Les méthodes d’évaluation

Les méthodes de préférences révélées Valoriser les biens non marchands en observant les comportements réels En particulier les comportements d’achat sur les marchés réels « Quantifier l’empreinte marchande des biens non-marchands »

Les principales méthodes Comportement révélé Référence théorique Applications Coûts de déplacement Participation à des activités récréatives Complémentarité faible Demande récréative Prix hédoniques Choix de localisation Biens différenciés Pollution, risque Comportement défensif Dépenses de protection Biens substituts Morbidité mortalité Fonctions de dommage Dépenses de traitement Morbidité mortalité pollution

Limitations des méthodes de préférences révélées Impossibilité d’estimer des valeurs de non-usage Impossibilité d’estimer des valeurs pour des niveaux de qualité qui n’ont pas été expérimentés Information limitée des individus Marchés imparfaits

Compléments sur la valeur d’option

Compléments sur la valeur d’option

Choix optimal sans irréversibilité Choix en période 1 Choix en période 2 X X

Choix optimal avec irréversibilité Choix en période 1 Choix en période 2 x x X

Un modèle simple Deux périodes En t = 0, bénéfice unitaire certain b0 s’il y a développement D0, surface développée En t = 1, il y a une incertitude entre deux états de la nature possibles

Bénéfice si développement Etats de la nature Probabilité Bénéfice si développement Surface développée q1 p b1 < 0 D1 q2 1 - p b2 > 0 D2

Hypothèse : pb1 + (1 – p) b2 > 0 L’objectif est la maximisation du bénéfice espéré b0D0 + pb1D1 + (1 – p) b2D2 Les décisions sont réversibles Max b0D0 + pb1D1 + (1 – p) b2D2 s.t.0≤D0,D1,D2≤1

D1* = 0, D2* = 1 D0* = 0 si b0 < 0, D0* = 1 si b0 > 0 Le choix en t = 1 est irréversible Max b0D0 + pb1D1 + (1 – p) b2D2 s.t.0≤D0≤D1,D2≤1 Si q1 il n’y a pas intérêt à développer donc D1# = D0

Si q2 il y a intérêt à développer donc D2# = 1 On peut alors réécrire le problème de maximisation du profit espéré Max (b0 + pb1)D0 + (1 – p) b2 s.t.0≤D0≤1 Tout dépend du signe de b0 + pb1 Si b0 + pb1 > 0, D0# = 1, sinon D0# = 0

Décision optimale Condition Sans irréversibilité D0* = 1 b0 > 0 Avec irréversibilité D0# = 1 b0 > - pb1

Comme b0 > - pb1 > 0 on développe plus quand les décisions sont réversibles que quand elles ne le sont pas L’irréversibilité conduit à prendre des décisions plus conservatrices - pb1 est le prix à payer pour conserver la possibilité d’utiliser l’espace en deuxième période, en fonction de la situation à ce moment là

- pb1 est aussi la valeur de l’information disponible en t = 1 Si on a pris la décision irréversible en t =0, l’information sur q ne sert à rien en t =1 car l’ensemble des choix s’est réduit définitivement Pour choisir, en présence d’irréversibilité la décision de développer (D0 = 1), il faut un bénéfice supérieur à celui qui suffirait pour la décision flexible

La méthode des coûts de déplacement Hotelling 1947 : Pour bénéficier des activités récréatives dans un site naturel, les dépenses de déplacement effectuées sont des prix implicites qui permettent d’estimer la valeur récréative du site Le principe de complémentarité faible (Mäler, 1974) Deux biens sont faiblement complémentaires quand la non consommation de l’un empêche la consommation de l’autre

Illustration de la méthode Zones Coût/p Pop. (103) Vis/an Tx/1000 1 10 200 20 2 5 75 15 3 4 25

T = 25 – 5C Hypothèse 1 : la relation précédente résume le comportement des individus pour la fréquentation du site Hypothèse 2 : l’individu est indifférent entre une modification à la marge de son coût de déplacement ou du paiement d’un droit d’entrée

Nombre de visites en fonction du coût additionnel Zones/Dcoût 1 2 3 4 200 150 100 50 - 75 25 500 Total 300 125

Calcul du surplus (725) 500 300 125 50 1 2 3 4 Dcoût

Mise en œuvre de la méthode Définir le site étudié Définir les usages récréatifs (types, périodes) Prise en compte d’autres déterminants que le coût de déplacement Revenu, âge, CSP, éducation, situation familiale, culture… Choix du mode d’enquête (sur site, hors site)

Sur site Permet de toucher la population cible Seuls les visiteurs sont interrogés Difficulté d’avoir un échantillon représentatif Les individus qui ont une forte fréquentation ont une probabilité plus forte d’être interrogés (stratification endogène) Hors site Facilité de construire un échantillon représentatif Coûteux Délimitation du périmètre d’enquête Courrier ou téléphone

Conception du questionnaire Choix des variables explicatives Activités pratiquées Visite unique ou non, nombre de visites/an Mode de transport, temps passé, dépenses effectuées… Caractéristiques du ménage Visite à but unique ou non

Mesure des coûts Coûts de déplacement Transport, droit d’entrée, équipement, temps Transport : D distance domicile/site, C coût du km, P nombre de personnes transportées (2xDxC)/P

Coût d’équipement (location, achat) Coût d’opportunité du temps T temps de parcours en mn, R revenu mensuel COT = 2x(T/60) x(R/135) x(1/3) Problème des sites substituts Plus ils sont nombreux, plus les bénéfices pour le site étudié sont faibles

Estimation du modèle Ni : va = nombre de visites effectuées par i Xi : vecteur ligne des caractéristiques de i Hypothèse : toutes les observations sont des réalisations de la même va Modèles linéaires ou log linéaires Modèles de comptage (permet de modéliser des va discrètes et positives)

Le modèle de Poisson Pour tout k ≥ 0, P(Ni=k/Xi)=exp(-li) lik/k! li est le nombre espéré de visites, fonction des Xij Pour ne pas avoir de probabilité négative, on utilise une forme log-linéaire : lnli =SjXijbj, bj est le coefficient estimé de Xij, la caractéristique j Pour chaque i on connaît Ni et Xij, on estime alors les bj par le maximum de vraisemblance

Les bj maximisent L = Pi[exp(-li) liNi/Ni!] (GAUSS, LIMPED) Stratification endogène et troncature en zéro du nombre de visites (seules les personnes visitant le site sont interrogées) Risque de biais dans l’estimation finale (surestimation) Pour k ≥ 1, P(Ni=k/Xi)=exp(-li) lik-1/(k-1)!

Calcul de la valeur d’usage Pour i, le surplus annuel est donné par Si=li/-bic où bic est le coefficient du coût de déplacement de i Pour le surplus total, cela dépend du type d’enquête Hors site : S = [Si Si/N]xPop Sur site : S = (1/N*) Si Si/Ni x Pop avec N*=Sk(Nf/f), où Nf est le nombre d’individus de l’échantillon ayant fait f visites et k varie de 1 au plus grand nombre de visites effectuées

Exemple : Maumee Bay Maumee Bay est un parc de l’Ohio Le site étudié est constitué des plages à l’intérieur de ce parc Etude sur site Variables considérées : CT, revenu Y, CTs (site substitut), qualité de l’eau, entretien, propreté, congestion, aménagements, Sole

Pour les variables en italique, on a demandé aux enquêtés de classer de 1 (peu important) à 5 (très important) le rôle de ces variables dans leur choix de visite Sole est une dummy (0/1) qui indique si la visite a pour seul but la plage (1) ou non (0)

On a distribué aléatoirement des questionnaires aux usagers en leur demandant de le renvoyer par courrier (62%) Seules les visites d’une journée (66%) ont été prises en compte CT = double de la distance linéaire entre la ville et la plage x 0,33 cents/mile + coût d’opportunité du temps (COT) COT= (distance/40)x[(Y/2040)x0,3]

