stratégie mondiale pour l’amélioration des statistiques...

176
Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales FORMATION EN STATISTIQUES AGRICOLES (Manuel)

Upload: others

Post on 04-Jul-2020

2 views

Category:

Documents


0 download

TRANSCRIPT

Page 1: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales

Stratégie mondiale pour l’am

élioration des statistiques agricoles et rurales

FORMATION EN STATISTIQUES AGRICOLES (Manuel)

Page 2: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse
Page 3: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

i

Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales

FORMATION EN STATISTIQUES AGRICOLES (Manuel)

Titre de la formation Statistiques agricoles

Durée 10 jours

Mode de formation Face à face

Niveau de formation Licence ou Master en statistique – agronomes et économistes avec une initiation préalable en statistique

Prérequis Statistiques, sondage, économie générale

Page 4: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

ii

Page 5: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

iii

Table des matières

LISTE DES ILLUSTRATIONS viLISTE DES TABLEAUX viLISTE DES ENCADRES viLISTE DE FIGURES viiACRONYMES viiiREMERCIEMENTS ixINTRODUCTION x

MODULE 0 : QUELQUES RAPPELS STATISTIQUES 1 0.1. QUELQUES DEFINITIONS 1

0.1.1. Population et types d’unité 1

0.1.2. Données, statistiques et informations 2

0.1.3. Période d’enquête et période de référence 3

0.2. LES ETAPES D’UNE ENQUETE STATISTIQUE 4

0.3. METHODE D’ECHANTILLONNAGE 6

0.3.1. Échantillon pour un système intégré d’enquête ou enquête à passages répétés 7

0.3.2. La technique de tirage 8

0.3.3. Taille des échantillons 11

0.4. COLLECTE DES DONNEES 13

0.5. TRAITEMENT DES DONNEES 14

0.5.1. Enregistrement des questionnaires 14

0.5.2. Saisie et vérification des données 14

0.5.3. Processus de vérification (édition des données) 15

0.5.4. L’imputation des données manquantes et le traitement des non-réponses partielles et totales 15

0.5.5. L’extrapolation 16

0.6. ANALYSE DES DONNEES 17

0.6.1. Définition et calcul des indicateurs : différences dans les statistiques agricoles produites 17

0.6.2. La tabulation 18

0.6.3. Les logiciels statistiques 19

0.7. DIFFUSION DES DONNEES 19

0.8. LA GESTION DE LA QUALITE DES DONNEES 20

Page 6: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

iv

MODULE 1 : APERÇU DU CADRE GENERAL DES STATISTIQUES AGRICOLES 23 1.1. PORTEE DU COURS 23

1.1.1. L’approche de la CITI (Rév 4.) 24

1.1.2. L’approche de la Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales 25

1.2. CADRE CONCEPTUEL DE LA STRATEGIE MONDIALE EN MATIERE D’AMELIORATION

DES STATISTIQUES AGRICOLES ET RURALES ET SES DIMENSIONS ECONOMIQUE,

SOCIALE ET ENVIRONNEMENTALE 26

1.3. PLANS STRATEGIQUES DE DEVELOPPEMENT DES STATISTIQUES AGRICOLES

ET RURALES (PSSAR) ET STRATEGIES NATIONALES DU DEVELOPPEMENT

DE LA STATISTIQUE (SNDS) 29

1.4. UTILISATEURS ET UTILISATIONS DES STATISTIQUES AGRICOLES 30

MODULE 2 : STATISTIQUES A PRODUIRE, PRODUCTEURS, SOURCE DE DONNEES, UNITES STATISTIQUES ET METHODES DE COLLECTE 31

2.1. STATISTIQUES A PRODUIRE 32

2.1.1. Les statistiques de la production végétale 32

2.1.2. Les statistiques de l’élevage 39

2.1.3. Les statistiques de l’aquaculture 41

2.1.4. Les statistiques de la pêche 42

2.1.5. Les statistiques de la sylviculture et de l’agroforesterie 43

2.1.6. Statistiques de l’environnement 43

2.1.7. Statistiques rurales 48

2.1.8. Statistiques des prix 48

2.2. PRODUCTEURS DE DONNEES : SYSTEMES STATISTIQUES CENTRALISES

ET DECENTRALISES 49

2.3. SOURCES DES STATISTIQUES AGRICOLES 50

2.3.1. Recensements agricoles 50

2.3.2. Enquêtes agricoles par sondage 56

2.3.3. Sources administratives 64

2.3.4. Télédétection et Système d’information géographique (SIG) en agriculture 71

2.3.5. Les systèmes de surveillance/ les observatoires 72

2.4. UNITES STATISTIQUES 74

2.4.1. Exploitation agricole 74

2.4.2. Ménage 78

2.4.3. Exploitation aquacole 78

2.4.4. Établissement 78

2.4.5. Communauté ou localité 78

2.4.6. Unité naturelle et unité de gestion 79

2.5. COLLECTE DES DONNEES 79

2.5.1. Période d’enquête et calendrier cultural 79

2.5.2. Questionnaires 80

2.5.3. Interview 81

2.5.4. Utilisation de nouvelles technologies de collecte 82

2.5.5. Exploitation typique 85

Page 7: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

v

MODULE 3 : TRAITEMENT, ANALYSE ET DIFFUSION DES DONNEES 89 3.1. APERÇU GENERAL DES PRATIQUES ACTUELLES DU TRAITEMENT

ET LIMITES OBSERVEES 89

3.1.1. Insuffisance de personnels qualifiés 90

3.1.2. Inadéquation des méthodes statistiques 90

3.1.3. Incohérences dans la production d’indicateurs de base 90

3.1.4. Manque d’équipements modernes 90

3.1.5. Faible niveau de la qualité des données 91

3.2. SUPERFICIES ET RENDEMENTS DES CAS CULTURES EN PURE ET EN ASSOCIATION 91

3.2.1. Données nécessaires l’estimation du rendement ou de la superficie 91

3.2.2. Le calcul des superficies à partir des données de terrain (extrapolation) 96

3.2.3. Le calcul des rendements à partir des données de terrain 98

3.3. PRODUCTION 101

3.4. PREVISION DES RECOLTES 101

3.4.1. La prévision à partir des superficies cultivées 101

3.4.2. La prévision par interview 103

3.5. ANALYSE ET DIFFUSION 105

3.5.1. Quelques techniques d’analyse 105

3.5.2. Métadonnées 107

3.5.3. Archivage 108

3.5.4. Base de données et CountryStat 110

3.5.5. Sécurisation des données - Systèmes de diffusion 111

MODULE 4 : CADRES ANALYTIQUES ET STATISTIQUES DERIVEES 113 4.1. COMPTES ECONOMIQUES DE L’AGRICULTURE ET COMPTES ECONOMIQUES DE

L’ENVIRONNEMENT 113

4.1.1. Comptes économiques de l’agriculture 113

4.1.2. Comptes économiques de l’environnement 115

4.2. COUTS DE PRODUCTION 116

4.2.1. Utilisation et importance des statistiques des coûts de production 116

4.2.2. Unités utilisées 117

4.2.3. Indicateurs 118

4.3. PERTES POST-RECOLTES 119

4.3.1. Types de pertes post-récolte 120

4.3.2. Méthodes d’estimation des pertes post-récoltes 120

4.3.3. Ampleur et estimation des pertes 121

4.3.4. Facteurs influençant les pertes 121

4.3.5. Les conséquences des pertes post-récoltes 122

4.4. PRIX DES PRODUITS AGRICOLES ET INDICES DES PRIX 124

4.4.1. Les différents types de prix 124

4.4.2. Indices des prix 124

4.5. SECURITE ALIMENTAIRE ET BILAN ALIMENTAIRE 134

4.5.1. Sécurité alimentaire 134

4.5.2. Bilan alimentaire 134

Page 8: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

vi

RECOMMANDATIONS 141

BIBLIOGRAPHIE 142

ANNEXE 1 : LISTE DES INDICATEURS POUR LES STATISTIQUES AGRICOLES 147

ANNEXE 2 : ENSEMBLE MINIMUM DE DONNEES DE BASE 153

ANNEXE 3 : POPULATION CIBLE ET POPULATION ECHANTILLONNEE 156

ANNEXE 4 : CHAMP COUVERT PAR LES STATISTIQUES DE L’ENVIRONNEMENT 157

Liste des illustrations

LISTE DES TABLEAUXTableau 1 : Classification de l’utilisation de la terre 34

Tableau 2 : Problèmes liés aux bases de sondage et solutions correspondantes 65

Tableau 3 : Caractéristiques des bases de sondage 67

Tableau 4 : Calendrier d’enquêtes (exemple de la Tanzanie) 69

Tableau 5. Exemple de chronogramme d’exécution des modules AGRIS 70

Tableau 6 : Unités statistiques par thème 74

Tableau 7 : Dimensions et composantes des coûts de production 117

Tableau 8 : les composantes de la chaîne de production pour l’estimation des pertes post-récoltes 119

Tableau 9 : Produits potentiels d’un bilan alimentaire 135

Tableau 10 : Type de schéma pour estimer la disponibilité et les utilisations intérieures 137

Tableau 11 : Type de schéma pour estimer la disponibilité et les utilisations totales 137

Tableau 12 : Liste des indicateurs pour les statistiques agricoles 146

Tableau 13 : Ensemble minimum de données de base 151

LISTE DES ENCADRéSEncadré 1 : Renouvellement de l’échantillon 8

Encadré 2 : Stratification 10

Encadré 3 : les différents types de données manquantes 15

Encadré 4: hot-deck et cold-deck 16

Encadré 5 : Compétences pour le traitement des données 17

Encadré 6 : Différence des données 18

Encadré 7 : Cadre d’évaluation de la qualité des données (CEQD) 20

Encadré 8 : Neuf classes pour les terres consacrées à la culture 35

Encadré 9 : Systèmes d’élevage 40

Encadré 10 : Importance de la base de sondage 64

Encadré 11 : Échantillon-maître 68

Encadré 12 : Exemple de l’observatoire du marché agricole (OMA) 73

Encadré 13 : Définition d’une exploitation agricole 75

Encadré 14 : Définition d’un ménage 75

Page 9: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

vii

Encadré 15 : Correspondance exploitation agricole-ménage 76

Encadré 16 : Composantes de la superficie d’une exploitation 77

Encadré 17 : Utilisation de PDA équipés de GPS (Exemple du Brésil) 85

Encadré 18 : Méthodes actuellement pratiquées pour la répartition de la superficie

d’une parcelle comportant une culture principale et une culture secondaire 97

Encadré 19 : Analyse spatiale 106

Encadré 20 : Méthodologie des comptes de l’environnement 116

Encadré 21 : Équivalent des pertes post-récolte 123

LISTE DE FIGURESFigure 1 : Différentes étapes d’une enquête 5

Figure 2 : Cadre d’évaluation de la qualité des données 22

Figure 3 : Cadre conceptuel pour les statistiques agricoles 28

Figure 4 : Système intégré 53

Figure 5 : Chaîne de production agricole 119

Figure 6 : Composition d’une filière 124

Page 10: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

viii

Acronymes

AGRIS : Enquête Agricole Intégrée / Agricultural Integrated Survey

ANSA : Agences nationales de statistiques agricoles

BSP ou BEP : Base de sondage ou d’échantillonnage principale

CEA : Comptes économiques de l’agriculture

CEE : Comptes économiques de l’environnement

CEQD : Cadre d’évaluation de la qualité des données

CNAQ : Cadre national d’assurance de la qualité

COICOP : Classification of Individual Consumption by Purpose

DSNU : Division des Statistiques des Nations Unies

FAO : Organisation des Nations Unies pour l’alimentation et l’agriculture

FDES : Framework for the Development of Environment Statistics

FMI : Fonds monétaire international

FNUCC : Fonds des Nations Unies sur les Changements Climatiques

GPS : Système mondial de positionnement

Ha : Hectare

Insee : Institut national de la statistique et des études économiques

IRCS : Indicateurs de renforcement des capacités statistiques

ISA : Integrated Surveys on Agriculture

LSMS : Living Standards Measurement Study

NSDD : Norme spéciale de diffusion des données

PDA : Agenda électronique personnel / Assistant électronique personnel

PSSAR : Plans stratégiques de développement des statistiques agricoles et rurales

SGDD : Système général de diffusion des données

SNDS : Stratégies nationales du développement de la statistique

UNECE : United Nations Economic Commission for Europe

WCA : World Census of Agriculture

Page 11: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

ix

Remerciements

Ce Manuel de formation sur les Statistiques Agricoles a été élaboré par M. Tiral Sidi, statisticien. Des contributions substantielles ont été faites par M. Ankouvi NAYO, consultant en Statistique Agricole au Bureau de coordination globale de la Stratégie Mondiale pour l’amélioration des statistiques agricoles et rurales (GSARS). La revue a été effectuée par une équipe du Bureau de coordination globale. Cette équipe a apporté des inputs très significatifs pour la finalisation du document. Ladite équipe est composée de Christophe Duhamel, Valérie Bizier, Carola Fabi, Dramane Bako, Neli Georgieva et Franck Cachia.

M. Harouna Soumare, consultant auprès de la FAO, a également fait des contributions non négligeables à l’amélioration du matériel de formation.

Ces travaux ont été effectués sur la coordination, la supervision et les orientations de M. Christophe Duhamel, coordinateur du Bureau de coordination globale et de Valérie Bizier, coordonnatrice de la formation et de l'assistance technique dans ladite institution.

Les documents supports qui accompagnent le présent manuel sont:• Un recueil d’exercices;• Un syllabus et le manuel du formateur;• Une présentation power point.

À ce titre, le manuel d’exercices a été élaboré par Ankouvi NAYO avec les orientations de Valérie Bizier. De plus, quelques exercices ont été extraits du recueil d’exercices destiné à la formation en statistique agricole de l’École Nationale Supérieure de Statistique et d’Économie Appliquée (ENSEA) d’Abidjan.

Ce manuel a été préparé avec l’appui du fonds fiduciaire de la Stratégie Globale, financé par la Fondation Bill & Melinda Gates et le Département pour le développement international (DFID) du Royaume-Uni.

Page 12: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

x

Introduction

Le but de ce manuel est de servir de support aux formateurs en statistiques agricoles chargés de former principalement des cadres des agences nationales de statistiques agricoles (ANSA) statisticiens, mais non spécialisés en statistiques agricoles.

Le cours est structuré en quatre modules. Chacun de ces modules est subdivisé en thèmes ou sous-modules qui doivent faire l’objet d’exposés théoriques par le formateur. Ces exposés sont à illustrer et à soutenir par des exemples et exercices afin d’en assurer une meilleure compréhension.

Le corps du manuel est articulé autour d’une introduction portant sur des rappels statistiques et de quatre modules:

Rappels statistiques.

Au titre de quelques rappels statistiques, cette partie ne sera pas dans le corps de la formation dans la mesure où les stagiaires sont des initiés à la statistique, mais non spécialisés en statistiques agricoles. Ce bref rappel va couvrir:• Quelques concepts et définitions;• Un bref résumé des méthodes d’échantillonnage;• Quelques recommandations sur la collecte des données;• Quelques aspects importants sur le traitement, l’analyse et la diffusion des données;• Quelques aspects de gestion de la qualité des données.

Pour plus de détails sur ces différents aspects, les stagiaires pourront se référer à des documents plus spécialisés (voir bibliographie).

Module 1: Cadre conceptuelUn aperçu du cadre général des statistiques agricoles dans les systèmes nationaux de statistiques est présenté dans cette partie. Les thèmes développés sont:• La portée du cours;• Le cadre conceptuel de la Stratégie mondiale en matière d’amélioration des statistiques agricoles et rurales et

ses dimensions économique, sociale et environnementale;• Les plans stratégiques de développement des statistiques agricoles et rurales (PSSAR) et des stratégies nationales

du développement de la statistique (SNDS); • L’évaluation du Système national de statistiques agricoles (SNSA) et des indicateurs de capacités de statistiques

agricoles qui en découlent;• Les utilisateurs et utilisations des statistiques agricoles.

