Simulations pour la construction des scénarios de gestion

Les estimations économétriques du comportement dans le laboratoire permettent d’élargir l’utilisation des données expérimentales à des contextes plus généraux. Dans cette section, nous fournissons des simulations dans l’objectif d’illustrer l’utilisation des données expérimentales pour alimenter des modèles susceptibles d’être utilisés dans l’évaluation des scénarios de gestion des ressources.

Nous étudierons l’impact, sur les prélèvements individuels et l’efficience de l’exploitation, de certaines variables de contexte : (i) la recharge naturelle de la ressource, (ii) la richesse et sa distribution et, (iii) les politiques fiscales : un impôt sur les profits et un impôt sur la richesse.

CemOA

: archive

ouverte

d'Irstea

Les résultats exposés dans la section précédente rendent intéressant l’étude des effets de la richesse, sa distribution et des politiques l’affectant, sur les trajectoires de prélèvement et l’efficience de l’exploitation. Puis, nous étudierons l’effet de la richesse sur l’efficience10 des instruments incitatifs conçus pour gérer les prélèvements, en particulier, sur deux types de taxes sur les prélèvements : (i) à taux constant et (ii) à taux flexible.

Le paramétrage utilisé pour les simulations présentées dans cette section est exposé dans le Tableau 4.3. La plupart des paramètres « économiques » et « physiques » du modèle sont restés inchangés par rapport à ceux utilisés pour les expériences. Nous avons cependant allongé l’horizon temporel de 10 à 15 périodes, le nombre de préleveurs de 5 à 10 individus et modifié les caractéristiques de la ressource : le stock initial de la ressource a été incrémenté, passant de 500 unités à 1000, et la recharge de 30 à 60 unités par période. Nous supposons, que la mise en place de traitements expérimentaux avec le paramétrage exposé dans le Tableau 4.3 aurait permis d’estimer les mêmes règles de décision.

Taille de la

population (N) Composition de la population Fonction de profit Fonction de coût Evolution du compte Ensemble de choix 10 50% ‘Quasi Myopes’ 50% ‘Prévoyants Perturbés’ a = 5,3 b = 0,09 p = 7,55 f = 0,01 z = 0,001 S(0) = 1000 r = 60 {0,50}

Tableau 4.3 : Valeurs des paramètres communs à toutes les simulations

4.5.1 L’impact de la recharge naturelle

A partir du paramétrage exposé dans le Tableau 4.3, nous avons simulé les prélèvements individuels d’une population mixte. Nous avons calculé les trajectoires pour les deux règles en considérant des valeurs pour la recharge naturelle de la ressource qui vont de 0 à 500 unités avec un pas de 2 unités, soit 251 trajectoires pour chaque règle. Ces trajectoires sont exposées dans la Figure 4.6 (page 190) : Quasi Myope (Figure 4.6a) et Prévoyant Perturbé (Figure 4.6b). L’échelle de couleurs indique le dépassement (en valeur absolu) des prélèvements individuels par rapport à la répartition égalitaire de la recharge naturelle : plus foncé est le rouge (bleu) plus surexploité (sous-exploité) est le stock.

10 _{Nous utilisons la même définition de l’efficience que dans le chapitre 3, à savoir le rapport de la richesse} accumulée dans le traitement considéré et l’optimum (prédiction inconditionnelle).

CemOA

: archive

ouverte

d'Irstea

OBSERVATION 4.1 : La recharge naturelle n’affecte pas significativement les prélèvements individuels de la période initiale pour aucun des deux types.

Comme on peut observer d’après les Figure 4.6a et Figure 4.6b, le prélèvement initial est quasiment insensible face aux modifications de la recharge (une variation de 2 points est discernée). Aucun des deux types de préleveurs n’incorpore de façon significative dans la décision courante l’effet de la recharge sur les stocks futurs de la ressource. Ceci correspond au comportement théorique myope ; il faut remarquer cependant que les légers changements observés dans les prélèvements initiaux des deux types vont dans le sens contraire de la prédiction théorique rationnelle. En effet, quand la recharge augmente, des préleveurs rationnels, en anticipant des stocks futurs plus élevés, vont extraire moins au début pour profiter pleinement de l’abondance future de la ressource.