Variables Coefficients estimés CT -0,040*** Y 0,018 Sole -0,016 CTs 0,004*** Qualité de l’eau -0,053 Entretien -0,270*** Propreté 0,176** Congestion 0,065* Aménagements 0,098***

Les coefficients sont statistiquement significatifs à 99% (. ), 95% ( Les coefficients sont statistiquement significatifs à 99% (***), 95% (**) et 90% (*) Estimation de la valeur d’une visite/an/personne 25$ (1/0,4) Estimation de la valeur totale par an : 5,6x106 $ (224 000 visites/an x 25)

Exercice Le droit d’entrée dans un parc d’attraction est de 20€ par personne. Le coût de transport est estimé à 0,5€ le kilomètre. On demande à l’aide des données suivantes de : Déterminez une fonction de demande de visite pour ce parc De calculer la variation de surplus des usagers si la direction du parc décide d’un droit d’entrée de 25€ par personne

Zones Dist/parc Pop (103) Visites 1 10 5 500 2 20 900 3 30 25 2000 4 40 700 50 100 6000 6 60 25000 7 70 200 8000 8 80 1500 9 90 1000

Les prix hédoniques : principe Bien = {caractéristiques} Effet qualité en comptabilité nationale Prix d’un bien = F(caractéristiques)

Les prix hédoniques : théorie Etape 1 : Détermination d’un prix implicite de l’environnement MaxC,l,q,e U(C,l,q,e) pC + h(l,q,e) = R h(l,q,e) est le prix implicite du logement A l’optimum, pour une caractéristique environnementale ek on doit avoir U’C/p = U’ek/h’ek h’ek = p U’ek/U’C

U’ek/U’C est le TMS entre C et ek C’est la quantité de bien privé compensant la perte d’une quantité marginale de ek h(l,q,e) est obtenu par régression économétrique des prix observés de l’immobilier sur les variables l, q, e On en déduit h’ek, la disponibilité marginale à payer pour une unité d’environnement en plus

Etape 2 : détermination de la demande pour ek Pour un ménage, la relation précédente permet de déterminer un point de sa fonction de demande inverse (ek, h’ek) Si tous les ménages sont identiques (fonction d’utilité, revenu…) on a autant de point de la même fonction de demande

Sinon, il faut tenir compte de l’offre sur le marché Offre parfaitement élastique : vaste choix de logements, prix exogène pour les ménages On régresse ek sur h’ek pour obtenir la fonction de demande Offre rigide : on régresse h’ek sur ek et on obtient la demande inverse

Variables explicatives Variables physiques Superficie du logement Superficie du terrain Nombre de pièces Nombre de salles de bain Type de logement Âge de l’habitation Présence d’un garage Présence d’équipements de luxe …

Variables de quartier Taux de chômage Revenu médian Proximité de services publics Proximité d’équipements culturels Proximité d’une gare Taux de délinquance ….

Variables environnementales Variable mesurant l’état de l’environnement : niveau de pollution, niveau de bruit Variable mesurant une distance : à une plage, une rivière, une décharge…

Variable expliquée Prix du logement Tenir compte de l’évolution des prix Soit en déflatant Soit en incluant dans le modèle économétrique une variable binaire par année (sauf une année de référence) qui vaut 1 si la transaction a eu lieu l’année en question et 0 sinon

Estimation du modèle Deux étapes Estimation de la fonction de prix hédonique Estimation de la fonction de demande d’environnement et calcul de surplus Dans la pratique, on se restreint souvent à la première étape, ce qui est justifié si les externalités sont localisées et n’affectent qu’une petite partie du marché immobilier

Les principaux modèles économétriques Le modèle linéaire Le modèle semi-linéaire (lin-log) Le modèle log-log Le modèle log-lin La transformation de Box-Cox

Le modèle linéaire Prix de vente en niveau Variables explicatives en niveau Le coefficient de chaque variable = prix implicite de cette variable Pb : le prix est constant quel que soit le niveau de la variable Si le niveau de pollution est très élevé, on peut penser que le WTP pour le réduire est plus élevé que s’il était plus bas

Le modèle semi-linéaire (lin-log) Prix de vente en niveau Variables explicatives en log Une augmentation de 1% d‘une variable en log implique une variation du prix de vente = coefficient de la variable / 100

Le modèle log-log Prix de vente en log Variables explicatives en log Les variables binaires ne sont pas transformées Coefficient = élasticité

Le modèle log-lin Prix de vente en log Variables explicatives en niveau L’accroissement d’une unité de la variable implique un changement en % du prix de vente = coefficient de la variable x 100 Pour une variable binaire (X) de coef b, la présence de cette variable (X=1) implique un % de variation du prix g = 100 (eb – 1)

La transformation de Box-Cox Pour une variable X, sa transformation de Box-Cox X(l) est donnée par X(l) = (Xl -1)/l si l≠0 ou ln(X) si l=0 Il y a deux types de modèles possibles 1 Seule la variable expliquée (prix de vente) est transformée l=0 correspond au modèle log-lin l=1 correspond au modèle linéaire

pi(l) = Sj Xijbj + ei 2 la variable expliquée et les variables explicatives sont transformées pi(l) = Sj Xij(m)bj + ei Le prix implicite d’une caractéristique Xij est donné par (pi)1-l[(Xij)m-1bj] On ne transforme pas les variables binaires

Exemple : Qualité de l’eau au Maryland Legett et Bockstael, « Evidence of the effects of water quality on residential land prices », Journal of Environmental Economics and Management, 2000 Transactions immobilières entre 1993 et 1997 dans le comté d’Anne Arundel au Maryland Principales variables explicatives

VSTRU (1000$) : évaluation de la valeur de la « structure » Pour éviter la colinéarité entre les caractéristiques de la maison, le choix est fait d’une évaluation globale ACRES : surface de la maison ACSQ : surface au carré (prend en compte la valeur décroissante de la surface supplémentaire) DISBA : distance à Baltimore

DISAN : distance à Annapolis ANBA : distance à Baltimore x distance à Anapolis FCOL : concentration de coliforme 4 formes fonctionnelles sont estimées : linéaire, semi-linéaire et Box-Cox (2)

Xij l=1, m=1 l=0, m=1 l=0,43, m=1 l=0,16, m=0,33 VSRTU 1,37* 0,0028* 0,037* 0,25* ACRES 116,9* 0,31* 3,72* 1,79* ACSQ -7,33* -0,023* -0,26* -0,49* DISBA -3,96* -0,01 0,13* -1,00* DISAN -11,80* -0,047* -1,43* ANBA 0,36* 0,001 0,013* 0,45* F.COL -0,052* -0,00012 -0,0015* -0,011

Calcul des effets de bien-être Modèle général : pi(l) = Sj Xij(m)bj + ei = h(X) Le prix implicite de la caractéristique XFCOL est donné par h’FCOL=(pi)1-l[(XFCOL)m-1bFCOL] WTP = h(X*) – h(X) Comme seuls les modèles 1 et 3 ont des coef significatifs pour F.COL, on a

Effet de bien-être / moyenne (p=335,91; FCOL=109) Forme fonctionnelle bFCOL h’FCOL WTP l=1, m=1 -0,052 -2,60 l=0,43, m=1 -0,0015 -0,041 -2,06

Les principaux problèmes de la méthode des prix hédoniques Le choix des variables Trop : risque de colinéarité Pas assez : prix mal expliqué Dans les deux cas, estimation biaisée Choix de la forme fonctionnelle En général, log-lin ou Box-Cox Segmentation du marché

Estimation de plusieurs fonctions de prix hédoniques Anticipation des caractéristiques Ex : prix élevés malgré un bruit important car anticipation de la construction d’un mur anti-bruit Hypothèses restrictives Marché du logement en équilibre