Page 13: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

xi

Module 2: Sources de données, unités statistiques et méthodes de collecte. Cette partie passe en revue les méthodes de collecte. Elle est le noyau principal de ce cours de statistiques agricoles. Son objectif est de permettre aux auditeurs d’avoir un aperçu sur les producteurs de statistiques agricoles, les principales sources de données et les questions méthodologiques fondamentales dans la conception des recensements et enquêtes agricoles par sondage.

Les thèmes suivants seront développés:• Les statistiques à produire;• Les producteurs de données: systèmes statistiques centralisés et décentralisés;• Les sources de statistiques agricoles (directes et indirectes);• Les unités statistiques;• Les méthodes de collecte.

Module 3: Traitement et analyse des donnéesCe module décrit l’ensemble des opérations de traitement et d’analyse sur un groupe de données pour obtenir les informations voulues à partir d’une source telle qu’un recensement, une enquête par sondage ou un registre administratif. Un accent particulier sera mis sur quelques points spécifiques aux statistiques agricoles. Il s’agit notamment:• des pratiques actuelles en matière de traitement des données et limites observées;• de la mesure des superficies et de rendement notamment dans le cas de cultures associées;• de l’estimation de la production agricole;• de la prévision des récoltes;• de l’analyse et de la diffusion.

Module 4 : Cadres analytiques et statistiques dérivéesDans cette partie, les cadres d’analyse et les statistiques dérivées suivants sont passés en revue :• Comptes économiques de l’agriculture et comptes économiques de l’environnement (niveau sub-national et

national);• Statistiques des coûts de production;• Pertes post-récolte;• Prix agricoles au producteur et indices des prix (mensuels et annuel);• Sécurité alimentaire et bilans alimentaires.

Page 14: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

xii

Page 15: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

11

0Module 0 : Quelques rappels statistiques

0.1. QUELQUES DéFINITIONS

0.1.1. Population et types d’unitéLa population est composée de l’ensemble des individus pour lesquelles les résultats de l’enquête s’appliqueront.

La population cible ou champ d’une enquête (target population) est la collection complète des unités d’observations que l’on veut étudier. Il faut la définir soigneusement pour chaque étude. Ce n’est pas toujours évident.

L’unité statistique (ou individu statistique) est un élément quelconque, dont l’ensemble compose la population ou l’univers. En d’autres termes, c’est un élément quelconque de la population (cible). Elle peut d’être de nature différente (villages, ménages1, hameaux, parcelles cultivées, entreprise, personnes physiques, etc.) exemple :

Population Unité statistique

Main-d’œuvre agricole Un employé agricole quelconque ou un manœuvre agricole quelconque

Actifs agricoles, équipements et machines Un tracteur

La population échantillonnée (sampled population) est la liste de toutes les unités d’observation qui pourraient être choisies pour former un échantillon. Elle ne coïncide pas toujours avec la population cible (Cf. Annexe 3)

L’unité d’échantillonnage ou de sondage est constituée de chaque « membre » de la base d’échantillonnage. Par ailleurs, la base d’échantillonnage est la liste exhaustive des unités statistiques d’une population donnée. L’unité d’échantillonnage renvoie au niveau auquel se fait l’échantillonnage. Ce sont les unités directement soumises à une opération de sélection. L’unité d’échantillonnage peut être une exploitation agricole2, un ménage, une parcelle

1 Se référer à la section 2.4.1 pour la définition de ménage.2 Se référer à la section 2.4.1 pour la définition de l’exploitation agricole.

Page 16: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

2

agricole, un enfant, un logement, une école, une formation sanitaire.

L’unité d’analyse est le niveau sur lequel porte l’analyse. L’exploitation agricole peut être par exemple l’unité d’échantillonnage (on sélectionne donc des exploitations agricoles), mais l’analyse peut porter sur des parcelles qui sont alors les unités d’analyse.

L’unité répondante (ou déclarante) est l’intermédiaire qui fournit l’information sur chaque unité statistique (ex.: un chef d’exploitation agricole interviewé sur ses parcelles; une mère interrogée sur ses enfants, un directeur interrogé sur son école).

L’unité d’observation ou de référence (observation unit, unit of interest) est celle sur laquelle on demande des informations. Par exemple : les exploitations agricoles, les parcelles pour lesquelles le chef de l’exploitation agricole a donné des informations; les enfants pour lesquels la mère a donné des informations; l’école primaire publique pour laquelle le directeur a donné des informations. C’est donc l’objet sur lequel on fait une mesure. C’est l’unité de base observée. Pour des populations humaines c’est un individu.

0.1.2. Données, statistiques et informationsLes termes « donnée », « statistique » et « information » sont souvent indifféremment utilisés, mais il y a d’importantes distinctions à faire entre eux.

La donnée est l’élément de base d’un système d’information plus large. Lorsque les statisticiens produisent des données, ils essaient de mesurer ou de compter les phénomènes (individus ou activités) qui font partie du monde réel.

Exemples de données obtenues par comptage : nombre de vaches dans une ferme, superficie d’un champ, nombre de personnes dans un ménage, nombre d’enfants dans une famille.

Autre exemple de mesure : Si la question était : « Combien avez-vous dépensé l’année dernière pour les semences améliorées ? », La réponse doit être fournie par un répondant qui se réfèrerait à un document ou fera appel à sa mémoire.

Les données ne sont pas très utiles par elles-mêmes. Elles doivent être organisées dans des statistiques pour les rendre compréhensible et utilisables.

Les statistiques sont les compilations de faits numériques et de chiffres. Ces faits et chiffres sont créés à partir de données et sont organisés pour leur utilisation. Elles apparaissent dans les tableaux, diagrammes, graphiques ou de cartes.

La statistique est aussi une science mathématique qui se concentre sur la collecte, l’analyse, l’interprétation ou l’explication, et la présentation des données. Elles peuvent provenir :• D’enquêtes (recensement ou par sondage);• De sondages d’opinion;• De données administratives (par exemple, les importations et exportations).

Il faut distinguer les statistiques officielles (productions des structures étatiques) et non officielles (production des privés).

L’information est très spécifique. En d’autres termes, elle ne peut être à usage général, mais plutôt, l’information porte sur une question particulière. Dans ce sens l’information peut être utilisée pour soutenir les décisions dans

Page 17: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

3

une variété de situations. C’est la donnée traitée et communiquée (c’est à dire mise, sous une forme ou une autre, à la disposition du public) – avec comme corollaire qu’une donnée non diffusée n’est pas une information.

0.1.3. Période d’enquête et période de référenceSur le plan opérationnel, il est recommandé de décider de ces deux périodes longtemps à l’avance.

La période d’enquête correspond à celle pendant laquelle la collecte des données sera effectuée sur le terrain. Elle doit garantir un bon contrôle des procédés d’identification de l’échantillon (neutralisation des effets saisonniers en particulier).

Exemple : les enquêtes agricoles se déroulent en général pendant la période couvrant le cycle cultural. Pour organiser le passage des enquêteurs, il faut tenir compte du calendrier des cultures, de leur cycle de croissance et des différences entre les céréales, les tubercules et racines, les légumes, les cultures de rente, les cultures fruitières et autres cultures.

Période de référence : C’est la période à laquelle se rapportent les données. Elle dépend des objectifs de l’enquête. Selon les cas c’est un intervalle de temps (semaine, mois, année, campagne agricole, etc.) ou d’une date précise. Il faut noter que dans une même enquête des variables peuvent avoir des périodes de référence différentes.

Exemple : La période de référence d’une enquête de production végétale est la campagne agricole. La période de référence pour les naissances, les acquisitions et les morts naturelles des animaux dépend du type d’animal. En général, elle est d’un an pour les bovidés, de six mois pour les petits ruminants et porcs et d’un mois pour la volaille.

Page 18: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

4

0.2. LES éTAPES D’UNE ENQUêTE STATISTIQUE

Des enquêtes peuvent être effectuées sur différents thèmes. Même si pour chaque thème il y a une méthodologie spécifique, la conception de toutes les enquêtes suit globalement les mêmes étapes. Une enquête statistique, agricole ou autre, fruit d’un travail d’équipe composée de plusieurs partenaires parmi lesquels le statisticien, est une chaîne de travaux complexe qui part de la préparation administrative et technique à la publication des résultats, en passant par la conception méthodologique, la collecte de données sur le terrain, le traitement, l’analyse et la diffusion des données. Les principales étapes du déroulement d’une enquête sont :• L’identification des besoins en information / Définition des objectifs de l’enquête et des moyens;• Détermination de la période d’enquête et de la période de référence;• Plan de travail, budget;• Choix de la base et des unités de sondage;• Choix du plan de sondage;• Méthode de collecte de données;• Conception des documents techniques (questionnaires, manuels d’instruction…);• Recrutement et formation du personnel;• Tests et/ou enquêtes pilotes;• Organisation et suivi des activités sur le terrain;• Traitement des données (saisie, tabulation, traitement et analyse);• Préparation du rapport et la diffusion des résultats.

À titre d’illustration, la figure suivante (Generic Statistical Business Process Model V, UNECE3) montre les différentes étapes d’une enquête et leurs interactions

3 United Nations Economic Commission for Europe (UNECE)

Page 19: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

5

FIGURE 1 : DIFFéRENTES éTAPES D’UNE ENQUêTEG

esti

on

de

la q

ual

ité/

Ges

tio

n d

es m

étad

on

née

s

Déf

init

ion

d

es b

esso

ins

Co

nce

pti

on

éla

bo

rati

on

Co

llect

eTr

aite

men

tA

nal

yse

Diff

usi

on

éva

luat

ion

1.1

Iden

tific

atio

nde

s be

soin

s

2.1

Con

cept

ion

des

prod

uits

3.1

Éla

bora

tion

de l'

inst

rum

ent

de c

olle

cte

4.1

Cré

atio

n d'

un

cadr

e et

séle

ctio

n d'

un

écha

ntill

on

5.1

Inté

grat

ion

des

donn

ées

6.1

Éla

bora

tion

du

proj

etde

pro

dutt

s

7.1

Act

ualis

atio

nde

s sy

stèm

esde

pro

duits

8.1

Rec

ueil

des

prod

uits

d'év

alua

tion

1.2

Con

sulta

tions

et v

alid

atio

nde

s be

soin

s

2.2

Con

cept

ion

des

desc

riptio

nsde

var

iabl

es

3.2

Éla

bora

tion

ou re

nfor

cem

ent

des

com

posa

ntes

du p

roce

ssus

4.2

Org

anis

atio

nde

la c

olle

cte

5.2

Cla

ssifi

catio

net

cod

age

6.2

Valid

atio

nde

s pr

odui

ts

7.2

Éla

bora

tion

des

prod

uits

de d

iffus

ion

8.2

Con

duite

de l'

éval

uatio

n

1.3

Éta

blis

sem

ent

des

obje

ctifs

en

mat

iére

de p

rodu

its

2.3

Con

cept

ion

de la

col

lect

e

3.3

Éla

bora

tion

oure

nfor

cem

ent d

esco

mpo

sant

es d

e di

ffus

ion

4.3

Réa

lisat

ion

de la

col

lect

e

5.3

Exa

men

et v

alid

atio

n

6.3

Inte

rpré

tatio

net

exp

licat

ion

des

prod

uits

7.3

Ges

tion

de la

pub

licat

ion

des

prod

lits

de

diff

usio

n

8.3

Ado

ptio

n d'

un p

lan

d'ac

tion

1.4

Iden

tific

atio

nde

s co

ncep

ts

2 .4

Con

cept

ion

du c

adre

et d

e l'è

chan

tillo

n

3.4

Con

figur

atio

ndu

dér

oule

men

tde

s tr

avau

x

4.4

Fina

lisat

ion

de la

col

lect

e

5.4

Édi

tion

et im

puta

tion

des

donn

ées

6.4

Mis

e en

pla

cedu

con

trôl

ede

la d

ivul

gatio

n

7.4

Prom

otio

nde

s pr

odui

tsde

diff

usio

n1.

5Vé

rific

atio

nde

la d

ispo

nibi

lité

des

donn

ées

2.5

Con

cept

ion

du tr

aite

men

tet

de

l'ana

lyse

3,5

Mis

e à

l'ess

ai

du s

ystè

me

de

prod

uctio

n

5.5

Cal

cul d

e no

uvel

les

varia

bles

et u

nité

s

6.5

Fina

lisat

ion

des

prod

uits

7.5

Ges

tion

de l'

assi

stan

ceau

x ut

ilisa

teur

s1.

6Pr

épar

atio

nde

l'ét

ude

de c

as

2.6

Con

cept

ion

de

syst

èmes

de p

rodu

ctio

n

et d

udé

roue

lem

ent

des

trav

aux

3.6

Mis

e à

l'ess

aidu

pro

cess

usde

pro

duct

ion

stat

istiq

ue

5.6

Cal

cul

des

coef

ficie

nts

de p

ondé

ratio

n

3.7

Fina

lisat

ion

du s

ystè

me

de p

rodu

ctio

n

5.7

Cal

cul d

es

agré

gats

5.8

Fina

lisat

ion

des

fichi

ers

de d

onné

es

Sou

rce

: GS

BP

M v

5

Page 20: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

6

0.3. MéTHODE D’éCHANTILLONNAGE

Le choix d’un plan de sondage optimal est une phase capitale. C’est à ce niveau que l’on détermine :• la taille de l’échantillon;• les procédures de tirage;• les estimateurs calculés, ainsi que leur précision théorique.

Pour une enquête donnée, il existe divers plans de sondages possibles. Cependant, il faut toujours prendre en compte la précision des données souhaitée et les ressources disponibles. Dans ce cadre, il est essentiel d’avoir toujours en mémoire le principe d’optimisation, c’est-à-dire il faut chercher à obtenir :i. un degré de précision donné au moindre coût, ou bien ii. un maximum de précision pour un coût donné fixé à l’avance.

En liaison avec les trois types de base de sondage, il y a trois types de plans de sondage :• Le plan de sondage par liste;• Le plan de sondage aréolaire;• Le plan de sondage à bases multiples.

Dans ces types de plan de sondage, il s’agit de tirer un échantillon aléatoire d’unités d’enquête, et ce, à partir de la base de sondage (listes, aréolaire ou multiple) retenue. Mais dans le cas où il n’existe pas de listes fiables d’unités, on adopte généralement un plan à au moins 2 degrés :• au premier degré on tire un échantillon d’unités primaires (UP) (village, section d’énumération, zone de

dénombrement…) préférablement selon des strates liées aux variables d’intérêt à mesurer (par ex, zone agroécologique, zone à forte, moyenne ou faible densité agricole…) et contenant les unités d’enquêtes. On établit ensuite à l’intérieur de chaque UP échantillonnée la liste des unités d’enquête;

• au second degré, on tire l’échantillon d’unités secondaires (US) auprès duquel se fera l’enquête dans les listes d’UP établies au premier degré.

Le principe de la méthodologie de tirage retenue est d’avoir un échantillon probabiliste, c’est-à-dire un échantillon qui donne une chance (probabilité) non nulle à toute unité d’enquête du champ de l’enquête d’être retenue dans l’échantillon. Cependant, pour éviter de biaiser les estimations en privilégiant certaines unités d’enquête par rapport à d’autres quant aux chances d’appartenir à l’échantillon, il est parfois préférable, en plus du critère de non nullité des probabilités pour toutes les unités statistiques concernées, de considérer l’égalité des probabilités : toutes les exploitations de type semblable (même strate) ont la même (ou presque) chance d’appartenir à l’échantillon sera le principe à adopter dans le tirage à 2 degrés retenu.

