China Will Win at least Eighty Medals at 2008 Beijing Games
Transcription
China Will Win at least Eighty Medals at 2008 Beijing Games
6e Colloque International sur l’Economie de la Chine: Le développement de la Chine est-il soutenable?, CERDI-IDREC, Université d’Auvergne, Clermont-Ferrand, 18-19octobre 2007 LA CHINE GAGNERA AU MOINS QUATRE-VINGT MEDAILLES AUX JEUX DE PEKIN EN 2008 China Will Win at least Eighty Medals at 2008 Beijing Games Wladimir Andreff1 et Sandrine Poupaux2 Résumé – La littérature économique consacrée aux déterminants économiques de la performance olympique montre que mieux un pays est doté en ressources économiques (PIB par tête) et en ressources humaines (population) et plus il gagne de médailles olympiques. Les prédictions quant au nombre de médailles qui seraient gagnées aux prochains Jeux Olympiques sont en général assez proches du nombre de médailles gagnées aux Jeux précédents. On réalise ici plusieurs estimations des variables susceptibles d’expliquer le nombre de médailles olympiques remportées par chaque pays (nation) ayant participé aux Jeux Olympiques d’été entre 1976 et 2004 (à l’exclusion des Olympiades 1980 et 1984, biaisées pour cause de boycott). Une première spécification suit la méthodologie adoptée par Bernard et Busse (2004). Celle-ci est ensuite améliorée par une classification des pays plus précise et plus adaptée ainsi que par l’extension des observations jusqu’aux Jeux d’Athènes 2004 inclus. Le PIB par tête et la population d’un pays sont les principaux déterminants du nombre de médailles qu’il gagne. Le fait qu’il accueille les Jeux, son régime politique et son appartenance culturelle à l’une des grandes régions du monde sont également significatifs. Dans une dernière spécification, on travaille sur données individuelles (par athlète) en suivant l’hypothèse, conforme à l’interprétation du CIO (Comité International Olympique), que les Jeux Olympiques sont une compétition entre athlètes individuels, et non entre nations. Le PIB par tête et la population du pays pour lequel il participe aux Jeux détermine la probabilité, pour un athlète, d’atteindre une finale olympique ainsi que sa probabilité de gagner une médaille. En utilisant une base de données individuelles, il devient est aussi possible d’estimer la probabilité de médailles par disciplines sportives olympiques. Partant de nos deux méthodes d’estimation, on réalise enfin deux projections linéaires des médailles qui devraient être gagnées aux Jeux de Pékin et l’on discute la vraisemblance des résultats obtenus. Abstract - The economic literature devoted to economic determinants of Olympic performance exhibits that the better a country is endowed with economic resources (GDP per capita) and with human resources (population), the more it will win Olympic medals. Predictions of how many medals would be won in forthcoming Olympics usually are close to the numbers observed in previous Games. We achieve various estimations of independent variables likely to explain the number of medals won by each country (nation) which has participated to summer Olympics from 1976 to 2004 (except 1980 and 1984, due to boycott). Our first specification follows up Bernard and Busse (2004). Then, we improve it with a more precise country grouping and in extending the observation period until Athens Olympics 2004. A country’s GDP per capita and population are the major determinants of medals won. Other variables are significant: being the Games host country, political regime and the cultural region of the world to which a country belongs. In a last specification, working with individual (athlete) data, we assume, following the IOC (International Olympic Committee), that Olympic Games consist in a competition among individual athletes, not among nations. GDP per capita and population of the country for which he/she competes still determine the probability for an athlete to participate to an Olympic final as well as his/her probability to win a medal. Using individual also enables to differentiate Olympic performances by sports. Finally, we achieve a linear adjustment projection of the number of medals to be won at Beijing Games, with two different methods, and we discuss the likelihood of our results. JEL: Z19, C13, C24 1 Professeur à l’Université Paris 1 Panthéon Sorbonne, CES (Centre d’Economie de la Sorbonne, UMR 8174 CNRS), président de l’Association Française de Science Economique, président d’honneur de la International Association of Sport Economists, [email protected] 2 Maître de Conférences à la Deutsche Sporthochschule, Cologne, [email protected] 1 1. INTRODUCTION La Chine vient d’atteindre le rang de troisième puissance économique mondiale. Est-il surprenant qu’elle soit également la troisième puissance olympique mondiale? Ce que les Jeux de Pékin devraient confirmer en 2008. La Chine est une économie en développement extrêmement rapide depuis trois décennies et ce n’est pas la moindre raison pour laquelle il fut décidé par le CIO (Comité International Olympique) de confier l’organisation des Jeux de 2008 à Pékin, après l’échec d’une candidature pour organiser les Jeux de 2000 (Ren, 1999). Elle a aussi réalisé, de manière progressive mais plutôt réussie, sa transition d’une économie centralement planifiée à l’économie de marché, sous régime communiste. Il est moins médiatisé que la Chine dispose aussi d’un secteur sportif en expansion rapide, y compris pour ce qui concerne la «production» d’athlètes de très haut niveau. Il en résulte une compétitivité internationale croissante des athlètes chinois avec, au bout, une augmentation très marquée du nombre de médailles qu’ils gagnent aux Jeux Olympiques. Ces succès du sport chinois peuvent être résumés comme suit: les athlètes chinois ont remporté 28 médailles aux Jeux de Séoul en 1988, 50 à Atlanta en 1996 et 63 à Athènes en 2004. Dans la mesure où l’économie de la Chine croît toujours très vite, ceci devrait se traduire par un nombre de médailles encore plus grand gagnées par la Chine aux Jeux de Pékin. De combien? Pour tenter de répondre à cette question, on adopte une hypothèse très répandue en économie du sport3 selon laquelle les ressources économiques et humaines d’un pays, et leur développement, sont les principaux déterminants de sa performance olympique. Cependant, les médailles gagnées par la Chine, en augmentation d’une Olympiade à l’autre, sont des médailles ‘perdues’ par d’autres pays, un peu de la même façon que la croissance très rapide de l’économie chinoise accroît sa part dans le marché mondial au détriment de pays ayant une croissance plus lente. Donc, pour expliquer les performances olympiques de la Chine, il faut prendre en compte tous les autres pays participant aux Jeux et l’interdépendance entre leurs performances au sein de la contrainte globale du nombre total des médailles attribuées lors d’une Olympiade donnée. La motivation de ce papier est d’expliquer la performance olympique des pays, notamment de la Chine, par des variables économiques à l’aide des dernières méthodes utilisées pour estimer le nombre de médailles gagnées aux Jeux Olympiques. On introduit aussi, dans nos estimations économétriques, des variables non économiques telles qu’une dimension 3 Pour un état récent et actualisé des connaissances et des principales analyses en économie du sport, voir Andreff et Szymanski (2006). 2 culturelle des pays participant aux Jeux, leur régime politique et l’accès aux médailles selon le type de sport olympique choisi. Une autre contribution du papier consiste en une analyse économique des déterminants des médailles olympiques s’appuyant sur une base de données beaucoup plus vaste que celles des études précédentes qui agrégeaient les médailles par pays. En effet, le Comité International Olympique (CIO), l’organisateur des Jeux, a toujours défini les Jeux comme une compétition entre des athlètes (Charte olympique, chapitre 1, article 9, règle 1), même si, pendant la période de la guerre froide, toutes les nations ont pris l’habitude de comptabiliser les médailles par pays. Notre base de données contient donc aussi les données individuelles du nombre de médailles gagnées par chaque athlète (ou par chaque équipe dans les sports collectifs). Elle est donc environ trois cent fois plus grande que la plupart des bases de données utilisées jusqu’à présent pour estimer le nombre de médailles gagnées agrégées par pays. La dernière contribution du papier est de proposer une prédiction de la distribution des médailles qui seraient gagnées par différents pays aux Jeux de Pékin en 2008. Le papier est organisé comme suit. On rappelle d’abord (2) les principales caractéristiques de la transition de la Chine vers l’économie de marché, de son développement économique récent et de ses performances olympiques, pour préciser ensuite en quoi consistent les analyses d’économie du sport visant à repérer les déterminants économiques des gains de médailles olympiques. On présente ensuite (3) notre base de données ainsi que des statistiques descriptives relatives aux variables dépendante et indépendantes. On retient (4) deux méthodes économétriques et l’on spécifie trois modèles expliquant le nombre de médailles gagnées aux Jeux par chaque pays. Ces modèles permettent (5) de réaliser trois estimations différentes des variables déterminant le nombre de médailles gagnées aux Jeux Olympiques de 1976 à 2004. On réalise (6) deux prédictions du nombre de médailles qui devraient être remportées par chaque pays aux Jeux de Pékin, en particulier par la Chine, avant de conclure. 