Bilans alimentaires Les données au service de l'élaboration de BA : évaluation des données et autres considérations préliminaires NOM

Objectifs pédagogiques À la fin de cette session, les participants : Sauront comment traiter et prioriser les différentes sources de données Connaîtront les différentes règles et directives assurant la comparabilité des données Seront en mesure de mettre en place un système de recherche et d'évaluation des données

Sommaire Comparabilité des données Qualité des données, erreurs de mesure et signalements Recherche et évaluation des données

Introduction L'évaluation des données constitue la première étape fondamentale de l'élaboration de BA, puisqu'elle permet aux statisticiens d'assurer la comparabilité des données. Procédure à suivre Dresser un inventaire des sources de données potentielles (pour toutes les variables pertinentes relatives à chaque produit) Évaluer la qualité des données Recenser toutes les sources de données utilisées

1. Comparabilité des données

1. Comparabilité des données : Introduction Les données doivent être totalement comparables a) Produit b) Période de référence c) Unité de mesure Éléments à comparer :

1. Comparabilité des données : a) Recours aux classifications statistiques Pourquoi s'assurer que les produits comparés sont réellement comparables ? erreur involontaire introduite dans le processus d'équilibrage Exemple : production de riz : La production est comptabilisée à partir du paddy L’alimentation pour les touristes est comptabilisée à partir du riz blanchi

1. Comparabilité des données : a) Recours aux classifications statistiques Comment éviter ce type d'erreurs ? À l'aide de classification statistiques internationales comparabilité des produits dans le cadre du bilan alimentaire comparabilité des données entre les pays

1. Comparabilité des données : a) Recours aux classifications statistiques Classification centrale des produits (CPC) des Nations Unies, Version 2.1 gérée par la Division de statistique des Nations Unies (UNSD) classe les produits en une structure hiérarchique à cinq niveaux est dressée sur la base de la classification SH relative au commerce international La FAO a élaboré une version 2.1 de la CPC élargie à l'agriculture, une annexe sur les statistiques agricoles élargie par l'ajout de deux chiffres supplémentaires au niveau inférieur 1 to 1 link for nearly all commodities

1. Comparabilité des données : a) Recours aux classifications statistiques Système harmonisé de désignation et de codification des produits (SH) Classification élaborée par l'Organisation mondiale des douanes Classification la plus courante dans le cadre du commerce international utilisée par plus de 200 pays, elle couvre 98 % du commerce international de marchandises Structure hiérarchique Le système est organisé en 97 chapitres, et se compose de 5 000 groupes de produits à six chiffres Si les données des CDU/BA sont reportées dans la CPC, les données sur le commerce sont quant à elles généralement reportées dans le SH. 1st bullet: updated every 5 year. 2012 is the last update 3th bullet: Many countries add further classifications at the 8-digit, 10-digit, or even 12-digit levels.

1. Comparabilité des données : a) Recours aux classifications statistiques Il est recommandé d'avoir recours au SH pour les données sur le commerce dans le cadre du BA : à des fins de comparabilité des données pour faciliter la conformité avec la CPC

I. Comparabilité des données : a) Recours aux classifications statistiques Documents complémentaires : Directives sur les Classifications internationales pour les statistiques agricoles http://gsars.org/wp-content/uploads/2016/07/Guidelines-for-International-Classifiations-for-Ag-Stats-July- 16-WEB-FILE.pdf Version 2.1 de la CPC http://unstats.un.org/unsd/cr/downloads/CPCv2.1_complete%28PDF%29_English.pdf Tableau de correspondance FCL/CPC/SH http://www.fao.org/economic/ess/ess-standards/commodity/en/FAOSTAT Définition et classification des produits de base http://www.fao.org/waicent/faoinfo/economic/faodef/faodefe.htm