Dans un tirage à 2 degrés, les unités secondaires peuvent avoir les mêmes chances d’appartenir à l’échantillon global de deux façons différentes :i. Les unités primaires sont tirées à probabilités égales et à l’intérieur de chaque unité primaire on dresse la liste

des unités secondaires; on tire de chacune de ces listes la même proportion d’unités secondaires (on applique la même probabilité de tirage). On aboutit alors à un échantillon équiprobable d’unités secondaires dont on ne connaît la taille qu’a posteriori, on ne peut donc pas fixer la taille à l’avance. Afin de pouvoir fixer la taille de l’échantillon à l’avance, une approche de cette méthode consiste d’abord à stratifier les unités primaires selon la taille. Dans chacune des strates qui ne sont autres que des classes de taille, le nombre d’unités primaires échantillonnées ainsi que le nombre d’unités secondaires à tirer par unité primaire échantillonnée sont fixés. Le nombre d’unités secondaires à tirer dans les unités primaires échantillonnées étant d’autant plus élevé que la taille des unités de la strate est élevée;

ii. Au premier comme au deuxième degré, on procède à des tirages à probabilités inégales de manière à ce que les

Page 21: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

7

2 inégalités se « neutralisent » : si au premier degré la probabilité de tirage d’une unité primaire est directement proportionnelle à une grandeur relative à cette unité (la taille par exemple), au second elle sera inversement proportionnelle. Ainsi, si une unité primaire a d’autant plus de chances d’être tirée que sa taille en unités secondaires est grande, au second degré la proportion d’unités secondaires à tirer dans cette unité doit être d’autant plus faible que la taille en unités secondaires est importante. Mathématiquement ceci se traduit par la probabilité de tirage des unités primaires est proportionnelle à la taille, la probabilité de tirage des unités secondaires inversement proportionnelle à la taille de l’unité primaire qui les contient.

0.3.1. échantillon pour un système intégré d’enquête ou enquête à passages répétés

L’enquête agricole a un caractère périodique. Par rapport à cette périodicité, faut-il, une fois un échantillon d’exploitations tiré, le conserver indéfiniment ou le renouveler périodiquement ? L’idéal est d’enquêter régulièrement les mêmes exploitations. Il est en effet prouvé que la précision de l’estimation de l’évolution d’une variable est beaucoup plus grande pour les panels dans lesquels le même échantillon est conservé dans le temps. Ceci a en effet l’avantage de mieux cerner les évolutions des différentes grandeurs suivies.

Soit :

y1 l’estimation d’une variable y à partir d’un échantillon E1 à l’instant t1;

y2 l’estimation d’une variable y à partir d’un échantillon E2 à l’instant t2;

a) Si les échantillons E1 et E2 sont indépendants, alors :

Donc :

b) Dans le cas de panels où c’est le même échantillon (E1=E2) aux instants t1 et t2, on montre que COV (y1, y2) est positive, donc :

Mais, dans la réalité, le suivi du même échantillon d’exploitations présente entre autres les inconvénients suivants :• L’enquête peut représenter, pour les unités enquêtées (ex. exploitations), une contrainte du fait de la lassitude

qui entrainera à terme le refus de collaborer;• L’enquêteur peut avoir tendance à construire les données d’une campagne à partir des données des campagnes

antérieures;• La structure des unités enquêtées (ex. ménages) peut changer après un certain temps.

2 1 1 2 1 2V(y -y )=V(y ) + V(y ) - 2COV(y ,y )

1 2COV(y ,y )=0

2 1 1 2V(y -y )=V(y ) + V(y )

2 1 1 2V(y -y )<V(y ) + V(y )

Page 22: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

8

0.3.2. La technique de tiragePour illustrer les techniques de tirages, adoptons les notations suivantes :

a. Tirage des unités primairesComme indiqué ci-dessus, le tirage des UP est presque toujours fait avec probabilités inégales. La probabilité de tirage est dans ce cas liée à une variable qui varie d’une UP à une autre. Le tirage avec probabilité égale est largement décrit dans le paragraphe relatif aux unités secondaires.

La base de sondage donne pour chaque UP son effectif à la date du recensement. La proportion que représente l’effectif de l’UP dans l’univers (le rapport entre son effectif et celui de l’univers) représente son poids et donc sa probabilité de tirage.

Si l’échantillon des UP est de taille n , la probabilité de tirage d’une unité primaire sera n fois le rapport de son effectif à l’effectif total. La probabilité de tirage des unités primaires est donc proportionnelle à la taille.

D’une manière générale, la probabilité sera liée à une information numérique présente dans la base de sondage sous forme d’une variable d’effectif P qui généralement est une mesure de l’importance de chaque UP dans l’univers et correspond à la notion de taille. Selon la base de sondage utilisée, cette taille peut être le nombre d’habitants, le nombre de ménages, le nombre d’exploitations, etc.

i. Tirage avec remiseL’échantillonnage avec remise permet à une unité d’échantillonnage d’être sélectionnée plus d’une fois. La procédure de sélection de manière basique consiste à tirer les unités d’échantillonnage de manière successive au sein d’une population cible, tout en remettant à chaque fois les unités sélectionnées dans la population avant de procéder à la sélection suivante. De manière pratique, les méthodes de tirage systématique à partir des totaux cumulés ou de tirage systématique sur probabilité cumulée pourront être utilisées.

ENCADRé 1 : RENOUVELLEMENT DE L’éCHANTILLON

• Pour amoindrir les biais engendrés par la déformation des unités (ex. exploitations) avec le temps, il

est recommandé de procéder à des renouvellements de l’échantillon des exploitations. Afin de réduire

le coût d’une telle opération, ce renouvellement peut se faire de façon progressive en changeant

par exemple chaque année un tiers ou un quart ou un cinquième de l’échantillon. Ainsi la totalité de

l’échantillon sera renouvelée après 3, 4 ou 5 ans.

• Par ailleurs, le renouvellement progressif a l’avantage de permettre la mise en œuvre d’analyses

longitudinales et transversales. L’analyse longitudinale s’avère utile pour l’évaluation d’impact

d’interventions ou de chocs.

Manueldeformationenstatistiquesagricoles Page16

• L’enquêteur peut avoir tendance à construire les données d’une campagne à partir des données des campagnes antérieures;

• La structure des unités enquêtées (ex. ménages) peut changer après un certain temps.

Encadré 1 : Renouvellement de l’échantillon

Pour amoindrir les biais engendrés par la déformation des unités (ex. exploitations) avec le temps, il est recommandé de procéder à des renouvellements de l’échantillon des exploitations. Afin de réduire le coût d’une telle opération, ce renouvellement peut se faire de façon progressive en changeant par exemple chaque année un tiers ou un quart ou un cinquième de l’échantillon. Ainsi la totalité de l’échantillon sera renouvelée après 3, 4 ou 5 ans. Par ailleurs, le renouvellement progressif a l’avantage de permettre la mise en œuvre d’analyses longitudinales et transversales. L’analyse longitudinale s’avère utile pour l’évaluation d’impact d’interventions ou de chocs

0.3.2. Latechniquedetirage

Pour illustrer les techniques de tirages, adoptons les notations suivantes :

tirerà primaires unitésd' nombre =n

i unitél' de relative taille=PPi =p

)N1,2,...., =(i i UPl' de taille=P UPdes totale tailleP

(UP) primaires unitésd' totalnombre

i

i

N=

=

a. Tirage des unités primaires

Comme indiqué ci-dessus, le tirage des UP est presque toujours fait avec probabilités inégales. La probabilité de tirage est dans ce cas liée à une variable qui varie d’une UP à une autre. Le tirage avec probabilité égale est largement décrit dans le paragraphe relatif aux unités secondaires.

La base de sondage donne pour chaque UP son effectif à la date du recensement. La proportion que représente l’effectif de l’UP dans l’univers (le rapport entre son effectif et celui de l’univers) représente son poids et donc sa probabilité de tirage.

Si l’échantillon des UP est de taille n , la probabilité de tirage d’une unité primaire sera n fois le rapport de son effectif à l’effectif total. La probabilité de tirage des unités primaires est donc proportionnelle à la taille.

D’une manière générale, la probabilité sera liée à une information numérique présente dans la base de sondage sous forme d’une variable d’effectif P qui généralement est une mesure de l’importance de chaque UP dans l’univers et correspond à la notion de taille. Selon la base de sondage utilisée, cette taille peut être le nombre d’habitants, le nombre de ménages, le nombre d’exploitations, etc.

Page 23: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

9

ii. Tirage sans remiseContrairement au cas des tirages avec remise, où la probabilité pour une unité d’être sélectionnée à un tirage quelconque était constante, ici chaque tirage modifie les conditions des tirages suivants. Ainsi, en plus des probabilités de p1

i de sortie au premier tirage, il faut connaître les p2i/j de sortie des Ui au deuxième tirage

sachant que l’unité Uj a été sélectionnée au premier tirage, et ainsi de suite.

On voit que le problème devient rapidement inextricable si le nombre de tirages est élevé comme c’est le cas des unités primaires où l’échantillon est parfois important. De nombreux travaux ont été menés sur les sondages avec probabilités inégales sans remise, mais ils débouchent généralement sur des procédures très complexes et difficilement applicables dans des enquêtes. Lorsque la fraction de sondage est faible, comme c’est généralement le cas dans la réalité pour ce qui concerne la plupart des enquêtes, on montre que le sondage avec probabilités inégales sans remise diffère très peu du sondage avec remise. On approche donc souvent dans ce cas le sondage sans remise par le sondage avec remise.

b. Tirage des unités secondairesLe tirage des exploitations dans les UP échantillonnées se fait suite à un dénombrement exhaustif. Le dénombrement des exploitations dans les UP est une tâche assez lourde, mais déterminante dans l’extrapolation des données et le bon tirage de l’échantillon des exploitations à enquêter. Toutes les UP doivent donc faire l’objet de ce dénombrement ne serait-ce que sur une période où on estime que la variation dans le nombre d’exploitations est faible.

L’échantillon d’unités secondaires (US), censé représenter l’ensemble des US, ne doit être entaché d’aucun biais dans son tirage. On peut, pour éviter les biais, stratifier les US et faire le tirage en tenant compte de ces strates. À défaut de données suffisantes pour faire cette stratification, quelques connaissances empiriques peuvent être mises à contribution telles que le lien entre la production agricole d’une exploitation et le nombre d’actifs y travaillant qui peut dépendre de l’effectif total de l’exploitation. Il suffit donc, pour tirer les exploitations à enquêter par village, de répartir les exploitations en 3 catégories (Grandes, Moyennes et Petites) et de représenter chaque catégorie au prorata de son effectif.

Le nombre réduit d’exploitations à tirer par UP exige un tirage sans remise dont la précision est plus satisfaisante dans ce cas.

Si l’on dispose d’une base de sondage se présentant sous forme d’une liste de N unités. On veut en sélectionner n avec probabilité égale et sans remise.

Pour le tirage des exploitations échantillons, une des deux options suivantes peut être faite :

i. Tirage aléatoire simpleDans ce mode de tirage, « toutes les exploitations se valent ». Les exploitations ont donc le même poids dans l’UP qui les contient, en termes probabilistes on dira que les exploitations de l’unité primaire ont la même probabilité d’être dans l’échantillon, ou qu’elles sont tirées avec la même probabilité, . La moyenne arithmétique simple des valeurs relevées sur les exploitations échantillonnées permet d’estimer la valeur moyenne pour une exploitation de l’unité primaire qui les contient.

ii. Tirage systématiqueEn plus de sa relative simplicité, le tirage systématique peut implicitement faire la répartition proportionnelle entre les strates si les unités de tirage sont classées dans un ordre du critère de stratification. Dans le tirage

mM

Page 24: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

10

systématique, deux situations peuvent se présenter :Tirage avec probabilités égales : toutes les unités s’équivalent et sont considérées comme ayant le même poids;Tirage avec probabilités inégales : On peut dans le tirage de l’échantillon des exploitations considérer le lien entre la production et l’effectif : dans ce cas, le poids de la production de chaque exploitation dans l’unité primaire dépendra de ce que représente son effectif dans l’effectif total. La probabilité de tirage de chaque exploitation sera proportionnelle à sa taille.

La stratificationLes procédures de tirage décrites ci-dessus peuvent donner toute sorte d’échantillons : des échantillons les plus représentatifs possibles de la population aux échantillons les moins représentatifs. Le tirage étant aléatoire, on laisse le hasard faire et, plus la taille de l’échantillon est importante, plus on a de chance à mieux représenter la population.

La meilleure représentation de la population étant celle dans laquelle toutes les variétés sont représentées, il est nécessaire de connaître pour les unités d’échantillonnage une caractéristique permettant de les classer en groupes homogènes (appelés strates) par rapport aux variables de l’enquête. Il suffira alors de sélectionner au hasard des unités, dans chaque groupe des unités pour que tous les groupes soient représentés.

Par ailleurs, on peut avoir besoin d’obtenir de l’information suffisamment précise pour certains groupes de la population (région, département, etc.). Avec un échantillon aléatoire où les groupes de population visés ne sont contrôlés d’aucune façon, le nombre d’unités statistiques dans chaque groupe de population est complètement aléatoire et, dans certains cas, il peut être insuffisant pour fournir des résultats fiables. Il est donc préférable d’effectuer la sélection de l’échantillon d’une façon indépendante dans chaque groupe (strate), ce qui n’est possible que si la caractéristique qui définit les groupes est connue pour chaque unité d’échantillonnage.

Dans l’enquête agricole, la stratification la plus utilisée est celle correspondant aux différentes divisions administratives, et ce, non seulement dans le souci de satisfaire les utilisateurs pour leurs besoins de politiques de développement, mais aussi conformément aux dispositifs de collecte qui épousent généralement les divisons administratives.Cependant, dans les pays où il existe un découpage en zones agro-climatiques (ou zones agro-écologiques), on gagnera beaucoup en intégrant celui-ci dans la stratification. Les strates seront dans ce cas le croisement entre ces zones et les divisions administratives. À défaut de l’existence d’un découpage agro-climatique, on peut utiliser la latitude (nord/sud), les zones étant d’autant moins agricoles qu’elles sont situées dans certaines parties du pays. Puis, pour le tirage des exploitations dans les UP échantillonnées, on peut considérer la taille des exploitations en actifs agricoles. Cette stratification des exploitations selon le nombre d’actifs agricoles découle de l’hypothèse réaliste qui met, en milieu rural, un lien étroit entre le nombre d’actifs et la production agricole. Pour cela, au cours du dénombrement des exploitations dans les UP échantillonnées, il est nécessaire de collecter auprès de chacune d’elles des éléments pouvant permettre cette stratification.

ENCADRé 2 : STRATIFICATION

La stratification répond donc aux préoccupations liées d’une part à une meilleure représentation de la

population pour une meilleure précision des estimateurs, d’autre part à une meilleure représentation des

domaines pour lesquels une information précise est demandée.

Page 25: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

11

0.3.3. Taille des échantillonsLa taille de l’échantillon dans un sondage à deux degrés se compose de la taille de l’échantillon des UP (ex. : village, zone de dénombrement…) et du nombre d’US (ex. : exploitations) à tirer par UP échantillonnée. Ce plan de sondage lie le nombre d’US échantillonnées et le nombre d’UP échantillonnées par la relation e = n x m où m représente le nombre fixe d’US à enquêter par UP échantillonnée. La connaissance de deux quelconques des trois facteurs de l’équation entraîne celle du troisième. Donc, par la suite on pourra parler indifféremment du nombre de villages ou d’exploitations échantillonnés, mais au auparavant on va donner les éléments permettant la détermination de m.

a. Nombre d’US par UP échantillonnéeLe nombre d’US échantillonnées par UP dépend d’une part du degré de dispersion des US dans les UP eu égard à la variable d’étude, d’autre part de la contribution du second degré dans la précision des estimations. Le nombre d’US sera d’autant plus important que ces paramètres sont élevés.• La dispersion dans les UP (ex. village) est faible si les US (ex. exploitations agricoles) de la même UP

se ressemblent du point de vue du niveau de la variable d’intérêt (ex. production). Statistiquement, cette dispersion se mesure par la variance ou l’écart-type de la variable d’étude (ou de toute autre variable corrélée) entre les exploitations du même village. En l’absence d’éléments pour calculer cette dispersion, on peut se contenter dans un premier temps, de la dispersion évidente des exploitations selon la taille : exploitations petites, moyennes et grandes. Cette taille peut être liée à l’effectif ou aux moyens de production. On peut donc, dans chaque UP se fixer un nombre minimum de trois exploitations à enquêter dans l’espoir d’avoir une grande, une moyenne et une petite. Ce nombre minimum peut être porté à quatre ou cinq pour tenir compte du nombre élevé des valeurs moyennes dans une distribution (le nombre d’exploitations moyennes est certainement plus élevé que le nombre de grandes ou de petites);

• La part du second degré dans la précision des estimateurs est mesurée par la variabilité des estimations quand on change d’échantillon au sein de la même UP. Elle dépend de plusieurs facteurs :i. la variabilité entre les exploitations dans l’UP;ii. la taille des UP qui influe sur la probabilité de sélection des exploitations agricoles, mais surtout sur

celle des UP; elle contribue alors à augmenter beaucoup plus la part du premier degré de tirage dans la précision au détriment du second degré;

iii. la variabilité entre UP à laquelle la part de la contribution du premier degré est proportionnelle.