2. DEVELOPPEMENT ECONOMIQUE, TRANSITION VERS L’ECONOMIE DE MARCHE ET PERFORMANCE OLYMPIQUE DE LA CHINE 2.1. Une transition graduelle et réussie vers l’économie de marché Dans les analyses économiques de la transition vers l’économie de marché, la Chine apparaît comme l’anti-modèle de la transition néo-libérale ancrée sur le consensus de Washington et qui a montré ses limites dans certains pays d’Europe centrale et orientale et 3 surtout en Russie et dans les pays de la CEI (Andreff, 2007). Quelques soient les imperfections des réformes chinoises et leurs conséquences (monopole d’un parti unique, clientélisme, corruption, etc.), l’opinion précédente se fonde sur le gradualisme des réformes chinoises, l’adoption de solutions institutionnelles adaptées au contexte de la Chine (zones économiques spéciales, township-village enterprises, système des prix à «double voie» - twotrack -, privatisations retardées), des droits de propriété mal définis mais efficaces en termes de gouvernance et décentralisation de l’économie par la concurrence économique entre les gouvernements locaux (provinces, municipalités). 2.2. La troisième puissance économique mondiale En 2007, le PIB de la Chine devrait connaître une croissance de 11,3% et dépasser 3.100 milliards de dollars courants contre 3.000 milliards pour l’Allemagne. La Chine sera ainsi la troisième puissance économique mondiale. Le gradualisme de la transition chinoise lui a évité une chute violente de la production industrielle, comme en Russie, dans les pays de la CEI et les pays d’Europe centrale et orientale. Depuis 1994, le plus faible taux de croissance de la production industrielle a été, selon China Economic Indicators de la Banque mondiale, de 8,5% en 1999, et le plus fort de 16,7% en 2004. Tableau 1: Développement économique et sportif de la Chine, 1976-2004 Indicateurs 1976 1988 1992 1996 2000 2004 Médaillés olympiques 0* 28 54 50 59 63 Athlètes engagés aux Jeux 0* 300 251 309 284 407 Pratiquants sportifs (en millions)* 300** 383** 430** Population (en millions) 933 1113 1177 1228 1269 1299 PIB PPA (milliards dollars 1995) 537 1683 2268 3553 4723 6637 PIB PPA / habitant (dollars 1995) 576 1513 1927 2894 3723 5110 Taux de croissance annuel moyen du 1972-76 1984-88 1988-92 1992-96 1996-00 2000-04 PIB entre deux Olympiades (en %) 4,2 11,3 7,7 11,9 7,4 8,9 * La Chine n'a pas participé au Jeux de 1976. ** Estimations. Sources: CHELEM, CIO 4 2.3. Développement de l’économie du sport dans la troisième puissance olympique mondiale L’évolution de l’organisation du sport en Chine a connu trois phases. De 1949 à 1966, le modèle soviétique centralisé4 a été adopté dans lequel, de fait, la priorité était donnée au sport de haut niveau sur le sport de masse. De 1966 à 1976 (révolution culturelle), le développement du système sportif s’est arrêté ainsi que la participation de la Chine aux échanges sportifs internationaux. Ceci n’a pas empêché des athlètes chinois de remporter 853 titres (championnats, etc.) internationaux et de battre 796 records du monde de 1949 à 1994. Depuis 1977, le secteur du sport connaît une réforme graduelle, en parallèle de celle de l’économie, et se réalise aussi par étapes. En 1976, la Chine n’avait pas pris part aux Jeux Olympiques. Avec la réforme post-maoiste s’est imposée aux dirigeants chinois l’idée qu’une grande nation se doit d’être représentée par ses champions au plus haut niveau mondial. Dès le début des années 1980, le pays s’est doté d’infrastructures et d’organisations sportives étatiques propres à développer une pratique sportive de compétition capable de remporter des victoires au niveau international. La Chine dispose aujourd’hui d’un vivier de 20.000 athlètes de haut niveau. Tableau 2: Développement sportif de la Chine durant la décennie 90 Indicateurs Nouvelles installations sportives Nombre d´habitants ayant réussi les tests sportifs officiels (en millions) Nombre de sportifs de haut niveau récompensés par l´État Dépenses de l´Etat dans le domaine sportif (en millions d´Euros) 1985 700 1990 3681 1996 317 1999 572 43,6 74,8 131* 142,1 2044 2463 3084** 4109 1981-1985 1986-1990 1991-1995 1996-2000 313 877 1 358 2 717 *en 1997, **en 1995. Sources: Digel H., J. Miao et A. Utz, 2003. Le 24 mai 1993, la Comité National du Sport a lancé une politique d’approfondissement de la réforme sur quinze ans (donc à horizon 2008), y compris un Olympic Glory Programme pour maintenir le sport chinois compétitif au niveau mondial et un National Fitness Promotion Programme (à horizon 2010) visant à faire du sport une partie intégrale de la vie quotidienne des citoyens. Les provinces, les régions autonomes et les municipalités ont lancé des campagnes locales spécifiques sur la base de ces programmes. 4 Présenté dans Poupaux (2006b). 5 Dans ce nouveau cadre, l’entraînement des athlètes de haut niveau n’est plus exclusivement confié à l’Etat central, mais décentralisé dans le secteur public, vers les entités locales, d’une part. D’autre part la réforme vise à ce que le secteur du sport réponde mieux à la demande croissante de sport d’une population vivant une forte accélération du développement économique. Dans ce but est encouragée la formation d’associations sportives indépendantes (de l’Etat) tournées vers la demande de la population. Dès la fin 1994, 41 organisations indépendantes (65% de toutes les associations sportives) organisaient 56 compétitions sportives (67% de toutes les compétitions). En même temps, les entreprises, le secteur social, les établissements d’enseignement et les associations sportives existantes sont encouragées à promouvoir des équipes et de clubs de haut niveau. Dès cette époque, les sports les plus populaires en Chine – football, tennis, jeu de go – ont envisagé l’introduction du professionnalisme avec un système de transfert des joueurs entre les clubs. Ce nouveau système, orienté à la fois vers la pratique de masse et vers le haut niveau, gouverné par des organisations gouvernementales et non gouvernementales a été qualifié de «système à double voie» - double track system (Xiong, 1995). Il est une transition, qui devrait être longue, vers une organisation du sport similaire à celle des économies de marché. La préparation des athlètes pour les compétitions internationales et l’organisation de celles-ci, ainsi les Jeux Olympiques ou les Jeux asiatiques, restent du ressort de l’Etat. Une nutrition plus calorique et une activité physique décroissante se répand dans la population (Dickson et Schofield, 2005) à mesure que le niveau de développement économique et de bien-être augmente, au moment même où le sport de haut niveau et la préparation des athlètes deviennent parmi les plus compétitives du monde. La transition démographique et épidémiologique a accompagné le développement économique et la transition systémique. Le besoin de sport augmente dans la population. Le taux de pratique sportive était estimé à 25% de la population en 1992, soit 300 millions de pratiquants, en tenant compte de ceux qui s’adonnent au Qigong et au Wushu (arts martiaux). En 2004, ce taux atteint 32,9% de la population en Chine – 430 millions de pratiquants - et le spectacle sportif suscite l’intérêt de 71,4% de celle-ci (Huang, 2006). Des chaînes de télévision sont spécialement dédiées au sport: la chaîne nationale CCTV 5, BTV 6 à Pékin, Great Sports à Shanghai, Guangzhou Sports à Canton. Le sport professionnel se développe. Le football s’est professionnalisé dès 1994 avec un budget de 700 millions de yuans à l’époque5. Le basket ball, le tennis de table, le volley ball et le golf sont sur la même voie. 5 Néanmoins, une crise a secoué le football chinois en 2005 suite à une série de scandales financiers, un manque de transparence dans la gestion des clubs qui ont fait chuter l’affluence des spectateurs. La ligue de 6 Compte tenu de sa population et de la nouvelle dynamique de développement du sport dans la société lancée par la réforme de 1993, le marché chinois pour les articles du sport est devenu important, dont la taille se rapproche des marchés des pays développés européens (mais encore plus petit que celui des Etats-Unis). Jusqu’en 1992, aucune entreprise n’était autorisée à entrer dans l’industrie du sport business (spectacles, compétitions). Depuis lors, plusieurs nouvelles régulations ont été adoptées par l’Etat chinois pour développer cette activité. Des firmes chinoises sont aussi entrées sur le marché dynamique des articles de sport, mais le phénomène massif est la délocalisation en Chine des principaux producteurs d’articles de sport, par implantation de filiales ou par sous-traitance internationale, surtout dans les dix dernières années. L’économie du sport, toutes activités confondues, a commencé à croître rapidement à partir de 1997 et a atteint la taille de 140 milliards de Rmb en 1998 (Huang, 2006). Sa taille est estimée aujourd’hui à 1,5% du PIB (par comparaison, en France, la dépense intérieure sportive est de 1,7% du PIB). Toutes les installations sportives et toutes les entités (organisations) sportives étant encore la propriété de l’Etat, ce dernier encourage désormais les firmes à investir dans l’achat, et la privatisation, des unes et des autres. L’industrie des articles de sport installée en Chine, sur la base d’une délocalisation de firmes provenant des pays développés, a une production estimée à 140 milliards de Rmb. La Chine est aujourd’hui le principal pays exportateur d’articles de sport dans le monde. En 2004, elle était exportatrice nette de vêtements de sport, d’anoraks, de skis, de surfs, d’articles de golf, de raquettes, de ballons et balles, d’articles pour le tennis de table, de patins et d’équipement pour la gymnastique (M. et W. Andreff, 2007). La politique de la porte ouverte est particulièrement marquée dans les activités associées au sport. 