HEC MONTRÉAL Les déterminants de la structure du capital des BRICS par Géraldine Miniaou Sciences de la gestion (Finance) Mémoire présenté en vue de l’obtention du grade de maîtrise ès sciences (M.Sc.) Aout 2012 © Géraldine Miniaou, 2012 Sommaire La présente étude s’intéresse aux déterminants de la structure du capital des entreprises des BRICS, soit le Brésil, la Russie, l’Inde, la Chine et l’Afrique du Sud. L’objectif central ici est donc de dresser une liste (non exhaustive) des facteurs qui influencent les décisions financières des firmes. L’utilisation de modèles économétriques nous permettra ainsi d’évaluer l’impact de ces facteurs sur le levier financier des entreprises. Cette recherche se base sur l’étude de données financières des firmes des BRICS sur une période de onze ans, soit de 2000 à 2010. Deux grands types de données ont été utilisés afin d’expliquer le choix de la structure financière des entreprises : des variables spécifiques à la firme et des variables spécifiques au pays. Les variables spécifiques à la firme proviennent de la base de données WorldScope tandis que les variables spécifiques au pays sont extraites majoritairement de la base de données de la WorldBank. Notons que trois types de variables sont utilisés dans nos données spécifiques au pays: des variables macroéconomiques, des variables ayant trait aux institutions financières et des variables relatives aux institutions légales. La principale mesure pour le levier financier est le ratio de la valeur aux livres de la dette sur l’ensemble de la valeur aux livres de la dette et de la valeur de marché des fonds propres. À des fins de robustesse et pour analyser l’impact de la maturité de la dette sur la structure du capital des firmes, nous avons également utilisé le ratio de la valeur aux livres de la dette à long terme sur l’ensemble de la valeur aux livres de la dette et de la valeur de marché des fonds propres. Les modèles économétriques utilisés dans cette étude sont au nombre de deux : un modèle de panel à effets fixes et un modèle de panel à effets aléatoires. Un modèle global incluant l’ensemble de nos variables nous a permis de dresser une liste des facteurs influençant la structure du capital des entreprises du BRICS. De plus, l’insertion progressive de nos variables spécifiques au pays dans notre modèle nous a permis d’analyser leur impact indirect sur nos variables spécifiques à la firme. Globalement, les résultats sont en accord avec la littérature existante. Les variables spécifiques à la firme qui expliquent la structure du capital des pays développés, tels que ceux du G7, sont aussi appropriées pour les pays en voie de développement. Ainsi, la taille (+), la profitabilité (-), les perspectives de croissance (-), les dividendes (-), la liquidité (-), les taxes (-) et les avantages fiscaux non liés à la dette (-) sont tous des déterminants significatifs dans au moins un de nos modèles à effets fixes ou à effets aléatoires. Cependant et contrairement à certaines études, le caractère tangible des actifs II n’apparaît pas comme un déterminant de la structure du capital des firmes lorsque l’on s’intéresse à sa dette totale. Cette variable deviendra cependant significative (+) lorsque nous prendrons en compte la dette à long terme. Les résultats relatifs aux déterminants spécifiques aux pays ne vont pas tous dans le sens des études antérieures. Ainsi, aucune des variables macroéconomiques utilisées, soit le produit intérieur brut, la croissance du produit intérieur brut et le taux d’inflation n’est significative dans notre modèle global traitant la dette totale. Le pouvoir explicatif marginal de ces variables macroéconomiques est alors faible. À l’inverse, les variables ayant trait aux institutions financières et plus particulièrement au développement des marchés boursiers et bancaires démontrent un pouvoir explicatif marginal très grand. La taille du marché boursier (-), sa liquidité (+) ainsi que la taille du marché bancaire (-) représentent alors des déterminants significatifs dans le choix de la structure financière des entreprises des BRICS. Notons cependant que le signe de certains de ces coefficients n’est pas forcément en accord avec la littérature existante. Finalement, les variables ayant trait aux institutions légales, telles que la qualité des institutions (+), le degré de protection des actionnaires(-) et le degré de protection des créanciers (-) apparaissent aussi comme des déterminants significatifs. Leur pouvoir explicatif marginal reste cependant limité. Finalement, cette étude vise à dresser une liste (non exhaustive) des facteurs qui ont un impact sur la détermination du levier financier des firmes. L’étude de pays en voie de développement tels que ceux des BRICS permet de voir si les résultats rencontrés lors de l’étude de pays développés s’appliquent sur ce type d’économie. De plus, l’insertion de variables spécifiques aux pays, rarement prises en compte dans les études antérieures, nous permet d’éclaircir le rôle du développement économique et institutionnel propre à chaque pays dans le choix de la structure financière des firmes. Table des Matières Sommaire ....................................................................................................................................................... I Liste des tableaux......................................................................................................................................... VI Remerciements ............................................................................................................................................ IX Introduction .................................................................................................................................................. 1 Chapitre 1 : La structure du capital ............................................................................................................... 4 1.1 Principes généraux ........................................................................................................................ 4 1.1.1 Définition............................................................................................................................... 4 1.1.2 Distinction entre dettes et fonds propres............................................................................. 4 1.2 Aperçu théorique de la structure du capital ................................................................................. 5 1.2.1 La théorie initiale : l’existence d’une structure du capital optimale .................................... 5 1.2.2 La théorie de Modigliani et Miller : la remise en cause d’une structure du capital optimale 5 1.2.3 La théorie du compromis statique ........................................................................................ 6 1.2.4 La théorie de l’agence ........................................................................................................... 7 1.2.5 La théorie dite du « pecking order » ou des préférences ordonnées................................... 7 1.2.6 La théorie du signal et du « market-timing » ........................................................................ 8 Chapitre 2 : Revue de la littérature............................................................................................................. 10 2.1 Les caractéristiques intrinsèques des entreprises comme déterminants ....................................... 10 2.1.1 La taille ....................................................................................................................................... 10 2.1.2 La profitabilité ............................................................................................................................ 12 2.1.3 Les perspectives de croissance .................................................................................................. 13 2.1.4 Le caractère tangible des actifs.................................................................................................. 14 2.1.5 Les dividendes ............................................................................................................................ 15 2.1.6 La liquidité ................................................................................................................................. 15 2.1.7 L’impact des taxes ...................................................................................................................... 16 2.1.8 Les avantages fiscaux non liés à la dette ................................................................................... 16 2.2 L’environnement économique et institutionnel en tant que déterminant ...................................... 17 2.2.1 Les variables macroéconomiques .............................................................................................. 17 2.2.2 Les variables ayant trait aux institutions financières .......................................................... 20 2.2.3 Les variables ayant trait aux institutions légales ....................................................................... 24 IV Chapitre 3 : Étude empirique ...................................................................................................................... 27 3.1. Problématique ................................................................................................................................. 27 3.2 Intérêt de la question soulevée ........................................................................................................ 28 3.3 Présentation des hypothèses ............................................................................................................ 29 3.3.1 Hypothèses relatives aux déterminants spécifiques aux firmes ................................................ 29 3.3.2 Hypothèses relatives aux déterminants spécifiques au pays .................................................... 30 Chapitre 4 : Approche méthodologique ..................................................................................................... 32 4.1 Cadre de l’étude ................................................................................................................................ 32 4.1.1 Choix de la valeur expliquée : le ratio d’endettement .............................................................. 32 4.1.2 Choix des différents déterminants utilisés ................................................................................ 33 4.2 Échantillon de l’étude ....................................................................................................................... 35 4.2.1 Présentation des pays des BRICS en terme de développement des systèmes financiers ......... 36 4.2.2 Période temporelle et filtrage des données .............................................................................. 46 4.3 Statistiques descriptives ................................................................................................................... 48 4.3.1 Leviers financiers........................................................................................................................ 48 4.3.2 Moyenne des variables spécifiques à la firme ........................................................................... 51 4.3.3 Moyenne des variables macroéconomiques ............................................................................. 53 4.3.4 Moyenne des variables ayant trait aux institutions financières ................................................ 54 4.3.5 Moyenne des variables ayant trait aux institutions légales....................................................... 57 4.4 Analyse de données de panel ........................................................................................................... 58 4.4.1 Modèles à effets fixes ................................................................................................................ 59 4.4.2 Modèles à effets aléatoires........................................................................................................ 59 4.4.3 Choix entre le modèle à effets fixes et le modèle à effets aléatoires ....................................... 60 4.4.4 Modèles empiriques .................................................................................................................. 61 4.5 Robustesse ........................................................................................................................................ 63 Chapitre 5 : Analyse des résultats ............................................................................................................... 64 5.1 Analyse des corrélations de Pearson ................................................................................................ 64 5.2 Analyse de notre modèle de base..................................................................................................... 65 5.2.1 Variables spécifiques à la firme ................................................................................................. 65 5.2.2 Variables macroéconomiques.................................................................................................... 69 5.2.3 Variables ayant trait aux institutions financières ...................................................................... 71 5.2.4 Variable ayant trait aux institutions légales............................................................................... 72 V 5.3 Impact de l’ajout de variables spécifiques au pays sur nos variables spécifiques à la firme........... 73 5.3.1 Modèle I à II ............................................................................................................................... 73 5.3.2 Modèle II à III ............................................................................................................................. 74 5.3.3 Modèle III à IV ............................................................................................................................ 74 5.3.4 Modèle IV à V ............................................................................................................................. 75 5.4 Analyse des R-carrés ......................................................................................................................... 76 5.5 Robustesse ........................................................................................................................................ 78 5.5.1 Maturité de la dette ................................................................................................................... 78 5.5.2 Degré de protection des actionnaires et des créanciers ........................................................... 80 5.5.3 Analyse de l’impact combiné de la taille et de la qualité des institutions sur la structure du capital : introduction d’une variable d’interaction ............................................................................. 81 5.5.4 Analyse de l’impact de l’appartenance à certaines industries sur la structure du capital des firmes : introduction de variables binaires ......................................................................................... 82 Chapitre 6 : Conclusion générale ................................................................................................................ 84 6.1 Limites de l’étude.............................................................................................................................. 84 6.2 Conclusion ......................................................................................................................................... 85 Annexes ....................................................................................................................................................... 87 Bibliographie ............................................................................................................................................. 101 Liste des tableaux Tableau 2- 1: Relations attendues entre le niveau d'endettement et certaines variables macroéconomiques selon diverses études ................................................................................................. 20 Tableau 2- 2: Relations attendues entre le niveau d’endettement et le développement des marchés boursiers et bancaires selon diverses études ............................................................................................. 23 Tableau 2- 3: Relations attendues entre le niveau d'endettement et le développement des systèmes légaux selon diverses études ...................................................................................................................... 26 Tableau 3- 1: Hypothèses relatives aux déterminants spécifiques à la firme ............................................ 29 Tableau 3- 2: Hypothèses relatives aux variables macroéconomiques ...................................................... 30 Tableau 3- 3: Hypothèses relatives aux déterminants ayant trait aux institutions financières ................. 31 Tableau 3- 4: Hypothèses relatives aux déterminants ayant trait aux institutions légales ........................ 31 Tableau 4- 1: Principaux indicateurs de développement pour le Brésil ..................................................... 36 Tableau 4- 2: Répartition des principaux acteurs du marché bancaire brésilien ....................................... 37 Tableau 4- 3: Principaux indicateurs de développement pour la Russie .................................................... 38 Tableau 4- 4: Répartition des principaux acteurs du marché bancaire en Russie ...................................... 40 Tableau 4- 5: Principaux indicateurs de développement en Inde .............................................................. 41 Tableau 4- 6: Principales banques indiennes en 2011 ................................................................................ 41 Tableau 4- 7: Principaux indicateurs de développement pour la Chine ..................................................... 43 Tableau 4- 8: Répartition des principaux acteurs du marché bancaire en Chine ....................................... 44 Tableau 4- 9: Principaux indicateurs de développement pour l’Afrique du Sud ........................................ 45 Tableau 4- 10: Application de filtres sur notre échantillon ........................................................................ 47 Tableau 4- 11: Statistiques descriptives pour l'ensemble des ratios de levier financier par pays ............. 48 Tableau 4- 12: Statistiques descriptive pour l’ensemble des ratios de levier financier par années .......... 50 Tableau 4- 13: Statistiques descriptives pour l'ensemble des variables spécifiques à la firme par pays ... 51 Tableau 4- 14: Statistiques descriptives pour l’ensemble des variables spécifiques à la firme par années .................................................................................................................................................................... 52 VII Tableau 4- 15: Statistiques descriptives pour l'ensemble des variables macroéconomiques par pays ..... 53 Tableau 4- 16: Statistiques descriptives pour l’ensemble des variables macroéconomiques par années. 54 Tableau 4- 17: Statistiques descriptives pour les variables relatives au développement des institutions financières ................................................................................................................................................... 55 Tableau 4- 18: Statistiques descriptive pour l’ensemble des variables relatives au développement des institutions financières par années ............................................................................................................. 56 Tableau 4- 19: Statistiques descriptives pour les variables relatives au développement des institutions légales par pays ........................................................................................................................................... 57 Tableau 4- 20: Statistiques descriptives pour l’ensemble des variables relatives au développement des institutions légales par années ................................................................................................................... 58 Tableau 4- 21: Modèles empiriques utilisés ............................................................................................... 63 Tableau 5- 1: Corrélations entre variables indépendantes pour l'ensemble de l'échantillon .................... 88 Tableau 5- 2: Modèle V à effets fixes avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres................................................................................................... 89 Tableau 5- 3: Modèle V à effets aléatoires avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres ......................................................................................... 90 Tableau 5- 4: Tableau récapitulatif: variables, prévisions et résultats ....................................................... 91 Tableau 5- 5: Modèles à effets fixes avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres................................................................................................... 92 Tableau 5- 6: Modèles à effets aléatoires avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres ......................................................................................... 93 Tableau 5- 7: Modèles à effets fixes avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres ................................................................................ 94 Tableau 5- 8: Modèles à effets aléatoires avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres ....................................................................... 95 Tableau 5- 9: Modèle V à effets fixes avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres ................................................................................ 96 Tableau 5- 10: Modèles V à effets aléatoires avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds .............................................................................. 97 Tableau 5- 11: Introduction de variables relatives aux degrés de protection des actionnaires et des créanciers .................................................................................................................................................... 98 VIII Tableau 5- 12: Introduction d’une variable croisée : Taille * qualité des institutions ................................ 99 Tableau 5- 13: Introduction de variables binaires relatives aux secteurs d’activité des firmes ............... 100 Remerciements La rédaction du mémoire marque une étape importante dans la fin de mes études et plus particulièrement dans l’achèvement de ma maîtrise. La réalisation de ce projet n’aurait cependant pas été possible sans le soutien et l’aide de plusieurs personnes que je tiens donc à remercier. Je tiens à remercier en premier lieu M. Pascal Francois qui a su faire preuve de patience et de tolérance tout au long de la rédaction de ce mémoire. Merci pour sa gentillesse, sa disponibilité, sa compréhension et son soutien qui m’ont permis de mener à bien ce projet. Je remercie également M. Mohamed Jabir dont les conseils m’ont été si précieux. Son incroyable expertise de WorldScope m’a en effet permis de réaliser la compilation de mes données en toute facilité. Un grand merci aussi aux deux autres professeurs qui ont acceptés de prendre le temps de lire ce travail. Finalement, il est important pour moi de souligner l’apport de ma famille dans la réalisation de cette maîtrise et la rédaction de ce mémoire. Merci à mes parents, Florence et Guillaume mais aussi plus particulièrement à mes grands-parents, Nany et Papy, sans qui la réalisation de mes études n’auraient pas été possible. Merci aussi à mes proches, Victor, Olivia, Marine, Laurie, Laura, Nicolas et Romane qui m’ont soutenu tout au long de cet effort acharné. Votre amitié et vos encouragements ne cessent de m’apporter chaque jour la motivation d’avancer un peu plus. Introduction Depuis des décennies, la problématique de la structure du capital pour les entreprises a passionné le monde de la finance et a notamment donné lieu à de nombreuses théories et études sur le sujet. Si cet intérêt reste encore aussi marqué aujourd’hui, c’est que certaines questions sont encore sans réponses et que cette problématique reste primordiale, notamment à cause de la question du coût du capital qui a une influence directe sur la valeur de la firme. En effet, si le choix de la structure du capital d’une entreprise détermine sa valeur, elle influence aussi sa capacité à financer d’éventuels projets et donc son développement futur mais aussi son habilité à résister à des crises inattendues. Une structure financière saine est donc primordiale afin d’assurer stabilité et rentabilité au sein d’une entreprise. Le débat sur la structure du capital commence en 1958 lorsque Modigliani et Miller démontrent l’indépendance entre structure financière et coût du capital, sous l’hypothèse de marchés parfaits et en absence de coûts de transactions. Cette découverte fut primordiale dans la problématique de la structure du capital et comme le fit remarquer très justement M. Merton Miller: « What happened after publication of our paper was that, for the next 40 years, people said, all right, we now know the answer to the capital structure question under ideal conditions”. Cependant, il est indéniable que cette hypothèse de perfection des marchés était bien trop restrictive et irréaliste puisque nous interagissons dans un monde où l’asymétrie d’information et les coûts d’agence sont omniprésents. Quand en 1963, Modigliani et Miller introduisent l’impôt corporatif dans l’équation, la valeur de l’entreprise croît cette fois avec son niveau d’endettement, et un endettement maximal est donc préconisé. Mais quand Miller en 1977 introduit à son tour l’impôt sur le revenu en plus de celui sur les sociétés, la réponse à la problématique s’assombrit et le cout du capital paraît à nouveau être indépendant de la structure financière. Par la suite, dans les années 1970 à 1980, la problématique de la structure du capital verra apparaître de nouvelles théories telles que celle du compromis statique, du financement hiérarchique, des coûts d’agence, du signal ou encore du « market-timing » qui chacune à leur tour prendront en compte de nouveaux éléments comme les coûts d’agence, les coûts de faillite, l’asymétrie d’information, les signaux envoyés sur le marché ou encore les conditions de ce dernier. Par la suite, diverses études portant sur la structure du capital des entreprises mettront en relief l’importance des caractéristiques spécifiques aux firmes dans la détermination de leur structure financière. Ainsi, les études de Titman et Wessels (1988) ou encore Harris et Raviv (1991) feront ressortir certains facteurs tels que la taille, les opportunités d’investissement, le caractère tangible des actifs ou 2 encore la profitabilité, comme ayant une corrélation avec la structure du capital. Quelques années plus tard, Rajan et Zingales (1995) élargissent les recherches précédemment réalisées sur les firmes américaines aux pays du G7. Ainsi, ils soulignent que les facteurs corrélés au levier financier des firmes américaines le sont de la même manière aux entreprises du G7. De plus, l’endettement des différentes compagnies de ces pays développés semble similaire, ce qui les pousse finalement à conclure que les différences institutionnelles ne semblent pas jouer de rôle important dans la détermination de la structure du capital. Cependant, quatre ans plus tard, Wald (1999) se penche sur les différences de corrélations de certains facteurs entre plusieurs pays et souligne que les différences institutionnelles pourraient jouer un rôle essentiel dans les décisions ayant trait à la structure du capital. De nombreuses études suivront alors sur les déterminants de la structure du capital au sein des mêmes pays développés mais il faudra attendre Booth et Al. (2001) pour une étude portant sur les pays en voie de développement. Ces derniers souligneront finalement l’importance des facteurs institutionnels dans la problématique de la structure du capital mais concluront que beaucoup reste encore à découvrir. Il est indéniable que beaucoup reste à faire dans le cadre de la problématique de la structure du capital puisque de nombreux auteurs, même si en accord sur la plupart des déterminants de la structure financière des firmes, restent tout de même en désaccord sur le sens et l’impact de plusieurs de ces déterminants. De plus, l’environnement économique et institutionnel n’a pas toujours été pris en compte dans les diverses études et son importance reste floue. Cela nous amène donc à nous poser les questions suivantes : quel est l’impact des déterminants spécifiques aux firmes dans la structure du capital des entreprises? L’impact de ces déterminants est-il le même dans tous les pays? Quel rôle jouent les caractéristiques économiques et institutionnelles des pays dans la problématique de la structure du capital? Et ces déterminants économiques et institutionnels ont-ils un impact indirect sur les déterminants spécifiques aux firmes de la structure du capital? J’ai choisi de focaliser plus particulièrement mon attention sur les pays du BRICS (Brésil, Russie, Inde, Chine et Afrique du Sud) puisque peu d’études portent sur les pays en voie de développement alors que leurs marchés boursiers jouent un rôle de plus en plus central dans l’économie mondiale depuis la libéralisation financière et commerciale de ces dernières décennies. Ainsi, les pays du BRICS sont devenus de grandes puissances émergentes et comptent désormais pour une large part de la population mondiale (environ 40%) mais aussi de l’économie mondiale (27% du PIB mondial en 2011 et 40% en 2025 selon estimation), sans parler de l’importance de leurs ressources naturelles et technologiques. 3 Ce mémoire vise donc à souligner le rôle et l’importance des déterminants spécifiques aux firmes ainsi que des déterminants propres à chaque pays (caractéristiques économiques et institutionnelles) dans la détermination de la structure du capital des entreprises au sein de pays en voie de développement et plus particulièrement des BRICS. Chapitre 1 : La structure du capital Dans la première partie de ce mémoire, nous tâcherons de présenter de manière synthétique les principes généraux de la structure financière des entreprises ainsi que les théories existantes sur le sujet. 1.1 Principes généraux 1.1.1 Définition Dans un premier temps, il semble important de définir le concept de « structure du capital » qui sera présent tout au long de ce mémoire. Ainsi, la structure du capital d’une entreprise peut être définie comme sa proportion de financement par dette et par fonds propres. La structure du capital reflète alors le mélange réalisé par l’entreprise de dette à court et à long terme ainsi que d’actions ordinaires et privilégiées afin de financer ses investissements. Finalement, la structure du capital représente une des décisions financières les plus importantes pour une firme puisqu’elle déterminera la capacité de l’entreprise à survivre dans le long terme et influera sur sa flexibilité, sur son exposition totale au risque, sur les effets de signal qu’elle dégage et sur ses coûts d’agence. 1.1.2 Distinction entre dettes et fonds propres. Nous avons compris que la structure du capital d’une entreprise représente donc le partage de ses sources de financement entre deux grandes catégories que sont la dette et les fonds propres. Afin de mieux comprendre la problématique de la structure du capital, il est important de souligner les différentes caractéristiques de ces deux types de financement. En effet, une grande distinction existe entre dette et fonds propres, fondée notamment sur le droit ayant trait aux différents flux de trésorerie de l’entreprise, sur l’administration fiscale de ces deux types de financement mais aussi sur leur degré de contrôle des activités de l’entreprise. Ainsi, une première distinction entre la dette et les fonds propres se rapporte aux différents droits qu’ont les actionnaires et les créanciers sur les flux de trésorerie de l’entreprise. En effet, un créancier détient un droit fixe sur une série de flux de trésorerie (remboursement du capital et intérêts) tandis qu’un actionnaire doit se contenter d’un droit résiduel sur ceux-ci, c'est-à-dire les flux de trésorerie restants après le remboursement de tous les engagements contractés par la firme. Finalement, un créancier détient une forte priorité sur les flux de trésorerie de la firme, pour les remboursements périodiques de capital et d’intérêts, mais aussi sur les actifs de la firme en cas de 5 liquidation. L’exposition au risque est donc plus importante pour les actionnaires que pour les créanciers puisque leur rémunération dépend en quelque sorte de la santé de l’entreprise : les dividendes ne seront versés que si l’entreprise réalise des bénéfices. De plus, en cas de faillite, ils passeront après les créanciers. Cependant, malgré l’incertitude de recevoir des flux de trésorerie résiduels, les gains des actionnaires découlant des dividendes sont infinis puisque la durée de vie de la firme est infinie (contrairement à la dette qui a généralement une date d’échéance fixe). Une deuxième distinction entre dette et fonds propres découle de l’administration fiscale qui s’applique à ces deux types de financement. En effet, les frais financiers découlant de la dette sont souvent traités de manière bien plus avantageuse que les dividendes qui sont versés aux actionnaires. Ainsi, les frais financiers ayant trait à la dette sont généralement fiscalement déductibles ce qui va créer des avantages fiscaux pour la compagnie. Nous parlerons alors d’avantage fiscal de la dette. Enfin, en conséquence de leur droit résiduel sur les flux de trésorerie de la firme, les actionnaires disposent d’un contrôle partiel ou total sur le management de l’entreprise. À l’inverse, les créanciers ont un rôle plus passif et ne peuvent souvent jouir que d’un pouvoir de veto sur les décisions financières significatives de l’entreprise, selon les différentes règles contractuelles mises en place. 