Page 26: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

12

b. Nombre d’UP échantillonnéesDans la pratique, c’est d’abord le nombre d’enquêtés qui est déterminé, et ce, en répondant au choix à l’une des deux questions suivantes. Cette réponse donne un nombre d’exploitations à enquêter à partir desquelles on déduit le nombre d’UP (ex. villages) (connaissant ).i. Combien d’exploitations peut-on enquêter ? La réponse à cette question se fait par rapport aux moyens dont

on dispose pour faire l’enquête (nombre d’enquêteurs, nombre de contrôleurs, matériel de collecte, moyens de déplacement), la qualité des estimateurs est déterminée après coup, elle est donc dictée par les moyens.

ii. Combien d’exploitations faut-il enquêter ? La réponse à cette question est plutôt technique : il s’agit de définir l’échantillon qu’il faut pour faire de bonnes estimations. Les moyens sont alors dictés par la qualité qu’on veut donner aux estimateurs. Cette qualité est généralement mesurée par le coefficient de variation de l’estimateur de la moyenne défini dans le cas d’un tirage aléatoire simple avec remise par :4

Il ressort que la taille de l’échantillon, c’est-à-dire le nombre minimum d’exploitations pouvant représenter l’ensemble de toutes les exploitations, dépend du degré d’homogénéité des exploitations : plus les exploitations se ressemblent du point de vue de la production agricole moins on a besoin d’un grand nombre pour les représenter.

À partir de la taille globale de l’échantillon des exploitations, celle de l’échantillon global de villages sera déduite. Cette détermination de tailles globales peut se faire au niveau national, par la suite l’échantillon sera réparti entre les différentes strates, on peut aussi déterminer la taille de l’échantillon indépendamment strate par strate. Dans le 1er cas, on part d’une précision souhaitée au niveau national et les précisions au niveau des strates se calculent après coup, tandis que dans le second cas on a une démarche inverse.

Généralement la taille des échantillons des enquêtes dans les différents pays est surtout déterminée à partir d’un souci de représentativité des entités administratives pour lesquelles des résultats doivent être produits ou du niveau de l’existence d’un dispositif technico-administratif pouvant mener les opérations de terrain.

La répartition de l’échantillon entre les entités administratives peut être faite selon les objectifs et les caractéristiques des divisions administratives égale ou proportionnelle. Dans le cas de la proportionnalité, les variables de référence (les plus utilisées pour les enquêtes agricoles) sont le nombre d’exploitations, le nombre de ménages et le nombre d’habitants. Dans le cas d’un objectif de précision globale, les méthodes de répartition sont décrites ci-dessus.

4 Cet indicateur est le rapport de deux variances théoriques pour un estimateur. La variance au numérateur est la variance réelle pour un plan de sondage donné. Au dénominateur est utilisée la variance en supposant la même taille d'échantillon pour un échantillonnage aléatoire simple sans remise.

Manueldeformationenstatistiquesagricoles Page20

d’exploitations moyennes est certainement plus élevé que le nombre de grandes ou de petites);

• La part du second degré dans la précision des estimateurs est mesurée par la variabilité des estimations quand on change d’échantillon au sein de la même UP. Elle dépend de plusieurs facteurs :

i) la variabilité entre les exploitations dans l’UP;

ii) la taille des UP qui influe sur la probabilité de sélection des exploitations agricoles, mais surtout sur celle des UP; elle contribue alors à augmenter beaucoup plus la part du premier degré de tirage dans la précision au détriment du second degré;

iii) la variabilité entre UP à laquelle la part de la contribution du premier degré est proportionnelle.

d. Nombre d’UP échantillonnées

Dans la pratique, c’est d’abord le nombre d’enquêtés equi est déterminé, et ce, en répondant au choix à l’une des deux questions suivantes. Cette réponse donne un nombre d’exploitations à enquêter à partir desquelles on déduit le nombre d’UP (ex. villages) (connaissantm ).

i) Combien d’exploitations peut-on enquêter ? La réponse à cette question se fait par rapport aux moyens dont on dispose pour faire l’enquête (nombre d’enquêteurs, nombre de contrôleurs, matériel de collecte, moyens de déplacement), la qualité des estimateurs est déterminée après coup, elle est donc dictée par les moyens.

ii) Combien d’exploitations faut-il enquêter ? La réponse à cette question est plutôt technique : il s’agit de définir l’échantillon qu’il faut pour faire de bonnes estimations. Les moyens sont alors dictés par la qualité qu’on veut donner aux estimateurs. Cette qualité est généralement mesurée par le coefficient de variation de l’estimateur de la moyenne défini dans le cas d’un tirage aléatoire simple avec remise par :

CV yyy( ) =

σ( y est l’estimateur de la moyenne et σ y l’écart-type de y )

Comme σσ

yy

n= où σ y est l’écart-type de y, on aura

CV yn y n

CV yy( ) ( )= × = ×1 1σ

(CV y( ) est le coefficient de variation de y)

n CV yCV y

CV yd

= =( )( )

( )2

2

2

2 (d représente la précision relative souhaitée pour la moyenne)

Cette taille n doit être ajustée par l’effet de sondage (Deff)4 et le taux de non-réponses (r), soit :

)1(' rDeffnn +××= .

Il ressort que la taille de l’échantillon, c’est-à-dire le nombre minimum d’exploitations pouvant 4 Cet indicateur est le rapport de deux variances théoriques pour un estimateur. La variance au numérateur est la variance réelle pour un plan de sondage donné. Au dénominateur est utilisée la variance en supposant la même taille d'échantillon pour un échantillonnage aléatoire simple sans remise.

Page 27: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

13

c. Répartition de l’échantillon entre les stratesLorsque la stratification poursuit un objectif de précision locale, le problème de la répartition de l’échantillon ne se pose évidemment pas. En fonction de la précision fixée, pour chacune des sous-populations particulières, on détermine séparément la taille nécessaire. La taille totale sera la somme des différentes tailles.

Dans le cas où la stratification est utilisée en vue d’améliorer la précision globale, une question vient naturellement à l’esprit : quelle est la meilleure répartition entre les strates d’une taille d’échantillon totale n ? Cette question est une forme simplifiée du problème général suivant : pour une structure d’échantillon donnée, quelle est la composition (taille et répartition) optimale de l’échantillon ?

Pour une taille totale n, nous considérerons ici que la meilleure répartition entre les strates est celle qui fournit la meilleure précision avec le minimum de ressources possible. En d’autres termes, le critère d’allocation est de minimiser le budget de l’enquête pour une variance donnée ou de minimiser la variance pour un budget donné, l’objectif étant une meilleure utilisation de ressources.

Dans un sondage stratifié avec un objectif de précision globale, il y a trois grands types de répartition de l’échantillon entre les strates :i. Répartition égale;ii. Répartition proportionnelle;iii. Répartition optimale de Neyman.

L’examen des estimateurs usuels du sondage aléatoire simple avec ou sans remise et du sondage stratifié en considérant les différents types de répartition, à savoir la répartition proportionnelle et la répartition optimale montre que la répartition optimale donne une meilleure précision que la répartition proportionnelle qui a son tour est plus précise que le sondage aléatoire simple.

0.4. COLLECTE DES DONNéES

La collecte de données est la phase opérationnelle encore appelée phase de terrain. Elle se déroule après la finalisation, en amont, des travaux de bureau (élaboration de la méthodologie, finalisation des outils, finalisation des procédures administratives, recrutement et formation des agents de collecte…)Il convient de préciser que l’une des phases non négligeables, en prélude à une opération de collecte, est la sensibilisation. Cette activité est importante pour la réussite de toute opération de terrain. La sensibilisation cible, le plus souvent, deux catégories de populations : d’une part les autorités administratives, locales et coutumières, les leaders d’opinion et de groupes sociaux organisés et d’autre part la population cible. La sensibilisation auprès du premier groupe a pour intérêt de solliciter leur participation à relayer l’information relative aux objectives de l’étude auprès des populations sous leur tutelle et rayon d’influence (ou d’action)La sensibilisation auprès de la population cible a pour intérêt de solliciter sa coopération et disponibilité à fournir l’information recherchée aux agents de collecte et l’informer de la période de mise en œuvre.Une fois les activités en prélude terminées, la phase de collecte peut être lancée.Au cours de cette phase, des visites sont effectuées dans toutes les zones retenues pour l’enquête. Ces visites sont effectuées par des agents de collecte organisés généralement en petits groupes (de 2 à 5 personnes) sous la supervision d’un chef d’équipe ou d’un superviseur ou encore d’un agent contrôleur. Les populations cibles sont donc identifiées dans les zones visitées et des observations sont effectuées (interview directe, observation…) et l’information est recueillie à partir des outils de collecte conçus à cet effet.

Page 28: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

14

Le déploiement des agents dans ces zones s’effectue selon un calendrier bien défini. Pour la réussite de l’opération de collecte, il est important d’insister particulièrement sur :• la chronologie des différentes phases qui doivent obligatoirement être effectuées successivement. Une phase ne

peut être exécutée que lorsque la précédente est terminée;• l’identification des unités de sondage;• l’identification des unités d’enquête;• la pédagogie du personnel de collecte (enquêteurs, contrôleurs);• la garantie de la qualité statistique.

Les données ainsi collectées subiront des traitements appropriés pour disposer de données apurées et disponibles pour des analyses ultérieures.

0.5. TRAITEMENT DES DONNéES

Le traitement des données s’effectue en quatre grandes étapes :• Le processus d’enregistrement consiste à vérifier que le document source (questionnaire) est complet pour la

saisie, la codification et la vérification;• Le processus de traitement consiste à épurer les données saisies et imputer les données manquantes au besoin;• Le processus de production consiste à calculer les coefficients de pondération pour l’extrapolation et produire

des tableaux ou des rapports à partir des données traitées et transformées en informations utiles.• La création d’un fichier final de microdonnées qui pourra être utilisé pour les analyses et l’archivage.

Quelques-unes de ces étapes sont présentées de façon plus détaillée ci-dessous.

0.5.1. Enregistrement des questionnairesLes questionnaires remplis doivent être bien organisés, puis être adressés aux services chargés du codage, de la saisie et de l’apurement des données.

0.5.2. Saisie et vérification des donnéesLa saisie des données peut s’effectuer dans un système informatique par un opérateur à l’aide d’un clavier ou par un lecteur optique. Avec les nouvelles technologies, la collecte peut être faite directement sur des tablettes ou smartphones et les données transférées sur un serveur sans qu’il ne soit nécessaire de les saisir après la collecte. Dans ce cas, une partie de la validation est faite au moment de l’enquête.

Lorsque des données agricoles sont saisies, il est important d’en vérifier l’exactitude. Pour ce faire, il existe deux méthodes à utiliser seules ou en combinaison :• La méthode de validation qui consiste à faire des vérifications informatiques pour déterminer si les données

saisies satisfont à certaines exigences, par exemple la saisie, les plages, la longueur des champs, le type de données, les chiffres, etc.;

• La méthode de vérification qui consiste à essayer de déterminer si les données saisies sont correctes, par le biais de la double saisie par exemple. Cette deuxième méthode demande des coûts supplémentaires qui doivent être budgétisés à l’avance.

Page 29: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

15

0.5.3. Processus de vérification (édition des données)Les systèmes de vérification peuvent être très simples ou très sophistiqués selon l’envergure de l’enquête. Ci-dessous figurent des exemples d’édition :• S’assurer qu’une question n’est associée qu’à une seule réponse;• S’assurer qu’une réponse est cohérente avec les items passés;• S’assurer que les valeurs codées sont valides;• S’assurer de l’exhaustivité globale et dans les différents sous-groupes.

0.5.4. L’imputation des données manquantes et le traitement des non-réponses partielles et totales

Le problème des données manquantes est presque courant lors de l’analyse de données d’enquête par sondage ou de recensement. Les données manquantes peuvent générer des résultats biaisés ou affecter la représentativité des résultats si un traitement approprié ne leur est pas réservé. Pour décider du traitement à réserver aux données manquantes, il est important de savoir pourquoi elles sont manquantes.

ENCADRé 3 : LES DIFFéRENTS TYPES DE DONNéES MANQUANTES

Il convient de distinguer trois types de données manquantes :

1. Non-réponse complètement aléatoire (Missing Completely at Random: MCAR)

2. Non-réponse aléatoire (Missing at Random : MAR)

3. Non-réponse non aléatoire (Missing Not at Random: MNAR)

1. Non-réponse complètement aléatoire (Missing Completely at Random: MCAR)

Une non-réponse est une MCAR lorsqu’il n’existe aucune relation entre l’information manquante et la

valeur intrinsèque ou entre l’information manquante et l’ensemble du jeu de données. La non-réponse

survient de manière entièrement aléatoire et ne peut s’expliquer.

2. Non-réponse aléatoire (Missing at Random : MAR)

Une non-réponse est une MAR lorsqu’il existe une relation entre l’information manquante et une

quelconque variable du jeu de données. Cette situation survient dans l’exemple ci-dessous.

• Les femmes sont moins enclines à déclarer leur âge et poids comparativement aux hommes.

Ce cas est aussi identifié par « non-réponse conditionnellement aléatoire » : l’absence de l’information

est conditionnelle aux informations observables. Dans l’exemple précédent, même s’il a été identifié

que ce sont les femmes qui ont une plus grande propension à ne pas répondre, il est cependant

difficile de prédire la valeur qui aurait dû être renseignée, d’où l’aléa.

3. Non-réponse non aléatoire (Missing Not at Random: MNAR)

Dans ce cas, il existe une relation entre l’absence de l’information et sa valeur. Cette non-réponse est

également appelée, « non-réponse non-ignorable ». Ce cas pourrait se produire dans les situations

suivantes :

• Les personnes qui ont un revenu élevé ont une faible propension à les déclarer;

• Les personnes les moins instruites sont moins portées à déclarer leur niveau d’instruction.

La MNAR est appelée « non-ignorable » parce que le mécanisme de données manquantes peut être

modélisé pour savoir pourquoi les données sont manquantes et quelles sont les valeurs probables.

Page 30: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

16

Après avoir catégorisé les données manquantes, les mécanismes suivants peuvent être utilisés pour les traiter :• L’analyse de tous les cas complets (ce qui consiste à exclure toutes les unités dont des données ou des résultats

sont manquants). Ceci est valable pour les MCAR et les MAR;• L’analyse des cas disponibles (ce qui consiste à exclure une variable ou une série de variables à cause de leur

taux de données manquantes). Ceci est valable pour les MCAR et les MAR; • La pondération en fonction du taux de non-réponse (ce qui consiste à trouver le moyen de repondérer l’échantillon

pour en rétablir la représentativité). Ceci est valable pour les MCAR et les MAR;• L’imputation des valeurs manquantes. L’imputation est un processus qui consiste à remplacer les données

manquantes par des valeurs plausibles. Quelques méthodes parmi d’autres :�� L’imputation par la moyenne. Dans ce cas, il conviendra de s’assurer que la distribution ne contient pas de

valeurs extrêmes (susceptible d’affecter la moyennes) ;�� Le report des dernières valeurs connues (imputation historique);�� L’imputation par ratio-régression;�� L’utilisation d’informations déduites d’observations connexes (imputation déterministe ou déductive). Ceci

est valable pour les MNAR;�� L’imputation à partir d’un donneur possède des caractéristiques similaires (imputation selon le voisin le plus

proche). Ceci est valable pour les MAR et les MNAR;�� L’imputation « hot-deck » et « cold-deck »:

0.5.5. L’extrapolationL’application d’un coefficient d’extrapolation qui respecte la structure du plan de sondage est nécessaire pour obtenir des résultats non biaisés (représentatif). Le poids de sondage W est l’inverse des probabilités d’inclusion des unités échantillonnées. Dans un sondage à plusieurs degrés, le poids de sondage W est le produit des poids de sondage à chaque degré.

