• Aucun résultat trouvé

Analyse désagrégée des déterminants de la demande de transport en commun dans la région de Québec

N/A
N/A
Protected

Academic year: 2021

Partager "Analyse désagrégée des déterminants de la demande de transport en commun dans la région de Québec"

Copied!
92
0
0

Texte intégral

(1)

Analyse désagrégée des déterminants

de la demande de transport en commun

dans la région de Québec

Mémoire

Nicolas Bernatchez

Maîtrise en économique

Maître ès arts (M.A.)

Québec, Canada

(2)

Analyse désagrégée des déterminants

de la demande de transport en commun

dans la région de Québec

Mémoire

Nicolas Bernatchez

Sous la direction de:

Philippe Barla, directeur de recherche Carlos Ordás Criado, codirecteur de recherche

(3)

Résumé

L’objectif de ce mémoire est d’identifier et de quantifier les déterminants individuels de la demande de transport en commun pour les déplacements domicile-travail à l’heure de pointe dans la région de Québec. En particulier, la recherche évalue l’effet du revenu des ménages sur l’utilisation de l’autobus. L’apport principal de la recherche est d’analyser conjointement trois décisions qui affectent la mobilité des personnes : 1) le choix d’habiter dans un secteur avec une accessibilité élevée au transport en commun, 2) le choix de posséder un faible nombre de véhicules et 3) le choix d’utiliser l’autobus pour se déplacer au lieu de travail ou d’études. Un modèle probit multivarié est estimé avec les données de l’enquête Origine – Destination 2006 du Ministère des Transports du Québec. Les résultats révèlent la présence de facteurs inobservés qui influencent conjointement ces décisions, ce qui confirme la pertinence d’une modélisation jointe.

Les principaux résultats quantitatifs indiquent que globalement, l’élasticité-revenu de l’utilisa-tion de l’autobus est négative (-0.70) : un niveau de revenu plus élevé augmente la probabilité qu’un individu ait un véhicule à sa disposition et diminue la probabilité qu’il choisisse l’autobus pour aller au travail. Par ailleurs, les résultats montrent que les navetteurs sont plus sensibles aux temps d’attente et de transferts en autobus (élasticité de -1) qu’au temps d’accès à l’arrêt (-0.58), au temps de parcours en autobus (-0.25) et au temps de parcours en voiture (0.14). La faible sensibilité aux temps de parcours indique qu’il faut une diminution importante du temps nécessaire pour effectuer un trajet en autobus par rapport au temps de déplacement en voiture pour qu’un automobiliste choisisse l’autobus.

(4)

Table des matières

Résumé iii

Table des matières iv

Liste des tableaux vi

Liste des figures vii

Remerciements viii

Introduction 1

1 Revue de littérature 4

1.1 Mise en contexte . . . 4

1.2 Approche agrégée vs désagrégée . . . 7

1.3 Possession de véhicules et choix modal . . . 8

1.4 Localisation résidentielle et choix modal . . . 10

1.5 Localisation résidentielle, possession de véhicules et choix modal : analyses à trois dimensions . . . 12

2 Données 17 2.1 Sources des données . . . 17

2.2 Échantillon pour la modélisation . . . 18

2.3 Variables et statistiques descriptives . . . 19

3 Méthodologie 22 3.1 Dimensions de choix . . . 22

3.2 Probit multivarié (triprobit) . . . 26

3.3 Robustesse des estimations . . . 29

3.4 Triprobit récursif . . . 32

3.5 Spécifications du modèle . . . 35

4 Estimation et résultats 37 4.1 Interrelations entre les choix . . . 37

4.2 Déterminants de la demande de transport en commun . . . 42

4.3 Performance des modèles et limites de l’analyse . . . 52

(5)

A Notes mathématiques 56

A.1 Distribution des termes d’erreur . . . 56

A.2 Probabilités jointes (triprobit) . . . 57

A.3 Probabilités jointes (modèle récursif) . . . 59

B Tests d’homoscédasticité 62

C Tableaux de résultats 65

D Prédiction des probabilités jointes 73

E Localisation des logis 75

(6)

Liste des tableaux

1.1 Sommaire des élasticités dans Holmgren (2007) . . . 7

2.1 Présentation des variables explicatives et statistiques descriptives . . . 19

3.1 Corrélation tétrachorique entre les dimensions de choix . . . 26

4.1 Résultats de l’estimation des modèles concernant les coefficients de corrélation et les paramètres des variables endogènes . . . 38

4.2 Distribution des combinaisons dans l’échantillon. . . 42

4.3 Élasticités-temps de l’utilisation de l’autobus : modèle récursif complet . . . 43

4.4 Élasticités-temps de l’utilisation de l’autobus : modèle récursif avec indépen-dance des équations . . . 43

4.5 Élasticité-revenu de l’utilisation de l’autobus . . . 48

B.1 Modèle hétéroscédastique : choix de localisation résidentielle . . . 63

B.2 Modèle hétéroscédastique : choix de possession de véhicules . . . 63

B.3 Modèle hétéroscédastique : choix modal . . . 64

C.1 Résultats de l’estimation des quatre modèles. . . 65

C.2 Résultats de l’estimation d’un modèle récursif complet avec indépendance des équations . . . 68

C.3 CCR : Correct Classification Rate . . . 70

C.4 CCR par dimension de choix . . . 71

D.1 Résultats des combinaisons de spécifications et des prédictions de probabilités jointes . . . 74

(7)

Liste des figures

1.1 Schéma de la mobilité . . . 6

3.1 Accessibilité du transport en commun au domicile : distribution des logis selon

l’indice TC . . . 23

3.2 Disponibilité d’une automobile pour se déplacer : distribution des logis selon le

ratio de véhicules par personne . . . 24

3.3 Distribution des déplacements selon le mode de transport utilisé . . . 25

3.4 Modèles indépendant, triprobit standard, récursif limité et récursif complet . . 35

3.5 Modèle récursif complet avec indépendance des équations . . . 36

4.1 Schéma des interrelations entre les choix selon les résultats du modèle récursif

complet . . . 39

4.2 Probabilité marginale moyenne du choix de l’autobus selon l’âge des individus

de l’échantillon . . . 46

4.3 Probabilités jointes moyennes du choix de l’autobus par classe de revenu . . . . 50

(8)

Remerciements

Ce mémoire représente l’aboutissement d’un travail soutenu par plusieurs personnes qui mé-ritent de sincères remerciements. Je souligne tout d’abord la contribution de mon directeur de recherche, Monsieur Philippe Barla. Sa rigueur est exemplaire et il aura été un sage ac-compagnateur tout au long de mes recherches. Sa disponibilité et la qualité de ses suivis ont grandement contribué à la réalisation du projet. Je le remercie de la confiance qu’il m’a témoigné et du savoir-faire en recherche qu’il m’a inculqué au fil des rencontres. Je remer-cie également mon codirecteur de recherche, Monsieur Carlos Ordás Criado. Dans le cadre des cours d’économétrie et de microéconométrie, il m’a transmis de précieuses connaissances concernant le développement du modèle pour le projet et l’interprétation des résultats. Je dois aussi souligner l’enseignement et la collaboration de Monsieur Ricardo A. Daziano. Je lui dois ma bonne compréhension des fondements des modèles appliqués à la demande en transport. Merci au Conseil de recherches en sciences humaines (CRSH) et l’Institut Hydro-Québec en environnement, développement et société pour leur soutien financier. Je remercie également les collaborateurs du projet qui ont contribué de près ou de loin à son succès : Luis Miranda-Moreno et Amir Zahabi de l’Université McGill, Pierre Tremblay et Éric Martel-Poliquin du Ministère des Transports du Québec, Jean Dubé de l’ÉSAD (Université Laval) et Nathalie Lolo Minanga de l’Université Laval.

Je témoigne de toute ma reconnaissance et de mon affection à mon conjoint qui a été in-conditionnellement présent pour moi. Le temps et l’énergie que j’ai consacré sans compter à mes études en économique constituaient un sacrifice pour lui également. Il a partagé avec moi l’intensité de ce travail de longue haleine et m’a soutenu tout au long de ces cinq années d’études. Je remercie aussi mes parents qui ont toujours donné la priorité à l’instruction de leurs enfants afin qu’ils aient toutes les chances de bien réussir dans la vie. Leur générosité est remarquable. Les derniers remerciements mais non les moindres s’adressent à mes collègues et amis en économie. En particulier, l’esprit de collaboration et la complicité que nous avons développé et les rires que nous avons partagé au local 2125 font partie de mes meilleurs sou-venirs à l’Université Laval. Merci à Jérémie Dorval pour l’entraide que nous avons pu nous offrir dans la réalisation de nos projets respectifs.

