R epublique Tunisienne [623155]

R epublique Tunisienne
Minist ere de l'Enseignement Sup erieur et de la Recherche Scientique
Universit e de Carthage EcoleSup erieure de la Statistique et de l' Analyse de l' Information
Rapport de Projet de Fin d' Etudes pr esent e pour l'obtention du
Dipl^ ome National d'Ing enieur en Statistique et Analyse de l'Information
Moez Skanji
Meta-analyse sur l'impact de l'innovation sur
la croissance  economique et le commerce ext erieur
Soutenu le 12/06/2018 devant le Jury compos e de :
Mokhtar Kouki , maitre assistant , Encadrant entreprise
Mohammed Bessa , directeur p^ ole conseil et innovation ,Encadrant universitaire
Stage de Fin d' Etudes eectu e  a
Ann ee universitaire 2017-2018

Une d edicace  a ….

REMERCIEMENTS
Je souhaite tout d'abord exprimer mes plus vifs et sinc eres remerciements

R esum e
L'innovation est un concept large qui d epasse les aspects strictement technique et
recouvre le changement organisationnel, commercial, voire nanci ere. La litt erature em-
pirique identie , comme principaux d eterminant de la croissance de l' economie sont
les investissements en recherche et d eveloppement , le capital humain et les degr es de
concurrence
Nous cherchons dans ce projet  a r ealiser une m eta analyse sur les relations entre inno-
vation, croissance  economique et commerce ext erieur an d'agir sur les param etres de
l'innovation. Il est donc essentiel de bien identier les enjeux et les leviers sur lesquels la
politique  economique peut agir.
Mots cl es| innovation , croissance  economique , commerce ext erieur …

Table des mati eres
Introduction : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 1
1.Etude et sp ecication du besoin : : : : : : : : : : : : : : : : : : : : : : : : : 2
1.1 Pr esentation de l'organisme d'accueil : Business & Decision . . . . . . . 2
1.1.1 organisation de Business & Decision . . . . . . . . . . . . . . . . 3
1.2 Pr esentation du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.1 Cadre du projet . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Probl ematique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2. M ethodologie : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 6
2.1 D enition et utilit e de la m eta-analyse . . . . . . . . . . . . . . . . . . . 6
2.2 limites et critique de la m eta analyse . . . . . . . . . . . . . . . . . . . . 7
2.3 mise en pratique de la m eta analyse . . . . . . . . . . . . . . . . . . . . . 8
2.4 R ealisation du moteur de recherche : . . . . . . . . . . . . . . . . . . . . 9
2.4.1 1 ere  etape : La cr eation de la base de connaissance . . . . . . . . 10
2.4.2 2 eme  etape : apprentissage . . . . . . . . . . . . . . . . . . . . . 12
2.4.3 3  eme  etape : g en eralisation . . . . . . . . . . . . . . . . . . . . . 13
2.5 L'apport du moteur de recherche . . . . . . . . . . . . . . . . . . . . . . 14
3. Revue de litt erature : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 15
3.1 Courant de pens ee . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.2  economie de l'innovation . . . . . . . . . . . . . . . . . . . . . . . . . . . 15

Table des mati eres vi
3.3 enjeux de l'innovation . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4. les relations existant entre innovation , croissance  economique et commerce ext e-
rieur: : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 16
5. Exp erience par pays : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : : 17
6. Mod elisation  econom etrique de l'innovation : : : : : : : : : : : : : : : : : : : 18
6.1 1erMod ele : Innovation et croissance  economique : utilisant les indicateurs
scientique et technologique . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.1.1 introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
6.1.2 M ethodologie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
6.1.3 Description des donn ees . . . . . . . . . . . . . . . . . . . . . . . 20
6.1.4 M ethode d'estimation : . . . . . . . . . . . . . . . . . . . . . . . . 22
6.1.5 Interpr etation : . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
6.1.6 Estimation de l'eet de l'innovation technologique par groupe de
pays . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 28
6.1.7 conclusion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
6.2 Mod ele 2 : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

Table des gures
1.1 Logo de Business & Decision . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1 Diagramme de
ux PRISMA . . . . . . . . . . . . . . . . . . . . . . . . 8
2.2 Diagramme de th eme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.3 Illustration d'un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
6.1 La liste des pays . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.2 Estimation du mod ele  a eet xe . . . . . . . . . . . . . . . . . . . . . . 25
6.3 comparaison des d epenses en R&D et la croissance du PIB . . . . . . . . 29
6.4 Estimation par pays . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
6.5 Test de l'eet individuel . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.6 Test de l'eet temporel . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
6.7 Test de l'eet temporel et individuel (twoways) . . . . . . . . . . . . . . 33
6.8 Hausman test . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.9 D etermination du nombre optimal de cluster . . . . . . . . . . . . . . . . 34
6.10 Les pays de la 1 ere classe . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.11 les pays de la 2 eme classe . . . . . . . . . . . . . . . . . . . . . . . . . . 34
6.12 les pays de la 3  eme classe . . . . . . . . . . . . . . . . . . . . . . . . . . 35

INTRODUCTION
L'innovation est devenue, au cours des ann ees, un facteur strat egique permettant aux
entreprises, r egions et pays de prosp erer dans une  economie qui est de plus en plus glo-
balis ee et concurrentielle. Il s'agit d'un puissant moteur de d eveloppement, qui permet
de cr eer l'emploi et la richesse, de stimuler la croissance en am eliorant le niveau de vie
des populations tout en facilitant la coh esion sociale.
La pr esente recherche a pour objectif l'am elioration de la compr ehension du ph enom ene
de l'innovation. Elle compare di erents r esultats  a l' echelle internationale dans le but de
fournir des  el ements empiriques pour faire avancer le d ebat sur les facteurs susceptibles
d'expliquer l'innovation dans les  economies . Nous avons pour cela adopt e une approche
m ethodologique dite mixte ; entre, d'une part, une synth ese de la litt erature scientique
et professionnelle et, d'autre part, l'application d'une d emarche scientique d enomm ee
m eta-analyse.
La synth ese de connaissances est une d emarche scientique qui permet de localiser, d'ana-
lyser les connaissances relatives  a une question ou  a un champ particulier. D'une part,
les d ecideurs politiques ont de plus en plus besoin de donn ees synth etiques qui int egrent
l'ensemble des informations existantes en vue de la prise de meilleures d ecisions. D'autre
part, il devient dicile de synth etiser avec pr ecision l'abondante litt erature scientique
qui existe. Le d e consiste  a mettre de l'ordre dans l'ensemble des r esultats qui sont par-
fois oppos es  a premi ere vue. La m eta-analyse est une m ethode qui permet de produire le
genre de synth ese pouvant servir de base rationnelle aux d ecisions li ees  a la pratique et
aux politiques sociales . Son utilisation peut donc permettre des retomb ees importantes
pour des d ecideurs publics.

