RISCD 2008 - Statistiques de court terme pour le CD Thierno Aliou BALDE Division de statistique des Nations unies Atelier régional pour les pays africains sur la mise en oeuvre des Recommandations internationales sur les statistiques du commerce de distribution 17-20 juin 2008, Bamako, Mali

Plan de la Présentation 1. Sommaire sur les Statistiques de Court Terme (SCT) 2. Indices du Commerce de Distribution 3. Désaisonnalisation 4. Etalonnage (‘benchmarking’)

1. Sommaire sur les SCT (1) SCT représentent une importante source d’information pour: Développer et évaluer l’efficacité des politiques économiques Conduire des analyses sur le cycle des affaires Objectif des SCT du commerce de distribution Produire sans délais des indicateurs mensuels et trimestriels sur le secteur Caractéristiques des SCT du commerce de distribution Presentées sous forme d’indices, de taux de croissance et de niveaux Produites selon un calendrier strict Faible précision Moins de détails Couverture réduite Sujettes aux révisions

1. Sommaire sur les SCT (2) Deux catégories d’analyses sur les SCT du CD Comparaison des activités des unités du commerce de distribution entre deux points dans le temps Comparaison à l’intérieur d’une même période de référence de deux ou plusieurs sous-populations d’unités La compilation des SCT requiert des pays, le développement et la mise en oeuvre de techniques statistiques appropriées Les statistiques structurelles et celles de court terme doivent être réconciliées de manière à combiner les avantages de chacun des 2 types de données

1. Sommaire sur les SCT (3) Conditions de base Doivent être basées sur les mêmes concepts statistiques, principes de mesures, unités statistiques, classifications et définitions de variables Doivent être fondées sur des sources de données infra-annuelles précises et à jour qui couvrent une proportion adequate des unités statistiques (taille d’échantillons) Doivent être compatibles avec leurs équivalents annuels Pour la convenance des utilisateurs Pour une implantation adéquate des techniques d’étalonnage (‘benchmarking’)

1. Sommaire sur les SCT (4) Les méthodes économétriques et les procédures d’estimation indirecte ne doivent pas remplacer la collection par les pays des SCT Cependant, certaines estimations rapides ‘flash’ – requièrent souvent l’utilisation de méthodes économétriques Dans le cas de l’utilisation de méthodes économétriques, il est recommandé pour les pays de: Préciser aux utilisateurs les méthodes utilisées ainsi que la fiabilité des estimés Réviser les estimés dès que de l’information plus récente et plus fiable devient disponible

2. Indices du Commerce de Distribution (1) Objectifs Décrire les variations de court-terme en valeur et en volume de: Chiffre d’affaires (‘Turnover’) du Commerce de gros et de détail Production totale (‘Output’) du secteur du Commerce de Distribution et de ses composantes Servir à l’analyse de court terme de l’économie en conjonction avec les indices des autres activités économiques Fournir des intrants clés à la compilation des Comptes Nationaux trimestriels

2. Indices du Commerce de Distribution (2) Types d’indices du commerce de distribution Indices des variations du chiffre d’affaires en terme nominal (indice de valeurs) Indices du volume de la production et du chiffre d’affaires pour le secteur du commerce de distribution (indice de volume) Periodicité Les Indices mensuels produits sans délais significatifs sont recommandés Les indices trimestriels sont aussi acceptables si l’ONS n’a pas la capacité de produires les indices mensuels

2. Indices du Commerce de Distribution (3) Recommandations sur la compilation des indices de volume du commerce de distribution Approche recommandée Indice de Laspeyres relié et enchainé (‘Chained-linked’) avec une mise à jour des poids effectuée au moins une fois tous les cinq ans Le ‘chain-link’ annuel tient mieux compte des variations en prix relatifs, il est par conséquent recommandé pour les indices du commerce de distribution ayant une structure de poids qui évolue rapidement Alternative pour les pays utilisant l’indice de Laspeyres en volume avec des poids fixes Les périodes de mise à jour des poids doivent être le plus proche possible de cinq années Pour la mise à jour des poids, il est conseillé aux pays de tout faire pour effectuer la mise à jour de la série avec les nouveaux poids

2. Indices du Commerce de Distribution (4) Indices du chiffre d’affaires pour le commerce de gros et de détail Indice de valeur Compare la valeur du chiffre d’affaires de la période courante (aux prix courants) à celle de l’année de base (aux prix de base) Indice de volume Compare la valeur du chiffre d’affaires de la période courante (aux prix de base) a celle de l’année de base (aux prix de base) Déflation L’effet du prix sur les valeurs courantes du chiffre d’affaires doit être éliminé - IPC, IPP, WPI Indicateurs du volume de production (quantité des biens vendus) Indicateurs d’intrants (travail)

2. Indices du Commerce de Distribution (5) Indice du volume du chiffre d’affaires vs. indice de production du commerce de gros et de détail Chacun des deux indices est important en soi L’indice du chiffre d’affaires est recommandé dans le contexte des statistiques de court terme L’indice de production est recommandé dans le contexte des comptes nationaux Différences conceptuelles Biens achetés pour la revente dans la même condition que lorsque reçus Biens produits (ou achetés) et stockés avant la revente Qualité du service de vente offert