2.4. Les déterminants économiques de la performance olympique La première approche des déterminants de la performance olympique (Jolk et al., 1956) combinait déjà des variables économiques, telles le PNB par tête et la taille des pays, approximée par leur population, avec des variables non économiques, telles le climat, des facteurs nutritionnels et le taux de mortalité dans le pays d’origine des athlètes. Dans les études ultérieures6, des facteurs non strictement économiques du pays d’origine des athlètes ont été au centre de l’analyse: l’étendue géographique, l’espérance de vie, la consommation football chinoise a dû repousser l’ouverture de la saison 2005 par manque de sponsors (retrait de Siemens notamment). 6 Une recension de la littérature disponible sur le sujet (une vingtaine d’articles ou études) est disponible dans M. Andreff, W. Andreff et S. Poupaux (2007). 7 de protéines, la population urbaine, le régime politique, le système social, la religion, le passé colonial, l’offre et la diffusion des journaux, les dépenses militaires et les disciplines olympiques faisant partie des programmes d’éducation physique. Un facteur politique s’est souvent avéré être un déterminant très significatif de la performance olympique. Les déterminants économiques de la performance olympique sont devenus omniprésents dans la littérature à partir des années 1990: les gains de médailles olympiques dépendent fondamentalement de deux facteurs – d’une hypothétique fonction de production de médailles – que sont le capital et un facteur humain, les deux facteurs étant soumis à des rendements décroissants dans la mesure où le nombre des participants aux Jeux et le nombre de médailles attribuées sont finis. Ainsi, un certain niveau de développement économique doit être atteint pour qu’un pays puisse allouer suffisamment de ressources à la préparation de sportifs de haut niveau en vue des Jeux Olympiques. De plus, un entraînement à très haut niveau exige aujourd’hui le recours à des connaissances scientifiques de pointe, des équipements sportifs et des installations sportives sophistiqués, des entraîneurs et des dirigeants hautement qualifiés, ainsi que des médecins spécialisés, ce qui se situe très au-delà des ressources humaines et en capital de beaucoup de pays en développement (Andreff, 2001). Une troisième variable explicative est venue s’ajouter régulièrement au capital et au facteur humain dans la littérature, à savoir l’influence sur les victoires qui découle du fait d’être le pays organisateur (et hôte) des Jeux. Clarke (2000) a montré que le pays hôte des Jeux augmente son nombre de médailles gagnées par rapport à la situation où il n’aurait pas été désigné pour accueillir les Jeux. Il y a bien un effet «pays hôte» qui réside dans le grand nombre de supporters nationaux assistant aux Jeux, lequel déclenche une forte motivation à gagner chez les athlètes du pays organisateur. Enfin, on trouve dans la littérature économique deux articles ayant tenté de prédire la répartition des gains de médailles entre les pays (nations) aux prochains Jeux Olympiques d’été. Dans deux d’entre eux (Bernard et Busse, 2004; Johnson et Ali, 2004), l’exercice de prédiction est basé sur l’analyse des résultats en termes de médailles obtenues au cours d’un certain nombre d’Olympiades antérieures. La plupart des pays se trouvent très proches de l’hyperplan de régression lorsque l’on utilise les deux variables économiques susmentionnées pour expliquer la performance olympique, à l’exception des pays communistes et des pays en transition post-communiste, y compris la Chine, qui en sont plus éloignés (outliers); la prédiction leur accorde donc beaucoup de médailles aux Jeux suivants. 8 Pour ce qui concerne les méthodes économétriques, Gärtner (1989) faisait déjà remarquer que les MCO ne sont cependant pas la méthode appropriée, dès lors que la variable dépendante est définie comme le nombre de médailles gagnées, alors que ce nombre est zéro pour de nombreux pays. Le modèle doit alors être censuré avec une valeur limite inférieure égale à zéro. En outre, la méthode à adopter doit éviter de perdre de l’information et de sousestimer les coefficients de régression (Greene, 2000). A cet égard, un modèle Tobit convient bien mieux et a donc été utilisé par Bernard et Busse (2004), alors que dans Andreff (2001) un Logit ordonné est adopté. 3. BASE DE DONNEES ET STATISTIQUES DESCRIPTIVES On a rassemblé les données de six Olympiades comparables entre 1976 et 2004. Les Jeux de 1980 et 1984 en ont été écartés à cause du biais introduit par les boycotts. Tous les pays participant sont pris en compte qu’ils aient ou non gagné des médailles. Les données retraçant la performance olympique ont pour source le CIO qui comptabilise la participation des athlètes et des pays aux Jeux, la participation aux finales olympiques et les médailles attribuées. Pour le PIB par tête et la population, les données proviennent de CHELEM. Notre panel de données n’est pas cylindré car le nombre de pays existant dans le monde s’est notoirement modifié entre 1976 et 2004 – affectant le nombre de pays participant aux Jeux -, en particulier dans la région autrefois intégrée au sein de l’Union soviétique, au sein du CAEM (Comecon) et au sein de la Yougoslavie et dont les athlètes gagnaient régulièrement beaucoup de médailles. 3.1. La variable dépendante: le nombre de médailles gagnées Plusieurs façons de représenter la performance olympique peuvent être adoptées. Notre choix s’est porté sur le nombre total de médailles gagnées par un pays, car nous cherchons à prédire la performance olympique de chaque pays, le total des médailles qu’il devrait remporter en 2008. La participation à une finale olympique (sans victoire et sans médaille) ne peut être prise en compte qu’au niveau des données par athlète, car les finalistes non médaillés ne sont pas comptabilisés par nation. Les participations aux finales présentent cependant un intérêt pour notre troisième méthode d’estimation sur données individuelles. 9 3.2. Les variables indépendantes On retient le PIB par tête en dollars PPA. On introduit dans les régressions un retard de quatre ans pour cette variable indépendante par rapport à la variable dépendante. Ce n’est pas la richesse ou le niveau de vie ou le niveau de développement d’un pays en 2004 qui détermine sa performance olympique la même année. Il faut du temps pour bâtir une équipe olympique victorieuse (et même non victorieuse), pour rassembler les meilleurs athlètes, les entraîner en vue des Jeux, les préparer psychologiquement, les motiver et ainsi de suite. On a privilégié l’hypothèse selon laquelle la formation d’une équipe olympique recouvre à peu près l’intervalle de temps qui sépare deux Olympiades. Une durée de quatre ans n’est pas irréaliste. Ainsi, c’est le PIB par tête d’un pays en 2000 qui est pertinent pour expliquer sa performance olympique de 2004 alors que le niveau de son PIB par tête de 2004 dit plutôt quelque chose sur ce que pourrait être sa compétitivité olympique en 2008. Imaginons un instant que la croissance économique de la Chine connaisse en 2008 un ralentissement invraisemblable et inattendu. Cela compromettrait-il le nombre de médailles que gagneront les athlètes chinois dont la préparation a commencé (au moins) quatre ans auparavant? Ramènerait-il la Chine sur la voie du sous-développement économique? Une réponse positive est aussi irréaliste pour les deux questions. Le délai de quatre ans matérialise, d’une certaine façon, une inertie dans le processus de développement économique et, puisque l’on fait l’hypothèse que les deux variables sont liées, il y a aussi une inertie dans les performances olympiques d’un pays, au moins d’une Olympiade à la suivante. La deuxième variable indépendante est la population en millions d’habitants par pays. Afin de tester l’influence de la localisation géographique de chaque pays, on introduit une variable indicatrice régionale pouvant prendre neuf «valeurs» différentes: AFS pour les pays situés en Afrique subsaharienne, AFN pour les pays d’Afrique du Nord, NAM pour ceux d’Amérique du Nord, LSA pour l’Amérique latine et du Sud, EAST pour les pays d’Europe de l’Est, WEU pour ceux d’Europe occidentale, OCE pour l’Océanie, MNE pour le Moyen et le Proche Orient, et ASI pour les autres pays d’Asie. Cette variable indicatrice régionale est supposée capturer, jusqu’à un certain point, des traditions culturelles, plus ou moins institutionnalisées, communes à chacune des neuf régions du monde (par exemple, les préventions à l’égard de la participation d’athlètes féminines aux équipes olympiques dans la région MNE). L’influence du régime politique doit aussi être traitée à l’aide d’une variable indicatrice. Bernard et Busse (2004) ont déjà tenté de contrôler pour l’important changement du nombre de pays résultant de la désintégration de l’ancien système soviétique. Dans une note de bas de 1 page, ils mentionnent que leur variable indicatrice Soviet inclut l’Allemagne de l’Est, la Bulgarie, la Hongrie, la Pologne, la Roumanie, la Tchécoslovaquie et l’URSS de 1960 à 1988. En 1992, ils prennent en considération l’équipe olympique unifiée de l’ancienne Union soviétique; ainsi que Cuba sur toute la période d’observation. Ils introduisent une variable indicatrice Planned pour prendre en compte l’Albanie, la Chine, la Corée du Nord et la Yougoslavie (jusqu’en 1988). Pour ceux qui ont l’habitude de mener des recherches sur les anciennes économies communistes aujourd’hui en transition7, la classification des pays précédente n’est pas assez précise ou différenciée, d’un point de vue économique et institutionnel, mais aussi de celui de la réorganisation du système sportif en transition (Andreff et Poupaux, 2007, Poupaux, 2006a et 2006b). Notre classification tient davantage compte de la différenciation des pays en transition. Un premier groupe