Parfaite mobilité des acheteurs (sinon il ne sont pas à l’optimum et leur WTP n’est pas égal au prix implicite) Information parfaite sur le lien prix/caractéristiques

Les dépenses de protection Dépenses faites par les individus pour se protéger d’un risque Visite médicales, purificateur d’air, d’eau, filtres, cures, … Implicitement, les individus ont une variable « santé » dans leur fonction d’utilité et ils maximisent aussi par rapport à cette variable, via les dépenses de protection, qui sont donc des inputs de « production de santé »

U = U(X, L, S), U’X > 0, U’L > 0, U’S < 0 S = S(E, G, Z), E émission de polluants, G activités pour réduire l’exposition à la pollution, Z facteurs exogènes (âge, état de santé , …) E =E(A, a), A comportements de prévention, a niveau ambiant de pollution, E’A<0, E’a>0

G acheter un inhalateur pour réduire les symptômes d’asthme A rester chez soi quand la pollution est forte S = S(E(A,a),G,Z)=Ã(A,a,G,Z) La contrainte de budget est I+wTw = X+pgG+paA+M(S) où M(S) sont les dépenses médicales fonction de l’état de santé

M’S>0, plus on est malade (S) , plus on doit faire des dépenses de santé Le temps total T se partage en temps de travail Tw, loisirs L et temps de maladie S T = Tw + L + S La valeur totale des ressources de l’individu, I + wT se partagent entre la consommation de bien X, le loisir wL, les dépenses de protection pgG+paA et le coût de la maladie M(S)+wS

En résolvant le problème de maximisation de l’utilité sous la contrainte de budget complète, on peut définir une « fonction de demande de santé » et en déduire un WTP

Cette méthode nécessite la collecte de très nombreuses informations pour chaque individu Fréquence, durée et sévérité des symptômes dus à la pollution de l’air, niveaux moyens de pollution supportés, actions préventives prises, coûts de ces actions, âge, état général de santé, affections chroniques, …

Difficulté de différencier entre une dépense faite pour se protéger ou à cause de la pollution Perception imparfaite (au mieux) entre pollution et effets sur la santé Il existe des comportements de protection sans consommation (promenade) Peu de biens de protection contre la pollution de l’air

Les fonctions de dommages Surtout utilisées en économie de la santé Fonction dose-réponse Impacts Polluant

Les fonctions de dommages Fonction dose-réponse valorisation Impacts Coûts Polluant

Les fonctions de dommages Impacts Coûts Polluant Fonction de dommages

Exemple : le coût économique de la maladie Etablissement des fonctions dose-réponse Relation entre concentration ambiante et quantité d’impacts Elaborée à partir d’une analyse statistique des corrélations de court terme entre les concentrations ambiantes et certains effets survenus dans les jours suivants (effets aigus et non chroniques)

Mortalité, morbidité (respiratoire et cardio-vasculaire), cancers Polluant Impacts Particules (PS13, FN) Mortalité, morbidité (respiratoire et cardio-vasculaire), cancers SO2 Mortalité, morbidité (respiratoire et cardio-vasculaire) NOx Morbidité respiratoire, irritation de l’oeil CO Mortalité, morbidité cardio-vasculaire Dioxines Cancers

Il faut aussi tenir compte des effets chroniques mais ils sont très difficiles à évaluer Nécessité de suivre des cohortes importantes pendant plusieurs années Pope 1995, 550 000 personnes sur 7 ans dans 151 villes des USA

L’étude ERPURS (1994) Réalisée en Ile de France entre 1987 et 1992 Les fonctions sont données par 4 points correspondants à 4 niveaux de polluant P5 niveau de concentration non dépassé pendant 5% du temps P50 niveau de concentration non dépassé pendant 50% du temps

P95 niveau de concentration non dépassé pendant 95% du temps P5+100 niveau de concentration P5 + 100mg/m3 du polluant L’étude retient une fonction linéaire définie par les points P5 et P5+P95 La pente de la droite représente l’augmentation des cas en % par 100mg/m3

Les coûts par cas Morbidité 1 Coût du traitement Dcoûtvis = Dci x bi x (vis totales/vis SOS) x CSOS x Si Ni Dci variation de la concentration du polluant i, bi pente de la droite dose-réponse du polluant i, CSOS coût d’une visite SOS, Ni nombre de visites dues au polluant i

Les coûts par cas Hospitalisation : médecine générale 2863F/j, médecine spécialisée 4107F/j, spécialité coûteuse 9192F/j Durée moyenne d’hospitalisation : Asthme 7j, autre resp 8j, cardio 11j Valeur d’un cas d’hospitalisation pour asthme : 7x4107 = 28,7KF

Les coûts par cas 2 Perte de salaire ou de productivité Mesure par perte de productivité (PIB/pers/j = 543F) Calcul des arrêts de travail (enquête chez EDF, 18 000 employés) La durée moyenne d’arrêt chez EDF est de 7,3j pour raison respiratoire et de 31,3j pour raison cardio-vasculaire

D’où un coût moyen de 3,97 KF (7,3x543) pour un arrêt pour raison respiratoire et de 16,9 KF pour raison cardio-vasculaire Comme il y a 4 arrêts/j pour 18 000 employés il y aura 4 x (6,14x103/18) x365 = 498 000 puisqu’il y a 6,14x106 habitants en IdF On peut alors calculer, par exemple, le coût des arrêts respiratoires dus aux PS13 DC = 3970 x 498 000 x (22,7/10 000) = 4,48 MF/an par mg/m3 où (22,7/10 000) est la pente de la fonction DR pour les PS13 (22,7% pour 100 mg/m3)

Exemple de résultats (partiels) MF/an par mg/m3 FN PS13 SO2 NO2 O3 Hosp. respiratoire 1,02 0,97 0,89 1,076 Hosp. CV 6,01 3,70 4,83 3,02 VM asthme 0,24 0,21 0,20 0,47 0,13 AT respiratoires 4,48 5,42 4,97 Total 7,07 8,39 11,2 9,35 1,206 Dc = 10% 3,19 5,08 2,97 4,50 2,77 22,6 42,6 33,3 42,1 3,34

3 Le coût de la souffrance Nécessite une évaluation contingente Le coût de la mortalité Mortalité aiguë : 2 possibilités Coût 1 : Nombre de morts x Vvie où Vvie est la valeur statistique d’une vie sauvée Coût 2 : Nombre de morts x DT x Van où DT est la réduction de l’espérance de vie et Van la valeur d’une année de vie

La relation entre Van et Vvie est donnée par Vvie = Van St 1/(1+r)t La somme s’effectue sur une durée de 35/45 ans correspondant à la durée pendant laquelle l’individu est productif Cette relation sert à calculer Van pour laquelle il n’existe pas de données directes Les deux méthodes ne sont pas équivalentes

Politique A : 1000 personnes voient leur espérance de vie augmenter de 5 ans Politique B : 5000 personnes voient leur espérance de vie augmenter de 1 an Si r très grand, Van = Vvie Avec le coût 2, elles sont équivalentes Avec le coût 1, A est 5 fois plus efficace que B

Ici, c’est le coût 2 qui est retenu Il faut au moins qq jours de perte d’espérance de vie pour être détectable et elle reste inférieure à qq années Prob {5j < DT <1280} = 95% et DT suit une loi log normale, la médiane est de 80j avec un écart-type de 4 Si DT est le résultat de plusieurs facteurs multiplicatifs, sa distribution est approximativement log normale

On prend Vvie = 5,5 MF (Desaigues et Rabl 1997) On en déduit Van = 0,28 MF pour la mortalité aiguë (r = 3%) D’où le coût d’un mort = 0,28x106x80/365 = 61 100F

Faut-il valoriser la vie humaine ? La vie n’a pas de prix ? Oussama Ben Laden : 25 x 106 $ Un soldat américain : l’infini Femme afghane ayant besoin d’une césarienne : 0 En réalité, les décisions et les dépenses engagées pour former ou sauver des vies humaines révèlent les préférences implicites des choix collectifs

