• Aucun résultat trouvé

Comparaison de méthodes d'estimation de coûts de production agricoles

N/A
N/A
Protected

Academic year: 2021

Partager "Comparaison de méthodes d'estimation de coûts de production agricoles"

Copied!
58
0
0

Texte intégral

(1)

HAL Id: hal-01172907

https://hal.archives-ouvertes.fr/hal-01172907

Submitted on 6 Jun 2020

HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.

Comparaison de méthodes d’estimation de coûts de production agricoles

Touda Ait M Bark

To cite this version:

Touda Ait M Bark. Comparaison de méthodes d’estimation de coûts de production agricoles. 2009, 57 p. �hal-01172907�

(2)

Académie de Metz-Nancy Université de Metz

Institut Universitaire de Technologie

Département Statistique et Traitement Informatique des Données Promotion 2009

COMPARAISON DE MÉTHODES D'ESTIMATION DE COÛTS DE PRODUCTION

AGRICOLES

Rapport de stage présenté en juin 2009 par

AIT'MBARK Touda

en vue de l'obtention de la Licence Professionnelle Statistique et Informatique Décisionnelle

Option : Application de la Statistique aux sciences de la Vie

Stage effectué à

U

nité

M

ixte de

R

echerche

INRA

-AgroParisTech en économie publique 14, rue Girardet

CS 14 216

54 042 Nancy cedex

(3)
(4)

Académie de Metz-Nancy Université de Metz

Institut Universitaire de Technologie

Département Statistique et Traitement Informatique des Données Promotion 2009

COMPARAISON DE MÉTHODES D'ESTIMATION DE COÛTS DE PRODUCTION

AGRICOLES

Rapport de stage présenté en juin 2009 par

AIT'MBARK Touda

en vue de l'obtention de la Licence Professionnelle Statistique et Informatique Décisionnelle

Option : Application de la Statistique aux sciences de la Vie

Stage effectué à

U

nité

M

ixte de

R

echerche

INRA

-AgroParisTech en économie publique 14, rue Girardet

CS 14 216

54 042 Nancy cedex

(5)

Remerciements

Avant de commencer, je tiens à remercier Monsieur Jean-Pierre Butault, scientifique à l'INRA, pour m'avoir permis de faire un stage très intéressant. Je le remercie également pour la patience, le soutien et l'attention qu'il a pu accorder à mon travail tout au long de cette période.

Je remercie également Guillaume Zardet, ancien étudiant de la licence professionnelle Statistique et Informatique Décisionnelle. Son aide, sa présence et ses réponses à mes nombreuses interrogations m'ont permis d'effectuer un travail sûr et encadré.

Ma reconnaissance s'adresse aussi à Monsieur Jean-Marc Rousselle, informaticien au Laboratoire d'économie Forestière, pour son soutien technique et son amabilité.

Je tiens à remercier tout le personnel du LEF pour leur accueil et leur gentillesse, ce qui m'a permis

d'effectuer un stage très intéressant dans une ambiance de travail très agréable.

(6)

Sommaire

Remerciements...4

Sommaire...5

Introduction...6

I Présentation de l'entreprise...7

II Présentation du contexte et du sujet...8

III Présentation des données...10

Travail préliminaire...10

I Quelques résultats de statistique descriptive...11

II Les intrants: semences, engrais et produits phytosanitaires...15

III Estimation des coûts de productions agricoles...21

IV Application en 2006...24

V Estimations de 2001 à 2006 et choix final...40

Conclusion générale...50

Bibliographie...55

Table des matières...56

Table des annexes...57

(7)

Introduction

Depuis plus de 10 000 années, l'agriculture permet de nourrir l'espèce humaine.

Aujourd'hui, l'agriculture s'inscrit de plus en plus dans un contexte de recherche de gains de productivité et de développement durable. Pour cela les agriculteurs cherchent à optimiser au maximum leurs rendements agricoles et donc augmentent la consommation d'intrants chimiques sur leurs exploitations (azote, produits phytosanitaires). Cette agriculture dite intensive est en revanche très critiquée compte tenu des dégradations de l'environnement dont elle est souvent responsable. L'agriculteur doit garantir une alimentation sereine tout en améliorant la productivité et le rendement mais également assurer le financement de son exploitation. C'est un des principaux objectifs de la PAC.

La Politique Agricole Commune est la plus ancienne et la plus importante des politiques communes de l'UE. Crée par le traité de Rome en 1957, elle a été mise en place en 1962.

Accroître la productivité, assurer un niveau de vie équitable à la production agricole, garantir la sécurité des approvisionnements sont quelques missions de cette dernière. Pour cela, les agriculteurs bénéficient d'aides financières directes (proportionnelles à la superficie de l'exploitation) et indirectes (assurer un prix minimum pour leur production). Par ailleurs le Réseau d'Information Comptable Agricole a été mis en place en 1965 pour évaluer l'impact de la PAC et le revenu des exploitations. Il est l'unique instrument à vocation statistique où sont indiquées les informations financières ou économiques des exploitations dîtes professionnelles.

Le RICA rassemble en outre nombreux pays européens dont la France. L'idée est de disposer de bases de données similaires. L'un des enjeux actuels du RICA est l'estimation des coûts de production agricole essentiellement pour comparer les coûts de chaque état membre.

L'étude porte ici sur l'estimation des coûts de production non pas sur un échantillon du RICA mais sur un échantillon issu d'un centre de gestion de la Meuse. On distingue deux méthodes d'estimation des coûts à savoir la régression linéaire multiple par surface ou par produit. A l'issue des deux régressions on obtient alors des estimations des charges par hectares et des coefficients produits. Le but est de comparer les estimations avec les observations, et choisir au final un modèle dont l'ajustement est optimal. La méthode retenue sera ensuite appliquée sur un échantillon du RICA.

Ce rapport fera l'objet dans une première partie d'une étude exploratoire de l'ensemble

des fichiers de données, essentiellement une étude détaillée sur la consommation des intrants

agricoles des exploitations meusiennes. Puis, dans une seconde partie une présentation des

modèles d'estimations, une comparaison avec les valeurs observées sur la Meuse et enfin le

choix final retenu.

(8)

I Présentation de l'entreprise

L' INRA est le premier institut de recherche agronomique en Europe et le deuxième dans le monde. Organisme de recherche scientifique publique finalisée, il est placé sous la double tutelle du ministère de l'Enseignement supérieur et de la Recherche et du ministère de l'Agriculture et de la Pêche. Ses recherches portent sur l'agriculture, l'alimentation et la sécurité des aliments, l'environnement et la gestion des territoires, avec une perspective de développement durable.

L'Unité Mixte de Recherche (UMR) Économie Publique est rattachée au département Sciences Sociales, Agriculture et Alimentation, Espace et Environnement de l'INRA. Le siège de l'UMR Économie Publique est situé à Grignon, dans la banlieue parisienne. Il est composé essentiellement de chercheurs de l'INRA et d'enseignants de AgroParisTech issus de l'INA-PG (Institut National Agronomique de Paris-Grignon). Y sont menées des activités de recherche en économie appliquée à l'agriculture et à l'environnement, d'enseignement et d'aide à la décision publique. Les recherches concernent essentiellement les politiques publiques et environnementales dans les secteurs agricole et agroalimentaire et sur le commerce international.