Chapitre 1
ETUDE ET SP ECIFICATION DU BESOIN
1.1 Pr esentation de l'organisme d'accueil : Business & Decision
Business & Decision Tunisie est une soci et e de conseil et d'ing enierie en syst emes d'in-
formations (CIS). Leader de la Business Intelligence (BI) et du Customer Relationship
Management (CRM), acteur majeur de l'e-Business, de l'Enterprise Information Manage-
ment (EIM), des Solutions de gestion d'entreprise ainsi que du Management Consulting,
le Groupe contribue  a la r eussite des projets  a forte valeur ajout ee des entreprises et  a
leur am elioration en continu :
* En d elivrant un conseil innovant pour accompagner la transformation des entre-
prises et la mise en ?uvre op erationnelle (cadrage des besoins, d enition de la
feuille de route, assistance aux choix d'outils, sch emas d'am elioration continu)
* Dans la mise en oeuvre de syst emes informatiques pour le pilotage des structures
et de la performance (reporting, tableau de bord, consolidation, etc.)
* La connaissance et la gestion du client (outils pour les forces de ventes, centres
d'appels, gestion de campagnes, CRM analytique)
Business & Decision Tunisie propose des formations pratiques et concr etes qui s'appuient
sur les expertises du groupe et les retours d'exp erience issus des projets r ealis es. La
vocation du centre est de mettre  a la disposition de ses clients les comp etences techniques
acquises lors des projets men es. Le centre de formation accompagne ses clients dans le
processus d'acquisition de comp etences dans ses domaines d'expertises :

Chapitre 1. Etude et sp ecication du besoin 3
Figure 1.1: Logo de Business & Decision
La Business Intelligence (BI),
La Gestion de la relation client (CRM),
L'E-business,
L' ERP,
La Qualit e et Conduite de projets,
La Bureautique
1.1.1 organisation de Business & Decision
C'est au sein du p^ ole conseil et innovation que nous avons eectu e notre projet. Ce
p^ ole s'articule sur 4 piliers indispensables qui sont :
* Conseil autour de l'innovation :
– Vision prospective des enjeux de march e.
– Appr ehension et anticipation des nouveaux usages.
– Transformation interne de BD.
– Innovation et recherche clinique Accompagnement m ethodologique du proces-
sus d'innovation par les donn ees.
– Aide au choix de solutions.
– Gouvernance et  evolutions organisationnelles.
– Conduite du changement.
* Incubateur :

Chapitre 1. Etude et sp ecication du besoin 4
– Formation aux nouveaux modes d'impl ementation des processus d'innovation :
de la g en eration d'id ees  a leur transformation en succ es.
– Incuber des id ees innovantes.
– R ealiser de la veille technologique (tirer parmi des innovations technologiques
pour s'adapter et  evoluer  a l  ere du tout digital).
– Accompagnement  a la cr eation de Hub
* Projets d'innovation :
– Pilotage de l'Innovation :
– Innovation et recherche clinique
* L' ecole (BD University)
1.2 Pr esentation du projet
1.2.1 Cadre du projet
Parmi les d eterminants de la croissance  economique de long terme, le progr es tech-
nique est depuis longtemps reconnu comme un facteur essentiel . Au cours du temps, la
notion de progr es technique a  evolu e pour englober les innovations non technologiques
telles que les nouvelles formes d'organisation des processus de production. Aujourd'hui
de nombreuses politiques visent  a promouvoir cette innovation .
Sans aucun doute, la capacit e d'innover est devenu un d eterminant crucial de la
comp etitivit e mondiale des pays et le sera encore plus dans les prochaines d ecennies.
En eet, les d ecideurs politiques sont de plus en plus conscients que l'innovation est le
principal moteur du progr es  economique et du bien-^ etre ainsi qu'un potentiel permettant
de contribuer  a relever les d es mondiaux dans des domaines tels que l'environnement
et la sant e.
L'innovation est non seulement pass ee au premier plan des politiques  economiques,
mais aussi les pays r ealisent qu'il est indispensable d'avoir une approche coordonn ee,
coh erente et transverse. De nombreux pays membres de l'OCDE ont adopt e des feuilles

Chapitre 1. Etude et sp ecication du besoin 5
de route strat egiques nationales qui favorisent l'innovation et renforce son impact  econo-
mique. M^ eme les pays qui se sont g en eralement abstenus de mener une politique indus-
trielle active ces derni eres ann ees s'active actuellement pour trouver la meilleure fa con
d'am eliorer l'environnement d'innovation an de stimuler la productivit e et croissance.
Bien quantier l'innovation et ses r esultats n'est pas facile. Cela arrive parce que les
r esultats de l'innovation peuvent prendre la forme de beaucoup de di erents intangibles,
tels que des changements organisationnels. Par cons equent, il est n ecessaire de s'appuyer
sur des indicateurs indirects d'innovation. Ces indicateurs comprennent g en eralement les
d epenses de recherche et d eveloppement (RD) et les ressources publiques et priv ees mises
dans des entreprises ou des programmes innovants.
1.2.2 Probl ematique
D'une part, pour la crise de la balance des paiements et les d es equilibres commer-
ciaux que connaissent les pays non industrialis es, la th eorie dominante du commerce
international ne semble plus apporter de solution satisfaisante. L'ouverture  a l' econo-
mie mondiale n'assure pas la mise en valeur des ressources nationales. Faut-il chercher
des rem edes aux inerties qui emp^ echeraient un  equilibre optimal de s' etablir ? ou faut-il
envisager une approche di erente ? D'autre part, l'importance de l'innovation renforc ee
par la globalisation et le d eveloppement des nouvelles technologies a rendu possible de
nouvelle formes de comp etitions bas ees sur la cr eation de nouveaux produits et services
 a forte valeur ajout e visant un march e mondial ouvert et lib eralis e.