Quelques risques environnementaux Prob Décès Coût/décès Radionucléides (mines d’uranium) 0,0063 3,4 M$ Arsenic, cuivre 23 M$ Fours à coke 0,0072 63,5 M$ Déchets solides 0,000001 19 107 M$

Quelques risques cancérigènes Coût de protection MF Décès évités/ an d’exposition Coût/décès MF Amiante 12,4 3,1 4 Nucléaire 3,4 0,007 485 Mines d’uranium 0,09 0,0088 10

1 La valeur de la vie humaine (VVH) diffère selon le niveau de développement et le type d’organisation des pays une année de survie pour un malade du sida aux USA > 10000$ financé par la collectivité < 300$ (coût des soins) pour un Africain du Sud

Dans les pays riches, on soigne les enfants, on les éduque, on les forme au travail pour constituer un capital humain dont la valeur justifie la dépense élevée En Suisse, on dépense entre 20 et 25 000 $ de soins pour éviter une mort En Afrique subsaharienne (espérance de vie < 45/50 ans), beaucoup de jeunes meurent avant de travailler si bien que la rentabilité de leur éducation est insuffisante pour mobiliser des moyens financiers nationaux ou internationaux

2 La VVH diffère aussi selon l’émotion suscitée par la mort La mort collective a un coût plus élevé que la mort individuelle et anonyme 6000 morts du World Trade Center/6000 morts annuels sur les routes en France. Les premiers mobilisent le monde et font débloquer 45 milliards de dollars par le Congrès, les seconds n’entraînent pas de réaction collective significative

La VVH diffère aussi selon la perception de la maîtrise du risque Le crack automobile fait moins peur que l’accident d’avion ou de bus lors d’un attentat terroriste ou une explosion industrielle Les 39 morts du tunnel du Mont-Blanc font davantage peur que les 120 morts anonymes du week-end prochain sur les routes

Elle diffère selon l’âge, le sexe et le milieu social La vie des professionnels est mieux protégée que celle des enfants et des femmes En cas de décès, les tribunaux accordent des indemnités supérieures aux familles des premiers La sécurité est mieux assurée dans les quartiers riches que dans les banlieues déshéritées

Elle diffère enfin selon les moyens mis en œuvre pour la protéger On dépense beaucoup pour soigner un cancer du poumon d’un fumeur et peu pour l’empêcher de fumer Le coût d’un dépistage génomique viral pour l’hépatite C est de 55 M€/année de vie gagnée Pour le cancer du sein il est de 7 600 €

Pour les économistes, la VVH est la « valeur d’une vie statistique à un âge déterminé » Cette approche a choqué les mondes médical et politique qui continuent à l’ignorer Les conclusions des économistes rejoignent pourtant les principes philosophiques, moraux et les fondements du droit Elles montrent que cette valeur devrait être égale pour tous et égale dans des décisions ayant un effet sur l’espérance de vie ou le risque de mort pris en des temps et dans des lieux différents

De telles valeurs sont utilisées dans des investissements dans le transport routier En France, elle est inférieure à celle utilisée en Angleterre Nous avons un taux de mortalité double du leur ! Des enquêtes suisses, suédoises, anglaises ont déterminé quelle somme les Européens seraient prêts à consacrer à améliorer la sécurité

Le résultat confirme que nos sociétés reconnaissent une valeur spécifique à la vie humaine très supérieure à notre capacité à gagner notre vie Un consensus semble se dégager autour de 120 fois le PIB par habitant, soit entre 1 et 3 millions d’euros (2,45 pour le France) La France a réévalué sa valeur autour d’un million, soit le bas de la fourchette

Une des composantes du refus de la mondialisation vient sans doute de la faible valeur accordée par les pays riches, les entreprises multinationales et les employeurs locaux à l’environnement (au sens large) des habitants des pays pauvres dont une partie des avantages comparatifs provient de leur faible protection sociale, donc des risques non couverts qui témoignent que leur vie est plus négligée

L’évaluation contingente Principe : reconstituer un marché fictif (contingent) pour demander directement à chaque individu son consentement à payer pour un changement environnemental Permet d’évaluer des valeurs de non-usage, ou la valeur d’un projet avant sa réalisation

Déroulement d’une étude Identifier le changement environnemental qu’on veut valoriser Déterminer la population concernée Déterminer le mode d’enquête et la taille de l’échantillon Rédiger le scénario

Rédiger la question de valorisation Rédiger les autres questions Tester le questionnaire Analyser les données Présenter et diffuser les résultats

Identification du changement à valoriser Un changement environnemental implique des variations de bien-être L’objet de l’évaluation contingente est de traduire ces variations de bien-être en une mesure monétaire Principale difficulté : identifier les changements physiques dans l’environnement et la manière dont ils affecteront les individus Il faut rendre crédible la situation hypothétique

Déterminer la population concernée Définir un périmètre d’étude (bien local, national, global) Définir le type de valeur (existence, legs,…) Objectif : obtenir un échantillon représentatif de la population Individus ou ménages ?

Déterminer le mode d’enquête et la taille de l’échantillon Coût unitaire Complexité des questions Complexité du questionnaire 1 Courrier Téléphone 2 Face à face 3

Risque de biais de sélection par courrier (seuls les plus intéressés renvoient le questionnaire) Problèmes de budget Nécessité d’une taille minimum (250/300) pour effectuer des calculs statistiques 750 à 1000 questionnaires

Rédiger le scénario Description du bien valorisé Neutralité de la description Description suffisante Photos, cartes, dessins,… Description de la façon dont le bien sera fourni Description des conditions du paiement

Choix du support de paiement (suppléments d’impôts, droit d’entrée, facture d’eau, d’électricité, don à une fondation,…) Choix d’une règle de décision (référendum,…) Choix d’un cadre temporel pour le paiement

Exemple : Etude D4E sur les usages récréatifs du Loir Présentation générale du bien Je vais maintenant vous parler de la politique de l’environnement et ses implications pour la rivière. Un des objectifs est d’améliorer l’état écologique des cours d’eau. Le Loir entre La Flèche et La Chartre-sur-le-Loir est actuellement dans un état moyen

Présentation du changement valorisé et description des mesures Le bon état écologique pourrait être atteint par une meilleure gestion des prélèvements et des rejets de polluants, ainsi que par la suppression des certains obstacles sur la rivière comme les seuils d’anciens moulins

Conséquence du changement pour les usagers Pour la pratique de la pêche, par exemple, ces mesures auraient comme conséquences : un accès facilité à la rivière, la disparition de certains plans d’eau, davantage de liberté d’écoulement des eaux, une meilleure qualité de l’eau, moins d’algues, une plus grande diversité de poissons.

Question sur la position des personnes interrogées sur ces mesures Globalement, seriez-vous tout à fait favorable, plutôt favorable ou pas du tout favorable à ces mesures ? Présentation du scénario de valorisation Je vais maintenant vous proposer un scénario fictif pour lequel j’aimerais connaître votre position

Mode de mise en œuvre des mesures Pour appliquer ces mesures, une structure intercommunale pourrait être créée afin de réaliser les travaux et l’entretien nécessaire Support de paiement Cette structure serait financée de manière volontaire par les usagers de la rivière, l’argent ainsi récolté allant uniquement à la rivière Période temporelle Combien seriez-vous prêt à verser par an en euros pour le financement de cette structure ?