AgroParisTech, grande école européenne d'ingénieurs et de managers dans le domaine du

vivant et de l'environnement, est née, le 1er janvier 2007, du rapprochement de l'ENGREF (École Nationale du Génie Rural, des Eaux et des Forêts), l'ENSIA ( École Nationale Supérieure des Industries Agricoles et Alimentaires) et l'INA-P-G (Institut National Agronomique de Paris- Grignon). L'Institut des Sciences du vivant et de l'Environnement AgroParisTech conduit deux missions fondamentales:

la formation d'ingénieurs au cœur d'un dispositif étendu à d'autres cursus académiques.

la production et la diffusion de connaissances (recherche et développement) en partenariat avec les grands organismes de recherche et les principaux centres techniques professionnels pertinents.

AgroParisTech s’est assigné six grands domaines de compétences pour ses enseignants- chercheurs et d'activités pour ses diplômés :

les ressources agricoles et forestières,

l’environnement,

la transformation agro-industrielle,

les biotechnologies,

la distribution,

l’ensemble des services accompagnant l’acte de production et de commercialisation.

L’alimentation des hommes et les préoccupations nutritionnelles, la santé, la prévention des risques sanitaires, la protection de l’environnement, la gestion durable des ressources naturelles et, d’une manière plus générale, la valorisation des territoires sont au cœur de la mission d’AgroParisTech.

Par ailleurs, Jean-Pierre Butault, maître de mon stage est membre de l'UMR Économie Publique et est hébergé dans le Laboratoire d'Economie Forestière (LEF) de Nancy, où j'effectue mon stage.

(9)

II Présentation du contexte et du sujet

Peu après la mise en place de la Politique Agricole Commune, l'Europe s'est inscrit dans un cadre de mise en place d'un réseau d'information comptable agricole (le RICA). Fondé sur des données de comptabilité d'exploitations agricoles européennes, le RICA est l'outil unique de connaissances des agricultures européennes. Il permet chaque année depuis trente cinq ans d'établir un diagnostique précis de la situation financière et économique du secteur agricole européen. Les comptabilités du RICA sont des comptabilités non analytiques (superficies, effectifs d'animaux, quantités produites, répartition de certaines charges par atelier...), on ne connait pas les coûts de production par produit, uniquement sur l'ensemble.

Une question récurrente repose sur l'estimation des coûts de production des principaux produits agricoles à partir des données individuelles des exploitations agricoles de l'échantillon du RICA.

L'étude des coûts de production connait un regain d'intérêt à l'heure où la France et l'Europe sont confrontées à trois défis majeurs:

les réformes successives de la politique agricole commune: dans un contexte de marché unique, la compétitivité relative des filières et régions agricoles(ie les coûts de production) contribuera de plus en plus à la transformation du paysage agricole français et européen. En particulier son impact sur l'évolution des structures (taille des entreprises agricoles, spécialisation des exploitations et des régions) devrait être majeur.

la libéralisation des échanges internationaux: les agriculteurs français deviendront de plus en plus dépendants des conditions présentes non seulement dans le marché européen mais également sur les marchés mondiaux. Ils devront sans doute faire face à une variabilité accrue des prix agricoles. Une étude détaillée des coûts de production permet ainsi d'apprécier les possibilités d'adaptation de l'agriculture française à une concurrence plus vive dans un contexte productif où les instruments de régulation se font de plus en plus à un niveau supranational.

l'élargissement de l'Union Européenne (UE): la comparaison des coûts de production met en évidence les avantages comparatifs des pays membres et permet d'évaluer l'évolution des prix au niveau d'une Union élargie. Ainsi l'estimation des coûts de production devra prendre en compte le changement structurel des exploitations agricoles ( plus important en terme de taille et de localisation) résultant de l'élargissement.

Le RICA rassemble de nombreux pays européens. Le RICA européen et le RICA français sont très similaires. Cette étude se concentre sur les pratiques agricoles des exploitants meusiens . Les bases de données rendent comptent des informations économiques, financières et culturales des exploitants de la Meuse. Ce sont des comptabilités analytiques: on connait les coûts de production par produit.

Le sujet de mon stage porte sur la comparaison des estimations de coûts de production de

6 grandes cultures non pas sur les données du RICA mais à partir de données de coûts, prix de

production et subventions des exploitations agricoles de la Meuse.

(10)

Deux méthodologies distinctes permettent d'estimer les différents coefficients techniques de

production. L'objectif est d'estimer la valeur des intrants utilisés comme facteurs de production

(semence, engrais et produits phytosanitaires) dans chaque culture, de comparer ces estimations

aux valeurs réelles connues, et enfin de déterminer la meilleure méthode d'estimation pour

pouvoir l'appliquer à un échantillon issu du RICA.

(11)

III Présentation des données

Pour réaliser cette étude, je dispose de trois bases de données concernant les exploitations agricoles de la Meuse pour chaque année ( 2000 à 2006):

-le fichier 'veg' (végétaux) contient des informations comptables (charges, produits, subventions, marges, cessions...) et celles relatives à la production (surface cultivée, engrais, semence, produits phytosanitaires...) d'une dizaine de végétaux (blé, orge d'hiver, orge de printemps, colza, diester, maïs grain, pois, tournesol, jachère)(cf annexe une fiche index).

-le fichier 'sfp' (Surface Fourrage Principal) comprend les informations sur les fourrages destinés à nourrir les animaux.

-le fichier 'cta' donne les renseignements généraux relatifs aux exploitations agricoles (forme juridique, amortissements, taxes...) ainsi que les comptes d'exploitation et le bilan.

Les bases de données contiennent des informations comptables et productives d'un certain nombre d'exploitations agricoles, l'effectif diffère selon l'année.

Travail préliminaire

J'ai commencé par effectuer un nettoyage de données des différentes bases (vérification, suppression, création de nouvelles variables). Pour simplifier l'étude sur le logiciel R, j'ai renommé les variables. Les effectifs n'étant pas égaux dans les trois fichiers pour une même année, seuls les individus présents dans les trois tables ont été gardés.

De nouvelles variables ont été crées telles que le rendement (en kg/ha) que l'on obtient en divisant la production (en quintaux) par la surface (en hectares).

Par ailleurs, j'ai du vérifier la concordance entre les fichiers 'cta', 'veg' et 'sfp'. En effet, 'cta' est censé être la somme des deux autres. De grandes différences sont à soulignées pour certaines années. Il a fallu supprimé les 5 % d'individus pour qui la différence était trop grande.

Les bases de données dont on dispose proviennent d'un centre de gestion de la Meuse. Dans les tables 2005 et 2006, nous ne disposons pas de données sur les jachères.

Chaque base 'veg' (2000 à 2004) contient au total 251 variables descriptives ( 25 variables pour 10 cultures + numéro d'identifiant de l'individu ). Les bases 2005 et 2006 comptent elles 226 variables pour 9 cultures.

La table 'sfp' contient 49 variables, divisée en trois parties: 2 parties concernent le Maïs fourrage et la STH (Surface Toujours en Herbe), la troisième est la somme de MF et STH.

On compte 91 variables dans la table 'cta'.

(12)

I Quelques résultats de statistique descriptive

Cette partie a pour but de décrire et explorer les principales variables de l'étude. Le nombre d'exploitants agricoles n'est pas constant entre 2001 et 2006, l'année 2004 est une année particulière, marquée par un nombre faible d'exploitants. En effet, le système comptable étant modifié, l'informatisation des données n'a pas été immédiate.

