III. Groupes
5. Blé, colza et orge d’hiver
5.2. Efficacité
Cette fois ci, on distingue les individus pour leur efficacité par type de céréale. blé
bléblé
blé colzacolzacolzacolza orgeorge orgeorge effectifseffectifseffectifseffectifs fréquencefréquencefréquencefréquence
efficace efficace efficace 48 32%
non efficace non efficace non efficace 35 23%
efficace efficace non efficace 12 8%
efficace non efficace efficace 12 8%
non efficace efficace efficace 13 9%
non efficace non efficace efficace 7 5%
non efficace efficace non efficace 12 8%
efficace non efficace non efficace 10 7%
Sur les 149 individus de cette étude, 83 sont dans le même groupe pour blé orge et colza en terme d’efficacité, soit 56%. On constate que environ 8% des individus sont classés comme efficaces pour deux céréales et non efficace pour la troisième. Il en est de même pour les individus non efficaces pour deux céréales mais efficaces pour le colza ou pour le blé, mais seulement 5% sont non efficaces pour blé et colza mais efficaces pour l’orge. Ce tableau nous indique une stabilité dans l’efficacité des rendements agricoles des individus, même pour des céréales différentes, ce qui indique que globalement, un agriculteur qui est efficace pour ses rendements en blé le sera très certainement pour ses rendements de colza et d’orge.
Conclusion
Les problèmes de pollution prennent une part importante de notre quotidien ; en effet ce phénomène atteint des niveaux de plus en plus alarmants. Les pollutions agricoles font partie des préoccupations du ministère de l’environnement, principalement à cause de l’impact sur les milieux aquatique, l’eau étant un bien de plus en plus rare et précieux. Cette étude a été réalisée dans le but de faire un état des lieux, de tirer un maximum d’informations des données à ma disposition afin d’avoir une idée globale sur l’emploi d’intrants chimiques comme l’azote et les produits phytosanitaires ainsi que sur leur impact sur les rendements et les marges des agriculteurs. Ce travail a tout d’abord montré une grande disparité entre les individus au niveau de leur consommations en intrants ainsi que de leurs rendements. Ces disparités sont principalement dues aux aléas climatique, et on observe d’une année à l’autre des fluctuations très importantes de la production agricole.
L’impact positif des intrants chimiques sur les rendements a également été démontré, bien que la météo semble être le facteur le plus déterminant. Il a également été mis en évidence que la fonction qui modélise les rendements en fonction des quantités d’intrants chimique n’est pas une droite croissant à l’infini mais une courbe ayant une équation quadratique, ce qui indique qu’à un certain moment l’apport en intrants n’est plus bénéfique pour les rendements agricoles. Il faut également prendre en compte la qualité de la terre comme une variable non contrôlée dont l’incidence est plus ou moins forte sur les rendements agricoles.
Les résultats obtenus pour les donnée de panel cylindrées sont similaires à ceux de la base totale, ce qui permet d’extrapoler les conclusions concernant les individus constants à l’ensemble des exploitations de cette étude. Le principal intérêt réside dans les résultats obtenus de l’analyse des groupes réalisés à partir de la consommation d’intrants et de la modélisation des rendements agricoles.
Les différents graphiques et tableaux réalisés en fonction des groupes nous indique en premier lieu un impact positif des consommations d’azote et de produits phytosanitaires sur les rendements, comme démontré précédemment. Cependant ils mettent en avant un aspect des plus intéressants à savoir l’impact négatif des consommations d’intrants sur les marges des agriculteurs, ce qui signifie que les agriculteurs ayant les marges à l’hectare les plus importantes, sont ceux qui utilisent le moins d’intrants chimiques. Les engrais et phytosanitaires n’étant pas gratuits, à partir d’une certaine dose les apports sur les rendements ne compensent plus les charges en produits chimiques, ce qui explique ce résultat majeur de mon étude. Il semble cependant nécessaire de préciser à nouveau que les individus classés parmi les "économes", c'est-à-dire ceux qui utilisent le moins d’intrants, en consomment tout de même des quantités importantes.