(9)

Avertissement

Les collaborateurs cités précédemment ont joué un rôle important dans la réalisation du projet et j’en suis reconnaissant. J’ai toutefois mené seul l’ensemble des analyses qui sont présentées dans ce mémoire. J’assume donc l’entière responsabilité de ce qui est présenté dans ce document et surtout, de toute erreur ou omission.

(10)

Introduction

À l’instar de nombreuses villes en Amérique du Nord et ailleurs autour du globe, la ville de Québec s’est développée au cours des dernières décennies de manière à accommoder et favoriser les déplacements en automobile. S’il fut une époque où l’expansion des infrastructures routières se présentait comme une solution optimale à la mobilité urbaine, les externalités négatives provenant du transport routier remettent aujourd’hui en question notre rapport à l’automobile. En effet, les déplacements en voiture occasionnent des coûts importants pour la société en contribuant à la congestion routière, à l’émission de polluants atmosphériques, aux accidents de la route et aux changements climatiques (Commission de l’écofiscalité du Canada,2015;Parry et collab.,2007). Par exemple, en 2007, le temps nécessaire le matin ou le soir pour traverser la ville de Québec en voiture via les autoroutes était supérieur de plus de 61 % au temps requis en période hors pointe (Ville de Québec, 2011).1 En plus d’accroître les émissions de gaz à effet de serre, ce surtemps consacré aux déplacements génère une perte de productivité dans l’économie liée, entre autres, aux retards et à la surconsommation de carburant. Transports Canada estime entre 37,5 et 68,4 millions de dollars le coût total de la congestion routière dans l’agglomération de Québec en 2001 (Transports Canada,2006). Au Québec en 2012, 35 % des émissions totales de gaz à effet de serre provenaient du transport routier (MDDELCC,2015). L’attachement profond à l’automobile est néanmoins compréhensible. Un véhicule privé offre une forme d’indépendance et de liberté qui procure des avantages concrets aux individus et leur ménage. Les trajets en automobile sont généralement plus flexibles, plus confortables et souvent plus rapides que les déplacements effectués avec un autre mode de transport. Par ailleurs, bien que nos habitudes de transport présentent des aspects nuisibles pour l’environnement et la collectivité, la mobilité des personnes demeure essentielle au développement économique et social d’une région.

C’est dans ce contexte que le concept de mobilité durable s’est graduellement inséré dans les stratégies de développement élaborées par les administrations publiques. Au Québec, la Stratégie nationale de mobilité durable (Ministère des Transports du Québec, 2014c) mise en particulier sur le transport en commun (ou transport collectif, transport public) pour

1. Le parcours évalué correspond à la distance entre le pont de l’Île-d’Orléans et le pont Pierre-Laporte. Le temps requis hors pointe correspond au temps de déplacement en effectuant le trajet au maximum des limites de vitesse légales.

(11)

réduire les impacts négatifs des déplacements urbains sur l’environnement et la société. Le développement du transport en commun est également un élément central du Plan de mobilité durable pour l’agglomération de Québec. L’objectif est d’atteindre d’ici 2030 une part modale du transport en commun de 26 % à l’heure de pointe (Ville de Québec, 2011). Cette part était de 12,7 % en 2001 et de 14,9 % en 2011 (Ministère des Transports du Québec,2014b). Puisque l’objectif est ambitieux, il apparaît pertinent de bien comprendre les déterminants de la demande de transport en commun dans la région de Québec afin d’identifier les pistes d’intervention les plus efficaces pour en accroître l’usage.

Objectifs de recherche

Ma recherche a pour objectif d’identifier et de quantifier les déterminants individuels de la demande de transport en commun pour les déplacements domicile-travail dans la région de Québec grâce à l’estimation d’un modèle économétrique. Le modèle retenu pour l’analyse est un probit multivarié à trois équations (triprobit) estimé avec les données de l’enquête Ori-gine – Destination (O-D) 2006 du Ministère des Transports du Québec. L’apport principal de la recherche est d’analyser conjointement trois décisions interdépendantes qui affectent la mobilité des personnes, soit le choix de localisation résidentielle, le choix de possession de véhicules et le choix modal, c’est-à-dire le mode de transport utilisé pour effectuer un dépla-cement. Plus précisément, ces décisions sont évaluées sous forme binaire : 1) l’individu choisit avec son ménage un lieu de résidence avec une accessibilité au transport en commun faible ou élevée ; 2) l’individu choisit avec son ménage de posséder un nombre de véhicules automobiles faible ou élevé ; 3) l’individu choisit d’utiliser le transport en commun ou l’automobile pour se déplacer jusqu’à son lieu de travail ou d’études à l’heure de pointe du matin. Étant donné les contraintes méthodologiques qui seront présentées dans ce mémoire, encore peu d’études modélisent conjointement plus de deux dimensions de choix. Je n’ai relevé qu’une seule étude canadienne à trois dimensions (Abraham et Hunt,1997). Par ailleurs, il y a peu d’études de choix modal spécifiques au transport en commun dans la région de Québec.2

Mon projet de recherche s’inscrit dans une période particulièrement intéressante quant au développement du transport en commun dans la région de Québec. En 2011, le Plan de mo-bilité durable proposait à moyen terme l’implantation d’un réseau de tramway. Or, l’étude de faisabilité publiée à l’hiver 2015 a mené les villes de Québec et de Lévis à favoriser dans un premier temps la mise en place d’un service rapide par bus (SRB), c’est-à-dire un service à haute fréquence sur des voies réservées (Ville de Québec, 2015). Il semble donc pertinent d’analyser les déterminants de l’utilisation du réseau actuel d’autobus pour tenter d’évaluer les impacts du projet.

2. L’enquête O-D donne tous les cinq ans un portrait global de la mobilité à Québec (Ministère des Trans-ports du Québec,2008).Bourel(2005) utilise les données de 1991, 1996 et 2001 pour analyser le report modal suite à l’introduction du Métrobus en 1992. Bachiri(2005) s’intéresse au transport actif chez les adolescents. Alexandre (2011) s’intéresse aux utilisateurs d’autopartage. Barla et collab.(2015) utilisent une enquête en ligne pour évaluer les impacts de stratégies de gestion de la demande de transport à l’Université Laval.

(12)

En particulier, la recherche évalue les éléments suivants :

— l’effet sur la demande d’autobus urbain de la proximité des arrêts, des temps d’attente et de transferts et des temps de parcours ;

— l’effet des caractéristiques socioéconomiques des individus et des ménages sur leur choix de lieu de résidence, de possession de véhicules et de mode de transport ;

— les interrelations entre le choix de localisation résidentielle, le choix de possession de véhicules et le choix modal ;

— le rôle du revenu sur la probabilité de faire des choix qui favorisent l’utilisation du transport en commun (c.-à-d. l’autobus urbain).

Une attention particulière est accordée au dernier élément, lequel peut être reformulé par une simple question : l’autobus est-il un « bien » inférieur à Québec ? Un bien est dit « inférieur » si la demande pour ce bien diminue suite à une augmentation du revenu des consommateurs. Le transport en commun est souvent présenté dans la théorie économique comme un exemple de bien inférieur (p. ex. Mankiw et Taylor,2010, chapitre 21). En effet, l’idée selon laquelle les utilisateurs du transport en commun sont principalement des personnes à faible revenu est répandue. Le choix de l’autobus ne serait optimal qu’en raison d’une forte contrainte budgétaire et conséquemment, une augmentation du niveau de vie constituerait un frein au développement du transport en commun. Les résultats de ma recherche tendent à confirmer cette affirmation.

La suite du mémoire est composée de quatre chapitres. Le chapitre 1 contient une mise en contexte et une revue de la littérature pertinente. Les études présentées donnent un tour d’horizon de l’analyse du choix modal et justifient mes choix méthodologiques. Le chapitre 2

présente en détail les données utilisées pour la recherche. Le chapitre 3 présente la métho-dologie, incluant une description détaillée des trois dimensions de choix et des fondements théoriques du modèle économétrique. Il contient aussi une discussion sur la robustesse des résultats. Finalement, je procède à l’estimation du modèle et je présente au chapitre 4 les résultats, leur interprétation et leurs implications.