2001 2002 2003 2004 2005 2006

Nb individus 631 591 559 224 493 449

Tableau 1: Les surfaces en hectares en 2006.

Blé Orge Hiver Orge Printemps Colza Diester

Nombre d'individus par culture 435 329 374 362 280 284

Surface moyenne 42,81 21,05 14,31 21,54 6,63 16,68

Écart type 31,43 18,96 15,81 21,12 7,91 7,94

jachere agro

(13)

a) Les surfaces: le blé, culture dominante.

Graphique 1: Évolution des surfaces moyennes entre 2001 et 2006.

Si l'on considère le nombre d'exploitants, nous constatons que le blé est la culture dominante sur la Meuse suivie de l'orge de printemps et du colza. Le nombre moyen d'hectares cultivés diffère néanmoins entre les productions. Nous pouvons en outre souligner l'importante variabilité des hectares cultivés entre les individus avec des écart types très grands. Pour une surface moyenne de 40,78 hectares cultivés en blé, l'écart type est de 30,63 hectares. Le nombre moyen d'hectares cultivés reste quasiment constant entre 2001 et 2006 exception faite pour 2004. 40 hectares en moyenne ont été cultivés en blé chaque année, soit le double de la surface consacrée à la culture de l'orge et du colza. Le diester est un biocarburant obtenu à partir du colza.

Tableau 2: Dispersion des surfaces.

Les écart types du tableau ci-dessus soulignent une forte dispersion du nombre d'hectares cultivés quelque soit la culture. En effet, la Meuse comprend de très grandes et très petites exploitations. Il est de même utile de constater que les surfaces varient également selon l'année.

La surface en orge d'hiver varie entre 16,8 hectares en 2003 et 21,15 en 2006. Le nombre moyen d'hectares diffère évidemment selon la culture. Le blé reste la culture dominante sur la Meuse sur toute la période, avec une moyenne de 40 hectares cultivés annuellement.

Si les surfaces cultivées diffèrent selon la culture et l'année, il en est évidemment de même pour les rendements, qui connaissent quelques fluctuations sur la période. Les surfaces en céréales progressent, tandis que le rendement tend à se stagner après 2004.

Blé Orge d'hiver Orge de printemps Colza Diester

Moyenne Écart type Moyenne Écart type Moyenne Écart type Moyenne Écart type Moyenne Écart type Moyenne Écart type

2001 40,78 30,63 18,39 17,9 14,64 17,69 21,12 21,75 5,43 7,21 8,29 9,88

2002 43,56 31,79 20,57 18,8 13,07 16,09 20,39 20,9 5,29 7,41 8,47 9,46

2003 42,24 31,41 17,3 16,87 18,77 24,4 19,47 20,55 5,45 7,75 8,58 9,59

2004 37,02 27,7 16,8 16,39 15,12 16,72 17,71 21,12 3,27 5,95 6,12 6,31

2005 42,96 31,27 20,09 19,15 16,2 17,25 20,32 20,7 6,39 7,88 14,48 10,88

2006 43,2 31,13 21,15 18,89 14,46 15,84 21,68 21,05 6,75 7,84 13,82 9,85

Jachere

(14)

b) Répartition des surfaces dans la SAU

Si l'on se concentre sur la répartition des surfaces en fonction de la SAU (Surface Agricole Utile) , nous constatons que la Surface Toujours en herbe

*

représente presque le tiers de la SAU et augmente légèrement en 2006. La surface cultivée en blé représente plus d'un cinquième de la SAU (22,87 % en moyenne), soit le double de la surface de l'orge de printemps et du colza. Seuls 5,4% en moyenne des terrains agricoles de la Meuse ont été mis en jachère et 7,75% pour la culture du maïs fourrage.

Tableau 3: Proportion moyenne des surfaces dans la SAU.

Blé Orge

d'hiver Orge de

printemps Colza Diester Jachère MF STH

Proportion

moyenne

22,87% 8,47% 10,48% 11,07% 2,94% 5,40% 7,75% 31,02%

Ce que met en avant le graphique ci-après est la part importante de la STH par rapport à la SAU totale, soit 30% suivie des surfaces de blé. La modalité « autre » correspond aux surfaces cultivées en maïs grain, pois et tournesol. Une étude préliminaire nous a permis d'agréger ses données et de présenter uniquement les grandes cultures. La variation de la part des surfaces peut s'expliquer par la valeur des subventions distribuées. En effet, certaines cultures sont plus subventionnées que d'autre, ce qui incite les agriculteurs à favoriser une culture.

Graphique 2: Part des surfaces dans la SAU.

* STH (Surface Toujours en Herbe) : ensemble des prairies naturelles, pâturages et herbage.

(15)

c) Les surfaces fourragères: de l'herbe et du maïs fourrage.

Le fourrage est une plante ou un mélange de plantes, cultivée pour ses parties végétatives (feuilles, tiges, racines... ), à l'exclusion des fruits et des graines que l'on utilise soit à l'état frais, soit conservés, généralement par séchage, pour l'alimentation des animaux (bovins, caprins, ovins mais également porcs, canards, oies et lapins). Les fourrages constituent la première source de protéines dans l'alimentation des ruminants.

La STH représente en moyenne près de 80% de la production fourragère totale contre 20% de

MF sur l'ensemble de la période. En Meuse, la surface toujours en herbe occupe près de 30% de

la SAU, 7,75% pour le maïs fourrage. En 2004, l'échantillon est très petit, ce qui introduit un

énorme biais dans les résultats et l'interprétation.

(16)

d) Le rendement

Graphique 3: Dispersion du rendement (en qtx/ha) par cultures et par année.

Les productions céréalières (blé et orge) connaissent une chute de rendement en 2003, année où les conditions climatiques étaient désastreuses. Après la sécheresse de 2003, 2004 voit les rendements en céréales progresser puis diminuer sur 2005/06. Bien que la surface moyenne en blé ait augmenté entre 2001 et 2003 de 3,58%, le rendement baisse de 1,24% . Le rendement moyen en blé reste néanmoins supérieur à 60 qtx/ha. Avec une surface moyenne de 16,8 hectares en 2003, le rendement de l'orge d'hiver tend à se stabiliser autour de 55 qtx/ha. Notons la forte dispersion des rendements en céréales tout au long de la période, comparée à celles du colza et du diester.

Notons aussi l'évolution parallèle entre le rendement du colza et du diester.

II Les intrants: semences, engrais et produits phytosanitaires

L'agriculture intensive est fondée sur la mécanisation (tracteur), la spécialisation des exploitations et l'emploi d'intrants chimiques de synthèse. Les agriculteurs doivent, pour faire vivre leur exploitations agricoles, optimiser au maximum leur rendements agricoles, ce qui implique l'utilisation d'intrants agricoles (semences, engrais, produits phytosanitaires). La maitrise des intrants dans les exploitations agricoles est d'abord un enjeu économique (améliorer la productivité) mais également un enjeu environnemental (protection de la santé et de l'environnement).

L'étude porte sur l'estimation de la valeur de ces intrants par culture. La valeur totale (sur l'ensemble des cultures) de ces intrants nous est donnée. Cette partie présente les tendances générales de l'utilisation de ces intrants par les exploitants agricoles meusiens.

