Données et échantillon retenus pour l’estimation des frontières

1.1. Les réseaux retenus

Pour estimer les frontières de production, nous avons constitué un panel regroupant 15 variables pour 135 réseaux de bus sur 8 ans (1995-2002), qui se compose de 981 observations et de 99 couples « année-réseau » non renseignés (Panel en annexe 4). Les données sont

(94) Ce type d’études empiriques a également été réalisé pour le cas norvégien (Dalen et Gomez-Lobo 1996, 2003).

principalement issues de l’enquête dite des Cahiers Verts, affinée par l’étude approfondie des 76 contrats dont nous disposons.

Nous avons écarté de cet échantillon les réseaux manifestement trop petits (moins de 30 000 habitants) ou disposant de modes lourds. La raison de cette sélection est de nature technologique. Puisque nous allons estimer une fonction de production commune aux réseaux, il n’est pas possible d’introduire de trop fortes différences sans contrôler leur impact économétriquement. L’échelle française est peu propice pour étudier l’efficience des opérateurs français des grandes agglomérations. L’échantillon de ceux qui possèdent un métro, un VAL ou un tramway est très réduit. Nous sommes donc conduits à exclure de l’analyse suivante les réseaux de : Lyon, Marseille, Lille, Bordeaux, Nantes, Toulouse, Strasbourg, Grenoble, Rennes, Rouen, Saint-Etienne, ainsi que ceux de Caen, Orléans, Montpellier et Nancy à partir de la mise en service de leur mode lourd.

Du côté des modes de gestion et des contrats, plusieurs choix ont été faits. D’une part, les types contractuels que sont les concessions et les régies intéressées ont été reclassés. Les concessions ne posent plus question puisqu’elles correspondent à des situations avec des TCSP lourds. Les régies intéressées (une dizaine d’observations) ont été regroupées et traitées comme étant des contrats de gérance. Pour ce qui est des cas de délégation à une régie départementale (Isles d’Abeau, Dax et Mont-de-Marsan) dont on ne sait pas très bien s’il s’agit d’une délégation ou d’une gestion directe, nous avons exclu ces trois réseaux de l’échantillon.

1.2. L’output

Dans un récent survey des études de frontières de production dans le secteur des transports urbains, De Borger et al. (2002) constatent qu’une des caractéristiques des travaux empiriques portant sur ce secteur est la grande diversité des variables utilisées pour mesurer les outputs et les inputs. Cette diversité laisse à penser qu’il n’existe pas de variables d’inputs et d’outputs communément acceptées dans cette industrie.

Dans notre travail, la variable d’output que nous retenons est le nombre de véhicules- kilomètres. D’autres mesures de l’output sont utilisées dans la littérature empirique sur le secteur des transports. La définition de l’output est en effet sujette à de nombreux débats. Certains auteurs avancent que les indicateurs orientés vers la demande (nombre de passagers- kilomètres ou nombre de passagers) sont plus pertinents que les indicateurs uniquement orientés vers l’offre (nombre de véhicules-kilomètres, nombre de places-kilomètres) car ils tiennent compte du motif économique de la fourniture de services (Berechman 1993). Ignorer la demande conduirait en effet à considérer que les opérateurs les plus efficients sont ceux dont les bus sont vides.

Malgré la portée de cet argument, la définition de l’output que nous choisissons de retenir dans notre étude est orientée vers l’offre. Pour les raisons expliquées dans la deuxième partie du rapport, la dimension commerciale de l’efficience n’a pas été intégrée dans les différents traitements. Il s’agit principalement d’éviter d’inclure dans la mesure de l’efficience de l’opérateur des dimensions dont il n’est pas directement responsable. En particulier, le remplissage des véhicules dépend beaucoup des prix, de la compétitivité de la voirie automobile etc…Nous prenons donc le parti de ne pas choisir comme output une variable de trafic (nombre de voyages, de déplacements ou de passagers-kilomètres) et de retenir une variable d’offre (nombre de véhicules-kilomètres offerts (KO) ou de places-kilomètres offertes (PKO)).

