Le transport de marchandises et la croissance

économique
Julien Brunel

To cite this version:

Julien Brunel. Le transport de marchandises et la croissance économique. ASRDLF. Villes et terri-
toires face aux défis de la mondialisation - XLIè colloque de l’ASRDLF, 5-7 sept. 2005, Dijon, 2005,
France. 15 p. �halshs-00095907�

HAL Id: halshs-00095907

https://halshs.archives-ouvertes.fr/halshs-00095907
Submitted on 20 Sep 2006

HAL is a multi-disciplinary open access L’archive ouverte pluridisciplinaire HAL, est

archive for the deposit and dissemination of sci- destinée au dépôt et à la diffusion de documents
entific research documents, whether they are pub- scientifiques de niveau recherche, publiés ou non,
lished or not. The documents may come from émanant des établissements d’enseignement et de
teaching and research institutions in France or recherche français ou étrangers, des laboratoires
abroad, or from public or private research centers. publics ou privés.
Brunel J. (2005) "Le transport de marchandises et la croissance économique" ASRDLF. Villes et territoires face
aux défis de la mondialisation - XLIè colloque de l'ASRDLF, 5-7 sept. 2005, Dijon.

Le transport de marchandises et la croissance

économique : retour sur le couplage

Julien BRUNEL 1

Résumé : Le lien entre la demande de transport et la croissance économique est aujourd’hui connue
sous le concept de couplage. L’intensité du transport ou l’estimation d’élasticité de la demande de
transport par rapport à la production économique sont généralement utilisées pour estimer cette
relation. Dans ce papier, l’intensité de transport routier de marchandises est décomposée en quatre
facteurs. Une estimation de ces quatre facteurs est ensuite proposée pour un panel de pays européen.
Nous observons alors deux facteurs de couplage (l’augmentation de la part modale de la route et de la
distance de transport) et deux facteurs de découplage (la baisse de la part de l’industrie dans
l’économie et la baisse du poids moyen de la production industrielle).

Mots clés : demande de transport de marchandises, croissance économique, couplage.

Abstract : The link between transport and economic growth is nowadays understood behind the so-
called issue of coupling. Transport intensity or transport elasticity to economic production are
generally used to assess the link. In this paper, road freight intensity is decomposed into four factors.
A European panel data estimation of these four factors isolates levels of coupling and levels of
decoupling. We observe two factors of coupling (i. e. the rise of the average distance of transport and
the increasing market share of road transport) and two factors of decoupling (the decreasing share of
the industry in the economic production and the decreasing weight of industrial production).

Key-words : freight demand, economic growth, coupling.

JEL Classification : JEL R41, Q01.

1
Laboratoire d’économie des transports, Université Lumière Lyon 2 – 14, av. Berthelot – 69363 Lyon cedex 07
– julien.brunel@let.ish-lyon.cnrs.fr.
Introduction

La relation entre les transports et la croissance économique a toujours été un objet d’étude pour les

économistes. Traditionnellement, la littérature s’est intéressée à estimer la contribution des

infrastructures de transport à la croissance économique. Le papier originel de Fogel (1962) montre que

la réalisation des infrastructures de transport ferroviaire a été un facteur de croissance pour les Etats-

Unis dans la seconde moitié du dix-neuvième siècle. Plus tard, le développement des modèles de

croissance endogène ont donné à cette problématique une nouvelle actualité comme dans le papier de

Aschauer (1989).

Par ailleurs, un certain nombre de travaux se sont intéressés à estimer la relation entre le transport de

marchandises et la croissance économique dans une optique de prévision des trafics. La plupart de ces

travaux estiment cette relation au moyen d’élasticité. Le modèle Quin-Quin fret estime par exemple la

relation entre le transport national de marchandises et la production industrielle en France (Gabella-

Latreille, 1997). Plus récemment, un certain nombre de travaux ont utilisé l’économétrie des séries

temporelles pour estimer cette relation (Meyer, 1998 et Lenormand, 2002). L’ensemble de ces travaux

corrobore l’idée qu’il existe une relation forte entre le transport de marchandises et la croissance

économique. Ces dix dernières années, un certain nombre de facteurs a contribué à changer la nature

de cette problématique dans l’esprit des chercheurs.

Le premier élément concerne le réchauffement climatique. Dans leur troisième rapport sur le

changement climatique, les experts du Panel Intergouvernemental sur le Changement Climatique

(Intergovernmental Panel on Cilmate Change, IPCC) estiment que la température moyenne à la

surface de la terre a augmenté de 0,6°C au cours du vingtième siècle (IPCC, 2001) comme nous

pouvons le voir sur la figure 1.

-2-
Ce rapport souligne également l’augmentation des concentration de gaz à effet de serre (GES) comme

le dioxyde de carbone (CO2), le méthane (CH4) ou le dioxyde d’azote (NO2) dans l’atmosphère. Ce

rapport prévoit enfin que l’activité humaine sera responsable d’une augmentation de la température

moyenne à la surface de la terre comprise entre 2 et 6°C pour le vingt-et-unième siècle. Ce constat

scientifique a amené la communauté internationale à définir une stratégie globale pour réduire les

émissions de GES au cœur de laquelle se trouve le protocole de Kyoto.