Chapitre 2
METHODOLOGIE
2.1 D enition et utilit e de la m eta-analyse
La m eta-analyse a  et e d evelopp ee par des chercheurs en psychologie et en sciences de
l' education au d ebut des ann ees 70 , mais le terme dans son sens statistique a  et e in-
troduit par un statisticien am ericain (Glass, 1976). Glass d enit la m eta-analyse comme
 etant un ensemble de techniques quantitatives permettant de cumuler les grandeurs d'ef-
fets de plusieurs traitements . En introduisant le terme m eta-analyse, Glass visait  a
faire l'analyse statistique de r esultats d'un ensemble d' etudes individuelles de fa con  a
faire une synth ese plus rigoureuse qu'une revue de litt erature traditionnelle . En eet,
la revue de litt erature traditionnelle, bien que r esumant l' etat des connaissances dans
l' etude d'un sujet particulier, peut ^ etre subjective dans le choix des  etudes, le choix des
facteurs in
uant sur les r esultats et m^ eme dans l'interpr etation des r esultats des  etudes
examin ees . La m eta-analyse poss ede une approche plus objective dans l'examen de la
litt erature empirique dans a mesure o u l'utilisation des m ethodes statistiques appliqu ees
permet de tester l'eet de di erents facteurs sur les r esultats empiriques rapport es dans
la litt erature.
Selon Stanley et Jarrell (1989), la m eta-analyse permet d'expliquer les di erences de
r esultats obtenus lors de multiples recherches et la nalit e de cette synth ese quantitative
est d'orir une meilleure compr ehension des principales raisons de la diversit e des r esul-
tats obtenus. En ce sens, elle combine les r esultats de nombreuses  etudes pour fournir un

Chapitre 2. M ethodologie 7
pouvoir explicatif des ph enom enes  a l' etude. Elle apparait alors comme une d emarche de
g en eralisation empirique compl ementaire  a la revue de litt erature traditionnelle.
En consid erant un nombre important d' etudes, la m eta-analyse augmente la puissance
statistique. En eet, puisque les  etudes individuelles comportent souvent des  echantillons
de petites tailles , la m eta-analyse permet de minimiser les erreurs et les biais de ces  etudes
individuelles. Il s'agit donc d'une m ethode utilis ee pour r esumer,  evaluer et analyser les
r esultats chir es – souvent pr esent es sous forme de tableau r ecapitulatif reprenant l'en-
semble des donn ees essentielles des  etudes pertinentes ayant pos e une question identique
avec une m ethodologie comparable . Les contextes sont aussi di erents et la m eta-analyse
permet ainsi de v erier si ces eets contextuels in
uencent les r esultats obtenus.
2.2 limites et critique de la m eta analyse
Chaque m ethode de synth ese est caract eris ee par ses forces et ses limites. Ainsi, en
d epit des avantages qu'elle pr esente, la m eta-analyse comporte  egalement des limites
qu'il est important de souligner. La premi ere critique que la litt erature scientique fait
 a l' egard de la m eta-analyse est le fait qu'elle compare des  etudes qui sont souvent trop
h et erog enes en termes de m ethodologie, de population  etudi ee, de r esultats, de mesures
Ainsi, combiner des  el ements aussi di erents les uns les autres peut produire des r esultats
diciles  a interpr eter. A cet eet, sugg erent que lors de la mise en oeuvre d'une m eta
analyse, les crit eres d'inclusion des  etudes s'appuient sur des objectifs clairs et sur le
rationnel conceptuel de la m eta-analyse. Les contextes sont aussi di erents et la m eta
analyse permet ainsi de v erier si ces eets contextuels in
uencent les r esultats obtenus.
La deuxi eme critique faite  a la m eta-analyse est li ee aux probl emes d'estimations,
notamment ceux li es aux biais de publication. Les biais de publication se produisent
lorsqu'il y a pr ef erence dans le choix d'un type de publication. Des chercheurs peuvent
ltrer leur propre travail et choisir par cons equent de pr esenter des estimations signi-

Chapitre 2. M ethodologie 8
Figure 2.1: Diagramme de
ux PRISMA
catives. Or, une m eta-analyse qui se base uniquement sur les recherches que l'auteur
a pr ef er e de publier a pour cons equence d'utiliser un  echantillon non repr esentatif de
l'ensemble des  etudes permettant de r epondre aux questions de recherche.
2.3 mise en pratique de la m eta analyse
D'un auteur  a un autre, le nombre et la nature des  etapes qui interviennent dans la
mise en place d'une m eta-analyse varient quelque peu.
ci dessous pr esente le diagramme de
ux PRISMA , qui d etaille le d eroulement nor-
male d'une m eta analyse , En eet une m eta analyse contient essentiellement 4  etapes ,
comme mentionn ee ci dessous ,  a savoir :

Chapitre 2. M ethodologie 9
| Identication : Cette  etape consiste  a formuler clairement le probl eme auquel la
m eta-analyse doit r epondre,autrement dit la question g en erale qui alimente notre
r e
exion.
| S election : Pour identier les  etudes susceptibles d'orir une r eponse aux ques-
tions sp eciques de recherche, il est habituellement souhaitable d'utiliser plusieurs
sources et de faire varier les strat egies visant  a identier les  etudes retenues. Il est
notamment question d'identier les moteurs de recherche pertinents, mais  ega-
lement les revues scientiques jug ees cr edibles et int eressantes et d'identier les
organismes susceptibles de produire une litt erature grise de qualit e
| Admissibilit e : cet  etape consiste  a s electionner seulement les documents en texte
int egrale qui nous semble pertinents apr es avoir parcouru tous les documents
pr es electionner dans l' etape pr ec edente
| Inclusion :  a travers les articles s electionn es dans l' etape d'admissibilit e , on m ene
une  etude de synth ese qui sera l'objet de notre m eta analyse .
Comme mentionn e auparavant , la fameuse critique  a la m eta analyse est li ee au biais
de s election, en eet lors de la cr eation de notre base de connaissance , on est jamais sur
si on a parcouru tous les cas possible de recherche li e  a notre probl ematique , ou bien
si les documents dont on dispose sont les plus pertinents ou encore a t-on exclut des
document qui nous ont paru non pertinent mais en r ealit e ils le sont .
2.4 R ealisation du moteur de recherche :
Le moteur de recherche "Elasticsearch" a pour but de d eterminer les documents les
plus pertinents dans l'ensemble de tous les documents dont on dispose. La cr eation de ce
moteur de recherche n ecessite le passage par 3  etapes indispensable  a savoir , "la cr eation
de base de connaissance" , "apprentissage" et la "g en eralisation".