(13)

Chapitre 1

Revue de littérature

La mobilité urbaine est un concept large qui exige souvent une analyse de nature interdiscipli-naire. Elle contient, par exemple, des aspects liés à l’ingénierie, à l’urbanisme et à l’économie. Conséquemment, la littérature sur la demande de transport en milieu urbain est vaste et se décline sous de nombreuses formes quant aux intérêts de recherche et aux approches métho-dologiques. La revue de la littérature pour cette recherche vise à faire un tour d’horizon de l’analyse du choix modal et se concentre sur certains éléments clés qui orientent ma recherche, soit les déterminants du choix du transport en commun et les interrelations entre le choix de localisation résidentielle, le choix de possession de véhicules et le choix modal.

Ce chapitre est divisé en cinq sections. La première est une mise en contexte qui décrit som-mairement les liens entre la localisation résidentielle, la possession de véhicules et le choix modal. Elle contient une description générale de ces dimensions et présente un schéma de leurs interrelations qui permet de comprendre la structure et les résultats des modèles estimés dans la littérature et dans ma recherche. La seconde section établit une distinction entre la nature agrégée ou désagrégées des études. Les élasticités-revenu de la demande de transport en commun provenant d’analyses agrégées y sont présentées. La troisième section présente plus en détail la littérature sur l’analyse jointe de la possession de véhicules et du choix modal. La quatrième section s’intéresse à l’analyse jointe de la localisation résidentielle et du choix modal. Finalement, la cinquième section présente des études qui modélisent la localisation résidentielle, la possession de véhicules et le choix modal ou qui contiennent une méthodologie permettant de modéliser conjointement trois dimensions, comme le modèle probit multivarié.

1.1

Mise en contexte

Il est utile en premier lieu de donner une définition générale des trois dimensions de la mobilité étudiées. Tout d’abord, le choix modal se définit simplement comme le mode de transport ou la combinaison de modes de transport choisis par un individu pour effectuer un déplacement. Il peut s’agir de modes motorisés privés comme l’automobile, de modes de transport en

(14)

com-mun comme le métro ou l’autobus, de modes de transport actif comme le vélo ou la marche ou de tout autres modes de transport (taxi, traversier, etc.). Plusieurs études sur le choix mo-dal s’intéressent à la dualité entre l’utilisation d’une automobile et l’utilisation du transport en commun pour les déplacements domicile-travail (p. ex. Zahabi et collab., 2012; Vega et Reynolds-Feighan,2008;Asensio,2002;De Palma et Rochat, 2000;Train,1980;Abraham et Hunt,1997;Lerman,1976).

Ensuite, le choix de possession de véhicules fait référence à la quantité de véhicules possédé par un individu, un ménage ou une population. La possession de véhicules peut être mesurée sur une échelle discrète ou continue. Par exemple, le nombre de véhicules que détient un individu ou un ménage (0, 1, 2, etc.) est une mesure discrète. Le taux de motorisation, soit le rapport entre le nombre total de véhicules et la population d’un territoire donné, est un exemple de mesure continue. Le ratio du nombre de véhicules sur le nombre de personnes dans un logis est aussi une mesure continue caractérisant, à un niveau désagrégé, la possession de véhicules. Dans cette recherche, le terme « véhicule » fait référence à l’automobile et inclut les fourgonnettes et les camionnettes.

Finalement, la localisation résidentielle représente le lieu de résidence choisis par un individu ou son ménage. Les alternatives pour ce choix sont difficiles à définir puisqu’elles sont nom-breuses et abstraites. La notion de « quartier » est un ensemble complexe de caractéristiques des bâtiments, des infrastructures, de la démographie, des classes sociales, des services publics, de l’environnement, de l’accessibilité, de la politique, des réseaux sociaux et d’une dimension sentimentale (Galster,2001). Ainsi, les limites d’un quartier sont floues et changent en fonction de la perception des individus. Les découpages administratifs comme les arrondissements et les aires de diffusion (AD) risquent d’être partiellement incohérents avec la représentation que se font les ménages de leur voisinage. Cependant, la nature arbitraire d’une segmentation du territoire est inévitable et les découpages administratifs sont souvent utilisés en recherche. Ils ont l’avantage d’être largement disponibles et ils sont généralement cohérents avec les éléments géographiques du territoire.1 Le choix de localisation résidentielle est aussi communément re-présenté par des indicateurs de forme urbaine. Par exemple,Miranda-Moreno et collab.(2011) utilisent la densité de population, un indicateur de la mixité de l’aménagement du territoire et un indicateur de l’accessibilité au transport en commun pour définir cinq classes de quartiers dans la région de Québec. La localisation résidentielle est donc représentée par le choix d’un type de voisinage plutôt que par le choix d’un emplacement précis. La densité résidentielle est la mesure de forme urbaine la plus utilisée pour caractériser la localisation résidentielle puisqu’il s’agit d’une mesure facilement accessible, qui est fortement corrélée avec d’autres in-dicateurs de l’environnement urbain et qui peut être obtenue de façon cohérente et constante

1. VoirGuo et Bhat(2004) pour une introduction au problème d’aire spatiale modifiable (MAUP : Modifiable Areal Units Problem) et ses implications pour la modélisation du choix de localisation résidentielle. VoirVoisin et collab. (2010) pour une évaluation de la pertinence des découpages administratifs avec une application empirique sur le marché résidentiel de la ville de Québec.

(15)

dans le temps et l’espace (Brownstone et Golob,2009). Différentes mesure d’accessibilité en transport en commun sont aussi utilisées pour caractériser la localisation résidentielle (voir

Ewing et Cervero,2010,2001).

Schéma de la mobilité

Les choix de localisation résidentielle, de possession de véhicules et de mode de transport sont expliqués en partie par des caractéristiques observables comme le statut socioéconomique des individus (revenu, statut d’emploi, etc.) et les attributs des alternatives (par exemple, le temps de déplacement en autobus versus celui en voiture). Ces choix peuvent aussi s’influencer direc-tement. Par exemple, le choix d’habiter dans une zone dense du centre-ville pourrait induire une réduction de la possession de véhicules. Inversement, le choix de posséder plusieurs véhi-cules pourrait favoriser une localisation résidentielle en périphérie de la ville. Finalement, ces choix peuvent aussi être déterminés par des caractéristiques inobservées comme les attitudes personnelles, les perceptions et les préférences quant au mode de vie. La figure 1.1 présente un schéma de ces interrelations.

Figure 1.1 – Schéma de la mobilité

Les caractéristiques observées des individus et des alternatives sont intégrées dans les mo-dèles économétriques comme des variables exogènes. Les trois dimensions de la mobilité sont les variables endogènes que les modèles tentent d’expliquer. Celles-ci peuvent être interreliées comme l’illustrent les flèches (→ et99K) dans le schéma. Finalement, les caractéristiques inob-servées sont captées par les termes d’erreur des modèles (εi). Puisqu’une même caractéristique inobservée peut influencer plusieurs dimensions de choix simultanément, il est possible que les termes d’erreur des différents modèles soient corrélés (Σ). Une analyse complète selon ce

(16)

schéma nécessite donc un modèle qui tient compte de tous les liens directs (→ et 99K) et indi-rects (εi et Σ) entre les trois choix. Malheureusement, plusieurs contraintes méthodologiques limitent l’estimation d’un modèle aussi complexe. Les études présentées dans la littérature modélisent plutôt des sous-ensembles des relations exposées dans ce schéma en se concentrant sur certains aspects en particulier. Les principaux résultats de ces études sont introduits dans la suite du chapitre.

1.2

Approche agrégée vs désagrégée

Tout d’abord, il y a une distinction fondamentale entre les études sur la mobilité selon qu’il s’agit d’une approche agrégée ou désagrégée. Les études fondées sur des données agrégées modélisent le comportement d’une population à partir de ses caractéristiques globales. Par exemple, le revenu est évalué avec le produit intérieur brut d’une nation et le choix de mode de transport est évalué par le nombre total de passages enregistrés sur un réseau de transport en commun. À l’inverse, l’approche désagrégée considère directement les choix individuels et les caractéristiques personnelles de chaque individu d’un échantillon. Ce niveau plus fin d’analyse présente plusieurs avantages par rapport à l’approche agrégée, comme le soulignent

Koppelman et Bhat(2006). Les auteurs affirment par exemple que l’étude de données désagré-gées permet de mieux cibler les caractéristiques des alternatives de choix qui sont importantes pour les décideurs et que les résultats se transfèrent plus facilement à d’autres contextes spatio-temporels. Mon projet de recherche s’inscrit dans le cadre de cette approche, tout comme la grande majorité des études présentées ci-après dans les autres sections de la revue de la lit-térature. Néanmoins, les données agrégées ont été abondamment utilisées en recherche et les résultats apportent un éclairage intéressant sur la demande de transport en commun.