Figure 1 : La température moyenne à la surface de la terre entre 1000 et 2000.

Source : IPCC (2001)

Le second élément concerne le rôle des transports dans le réchauffement climatique. La figure 2

représente la part des émissions de CO2 par secteur en France (CITEPA, 2005). Cette figure montre

que le secteur des transports est responsable de la plus grande part des émissions de CO2. Ce secteur

génère 28% des émissions de CO2 contre 22% pour le secteur résidentiel et des services ou 21% pour

l’industrie. Cette figure montre également un second motif d’inquiétude pour le secteur des transports.

Sa part dans le volume total des émissions de CO2 augmente avec un fort taux de croissance. De 1960

à 2003, le volume des émissions de CO2 causées par le secteur des transports a ainsi augmenté de plus

de 500% en France. Schäfer (2005) montre que ce constat peut être fait pour l’ensemble des pays

développés.

-3-
Ces deux constats ont entraîné un changement du sens de la relation entre le transport et la croissance

économique dans l’esprit des chercheurs. La question n’est plus de savoir si le transport génère de la

croissance économique ou si la croissance économique génère du transport. Les chercheurs

s’interrogent désormais pour savoir s’il est possible de casser le lien entre le transport et la croissance

économique. Cette problématique est également connue sous le nom de la problématique du couplage.

Figure 2 : Les émissions de CO2 par secteur en France

100%

80%

60%

40%

20%

0%
1960 1965 1970 1975 1980 1985 1990 1995 2000

Transport Agriculture Residential/Services Energy transformation Industry

Source : CITEPA (2005)

Une large littérature s’est intéressée à cette problématique. Nous revenons sur cette dernière dans une

première section. Deux approches sont distinguées. En premier lieu, un certain nombre de papiers

s’intéresse à des indicateurs agrégés permettant de mesurer la sensibilité du transport à la croissance

économique. Un second type de papiers propose de décomposer les indicateurs agrégés de demande de

transport afin d’expliquer le couplage. En suivant la seconde catégorie de papiers, une décomposition

de l’intensité de transport routier est proposée en section II. Cette décomposition divise l’intensité de

transport routier en quatre facteurs. Les trends de ces quatre facteurs sont ensuite étudiés pour un panel

de pays européens. La section III présente une estimation économétrique de ces trends. L’originalité

du papier réside dans la spécification du modèle estimé. Nous adaptons une spécification quadratique

inspirée de l’économie de l’environnement. Notre estimation montre deux facteurs de couplage

(l’augmentation de la part modale du transport routier et l’augmentation de la distance de transport) et

-4-
deux facteurs de découplage (la baisse de la part de l’industrie dans la production et la baisse du poids

moyen de la production industrielle). La section IV conclut.

La Littérature

Une très large littérature s’est emparée de la problématique du couplage. Dans un premier temps, nous

pouvons d’abord remarquer un grand nombre de rapports institutionnels sur le sujet. Il a par exemple

été l’objet du Standing Avisory Committe on Trunck Road Assesment (SACTRA, 1999) au Royaume-

Uni. Des programmes de recherche européens ont été réalisés sur le sujet comme REDEFINE (1999)

ou SPRITE (2000). La Conférence Européenne des Ministre des Transports a organisé une conférence

sur cette question (CEMT, 2002). Cette dernière a également été discutée dans des documents

politiques comme le Livre Blanc sur les transport (Commission européenne, 2001) dans lequel la

Commission se déclare partisane d’une stratégie de découplage.

La littérature scientifique a suivi deux directions. Une première direction a consisté à estimer la

relation entre le transport et la croissance économique au moyen d’élasticité suivant les modèles de

prévisions de trafics. Par exemple, Meersman et Van der Voorde (1997) estiment un modèle à

correction d’erreur entre le transport de marchandises et la production industrielle en Belgique. C’est

également le sujet d’un papier de Kulshreshtha et Nag (2000) où la cointégration est utilisée pour

estimer la demande de transport ferroviaire de voyageurs en Inde. Pour le transport de marchandises,

Kulshreshtha et al. (2001) utilisent également la cointégration pour estimer la relation entre le

transport de marchandises et la croissance économique. La littérature s’est également intéressée à

l’étude d’indicateurs agrégés permettant de mesurer le couplage. L’indicateur le plus couramment

utilisé est l’intensité de transport. Cet indicateur est égal au ratio entre le nombre d’unité de transports

observés dans un pays (tonnes-kilomètres pour le transport de marchandises) et la valeur du PIB de ce

pays. Il est par exemple utilisé par Baum (2000) ou Baum et Kurte (2002). Ces papiers montrent une

baisse de l’intensité de transport de marchandises en Allemagne. En revanche, ils observent une

-5-
augmentation de l’intensité de transports en prenant le transport routier et la production industrielle.