Chapitre 2. M ethodologie 10
2.4.1 1 ere  etape : La cr eation de la base de connaissance
la cr eation de la base de connaissance est une  etape primordiale dans la r ealisation de
n'importe quels document scientique, il s'agit dans cette  etape de formuler clairement
le probl eme auquel la m eta-analyse doit r epondre,autrement dit la question g en erale qui
alimente notre r e
exion ou bien les champs que notre moteur de recherche doit chercher
.
Pour r epondre  a la probl ematique ,sujet de notre m eta analyse, "quels relation existe-
t-il entre Innovation , croissance  economique et commerce ext erieur ? ", il serait judicieux
de savoir les enjeux de l'innovation , les relations existants entre innovation , commerce
ext erieur , et croissance  economique , aussi de connaitre l'eet de l'innovation sur les
di erent  economie par pays c'est  a dire l'impact de l'innovation sur une  economie en
r ecession et aussi son impact sur une  economie en croissance et nalement  etudier les
di erents mod ele  econom etrique de l'innovation et son impact sur l' economie .
Ci dessous (gure 2) pr esente le diagramme de th eme (TOPICS), il contient les th emes
qui nous permettront de r epondre  a notre probl ematique, et qu'on devrait par la suite ,
leurs associ ees , les documents les plus pertinents r epondant  a ces sujet.
Pour ce faire , notre base de connaissance initiale comporte un nombre important
d'articles scientique,pertinent par hypoth ese ,extrait des divers sources tel que ( science-
direct , google.scholar , Jstore … ) , le but c'est de cr eer une base de connaissance, qui
pour chaque document , et pour chaque paragraphe de ce document , on les associe  a
l'une des sujet pr esent e auparavant, pour alimenter la base de connaissance, et pour que
le moteur de recherche poss ede susamment d'information , pour pouvoir eectuer des
recherche par la suite d'une fa con automatique et autonome et qu'il puisse faire une clas-
sication des nouveaux documents ,autre que l'on dispose , selon les th emes (TOPICs)
via les algorithme de classication.

Chapitre 2. M ethodologie 11
Figure 2.2: Diagramme de th eme

Chapitre 2. M ethodologie 12
2.4.2 2 eme  etape : apprentissage
La deuxi eme partie consiste  a attribuer pour chaque paragraphe de chaque documents
le th eme qui lui correspondent le plus, pour optimiser le temps , et au lieu de faire ce
processus  a la main , on a eu recours  a un outils BIGDATA nom e Elasticsearch.
Elasticsearch est un moteur de recherche bas e sur le texte construit sur Lucene.
La vaste gamme d'op erations disponibles dans Lucene est rendue facilement utilisable
et applicable dans Elasticsearch en les encapsulant ecacement dans des API simples,
mais la question qui se pose maintenant comment Elasticsearch pourrait ali e  a chaque
paragraphe de chaque document, le sujet qui lui va le plus ?
Pour am eliorer les recherche d'Elasticsearch ,On r ecup ere les titres qui constitue le
sommaire de chaque documents , et on classe ces titres selon les th emes qu'on a pr esent e
auparavant , il sut donc  a Elasticsearch  a chercher ces titres puis r ecup erer par la suite
les paragraphes qui constituent ces titres et les aect e par la suite aux th emes.
Pour mieux comprendre ce processus, on traitera ci dessous un exemple de document
, qui contient 4 titres , chaque titre contient une paragraphe.
| On cr ee un dictionnaire qui contient tous les titres (chapitre et sous chapitres )
ainsi que leurs aliations  a l'un des th eme pr ec edemment construit, . Dans cet
exemple on a attribu e au titre 1 le topic 1 et au titre 2 le topic 2 et nalement les
titres 3 et 4 au topic 3.
| On extrait les textes du document (DOC1) et on  eliminer tous les parties qui ne
sont pas des textes (tableaux , image … )
| Divisez le texte en termes individuels ou "tokenizers".
| Standardisez les termes individuels an qu'ils deviennent plus consultables.
| lancez les requ^ ete Elasticsearch pour attribuer  a chaque paragraphe le th eme qui
lui correspond ,dans cet exemple, on d etecte que la premi ere paragraphe corres-
pond au premier th eme (puisque on a d ej a aect e le titre de la premi ere para-
graphes au th eme 1 ) , la deuxi eme paragraphe au deuxi eme th eme et ainsi de

Chapitre 2. M ethodologie 13
Figure 2.3: Illustration d'un exemple
suite .
On obtient au nale , dans notre exemple , nos 3 th emes associ e aux paragraphes qui
leurs correspond le plus.
Si on g en eralise ce processus , et on r ep ete ces  etapes pour chaque paragraphe de nos
documents s electionn es au pr ealable , on obtient pour chaque th emes d enit un ensemble
de paragraphes issues de di erents sources et qui sont bien  evidement fortement corr el ees
avec ce th eme.
2.4.3 3  eme  etape : g en eralisation
Notre moteur de recherche poss ede maintenant tous les informations dont il a besoin
apr es l'aectation de chaque paragraphes de chaque document le th eme qui lui corres-
pond le plus, et  a travers les documents qu'on a construit lors de la deuxi eme partie, On
construit des dictionnaire de mots qui caract erise chaque th eme.