En effet, les études agrégées présentent généralement des estimations de l’élasticité de la de-mande de transport en commun par rapport au prix des titres de transport, à l’offre de service (véhicules-kilomètres), à la possession de véhicules et au revenu. L’analyse de l’élasticité-revenu de la demande est particulièrement intéressante puisqu’elle caractérise directement la nature normale (élasticité positive) ou inférieure (élasticité négative) du transport en com-mun. Holmgren(2007) synthétise les résultats de plusieurs études (le nombre exact n’est pas mentionné dans l’article) de différents pays et procède à une méta-analyse pour expliquer la grande variabilité des résultats. Ces élasticités sont présentées au tableau 1.1ci-dessous.

Tableau 1.1 – Sommaire des élasticités dans Holmgren (2007)

Synthèse des études Méta-analyse Élasticités de la demande de transport en commun Min. Moyenne Max. CT LT

Revenu -0.82 0.17 1.18 -0.62

Possession de véhicules -3.37 -0.86 0 -1.48

Prix -1.32 -0.38 -0.009 -0.75 -0.91

Offre (kilomètres-véhicules) 0.075 0.72 1.88 1.05 1.38

(17)

Ces résultats suggèrent que le transport en commun est un bien inférieur (élasticité-revenu de -0.62), c’est-à-dire que la demande diminue avec l’augmentation du revenu. De plus, les résultats révèlent que la demande de transport en commun est très sensible à la possession de véhicules (élasticité de -1.48). En fait, le revenu et la possession de véhicules agiraient conjoin-tement sur la demande puisqu’ils sont intimement liés. En effet, plusieurs études empiriques (agrégées ou désagrégées) montrent que le niveau de revenu est un déterminant majeur du nombre de véhicules possédés par un ménage ou une population (p. ex. Brownstone et Fang,

2014; Nolan,2010;Chu,2002; Dargay,2001). En particulier, c’est le cas au Canada dans la région de Hamilton (Potoglou et Kanaroglou, 2008), une agglomération dont la taille de la population est similaire à celle de Québec. Par ailleurs, dans une synthèse de la littérature,

Paulley et collab. (2006) notent qu’une hausse du revenu augmente la fréquence et la durée des déplacements, ce qui peut avoir un effet positif sur l’utilisation du transport en commun pour les groupes à faible revenu. Toutefois, elle favorise aussi la possession de voitures pour les groupes avec un revenu plus élevé, ce qui aurait un effet négatif sur l’utilisation du transport en commun. L’effet net d’une augmentation du revenu peut donc varier selon le niveau de revenu. Néanmoins, dans le cas de l’autobus, en incluant l’effet indirect de la possession de véhicules, les auteurs concluent que l’élasticité-revenu de la demande est comprise entre -0.5 et -1.0 à long terme. L’autobus serait donc un « bien » inférieur.

1.3

Possession de véhicules et choix modal

L’effet négatif de la possession de véhicules sur l’utilisation du transport en commun décrit précédemment suggère une causalité unidirectionnelle entre l’achat d’un véhicule et son utilisa-tion pour se déplacer (possession de véhicules → mode de transport). Or, la relautilisa-tion pourrait aussi être expliquée par des facteurs inobservés, comme la préférence individuelle pour un mode de transport privé, qui influencent simultanément le choix d’un mode de transport et le choix de posséder un véhicule (c.-à-d. des facteurs inobservés déterminent ε2 et ε3, qui

deviennent corrélés : Σ[ε2, ε3]). Cette distinction apparaît plus clairement avec l’analyse de

données désagrégées.

L’interdépendance entre le choix modal et la possession de voitures est soulevée, entre autres, dans une revue d’études désagrégées sur le choix modal au début des années 1980 par Barff et collab. (1982). Les auteurs constatent que la majorité de ces études utilisent la possession de véhicules comme variable indépendante en concluant qu’elle a un fort pouvoir explicatif du choix modal. Ils notent qu’une telle modélisation ne permet pas de bien caractériser les processus de choix sous-jacents. Le choix modal devrait plutôt être vu comme une variable de décision conjointe avec la décision d’acquisition d’un véhicule. Pour contourner ce problème, ils recommandent de segmenter les échantillons sur la base de la possession ou de la disponibilité d’automobiles.

(18)

Plusieurs auteurs optent plutôt pour une modélisation jointe. Par exemple, Train (1980) es-time un modèle logit imbriqué séquentiel pour déterminer les probabilités jointes du choix de posséder un certain nombre de véhicules (0, 1, 2, 3 ou plus) et du choix d’un mode de transport (voiture, bus, train, etc.) pour aller au travail. Le modèle logit imbriqué permet de tenir compte de la simultanéité entre le choix de possession de véhicules et le choix modal à l’aide d’un paramètre qui mesure une forme particulière de corrélation entre ces décisions.2 Le nombre de véhicules détenu par le ménage est aussi inclus comme variable explicative dans l’équation du choix modal. Le modèle de Train suppose donc que le choix modal est en partie déterminé par le choix de possession de véhicules et que ces choix sont aussi en partie détermi-nés simultanément (possession de véhicules → choix modal , Σ[ε2, ε3]). Le modèle est estimé

avec un échantillon de 635 travailleurs dans la région de San Francisco en 1975. Les résultats suggèrent que le revenu des ménages n’a pas d’effet direct significatif sur le choix modal, mais que les ménages à revenu élevé sont plus susceptibles que ceux à revenu faible de choisir de posséder un véhicule ou plus. Bien que le paramètre de « corrélation » est significatif, les résultats concernant la possession de véhicules sont peu affectés par la prise en compte de la simultanéité des choix. En effet, l’estimation du modèle sans ce paramètre donne des résultats très proches du modèle avec corrélation. L’utilisation de modèles indépendants ne causerait donc pas de biais important pour l’analyse de la possession de véhicules. Toutefois, l’auteur ne précise pas si les résultats du choix modal sont affectés par la modélisation simultanée et dans quelle mesure la possession de véhicules influence le choix modal.

Une limitation importante de l’étude de Train (1980) – et d’autres études comme celle de

Thobani(1984) – provient de l’estimation séquentielle de chacun des niveaux du modèle logit imbriqué. Une estimation simultanée des deux niveaux par maximum de vraisemblance à in-formation complète (FIML : full inin-formation maximum likelihood ) serait statistiquement plus efficace, tel que démontré parHensher et Greene(2002).De Palma et Rochat(2000) procèdent à une estimation par FIML d’un logit imbriqué avec des données de 1994 sur le navettage à Genève.3 Les auteurs estiment que la dépendance entre le choix de possession de véhicules et le choix modal est statistiquement significative, mais faible, avec un paramètre de valeur inclusive estimé de 0,188.4 Ils expliquent ce résultat par la qualité générale des transports pu-blics en Suisse et la très forte possession de véhicules à Genève (98 % des ménages possèdent au moins un véhicule). Par ailleurs, les auteurs estiment que les élasticités de l’utilisation de l’automobile par rapport au temps et au coût monétaire de déplacement sont de -0.27 et -0.29

2. C’est un paramètre de valeur inclusive dans ce modèle logit imbriqué (nested logit ) à deux niveaux qui permet d’évaluer si l’utilité des alternatives de mode de transport est évaluée différemment par les ménages avec différents niveaux de possession de véhicules. Ainsi, bien qu’il ne mesure pas directement la corrélation entre les deux dimensions de choix, un paramètre de valeur inclusive statistiquement significatif signifie que ces décisions ne sont pas indépendantes.

3. Contrairement àTrain(1980), les auteurs évaluent uniquement la simultanéité entre les choix de posses-sion de véhicules et de mode de transport, c’est-à-dire que l’ensemble de variables explicatives dans l’équation du choix modal n’inclut pas le nombre de véhicules possédé par le ménage.

4. Le paramètre de valeur inclusive prend normalement une valeur comprise entre 0 (choix totalement indépendants) et 1 (choix parfaitement dépendants).

