Collusion - E-Cours - Université de la Réunion

statistiquement signi…catif à 5% ou à 10%. Les industries semblent donc réaliser des dépenses publicitairesplus élevées lorsqu’elles sont cartellisées que lorsqu’elles sont concurrentielles. L’auteur trouve donc unrésultat conforme aux résultats théoriques des modèles de semi-collusion. La réduction de la concurrencesur les prix semble se traduire par une augmentation de la concurrence en dépenses publicitaires.Facteurs in‡uençant la probabilité de cartellisation :‡uençant la probabilité de cartellisation d’une industrie.Symeonidis (2003) étudie les facteurs in-Il utilise les déclarations de cartels ayant suivil’adoption de la loi de 1956 pour distinguer les industries cartellisées et celles qui ne le sont pas. Il a¢ ne leclassement entre les deux groupes en utilisant les rapports des autorités de la concurrence de cette période.Les industries di¢ ciles à classer avec certitude sont écartées de l’échantillon. L’échantillon comprend 151 industries(code à 4 chi¤res) dont 71 sont classées comme collusives et 80 comme concurrentielles. 56 industriesont été écartées car di¢ ciles à classer 76 . L’auteur estime un modèle probit pour déterminer les facteurs in‡uençantla probabilité qu’un cartel se forme dans une industrie. L’auteur trouve que la croissance des ventes(mesurées entre 1954 et 1958) a un e¤et en U inversé sur la probabilité de collusion. Le coe¢ cient associéau taux de croissance des ventes est positif mais le coe¢ cient associé à la même variable élevée au carré estnégatif. Les deux coe¢ cients sont statistiquement signi…catifs. Donc, une croissance positive mais modéréedes ventes aide à soutenir la collusion, ce qui est conforme à la théorie. En revanche, une forte croissance aun impact négatif sur la collusion. L’auteur avance quelques pistes d’explication à ce résultat inattendu. Unepériode de croissance forte peut correspondre à une période où la demande est très incertaine. Une périodede croissance forte peut aussi être une période où le risque d’entrée d’un concurrent potentiel est fort. En…n,les capacités des …rmes peuvent devenir saturées et ne plus permettre de mesures de rétorsion fortes en cas dedéviation d’un accord de collusion. L’auteur trouve aussi que la probabilité de collusion est nettement plusforte dans les industries très intensives en capital. Il utilise deux variables pour mesurer l’intensité en capital: le capital par usine et le ratio capital sur travail. Dans les deux cas, le coe¢ cient est positif et signi…catif à1%. Une explication possible est que ces variables mesurent le niveau des barrières à l’entrée. En revanche,l’auteur ne trouve pas de relation forte entre la concentration d’une industrie (mesurée par l’indicateur C5)et la probabilité de collusion. En général, le coe¢ cient associé à C5 est positif mais celui associé à C5 élevéau carré est négatif. Les coe¢ cients ne sont cependant pas toujours statistiquement signi…catifs. L’auteuravance qu’une très forte concentration peut ne pas être propice à la collusion car elle peut être due à unetrès forte asymétrie entre les …rmes. En outre, les cartels étant légaux dans les années 1950, le problème decoordination entre les …rmes est plus facile à résoudre et le nombre de …rmes n’est peut-être pas un problèmepour les coordonner. L’auteur note que si l’intensité en capital est retiré des variables explicatives, alors lavariable C5 est associé à un coe¢ cient positif et statistiquement très signi…catifs. La variable C5 semble donc76 Le secteur food, drink and tobacco regroupe 8 industries considérées comme collusives et16 industries considérées comme concurrentielles (et 8 industries trop di¢ ciles à classer).179