1.2 Aperçu théorique de la structure du capital Les différentes théories sur la structure du capital se rapportent à l’arbitrage entre dettes et capitaux propres et se distinguent principalement par l’importance accordée à différents facteurs tels que la prise en compte des taxes, du risque de détresse financière, des imperfections du marché, de la régulation ou encore des coûts d’agence. 1.2.1 La théorie initiale : l’existence d’une structure du capital optimale Selon l’approche traditionnelle financière (avant 1958), il existerait un niveau d’endettement dit optimal où les effets positifs et négatifs du levier financier s’équilibreraient. L’existence de cette structure du capital optimale permettrait de minimiser le cout de financement des entreprises et réduirait au minimum le cout moyen pondéré de capital afin de maximiser la valeur totale de l’entreprise. 1.2.2 La théorie de Modigliani et Miller : la remise en cause d’une structure du capital optimale À la fin des années 1950, Modigliani et Miller (1958) reconnaissent l’indépendance entre valeur de l’entreprise et structure de capital en se basant sur des hypothèses supposant l’absence d’imposition, 6 de détresse financière, de coûts de transaction et de coûts d’agence. En présence d’un tel environnement, les avantages et les coûts de l’endettement disparaissent et ce dernier a donc un effet neutre sur la valeur. Ainsi, selon cette théorie, il n’existerait pas de structure de capital optimale, le cout moyen pondéré de capital n’étant pas fonction de la structure de capital et l’effet de levier de la dette étant nul. La seule façon d’augmenter la valeur de l’entreprise est alors de choisir des projets à VAN positive. Les limites de cette première théorie qui suppose que l’on peut emprunter et placer au même taux (que l’on soit un individu ou une entreprise) poussent Modigliani et Miller à modifier leur première théorie en 1963. Cette fois-ci, ils prennent en compte l’impôt corporatif et la déductibilité des frais financiers payés sur la dette. Ils concluent alors à l’existence d’une structure de capital optimale où le recours à la dette est maximisé. En effet, lorsque les impôts sont introduits, la dette affecte d’autant plus la valeur de l’entreprise. Par conséquent, les entreprises ne devraient alors plus recourir aux fonds propres, mais se financer entièrement par la dette, cette dernière leur permettant de bénéficier d’avantages fiscaux. Miller (1977) ajoute une nouvelle notion à la théorie Modigliani et Miller (1958 et 1963) en s’intéressant à l’impôt personnel. Il affirme alors que l’impôt sur le revenu a pour conséquence d’annuler les avantages fiscaux liés à la déductibilité des frais financiers : les effets positifs de l’endettement sur la valeur de l’entreprise se voient alors atténués. Dépendamment des taux d’imposition corporatif et personnel, l’avantage fiscal de la dette peut donc être neutralisé et même devenir négatif. La question de l’existence d’une structure du capital optimale reste donc encore ouverte. 1.2.3 La théorie du compromis statique La théorie du compromis statique, développée à l’origine par Kraus et Litzenberg (1973), contribue au développement des théories de Modigliani et Miller (1958 et 1963) puisqu’elle ajoute de nouveaux paramètres à la problématique de l’existence d’une structure de capital optimale, soit la prise en compte de la probabilité de détresse financière et des coûts en découlant. Les coûts de détresse financière, que l’on peut alors classifier de directs ou indirects, ont un impact sur la valeur de la firme. La théorie conclut finalement à l’existence d’une structure de capital optimale qui varie d’une entreprise à l’autre ainsi que dans le temps. L’entreprise doit alors emprunter jusqu’au point où les économies d’impôt liées à l’endettement sont égales aux coûts de détresse financière engendrés par un endettement trop important. Cette théorie permet donc d’expliquer les divers niveaux d’endettement 7 entre les entreprises, notamment grâce aux différents taux d’imposition entre les pays mais aussi à la variation des coûts de faillite entre les secteurs d’activité. Finalement, notons que malgré l’existence de cette théorie prônant un niveau d’endettement optimal, la détermination du ratio cible d’endettement reste très difficile à calculer notamment à cause des difficultés rencontrées lors de l’évaluation des coûts de faillite. 1.2.4 La théorie de l’agence La théorie de l’agence quant à la détermination d’une structure du capital optimale, telle que développée par Jensen et Meckling (1976), fait ressortir une nouvelle notion importante au sein de l’entreprise, celle des coûts d’agence existants entre les différents acteurs de la firme. On parle alors de coûts d’agence de la dette et de coûts d’agence des fonds propres. Les coûts d’agence de la dette représentent les conflits qu’il peut exister entre les créanciers et les actionnaires, les premiers cherchant à maximiser la valeur de l’entreprise et les derniers s’intéressant plus particulièrement à la maximisation de la valeur des fonds propres. Deux principaux coûts d’agence découlent alors de ces conflits entre actionnaires et créanciers : la substitution d’actifs et le sousinvestissement. Quant aux coûts d’agence des fonds propres, ils résultent des conflits existants entre dirigeants et actionnaires, les dirigeants ayant tendance à favoriser leurs propres intérêts et non ceux des actionnaires comme cela devrait être le cas. De ces divergences d’intérêts entre les différents acteurs de la firme découlent divers coûts tels que les coûts de surveillance, les coûts de dédouanement et les coûts relatifs à l’écriture des contrats. La détermination d’une structure optimale de capital devrait alors s’attarder à la minimisation de ces coûts d’agence. Par conséquent, la théorie de l’agence souligne une structure optimale du capital différente de celle du compromis statique puisqu’elle favorise un endettement visant le meilleur compromis entre coûts d’agence de la dette et coûts d’agence des fonds propres. 1.2.5 La théorie dite du « pecking order » ou des préférences ordonnées Au milieu des années 1980, Myers et Majluf (1984) énoncent une hiérarchie des sources de financement fondée sur deux faits principaux : les entreprises sont constamment à la recherche des modes de financement les moins chers et il existe des asymétries d’informations entre les diverses bailleurs de fonds. Les firmes ne viseront donc aucun ratio d’endettement optimal mais choisiront plutôt leurs sources de financement selon les opportunités d’investissement rencontrées, les flux de trésorerie générés, leurs historiques de financement et les conditions actuelles du marché. 8 Ainsi, les entreprises favoriseront dans un premier temps l’autofinancement puisque celui-ci représente une source de financement non onéreuse : la firme utilise ses propres flux de trésorerie excédentaires et n’a donc pas recours à l’évaluation du marché. Par la suite, l’entreprise fera appel à une dette bancaire, moins couteuse en termes d’information puisque les banques disposent d’un avantage informationnel. Si cela ne suffit pas, une dette obligataire sera contractée et la firme sera alors contrainte de voir le marché évaluer sa probabilité de faillite. Finalement, si toutes les sources de financement précédentes sont insuffisantes, les entreprises se verront dans l’obligation d’émettre des actions et de soumettre l’entreprise à une évaluation de ses flux d’exploitation et de ses investissements. En conclusion, la théorie des préférences ordonnées souligne le fait que les entreprises les plus performantes auront moins tendance à s’endetter du fait de leur capacité à s’autofinancer. Les flux de trésorerie excédentaires ont alors de la valeur puisqu’ils permettent à l’entreprise de se financer en évitant les coûts ayant trait à l’asymétrie d’information de toute forme de financement externe. 1.2.6 La théorie du signal et du « market-timing » La théorie du signal se base elle aussi sur l’existence d’une asymétrie d’information. Cette dernière concerne cette fois-ci les dirigeants de la firme, qui bénéficient de toutes les informations relatives à l’entreprise, et les bailleurs de fonds qui ne disposent que de l’information publique. Cette théorie, développée par Ross (1977), affirme que divers signaux sont envoyés sur le marché notamment lorsque les dirigeants prennent des décisions ayant trait au financement des opérations de la firme. Par exemple, la contraction de dette sera reçue positivement sur le marché car elle signifie que l’entreprise est en bonne santé financière et prévoit d’avoir de bons rendements futurs. La théorie du signal propose donc une relation entre structure financière d’une entreprise et qualité en termes de performance. L’émission de signaux par les dirigeants de l’entreprise, à travers les décisions prises en terme de structure du capital, est un moyen utilisé afin d’affirmer sa performance par rapport aux autres entreprises. Notons finalement que cette théorie prévoit un effet de signal plus fort pour l’émission de dette bancaire (et non obligataire) ainsi que pour des entreprises jeunes ou ayant un fort potentiel de croissance. La théorie du « market timing », développée principalement dans les études de Becker et Wurgler (2002) démontre l’effet du « timing des marchés » sur la structure du capital. Ainsi, les dirigeants utiliseraient les conditions du marché afin de choisir les sources de financement les plus adéquates. La levée de fonds grâce à l’émission d’actions sera alors favorisée lorsque les prix du marché 9 sont élevés et que le marché boursier est « chaud » tandis que le marché obligataire est « froid ». Notons finalement que la prise en compte de ce « timing du marché » peut temporairement modifier la hiérarchie des sources de financement énoncée par la théorie du Pecking Order. Comme précédemment, la sélection des sources de financement n’est pas déterminée par un ratio cible d’endettement mais par l’attitude des dirigeants qui se montrent opportunistes et profitent des conditions favorables du marché. Chapitre 2 : Revue de la littérature Dans la deuxième partie de ce mémoire, il nous semblait important de dresser un bref aperçu de la littérature portant sur la structure du capital et de nous attarder sur les différents déterminants de la structure du capital que nous comptons joindre à notre modèle. Pour chaque déterminant, nous dresserons donc un bref résumé de la littérature et nous nous efforcerons de faire le lien avec les théories de la structure du capital. 2.1 Les caractéristiques intrinsèques des entreprises comme déterminants 2.1.1 La taille La taille est un des déterminants qui a été le plus étudié dans la problématique de la structure du capital et c’est peut être le déterminant sur lequel les différents auteurs sont le plus en adéquation en terme de significativité puisque tous sont d’accord pour dire que le facteur taille détient un fort pouvoir explicatif. Cependant, nous allons voir que selon différentes théories de la structure du capital, le sens attendu de la relation entre taille de la firme et ratio d’endettement n’est pas le même. Selon la théorie du Compromis Statique, les firmes de plus grandes tailles devraient avoir tendance à être plus diversifiées et donc à moins être exposées au risque de détresse financière (Rajan et Zingales, 1995). De plus, les firmes les plus grandes devraient être capables de détenir plus de dettes puisqu’elles détiennent un meilleur accès au marché du crédit comparativement aux firmes de plus petite taille. Selon la théorie de l’agence, les grandes firmes auraient un actionnariat plus dilué et donc un contrôle moindre envers l’équipe dirigeante ce qui pousserait cette dernière à influencer à la hausse les ratios d’endettement afin de protéger leurs investissements personnels au sein de la firme (Friend et Lang, 1988). Les études de Rajan et Zingales (1995) puis de Wald (1999) sont alors en accord avec ces deux théories de la structure du capital puisqu’elles démontrent que la taille est positivement corrélée avec l’endettement des firmes, dans tous les pays développés étudiés à l’exception seulement de l’Allemagne. Selon la théorie du Pecking Order, la relation attendue entre taille et niveau d’endettement n’est cependant pas la même. En effet, les auteurs utilisent souvent la taille comme un outil pour mesurer le risque de faillite ou la probabilité de défaut d’une firme. Dans les pays où les coûts de détresse financière sont faibles, les petites entreprises ne devraient donc pas nécessairement moins s’endetter que les entreprises de plus grande taille. Cependant, les diverses études peinent à montrer 11 cette relation amoindrie entre taille et endettement dans les pays où les coûts de détresse financière sont bas. Un autre argument réside dans le fait que les asymétries d’information entre les dirigeants et le marché des capitaux devraient être plus faibles pour les entreprises plus grandes. Ainsi, les entreprises de plus grande taille devraient être plus enclines à émettre des actions comparativement à de petites firmes et cela devrait contribuer à réduire leur niveau d’endettement. Cependant, seuls Titman et Wessels (1988) réussissent à montrer une relation négative entre taille de la firme et niveau d’endettement. Nous avons donc vu que la théorie du compromis statique et de l’agence s’opposent à la théorie du financement hiérarchique quant à la détermination du sens de la corrélation entre taille et niveau d’endettement. Cependant, la majorité des études portant sur les pays développés s’accordent à soutenir la théorie du compromis statique et démontrent une corrélation positive entre taille de la firme et levier financier. Mais qu’en est-il au sein des pays en voie de développement? Au sein des pays en voie de développement aussi, la majorité des études soutiennent la théorie du compromis statique lorsqu’il s’agit d’analyser l’impact de la taille de la firme sur sa structure du capital. Ainsi dans leur étude de 24 pays émergents de 1995 à 2007, Lucey et Zhang (2011) trouvent une relation positive entre taille de la firme et endettement de celle-ci. Ainsi, des firmes plus grandes, détenant plus d’actifs tangibles sont capables d’emprunter plus puisqu’elles ont une probabilité de détresse financière moins élevée ainsi que des couts associés à la faillite plus faibles. De plus, elles apportent plus de garanties aux créanciers. Booth et al. (2001) rapportent la même relation positive entre taille et levier financier dans leur échantillon comprenant des firmes situés dans dizaine de pays en développement sur une période s’étalant de 1980 à 1990. Finalement, De Jong et al. (2008) rencontrent aussi la même relation positive au sein de leur échantillon de 42 pays développés et en voie de développement sur une période de 1997 à 2001 et en viennent même à affirmer que la taille de la firme pourrait être vue comme une approximation inversée (« reverse proxy ») des couts de détresse financière de la firme. Finalement, il nous a paru intéressant de nous intéresser à la relation entre taille de la firme et qualité des institutions du pays dans lequel elle se situe. Ceci est d’ailleurs l’objet de l’étude de Beck, Demirgüc-Kunt et Maksimovic (2006) qui se focalisent spécifiquement sur la relation existante entre les institutions financières et légales d’un pays et la taille de la firme. 12 Ici aussi, deux théories s’opposent. Une première théorie énonce que les grandes firmes sont plus sujettes à des problèmes d’agence et que donc, les investisseurs présents au sein de grandes firmes devraient requérir de fortes institutions financières et d’efficients systèmes légaux afin de contrôler la menace d’expropriation par les « insiders » de la firme. Cela suggère donc que la taille des entreprises devrait être intimement et positivement reliée à la qualité des systèmes légaux et financiers d’un pays. A l’inverse, une deuxième théorie énonce que les firmes situées dans un pays avec un faible système financier et légal devraient avoir un intérêt à substituer le marché interne des capitaux au marché public. Cela suggère alors une relation inverse entre taille de la firme et développement des diverses institutions légales et financières. Beck, Demirguc-Kunt et Maksimovic (2006), eux, trouvent une relation positive entre le développement du système financier d’un pays et la taille des entreprises qui s’y trouvent. En effet, ils soulignent que le développement des institutions financières ainsi qu’une plus haute capitalisation boursière est associé à des firmes de plus grande taille. Ils trouvent aussi une relation positive entre efficacité des systèmes légaux et meilleure protection des droits de propriété avec la taille des entreprises. 2.1.2 La profitabilité Une fois encore, les diverses théories sur la structure du capital diffèrent quant au sens de la relation attendue entre niveau d’endettement et profitabilité de la firme. En effet, la théorie du financement hiérarchique énonce qu’à cause de l’asymétrie d’information entre « insiders » et « outsiders », les firmes préféreront se financer grâce à leurs excédents de trésorerie (fonds internes) plutôt que par la dette. Comme les firmes les plus profitables sont les plus enclines à générer le plus de fonds internes, le levier financier devrait diminuer avec la profitabilité. Ainsi Titman et Wessels (1988) mettent en relief la profitabilité comme un important déterminant de la structure du capital puisqu’elle définit le montant de bénéfices que la firme est capable de retenir. Par la suite, Fama et French (2002) suggèrent eux aussi qu’il devrait y avoir une relation négative entre profitabilité et niveau d’endettement et rajoutent que le montant de dette devrait augmenter lorsque les besoins d’investissements seront supérieures aux bénéfices non répartis. À contrario, la théorie du compromis statique, elle, prévoit que les firmes les plus profitables utiliseront plus de dette. En effet, ces entreprises auraient une meilleure capacité à détenir plus de dette notamment grâce à un risque de faillite amoindri. De plus, elles auraient besoin d’une proportion plus importante de dette afin de pouvoir profiter des avantages fiscaux de celle-ci. Notons que la théorie 13 de l’agence suggère aussi une relation positive entre niveau d’endettement et profitabilité de la firme puisque la présence importante d’excédents de trésorerie pousse les actionnaires à vouloir contracter d’avantage de dette pour son rôle disciplinant et ainsi réduire les couts d’agence des fonds propres. Si l’on s’intéresse aux résultats rencontrés dans des études portant spécifiquement sur des pays en voie de développement, on remarque que l’ensemble des études étudiés ici soutiennent la théorie des préférences ordonnées. Ainsi, Booth et al. (2001) obtiennent une relation négative et hautement significative entre profitabilité de la firme et son niveau d’endettement dans l’ensemble des pays étudiés. Pour eux, il est clair que l’importance de la profitabilité dans la détermination de la structure du capital des firmes est due aux couts d’agence ainsi qu’aux problèmes d’asymétrie d’information qui sont très présents au sein de pays en voie de développement, sans parler de la faiblesse du développement de leur marché obligataire à long terme. D’autres études comme celles de Lucey et Zhang (2011) et de De Jong et al. (2008) apportent eux aussi des résultats en accord avec la théorie de l’asymétrie d’information dite des préférences ordonnées. 2.1.3 Les perspectives de croissance Une nouvelle fois dans la polémique sur les déterminants de la structure du capital, plusieurs théories prédisent des relations inverses entre perspectives de croissance et niveau d’endettement. En effet, alors que la théorie de l’agence et du compromis statique suggèrent une relation négative entre perspectives de croissance et levier financier, celle du financement hiérarchique souligne une relation positive. La théorie de l’agence se focalise sur le rôle disciplinant de la dette afin d’expliquer une relation négative entre perspectives de croissance et endettement. En effet, quand une firme se situe dans une phase de croissance et que ses opportunités d’investissement sont abondantes, ses flux de trésorerie libres (« free cash-flows ») sont faibles et le problème d’agence entre dirigeants et actionnaires se voit réduit. La dette pourrait alors mener à des problèmes de sous-investissement (Stulz, 1990) ce qui pousse les firmes à réduire le niveau d’endettement. À l’inverse, une firme ayant peu d’opportunités d’investissements et donc des flux de trésorerie libres abondants utilisera la dette comme outil disciplinant (Jensen, 1986). La théorie du compromis statique s’aligne aussi sur cette relation négative entre perspectives de croissance et niveau d’endettement puisque les entreprises à fortes opportunités de croissance détiennent en fait des actifs intangibles et auront donc tendance à moins s’endetter que des firmes ayant des actifs plus tangibles, notamment parce que les opportunités de croissance ne peuvent servir de collatéraux. 14 La théorie du financement hiérarchique, elle, propose une relation positive entre perspectives de croissance et endettement puisque les compagnies ayant de fortes opportunités d’investissement se financeront en premier lieu par la dette afin de minimiser l’asymétrie d’information existant entre dirigeants et investisseurs. Finalement, nous pouvons noter que la différence de relation accordée par la théorie de l’agence et celle du financement hiérarchique est due aux hypothèses qui en découlent. En effet, dans la théorie de l’agence, les dirigeants sont vus comme des êtres opportunistes et la dette joue alors un rôle disciplinant lorsque la firme détient trop de flux de trésorerie libres tandis que dans la théorie du financement hiérarchique, les dirigeants sont des êtres plus éthiques et réfléchis qui n’essaient pas de maximiser leur propre bien être au détriment des actionnaires. Tout comme la théorie, les résultats rencontrés dans les diverses études portant sur les pays en voie de développement sont en contradiction. De Jong et al. (2008) tout comme Lucey et Zhang (2011) observent une relation négative et significative entre les perspectives de croissance d’une firme et son niveau d’endettement et supportent alors la théorie de l’agence. Les firmes qui ont de meilleures perspectives de croissance dans le futur tendent alors à garder un niveau d’endettement assez bas afin de ne pas devoir renoncer à de possibles investissements profitables à cause notamment d’un transfert de richesse entre actionnaires et créanciers. À l’inverse, Booth et al. (2001) trouvent une relation positive entre perspectives de croissance et endettement de la firme, soutenant alors la théorie des préférences ordonnées. 2.1.4 Le caractère tangible des actifs Le caractère tangible des actifs joue nécessairement un rôle important dans la détermination de la structure du capital des entreprises puisque nous parlons ici des collatéraux qui seront disponibles afin de garantir la dette. Les théories de l’agence, du compromis statique ainsi que des préférences ordonnées sont alors toutes trois en accord sur la relation positive attendue entre l’endettement et le caractère tangible des actifs de l’entreprise. Ainsi selon la théorie de l’Agence, une firme qui aura une plus grande proportion d’actifs tangibles aura une meilleure capacité à émettre de la dette sécurisée et les coûts d’agence de la dette seront plus faibles. Ainsi, Scott (1977) souligne que la capacité de la firme à augmenter ses passifs et donc son levier financier va de paire avec sa proportion d’actifs tangibles au sein de son bilan. Selon la théorie du compromis statique, les compagnies utilisant des actifs tangibles comme collatéraux apportent une certaine sécurité aux créanciers en cas de détresse financière et auront alors la capacité d’emprunter plus. Enfin, la théorie des préférences ordonnées suggère que le 15 caractère tangible des actifs réduit l’asymétrie d’information et poussent les firmes à utiliser davantage de dette. Notons finalement que la plupart des études sur les pays développés retrouvent cette relation positive entre le caractère tangible des actifs et endettement mais que les résultats sont plus variés pour les pays en voie de développement. Ainsi, Booth et al. (2001) soulignent le fait que le caractère tangible des actifs a un impact différent sur les décisions de financement à court et à long-terme. En effet, ces auteurs obtiennent une corrélation négative entre endettement total de la firme et caractère tangible des actifs et une corrélation positive entre endettement à long terme et caractère tangible des actifs. Selon eux, cela s’explique par la théorie du « matching » prédisant notamment que les actifs à long terme devraient être financés par des passifs à long terme. 2.1.5 Les dividendes Les dividendes peuvent représenter un indicateur du surplus de cash que détient la firme, les firmes contraintes financièrement n’étant pas enclines à verser de larges dividendes. Selon la théorie du compromis statique, il y aura ainsi versement de dividendes lorsque la profitabilité de l’entreprise sera importante et le sens de corrélation entre niveau d’endettement et dividendes devraient donc être le même que celui entre niveau d’endettement et profitabilité, soit positif. A l’inverse, selon la théorie de l’agence et d’après Jensen et Meckling (1976), le paiement de dividendes pourrait être un moyen de diminuer les coûts d’agences existant entre managers et actionnaires puisque le versement de dividendes réduirait les flux de trésorerie libres étant à la portée des managers. Le rôle disciplinant de la dette n’est donc plus indispensable et le niveau d’endettement de la firme s’en voit négativement affecté. La théorie des préférences ordonnées prévoit elle aussi une relation négative entre dividendes et niveau d’endettement puisqu’une firme versant des dividendes est une firme profitable et qu’elle devrait alors se financer davantage par autofinancement que par contraction de dette. 2.1.6 La liquidité La liquidité d’une entreprise peut se définir par sa proportion de cash et autre actifs liquides qui peuvent servir de sources de financement interne. Ainsi, selon la théorie du Pecking Order, nous aurions tendance à dire qu’une firme disposant d’un ratio de liquidité général élevé aura moins tendance à s’endetter puisqu’elle préférera dans un premier temps s’autofinancer (Myers et Majluf, 1984). Nous nous attendons alors à une relation négative entre niveau d’endettement et liquidité de la firme. 16 Notons cependant que la relation entre liquidité et endettement de la firme n’est pas encore très claire concernant les pays en voie de développement. Ainsi, De Jong, Kabir et Nguyen (2007) obtiennent une relation négative significative entre endettement et liquidité au sein des firmes de pays développés dans leur échantillon mais ne sont pas mesure de tirer la même conclusion pour les firmes des pays en voie de développement. 2.1.7 L’impact des taxes Afin de mesurer l’impact des taxes sur la structure du capital des entreprises, beaucoup d’auteurs, dont Booth et al. (2001) utilisent le taux effectif d’imposition comme déterminant. Notons cependant que la relation attendue entre taux effectif d’imposition et niveau d’endettement diffère selon les théories sur lesquelles nous nous appuyons. Ainsi, une relation positive serait en accord avec la théorie du compromis statique (un plus haut taux d’imposition entrainerait des avantages fiscaux de la dette plus importants) tandis qu’une relation négative serait en adéquation avec Miller (1977) et sa théorie du financement hiérarchique (un plus haut taux d’imposition définirait une entreprise plus profitable qui préférerait donc plutôt l’autofinancement à la dette). Une fois encore, lorsque l’on s’intéresse aux résultats rencontrés au sein de pays en voie de développement, ceux-ci divergent. Ainsi, Delcoure (2007) trouve une relation positive entre taux effectif d’imposition et endettement des firmes dans son échantillon de firmes localisées en Europe centrale et en Europe de l’est tandis que Cèspedes et al. (2010) soulignent eux une relation négative au sein des pays d’Amérique latine. Notons finalement que Booth et al. (2001) retrouvent une relation majoritairement négative pour l’ensemble de leur échantillon comprenant dix pays en voie de développement. 2.1.8 Les avantages fiscaux non liés à la dette Les avantages fiscaux non liés à la dette ont été étudié dans un premier temps par DeAngelo et Masulis (1980) qui ont présenté un modèle portant sur la structure du capital optimale en incorporant l’impact des taxes corporatives, des taxes personnelles et des avantages fiscaux non liés à la dette. En fait, ils démontrent que des éléments déductibles fiscalement comme les charges de dépréciation ou les crédits à l’investissement pourraient être des substituts aux avantages fiscaux de la dette. Ainsi, des compagnies ayant de vastes avantages fiscaux non liés à la dette incluraient moins de dette dans leurs structures du capital. Nous attendons donc théoriquement à une relation négative entre le niveau d’endettement et les avantages fiscaux non liés à la dette, représentés par le ratio des dépréciations et amortissements sur la totalité des actifs. 17 Une fois encore cependant, les résultats sont contradictoires. Ainsi, Delcoure (2007) obtient une relation positive entre les avantages fiscaux non liés à la dette des firmes et leur niveau d’endettement que ce soit à long terme, à court terme ou total. Suivant l’intuition de Bradley et al. (1984), elle explique que les avantages fiscaux non liés à la dette pourraient être le reflet de la « garantabilité » des actifs. Ainsi plus d’avantages fiscaux non liés à la dette sont synonymes d’une plus grande proportion d’actifs pouvant jouer le rôle de garanties et donc d’une plus grande capacité à emprunter. Quant à Lucey et Zhang (2011), ils obtiennent eux une relation négative entre niveau d’endettement de la firme et avantages fiscaux non liés à la dette. Cette association négative suggère alors que l’utilisation de la dette à des fins de retirer des avantages fiscaux devient moins nécessaire quand les firmes ont d’autres alternatives. 2.2 L’environnement économique et institutionnel en tant que déterminant Les études portant sur les déterminants de la structure du capital des entreprises se sont dans un premier temps focalisées sur les caractéristiques intrinsèques des firmes comme uniques déterminants. Cependant, les décisions relatives à la structure du capital peuvent aussi être influencées par l’environnement économique et institutionnel dans lequel la firme interagit. L’environnement financier et légal ainsi que le climat économique du pays dans lequel la firme est localisée ont en effet eux aussi un rôle à jouer dans le choix de la structure financière d’une entreprise. Nous présenterons ici une brève revue de la littérature quant à l’impact des variables macroéconomiques, des variables ayant trait aux institutions financières et des variables référant aux institutions légales sur la structure du capital des entreprises. 