3. Désaisonnalisation des SCT (1) Besoin de la désaisonnalisation Les données infra-annuelles sur les SCD représentent un outil essentiel pour la prise de décision, la modélisation et la prévision Ces données sont souvent contaminées par les fluctuations saisonnières et les effets de calendrier/jours ouvrables qui masquent les caractéristiques importantes des séries chronologiques Le but de la désaisonnalisation est d’enlever (ou isoler) ces influences afin d’avoir une meilleure compréhension du comportement sous-jacent de la série chronologique

3. Désaisonnalisation des SCT (2) Avantages de la désaisonnalisation Fournit une série plus lisse et plus facile à analyser Fournit les intrants nécéssaires à l’analyse du cycle des affaires; décomposition tendance/cycle et détection des points de retournement Facilite la comparaison des mouvements de long terme et de court terme entre les secteurs et entre les pays

3. Désaisonnalisation des SCT (3) Coûts et risques de la désaisonnalisation Elle prend du temps et exige des ressources importantes (humaines et logistiques) La qualité de la désaisonnalisation dépend fortement de la qualité de la série brute (série originale) Elle est basée sur des hypothèses ‘a priori’ sur le modèle et sur le processus de génération des données

3. Désaisonnalisation des SCT (4) Coûts et risques de la désaisonnalisation Les données désaisonnalisées sont souvent inappropriées pour les analyses économétriques L’information contenue dans les composantes de la supposée saisonnalité ainsi que la corrélation entre ces dernières, est perdue après la désaisonnalisation Des données désaisonnalisées inappropriées ou de faible qualité peuvent donner des résultats qui portent à confusion et aussi de faux signaux

3.Désaisonnalisation des SCT (5) Principes de la désaisonnalisation Elle s’effectue à la fin du processus d’enquête statistique sur la série des estimés originaux Condition fondamentale Absence de saisonnalité résiduelle Absence de biais sur le niveau de la série Stabilité des estimés

3. Désaisonnalisation des SCT (6) série chronologique Données collectées à des intervalles de temps réguliers (exemple: chiffre d’affaires pour le commerce de détail pour chaque sous-période de l’année) Les données collectées une seule fois ou à des intervalles de temps irréguliers ne sont pas des séries chronologiques Deux types de séries chronologiques Stock (activité à un point donné dans le temps) Flux ( activité sur un intervalle de temps). La désaisonnalisation est surtout effectuée sur les séries à flux

3.Désaisonnalisation des SCT (7) Composantes d’une série chronologique Tendance: associée aux mouvements de long terme qui durent plusieurs années Cycle: associé aux fluctuations autour de la tendance caractérisées par une alternance de périodes d’expansion et de contraction (cycle des affaires). Dans la pratique, la tendance et le cycle sont souvent combinées pour former la Tendance-Cycle

3.Désaisonnalisation des SCT (8) Composantes d’une série chronologique Composante saisonnière: mouvements infra-annuels associés à des événements qui se répètent de manière plus ou moins régulière chaque année (événements climatiques, institutionnels, etc.) Composante irrégulière: mouvements erratiques et imprévisibles associés à des événements de toutes sortes

3.Désaisonnalisation des SCT (9) Modèles de décomposition Modèle additif Suppose que les composantes de la série sont indépendantes les unes des autres Le niveau des variations saisonnières est indépendant du niveau de la série Modèle multiplicatif (modèle par défault) Suppose que les composantes de la série sont dépendantes les unes des autres Le niveau des variations saisonnières croît et décroît avec le niveau de la série

3.Désaisonnalisation des SCT (10) Effets de la composante saisonnière Effects stricts Stables en termes de magnitude et de périodicité (e.g. Noël) Effets de calendrier Variations associées à la composition du calendrier (non stable dans le temps) Fêtes mobiles Jours ouvrables Effets de longueur-du-mois et d’année bissextile La série originale doit être ajustée pour toutes les variations saisonnières (et non seulement pour les effets stricts)

3.Désaisonnalisation des SCT (11) Fêtes mobiles Fêtes qui surviennent à la même ‘période de l’année’ pour des calendriers autres que le calendrier Grégorien Leur occurrence varie systématiquement à chaque année calendaire Grégorienne Exemples: Pâques, Nouvel An chinois, Ramadan, Action de Grâce coréenne, etc. Deux types d’effets Effets immediats: certains magasins de détail sont fermés durant les fêtes Effets graduels: le niveau de l’activité commerciale est affecté durant plusieurs jours précédant les fêtes

3.Désaisonnalisation des SCT (12) Jours ouvrables (JO) L’effet JO est présent lorsque le niveau d’activité varie avec les jours de la semaine L’effet JO est dépend du nombre de fois que chaque jour de la semaine apparaît dans une période donnée (mois/trimestre) Le nombre de JO varie: D’une période à l’autre Pour une même période sur des années différentes L’effet JO est présent dans la plupart des séries économiques de court terme, particulièrement dans le Commerce de Distribution