CEEC rassemble les pays d’Europe centrale et orientale qui ont connu un régime communiste et une économie centralement planifiée jusqu’en 1989 ou 1990, donc y inclus les Jeux de 1988, mais plus depuis 1992 et après. Ils se sont transformés depuis lors en régimes démocratiques et en économies de marché (considérés comme tels à partir de 1992 dans notre base de données). Il s’agit de la Bulgarie, de l’Estonie, de la Hongrie, de la Lettonie, de la Lituanie, de la Pologne, de la Roumanie, de la RDA (jusqu’à sa réunification avec la RFA), de la République tchèque, de la Slovaquie (et de la Tchécoslovaquie jusqu’à sa désintégration en 1993) et de la Slovénie – tous ces pays sont aujourd’hui membres de l’Union européenne. Un second groupe rassemble les pays qui ont eu un régime communiste et une économie planifiée de type soviétique, puis qui se sont lancés dans un processus de transition vers la démocratie et le marché en 1992, voie dans laquelle ils ont beaucoup moins progressé comparé au groupe CEEC. Ils n’étaient pas membres de l’UE en 2007 et n’envisageaient pas d’adhérer dans un futur proche: Arménie, Azerbaïdjan, Belarus, Géorgie, Kazakhstan, Kirghizstan, Moldavie, Mongolie, Ouzbékistan, Russie, Tadjikistan, Turkménistan, Ukraine et Vietnam. Ils sont rangés dans la classe TRANS (pour transition). On a regroupé ensemble les pays qui, contrairement aux deux groupes précédents, n’étaient pas des régimes soviétiques tout en ayant un régime de type communiste et une économie (plus ou moins) centralement planifiée jusqu’au Jeux de 1988, et qui sont entrés en transition vers la (ou un peu plus de) démocratie et le marché aux alentours de 1990. Il s’agit de l’Albanie, de la Bosnie-Herzégovine, de la Chine, de la Croatie, du Laos, de la Macédoine, de la Serbie-Monténégro et, auparavant, de l’ancienne RFSY Yougoslavie (avant qu’elle 7 Voir, entre autres, Andreff (2004, 2006 et 2007), Kalyuzhnova et Andreff (2003). 1 n’implose en 1991). Dans notre base de données, ces pays sont classés dans la catégorie des pays communistes non soviétiques devenus des économies en transition depuis les Jeux de 1992 - soit NSCOM. Deux pays ne peuvent être agrégés à l’un des trois groupes précédents: la Corée du Nord et Cuba. Ils étaient des régimes communistes à économie planifiée avant 1992. Le processus de transition a à peine démarré à Cuba dans les années 1990 et a connu des phases de recul sur décisions de Castro. La Corée du Nord est loin d’être sur le point de se lancer dans une transformation en régime démocratique à économie de marché. Les deux pays sont donc considérés comme encore communistes (catégorie COM) avant et après 1992. La spécialisation sportive des nations influence-t-elle leur performance olympique? Pour répondre, on veut regrouper les disciplines sportives olympiques en classes afin d’estimer si la probabilité d’obtenir une médaille est significativement différente d’une classe à l’autre pour les pays participant aux Jeux, dans notre troisième estimation sur données individuelles par athlète. D’habitude, les sports olympiques sont regroupés, pour des raisons évidentes, sur critères sportifs: toutes les disciplines de l’athlétisme ensemble, tous les sports aquatiques ensemble, tous les sports collectifs ensemble, et ainsi de suite. Notre choix s’est porté sur la seule classification économique des sports existant à ce jour, à notre connaissance, à savoir la Nomenclature des Activités Physiques et Sportives (NAPS). La NAPS a été élaborée par le Ministère des Sports français en collaboration avec l’INSEE en 2002 (Belloc, 2002). Les différentes activités physiques et sportives (APS) y sont regroupées en 9 classes à l’aide d’une méthode de classification hiérarchique ascendante appliquée à 34 familles différentes d’activités sportives selon 12 critères dont certains sont économiques, notamment: le nombre d’heures où une famille de sports est retransmise à la télévision, l’importance donnée à une famille de sports dans les colonnes du journal L’Equipe, le budget de la fédération sportive affecté à la pratique professionnelle, le nombre de licenciés, le nombre de sportifs de haut niveau et le type d’équipement sportif requis par la pratique Les neuf classes d’APS de cette nomenclature économique des sports sont: LEA (APS “loisirs, équipés, autonomes”): sports de loisir utilisant des équipements, avec peu de pratiquants de haut niveau et une couverture médiatique limitée. Cette classe contient un sport (haltérophilie) inscrit au programme des Jeux olympiques en 2004. SOL (APS “socio-ludiques”): sports de loisir à forte dimension sociale, avec beaucoup de pratiquants et une couverture médiatique limitée. Deux sports (marche, tennis de table) de cette classe sont olympiques en 2004. 1 HOA (APS “à haute organisation administrative”): disciplines exigeant un apprentissage spécifique, faible nombre de pratiquants. Cinq sports olympiques en 2004: escrime, judo, karaté, taekwondo et tir. INI (APS “individuelles instrumentées”): sports individuels dont la pratique exige un équipement spécifique. Deux sports olympiques en 2004: aviron et canoë-kayak. DEQ (APS “d’équipage”): sports pratiqués avec un équipement très spécialisé, la fédération sportive ayant un important budget. Deux sports olympiques en 2004: équitation et voile. IDM (APS “individuelles de masse”): activités sportives très populaires à participation massive, important budget de la fédération sportive. Quatre sports olympiques en 2004: athlétisme, cyclisme, gymnastique et natation. MEC (APS “mécaniques”): exigent un équipement très particulier (motorisé) et on tune identité spécifique. Aucun sport olympique. SPR (APS “semi-professionnelles”): sports à forte couverture médiatique, la fédération ayant un important budget professionnel. Sont olympiques en 2004: basket ball, boxe, handball, lutte, tennis et volley ball. PRO (APS “professionnelles”): sports à très forte couverture médiatique et à très fort budget professionnel. Un sport olympique en 2004: le football. 3.3. Les performances olympiques de 1976 à 2004 Le Tableau 3 montre l’expansion (d’ailleurs en partie économique) des Jeux Olympiques entre 1976 et 2004. Elle concerne aussi bien le nombre de pays participants que le nombre de médailles attribuées, reflétant l’inscription d’un nombre croissant d’épreuves au programme des Jeux Olympiques, et la participation des athlètes. Tableau 3: Les performances olympiques de 1976 à 2004 Nombre de pays participants Nombre de pays ayant gagné M ≥ 1 Nombre total de médailles attribuées Nombre d'athlètes participants 1976 92 40 612 6084 1988 160 42 703 8391 1992 171 64 808 9356 1996 197 79 841 10318 2000 199 62 901 10651 2004 201 74 931 10568 3.4. Développement économique et médailles olympiques Si l’on adopte le regroupement des pays par niveau de développement de la Banque mondiale, qui est en 2006: PDEM: pays développés à économie de marché (ou pays à haut revenu), avec un PNB par tête supérieur à 10.725 $; 1 PEM: pays émergents avec un PNB par tête tel que 10.725 $ ≤ PNB/tête ≤ 3.466 $; PRI: pays en développement à revenu intermédiaire avec un PNB par tête tel que 3.465 $ ≤ PNB/tête ≤ 876 $; PMA: pays moins avancés avec un PNB par tête inférieur à 876 $; alors on note une concentration des médailles sur les PDEM à haut revenu (Tableau 3). Ceci donne quelque consistance à l’hypothèse selon laquelle il y aurait une relation significative entre les médailles gagnées et le développement économique du pays. Les PDEM concentrent 41,7% de toutes les médailles attribuées en 1976 et 52,8% en 2004, mais entre temps le nombre des PDEM est passé de 39 à 50. En revanche, la part des PMA dans la répartition des médailles est faible, de 0,8% en 1976 à 3,5% en 2004 alors que leur nombre a augmenté entre temps de 18 à 29 pays (à la fois en raison de l’accès à l’indépendance de pays pauvres et du sous-développement croissant de quelques pays africains depuis les années 1980). Si l’on considère tous les pays en développement ensemble (PMA + PRI), leur part dans le total des médailles attribuées a augmenté de 9,0% en 1976 à 26,2% en 2004. Ceci est dû à la fois à une amélioration des performances olympiques des PRI et à l’accroissement du nombre de ces pays. L’entrée dans ce groupe de plusieurs pays post-communistes, habituellement très performants en termes de médailles gagnées, est aussi responsable de la tendance observée, depuis 1996. De ce qui précède, il résulte que les pays émergents (PEM) ont perdu, par le bas, des pays (ex-communistes) gagnant des médailles, à présent recensés parmi les PRI, et par en haut, plusieurs PEM se sont suffisamment développés pour être classés avec les PDEM (sur critère Banque mondiale). Ainsi, même si le nombre des PEM a à peu près doublé entre 1976 et 2004, leur part dans le total des médailles attribuées a baissé de 49,3% en 1976 (monde communiste inclus) à 20,9% en 2004. 