2.2.1 Les variables macroéconomiques Au sein d’études récentes s’intéressant aux caractéristiques spécifiques des pays comme déterminants de la structure du capital, nous retrouvons souvent des données macroéconomiques jouant le rôle de variables de contrôle. Celles que nous retrouvons notamment le plus souvent sont le PIB par habitant, le taux de croissance du PIB ainsi que le taux d’inflation. Le PIB par habitant représente un indicateur des différences de richesse entre les pays. Il reflète donc le niveau de développement économique des différents pays. Les résultats des différentes recherches quant à la relation entre niveau d’endettement et PIB per capita sont cependant contradictoires. En effet, dans leur étude «Institutions, Financial Markets, and Firms’ Choice of Debt 18 Maturity”, Demirgüc-Kunt et Maksimovic (1996) qui étudient les déterminants de la maturité de la dette au sein de 30 pays de 1980 à 1991, trouvent que le PIB per capita est positivement corrélé avec le niveau de dette à long terme des entreprises. Ainsi, les entreprises situées dans des pays plus riches auront tendance à utiliser davantage de dette à long terme que de mêmes entreprises localisées dans des pays plus pauvres. De plus, le PIB per capita semble expliqué 41% de la variation dans leur panel, indiquant donc que les différences dans le PIB per capita sont responsables de la majorité des variations dans les niveaux de dettes à long terme. A l’inverse, Cheng et Shiu (2006), dans leur article «Investor protection and capital structure: International Evidence» trouvent une relation négative entre niveau d’endettement et PIB par habitant, signifiant donc que les entreprises des pays les plus riches utiliseraient moins de dettes que celles des pays les plus pauvres. Notons que leur étude porte sur 45 pays pendant la période de 1998 à 2001 et que la corrélation avec le niveau d’endettement reste négative lorsque l’on considère la dette à court terme, à long terme ou encore la dette totale. La croissance du PIB est une seconde variable macroéconomique qui est utilisée dans la plupart des modèles. En effet, cette variable permet de représenter les opportunités de croissance disponibles pour les firmes sur le marché et donc en quelque sorte les besoins financiers des firmes. La littérature peut s’avérer encore une fois contradictoire quant à la relation attendue ici entre niveau d’endettement et croissance du PIB. En effet, certains suggéreront que les opportunités de croissance devraient être financées par de la dette, afin de faire agir son pouvoir disciplinant sur les gestionnaires, tandis que d’autres souligneront le problème de sous-investissement (Myers, 1977) en cas d’utilisation trop importante de la dette et préconiseront donc l’émission d’actions afin de financer ces opportunités de croissance. Les résultats des diverses études scientifiques sont donc elles aussi en désaccord sur le sens de la corrélation entre niveau d’endettement et croissance du PIB. Ainsi, dans leurs études « Stock Market Development and Firm Financing Choice » et «Institutions, Financial Markets, and Firms’ Choice of Debt Maturity”, Demirgüc-Kunt et Maksimovic (1995 et 1996) trouvent une relation négative entre l’endettement des firmes et le taux de croissance du PIB, suggérant donc que les options de croissance ne sont pas financés par de la dette. D’autres articles comme par exemple celui intitulé «Capital structure in developing countries » de Booth, Aivazian, Demirguc-Kunt et Maksimovic (2011) est en désaccord avec cette relation puisqu’il trouve une corrélation positive entre niveau d’endettement et croissance du PIB, qui plus est en se focalisant seulement sur dix pays en voie de développement pour une période s’étalant de 1980 à 1990. Ainsi, les firmes situées dans des pays où le taux de croissance du PIB est important auront plus tendance à utiliser de la dette afin de financer leurs nouveaux investissements. Notons que cette relation positive est aussi confirmée par l’article «Capital structure 19 around the world : the roles of firm-specific and country-specific determinants» de De Jong, Kabir et Nguyen (2008), au sein de l’ensemble de leurs modèles et avec un degré de significativité de 1% pour leur échantillon comprenant 42 pays de 1997 à 2001. La dernière variable macroéconomique souvent prise en compte comme variable de contrôle dans les études sur les déterminants de la structure du capital des firmes est le taux d’inflation du pays. Encore une fois, la relation entre taux d’inflation et part de dette est ambigüe. En effet, un taux d’inflation plus important devrait aller de pair avec des taux d’intérêt plus élevés et donc un coût de la dette plus haut ce qui supposerait que les firmes auraient moins tendance à se financer par de la dette. Cependant, l’augmentation des taux d’intérêts tend aussi à faire perdre de la valeur, notamment aux obligations et aux fonds propres. Puisque l’inflation diminue le coût réel de la dette, la demande pour les obligations des entreprises augmente durant les périodes inflationnistes ce qui entraine une augmentation de la dette au sein de l’entreprise. Qu’en dit la littérature? Les deux articles de DemirgücKunt et Maksimovic (1995 et 1996) sont encore une fois en accord puisqu’ils trouvent une relation négative entre niveau d’endettement et taux d’inflation. Selon eux, le taux d’inflation permet de mesurer l’efficience du gouvernement à diriger l’économie ainsi que la stabilité en termes de valeur de la monnaie locale. Un taux d’inflation élevé serait alors synonyme d’une monnaie instable sur le long terme ce qui dissuaderait les firmes à vouloir lever de la dette à long terme. L’article de De Booth et Al. (2011) s’accorde lui aussi sur le fait qu’une inflation plus importante entraine une diminution des ratios d’endettement. Selon eux, les firmes tendent à emprunter davantage quand il y a des réelles opportunités de croissance mais pas quand ces opportunités sont inflationnistes. Notons aussi que Cheng et Shiu (2006) s’entendent eux aussi sur la corrélation négative entre niveau d’endettement et taux d’inflation. Le tableau 2-1 suivant résume les différentes corrélations obtenues entre le niveau d’endettement et les diverses variables macroéconomiques au sein des diverses articles cités précédemment. 20 Tableau 2- 1: Relations attendues entre le niveau d'endettement et certaines variables macroéconomiques selon diverses études Relation avec le niveau d’endettement des firmes CHeng et Shiu (2006) PIB par habitant Négativement corrélé Croissance du PIB Taux d’inflation NA 2.2.2 Corrélation négative Demirgüc-Kunt et Maksimovic (1995) NA Corrélation négative Corrélation négative Demirgüc-Kunt et Maksimovic (1996) Booth et Al. (2011) De Jong et Al. (2008) Positivement corrélé (avec la dette à long terme spécifiquement) Corrélation négative NA NA Corrélation positive Corrélation négative Corrélation positive NA Corrélation négative Les variables ayant trait aux institutions financières La croissance des marchés boursiers dans les pays en voie de développement durant les dernières décennies a poussée quelques auteurs à s’interroger sur le rôle du développement du marché bancaire et du marché boursier dans la détermination de la structure du capital des firmes. En effet, la question est d’autant plus importante que les firmes situées dans des pays en voie de développement doivent faire face aux inefficiences des marchés et ajuster leur structure du capital en conséquence. Quelles relations peut-on donc attendre entre développement du marché boursier et du marché bancaire et niveau d’endettement des firmes? Dans leur article «Stock Market Development and Firm Financing Choices» (1995), Demirgüc-Kunt et Maksimovic s’intéressent aux différentes relations qu’il peut exister entre les décisions relatives au financement des firmes et le développement des marchés financiers. Leur étude se base alors sur 30 pays développés et en voie de développement pour une période s’étalant de 1980 à 1991. Ils insistent notamment sur l’importance du développement du marché boursier puisque selon eux, le financement par émission d’actions détient non seulement un rôle primordial dans la gestion des conflits d’agence entre les différents acteurs de la firme, mais un marché boursier bien développé procure aussi la liquidité nécessaire aux différents investisseurs ainsi qu’une capacité à diversifier leurs portefeuilles. De plus, les échanges sur le marché boursier reflètent de nombreuses informations sur la performance et les perspectives des différentes firmes du marché. Afin de prendre en compte l’impact du marché boursier et bancaire sur l’endettement des firmes, les auteurs développent une série de variables permettant de mesure le développement des marchés 21 boursiers et bancaires au sein des pays. Ainsi, le développement du marché boursier est mesuré par trois variables : le ratio de la capitalisation boursière des compagnies cotées sur le produit intérieur brut(PIB), le ratio du volume total d’actions échangées sur le PIB et le ratio de la valeur totale des actions échangées sur la capitalisation boursière. Quant au développement du marché bancaire, il est lui aussi estimer à l’aide de trois variables : le ratio des passifs liquides des banques (M3) sur le PIB, celui des crédits domestiques au secteur privé sur le PIB, et le ratio des actifs domestiques en dépôt des banques sur le PIB. En considérant les firmes des pays développés et en voie de développement dans leur ensemble, ils trouvent alors une corrélation négative significative entre le développement du marché boursier, mesuré par le ratio de la capitalisation boursière sur le PIB, et l’endettement des firmes, tant à long terme qu’à court. Notons cependant qu’aucune corrélation significative n’est détectée entre le niveau d’endettement des firmes et les deux autres ratios mesurant le développement du système boursier. De plus, ils mettent en relief une corrélation positive significative entre le développement du marché bancaire, tel que mesuré par le ratio des actifs domestiques en dépôt des banques sur le PIB, et le niveau d’endettement des entreprises. Aucune corrélation n’est trouvée quant au ratio des passifs liquides des banques sur le PIB et du niveau de dette. Finalement, Demirgüc-Kunt et Maksimovic illustrent les différences dans le choix de financement des entreprises situés dans des pays développés et dans des pays en voie de développement. Ainsi, leurs résultats suggèrent que dans des économies déjà développées, un développement supplémentaire du marché boursier poussera les firmes à substituer de la dette pour de l’équité tandis que dans des économies en voie de développement, cela incitera les grandes firmes à lever plus de dettes alors que les entreprises plus petites ne seront pas affectées. Les auteurs expliquent ainsi que le développement du marché boursier dans des pays en voie de développement permet une diffusion plus importante des informations ce qui incite alors les banques à prêter davantage aux entreprises dont les actions sont cotées. L’article « Financial Markets and the Financing Choice of Firms : Evidence from Developing Countries » (2004) de Agarwal et Mohtadi, se focalise lui aussi sur le rôle du développement des marchés financiers dans les décisions financières des firmes au sein de 21 pays en voie de développement pour une période s’étalant de 1980 à 1997. Au terme de leur étude, les auteurs concluent que le développement du marché boursier et du marché bancaire ont un effet opposé sur le ratio d’endettement des firmes : un marché bancaire plus développé aura tendance à augmenter le ratio 22 d’endettement des firmes tandis qu’un marché boursier plus développé l’atténuera. Notons que ces résultats vont à l’encontre de ceux de Demirgüc-Kunt et Maksimovic (1995) qui trouvent une corrélation positive entre le niveau d’endettement et le développement du marché boursier au sein des pays en voie de développement. Cela pourrait notamment s’expliquer par les différents modèles (panel versus « cross country analysis ») ainsi que par les différentes périodes temporelles utilisés. Dans leur étude « Hierarchical Determinants of capital structure » (2010), Kayo et Kimura s’intéressent eux aussi à l’impact du développement du marché boursier et du marché obligataire sur l’endettement des firmes au sein de 40 pays développés et en voie de développement de 1997 à 2007. Ils mesurent alors le développement du marché boursier par le ratio de la capitalisation boursière des firmes cotées sur le PIB et le développement du marché bancaire par le ratio de la capitalisation du marché obligataire privé et public sur le PIB. Cette fois-ci, les résultats énoncés vont totalement à l’encontre de ceux de Demirgüc-Kunt et Maksimovic (1995) puisque les auteurs trouvent une relation positive entre le développement du marché boursier et l’endettement des firmes dans les pays développés tandis que la relation est négative pour les pays en voie de développement. De plus, contrairement à leurs attentes, leur étude démontre une corrélation négative entre développement du marché obligataire et endettement des firmes. L’article « Capital Structure around the world : The roles of firm- and country-specific determinants » (2008) de De Jong, Kabir et Nguyen propose quant à lui une analyse des déterminants de la structure des firmes au sein de 42 pays pour la période de 1997 à 2001. Le seul résultat significatif qu’ils obtiennent quant à la relation entre niveau d’endettement et développement du marché obligataire et boursier est une corrélation positive entre développement du marché obligataire et endettement. Ainsi, quand le marché obligataire d’un pays est plus développé, les firmes auront tendance à plus s’endetter. Finalement, nous pouvons noter que les quelques études citées ici font preuve d’une assez grande divergence quant à la relation attendue entre niveau d’endettement et développement des marchés bancaires et boursiers. Le tableau 2-2 suivant résume les résultats des études citées précédemment. 23 Tableau 2- 2: Relations attendues entre le niveau d’endettement et le développement des marchés boursiers et bancaires selon diverses études Ratios utilisés Relation avec le niveau d’endettement des firmes Demirgüc-Kunt et Maksimovic (1995) Développement du système boursier Développement du système bancaire Capitalisation boursière / PIB Vol. total d’actions échangées /PIB Valeur totale des actions échangées / Cap. Boursière Passifs liquides des banques (M3)/PIB Crédits domestiques au secteur privé / PIB Actifs domestiques en dépôt des banques / PIB Capitalisation du marché obligataire privé et public / PIB *Corrélation négative pour les pays développés *Corrélation positive pour les pays en voie de développement Corrélation non significative Corrélation non significative Agarwal et Mohtadi (2004) Corrélation négative Corrélation non significative Corrélation non significative Kayo et Kimura (2010) *Corrélation positive pour les pays développés *Corrélation négative pour les pays en voie de développement NA De Jong, Kabir et Nguyen (2008) Corrélation non significative NA NA NA Corrélation non significative Corrélation positive NA NA Corrélation non significative NA NA NA Corrélation positive Corrélation positive NA NA NA NA Corrélation négative Corrélation positive 24 2.2.3 Les variables ayant trait aux institutions légales Dans les récentes études sur la structure du capital, les auteurs considèrent souvent des facteurs légaux comme déterminants potentiels des décisions financières de la firme. Nous examinerons ici l’impact du niveau de protection des investisseurs (actionnaires et créanciers) ainsi que de l’efficience de la loi sur la structure du capital des firmes. A des fins de discussion, il nous a paru intéressant de relier ces concepts avec les différents systèmes de droit (droit coutumier versus droit civil) mis en place au sein des pays. En effet, de nombreuses études s’intéressent à l’influence de ces systèmes de droit sur la structure du capital des entreprises, en incluant notamment une variable dichotomique dans leurs modèles afin de représenter le système de droit des divers pays étudiés. Notons finalement que nous n’avons pas choisi d’inclure une telle variable dans notre modèle notamment à cause du faible nombre de pays étudiés et de la difficulté à classer certains pays tels que la Russie ou la Chine au sein d’un système dit de droit coutumier ou de droit civil. La Porta, Lopez-de-Silanes, Shleifer et Vishny (1998) dans leur article « Law and Finance» ont été des précurseurs dans l’étude du système légal des différents pays et de l’impact de celui-ci sur la structure du capital des entreprises. De ces différences dans le système légal des pays découlent en effet divers degrés de protection des investisseurs, que ce soit des actionnaires ou des créanciers, ce qui affecte la répartition de la dette et des fonds propres dans la structure financière des firmes. Ainsi, un système offrant une meilleure protection des actionnaires aura normalement tendance à voir les firmes en son sein se financer davantage par fonds propres tandis qu’un système offrant une meilleure protection aux créanciers devrait voir ses entreprises se financer davantage par de la dette. La Porta et al. définissent alors deux grands types de système légaux : le système anglais, dit de droit coutumier (« common law ») et les systèmes français, allemands et scandinaves, dit de droit civil (« civil law »). Les résultats de leur étude démontrent alors que les pays dont les lois sont originaires du droit coutumier anglais offrent une meilleure protection aux investisseurs que les pays dont les lois sont originaires du droit civil, et particulièrement du droit civil français. Ainsi, le levier financier devrait être plus important dans les pays issus du droit coutumier puisqu’ils offrent une meilleure protection aux créanciers. Mais d’où viennent ces différences dans le niveau de protection des investisseurs? La Porta et al. suggèrent que cela pourrait être le fruit de différences au niveau de la dispersion de l’actionnariat, parmi d’autres facteurs. En effet, ils trouvent une corrélation négative entre la concentration de l’actionnariat et le niveau de qualité de protection des investisseurs. Ainsi, les systèmes de droit civil français auraient un actionnariat extrêmement concentrée ce qui serait une des causes du mauvais degré de protection des investisseurs. Encore une fois, les couts d’agence rentrent en compte dans l’équation : la détermination 25 de la qualité de la protection des investisseurs est fonction des couts d’agence, puisqu’un actionnariat concentrée est synonyme de couts d’agence plus importants. Nous avons donc montré que le type de système légal est extrêmement lié au niveau de protection des investisseurs. Qu’en disent les différentes études citées précédemment? Alves et Ferreira (2010) reconnaissent au terme de leur étude l’importance de la structure légale et de la protection des actionnaires dans la détermination de la structure du capital des firmes. Tout comme La Porta et al. (1998), ils soulignent une profonde relation entre structure légale et protection des actionnaires, le système de droit coutumier offrant une meilleure protection que celui de droit civil. Leurs résultats démontrent aussi une corrélation négative entre protection des actionnaires et levier financier tandis que la corrélation est positive lorsque l’on prend cette fois en compte la protection des créanciers. Comme attendu, plus le niveau de protection des créanciers est important, plus la firme se financera par de la dette. Cheng et Shiu (2006) trouvent eux aussi des résultats similaires : le niveau de protection des investisseurs influencent profondément la structure du capital des firmes et une meilleure protection des actionnaires est associée à un niveau de fonds propres plus importants tandis qu’une meilleure protection des créanciers est reliée à un niveau de dette plus important. Demirgüc-Kunt et Maksimovic (1996) s’intéressent aussi à l’influence du système légal d’un pays sur la structure du capital des firmes qui y sont localisées. Ils concluent alors que l’efficience du système légal, telle que mesurée par « the International Country Risk Guide » a un impact sur les décisions financières des firmes. En effet, meilleure est l’efficience du système légal, plus la proportion de dette à long terme est importante. Quant à De Jong, Kabir et Nguyen (2008), ils mesurent le degré de l’application de la loi au sein d’un pays en prenant la moyenne de plusieurs variables (efficience du système judiciaire, corruption, variables développées par La Porta…). Finalement, leur étude démontre que les firmes situées dans des pays où l’environnement légal est meilleur auront tendance à avoir davantage recours à de la dette comme moyen de financement. Un autre point intéressant que soulève leur étude concerne l’effet indirect du développement du système légal sur les déterminants spécifiques aux firmes : l’effet de ces variables spécifiques sur la détermination de la structure du capital se voit renforcé lorsque les conditions légales sont meilleures au sein du pays. 26 Tableau 2- 3: Relations attendues entre le niveau d'endettement et le développement des systèmes légaux selon diverses études Relation avec le niveau d’endettement des firmes Protection des droits des actionnaires Protection des droits des créanciers Efficience du système légal Alves et Ferreira (2010) Corrélation négative Cheng et Shiu (2006) Corrélation négative Demirgüc-Kunt et Kabir et Nguyen Maksimovic (1996) (2008) NA NA Corrélation positive Corrélation positive NA NA NA NA Corrélation positive Corrélation positive Chapitre 3 : Étude empirique 3.1. Problématique Le choix de ce sujet de mémoire n’est pas anodin puisque mon travail de recherche s’inscrit parfaitement dans la préparation de mon avenir professionnel. Il m’a paru pertinent de m’intéresser aux déterminants de la structure du capital et d’analyser leur impact dans les décisions relatives à la structure financière des firmes. Plus encore, j’ai voulu savoir si ces déterminants étaient différents entre les pays développés et ceux en voie de développement. La majorité des études sur le sujet portant sur des pays développés, j’ai choisi de me focaliser sur cinq pays en voie de développement, et pas les moindres : les BRICS (Brésil, Russie, Inde, Chine et Afrique du Sud). L’objectif de ce mémoire n’est pas seulement d’établir un constat sur les divers facteurs pouvant influencer la structure du capital des entreprises comme l’ont déjà fait de nombreuses études sur le sujet, mais plutôt de déterminer s’il existe des spécificités propres aux pays en voie de développement. Plus encore, il s’agit ici de d’analyser l’impact de l’environnement économique et institutionnel sur la structure financière des firmes. En effet, dans un monde où les entreprises sont de plus en plus confrontées à une économie mondialisée et où elles doivent faire face à de multiples risques extérieurs, l’impact de l’environnement économique et institutionnel ne peut être ignoré. Notons de plus que l’environnement institutionnel de pays en voie de développement peut s’avérer quelque peu instable ce qui rend notre étude d’autant plus intéressante. Finalement, ce mémoire vise à souligner le rôle et l’importance des déterminants spécifiques aux firmes ainsi que des déterminants spécifiques au pays dans la détermination de la structure du capital des entreprises au sein de pays en voie de développement et plus particulièrement dans les pays du BRICS. Au vue de ces éléments et des différentes recherches académiques menées dans le domaine et analysées précédemment, nous pouvons formuler la problématique suivante : Quel est l’impact des déterminants spécifiques aux firmes dans la structure financière des entreprises des BRICS? Quel rôle direct jouent les caractéristiques économiques et institutionnelles de ces pays dans la problématique de la structure du capital? Et enfin, ces déterminants spécifiques au pays ont-ils un impact indirect sur les déterminants spécifiques aux firmes de la structure du capital? 28 3.2 Intérêt de la question soulevée Comme énoncé précédemment, la motivation première de ce mémoire est d’analyser à la fois l’influence des déterminants propres aux firmes et des déterminants spécifiques au pays sur la structure du capital mais aussi l’impact de ces spécificités nationales sur les déterminants spécifiques aux firmes. Les intérêts de cette recherche sont alors nombreux. D’une part, l’intérêt de cette problématique réside dans l’importance et la quantité de recherches qui ont été faites sur le sujet sans que jamais un réel consensus n’aboutisse sur la nature des principaux déterminants de la structure du capital des entreprises. Nous avons d’ailleurs vu, dans les premières parties de ce mémoire, que les études scientifiques sont nombreuses et que les résultats ne vont pas toujours dans le même sens. D’autre part, peu d’études s’intéressent aux spécificités économiques et institutionnelles comme déterminants potentiels de la structure du capital, encore moins d’études testent ces déterminants au sein de pays en voie de développement, et aucune étude à ma connaissance au sein des BRICS spécifiquement. De plus, lorsque l’environnement économique et institutionnel est pris en compte dans les articles scientifiques existants, cela est souvent fait de manière incomplète. Or, nous analyserons ici l’impact du développement économique, financier et légal sur la structure financière des entreprises. Enfin, nous nous intéresserons comme De Jong, Kabir et Nguyen (2008) aux effets indirects que les spécificités nationales pourraient avoir sur l’intensité de l’impact des déterminants propres aux firmes sur la structure du capital. Finalement, une particularité de ce mémoire est de se focaliser sur les BRICS. L’intérêt de ce choix réside dans la place de plus importante qu’occupent ces cinq puissances émergentes au sein de l’économie mondiale. Totalisant 40% de la population et 27% du PIB mondial en 2011, les BRICS devraient assurer 61% de la croissance mondiale en 2015 selon le FMI et un rapport de Goldman Sachs en 2001 prédisait même que la richesse produite par les BRICS devrait dépasser celle du G7 en 2042 et que la Chine deviendrait la première puissance mondiale devant les États-Unis d’ici 2050. Bref, il est indéniable que les BRICS sont devenus des puissances influentes et que leur rôle dans l’économie mondiale tend à devenir de plus en plus majeur, ce qui rend leur étude d’autant plus intéressante. De plus, il serait intéressant de voir si l’importance grandissante des BRICS au sein de l’économie mondiale ces dernières années a eu une quelconque influence sur l’évolution de la structure financière de leurs entreprises au cours du temps. 29 3.3 Présentation des hypothèses 3.3.1 Hypothèses relatives aux déterminants spécifiques aux firmes Dans un premier temps, nous nous focaliserons sur les hypothèses propres aux déterminants spécifiques aux firmes. Nous avons vu précédemment que la littérature existante sur le sujet, que ce soit les diverses théories sur la structure du capital ou les nombreux articles scientifiques, est souvent en désaccord quant au sens de la corrélation attendue entre les déterminants propres aux firmes et le niveau d’endettement de ces dernières. Nous avons choisi ici non pas de prédire le sens de corrélation entre nos variables et l’endettement des firmes selon nos intuitions mais de valider nos résultats avec les relations prédites par les diverses théories de la structure du capital. Ce mémoire s’inscrit donc ici dans un cadre de vérification et de validation des différentes corrélations attendues entre déterminants spécifiques aux firmes et structure du capital selon les diverses théories existantes sur le sujet. Ainsi, le tableau 3-1 présentent les corrélations prédites par trois différents modèles : la théorie du compromis statique, la théorie de l’agence ainsi que celle des préférences ordonnées. Notons que les relations prédites par ces trois modèles sont expliquées plus en détail dans le chapitre présentant la revue de la littérature (chapitre 2). Tableau 3- 1: Hypothèses relatives aux déterminants spécifiques à la firme Déterminants Taille Profitabilité Perspectives de croissance Caractère tangible des actifs Dividendes Théorie du compromis statique Théorie de l’agence Théorie des préférences ordonnées + + - + + - + + + + + - - Liquidité Taxes + Avantages fiscaux non liés à la dette LEGENDE : Les signes + représentent une corrélation positive entre le déterminant en question et le niveau d’endettement des firmes tandis que les signes – représentent une corrélation négative. 30 3.3.2 Hypothèses relatives aux déterminants spécifiques au pays Encore une fois, les nombreux articles scientifiques traitant des relations entre structure du capital et développement économique ne sont pas toujours en accord. Ainsi, les hypothèses ayant trait aux variables macroéconomiques se baseront elles aussi sur la littérature existante. Toujours dans un souci de vérification, nous comparerons nos résultats avec les diverses prédictions sur le sujet. Le tableau 3-2 résume les relations rencontrées par différentes études entre nos variables macroéconomiques et le niveau d’endettement des firmes. Tableau 3- 2: Hypothèses relatives aux variables macroéconomiques Déterminants PIB par habitant Croissance du PIB Relation avec le niveau d’endettement des firmes + + Taux d’inflation - Évidence empirique Cheng et Shiu (2006) Demirgüc-Kunt et Maksimovic (1996) Demirgüc-Kunt et Maksimovic (1995 et 1996) Booth et Al. (2011), De Jong et Al. (2008) Cheng et Shiu (2006), DemirgücKunt et Maksimovic (1995 et 1996), Booth et Al. (2011) De même que pour les déterminants macroéconomiques, nous avons choisi de baser nos hypothèses spécifiques aux variables ayant trait aux institutions financières et aux institutions légales sur la littérature existante. Les tableaux 3-3 et 3-4 résument les résultats de divers articles scientifiques sur la corrélation entre niveau d’endettement et développement du système financier et légal. 31 Tableau 3- 3: Hypothèses relatives aux déterminants ayant trait aux institutions financières Déterminants Développement du Ratios utilisés Relation avec le niveau d’endettement des firmes Capitalisation boursière / PIB système boursier - Agarwal et Mohtadi (2004), Kayo et Kimura (2010) + Demirgüc-Kunt et Maksimovic (1995) Non significative Vol. total d’actions échangées /PIB Non significative Valeur totale des actions échangées / Cap. Boursière Non significative M2/PIB + Non significative Développement du système bancaire Crédits domestiques au secteur privé / PIB Évidence empirique Non significative De Jong, Kabir et Nguyen (2008) Agarwal et Mohtadi (2004), Demirgüc-Kunt et Maksimovic (1995) Agarwal et Mohtadi (2004), Demirgüc-Kunt et Maksimovic (1995) Agarwal et Mohtadi (2004) Demirgüc-Kunt et Maksimovic (1995) Demirgüc-Kunt et Maksimovic (1995) Notons ici qu’en raison de l’absence de données, nous utiliserons seulement deux variables afin de mesurer le développement du système bancaire des BRICS et que nous remplacerons la variable M3/PIB utilisée par les auteurs par la variable M2/PIB. De plus, les indicateurs relatifs à la protection des actionnaires et des créanciers ne seront utilisés qu’à des fins de robustesse puisque nous disposons de données pour la période 2000-2005 seulement. Tableau 3- 4: Hypothèses relatives aux déterminants ayant trait aux institutions légales Déterminants Relation avec le niveau d’endettement des firmes Évidence empirique Protection des actionnaires - Alves et Ferreira (2010), Cheng et Shiu (2006) Protection des créanciers + Alves et Ferreira (2010), Cheng et Shiu (2006) Indice sur la qualité des institutions + Demirgüc-Kunt et Maksimovic (1996), De Jong et Al. (2008) Chapitre 4 : Approche méthodologique 4.1 Cadre de l’étude 4.1.1 Choix de la valeur expliquée : le ratio d’endettement Le choix de la mesure du niveau d’endettement des firmes n’est pas une mince affaire. En effet, plusieurs études ont démontré que les déterminants de la structure du capital sont très sensibles au choix du ratio d’endettement utilisé. Qui plus est, la disponibilité des ratios financiers des firmes situées dans certains pays en voie de développement est parfois limitée. Il est nécessaire ici de s’assurer que notre variable retranscrit bien ce que nous cherchons à expliquer. Un ratio fréquemment rencontré dans les diverses études sur la structure du capital est celui de l’ensemble des passifs sur l’ensemble des actifs. Cependant, ce ratio qui est en quelque sorte une approximation de ce qu’Il resterait aux actionnaires dans le cas d’une liquidation, a tendance à surévaluer l’effet de levier. En effet, il incorpore dans les passifs des postes comme les comptes fournisseurs ou plus globalement les frais à payer qui sont utilisés à des fins de transaction plutôt que de financement. Notre choix ne s’est donc pas porté sur ce ratio, notamment à cause de son effet de surévaluation du levier financier. Un autre ratio souvent utilisé par les auteurs sur le sujet est celui de l’ensemble des dettes (court terme et long terme) sur la valeur totale des actifs. Ce ratio est aussi critiquable dans le sens où il n’incorpore pas le fait que certains actifs sont compensés par des passifs n’étant pas de la dette et qu’il est donc influencé par le niveau brut d’échanges commerciaux. Un autre questionnement réside dans le choix de la valeur aux livres ou de la valeur de marché. Nous considérerons que la mesure aux livres des éléments du bilan est une mesure acceptable. En effet, la corrélation entre valeur aux livres et valeur de marché est généralement très élevée, ce qui montre que l’utilisation de l’une ou de l’autre mesure n’importe peu. De plus, les dirigeants se basent sur des ratios financiers qui reflètent souvent des valeurs aux livres. Notons cependant que dans le cas de la valeur des fonds propres, nous utiliserons la valeur de marché puisque celle-ci est facilement observable (contrairement à la valeur de marché de la dette par exemple). 