Un article de Stead (2001) étudie également l’intensité de transport et l’efficacité énergétique du

transport en Europe pour le transport de voyageurs et le transport de marchandises.

L’approche agrégée permet d’estimer la relation entre le transport de marchandises et la croissance

économique. Ces papiers ne permettent toutefois pas d’expliquer le phénomène du couplage. Un

second ensemble de papiers permet d’expliquer ce phénomène. L’idée de ces travaux est de

décomposer un indicateur agrégé de demande de transport en différents niveaux de couplage ou de

découplage. Cette idée provient de l’économie de l’énergie. Ang et Zhang (2000) offrent une revue

extensive de cette littérature. Différents type de décompositions sont proposées pour les transports.

Kwon (2005) adapte l’identité IPAT au secteur des transports. Cette identité est suggérée par

l’équation Impact=Population × Affluence × Technology que Kwon (2005) transforme, pour le secteur

des transports, en

⎛ D⎞ ⎛C ⎞
C = P×⎜ ⎟×⎜ ⎟ (1)
⎝ P ⎠ ⎝ D⎠

avec C les émissions de CO2 causées par les voitures particulières, D la demande de transport en

céhicule-kilomètres et P la population. Selon l’équation 1, le niveau des émissions de CO2 produit par

le secteur le transport individuel est est égal à un produit de quatre facteurs. Le premier facteur

⎛ D⎞
représente la Population (P). Le second ⎜ ⎟ est la distance moyenne de transport individuel par
⎝P⎠

⎛C⎞
individu. Il s’agit du fecteur Affluence de l’équation IPAT. Le troisème ⎜ ⎟ correspond à l’émission
⎝ D⎠

moyenne d’une unité de trafic ou au facteur Technology. Une decomposition empirique de l’équation 1

est ensuite effectuée pour la Grande-Bretagne entre 1970 et 2000. Elle montre que la meilleure

efficacité énergétique du transport routier est insuffisante pour contrebalancer l’augmentation des

distances moyennes de transport individuel.

-6-
Kiang et Shipper (1996) et Shipper, Scholl et Price (1997) décomposent l’intensité énergétique du

transport de marchandises en trois facteurs. Il s’agit de l’activité de transport (volume de transport

réalisé), la structure de l’activité (part modale) et l’intensité (energie utilisée par unité de transport).

Ces papiers montrent les limites d’une stratégie de découplage uniquement concernée par le progrès

technologique puisque la meilleure efficacité énergétique du transport routier ne permet de compenser

l’augmentation du transport (en tonnes-kilomètres) et celle de la part modale du transport routier. Ceci

confirme l’idée selon laquelle le découplage technologique (partiel) est insuffisant pour compenser le

couplage absolu entre le transport et la croissance économique (Bagard, Crozet et Joly, 2002).

D’autres papiers envisagent l’intensité du transport de marchandises en utilisant ce type de

décomposition. Par exemple, Redefine (1999) décompose le lien entre le transport de marchandises et

la croissance économique en sept facteurs de couplage ou de découplage. Joignaux et Verny (2003)

montrent que le couplage entre le transport de marchandises et la croissance économique s’explique

par l’augmentation des distances moyennes de transport. Ailleurs, un certain nombre de papiers

propose ce type de décomposition pour expliquer le couplage (McKinnon et Woodburn, 1996,

Fosgerau et Kveiborg, 2004, Kveiborg et Fosgerau, 2004, Steer Davies Gleaves, 2004). Ces papiers

confirment l’idée selon laquelle il existe des facteurs de couplage et des facteurs de découplage. Dans

ce qui suit, nous proposons un modèle s’inscrivant dans la lignée de cette littérature.

Le Modèle

L’intensité de transport est souvent utilisée pour mesurer le couplage en économie des transports

(Baum, 2002). Cet indicateur est inspiré de l’intensité énergétique, un indicateur souvent utilisé en

économie de l’énergie (Martin, 1989). L’intensité de transport de marchandises est, par définition,

égale au ratio entre le nombre de tonnes-kilomètres réalisés dans un pays et la valeur du produit

intérieur brut de ce dernier ou

-7-
 TK i
ITi = (2)
PIBi

où ITi représente l’intensité de transport du pays i, TK i le nombre de tonnes-kilomètres réalisées

dans le pays i et PIBi le produit intérieur brut de i (en dollars ou en euros). Si l’intensité de transport

augmente ou est constante, il s’agit d’un cas de couplage. En revanche, une situation de découplage

correspond à une baisse de l’intensité de transport.

Cet indicateur est discuté. Un papier de Stead (2001) montre précisément que d’autres indicateurs

peuvent mesurer le couplage. L’utilisation des volumes de CO2 permet de calculer une intensité des

émissions de CO2 du transport. Le transport routier étant le principal responsable des émissions de

GES, l’intensité de transport routier de marchandises peut être calculé. Ce dernier (noté ITRi ) est

donné par

TK _ Routei
ITRi = (3)
PIBi

où TK _ Routei représente le nombre de tonnes-kilomètres de transport routier de marchandises en i.