1 Tableau 4: La répartition inégale des médailles selon le niveau de développement économique 1976 1988 1992 1996 2000 2004 255 6,5 (2,5) 39 51,3% 296 6,3 (2,5) 47 44,7% 448 9,1 (2,2) 49 53,1% 460 9,2 (2,1) 50 54,0% 474 9,5 (2,0) 50 46,0% 492 9,8 (1,9) 50 54,0% 302 16,8 (2,1) 18 50,0% 309 11,0 (2,8) 28 32,1% 201 6,1 (3,3) 33 39,4% 155 4,0 (2,8) 39 41,0% 178 4,6 (3,2) 39 28,2% 195 5,0 (3,0) 39 43,6% 50 2,1 (2,5) 24 29,2% 89 2,4 (3,1) 37 29,7% 134 3,3 (3,0) 41 39,0% 195 3,8 (2,3) 52 46,2% 209 4,0 (2,4) 52 34,6% 211 4 (2,5) 53 37,7% 5 0,5 (1,5) 11 36,4% 9 0,2 (6,9) 47 2,1% 25 0,5(2,9) 46 19,6% 31 0,6 (2,8) 56 21,4% 40 0,7 (2,5) 58 17,2% 33 0,6 (2,8) 59 16,9% PDEM Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 PEM Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 PRI Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 PMA Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 3.5. Régime politique et médailles olympiques On distingue à présent tous les anciens pays communistes du reste du monde qui est supposé (par excès) être composé d’économies de marché non communistes (capitalistes) plus ou moins développées. Une première classe de pays est donc CAPME, pour économies de marché capitalistes. En 1976, les CAPME ont gagné 43,8% du total des médailles attribuées alors que toutes les classes de pays communistes en ont remporté 56,2%. Le groupe des CEEC (y inclus la RDA) devançait à l’époque les deux pays, URSS et Vietnam, de la classe TRANS. En 2004, les CAPME ont atteint 63,4% de toutes les médailles attribuées, ne laissant plus que 36,6% aux anciens (ou encore existants) pays communistes. Parmi ces derniers, les pays TRANS, la plupart d’entre eux membres de la CEI (ex-Union soviétique), devancent le groupe des CEEC tandis que la classe NSCOM progresse nettement, ce qui fondamentalement est dû aux performances olympiques croissantes de la Chine. 1 Tableau 5: La répartition inégale des médailles selon le régime politique 1976 1988 1992 1996 2000 2004 268 3,3 (3,5) 81 35,8% 323 2,2 (4,2) 146 22,6% 498 3,3 (3,7) 151 32,5% 543 3,3 (3,4) 164 33,5% 577 3,5 (3,2) 166 26,5% 590 3,5(3,2) 168 30,4% 8 8 (0) 1 100,0% 40 13,3 (1,1) 3 66,7% 57 14,3 (1,9) 4 50,0% 56 8,0 (2,3) 7 42,9% 59 8,4 (2,6) 7 14,3% 70 10 (2,3) 7 42,9% 15 7,5 (1,0) 2 100,0% 0 0 (0) 1 0,0% 40 20 (0,8) 2 100,0% 30 15 (0,9) 2 100,0% 29 14,5 (1,4) 2 50,0% 32 16 (1,0) 2 100,0% 195 32,5 (0,9) 6 100,0% 208 34,7 (1,0) 6 100,0% 99 11,0 (0,9) 9 100,0% 91 9,1 (0,9) 10 90,0% 93 9,3 (0,8) 10 90,0% 86 8,6 (0,7) 10 100,0% 126 63,0 (1,4) 2 100,0% 132 44,0 (1,7) 3 33,3% 114 38,0 (1,7) 3 66,7% 121 8,6 {(2,0) 14 71,4% 143 10,2 (2,3) 14 50,0% 153 10,9 (2,2) 14 57,1% CAPME (168 pays) Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 NSCOM (9 pays) Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 COM (2 pays) Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 CEEC (12 pays) Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 TRANS (16 pays) Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 Finalement, soulignons que les pays communistes puis ex-communistes apparaissent «efficaces» ou «productifs» quand il s’agit de gagner des médailles olympiques. Alors que 22,6% à 35,8% des CAPME ont gagné au moins une médaille entre 1976 et 2004, ces pourcentages ont toujours été compris entre 90% et 100% dans le groupe des CEEC. Quoique un peu moins impressionnante, la performance olympique du groupe TRANS se situe entre 33,3% et 100% d’entre eux ayant gagné au moins une médaille entre 1976 et 2004. Le groupe NSCOM affiche une performance comparable aux pays TRANS, sauf en 2000, mais ceci est dû à la Chine. Ceci confirme que, quoiqu’il en soit de leur faible performance économique et 1 démocratique, les régimes communistes étaient capables de mobiliser et de concentrer des ressources sur la production de médailles olympiques. Il subsiste quelque chose de cette capacité pendant la période de transition post-communiste, bien qu’avec une moindre intensité. 3.6. Répartition des médailles et régions du monde : la dimension culturelle Sous l’hypothèse que, dans une même région du monde, les pays ont quelque chose en commun dans leur culture, leurs traditions, leurs coutumes et l’institutionnalisation formelle ou informelle de celles-ci, on procède à l’observation de la répartition des médailles par grandes régions. En 1976, l’essentiel des médailles attribuées avaient été remportées par l’Europe et l’Amérique du Nord, respectivement 53,6% par l’Europe de l’Est, 19,9% par l’Amérique du Nord et 18,0% par l’Europe occidentale (soit 91,5% ensemble). L’Afrique du Nord et l’Afrique subsaharienne n’avaient gagné aucune médaille. Le Moyen et Proche Orient, l’Amérique du Sud et l’Océanie n’avaient remporté qu’un faible pourcentage, de l’ordre de 1% ou moins, des médailles attribuées. L’Asie se situait en position intermédiaire entre les grands gagnants et les régions «perdantes», avec 5,9% du total des médailles. La situation a radicalement changé en 2004. Comparé à 1976, les parts de l’Europe de l’Est et de l’Amérique du Nord dans les médailles attribuées ont chuté respectivement à 26,3% et 16,4% alors que l’Europe occidentale a augmenté sa part à 26,0% (68,7% ensemble). Depuis l’effondrement du bloc soviétique et de la plupart des régimes communistes, l’atmosphère de guerre froide a disparu et a cessé d’entretenir la concurrence Est-Ouest pour les médailles olympiques, ou du moins en a atténué l’intensité. Par conséquent, les parts de toutes les autres régions se sont accrues jusqu’à 16,6% pour l’Asie, 5,8% pour l’Océanie, 3,1% pour l’Afrique subsaharienne et 2,7% pour l’Amérique latine. A partir des Jeux de 1992, l’Afrique du Nord et le Moyen et Proche Orient ont fini par émerger comme de nouveaux participants aux gains de médailles olympiques (avec respectivement 0,9% et 2,1% du total des médailles en 2004). En moyenne, l’Afrique subsaharienne reste la région du monde la moins performante aux Jeux Olympiques avec seulement entre 0% (en 1976) et 22,2% (en 1996) de ses pays ayant gagné au moins une médaille, ce qui la place derrière l’Amérique latine (entre 12,5% et 25,9%). 1 Tableau 6: La répartition inégale des médailles entre les différentes régions du monde NAM Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 AFN Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 AFS Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 LSA Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 EAST Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 WEU Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 OCE Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 MNE Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 ASI Nombre de médailles Moyenne (coef. de variation) Nombre de pays Pays avec M ≥ 1 1976 1988 1992 1996 2000 2004 122 12.2 (2.4) 10 50,0% 106 11.8 (2.6) 9 30,0% 163 16.3 (2.1) 10 60,0% 156 15.6 (2.0) 10 60,0% 155 15.5 (1.9) 10 60,0% 153 15.3 (2.1) 10 70,0% 0 0 (0) 3 0,0% 0 0(0) 5 0,0% 5 1 (1,4) 5 40,0% 6 1,2 (1,1) 5 60,0% 12 2,4 (1,0) 5 60,0% 8 1,6 (1,4) 5 40,0% 0 0 (0) 3 0,0% 10 0,3 (5,6) 39 5,1% 16 0,4 (2,4) 39 17,9% 29 0,6 (2,6) 45 22,2% 42 0,9 (2,2) 47 21,3% 29 0,6 (3,0) 47 14,9% 5 0,2 (2,4) 23 17,4% 13 0,5 (2,5) 27 25,9% 8 0,3 (2,4) 29 20,7% 23 0,7 (3,7) 32 18,8% 26 0,8 (3,3) 32 12,5% 25 0,8 (2,7) 32 21,9% 328 41,0 (1,0) 8 100,0% 352 44,0 (1,1) 8 100,0% 214 17,8 (1,7) 12 91,7% 217 8,0 (1,7) 27 74,1% 233 8,6 (2,0) 27 55,6% 245 9,1 (2,0) 27 70,4% 110 5,0 (1,7) 22 63,6% 129 5,4 (1,8) 24 58,3% 227 9,5 (1,9) 24 62,5% 243 10,5 (1,5) 24 66,7% 246 10,3 (1,5) 24 58,3% 242 10,1 (1,4) 24 62,5% 9 2,3 (1,2) 4 50,0% 14 1,3 (3,3) 11 9,1% 37 3,1 (2,6) 12 16,7% 47 3,9 (3,0) 12 16,7% 62 4,8 (3,4) 13 15,4% 54 3,9 (3,4) 14 14,3% 2 0,3 (2,4) 6 16,7% 1 0,1 (3,6) 13 7,7% 12 0,9 (2,0) 14 28,6% 11 0,7 (2,3) 15 26,7% 11 0,7 (2,2) 15 20,0% 20 1,3 (2,2) 15 33,3% 36 2,8 (2,5) 13 46,2% 78 3,4 (2,7) 23 26,1% 126 5,3 (2,4) 24 45,9% 109 4,0 (2,7) 27 44,4% 114 4,4 (2,9) 26 19,2% 155 5,7 (2,5) 28 37,0% 1 4. LES DETERMINANTS ECONOMIQUES DES MEDAILLES OLYMPIQUES DE 1976 A 2004: TROIS ESTIMATIONS 4.1. La spécification de Bernard et Busse: mise à jour et améliorée Au cours des années récentes, le modèle le plus fréquemment cité est celui de Bernard et Busse (2004) et, depuis lors, cette spécification a été utilisée, par exemple, par Jiang et Xu (2005) et Pfau (2006). On la reprend à notre compte avec son estimation basée sur un modèle Tobit. Ce dernier est approprié pour modéliser des solutions en coin des variables dépendantes, ce qui est le cas du nombre de médailles gagnées par un pays. Bernard et Busse estiment un modèle dont les variables indépendantes sont la population Nit du pays i à l’année t et le PIB par tête (Y/N)it du pays i à l’année t, auxquelles ils ajoutent trois variables indicatrices supposées représenter la capacité organisationnelle d’un pays à gagner des médailles olympiques. Ces trois dummies sont respectivement Hostit, l’avantage potentiel du pays hôte des Jeux vis-à-vis des autres pays participants, Sovietit qui distingue les pays appartenant à la sphère d’influence soviétique, et Plannedit qui se rapporte aux pays communistes non soviétiques n’ayant pas une économie de marché. Les deux dernières dummies capturent l’impact du régime politique sur les gains de médailles. On propose ici d’améliorer légèrement la spécification de Bernard et Busse pour les raisons suivantes: . Ils font l’hypothèse implicite que le temps nécessaire à un pays pour préparer une équipe pour la prochaine Olympiade est nul dans la mesure où toutes les variables indépendantes sont prises pour la même année que la variable dépendante (les médailles gagnées). Notre hypothèse est au contraire que la préparation d’une équipe olympique prend du temps, celui qui sépare deux Olympiades. Nos variables indépendantes sont donc retardées de quatre ans par rapport à la variable dépendante. . On a déjà indiqué les limites de la classification des pays communistes Soviet/Planned adoptée par les auteurs. On adopte la classification plus précise et plus à jour présentée cidessus en quatre groupes de pays CEEC, TRANS, NSCOM, et COM, afin de saisir l’influence de la variable Political Regimepi relative au pays i sur ses gains de médailles. Notre spécification est: 1 où M désigne le nombre de médailles gagnées, i indice les pays (i = 1, …, 204), t indice les années olympiques retenues (t = 1976, 1988, 1992, 1996, 2000, 2004), ln (N) est le logarithme du nombre d’habitants des pays, et ln (Y/N) le logarithme du PIB par tête en dollars PPA constants (1995 PPP US $). 