(19)

respectivement. Pour le transport en commun, ces élasticités sont de -0.61 par rapport au temps de déplacement et -0.43 par rapport au coût. Ces résultats suggèrent que la demande pour l’automobile est relativement inélastique et que les utilisateurs du transport en commun sont en moyenne plus sensibles au temps qu’au coût de déplacement. Les auteurs concluent que des politiques axées sur l’efficacité du transport en commun seraient les plus efficaces pour augmenter l’usage du transport en commun à l’heure de pointe.

Commins et collab. (2010) utilisent une autre approche pour intégrer dans un modèle la simultanéité de la possession de véhicules et du choix modal. À partir d’une enquête nationale irlandaise sur les travailleurs en 2006, ils procèdent à une modélisation jointe de la possession de voitures et du choix modal à l’aide d’un simple modèle logit multinomial. La variable dépendante pour le déplacement domicile-travail est constituée d’une combinaison du nombre de véhicules possédé par le ménage du travailleur et de son choix de mode de transport.5 Cette structure suppose implicitement que ces décisions sont parfaitement jointes. De plus, le modèle inclut la densité de population au domicile comme variable exogène pour expliquer ces décisions (localisation résidentielle → possession de véhicules + choix modal). Les résultats suggèrent que les déterminants significatifs du choix conjoint de possession de véhicules et de mode de transport sont les caractéristiques individuelles du travailleur (âge et sexe), la composition du ménage et la classe sociale à laquelle il appartient, les temps et les coûts de déplacement, l’offre de transport en commun et les lieux de résidence et de travail. Ils concluent aussi qu’en général, le choix d’un mode de transport est plus fortement influencé par le temps de parcours que par le coût monétaire du déplacement. Ces résultats sont cohérents avec ceux obtenus dans d’autres études de choix modal, que la possession de voiture soit traitée simultanément ou non (p. ex.Driscoll et collab.,2013;Vega et Reynolds-Feighan,2008;McDonnell et collab.,

2006; Bourel, 2005;Asensio, 2002). Asensio (2002) apporte toutefois une nuance concernant cet arbitrage temps-coût. Son étude empirique à Barcelone avec des données de 1996 suggère que les individus à faible revenu, contrairement au reste de la population, sont plus sensibles au coût d’un déplacement qu’au temps de parcours.

1.4

Localisation résidentielle et choix modal

D’autres auteurs se concentrent sur la modélisation des interrelations entre le choix modal et la localisation résidentielle. Le quartier de résidence d’un ménage peut se caractériser par trois dimensions : la densité, la diversité et le design (Cervero et Kockelman, 1997). Ces dimensions seraient aussi liées à la mobilité des personnes. Par exemple, un quartier avec une forte densité de population et d’emploi, une mixité des usages (résidences, commerces, bureaux, parcs, etc.) et un aménagement favorable au transport en commun, à la marche et au vélo est généralement moins dépendant à l’automobile. Ce lien est à la base du mouvement d’urbanisme

5. L’ensemble de choix est composé de six alternatives formées d’une paire de choix (nb. véh , mode) : (0 , marche/vélo), (0 , bus/train), (0 , auto/moto), (1+ , marche/vélo), (1+ , bus/train) et (1+ , auto/moto).

(20)

néo-traditionnel qui vise à freiner l’étalement urbain et la dépendance à l’automobile (Katz et collab.,1994).Cervero et Kockelman(1997) utilisent une analyse factorielle avec des données de 1990 dans la région de San Francisco pour tester la présence d’un effet de l’environnement bâti sur la mobilité. Ils concluent que la présence d’une variété de commerces à proximité des résidences et des infrastructures favorables aux piétons sont des facteurs significatifs pour encourager l’utilisation du transport actif ou du transport en commun.

Il importe toutefois de distinguer l’effet causal entre la forme urbaine (densité, diversité, design) et la mobilité du phénomène d’auto-sélection résidentielle. En effet, le choix d’un lieu de résidence et les choix liés à l’utilisation d’un mode de transport peuvent être en partie expliqués par des facteurs communs, observables ou inobservables, comme les carac-téristiques socioéconomiques et les préférences des ménages et des individus (caraccarac-téristiques observées → localisation résidentielle / choix modal , caractéristiques inobservées → Σ[ε1, ε3]).

Ce serait le cas par exemple d’un jeune couple de professionnels appréciant la vie urbaine et les déplacements en transport en commun qui choisit de s’établir au centre-ville et d’utiliser l’autobus pour aller au travail. Dans ce cas, les préférences pour un mode de vie urbain in-fluencent simultanément le choix d’habiter dans un quartier à haute densité résidentielle (donc bien desservi par le transport en commun) et le choix de l’autobus. Il serait erroné dans ce cas de conclure à une simple causalité entre la densité d’un quartier et l’utilisation du transport en commun. Sans le quantifier explicitement, plusieurs auteurs trouvent un effet globalement significatif de l’auto-sélection résidentielle sur la mobilité (p. ex. Manaugh et collab., 2010;

Chen et collab.,2008;Pinjari et collab.,2007). En tenant compte de cet effet d’auto-sélection résidentielle, il resterait une influence significative, mais faible, de la forme urbaine sur la mobilité (voir les synthèses de Ewing et Cervero,2010;Cao et collab.,2009).

Une étude récente dans la région de Montréal (Zahabi et collab.,2012) analyse simultanément le choix modal et le choix d’un type de quartier (zone dense orientée vers le transport en commun, périphérie, etc.) pour les travailleurs résidant à proximité du train de banlieue. Les auteurs utilisent les données de l’enquête Origine – Destination 2003 et estiment un système d’équations simultanées avec une variable latente pour tenir compte de la corrélation (Σ[ε1, ε3])

entre les décisions de localisation résidentielle et de mode de transport. Le modèle permet aussi d’évaluer l’influence du quartier sur le choix modal (localisation résidentielle → choix modal). Les résultats révèlent que le choix de quartier aurait une influence significative sur l’utilisation du transport en commun : un individu qui habite dans le type de quartier le plus urbain (densité élevée, forte accessibilité au transport en commun et mixité élevée de l’environnement) a une probabilité d’utiliser le transport en commun 13 % plus élevée qu’un individu identique qui habite en périphérie de la ville. De plus, les caractéristiques socioéconomiques des individus sont des facteurs importants tant dans le choix d’un quartier que d’un mode de transport. En particulier, l’âge des individus serait un déterminant commun important, les jeunes étant plus susceptibles de choisir un quartier central orienté vers le transport en commun et d’utiliser les

(21)

transports publics. Le nombre de véhicules (supposé exogène dans cette étude) augmenterait la propension à choisir un quartier en périphérie. Le sexe et le revenu auraient une incidence significative sur l’utilisation du transport en commun. Plus précisément, le fait d’être un homme diminuerait en moyenne de 62 % la probabilité d’utiliser le transport en commun et une augmentation du revenu annuel de 10 000 $ diminuerait cette probabilité de 10 % en moyenne. Ces deux derniers résultats sont cohérents avec ceux de Bourel(2005) à partir des enquêtes Origine – Destination de Québec en 1991, 1996 et 2001.

Évidemment, l’auto-sélection résidentielle peut aussi s’appliquer à la relation entre le lieu de résidence et la possession de véhicules. Dans une étude de l’effet de l’environnement bâti sur la mobilité en 2000 dans la baie de San Francisco (comté d’Alameda), Bhat et Guo (2007) trouvent des effets significatifs de l’auto-sélection résidentielle basée sur les caractéristiques so-cioéconomiques des personnes. En particulier, les individus célibataires possèderaient moins de véhicules et auraient une préférence pour les quartiers denses. Dans une autre étude, Browns-tone et Fang (2014) analysent la possession et l’utilisation de véhicules aux États-Unis en contrôlant de manière endogène pour la densité résidentielle à partir d’un système d’équations incluant un probit ordonné bivarié et un tobit censuré. Ils trouvent que la densité résiden-tielle a un effet négligeable sur l’utilisation et la possession d’automobiles, mais qu’elle réduit faiblement la possession et l’utilisation de camions (fourgonnettes, VUS et cammionnettes).

1.5

Localisation résidentielle, possession de véhicules et choix

modal : analyses à trois dimensions

Les études revues jusqu’à maintenant révèlent la présence de différents liens entre la localisation résidentielle, la possession de véhicules et le choix modal, qu’il s’agisse d’une influence directe entre ces dimensions ou d’une simultanéité provenant de facteurs observés ou inobservés. La reconnaissance de ces interrelations entre le choix modal, la possession de véhicules et le choix d’un lieu de résidence oriente la recherche vers la modélisation simultanée et désagrégée de ces trois dimensions. Cependant, c’est une branche de la recherche relativement jeune et les outils microéconométriques usuels ne se prêtent pas aisément à ce type d’analyse. Faute de modèles plus performants ou flexibles, certains auteurs adaptent leur méthodologie pour y parvenir.