Le second argument justifiant notre choix est que les inputs ne varient pas nécessairement avec les mesures de l’output orientées vers la demande et ne fournissent par conséquent pas de description appropriée de la technologie sous-jacente à la fourniture de services. En outre, comme l’écrivent De Borger et al. (2002), « indépendamment de la

réalisation d’objectifs plus larges définis en termes de services de transport de voyageurs effectivement consommés, fournir des services de transport urbain de la manière la moins coûteuse peut être considérée comme une requête raisonnable à adresser aux opérateurs »95

(De Borger et al. 2002, p. 18).

Enfin, parmi les mesures de l’output orientées vers l’offre, nous choisissons le nombre de kilomètres offerts bien que les places-kilomètres offertes donnent une quantification plus fine de l’offre (Quinet 1998) car cette dernière variable est moins bien renseignée que les kilomètres offerts96. De plus, l’enjeu par rapport au principal facteur de production est minime : il faut un conducteur que le bus soit petit ou articulé. En outre, si un bus articulé apporte plus de places assises il n’est pas sûr qu’il augmente systématiquement la qualité de service car la fréquence des services est réduite sur ce genre de ligne. L’idée est que l’hétérogénéité des places est sans doute plus forte que l’hétérogénéité des kilomètres offerts. Introduire les places-kilomètres offertes peut impliquer un augmentation de l’hétérogénéité de ce qui est mesuré au sein de la variable, c’est à dire une diminution de sa pertinence.

Graphique 11 : Composition de l’offre des principaux réseaux de Province en 2002

0 10 000 20 000 30 000 40 000 50 000 LYON LILLE MARS EILL E BORD EAUX NANT ES TOUL OUSE STRA SBOU RG GREN OBLE RENN ES ROUE N ORLE ANS NICE _DIJON MONT PELL IER SAIN T-ET IENN E ANGE RS TOUL ON VALE NCIE NNES_NANC Y TOUR S HAVR E (L E) BRES T CLER MONT -FER RANDREIM S m ill ie rs d e vé hi cu le s- km s Bus Tram Metro

Pour toutes ces raisons, la mesure de l’output que nous retenons est le nombre de véhicules-kilomètres offerts et la quantité que nous utilisons pour mesurer l’offre est le

(95) « independent of the achievement of broader goals defined in terms of passenger transit services actually consumed, supplying bus services in the least costly way may be considered a reasonable requirement for operators ».

(96) Mis à part le nombre conséquent de fois où la variable places-kilomètres offertes est non renseignée, le parc

sous-traité n’étant pas détaillé par type de véhicule il nous faudrait exclure tout ce qui est sous-traitance, ce qui est très délicat.

nombre total de kilomètres déclarés, concernant tous les véhicules de transport en commun. Nous ajoutons donc aux Services Réguliers Ordinaires (SRO) les Services Spéciaux et Occasionnels (SSO) et les Services Sous-Traités97 _(SST).

1.3. Les inputs

Les inputs que nous considérons dans cette étude sont ceux qui sont les plus fréquemment utilisés dans la littérature. Il s’agit du travail, du capital et de l’énergie.

Travail : L’effectif est comptabilisé en équivalent temps complet. Il inclut l’effectif

salarié de l’exploitant principal, son personnel intérimaire ainsi que le personnel des sous-traitants. Cette variable considère indifféremment les cadres et ingénieurs, les agents de maîtrise et techniciens, les employés, les ouvriers roulants et les ouvriers non roulants. La quantité de travail est mesurée en équivalent « homme-année ».

Capital : Ne disposant pas des données financières suffisantes pour reconstituer des

séries de dépense en capital, nous utilisons le nombre de véhicules du parc de matériel roulant à disposition de l’exploitant. Les parcs sont composés d’autocars, d’autobus standards, d’autobus articulés, d’autobus à gabarit réduit (de 30 à 60 places), de minibus (moins de 30 places) et de trolleybus. Nous additionnons dans la variable retenue tous ces types de véhicule sans distinction. Nous intégrons aussi le nombre de véhicule en sous-traitance. Nous ne prenons pas en compte l’identité de celui qui détient les véhicules (autorité organisatrice, exploitant ou sous-traitant). Le capital est approximé par le nombre de véhicules-année.