Rédiger la question de valorisation Les modes de révélation La question ouverte : combien seriez-vous prêt à payer au maximum pour…? La question fermée : seriez-vous prêt à payer X € pour…? L’enchère La carte de paiement

Incitation à l’honnêteté Caractéristiques Question ouverte Carte de paiement Question fermée Incitation à l’honnêteté Non - Nécessité du choix Oui Type de réponse Continue Intervalle Problèmes Zéros, non réponses Ancrage Ancrage, yea-saying

Taille de l’échantillon Méthode Effort cognitif Taille de l’échantillon Question ouverte Elevé La plus faible Question fermée Très faible La plus élevée Enchères Modéré Modérée Carte de paiement Faible

Rédiger les autres questions Questions socio-économiques : revenu, âge, profession, nombre d’enfants, études,… Questions sur les caractéristiques des visites (fréquence, activités pratiquées,…) et l’opinion sur l’environnement Identification des faux zéros

Exemple : enquête D4E sur le Loir 1 Ce n’est pas à moi de payer 2 Il n’est pas nécessaire de modifier l’état de cette rivière 3 Mes moyens financiers ne me le permettent pas 4 Je n’ai pas assez d’informations pour me décider 5 J’ai peur de payer pour les autres 6 Cela m’empêchera de pratiquer mes activités

7 Je paye déjà un permis de pêche 8 Je paye déjà pour une activité de loisir 9 Je ne veux pas que la rivière soit modifiée 10 Je ne me sens pas concerné 11 Autres raisons 12 Ne se prononce pas Les raisons 2, 3, 6, 9 et 10 correspondent à des vrais zéros

Tester le questionnaire S’assurer de la bonne compréhension du questionnaire par les personnes interrogées Vérifier la durée de l’entretien Détecter les erreurs de formulation des questions ou les erreurs d’aiguillage

Analyser les données Statistique descriptive : approche non paramétrique Modèles économétriques Modèles à utilité aléatoire Modèle Probit : loi normale Modèle Logit : loi logistique

Présenter et diffuser les résultats Reprendre les différentes étapes précédentes Présenter les méthodes d’analyse des données (y compris les valeurs nulles) Présenter les résultats économétriques Estimation des paramètres (moyenne, médiane, écart-type)

Les principaux biais de l’évaluation contingente Le biais stratégique Les biais liés à l’administration du questionnaire : enchère de départ, ancrage, mode de paiement, framing effect Le biais d’inclusion Le biais hypothétique

L’effet de contexte Chirurgie : sur 100 personnes 90 survivent à l’opération, 68 sont en vie après 1 an et 34 après 5 ans Radiothérapie : toutes survivent au traitement, 77 sont en vie après 1 an et 22 après 5 ans 18% favorables à la radiothérapie Chirurgie : sur 100 personnes 10 meurent pendant l’opération, 32 meurent au bout d’un an et 66 dans les 5 ans Radiothérapie : aucune ne décèdent pendant le traitement, 23 meurent au bout d’un an et 78 dans les 5 ans 44% favorables à la radiothérapie

Biais hypothétique Une évaluation contingente menée auprès de chasseurs dans le Wisconsin fournit un WTP de 101$ pour le rachat d’un permis de chasse Le rachat effectif des permis s’est fait au prix moyen de 63$

Exemple d’évaluation contingente Estimer la valeur d’usage totale de forêts en Ligurie  Par le passé, la Ligurie était un important producteur de bois et de châtaignes. Ces activités sont maintenant fortement réduites et la population a émigré sur les zones côtières, laissant les forêts sans entretien. Ces forêts fournissent plusieurs types de services : conservation de l’humidité du sol, activités récréatives, chasse, cueillettes

Les autorités locales ont commandité une étude pour évaluer le bénéfice social net fourni par la forêt, en vue de dégager des ressources pour la réhabiliter

Identification du site Critères : intérêt pour le tourisme, flux de touristes, projet de création de parcs régionaux. Des cartes et des photos informent les interviewés.  Définition du bien à valoriser Valeur de la forêt pour tous ses usages 

Questionnaire Données socio-économiques (age, études, revenu, profession, situation familiale..) Questions sur la sensibilité environnementale des visiteurs Scénario et CAP

Scénario Le site que vous visitez se détériore par manque de gestion et d’entretien. La région souhaite le réhabiliter mais, suite à des contraintes budgétaires il envisage de demander une participation aux visiteurs sous la forme d’un droit d’entrée. Seriez-vous prêt à payer le montant suivant ?  Nature de la question Choix dichotomique

Véhicule de paiement Droit d’entrée  Recueil des données Interviews sur place de 800 visiteurs pendant 3 mois (juillet, août, septembre) selon un échantillonnage aléatoire 

Estimation du CAP Plusieurs méthodes possibles : statistique descriptive modèle logit maximum de vraisemblance  Agrégation CAP x nombre total de visiteurs sur l’année

Etapes Organiser la base de données en classant les réponses par droit d’entrée croissant Hypothèses Le choix des droits d’entrée proposé est correct

Etapes Organiser la base de données en classant les réponses par droit d’entrée croissant Calcul de la fréquence conditionnelle d’acceptation pour chaque niveau de droit Hypothèses Le choix des droits d’entrée proposé est correct Les fréquences conditionnelles sont fournies par la variable 0-1 pour chaque droite d’entrée proposé

Etapes Calcul de la fréquence conditionnelle d’acceptation pour chaque niveau de droit Considérer les fréquences conditionnelles comme des fréquences cumulatives Hypothèses Les fréquences conditionnelles sont fournies par la variable 0-1 pour chaque droite d’entrée proposé Chaque sous-ensemble de l’échantillon par niveau de droit d’entrée est représentatif de la population

Calculer les fréquences cumulatives de refus Hypothèses Etapes Considérer les fréquences conditionnelles comme des fréquences cumulatives Calculer les fréquences cumulatives de refus Hypothèses Considérer les fréquences conditionnelles comme des fréquences cumulatives Ce sont les compléments à 1 des fréquences d’acceptation

Calculer les fréquences cumulatives de CAP Etapes Calculer les fréquences cumulatives de refus Calculer les fréquences cumulatives de CAP Calculer les CAP moyen et médian Hypothèses Ce sont les compléments à 1 des fréquences d’acceptation Refuser de payer un niveau de droit signifie qu’on a un CAP inférieur à ce niveau

N° d’observation Ticket Accepte Fréquence cond. 16 3 000 1 6 28 7 17 2 8 000 21 29

Ticket Fréquence cond. 3 000 1 8 000 0,67 13 000 0,33 18 000 0,17 23 000 0,0

Droit d’entrée 3000 8000 13000 18000 23000 Oui 100 66,7 33,3 16,7 0,0 Non 83,3

33% rejettent 8 000 et 0% rejettent 3 000 Donc 33% ont un CAP compris entre 3000 et 8 000 = 3 000 < CAP < 8 000 Et sous l’hypothèse d’un CAP uniformément distribué, on a le CAP moyen de la classe [3 000, 8 000] = 5 500

CAP moyen 1500 5500 10500 15500 20500 Fréquence cumulée 33,3 66,7 83,3 100

Calcul de la médiane Me 5500 < Me < 10500 33,3 < 50 < 66,7 Me = 8000

Max CAP 1500 5500 10500 15500 20500 Fréq. Relat. 0,0 33,3 16,7 CAP x F 1833 3500 2583 3417

D’où un CAP total CAP = 1833+3500+2583+3417=11333

Les fondations microéconomiques du choix dichotomique Comment analyser le processus de choix des individus ? Quelles informations sont pertinentes ? L’analyse des choix (choice analysis) cherche à expliquer la variabilité des comportements dans un échantillon Hypothèse 1 : les choix sont faits dans un ensemble I fini et sont mutuellement exclusifs

Hypothèse 2 : les choix sont déterminés par deux types de variables Des variables qui peuvent être observées par l’analyste Des variables qui ne peuvent pas être observées par l’analyste Si on note i un choix possible, l’utilité découlant de ce choix peut s’écrire

Ui = Vi + ei où Vi est l’utilité provenant des variables observables et ei l’utilité provenant des autres variables L’individu choisira l’alternative i plutôt que j ssi Ui ≥ Uj Or, Prob[Ui ≥ Uj] = Prob[Vi + ei ≥ Vj + ej ] Ou encore Prob[ei - ej ≥ Vj - Vi]