Salon (2009) utilise une approche similaire à celle de Commins et collab.(2010) décrite pré-cédemment en estimant un modèle logit multinomial où chaque alternative représente un « ensemble de mobilité ».6 Cet ensemble est composé d’un lieu de résidence parmi 2000 sec-teurs de la ville de New York, d’un nombre de véhicules (zéro, un ou plus d’un) et du choix d’un mode de transport pour se rendre au travail (6 alternatives). Les trois variables endogènes (schéma de la mobilité, figure1.1) sont ainsi réduites à une seule variable et le modèle suppose

6. La méthodologie de Salon, tout comme celle deCommins et collab.(2010), est inspirée des travaux de Lerman et Ben-Akiva(1976) etLerman(1976).

(22)

donc que ces décisions sont parfaitement simultanées. En considérant toutes les combinai-sons possibles, chaque individu peut choisir parmi 36 000 alternatives, ce qui rend l’analyse (estimation et interprétation du modèle) très difficile à réaliser. Pour contourner ce problème, Salon limite le choix de localisation résidentielle de chaque individu à un échantillon aléa-toire de 10 localisations, ce qui permet tout de même, sous certaines hypothèses, d’obtenir des estimations cohérentes (McFadden et collab.,1977).7 Elle évalue qu’un modèle joint des trois dimensions de choix performe mieux que des modèles distincts.8 Les résultats de l’étude révèlent une élasticité de l’utilisation de l’automobile par rapport au temps de déplacement de -0,29 et de -0,07 par rapport au coût de déplacement. Ceci suggère que les New-Yorkais sont plus sensibles au temps de parcours qu’au coût monétaire d’un déplacement pour le travail. Conformément aux résultats généralement obtenus dans la littérature, la demande pour l’au-tomobile semble plutôt inélastique. Cependant, les coûts de stationnement ne sont pas inclus dans l’étude, ce qui induit potentiellement un biais dans les résultats.

Tel que remarqué par Abraham et Hunt (1997), un modèle logit avec des « ensembles de mobilité » implique qu’un changement dans les caractéristiques d’une alternative doit avoir le même effet sur chacune des décisions, ce qui n’est pas nécessairement une propriété dé-sirable. Ils proposent plutôt un modèle logit imbriqué pour analyser avec un échantillon de ménages à Calgary le choix conjoint du lieu de résidence, des lieux de travail et des modes de transport de travailleurs d’un même ménage. Cette approche permet d’obtenir des taux de substitution différents entre deux alternatives de transport selon les lieux de résidence et de travail. Bien que cette étude ne modélise pas de manière endogène la possession de véhicules, la méthodologie est tout de même intéressante. Tout d’abord, le modèle développé permet d’estimer conjointement trois dimensions de choix. De plus, il tient compte de la dépendance entre les choix de localisation résidentielle et le choix modal (Σ[ε1, ε3]) et permet à la

posses-sion de véhicules d’avoir un effet exogène sur ces choix (possesposses-sion de véhicules → localisation résidentielle / choix modal).9 Finalement, les auteurs caractérisent la possession de véhicules de manière continue avec le ratio du nombre de véhicules sur le nombre de personnes dans le ménage, ce qui constitue une mesure de la « disponibilité » de véhicules. Toutefois, l’article contient peu de résultats quantitatifs concernant le choix modal et les auteurs questionnent la validité de certains résultats. Par exemple, la distance parcourue à pied vers un arrêt et le temps d’attente du transport en commun auraient un coût deux fois plus faible pour les navetteurs que le temps de parcours à l’intérieur d’un mode de transport en commun, alors qu’il est attendu que le coût soit au moins aussi élevé.

7. Cette méthode de réduction du nombre d’alternatives est aussi utilisée par d’autres auteurs commeLee et Waddell(2010) etSermons et Koppelman(1998).

8. Chaque alternative combinée est composée de trois décisions qui peuvent être modélisées séparément. Pour chaque alternative réellement choisie par un individu de l’échantillon, l’auteure calcule la probabilité de choix prédite par le modèle joint. Elle calcule aussi le produit des prédictions des modèles séparés. La moyenne des probabilités jointes est supérieure à la moyenne du produit des probabilités séparées (0,061 vs 0,053).

9. Rappel : l’évaluation de la dépendance entre les choix dans un modèle logit imbriqué n’est pas une mesure standard de la corrélation entre les termes d’erreur, mais elle s’interprète de manière analogue.

(23)

Pinjari et collab. (2011) critiquent les limites des modèles logit multinomiaux et logit imbri-qués pour l’analyse multivariée de la mobilité. Ils soulèvent notamment trois aspects impor-tants : 1) les ensembles composites de choix impliquent un trop grand nombre d’alternatives ; 2) les modèles sont difficilement estimables ; 3) il devient impossible de bien distinguer les dif-férents effets et donc, d’interpréter adéquatement les résultats. Ces problèmes sont bien réels. Par exemple,Cervero et Duncan(2008) présentent une méthodologie pour analyser conjointe-ment avec un logit imbriqué à trois niveaux les choix de localisation résidentielle, de possession de véhicules et de choix modal, mais des problèmes d’estimation limitent l’analyse à un mo-dèle à deux niveaux. Salon (2009) a également abandonné l’idée d’estimer un modèle logit imbriqué à trois niveaux en raison de l’incapacité des logiciels disponibles à traiter le volume de données requis par ce modèle.10 Pinjari et ses collaborateurs proposent plutôt un système d’équations simultanées pour modéliser conjointement la localisation résidentielle, la posses-sion de véhicules, la possesposses-sion de vélos et le choix modal. Chaque dimenposses-sion est modélisée par une équation distincte qui peut prendre une forme continue, discrète ou discrète ordonnée. Les équations sont reliées entre elles par une structure complexe de termes d’erreur qui tient compte de toutes les interactions possibles entre ces dimensions. Ainsi, le modèle permet de capter tous les effets directs (→ et 99K) et indirects (Σ) entre la localisation résidentielle, la possession de véhicules et le choix modal. L’estimation du modèle avec un échantillon de plus de 5000 travailleurs dans la région de la baie de San Francisco révèle la présence significative d’effets d’auto-sélection résidentielle, de relations endogènes entre les dimensions de choix et de facteurs inobservés qui influencent simultanément plusieurs dimensions.11

Si la méthodologie de Pinjari et collab.(2011) est effectivement plus complète et flexible que les autres modèles et qu’elle appuie la pertinence de modéliser conjointement les différents choix qui influencent la mobilité des personnes, elle n’en demeure pas moins d’une grande complexité, tant dans l’estimation que dans l’interprétation des résultats. Cependant, leur système d’équations simultanées avec des termes d’erreur permettant de capter les corréla-tions possibles entre chacune des dimensions de choix est résolument attrayant. Une approche analogue, mais plus simple, serait toute indiquée pour analyser de manière cohérente le choix modal tout en facilitant l’estimation du modèle et l’interprétation des résultats. En ce sens, un modèle probit multivarié constitue une solution intéressante. Ce modèle est détaillé dans la méthodologie de la recherche au chapitre 3.

Plusieurs auteurs analysent la détermination jointe de variables endogènes à l’aide d’un modèle probit multivarié. Cette approche permet de modéliser partiellement les relations directes (→) entre les variables endogènes et surtout, de capter les effets indirects liés aux caractéristiques inobservées (Σ) avec un système d’équations simultanées où les termes d’erreur sont librement

10. Dans le cadre de ma recherche, ces difficultés ont aussi été rencontrées. Des tentatives de modélisation par logit multinomial et logit imbriqué se sont avérées infructueuses ou insatisfaisantes. En particulier, la nécessité de simuler les caractéristiques des alternatives a complexifié la méthodologie de manière prohibitive.

(24)

corrélés. Cependant, ce modèle est limité à l’analyse de variables endogènes binaires, c’est-à-dire des variables qui ne peuvent prendre que deux valeurs. Plusieurs applications du modèle pour analyser trois dimensions ou plus sont retrouvées en économie de la santé ou en épidémio-logie. Par exemple, Balia et Jones(2008) analysent conjointement la mortalité, la morbidité et le style de vie. Costa-Font et Gil(2005) étudient les facteurs explicatifs comuns et la corré-lation entre l’obésité et les maladies chroniques comme le diabète et l’hypertension artérielle.