Le graphique ci-dessous donne la valeur totale des intrants utilisés par hectares dans les

exploitations observées de la Meuse sur toutes les cultures (productions fourragères comprises)

(17)

entre 2001 et 2006.

a) Consommation des intrants par hectares en valeur.

Le tableau ci-dessous nous donne les charges / hectares des différents intrants entre 2001 et 2006.

Tableau 4: Valeur des intrants par hectares (euros 2000)

Graphique 4: Évolution de la consommation des principaux intrants agricoles en valeur.

Le graphique ci-dessus représente l'évolution de la valeur des intrants utilisés par hectare dans les terrains agricoles meusiens entre 2001 et 2006. L'utilisation de ces intrants est fonction croissante de la surface cultivée. Compte tenu du nombre d'exploitations agricoles très faible, l'utilisation des intrants est faible en 2004.

Les engrais sont des substances, le plus souvent des mélanges d'éléments minéraux destinés à augmenter le rendement et la qualité des surfaces. Les engrais sont composés de trois éléments principaux notés NPK

*

. La valeur utilisée des engrais par hectare régresse de plus en plus avec l'amélioration des techniques agricoles mais reste l'intrant chimique le plus utilisé en Meuse.

* NPK est un sigle qui signifie azote, phosphore et potassium, d'après leur symbole chimique.

engrais produits phytosanitaires semence

2001 108,37 87,31 44,09

2002 101,15 87,68 42,31

2003 95,43 77,03 40,18

2004 98,71 72,94 43,94

2005 108,07 82,61 39,46

2006 108,15 83,73 38,71

(18)

Premier intrant de la culture, la semence est une graine que l'on sélectionne pour être semée.

Les semences sont de moins en moins utilisées dans les exploitations agricoles de la Meuse . Les produits phytosanitaires sont des produits utilisés pour soigner ou prévenir les maladies des organismes végétaux. Ils sont destinés à protéger les espèces végétales cultivées, et à en améliorer la productivité. Toutefois dans le cadre de la reconquête de la qualité de l'eau, l'usage des phytosanitaires est soumis à des règles précises. Les coûts dépensés pour ces intrants chimiques régresse depuis 2001.

Ce que nous pouvons souligner, parallèlement à ces hausses est la montée des prix de ces derniers.

b) Indices des prix en hausse.

Le tableau ci-dessous donne l'indice des prix de ces facteurs de production, l'année 2000 est définie comme base 100.

Tableau 5: Indices des prix des intrants, année 2000 base 100.

On observe une forte augmentation des prix des engrais et des semences depuis 2000, évolution conséquente des différentes réformes de la PAC. Le prix des engrais a en effet augmenté de 13,88% en moyenne par an depuis 2000, celui des semences de 5,65%. Le coût des produits phytosanitaires tend aussi à la hausse, 1,66% en moyenne par année.

Si l'on considère la consommation des intrants par hectares en valeur on constate que les agriculteurs de la Meuse ont sensiblement augmenté la consommation des engrais et produits phytosanitaires et diminué celle des semences dans leurs exploitations, mais si on tient compte de la montée des prix, l'évolution ne connait pas la même tendance:

2001 2002 2003 2004 2005 2006

Semences 1,02 1,04 1,06 1,08 1,07 1,07

Engrais 1,12 1,05 1,06 1,13 1,21 1,28

Dont azoté 1,16 1,04 1,06 1,16 1,27 1,35

1,01 1,00 1,01 1,02 1,03 1,03

Dt Fongicides 1,00 1,00 1,00 1,02 1,03 1,02

Dt Herbicides 1,01 1,01 1,02 1,02 1,03 1,04

Dt insecticides 1,00 0,99 0,98 0,99 0,99 0,98

Dt autres 1,01 1,02 1,02 1,04 1,06 1,06

Produit phyto

(19)

c) Évolution de la consommation en volume: correction de l'effet de l'inflation.

Graphique 5: Évolution de la consommation des principaux intrants agricoles en volume au prix 2000.

Nous avons vu que l'utilisation par hectares augmentait légèrement en 2005 et 2006 pour les

engrais et les produits phytosanitaires. Cependant si on tient compte de l'inflation, on constate

qu'en réalité la consommation des engrais par hectare reste sensiblement la même sur 2005 et

2006 comme nous l'indique le graphique ci-dessus (valeur avec correction de l'effet de

l'inflation, prix constant 2000).

(20)

d) Évolution de la consommation totale d'intrants par année.

Graphique 6: Dispersion de la consommation d'azote par hectares.

La consommation d'azote connait quelques fluctuations dans le temps. 2004 introduit un biais compte tenu du faible effectif. La consommation d'engrais en 2003 est elle marquée par une faible consommation, résultant des problèmes climatiques de cette période. Entre 2001 et 2002, la consommation d'engrais moyenne diminue considérablement, passant de 108,37€/ha à 101,15€/ha. Par contre, 2005 et 2006 affichent une stabilité de la consommation moyenne de cet intrant.

Graphique 7: Dispersion de la consommation de semence par hectares.

La consommation de semence par hectare diminue légèrement entre 2001 et 2003. En 2004, le défaut d'échantillon fait que la moyenne est biaisée, beaucoup trop supérieure par rapport aux années précédentes. En 2006, les semences par hectares ont en moyenne très nettement diminué, La valeur moyenne des charges par hectares dépensées en semence en 2006 et 2005 est statistiquement significativement inférieure à celle de 2001 (cf intervalle de confiance).

Moyenne

2001 105,87 108,37 110,87

2002 98,83 101,15 103,47

2003 93,18 95,43 97,68

2004 94,42 98,71 103

2005 105,01 108,07 111,14 2006 104,91 108,15 111,39

Binf Bsup

Binf Moyenne Bsup

2001 42,7 44,09 45,48

2002 41 42,31 43,62

2003 38,86 40,18 41,51

2004 41,76 43,94 46,13

2005 38,02 39,46 40,9

2006 37,27 38,71 40,15

Tableau 6: Intervalles de confiance à 95% de la consommation moyenne d'engrais.

Tableau 7: Intervalles de confiance à

95% de la consommation moyenne de

semences.

(21)

Graphique 8: Dispersion de la consommation de produits phytosanitaires par hectares.

Les charges / hectare dépensées en moyenne en produits phytosanitaires tendent elles aussi à la baisse. Néanmoins cette baisse n'est pas statistiquement significative (chevauchement des intervalles de confiance). Pour les années 2003 et 2004, le commentaire est identique au précédent. La faible consommation en 2003 s'explique par les conditions climatiques désastreuses, en 2004 par le défaut d'échantillon à savoir un très faible effectif. Les charges par hectare en phytosanitaires sont assez dispersées.

Binf Moyenne Bsup

2001 84,2 87,31 90,42

2002 84,5 87,68 90,85

2003 74 77,03 80,06

2004 68,42 72,94 77,46

2005 79,37 82,61 85,85

2006 80,15 83,73 87,31

Tableau 8 Intervalles de

confiance à 95% de la

consommation moyenne de

produits phytosanitaires.

(22)

III Estimation des coûts de productions agricoles

L'objectif de cette étude est d'estimer la valeur (en euros) des semences, engrais et produits phytosanitaires utilisés comme facteurs de production dans chaque culture. Avant, il faut s'assurer que ces variables vérifient l'hypothèse de normalité (cf annexe B: graphique) . Pour cela, l'estimation se fait par régression linéaire multiples suivant deux méthodologies.

a) Présentation des méthodologies.