Le graphique qui suit présente l’évolution de l’intensité de transport routier de marchandises en

Europe pour un panel de six pays de l’Union Européenne entre 1982 et 1998. Nous observons que

l’intensité de transport routier de marchandises est soit constante, soit croissante. En somme,

l’évolution de cet indicteur montre que cet ensemble de pays est en situation de couplage.

-8-
 Figure 3 : L’intensité de transport routier de marchandises (indice 100 : 1982)

Source : Eurostat (2002) et PWT 6.1 (Heston, Summers and Aten, 2002)

En suivant l’équation 3, l’intensité de transport routier se décompose en quatre facteurs d’après

l’identité suivante

TK _ Routei TK i Ti INDi
ITRi = ⋅ ⋅ ⋅ (4)
TK i Ti INDi PIBi

avec Ti le volume des biens transportés (en tonnes) et INDi la valeur ajoutée du secteur industriel en

dollars ou en euros. L’équation 4 montre que l’intensité de transport routier de marchandises peut être

décomposé en quatre facteurs. Ces derniers sont les suivants.

Le premier facteur correspond au ratio entre le nombre de tonnes-kilomètres du transport routier de

marchandises et le nombre de tonnes-kilomètres de l’ensemble de modes de transport. Ce facteur

correspond à la part modale du transport routier.

Le second facteur correspond au ratio entre le nombre de tonnes-kilomètres de l’ensemble des modes

de transport et le volume de biens transportés en tonnes. Ce facteur est égal à la distance moyenne de

transport d’une tonne de marchandises.

-9-
Le troisième facteur est le ratio entre le volume de marchandises transportées et la valeur de la

production industrielle. Ce facteur s’interprète comme étant le poids moyen d’un dollar de production

industrielle.

Enfin, le quatrième facteur est le ratio entre la valeur de la production industrielle et la valeur du PIB.

Ce facteur repésente la part de l’industrie dans le PIB.

L’équation 4 s’interpète donc ainsi

Intensité Part Distance Poids moyen

Part de
du modale moyenne d’un dollar de
= . . . l’industrie (5)
transport de la du production
dans le PIB
routier route transport industrielle

L’intensité de transport routier de marchandises est donc décomposée en quatre facteurs. Ces facteurs

correspondent à différents niveaux de couplage ou de découplage. Dans la section suivante, les trends

de ces quatre facteurs sont observés. L’estimation économétrique des évolutions des quatre facteurs

s’inspire de travaux antérieurs dans le domaine de l’économie de l’environnement. Un ensemble

d’articles s’est en effet intéressé au lien entre la croissance économique et la pollution. Ces travaux ont

montré qu’il existait une courbe en U-inversé entre la pollution et le niveau de revenu d’une nation

(Holtz-Eakin et Selden, 1992, Shafik, 1994, Grossman et Krueger, 1995). Cette courbe est appelée la

courbe de Kuznets environmentale. Dans la section qui suit, une spécification inspirée de cette

littérature est estimée puis interprétée.

Estimation économétrique et interprétation

Cette section est consacrée à l’estimation économétrique des trends des quatre facteurs issus de la

décomposition de l’intensité de transport routier. Dans une première sous-section, la spécification du

modèle estimé est expliquée. Ensuite, une seconde sous-section présente les résultats de l’estimation.

Enfin, la troisième sous-section interprète les résultats de l’estimation économétrique.

- 10 -
Spécification du modèle

La spécification du modèle est inspirée par la littérature de la courbe de Kuznets environnementale.

Cette littérature estimait initialement la relation entre la pollution et le PIB par habitant d’un pays.

Dans ce papier, le modèle estime la relation entre chacun des quatre facteurs de l’équation 5 et le PIB

par habitant. Une spécification quadratique est utilisée. Cette dernière est similaire à celle qu’utilisent

Shafik (1994) ou Holtz-Eakin et Selden (1992). Les modèles estimés sont donc les suivants

mshit = α msh + β msh ⋅ y it + γ msh ⋅ ysqit + ε it (6)

dst it = α dst + β dst ⋅ y it + γ dst ⋅ ysqit + ε it (7)

wghit = α wgh + β wgh ⋅ y it + γ wgh ⋅ ysqit + ε it (8)

ind it = α ind + β ind ⋅ y it + γ ind ⋅ ysqit + ε it (9)

avec mshit la part modale de la route du pays i en t pris en logarithme, dst it la distance de transport

moyenne d’une tonne de marchandises dans le pays i et t pris en logarithme, wghit le poids moyen

d’un dollar de production industrielle pour le pays i à la période t pris en logarithme, ind it la part de la

production industrielle dans l’économie du pays i à l’année t pris en logarithme, y it le logarithme du

produit intérieur brut par habitant et ysqit le carré du loagrithme du produit intérieur brut par habitant.