OBSERVATION 4.2 : Pour une recharge naturelle inférieure à 380 unités, les prélèvements individuels pour les deux règles diminuent jusqu’à la répartition égalitaire de la recharge et restent stables à ce niveau jusqu’à la fin de l’horizon temporel. Si la recharge excède 380 unités, les prélèvements individuels augmentent jusqu’à la répartition égalitaire de la recharge mais décroissent ensuite.

La Figure 4.6 (page 190) montre que lorsque la recharge est faible, les prélèvements décroissent fortement au cours des premières périodes, pour se stabiliser autour de la répartition égalitaire de la recharge (avec de légères variations) par la suite. Au fur et à mesure que la recharge augmente, les trajectoires de prélèvement s’approchent d’une ligne droite. Mais, quand la recharge est très élevée la trajectoire suit une courbe en U inversée.

Pour étudier l’impact de la distribution de la richesse sur l’efficience de l’exploitation et des politiques publiques, nous effectuons des simulations à partir du paramétrage exposé dans le Tableau 4.3 (page 187) et une recharge naturelle égale à 60 unités par période. Nous avons choisi cette valeur pour la recharge pour deux raisons. Premièrement, ce choix précise la rareté relative de la ressource comparativement aux paramètres utilisés dans les expériences : nous avons doublé le stock initial, le nombre de préleveurs, et la recharge. Deuxièmement, cette valeur est relativement faible, impliquant une surexploitation de la ressource dans les premières périodes pour converger vers un pseudo état stationnaire dans la suite et jusqu’à la fin de l’horizon temporel (Figure 4.6).

CemOA

: archive

ouverte

d'Irstea

La Figure 4.7 (page 191) montre les prélèvements individuels pour chaque type de la population, ainsi que les trajectoires théoriques issues des stratégies myope, rationnelle et optimum. Les trajectoires QM, PP, myope et rationnelle se ressemblent beaucoup : elles démarrent très haut et tendent vers une répartition de la recharge telle que le stock demeure inchangé. La trajectoire optimale est toujours croissante. Dès la période 7, les prélèvements myopes sont égaux à la répartition égalitaire de la recharge entre tous les préleveurs. La trajectoire rationnelle converge plus lentement, ainsi à la fin de l’horizon les prélèvements individuels sont égaux à 7 unités, une unité au-dessus de la répartition égalitaire de la recharge. La population mixte (50% de préleveurs QM et 50% de PP) aboutit à un pseudo état stationnaire vers la période 6, c’est-à-dire que le stock de la ressource demeure constant. Bien que la recharge soit totalement consommée, elle n’est pas répartie de façon égalitaire entre les deux types de préleveurs : les QM prélèvent 8 unités chacun et les PP seulement 4 unités. En terme d’efficience (richesse accumulée à la fin de l’horizon par rapport à la stratégie optimum), la population mixte réalise 45% en moyenne (48% pour les préleveurs QM et 42% pour les PP), presque aussi bien que la stratégie rationnelle (49%). La stratégie myope reste toujours la moins efficiente avec 34%.

Dans la Figure 4.8 (page 191), les trajectoires de prélèvement QM et PP sont comparées avec les prédictions conditionnelles des comportements théoriques myope, rationnel et optimum. Sauf pour les deux dernières périodes, les prélèvements des deux types sont supérieurs à la prédiction conditionnelle optimum. Cependant, l’exploitation par la population mixte résulte dans une trajectoire pour le stock de la ressource qui permet aux stratégies myope et rationnelle de prélever plus.

CemOA

: archive

ouverte

d'Irstea

(a)

(b)

Figure 4.6 : Prélèvements individuels versus la recharge naturelle. Figure 4.6a règle Quasi Myope et Figure 4.6b règle Prévoyant Perturbé

CemOA

: archive

ouverte

d'Irstea