Chapitre 2. M ethodologie 14
Ces dictionnaires sont un ensemble de mots , phrases , synonymes … caract erisant chaque
th emes, que le moteur de recherche doit prendre en consid eration lors de la classication
des paragraphes de chaque documents de sources diverses .
Il s'agit dans ce projet d'avoir acc es au moteurs de recherche GOOGLE et r ecup erer tous
les documents issue d'une requ^ ete GOOGLE sur la probl ematique "innovation croissance
 economique et commerce ext erieur" ,via l'API RESTFUL, et par la suite lancer les re-
qu^ etes de recherche Elasticsearch pour d eterminer les documents les plus pertinents pour
chaque th emes.
Dans ce projet on s'int eressera uniquement au deux premi eres parties ( la cr eation de la
base de connaissance et la partie apprentissage ), La 3 eme partie sera traiter ult erieure-
ment, car les r esultats obtenu en testant le premier prototype du moteur de recherche
donne des r esultats non satisfaisante, il n ecessite des am eliorations surtout au niveau des
dictionnaires et des termes caract erisant chaque th eme .
2.5 L'apport du moteur de recherche
Le moteur de recherche Elasticsearch donne des solutions d'analyse s emantique de
Big Data textuelles qui permet de collecter, analyser et valoriser instantan ement de gros
volumes de contenus non structur es (texte) pour les convertir en indicateurs strat egiques
, exploitable par la suite , par des chercheurs pour collecter le maximum d'articles scien-
tique , pertinent ,r epondant  a une certaine probl ematique.
Ce moteur de recherche minimise le biais de s election que peut engendrer une m eta ana-
lyse classique , dans la phase collecte et s election de document , car il nous permet d'avoir
une id ee globale sur tous les articles disponibles, les id ees et les m ethodes qui avait  et e
d ej a trait e , sans n egliger aucun articles .

Chapitre 3
REVUE DE LITT ERATURE
3.1 Courant de pens ee
3.2  economie de l'innovation
3.3 enjeux de l'innovation

Chapitre 4
LES RELATIONS EXISTANT ENTRE INNOVATION , CROISSANCE
ECONOMIQUE ET COMMERCE EXT ERIEUR

Chapitre 5
EXP ERIENCE PAR PAYS

Chapitre 6
MOD ELISATION ECONOM ETRIQUE DE L'INNOVATION
6.1 1erMod ele : Innovation et croissance  economique : utilisant les
indicateurs scientique et technologique
6.1.1 introduction
Dans cette partie on va construire un mod ele par pays (cross-country) pour  evaluer
les performances des indicateurs de la science et de la technologie comme variable expli-
cative de l'innovation.
En ligne avec la litt erature, les pays et les entreprises qui investissent dans la technologie
et l'innovation sont plus en mesure d'introduire de nouvelles technologies De m^ eme, les
pays et les entreprises qui innover montre une plus grande productivit e du travail que
ceux qui n'en ont pas. L'innovation peut ^ etre d enie comme l'introduction de nouvelles
fa cons de faire des choses. Cette d enition inclut des aspects tels que les structures or-
ganisationnelles, les nouveaux produits ou m^ eme de nouveaux processus. Bien quantier
l'innovation et ses r esultats n'est pas facile. Cela arrive parce que les r esultats de l'in-
novation peuvent prendre la forme de beaucoup de di erents intangibles, tels que des
changements organisationnels. Par cons equent, il est n ecessaire de s'appuyer sur des in-
dicateurs indirects d'innovation. Ces indicateurs comprennent g en eralement les d epenses
de recherche et d eveloppement (R&D) et les ressources publiques et priv ees mises dans
des entreprises ou des programmes innovants.

Chapitre 6. Mod elisation  econom etrique de l'innovation 19
Le th eme de l'innovation et de la croissance  economique a  et e largement discut e. Ce
projet cherche  a creuser plus profond ement dans cette relation, en se concentrant sur la
science et la technologie sp eciques comme indicateurs pour explorer la relation entre la
performance dans ces variables pour l'innovation et la croissance  economique.
L'OCDE (2003) a d eni l'investissement dans l'innovation comme la somme des d e-
penses de R&D, des d epenses pour l'enseignement sup erieur et les investissements dans
les logiciels, dans ce qui suit nous allons utiliser cet indicateur comme adoptant de l'in-
novation ainsi que le nombre d'application scientique.
6.1.2 M ethodologie
L'unit e d'analyse est le pays/ann ee. La variable d ependante (Y) est compos e de :
donn ees  economiques, telles que la croissance du PIB. De l'autre main, la variable in-
d ependante (X) est bas ee sur des adoptants de l'innovation telle que les d epenses de
R&D en pourcentage du PIB, les brevets et les marques commerciales, entre autres. Ce
document utilise des techniques de donn ees de panel sur 75 pays pour, une p eriode de
20 ans, soit 2017 derni ere ann ee disponible.
L' etude passe en revue le sujet de l'innovation d'un point de vue g en eral, plus sp eci-
quement quel est le degr e de son impact sur la croissance  economique.
Ma recherche examine l'eet de l'innovation sur le PIB par un mod ele  econom etrique, en
utilisant les indicateurs de l'innovation tels que les d epenses de R&D en pourcentage du
PIB et le nombre de brevet annuel , ainsi que le nombre de marques d epos ees (trademark
application ) en plus ce mod ele , utilise des variable de contr^ ole pour  eviter le probl eme
des variables omises. Le mod ele  econom etrique peut ^ etre  ecrit comme suit :
yi=c+it+Xit+i+t+it
La variable d ependante y repr esente la croissance du PIB. Les variables ind ependantes
(x) sont les d epenses de R&D en pourcentage du PIB pour un pays i  a l'instant t et et le

Chapitre 6. Mod elisation  econom etrique de l'innovation 20
nombre de brevet et les marques d epos ees . De plus, la r egression comprend les variables
de contr^ ole( ), telles que le taux brut de scolarisation, l'investissement  etranger direct
et le stock de main-d'oeuvre.
6.1.3 Description des donn ees
Cette  etude a r ecup er e des donn ees  a partir de la base de donn ees accessibles au
public de la Banque mondiale de d eveloppement des indicateurs (WBDI).
Le tableau ci dessous  enum ere les pays utilis es dans mon analyse. Il couvre 74 pays de
di erentes r egions.
Argentine Crotia India Mexico Slovenia
Armenia Cyprus Indonesia South Africa
Australia czech Ireland Morocco Spain
Austria Denmark Costa Rica Mozambique Sudan
Azerbaijan Ecuador Italy New Zealand Sweden
Belarus Egypt Japan Norway Switzerland
Bolivia Finland Korea Peru Thailand
Bosnia France Kyrgyz Philippines Tunisia
Brazil Georgia Latvia Poland Turkey
Bulgaria Germany Lithuania Portugal Ukraine
Canada Greece Macedonia Romania United Kingdom
Chile Guatemala Madagascar Russia United States
China Hungary Malaysia Singapore Uruguay
Colombia Iceland Malta Slovak Republic
Figure 6.1: La liste des pays