4.2. Une spécification tenant compte des différences culturelles (régionales) Notre deuxième spécification vise à estimer ce que l’on pourrait nommer l’influence d’une «différence culturelle» sur les gains de médailles. On suppose qu’une telle différence culturelle est liée à des traditions au regard de l’éducation physique et de la pratique sportive (pensons aux femmes afghanes par exemple), de l’habitude d’assister au spectacle sportif ou de le regarder à la télévision, et ainsi de suite. Ces traditions et ces attitudes à l’égard du sport dans la société prennent profondément leurs racines dans la culture et les habitudes de comportement et de pensée locales, souvent assez proches entre les pays d’une même région du monde. Elles sont influencées par les dimensions institutionnelles (qu’elles influencent en retour) du sport et leur capacité à attirer la jeunesse et les adultes vers la pratique de disciplines sportives spécifiques (par exemple, l’haltérophilie en Bulgarie et en Turquie, le marathon et les courses à longue distance en Ethiopie et au Kénya, le cyclisme en Belgique et aux Pays-Bas, le tennis de table, le judo et les arts martiaux en Asie, le sprint en Jamaïque, dans d’autres pays des Caraïbes et aux Etats-Unis, etc.). Il n’est pas facile de bien capturer de telles différences culturelles à l’aide d’une variable indicatrice, mais l’on considère qu’une dummy régionale en rend compte, au moins jusqu’à un certain point. Notre deuxième spécification repose sur une version amendée du modèle de Bernard et Busse à laquelle on ajoute une variable indicatrice Regionri pour chaque pays i: 2 La variable indicatrice Regionri peut prendre neuf valeurs différentes qui correspondent à notre classification régionale des pays du monde: AFN, AFS, ASI, EAST, LSA, MNE, NAM, OCE, et WEU. Elle rend compte de différences culturelles régionales (traditions, habitudes, institutions) et n’est pas, en tant que telle, liée à la richesse du pays ou à sa population. Notre deuxième modèle ne contrôle donc pas seulement pour les différences de régime politique, comme chez Bernard et Busse, mais encore pour des spécificités culturelles régionales. Ceci ne constitue cependant qu’une amélioration marginale par rapport à la spécification de Bernard et Busse. Notre attente n’est donc pas que cette seconde spécification augmente énormément la qualité de l’estimation. De plus, on a le sentiment que les différences culturelles régionales se traduisent souvent par des spécificités dans les sports pratiqués d’une région à l’autre. 4.3. Une spécification différenciant les disciplines sportives olympiques Dans une troisième spécification, plus fidèle aux règles du CIO, on fait l’hypothèse que les Jeux Olympiques sont une compétition entre athlètes individuels, et pas seulement entre nations. On utilise alors des données individuelles pour renseigner la variable dépendante, et non des données agrégées par pays, ce qui permet aussi de différencier les gains de médailles par discipline olympique. L’estimation économétrique s’appuie alors sur 56.084 observations individuelles au lieu de 612 (en 1976) à 931 (en 2004) observations par pays. Il convient de donner plus de précision sur la partie de notre base de données composée de données individuelles par athlète. Ces données ont été rassemblées à partir de trois bases de données différentes. Deux bases de données du CIO fournissent de l’information au sujet des athlètes en ce qui concerne la nation sous les couleurs de laquelle ils ont participé aux Jeux et dans quelles épreuves olympiques ils ont été alignés. Une première base de données renseigne, pour tous les athlètes, leur nom et les épreuves auxquelles ils ont pris part. Une seconde base fournit avec précision la performance de chaque athlète ayant participé à une finale olympique. Les données des deux bases sont disponibles pour chacun des Jeux Olympiques. On les a croisé avec les données d’une troisième base donnant, pour chaque pays, son PIB par 2 tête, sa population et sa région d’appartenance (au sens des neuf grandes régions ci-dessus). On a ajouté une variable indiquant quand un pays accueille les Jeux sur son territoire. Dans la base des données individuelles, un athlète qui a participé à deux épreuves différentes (ex.: Carl Lewis, sprint et saut en longueur) est compté deux fois. Pour ce qui est des performances olympiques, un athlète est défini comme participant à une finale olympique quand il est classé parmi les huit (ou six) meilleurs compétiteurs, selon la discipline sportive considérée. Si un athlète a participé à deux finales, disons le 100 mètres individuel et le 100 mètres par équipe, il est compté deux fois comme finaliste. Bien évidemment, il est aussi compté deux fois s’il gagne deux médailles. Dans les sports collectifs, ce n’est pas l’athlète, mais l’équipe qui est comptée comme participant, finaliste et médaillé (même s’il y a onze joueurs de football quittant les Jeux avec une médaille d’or au cou). Avec cette vaste base de données, incluant tous les athlètes ayant pris part aux Jeux de 1976, 1988, 1992, 1996, 2000 et 2004, on analyse les déterminants de la probabilité pour un athlète de participer à une finale olympique. La variable dépendante ne peut alors prendre que deux valeurs, zéro si l’athlète ne participe pas à une finale et 1 s’il se qualifie pour une finale (première équation ci-dessous). Dans une seconde équation, on analyse les déterminants de la probabilité pour un athlète de gagner une médaille. La variable dépendante prend alors la valeur zéro si l’athlète ne gagne pas de médailles et 1 s’il en gagne une. Les deux variables dépendantes sont binaires et on a un modèle de régression à réponses qualitatives. On opte donc pour un modèle Logit dans lequel la variable dépendante varie selon une fonction logistique. La probabilité qu’un athlète j participant aux Jeux atteigne une finale olympique est donc définie comme suit: où est le ratio qui représente les chances pour un athlète j du pays i d’atteindre une finale lors des Jeux Olympiques de l’année t. Fin est le logarithme de ce ratio. On définit de la même façon la probabilité pour un athlète j participant aux Jeux de gagner une médaille, soit: 2 où est le ratio représentant les chances pour un athlète j du pays i de gagner une médaille lors des Jeux Olympiques de l’année t. Med est le logarithme de ce ratio. En fin de compte, on teste les deux relations suivantes: où Nijt désigne la population du pays i pour lequel l’athlète j prend part aux épreuves olympiques, (Y/N)ijt désigne son PIB par tête, Politique regimepi est la variable indicatrice définie précédemment, Regionir représente la région culturelle à laquelle appartient le pays i, et Sportsj désigne la discipline sportive olympique dans laquelle l’athlète est aligné en compétition. 5. L’ESTIMATION DES MEDAILLES GAGNEES LORS DES JEUX OLYMPIQUES PASSES: RESULTATS ET INTERPRETATION Toutes nos estimations donnent des résultats significatifs (Tableau 6). S’agissant de la première estimation en Tobit, tous les coefficients sont positifs et significatifs au seuil de 1%, sauf pour les variables indicatrices des années olympiques (en prenant 2004 comme année de référence). Dans le droit fil de Bernard et Busse8, il se confirme que le nombre de médailles gagnées est déterminé par le PIB par tête du pays participant, par sa population et la par la variable Host qui indique qu’un pays qui accueille les Jeux bénéficie d’un surplus de 8 Contrairement à Bernard et Busse qui travaillent sur le pourcentage de médailles gagnées par chaque pays, notre régression a été calculée en prenant aussi bien le pourcentage que le nombre absolu de médailles gagnées (résultats du Tableau 6) par chaque pays. Les résultats ne sont pratiquement pas différents. 2 médailles gagnées. Le régime politique est une variable à fort pouvoir explicatif dans le cas des pays communistes et en transition post-communiste9. Les mêmes résultats d’ensemble sont obtenus avec la deuxième estimation en Tobit. L’introduction de la variable Regions améliore légèrement la valeur du R2. La spécification avec différences culturelles régionales est significative sauf pour l’Afrique du Nord et l’Amérique latine. La plupart des pays nord-africains ont longtemps été exposés à des traditions et à une culture sportive européenne (française). Plusieurs pays latino-américains sont (ont été) perméables à la culture sportive nord-américaine (d’autant plus que le groupe des pays NAM inclut le Mexique et des pays des Caraïbes). Comme on a pris l’Europe occidentale pour référence, les coefficients significatifs à signe positif s’interprètent comme désignant une performance olympique meilleure, comparée à la région de référence, en termes de médailles gagnées. C’est le cas de l’Afrique subsaharienne, de l’Amérique du Nord et de l’Océanie. Ce n’est pas surprenant en ce qui concerne l’Amérique du Nord où quelques pays sont très performants aux Jeux Olympiques, étant donné leur PIB par tête et leur population, tels Cuba et la Jamaïque et, dans une certaine mesure, les Etats-Unis et le Canada. Les pays subsahariens sont parmi les moins développés du monde (à part l’Afrique du Sud). Ils auraient dû avoir un nombre de médailles très faible. Cependant, en raison de leur forte spécialisation dans peu de sports, quelques pays de ce groupe ont été capables de remporter un nombre non négligeable de médailles, par exemple l’Ethiopie et le Kénya dans les courses de longue distance. L’Océanie affiche aussi une forte performance, ce qui est dû à la présence dans ce groupe de deux grands pays développés (Australie et Nouvelle-Zélande), remportant beaucoup de médailles, dans une région composée de petits pays moins développés. D’autre part, les coefficients négatifs et significatifs associés à l’Asie, à l’Europe de l’Est et au Moyen et Proche Orient désignent une moindre performance olympique comparé à l’Europe occidentale. Ce n’est pas surprenant pour le Moyen et Proche Orient, car seuls Israël et la Turquie gagnent régulièrement des médailles dans ce groupe de pays. L’attitude culturelle vis-à-vis de certaines disciplines sportives et l’accès plus restreint à la pratique sportive féminine en public dans plusieurs pays de la région expliquent probablement une moindre performance que celle de l’Europe. La même explication vaut dans une certaine 9 Nous avons aussi calculé une régression en adoptant une classification un peu différente des pays selon leur régime politique. Nous avons séparé le groupe des pays CAPME en un groupe de pays capitalistes développés et un autre groupe composé des pays en développement et émergents. Les résultats ne sont pas significativement différents de ceux présentés dans le texte, de sorte que nous gardons le groupe agrégé CAPME pour la suite. 