L'étude préconise deux méthodes alternatives pour estimer le coût de production des produits agricoles:

des méthodes paramétriques qui correspondent à l'estimation statistique par la méthodes des Moindres Carrés Ordinaires.

des méthodes non paramétriques (méthode d'entropie) qui ne seront pas traitées ici.

Principe de la régression linéaire multiple dans cette étude.

Généralement, on utilise la régression linéaire multiple dans le but d'expliquer une variable en fonction de n variables explicatives. Le modèle obtenu sera probablement utilisé pour la prédiction de valeurs d'un jeu de données ne figurant pas dans les données initiales (modélisation prédictive). Ici, le but est tout autre. Il s'agit simplement d'estimer des coefficients (coûts de production) à partir d'un coût total en tenant compte d'un paramètre variable (charges ou produits). Ainsi, la valeur des intrants utilisés dans la production peut être déterminée par régression linéaire multiple suivant deux cheminements. Le premier s'appuie sur la surface cultivée (exprimée en hectares).

On dispose dans la table 'cta' de la valeur totale de l'un des intrants utilisé sur l'ensemble des cultures. L'idée est alors d'estimer la valeur de ce facteur de production par culture et de comparer cette estimation à la valeur observée. Le modèle est de la forme :

Toutes les variables sont inclues dans le modèle, il n'y a donc pas constante.

valeur totale de l'intrant =

α1

Surface_Blé +

α2

Surface_Orge d'hiver +

α3

Surface_Orge de printemps + … +

αk

Surface Jachère

αii=1 :k

représente la valeur du produit par hectare utilisé pour la culture (valeur/ha).

Le second se base lui sur les produits par culture, déterminés par régression linéaire multiple. Il s'agit de la valeur (en euros) de l'intrant dépensée pour une culture donnée. Le modèle est de la forme:

valeur de l'intrant (en euros) =

β1

Produit_Blé +

β2

Produit_Orge d'hiver +

β3

Produit_Orge de printemps + … +

βk

Produit_Diester

βii= 1 :k

correspond à la valeur (en euros) de l'intrant donné qu'il faut pour cultiver

1euro de la culture considérée.

(23)

b) Exemple d'application

Exemple: si

α

vaut 0,25 cela signifie que pour cultiver 1 euro de blé, il faut 0,25 euro de l'intrant considéré.

du coût par produit au coût par hectare

Il est possible à partir du coût par produit de retrouver le coût des charges par hectare.

coût par produit:

βi

prix p

coût au quintal cq =

βi

* p

rendement rdt/ha

coût / hectares

αi

= cq * rdt/ha En voici un exemple:

Pour 1000 euros d'orge, il faut 60 euros de semences.

βi

= 0,06

Si on connait le prix de l'orge 88 euros/quintal, on peut en déduire la valeur de semence pour 1 quintal d'orge:

60/1000 * 88 = 5,28 cq = 5,28 euros/qtl

(pour la production d'un quintal d'orge il faut 5,28 euros de semence) On connait aussi le rendement de l'orge: 60 quintaux/hectare

On en déduit alors la valeur des semences/hectare :

60 * 5,28 = 317 euros

αi

= 317 euros/ha (pour produire 1 hectare d'orge il faut 317 euros de semence) Et inversement, le coût par hectares permet de retrouver le coût par produit:

charges / hectares:

αi

rendement r

coût au quintal cq =

αi

/ r

prix p

coût par produit

βi

= cq / p

Ce raisonnement va nous permettre d'avoir plusieurs estimations des charges par hectares. Deux

estimations obtenues par régression (l'une inclue les productions fourragères, l'autre non), une

autre estimation obtenue à partir des résultats de la régression faite sur les produits (suivant le

cheminement présenté ci-dessus). Il en est de même pour les estimations sur les coûts par

produit.

(24)

c) Les paramètres de la régression.

On obtient 4 paramètres à l'issue d'une régression. L'estimation, l'écart type, la statistique de test t de Student et la probabilité critique. L'estimation n'est autre que le coefficient α (ou

β)

du modèle.

L'écart type donne une précision sur la valeur de l'estimation. On teste aussi si un coefficient est significativement différent de 0 en émettant les hypothèses suivantes:

Ho: le coefficient n'est pas statistiquement différent de 0.

Ha: le coefficient est statistiquement différent de 0.

La probabilité critique (p_value) est la probabilité qui nous permet d'accepter ou de rejeter

l'hypothèse nulle ie le risque minimal acceptable. Le niveau de signification est défini à 5%, plus

petite valeur de alpha conduisant au rejet de Ho. Si la p_value est inférieure à 0.05, on rejette

Ho. On admet avec un risque d'erreur de première espèce que le coefficient est statistiquement

significatif.

(25)

IV Application en 2006.

Une étude préliminaire a permis de garder dans le commentaire des estimations uniquement les grandes cultures. Les données observées sur les cultures maïs, pois, tournesol ont été agrégées. Compte tenu de la différence des surfaces entre les fichiers, le modèle inclue une variable surface_autre. Ici nous étudions 6 grandes cultures.

La régression par surface nous donne une estimation des charges par hectare. Deux régressions sur surface sont effectuées. La première prend en compte les productions fourragères, l'autre les exclue.

Deux régressions sur les produits sont effectuées. L'une inclue les produits liés aux viandes bovines (détail viande bovine Annexe C) et à la production de lait, l'autre non. Les estimations par produit sur le lait et la viande sont obtenues par ventilation des estimations par hectares pour le Maïs Fourrage

*

et la STH. Au total, on obtient 4 estimations des coûts par produit.

* Le maïs fourrage est un aliment produit en ferme, de haute valeur alimentaire pour des élevages laitiers performants.

(26)

a) Coûts de production observés.

Cette partie se centre sur l'estimation des coûts de production en 2006 des intrants agricoles:

Tableau 9: Coûts de production observés en 2006:

Ce tableau rend compte des charges par hectares et des produits dépensés dans chaque grande culture en moyenne en 2006 dans les exploitations observées. Ce qu'il met en avant c'est la forte disparité qu'il existe entre les cultures mais aussi entre les quantités d'intrants utilisés.

Les exploitants ont en moyenne consommé 50,23 €/ha de semences pour cultiver le blé. Un peu plus pour l'orge d'hiver et de printemps avec 54,05€/ha et 53,68€/ha respectivement, des charges qui représentent le double de celles pour la culture du colza (27,04€/ha). Il est à noter que les charges moyennes du colza et du diester sont similaires, ce qui est logique puisque le diester fait parti du colza. La séparation de ces deux cultures est arbitraire. En effet, les données n'ont pas été agrégées car elles restent une source d'information qui peuvent faire varier les estimations.

La dispersion des charges moyennes/ha est assez faible pour la consommation des semences, ce qui n'est pas le cas pour les engrais. Par ailleurs, les surfaces toujours en herbe ont été très peu ensemencées avec seulement 1,66€/ha en moyenne.