1. Comparabilité des données b) Unités communes Veiller à ce que les valeurs des produits soient présentées dans des unités de mesure communes p. ex. les produits agricoles peuvent être présentés en TM, en milliers de TM, en quintaux, etc. p. ex. la plupart des données sur le commerce sont en TM p. ex. la plupart des tableaux de conversion des calories sont en cal./kg → Nécessité d'uniformiser ces unités Il est recommandé aux pays d'adopter la TM comme unité de base dans leurs BA. For liquid products, certain variables may be reported in litres (L)  COMPILERS MUST USE CONVERSION FACTORS SPECIFIC TO THE PRODUCT IN QUESTION

1. Comparabilité des données : c) Période de référence Les deux périodes communes de référence sont les suivantes : l'année de commercialisation (ou campagne agricole ou année agricole) qui commence le mois où la majeure partie des cultures en question sont récoltées l'année civile qui commence le premier mois de l'année (jan./déc.) l'exercice fiscal Période de temps fixée par les gouvernements à des fins comptables Difficile à comprendre sur le plan conceptuel Comparaison difficile parce que l'exercice fiscal diffère d'un pays à l'autre Il est recommandé aux pays d'effectuer leurs BA sur la base de l'année civile. Marketing year= also sometimes referred to as the agricultural year, harvest year 2nd bullet: However, depending upon agricultural data collection programs, compiling sheets on a crop year may be more feasible

1. Comparabilité des données : c) Période de référence ANNÉE DE COMMERCIALISATION ANNÉE CIVILE Avantages Suit de près le cycle de chaque saison (i) fournit une période de référence « neutre » (ii) correspond à la période de reporting par défaut pour les données commerciales Limites (i) pour les cultures récoltées à différents moments de l'année (ii) pour les pays soumis à différentes périodes de récolte (iii) les données commerciales sont souvent agrégées par défaut en fonction des années civiles Ce concept peut être difficile à comprendre  la production doit être affectée à l'année civile au cours de laquelle la plupart des cultures seront consommées (i) it is more appropriate for the estimating of single commodity balances rather than an overall FBS (iii) If rice is harvested at 3 separate times of the year, it is complicate to define the marketing year for its production.

2. Qualité des données, erreurs de mesure et signalements

2. Qualité des données, erreurs de mesure et signalements Les données alimentant les BA sont extraites d'un certain nombre de sources différentes. Différents degrés de qualité p. ex. les sources officielles sont généralement plus transparentes, et précisent la méthode de collecte des données p. ex. les sources non officielles peuvent être moins transparentes

2.1 Qualité des données, erreurs de mesure et signalements : Hiérarchie des sources de données Données officielles à privilégier à tout moment pour les valeurs escomptées si plusieurs agences publient des données sur la production agricole (p. ex. INS et ministère de l'Agriculture)  il est recommandé de réconcilier les estimations des différentes sources officielles Données semi-officielles groupes industriels, publications commerciales, publications sectorielles spécialisées, enquêtes menées par des experts de la chaîne de valeur des produits, etc. sont souvent utilisées en l'absence de données officielles

2.1 Qualité des données, erreurs de mesure et signalements : Hiérarchie des sources de données Imputation des données manquantes sont utilisées en l'absence de sources officielles ou semi-officielles s'appuient sur des séries de données historiques différentes techniques d'imputation sont recommandées pour les différentes variables du bilan Estimation correspond aux sources de données de qualité inférieure se distingue de l'imputation : elle s'appuie non pas sur un modèle, mais au contraire sur le jugement d'un expert - 2nd bullet: the quality of imputed data will highly depend upon the quality of the source data

2.1. Qualité des données, erreurs de mesure et signalements : Hiérarchie des sources de données Les données proviennent de différentes sources et présentent différents degrés de qualité ; il est donc recommandé de publier un signalement désignant la source de données Les signalements aident les usagers à : Comprendre quelles sont les données les plus fiables Affecter des intervalles de tolérance a priori à utiliser lors de l'équilibrage Exemples de signalement désignant les sources de données Source Signalement Officielle   Semi-officielle T Imputée I Estimée E

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Pour la phase d'équilibrage, il est nécessaire d'assigner un intervalle de tolérance a priori Comment affecter un intervalle de tolérance a priori ? Les intervalles de tolérance doivent être affectés par variable. Les sources des données doivent dans le même temps influencer la valeur de l'intervalle de tolérance a priori affecté à chaque variable, la plus faible étant assignée aux variables les plus susceptible d'être issues de données officielles.