33 Finalement et dans un souci de robustesse, il nous a paru cohérent d’utiliser plusieurs mesures du levier financier afin d’examiner les déterminants de la structure financière des entreprises. Ainsi, nous utiliserons les deux suivants : La valeur aux livres de l’ensemble de la dette sur la valeur aux livres de l’ensemble de la dette ainsi que la valeur de marché des fonds propres La valeur aux livres de la dette à long terme sur la valeur aux livres de l’ensemble de la dette ainsi que la valeur de marché des fonds propres Notons qu’à des fins de lissage, la valeur de marché des fonds propres sera calculée comme la moyenne de la valeur de marché des fonds propres des deux dernières semaines avant la clôture de l’exercice financier (dix derniers cours boursiers). Cela réduira notre exposition au bruit. Finalement, il est important de souligner que nous avons préféré un ratio de type dette sur fonds propres plutôt qu’un ratio dette sur valeur de la firme pour des raisons purement économétriques. Il est en effet préférable d’un point de vue économétrique de choisir un ratio borné par 0 et 1 (plutôt qu’un ratio borné par 0 et plus l’infini) surtout dans le cadre de régressions de moindres carrées ordinaires. 4.1.2 Choix des différents déterminants utilisés Nous présentons ici les différentes variables utilisées afin de modéliser les déterminants de la structure du capital. Concernant les déterminants spécifiques à la firme, nous avons fait appel à 11 variables différentes. La taille de la firme (TAILLE) sera mesurée comme le logarithme du total des actifs de la firme, comme cela est notamment le cas dans la plupart des études. La profitabilité (PROFIT) sera déterminée par le ratio du résultat net avant charges financières et imposition (EBIT) sur le total des actifs. Les perspectives de croissance de la firme (CROISS) seront mesurées par le ratio de la valeur de marché des actifs sur leur valeur comptable (« market-to-book ratio »).Plus précisément, nous utiliserons la somme de la valeur de marché des fonds propres et de la dette divisée par la valeur aux livres des actifs. Afin de mesurer le caractère tangible des actifs (TANG), nous utiliserons le ratio des immobilisations corporelles (PPE) sur le total des actifs. Les dividendes (DIV) seront déterminés par le ratio des dividendes sur le total des actifs. La liquidité de la firme (LIQUID) sera elle mesurée par le ratio de liquidité générale soit le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) sera déterminé par le taux d’imposition effectif moyen soit le ratio des taxes payées sur le résultat net avant imposition (EBT). Les avantages fiscaux non liés à la dette (AV_FISC) seront mesurés par le ratio des amortissements (« depreciation, depletion et amortization ») sur le total des actifs. 34 Afin de prendre en compte dans notre modèle le développement économique du pays, nous allons considérer trois variables macroéconomiques. Le PIB par habitant (PIB) sera un indicateur des différences de richesse entre les pays puisqu’il reflète le niveau de développement économique de ce dernier. Le taux de croissance du PIB (CROISS_PIB) permettra de représenter les opportunités de croissance disponibles sur le marché pour les firmes. Finalement, le taux d’inflation du pays (INF) sera la dernière variable macroéconomique utilisée. Pour ce qui a trait au développement des marchés financiers, nous avons choisi plusieurs variables afin de quantifier le développement du marché boursier ainsi que du marché bancaire du pays. Ainsi, le développement du marché boursier sera représenté par trois variables. Le ratio de la capitalisation boursière sur le PIB (CAP/PIB) permettra de mesurer la taille du marché boursier mais aussi son aptitude à allouer du capital à des projets d’investissements et à fournir des opportunités significatives de diversification du risque pour les investisseurs. Le ratio du volume total des actions échangées sur le PIB (VOL/PIB) retranscrira la liquidité du marché puisqu’il représente la possibilité d’échanger des positions significatives sur le marché. Enfin, le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL/CAP) sera lui aussi une mesure de liquidité du marché boursier, mais non ajustée quant à la taille du marché relative à l’économie. Le développement du marché bancaire sera à son tour mesuré par deux variables. Le ratio de l’agrégat monétaire M2 sur le PIB (M3/PIB) sera un indicateur de la taille du secteur bancaire par rapport à l’économie dans son ensemble. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV/PIB) reflètera le rôle des banques dans l’approvisionnement en financement à long terme aux entreprises privées. Notons finalement que toutes les variables macroéconomiques et ayant trait aux institutions financières sont tirés de la base de données de la World Bank. Finalement, nous avons mesuré le développement légal de chaque pays grâce à trois indicateurs. Nous avons choisi d’utiliser la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010) afin de développer un indice du niveau de la qualité des institutions (QUAL_INSTIT). Ces indicateurs sont les suivants : la qualité des régulations, l’efficience du gouvernement, la stabilité politique et l’absence de violence, l’état de droit (« Rule of Law »), la liberté d’expression et le contrôle de la corruption. Notons que cette moyenne peut être comprise entre -2.5 et 2.5, une note de -2.5 reflétant une pauvre qualité des institutions et une note de 2.5 une très bonne qualité des institutions. Il est important de souligner que nous avons du réaliser une interpolation linéaire afin d’obtenir une donnée pour l’année 2001 concernant le niveau de la qualité des institutions ainsi que le contrôle de la 35 corruption. Une interpolation linéaire nous a en effet semblé acceptable puisque nous disposions de données pour la période 2000-2010 (à l’exception de 2001) et que ces données ne démontraient que peu de variabilité. Afin de prendre en compte la protection des actionnaires (ACTIO) ainsi que la protection des créanciers (CREAN), nous utiliserons les indices développés par le « Center of Business Research » (CBR) de l’université de Cambridge. Notons que les données concernant la protection des droits des actionnaires et des créanciers ne sont disponibles que pour la période 2000-2005 et que nous utiliserons donc ces variables à des fins de robustesse seulement. La variable relative à la protection des actionnaires est construite comme la moyenne des dix indicateurs développés par le CBR, chaque indicateur étant compris entre 0 et 1 (une note de 1 reflétant une meilleure protection). À des fins informatives, voici les dix indicateurs qu’utilise le CBR afin de construire une mesure du degré de protection des actionnaires : la présence de membres indépendants au sein du conseil d’administration, l’interdiction de droits de vote multiple, la facilité de licencier un directeur, l’obligation de révéler sa participation dans la firme à partir d’un certain pourcentage, la présence d’un « mandatory bid » en cas de rachat d’une large part d’actions, la possibilité pour les actionnaires d’agir contre les résolutions du conseil d’administration, l’application privée des devoirs des directeurs (« derivative suit »), le pouvoir de l’assemblée générale lors de la vente d’actifs, le pouvoir des actionnaires de fixer des objets sur le calendrier et enfin, la possibilité de faciliter le vote aux actionnaires (« proxy solicitation » et « postal voting » ). La variable mesurant le degré de protection des créanciers est elle-aussi construite comme la moyenne des dix indicateurs développés par le CBR. Ces indicateurs s’intéressent à trois grands sujets tels que les restrictions sur certaines activités de l’emprunteur, les droits contractuels des créanciers ainsi que leurs droits en cas de procédure de faillite. 4.2 Échantillon de l’étude Notre étude porte sur les pays du BRICS, soit le Brésil, la Russie, l’Inde, la Chine et l’Afrique du Sud. Nous désirions en effet fixer notre étude sur des pays en voie de développement et les pays du BRICS étaient ceux pour lesquelles nous détenions des données de meilleure qualité. De plus, les BRICS représentent un échantillon particulier par les nombreux accords et projets les reliant. Nous restons tout de même conscients du fait que les BRICS ne sont pas pleinement représentatifs de l’ensemble des pays en voie de développement. Afin d’avoir une idée plus claire de la situation économiques de ces cinq pays, il nous a semblé pertinent dans un premier temps de dresser un petit portrait de chacun de ces pays, notamment en terme de développement de leur systèmes financiers. Par la suite, nous nous 36 attarderons sur le choix de notre période temporelle ainsi que sur la technique de filtrage utilisée afin d’aboutir à notre échantillon final. 4.2.1 Présentation des pays des BRICS en terme de développement des systèmes financiers Nous tacherons ici de dresser un bref portrait de chacun des cinq pays étudiés dans ce mémoire. Ainsi, nous nous attarderons dans un premier temps sur certains indicateurs de développement puis nous décrirons le développement de leur système financier, tant bancaire que boursier. Brésil Avec un indicateur de développement humain de 0,813 en 2009, le Brésil présente un indice de développement dit élevé (IDH supérieur à 0,800). Ce niveau reste assez élevé pour un pays émergent puisque les brésiliens ne bénéficient que de certaines dimensions de développement humain. Les efforts réalisés dans le domaine de la santé et de l’éducation font du Brésil le second pays des BRICS en termes d’espérance de vie à la naissance (72 ans contre 73 ans pour la Chine) et le pays où le taux de scolarisation est le meilleur. Avec un IPH-1 de 8,6%, l’indicateur de pauvreté classe le Brésil au 43ème rang. La pauvreté est encore très présente notamment dans les régions agricoles : 3% de la population n’a pas accès à de l’eau potable améliorée et 21,4 % vit sous le seuil de pauvreté national en 2009. Le tableau 4-1 ci-dessous fait état des divers indicateurs de développement étudiés ici. Tableau 4- 1: Principaux indicateurs de développement pour le Brésil IDH Indicateur de pauvreté humaine (IPH -1) Rang Valeur Espérance de vie à la naissance (années) 0,813 43 72,75 8,6 Taux d’alphabétisation des adultes (% de la population au dessus de 15 ans) 90 Taux de scolarisation (%) PIB par habitant (en dollar ppa) Population ayant accès à une source d’eau potable améliorée (%) 96 10388 97 Population vivant en dessous du seuil de pauvreté monétaire (%) 1,25 2$ Seuil $ par national par jour de jour pauvret é 6,14 10,8 21,4 Si l’on s’attarde désormais sur le système bancaire brésilien, on remarque que celui-ci est marqué par une forte présence du secteur public ainsi qu’une faible participation des banques étrangères. Les actifs totaux réunis au sein du secteur bancaire totalisent 180% du produit intérieur brut. De ces 180%, plus que la moitié sont détenus par des institutions de dépôt, un tiers par des fonds de pension et des fonds d’investissements et environ 6% par des compagnies d’assurance. Les conglomérats financiers sont très présents et contrôlent environ 75% des actifs du système. De plus, la 37 présence du secteur public est très marquée puisque les banques détenues par le gouvernement comptent pour 40% des actifs bancaires totaux. Finalement, la présence de banques étrangères est plutôt faible par rapport aux autres pays d’Amérique Latine puisqu’elle représente seulement 17% des actifs bancaires. Le tableau 4-2 ci-dessous fait part des différents acteurs présents sur le marché bancaire brésilien. Tableau 4- 2: Répartition des principaux acteurs du marché bancaire brésilien Depositary institutions Multiple and commercial banks Of which, by size : Large banks Medium banks Small banks Of which by ownership : Federal government-owned banks State government-owned banks Private banks, domestically-controlled Private banks, foreign-control Development banks Savings banks Savings and loans associations Credit unions Investment banks Consumer Finance companies Real estate credit companies Micro-financing institutions Non-depositary financial institutions Insurance Companies Investment and asset managers Number of instituions 1603 125 Financial sector assets (in 2011) (R$ billion) (Percent of total) 4387 59,4 3244 43,9 (Percent of GDP) 105,9 78,3 9 31 85 2765 371 108 37,4 5,0 1 66,7 9,0 2,6 3 5 64 53 4 1 2 1277 5 31 16 37 753 59 1680 752 580 464 4 85 3 4 3 0 10 0,8 22,7 10,2 7,8 6,3 0,0 1,2 0,0 0,0 0,0 0,0 18 1,4 40,5 14,0 14,0 11,2 0,1 2,1 0,1 0,1 0,1 0,0 613 169 486 23 426 2815 0,3 5,8 36,8 0,6 10,3 67,9 En 2008, le brésil s’est doté d’un nouveau système de bourse très sophistiqué qui réuni le « Brazilian Mercantile & Futures Exhange » (BM&F) et la bourse de Sao Paulo (Bovespa). Ce nouveau BM&F Bovespa permet d’échanger une large variété de produits tels que les actions, les futures, les commodités, les forwards ainsi que les obligations corporatives et gouvernementales. A peu prés une douzaine d’indices appartiennent au BM&F Bovespa, le plus populaire étant l’indice Bovespa qui couvre 38 environ 80% des échanges en termes de volume et 70% en termes de capitalisation boursière. Actuellement, environ 450 entreprises sont listées dans l’indice Bovespa. La bourse de Rio de Janeiro (BVRJ) représente le deuxième plus important marché des changes. On y échange plus particulièrement des obligations gouvernementales ainsi que des devises. Notons finalement que le Brésil est assez libéral en matière d’investissements étrangers puisque les investisseurs non résidents (individuels ou entités légales) peuvent investir dans la plupart des instruments financiers et du marché des capitaux qui sont disponibles aux résidents. Russie L’indicateur de développement humain de la Russie avec une valeur de 0,817 est le plus élevé de l’ensemble des pays des BRICS et classe la Fédération dans les pays à développement humain élevé. L’amélioration de celui-ci s’explique notamment par l’augmentation de l’espérance de vie et du niveau de vie des russes. Cependant, l’espérance de vie à la naissance en Russie est encore très faible (68,60) notamment à cause de la faible espérance de vie des hommes. Avec un taux d’alphabétisation des adultes de 95,65% en 2009, la Russie a un des niveaux d’alphabétisation les plus élevé du monde. L’indicateur de pauvreté humaine pour la Russie est de 7,4%, ce qui classe la Russie au 32 ème rang des pays pour lesquelles cet indice a été calculé. Ce niveau est faible pour un pays émergents mais reste toutefois assez élevé pour un pays développé. Le tableau 4-3 ici bas recense les principaux indicateurs de développement pour la Russie. Tableau 4- 3: Principaux indicateurs de développement pour la Russie IDH Indicateur de pauvreté humaine (IPH -1) Rang Val eur Espérance de vie à la naissance (années) Taux d’alphabétisation des adultes (% de la population au dessus de 15 ans) 0,817 32 68,60 99,55 7,4 Taux de scolarisation (%) 95,65 PIB par habitant (en dollar ppa) 18891 Population ayant accès à une source d’eau potable améliorée (%) 97 Population vivant en dessous du seuil de pauvreté monétaire (%) 1,25 2$ Seuil $ par national par jour de jour pauvreté 0,16 1,49 Le secteur bancaire de Russie est assez restreint par rapport à celui du Brésil par exemple. Ainsi, en 2010, les actifs des institutions financiers totalisent seulement 80% du produit intérieur brut. On remarque aussi que le système bancaire russe est principalement dominé par les banques commerciales 11,9 39 et que les banques représentent plus de 93% des actifs totaux. Tout comme dans les autres pays, la consolidation au sein des banques est de plus en plus importante notamment suite à l’impact de la crise mais aussi à de nouvelles réglementations qui rehaussent le capital minimum requis pour les banques. Notons toutefois que le nombre de banques en Russie reste important et que le système bancaire est majoritairement constitué de banques détenues par l’état. La forte présence des banques d’état influe largement sur l’environnement compétitif : puisque celles-ci sont vu comme plus sures aux yeux des investisseurs, le banques privées doivent attirer les investisseurs en leur offrant des conditions plus avantageuses. Qui plus est, les banques détenues par l’état bénéficient d’un accès prioritaire aux liquidités d’urgence attribuées en cas de crise financière. Le système bancaire russe reste alors très intégrée au réseau des grandes entreprises, entreprises qui sont souvent contrôlées par des oligarques proches du pouvoir politique. L’intégration du reste du monde au sein du système bancaire russe est plutôt faible puisque les banques étrangères représentent seulement 17% du système boursier en terme d’actifs. De même, les institutions financières non-bancaires sont très faiblement représentées dans la structure financière de la Russie : les compagnies d’assurance, les fonds d’investissements et les fonds de pension privés représentent chacun moins de 3% des actifs totaux. Finalement, notons que le gouvernement Russe a lancé un programme afin de privatiser partiellement les banques d’état d’ici 2015. Parallèlement, le gouvernement tente de réduire le nombre de représentants de l’état au sein des conseils d’administration des compagnies publiques et des banques détenues par l’état. Même si ces mesures représentent un certain progrès au sein du système bancaire russe, il n’est pas garanti que cela change démesurément la structure du marché financier puisque les principales banques de Russie sont toujours vues comme détentrices de garanties implicites de l’état. Les principaux acteurs du marché bancaire russe sont présentés dans le tableau 4-4 ci-dessous. La principale bourse de valeurs en Russie est le “Russian Trading System” (RTS) qui fut fondée initialement à Moscou en 1995 sur le modèle du Nasdaq américain et qui rassemble les 50 plus grandes valeurs russes. Notons que plus de 50% des participants du marché en termes de volume et de valeur sont des banques et que malgré le grand nombre de compagnies publiques enregistrées seulement une faible fraction de celles-ci est cotée en bourse. De plus, les dix principales compagnies cotées comptent pour plus de 50% en termes de valeur de marché et plus de 80% en termes d’activité au sein du marché. Les 30 plus grandes compagnies représentent alors plus de 80% de la capitalisation boursière. 40 Tableau 4- 4: Répartition des principaux acteurs du marché bancaire en Russie Credit institutions Banks State-owned banks Other local banks Foreign Banks Nonbank credit instituions Number of institutions 1012 955 21 844 90 57 Nonbank financial instituions Insurance companies Unit investment funds (PIF) Private pension funds Total Total assets in percent of GDP Financial Assets in 2010 Assets (Rub bn) Percent of total 33805 33673 13871 13717 6084 132 93,8 93,4 38,5 38,1 16,9 0,4 Na Na 796 158 2241 960 420 862 6,2 2,7 1,2 2,4 Na 36046 81,0 100 Inde L’indicateur de développement humain de l’inde est de 0,612 ce qui classe l’Inde au sein des pays ayant un développement humain moyen (IDH compris entre 0,500 et 0,800). L’inde est alors le pays des BRICS ayant le plus mauvais IDH. Ce faible résultat s’explique notamment par la faiblesse de deux indicateurs : l’espérance de vie à la naissance qui n’est que de 64,77 (et qui est alors le plus faible des BRICS) ainsi que le taux d’alphabétisation de 68%. De plus, le PIB ppa par habitant en 2009 est le plus faible des BRICS. Avec un indicateur de pauvreté humaine (IPH-1) de 28% en 2009, l’inde se classe 88ème dans le classement. Ainsi prés d’un tiers de la population n’a pas accès aux dimensions fondamentales du développement que sont la bonne santé, les connaissances et un niveau de vie décent. Ainsi, 29,8% de la population vit en dessous du seuil de pauvreté national et 68,7% de la population vit avec moins de 2$ par jour. Notons finalement la forte inégalité qui sévit entre les femmes et les hommes de la naissance à la vie professionnelle et notamment lors de la scolarisation. Ces indicateurs de développement sont regroupés au sein du tableau 4-5 ci-dessous. 41 Tableau 4- 5: Principaux indicateurs de développement en Inde IDH 0,612 Indicateur de pauvreté humaine (IPH -1) Rang Valeur Espérance de vie à la naissance (années) 88 64,77 28 Taux d’alphabétisation des adultes (% de la population au dessus de 15 ans) Taux de scolarisation (%) 68 94,55 PIB par habitant (en dollar ppa) 3086 Population ayant accès à une source d’eau potable améliorée (%) 91 Population vivant en dessous du seuil de pauvreté monétaire (%) 1,25$ par jour 2$ par jour 32,67 68,7 Seuil national de pauvreté 29,8 Les efforts en termes de libéralisation réalisés en Inde dans les débuts des années 90s ont largement affecté le système financier indien et ont contribué a lancé l’inde dans une période de croissance soutenue. Ainsi, de nombreuses réformes du système bancaire ont eu lieu comme notamment la disparition du contrôle sur les taux d’intérêts, la réduction des réserves et des ratios de liquidité des banques, le relâchement des politiques de crédit… L’entrée sur le marché de nouvelles banques publiques et privées a aussi été facilité avec ces efforts de libéralisation ce qui a notamment augmenté considérablement le nombre d’institutions financières en Inde. Cependant, malgré la prolifération des banques privées en Inde, le secteur bancaire est toujours majoritairement dominé par des banques contrôlées par le gouvernement. Ainsi, ces banques détenues par l’état représentent environ trois quarts des actifs bancaires totaux. Plus précisément, les banques publiques détenaient sur la période 2009-2010 73,3% des actifs bancaires, tandis que les banques privées en détenaient 19,1% et les banques étrangères 7,2%. Le tableau 4-6 ici-bas fait état des principales banques en Inde et présente en autre leurs capitalisations boursières et leurs principaux actionnaires. Tableau 4- 6: Principales banques indiennes en 2011 Bank State Bank of India ICICI Bank Punjab National Bank Bank of Baroda Bank of India Canara Bank IDBI Bank HDFC Bank Union Bank of India Axis Bank Majority Shareholding Asset Size (in $ Billions) Government Private Government Government Government Government Government Private Government Private 314 81 66 62 61 59 52 49 43 40 Market Capitalization (in $ Billions) 36,6 25,6 7,6 7,3 5,1 5,5 2,9 22,2 3,7 11,6 42 Notons que le secteur bancaire indien est considéré comme relativement stable, la crise financière ne l’a d’ailleurs que très peu affecté. Malgré cela, l’accès aux services bancaires reste assez limité pour la population : 40% de la population ne détient pas de comptes en banques et seulement 15% ont déjà réalisé des emprunts. Ce manque d’accès au système bancaire fait d’ailleurs que l’Inde est classé que 37ème des 55 pays notés par le World Economic Forum en termes de développement financier, derrière d’autres pays du BRICS tels que la Chine, l’Afrique du Sud et le Brésil. En Inde, le National Stock Exchange (NSE) et le Bombay Stock Exchange représentent les deux principales bourses de valeurs. Le NSE fait partie des 20 plus grosses bourses du monde en termes de capitalisation boursière et est donc aussi la plus grosse bourse en Inde en termes de nombre d’échanges notamment pour les actions et les produits dérivés. Ainsi, le NSE détenait une capitalisation boursière d’un milliard de dollars US avec plus de 1652 compagnies cotées en juillet 2012. L’indice phare du NSE est le S&P CNX Nifty (NSE NIFTY) qui dresse la liste des 50 plus grosses capitalisations boursières. Chine En 2009, la Chine présente un indice de développement humain (IDH) de 0,772 et occupe alors la classe de pays à développement humain moyen. L’amélioration du développement humain s’explique ici par la croissance économique, la hausse du pouvoir d’achat et les efforts réalisés notamment dans le domaine de l’éducation. La chine présente alors un taux d’alphabétisation correct (93,98%) mais un taux de scolarisation souvent faible. Ceci est souvent la cause des inégalités existantes entre les milieux urbains et ruraux en Chine. L’indicateur de pauvreté humaine (IPH-1) s’élève à 7,7% en 2009 et classe la Chine au 36ème rang. Toutefois, ce résultat ne fait pas état des contrastes en termes de pauvreté existants en Chine. En effet, 10% de la population n’a pas accès à une source d’eau potable améliorée et 36,94% de la population vit avec moins de 2$ par jour. La chine est alors un pays où les inégalités sont nombreuses notamment entre régions et des efforts sont à faire en termes d’harmonisation de la société. Les principaux indicateurs de développement sont présentés dans le tableau 4-7 ci-dessous. 43 Tableau 4- 7: Principaux indicateurs de développement pour la Chine IDH 0,772 Indicateur de pauvreté humaine (IPH -1) Rang Valeur Espérance de vie à la naissance (années) 36 73,06 7,7 Taux d’alphabétisation des adultes (% de la population au dessus de 15 ans) 93,98 Taux de scolarisation (%) NA PIB par habitant (en dollar ppa) 6809 Population ayant accès à une source d’eau potable améliorée (%) 90 Population vivant en dessous du seuil de pauvreté monétaire (%) 1,25$ par jour 2$ par jour Seuil national de pauvreté 16,25 36,94 NA Depuis quelques années, la China a pris l’initiative de réformer son système financier et de l’orienter vers un aspect plus commerciale. Ainsi, de nombreuses réformes ont été lancé à travers le pays comme notamment une recapitalisation du système bancaire, la création de nouveaux marchés des capitaux, l’introduction de nouvelles régulations, l’ouverture progressive du système financier, des réformes portant sur les politiques de taux de change et de taux d’intérêt mais aussi sur les coopératives rurales. Le système bancaire chinois est extrêmement important puisque ces actifs représentent plus de 200% du produit intérieur brut. Cependant, ce système reste dominé par un petit nombre d’acteurs et notamment de banques. Ainsi, les plus grandes banques commerciales représentent plus de deux tiers des actifs bancaires du système tandis que les actifs des quatre principales banques excèdent chacune 25% du produit intérieur brut. Notons finalement que les banques étrangères sont très faiblement intégrées au marché chinois puisqu’elles représentent seulement 1,6% des actifs bancaires totaux du système. Finalement, les institutions financières non-bancaires n’occupent qu’une petite place dans le système financier et malgré leur croissance rapide, elles restent petites comparativement aux banques. Le tableau 4-8 présente la répartition des différents acteurs du système bancaire chinois. La bourse de Shanghai ou plus particulièrement « The Shanghai Stock Exchange » (SSE) est une des deux bourses de valeurs opérant individuellement en Chine, la deuxième étant « the Shenzhen Stock Exchange ». Le SSE est un des plus grands marchés des changes du monde en termes de capitalisation boursière. Cette dernière atteignait en effet plus de 2,3 milliards de dollars US en décembre 2011 et se classait alors cinquième du monde. Notons cependant que la bourse de Shanghai n’est pas encore totalement ouverte aux investisseurs étrangers, contrairement à la bourse de Hong Kong par exemple. 44 Tableau 4- 8: Répartition des principaux acteurs du marché bancaire en Chine Banking Institutions Commercial banks Large commercial banks Joint-stock commercial banks City commercial banks Rural commercial banks Foreign banks Policy banks and China Development Bank China Postal Savings Banks Cooperative financial institutions New-type rural financial institutions Non –Bank Financial Institutions Insurance companies Pension funds Fund management companies Securities investment funds Securities firms Futures companies Qualified foreign institutional investors Other non-bank financial institutions Number of institutions 3639 379 5 12 147 85 130 3 1 2870 386 782 125 1 63 704 106 164 106 213 Financial Assets in 2010 Total Assets Share of Total (in bln RMB) Assets 93215 87,6 74160 69,7 46894 44,1 14904 14,0 7853 7,4 2767 2,6 1742 1,6 7652 7,2 3397 3,2 7893 7,4 113 0 13168 4965 1138 2520 2520 1967 192 297 2089 12,4 4,7 1,1 2,4 2,4 1,8 0,2 0,3 2,0 Share of GDP 234,2 186,3 117,8 37,4 19,7 7,0 4,4 19,2 8,5 19,8 0,3 33,1 12,5 2,9 6,3 6,3 4,9 0,5 0,7 5,2 Afrique du Sud Avec un IDH de 0,683 l’Afrique du Sud se classe parmi les pays à développement humain moyen et est alors le second pays des BRICS ayant l’indice de développement humain le plus mauvais. Ceci est notamment du à une espérance de vie extrêmement faible (51,61 ans) mais aussi à un taux de scolarisation assez faible (90%). De plus, 9% de la population n’a pas encore accès à une source d’eau potable améliorée et 31,33% de la population vit avec moins de 2$ par jour. Ainsi, l’indicateur de pauvreté humaine est très élevé (25,4%), même si celui-ci reste meilleur que l’inde. Tout comme en Chine, les inégalités entre les milieux ruraux et urbains sont très importantes. Le tableau 4-9 dresse la liste des principaux indicateurs de développement étudiés ici. 45 Tableau 4- 9: Principaux indicateurs de développement pour l’Afrique du Sud IDH 0,683 Indicateur de pauvreté humaine (IPH -1) Rang Valeur Espérance de vie à la naissance (années) 85 51,61 25,4 Taux d’alphabétisation des adultes (% de la population au dessus de 15 ans) Taux de scolarisation (%) NA 90 PIB par habitant (en dollar ppa) 10265 Population ayant accès à une source d’eau potable améliorée (%) 91 Population vivant en dessous du seuil de pauvreté monétaire (%) 1,25$ par jour 2$ par jour Seuil national de pauvreté 13,77 31,33 NA En Afrique du Sud, les banques commerciales s’imposent largement comme le plus gros segment du secteur financier avec des actifs représentant près de 120% du produit intérieur brut. Quatre principales banques domestiques dominent l’industrie (Standard Bank of South Africa, Absa Bank, FirstRand Bank et NedBank) puisqu’ à elles seules la totalité de leurs actifs représentent 85% des actifs bancaire de l’ensemble du système financier en juin 2011. Standard Bank est la banque la plus grosse en termes d’actifs puisqu’elle détient une part de marché de 26%. Suivent ensuite Absa avec 22%, FirstRand avec 19% et NedBank avec 18% de part de marché en termes d’actifs. De plus, ces banques ont une présence établie à l’international et ont pu se diversifier en s’étendant sur le reste du continent africain. Les compagnies d’assurance sont aussi un joueur important sur le marché financier. Ainsi, les actifs des compagnies d’assurance vie représentaient environ 80% du produit intérieur brut à la fin de l’année 2007. Notons finalement qu’en Afrique du Sud la proportion de la population ayant accès à un compte bancaire a considérablement augmenté ces dernières années puisque seulement 33% y avait accès en 2005 contre 45% en 2007. Le Johannesburg Stock Exchange (JSE) fut crée en 1887 et représente aujourd’hui la principale bourse de valeurs en Afrique du Sud ainsi qu’une des vingt plus importantes bourses du monde en termes de capitalisation boursière. Le JSE représente donc le marché idéal pour les investisseurs locaux et étrangers qui souhaitent investir en Afrique du Sud mais aussi sur l’ensemble du continent Africain. 