L’échantillon est décrit en annexe. Pour les modèles 6, 7 et 8, il consiste en un échantillon de données

de panel composé des quinze plus anciens pays de l’Union Européenne. Les données sont des données

annuelles de 1982 à 1998. Le modèle 9 est également un échantillon de données de panel.

L’échantillon est toutefois élargi à l’ensemble des pays de l’OCDE. Il couvre une période allant de

1970 à 2000.

- 11 -
La nature de l’échantillon implique l’utilisation de techniques économétriques particulières puisqu’il

s’agit de données de panel. Deux estimations sont alors effectuées. La première estimation est un

modèle à effet fixe (Fixed-Effect Model, FEM). Dans ce modèle, une constante spécifique individuelle

est introduite (pour chaque pays). Le second modèle est un modèle à effet aléatoire (Random-Effect

Model, REM). Dans celui-ci, le terme d’erreur est composé de deux éléments

ε it = μ i + λit

où le premier terme de l’addition est terme d’erreur spécifique à l’individu et le second terme un bruit-

blanc. Ce modèle est estimé par la méthode des moindres carrés généralisés en deux étapes.

Deux statistiques sont ensuite calculées pour évaluer la significativité de ces deux modèles. La

première statistique est la statistique de multiplicateur de Lagrange (Lagrange Multiplier, LM) de

Breusch et Pagan. Cette statistique permet de tester la présence d’effets spécifiques individuels. Elle

suit une loi du χ 2 avec un degré de liberté. L’hypothèse nulle d’absence d’effets spécifiques

individuels est rejetée quand cette statisitique à 3,84 (au seuil de 95%). La seconde statistique est la

statistique d’Hausman (H) qui teste la significaticité du modèle REM par rapport au FEM. Cette

statistique suit une loi du χ 2 avec k-1 degrés de liberté (k le nombre de regresseurs). Des fortes

valeurs de H jouent en faveur d’un modèle FEM. Dans la sous-section qui suit, les résultats de ces

tests sont présentés, puis l’estimation des modèles FEM ou REM est donnée.

Résultats

Les résultats des tests du LM de Breusch et Pagan et de Hausman sont présentés dans le tableau 1. Le

test du multiplicateur de Lagrange montre que pour les quatre modèles, l’hypothèse nulle d’absence

d’effets spécifiques individuels peut être rejetée. Ce test plaide donc en faveur du modèle FEM ou

REM plutôt que pour le modèle linéaire classique. Ensuite, le test d’Hausman montre que le modèle à

- 12 -
effets fixes est plus significatif que le modèle à effet aléatoire pour l’ensemble des modèles sauf pour

la variable ind qui représente la part de l’industrie dans le PIB.

Tableau 1 : Tests du multiplicateur de Lagrange et de Hausman

Test LM Test Hausman

LM Stat. Prob. H Stat. Prob.
Model 6 (part modale) 542.10 .00 14.15 .00
Model 7 (distance moyenne) 14.86 .00 9.62 .01
Model 8 (poids moyen) 62.89 .00 8.57 .01
Model 9 (part de l’industrie) 8484.98 .00 1.40 .50

Le tableau qui suit présente les résultats de l’estimation du modèle à effets fixes pour les modèles 6 à

8. Les résultats de l’estimation sont statistiquement significatifs. Les coefficients estimés sont en effet

toujours significatifs, tout comme la statistique de Fisher. Le coefficient de corrélation présente

également une valeur satisfaite. Il apparaît donc que la relation entre ces trois facteurs de couplage et

le PIB par habitant est significative.

Tableau 2 : L’estimation des modèles FEM

Variable modit dst it wghit

-5.28 35.93 78.09
y it
(1.50) (15.61) (21.56)
.28 -1.77 3.95
ysqit
(.08) (.80) (1.10)
F 58.29 10.73 6.20
R² .85 .55 .41
n 169 160 149

Note : Entre parenthèses, figure les erreurs-types.

Le modèle à erreur aléatoire est estimé pour le modèle 9. Les résultats de cette estimation figurent

dans le tableau 3. Cette estimation est également significative comme le montrent les faibles valeurs

des écarts-types. Ces estimations corroborent l’existence d’une relation entre les facteurs de couplage

et le PIB par habitant. Dans ce qui suit, les estimations sont interprétées en terme d’élasticité.

- 13 -
 Tableau 3 : L’estimation du modèle REM

Variable ind it
5.76
y it
(.20)
-.30
ysqit
(.01)
-28.95
intercept
(.96)
n 783

Interprétation

Les résultats des estimations précédentes sont interprétées en terme d’élasticité. L’élasticité d’un

facteur de couplage par rapport au PIB par habitant est égale à la dérivée de la relation quadratique

estimée ou à

ξ itn = βˆ n + γˆ n ⋅ y it (10)

avec ξ itn l’élasticité estimée du facteur n par rapport au PIB par habitant et β̂ n et γˆ n les paramètres

estimées dans la sous-section précédente.