2 mesure pour l’Asie qui contient quelques pays performants en termes de médailles, telle que principalement la Chine, mais aussi la Corée du Nord et la Mongolie (étant donné leur PIB et leur population), ainsi que la Corée du Sud. Mais pour les trois premiers pays mentionnés, leur forte performance est aussi prise en compte par la variable régime politique. Par ailleurs, dans la région Asie, de grands pays (Bangladesh, Inde, Indonésie, Pakistan) et des pays riches (Japon, Singapour, Taiwan) gagnent relativement peu de médailles. L’effet cumulé est une performance inférieure à la référence ouest-européenne. Le résultat le plus surprenant est celui observé pour l’Europe de l’Est où, étant donné leur PIB et leur population, la plupart des pays affichent des gains de médailles plus impressionnants que de nombreux pays ouest-européens (Poupaux, 2006a). On peut penser notamment à l’ex-RDA, l’ex-Union soviétique, la Belarus, la Bulgarie, la Hongrie, le Kazakhstan, la Pologne, la Roumanie, la République tchèque et la Russie. Le signe négatif du coefficient pour cette région résulte probablement du fait que les performances supérieures de l’Europe de l’Est sont déjà entièrement capturées par la variable régime politique qui, dans ces pays, se confond (ou s’est longtemps confondue) avec une attitude culturelle, traditionnelle et régionale (bloc soviétique) très favorable au développement des sports olympiques. Au total, notre deuxième estimation n’apporte qu’une petite amélioration par rapport à celle de Bernard et Busse dont elle précise davantage la différentiation culturelle régionale entre les pays participant aux Jeux. Le Tableau 7 contient une troisième estimation en Tobit (Tobit Med) qui ajoute une variable indépendante retardée, à savoir le nombre de médailles gagnées par un pays lors de l’Olympiade précédente. Cette variable de contrôle capture une inertie significative dans la répartition des médailles entre les pays qui en gagnent d’une Olympiade à la suivante. Les estimations restent robustes et significatives, sauf pour la variable Region. Ce modèle est ultérieurement utilisé dans notre exercice de prédiction, sinon les prédictions seraient biaisées par la négligence de cet effet inertiel (d’ailleurs retenu par Bernard et Busse). Notre estimation avec un modèle Logit, appliqué aux données individuelles, fait voir le même résultat fondamental: les gains de médailles sont expliqués par le PIB par tête et la population des pays participant aux Jeux. Notre régression Logit (Fin) montre que les athlètes de toutes les régions du monde ont une probabilité significativement plus faible d’atteindre une finale olympique que les athlètes ouest-européens, mis à part ceux d’Océanie (rôle de l’Australie et de la Nouvelle Zélande déjà explicité). Il en résulte que, lorsque l’on regarde les résultats de la régression Logit (Med), une fois le nombre des athlètes participants donnés, seuls les athlètes d’Europe de l’Est et d’Océanie, et dans une moindre mesure les athlètes 2 subsahariens, ont une plus forte probabilité de gagner une médaille que les athlètes d’Europe occidentale. Tableau 7: Estimations Tobit et Logit des médailles gagnées et de la participation aux finales Variable dépendante Variables indépendantes Log population (t-4) Log PIB par tête (t-4) Host (pays hôte) Tobit (1) Tobit (2) Tobit Med (3) Logit Fin (4) Logit Med (5) 9,14*** 12,42*** 24,37*** 9,81*** 13,83*** 18,43*** 2,15*** 2,73*** 10,04*** 0,33*** 0,51*** -0,13* 0,39*** 0,50*** 0,008 Régime politique (réf. CAPME) COM TRANS CEEC NSCOM 24,34*** 23,24*** 21,43*** 11,98*** 24,79*** 36,02*** 33,34*** 24,10*** 5,76** 8,15*** 6,71** 5,22* 1,34*** 0,46*** 0,57*** -0,29*** 1,32*** 0,15 0,36* -0,42*** 2,51 12,86*** 13,06*** 41,36 -9,38*** -11,85** -8,51*** 9,47** -1,81 0,75 0,076 -1,08 -2,58* -3,5 -2,47* 1,3 -0,4** -0,26 -0,33*** -0,80*** -0,27*** -0,26*** -0,53*** 0,25*** -0,29 0,36** -0,11* -0,74*** -0,1 0,48** -0,39** 0,47*** 0,25*** 0,30*** -0,54*** -1,02*** -1,48*** -0,54** -2,03*** 0,14* -0,41*** -0,88*** -0,75*** -1,18*** -0,29*** -,60*** Région (réf. WEU) AFN AFS NAM LSA ASI EAST MNE OCE Sports (réf. Classe IDM) LEA SOL INI DEQ SPR HOA PRO Indicatrice de l'année (réf. 2004) 1976 1988 1992 1996 2000 Med (t-4) Constante Nombre d'observations Log-likelihood value Pseudo R2 -2 Log Log-likelihood value Pourcentage de prédiction correcte 4,63 -0,2 3,33 3,35 0,31 -138*** -150*** 941 -1646 0,17 941 -1602 0,19 2 0,95*** -31,57*** 831 -6,46*** -7,93*** 56084 56084 65397 71,6% 36453 69,9% 0,34 *** Significatif au seuil de 1%; ** au seuil de 5% ; au seuil de 10%. D’autre part, le fait pour un athlète d’appartenir à la délégation olympique du pays hôte des Jeux n’affecte pas significativement sa probabilité de gagner une médaille alors que sa probabilité d’atteindre une finale olympique en est légèrement diminuée (car le log-odds est de -0.13). En prenant toujours les économies de marché (CAPME) comme référence, on voit que l’influence du régime politique est significativement différente pour les pays communistes (COM) et pour les pays communistes non soviétiques (NSCOM). Le régime politique augmente significativement la probabilité des pays COM (Corée du Nord et Cuba) de gagner une médaille; il en de même, mais moins nettement dans le cas des pays d’Europe centrale et orientale (CEEC). En revanche, l’impact du régime politique sur la probabilité de gagner une médaille n’est pas significativement plus élevé dans les pays en transition (TRANS) que dans le groupe de référence (CAPME). Un tel résultat est différent de celui présenté dans Poupaux (2006a). Ceci peut s’expliquer par le fait que, en moyenne, entre 1976 et 2004, les athlètes des pays TRANS ont certes gagné plus de médailles que les athlètes des économies de marché (CAPME), mais en envoyant un plus grand nombre d’athlètes aux Jeux (surtout avant 1989) que les pays non communistes. D’où finalement le fait qu’un athlète des pays TRANS avait à peu près les mêmes chances qu’un athlète des pays non communistes de gagner une médaille. Dans le cas d’un athlète des pays communistes non soviétiques (NSCOM), sa probabilité de gagner une médaille est plus faible que celle d’un athlète des pays non communistes (CAPME). Ce résultat ne vaut évidemment pas pour les athlètes chinois, bien que la Chine soit incluse dans le groupe NSCOM. Ce résultat un peu surprenant se situe en Yougoslavie et, encore plus dans les Etats successoraux après l’éclatement de la République Fédérale Socialiste de Yougoslavie. En période de guerre et de désintégration du pays, envoyer des athlètes aux Jeux a cessé d’être une priorité. La spécificité des pays CEEC, TRANS et COM est, au fond, mieux caractérisée en disant que leurs athlètes avaient une plus forte probabilité d’atteindre les finales olympiques pendant la période observée. Cette spécificité ne pouvait être identifiée dans notre régression en Tobit qui ne prenait pas en compte le nombre d’athlètes participant aux Jeux. La seule exception à cette conclusion est que les athlètes des pays communistes non soviétiques (NSCOM) ont une probabilité plus faible d’aller en finale que ceux des économies de marché CAPME. Une dernière contribution de nos estimations en Logit est que chaque classe de sports olympiques a un impact spécifique et significatif sur la probabilité de participer aux finales et 2 sur celle de gagner une médaille. Un tel résultat n’a jusqu’à présent jamais été mis en évidence avec un tel degré de détail (huit classes de sport) dans la littérature. Pour la plupart des classes de sports, la probabilité d’atteindre une finale et de gagner une médaille est plus faible que dans la classe de référence IDM (APS individuelles de masse), celle qui contient le plus grand nombre d’épreuves dans le programme olympique (athlétisme, cyclisme, gymnastique, natation). Pour les deux classes LEA (APS loisirs, équipées, autonomes) et SOL (socio-ludiques) la probabilité d’aller en finale est supérieure à celle de la classe de référence. Pour ce qui est de la probabilité de gagner une médaille, la classe LEA (haltérophilie) est plus performante que la classe de référence alors que la classe SOL (marche, tennis de table) est moins performante. Les différences entre classes de sport s’expliquent évidemment en partie par le fait qu’il y a plus ou moins d’athlètes participant aux différents sports olympiques. Néanmoins, ces premiers résultats ouvrent la voie à de futures recherches qui pourraient fournir une explication économique des différences d’attractivité, pour les athlètes et pour les pays, des sports olympiques, puisque les classes de sports utilisées ici, on le rappelle, sont différenciées sur critères économiques. 