46 4.2.2 Période temporelle et filtrage des données Notre étude s’échelonne sur une période de onze ans, soit de 2000 à 2010. Nous pensons en effet que cette période temporelle est suffisante pour capter les effets du temps ainsi que diverses phases économiques. De plus, notons que nous sommes limités dans notre recherche par la difficulté d’accessibilité aux diverses données pour des pays tels que ceux des BRICS. En effet, nous avions dans un premier temps recueilli l’ensemble des données pour une période de quinze ans s’étalant de 1996 à 2010 mais nous avions vite remarqué de grosses carences d’informations pour les années 1996 à 1999 ce qui nous obligea à réduire notre échelle temporelle. Le manque d’information pour de telles données pourrait notamment s’expliquer par le récent développement du marché boursier lors de ces années-là ou encore par la naissance tardive de certaines firmes de l’indice. Notons d’ailleurs que la majorité des indices boursiers que nous avons sélectionné n’ont été développé que tardivement. Nous avons choisi d’utiliser des données annuelles puisqu’une grande partie de nos variables et notamment toutes les variables spécifiques au pays, sont reportées annuellement. Enfin, l’utilisation de WorldScope afin de recueillir les données spécifiques aux firmes ne permettait pas non plus d’obtenir des données trimestrielles. Nous avons réalisé la sélection des entreprises étudiées au sein de nos différents pays grâce aux indices boursiers existants au sein de ces pays. En effet, les entreprises d’un indice boursier nous semblaient dresser une bonne représentation de l’activité économique d’un pays. Afin d’obtenir un échantillon de firmes observables sur lequel nous puissions travailler, nous avons du appliquer plusieurs filtres. Dans un premier temps, nous avons supprimé des indices boursiers toutes les institutions financières, telles que les banques, les compagnies d’assurances ou tout autre établissement financier puisque ce type d’établissement est soumis à des réglementations distinctes et plus sévères et qu’il utilise des méthodes de financement différentes. En second lieu, nous avons du nous séparer des entreprises ne figurant pas dans notre base de données, soit Worldscope. Le troisième filtre que nous avons appliqué a supprimé les entreprises pour lesquelles nous n’avions pas d’informations concernant la valeur de marché de leurs fonds propres et donc, dont le calcul de notre valeur dépendante (soit le ratio de la valeur aux livres de la dette sur la valeur de marché des fonds propres) était impossible. Malheureusement ce filtre a causé la perte d’une grande partie de notre échantillon mais cela était prévisible lorsque nous nous intéressons à des pays comme les BRICS où l’information financière se fait rare. Par la suite, nous avons choisi de supprimer de nos observations les firmes ayant un endettement nul. Bien que nous reconnaissons l’existence de ce type de firmes qui choisit de ne pas se financer par 47 de la dette, nous les avons volontairement exclues puisqu’elles ne s’inscrivent pas dans notre modèle. Cela semble en effet cohérent avec notre problématique qui est de déterminer les variables que prennent en compte les firmes choisissant de s’endetter afin de déterminer leur structure du capital. Notons qui plus est que cela nous permettra une meilleure spécification économétrique. Enfin et en dernier lieu, nous avons exclu de notre échantillon les entreprises pour lesquelles nous ne disposions pas d’assez d’informations afin de calculer nos variables spécifiques à la firme. Pour cela nous nous sommes fixés un seuil de tolérance arbitraire s’élevant à 10% de l’ensemble de nos variables spécifiques à la firme. Ainsi, toutes les entreprises dont nous manquions de plus de 10% des variables spécifiques à la firme (soit plus de 8 variables sur les 88) ont été supprimées. Le tableau 4-1 ci-dessous fait l’état des divers filtres qui ont été appliqués et précise notamment les indices boursiers qui ont été utilisés. Tableau 4- 10: Application de filtres sur notre échantillon PAYS INDICES Brésil BOVESPA Index RST Index Russie Inde Chine Afrique du Sud S&P CNX NIFTY SSE 50 Nombre de firmes dans l’indice 65 Filtre 1 Filtre 2 Filtre 3 Filtre 4 Filtre 5 Nombre de firmes étudiées 11 3 21 0 1 29 (53,7%) 50 9 1 30 0 1 50 9 0 10 1 0 9 (22%) 30 (73,2%) 50 17 1 19 1 1 13 1 4 1 0 59 6 84 3 1 FTSE/JSE 42 Africa Top40 TOTAL 257 11 (33,3%) 23 (79,3%) 102 (51,5%) LEGENDE : Le filtre 1 correspond au nombre de firmes dites financières qui ont été supprimé de l’échantillon tandis que le filtre 2 représente les entreprises dont les données n’étaient pas disponibles sur WorldScope. Le filtre 3 fait l’état du nombre de firmes exclues de l’étude du à un manque d’informations concernant la valeur de marché de leur fonds propres et donc de leurs leviers financier. Le filtre 4 représente les firmes dont la structure du capital ne comportait pas de dette et qui ont donc été supprimé de notre échantillon. Enfin, le filtre 5 fait état du nombre d’entreprises exclues de l’échantillon, faute d’assez de données relatives aux déterminants dits spécifiques à la firme. Le pourcentage de firmes étudiées se base sur le total des firmes non financières au sein des indices boursiers. 48 4.3 Statistiques descriptives 4.3.1 Leviers financiers Dans un premier temps, nous avons choisi de nous intéresser aux différentes mesures du levier financier des entreprises. Le tableau 4-2 ci-dessous dresse une liste des ratios les plus fréquemment utilisés et rend lieu des moyennes obtenues pour l’ensemble de notre échantillon ainsi que pour nos cinq pays pris en compte séparément. Tableau 4- 11: Statistiques descriptives pour l'ensemble des ratios de levier financier par pays Mesure du levier financier Dette totale/ (dette totale + valeur de marché des fonds propres) Dette à long terme/ (dette totale+ valeur de marché des fonds propres) Dette à long terme / Dette totale Dette totale / Actifs totaux Ensemble de l’échantillon 0.6099695 (0.3026207) Brésil Russie Inde Chine 0.8208911 (0.1931474) 0.4941102 (0.3063869) 0.4995635 (0.3332896) 0.6607546 (0.2585613) Afrique du Sud 0.5118542 (0.2406233) 0.4039423 (0.2694463) 0.5770717 (0.229813) 0.2793305 (0.2315032) 0.3724192 (0.289037) 0.3325603 (0.2131528) 0.3087189 (0.2176252) 0.6161756 (0.2824675) 0.6722882 (0.2317393) 0.5096407 (0.2932925) 0.6729962 (0.2948793) 0.4831772 (0.2525674) 0.5762144 (0.2952986) 0.2334203 (0.1567224) 0.3164584 (0.1556847) 0.1278908 (0.1154973) 0.2115296 (0.1610565) 0.2588286 (0.1393499) 0.1859679 (0.1183445) Dette à long terme / Actifs totaux 0.157175 (0.1285173) 0.2219464 (0.1303605) 0.0786741 (0.0939077) 0.1593478 (0.1378461) 0.1339686 (0.1022872) 0.1140736 (0.0951196) Intéressons nous tout d’abord aux ratios qui feront office de mesure du levier financier dans notre étude, soit le ratio de la dette totale sur l’ensemble de la dette totale et de la valeur de marché des fonds propres et le ratio de la dette à long terme sur l’ensemble de la dette et des fonds propres. Le premier ratio utilisé varie entre 49,4% pour la Russie et 82,1% pour le Brésil et présente une moyenne de 61%, ce qui nous permet de séparer notre échantillon en deux groupes distincts : celui des pays utilisant le plus de dette avec le Brésil et la Chine et celui des pays en utilisant moins avec la Russie, l’Inde et la Chine. Le deuxième ratio classe nos firmes dans la même position en termes d’endettement, le Brésil étant le pays émettant le plus de dette à long terme et la Russie le pays en émettant le moins. Seule la Chine représente ici une exception puisqu’elle qui semble détenir qu’un faible montant de dette 49 à long terme par rapport à l’ensemble de la dette contractée. Ceci est d’ailleurs confirmé par son ratio de dette à long terme sur dette totale qui est le plus faible de l’ensemble des pays. Il est important de souligner ici que les différences entre les ratios de la dette totale et ceux de la dette à long terme sont bien plus prononcées que dans les pays développés. C’est d’ailleurs ce qu’énonçaient Demirguc-Kunt et Maksimovic (1999) dans leur étude en mettant en relief le fait que les pays en voie de développement utilisaient des montants de dette à long terme beaucoup moins importants que dans les pays développés. Ici, nous remarquons qu’en moyenne la dette à long terme représente 60% seulement de l’ensemble de la dette de notre échantillon. Deux autres mesures du levier financier utilisées par les chercheurs sont les ratios de la dette sur l’ensemble des actifs et de la dette à long terme sur l’ensemble des actifs. Ces ratios permettent de savoir quel pourcentage de l’actif a été financé par de la dette et de la dette à long terme. Ainsi, pour l’ensemble de notre échantillon, 23% des actifs en moyenne seraient financés par de la dette et plus particulièrement 16% par de la dette à long terme. Les résultats sont assez semblables à précédemment puisque le Brésil et la Chine apparaissent comme les pays les plus endettés. Afin d’analyser l’évolution du niveau d’endettement des firmes au cours du temps, nous avons aussi choisi de calculer la moyenne des divers leviers financiers pour chacune de nos onze années pour l’ensemble de notre échantillon. Ces résultats sont consignés dans le tableau 4-3 ci-dessous. 50 Tableau 4- 12: Statistiques descriptive pour l’ensemble des ratios de levier financier par années 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Dette totale/ (dette totale + valeur de marché des fonds propres) 0.6414336 (0.3269543) 0.6603112 (0.3323052) 0.687522 (0.304427) 0.6393409 (0.2850225) 0.6210997 (0.2728857) 0.5813411 (0.2760905) 0.5405998 (0.2885814) 0.5575843 (0.3081732) 0.6466926 (0.3090485) 0.5692956 (0.2988305) 0.5710859 (0.3017762) Dette à long terme / (dette totale + valeur de marché des fonds propres) 0.4237543 (0.284317) 0.4209229 (0.2985124) 0.4419976 (0.2694861) 0.3950119 (0.252222) 0.3954858 (0.2472978) 0.3910046 (0.2608081) 0.3650312 (0.2552305) 0.3579552 (0.2647664) 0.4377001 (0.2818067) 0.396576 (0.2762664) 0.421761 (0.2718711) Dette à long terme / dette totale Dette totale / Actifs totaux Dette à long terme / Actifs totaux 0.5975889 (0.2533735) 0.5573576 (0.3033568) 0.6129523 (0.2549952) 0.6059599 (0.2723102) 0.6055804 (0.2716609) 0.6128031 (0.298546) 0.622015 (0.2930103) 0.5932182 (0.3046236) 0.6292447 (0.2873784) 0.6498999 (0.2942306) 0.6916332 (0.2592624) 0.2325821 (0.1621548) 0.246354 (0.172126) 0.2606169 (0.185384) 0.2530145 (0.1619956) 0.2288765 (0.1425424) 0.2199418 (0.1378284) 0.2208186 (0.1456239) 0.208292 (0.1448596) 0.2398796 (0.1642833) 0.2346084 (0.1579094) 0.2225715 (0.1421843) 0.1519247 (0.1234713) 0.1592707 (0.1329044) 0.1703547 (0.1426127) 0.161016 (0.1295459) 0.1499609 (0.1166509) 0.151649 (0.121123) 0.1526059 (0.1243706) 0.1359408 (0.1181068) 0.164065 (0.1387957) 0.1667497 (0.1391126) 0.1653807 (0.1263829) De ces statistiques descriptives par années, nous pouvons tirer les observations suivantes. Le ratio de dette totale sur la dette totale et la valeur de marché des fonds propres démontre une tendance à la hausse sur la période 2000-2002 puis une tendance baissière sur le reste de la période. Cela retranscrit notamment la hausse de la valeur de marché des fonds propres des entreprises des BRICS entre 2002 et 2010, synonyme d’un plus grand financement par émission d’actions ou d’une meilleure valorisation de ces dernières. Notons aussi que le ratio subit une hausse soudaine lors de la crise boursière en 2008 retranscrivant alors la chute des cours boursiers des divers pays des BRICS. La proportion de dette à long terme sur l’ensemble de la dette et de la valeur de marché fonds propres est assez stable entre 2000 et 2010 (0.4237 en 2000 et 0.4217 en 2010), démontrant alors une augmentation proportionnel de la dette à long terme et de la valeur de marché fonds propres. Cette augmentation de la dette à long terme au sein des BRICS est d’ailleurs soulignée par l’augmentation du ratio de dette à long terme sur la dette totale des firmes des BRICS sur l’ensemble de la période (celui croit en effet de 0.59 à 0.69 entre 2000 et 2010). 51 4.3.2 Moyenne des variables spécifiques à la firme Il nous semble judicieux à présent de considérer les moyennes des diverses variables incluses dans notre modèle. Ainsi, le tableau 4-3 présente la moyenne ainsi que l’écart-type des variables dites spécifiques à la firme pour l’ensemble de notre échantillon ainsi que pour chaque pays étudié. Tableau 4- 13: Statistiques descriptives pour l'ensemble des variables spécifiques à la firme par pays Taille Profit Croiss Tang Div Liquid Taxes Av_fisc Ensemble de l’échantillon 17.29772 (1.714544) 0.1430076 (0.1052072) 2.368259 (10.80769) 0.4324581 (0.2047181) 0.0332455 (0.0481099) 1.711003 (1.791037) 25.71669 (11.80868) 0.3496563 (0.6920123) Brésil Russie Inde Chine 16.17506 (1.403326) 0.1278585 (0.0903994) 3.72266 (19.28028) 0.426576 (0.2101162) 0.0390691 (0.0575643) 1.520125 (0.6601858) 25.89086 (11.67209) 0.0490879 (0.0407233) 19.42042 (1.130426) 0.1469191 (0.0939077) 1.010252 (0.6019791) 0.5610632 (0.1394547) 0.0216881 (0.038022) 3.467778 (3.398591) 29.97916 (14.78217) 0.0412351 (0.0338673) 18.40177 (1.227779) 0.1580456 (0.1003662) 2.445389 (5.741635) 0.3810593 (0.1784506) 0.0299287 (0.0420268) 1.678415 (1.504325) 23.17098 (10.90956) 0.0354821 (0.017191) 17.13458 (1.649428) 0.0920713 (0.05667942) 1.30159 (0.9359546) 0.5280946 (0.2010317) 0.0150609 (0.01222085) 1.294417 (0.7532939) 20.52214 (10.32698) 0.0496017 (0.0373146) Afrique du Sud 16.52254 (1.114531) 0.1654189 (0.1360208) 1.591728 (0.8207238) 0.4106529 (0.2179131) 0.0382517 (0.0487216) 1.50243 (2.147183) 29.75526 (10.50181) 1.407309 (0.8278595) Les entreprises brésiliennes, qui font preuve d’une profitabilité en dessous de la moyenne de notre échantillon (0.12 contre 0.14) et qui sont les plus petites (16.17) ont donc les perspectives de croissance qui sont les plus importantes (3.72). À l’inverse, la Russie détient les entreprises les plus grandes (19.42), ce qui implique notamment que le caractère tangible des actifs de ces firmes soit très important (0.56) et que leur taux d’imposition soit le plus élevé (29.97). Notons aussi que la Russie est le pays qui détient les firmes les plus liquides (3.46) ce qui est cohérent avec l’importance du caractère tangible des actifs des firmes russes. Les entreprises chinoises quant à elles, sont les moins profitables de l’échantillon (0.09), leur taux d’imposition effectif est alors le plus bas (20.5) et leurs dividendes les plus faibles (0.015). En Afrique du Sud, les entreprises se classent parmi les plus petites de notre échantillon (16.52) et ne détiennent donc peu d’actifs tangibles (0,41). Étrangement, ce sont cependant les plus profitables de l’échantillon (0,16) et leur taux d’imposition est parmi les plus élevés (29.75). Notons aussi que les entreprises africaines détiennent le plus d’avantages fiscaux non liés à la dette (1.40). Finalement, les entreprises indiennes se situent globalement dans la moyenne de l’échantillon pour l’ensemble des 52 variables spécifiques à la firme, à l’exception peut-être de la variable mesurant les avantages fiscaux non liés à la dette qui est de loin la plus faible de l’échantillon (0.03). Tout comme précédemment, il nous a paru intéressant de regarder l’évolution des ces variables spécifiques à la firme au cours du temps. Le tableau 4-5 présente donc les statistiques descriptives pour l’ensemble des variables spécifiques à la firme par années. Tableau 4- 14: Statistiques descriptives pour l’ensemble des variables spécifiques à la firme par années 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Taille 16.4681 (107725623) 16.6657 (1.655109) 16.84111 (1.650428) 16.93494 (1.635906) 17.08254 (1.615392) 17.2227 (1.620574) 17.4136 (1.602313) 17.62449 (1.585967) 17.86946 (1.632773) 17.98431 (1.655805) 18.15759 (1.625356) Profit 0.1501282 (0.1177393) 0.1307184 (0.1080276) 0.1292388 (0.1067209) 0.1337563 (0.0809097) 0.1515966 (0.0763461) 0.158822 (0.1010114) 0.1627021 (0.1530148) 0.1616104 (0.0922828) 0.1421942 (0.1199234) 0.1245693 (0.0981412) 0.1277998 (0.07309) Croiss 4.818469 (19.54499) 3.915494 (19.24146) 2.6948 (13.51058) 3.153836 (18.58741) 1.445385 (0.929819) 1.555608 (1.023643) 1.927174 (1.360008) 2.035255 (1.280616) 1.384844 (0.893058) 1.447323 (0.936773) 1.728819 (1.254601) Tang 0.4713501 (0.209657) 0.4674334 (0.2162078) 0.4712194 (0.2063863) 0.4679228 (0.2055025) 0.44594 (0.2058326) 0.4317129 (0.2042711) 0.409163 (0.1959999) 0.4013042 (0.1930796) 0.3949373 (0.1947833) 0.4138535 (0.1992296) 0.3824887 (0.2018433) Div 0.0236186 (0.041021) 0.0318578 (0.057409) 0.0286919 (0.044906) 0.0346293 (0.054266) 0.0310116 (0.038908) 0.0370042 (0.040811) 0.0392364 (0.04843) 0.0420044 (0.057561) 0.0347264 (0.042196) 0.0330372 (0.053179) 0.0302661 (0.044636) Liquid 2.054343 (3059822) 1.828529 (2.400764) 1.53 (1.170277) 1.477549 (1.111097) 1.579118 (1.445728) 1.798627 (1.546683) 1.790196 (1.698365) 1.664706 (1.12851) 1.754851 (1.592083) 1.659706 (1.391668) 1.693762 (1.625356) Taxes 21.53506 (13.75321) 22.55663 (12.37351) 25.70205 (12.66763) 27.63189 (13.9663) 26.64125 (10.29879) 26.19635 (9.308461) 25.28255 (9.298629) 26.97052 (10.18569) 25.832 (10.90189) 27.27571 (14.09294) 26.44463 (11.562) Av_fisc 0.3848232 (0.9687937) 0.3108546 (0.6567395) 0.3299466 (0.6428058) 0.2867806 (0.5160942) 0.2894705 (0.490222) 0.361567 (0.6524154) 0.4329737 (0.8467605) 0.4394721 (0.833257) 0.3280487 (0.6164823) 0.3128621 (0.5700749) 0.370447 (0.683802) Ainsi, nous remarquons que la taille moyenne des firmes de notre échantillon ne cesse d’augmenter entre 2000 et 2010. Ceci nous semble normale puisque nous avons sélectionné que des entreprises existant sur toute notre période temporelle et que logiquement celle-ci devrait croître avec le temps et notamment acquérir de plus en plus actifs. La profitabilité quant à elle suit essentiellement une tendance haussière mais est marquée par une forte baisse en 2008 lors de la crise boursière. Cela s’explique notamment par une diminution du résultat net des entreprises puisque celle-ci ont eu plus de difficultés à exporter leur produits vers les pays développés qui étaient davantage touchés par la crise financière. 53 Le caractère tangible des actifs est à la baisse sur notre période temporelle, chutant notamment de 0.48 à 0.37. Ceci pourrait être notamment du à la dévaluation que subissent les actifs au cours du temps (équipement devenant obsolète…). Les dividendes, après avoir suivi une tendance à la hausse entre 2000 et 2007 semblent diminuer depuis. Ceci est peut-être du à la récente tendance des firmes de verser moins de dividendes et plutôt se concentrer sur le rachat d’actions. Finalement, le taux d’imposition effectif moyen subit une hausse assez importante. 4.3.3 Moyenne des variables macroéconomiques Si nous nous intéressons désormais aux variables macroéconomiques, nous remarquons que le Brésil est le pays où le PIB est parmi les plus importants (5601) malgré le fait que le taux de croissance de ce dernier soit parmi les plus faibles (3,66). L’Inde et la Chine qui représentent les pays des BRICS ayant les PIB les plus faibles (792 et 2175 respectivement) ont alors le taux de croissance du PIB les plus importants (7.35 et 10.3). La Russie quant à elle est le pays où l’inflation frappe le plus fortement (13.32 contre 6.45 en moyenne) mais aussi le pays où le PIB est le plus élevé (5956). Finalement, l’Afrique du Sud détient un PIB légèrement supérieur à la moyenne et un taux de croissance du PIB ainsi qu’un taux d’inflation inférieurs à la moyenne. Ces résultats sont rapportés dans le tableau 4-4 ci-dessous. Tableau 4- 15: Statistiques descriptives pour l'ensemble des variables macroéconomiques par pays Pib Croiss_pib Inf Ensemble de l’échantillon 3646.138 (2838.019) 5.593934 (3.355733) 6.451373 (3.862706) Brésil Russie Inde Chine 5601.148 (2591.363) 3.668548 (2.322895) 6.720281 (2.86996) 5956.424 (3444.191) 5.349118 (4.529167) 13.32328 (4.407476) 792.4592 (312.385) 7.355879 (2.239754) 6.1493257 (2.863498) 2175.727 (1159.77) 10.3 (1.735559) 1.978497 (2.10709) Afrique du Sud 4702.531 (1488.804) 3.568477 (1.947362) 5.956445 (2.643799) L’évolution de ces variables macroéconomiques au cours du temps, telle que représentée dans le tableau 4-7 ci-dessous, démontre une belle croissance du produit intérieur brut moyen des BRICS au fil des années. Les BRICS subissent donc une forte croissance et connaissent un rapide développement dans la première décennie du XXIème siècle. Notons finalement que le taux d’inflation au sein des BRICS est asse instable et qu’il demeure assez élevé. 54 Tableau 4- 16: Statistiques descriptives pour l’ensemble des variables macroéconomiques par années 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Pib 2119.252 (1378.155) 1913.585 (1126.897) 1818.823 (996.71) 2246.697 (1281.436) 2797.255 (1651.681) 3401.64 (2009.222) 3958.145 (2364.73) 4787.612 (2878.395) 5426.046 (3559.027) 5138.451 (2982.838) 6500.013 (3843.511) Croiss_pib 5.135351 (2.011875) 3.868139 (2.232397) 4.090683 (1.852533) 5.175914 (3.428132) 6.808233 (1.826328) 6.610369 (2.898781) 7.204184 (2.872908) 8.159236 (2.749524) 5.223647 (1.652371) 2.418005 (5.843113) 6.839518 (2.641664) Inf 6.246772 (4.957682) 6.28488 (5.104611) 7.071547 (4.140241) 7.955975 (5.214526) 4.673825 (2.692594) 5.283488 (2.834234) 5.055429 (1.979972) 5.815252 (1.691186) 8.545105 (2.823763) 7.148744 (3.75795) 6.884085 (3.417264) 4.3.4 Moyenne des variables ayant trait aux institutions financières Prêtons d’abord attention aux trois indicateurs du développement des marchés boursiers des BRICS. Le ratio de la capitalisation boursière sur le PIB est une mesure de la taille du marché boursier au sein de l’économie. Notons ici, que celui-ci est très élevé pour l’Afrique du Sud, ce qui signifie que le marché boursier occupe une place importante dans ce pays. Le ratio du volume total des actions échangées sur le PIB ainsi que le ratio de la valeur totale des actions échangées sur la capitalisation boursière représentent quant à eux deux indicateurs de la liquidité du marché boursier. Nous remarquons alors que ces derniers sont assez élevés pour l’Inde et la Chine (66.9 et 133.15 pour l’Inde ainsi que 84.5 et 125.8 pour la Chine contre une moyenne de 59.8 et 81.9) ce qui démontre une grande liquidité au sein des marchés boursiers de ces deux pays. De plus, la taille du marché boursier chinois et indien se classait respectivement en deuxième et troisième position au sein des BRICS. Si nous nous intéressons à présent au développement du marché bancaire au sein des BRICS, nous remarquons que le ratio de l’agrégat monétaire M2 sur le PIB est très élevé pour la Chine (143.6 pour une moyenne de 66.1). Rappelons que ce dernier retranscrit la taille du secteur bancaire par rapport à l’économie dans l’ensemble, et que nous pouvons donc souligner que le secteur bancaire 55 chinois est un des plus développé des BRICS. De plus, le ratio des crédits domestiques au secteur privé sur le PIB qui reflète le rôle des banques dans l’approvisionnement en financement à long terme des entreprises privées est aussi très élevé pour la Chine (116.55) ce qui confirme l’importance du secteur bancaire dans l’économie chinoise. Notons aussi que l’Afrique du Sud avec un ratio PRIV/PIB à hauteur 139.6 semble aussi être un pays où le marché bancaire joue un rôle prépondérant dans l’économie, notamment en termes de financement à long terme aux entreprises privées. Nous pouvons finalement remarquer la faiblesse de nos indicateurs pour le Brésil et la Russie, puisque pour ces deux pays, toutes nos variables relatives au développement du marché boursier et bancaire sont largement inférieures à la moyenne. En effet, les indicateurs du développement du marché boursier sont les plus faibles pour le Brésil tandis que ceux relatifs au développement du marché bancaire sont les plus faibles pour la Russie. Cela semblerait retranscrire une certaine pauvreté des institutions financières au sein de ces pays mais pourrait aussi s’expliquer par le fait que le Brésil et la Russie ont tout deux les PIB les plus importants des BRICS. Finalement, la Chine se démarque largement par le développement de son marché bancaire tandis que l’Inde et l’Afrique du Sud semblent avoir un marché boursier plus développé. La faiblesse des indicateurs pour le Brésil et la Russie ne nous permettent pas de tirer de telles conclusions. Les moyennes relatives aux indicateurs du développement des marchés boursiers et bancaires sont présentées dans le tableau 4-5 ci-dessous. Tableau 4- 17: Statistiques descriptives pour les variables relatives au développement des institutions financières Cap_pib Vol_pib Val_cap M2_pib Priv_pib Ensemble de l’échantillon 93.8161 (73.50203) 59.81623 (41.18631) 81.87076 (57.2376) 66.10759 (29.77254) 69.38403 (46.14541) Brésil Russie Inde Chine 53.43895 (21.70723) 24.87778 (13.94498) 47.83582 (16.20589) 52.40095 (7.51587) 39.41514 (10.78745) 57.39297 (31.66565) 31.03084 (19.56933) 56.90067 (21.75986) 31.10233 (9.324059) 29.6669 (11.42755) 64.77122 (34.81227) 66.97527 (20.88872) 133.1561 (65.07604) 61.58191 (6.785565) 39.14175 (4.465805) 67.201 (42.13095) 84.5429 (66.50407) 125.7835 (48.87884) 143.6097 (10.14214) 116.5527 (8.361563) Afrique du Sud 209.5925 (55.97852) 93.96922 (32.7614) 46.65958 (8.072077) 65.92444 (9.93602) 139.5999 (14.01081) Si nous analysons désormais l’évolution du système bancaire et boursier des pays de notre échantillon au cours du temps, tel qu’en fait état le tableau 4-9 ci-dessous, nous remarquons 56 l’importante croissance de la taille du secteur boursier au sein des BRICS. En effet, le ratio de la capitalisation boursière sur le PIB croît de 60.77 à 125.95 entre 2000 et 2010. Ceci est donc bien le reflet d’un important développement du marché boursier au sein des pays en voie de développement des BRICS. De plus, la liquidité de ce marché boursier telle que représentée par le ratio du volume des actions échangées sur le produit intérieur brut subit lui aussi une forte hausse au cours de cette décennie. Clairement, il apparait alors que les marchés boursiers des BRICS se développent et occupent une place de plus en plus importante dans l’économie. Tout comme le marché boursier, le marché bancaire des BRICS semble lui aussi se développer puisque le ratio de l’agrégat monétaire M2 sur le produit intérieur brut démontre une tendance haussière. Notons cependant que le développement des systèmes bancaires des BRICS semble légèrement moins important que celui des systèmes boursiers. Cela s’explique notamment par l’apparition de nombreux indices boursiers au cours de la fin du XXème siècle. Tableau 4- 18: Statistiques descriptive pour l’ensemble des variables relatives au développement des institutions financières par années 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Cap_pib 60.76683 (51.23691) 49.41509 (37.56539) 58.65972 (58.39999) 70.86305 (47.99005) 84.41502 (67.23168) 96.47348 (72.49472) 124.7239 (81.80865) 166.6875 (71.89028) 74.76733 (57.23967) 119.2452 (71.02837) 125.9598 (83.0294) Vol_pib 57.38361 (39.38361) 36.26181 (20.92416) 33.54501 (23.49461) 35.65907 (19.86812) 42.34967 (23.03427) 43.23359 (24.8885) 64.46158 (34.60724) 101.1125 (57.60775) 86.833 (41.18486) 86.42233 (43.77026) 70.71634 (29.05678) Val_cap 130.601 (119.7802) 87.10418 (70.07252) 78.29878 (56.20174) 73.70408 (44.53219) 69.85446 (36.47584) 59.23244 (25.19616) 67.23452 (24.03445) 77.69913 (37.88391) 78.14172 (17.99807) 103.3615 (50.46738) 75.34655 (34.4472) M2_pib 54.44972 (27.86089) 57.08675 (28.1617) 59.28184 (29.34116) 61.22403 (30.19437) 62.05976 (29.48375) 64.22953 (28.85072) 67.54333 (28.87123) 70.48271 (26.62027) 73.41451 (25.89187) 78.92383 (29.55768) 78.48751 (31.65018) Priv_pib 60.95622 (47.38603) 62.82791 (50.33383) 58.69146 (41.07911) 59.96653 (43.90955) 62.78647 (44.99556) 66.42691 (46.18354) 74.42638 (49.81164) 78.33095 (49.24898) 77.26901 (40.74425) 80.23669 (43.73125) 81.30579 (42.40642) 57 4.3.5 Moyenne des variables ayant trait aux institutions légales Tournons nous à présent vers nos variables relatives au développement des institutions légales au sein des BRICS. Le tableau 4-6 retranscrit les moyennes de nos variables ayant trait aux institutions financières. Tableau 4- 19: Statistiques descriptives pour les variables relatives au développement des institutions légales par pays Qual_inst Actio Crean Ensemble de l’échantillon -0.1058903 (0.342535) 0.5863065 (0.0607939) 0.4030261 (0.0958036) Brésil Russie Inde Chine 0.021004 (0.085483) 0.5333333 (0.0277183) 0.2653333 (0.0689167) -0.7324983 (0.0572632) 0.73 (0.0050469) 0.441 (0.0252347) -0.2359778 (0.0613657) 0.06020833 (0.0233573) 0.447 (5.57 e-17) -0.5392709 (0.0425834) 0.6325 (0.0336412) 0.498 (5.59 e-17) Afrique du Sud 0.3562552 (0.0652194) 0.5542 (0.0125445) 0.459 (0) Lorsque nous nous intéressons à notre indice mesurant la qualité des institutions, nous remarquons que la moyenne de celui-ci sur l’ensemble de notre échantillon est négative (-0,1058). Cela souligne donc la faiblesse des institutions légales au sein des BRICS. Cependant, notons que l’Afrique du Sud suivi du Brésil sont les deux pays ayant les plus hauts indices (0.3562 et 0.021 respectivement) ce qui signifie que leurs institutions sont de meilleures qualités. De plus, l’indice retranscrivant le degré de protection des actionnaires est plus élevé que celui mesurant le degré de protection des créanciers pour l’ensemble de l’échantillon (0.58 contre 0.40) ainsi que pour tous les pays, à l’exception de l’Inde. Notons cependant que nous disposons d’informations pour ces indices que sur la période de 2000 à 2005 et qu’il est donc difficile d’interpréter ces deux indicateurs vis-à-vis de nos autres variables, qui elles s’étalent sur notre période temporelle de 20002010. Finalement, l’étude des statistiques descriptives des variables relatives au développement des institutions légales par années telles que présentées dans le tableau 4-11 nous permet de dresser des conclusions quant à l’évolution de ces institutions sur une décennie. Ainsi, l’indice mesurant la qualité des institutions au sein des BRICS suit une tendance baissière, synonyme alors de la dégradation de la qualité des instituions légales au sein des BRICS. Notons cependant que la baisse de cet indice est assez légère. À l’inverse, les indices modélisant le degré de protection des actionnaires et des créanciers sont à la hausse sur la période 2000-2005 symbolisant alors une amélioration des conditions pour les actionnaires et les créanciers. 58 Tableau 4- 20: Statistiques descriptives pour l’ensemble des variables relatives au développement des institutions légales par années 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 Qual_inst -0.0661867 (0.348004) -0.0720963 (0.3460051) -0.1001213 (0.3485833) -0.1063144 (0.3645127) -0.1182376 (0.3473429) -0.1090363 (0.3468673) -0.1031884 (0.360714) -0.1244204 (0.3343833) -0.1178774 (0.3106623) -0.1220322 (0.3226038) -0.1252824 (0.3431858) Actio 0.5449422 (0.0663474) 0.5802363 (0.058595) 0.5916578 (0.0550867) 0.6003343 (0.0550702) 0.6003343 (0.0550702) 0.6003343 (0.0550702) NA Crean 0.3771275 (0.1250392) 0.3771275 (0.1250392) 0.4055588 (0.0805258) 0.4099706 (0.0823442) 0.4099706 (0.0823442) 0.438402 (0.0385577) NA NA NA NA NA NA NA NA NA 4.4 Analyse de données de panel Nous sommes ici confrontés à des données de type panel puisque nous disposons d’un ensemble d’informations concernant plusieurs firmes à différents moments dans le temps. Notons aussi que nous sommes en présence d’un panel déséquilibré car nous ne détenons pas le même nombre d’observations dans le temps pour chaque individu (ici, les firmes). Il est important de souligner les divers avantages à l’utilisation d’une analyse de données de panel. En effet, une telle méthodologie nous permet de combiner des séries temporelles avec des observations en coupe instantanée ce qui débouche sur un plus grand nombre de données et donc plus d’informations, de variabilité et de degré de liberté. De plus, les données de panel permettent de prendre en compte l’hétérogénéité présente entre les différents individus de l’échantillon, de réduire la présence de colinéarité entre les variables explicatives, de tenir compte de l’influence de caractéristiques non observables, de réduire le biais d’estimation des coefficients mais aussi de capter des effets de court et de long terme. Finalement, l’analyse de données de panel nous permettra de tester des modèles plus complets et ainsi d’enrichir notre analyse. 59 Le modèle le plus simple pour l’analyse de données de panel peut être définit par l’équation suivante : Yit = αi + βXit + uit où les variables Y et X ont chacune i et t indices pour i = 1,2,…, N observations et t = 1,2,…, T périodes temporelles. Notons que dans cette équation-ci, l’effet individuel αi est constant à travers le temps mais reste spécifique à l’observation i. Cette méthode reste assez naïve et c’est pourquoi nous nous intéresserons à deux modèles plus réalistes soit le modèle à effets fixes et le modèle à effets aléatoires. 4.4.1 Modèles à effets fixes Dans le modèle à effets fixes, aussi appelé modèle de la covariance, la constante est spécifique à un groupe d’observations. Le modèle et notamment l’inclusion d’une variable binaire permet ainsi à divers groupes de détenir des constantes différentes. L’équation correspondante à notre modèle à effets fixes est alors la suivante : Yit = αi + β1X1it + β2X2it + … + βkXkit + uit Ce qui peut être retranscrit sous forme matricielle de la sorte : Y = Dα + X β’ + u Où Y est une matrice (NT x 1) de variables dépendantes, X une matrice (NT x k) de variables indépendantes et D une matrice (NT x N) de variables binaires. Les indices α et β sont respectivement des matrices de taille (N x 1) et (k x 1). 4.4.2 Modèles à effets aléatoires Une alternative au modèle à effets fixes est le modèle à effets aléatoires. Ce dernier permet d’introduire la notion de distribution aléatoire des constantes au sein des différents groupes de l’échantillon. L’effet individuel n’est alors plus un paramètre fixe à estimer comme dans le modèle à effets fixes mais une variable aléatoire qui est non observable. Plus généralement, le modèle à effets fixes assumera que chaque pays diffère par son terme d’intersection tandis que le modèle à effets aléatoires assumera que chaque pays diffère par son terme d’erreur. Nous obtenons alors un modèle pouvant être représenté par l’équation suivante : Yit = α + β1X1it + β2X2it + … + βkXkit + uit + vi 60 où vi est le bruit aléatoire, constant dans le temps, associé à l’observation i. 4.4.3 Choix entre le modèle à effets fixes et le modèle à effets aléatoires Maintenant que nous avons présenté les deux types de modèles, il nous reste à faire un choix. Mais comment choisir? Le choix entre effets fixes et aléatoires peut dépendre d’un grand nombre de facteurs tels que le nombre d’observations, la nature de ces observations ou encore la nature de l’effet individuel. Penchons nous tout d’abord sur les avantages et les inconvénients de ces deux modèles. D’une part, le modèle à effets fixes représente le modèle le plus facile à estimer et permet de prendre en compte l’hétérogénéité entre les variables. Cependant, lorsque le nombre d’observations est important, le nombre de paramètres à estimer devient non négligeable et nous perdons alors beaucoup en termes de degrés de liberté. Ainsi, le modèle à effets aléatoires peut paraître plus approprié lorsque l’échantillon est vaste. D’autre part, le modèle à effets aléatoires présente l’inconvénient d’être construit sous l’hypothèse que les effets fixes ne soient pas corrélés avec les variables explicatives. Cette hypothèse est alors très restrictive et peut entrainer des problèmes dans le traitement des données de panel notamment si certaines variables sont omises. Le test de Hausman (1978) permet de trancher en faveur d’un des deux modèles. Celui-ci permet de tester si les régresseurs sont corrélés aves les effets individuels, l’avantage du modèle à effets fixes étant de rester consistent même si les estimés sont corrélés avec les effets individuels. Le test de Hausman permet donc de voir si un modèle à effets aléatoires conviendrait pour des données de panel où un modèle à effets fixes est approprié. L’hypothèse nulle suggère alors que le modèle à effets aléatoires est consistent c'est-à-dire qu’il n’y ait pas de différences systématique entre les estimés de nos deux modèles. Finalement, si la valeur du test statistique est grande alors la différence entre nos deux estimés est significative et nous rejetons l’hypothèse nulle : un modèle à effets fixes sera préférable. À l’inverse, si la valeur du test statistique est faible, un modèle à effets aléatoires sera plus adéquat. Enfin, notons que la plupart des auteurs utilisent les deux types de modèles et c’est d’ailleurs pourquoi nous avons aussi choisi de présenter les résultats pour les modèles à effets fixes et à effets aléatoires. Même si le test de Hausman semble plutôt nous pousser vers l’utilisation d’un modèle à effets fixes, nous avons en effet choisi de présenter les résultats des deux modèles notamment pour plus de robustesse. 