U1 utilité avec achat d’un ticket d’entrée U0 utilité sans achat d’un ticket d’entrée  si U1 – U0 ≥ 0 le consommateur accepte de payer le ticket au prix   sinon, il refuse On postule une fonction d’utilité de la forme

U1(1,y-t,s) = v(1,y-t,s) + e1 U0(0,y,s) = v(0,y,s) + e0 En posant DU = U1 – U0 , DV = v(1,y-t,s) - v(0,y,s) et e = e0 – e1 On peut réécrire l’acte d’achat e ≤ DV <=> accepte t

D’où, Prob[accepte t] = Prob[e ≤ DV] = F(DV) Pour F on a plusieurs choix possibles Loi normale : modèle probit Loi logistique : modèle logit F(DV) = 1/[1+exp(- DV)]

Si le consommateur accepte l’achat, cela signifie que son CAP est au moins égal au prix du billet Prob[accepte t] = Prob[CAP > t] = 1- G(t) G(t)=Prob[CAP≤t]=exp(-DV)/[1+exp(-DV)

Méthodologie 1 Choix du modèle pour DU Le modèle linéaire est le plus utilisé DU = Const. - bt – e = DV – e 2 Choix de la distribution de probabilité pour la composante aléatoire e La fonction logistique est la plus utilisée Prob[e ≤ DV] = 1/[1+exp(-(C- bt)]

3 Linéarisation du modèle par rapport à C et b Il faut estimer ces deux paramètres pour déterminer la distribution de probabilité du CAP, ce qui est facilité par cette linéarisation Soit Pi = Prob[e ≤ DV] la probabilité d’accepter le ticket i

ln [Pi/1-Pi)] = C- bt Finalement, pour les besoins d’estimation, on ajoute un terme d’erreur et le modèle devient ln [Pi/1-Pi)] = C- bt +ni 4 Estimation des probabilités Pi On estime ces probabilités par les fréquences relatives Fi de chaque classe

5 Calcul des ratios Pi/1-Pi 6 Calcul des log des ratios 7 Régression économétrique (MCO) Pour utiliser les MCO, il faut que les termes d’erreur ni aient la même variance On doit alors pondérer chaque variable avec un poids Wi

Si le nombre d’observations pour chaque niveau d’entrée Ni est assez grand (≥5) et que chaque observation dans un niveau est distribuée indépendamment selon une loi binomiale, alors ni suit une loi normale (0,1/NiPi(1-Pi) Wi = [NiFi(1-Fi)]1/2 8 Calcul des CAP moyen et médian

t Ni oui Fi ratio ln Wi Wt Wln a b c d e f g h y 6 1 9,99 13,8 7,29 3000 6 1 9,99 13,8 ,0024 7,29 0,03 8000 4 0,67 2 0,69 1,15 9200 0,79 13000 0,33 0,5 -0,69 14950 -0,79 18000 0,17 0,2 -1,61 0,92 16561 -1,48 23000 10-6 -13,82 55,86 -0,03

d=c/b, e=d(1-d), f = ln e, g=[bd(1-d)]1/2 h = ag, y = fg On régresse y sur h et on obtient C = 2,498185, b = 0,000235 Il reste à calculer les CAP moyen (CAPm) et médian (CAPe)

CAPe est défini par Prob [CAP≤ CAPe] = 0,5 Prob [CAP≤CAPe]=1-1/1+exp[-(C-bCAPe)] D’où exp[-(C-bCAPe)] = 1 C-bCAPe=0 CAPe=C/b=10,652 CAPm=-ln[exp(C)+1]/b=10,989

La méta-analyse Principe La méta-analyse est une analyse statistique de nombreuses études individuelles visant à en faire une synthèse plus rigoureuse qu’une revue de littérature traditionnelle Elle porte sur la comparaison de résultats issus d’études distinctes et teste l’influence des caractéristiques de la recherche (méthode, spécifications, etc.), du contexte et de l’objet de l’étude sur les estimations observées Cet objectif passe par la modélisation des résultats empiriques originaux et la définition d’une unité standard rendant possible la comparaison des différents résultats

C’est l'existence d'une relation systématique entre les valeurs fournies par les méthodes d'évaluation d’une part et les caractéristiques de l’évaluation (méthode, contexte…) d’autre part, qui en constitue l'hypothèse principale On suppose que la base théorique, les hypothèses et les contraintes d'application des études initiales expliquent en grande partie les divergences de résultats

Le nombre d’études existantes est ensuite supposé suffisant pour faire l’objet d’un travail d’analyse statistique Enfin, en vue de ce traitement statistique, les estimations doivent être homogènes, c’est-à-dire exprimées en une mesure commune, et statistiquement indépendantes Formalisation de l’analyse Y vecteur de la variable dépendante mesurant le phénomène étudié

X matrice des variables explicatives e vecteur d’erreurs Hypothèse : Y = f(X) + e La fonction f est estimée par des méthodes économétriques

Trois critères de sélection d’une étude Exemple : l’évaluation des dommages sanitaires attribués à la pollution atmosphérique Trois critères de sélection d’une étude 1 proposer une estimation significative du coût de la pollution atmosphérique 2 s’appliquer à un domaine (récepteurs et polluants) correspondant au domaine étudié 3 présenter une information suffisamment détaillée pour le choix des variables explicatives

Choix de la variable endogène Coût de la pollution atmosphérique par individu et par an Variables explicatives 1 variables socio-économiques et environnementales PIB (proxy du revenu) VPA

Pollution (CO, SO2, O3, NOx, Part, Pb) 2 variables méthodologiques Méthodes d’évaluation (MCM, MEC, MDP) Quantification (COMPTA, EXTRA, DR) Valeur unitaire (PXM, PXF) Prix de la vie (VSL, YOLL) Effets des pathologies chroniques (chr) ou non

3 variables contextuelles Récepteurs cibles de la pollution atmosphérique (sante, vie) Echelle locale (loc) ou non Rapport, d’une thèse, etc. (rapp) ou non Date de publication postérieure à 1996 (dpubli) ou non

Indicateurs sanitaires (non retenus) AH admission hospitalière AM automédication CS consultation médicale ES exemption scolaire JAR journée d'activité réduite M médicaments prescrits SYM symptômes divers TP temps perdu D décès

Autres variables non retenues Révélation (QO, QF, BID, CP) Pathologies considérées lors de l'évaluation de la morbidité: problème respiratoire, cardio-vasculaire, irritation oculaire et migraine

Réalisation de la méta-analyse La plupart des méta-analyses sont des régressions permettant d’estimer les relations existant entre la valeur de la variable à expliquer et celles de ses déterminants potentiels en recherchant les situations qui diffèrent significativement de la tendance générale

Le traitement économétrique se fait par les Moindres Carrés Ordinaires (MCO) Risque permanent d'hétéroscédasticité car les estimations sont issues de différents ensembles de données L’analyse économétrique utilise donc l’estimateur des MCO et la méthode de correction des termes de la matrice de variance-covariance (White, 1980) qui devient robuste à toute forme d'hétéroscédasticité

Modèle log-log Variables Coefficient PIB 0,717 VPA 0,581 MDP 3,028 MEC 1,723 EXTRAP -1,593 PXF 0,766 YOLL -1,145 DPUBLI -0,838 VIE 1,530 CHR 1,024

Les variables présentent un seuil de significativité de 1% sauf PXF significative à seulement 10 % L’ensemble des variables expliquent bien la variance totale car le R2 ajusté est égal à 59.7 %

Interprétation Existence d’une relation positive et significative entre les estimations d’une part et le revenu ou l’ampleur du changement environnemental considéré d’autre part Le coefficient du revenu s’interprète comme l’élasticité au revenu (un accroissement de 1 % du revenu induit une augmentation du coût individuel de 0,717 %)