La figure 4 représente l’élasticité de la part modale de la route par rapport au PIB par habitant. Cette

figure révèle une élasticité positive et légèrement croissante. Des valeurs négatives sont néanmoins

observables dans la partie gauche du graphique. Il est difficile d’interpréter ces valeurs puisqu’elles

correspondent à des niveaux de PIB par habitant qui ne sont pas significatifs. Ce graphique permet

donc de dire qu’une augmentation du PIB par habitant se traduit par une augmentation de la part

modale de la route. Plusieurs facteurs peuvent être mentionnés pour expliquer ce phénomène. En

premier lieu, la restructuration de la production industrielle européenne s’est traduit par une réduction

de la part des produits pondéreux dans l’industrie. Or, ce type de production a plus de chance d’utiliser

le transport public que des produits plus légers. Ensuite, l’organisation des firmes en Just-in-time

induit une demande de transport rapide et flexible que le transport ferroviaire de marchandises offre

- 14 -
plus difficilement que le transport routier. Enfin, le transport routier de marchandises a été libéralisé

dans la plupart des pays européens au début des années 1980. Une baisse des prix de transport s’en est

suivie alors que le transport ferroviaire est encore souvent une activité opérée par un monopole public.

Ces éléments contribuent donc à expliquer pourquoi la part modale du transport routier est un facteur

de couplage.

La figure 5 représente l’élasticité de la distance moyenne de transport par rapport au PIB par habitant.

Elle correspond à une élasticité décroissante et positive. Cela revient donc à observer qu’une

augmentation du PIB par habitant s’accompagne d’une augmentation de la distance moyenne de

transport. A l’extrême-droite de la figure, cette élasticité devient négative. Il est également difficile

d’interpréter cette dernière compte tenu de la faible représentativité de ces valeurs dans l’échantillon.

Néanmoins, nous pouvons l’interpréter en terme de contrainte géographique. L’échantillon est

composé de données de transport national des quinze plus anciens membres de l’Union européenne.

Or, au sein de cet ensemble, nous trouvons nombre de petits pays. Nous pouvons penser qu’il existe un

seuil au-delà duquel la distance moyenne de transport national ne peut plus augmenter. C’est ce que

nous appelons l’effet d’une contrainte géographique. En intégrant le transport international, il est

probable que l’augmentation de la distance de transport soit encore plus nette. Cette dernière reste

néanmoins un facteur de couplage.

Figure 4 : Elasticité de modit Figure 5 : Elasticité de dstit

0,5 3,5

0,4 3

0,3 2,5
2
0,2
1,5
0,1
1
0
0,5
10 000 15 000 20 000 25 000
-0,1
0
-0,2 10 000
-0,5 15 000 20 000 25 000

La figure 6 représente l’élasticité du poids moyen d’un dollar de production industrielle. Cette dernière

montre une courbe croissante négative dans un premier temps, puis positive au-delà de la valeur de

- 15 -
20000$. La faible significativité des valeurs situées au-delà de la valeur 20000$ insiste à interpréter

cette figure à partir de sa partie gauche ou la partie négative de l’élasticité. L’augmentation du PIB par

habitant entraîne une baisse du poids moyen d’un dollar de production industrielle. Cette interprétation

est cohérente avec un certain nombre de facteurs. En particulier, sous l’effet de la restructuration des

industries en Europe et du progrès technique, nous pouvons observer qu’un ensemble de produits

industriels plus denses en valeur s’est substitué à l’industrie lourde. Dès lors, le poids moyen de la

production industrielle correspond à un facteur de découplage.

Figure 6 : Elasticité de wghit Figure 7 : Elasticité de indit

3 0,3
2
0,2
1
0,1
0
-1 000
10 15 000 20 000 25 000 0
-2 10 000 15 000 20 000 25 000
-0,1
-3
-0,2
-4
-5 -0,3

-6 -0,4

Enfin, la figure 7 représente l’élasticité de la part de l’industrie dans le PIB par rapport au PIB par

habitant. Ce graphique montre une élasticité décroissante, dans un premier temps positive, puis, à

partir d’un seuil situé à 15000$, négative. Ce graphique illustre une idée ancienne que Kuznets (1955)

avait déjà notée dans son papier sur les inégalités de revenus. Cela montre que, dans un premier temps,

l’augmentation du PIB par habitant s’accompagne d’une augmentation de la part de l’industrie dans

l’économie, puis, à partir d’un certain point (ici estimé à 15000$), l’augmentation du PIB par habitant

s’accompagne d’une diminution de la part de l’industrie dans le PIB. Le premier de ces temps

correspondent à l’industrialisation d’un pays qui cède la place à une seconde période marquée par le

déclin de la part de l’industrie dans l’économie au profit du secteur des services. Ce facteur constitue

donc, aujourd’hui, pour les pays de l’Union européenne, un facteur de découplage.

