Nous calibrons le modèle en utilisant des prévisions à la base d’une série chronologique de données et les estimations des paramètres de la littérature. Les tableaux (Annexe 1) montrent les prévisions des données et les paramètres qui servent à calibrer notre modèle. Pour tenir compte de l’incertitude par rapport à nos paramètres, nous comptons sur des distributions subjectives résumées dans le tableau A1.6 (Annexe 1). La production et la part des licences d’importation allouées aux détaillants sont considérées comme des paramètres constants. Cependant, les autres paramètres sont considérés comme aléatoires. Aussi, nous émettons les hypothèses suivantes :
• En nous basant sur une étude faite par Gervais et Surprenant (2003), nous supposons que 58% des licences d’importation sont contrôlées par les détaillants. • Les données concernant la production domestique, le prix de gros et le prix à la
production sont déterminés à partir des livrets des données des Producteurs de Poulet du Canada.
• La consommation est calculée en fonction de la production domestique puisqu’elle correspond à 107,5% de cette dernière.
Tous les paramètres aléatoires sont distribués indépendamment et tirés d’affines transformations de distributions Bêta (Pouliot et Larue, 2012). Considérons le paramètre aléatoire où sa distribution est donnée par
est la distribution bêta et a, b sont les paramètres d’échelle. La moyenne de la distribution est déterminée par :
Pour une valeur donnée (a), nous trouvons la moyenne . Ainsi, nous mettons la valeur de (a) à cinq qui assure, compte tenu de la moyenne, un minimum et un maximum des paramètres dans notre modèle. En imposant en plus que b > 1, on s’assure que la distribution de x est unimodale. La variance de x est donnée par :
Les statistiques fournies par les PPC contiennent des prix de détail pour le poulet entier, les poitrines, les ailes, les cuisses et les pilons. Toutefois, Pouliot et Larue (2012) ont
traité le poulet comme un produit homogène, ce qui est aussi le cas dans notre analyse. Nous devons calculer un indice pour le prix de détail qui se sert d’une étude de l’Australian Chicken Meat Federation (2007) pour déterminer le poids à donner aux diverses parties de poulet. Nous calculons la valeur moyenne d’un poulet au détail en utilisant les prix et les quantités pour les poitrines, les ailes, les cuisses et les pilons. Nous avons calculé le prix de détail de 2008 à 2015 et nous avons fait des prévisions pour la période 2016 à 2020. Cependant, il est à noter que les poids pour les différentes parties d’un poulet éviscéré ne correspondent pas aux parts des parties consommées puisque les Canadiens préfèrent la viande blanche à la viande brune. C’est pourquoi le Canada est un importateur de poitrine de poulet (viande blanche) et un exportateur de cuisses de poulet (viande brune). Les poitrines de poulet sont plus dispendieuses que les cuisses de poulet et la valeur moyenne du prix de détail devrait être supérieure à la valeur estimée d’un poulet reconstitué. Pour ceci, nous comptabilisons prudemment l’incertitude sur le prix de détail en le traitant comme un paramètre aléatoire répartie entre les limites de confiances inférieures et supérieures de nos prévisions.
Le prix à la ferme est déterminé à partir des statistiques des PPC qui est exprimé en dollars par kg de poids vif ($/kg de poids vif). Nous le transformons en ($/kg de poulet éviscéré), sachant qu’un kilogramme de poids vif est l’équivalent de 0,736 kg de poulet éviscéré.
Nous déterminons le prix à l’importation en calculant la valeur unitaire moyenne du poulet importé des États-Unis. La Commission du commerce international des États- Unis collecte des données sur toutes les importations et exportations américaines. Nous avons recueilli les quantités et les valeurs d’exportations du poulet américain au Canada. Regroupant les codes de HTS de 6 chiffre 020711, 020712, 020713, 020714 (viande et abats comestibles de volaille, poulet frais, froid ou congelé) pour une période de temps (2007-2015) et calculer une valeur unitaire en $ US par kg. Une fois convertis en dollars canadiens en utilisant le taux de change de la Banque du Canada, nous obtenons une série temporelle de prix à l'importation en $ CAN par kg. Le prix à l'importation est autorisé à varier entre les limites de confiance de notre prévision. Nous déterminons l’élasticité de la demande aléatoirement sur la base des estimations rapportées de la littérature qui sont présentées dans le tableau ci-dessous.
