(1), 1-23.

Hakkala, Katariina Nilsson, NORBÄCK, Pehr-Johan, & Svaleryd, Helena. 2008. Asymmetric Eects of Corruption on FDI: Evidence from Swedish Multinational Firms. The Review of Economics and Statistics, 90(4), 627-642.

Harris, Chauncy D. 1954. The Market Factor in the Localization of Industry in the United States. Innals of the Association of American Geographers, 64, 315-348.

Kellenberg, Derek K. 2009. An empirical investigation of the pollution haven eect with strategic environment and trade policy. Journal of International Economics, 78, 242-255.

Keller, Wolfgang, & Levinson, Arik. 2002. Pollution Abatement Costs and Foreign Direct Investment Inows to U.S. States. The Review of Economics and Statistics, 84(4), pp. 691-703.

List, John A., & Co, Catherine Y. 2000. The Eects of Environmental Regulations on Foreign Direct Investment. Journal of Environmental Economics and Management, 40(1), 1-20.

Mayer, T., & Signago, S. 2006. Note on cepii's distances measures. mimeo.

Peng, GeorgeZ., & Beamish, PaulW. 2008. The Eect of National Corporate Responsibility Environment on Japanese Foreign Direct Investment. Journal of Business Ethics, 80, 677-695.

Silva, J. M. C. Santos, & Tenreyro, Silvana. 2006. The Log of Gravity. The Review of Economics and Statistics, 88(4), 641-658.

Top of page

Notes

1 Voir List & Co (2000) ; Keller & Levinson (2002) ; Dean (2002) ; Eskeland & Harrison (2003) ; Ederington et al. (2005) ; Kellenberg (2009).

2 Responsabilité sociale des entreprises : une nouvelle stratégie de l’UE pour la période 2011-2014, communication du 25/10/2011.

3 Dans un article plus récent, Dam & Scholtens (2012) reprennent la même idée en intégrant la distinction entre pays riches en ressources ou non.

4 Voir http://www.vigeo.com/csr-rating-agency/fr/2-2-referentiel-d-analyse pour une explication des critères d’évaluation de VIGEO.

5 Ces principes sont par exemple « l’identification, l’évaluation et la réduction des risques d’accidents environnementaux », « l’exclusion ou la réduction de l’exploitation d’écosystèmes sensibles », la « réduction de la consommation d’eau » ou encore « la gestion effective de la consommation d’énergie et des émissions atmosphériques ».

6 Ces statistiques indiquent bien le fait que les performances environnementales des firmes ne peuvent se limiter au seul niveau de pollution généré dans le processus de production. Cet indicateur prend également en compte l’effectivité des politiques ayant pour objectif de réduire l’impact environnemental. En d’autres termes, une entreprise ne sera pas considérée comme environnementalement responsable uniquement parce qu’elle appartient à un secteur qui est par définition peu polluant. Pour cela, elle devra également mettre en place des politiques effectives pour réduire son impact global sur l’environnement.

7 Il s’agit des valeurs normées du compte de « participation aux traités (Changement climatique, couche d’ozone, contrôle des GES, Loi de la mer, diversité biologique, protocole de Kyoto, CITES, CCD, Convention de Stockholm) », des « stratégies environnementales et plans d’action » et des « évaluations de la biodiversité et stratégies et plans pour la préserver ».

8 Contrôle des GES, protocole de Kyoto et convention de Stockholm.

9 Cet aspect est mentionné explicitement dans la notice d’usage du WBES.

10 Voir http://sedac.ciesin.columbia.edu/data/set/epi-environmental-performance-index-2010 pour plus de détails.

11 Mesure développée par Harris (1954), le potentiel marchand du pays j est égal à Image 100000000000004200000028E2D105CB.jpgImage 100000000000000F000000156053693E.jpg est le PIB du pays j et Image 1000000000000015000000152A3A79DA.jpg est la distance géographique séparant les pays i et j.

12 Parmi les tests de robustesse présentés dans la pénultième section, nous contrôlons également de nombreuses autres variables institutionnelles tirées de la base de données Quality of Government.

13 Les coefficients estimés des termes d’interaction dans des modèles non linéaires doivent être interprétés avec précaution. La magnitude de l’effet d’interaction dans ces modèles n’est pas égale à l’effet marginal du coefficient estimé et peut même être du signe inverse. Nous utilisons la méthode proposée par Ai & Norton (2003) qui confirme notre résultat. Nous retrouvons un signe négatif pour l’ensemble de la distribution, à l’exception des valeurs prédites très faibles.

14 En outre, Dam & Scholtens (2012) qui utilisent également des données en coupe indiquent que « The impact of multinationals on environmental regulation in the host country, however, seems limited. Therefore, given our cross-sectional dataset, we cannot conclude that MNEs significantly impact on environmental regulation in host countries. » (p. 152). Ainsi, l’endogénéité ne semble pas être un problème majeur dans le cas d’une étude en coupe.

15 Sur le livre descriptif des variables de Quality of Government, leurs noms sont respectivement ICRG-quality of government, regulatory quality, rule of law, investment protection, corporate tax et corruption perception.

16 L’ensemble des estimations ne sont pas présentées ici mais peuvent être obtenues auprès des auteurs.

17 Ederington et al. (2005) expliquent la difficulté à tester l’hypothèse du havre de pollution par l’existence de coûts de mobilité très différents entre secteurs. Ils montrent ainsi que la localisation dans les secteurs les plus mobiles est plus susceptible d’être sensible au niveau de législation environnementale. Si nous ne pouvons ici établir une distinction aussi fine entre secteurs du fait d’un niveau d’agrégation sectorielle de nos données trop important, nous considérons le cas du secteur minier qui par définition n’est pas mobile, la localisation étant liée à la présence de ressources.

Top of page

References

Bibliographical reference

Rémi Bazillier, Sophe Hatte and Julien Vauday, La RSE influence-t-elle le choix de localisation des firmes multinationales ? Le cas de l’environnementRevue d'économie industrielle, 148 | 2014, 383-409.

Electronic reference

Rémi Bazillier, Sophe Hatte and Julien Vauday, La RSE influence-t-elle le choix de localisation des firmes multinationales ? Le cas de l’environnementRevue d'économie industrielle [Online], 148 | 4e trimestre 2014, Online since 30 December 2016, connection on 19 March 2024. URL: http://journals.openedition.org/rei/6040; DOI: https://doi.org/10.4000/rei.6040

Top of page

About the authors

Rémi Bazillier

Univ. Orléans, LEO, CNRS, UMR 7322
remi.bazillier@univ-orleans.fr

Sophe Hatte

Univ. Lausanne (HEC
sophie.hatte@gmail.com

Julien Vauday

Univ. Paris 13 - CEPN et CNRS
julien.vauday@univ-paris13.fr

Top of page

Copyright

CC-BY-NC-ND-4.0

The text only may be used under licence CC BY-NC-ND 4.0. All other elements (illustrations, imported files) are “All rights reserved”, unless otherwise stated.

Top of page
Search OpenEdition Search

You will be redirected to OpenEdition Search