61 4.4.4 Modèles empiriques Nous avons ici choisi de présenter plusieurs modèles afin de mieux mesurer l’effet de chacune de nos catégories de variables. En incorporant graduellement nos différentes classes de variables, nous serons en effet plus à même de capter leur impact sur le choix de la structure du capital. Nous présenterons donc ici cinq modèles empiriques, modèles qui seront chacun testés avec effets fixes et avec effets aléatoires. Le premier modèle s’inspire du fameux modèle de Rajan et Zingales (1995) qui prend en compte quatre variables principales : la taille de la firme (TAILLE), sa profitabilité (PROFIT), ses perspectives de croissance (CROISS) ainsi que le caractère tangible de ses actifs (TANG). L’équation correspondante à ce modèle est alors la suivante : Lit = α0i + β1a Xiat + εit (I) où Lit représente le vecteur de la variable dépendante, soit le levier financier tandis que i représente la firme et t la période temporelle (l’année). Xiat est la matrice de nos quatre variables spécifiques à la firme, α0i représente la constante, β1a est le coefficient de chacune de nos variables et εit est le terme d’erreur. Dans notre deuxième modèle empirique, nous ajoutons les autres variables spécifiques à la firme de notre échantillon soit les dividendes (DIV), la liquidité de la firme (LIQUID), les taxes (TAXES) ainsi que les avantages fiscaux non liés à la dette (AV_FISC). Zibt est alors la matrice de nos quatre nouvelles variables spécifiques à la firme. L’équation de la régression est la suivante. Lit = α0i + β1a Xiat + β2b Zibt + εit (II) Notre troisième modèle introduit les trois variables macroéconomiques suivantes : le PIB par habitant (PIB), le taux de croissance du PIB (CROISS_PIB) et le taux d’inflation (INF). Notre modèle s’apparente alors à celui-ci : Lit = α0i + β1a Xiat + β2b Zibt + β3cMibct + εit (III) où Mict est une matrice de « c » variables macroéconomiques tandis que β3c représente les coefficients de chacune des « c » variables macroéconomiques. 62 Dans notre quatrième modèle, nous intégrons les variables ayant trait aux institutions financières afin de capter l’influence du développement du marché boursier et bancaire sur la structure du capital des firmes. Le développement du système boursier est alors modélisé par trois variables : le ratio de la capitalisation boursière sur le PIB (CAP/PIB) qui mesure la taille du marché boursier, le ratio du volume total des actions échangées sur le PIB (VOL/PIB) qui retranscrit la liquidité du marché et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL/CAP) qui représente lui aussi une mesure de la liquidité du marché mais non ajustée quant à la taille du marché relative à l’économie. Le développement du marché bancaire sera lui mesuré par deux variables : le ratio de l’agrégat de la masse monétaire M2 sur le PIB (M2/PIB) qui représente un indicateur de la taille du secteur bancaire par rapport à l’économie dans son ensemble et le ratio des crédits domestiques au secteur privé sur le PIB (PRIV/PIB) qui reflète le rôle des banques dans l’approvisionnement en financement à long terme aux entreprises privées. Nous obtenons alors le modèle suivant : Lit = α0i + β1a Xiat + β2b Zibt+ β3cMict + β4dFidt + εit (IV) où Fidt est une matrice de « d » variables relatives aux institutions financières tandis que β4d représente les coefficients de chacune des « d » variables financières. Finalement, notre dernier modèle introduit la variable relative aux institutions légales soit la qualité des institutions (QUAL_INST). Nous obtenons le modèle global suivant : Lit = α0i + β1a Xiat + β2b Zibt+ β3cMict + β4dFidt + β5eLiet+ εit (V) où Liet est une matrice de « e » variables relatives aux institutions légales tandis que β5e représente les coefficients de chacune des « e » variables légales. Le tableau 4-7 ci-dessous fait la synthèse de nos différents modèles. 63 Tableau 4- 21: Modèles empiriques utilisés Lit = α0i + β1a Xiat + εit (I) Lit = α0i + β1a Xiat + β2b Zibt + εit Lit = α0i + β1a Xiat + β2b Zibt + β3cMict + εit Lit = α0i + β1a Xiat + β2b Zibt+ β3cMict + β4dFidt + εit Lit = α0i + β1a Xiat + β2b Zibt+ β3cMict + β4dFidt + (II) (III) (IV) β5eLiet+ εit (V) 4.5 Robustesse À des fins de robustesse, nous avons choisi de réaliser nos régressions en utilisant plusieurs mesures du levier financier. Ainsi, nous avons choisi comme mesure de référence du levier financier le ratio de la dette totale sur l’ensemble de la dette totale et de la valeur de marché des fonds propres et comme mesure de robustesse le ratio de la dette à long terme sur l’ensemble de la dette totale et de la valeur de marché des fonds propres. Notons que cela nous permettra de distinguer l’impact de nos déterminants sur la maturité de la dette. Nous présenterons dans un deuxième temps, les résultats obtenus lorsque nous incorporons à notre analyse les variables relatives au degré de protection des actionnaires et des créanciers. Notons que nous réduirons alors notre période temporelle à six ans, soit de 2000 à 2005 puisque nous ne disposons pas de données pour la suite. Par la suite, nous nous intéresserons à l’impact combiné de la taille de l’entreprise et du développement des institutions légales du pays dans lequel elle se situe sur le niveau d’endettement de la firme. L’impact de ces variables combinés sera notamment exploré grâce à l’introduction d’une variable d’interaction entre la taille et la qualité des institutions dans notre modèle global. Enfin, nous classifierons les firmes de notre échantillon en six secteurs d’activités distincts et tenterons, grâce à l’introduction de variables binaires d’analyser l’impact de l’appartenance des firmes à certaines industries sur leur structure du capital. Chapitre 5 : Analyse des résultats 5.1 Analyse des corrélations de Pearson Bien avant de chercher à obtenir de quelconques résultats, il est important de calculer les corrélations entre nos différentes variables indépendantes. En effet, un ensemble de variables trop corrélées pourrait affecter notre modèle et créer des problèmes de multicolinéarité. De tels problèmes auraient des répercussions importantes sur la cohérence de notre modèle puisque cela engendrerait une variance importante dans l’estimation des paramètres ainsi que des intervalles de confiance autour des paramètres qui s’agrandiraient. Pour remédier à cela, nous avons calculé l’ensemble des corrélations entre nos variables indépendantes pour l’ensemble de notre échantillon. En effet, notre modèle devant resté le même pour tous nos pays, il nous a paru plus judicieux d’analyser les corrélations pour l’échantillon dans son ensemble. Le tableau 5-1 rapporte les corrélations entre variables indépendantes pour l’ensemble de l’échantillon. Lorsque nous regardons notre tableau rapportant les diverses corrélations entre variables, nous remarquons que certains coefficients sont assez élevés. Ainsi, nous remarquons que la taille de la firme est fortement corrélée avec la qualité des institutions (-0.50) ainsi qu’avec le degré de protection des actionnaires (0,56) suggérant que les entreprises auraient tendance à être de plus grande taille lorsque la qualité des institutions est faible et que le degré de protection des actionnaires est élevé. La taille de la firme est aussi fortement corrélée avec le caractère tangible des actifs (0.25) ainsi qu’avec la présence d’avantages fiscaux non liés à la dette (-0.25) signifiant tout simplement qu’une firme plus grande aura tendance à détenir une quantité plus importante d’actifs tangibles mais qu’elle bénéficiera moins d’avantages fiscaux non liés à la dette (éléments déductibles fiscalement comme les charges de dépréciation ou les crédits à l’investissement). Si l’on s’intéresse désormais à l’indice de profitabilité de l’entreprise, on remarque que celui-ci présente une corrélation importante avec la variable relative aux dividendes versés par la firme (0,49). Encore une fois cela semble logique puisque plus une entreprise est profitable, plus elle aura tendance à verser des dividendes à ses actionnaires. Au sein des variables spécifiques aux pays, on remarque que le PIB est négativement corrélé avec sa propre croissance (-0.45) signifiant que la croissance du PIB est plus importante dans les pays de notre échantillon où le PIB est faible. De plus, un pays où le PIB sera plus élevé semblerait avoir un marché boursier plus important (corrélation de 0.55) ainsi qu’une meilleure qualité des institutions 65 (corrélation de 0.50). Aussi, au sein des pays où le taux de croissance du PIB est meilleur, il semblerait que le marché bancaire soit plus développé (corrélation de 0.43), que la qualité des institutions soit moins bonne (corrélation de -0.61) mais que le degré de protection des actionnaires et des créanciers soit meilleure (corrélation respective de 0.58 et 0.44). L’inflation quant à elle aurait un impact négatif sur la liquidité du marché boursier (nos deux indices reflétant la liquidité du marché boursier ont une corrélation négative de -0.52 et -0.38 avec le taux d’inflation du pays) ainsi que sur la taille du marché bancaire (corrélation à hauteur de -0.63) et sur la protection des créanciers (corrélation de -0.34). Notons aussi que les deux indices reflétant la taille du marché bancaire, soit les variables M2_PIB et PRIV_PIB, sont positivement corrélés avec le degré de protection des créanciers (0.39 et 0.45) reflétant qu’un marché bancaire plus développé tend à engendrer une meilleure protection des créanciers. Finalement, une analyse plus poussée de nos coefficients de corrélations nous porte à croire que ces derniers ne sont pas assez élevés pour devoir apporter des rectifications à notre modèle. En effet, on remarque que seulement 23% des coefficients se situent au dessus de 0.30, ce qui est acceptable. 5.2 Analyse de notre modèle de base Nous tacherons ici d’analyser les résultats relatifs à notre modèle de base, soit notre modèle V, avec comme variable dépendante le ratio de la dette totale sur l’ensemble de la dette et de la valeur marché des fonds propres. En effet, celui-ci représente le modèle le plus complet puisqu’il contient toutes nos variables, tant spécifiques à la firme qu’au pays. Notons que les résultats de ce modèle sont consignés dans les tableaux 5-2 et 5-3. Dans le tableau 5-2 sont représentés les résultats de notre modèle V à effets fixes pour l’ensemble de l’échantillon ainsi que par pays tandis que le tableau 5-3 rapporte les mêmes résultats mais pour un modèle à effets aléatoires. De plus, le tableau 5-4 résume les variables étudiées, les coefficients attendus selon les études antérieures ou les théories de la structure du capital ainsi que les résultats rencontrés selon nos deux types de modèles. Nous passerons ici en revue les résultats spécifiques à chaque variable et tenterons d’apporter des explications à de tels résultats. 5.2.1 Variables spécifiques à la firme La première variable étudiée est la variable TAILLE, mesurée par le logarithme népérien des actifs totaux. Celle-ci présente un coefficient positif et significatif à un degré de confiance de 99% pour notre modèle à effet fixes (0.108) et à effets variables (0.0308) portant sur l’ensemble de notre échantillon. Les résultats sont donc ici en accord avec la théorie du compromis statique ainsi que celle de l’agence. 66 En effet, la théorie du compromis statique prédit que les firmes de plus grande taille ont tendance à être plus diversifiées et moins sujettes à une détresse financière. Cette théorie suppose donc que les entreprises les plus grandes devraient se financer d’avantage par dette puisque leur probabilité de détresse financière est plus faible et qu’elles ont donc un meilleur accès à l’endettement à des couts plus avantageux. De plus, ce résultat concorde aussi avec la théorie de l’agence qui énonce que les firmes de plus grande taille ont généralement un actionnariat plus dilué et que les actionnaires ont donc moins de contrôle sur les comportements des dirigeants ce qui favorise la contraction de dette pour son rôle disciplinant. La taille représente donc un facteur à considérer dans la détermination du levier financier de la firme. La deuxième variable est la variable PROFIT qui rend compte de la profitabilité de la firme, tel que mesuré par le ratio du résultat net avant intérêt et imposition sur l’ensemble des actifs. Cette variable présente un coefficient négatif pour nos deux modèles (-0.436 pour le modèle à effets fixes et -0.455) et est significative à un degré de confiance de 99% dans nos deux modèles. Ce résultat est alors en accord avec la théorie des préférences ordonnées qui énonce que plus une firme est profitable, moins elle contractera de la dette puisqu’elle préférera d’abord s’autofinancer par ses flux de trésorerie disponibles. Nous remarquons ici que certains pays tels que l’Afrique du Sud et le Brésil présente un coefficient positif. Toutefois, celui-ci n’est pas significatif. La variable CROISS représente un indicateur des perspectives de croissance de la firme qui sont mesurées par le ratio de la valeur de marché des actifs sur leur valeur aux livres. Pour l’ensemble de notre échantillon, cette variable présente un coefficient négatif et significatif à un degré de confiance de 99% (-0.00482 pour le modèle à effets fixes et -0.00634 pour celui à effets aléatoires). Nous validons donc ici la théorie du compromis statique prédisant que les firmes détenant des perspectives de croissance tendent à contracter moins de dette que des firmes détenant des actifs tangibles par exemple puisque ces opportunités de croissance ne peuvent servir de collatéral. Notons aussi que de telles firmes peuvent vouloir garder une certaine flexibilité financière et ne pas s’imposer de fardeau financier trop important. Mais ce résultat est aussi en accord avec la théorie de l’agence. En effet, selon cette dernière les couts d’agence de la dette et notamment le problème de substitution d’actifs a tendance à être plus important dans les firmes détenant de nombreuses opportunités de croissance car elles disposent de plus de flexibilité dans le choix de leurs futurs investissement. Ainsi, pour limiter ces couts d’agence de la dette, le financement par dette est moins utilisé. Finalement, la prise en compte 67 des perspectives de croissance de la firme semble être un déterminant important de la structure du capital. La variable TANG, mesurée par le ratio des immobilisations corporelles sur les actifs totaux s’intéresse au caractère tangible des actifs. Cette variable présente un coefficient positif pour l’ensemble de l’échantillon (0.0174 pour le modèle à effets fixes et 0.0720 pour le modèle à effets variables) mais non significatif pour ces deux modèles. Cette relation positive entre caractère tangible des actifs et levier financier est cependant souligné par nos trois théories de la structure du capital soit la théorie du compromis statique, de l’agence et des préférences ordonnées. En effet, toutes trois voient un rôle bénéfique à la détention d’actifs à caractère tangible : la première s’intéresse à l’apport d’une certaine sécurité aux créanciers en cas de détresse financière, la deuxième observe la réduction des couts d’agence de la dette tandis que la troisième souligne la réduction de l’asymétrie d’information, ce qui dans tout les cas favorise le recours à l’endettement. Si nous nous penchons désormais sur les résultats propres à chaque pays, nous remarquons que la variable relative au caractère tangible des actifs est significative dans un de nos deux modèles pour le Brésil et la Russie et dans nos deux modèles pour la Chine. Cependant, le coefficient de la variable est alors négatif. Les entreprises ayant une plus forte proportion d’actifs tangibles auraient alors tendance à moins contracter de dette au sein de ces pays. Il est possible que les compagnies détenant de nombreux actifs tangibles préfèrent alors se financer par émission d’actions à cause d’une plus grande confiance de la part des actionnaires par exemple. Finalement, la variable relative au caractère des tangibles des actifs ne présente pas de résultats très concluants dans notre étude et ne semble pas indispensable comme déterminant de la structure du capital des firmes de notre échantillon. Notons que cela pourrait être notamment dû à la prise en compte d’un mauvais ratio pour mesurer cet indicateur. La variable DIV représente les dividendes versés par les firmes et est mesurée par le ratio des dividendes sur l’ensemble des actifs. Celle-ci présente un coefficient négatif dans nos deux modèles pour l’ensemble de l’échantillon (-0.127 pour le modèle à effets fixes contre -0.366 pour celui à effets aléatoires) mais est cependant significative à un seuil de confiance de 90% uniquement dans notre modèle à effets aléatoires. Les résultats sont ici en accord avec la théorie de l’agence ainsi que celle des préférences ordonnées. En effet, selon la théorie de l’agence le versement de dividendes réduit les couts d’agence des fonds propres en limitant aux dirigeants les flux de trésorerie disponibles. La contraction de dette pour son rôle disciplinant n’est donc plus nécessaire. Selon la théorie des préférences ordonnées, une firme qui verse des dividendes est une firme profitable et devrait donc se 68 financer à l’interne plutôt qu’à l’externe. La prise en compte des dividendes en tant que déterminant de la structure du capital nous apparaît alors adéquate. Notons cependant que pour la Russie et l’inde, le coefficient de la variable relative aux dividendes est positif (mais non significatif) dans les deux modèles. Ainsi, dans ces deux pays, cela serait plutôt la théorie du compromis statique qui s’appliquerait : les firmes versant des dividendes seraient des firmes plus profitables, ayant donc moins de probabilité de détresse financière et pouvant donc d’avantage se financer par dette. La variable LIQUID représente le degré de liquidité de la firme et est mesurée par son ratio de liquidité générale. Cette variable a un coefficient négatif et significatif pour chacun de nos pays ainsi que pour l’ensemble de notre échantillon et pour nos deux modèles. C’est alors clairement un déterminant essentiel de la structure du capital au sein de notre échantillon. La relation négative entre endettement et liquidité de la firme s’inscrit dans la théorie des préférences ordonnées. Une firme détenant beaucoup de liquidité préférera se financer à l’interne plutôt qu’à l’externe afin d’éviter toute asymétrie d’information. Finalement, nous pouvons remarquer que cette relation est d’autant plus forte pour la Chine qui présente les coefficients les plus importants. Ainsi, même si le marché bancaire chinois semblait être le plus important des BRICS, l’autofinancement est tout de même fortement pris en compte lorsque la liquidité de la firme le permet. La variable TAXES modélise le taux d’imposition effectif de la firme et présente un coefficient négatif et significatif dans nos deux modèles pour l’ensemble de l’échantillon (-0.00114 pour le modèle à effets fixes et -0.000993 pour le modèle à effets aléatoires). La théorie des préférences ordonnées s’applique une nouvelle fois si l’on considère qu’un taux d’imposition plus important est le signe d’une profitabilité plus grande, encourageant les firmes à se financer davantage par autofinancement. Cependant, les résultats de l’Inde et de l’Afrique du Sud, qui montrent eux une relation positive entre endettement et taux d’imposition effectif, serait plutôt en accord avec la théorie du compromis statique favorisant la contraction de dette pour profiter des avantages fiscaux de la dette. Finalement, même si des disparités apparaissent entre les pays des BRICS, la variable TAXES apparaît comme un déterminant acceptable de la structure du capital. La dernière variable spécifique à la firme prise en compte dans notre étude est celle des avantages fiscaux non liés à la dette (AV_FISC). On cherche ici à prendre en compte les éléments déductibles fiscalement comme les charges de dépréciation ou les crédits à l’investissement qui pourraient être des substituts aux avantages fiscaux de la dette. Ces avantages fiscaux non liés à la dette sont représentés par le ratio des dépréciations et des amortissements sur la totalité des actifs. On obtient alors une 69 relation négative et significative pour l’ensemble de notre échantillon et nos deux modèles (-0.0271 pour le modèle à effets fixes et -0.0369 pour celui à effets aléatoires). Ainsi, les compagnies ayant de vastes avantages fiscaux non liés à la dette peuvent se permettre d’inclure moins de dette dans leur structure du capital. Notons cependant que même si cette relation est significative pour l’ensemble de notre échantillon, elle l’est seulement pour l’Afrique du Sud lorsque l’on considère les pays du BRICS séparément. Cela pourrait être notamment dû au fait que les pays d’Afrique du Sud étaient ceux qui présentaient le montant le plus important d’avantages fiscaux non liés à la dette. Ici, les législations en vigueur quant à la déductibilité de certaines charges pourraient notamment fausser nos résultats. Finalement, puisque significative dans l’ensemble de notre échantillon, nous considérons les avantages fiscaux non liés à la dette comme un déterminant potentiel de la structure du capital des BRICS. 5.2.2 Variables macroéconomiques Après avoir examiné les résultats concernant les variables spécifiques à la firme, nous nous tournons désormais vers les variables macroéconomiques incluses dans notre modèle. Il est à noter ici que les résultats sont quelque peu décevants en termes de significativité lorsque l’on s’intéresse à notre modèle de base qui inclut l’ensemble de nos déterminants. De plus, les résultats relatifs au signe de nos coefficients sont en désaccord lorsque l’on considère le modèle à effets fixes ou le modèle à effets aléatoires. Nous verrons cependant dans la suite de notre analyse que les déterminants macroéconomiques peuvent jouer un rôle important selon le modèle que l’on considère. La première variable macroéconomique est celle du PIB par habitant (PIB) et représente donc le niveau de développement économique des différents pays. Nos résultats ici sont contradictoires, tout comme la littérature d’ailleurs, selon le type de modèle utilisé. En effet, dans notre modèle à effets fixes le PIB est négativement corrélé avec le niveau de dette des firmes, synonyme que des firmes situées dans des pays plus riches auraient tendance à moins avoir recours de la dette. Au contraire, dans notre modèle à effets aléatoires, la relation entre PIB et degré d’endettement est positive, prédisant alors que les compagnies de pays plus riches auraient tendance à s’endetter plus. Notons cependant ici qu’aucun de nos coefficients relatifs à la variable PIB n’est significatif, que ce soit pour l’ensemble de l’échantillon ou même pour chaque pays pris séparément. Il est apparaît donc ici que la variable PIB n’apporte aucun bénéfice à notre modèle global. Nous remarquerons par la suite que cette variable peut être utile et significative lorsque l’on ne considère pas la suite de nos déterminants institutionnels. En fait, la présence de nos déterminants ayant trait au développement des institutions financières (déterminants 70 qui sont souvent normalisés par le PIB) semblent effacer tout intérêt d’inclure la variable PIB dans notre modèle. La seconde variable sur laquelle nous nous sommes penchés est la variable CROISS_PIB qui prend en compte la croissance du PIB au sein du pays. La croissance du PIB peut être considérée comme un bon indicateur des opportunités de croissance disponibles pour les firmes sur le marché et reflète donc le besoin financier des firmes. Ici encore, selon le modèle utilisé nous ne trouvons pas de résultats similaires. Le modèle à effets fixes fait part d’un coefficient positif pour l’ensemble de l’échantillon, démontrant alors que les entreprises auront tendance à financer leurs opportunités de croissance par de la dette. À l’inverse, le modèle à effets aléatoires pour l’ensemble de l’échantillon obtient une relation négative entre croissance du PIB et niveau d’endettement. Notons que nos résultats pour l’ensemble de l’échantillon ne sont cependant pas significatifs pour nos deux modèles. Les seuls résultats significatifs concernent l’Inde spécifiquement. En effet, pour nos deux types de modèles l’Inde rapporte un coefficient négatif pour la variable relative à la croissance du PIB. Ce coefficient négatif supporte alors la théorie que les firmes contractent moins de dette dans les périodes d’expansion. De plus, on peut dire que cela concorde avec la théorie des préférences ordonnées puisqu’en période de dépression, les bénéfices sont bas et les firmes doivent alors se financer à l’externe. Notons aussi que cela rejoint les résultats de la variable concernant les opportunités de croissance. Finalement, notre variable concernant la croissance du PIB n’apparaît pas comme essentiel au sein de notre modèle mais nous verrons encore une fois que celle-ci peut avoir de l’importance selon le type de modèle considéré. La variable INF est la dernière variable macroéconomique que nous avons considéré dans notre modèle et se rapporte au taux d’inflation au sein des pays. L’impact de cette variable sur la cohérence de notre modèle semble assez mitigé puisqu’une fois nous n’obtenons pas de coefficients significatifs pour l’ensemble de notre échantillon ni pour le modèle à effets fixes ni pour celui à effets aléatoires. De plus, les résultats sont encore en contradiction selon le type de modèle que l’on utilise, le modèle à effets fixes donnant un coefficient négatif tandis que celui à effets aléatoires rapporte un coefficient positif. Notons cependant que seule cette variable est significative pour l’Inde au sein des deux modèles et que le coefficient est alors négatif. Cela supporte donc la théorie voulant que l’inflation soit responsable de la hausse des taux d’intérêt et donc du coût de la dette, ce qui dissuade les entreprises de contracter plus de dette. Un taux d’inflation élevé peut aussi être le signe d’une monnaie instable sur le long terme ce qui dissuaderait les firmes de lever de la dette à long terme. Enfin, en présence d’une 71 inflation importante, les opportunités de croissance sont inflationnistes ce qui ne pousse pas les firmes à emprunter davantage. 5.2.3 Variables ayant trait aux institutions financières Dans la suite de notre étude, nous nous sommes intéressés au rôle du développement du marché bancaire et du marché boursier dans la détermination de la structure du capital des firmes. La question était d’autant plus importante que nous nous intéressons à des pays en voie de développement, au sein desquelles les firmes doivent faire face aux nombreuses inefficiences des marchés. La variable CAP_PIB soit le ratio de la capitalisation boursière des compagnies cotées sur le produit intérieur brut nous a permis de modéliser la taille du secteur boursier par rapport à l’économie dans son ensemble. Dans nos deux modèles pour l’ensemble de notre échantillon, nous obtenons une relation négative entre la taille du marché boursier et le niveau d’endettement des firmes. Nos coefficients (0.00816 pour le modèle à effets fixes et -0.000892 pour le modèle à effets aléatoires) sont significatifs à un degré de confiance de 99%. Le résultat est donc celui attendu : plus le marché boursier d’un pays est développé, moins les entreprises auront tendance à favoriser la contraction de dette comme méthode de financement. La taille du marché boursier au sein d’une économie semble alors un bon déterminant de la structure du capital des entreprises. Afin de prendre en compte la liquidité du marché boursier, nous avons considéré deux nouvelles variables. La variable VOL_PIB représente le ratio du volume des actions échangées sur le produit intérieur brut du pays. Celle-ci, similairement aux diverses études scientifiques antérieures n’obtient pas de résultats significatifs dans notre modèle. La variable VAL_CAP, soit le ratio de la valeur totale des actions échangées sur la capitalisation boursière des entreprises cotées du pays présente elle des résultats un peu plus concluants. En effet, pour l’ensemble de notre échantillon, le coefficient est positif et significatif à un degré de confiance de 99% dans notre modèle à effets fixes (0.0000468) ainsi que dans notre modèle à effets aléatoires (0.000418). Les résultats vont donc à l’encontre de ceux énoncés pour notre variable précédente, puisqu’ici une meilleure liquidité au sein des marchés boursiers pousserait les firmes à s’endetter davantage. Ils sont cependant en accord avec la théorie de DemirgücKunt et Maksimovic (1995 et 1996) qui énonce qu’une meilleure liquidité au sein du marché boursier des pays en voie de développement permettrait une diffusion plus importante des informations ce qui inciterait alors les banques à accorder plus de prêts aux entreprises dont les actions sont cotées. Les échanges sur le marché boursier reflèteraient ainsi de nombreuses informations sur la performance et les perspectives des différentes firmes du marché. Finalement, un marché boursier de plus grande taille 72 incite ici les BRICS à se financer davantage par émissions d’actions jusqu’à ce que la liquidité de ce premier permette une meilleure diffusion de l’information et donc un financement plus orienté vers de la dette. La liquidité du marché boursier telle que mesurée par la variable VAL_CAP peut alors être considérée comme un bon déterminant de la structure du capital des firmes. La variable M2_PIB représentant le ratio de l’agrégat monétaire M2 sur le produit intérieur brut nous a permise de mesurer la taille du secteur bancaire. Cette variable présente alors un coefficient négatif (-0.00531) significatif à un seuil de confiance de 99% dans notre modèle à effets fixes seulement. Ce résultat n’est alors pas celui escompté puisque l’on s’attendrait à ce que les firmes favorisent un financement par dette lorsque le marché bancaire est plus développé. Notons que ce résultat inattendu est peut-être dû à une mauvaise modélisation de la taille du secteur bancaire par notre variable M2_PIB. Il aurait en effet peut-être été judicieux d’utiliser plutôt le ratio de l’agrégat monétaire M3 sur le PIB comme c’est le cas dans les études scientifiques antérieures, mais nous ne disposions pas de telles données pour les BRICS. Le ratio des crédits domestiques au secteur privé sur le produit intérieur brut, soit notre variable PRIV_PIB, reflète le rôle des banques dans l’approvisionnement en financement à long terme des entreprises privées. Les résultats sont ici non significatifs, comme c’est d’ailleurs le cas dans les études antérieures ayant utilisées cette variable. Nous sommes alors dans l’incapacité de tirer de quelconque conclusions et nous pouvons alors confirmer que cette variable n’est pas un bon indicateur du développement du marché bancaire au sein de notre modèle. 5.2.4 Variable ayant trait aux institutions légales Nous analysons ici l’impact de la variable QUAL_INST qui retranscrit le degré de qualité des institutions au sein des BRICS en prenant en compte des facteurs tels que la qualité des régulations, l’efficience du gouvernement, la stabilité politique et l’absence de violence, l’état de droit (« Rule of Law »), la liberté d’expression et le contrôle de la corruption. Nous obtenons alors une relation positive entre la qualité des institutions et le niveau d’endettement des firmes avec notamment un coefficient significatif à 99% (0.245) dans notre modèle à effets aléatoires. Une augmentation de 0,1 point dans l’indicateur reflétant la qualité des instituions engendrerait alors une augmentation du levier financier de 2,45%. Ainsi, les firmes situées dans des pays où les institutions sont de meilleure qualité auront plus tendance à utiliser de la dette comme méthode de financement. Une meilleure stabilité politique inciterait alors les firmes à accorder plus de confiance au marché bancaire et à contracter davantage de dette. 