Energie : La variable énergétique a fait l’objet de plus de traitements que les

précédentes. Tout d’abord, nous avons rendu comparables les quantités consommées de différentes sources d’énergie (kWh, m3 de gazole, m3 de gaz et m3 des autres carburants) sur la base de la consommation unitaire moyenne des véhicules (cf. annexe 3.4). Fort heureusement, cet ajustement n’est que marginal puisque nous avons exclu les réseaux à modes lourds. La quasi-totalité des réseaux pris en compte a, sur la période 1995-2002, une consommation relativement (au gazole) très faible de gaz ou d’électricité. La conversion en m3 de gazole ne pose donc pas trop de problème. Parallèlement, nous avons apporté une solution pour inclure la sous- traitance, dont la consommation annuelle d’énergie de traction n’est pas disponible. Celle-ci a été évaluée au prorata des véhicules-kilomètres sous-traités. Au total, nous obtenons une quantité d’énergie mesurée en m3 de gazole.

1.4. Les variables de contrôle

En plus des variables d’inputs, nous introduisons deux variables de contrôle dans nos estimations des frontières de production : la longueur des lignes et le nombre d’habitants de la commune ou du regroupement de communes.

Longueur des lignes : Cette variable correspond à la longueur des lignes de bus du

réseau, y compris les parcours communs. Cette longueur cumulée des lignes est en

(97) Le recours à la sous-traitance est une pratique inégalement répandue. 10% des réseaux y ont recours pour plus de 30% de leur offre ; un tiers des réseaux n’y a pas du tout recours.

kilomètres. Le rôle de cette variable est tout d’abord de contrôler la variété des contraintes géographiques dont les exploitants ne sont pas responsables. Il s’agit aussi de prendre en compte les différences dans les missions de service public fixées par l’autorité organisatrice (celles qui participent d’une volonté de desserte plus élargie). Si on accepte l’idée que les vitesses sont plus élevées lorsque l’on tend vers l’interurbain ou la périphérie, alors ceux qui ont un réseau allant jusque dans les zones peu denses vont être avantagés. Toute chose égale par ailleurs, la création d’une ligne en périphérie diminue le prix du kilomètre car il se fait plus rapidement. La longueur du réseau est donc supposée avoir un impact positif sur le niveau de production.

Population : la seconde variable de contrôle que nous introduisons est le nombre

d’habitants recensés dans la commune ou le regroupement de communes du Périmètre de Transports . Cette variable nous permet de contrôler l’impact de la demande sur l’efficience technique. Son effet sur le niveau de production est supposé positif puisque nous faisons l’hypothèse que le nombre de véhicules- kilomètres offerts par l’opérateur augmente avec le nombre d’habitants de la zone qu’il dessert.

Des statistiques descriptives sur les variables retenues sont fournies dans le tableau ci- dessous et dans le tableau suivant nous rappelons le signe attendu de chaque variable.

Tableau 20 : Description des variables de la frontière (981 obs.)

Variable Description Moyenne Médiane Ecart-type Minimum Maximum

Bus-km

(Y) Services réguliers, spéciaux,occasionnels et sous-traités (km) 2 461 508 1 259 064 2 543 857 178 106 11 380 524

Personnel (XPE₎

Effectif au 31/12 (équivalent temps plein), y compris les personnels

intérimaires et des sous-traitants 145,50 68,90 165,40 8 958,75

Energie

(XEN₎ Equivalent m

3 _{de gazole et ajusté}

au prorata de la sous-traitance 1 110,41 525,68 1 261,97 63 6 005,56

Parc (XPA₎ Nombre total de véhicules à_{disposition de l’exploitant au}

31/12 64 36,50 64 5 365

Longueur de Ligne (XLL₎

Somme des longueurs des lignes

du réseau (km). 157,20 109,80 127 14 645

Population

Tableau 21 : Le signe attendu des inputs et des variables de contrôle

Variable dépendante : Bus.km

Variable explicative Signe attendu

Personnel +

Energie +

Parc +

Longueur de Ligne +

Population +

Tableau 22 : Coefficients de corrélation (échantillon de la frontière)

VK PE EN PA LL PO VK 1 PE 0,974 1 EN 0,990 0,978 1 PA 0,977 0,973 0,972 1 LL 0,757 0,702 0,725 0,756 1 PO 0,949 0,941 0,946 0,949 0,796 1