Une augmentation de la variation de la pollution atmosphérique (VPA) de 1 % accroît le coût de 0.58 % Les estimations sont sensibles à l’ampleur de la modification environnementale, mais à un taux décroissant Le coût marginal de la pollution diminue comme si la pollution additionnelle était de moins en moins dommageable Ce résultat est en accord avec l'hypothèse traditionnelle que le dommage est convexe relativement au niveau de pollution

Afin d'éviter le "dummy variable trap" qui intervient quand toutes les variables dichotomiques sont inclues ce qui a pour conséquence que les coefficients ne peuvent être estimés, une variable dichotomique (dummy) par catégorie a été "exclue" de la régression La catégorie par défaut est représentée par le terme constant du modèle, et les variables dichotomiques sont utilisées pour mesurer les effets des autres catégories relativement à celles absentes Ici les variables absentes de la régression sont: MCM, DR, VSL

Pour obtenir la semi-élasticité d'un régresseur sous forme de variable muette, un moyen a été proposé par Halvorsen R. et R. Palmquist, (1980) Prendre l'exponentielle du coefficient de la variable muette, soustraire 1 et multiplier la différence par 100 Par exemple, la variable EXTRAP (extrapolation) va s'interpréter par rapport à la variable ¨DR (dose-réponse)

Le coefficient obtenu dans le modèle réduit est –1.593 Ainsi l'exponentielle de -1.593 est 0.20. En soustrayant 1, on obtient –0.8 et après multiplication par 100 on a -80 % Les évaluations obtenues par la méthode des coûts de la maladie lorsque l'on utilise le procédé d'extrapolation sont de 80% inférieures à celles obtenues lorsque l'on utilise une fonction dose-réponse

La méthode des dépenses de protection (MDP) produit les plus fortes évaluations La méthode d’évaluation contingente (MEC) fournit des estimations 5 à 6 fois supérieures à celles procurées par la méthode des coûts de la maladie (MCM) lorsque celle-ci utilise pour procédé de quantification le transfert ou l’extrapolation

Cela s’explique par le fait que la MDP reflète des comportements qui intègrent plusieurs objectifs, sans que l’on puisse ensuite imputer un coût spécifique au dommage particulier considéré L’intégralité des variations du surplus consécutives aux variations de dépense est alors associée à la pollution atmosphérique, produisant une forte évaluation des pertes subies

Les évaluations émanant de la méthode du coût de la maladie (MCM) se révèlent très sensibles aux caractéristiques choisies Répertorier les dommages de manière exhaustive (comptabilisation (COMPTA)) semble fournir des valeurs sensiblement similaires à celles obtenues en faisant appel aux fonctions dose-réponse (DR)

Par contre l'extrapolation (EXTRAP) de résultats à l'ensemble d'une population étudiée conduit à des valeurs 5 fois inférieures L’utilisation d’un prix fictif (PXF) multiplie le coût par 2.15 par rapport à la simple utilisation d’un prix marchand (PXM) qui ne permet pas d’intégrer la dimension qualitative (pertes telles que la gêne ou la douleur).

Difficultés d’application Les références de l’étude Le champ de l’étude et les caractéristiques de la population La description de l’enjeu environnemental qui fait l’objet d’une évaluation Dans le cas de la pollution de l’air, pourcentage de la réduction ou de l’augmentation estimée, concentrations présente et future du polluant étudié dans la zone géographique considérée 

La méthode de l’étude, y compris les techniques particulières pour obtenir les résultats  Les valeurs estimées avec les unités de mesures spécifiques et la date de l’estimation pour la variable expliquée Standardisation et transparence des résultats

Le transfert de valeur Transférer les estimations économiques provenant d’études antérieures portant sur des variations similaires 1 transfert de valeurs unitaires qui consiste à transposer des valeurs estimées d’un lieu à un autre 2 transfert de fonctions de valeur

La méta-analyse permet ainsi, via l’établissement d’une fonction de bénéfice de reconstruire une estimation moins sensible aux caractéristiques méthodologiques

Le cas des pays en développement Les méthodes précédentes sont souvent délicates d’application dans les pays en développement On a donc mis au point des approches alternatives

La méthode du changement de productivité Hypothèse : il existe une relation entre la production d’un bien (service) marchand Xm et un bien environnemental non marchand Xe Q = f(Xm, Xe) Qualité de l’eau et agriculture, forêt, pêche Qualité de l’air et agriculture, forêt

Autrement dit, Xe apparaît comme un input Le profit est pf(Xm,Xe) - wXm Si Xe devient Xe’, la variation de profit p[f(Xm,Xe) - f(Xm,Xe’)] est la valeur implicite du changement de l’environnement

Dans le cas général, le changement de Xe affecte les prix, donc les surplus Demande Q1 Q2

Ici, l’amélioration de Xe augmente l’offre Le surplus du consommateur augmente Le surplus du producteur >0 ou <0 selon les élasticités de l’offre et de la demande Gain total Dans le cas particulier où les producteurs sont peu nombreux/offre totale, la demande est constante

S1 S2 Demande

Les producteurs s’approprient tous le surplus La valeur de l’environnement est la différence entre les deux

Etapes 1 Déterminez la relation technique entre Q et Xe : Q = f (Xm,Xe ) Hypothèses Il est possible de déterminer une telle relation

Etapes 1 Déterminez la relation technique entre Q et Xe : Q = f (Xm,Xe ) 2 Estimez le changement dans le bien produit du à une variation unitaire du bien environnemental ðQ/ðXe Hypothèses Il est possible de déterminer une telle relation Il est possible d’isoler l’effet du bien environnemental sur l’output. En pratique, la productivité marginale est souvent remplacée par la productivité moyenne

3 Relevez le prix de marché de l’output P Hypothèses Etapes 2 Estimez le changement dans le bien produit du à une variation unitaire du bien environnemental ðQ/ðXe 3 Relevez le prix de marché de l’output P Hypothèses Il est possible d’isoler l’effet du bien environnemental sur l’output. En pratique, la productivité marginale est souvent remplacée par la productivité moyenne Pour le prix de marché de l’output, ce peut-être un prix de long ou de court terme, voire un prix implicite

4 Calculez le prix unitaire de l’input environnemental Pe=p ðQ/ðXe Etapes 3 Relevez le prix de marché de l’output P 4 Calculez le prix unitaire de l’input environnemental Pe=p ðQ/ðXe Hypothèses Pour le prix de marché de l’output, ce peut-être un prix de long ou de court terme, voire un prix implicite Cette approche ne convient que pour de faibles changements environnementaux

5 Calculez la valeur du changement environnemental Ve = Pe DXe Etapes 4 Calculez le prix unitaire de l’input environnemental Pe=p ðQ/ðXe 5 Calculez la valeur du changement environnemental Ve = Pe DXe Hypothèses Cette approche ne convient que pour de faibles changements environnementaux Si on ne peut pas mesurer DXe en unités physiques, on utilise directement la variation de l’output Ve = p DQ

Exemple : la forêt de Mani (République de Djibouti) Forêt de 26 000 ha jouant un rôle important dans le système économique (sylvo-pastoral) de la région Dans les fortes années de sécheresse c’est le dernier recours pour le bétail A cause de sa surexploitation, la forêt est menacée de disparition d’ici 10 ans Le projet vise à réduire cette surexploitation, notamment en diversifiant les revenus des habitants

Pour évaluer les services rendus par la forêt, il est nécessaire de valoriser le fourrage qu’elle fournit (jusqu’ici gratuitement) On va évaluer cette valeur en calculant la valeur de lait et de viande que l’on obtient avec une unité de fourrage Le problème est de calculer la valeur du changement de production due à une disponibilité plus grande de fourrage permise par le projet

Hypothèse : la valeur d’un kg de fourrage est égale à la valeur de la production de lait et de viande qu’il permet d’obtenir 1 Calculer la valeur de la production totale de lait et de viande annuelle 2 Calculer la consommation théorique de fourrage 3 faire le ratio