73 5.3 Impact de l’ajout de variables spécifiques au pays sur nos variables spécifiques à la firme Cette section est destinée majoritairement à évaluer l’impact de l’ajout progressif de variables propres à chaque pays sur les variables spécifiques à la firme et donc à déterminer le rôle indirect des variables économiques et institutionnelles sur les variables spécifiques à la firme. Nous analyserons alors les résultats de nos modèles I à V à effets fixes et à effets aléatoires pour notre variable dépendante principale soit le ratio de la dette totale sur l’ensemble de la dette et de la valeur de marché des fonds propres. A des fins de simplification, nous nous intéresserons seulement aux régressions effectuées sur l’ensemble de notre échantillon. Les tableaux 5-5 et 5-6 présentent les résultats de nos régressions I à V pour l’ensemble de l’échantillon avec un modèle à effets fixes et à effets aléatoires respectivement. 5.3.1 Modèle I à II Il n’est pas ici question d’analyser le rôle de l’ajout de variables spécifiques aux pays sur celui des variables spécifiques à la firme mais seulement d’observer comment se comporte notre modèle lorsque nous le complétons avec d’autres variables spécifiques à la firme. Ainsi, d’un modèle initial à quatre variables (taille, profitabilité, perspectives de croissance et caractère tangible des actifs) nous ajoutons quatre nouvelles variables (les dividendes, la liquidité, les taxes et les avantages fiscaux non liés à la dette). Les observations que nous pouvons faire sont alors les suivantes. Dans notre modèle initial, seules les variables relatives à la profitabilité et au caractère tangible des actifs sont significatives. Nous remarquons cependant que lorsque nous ajoutons nos quatre nouvelles variables, la variable modélisant les perspectives de croissance de la firme devient à son tour significative. La nouvelle significativité de la variable relative aux perspectives de croissance a alors un impact sur la variable représentant le caractère tangible des actifs. En effet, tandis que les perspectives de croissance deviennent significatives dans notre modèle, le caractère tangible des actifs perd en significativité dans le modèle à effets aléatoires (d’un seuil de confiance de 99% à un seuil de confiance de 90%) et perd même toute significativité dans le modèle à effets fixes. Cela peut notamment être la conséquence du fait que les variables relatives aux perspectives de croissance de la firme et à la tangibilité de ses actifs sont toutes deux des variables se rapportant aux coûts d’agence de la firme et donc à la théorie de l’agence. De plus, le coefficient relatif à la profitabilité de la firme baisse quelque peu (de -0.625 à -0.431 dans le modèle à effets fixes et de -0.668 à -0.451 dans le modèle à effets variables). Cela peut 74 notamment s’expliquer par l’introduction de notre variable ayant trait à la liquidité de la firme. En effet, la profitabilité et la liquidité de la firme sont toutes deux des variables qui se rattachent plus particulièrement à la théorie des préférences ordonnées, puisqu’elles prennent en compte l’existence d’une hiérarchie dans les sources de financement. L’introduction d’une variable relative à la liquidité de la firme capte alors quelque peu l’effet de la variable profitabilité dans notre modèle. 5.3.2 Modèle II à III Nous analyserons ici l’impact de l’ajout de variables macroéconomiques sur nos variables spécifiques à la firme. Dans notre modèle à effets fixes, la significativité de nos variables concernant le produit intérieur brut ainsi que la croissance de ce dernier a comme conséquence l’apparition d’une significativité à un seuil de confiance de 99% pour notre variable relative à la taille de l’entreprise. La prise en compte du niveau de richesse du pays ainsi que de sa croissance permet alors au facteur taille d’avoir son importance dans notre modèle. Ces deux variables macroéconomiques contrôlent pour l’importance de l’économie et la prise en compte de la taille de la firme devient cohérente. Dans notre modèle à effets aléatoires cependant, l’introduction de nos variables macroéconomiques ne semble pas affecter notre modèle plus que cela. En effet, les significativités de nos variables spécifiques à la firme restent les mêmes et les coefficients associés à nos variables ne varient que très légèrement. Notons cependant que l’introduction de la variable relative à la croissance du PIB (la seule variable macroéconomique ici) semble renforcer l’impact de la variable ayant trait aux perspectives de croissance de la firme. En effet, le coefficient de cette dernière passe de -0.00548 à 0.00589 et sa statistique-t de -3.23 à -3.42. Lorsque nous considérons la croissance du produit intérieur brut, la variable relative aux perspectives de croissance prend alors d’autant plus d’importance dans notre modèle. Ainsi, dans un pays où la croissance du PIB est importante, les perspectives de croissance des firmes seront alors d’autant plus grandes et cela aura un effet négatif plus fort sur notre levier financier. 5.3.3 Modèle III à IV Nous nous intéressons ici à l’impact de l’ajout de nos variables relatives au développement des marchés financiers sur nos variables spécifiques à la firme. La première observation que nous faisons porte cependant sur la disparition de toute significativité quant à nos variables macroéconomiques lorsque nous ajoutons nos variables ayant trait aux institutions financières. Ainsi, l’introduction de variables relatives au développement du marché boursier et du marché bancaire semble capter l’effet précédemment attribué aux variables macroéconomiques. Notons que la quasi-totalité de nos variables 75 concernant le développement des institutions financières sont normalisés par le produit intérieur brut ce qui est peut-être la cause de la disparition de la significativité du PIB et de sa croissance. Dans nos deux modèles, nous remarquons aussi la diminution de la significativité de la variable relative aux avantages fiscaux non liés à la dette. En effet, le coefficient de cette dernière se voit diminué de -0.0469 à -0.0277 (les statistiques-t baissant de -2.87 à -1.74) dans le modèle à effets fixes et de -0.0602 à -0.0367 (de -4.11 à -2.23 pour les statistiques-t) dans le modèle à effets aléatoires. Ainsi, la prise en compte du développement du marché boursier et du marché bancaire dans le choix du niveau d’endettement d’une firme est importante et rétrograde à un second plan la prise en compte d’avantages fiscaux non liés à la dette. Notons que cela semble cohérent lorsque l’on considère la petitesse des économies réalisées grâce à ces avantages fiscaux. De plus, la prise en compte des taxes dans le choix de la structure financière des entreprises semble aussi avoir moins d’importance lorsque l’on considère le développement du marché bancaire et boursier. Le coefficient associé à la variable taxes passe en effet d’un seuil de confiance de 95% à 90% dans le modèle à effets aléatoires tandis que sa statistique-t diminue de -2.27 à -1.92. Finalement, la prise en compte du développement des marchés financiers permet l’apparition d’une significativité pour la variable TAILLE dans notre modèle à effets aléatoires. Le fait de prendre en compte la taille du marché boursier ainsi que celle du marché bancaire par rapport à l’économie (seules les variables CAP_PIB et M2_PIB sont significatives) donne alors de l’importance à la taille de la firme quant au choix de sa structure du capital. En effet, malgré le fait que le marché boursier ou bancaire soit bien développé, une firme de grande taille aura notamment bien plus de facilités à émettre des actions ou à lever de la dette. 5.3.4 Modèle IV à V Le passage de notre modèle IV à notre modèle V nous permet d’ajouter une variable relative au développement des institutions légales, soit la variable représentant la qualité des institutions. Notons que cette variable n’est significative que dans notre modèle à effets aléatoires et que nous nous intéresserons alors à l’effet de l’ajout de cette variable dans ce modèle seulement. Nous ne remarquons pas de grands changements dans la significativité de nos variables spécifiques à la firme lorsque nous ajoutons la qualité des institutions au sein de notre modèle. Tout comme dans le modèle IV, sept de nos huit variables spécifiques à la firme restent significatives. De plus, les coefficients des variables restent assez similaires à l’exception de celui ayant trait à la taille de la firme. 76 Le coefficient relatif à la taille de la firme subit en effet une hausse (de 0.0205 à 0.0308) lorsque l’on ajoute la variable rapportant la qualité des institutions au sein du pays. La variable passe notamment d’une significativité d’un seuil de confiance de 95% à 99%. Ainsi, au sein de pays tels que ceux des BRICS où la qualité des institutions est faible (moyenne de -0.105 sur l’ensemble de notre échantillon), la taille de la firme représente un facteur d’autant plus important à considérer. En effet, la taille de la firme peut représenter un bon indicateur du degré d’asymétrie d’information présent. Lorsque la firme est grande, l’asymétrie d’information est d’autant plus importante ce qui encourage les firmes à contracter d’autant plus de dette pour son rôle disciplinant. En fait, lorsque l’on prend en compte le niveau de qualité des institutions, on se rend compte qu’il s’avère plutôt bas pour notre échantillon ce qui renforce le rôle accordé à notre variable taille dans notre modèle, puisque la taille s’impose comme un bon indicateur de l’asymétrie d’information au sein de la firme. 5.4 Analyse des R-carrés Il est important de s’attarder rapidement sur les R-carrés de nos modèles puisque ces derniers donnent une bonne indication du pouvoir explicatif de nos modèles. Ainsi, si nous considérons notre modèle global (modèle V) pour l’ensemble de notre échantillon avec comme variable dépendante le ratio de la dette totale sur l’ensemble de la dette et des fonds propres, nous remarquons que les Rcarrés sont de 0.2961 pour le modèle à effets fixes et de 0.2497 pour le modèle à effets aléatoires. Toujours pour le même modèle et la même variable dépendante, les R-carrés varient entre 0.3433 et 0.7635 pour le modèle à effets fixes et entre 0.3346 et 0.7353 pour le modèle à effets aléatoires lorsque nous considérons chaque pays séparément. Notons que notre modèle semble le moins bien s’appliquer pour le Brésil puisque c’est le pays pour lequel les R-carrés sont les plus faibles. Ceci est largement satisfaisant pour des données de panel contenant un grand nombre de firmes hétéroclites mais surtout pour un échantillon portant sur les BRICS. En effet, les variables analysées dans cette étude sont souvent utilisées au sein d’échantillon englobant des pays développés, tels que ceux des G7 par exemple. En se focalisant sur les BRICS plus particulièrement, nous ne pouvions nous attendre à des résultats aussi bons que dans de telles études. Notons aussi que notre modèle est moins performant lorsque l’on prend en compte le ratio de la dette à long terme sur l’ensemble de la dette et des fonds propres. En effet, pour l’ensemble de l’échantillon les R-carrés s’élèvent à 0.15 pour le modèle à effets fixes et à 0.1176 pour le modèle à effets aléatoires. Lorsque l’on prend en compte chaque pays séparément, les R-carrés varient alors de 0.2902 à 0.5436 pour le modèle à effets fixes et de 0.2698 à 0.4302 pour le modèle à effets aléatoires. 77 Encore une fois, c’est le Brésil qui détient les R-carrés les plus petits. La moindre performance de notre modèle avec l’échantillon au complet lorsque l’on considère la dette à long terme peut notamment être du à une plus grande importance des spécificités nationales lorsqu’il s’agit de contracter de la dette à long terme. De plus, le financement par dette long terme est beaucoup moins fréquent pour les entreprises au sein de pays en voie de développement. Mais une dimension essentielle à considérer dans cette analyse reste l’analyse de nos R-carrés en fonction des différents groupes de variables. Pour cela, il suffit d’étudier les R-carrés des tableaux 5-5 à 5-8 qui nous présentent les résultats de nos modèles I à V à effets fixes et à effets aléatoires pour les deux variables dépendantes considérées. Nous remarquons dans un premier temps que les résultats sont assez robustes. Lorsque nous prenons en compte la dette totale comme variable dépendante, les Rcarrés pour nos modèles I à V croissent de 0.1101 à 0.2961 dans le modèle à effets fixes et de 0.1089 à 0.2497 dans le modèle à effets aléatoires. Pour la dette à long terme, les R-carrés augmentent 0.0784 à 0.15 pour le modèle à effets fixes et de 0.072 à 0.1176 pour le modèle à effets aléatoires. Quelles sont alors les variables responsables d’une telle augmentation? L’analyse plus poussée des R-carrés de nos différents modèles nous permet de dégager le pouvoir explicatif marginal de chaque variable. Ainsi, nous remarquons tout d’abord que le pouvoir explicatif marginal des variables macroéconomiques est faible. En effet, leur introduction dans le modèle III ne fait que très peu augmenter le R-carrés, soit seulement de 0.1713 à 0.1974 pour le modèle à effets fixes et de 0.1701 à 0.1785 pour le modèle à effets aléatoires avec la dette totale comme variable dépendante (0.0781 à 0.089 dans le modèle à effets fixes et 0.0717 à 0.0784 dans le modèle à effets aléatoires avec la dette long terme comme variable dépendante). Le faible pouvoir explicatif des variables marginales est d’ailleurs souligné par leur absence de significativité dans nos modèles finaux. Au contraire, les variables ayant trait au développement des institutions financières ont un grand pouvoir explicatif marginal. Ils sont les responsables en plus grande partie de la croissance de nos Rcarrés lorsque nous considérons nos modèles I à V. Ainsi, dans nos modèles avec la dette totale, l’ajout des variables relatives aux institutions financières fait croître nos R-carrés de 0.1974 à 0.2946 dans le modèle à effets fixes et de 0.1785 à 0.2424 dans le modèle à effets aléatoires. Pour la dette à long terme, les R-carrés croissent de 0.089 à 0.15 dans le modèle à effets fixes et de 0.0784 à 0.1172 dans le modèle à effets aléatoires. Il est alors indéniable que les variables relatives aux institutions financières et même plus particulièrement au développement des marchés boursiers et bancaires jouent un rôle important dans la détermination de la structure du capital des BRICS. Finalement, nous observons que le 78 pouvoir explicatif marginal de la variable liée aux institutions légales est limité. En effet, la croissance du R-carré lors de l’ajout de cette variable dans notre modèle est très faible. Dans le modèle avec la dette totale, le R-carré augmente seulement de 0.2946 à 0.2961 dans le modèle à effets fixes et de 0.2424 à 0.2497 dans le modèle à effets aléatoires. Pour la dette à long terme, l’ajout de cette variable n’augmente même pas le pouvoir explicatif du modèle à effets fixes (le R-carré stagne à 0.15) tandis que le R-carré augmente de 0.1172 à 0.1176 pour le modèle à effets aléatoires. Finalement, l’analyse des R-carrés de nos différents modèles nous ont permis de tirer certaines conclusions. Notre modèle global (modèle V) apparaît plutôt robuste lorsque nous considérons la dette totale comme variable dépendante mais s’avère un peu moins performant lorsque nous considérons la dette à long terme. Les variables macroéconomiques ainsi que la variable ayant trait au développement des institutions légales ont un faible pouvoir explicatif marginal lorsque nous considérons l’ensemble de nos modèles I à V. Ceci est d’ailleurs confirmé par la faible significativité associée à ces variables lors des régressions. À l’inverse, les variables liées au développement des institutions financières ont un grand pouvoir explicatif marginal et sont responsables en très grande partie de l’augmentation des R-carrés lors du passage de notre modèle I à V. Il paraît donc indéniable que le développement des marchés bancaires et boursiers est un facteur important à considérer lors de l’étude des déterminants de la structure du capital de firmes au sein de pays en voie de développement, pays où les inefficiences des marchés sont souvent importantes. 5.5 Robustesse 5.5.1 Maturité de la dette À des fins de robustesse et dans l’optique d’analyser l’impact de la maturité de la dette au sein de notre étude, nous avons choisi de réaliser nos régressions en prenant en compte une deuxième variable dépendante soit le ratio de la dette à long terme sur l’ensemble de la valeur aux livres de la dette et de la valeur de marché des fonds propres. Les tableaux 5-7 et 5-8 présentent les résultats de nos régressions I à V pour l’ensemble de notre échantillon avec un modèle à effets fixes et à effets aléatoires respectivement. Les tableaux 5-9 et 5-10 rapportent quant à eux les résultats de notre modèle global pour chaque pays à effets fixes et à effets aléatoires respectivement. Notons finalement que nous nous concentrerons plus particulièrement sur l’étude de notre modèle V pour l’ensemble de notre échantillon. 79 Dans un premier temps, nous remarquons que peu de variables spécifiques à la firme sont ici significatives en comparaison à nos régressions avec la dette totale. Ainsi, dans notre modèle à effets fixes, seules la taille, la profitabilité et les perspectives de croissance sont significatifs. Nous retrouvons les mêmes variables significatives pour notre modèle à effets aléatoires en y ajoutant cependant la variable relative au caractère tangible des actifs. Tout comme dans nos modèles avec la dette totale comme variable dépendante, le coefficient de la variable taille est positif tandis que ceux des variables profitabilité et perspectives de croissance sont négatifs. Une entreprise de plus grande taille, moins profitable et détenant moins de perspectives de croissance aura alors tendance à contracter davantage de dette à long terme. Un point important ici réside en la significativité de la variable ayant trait au caractère tangible des actifs dans notre modèle à effets aléatoires. En effet, cette dernière n’est pas significative dans aucun de nos modèles avec la dette totale comme variable dépendante. Ainsi, le coefficient relatif au caractère tangible des actifs est positif 0.0989 dans notre modèle à effets aléatoires et significatif à un seuil de confiance de 90%. Cela démontre donc l’importance du caractère tangible des actifs lors de la contraction de dette à long terme puisque ces derniers jouent le rôle de garanties pour les prêteurs. Une entreprise détenant des actifs tangibles aura alors plus tendance à s’endetter à long terme. Cette relation positive avec l’endettement à long terme des firmes est alors en adéquation avec les différentes théories de la structure du capital. En effet, cela est en accord avec la théorie du compromis statique qui voit en des actifs tangibles l’apport d’une certaine sécurité aux créanciers en cas de détresse financière. Cela concorde aussi avec la théorie de l’agence qui observe une réduction des couts d’agence de la dette et avec la théorie des préférences ordonnées qui souligne la diminution de l’asymétrie de l’information lorsque l’entreprise détient des actifs tangibles. Finalement, le caractère tangible des actifs représente un facteur important à considérer lors de la contraction potentielle de dette à long terme. Notons de plus que cette variable n’était peut être pas significative dans notre modèle avec la dette totale comme variable dépendante puisque nous avons observé précédemment que la majorité de la dette des BRICS était constitué de dette à court-terme. Si l’on s’intéresse désormais à nos facteurs institutionnels, nous remarquons que les variables relatives à la taille du secteur boursier (CAP_PIB), à la liquidité du secteur boursier (VAL_CAP) ainsi qu’au degré de qualité des institutions sont significatives. Cela correspond alors aux résultats obtenus avec la dette totale comme variable dépendante : les mêmes conclusions en découlent alors. Cependant, nous remarquons que la variable M2_PIB n’est plus significative mais que c’est cette fois-ci la variable PRIV_PIB qui est significative. Cela semble logique puisque cette dernière considère l’approvisionnement des banques en financement à long terme pour les entreprises privées. Encore une 80 fois cependant, la relation n’est pas celle attendue puisque la variable PRIV_PIB présente un coefficient négatif. Ainsi, dans des pays où les banques accordent plus de financement à long terme aux entreprises privées, les firmes de notre échantillon sembleraient contracter moins de dette à long terme. Cela est peut-être dû aux relations privilégiées qu’ils existent dans certains pays comme la Chine entre les banques et les entreprises et qui ne s’appliquent peut-être pas aux entreprises publiques de notre échantillon. Finalement, une variable macroéconomique reste significative dans notre modèle à effets aléatoires. Il s’agit du produit intérieur brut qui présente un coefficient positif (0.0000129) et significatif à un seuil de confiance de 99%. Ici, il semblerait donc que les entreprises des pays les plus riches aient tendance à avoir davantage recours à de la dette à long terme. 5.5.2 Degré de protection des actionnaires et des créanciers Afin d’analyser plus en profondeur l’impact du développement des institutions légales sur la structure du capital des entreprises, nous nous sommes intéressés au degré de protection des actionnaires et des créanciers au sein des BRICS. Nous avons donc intégré deux nouvelles variables au sein de notre modèle global. La variable ACTIO prend alors en compte le degré de protection des actionnaires au sein du pays tandis que la variable CREAN s’intéresse elle au degré de protection des créanciers. Notons que nous avons analysé l’impact de ces deux variables sur une période temporelle réduite soit de l’année 2000 à 2005 puisque nous ne disposions pas d’informations pour la suite. Le tableau 5-11 présente le résultat de nos modèles globales à effets fixes et à effets aléatoires avec comme valeurs dépendantes la dette totale sur l’ensemble de la dette et de valeur de marché des fonds propres ainsi que la dette à long terme sur l’ensemble de la dette et des fonds propres. La variable relative au degré de protection des actionnaires est alors significative à un seuil de confiance de 99% seulement dans notre modèle à effets aléatoires avec la dette à long terme. Le coefficient obtenu est négatif (-1.717) ce qui confirme nos attentes. Dans un univers où la protection des actionnaires est élevée, les firmes auront tendance à moins s’endetter et à préférer le financement par émissions d’actions. Notons que la prise en compte du degré de protection des actionnaires et des créanciers dans le modèle à effets aléatoires avec la dette à long terme comme variable dépendante nous fait perdre la significativité de certaines variables. En effet, la variable CAP_PIB relative à la taille du marché boursier ainsi que la variable QUAL_INST captant le degré de qualité des institutions ne sont alors plus significatives. On peut alors émettre l’hypothèse que la variable de degré de protection des actionnaires capte l’effet propre à ces deux variables. De plus, il est intéressant de s’attarder sur l’impact de l’ajout du degré de protection des actionnaires dans notre modèle sur certaines variables. 81 Notre indicateur du degré de protection des créanciers est lui significatif dans notre modèle à effets fixes avec la dette totale comme valeur dépendante. Le coefficient associé à cette variable est négatif (-0.549 et significatif à un seuil de confiance de 90%) ce qui ne correspond pas forcément à nos attentes. En effet, l’on pourrait croire qu’une meilleure protection des créanciers inciterait les firmes à s’endetter davantage puisque l’accès à l’endettement leur serait facilité grâce aux meilleures conditions pour les créanciers. Ici cependant, une meilleure protection des créanciers a un impact négatif sur l’endettement des firmes. Nous pouvons toutefois trouver une explication à cela. Une meilleure protection pour les créanciers signifie ici des restrictions plus contraignantes sur les activités de l’emprunteur et des droits contractuels ainsi que des droits en cas de faillite plus importants et imposants pour les créanciers. Cela n’incite alors pas vraiment les firmes au sein de pays en voie de développement à avoir recours à l’endettement puisqu’elles ne sont pas forcément en mesure de répondre à tout les critères demandés ainsi que d’accepter toutes les contraintes inhérentes aux contrats. 5.5.3 Analyse de l’impact combiné de la taille et de la qualité des institutions sur la structure du capital : introduction d’une variable d’interaction Malgré les nombreuses études portant sur l’impact de la taille de la firme et la qualité des institutions légales de son pays sur la structure du capital, rares sont les études qui s’intéressent à comment interagissent ces deux variables pour affecter le niveau d’endettement des firmes. A priori, nous nous attendons à un impact plus important de la taille sur la structure du capital dans des pays où les instituions légales sont mieux développées. Nous avons donc introduit dans notre modèle global une variable d’interaction entre la taille de la firme et la qualité des institutions du pays dans lequel elle se situe. L’introduction d’une telle variable est d’autant plus cohérente que notre indice de qualité des institutions ne varie que très sensiblement au cours du temps. Le tableau 5-12 présente les résultats de nos modèles à effets fixes et à effets aléatoires pour nos deux variables dépendantes lorsque nous ajoutons cette nouvelle variable d’interaction. Notre variable d’interaction apparait comme significative seulement dans notre modèle à effets aléatoires. Lorsque nous prenons en compte la dette totale comme mesure du levier financier, la variable d’interaction entre taille et qualité des institutions est significative à un degré de confiance de 90% et son coefficient s’élève à 0.0354. Pour notre modèle prenant en compte la dette à long-terme, la variable d’interaction est cette-fois significative à un seuil de 99% et son coefficient s’élève à 0.0562. la conclusion que nous pouvons tirer est alors la suivante : la taille de la firme a un impact d’autant plus 82 important sur la structure du capital des firmes lorsque celle-ci se situent dans des pays où la qualité des institutions est meilleure. Ainsi, une firme de plus grande taille aura tendance à s’endetter d’autant plus si elle est localisée dans un pays où les institutions sont de bonne qualité. Notons finalement que même si non significatifs, les coefficients associés à notre variable d’interaction dans nos modèles à effets fixes restent positifs. 5.5.4 Analyse de l’impact de l’appartenance à certaines industries sur la structure du capital des firmes : introduction de variables binaires Dans la dernière partie de notre analyse, nous avons choisi d’intégrer des effets d’industrie dans notre modèle global. Ainsi nous avons découpé notre échantillon de firmes en six secteurs d’activités : l’industrie manufacturière (MANUFACTURING), l’industrie de la construction (CONSTRUCTION), les industries minière, agricole, forestière et de la pêche (MINING_AGRI) qui s’apparente au secteur primaire, les industries des transports, des communications, de l’électricité et du gaz (TRANSPORTATION), les industries du commerce de détail et du commerce en gros (RETAIL_WHOLESALE) et l’industrie des services. Notons que l’industrie des services représente dans notre modèle la variable binaire omise soit la catégorie de référence. Notre échantillon se compose de 43 entreprises manufacturières, 3 entreprises dans la construction, 24 entreprises dans le secteur primaire, 22 entreprises dans le secteurs des transports, des communications, de l’électricité et du gaz, 8 entreprises dans le secteur du commerce de détail et du commerce en gros et seulement 2 entreprises de services. L’introduction de variables binaires ne permettant pas de réaliser de modèles à effets fixes, nous présenterons seulement les résultats rencontrés pour notre modèle global à effets aléatoires. Les résultats de nos modèles à effets aléatoires pour nos deux mesures de levier financier et intégrant nos variables binaires relatives aux secteurs d’activité des firmes sont présentés dans le tableau 5-13. Lorsque nous prenons en compte la dette totale comme mesure du levier financier, nous remarquons que tous les coefficients associés à nos variables binaires sont positifs et significatifs à un seuil de 95% au moins. Ainsi, une firme appartenant à un des secteurs manufacturiers, de la construction, primaire, des transports et du commerce de détail ou de gros, aura un ratio d’endettement plus important qu’une firme appartenant au secteur des services. Ceci s’explique notamment par le fait que les industries de services sont celles détenant le moins d’actifs tangibles et donc moins de garanties disponibles pour les créanciers, ce qui implique que ce sont les entreprises qui ont la moins bonne capacité à s’endetter. Ainsi, les entreprises du secteur de la construction seront les plus endettées (coefficient de 0.460), suivront ensuite les entreprises du secteur des transports, de la 83 communication, de l’électricité et du gaz (coefficient de 0.447) puis celles du secteur manufacturier (coefficient de 0.343), celles du secteur primaire (coefficient de 0.338) et enfin celles du commerce de détail et de gros (coefficient de 0.334). Si nous nous intéressons désormais aux résultats rencontrés avec la dette à long-terme comme mesure du levier financier, les conclusions sont assez similaires. Tous les coefficients associés à nos variables binaires sont positifs et significatifs à un seuil de 90% au moins (à l’exception de celui du commerce de détail et de gros). Nous notons aussi que les coefficients se sont amoindris ce qui est logique puisque l’on s’intéresse à la dette à long terme seulement. Enfin, les entreprises des transports, des communications, de l’électricité et des gaz deviennent les plus endettées (l’ordre reste inchangé sinon). Finalement, l’introduction de variables binaires relatives aux divers secteurs d’activité des firmes s’est révélé cohérente et nous a permis de distinguer les secteurs d’activités les plus endettés. Chapitre 6 : Conclusion générale 6.1 Limites de l’étude Une fois notre étude réalisée, il est maintenant important de se tourner vers les limites des résultats auxquels nous sommes parvenus et de la méthodologie empruntée. Dans un premier temps, nous sommes conscients que le choix de la mesure du levier financier a largement influencé nos résultats. Même si la mesure que nous avons choisie nous apparaît adéquate, il aurait peut-être pu être intéressant d’utiliser plusieurs autres mesures à des fins de robustesse. Notons cependant que seule l’intensité et donc la significativité des résultats aurait a priori pu être impactée et non le sens de la corrélation attendue. De plus, l’échantillon sélectionné a lui aussi pu influencer les résultats rencontrés. Soulignons cependant que nous avons choisi les entreprises d’un indice boursier de chaque pays, ce qui nous a permis d’obtenir une bonne représentation de l’activité économique de chaque pays. De plus, cela nous a permis d’obtenir un échantillon de firmes assez hétéroclites car de tailles et de secteurs d’activité variés. Nous déplorons cependant le fait que notre étude se base sur un échantillon assez petit, soit 102 firmes au total. Certains pays, tels que la Russie et la Chine (9 et 11 entreprises respectivement) peuvent notamment apparaître comme sous-représentés dans l’échantillon. La difficulté d’accéder à des données pour des firmes situées au sein des BRICS représente la principale barrière que nous avons rencontrée dans notre étude. Il est indéniable que des progrès restent à faire quant à l’accessibilité de l’information pour les entreprises localisées dans des pays en voie de développement. La période temporelle sélectionnée représente un autre facteur qui peut légèrement faire varier les résultats. Il nous a cependant paru judicieux de nous baser sur une période récente et sur une durée assez longue, soit onze ans. Notons d’ailleurs que la plupart des études se basent sur une période bien plus courte. Le choix des variables explicatives a été fait dans un désir de réaliser une étude la plus exhaustive possible. Certaines variables considérées en premier lieu ont cependant dû être abandonnées à cause d’un manque de données. Il s’agit notamment de variables spécifiques à la firme telles que la volatilité des revenus, le degré de spécialisation de la firme, la concentration de l’actionnariat en son sein ou encore sa possible privatisation mais aussi de variables mesurant le développement des marchés financiers. 85 Finalement, nous sommes conscients du biais introduit dans notre étude par l’étude spécifique d’entreprises cotées. En effet, même si la disponibilité de l’information nous a contraints à focaliser notre étude sur des firmes cotées en bourse uniquement, nous ne renions pas l’existence d’un biais réel puisque la décision d’aller au financement public a bien évidemment un impact sur la structure du capital. 