Atella et collab. (2004) analysent simultanément les déterminants de l’accès à un médecin gé-néraliste, un spécialiste dans le secteur public ou un spécialiste au privé. Des applications du probit multivarié existent également dans le domaine des transports. Milioti et collab.(2015) analysent les facteurs qui influencent le choix d’une compagnie aérienne par les voyageurs en tenant compte des relations entre les multiples dimensions de la perception des consommateurs (prix, sécurité, fiabilité, les programmes de fidélité, etc.). Golob et Regan(2002) cherchent à mieux comprendre les déterminants de la demande de technologies de l’information dans l’in-dustrie du camionnage. Ils utilisent un système composé de sept équations, chacune évaluant la propension des entreprises à adopter une technologie en particulier. D’autres études appli-quées au transport existent, mais je n’ai recensé aucune publication s’intéressant aux choix de localisation résidentielle, de possession de véhicules et du choix modal avec une analyse par probit multivarié. Il semble donc que cette avenue reste à explorer.

Pour conclure, il importe de noter qu’à l’exception de l’étude d’Abraham et Hunt (1997), l’ensemble des études de choix modal revues précédemment traitent le lieu de travail comme une variable indépendante des autres dimensions de choix affectant la mobilité. Cette hypo-thèse implicite vise surtout à simplifier la modélisation, puisqu’il est raisonnable de penser que le lieu de travail puisse être affecté par d’autres choix comme le lieu de résidence et les préférences en matière de mobilité. De même, le choix modal est souvent analysé uniquement pour le trajet entre le domicile et le lieu de travail, mais comme le soulignent plusieurs auteurs (p. ex. Pinjari et collab.,2011;Frank et collab.,2008;Ye et collab.,2007), les individus font un choix modal fondé sur l’ensemble de la chaîne de déplacement, incluant le retour à la mai-son et d’éventuels arrêts intermédiaires (pour déposer des enfants à la garderie par exemple). Finalement, un troisième aspect se mérite une attention croissante dans la littérature, soit l’hétérogénéité des préférences. Par exemple, Hess et collab. (2005) estiment un modèle avec des coefficients aléatoires (MMNL : mixed multinomial logit model ) pour modéliser les choix d’un aéroport, d’une compagnie aérienne et d’un mode de transport pour aller à l’aéroport. Les auteurs trouvent une hétérogénéité significative des préférences pour le temps et le coût d’accès en véhicule et une qualité d’ajustement du modèle légèrement supérieure à celle d’un modèle traditionnel à coefficients fixes. Considérer l’endogénéité du lieu de travail, les chaînes de déplacement et l’hétérogénéité des préférences en plus des choix de localisation résidentielle, de possession de véhicules et le choix modal ajoute à la complexité des modèles et pose des défis méthodologiques importants. C’est probablement ce qui explique l’absence dans la litté-rature, pour l’instant, de modèles « complets ». Cela étant dit, estimer un modèle considérant

(25)

simultanément le choix d’un lieu de résidence, le choix de possession de véhicules et le choix modal au niveau du déplacement domicile-travail constitue vraisemblablement une approche plus complète et cohérente qu’un simple modèle de choix modal.

Finalement, plusieurs éléments clés de cette revue de la littérature sont à retenir :

— les choix de localisation résidentielle, de possession de véhicules et de mode de transport ne sont pas indépendants et il est préférable de les modéliser conjointement pour éviter des biais dans l’évaluation des déterminants de la demande de transport en commun ; — en contrôlant pour les facteurs inobservés qui influencent conjointement ces décisions, le

choix de localisation résidentielle aurait un effet significatif, mais faible, sur la possession de véhicules et le choix modal ;

— la possession de véhicules et le choix modal seraient des décisions fortement liées ; — il est préférable d’utiliser des données désagrégées et un modèle qui estime simultanément

tous les paramètres pour bien comprendre les processus de choix des individus ;

— l’ensemble de déterminants observables du choix modal généralement inclus dans les études et ayant un effet significatif sur la mobilité comprend les caractéristiques indivi-duelles (p. ex. l’âge et le sexe), les caractéristiques socioéconomiques du ménage (p. ex. le revenu et la composition du ménage) et les caractéristiques du déplacement analysé selon le mode (p. ex. le temps de parcours et le coût monétaire) ;

— une augmentation du revenu a généralement pour effet de diminuer la demande de transport en commun (c.-à-d. le transport en commun est un bien inférieur) ;

Mon mémoire contribue à la littérature en utilisant un modèle probit multivarié (triprobit) pour analyser simultanément avec des données désagrégées la localisation résidentielle, le choix de possession de véhicules et le choix modal. Ces décisions sont caractérisées sous forme bi-naire : l’individu choisit avec son ménage un lieu de résidence avec une accessibilité au transport en commun élevée ou faible, il choisit avec son ménage de posséder un nombre de véhicules automobiles faible ou élevé et il choisit d’utiliser le transport en commun ou l’automobile pour se déplacer jusqu’à son lieu de travail ou d’études à l’heure de pointe du matin. Le système d’équations développé permet de capter avec la corrélation des termes d’erreur les facteurs inobservés qui influencent conjointement ces décisions et d’évaluer l’effet net de la localisation résidentielle sur la possession de véhicules et le choix modal ainsi que l’influence de la posses-sion de véhicules sur le choix modal (Σ , localisation résidentielle → choix modal / possesposses-sion de véhicules , possession de véhicules → choix modal). De plus, le modèle permet d’évaluer l’effet de caractéristiques socioéconomiques, notamment le revenu des ménages, sur les choix de localisation résidentielle, de possession de véhicules et de mode de transport. Finalement, l’effet des autres déterminants du choix modal peuvent être estimés, à savoir les caractéris-tiques individuelles et les caractériscaractéris-tiques du déplacement effectué.

(26)

Chapitre 2

Données

Avant de présenter en détail au prochain chapitre le modèle retenu pour l’analyse, il est utile de présenter les données avec lesquelles il est estimé. Ce chapitre est divisé en trois sections : la présentation générale des données et des sources de données ; la description du sous-échantillon utilisé pour l’estimation du modèle ; la description détaillée et la présentation de statistiques descriptives des variables explicatives sélectionnées.

2.1

Sources des données

Ma recherche repose essentiellement sur les données de l’enquête Origine – Destination (O-D) menée en 2006 dans la grande région de Québec (Ministère des Transports du Québec,2011). Cette enquête est conduite tous les cinq ans et l’édition la plus récente date de 2011. Toutefois, les données de 2011 n’étaient pas encore disponibles publiquement au moment d’entreprendre cette recherche. Des données complémentaires provenant du Ministère des Transports du Qué-bec et de Statistique Canada sont également utilisées.

L’enquête O-D est une enquête téléphonique réalisée conjointement par le Ministère des Trans-ports du Québec (MTQ), le Réseau de transport de la Capitale (RTC) et la Société de transport de Lévis (STL). Elle a été conduite à l’automne 2006 auprès d’un échantillon aléatoire strati-fié de 33 859 ménages (10,2 % des ménages situés sur le territoire étudié) couvrant 41 villes et municipalités de la région de Québec. L’enquête porte sur les déplacements effectués par chaque individu du ménage le jour ouvrable précédant l’entrevue. Elle fournit des données sur près de 210 000 déplacements individuels incluant notamment les coordonnées géographiques de l’origine et de la destination, le motif du déplacement, le mode de transport utilisé et quelques caractéristiques socioéconomiques sur les individus. Toutefois, l’enquête n’inclut pas de données sur la durée et la distance des déplacements, sur les modes alternatifs disponibles, ni d’informations socioéconomiques sensibles telles que le revenu des ménages et les liens entre les occupants d’une même adresse. L’échantillon brut pour les déplacements domicile-travail à l’heure de pointe du matin comprend 23 170 observations concernant 15 377 ménages.