L’étude des groupes montre une homogénéité des systèmes de production, les agriculteurs des six groupes ayant des assolements et des itinéraires techniques similaires. La différence entre les groupes efficaces et non efficaces semble résider principalement dans la consommation d’intrants. En effet le découpage des différents types de phyto nous indique que chacun de ces produits est utilisé plus abondamment par les individus "efficaces" que par les " non efficaces", excepté pour les herbicides où la tendance est inversée.
On peut alors se demander si l’efficacité, qui est expliquée par des variables exogènes telles que le temps et la qualité de la terre, ainsi que par des variables contrôlées tel que l’emploi d’intrants, ne serait pas également la conséquence d’un certain savoir faire des agriculteurs.
Une certaine stabilité des groupes ressort également de cette étude, mais également une stabilité des individus dans leur efficacité et leur consommation d’intrants, et ceci même pour les deux autres céréales étudiées. Ce qui renforce l’hypothèse du savoir-faire : les agriculteurs "économes" ont tendance à le rester, tout comme les "intensifs", que ce soit pour le blé, l’orge ou le colza. Il en est de même pour l’efficacité.
Durant mon stage je me suis rendu à Paris à trois reprises afin de participer à divers réunions ainsi qu’à une visioconférence dans le cadre du projet "écophyto 2018" visant à réduire de moitié l’usage des pesticides d’ici dix ans. Cette étude m’a permis de me familiariser avec le domaine des grandes cultures agricoles, et de comprendre les différentes problématiques liées à la production et à la préservation de l’environnement. Ces connaissances me seront très utiles afin de réaliser de nouvelles études pour le compte de l’UMR d’Economie Publique de l’INRA qui a décidé de me garder dans un premier temps pour une durée de six mois. Ce stage m’a donc énormément apporté d’un point de vue personnel mais également professionnel me permettant l’accès à la vie active dans le très réputé Institut National de la Recherche Agronomique.
Annexe A : Indice des prix
Indice des prix en base 100 pour l’année 2000 :
SemencesSemencesSemencesSemences EngraisEngraisEngraisEngrais AzoteAzoteAzoteAzote PhytoPhytoPhytoPhyto FongicidesFongicidesFongicidesFongicides HerbicidesHerbicidesHerbicides InsecticidesHerbicides InsecticidesInsecticidesInsecticides AutresAutresAutres Autres 1993 1993 1993 1993 96.85 84.58 82.82 9966.21 106.5 97.43 102.07 97.4 1994 1994 1994 1994 96.37 86.93 85.82 9838.31 105.34 96.09 99.29 96.13 1995 1995 1995 1995 97.72 94.75 96.29 9897.34 102.91 96.47 96.41 96.74 1996 1996 1996 1996 99.39 99.8 103.56 100.25 103.65 98.17 98.12 97.98 1997 1997 1997 1997 99.82 96.16 95.85 100.52 103.26 98.98 98.53 98.55 1998 1998 1998 1998 99.93 94.16 89.54 100.22 101.84 99.37 98.65 99.19 1999 1999 1999 1999 101.15 90.29 81.64 100.09 100.94 99.78 99.17 99.2 2000 2000 2000 2000 100 100 100 100 100 100 100 100 2001 2001 2001 2001 101.97 111.51 115.61 100.6 100.36 100.72 100.16 101.35 2002 2002 2002 2002 104 104.94 104.26 100.49 99.76 101.15 99.11 101.87 2003 2003 2003 2003 106.1 106.18 106.45 100.91 100.16 101.9 98.08 102.48
Indice des prix à la consommation, base 100 en 1990 : année
annéeannée
année indiceindiceindiceindice 1990 100.0 1993 107.5 1994 109.0 1995 110.8 1996 112.9 1997 114.1 1998 114.8 1999 115.6 2000 117.1 2001 119.5 2002 120.9 2003 123.4
Annexe B : Tests T sur les "intensifs"
Phosphore
PhosphorePhosphore
Phosphore
Welch Two Sample t-test
data: blé$P[blé$grp == "3_eff_int"] and blé$P[blé$grp == "6_ne_int"] t = 3.9472, df = 1039.115, pppp----value = 4.22evalue = 4.22evalue = 4.22evalue = 4.22e----05050505
alternative hypothesis: true difference in means is greatergreatergreater than 0 greater 95 percent confidence interval:
5.164795 Inf mean of x mean of y 80.767 71.907
Potasse
PotassePotasse
Potasse
Welch Two Sample t-test
data: blé$K[blé$grp == "3_eff_int"] and blé$K[blé$grp == "6_ne_int"] t = 5.3582, df = 1075.453, pppp----valvalvalvalue = 5.141eue = 5.141eue = 5.141eue = 5.141e----08080808
alternative hypothesis: true difference in means is greatergreatergreater than 0 greater 95 percent confidence interval:
9.574445 Inf
mean of x mean of y 63.586 49.765
Ces deux tests de comparaison de moyennes confirment que les individus "intensifs efficaces" utilisent significativement plus de potasse et de phosphore que les "intensifs non efficaces" au risque 5%.