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Exemples d'intervalles de confiance liées à l’échantillonnage et et de tolérance selon la connaissance a priori des variables Variable Confiance Intervalle de tolérance Production 1,0 ± 0 % Commerce Stocks 0,75 ± 25 % Alimentation humaine 0,90 ± 10 % Transformation alimentaire Alimentation animale Semences Alimentation pour les touristes Usage industriel Pertes

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Production Généralement mesurée dans le cadre d'enquêtes agricoles  les estimations relatives à la production devraient jouir d'une confiance élevée Commerce La plupart des pays devraient avoir des données officielles sur les importations et les exportations  confiance élevée Dans les cas où les données officielles sur le commerce ne fournissent aucune information sur les quantités appréciables, les statisticiens peuvent y affecter une certaine marge d'erreur de mesure.

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Stocks De par leur nature, ils peuvent fluctuer considérablement d'une année sur l'autre La plupart des estimations sur les stocks se fondent sur des jugements d'experts (peu de pays mesurent les stocks) degré de confiance susceptible d'être moindre que pour les estimations portant sur les autres variables Disponibilité alimentaire Bien qu'elle ne soit généralement pas mesurée par les pays, la consommation alimentaire n'est pas susceptible de varier considérablement  la confiance accordée aux estimations devrait être élevée

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Transformation alimentaire Dans la plupart des cas, cette variable est supprimée du BA (afin d'éviter les doubles comptabilisations)  il n'est pas nécessaire d'assigner un intervalle de tolérance Alimentation animale Intervalle de tolérance implicite plus ou moins important en fonction de la méthode de calcul de l'estimation relative à l'alimentation animale Semences Les quantités de semences nécessaires pour l'année suivante sont seulement fonction de la superficie semée et des taux d'ensemencement (demeurent stable)  l'intervalle de confiance devrait être relativement faible

2.2. Qualité des données, erreurs de mesure et signalements : Intervalles de confiance et de tolérance Alimentation pour les touristes Elle ne se fonde pas sur des mesures. Ainsi, la confiance accordée à cette variable devrait être moindre. Usage industriel Généralement peu de données disponibles  l'erreur de mesure sera relativement faible Pertes les données sur les pertes sont très limitées les quantités perdues peuvent varier considérablement d'une année sur l'autre (en fonction de l'ampleur de la récolte, des contraintes en matière de stockage, de la météo, etc.)  l'intervalle de confiance sera probablement élevé

3. Recherche et évaluation des données

3. Recherche et évaluation des données Premières étapes de l'élaboration des BA : Rechercher toutes les sources de données disponibles Évaluer toutes les sources de données en termes de comparabilité et de qualité des données Noter la fréquence à laquelle les données sont produites, le système de classification utilisé, l'unité de valeur, la période de référence et la qualité des données ou le signalement Recenser toutes ces informations à des fins de transparence et de mémoire institutionnelle

3. Recherche et évaluation des données Exemple de grille d'évaluation des données Variables Sources Date de publication/fréquence Classification Unité Période de référence Qualité/Signalement Production   Commerce Stocks Alimentation humaine Etc.

Conclusions Il est très important d'assurer la comparabilité lors de l'élaboration du BA. Les CDU/BA sont dans la CPC. Utiliser le SH pour les données commerciales (puis les convertir dans la CPC). Il est recommandé aux pays d'utiliser la TM comme unité de mesure de leurs BA. La période de référence recommandée est l'année civile. En ce qui concerne la qualité des données, la hiérarchie des sources de données est la suivante : données officielles, données semi-officielles, imputation des données et estimation des données. Il est important d'attribuer des signalements aux données. Une erreur de mesure basée sur les variables peut s'avérer utile au moment de la phase d'équilibrage.

Référence Stratégie mondiale pour l'amélioration des statistiques agricoles et rurales, 2017, Manuel sur les bilans alimentaires, Rome, Italie, chapitre 3.

Merci !