Plus de 100€ en moyenne d'engrais par hectares ont été consommés (excepté pour les surfaces toujours en herbe) pour chacune des cultures et le maïs fourrage. Les écart types sont très grands pour cet intrant productif, ce qui signifie que certains exploitants ont consommé très peu d'engrais et d'autres une grande quantité. La plus forte dispersion est relevée pour le colza avec un écart type de 78,66€/ha pour une moyenne de 168,55€/ha (même tendance pour le diester), suivi de l'orge d'hiver avec 137,38€/ha consommés d'engrais avec un écart type de 57,91€/ha. La culture du colza et du diester a nécessité très peu de semence (27€/ha), mais une grande consommation en engrais avec respectivement 168,55 et 166,85€/ha. On relève la même tendance pour les produits phytosanitaires.

La plus forte consommation en produits phytosanitaires est effectivement relevée pour la culture du colza et du diester avec 187,03 et 188,23€/ha avec une très forte dispersion (90,52 et 90,28€/ha). La valeur dépensée en produits phytosanitaires est équivalente pour le blé et l'orge d'hiver, soit le double pour l'orge de printemps. Les surfaces toujours en herbe connaissent une très faible consommation en produits phytosanitaires.

blé orge d'hiver orge de printemps colza diester MF + STH

semences 50,23 54,05 53,68 27,04 27,94 75,03

écart type 19,4 23,44 17,75 19,24 23,93 29,75

engrais 145,35 137,38 115,43 168,55 166,85 82,41

écart type 36,74 57,91 43,94 78,66 78,77 49,72

137,32 133,92 74,69 187,03 188,23 38,03

écart type 48,25 38,65 34,73 90,52 90,28 17,13

semences 0,06 0,06 0,12 0,04 0,01 0,05

engrais 0,18 0,12 0,31 0,23 0,23 0,05

0,17 0,08 0,3 0,26 0,26 0,01

phyto coeff produit

phyto

(27)

Le graphique ci-dessus souligne une forte dispersion des charges par hectares en produits phytosanitaires et en engrais.

Graphique 9: Dispersion des charges par hectares, grandes cultures.

Les coefficients produits ont été obtenus à partir des charges par hectares en suivant le

raisonnement détaillé au dessus. Globalement, les cultures ont nécessité beaucoup plus d'engrais

et de produits phytosanitaires. Par exemple, pour cultiver 1€ de colza, il a fallu 0,26€ de produits

phytosanitaires et 0,17€ pour le blé et seulement 0,4€ et 0,6€ respectivement de semences. La

culture de l'orge d'hiver a nécessité plus d'engrais. Un coefficient global a été donné pour les

productions fourragères. Ce coefficient correspond en fait à celui du lait et de la viande. Les

charges de MF et STH ont été ventilées en produit Lait + Viande. Dans le raisonnement, il a

fallu intégré la production de ces derniers puisque celle-ci est nulle pour les fourrages.

(28)

b) Principe du test de signification des coefficients.

Les modèles de régression obtenus testent la signification de chacun des coefficients individuellement. C'est le test de Student qui est utilisé.

Le test d'hypothèse associé est le suivant:

Ho :

αi

= 0 ―> Ho vérifiée signifie que la variable (ici la culture) considérée peut H1 :

αi

≠ 0 être supprimée du modèle sans influencer les autres

estimations.

La statistique de test s'appuie sur

i

et l'estimation de son écart type.

t=

αi

σα

i

=Studentn−p−1

Nombre de degré de liberté: n correspond au nombre d'observations (n=449) et p au nombre de paramètres à estimer (7 coefficients donc 7 paramètres à estimer).

Ainsi, à un niveau de signification donné (ici 5%), le t-calculé (t-value) est comparé au t- théorique fourni par la table de Student. Le test effectué est un test bilatéral. Si la réalisation de la statistique t de test se trouve dans la zone de rejet ainsi définie, on rejette l'hypothèse Ho avec un risque d'erreur de première espèce 5% (probabilité de rejeter à tord l'hypothèse nulle alors qu'elle est vraie). La probabilité critique est comparée avec le niveau de signification. Si celle-ci se trouve au dessus du seuil, on conserve Ho avec un risque d'erreur de deuxième espèce (probabilité d'accepter à tord l'hypothèse nulle alors qu'elle est fausse). Si la p_value est petite, les données témoignent que le phénomène observé a très peu de chance de se produire sous Ho (rejet de Ho). Le test T de Student est un test paramétrique qui compare la moyenne observée d'un échantillon statistique à une valeur fixée.

Graphique 10: Représentation de la loi T de Student:

Le t-théorique au seuil de risque

α = 0,05 et à 440 degrés de

liberté est égal à 1,96. Si la

statistique de test se trouve dans

la région d'acceptation, on

conserve Ho, le coefficient n'est

pas significativement différent de

0. Par contre si elle se trouve

dans la zone d'acceptation, le

coefficient est statistiquement

différent de 0. Ho est rejetée

avec un risque d'erreur de

première espèce.

(29)

Il est également indispensable de déterminer un intervalle de confiance de l'estimation.

L'estimation de l'espérance donné individuellement n'a effectivement aucun sens statistique. Il serait recommandé de donner une zone de confiance qui devrait contenir à 95% la valeur réelle.

Plus l'écart type est grand, plus grande est la largeur de l'intervalle de confiance. La détermination de l'intervalle de confiance nous permettra en outre de comparer les estimations.

L'intervalle de confiance de μ au seuil de confiance α est donné par

± t /2n−1∗ 

1) Les estimations.

a) 1ère estimation: Estimation par hectare en grandes cultures Estimations par hectares en grandes cultures

En 2006, les exploitants de la Meuse ont en moyenne consommé 83,73€/ha de produits phytosanitaires pour l'ensemble des végétaux. L'idée est de déterminer la valeur moyenne de l'intrant considéré pour chaque culture en tenant compte dans un premier cas du nombre d'hectares cultivés. La méthode utilisée est le processus d'estimation des moindres carrés ordinaires. Le calcul des estimations se fait à partir d'un calcul matriciel.

Ci-dessous une sortie de régression (effectuée avec le logiciel R) de la consommation de produits phytosanitaires:

Tableau 10: Coefficients, écart types et valeurs critiques, estimations par hectares sur les végétaux.

R² = 95,85%

Le modèle final ci-dessus possède un coefficient de détermination de 95,85 %. Les charges par hectares ne sont pas significatives pour l'orge de printemps et le diester. Il estime la plus grande consommation de produits phytosanitaires pour la culture du colza avec 272,72 ± 32,59 €/ha, soit le double de la consommation pour la culture du blé (134,66 ± 26,01 €/ha). Seulement 15,33 de charges par hectares sont estimés pour la culture de l'orge de printemps, 7 fois plus pour l'orge d'hiver. Le test statistique de Student permet par ailleurs de tester la signification

Std. Error t value Pr(>|t|)

Surface Blé (ha) 134,66 13,27 10,15 0,0000

Surface Orge d'Hiver (ha) 104,99 17,45 6,02 0,0000

Surface Orge de Printemps (ha) 15,33 15,36 1 0,3190

Surface Colza (ha) 272,72 16,63 16,4 0,0000

Surface Diester (ha) 154,38 36,58 4,22 0,0000

Surface mais grain + pois + tournesol (ha) 68,24 16,48 4,14 0,0000

autre Surface (ha) -0,49 0,43 -1,12 0,2617

Estimate αi

(30)

individuelle des coefficients. On teste si l'estimation est statiquement différente de 0 ou pas.