Annexe C : Test T sur les "économes"
Engrais
EngraisEngrais
Engrais
Welch Two Sample t-test
data: blé$Engrais[blé$grp == "1_eff_éco"] and blé$Engrais[blé$grp == "4_ne_éco"] t = -2.6407, df = 1006.334, pppp----value = 0.004200value = 0.004200value = 0.004200value = 0.004200
alternative hypothesis: true difference in means is lesslesslessless than 0 95 percent confidence interval:
-Inf -1.861624
mean of x mean of y 109.314 114.258
La différence entre la consommation d’engrais des individus classés parmi les "économes efficaces" est statistiquement inférieure à celle des "économes non efficaces" avec un risque d’erreur de 5%.
Bibliographie
Butault, Jean Pierre.
Les soutiens à l’agriculture. Théorie, histoire, mesure.
INRA éditions, 2004. Economie et Société.Lorson, Gérald.
Estimation d’une fonction de rendement pour les différentes cultures
pratiquées en Meuse
. Rapport de stage présenté en juin 1998 en vue d’obtention du DUT STID.Duarte-Paixao, Jean-Philippe.
Analyse de l’évolution des performances et des itinéraires
techniques des producteurs de blé de la Meuse
. Rapport de stage présenté en juin 2007 en vue d’obtention d’une maîtrise d’économie et économétrie.Blanchard, P.
Estimation d’un modèle dynamique sur données de panel par la méthode
des GMM avec SAS-IML
. Document de travail ERUDITE, 2005. Université Paris XII - Val de Marne.Ministère de l'Écologie, de l'Energie, du Développement durable et de l'Aménagement du territoire [en ligne], disponible sur : http://www.legrenelle-environnement.fr/
Ministère de l'Agriculture [en ligne]. Disponible sur : http://agriculture.gouv.fr/
Pôle Bioinformatique Lyonnais [en ligne]. Mis à jour le 8 juillet 2005. Disponible sur : http://pbil.univ-lyon1.fr/R/enseignement.html
Table des matières
Remerciements... 3
Sommaire... 4
Introduction... 5
I. Présentation de l’entreprise... 7
II. Présentation du contexte et du sujet... 8
III. Présentation des données... 9
Données de panel non cylindrées... 10
I. Quelques résultats de statistiques descriptives... 10
1. De grandes inégalités dans le temps... 11
1.1. Consommation d’azote... 12
1.2. Produits phytosanitaires... 13
1.3. Des rendements très dispersés dans le temps... 14
1.4. L’impact de la qualité de la terre... 15
2. Variables qui jouent sur le rendement... 16
II. Régressions... 17
1. Régression linéaire simple... 17
2. Le lissage de Loess (régression locale pondérée)... 19
3. Régression multiple... 20
Données de panel cylindrées... 22
I. Statistiques descriptives... 22
1. Des caractéristiques similaires... 22
II. Régressions... 24
III. Groupes... 26
1. Etude des marges et des rendements agricoles... 27
2. Caractéristiques des groupes... 30
2.1. Les assolements... 30
2.2. Types de produits phytosanitaires et d’engrais... 31
2.3. La Surface agricole Utile... 33
3. groupes sur 5 puis 6 ans... 34
4. Stabilité des individus constants... 35
5. Blé, colza et orge d’hiver... 36
5.1. Consommation d’intrant chimiques... 38
5.2. Efficacité... 39
Conclusion... 40
Bibliographie... 45
Table des matières... 46
Table des annexes
Annexe A : Indice des prix________________________________________________ 42
Annexe B : Tests T sur les "intensifs"_____________________________________ 43