- 16 -
Conclusion

Cet article s’intéresse à la relation entre le transport de marchandises et la croissance économique.

L’intensité de transport routier de marchandises est décomposée en quatre facteurs. Une estimation de

ces quatre facteurs à partir de données de panel montre deux facteurs de couplage et deux facteurs de

découplage. Les facteurs de couplage sont l’augmentation de la distance moyenne de transport et

l’augmentation de la part modale de la route. Les facteurs de découplage sont la baisse de la part de

l’industrie dans la production économique et la baisse du poids moyen de la production industrielle.

Ces conclusions sont cohérentes avec la plupart des résultats observés dans la littérature. Par exemple,

la baisse de la part de l’industrie dans l’économie correspond à une modification structurelles des

économies occidentales souvent observées. De même, l’augmentation de la distance moyenne de

transport est également un facteur souvent mentionné. Cet article est par ailleurs cohérent avec l’idée

d’une élasticité variable du transport de marchandises par rapport à la croissance économique.

Ces résultats peuvent cependant être complétées par de futures recherches. Plusieurs dimensions

pourraient être développées. En premier lieu, l’intégration du transport international à cette analyse

pourrait par exemple donner un rôle plus important à l’augmentation des distances moyennes de

transport. Ensuite, la poursuite de ce travail pourrait s’attacher à élargir son analyse d’autres contextes.

L’estimation économétrique ne concerne qu’un faible nombre de pays pour un intervalle de temps

relativement court. Une analyse intégrant d’autre continent ou une période plus large enrichirait sans

aucun doute nos conclusions.

Bibliographie

ANG B. W., ZHANG F. Q., 2000, « A Survey of index decomposition analysis and environmental
studies », Energy, n°25, pp.1149-1176.

- 17 -
ASCHAUER D. A., 1989, « Is public expenditure productive? », Journal of Monetary Economics,
n°23(2), pp.177-200.

BAGARD V., CROZET Y., JOLY I., 2002, Le couplage des croissances de l'économie et des
transports de voyageurs est-il inéluctable ?, DATAR.

BAUM H., 2000, « Decoupling transport intensity form economic growth » in ECMT, Key issues for
transport beyond 2000. 15th international synospium on theory and practice in transport economics,
OECD, pp.231-260.

BAUM H., KURTE J., 2002, « Transport and economic development » in ECMT, Transport and
economic development, OECD, pp.5-49.

CITEPA, 2005, Emissions dans l'air en France: Substances impliquées dans le phénomène
d'accroissement de l'effet de serre, CITEPA.

EUROSTAT, 2002, Everything on transports. Data 1970-2000. CD-ROM, European Commission.

EUROPEAN COMMISSION, 2001, European Transport policy for 2010: time to decide, European
Commission.

FOGEL R. W., 1962, « A quantitative approach to the study of railroads in American economic
growth: A report of some preliminary findings », The Journal of Economic History, n°22(2), pp.163-
197.

FOSGERAU M., KVEIBORG O., 2004, « A review of some critical assumptions in the relationship
between economic activity and freight transport », International Journal of Transports Economics,
n°31(2), pp.247-261.

GABELLA-LATREILLE C., 1997, Le modèle quinquin fret, un modèle de simulation à l'horizon

2015 des flux de transport de marchandises. Tome 1 : Le modèle quinquin fret, un instrument d'aide à
la décisions. Thèse de doctorat de sciences économiques, Université Lumière Lyon 2.

GROSSMAN G., M. KRUEGER A. B., 1995, « Economic growth and the environment », Quarterly
Journal of Economics, n°110(2), pp.353-377.

HESTON A., SUMMERS R., ATEN B., 2002, Penn World Table Version 6.1, Center for International
Comparisons at the University of Pennsylvania.

HOLTZ-EAKIN D., SELDEN T. M., 1992, « Stoking the fires? CO2 emissions and economic
growth », NBER Working paper, n°4248.

INTERGOVERNMENTAL PANEL ON CLIMATE CHANGE, 2001, Climate Change 2001: The

Scientific Basis, Cambridge University Press.

JOIGNAUX G., VERNY J., 2003, « Le découplage entre transport de marchandises et croissance :
organisations productives, localisations et demande de transport », XXXIXth ASRDL Conference,
Lyon, 1-3 Septembre.

KIANG N., SHIPPER L. 1996, « Energy trends in the Japanese transportation sector », Transport
Policy, n°3(1/2), pp.21-35.

KULSHRESHTHA M., NAG, B., 2000, « Strucuture and demand of non-suburban passenger travel
demand in Indian railways », Transportation, n°27, pp.221-241.

- 18 -
KULSHRESHTHA M., NAG B., KULSHRESTHA M., 2001, « A multivariate cointegrating vector
auto regressive model of freight transport demand: evidence from Indian railways », Transportation
research, n°35A(1), pp.1-72.

KUZNETS S., 1955, « Economic growth and income inequality », The American Economic Review,
n°45(1), pp.1-28.