Exemple d’un sondage à deux degrésn : Nombre de degrés du sondagepi : probabilité d’inclusion au degré iWi : poids de sondage du degré iW : poids de sondage total du plan de sondage

On a :

ENCADRé 4: HOT-DECk ET COLD-DECk

• Le hot-deck : On remplace la valeur manquante par la valeur de l’unité précédente dans le fichier, ou

celle de la dernière unité rencontrée, de préférence dans la même entité géographique, et dont on

pense qu’elle est suffisamment semblable à l’unité pour laquelle l’information manque. L’avantage de

cette méthode est qu’elle peut être facilement automatisée.

• Le cold-deck : On utilise une information « extérieure x à l’enquête relative à l’unité pour laquelle

l’information manque, par exemple la valeur de la variable à une date antérieure. Cette approche est

surtout applicable dans les enquêtes par panel.

Manueldeformationenstatistiquesagricoles Page26

ipiW 1= et ∏∏==

==n

ip

n

ii i

WW1

1

1

0.6. Analysedesdonnées

L’analyse des données peut se définir comme le processus consistant à transformer les données brutes en informations pertinentes grâce à un raisonnement analytique et logique. L’analyse de données aboutit généralement à des constats ou des conclusions. Diverses méthodes statistiques (descriptives, exploratoires, etc.) sont utilisées lors de l’analyse des données.

Encadré 5 : Compétences pour le traitement des données

Les professionnels chargés du traitement et de l’analyse des données agricoles doivent être familiarisés avec le suivi et le contrôle des questionnaires d’enquête; la saisie, l’apurement des données; les méthodes d’imputation de données manquantes; les techniques de tabulation; l’archivage, le calcul de l’erreur d’échantillonnage; et les progiciels statistiques

0.6.1. Définitionetcalculdesindicateurs:différencesdanslesstatistiquesagricolesproduites

Des différences sont probables dans les estimations, et ce, pour diverses raisons. Quelques-unes des raisons à l’origine de ces différences sont décrites ci-dessous (ONU-CEA-CAS5).

a. Différence de conception et de définition

La façon dont une variable d’indicateur est définie ou conçue peut varier en fonction du pays, de ses traditions, de sa culture, de ses pratiques statistiques, etc.

b. Différence dans les sources de données

Les enquêtes par sondage et les recensements sont les sources de données les plus largement utilisées pour calculer les indicateurs relatifs au développement de l’agriculture dans les pays en développement. Si diverses sources sont utilisées pour calculer le même indicateur, soit séparément, soit ensemble, les résultats pourraient être différents. Cette situation se produit généralement lorsque les populations ciblées par ces sources sont différentes (défaut de base de sondage unique, différentes définitions des notions et concepts selon les études, problème de couverture, différentes approches méthodologiques…). Cela a un effet négatif important sur le degré de comparabilité des données entre les pays et parfois à l’intérieur de régions d’un même pays.

c. Différences dans les dénominateurs et les estimations démographiques

Pour calculer des indicateurs afin d’évaluer le développement de l’agriculture, il faut disposer d’estimations démographiques ventilées pour les périodes entre les recensements. Ces estimations sont calculées à partir du recensement précédent sur la base de diverses hypothèses 5 ONU-CEA-CAS (2011). A Handbook on Data Collection, Compilation, Analysis and Use of Disaggregated

Data Including Those from Administrative Sources.

Page 31: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

17

0.6. ANALYSE DES DONNéES

L’analyse des données peut se définir comme le processus consistant à transformer les données brutes en informations pertinentes grâce à un raisonnement analytique et logique. L’analyse de données aboutit généralement à des constats ou des conclusions. Diverses méthodes statistiques (descriptives, exploratoires, etc.) sont utilisées lors de l’analyse des données.

0.6.1. Définition et calcul des indicateurs : différences dans les statistiques agricoles produites

Des différences sont probables dans les estimations, et ce, pour diverses raisons. Quelques-unes des raisons à l’origine de ces différences sont décrites ci-dessous (ONU-CEA-CAS5).

a. Différence de conception et de définitionLa façon dont une variable d’indicateur est définie ou conçue peut varier en fonction du pays, de ses traditions, de sa culture, de ses pratiques statistiques, etc.

b. Différence dans les sources de donnéesLes enquêtes par sondage et les recensements sont les sources de données les plus largement utilisées pour calculer les indicateurs relatifs au développement de l’agriculture dans les pays en développement. Si diverses sources sont utilisées pour calculer le même indicateur, soit séparément, soit ensemble, les résultats pourraient être différents. Cette situation se produit généralement lorsque les populations ciblées par ces sources sont différentes (défaut de base de sondage unique, différentes définitions des notions et concepts selon les études, problème de couverture, différentes approches méthodologiques…). Cela a un effet négatif important sur le degré de comparabilité des données entre les pays et parfois à l’intérieur de régions d’un même pays.

c. Différences dans les dénominateurs et les estimations démographiquesPour calculer des indicateurs afin d’évaluer le développement de l’agriculture, il faut disposer d’estimations démographiques ventilées pour les périodes entre les recensements. Ces estimations sont calculées à partir du recensement précédent sur la base de diverses hypothèses (le taux de croissance, la mortalité et les tendances migratoires).De plus, les méthodes de projection peuvent être à composante unique ou à composantes multiples, auquel cas elles permettent de faire des projections en fonction de différents scénarios, ainsi que le recommande la Division de la population des Nations Unies.Les différences dans les méthodes de projection ou les séries d’hypothèses retenues entraînent très vraisemblablement des différences d’estimations démographiques et, donc, des différences dans les indicateurs de développement.

5 ONU-CEA-CAS (2011). A Handbook on Data Collection, Compilation, Analysis and Use of Disaggregated Data Including Those from Administrative Sources.

ENCADRé 5 : COMPéTENCES POUR LE TRAITEMENT DES DONNéES

Les professionnels chargés du traitement et de l’analyse des données agricoles doivent être familiarisés

avec le suivi et le contrôle des questionnaires d’enquête; la saisie, l’apurement des données; les

méthodes d’imputation de données manquantes; les techniques de tabulation; l’archivage, le calcul de

l’erreur d’échantillonnage; et les progiciels statistiques.

Page 32: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

18

d. Coordination institutionnelle insuffisanteEntre les acteurs nationaux, régionaux et internationauxDans les pays en développement, les activités de différentes instances travaillant dans le domaine de la collecte, du traitement, de l’analyse et de la diffusion des statistiques agricoles ne sont pas toujours bien coordonnées. Il arrive que des acteurs nationaux recueillent, traitent, analysent et diffusent des données permettant de calculer des indicateurs sans concertation avec des acteurs régionaux et internationaux qui se livrent à des activités similaires. Cette absence de concertation et coordination entre ces instances conduit le plus souvent à la non-comparabilité des données du fait, par exemple, du manque de cohérence dans les concepts, des méthodes utilisées, de l’inadéquation des normes internationales aux besoins statistiques locaux. Cet état de fait est à relever également entre les acteurs régionaux et internationaux qui, le plus souvent, n’ont pas les mêmes priorités, politiques et orientations à l’attention des pays.

Entre les acteurs nationauxDans chaque pays, plusieurs instances produisent des statistiques agricoles. Ainsi, au sein du Ministère de l’agriculture, il existe généralement une agence ou une unité de statistique qui effectue des études statistiques, en complément de celles effectuées par l’Institut National de Statistique (INS). À défaut d’une coordination adéquate assurée par une instance centrale forte telle que l’INS dans le cadre d’une Stratégie Nationale du Développement de la Statistique (SNDS), les activités du Ministère peuvent entraîner des doublons inutiles et le gaspillage de ressources limitées par ailleurs et, en fin de compte, des différences dans les indicateurs de développement.

e. Métadonnées incomplètesLes métadonnées sont en quelque sorte des données à propos du contenu des données; elles décrivent un ensemble de données en fournissant des informations sur des sujets tels que la source des données, la définition des variables, les méthodes de calcul et autres aspects techniques et méthodologiques pertinents. Le manque partiel ou total de métadonnées est à l’origine de différences lors de l’analyse des résultats. Un ensemble de données sans informations exhaustives ne peut être correctement analysé et interprété.

0.6.2. La tabulationLa tabulation et la compilation des données sont des processus qui consistent à dériver des nombres d’individus ou de cas correspondant aux combinaisons spécifiées de caractéristiques à partir des enregistrements constituant un ensemble de données. Les tabulations à générer à partir d’un ensemble de données peuvent être définies avec précision : il faut déterminer leur domaine (le groupe d’individus cible de la tabulation, ses dimensions par niveau de ventilation, par exemple l’âge, le sexe, la situation au regard de l’emploi, la région, etc.).Les spécifications des tabulations doivent être compréhensibles à la fois pour les spécialistes et le personnel chargé du traitement des données et être suffisamment détaillées pour que le personnel chargé du traitement des données ne prenne pas de décisions quant au contenu des tabulations.

ENCADRé 6 : DIFFéRENCE DES DONNéES

La production d’indicateurs de plus en plus cohérents est une étape importante du processus

d’évaluation du développement agricole. À cette fin, il est nécessaire de concevoir des instruments

appropriés qui permettent aux instances nationales, régionales et internationales concernées de

réduire progressivement les différences de données. On attend dès lors des statisticiens professionnels

qui traitent, analysent et diffusent des statistiques agricoles qu’ils soient capables de s’attaquer aux

problèmes de différences de données.

Page 33: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

19

0.6.3. Les logiciels statistiquesLes progiciels statistiques sont des programmes informatiques spécialisés conçus pour faire des analyses statistiques. Le personnel chargé du traitement, de l’analyse et de la diffusion de données agricoles doit bien maîtriser les progiciels statistiques pertinents. Dans l’ensemble, les progiciels se répartissent en quatre groupes :• Les progiciels libres, parmi lesquels des programmes tels que R (une application libre du langage S) et DAP

(la version libre du programme SAS);• Les programmes dans le domaine public, parmi lesquels le programme CSPro (Census and Survey Processing

System, essentiellement utilisé pour saisir, tabuler, cartographier et diffuser les données d’enquêtes et de recensements), Survey Solution (SuSo) et Epi Info (spécialisé dans l’épidémiologie);

• Les logiciels gratuits, tels que les programmes GeoDa (un logiciel gratuit d’analyse de données spatiales, de géovisualisation, d’autocorrélation spatiale et de modélisation spatiale), QGis (un système d'information géographique à libre accès) et WinBUGS [logiciel d’analyse bayésienne avec la méthode de Monte-Carlo par chaînes de Markov (MCMC)],;

• Les logiciels commerciaux, parmi lesquels des programmes comme EViews (logiciel d’analyse économétrique), Stata (logiciel statistique global), SAS (logiciel statistique global), S-PLUS (logiciel statistique global) et SPSS (logiciel statistique global).

0.7. DIFFUSION DES DONNéES

La diffusion des données renvoie à tous les moyens par lesquels les données sont rendues publiques, entre autres :• La publication de documents, notamment les communiqués de presse, les périodiques et des documents ponctuels

hors-série;• La diffusion électronique de statistiques – par exemple sur cédérom (CD-ROM), sur clé USB ou via Internet;• L’envoi de statistiques en version imprimée ou électronique en réponse à des demandes directes;• La mise en place de systèmes automatisés pour donner accès aux statistiques sur demande par téléphone ou par

Internet.

Pour s’assurer que les données sont utilisées à leur plein potentiel, il est important de consulter les utilisateurs afin de déterminer le mode de diffusion le plus adapté à leurs besoins.

Page 34: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

20

0.8. LA GESTION DE LA QUALITé DES DONNéES

Il y a plusieurs références internationales en matière de gestion de la qualité des données. Plusieurs organismes internationaux font référence à la qualité des données :• Le Fonds monétaire international (FMI) avec :

�� Le Système général de diffusion des données (SGDD) �� La Norme spéciale de diffusion des données (NSDD)�� Le Cadre d’évaluation de la qualité des données (CEQD)

• La Division statistique des Nations Unies : Le Cadre national d’assurance de la qualité (CNAQ)• Paris21 : Le questionnaire sur les Indicateurs de renforcement des capacités statistiques (IRCS) • Des instituts de statistique : Statistique Canada, Eurostat, Insee, etc. • La FAO qui montre que la qualité des statistiques agricoles peut être sensiblement améliorée par :

�� La mise en place d’un système d’enquêtes intégré;�� La base de données intégrée qui permet de réaliser davantage d’analyses dans le temps;�� L’émergence des nouvelles technologies (PDA, GPS, télédétection).

Par ailleurs, l’utilisation des nomenclatures dérivées des normes internationales (COICOP, CITI, CPC, SCN68, SCN93, SCN2008, etc.) permet d’avoir des concepts et indicateurs normés qui garantissent la comparabilité des données dans le temps et dans l’espace.La plupart des cadres internationaux sur la qualité des données s’inspirent du cadre développé par le FMI, le cadre d’évaluation de la qualité des données ou CEQD (DQAF en anglais, Data quality assessment framework).6

6 Cadre d’évaluation de la qualité des données (CEQD) des statistiques de finances publiques (FMI, CEQD Juillet 2003)

ENCADRé 7 : CADRE D’éVALUATION DE LA QUALITé DES DONNéES (CEQD)

Le CEQD distingue six dimensions de la qualité6 :

• Les conditions préalables de la qualité : les éléments et indicateurs regroupés sous cette rubrique

jouent un rôle important en tant que paramètres institutionnels essentiels à la qualité des statistiques;

• L’intégrité : les systèmes statistiques doivent respecter le principe de l’objectivité dans la

collecte, l’établissement et la diffusion des statistiques; cette dimension recouvre les dispositions

institutionnelles qui assurent le professionnalisme dans les politiques et pratiques statistiques, la

transparence et les normes déontologiques;

• La rigueur méthodologique : la production des statistiques doit reposer sur une base méthodologique

rigoureuse, ce qui peut être assuré par l’application de normes, principes ou bonnes pratiques

acceptés au niveau international;

• L’exactitude et la fiabilité : cette dimension se rapporte au principe selon lequel les produits

statistiques donnent une image adéquate de la réalité économique; les données de base doivent être

appropriées pour l’établissement des statistiques; les techniques statistiques doivent être saines et

les données de base, les données intermédiaires et les données produites régulièrement vérifiées et

validées, y compris dans le cadre des études de révision;

• L’utilité : les statistiques doivent contenir des informations pertinentes dans le domaine concerné, être

diffusées dans les délais prescrits, selon une périodicité appropriée, être cohérentes entre elles et avec

d’autres ensembles de données, enfin être soumises à une politique de révision régulière;

• L’accessibilité : cette dimension est associée à la nécessité de veiller à ce que les données et

métadonnées soient présentées de manière claire et intelligible et soient facilement disponibles sur

une base impartiale; en bref, que les métadonnées soient à jour et pertinentes et que des services de

soutien rapides et compétents soient disponibles.

Page 35: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

21

Les organismes internationaux, retiennent les 6 dimensions suivantes pour définir la qualité des statistiques officielles :i. La pertinence de l’information exprime comment l’information répond aux besoins réels des utilisateurs;ii. L’exactitude et fiabilité de l’information statistique exprime la mesure dans laquelle l’information décrit

correctement le phénomène qu’elle devrait évaluer;iii. L’actualité et ponctualité de l’information statistique tient compte de sa date de publication par rapport à sa

date de référence;iv. L’accessibilité et la clarté renvoie à la facilité avec laquelle on peut l’obtenir auprès du producteur;v. L’interprétabilité ou les métadonnées se caractérisent par la disponibilité d’informations supplémentaires

nécessaires à son interprétation (métadonnées);vi. La cohérence et comparabilité de l’information statistique est assurée lorsque l’on peut réussir à recouper cette

information avec d’autres renseignements statistiques dans un cadre analytique général.