Chapitre 6. Mod elisation  econom etrique de l'innovation 21
les variables qu'on a utilis e dans ce mod ele pour expliquer l'impact de l'innovation sur
la croissance , sont ceux identi es par la litt erature th eorique agissant sur la croissance
 economique , ces variables sont :
D epense en R&D : Les d epenses en recherche et d eveloppement sont des d epenses
courantes en capital (priv ees et publiques) pour nancer des travaux cr eatifs entrepris
syst ematiquement pour accro^ tre les connaissances, notamment les connaissances rela-
tives  a la race humaine,  a la culture et  a la soci et e ainsi que pour utiliser ces connaissances
dans de nouvelles applications. La recherche et le d eveloppement regroupe la recherche
de base, la recherche appliqu ee et le d eveloppement exp erimental.
Taux de scolarisation en secondaire : Correspond au total des inscriptions dans
l' education secondaire, ind ependamment de l'^ age, exprim e en pourcentage de la popula-
tion en ^ age de suivre une  education secondaire ocielle. Le GER peut d epasser 100 % en
raison d'inclusions d' etudiants sur^ ag es ou sous-^ ag es  a la suite d'une scolarisation pr ecoce
ou tardive, et de redoublements.
Investissement  etranger direct : ont les rentr ees nettes d'investissement pour
acqu erir une participation durable (10 % ou plus des actions avec droit de vote) dans
une entreprise op erant au sein d'une  economie autre que celle de l'investisseur. C'est
la somme des fonds propres, des b en eces r einvestis, des autres capitaux  a long terme
et des capitaux  a court terme comptabilis es dans la balance des paiements. Cette s erie
montre les
ux entrants nets (
ux nets d'investissement moins les d esinvestissements)
des investisseurs  etrangers dans l' economie d eclarante.
Nombre d'application Les demandes de d ep^ ot de marques de commerce sont des
demandes d'enregistrement d'une marque aupr es d'un oce r egional ou national de la
propri et e intellectuelle. Une marque de commerce est un signe distinctif, qui identie

Chapitre 6. Mod elisation  econom etrique de l'innovation 22
certains biens ou services produits ou fournis par une personne ou une entreprise sp e-
ciques. Une marque de commerce prot ege son propri etaire en lui conf erant un droit
exclusif d'utilisation de la marque pour identier des biens ou des services et en lui
permettant d'autoriser son utilisation par une tierce partie en  echange d'un paiement.
La dur ee de protection varie, mais une marque de commerce peut ^ etre renouvel ee in-
d eniment au-del a du d elai de validit e par le paiement de droits suppl ementaires. Les
demandes de marque de commerce directes par un r esident sont celles qui sont d epos ees
par des d eposants nationaux directement aupr es d'un oce national de la propri et e in-
tellectuelle donn e.
Main d'oeuvre est la proportion de la population ^ ag ee de 15 ans et plus qui est
 economiquement active : toutes les personnes qui fournissent du travail pour la produc-
tion de biens et de services au cours d'une p eriode donn ee.
Croissance du PIB Taux de pourcentage annuel de croissance du PIB aux prix
du march e bas e sur les devises locales constantes. Les donn ees agr eg ees sont bas ees sur
les dollars am ericains constants de 2010. Le PIB est la somme de la valeur ajout ee brute
de tous les producteurs r esidents d'une  economie plus toutes taxes sur les produits et
moins les subventions non incluses dans la valeur des produits. Elle est calcul ee sans
eectuer de d eductions pour la d epr eciation des biens fabriqu es ou la perte de valeur ou
la d egradation des ressources naturelles.
6.1.4 M ethode d'estimation :
Les donn ees en panel poss edent deux dimensions : une pour les individus (les pays
dans notre cas ) et une pour le temps. Elles sont g en eralement indiqu ees par l'indice
(i)i21::Net (t)t21::Trespectivement. Il est souvent int eressant d'identier l'eet associ e  a

Chapitre 6. Mod elisation  econom etrique de l'innovation 23
chaque individu, i.e. un eet qui ne varie pas dans le temps, mais qui varie d'un individu
 a l'autre. Cet eet peut ^ etre xe ou al eatoire.
Avant de tester s'il existe un eet xe ou un eet al eatoire, il serait judicieux de savoir
si il y a avant un eet temporel ou individuelle , . Ces eets, individuels ou temporels,
peuvent ^ etre capt es en ajoutant une variable dichotomique pour chaque individu. soit i
pour capter l'eet individuelle et tpour l'eet temporel.
Soit les deux mod ele qui pr esentent les deux eets :
mod ele 1 :
yit=ci+1it+Xit+t+it
mod ele 2 :
yit=ci+1it+Xit+i+it
La premi ere  etape consiste  a v erier s'il y a bel et bien pr esence d'eets individuels
(resp eet temporelle) dans nos donn ees : il s'agit de tester alors :
H0:i= 0
respectivement
H0:t= 0
L'hypoth ese nulle de ces tests est qu'il y a seulement une intercepte commune, aucun
eet individuel (resp temporel). Le r esultat est une statistique Fischer avec (N1,NT-
N-K-1) degr e de libert e. Si on rejette l'hypoth ese nulle, alors on doit inclure des eets
individuels (resp temporel) dans le mod ele.
Eet xe :
On fait maintenant l'hypoth ese que les eet individuels cisont repr esent es par des
constantes Une autre mani ere de capter les eets individuels, qui est  equivalente  a l'ajout