KVEIBORG M., FOSGERAU M., 2004, « Explaining the decoupling of freight traffic growth and
economic growth », European Transport Conference, Strasbourg, 4-6 Octobre.

LENORMAND A., 2002, Prévisions dans les modèles cointégrés avec rupture: Application à la
demande de transports terrestres de marchandises et de voyageurs. Thèse pour le doctorat en
sciences-économiques, Université Paris 1 Panthéon-Sorbonne.

KWON T.-H., 2005, « Decomposition of factors determining the trend of CO emissions from car
travel in Great-Britain », Ecological Economics, n°53, pp.261-275.

MARTIN J.-M., 1988, « L'intensité énergétique de l'activité économique dans les pays industrialisés:
les évolutions de très longue période livrent-elles des enseignements utiles? », Economie et Société,
n°3-EN, pp.9-27.

MCKINNON A., WOODBURN A., 1996, « Logistical restructuring and road freight growth : An
empirical assessment », Transportation, n°23(2), pp.141-161.

MEERSMAN H., VAN DE VOORDE E., 1997, « La croissance des transports de marchandises est-
elle évitable? » in ECMT, Which changes for transport in the next century. 14th international
synosium of theory and practice, OECD, pp.23-51.

MEYER F., 1998. La concurrence rail-route: Analyse économétrique des trafics de marchandises et
des perspectives du transport combiné. Thèse pour le doctorat en sciences-économiques, Université
Paris 1 Panthéon-Sorbonne.

OECD, 2004, Annual National Accounts for OECD Member Countries - Data from 1970 onwards:
GDP by output at constant prices, OECD.

REDEFINE, 1999, Relationship between Demand for Freight-transport and Industrial Effects.
Summary Report, NEI.

SACTRA, 1999, Transport and the economy: full report, SACTRA,.

SCHÄFER A., 2005, « Structural change in energy use », Energy Policy, n°33, pp.429-437.

SCHÄFER A., VICTOR D. G., 2000. « The future mobility of the world population », Transportation
research, n°34A(3), pp.171-205.

SHAFIK N., 1994, « Economic development and environmental quality: An econometric analysis»,
Oxford Economic Papers, n°46, pp.757-773.

SHIPPER L,. SCHOLL L., PRICE L., 1997, « Energy use and carbon emissions from freight in 10
industrialized countries: an anlysis of trends from 1973 to 1992 », Transportation Research, n°2D(1),
pp.57-76.

STEAD D., 2001, « Transport intensity in Europe - indicators and trends », Transport Policy, n°8,
pp.29-46.

- 19 -
SPRITE, 2000, Separating the Intensity of Transport from Economic Growth. Final Publishing
Report, ITS.

STEER DAVIES GLEAVES, 2004, Freight transport intensity of production and consumption, Steer
Davies Gleaves.

Annexe

Les données utilisées dans l’estimation se composent de données économiques et de données de

transport. Les données de transport proviennent de la base de données NewCronos d’Eurostat (2002).

Plus précisément, la variable TK _ Routeit est donnée par le tableau B-Road Transport V3-09.

National annual transport by distance class and type of carriage (Mio Tkm). Il est composé des quinze

plus anciens pays de l’Union Européenne. Certaines observations manquent toutefois. C’est en

particulier le cas des pays avant leur adhésion à l’Union. Cette variable est aditionnée à la variable

correspondante pour le transport ferroviaire (Tableau A-Rail Transport V3-05. National annual

transport by distance class and group of goods (1000 T, Mio Tkm)) afin d’obternir la variable TK it .

La série Tit est également reconstituée en additionnant les volumes de transport routier (tableau B-

Road Transport V3-08. National annual transport by distance class, type of carriage and group of

goods (1000 T)) et ferroviaire (tableau A-Rail Transport V3-05. National annual transport by distance

class and group of goods (1000 T, Mio Tkm)). Les volume de transport ne correspondent donc qu’aux

volumes de transport terrestre. Cette simplification peut se justifier. Le transport aérien de

marchandises est insignifiant sur le plan national alors que le transport par voie maritime intérieur ne

concerne qu’un faible nombre de pays (Allemagne, Belgique ou Pays-Bas).

La part de l’industrie dans l’économie est donnée par le tableau Annual National Accounts for OECD

Member Countries - Data from 1970 onwards: GDP by output at constant prices de l’OCDE (2005).

Certaines observations sont manquantes. C’est le cas des pays avant leur adhésion à l’organisation

mais aussi de la Suisse et de l’Irlande pour l’ensemble de la période.

- 20 -
Le PIB et le PIB par habitant sont donnés par la base de données Penn World Table 6.1 du Center for

International Comparisons de l’Université de Pennsylvanie (Heston, Summers and Aten, 2002). Ces

données sont relevées pour l’ensemble de pays de l’OCDE de 1970 à 2000. Elles sont prises dollar

constant et en parité de pouvoir d’achat.

- 21 -