Les conditions préalables de la qualité des données sont :

• Cadre juridique et institutionnel favorable;• Ressources humaines, financières et matérielles adaptées aux programmes de productions des statistiques

agricoles;• Admettre que :

�� Les statistiques contiennent de l’information pertinente pour le domaine;�� La qualité est une condition qui gouverne tout travail de production de statistiques.

La qualité doit être recherchée :• Dans le système de production (aspects institutionnels, ressources humaine, matérielle et financière);• Dans les produits (outils, méthodologie, opérations).• La démarche qualité doit être une partie intégrante des activités statistiques :• Des contrôles internes et externes doivent se faire à toutes les étapes du processus de programmation et de

production statistique;• La quête de la qualité est une exigence pour la comparabilité internationale, mais elle a un coût, d’où l’importance

d’évaluer les coûts-bénéfices des activités d’assurance et de contrôle de la qualité et de bien les planifier dans les activités courantes de gestion et de production de statistiques officielles.

La figure 2 ci-dessous compare les composantes de la qualité des données déterminées par des organisations internationales7.

7 Global Strategy, Technical Report on the Integrated Survey Framework (June 2014)

Page 36: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

22

FIGURE 2 : CADRE D’éVALUATION DE LA QUALITé DES DONNéESFA

OU

NS

DU

NE

CE

OE

CD

EU

RO

STA

TFM

I

La p

erti

nen

ceLa

per

tin

ence

La p

erti

nen

ceLa

per

tin

ence

La p

erti

nen

ce

Co

nd

itio

n p

réal

able

à la

q

ual

ité

Mét

ho

do

log

ie r

igo

ure

use

L’ex

acti

tud

e et

la fi

abili

téL’

exac

titu

de

et la

fiab

ilité

L’ex

acti

tud

eL’

exac

titu

de

L’ex

acti

tud

eL’

exac

titu

de

et la

fiab

ilité

L’ac

tual

ité

et la

po

nct

ual

ité

L’ac

tual

ité

et la

po

nct

ual

ité

L’ac

tual

ité

et la

po

nct

ual

ité

L’ac

tual

ité

L’ac

tual

ité

et la

po

nct

ual

ité

Uti

le :

Dis

po

nib

le à

tem

ps

po

ur

la

pri

se d

e d

écis

ion

L’ac

cess

ibili

té e

t la

cla

rté

L’ac

cess

ibili

té e

t la

cla

rté

L’ac

cess

ibili

té e

t la

cla

rté

L’ac

cess

ibili

té e

t l’i

nte

rpré

tab

ilité

L’ac

cess

ibili

té e

t la

cla

rté

L’ac

cess

ibili

Les

mét

ado

nn

ées

Ass

ura

nce

de

l’in

tég

rité

La c

oh

éren

ce e

t la

co

mp

arab

ilité

La c

oh

éren

ce e

t la

co

mp

arab

ilité

La c

om

par

abili

téLa

co

hér

ence

La c

oh

éren

ce e

t la

co

mp

arab

ilité

Uti

le :

Dis

po

nib

le à

tem

ps

po

ur

la

pri

se d

e d

écis

ion

La p

erti

nen

ce a

u n

ivea

u

inst

itu

tio

nn

elLa

cré

dib

ilité

Co

nd

itio

n p

réal

able

à la

q

ual

ité

Prér

equ

is d

e l’i

nté

gri

Page 37: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

2323

1Module 1 : Aperçu du cadre général des statistiques agricoles

1.1. PORTéE DU COURS

La portée des statistiques agricoles est définie par :• Le Système des comptes nationaux (SCN) qui définit les normes internationales au niveau des concepts, des

définitions et des classifications des activités économiques. Le Système intégré des comptes économiques et environnementaux (SICEE) qui est un compte satellite du SCN est le point de départ pour les statistiques environnementales;

• Les variables socioéconomiques relatives aux exploitations agricoles émanent des comptes nationaux.

OBjECTIFS PéDAGOGIQUES DU MODULE

Les participants à la formation doivent :

• Avoir un aperçu du cadre conceptuel de la Stratégie mondiale pour l’amélioration des statistiques

agricoles et rurales;

• Saisir les liens entre la dimension économique, sociale et environnementale de ce cadre conceptuel;

• Comprendre l’importance des Plans stratégiques de développement des statistiques agricoles

et rurales (PSSAR) et de leur intégration dans les stratégies nationales du développement de la

statistique (SNDS);

• Lister les principaux utilisateurs et les principales utilisations des statistiques agricoles.

Page 38: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

24

La nomenclature des différents groupes de la Classification internationale type par industrie, de toutes les branches d’activité économique (CITI Rév.4) constituant le champ d’application du recensement de l’agriculture seront présentées :• Groupe 011 : Cultures temporaires;• Groupe 012 : Cultures permanentes;• Groupe 013 : Prolifération végétale;• Groupe 014 : Production animale;• Groupe 015 : Exploitation mixte.

La FAO utilise cette classification pour déterminer la portée du recensement agricole décrit dans le Programme mondial des recensements de l’agriculture 2020. En plus de la CITI (Rév. 4), la Classification Centrale des Produits (CCP) fournit une norme internationale supplémentaire. Sa plus récente révision CCP (version 2.1 (UN, 2015a)) contient de nombreux amendements et détails au niveau de l’agriculture, des forêts, de la pêche et de l’alimentation. Les éléments tels que les cultures, les produits de l’élevage, les machines et les équipements, les engrais et les pesticides qui sont mentionnés dans le Programme mondial du recensement de l’agriculture (WCA 2020) sont également classés dans la CCP. La CITI et la CCP fournissent des outils importants pour l’intégration des statistiques agricoles dans les systèmes statistiques nationaux.

Pour le champ complet des statistiques agricoles, deux considérations complémentaires sont à prendre en compte :

1.1.1. L’approche de la CITI (Rév 4.) Dans cette approche, les activités agricoles comprennent : a) la production végétale qui couvre les cultures temporaires et les cultures permanentes :

• Cultures temporaires : Il s’agit des plantes qui ne durent pas plus de deux saisons de croissance. La culture de plantes à des fins de production de semences est incluse dans ce groupe. Ce groupe se compose de sept classes de la CITI :i. Classe 0111 de la CITI : Culture de céréales (à l’exception du riz), de légumineuses et de graines

oléagineuses;ii. Classe 0112 de la CITI : Culture du riz;iii. Classe 0113 de la CITI : Culture de légumes et de melons, de racines et tubercules;iv. Classe 0114 de la CITI : Culture de canne à sucre;v. Classe 0115 de la CITI : Culture de tabac;vi. Classe 0116 de la CITI : Culture de plantes à fibres textiles;vii. Classe 0119 de la CITI : Autres cultures temporaires.

• Cultures permanentes (cycle de végétatif supérieur à un an), à savoir la culture de plantes qui durent plus de deux saisons de croissance végétale, soit elles meurent après chaque saison soit elles poussent continuellement. Ce groupe couvre également la production de semences pour ces plantes. Ce groupe est constitué de neuf classes :i. Classe 0121 de la CITI : Culture de raisin;ii. Classe 0122 de la CITI : Culture de fruits tropicaux et subtropicaux;iii. Classe 0123 de la CITI : Culture d’agrumes;iv. Classe 0124 de la CITI : Culture de fruits à pépins et de fruits à noyaux;v. Classe 0125 de la CITI : Culture d’autres fruits sur arbres et arbustes, et de fruits à coque;vi. Classe 0126 de la CITI : Culture de fruits oléagineux;vii. Classe 0127 de la CITI : Culture de plantes pour boisson;viii. Classe 0128 de la CITI : Culture de plantes pour épices, de plantes aromatiques et de plantes pour

médicaments et produits pharmaceutiques;ix. Classe 0129 de la CITI : Autres cultures permanentes.

Page 39: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

25

b) la production animale qui comprend l’élevage d’animaux et la sélection de tous les animaux à l’exception des animaux aquatiques. Il est constitué de sept classes de la CITI :

i. Classe 0141 de la CITI : Élevage de bovins et de buffles;ii. Classe 0142 de la CITI : Élevage de chevaux et autres équidés;iii. Classe 0143 de la CITI : Élevage de chameaux et autres camélidés;iv. Classe 0144 de la CITI : Élevage de moutons et de chèvres;v. Classe 0145 de la CITI : Élevage de porcins;vi. Classe 0146 de la CITI : Élevage de volailles;vii. Classe 0149 de la CITI : Élevage d’autres animaux.

1.1.2. L’approche de la Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales

Plus complète, cette approche englobe en plus de la production végétale et de la production animale, les secteurs des forêts, des pêches et de l’aquaculture et d’autres domaines tels que les aspects géospatiaux des terres, l’environnement, les activités rurales non agricoles :a) La foresterie et l’agroforesterie sont liées à la production des produits forestiers et à l’interface entre la

foresterie et l’agriculture en tant que domaine d’impact environnemental. La collecte et la diffusion des données nécessaires pour la foresterie et les terres boisées en dehors de l’agriculture devront être intégrées au système statistique national;

b) L’aquaculture et la pêche sont des composantes importantes de l’approvisionnement en nourriture et de la sécurité alimentaire ainsi que des revenus des ménages;

c) Les aspects géospatiaux des terres doivent être considérés dans les statistiques agricoles. La portée géospatiale des statistiques agricoles exige qu’une attention particulière soit accordée à l’utilisation de la terre pour l’agriculture et la foresterie, et se situe dans un champ plus large des statistiques nationales de l’utilisation des terres;

d) Les statistiques agricoles devront couvrir aussi l’utilisation de l’eau à des fins agricoles pour l’irrigation et les autres utilisations, les sources d’eau d’irrigation, les terres irriguées, les méthodes d’irrigation, et les productions résultantes.

Et les activités transversales à savoir :e) L’environnement : l’impact de toutes activités agricoles sur l’environnement (l’intensité de l’utilisation des

sols, l’énergie, la biodiversité, les gaz à effet de serre, etc.);f) Les activités rurales non agricoles pratiquées par les ménages agricoles qui constituent la plus forte population

en milieu rural.

Page 40: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

26

1.2. CADRE CONCEPTUEL DE LA STRATéGIE MONDIALE EN MATIèRE D’AMéLIORATION DES STATISTIQUES AGRICOLES ET RURALES ET SES DIMENSIONS éCONOMIQUE, SOCIALE ET ENVIRONNEMENTALE

Une Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales a été élaborée et adoptée en février 2010 par la Commission de statistiques des Nations Unies (CSNU) pour tenter de répondre aux nombreux défis qui se posent pour satisfaire les besoins des utilisateurs en statistiques agricoles dans les pays en développement. Son but est de fournir un cadre et une méthodologie qui permettront d’améliorer la disponibilité et la qualité des statistiques alimentaires et agricoles nationales et internationales, afin d’orienter l’analyse politique et les prises de décisions.

Elle se fonde sur trois piliers :i) la création d’un ensemble minimum de données essentielles que les pays fourniront pour satisfaire leurs

exigences actuelles et naissantes.

Ces indicateurs couvrent le secteur agricole et le développement rural ainsi que des sous-secteurs comme les productions végétales et l’élevage; y figurent également des indicateurs spécifiques au changement climatique, à la terre, l’environnement et l’économie rurale.

La liste des informations de base et les données associées constituent un cadre de mise en œuvre des composantes agricoles et rurales des Stratégies nationales pour le développement de la statistique (SNDS). Ils constitueront une base pour établir des méthodologies et intégrer les statistiques agricoles et rurales dans le système statistique national.

La détermination des éléments de la série minimale de données de base commence par les statistiques de production pour les principales cultures, l’élevage, l’aquaculture, la pêche et la foresterie, et s’étend jusqu’aux intrants agricoles, aux données socioéconomiques, à la couverture du sol et aux dépenses publiques. Ces éléments sont présentés dans la section suivante, suivie du cadre conceptuel permettant aux pays d’ajouter leurs besoins nationaux spécifiques à la liste de base, et de déterminer également la fréquence à laquelle les données de base et les données d’intérêt national devront être produites.

ii) l’intégration de l’agriculture à leur Système national statistique (SNS) afin d’assurer la comparabilité des données entre les pays et dans le temps

Le processus d’amélioration des statistiques agricoles commence par l’intégration de l’agriculture dans le système statistique national. Cette intégration s’accomplira avec la mise en place d’un échantillon-maître spécifique à l’agriculture pour assurer la pertinence et l’exhaustivité et son utilisation pour la mise en œuvre (i) d’un programme coordonné de collecte des données visant à produire des données aussi bien opportunes et exactes que cohérentes et comparables, et (ii) d’une stratégie pour la diffusion des données assurant l’accessibilité à ces données. Cette intégration de l’agriculture dans le système statistique national est nécessaire pour plusieurs raisons.

Les systèmes statistiques intégrés peuvent apporter des solutions à la majeure partie de ces problèmes en évitant les duplications inutiles des efforts, en empêchant la publication de statistiques contradictoires et en assurant une meilleure utilisation des ressources.

L’intégration de l’agriculture dans le système de statistique national sera basée sur des approches méthodologiques qui établissent un lien étroit entre les résultats obtenus des différents processus statistiques et des différentes unités statistiques. Cela n’est possible que par le développement d’un échantillon-maître et l’adoption de plans de sondage

Page 41: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

27

qui permettent des réplications de sous-échantillons, et la synchronisation de la conception des questionnaires des enquêtes et des recensements.

iii) la garantie de la viabilité du Système national des statistiques agricoles (SNSA) via le renforcement de la gouvernance et des capacités statistiques

La gouvernance au niveau national implique l’organisation d’un système statistique national qui inclut les ministères sectoriels et les autres organisations qui produisent des données. Dans le cas des statistiques agricoles, cela comprendra les ministères responsables de l’agriculture, des forêts, de la pêche et toute autre institution qui collecte des données relatives à l’agriculture.

Le renforcement des capacités doit prendre en compte la qualité des statistiques agricoles en termes d’exactitude, de pertinence, d’actualité, de comparabilité, de disponibilité et d’accessibilité. Ces différents aspects de la qualité des statistiques doivent être pris en compte dans la conception des systèmes de statistiques agricoles notamment dans les efforts de renforcement des capacités pour la collecte et l’analyse des données. La mise en œuvre de la Stratégie requiert un niveau d’expertise qui peut être difficile à trouver (ou à maintenir) dans de nombreux pays en développement. L’utilisation de technologies de télédétection, la conception d’un cadre d’enquête intégré et l’utilisation d’un système de gestion des données requièrent un personnel technique expérimenté.

De multiples utilisateurs expriment les besoins de disposer de nouveaux indicateurs améliorés sur1 :• le commerce;• l’eau;• la terre;• les sols;• la consommation des ménages;• la sécurité alimentaire;• les données socioéconomiques;• les comptes économiques;• la gestion des catastrophes naturelles.

En plus de ces domaines, des données sur de nouveaux domaines sont nécessaires. Il s’agit de :• la pêche (les activités de pêche de capture menées au niveau des ménages);• l’environnement / émission de gaz à effet de serre (GES) (les données de base agroenvironnementales sur les

émissions de GES et d’ammoniac);• l’énergie et les biocarburants;• les aspects environnementaux de l’agriculture;• le changement climatique;• la biodiversité.

Il est également nécessaire de disposer et de tirer parti de données géospatiales et de télédétection, et d’assurer une meilleure intégration, accessibilité et convivialité des bases de données.

Le cadre conceptuel (voir figure 1) met l’accent sur les rapports de cause à effet qui relient les aspects économiques, environnementaux et sociaux de l’agriculture.