Chapitre 6. Mod elisation  econom etrique de l'innovation 24
de variables dichotomiques, est d'utiliser un estimateur "within" . Cet estimateur mesure
la variation de chaque observation par rapport  a la moyenne de l'individu auquel ap-
partient cette observation , Les eets individuels sont donc  elimin es et l'estimateur des
Moindres Carr ees Ordinaires peut ^ etre utilis e sur les nouvelles variables.
Eet al eatoire :
On peut aussi mod eliser les eets individuels de fa con al eatoire : variant autour d'une
moyenne. consid ere alors que l'erreur du mod ele est compos ee de l'erreur usuelle sp eci-
que  a l'observation i, t et de l'erreur provenant de l'intercepte al eatoire . On consid ere
alors que l'erreur du mod ele est compos ee de l'erreur usuelle sp ecique  a l'observation i,
t et de l'erreur provenant de l'intercepte al eatoire.
Le test d'Hausman :
Le test d'Hausman Le test d'Hausman est un test de sp ecication qui permet de d eter-
miner si les coecients des deux estimations (xe et al eatoire) sont statistiquement di e-
rents. L'id ee de ce test est que, sous l'hypoth ese nulle d'ind ependance entre les erreurs et
les variables explicatives, les deux estimateurs sont non biais es, donc les coecients esti-
m es devraient peu di erer. Le test d'Hausman compare la matrice de variance-covariance
des deux estimateurs :
Le r esultat suit une loi khi2 avec K-1 degr e de libert e. Si on ne peut rejeter la nulle,
i.e. si la p-value est sup erieure au niveau de conance, on utilisera les eets al eatoires.
6.1.5 Interpr etation :

Chapitre 6. Mod elisation  econom etrique de l'innovation 25
Figure 6.2: Estimation du mod ele  a eet xe

Chapitre 6. Mod elisation  econom etrique de l'innovation 26
Pour bien Estimer le mod ele , on a proc ed e  a une s erie de test , d enit pr ec edemment,
 a savoir le test d'eet individuel ou temporel et le test d'eet xe ou al eatoire. Les
r esultats de ces tests (voir annexe gure 6.2 , gure 6.3 , gure 6.4 et gure 6.5 ) montre
que notre mod ele est  a eet xe individuel et temporel.
An d'estimer l'eet de l'innovation sur la croissance  economique dans mon  echan-
tillon de pays, j'ai utilis e le mod ele  a eets xes et des d epenses de R&D d ecal ees en
pourcentage du PIB depuis six ans
Le tableau ci dessous indique que le coecient des d epenses de R&D ,retard e de 6
ans, en pourcentage du PIB est positif et statistiquement signicatif. Selon ces r esultats,
une augmentation d'un point de pourcentage des d epenses en R&D en pourcentage du
PIB augmentent la croissance du PIB de 1.72 points de pourcentage. Cela sugg ere que les
investissements r eussis en R&D pourrait prendre 6 ans (eet long terme ) pour fournir
des rendements sous la forme de la croissance du PIB. Parall element , l'eet de la R&D
de l'ann ee en cours est aussi signicative et positive , en eet une augmentation de 1 %
de la d epense de la R&D , in
ue positivement sur le niveau du PIB , d'une augmentation
de 0.9 % du PIB , cela sugg ere que l'eet de la R&D a aussi un eet de court terme sur
la croissance du PIB.
Ainsi , les variables main d'oeuvre et le taux de ch^ omage sont statistiquement signi-
catives, en eet l'augmentation de la main d'oeuvre entrainera une augmentation de
la croissance du PIB, contrairement , au taux de ch^ omage qui agit n egativement sur le
taux de croissance , ces r esultat  etaient pr evisible, car la litt erature empirique identie la
main d'oeuvre abondante comme facteur agissant positivement sur la croissance , ainsi
que l'augmentation du taux de ch^ omage agit n egativement sur la croissance du PIB,
Cette relation empirique entre le taux de ch^ omage et la croissance a  et e d emontr ee par
Arthur Okun en 1962.
L'investissement  etranger a aussi un coecient statistiquement signicatif et positif,
en eet une augmentation de 1% de ce taux , entrainera une augmentation de 0.25% en
taux de croissance du PIB, ce r esultat  etait pr evisible car dans la litt erature th eorique,

Chapitre 6. Mod elisation  econom etrique de l'innovation 27
l'investissement Direct  etranger re cu est suppos e stimuler la croissance de  economie  a
plusieurs niveaux. Directement, d'abord, par sa contribution  a la valeur ajout ee et par les
gains de productivit e que g en erent les transferts de technologie qui s'op erent  a destination
des entreprises locales rachet ees ou int egr ees dans les chaines de production. Mais au-del a
de ces eets directs sur la production et sur la modernisation des  equipements productifs,
les IDE peuvent avoir des eets positifs plus indirects sur les entreprises du pays d'accueil
et leur productivit e. Ceux-ci transitent par les reports de technologie ou de connaissance
(spillovers) qu'ils entra^ nent.
Contrairement le nombre d'application et le taux de scolarisation qui n'ont pas d'eet
statistiquement signicative , autrement dit , notre mod ele n'arrive pas  a mesurer l'eet
des ces deux variables sur la croissance  economique.
En conclusion, nous avons montr e que les indicateurs technologiques ont un impact
tr es important dans la croissance  economique, en eet une augmentation d'un point de
pourcentages des d epenses en R&D fait augmenter le niveau de la croissance de PIB de
2.4 % comme la somme des deux eet de court terme et de long terme. Par cons equence,
on ne sait pas si tous les pays agissent de la m^ eme fa con face  a l'innovation.