6.2 Conclusion La présente étude avait pour objectif principal de dresser une liste des déterminants de la structure du capital. Alors que la plupart des études s’intéressent aux pays développés, nous nous sommes ici focalisés sur des pays en voie de développement : les BRICS (soit le Brésil, la Russie, l’Inde, la Chine et l’Afrique du Sud). Grâce à l’utilisation de modèles de panel à effets fixes et à effets aléatoires ainsi qu’à l’utilisation de données s’étalant sur une période temporelle de 2000 à 2010, nous avons pu évaluer l’impact de plusieurs facteurs sur le levier financier des entreprises. Notons aussi que l’utilisation de deux variables dépendantes, soit le ratio de la dette totale sur l’ensemble de la dette et de la valeur de marché des fonds propres ainsi que la ratio de la dette à long terme sur l’ensemble de la dette et de la valeur de marché des fonds propres a ajouté de la robustesse à notre étude mais a aussi approfondi le rôle de la maturité de la dette dans la structure du capital des firmes des BRICS. L’étude de facteurs spécifiques à la firme mais aussi spécifiques au pays nous a en effet permis d’éclaircir quelque peu la problématique de la structure du capital. Plus précisément, nous avons étudié l’impact de variables spécifiques à la firme, de variables macroéconomiques et de variables ayant trait aux institutions financières et légales sur la détermination de la structure du capital des entreprises des BRICS. Dans un premier temps, l’utilisation d’un modèle global incluant la totalité de nos variables nous a permis de dresser une liste (non exhaustive) des facteurs influençant la détermination du levier financier des firmes. Par la suite, l’insertion progressive dans notre modèle de nos variables spécifiques au pays nous a permis d’analyser l’impact indirect de ces variables spécifiques au pays sur nos variables spécifiques à la firme mais aussi de définir le pouvoir explicatif marginal de ces variables. Certains résultats se doivent alors d’être soulignés. Les variables spécifiques à la firme qui influencent la structure du capital des pays développés ont aussi un rôle à jouer dans la détermination du levier financier des entreprises des BRICS. La taille (+), la profitabilité (-), les perspectives de croissance (-), les dividendes (-), la liquidité (-), les taxes (-) et les avantages fiscaux non liés à la dette (-) sont tous des déterminants significatifs dans au moins un de nos 86 modèles à effets fixes ou à effets aléatoires. Seul le caractère tangible des actifs n’apparaît pas comme un déterminant de la structure du capital des firmes lorsque l’on s’intéresse à la dette totale. Notons cependant que le caractère tangible des actifs (+) devient significatif lorsque l’on s’intéresse à la dette à long terme. Les variables macroéconomiques étudiées, telles que le produit intérieur brut, la croissance du produit intérieur brut ainsi que le taux d’inflation n’apparaissent cependant pas comme significatives dans notre modèle globale étudiant la dette totale. Leur pouvoir explicatif marginal est alors très faible. À l’inverse, les variables relatives aux institutions financières et plus particulièrement au développement des marchés boursiers et bancaires démontrent un pouvoir explicatif marginal très grand. La taille du marché boursier (-), sa liquidité (+) ainsi que la taille du marché bancaire (-) représentent alors des déterminants significatifs dans le choix de la structure financière des entreprises des BRICS. Quant aux variables ayant trait aux institutions légales, telles que la qualité des institutions (+), le degré de protection des actionnaires(-) et le degré de protection des créanciers (-), elles apparaissent aussi comme des déterminants significatif mais leur pouvoir explicatif marginal reste cependant limité. L’étude de pays en voie de développement s’est cependant montrée difficile à effectuer. Le manque d’accessibilité à l’information pour de tels pays reste un problème majeur pour les chercheurs et de grands progrès restent à accomplir dans ce domaine. De plus, l’évolution constante des marchés et de la société ainsi que la progression rapide du rôle des pays en voie de développements dans l’économie mondiale lancent de grands défis aux chercheurs qui voudraient s’impliquer dans des études approfondies sur les marchés internationaux. Annexes 88 Tableau 5- 1: Corrélations entre variables indépendantes pour l'ensemble de l'échantillon Le tableau présente les différentes corrélations entre nos variables indépendantes pour l’ensemble de notre échantillon. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Le degré de protection des actionnaires (ACTIO) ainsi que le degré de protection des créanciers (CREAN) correspondent aux indices développés par le « Center of Business Research ». Taille Taille Profit Croiss Tang Div Liquid Taxes Av_Fisc Pib Croiss_pib Inf Cap_pib Vol_pib Val_cap M2_pib Priv_pib Qual_inst Actio Crean 1,00 -0,03 -0,02 0,24 -0,06 0,07 0,11 -0,25 -0,34 0,37 0,16 -0,27 -0,01 0,26 -0,16 -0,36 -0,50 0,56 0,24 Profit Croiss Tang Div 1,00 0,19 -0,21 0,49 0,05 0,03 0,30 0,03 -0,02 0,10 0,11 0,06 -0,06 -0,17 0,02 0,09 0,01 0,04 1,00 -0,11 0,07 0,04 -0,08 0,04 -0,11 -0,01 -0,07 -0,03 0,18 0,22 -0,01 -0,04 -0,01 -0,03 0,07 1,00 -0,08 -0,20 0,09 0,01 0,05 0,06 0,14 -0,13 -0,20 -0,09 0,07 -0,04 -0,19 0,14 -0,07 1,00 -0,07 0,07 0,20 0,11 -0,13 0,06 0,05 -0,05 -0,12 -0,10 0,00 0,12 -0,12 -0,12 Liqui d 1,00 -0,12 -0,09 -0,09 0,06 0,15 -0,14 -0,04 0,11 -0,12 -0,16 -0,20 0,21 0,05 Taxes 1,00 0,17 0,18 -0,05 0,12 0,18 -0,05 -0,22 -0,09 0,11 0,13 0,01 0,01 Av_Fi sc 1,00 0,35 -0,25 -0,09 0,72 0,38 -0,29 -0,01 0,67 0,61 -0,25 0,25 PIB 1,00 -0,45 0,22 0,55 -0,21 -0,72 -0,24 0,32 0,50 -0,30 -0,32 Crois s_pib 1,00 -0,25 -0,20 0,01 0,18 0,43 -0,07 -0,61 0,58 0,44 Inf 1,00 -0,21 -0,52 -0,38 -0,63 -0,38 -0,21 0,30 -0,34 Cap_ pib Vol_p ib Val_ cap M2_p ib Priv_ pib Qual_ Inst 1,00 0,51 -0,39 0,03 0,81 0,76 -0,27 0,32 1,00 0,56 0,15 0,45 0,38 -0,19 0,58 1,00 0,13 -0,30 -0,32 0,09 0,33 1,00 0,48 -0,12 0,01 0,39 1,00 0,58 -0,24 0,46 1,00 -0,76 -0,14 Actio Crean 1,00 0,49 1,00 Tableau 5- 2: Modèle V à effets fixes avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de notre modèle global (modèle V) à effets fixes pour chacun de nos pays ainsi que pour l’ensemble de l’échantillon. La variable dépendante est celle de la dette sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST ENSEMBLE DE L’ÉCHANTILLON 0.108*** (8.02) -0.436 (-5.85) -0.00482*** (-3.00) 0.0174 (0.27) -0.127 (-0.66) -0.0738*** (-7.74) -0.00114** (-1.98) -0.0271* (-1.70) BRÉSIL RUSSIE INDE CHINE 0.0209 (071) -0.0366 (-0.20) -0.105*** (-5.74) -0.122 (-1.40) -0.207 (-0.64) -0.0460** (-2.55) -0.00136 (-1.51) 0.582 (1.57) 0.241*** (7.26) -0.185 (-0.77) -0.0653** (-2.03) -0.309 (-1.51) 0.385 (0.78) -0.0732*** (-3.10) -0.0000459 (-0.04) -0.846 (-0.82) 0.179*** (8.19) -1.479*** (-10.98) -0.00120 (-0.78) 0.0981 (0.72) 0.252 (0.70) -0.0438*** (-3.41) 0.000946 (0.84) -0.848 (-0.81) 0.179 (1.35) -0.924 (-1.38) -0.0951* (-1.87) -0.960** (-2.25) -2.841 (-0.84) -0.194*** (-3.31) -0.00694* (-1.83) -1.535 (-0.57) AFRIQUE DU SUD 0.0982*** (5.84) 0.0468 (0.69) 1.246*** (13.63) 0.0913 (0.93) -0.251 (-1.24) -0.0567*** (-3.14) 0.000917 (1.34) -1.296*** (-14.21) -0.00000843 (-1.26) 0.00439 (0.17) -0.000721 (-0.30) -0.0000261 (-0.89) 0.00333 (0.34) -0.000428 (-0.08) -0.000160* (-1.69) -0.00731 (-0.27) 0.00789 (0.30) 0.000258 (1.18) -0.0323*** (-4.28) -0.0662** (-2.07) -0.000355 (-1.70) -0.0144 (-0.18) 0.0366 (1.04) 0.0000965 (0.53) -0.0284 (-0.60) 0.00945 (0.30) -0.000816*** (-3.85) 0.0000468 (0.12) 0.000906*** (3.75) -0.00531*** (-2.76) 0.000390 (0.44) -0.00128 (-1.38) 0.00556 (0.94) -0.000811 (-0.26) 0.00373 (0.39) -0.00167 (-0.21) -0.0107** (-2.40) 0.0266** (2.24) -0.0194* (-1.82) 0.0132 (1.09) 0.0291 (0.74) 0.000973 (1.53) -0.00325 (-1.51) 0.00195 (1.33) 0.0110 (1.05) -0.00278 (-0.24) -0.00357 (-0.84) 0.00254 (0.73) 0.00140 (0.61) 0.0252 (1.07) -0.0205 (-1.27) -0.000481* (-1.79) 0.00442** (2.13) -0.000124 (-0.02) -0.0290 (-0.82) -0.00266* (-1.82) 0.102 0.367** -0.335 0.504* -3.342* 0.114 (1.27) (2.00) (-0.36) (1.75) (-1.70) (0.17) Constante -0.712*** 0.700 -3.376*** -2.634*** -3.467 0.272 (-3.19) (1.38) (-4.02) (-3.10) (1.49) (0.34) 2 R 0.2961 0.3433 0.7635 0.5632 0.6722 0.7508 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 90 Tableau 5- 3: Modèle V à effets aléatoires avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de notre modèle global (modèle V) à effets aléatoires pour chacun de nos pays ainsi que pour l’ensemble de notre échantillon. La variable dépendante est celle de la dette sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le rati o de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST ENSEMBLE DE L’ÉCHANTILLON 0.0308*** (3.47) -0.455*** (-5.91) -0.00634*** (-3.77) 0.0720 (1.27) -0.366* (-1.91) -0.0753*** (-8.60) -0.000993* (-1.69) -0.0369** (-2.26) BRÉSIL RUSSIE INDE CHINE 0.0395*** (2.93) 0.0883 (0.55) -0.113*** (-6.69) -0.139* (-6.69) -0.612** (-2.32) -0.0452*** (-2.70) -0.00182** (-2.18) 0.389 (1.26) 0.139*** (4.63) -0.298 (-1.05) -0.0543 (-1.37) -0.468* (-1.95) 0.274 (0.46) -0.108*** (-7.09) 0.00105 (0.76) 1.148 (1.14) 0.160*** (8.28) -1.447*** (-10.93) -00157 (-1.03) 0.170 (1.39) 0.124 (0.36) -0.0447*** (-3.55) 0.000737 (0.67) -1.519 (-1.51) 0.0319 (0.93) -0.0820 (-0.12) -0.0619 (-1.02) -0.591** (-2.48) -3.413 (-1.22) -0.252*** (-5.08) -0.00640 (-1.92) 0.677 (0.30) AFRIQUE DU SUD 0.0490*** (4.23) 0.100 (1.43) 1.389*** (16.88) 0.0775 (1.34) -0.391* (-1.93) -0.0433*** (-2.61) 0.000805 (1.17) -1.453*** (-17.65) 0.00000446 (1.26) -0.000855 (-0.38) 0.00201 (0.89) -0.0000241 (-0.83) 0.00355 (0.36) -0.0000412 (-0.01) -0.000147 (1.14) -0.00489 (-0.14) 0.00928 (0.28) 0.000259 (1.18) -0.0315*** (-4.17) -0.0649** (-2.03) -0.000141 (-0.58) 0.0446 (0.46) 0.0189 (0.43) 0.0000757 (0.39) -0.0183 (-0.37) 0.00689 (0.21) -0.000892*** (-4.16) -0.0000217 (-0.06) 0.000418* (1.90) -0.00106 (-1.29) -0.000170 (-0.28) -0.000909 (-1.00) 0.00441 (0.75) 0.000189 (0.06) 0.00202 (0.23) -0.00171 (-0.22) -0.00978* (-1.74) 0.0232 (1.56) -0.0173 (-1.29) 0.0151 (1.01) 0.0291 (0.59) 0.000926 (1.46) -0.00313 (-1.45) 0.00186 (1.27) 0.0108 (1.04) -0.00218 (-0.19) -0.00676 (-1.37) 0.00314 (0.84) 0.00206 (0.83) 0.0115 (0.42) -0.0148 (-0.77) -0.000353 (-1.25) 0.00338 (1.55) 0.000709 (0.09) -0.0223 (-0.60) -0.00206 (-1.34) 0.245*** 0.337 -0.306 0.482* -2.718 -0.0858 (4.06) (1.85) (-0.26) (1.67) (-1.17) (-0.12) Constante 0.421*** 0.474 -1.538 -2.304*** -0.607 0.718 (2.71) (1.16) (-1.64) (-2.76) (-0.36) (0.86) 2 R 0.2497 0.3346 0.6769 0.5607 0.5340 0.7353 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 91 Tableau 5- 4: Tableau récapitulatif: variables, prévisions et résultats Le tableau présente les différentes variables étudiées, les prévisions des diverses études antérieures ou des théories de la structure du capital ainsi que les résultats rencontrés dans nos modèles à effets fixes et à effets aléatoires. La variable dépendante considérée est le ratio de la dette totale sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). VARIABLES Variables spécifiques à la firme PRÉVISIONS RÉSULTATS Théorie du compromis statique Théorie de l’agence Théorie des préférences ordonnées TAILLE PROFIT + + + + - CROISS TANG + + + + DIV + - - LIQUID TAXES AV_FISC Variables macroéconomiques PIB CROISS_PIB INF Variables ayant trait aux institutions financières CAP_PIB VOL_PIB - + + ou + ou - Modèle à effets fixes + Non significatif (-) Modèle à effets aléatoires + - - - Non significatif (+) Non significatif (-) Non significatif (+) - - Non significatif (-) Non significatif (+) Non significatif (-) Non significatif (+) Non significatif (-) Non significatif (+) - + ou - - - Non significatif Non significatif (+) Non significatif (-) VAL_CAP M2_PIB Non significatif + - PRIV_PIB Non significatif Non significatif (+) + Non significatif (+) Variable ayant trait aux institutions légales QUAL_INST + + Non significatif (-) Non significatif (-) + 92 Tableau 5- 5: Modèles à effets fixes avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de nos cinq modèles à effets fixes pour l’ensemble de notre échantillon. La variable dépendante est celle de la dette sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST I 0.0089 (1.09) -0.625*** (-9.96) 0.000581 (1.06) 0.153** (2.53) II 0.00463 (0.51) -0.431*** (-5.45) -0.00432** (-2.54) 0.0671 (0.99) -0.314 (-1.52) -0.0701*** (-7.00) -0.00153** (-2.50) -0.0572*** (-3.48) MODÈLES III 0.0361*** (3.06) -0.445*** (-5.64) -0.00375** (-2.22) -0.00383 (-0.06) -0.268 (-1.31) -0.0680*** (-6.76) -0.00151** (-2.51) -0.0469*** (-2.87) IV 0.109*** (8.05) -0.437*** (-5.86) -0.00478*** (-2.97) 0.0174 (0.27) -0.128 (-0.66) -0.0738*** (-7.74) -0.00121** (-2.13) -0.0277* (-1.74) V 0.108*** (8.02) -0.436*** (-5.85) -0.00482*** (-3.00) 0.0174 (0.27) -0.127 (-0.66) -0.0738*** (-7.74) -0.00114** (-1.98) -0.0271* (-1.70) -0.0000178*** (-4.32) -0.00567*** (-2.68) -0.00353 (-1.52) -0.00000663 (-1.01) 0.000113 (0.04) -0.000447 (-0.19) -0.00000843 (-1.26) 0.00439 (0.17) -0.000721 (-0.30) -0.000822*** (-3.88) 0.000131 (0.34) 0.000873*** (3.63) -0.00629*** (-3.58) 0.000654 (0.75) -0.000816*** (-3.85) 0.0000468 (0.12) 0.000906*** (3.75) -0.00531*** (-2.76) 0.000390 (0.44) 0.102 (1.27) Constante 0.478*** 0.740*** 0.334* -0.690*** -0.712*** (3.10) (4.33) (1.68) (-3.09) (-3.19) 2 R 0.1101 0.1713 0.1974 0.2946 0.2961 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 93 Tableau 5- 6: Modèles à effets aléatoires avec valeur aux livres de la dette sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de nos cinq modèles à effets aléatoires pour l’ensemble de notre échantillon. La variable dépendante est celle de la dette sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST I -0.0000864 (-0.01) -0.668*** (-10.83) 0.000544 (0.99) 0.157*** (2.99) II -0.00149 (-0.21) -0.451*** (-5.78) -0.00548*** (-3.23) 0.0983* (1.74) -0.408** (-2.06) -0.0716*** (-8.14) -0.00140** (-2.33) -0.0597*** (-4.05) MODÈLES III -0.000538 (-0.07) -0.441*** (-5.51) -0.00589*** (-3.42) 0.0807 (1.43) -0.436** (-2.20) -0.0740*** (-8.49) -0.00138** (-2.27) -0.0602*** (-4.11) IV 0.0205** (2.38) -0.462*** (-5.95) -0.00636*** (-3.75) 0.0427 (0.75) -0.366* (-1.89) -0.0810*** (-9.29) -0.00114* (-1.92) -0.0367** (-2.23) V 0.0308*** (3.47) -0.455*** (-5.91) -0.00634*** (-3.77) 0.0720 (1.27) -0.366* (-1.91) -0.0753*** (-8.60) -0.000993* (-1.69) -0.0369** (-2.26) -0.00000111 (-0.34) -0.00668*** (-3.12) 0.00133 (0.67) 0.00000506 (1.42) -0.00195 (-0.87) 0.00152 (0.66) 0.00000446 (1.26) -0.000855 (-0.38) 0.00201 (0.89) -0.000881*** (-4.07) 0.00196 (0.51) 0.000331 (1.50) -0.00263*** (-3.60) 0.000871 (1.60) -0.000892*** (-4.16) -0.0000217 (-0.06) 0.000418* (1.90) -0.00106 (-1.29) -0.000170 (-0.28) 0.245*** (4.06) Constante 0.640*** 0.850*** 0.876*** 0.632*** 0.421*** (4.95) (6.40) (6.65) (4.28) (2.71) 2 R 0.1089 0.1701 0.1785 0.2424 0.2497 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 94 Tableau 5- 7: Modèles à effets fixes avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de nos cinq modèles à effets fixes pour l’ensemble de notre échantillon. La variable dépe ndante est celle de la dette à long terme sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST I 0.0171** (2.15) -0.504*** (-8.26) 0.00127** (2.38) -0.00758 (-0.13) II 0.0246*** (2.74) -0.465*** (-5.94) -0.00258 (-1.53) 0.0440 (0.65) 0.170 (0.83) 0.01777* (1.79) -0.000611 (-1.01) -0.0209 (-1.28) MODÈLES III 0.0319*** (2.70) -0.434*** (-5.50) -0.00279* (-1.65) 0.0181 (0.26) 0.160 (0.78) 0.0127 (1.27) -0.000593 (-0.98) -0.0183 (-1.12) IV 0.0834*** (5.99) -0.423*** (-5.51) -0.00342** (-2.06) 0.0303 (0.45) 0.261 (1.31) 0.00888 (0.90) -0.000404 (-0.68) -0.00142 (-0.09) V 0.0834*** (5.98) -0.423*** (-5.50) -0.00342** (-2.06) 0.0304 (0.45) 0.261 (1.31) 0.00888 (0.90) -0.000398 (-0.67) -0.00138 (-0.08) -0.00000137 (-0.33) -0.00496** (-2.35) -0.00413* (-1.89) 0.00000388 (0.57) 0.000838 (0.32) -0.00245 (-0.98) 0.00000378 (0.55) 0.000856 (0.33) -0.00246 (-0.99) -0.000703*** (-3.22) -0.000110 (-0.28) 0.000743*** (3.00) -0.00268 (-1.45) 0.0000573 (0.06) -0.000703*** (-3.21) -0.000114 (-0.29) 0.000745*** (2.99) -0.00257 (-1.30) 0.0000425 (0.05) 0.00572 (0.07) Constante 0.180 0.0164 -0.0379 -0.832*** -0.834*** (1.20) (0.10) (-0.19) (-3.62) (-3.62) 2 R 0.0784 0.0781 0.089 0.15 0.15 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 95 Tableau 5- 8: Modèles à effets aléatoires avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de nos cinq modèles à effets aléatoires pour l’ensemble de notre échantillon. La variable dépendante est celle de la dette à long terme sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST I 0.0135** (2.06) -0.529*** (-8.87) 0.00125** (2.36) 0.0381 (0.76) II 0.0184*** (2.61) -0.474*** (-6.12) -0.00354** (-2.10) 0.0751 (1.36) 0.0700 (0.36) 0.00000559 (0.00) -0.000451 (-0.76) -0.0269* (-1.85) MODÈLES III 0.0180** (2.37) -0.416*** (-5.26) -0.00414** (-2.43) 0.0914* (1.66) -0.00997 (-0.05) -0.00876 (-1.03) -0.000520 (-0.87) -0.0340** (-2.37) IV 0.0285*** (3.51) -0.433*** (-5.55) -0.00491*** (-2.87) 0.0632 (1.15) 0.0126 (0.07) -0.0159* (-1.89) -0.000279 (-0.47) -0.00416 (-0.25) V 0.0402*** (4.78) -0.425*** (-5.50) -0.00489*** (-2.90) 0.0989* (1.80) 0.00696 (0.04) -0.00875 (-1.02) -0.000125 (-0.21) -0.00492 (-0.30) 0.00000666** (2.11) -0.00552*** (-2.61) -0.00325 (-1.67) 0.0000133*** (3.86) -0.00181 (-0.80) -0.00282 (-1.23) 0.0000129*** (3.80) -0.000449 (-0.20) -0.00202 (-0.89) -0.000712*** (-3.27) 0.000178 (0.46) 0.000280 (1.26) -0.00117* (-1.70) 0.0000213 (0.04) -0.000728*** (-3.37) -0.0000826 (-0.21) 0.000387* (1.76) 0.000547 (0.71) -0.00111* (-1.95) 0.269*** (4.66) Constante 0.226* 0.147 0.187 0.0762 -0.168 (1.85) (1.13) (1.47) (0.54) (-1.13) 2 R 0.072 0.0717 0.0784 0.1172 0.1176 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 96 Tableau 5- 9: Modèle V à effets fixes avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds propres Le tableau présente les régressions de notre modèle global (modèle V) à effets fixes pour chacun de nos pays. La variable dépendante est celle de la dette à long terme sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST Constante 2 R BRÉSIL RUSSIE INDE CHINE 0.0609* (1.77) -0.0336 (-0.16) -0.114*** (-5.31) -0.00998 (-0.10) 0.223 (0.59) 0.0681*** (3.21) -0.000418 (-0.39) 0.898** (2.07) 0.118*** (2.86) -0.154 (-0.51) -0.0354 (-0.89) -0.118 (-0.47) 1.275** (2.08) 0.0527* (1.80) 0.00173 (1.24) -2.012 (-1.58) 0.115*** (5.29) -1.300*** (-9.68) -0.000730 (-0.48) -0.0134 (-0.10) 0.375 (1.05) -0.00141 (-0.11) 0.000995 (0.89) 0.493 (0.47) 0.0952 (0.62) -1.899** (-2.46) -0.0317 (-0.54) -0.579 (-1.17) -2.248 (-0.58) -0.0423 (-0.63) -0.00858* (-1.96) 1.836 (0.59) AFRIQUE DU SUD 0.0854*** (3.58) 0.0811 (0.84) 1.078*** (8.30) -0.0422 (-0.30) 0.104 (0.36) 0.0819*** (3.19) 0.00168* (1.73) -1.104*** (-8.52) 0.0000192 (0.56) -0.00168 (-0.14) -0.000530 (-0.09) -0.0000843 (-0.72) -0.00259 (-0.08) 0.00891 (0.27) 0.000298 (1.37) -0.0227*** (-3.01) -0.0551 (-1.73) -0.00000519 (-0.02) -0.0342 (-0.37) 0.0288 (0.71) -0.000264 (-1.01) 0.0652 (0.98) -0.0433 (-0.98) 0.000448 (0.41) 0.000925 (0.13) 0.00269 (0.72) -0.00215 (-0.19) -0.00682 (-0.73) -0.00857 (-1.55) 0.0202 (1.38) -0.0137 (-1.03) 0.0358** (2.38) -0.00415 (-0.09) 0.000358 (0.56) -0.00226 (-1.05) 0.00128 (0.88) 0.00829 (0.80) -0.00336 (-0.29) 0.00141 (0.29) -0.00317 (-0.79) 0.00366 (1.39) 0.000385 (0.01) -0.0109 (-0.58) -0.000243 (-0.63) -0.000318 (-0.11) -0.0115 (-1.10) 0.0453 (0.90) -0.00234 (-1.13) 0.180 (0.83) -0.340 (-0.57) 0.2902 -0.209 (-0.18) -2.071* (1.98) 0.5436 0.355 (1.24) -1.651* (-1.95) 0.4341 -3.388 (-1.50) -1.077 (-0.40) 0.4841 -0.966 (-1.04) -1.865 (-1.63) 0.4004 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 97 Tableau 5- 10: Modèles V à effets aléatoires avec valeur aux livres de la dette à long terme sur valeur aux livres de la dette plus valeur de marché des fonds Le tableau présente les régressions de notre modèle global (modèle V) à effets aléatoires pour chacun de nos pays. La variable dépendante est celle de la dette à long terme sur l’ensemble de la dette et de la valeur de marché des fonds propres. La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST Constante 2 R BRÉSIL RUSSIE INDE CHINE 0.0744*** (5.57) 0.103 (0.55) -0.117*** (-5.99) 0.0325 (0.42) -0.361 (-1.24) 0.0502*** (2.59) -0.000648 (-0.66) 0.269 (0.79) 0.0438* (1.68) 0.117 (0.31) -0.0344 (-0.63) -0.359 (-1.19) 0.739 (1.01) -0.0645*** (-4.30) 0.00514*** (2.81) 0.584 (0.56) 0.103*** (5.44) -1.263*** (-9.59( -0.00111 (-0.73) 0.113 (0.95) 0.244 (0.71) -0.00264 (-0.21) 0.000828 (0.75) -0.297 (-0.30) 0.0442 (1.42) -0.881 (-1.38) -0.0365 (-0.66) -0.0747 (-0.34) -3.413 (-1.33) -0.0551 (-1.22) -0.00271 (-0.89) 2.411 (1.16) AFRIQUE DU SUD 0.0715*** (3.99) 0.0739 (0.78) 1.099*** (9.38) -0.00590 (-0.06) 0.0635 (0.23) 0.0806*** (3.48) 0.00177* (1.89) -1.131*** (-9.66) 0.0000244 (0.70) 0.000400 (0.03) 0.00158 (0.25) -0.0000625 (-0.37) 0.00133 (0.03) 0.0131 (0.28) 0.000292 (1.34) -0.0218*** (-2.90) -0.0536* (-1.68) 0.0000568 (0.26) -0.00164 (-0.02) 0.0148 (0.37) -0.000277 (-1.07) 0.0692 (1.05) -0.0447 (-1.02) 0.000893 (0.82) -0.00152 (-0.21) 0.00451 (1.20) -0.00193 (-0.18) -0.00759 (-0.79) -0.00585 (-0.75) 0.0118 (0.57) -0.00953 (-0.50) 0.0405* (1.95) -0.00613 (0.09) 0.000314 (0.50) -0.00212 (-0.98) 0.00117 (0.80) 0.00778 (0.75) -0.00285 (-0.25) -0.000620 (-0.14) -0.00135 (-0.39) 0.00272 (1.20) -0.000203 (-0.01) -0.00787 (-0.45) -0.000204 (-0.54) -0.000548 (-0.19) -0.0118 (-1.15) 0.0485 (0.98) -0.00221 (-1.08) 0.0758 (0.35) -0.581 (-1.21) 0.2698 -0.215 (-0.13) -0.865 (-0.74) 0.2734 0.336 (1.17) -1.431* (-1.72) 0.4302 -2.331 (-1.10) -0.735 (-0.48) 0.3814 -1.020 (-1.11) -1.764 (-1.58) 0.3987 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 98 Tableau 5- 11: Introduction de variables relatives aux degrés de protection des actionnaires et des créanciers La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Le degré de protection des actionnaires (ACTIO) ainsi que le degré de protection des créanciers (CREAN) correspondent aux indices développés par le « Center of Business Research ». Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant trait aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST ACTIO CREAN Constante R2 Modèle à effets fixes : dette totale sur dette totale +fonds propres Type de modèles et variables dépendantes Modèle à effets Modèle à effets fixes : aléatoires : dette totale dette à long terme sur sur dette totale +fonds dette totale +fonds propres propres Modèle à effets aléatoires: dette à long terme sur dette totale +fonds propres 0.114*** (3.93) -0.574*** (-5.33) -0.000727 (-0.49) 0.173 (1.61) 0.118 (0.52) -0.0320*** (-2.76) -0.000866 (-1.13) -0.0341* (-1.80) 0.0349** (2.55) -0.506*** (-4.73) -0.00267* (-1.74) 0.166** (2.12) -0.240 (-1.09) -0.0544*** (-5.42) -0.000813 (-1.08) -0.0430* (-2.27) 0.109*** (3.38) -0.518*** (-4.32) 0.000779 (0.47) 0.0930 (0.78) 0.679*** (2.68) 0.0385*** (2.99) 0.0000975 (0.11) -0.00838 (-0.40) 0.0540*** (4.08) -0.417*** (-3.59) -0.00165 (-0.98) 0.180** (2.28) 0.153 (0.64) 0.00323 (0.31) 0.0000353 (0.43) -0.0152 (-0.73) -0.0000381 (-1.52) 0.00387 (0.59) 0.00239 (0.62) 0.0000288** (2.45) 0.00570 (0.93) 0.0123*** (3.57) -0.0000196 (-0.70) 0.000544 (0.08) 0.000618 (0.14) 0.0000203* (1.65) 0.00735 (1.08) 0.00513 (1.38) 0.000982 (1.27) -0.00340* (-1.92) 0.00214*** (3.19) -0.00683 (-1.18) 0.00143 (1.11) -0.000362 (-0.61) -0.00380*** (-2.77) 0.00159*** (3.19) 0.000499 (0.50) 0.000670 (0.96) 0.00170** (1.97) -0.00328* (-1.67) 0.00155** (2.07) -0.0103 (-1.61) 0.00125 (0.87) 0.000468 (0.72) -0.00469*** (-3.11) 0.00148*** (2.69) 0.000617 (0.61) -0.000863 (-1.19) -0.0504 (-0.33) 0.963 (1.33) -0.549* (-1.84) -1.327*** (-2.80) 0.325 0.250** (2.35) -0.390 (-0.90) -0.351 (-1.58) 0.375 (1.41) 0.2583 -0.225 (-1.31) 0.120 (0.15) -0.177 (-0.53) -1.085** (-2.06) 0.1434 0.183 (1.60) -1.717*** (-3.69) 0.352 (1.46) 0.278 (1.00) 0.0718 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 99 Tableau 5- 12: Introduction d’une variable croisée : Taille * qualité des institutions La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). TAILLE*QUAL_INST représente une variable d’interaction entre la taille de la firme et la qualité des institutions du pays dans lequel elle se situe. Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant traits aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST TAILLE*QUAL_INST Constante R2 Modèle à effets fixes : dette totale sur dette totale +fonds propres Type de modèles et variables dépendantes Modèle à effets Modèle à effets fixes : aléatoires : dette totale dette à long-terme sur sur dette totale +fonds dette totale +fonds propres propres Modèle à effets aléatoires: dette à longterme sur dette totale +fonds propres 0.112*** (8.13) -0.431*** (-5.79) -0.00486*** (-3.02) 0.0101 (0.15) -0.135 (-0.70) -0.0745*** (-7.81) -0.00116** (-2.03) -0.0256 (-1.61) 0.0366*** (3.87) -0.447*** (-5.80) -0.00636*** (-3.79) 0.0680 (1.20) -0.379** (-1.98) -0.0749*** (-8.56) -0.00103* (-1.76) -0.0356** (-2.18) 0.0874*** (6.15) -0.418*** (-5.43) -0.00346** (-2.09) 0.0219 (0.32) 0.252 (1.27) 0.00808 (0.82) -0.000431 (-0.73) 0.000359 (0.02) 0.0492*** (5.47) -0.411*** (-5.33) -0.00495*** (-2.94) 0.0931* (-2.94) 0.0931 (1.70) -0.00787 (-0.92) -0.000189 (-0.32) -0.00312 (-0.19) -0.00000731 (-1.08) 0.000183 (0.07) -0.000522 (-0.22) 0.00000519 (1.45) -0.000979 (-0.44) 0.00229 (1.01) 0.00000507 (0.73) 0.000562 (0.21) -0.00223 (-0.89) 0.0000141*** (4.12) -0.000639 (-0.28) -0.00152 (-0.67) -0.000854*** (-3.99) 0.0000640 (0.17) 0.000863*** (3.54) -0.00550*** (-2.85) 0.000358 (0.40) -0.000941*** (-4.35) -0.00000936 (-0.02) 0.000392* (1.78) -0.00145* (-1.70) -0.0000127 (-0.02) -0.000746*** (-3.38) -0.0000946 (-0.24) 0.000696*** (2.77) -0.00279 (-1.41) 0.00000515 (0.01) -0.000806*** (-3.72) -0.0000639 (-0.16) 0.000346 (1.57) 0.000104 (-0.13) -0.000824 (-1.43) -0.400 (-1.03) 0.0298 (1.32) -0.742*** (-3.31) 0.2976 -0.376 (-1.03) 0.0354* (1.72) 0.346** (2.15) 0.3322 -0.575 (-1.42) 0.0343 (1.47) -0.869*** (-3.75) 0.1523 -0.723** (-2.01) 0.0562*** (2.80) -0.284* (-1.85) 0.4263 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 100 Tableau 5- 13: Introduction de variables binaires relatives aux secteurs d’activité des firmes La taille (TAILLE) est définie comme le logarithme népérien de l’ensemble des actifs. La profitabilité (PROFIT) est représentée par le ratio du résultat net avant charges financières et imposition sur le total des actifs. Les perspectives de croissance (CROISS) sont mesurées par le ratio de la dette et de la valeur de marché des fonds propres sur l’ensemble des actifs. Le caractère tangible des actifs (TANG) est défini par le ratio des immobilisations corporelles sur le total des actifs. Les dividendes (DIV) sont déterminés par le ratio des dividendes sur l’ensemble des actifs. La liquidité de la firme (LIQUID) est mesurée par le ratio des actifs à court terme sur les passifs à court terme. L’impact des taxes (TAXES) est déterminé par le taux d’imposition moyen. Les avantages fiscaux non liés à la dette (AV_FISC) sont mesurés par le ratio des amortissements sur le total des actifs. PIB représente le PIB par habitant. CROISS_PIB désigne le taux de croissance du PIB et INF le taux d’inflation. CAP_PIB est défini comme le ratio de la capitalisation boursière sur le PIB et représente une mesure de la taille du secteur boursier. Le ratio du volume total des actions échangées sur le PIB (VOL_PIB) et le ratio de la valeur totale des actions échangées sur la capitalisation boursière (VAL_CAP) sont des indices de la liquidité du marché boursier. Le ratio de l’agrégat monétaire M2 sur le PIB (M2_PIB) est un indicateur de la taille du secteur bancaire. Le ratio des crédits domestiques au secteur privé sur le PIB (PRIV_PIB) reflète le rôle des banques dans l’approvisionnement de financement. La qualité des institutions (QUAL_INST) est définie comme la moyenne des six indicateurs de Kauffmann, Kraay et Mastruzzi (2010). Les statistiques-t sont entre parenthèses. Variables spécifiques à la firme TAILLE PROFIT CROISS TANG DIV LIQUID TAXES AV_FISC Variables macroéconomiques : PIB CROISS_PIB INF Variables ayant traits aux institutions financières : CAP_PIB VOL_PIB VAL_CAP M2_PIB PRIV_PIB Variable ayant trait aux institutions légales : QUAL_INST MANUFACTURING CONSTRUCTION MINING_AGRI TRANSPORTATION RETAIL_WHOLESALE Constante R2 Dette totale sur dette totale plus fonds propres Dette à long terme sur dette totale plus fonds propres 0.0335*** (3.72) -0.448*** (-5.83) -0.00585*** (-3.46) 0.0450 (0.76) -0.343* (-1.80) -0.0726*** (-8.18) -0.00111* (-1.90) -0.0377** (-2.31) 0.0422*** (4.99) -0.414*** (-5.39) -0.00443*** (-2.62) 0.0712 (1.23) 0.0266 (0.14) -0.00452 (-0.52) -0.000297 (-051) -0.00648 (-0.40) 0.00000203 (0.56) -0.000724 (-0.32) 0.00181 (0.80) 0.0000102*** (2.92) -0.000383 (-0.17) -0.00204 (-0.90) -0.000868*** (-4.06) -0.0000745 (-0.19) 0.000476** (2.16) -0.00103 (-1.23) 0.0000250 (0.04) -0.000692*** (-3.22) -0.000160 (-0.41) 0.000456** (2.07) 0.000435 (0.56) -0.000653 (-1.11) 0.246*** (4.09) 0.343*** (2.67) 0.460*** (2.83) 0.338** (2.54) 0.447*** (3.35) 0.334** (2.33) 0.0120 (0.06) 0.3785 0.266*** (4.64) 0.260** (2.30) 0.326** (2.27) 0.209* (1.78) 0.381*** (3.22) 0.203 (1.60) -0.482** (-2.54) 0.4621 *significatif à un degré de confiance de 90%, **significatif à un degré de confiance de 95%, ***significatif à un degré de confiance de 99% 101 Bibliographie Agarwal Sumit and Mohtadr Hamid (2004). «Financial Markets and the Financing Choice of Firms: Evidence from Developing countries», Global Finance Journal, vol.15, p. 57-70 Alves Paulo F. Pereira and Ferreira Miguel A. (2011). «Capital structure and law around the world», Journal of Multinational Financial Management Beck, Thorsten, Asli Demirguc-Kunt and Vojislav Maksimovic (2006). «The influence of financial and legal institutions on firm size», Journal of Banking and Finance, vol.30, p. 2995-3015 Booth, Laurence, Varouj Aivazian, Asli Demirguc-Kunt and Vosjislav Maksimovic (2001). «Capital Structures in Developing Countries», Journal of Finance, vol.56, n°1 (February), p.87-130 Centre for Business Recherche, [base de données en ligne], [réf. du 2 juillet 2012], University of Cambridge, <http://www.cbr.cam.ac.uk/research/programme2/project2-20output.htm>. Céspedes, Jacelly, Gonzales Maximiliano and Molina Carlos A. (2010). «Ownership and capital structure in Latin America», Journal of Business Research, vol.63, p. 248-254 Cheng Shuenn-Ren and Cheng-Yi Shiu, (2007). «Investor protection and capital structure: International evidence», Journal of Multinational Financial Management, vol.17, p.30-44 De Jong Abe, Kabir Rezaul and Nguyen Thuy Thu (2008). «Capital structure around the world: The roles of firm- and country-specific determinants», Journal of Banking and Finance, vol. 32, p. 1954-1996 DeAngelo H. and Masulis R. (1980). «Optimal Capital Structure under Corporate and Personal Taxation”, Journal of Financial Economics, vol.8, p.3-29 Delcoure, Natalya (2007). «The determinants of capital structure in transitional economies», International Review of Economics and Finance, vol.16, p. 400-415 Demirguc-Kunt, Asli and Maksimovic Vojislav (1996). «Stock market development and financing choices of firms», World Bank Economic Review, vol.10, p. 341-369 Demirguc-Kunt, Asli, and Maksimovic Vojislav (1999). «Institutions, financial markets and firm debt maturity», Journal of Financial Economics, vol.54, p. 295-336 Fama, E.F. and K.R. French, (2002). «Testing trade-off and pecking order predictions about dividends and debt”, The Review of Financial Studies, vol. 15, p.1-33 Friend I. and Lang L., (1988). «An empirical test of the impact of managerial self-interest on corporate capital structure», Journal of Finance, vol.43, p. 271-281 102 Harris, Milton and Arthur Raviv (1991). «The Theory of Capital Structure», Journal of Finance, vol.46, n°1 (mars), p.297-355 INVESTOPEDIA [dictionnaire financier en ligne], [réf. du <http://www.investopedia.com/terms/c/capitalstructure.asp#axzz1kIT8TiiL >. 23 janvier 2012]. Jensen, M.C. (1986). «Agency costs of free cash-flows, corporate finance and takeovers», The American Economic Review, vol.76, p.323-329 Jensen, Michael C. and William H. Meckling, (1976). « Theory of the Firm: Managerial Behavior, Agency cost and Ownership Structure», Journal of Financial Economics, vol.3, n°4, p.305-360 Kayo, Eduardo and Kimura Hebert (2011). «Hierarchical determinants of capital structure», Journal of Banking and Finance, vol.35, p. 358-371 Marsh P. (1982). «The choice between equity and debt: An Empirical Study», Journal of Finance, vol.37, n°1, p.121-144 Merton Miller, Investment Gurus, An Interview with Merton Miller by Peter J. Tanous, New York Institute of Finance,1997 Rajan, Raghuram G. and Luigi Zingales (1995). «What do we know about capital structure? Some evidence from International Data», Journal of Finance, vol.50, p.1421-1460 Scott, J. (1977). «Bankruptcy, secured debt and optimal capital structure», Journal of Finance, vol.32, p.1-19 Stulz, R.M. (1990). «Managerial discretion and optimal financial policies», Journal of Financial Economics, vol.26, p.3-27 Titman, Sheridan and Roberto Wessels (1988). «The Determinants of Capital Structure Choice», Journal of Finance, vol. 43, n°1 (mars), p.1-19 Wald, John K. (1999). «How firm characteristics affect capital structure: An International Comparison», Journal of Finance Research, vol. 22, n°2, p.161-187 WorldBank [base de données en ligne], http://info.worldbank.org/governance/wgi/index.asp> [réf. du 2 juillet 2012], <