La convergence et l'approche par les théories de la croissance sont particulièrement appropriées pour vérifier si la politique de cohésion de l'Union européenne affecte les régions de telle manière que celles en retard rattrapent les plus riches. La grande quantité de travaux empiriques publiée ces dernières années sur l'évolution de la convergence économique régionale démontre que la vitesse de convergence dépend fortement des spécifications du modèle, des données utilisées ainsi que de la stratégie d'estimation (Arbia et al. (2008 ) 2; Esposti et Bussoletti (2008) 3). Les études de convergence les plus récentes sont ancrées sur les avancées dans l'estimation des modèles dynamiques linéaires en données de panel, et l'utilisation de techniques d'estimation dédiées, pour obtenir des résultats convergents à partir de la méthode des moments généralisés (GMM) (Arellano et Bond, 19914). La nature spatiale de l'étude de la convergence sur données régionales impliquent clairement la nécessité de rendre compte des effets de dépendance spatiale au sein du processus de croissance entre les régions européennes. La littérature économétrique spatiale est bien documentée dans ce domaine, soit en coupe transversale (Anselin, 20015) ou sur les modèles statiques en données de panel (Elhorst, 20036). Cependant, l'étude des modèles dynamiques spatiaux, qui sont nécessaires à l'étude de la convergence régionale, est encore à un stade précoce de développement. On peut noter que Badinger et al. (20047) ont travaillé sur un panel dynamique en estimant la convergence des régions européennes à l'aide des GMM sur des données préalablement spatialement filtrées.

Toutefois, la mesure de la vitesse de convergence ne suffit pas à analyser si les fonds structurels ont favorisé le développement des régions en retard et nous devons concevoir une méthode économétrique appropriée pour mener une analyse d'impact. L'analyse d'impact précise d'une telle politique nécessite la collecte et l'analyse d’observations avant que la politique est mise en oeuvre et au cours de la mise en oeuvre de la politique et ainsi que de longues séries temporelles pour l'ensemble de l'UE. Ces données exigent également l'élaboration d'une stratégie d'estimation afin de tenir compte à la fois des dynamiques spatiales et temporelles.

Dans ce papier, nous avons estimé un modèle de convergence conditionnelle du Produit Intérieur Brut (PIB) par habitant qui intègre une prise en compte explicite des effets de dépendance spatiale. Nous nous appuyons sur un modèle dynamique spatiale et utilisons la méthode des moments généralisées car celle-ci nous permet de contrôler les problèmes d'endogénéité, d'omission variable et de dépendance spatiale au sein d'un même cadre.

Nous nous sommes concentrés sur les régions éligibles au programme objectif 1, qui reçoivent les deux tiers des fonds structurels. En tant que tel, nous avons retenu une spécification qui n'explicite pas la manière dont les politiques peuvent favoriser le développement régional. Bien sûr, l'impact sur la croissance ne peut pas être considéré comme immédiat et nous avons considéré un décalage de 5 ans dans notre analyse.

Dans le cadre d'une spécification de panel dynamique qui tient compte de la dimension spatiale du PIB par habitant, nous trouvons des preuves empiriques que la politique de cohésion favorise le développement endogène des régions objectif 1 et contribue à réduire les disparités de PIB entre les régions de l'UE. En outre, nos résultats confirment que la politique de cohésion, qui vise à contrebalancer les effets de la concentration du PIB au sein des régions les plus riches, atteint cet objectif même lorsque l'on tient compte de la dimension spatiale du processus de convergence régionale.

Nos résultats confirment que la conception "bottom-up" de la politique, avec la participation des organisations régionales, la mise en oeuvre et les acteurs nationaux de l'UE dans la conception et l'évaluation des programmes, a la capacité de favoriser le potentiel de développement endogène des régions en retard de développement en Europe. En tant que tel, il peut ne pas être si important de se concentrer sur les facteurs spécifiques de chaque région dans une analyse de la convergence globale, mais peut-être se concentrer d'avantage sur l'aspect organisationnel de la mise en oeuvre de cette politique (que ce soit au sein de la région, ou dans les relations entre les différents niveaux de décisions).

Avec l'utilisation d'un modèle dynamique spatial en données de panel, nous constatons que les externalités économiques entre régions ont un impact non négligeable sur le développement régional. La politique de cohésion tend à contrebalancer un effet négatif sur le développement régional lié à la concentration des ces externalités entre les régions les plus riches. A notre avis, les projets de coopération interrégionaux peuvent contribuer à favoriser le développement potentiel de groupements de régions et permettre à des régions en retard de bénéficier de certaines avancées des régions plus développées en accélérant le processus de diffusion technologique par exemple. Le dernier point souligne que la politique de cohésion est mise en oeuvre avec les autres politiques communautaires (comme les politiques agricoles, les réglementations industrielles) qui peuvent favoriser ou entraver son effet sur le développement économique.