3.Désaisonnalisation des SCT (13) Autres effets de calendrier Effet de longueur-du-mois: les mois de l’année ont des longueurs différentes (28, 29, 30 et 31 jours) Effet d’années bissextile: février dure 29 jours tous les quatre ans

3.Désaisonnalisation des SCT (14) Méthodes de désaisonnalisation et logiciels Méthodes de moyennes mobiles Procédures d’estimation descriptives, non parametriques et iteratives Principaux logiciels: X-11-ARIMA, X-12 et X-12-ARIMA Méthodes basés sur les modèles économétriques Les composantes sont estimées séparément à l’aide de méthodes avancées d’analyse de séries chronologiques (e.g. Kalman Filter) Supposent que la composante irrégulière est un “bruit blanc” Principaux logiciels: TRAMO-SEATS, STAMP, BV4, etc. Nouvelle tendance: combinaison des deux approches principales DEMETRA (Eurostat) X-13-SEATS (U.S. Census Bureau)

3.Désaisonnalisation des SCT (15) Recommandations Les pays considèrent la production de données désaisonnalisées comme faisant partie intégrante de leur programme de renforcement de la qualité des données pour les SCT Les pays entreprennent le processus de désaisonnalisation à la fin du processus d’enquêtes lorsque les estimés finaux sont produits Les pays mettent à la disposition des utilisateurs tous les trois types de séries Série brute (originale) Série désaisonnalisée Tendance-Cycle

3.Désaisonnalisation des SCT (16) Recommandations Les pays procèdent aux révisions des données désaisonnalisées sur une base régulière en accord avec leur calendrier de publication des données Les pays procèdent à la re-identification des modèles ARIMA une fois par année et à la re-estimation des paramètres à chaque fois que la désaisonnalisation est effectuée Les pays utilisent leur calendrier spécifique afin d’assurer la fiabilité des résultats de la désaisonnalisation

4. L’étalonnage (1) Qu’est-ce l’étalonnage? Processus par lequel les avantages relatifs des séries de haute fréquence et de basse fréquence sont combinés Les mouvements de court-terme sont préservés sous la contrainte de la série annuelle (série des totaux) Il assure une utilisation optimale des données annuelles et infra-annuelles dans le contexte de séries chronologiques Exemple: pour toute variable, la concordance entre les estimés annuels et infra-annuels est d’une grande importance. Cependant, dans le secteur du commerce de distribution, le chiffre d’affaires obtenu à partir des données d’enquêtes mensuelles diffère souvent de celui obtenu à partir des enquêtes annuelles

4. L’étalonnage (2) Méthodes d’étalonnage Approche numérique – ne présuppose pas de modèle pour la série chronologique Méthode de distribution au prorata Famille de méthodes de minimisation par les moindres carrés (famille de Denton) Approche économétrique Méthodes ARIMA Divers modèles de régression

4. L’étalonnage (3) Méthode de distribution au prorata Multiplie les valeurs infra-annuelles par un facteur constant pour chaque année Introduit le ‘problème du pas’ – discontinuité dans le taux de croissance d’une année à l’autre (au niveau des jointures) Méthodes de la famille de Denton Basée sur le principe de la préservation du mouvement Le taux de croissance (mois à mois ou trimestre à trimestre) de la série originale et celui de la série ajustée doivent être aussi proches que possible L’ajustement pour les mois (ou trimestres) voisins doivent être aussi proches que possible L’incorporation de nouvelles données annuelles exige la révision des données déjà publiées La méthode proportionnelle de Denton est la méthode préférée dans cette famille

4. L’étalonnage (4) Étalonnage et qualité Les techniques d’étalonnage jouent un rôle important dans l’amélioration de la qualité des statistiques du commerce de distribution Dans le court et moyen terme, les techniques d’étalonnage aident à combler les ‘données manquantes’ et apportent des solutions aux problèmes qui s’y rapportent Dans le long terme, les techniques d’étalonnage jouent un rôle important dans l’utilisation optimale des données disponibles

4. L’étalonnage (5) Étalonnage et désaisonnalisation L’étalonnage doit être entrepris à la fin du processus d’enquêtes lorsque les estimés finaux sont produits Dans la plupart des cas, l’étalonnage doit être mis en oeuvre avant le processus de la désaisonnalisation Étalonnage et révisions Pour préserver au maximum les mouvements de la série infra-annuelle, au moins deux à trois années précédentes doivent être révisées à chaque fois qu’une nouvelle donnée annuelle devient disponible

4. L’étalonnage (5) Recommandations Il est recommandé que: Les pays considèrent la production de données étalonnées comme faisant partie intégrante de leur programme de compilation de données pour les SCT du commerce de distribution Les pays mettent en oeuvre l’étalonnage au niveau de détail le plus fin possible

MERCI