1 Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales (Rapport FAO, septembre 2010)

Page 42: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

28

FIGURE 3 : CADRE CONCEPTUEL POUR LES STATISTIQUES AGRICOLES2

Les liens de l’agriculture avec les aspects environnementaux et sociaux sont de plus en plus importants. Ces liens doivent être considérés dans un contexte global où l’agriculture couvre trois dimensions interdépendantes qui constituent les trois piliers ou composantes sur lesquelles se fonde le développement durable :• La dimension économique de l’agriculture repose sur la terre, la main-d’œuvre et le capital introduit dans le

processus de production et au niveau des produits qui en résultent. L’aspect économique couvre :�� la production agricole;�� les marchés et;�� les revenus agricoles et non agricoles.

• Les informations qui ont trait à la dimension sociale de l’agriculture et au développement rural concernent en premier lieu les ménages et les membres des ménages, agricoles et non agricoles. L’aspect social couvre :�� le besoin de réduire les risques et la vulnérabilité;�� la sécurité alimentaire et;�� les questions relatives au genre;�� la pauvreté des zones rurales,�� l’emploi rural, notamment des femmes, mais également des enfants;�� le chômage des jeunes.

• La dimension environnementale de l’agriculture se situe au niveau de deux rôles :�� Lerôledusecteurentantqu’utilisateurdesressourcesnaturelles−principalementlaterreetl’eau–eten

tant que pourvoyeur de services environnementaux. En plus de l’utilisation directe des ressources naturelles dans la production, ses impacts sont relatifs également aux déchets et à l’émission de sous-produits générés par la production;

�� L’aspect environnemental de l’agriculture évoque généralement la relation du changement climatique avec l’agriculture, le développement durable du secteur et les services environnementaux.

L’aspect géospatial des terres est un élément important de la dimension environnementale. Il doit être considéré dans les statistiques agricoles en accordant une attention particulière à l’utilisation de la terre pour l’agriculture et la foresterie.

2 Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales, septembre 2010

Page 43: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

29

1.3. PLANS STRATéGIQUES DE DéVELOPPEMENT DES STATISTIQUES AGRICOLES ET RURALES (PSSAR) ET STRATéGIES NATIONALES DU DéVELOPPEMENT DE LA STATISTIQUE (SNDS)

Le plan d’action mondial de la Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales repose sur trois piliers (voir paragraphe 1.2.). L’intégration de l’agriculture dans le Système Statistique National (SSN) est le deuxième pilier; il exige que les pays élaborent et mettent en œuvre des Plans stratégiques pour les statistiques agricoles et rurales (PSSAR) dans le cadre des Stratégies nationales de développement de la statistique (SNDS) afin de faciliter l’intégration de l’agriculture dans les SSN.

Cette intégration est une composante essentielle de la Stratégie mondiale qui reconnait que la première étape pour l’amélioration des statistiques agricoles est l’incorporation du PSSAR dans le SSN, en commençant par son intégration dans la SNDS.

Là où elles existent, les SNDS doivent être revues et, si nécessaire, révisées pour refléter l’intégration de l’agriculture dans le système statistique national et pour également prendre en compte la mise en œuvre de l’échantillon-maître, du cadre d’enquête intégré (les données administratives, les systèmes d’information sur l’agro-industrie et le marché, les enquêtes communautaires, la télédétection et les informations importantes collectées par les experts) et du système de gestion des données. Le cadre d’enquête intégré complet comprend la conception du plan de sondage, les questionnaires, les méthodes de collecte, l’analyse et l’estimation des données.

Les PSSAR sont recommandés comme guides dans la mise en œuvre sectorielle ouvrant la voie à une production et une utilisation consistante des statistiques agricoles et rurales dans les pays en développement. Leur élaboration dans les pays devrait :• permettre de résoudre les problèmes de coordination au sein des différents éléments du système de statistiques

agricoles;• servir de cadre de coordination statistique entre les systèmes agricoles, les sous-systèmes et l’INS, ainsi qu’entre

le gouvernement et les partenaires techniques et financiers dans le cadre du financement des activités statistiques agricoles et rurales;

• enfin permettre l’intégration de nouvelles composantes (voir paragraphe 1.2.) telles que celles recommandées par la Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales.

Pour intégrer les statistiques agricoles aux SNDS, il faut s’assurer que le processus SNDS prenne en compte les objectifs et les moyens de fonctionnement d’un système de statistiques agricoles et alimentaires en tant que sous-système du système statistique national.

Pour ce faire, il est important :• de faire l’état des lieux de l’ensemble des contraintes qui entravent la production des statistiques agricoles et

des moyens disponibles pour la production et proposer les actions visant à lever ces contraintes et à fournir les moyens nécessaires à une production efficace des statistiques satisfaisant aux besoins exprimés;

• de veiller à ce que l’ensemble des utilisateurs et leurs besoins de statistiques agricoles et rurales soient évalués et pris en compte et que des priorités soient définies dans l’élaboration et la mise en œuvre des programmes de collecte, d’analyse et de diffusions des données;

• d’assurer une production effective de qualité satisfaisant de manière continue aux besoins de tous les utilisateurs.

Page 44: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

30

Le processus d’élaboration d’un Plan stratégique pour le développement des statistiques agricoles et rurales doit comporter une série d’étapes3 en quatre phases :i. la phase de lancement, qui produira une feuille de route approuvée par les autorités nationales;ii. la phase d’évaluation qui comportera une évaluation approfondie du système de statistiques agricoles national; iii. la phase de planification qui conduira à définir une mission, une vision, des objectifs stratégiques prioritaires

et un plan d’action chiffré comprenant un plan de communication et de plaidoyer, un plan de financement ainsi qu’un cadre de suivi et évaluation;

iv. La phase de mise en œuvre effective du plan stratégique.

1.4. UTILISATEURS ET UTILISATIONS DES STATISTIQUES AGRICOLES

Les données sur l’agriculture servent à diverses catégories d’utilisateurs :• les services publics;• les institutions de formation et de recherche;• les ONG;• les organisations internationales;• le secteur privé;• les organisations professionnelles des producteurs.• la société civile

Dans les pays en développement en particulier, les services publics les utilisent pour :• formuler des programmes de développement et suivre leur exécution;• formuler des politiques de sécurité alimentaire;• formuler des politiques de commerce extérieur;• formuler des politiques de lutte contre la pauvreté;• formuler des politiques adéquates de réforme agraire;• élaborer des comptes nationaux;• élaborer les comptes économiques de l’agriculture et de l’environnement;• suivre certains indicateurs des Objectifs du développement durable(ODD).

Elles intéressent aussi le secteur privé pour se placer au mieux sur le marché (prévisions et estimations des productions, prix des produits agricoles, utilisation du matériel et des machines agricoles, des engrais, des pesticides, des aliments de bétail, etc.).

Le processus de production de statistiques doit être orienté vers l’utilisation de l’information. La satisfaction des besoins des utilisateurs doit se faire à travers des consultations et des discussions et en formulant des questionnaires et des enquêtes qui produisent les résultats escomptés.

3 Global Strategy, PSSAR (Plans stratégiques pour les statistiques agricoles et rurales, Juin 2014)

Page 45: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

3131

Module 2 : Statistiques à produire, producteurs, source de données, unités statistiques et méthodes de collecte

Ce module qui est le noyau principal de ce manuel va répondre aux questions suivantes :• Quelles sont les principales statistiques agricoles à produire ?• Comment le système statistique est-il est organisé ?• Quelles sont les sources des statistiques agricoles ?• Quelles sont les unités statistiques où se trouvent les données agricoles ?• Quelles sont les méthodes de collecte ?

OBjECTIFS PéDAGOGIQUES DU MODULE

Il s’agira :

• d’identifier la demande en statistiques agricoles (ce que l’on veut connaître);

• de décrire l’organisation du système statistique pour mieux comprendre comment organiser la

production des données agricoles;

• d’explorer les principales sources de statistiques agricoles;

• de décrire les unités statistiques (où se trouve l’information ?);

• de décrire le support statistique pour obtenir les informations (comment obtenir l’information et

quelles sont les méthodes de collecte ?).

2

Page 46: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

32

2.1. STATISTIQUES à PRODUIRE

Les statistiques agricoles à produire dans chaque pays dépendent des besoins des utilisateurs et sont généralement circonscrites dans les Plans Stratégiques de Développement des Statistiques Agricoles et Rurales. La Stratégie globale a établi un ensemble minimum de données de base nécessaires à la prise de décision dans les trois dimensions (économique, sociale et environnementale) liées à l’agriculture (voir Annexe 2). Cet ensemble minimum est revu de façon régulière afin d’inclure les besoins globaux émergents en matière statistique, notamment ceux liés au suivi-évaluation des Objectifs de Développement Durable. L’Annexe 1 comprend également des statistiques communément produites et utilisées pour répondre aux besoins des utilisateurs.

D’ordre général, les statistiques d’intérêt sont les suivantes :

Effectif des exploitations :• répartition géographique• sexe de l’exploitant• âge de l’exploitant• activités agricoles

Population des exploitants• répartition géographique• structure par âge• structure par sexe• niveau de formation.

Des données plus spécifiques à fournir provenant de :• la production végétale;• la production animale;• l’aquaculture;• la pêche;• la sylviculture et agroforesterie;• l’environnement;• le milieu rural;• les prix.

Ces statistiques servent également d’intrants dans l’élaboration de cadres analytiques et statistiques dérivées tels que les comptes économiques de l’agriculture et de l’environnement, les coûts de production, les pertes post-récoltes, les prix agricoles et les indices des prix de même que la sécurité alimentaire et les bilans alimentaires. Ceux-ci seront traités plus en détail dans le Module 4.

2.1.1. Les statistiques de la production végétaleLes productions constituent le bien essentiel de l’activité agricole. Elles ont un caractère conjoncturel (puisque correspondant au résultat de l’activité d’une campagne agricole), mais aussi un caractère structurel dans la mesure où le niveau de la production caractérise les zones de production.

La production s’entend de la quantité effective de produits, après séchage et transformation, prêts à être vendus ou consommés, et déduction faite des pertes subies avant, pendant et après la récolte.

Page 47: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

33

Les statistiques de la production contribuent à l’évaluation de la création de richesse (revenu des exploitations, PIB), ainsi qu’au suivi de la sécurité alimentaire.

La production végétale couvre les cultures temporaires et les cultures permanentes : • Cultures temporaires : céréales, légumineuses, graines oléagineuses, légumes et racines et tubercules; Culture

de canne à sucre; Culture de tabac; plantes à fibres textiles; etc.• Cultures permanentes : Culture de raisin; Culture de fruits tropicaux et subtropicaux; Culture d’agrumes; Culture

de fruits à pépins et de fruits à noyaux; Culture d’autres fruits sur arbres et arbustes, et de fruits à coque; fruits oléagineux; Culture de plantes pour boisson; Culture de plantes pour épices, de plantes aromatiques et de plantes pour médicaments et produits pharmaceutiques; etc.

Les données de productions agricoles sont à présenter essentiellement, selon le mode de faire-valoir, la culture, le facteur de production et le système de production.

Mode de faire valoirUne exploitation peut avoir un ou plusieurs modes de faire-valoir correspondant à chaque bloc de terres. • Le faire-valoir direct ou les modes de faire-valoir analogues reconnus en droit sont liés aux droits à la terre

qui confèrent une sécurité de jouissance légale. • Le faire-valoir direct ou mode de faire-valoir analogue non reconnu en droit décrit divers arrangements

informels qui ne confèrent pas de sécurité de jouissance, et qui sont tels que, dans certaines circonstances, l’exploitant peut être dépossédé de la terre.

• Le faire-valoir indirect dans lequel les terres sont louées ou prises à bail par l’exploitation, généralement pour une période limitée. Le paiement peut revêtir plusieurs formes. Les terres peuvent être louées contre le paiement d’une redevance fixe en espèces et/ou en nature, contre une part de la production ou contre des services. Les terres peuvent aussi être occupées à titre gratuit.

Mais selon les circonstances nationales, chaque pays peut définir ses modes de faire-valoir.

Facteurs de production• La terre est le principal facteur de production de l’agriculture végétale. L’agriculture est pratiquée sur les terres

composant l’exploitation, en vue d’obtenir des produits. Le Tableau 1 consigne les deux principales sources de classification de la terre (Annexe 8, WCA 2020). Par ailleurs, une superficie de terre peut avoir plus d’une utilisation, son utilisation agricole à plusieurs fins (cultures portées), fait appel aux notions de bloc, de champs ou de parcelle, ainsi qu’au mode de faire-valoir (ces notions et leur définition sont présentées dans le point 2.4.1).

Page 48: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

34

TABLEAU 1 : CLASSIFICATION DE L’UTILISATION DE LA TERRE

Classes issues de la classification de l’utilisation des terres du SCEE

Classes de l’utilisation des terres recommandées par le Programme de 2020

Agriculture

Terres affectées aux cultures temporaires Terres consacrées à des cultures temporaires

Terres de prairies et de pâturages temporairesTerres consacrées à des prairies et pâturages temporaires

Terres en jachères temporaires Jachères temporaires

Terres affectées aux cultures permanentes Terres consacrées à des cultures permanentes

Terres de prairies et de pâturages permanents

Cultivés Terres consacrées à des prairies et pâturages permanentsNaturels

Terres sous couvert protecteurTerres consacrées à des bâtiments et cours de ferme

ForesterieTerres forestières

Forêts et autres terres boiséesAutres terres boisées

Terres utilisées pour l’aquaculture

Zone utilisée pour l’aquaculture (y compris les eaux intérieures et côtières si elles font partie de l’exploitation)

Eaux intérieures utilisées pour l’aquaculture ou les bassins de stabulation

Eaux côtières utilisées pour l’aquaculture ou les bassins de stabulation

Utilisation de zones bâties et connexes

Autres zones (non classées ailleurs)

Terres utilisées pour la préservation et la restauration des fonctions environnementales

Eaux intérieures utilisées pour la préservation et la restauration des fonctions environnementales

Eaux côtières utilisées pour la préservation et la restauration des fonctions environnementales

Autres utilisations des terres non reprises ailleurs

Autres utilisations des eaux intérieures non reprises ailleurs

Autres utilisations des eaux côtières non reprises ailleurs

Terres non utilisées

Eaux intérieures non utilisées

Eaux côtières non utilisées

L’utilisation des terres se distingue du « couvert végétal », qui décrit les caractéristiques physiques de la terre, telles que prairie ou forêt. Les superficies de l’exploitation sont classées en fonction de la principale utilisation des terres.

On distinguera les neuf classes pour les terres consacrées à la culture (WCA 2020) :• terres consacrées à des cultures temporaires;• terres consacrées à des prairies et pâturages temporaires;• jachères temporaires;• terres consacrées à des cultures permanentes;• terres consacrées à des prairies et pâturages permanents;• terres consacrées à des bâtiments et cours de ferme;• forêts et autres terres boisées;• zone utilisée pour l’aquaculture (y compris les eaux intérieures et côtières si elles font partie de l’exploitation);• autres zones non classées ailleurs.

Page 49: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

35

1

1 WCA 2020 (FAO)

ENCADRé 8 : NEUF CLASSES POUR LES TERRES CONSACRéES à LA CULTURE

Les terres consacrées à des cultures temporaires englobent toutes les terres affectées à des cultures

ayant un cycle de végétation inférieur à un an; autrement dit, celles-ci doivent être réensemencées ou

replantées après la récolte pour une production ultérieure. Certaines cultures qui restent en terre pendant

plus d’un an peuvent également être considérées comme des cultures temporaires. Par exemple, les

fraises, les ananas et les bananes sont considérés comme des cultures annuelles dans certaines régions.

Ces cultures peuvent être classées comme temporaires ou permanentes, selon la coutume du pays. Les

terres consacrées aux cultures temporaires comprennent également les terres utilisées pour les cultures

temporaires sous couvert protecteur.

Les terres consacrées à des prairies et à des pâturages temporaires englobent les terres temporairement

occupées par des cultures fourragères herbacées pour le fauchage ou le pâturage. Une période

d’assolement inférieure à cinq ans est utilisée pour différencier les prairies et pâturages temporaires et

des prairies et pâturages permanents. Si les pays pratiquent différemment, la définition retenue devra

être clairement indiquée dans les résultats du recensement.