La probabilité critique est inférieure à 5% pour l'estimation des charges par hectares de l'orge de printemps et de la variable autre surface. Cela signifie que le coefficient n'est pas statistiquement différent de 0, le phénomène avait beaucoup de chance de se produire sous Ho.

b) 2ème Estimation: Estimation par hectares : intégration des fourrages. . Si l'on intègre les surfaces des fourrages, le modèle final est le suivant:

Tableau 11: Coefficients, écart types et valeurs critiques, estimations par hectares intégration des fourrages.

En intégrant les fourrages, le modèle obtenu est très proche du précédent. Ce qui nous permet de conclure que la régression par surface sans sfp et avec sfp donne des estimations assez similaires pour les produits phytosanitaires. Les estimations des charges pour l'orge de printemps reste statistiquement non significatif. Il en est de même pour la STH et la variable 'autre surface'. Notons que les écart types sont plus grands dans ce modèle, la précision est meilleure dans le premier. Le modèle estime qu'en 2006, 272,30€/ha ont été dépensé pour cultiver le colza, dont 164,78€/ha pour le diester plus ou moins 73,83€ par hectare, 134,98 ± 29,67 €/ha pour le blé.

t value

Surface Blé (ha) 134,98 15,14 8,91 0,0000

105,82 18,13 5,84 0,0000

Surface Orge de printemps (ha) 12,71 15,88 0,8 0,4240

Surface Colza (ha) 272,3 18,04 15,1 0,0000

Surface Diester (ha) 164,78 37,67 4,37 0,0000

Surface Mais grain + pois + tournesol 68,85 17,27 3,99 0,0001

Surface Mais Fourrage 69,34 18,88 3,67 0,0003

Surface Surface Toujours en Herbe 1,34 5,06 0,26 0,7912

autre Surface -0,5 0,57 -0,87 0,3833

Estimate αi Std. Error Pr(>|t|)

Surface Orge d'Hiver (ha)

(31)

c) 3ème estimation: Estimation n°1 par produits

Deux régressions par produits ont été effectuées, l'une comprend les produits liés aux viandes et à la production de lait. Les charges correspondant aux maïs fourrage et à la STH sont ventilées en produit pour le lait et la viande.

Tableau 12: Coefficients, écart types et valeurs critiques, estimations des coefficients produits, produits phytosanitaires sur les végétaux.

R² = 95,31%

Le modèle obtenu a un coefficient de détermination de 95,31%.

L'estimation du coût des phytosanitaires/ha pour l'orge de printemps est statistiquement non significative. Selon le modèle, la culture d'1€ de colza (et du diester) a nécessité une valeur en produits phytosanitaires élevée (0,37€ et 0,47€), soit 2 fois plus que ce qu'à nécessité la culture du blé et de l'orge d'hiver. Il estime entre autre un très faible produit pour l'orge de printemps pour qui l'estimation est statistiquement nulle (l'orge de printemps a visiblement pas nécessité une grande valeur en produits phytosanitaires).

Estimate Std. Error t value Pr(>|t|)

as.vector(pdt_hors_sub06.BLE) 0,162 0,016 9,95 0,0000

as.vector(pdt_hors_sub06.OH) 0,117 0,028 4,24 0,0000

as.vector(pdt_hors_sub06.OP) 0,033 0,024 1,37 0,1726

as.vector(pdt_hors_sub06.C) 0,366 0,026 14,06 0,0000

as.vector(pdt_hors_sub06.D) 0,466 0,057 8,24 0,0000

as.vector(mgpt) 0,081 0,022 3,66 0,0003

(32)

d) 4ème estimation: Estimation n°2 par produits (produits lait + viande intégrés)

Tableau 13: Coefficients, écart types et valeurs critiques, estimations des coefficients produits, produits phytosanitaires sur les végétaux et produits lait + viande.

En intégrant les produits du lait et de la viande, on obtient un coefficient de détermination de . Seul l'estimation de l'orge de printemps est non significative. Les produits hors subventions de ce céréale sont très faible par rapport aux autres cultures, ce qui explique la faible estimation.

Toutes les autres estimations sont statistiquement non nulles. Les colza reste toujours la culture qui nécessite le coût le plus important en produits phytosanitaires. Les estimations des produits pour le lait et la viande s'élèvent à 0,020 et 0,024€ (coût estimé nécessaire pour 1€ de maïs fourrage et STH).

t value

0,165 0,020 8,216 0,0000

0,092 0,030 3,066 0,0023

0,022 0,026 0,824 0,4105

0,361 0,030 12,210 0,0000

0,507 0,062 8,191 0,0000

0,084 0,025 3,412 0,0007

0,020 0,004 5,314 0,0000

0,024 0,006 3,845 0,0001

Estimate Std. Error Pr(>|t|)

as.vector(pdt_hors_sub06.BLE) as.vector(pdt_hors_sub06.OH) as.vector(pdt_hors_sub06.OP) as.vector(pdt_hors_sub06.C) as.vector(pdt_hors_sub06.D) as.vector(mgpt)

as.vector(ani06$Lait.F)

as.vector(viande(ani06))

(33)

2) Comparaison des estimations avec la Meuse.

Ci-dessous un tableau récapitulatif des estimations des charges par hectares pour les céréales et les fourrages.

Tableau 14: Les charges par hectares par culture et fourrage en 2006, estimations et observations.

* les estimations en rouge ne sont pas significatives

a) Semences/ha; comparaison estimation et valeur observée.

L'intervalle de confiance de l'estimation est donné par

±t  /2n−1∗ 

.

On rappelle que l'estimation par produit résulte des coûts estimés par produits, à partir desquels on a estimé les charges par hectares (il n'y a donc pas d'écart type sur cet estimateur).

D'un point de vue général, il n'y a pas de différences dans les estimations des semences par hectares entre la régression sur les végétaux et la régression qui intègre les surfaces fourragères. Les différences sont en effet très minimes. L'intégration des surfaces du Maïs Fourrage et STH diminue l'estimation des charges par hectares pour le blé et le diester et les augmente pour l'orge et le colza. Le colza voit ses charges par hectares très sous-estimées quelque soit le modèle, ce qui n'est pas le cas pour le diester.

Toutefois, l'estimation du modèle intégrant les surfaces fourragères n'est pas significativement différente de la valeur réelle. L'intervalle de confiance contient la valeur réelle. Par contre le modèle défini seulement à partir de la surface végétale sous-estime les charges pour le colza. La différence est statistiquement significative.

Les charges pour l'orge de printemps sont également sous-évaluées mais la différence n'est pas significative. Cela signifie que la différence est due au hasard. Les deux modèles ajustent très bien les dépenses par hectares pour le blé et l'orge d'hiver ainsi que le diester. En ce

Blé Orge H Orge P Colza Diester MF+STH

Semence/ha Végétaux 56,44 51,67 36,19 3,13 34,69

Écart type 7,94 10,44 9,19 9,95 21,88

Végétaux + fourrages 53,11 53,86 37,25 6,25 31,73 76,32

Écart type 9,06 10,85 9,5 10,79 22,54 11,3

régression par produit 62,02 37,1 44,53 -1,9 77,02

Observées 50,23 54,05 53,68 27,04 27,94 75,03

Engrais/ha Végétaux 119,72 95,58 98,23 255,71 32,03

Écart type 11,66 15,33 13,5 14,61 32,14

Végétaux + fourrages 144,88 94,13 70,77 244,72 64,04 78,38

Écart type 16,5 19,76 17,3 19,66 41,06 20,58

régression par produit 134,08 77,73 114,86 237,24 168,38

Observées 145,35 137,38 115,43 168,55 166,85 82,41

Végétaux 134,66 104,99 15,33 272,72 154,38

Écart type 13,27 17,45 15,36 16,63 36,58

Végétaux + fourrages 134,98 105,82 12,71 272,3 164,78 35,34

Écart type 15,14 18,13 15,88 18,04 37,67 18,88

régression par produit 131,51 77,53 21,61 266,76 341,19

Observées 137,32 133,92 74,69 187,03 188,02 38,03

Phyto/ha

(34)

qui concerne les fourrages, l'estimation est très proche de la valeur observée pour le Maïs Fourrage et la STH.