Tableau 2 : Les différentes valeurs de l’élasticité de la demande du poulet au Canada Élasticité Gervais et Surprenant, 2003 -0,8 AAFC, 2007 -0,7 Gervais et al., 2007 -0,92 Lambert et al., 2006 -1,1 Huff et al., 2000 -0,45
Pour les coûts marginaux de production, de transformation et de détail, nous utilisons des estimés de la littérature (Gervais et Surprenant (2003), Gervais et Devadoss (2006) et Gervais et Romain (2007)) et nous faisons des tirages aléatoires pour prendre en compte l’incertitude entourant les valeurs rapportées dans la littérature. Nous considérons que le coût marginal des détaillants varie d’un minimum de 0,25$/kg à un maximum de 1,1$/kg, soit une valeur moyenne de 0,675$/kg. De même, nous supposons que le coût marginal des transformateurs varie d’un minimum de 0,35$/kg à un maximum de 1,10$/kg, soit la même moyenne 0,675$/kg. En ce qui concerne le coût marginal de la production du poulet au Canada, nous utilisons le coût marginal de Rafajlovic (2013) de 0,83$/kg en poids vif, soit 1,13$/kg en poids éviscéré. De Pouliot et Larue (2012) nous supposons que le coût marginal des fermes varie entre 0,86$ et 1,50$ avec une moyenne de 1,2$/kg en poids éviscéré.
Nous supposons que si la rente associée aux importations ne constitue pas un point de menace dans la négociation entre les détaillants et les transformateurs, alors elle ne l’est pas non plus dans la négociation entre les transformateurs et les agriculteurs. Pour ce faire, nous adoptons deux cas d’études :
✓ Cas 1 : r=p=1, la rente des importations ne constitue pas un point de menace
✓ Cas 2 : r=p=0, la rente des importations constitue un point de menace.
Les paramètres , M et sont déterminés à partir des équations du modèle et des paramètres fixes et aléatoires utilisés pour simuler. Nous pouvons solutionner pour le
pouvoir de négociation des détaillants à partir de chaque tirage et ainsi obtenir une valeur moyenne à partir des 10000 tirages réalisés pour chaque scénario. Comme la quantité d’équilibre est basée sur la quantité désirée par les transformateurs, on peut solutionner pour le nombre de transformateurs (M) pour chaque tirage. Enfin, on peut à partir de l’équation pour le prix payé aux agriculteurs récupérer la valeur du pouvoir de négociation des transformateurs dans la négociation sur le prix payé à la ferme.
Cependant, nous n’avons besoin de récupérer le nombre des détaillants (N) puisque les résultats du modèle sont indépendants du nombre de détaillants en raison du coût marginal constant, de détaillants symétriques/identiques et de l’hypothèse que chaque détaillant négocie avec chaque transformateur. Nous considérons trois scénarios :
• Scénario 1 : nous considérons que augmente, mais λ reste constant. C’est-à-dire que la part des importations augmente, mais que l’allocation des nouvelles licences entre les détaillants et les transformateurs est identique à l’allocation initiale. • Scénario 2 : nous considérons que augmente et que seuls les détaillants peuvent
détenir les nouvelles licences d’importation.
• Scénario 3 : nous considérons que augmente et que seuls les transformateurs peuvent détenir les nouvelles licences d’importation.
Sur chacun de ces trois scénarios, deux sous-scénarios sont considérés : • La rente provenant des importations fait partie des négociations (=1) • La rente provenant des importations est exclue des négociations (=0)
Les données sur les volumes importés sont exprimées en tonnes. Donc, nous les transformons en pourcentage en fonction de la production de l’année précédente et par la suite, nous les additionnons au contingent déjà existant de 7,5%. Le tableau 3 présente l’évolution du contingent () pour la période allant de 2016 à 2020.
Tableau 3 : Évolution du contingent de 2016 jusqu’à 2020
2016 2017 2018 2019 2020
Contingent
tarifaire (%) 7,85 8,2 8,5 8,8 9,16
En plus, l’allocation des nouveaux quotas diffère selon chaque scénario. De ce fait, nous présentons l’évolution du paramètre d’allocation () pour chaque scénario au tableau 4.
Tableau 4 : Allocation des licences d’importation () selon les divers scénarios de l’étude
Scénario 1 Scénario 2 Scénario 3
2016 0,58 0,6 0,554
2017 0,58 0,6158 0,53
2018 0,58 0,629 0,5117
2019 0,58 0,642 0,494
2020 0,58 0,656 0,4748