Données Espèces Nombre Chameaux 472 Bœufs 1324 Moutons 1244 Chèvres 3331 Anes 218

Unités standard tropicales Espèces UST Chameaux 1 Bœufs 0,73 Moutons 0,12 Chèvres Anes 0,40

Lait (litres/an/animal) Production annuelle Espèces Lait (litres/an/animal) Viande (kg/an) Chameaux 600 14 Bœufs 400 16 Moutons 30 4,7 Chèvres 40 6,6 Anes

Espèces Chameaux Bœufs Moutons Chèvres Anes Femelles laitières 54 245 87 Chèvres 473 Anes

Marchandise Prix Lait 150B$/litre Viande 600 B$/kg

Production totale de viande Espèces Nombre Viande kg/an Total viande/espèce Chameaux 472 14 6 608 Bœufs 1324 16 21 184 Moutons 1244 4,7 5 846,8 Chèvres 3331 6,6 21 984,6 Anes 218 Total viande 55 623,4

Production totale de lait Espèces Femelles Lait (lit./an/animal) Total lait Chameaux 54 600 32 400 Bœufs 245 400 98 000 Moutons 87 30 2 610 Chèvres 473 40 18 920 151 930

Valeur totale de la production Marchandise Prix Quantité annuelle Valeur annuelle Lait 150B$/litre 151 930 22 789 500 Viande 600 B$/kg 55 623,4 33 374 040 Total 56 163 540

Calcul du fourrage nécessaire/an Espèces UST Nombre UST/espèce Chameaux 1 472 Bœufs 0,73 1324 966,52 Moutons 0,12 1244 149,28 Chèvres 3331 399,72 Anes 0,40 218 87,20 Total UST 2 074,72

Un chameau a besoin de 2 300 kg/an Le besoin total en fourrage est donc de 2330 x 2074,72 = 4771,856 kg/an D’où la valeur d’un kg de fourrage 56 163,54 : 4771,856 = 11,77 B$

Discussion Hypothèse 1 : productivité moyenne = productivité marginale Donc la quantité supplémentaire de fourrage produit une quantité proportionnelle de lait et de viande Hypothèse 2 : les prix ne changent pas suite à cette augmentation de l’offre Les coûts de production sont négligeables

Ceci permet d’allouer tout le prix de vente à la « rémunération » du fourrage Sinon, il faudrait aussi rémunérer les autres facteurs de production et seule une partie du prix mesurerait la valeur du fourrage

Méthode du coût de substitution Hypothèse : le bien environnemental est un substitut d’autres inputs Principe : en évaluant l’économie faite en remplaçant un input marchand par son substitut environnemental, on obtient le bénéfice qu’il procure C’est un cas particulier de l’approche précédente, avec Q constant quand le bien environnemental change

Exemple : élevage de bétail dans des prairies avec de l’herbe (bien environnemental) et de la nourriture achetée (le substitut)

herbe Xe isoquante nourriture Xm Pm demande Xm

Etapes 1 Choisir le bien marchand Xm le plus proche substitut du bien environnemental Xe Hypothèses Le critère pour choisir le substitut est d’observer les préférences des consommateurs ou des producteurs selon que le bien environnemental considéré est un bien de consommation finale ou un input

2 Calculez le prix Pm du bien marchand dans la zone concernée Etapes 1 Choisir le bien marchand Xm le plus proche substitut du bien environnemental Xe 2 Calculez le prix Pm du bien marchand dans la zone concernée Hypothèses Le critère pour choisir le substitut est d’observer les préférences des consommateurs ou des producteurs selon que le bien environnemental considéré est un bien de consommation finale ou un input La méthodologie pour calculer le prix dépend de ce que le bien environnemental est un substitut importé ou produit localement

Etapes 2 Calculez le prix Pm du bien marchand dans la zone concernée 3 Identifiez les différences entre les deux biens du point de vue de leur substituabilité Hypothèses La méthodologie pour calculer le prix dépend de ce que le bien environnemental est un substitut importé ou produit localement Différentes caractéristiques doivent être prises en compte pour évaluer la substituabilité des deux biens : localisation, disponibilité, contraintes techniques

4 Estimez le taux de substitution Rs entre les deux biens Hypothèses Etapes 3 Identifiez les différences entre les deux biens du point de vue de leur substituabilité 4 Estimez le taux de substitution Rs entre les deux biens Hypothèses Différentes caractéristiques doivent être prises en compte pour évaluer la substituabilité des deux biens : localisation, disponibilité, contraintes techniques Ou la valeur du bien non marchand relativement au bien marchand

5 Calculez le prix du bien environnemental Pe = Pm . Rs Hypothèses Etapes 4 Estimez le taux de substitution Rs entre les deux biens 5 Calculez le prix du bien environnemental Pe = Pm . Rs Hypothèses Ou la valeur du bien non marchand relativement au bien marchand Connaissant Pe il est alors facile d’évaluer le bénéfice découlant d’un changement de l’input environnemental

Exemple On va évaluer le prix d’un kg de fourrage en évaluant le coût d’un substitut, le sorgho Celui-ci est importé Le sorgho importé contient 10% de moisissures

Données Valeurs Prix FOB US$/tonne 96 Fret 100 Assurance 5 Transport local 5, 337 Taux de change 153,65

TMST Valeurs Sorgho 3,88 mega-cal/kg Fourrage 2,40 mega-cal/kg

Mise en œuvre de la méthode 1 Détermination du substitut approprié : le sorgho 2 Calcul du prix du sorgho dans la région Il faut passer du prix FOB au prix CAF = 96 + 100 + 5 = 201 US$ Soit en monnaie locale : 201 x 156,65 = 31 486 B$/tonne

Et avec le coût de transport local : 31 486 + 5 337 = 36 823 Soit 36,823 B$/kg Mais comme sur un kg importé, 90% sont utilisables, un kg utilisable vaut 36,823 : 0,9 Soit 40,914 B$/kg

3 Différences entre fourrage et sorgho Leur principale différence est leur contenu énergétique  4 Calcul du taux de substitution technique entre fourrage et sorgho Il s’agit d’évaluer quelle quantité de sorgho est nécessaire pour fournir la même énergie qu’un kg de fourrage.

On obtient ce taux en divisant l’énergie disponible avec le fourrage par l’énergie disponible avec le sorgho Soit 2,40 : 3,88 = 0,6186  5 Calcul de la valeur du fourrage Il suffit de multiplier la valeur d’un kg de sorgho par le taux de substitution : 40, 914 x 0,6186 Soit 25,308 B$/kg

Discussion   En fait, le sorgho n’est pas vraiment utilisé comme substitut dans la région Ceci peut s’expliquer puisque que le coût du sorgho est de 25, 308 le kg alors que la valeur de la productivité marginale du fourrage est de 11,70 Dans ce cas, le coût marginal du sorgho importé est supérieur à sa productivité marginale et l’utilisation de la méthode du coût de substitution conduit à une surestimation de la valeur du fourrage

Faut-il évaluer ? L’ensemble des méthodes présentées conduisent à des évaluations discutables Des méthodes différentes appliquées à un même cas fournissent souvent des évaluations très différentes La question n’est pas d’évaluer ou non En refusant l’évaluation on évalue l’environnement à zéro

Le cas de l’Exxon Valdez 24 mars 1989, marée noire près des côtes de l’Alaska Evaluation des dommages 8 octobre 1991, condamnation d’Exxon à 1 milliard de dollars (sur 11 ans) 2, 3 avril 1992 colloque à Washington organisé par Exxon

Conclusion : l’évaluation contingente n’est pas utilisable Lobbying auprès de la National Oceanic & Atmospheric Administration (NOAA) Constitution par la NOAA d’un panel de scientifiques présidé par K. Arrow et R. Solow Conclusion : l’évaluation contingente est utilisable à condition de respecter un protocole précis