Chapitre 6. Mod elisation  econom etrique de l'innovation 28
6.1.6 Estimation de l'eet de l'innovation technologique par groupe de pays
Dans cette partie nous avons divis e nos pays en k=3 classes obtenu par la m ethode de
classication non supervis e k-means. Le but de cet algorithme est de trouver des groupes
dans les donn ees, avec le nombre de groupes repr esent es par la variable k. L'algorithme
fonctionne it erativement pour aecter chaque point de donn ees  a l'un des K groupes
en fonction des caract eristiques fournies. de tel fa con on trouve dans chaque classes les
individus qui se ressemble. L'approche que j'ai utilis e pour eectuer cette classication est
de regrouper l'information au l du temps pour cr eer un ensemble de variables agr eg ees
par pays. Les variables agr eg ees peuvent ^ etre soit la moyenne de l' echantillon sur une
p eriode donn ee le minimum ou le maximum.
Le choix de nombre de classe est d eterminer en proc edent par un vote sur tous les
indices que peut propos e le package "NbClust" du logiciel "R".
En eet ce package nous fournit 30 indices pour d eterminer le nombre de classes et nous
propose le meilleur sch ema de regroupement  a partir des di erents r esultats obtenus en
faisant varier toutes les combinaisons : de nombre de classes, des mesures de distance et
des m ethodes de classication (voir Annexe gure 6.9 ) .
Ainsi , on obtient une classication de nos 74 pays en trois classes ,(voir Annexe
gure 6.10 gure 6.11 , gure 6.12 ) , les box-plot pr esent es ci dessus (gure 6.3 ) nous
pr esente une aper cu g en erale descriptives de nos trois classes. En eet , on remarque
qu'en moyenne , les d epenses en R&D , des pays qui constituent la 1 ereet la 2 emeclasse
sont statistiquement  egale , en eet ,ces deux groupes de pays consacrent en moyenne
0.58 % en pourcentage du PIB pour des activit e li ee  a la R&D ,mais par contre , un
niveau de croissance du PIB assez in egales en moyenne, cela sugg ere que les d epenses en
R&D des pays de la 1 ereclasse , sont plus ecace que celle du 2 emeclasse , c'est  a dire son
apport est plus important dans la croissance du PIB, ainsi cet in egalit e peut ^ etre aussi
expliquer par d'autre facteur, tel que le niveau d'exportation , l'investissement  etranger

Chapitre 6. Mod elisation  econom etrique de l'innovation 29
Figure 6.3: comparaison des d epenses en R&D et la croissance du PIB
et bien d'autre facteurs que la r egression devrait nous les citer par la suite.
Concernant la 33 emeclasses de pays , on remarque que ce groupe , consacre une bonne
partie de leurs d epenses dans l'innovation (R&D), ces pays d epensent en moyenne 1.5 %
en pourcentage du PIB dans la R&D , et on peut m^ eme dire que ces pays , misent sur
la R&D pour booster leurs  economie et garder un taux de croissance quasi-constant au
cours du temps.
Pour mieux comprendre l'eet des indicateurs technologique de l'innovation dans
la croissance  economique, On m ene , une r egression pour chaque groupe de pays , les
r esultats des ces r egressions sont pr esent ees ci dessous (gure 6.4 )
1ergroupe :
2 emegroupe :
3 emegroupe :

Chapitre 6. Mod elisation  econom etrique de l'innovation 30
Figure 6.4: Estimation par pays

Chapitre 6. Mod elisation  econom etrique de l'innovation 31
6.1.7 conclusion
6.2 Mod ele 2 :

ANNEXES

Chapitre 6. Mod elisation  econom etrique de l'innovation 33
Figure 6.5: Test de l'eet individuel
Figure 6.6: Test de l'eet temporel
Figure 6.7: Test de l'eet temporel et individuel (twoways)

Chapitre 6. Mod elisation  econom etrique de l'innovation 34
Figure 6.8: Hausman test
Figure 6.9: D etermination du nombre optimal de cluster
Austria Australia Belgium Bolivia Canada Switzerland Cyprus
Germany Denmark Spain Finland France UK Greece
Guatemala Croatia Iceland Italy Japan Madagascar Mexico
Norway New Zealand Pakistan Portugal Sweden Slovenia USA
southAfrica
Figure 6.10: Les pays de la 1 ere classe
Bosnia Bulgaria Brazil Chile Colombia Costa Rica Czech Republic
Ecuador Estonia Egypt Hungary Indonesia Ireland Kyrgyzstan
Morocco Moldova Macedonia Malta Malaysia Mozambique Peru
Philippines Poland Romania Russian Sudan Singapore Slovakia
Thailand Tunisia Turkey Ukraine Uruguay
Figure 6.11: les pays de la 2 eme classe

Chapitre 6. Mod elisation  econom etrique de l'innovation 35
Armenia Azerbaijan Belarus China Georgia India Kazakhstan
Lithuania Latvia Tajikistan
Figure 6.12: les pays de la 3  eme classe

BIBLIOGRAPHIE

Chapitre 6. Mod elisation  econom etrique de l'innovation 37
@Article ref, author=DLeonel Jos e Prieto, M.S.F., title=INNOVATION AND ECO-
NOMIC GROWTH : CROSS-COUNTRY ANALYSIS USING SCIENCE & TECHNO-
LOGY INDICATORS, year=2017, month=April,
@Article ref, author=Andreea Maria Pecea*, Olivera Ecaterina Oros Simonab, Flo-
rina Salisteanuc, title=Innovation and economic growth : An empirical analysis for CEE
countries, year=2015,
@Article ref, author=Natalia Grigoryeva and Rezeda kundukchyan , title=ECONOMETRIC
MODELLING OF INDICATORS OF INNOVATION ACTIVITY LEVEL, year=2014,
@Article ref, author=Junhong Liu , title=the impact of innovation on imports, year=2014,
@Article ref, author=Rachel Grith Stephen Redding John Van Reenen title=MAPPING
THE TWO FACES OF R&D : PRODUCTIVITY GROWTH IN A PANEL OF OECD
INDUSTRIES, year=2017,
@Article ref, author=Rachel Grith Stephen Redding John Van Reenen title=MAPPING
THE TWO FACES OF R&D : PRODUCTIVITY GROWTH IN A PANEL OF OECD
INDUSTRIES, year=2014,
@Article ref, author=Dirk Dohsea and Annekatrin Niebuhr title=How Dierent Kinds
of Innovation Aect Exporting, year=2017,
@Article ref, author=FISNIK A. RE  CICA title=INNOVATION AND FIRM PER-
FORMANCE IN TRANSITION ECONOMIES, WITH SPECIAL EMPHASIS ON KO-
SOVO, year=2016,
@Article ref, author=Hasan TORUN Cumhur title=INNOVATION : IS THE EN-
GINE FOR THE ECONOMIC GROWTH ?, year=2007
@Article ref, author=Hasan TORUN Cumhur  Ci CEK Ci title=ENTRY AND PRO-
DUCTIVITY GROWTH : EVIDENCE FROM MICROLEVEL PANEL DATA, year=2016,
@Article ref, author=Faye Hall Jackson Tejinder Sara Simran K. Kahai title=Determinants
Of Innovative Capability Of A Country And Its Role In Economic Growth, year=2016,