(27)

Les données sur la durée et la distance des trajets selon que le déplacement est effectué en voi-ture ou en autobus sont obtenues à partir de simulations réalisées par l’équipe du Service de la modélisation des systèmes de transport du MTQ (Ministère des Transports du Québec,2014a) à l’aide du MOTRAQ06 (MOdèle de Transport de la Région de Québec 2006). Les simulations sont basées sur des algorithmes qui calculent pour chaque paire origine-destination le parcours qui minimise le temps de déplacement en tenant compte des contraintes comme la congestion routière (voir Tremblay,2002, pour plus de détails sur les simulations du MTQ). Ainsi, pour chaque observation, nous avons une estimation du temps de déplacement en autobus et en voiture. Les valeurs simulées pour mon projet concernent les déplacements effectués dans les zones urbaines du territoire pendant la période de pointe du matin (PPAM, de 7h00 à 8h59). Finalement, le revenu des individus n’étant pas disponible dans l’enquête O-D, ce sont les données du Recensement de la population de 2006 publiées par Statistique Canada qui sont utilisées. Le revenu moyen d’une aire de diffusion (AD) est imputé aux logis qui se situent à l’intérieur des limites de cette zone géographique. C’est le niveau publiquement disponible le plus désagrégé pour le revenu. La région métropolitaine de recensement de Québec compte 1268 aires de diffusion. Pour obtenir plus de précision et de variation dans les données, six variables de revenu moyen sont extraites du Profil des aires de diffusion du Recensement 2006 (CANSIM), lesquelles correspondent à différents types de ménage.1L’enquête O-D n’est pas la seule source de données sur les déplacements individuels qui nécessite une imputation du revenu. Par exemple, Asensio (2002) estime les revenus des répondants de l’Enquesta de Mobilitat Quotidiana 1996 à partir d’une autre enquête dans la même région. Il impute à chaque individu le revenu brut moyen de citoyens de même âge, sexe et niveau d’éducation.

2.2

Échantillon pour la modélisation

Il est estimé qu’environ 21,3 % des déplacements quotidiens dans la région de Québec sont effec-tués à la période de pointe du matin (PPAM) et que 78 % de ces déplacements sont motivés par le travail ou les études (Ministère des Transports du Québec,2008). 99,4 % des déplacements de l’enquête O-D-2006 sont unimodaux. L’échantillon net pour cette recherche est composé de 14 345 personnes ayant effectué un déplacement unimodal domicile – travail/études entre 7h00 et 8h59 à partir d’une résidence située dans la région métropolitaine de recensement de

1. Les six variables extraites des données du Recensement par aire de diffusion sont le revenu moyen pour les hommes de 15 ans et plus hors famille économique, pour les femmes de 15 ans et plus hors famille économique, pour les familles économiques comptant un couple, pour les familles économiques monoparentales dont le parent est de sexe féminin, pour les familles économiques monoparentales dont le parent est de sexe masculin et pour les ménages privés. Les cinq premières mesures du revenu sont appliquées respectivement aux ménages de l’échantillon O-D-2006 composés d’un homme seul, d’une femme seule, de deux adultes (avec ou sans enfants), d’une femme seule avec enfant(s) ou d’un homme seul avec enfant(s). La dernière variable, le revenu moyen des ménages privés, est la mesure la plus générale : le ménage privé désigne simplement une personne ou un groupe de personnes occupant un même logement. J’impute cette valeur, par aire de diffusion, à tous les autres ménages, ce qui représente 29,5 % des ménages de l’échantillon pour la modélisation. Les mesures de revenu du Recensement 2006 correspondent aux revenus annuels de 2005, en dollars constants de 2005.

(28)

Québec. Les déplacements considérés ont été effectués entièrement en automobile (conducteur ou passager) ou en transport en commun (autobus urbain). Pour chaque déplacement, les temps de déplacement en voiture et en autobus ont été simulés par le MTQ.

2.3

Variables et statistiques descriptives

Les variables pour ce projet ont été sélectionnées en fonction de leur disponibilité et de leur pertinence selon la littérature sur la mobilité. Elles visent à caractériser la situation socio-économique des individus et les conditions de leur déplacement domicile-travail. Le tableau

2.1 présente de façon sommaire ces variables avec leur moyenne dans l’échantillon pour la modélisation. Des précisions sont ensuite apportées pour certaines variables.

Variable Description Moyenne *

Accès TC au domicile Indice TC (accessibilité de l’autobus) à domicile [0 , 627] 92,9 (96,3) Ratio véh/p Ratio du nombre de véhicules par personne dans le logis 0,8 (0,3) Mode : TC = 1 si l’individu a effectué son déplacement en autobus 19,6 % Caractéristiques perso.

Sexe : homme = 1 si l’individu est un homme 46,7 %

Âge Âge de l’individu en années 39,1 (13,2)

Structure du ménage variable = 1 si logis composé...

Pers. seule (35 –) ... d’une personne seule de 35 ans ou moins 2,6 % Pers. seule (36 – 64) ... d’une personne seule de 36 à 64 ans 6,9 % Pers. seule (65 +) ... d’une personne seule de 65 ans ou plus 0,1 % Jeunes adultes en coloc. ... de 3 personnes ou plus de 16 à 35 ans 1,2 % 2 adultes sans enfant (35 –) ... de 2 adultes (35 ans ou +) sans enfant 10,8 % 2 adultes sans enfant (36 - 64) ... de 2 adultes (36 à 64 ans) sans enfant 17,2 % 2 adultes sans enfant (65 +) ... de 2 adultes (65 ans et +) sans enfant 0,6 % Ménage d’adultes majeurs ... exclusivement d’adultes de 18 ans ou plus 21,1 % 2 adultes avec enfant(s) (35 –) ... de 2 adultes (35 ans ou –) avec enfant(s) 6,7 % 2 adultes avec enfant(s) (36 +) ... de 2 adultes (36 ans ou +) avec enfant(s) 17,5 % Ménage monoparental ... d’un(e) adulte seul(e) avec enfant(s) 3,1 % Autre ménage avec enfant(s) ... d’adultes de différents âges avec enfant(s) 12,2 % Revenu moyen du logis Revenu moyen du logis (en milliers de $) 73,4 (30,3) Statut d’emploi

Travail t. complet = 1 si l’individu occupe un travail à temps complet 79,0 % Travail t. partiel = 1 si l’individu occupe un travail à temps partiel 2,9 % Études t. complet = 1 si l’individu est aux études à temps complet 17,5 % Études t. partiel = 1 si l’individu est aux études à temps partiel 0,4 % Autre occupations = 1 si l’individu est retraité, à domicile ou autre 0,2 % Déplacement

Temps d’accès (bus) Temps (en minutes) d’accès de/vers un arrêt d’autobus 6,9 (5,0) Temps d’attente (bus) Temps (en minutes) d’attente et/ou de transfert aux arrêts 11,3 (5,5) Temps de parcours (bus) Temps (en minutes) de parcours à bord de l’autobus 30,6 (19,3) Temps de parcours (voiture) Temps (en minutes) de parcours total en véhicule privé 19,7 (10,3) Accès TC au travail Indice TC au lieu de travail/études 200,2 (168,1) * Moyenne de la variable ou proportion (%) des observations dans l’échantillon. Écarts-types entre parenthèses.

Figure

Figure 1.1 – Schéma de la mobilité
Tableau 1.1 – Sommaire des élasticités dans Holmgren (2007)
Tableau 2.1 – Présentation des variables explicatives et statistiques descriptives
Figure 3.1 – Accessibilité du transport en commun au domicile : distribution des logis selon l’indice TC
+7

Références

Documents relatifs

Dans le long terme, les principaux déterminants de la demande de viande bovine sont.. notamment: le revenu / tête, les prix de la viande ovine et de la volaille,

Dans sa politique pour la promotion du tourisme rural, le Sénégal a insisté sur. la nécessité de conserver

Le cinquième modèle non contraint au niveau des erreurs de mesures (i.e., items MIN8, MIN10 et RPR5), dans les deux groupes de genre, a montré une invariance partielle

Dryad cherche à étendre ce contrat social aux données de recherche en fournissant un modèle de comment un entrepôt de données peut motiver les chercheurs à partager les données

deux groupes selon la cible : 448 personnes ont été interrogées sur leur attitude vis-à-vis des Nord-Africains et 484 sur leur attitude vis-à-vis des Asiatiques. annexe

Environ 18 % des producteurs enquêtés ont déclaré avoir adopté les variétés améliorées de maïs résistantes à la sécheresse, 59 % environ ont pratiqué le semis précoce, 44

La figure 6.10 illustre des r´esultats obtenus pour le suivi de personnes par pr´ediction de mouvement, en utilisant le mod`ele d’ellipse pour l’´etape de d´etection. Dans

Depuis longtemps, les décideurs marketing s’intéressent au cheminement vers l’achat (Path to purchase), processus décisionnel du consommateur qui, appliqué à