Les estimations obtenues à partir des coûts par produits divergent. L'estimation pour le colza n'a pas de sens (coût négatif). D'autre part, les charges concernant le blé et l'orge de printemps sont bien ajustées. Par contre, les estimations sont bien en dessous des observations pour l'orge de printemps et bien au dessus pour le diester, 3 fois plus que la valeur réelle. Les charges sont estimées à 77,04€ l'hectare, alors qu'en réalité, elles sont égales à 27,94 €.

Le modèle qui semble ajuster au mieux le coût réel des semences par hectare est le modèle intégrant les fourrages.

b) Engrais/ha; comparaison estimation et valeur observée.

Les estimations des coûts par hectares sont différentes pour les engrais. Les écart types sont plus grands pour les estimations du second modèle (végétaux + fourrages). Toutefois, les intervalles de confiances des estimations sur végétaux et sur végétaux + fourrages se chevauchent pour chaque culture. Il y a différence certes, mais celle-ci n'est pas significative. Elle est seulement imputée au hasard. Donc pour les engrais / ha, il n'y a pas de grandes différences si l'on intègre les surfaces des fourrages. Par ailleurs, ces estimations ajustent bien les charges dépensées pour la culture du blé. Par contre elles minimisent les observations pour l'orge d'hiver et l'orge de printemps. Les différences sont significatives pour l'orge d'hiver sur les deux modèles. L'orge de printemps voit son estimation significativement sous-estimée par le second modèle.

Les deux modèles (régression par surface) sur-évaluent le coût pour le colza. Ils l'estiment respectivement à 255,71 ± 28,64 € et 244,72 ± 38,53 € l'hectare. Le coût observé est à peine égal à 168,55€ l'hectare. Le diester inversement subi une sous-évaluation de ses coûts. Les estimations des coûts à partir des produits sont très proches des valeurs observées dans l'échantillon pour le blé, l'orge de printemps et le diester. L'orge d'hiver est sous-évalué avec une différence absolue de 59,65€ et sur-évalué pour le colza avec une différence absolue de 68,69€ ce qui n'est pas négligeable. Quant aux coûts liés aux fourrages, l'estimation est assez proche de la valeur réelle si l'on tient compte de l'intervalle de confiance de celle-ci.

c) Produits phytosanitaires / ha; comparaison estimation et valeur observée.

Le coût des produits phytosanitaires est généralement très bien estimé quelque soit le modèle

choisi pour le blé et pour l'orge d'hiver. Comme nous avons pu le remarqué ci-dessus, les

estimations des phytosanitaires/ha pour cette céréale n'est pas significative et ne nous permet

donc pas de faire une comparaison à ce niveau. On estime les coûts liés au colza à 272€/ha pour

les modèles sur les surfaces et 266,76 à partir des coûts de produits, tandis que la valeur est égale

à 187,03€. Il n'y a pas de différence entre les estimations des deux premiers modèles. Ces

modèles seraient privilégiés dans l'estimation des produits phytosanitaires.

(35)

Nous avons vu qu'on ne peut opter pour une méthode d'estimation pour les trois intrants. Le choix dépend évidemment du coût et d'énormes divergences entre les cultures mais aussi entre les intrants ont pu être soulignées. La partie suivante s'appuie elle sur l'estimation des coefficients des produits sur les mêmes cultures. Ici, nous n'avons plus de fourrages car on ne relève pas de produits dessus. Les charges de ces derniers sont réparties en produits lait et viande.

Ci-dessous un tableau récapitulatif des estimations des coefficients des produits pour les céréales le lait et la viande.

Tableau 15: Les coefficients produits par culture, lait et viande bovine en 2006, estimations et observations.

On ne relève pas d'écart type dans l'estimation végétaux + fourrages car elle ne résulte pas d'une régression mais d'un calcul intermédiaire obtenu à partir des charges par hectares.

L'approximation notée prod 1 correspond à l'estimation donnée à partir du modèle de régression sur les produits hors subventions uniquement sur les végétaux. Prod 2 correspond aux estimations du modèle intégrant les produits hors subventions lait et viande bovine.

blé orge H orge P colza diester Lait + viande bovine

Semence Prod 1 0,076 0,056 0,068 -0,003 0,105

écart type 0,009 0,016 0,014 0,015 0,032

Prod 2 (lait + viande) 0,089 0,013 0,063 -0,014 0,125 0,039

écart type 0,014 0,021 0,018 0,020 0,043

estimation végétaux + fourrage 0,069 0,081 0,057 0,009 0,087

estimation végétaux 0,065 0,078 0,055 0,004 0,047

Observées 0,062 0,082 0,082 0,037 0,038 0,050

Engrais Prod 1 0,165 0,117 0,176 0,325 0,230

écart type 0,015 0,025 0,022 0,024 0,052

Prod 2 (lait + viande) 0,160 0,110 0,126 0,359 0,316 0,094

écart type 0,028 0,042 0,037 0,041 0,087

estimation végétaux + fourrage 0,178 0,142 0,108 0,335 0,087

estimation végétaux 0,147 0,144 0,150 0,350 0,044

Observées 0,178 0,208 0,177 0,231 0,228 0,045

Phyto Prod 1 0,162 0,117 0,033 0,366 0,466

écart type 0,092 0,028 0,024 0,026 0,057

Prod 2 (lait + viande) 0,092 0,022 0,361 0,507 0,084 0,023

écart type 0,030 0,026 0,030 0,062 0,025

estimation végétaux + fourrage 0,166 0,160 0,019 0,373 0,225

estimation végétaux 0,165 0,159 0,023 0,374 0,211

Observées 0,169 0,202 0,114 0,256 0,257 0,009

Références

Documents relatifs

L’année 2011 est la 2 e année consé- cutive avec une faible production de fruits de table, après une récolte abondante en 2009. Les précipitations estivales

Cultures remarquables : Couverts végétaux avant cultures d’hiver!. Irrigation :

Résumé — En raison de sa toxicité pour la plupart des organismes, le thallium présent dans les sols représente dans quelques cas un risque

Document 5 : Chronologie de développement de racines protéoïdes de lupin dans un sol contenant 1 µmol.L -1 de phosphate inorganique.. Analyser le document 5 afin de proposer

Ainsi donc, toute proportion gardée bien entendu, il est possible de discerner chez les Humains et chez les Végétaux, comme par exemple dans le cas présent des réfugiés, des

Les oses qui possèdent une fonction aldéhyde sont appelés des aldoses et ceux qui possèdent une fonction cétone sont appelés des cétoses.. Formule brute: C n H 2n

Par contre pour E2, en plus de l’amélioration de la valorisation de la ration, la réduction de méthane pourrait être mise en lien avec une diminution de la flore

L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des