6. LES MEDAILLES QUI SERONT GAGNEES PAR LA CHINE AUX JEUX DE PEKIN: DEUX PREDICTIONS On utilise à présent les coefficients estimés dans nos modèles précédents pour prédire le nombre de médailles qui sera (plus exactement devrait être) gagné aux Jeux de Pékin en 2008, en tenant compte du PIB par habitant et de la population des pays en 2004, de nos différentes variables indicatrices et de l’effet inertiel repéré (dans l’estimation en Tobit seulement) par la variable Med (t-4), i.e. le nombre de médailles gagnées aux précédents Jeux Olympiques. Les prédictions sont réalisées par projection linéaire. Les résultats ne sont présentés (Tableau 8) que pour pour quelques pays très représentatifs10. 10 Pour d’autres pays, les résultats sont disponibles auprès des auteurs. 2 Tableau 8: Prédictions des médailles gagnées aux Jeux Olympiques de Pékin: Principaux pays gagnants Modèle Tobit Etats-Unis Russie Chine Allemagne Australie France Italie Corée du Sud Cuba Ukraine Roumanie Hongrie Calcul des auteurs Médailles gagnées en 2004 112 92 63 49 49 33 32 30 27 23 19 17 Gains de médailles prédits en 2008 106 97 80 52 50 36 35 30 29 27 21 19 Modèle Logit à deux étapes Gains de médailles prédits en 2008 102 117 74 51 42 40 32 30 21 48 26 29 En ce qui concerne les principaux pays gagnant des médailles, la prédiction du modèle Tobit indique que les Etats-Unis resteront les premiers par le nombre de médailles remportées aux Jeux de 2008 (106 médailles), malgré une légère baisse de performance par rapport à 2004. La Russie vient ensuite, avec un nombre de médailles en légère augmentation (97). L’effet pays hôte joue un peu dans le cas de la Chine dont les gains de médailles devraient progresser de 27%, passant de 63 médailles à Athènes 2004 à 80 médailles à Pékin 2008. L’estimation de notre modèle Logit n’intègre pas l’effet d’inertie qui n’est donc pas pris en compte dans la prédiction. Ceci est dû au fait qu’il n’est pas possible d’introduire le nombre de médailles gagnées quatre ans plus tôt dans une estimation basée sur des données individuelles par athlète (ce nombre n’existe pas pour tous les athlètes qui ne sont pas sélectionnés lors de deux Olympiades consécutives) et non plus par pays. Cette absence d’effet inertiel produit des prédictions à nos yeux moins réalistes. Cela ne modifie pas la liste des principaux pays gagnant des médailles en 2008, mais leur classement change. La Russie vient en tête avec 117 médailles, ce qui est moins vraisemblable que 97, que l’on consulte les milieux sportifs en général ou les autorités du sport russe en particulier11. Les Etats-Unis 11 Lors d’une mission de l’un des co-auteurs à l’Université Leisgaft d’Education Physique de SaintPétersbourg, en 2007, des spécialistes russes du sport, également conseillers sportifs actifs en Chine, anticipaient que la Chine gagnera plus de médailles que la Russie aux Jeux de Pékin 2008. Les résultats de nos prédictions ne vont pas si loin dans le sensationnel, mais ceux basés sur le Tobit (avec inertie) vont dans la même direction 2 seraient seconds avec 102 médailles, marquant une nette contre-performance (10 médailles perdues comparé à 2004). La Chine viendrait en troisième position avec 74 médailles. Ce résultat est moins vraisemblable et plus éloigné des anticipations des autorités sportives chinoises que les 80 médailles prédites avec le Tobit. Nous pensons que nos prédictions Tobit sont plus vraisemblables, du fait de l’inertie des gains de médailles, d’autant plus qu’elles sont plus proches des pronostics exprimés et des rumeurs véhiculées par les milieux sportifs (non économistes) spécialisés 7. CONCLUSION Les médailles gagnées par un pays aux Jeux Olympiques sont déterminées par son PIB par habitant et sa population. Le fait d’accueillir les Jeux procure un surplus de médailles. Le régime politique influence fortement les gains de médailles des pays communistes et, depuis les Jeux de 1992, ceux des pays en transition. L’estimation est améliorée quand une variable régionale-culturelle différencie les performances olympiques entre neuf grandes régions du monde. Notre estimation basée sur des données individuelles par athlète, et non plus par pays permet notamment de différencier les gains de médailles par disciplines sportives olympiques. La probabilité pour un athlète de participer à une finale et la probabilité de gagner une médaille dépend du type de sport dans lequel il s’aligne en compétition. A partir de deux de nos estimations, on calcule les prédictions du nombre de médailles qui devraient être gagnées aux Jeux Olympiques de Pékin en 2008. La hiérarchie des principaux pays gagnant des médailles est assez stable avec un certain nombre de pays capitalistes développés et de pays (ex-) communistes à son sommet. Les trois principaux vainqueurs des Jeux de Pékin seront, comme aux Jeux d’Athènes 2004, les Etats-Unis, la Russie et la Chine. Avec probablement 80 médailles gagnées, la Chine atteindra trois-quarts du nombre des médailles gagnées par la Russie (contre seulement deux tiers en 2004). Cette estimation est sans doute un seuil minimal, si le développement économique de la Chine, principal facteur explicatif, demeure nettement plus rapide que celui des autres pays du monde et si, comme on s’en doute, les autorités chinoises mettent tout en œuvre pour aligner une délégation olympique exceptionnelle. (réduction de l’écart entre la Russie et la Chine) et paraissent plus vraisemblables que ceux tirés du Logit (sans inertie). 3 Références: Andreff M. et W. Andreff, “International Specialisation of Major Trading Countries in Sports Goods Global Trade”, International Association of Sports Economists 8th Annual Conference, University of Dayton, Ohio, USA, May 26-28, 2007. Andreff M., W. Andreff et S. Poupaux, “How Many Medals Will your Country Win at Beijing Games? Two different econometric predictions”, communication à la 82nd Western Economic Association International Conference, June 29-July 3rd, 2007, Seattle Westin. Andreff W., “The Correlation between Economic Underdevelopment and Sport”, European Sport Management Quarterly, 1 (4), 2001, 251-79. Andreff W., “Would a Second Transition Stage Prolong the Initial Period of Post-socialist Economic Transformation into Market Capitalism?”, European Journal of Comparative Economics, 1 (1), 2004, 7-31. Andreff W., “Corporate Governance Structures in Postscialist Economies: Towards a Central Eastern European Model of Corporate Control? ”, dans T. Mickiewicz, ed., Corporate Governance and Finance in Poland and Russia, Basingstoke: Palgrave-Macmillan 2006, 23-48. Andreff W., Economie de la transition: La transformation des économies centralement planifiées en économies de marché, Paris: Bréal 2007. Andreff W. et S. Poupaux, “The Institutional Dimension of the Sport Economy in Transition Countries”, dans T. Slack et M. Parent, eds., International Perspectives on the Management of Sport, Amsterdam: Elsevier 2007, 99124. Andreff W. et S. Szymanski, eds., Handbook on the Economics of Sport, Cheltenham: Edward Elgar, 2006. Belloc B., “Une nomenclature pour les activités physiques et sportives: 335 disciplines, 34 familles, 9 classes”, STAT-Info, Bulletin de statistiques et d’études, n° 02-02, March, 1-6. Bernard A.B. et M. R. Busse, “Who Wins the Olympic Games: Economic Resources and Medal Totals”, Review of Economics and Statistics, 86 (1), 2004, 413-17. Clarke S.R., “Home Advantage in the Olympic Games”, dans G. Cohen et T. Langtry, eds., Proceedings of the Fifth Australian Conference on Mathematics and Computers in Sport, Conference proceedings, Sydney, NSW: University of Technology Sydney, 2000, 43-51. Digel H., J. Miao et A. Utz, Hochleistungssport in China,Weilheim/Teck: Bräuer 2003. Dickson G. et G. Schofield, “Globalisation and globesity: the impact of the 2008 Biejing Olympics on China”, International Journal of Sport Management and Marketing, 1, (1-2), 2005, 169-79. Gärtner M., “Socialist Countries’ Sporting Success before Perestroika-and-after”, International Review for Sociology of Sport, 24 (4), 1989, 283-86. Greene W.H., Econometric Analysis, Upper Saddle River, New Jersey: Prentice Hall, 4e édition, 2000. Huang Y., “An analysis of sport business in the Great China region from a strategic perspective”, International Journal of Sport Management and Marketing, 1 (4), 2006, 349-58. Jiang M. et L.C. Xu, “Medals in Transition: Explaining Medal Performance and Inequality of Chinese Provinces”, Journal of Comparative Economics, 33 (1), 2005, 158-72. Johnson D. et A. Ali, “A Tale of Two Seasons: Participation and Medal Counts at the Summer and Winter Olympic Games”, Social Science Quarterly, 85 (4), 2004, 974-93. Jolk E., M.J. Karvonen, J. Kihlberg, J. Koskela et L. Noro, “Sports in the Cultural Pattern of the World. A Study of the 1952 Olympic Games at Helsinki”, Institute of Occupational Health, mimeo, 1956. Kalyuzhnova Y. et W. Andreff, eds., Privatisation and Structural Change in Transition Economies, London: Palgrave 2003. Pfau W.D., “Predicting the Medal Wins by Country at the 2006 Winter Olympic Games: An Econometric Approach”, National Graduate Institute for Policy Studies, Tokyo, January 2006, mimeo, 15 p. Poupaux S., Performances économiques et transformations du secteur sportif dans les pays est-européens. Une contribution à l’économie du sport, Thèse de doctorat, Université de Paris 1, décembre 2006a. Poupaux S., “Soviet and Post-Soviet Sport”, dans W. Andreff et S. Szymanski, eds., Handbook on the Economics of Sport, Cheltenham: Edward Elgar, 2006b, 316-24. Ren H., “China and the olympic movement”, dans J. Riordan et R. Jones, eds., Sport and Physical Education in China, New York: E. & F.N. Spon, 1999, 203-13. Xiong D., “The sociological consideration of the sport reform in China”, International Congress Images of Sport in the World, German Sport University, Cologne, November 1-5, 1995. 3