Les jachères temporaires sont des terres arables en repos prolongé avant d’être remises en culture. Il

peut s’agir de terres laissées au repos dans le cadre du système de rotation des cultures de l’exploitation

ou qui n’ont pas pu être ensemencées à cause de dégâts dus aux inondations, au manque d’eau, à une

pénurie d’intrants ou à d’autres facteurs.

Les terres consacrées à des cultures permanentes : ce sont les terres occupées pendant une longue

période par des cultures qui peuvent attendre plusieurs années avant d’être replantées; les terres

plantées d’arbres et d’arbustes à fleurs, comme les rosiers et les jasmins; et les pépinières (à l’exception

des pépinières d’arbres forestiers qui doivent être classées sous « forêts et autres terres boisées »). Les

terres consacrées à des cultures permanentes englobent également les terres utilisées pour la production

de cultures permanentes sous couvert protecteur. Les prairies et pâturages permanents sont exclus de

cette catégorie.

Les terres consacrées à des prairies et pâturages permanents englobent les terres utilisées de façon

permanente (cinq ans ou plus) pour les cultures fourragères herbacées, qu’il s’agisse d’herbages cultivés

ou naturels (prairies ou pâturages à l’état sauvage). Que les terres consacrées à des prairies et pâturages

permanents soient cultivées ou laissées naturelles a des implications importantes sur l’environnement;

les pays sont donc encouragés à subdiviser cette catégorie en fonction de cette caractéristique.

Les terres consacrées à des bâtiments et cours de ferme se réfèrent aux surfaces occupées par les

bâtiments agricoles de l’exploitation (hangars, granges, caves, silos), les bâtiments pour la production

animale (écuries, étables, bergeries, poulaillers) et les cours de ferme. La superficie de l’habitation de

l’exploitant (y compris la cour autour de celle-ci) est également prise en compte ici si elle constitue une

partie de l’exploitation agricole.

Page 50: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

36

Une superficie peut avoir plus d’une utilisation, son utilisation agricole à plusieurs fins (cultures portées), fait appel aux notions de bloc, de champs ou de parcelle, ainsi qu’au mode de faire-valoir. Pour les définitions de ces notions se référer au point 2.4.1 Exploitation agricole.

Les données statistiques relatives aux superficies sont :��Superficies des terres consacrées à des cultures temporaires;��Superficies des terres en jachère temporaire;��Superficies des terres consacrées à des cultures permanentes;��Répartition des superficies selon les cultures;��Répartition des superficies selon les modes de culture;��Superficies des terres selon le mode de faire-valoir;��Superficie des cultures gérées par groupe de culture.

• Machines et équipement : les facteurs de production autres que la terre concernent les machines et équipements utilisés à des fins agricoles dans l’exploitation. Le concept machines et équipements est pris dans un sens large et couvre l’ensemble des machines, de l’équipement et de l’outillage utilisés comme moyens de production agricole.

Les forêts et autres terres boisées sont des terres non classées comme étant principalement des « terres

agricoles » répondant à l’une des définitions suivantes : i) Les forêts sont des terres de plus de 0,5 ha

avec des arbres de plus de 5 mètres (m) de hauteur et un couvert arboré supérieur à 10 %, ou des arbres

capables d’atteindre ces seuils in situ; ii) Les autres terres boisées sont des terres de plus de 0,5 ha² avec : (i)

des arbres de plus de 5 m de hauteur et un couvert arboré de 5 à 10 %, ou des arbres capables d’atteindre

ces seuils in situ; ou (ii) des arbres ne pouvant atteindre une hauteur de 5 m in situ, mais avec un couvert

arboré supérieur à 10 % (par exemple, certains types d’arbres de la végétation alpine, les mangroves des

zones arides, etc.); ou (iii) un couvert mixte d’arbustes, de buissons et d’arbres de plus de 10 %.

Les superficies utilisées pour l’aquaculture englobent la superficie (des terres, des eaux intérieures

ou des eaux côtières) utilisée pour les installations d’aquaculture, y compris les installations annexes.

L’aquaculture se réfère à l’élevage d’organismes aquatiques comme les poissons, les mollusques, les

crustacés, les plantes, les crocodiles, les alligators et les amphibiens. Elle implique une quelconque forme

d’intervention dans le processus d’élevage pour accroître la production, telle que l’empoissonnement

régulier, la fourniture d’aliments, la protection contre les prédateurs, etc.

Les autres superficies non classées ailleurs incluent toutes les autres superficies de l’exploitation

non classées ailleurs. Cette catégorie englobe les terres incultes produisant néanmoins des produits

végétaux utilisables, comme les roseaux ou joncs pour le tressage des nattes et la litière du bétail, des

baies sauvages, ou des plantes et des fruits. Elle comprend également les terres dont la mise en valeur

n’exigerait de l’exploitant qu’un léger surcroît de travail par rapport à celui qu’il fournit normalement.

Sont également incluses les terres utilisées pour l’aquaculture, les terres occupées par des bâtiments, les

parcs ou les jardins d’agrément, les routes ou les sentiers (à l’exception des routes forestières, qui sont

incluses dans les forêts), les espaces découverts nécessaires à l’entreposage du matériel et des produits,

les terres en friche, les plans d’eau et non utilisées pour l’aquaculture; et toute autre zone non signalée

dans les classes précédentes (telles que les marais, les zones humides, etc.).

Page 51: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

37

• Main-d’œuvre : la main-d’œuvre des exploitations agricoles comporte : �� la main-d’œuvre fournie par le ménage ou les membres des ménages composant l’exploitation;�� les travailleurs externes rémunérés.

• Intrants : il s’agit des semences, engrais et pesticides. Les engrais sont des substances appliquées pour apporter aux végétaux les éléments nutritifs dont ils ont besoin ou pour renforcer leur croissance.

Les types de semences sont :�� Semence certifiée d’une variété moderne;�� Semence non certifiée d’une variété moderne;�� Semence non certifiée d’une variété d’agriculteurs.

Pour les engrais, on distingue :�� Engrais minéraux encore appelés engrais chimiques ou engrais artificiels ou engrais inorganiques;�� Engrais organominéraux obtenus par mélange ou transformation de matières organiques et d’engrais

minéraux;�� Engrais organiques sont issus de matières végétales ou animales transformées et/ou de matières minérales

non transformées (chaux, roche ou phosphate, par exemple);�� Engrais biologiques (ou bio-engrais) sont des produits qui contiennent des micro-organismes vivants ou

dormants tels que bactéries et champignons, qui servent d’éléments nutritifs pour renforcer la croissance des végétaux;

�� Le fumier est un engrais préparé à partir de matières organiques;�� Autres matières organiques destinées à renforcer la croissance des végétaux font référence à toutes les

autres substances végétales, animales ou minérales non transformées, autres que des engrais, qui sont appliquées aux sols, pour amender sa teneur en éléments nutritifs ou corriger un autre problème. Cette catégorie inclut l’engrais vert, le compost et les boues d’épuration, la chaux, le gypse, la sciure, les résidus de culture et les conditionneurs synthétiques de sol.

Les pesticides sont des substances destinées à repousser, détruire ou combattre les ravageurs (y compris les vecteurs de maladies humaines ou animales) et les espèces indésirables de plantes ou d’animaux ou à contrôler le comportement ou la physiologie des ravageurs ou des plantes durant la production ou le stockage. Les différents types de pesticides sont :

�� Les insecticides sont des substances utilisées pour tuer ou repousser les insectes;�� Les herbicides sont des produits servant à détruire des végétaux, notamment adventices, ou à inhiber

leur croissance;�� Les fongicides sont des substances qui détruisent les champignons ou inhibent leur croissance;�� Les rodenticides sont des substances qui tuent, repoussent ou contrôlent les rongeurs.

Pour l’acquisition de certains facteurs de production, il est fait parfois recours au crédit agricole (Crédit de campagne, crédit d’équipement, commercialisation) dont les différentes formes sont importantes pour les activités agricoles.

Le crédit agricole couvre plusieurs aspects :• L’accès au crédit (facilité, présence de structures de crédit, distance…);• Les sources de crédit (Institutions financières, fournisseurs d’intrants, État…);• Les garanties données pour obtenir un crédit (terres de l’exploitant, autres avoirs);• La durée du crédit (crédit de campagne, crédit d’équipement, commercialisation);• Les motivations de la demande de crédit et l’affectation du crédit.

Page 52: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

38

Les statistiques sur l’utilisation des intrants :• Superficie fertilisée par type d’engrais et par type de culture principale• Sources d’apports en semences par type de culture principale

�� autoproduction�� échanges au sein de la communauté�� marché local�� société semencière�� don

• Type de semence utilisé par type de culture principale �� semence certifiée d’une variété moderne�� semence non certifiée d’une variété moderne�� semence non certifiée d’une variété d’agriculteurs�� autres

• Utilisation de pesticides par les exploitations�� insecticides�� herbicides�� fongicides�� autres pesticides

Systèmes de production• Pluvial : le système de production pluvial est celui correspondant aux cultures temporaires dont le mode

d’alimentation en eau est exclusivement pluvial. • Irrigué : l’irrigation est l’apport délibéré d’eau sur les terres pour améliorer la production des pâturages ou des

cultures. L’irrigation implique ordinairement la présence d’infrastructures et de machines, telles que canaux d’irrigation, pompes, asperseurs ou systèmes d’irrigation localisée pour amener l’eau jusqu’aux cultures.

• Marais et bas-fonds : il s’agit de zones de basses terres sujettes à des crues saisonnières, utilisées pour l’agriculture lorsqu’elles sont recouvertes d’eau. Des structures de maîtrise de l’eau, tels que canaux, peuvent être construites pour faciliter les cultures.

• Décrue : il s’agit de zones bordant des fleuves ou d’autres plans d’eau que l’on cultive en profitant de la décrue. Le riz flottant est considéré comme une culture de décrue. Des structures peuvent être construites pour retenir l’eau lors de la décrue.

Les productions pouvant être utilisées différemment, incluant la bioénergie, la décision sur le choix des produits à cultiver peut avoir des implications fondamentales sur les approvisionnements alimentaires. Les statistiques sur la production doivent donc souvent être combinées à d’autres informations de base afin d’avoir une compréhension plus globale des décisions entourant la production végétale. Par exemple, on s’intéressera donc à établir les liens entre les différentes variables suivantes :• Zones plantées et récoltées, rendements et productions;• Quantités en stock au début de la récolte;• Superficie des terres cultivées en irrigation;• Prix à la production et à la consommation;• Quantités auto-consommées pour l’alimentation, fourrages, semences, textile, production d’huiles alimentaires,

bioénergie, et solde du commerce extérieur net ou importations et exportations;• Information d’alerte précoce, telles que précipitations, évaluations rapides des conditions culturales, et indices

végétatifs fournis par les observations satellitaires.

Page 53: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

39

2.1.2. Les statistiques de l’élevage L’élevage est l’ensemble des activités agricoles qui assurent la multiplication des animaux souvent domestiques, parfois sauvages, pour l’usage des humains.

Le cheptel comprend tous les animaux, oiseaux et insectes tenus ou élevés en captivité principalement à des fins agricoles. Il comprend le bétail (les bovins, les buffles, les ovins, les caprins, les camelins et les porcins), mais aussi la volaille, les abeilles et les vers à soie. Les animaux aquatiques sont exclus. Les animaux domestiques, tels que les chiens et les chats, sont également exclus sauf s’ils sont élevés à des fins alimentaires ou à d’autres fins agricoles.

Une multitude de données sur l’élevage sont requises pour différents utilisateurs pour concevoir des politiques et des projets d’investissements efficaces dans le secteur

Facteurs de production• Les effectifs : l’effectif du cheptel est la population animale présente sur l’exploitation à une date précise. On

entend par population animale le nombre d’animaux élevés sur l’exploitation à la date choisie comme période de référence, quel qu’en soit le propriétaire. Outre les animaux présents sur l’exploitation, elle comprend le bétail qui se trouve temporairement sur les pâturages communaux ou en transhumance au moment du dénombrement.On dit d’une exploitation qu’elle élève un animal si elle se charge entièrement de son entretien sur une longue période et prend les décisions courantes relatives à son utilisation.

• Les pâturages : l’étude d’un pâturage est d’abord un inventaire des espèces végétales, une appréciation de leur production potentielle en fourrage et de leur réaction aux facteurs broutage, piétinement… Elle doit déboucher essentiellement sur l’estimation de sa capacité de charge : combien d’animaux peut-il supporter sans se détériorer ?Le pâturage doit donc être considéré comme une machine à grande longévité, susceptible de fournir de la viande, du lait ou du travail sans se détériorer. Pour cela il est nécessaire de bien connaître sa nature et son mécanisme, ses possibilités et ses faiblesses. Son mode d’emploi et les conditions d’entretien devraient alors faire l’objet d’une notice descriptive, disponible pour tout utilisateur éventuel.

L’une des premières démarches est de caractériser le pâturage, c’est à dire : le décrire, estimer sa production et prévoir son dynamisme. Une bonne connaissance des plantes et des types de végétation de la région est alors nécessaire :�� Quelles sont les espèces, quel est leur nombre relatif (abondance) ?�� Quelles sont les espèces caractéristiques ?�� À quel type physionomique de végétation appartient le pâturage (désert, steppe subdésertique, steppe

herbeuse à fourrés, savane arbustive, savane boisée avec forêt claire, etc.… ?

• Les points d’eau : les points d’eau sont les points d’abreuvement du cheptel sédentaire, transhumant ou nomade. Ils sont constitués des forages, des puits et des eaux de surface. Ils constituent à cet effet un passage obligé des animaux appartenant à ces 2 systèmes d’élevage.

Systèmes d’élevageLe système d’élevage désigne les caractéristiques et les pratiques générales d’élevage de l’exploitation.

Les statistiques sur les effectifs et les productions seront produites selon les systèmes d’élevage. Les systèmes d’élevage identifiés par le programme mondial du recensement de l’agriculture 2020 sont donnés dans l’Encadré 9 : Systèmes d’élevage.

Page 54: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

40

On fait aussi parfois référence au système intensif et extensif :• L’élevage intensif vise à accroître le rendement de l’activité en augmentant la densité d’animaux sur l’exploitation

ou en utilisant le moins possible le milieu environnant (confinement). Ce système d’élevage se caractérise par l’utilisation de surfaces réduites, avec une densité élevée de population, les animaux pouvant être logés dans des bâtiments;

• L’élevage extensif ou pâturage extensif (ranching pour les anglo-saxons) est pratiqué sur de vastes étendues, mais avec un rendement faible. C’est une méthode d’élevage caractérisée par une faible densité de chargement d’effectifs d’animaux à l’hectare.

ENCADRé 9 : SYSTèMES D’éLEVAGE

• Le système de pâturage est caractérisé par les ruminants (par exemple, bovins, ovins, caprins, et

camélidés) qui paissent principalement des graminées et autres plantes herbacées, souvent sur des

surfaces communales ou sur des zones en libre accès et souvent de façon mobile. Dans ce système,

plus de 90 % de la matière sèche qui nourrit les animaux provient de graminées pâturées et autres

plantes herbacées. Les catégories suivantes peuvent être envisagées :

� Le système nomade ou totalement pastoral se réfère au bétail élevé par un exploitant agricole qui

ne s’établit pas de façon permanente et qui ne pratique pas de cultures régulières. Le bétail se

déplace de lieu en lieu avec l’exploitant agricole et son ménage au gré des saisons, de l’état des

pâturages et des disponibilités d’eau. Les points d’eau sont des passages obligés à ce type de bétail.

� Le système semi-nomade, semi-pastoral ou transhumant se réfère au bétail élevé par des

exploitants qui mènent une vie semi-nomade. Typiquement, l’exploitant(e) a une résidence

permanente où il/elle revient passer plusieurs mois par an en fonction de facteurs saisonniers.

Pour les systèmes semi-nomades et semi-pastoraux, l’exploitant établit un lieu de résidence

semi-permanent pour plusieurs mois ou années et peut être amené à pratiquer des cultures comme

source supplémentaire de vivre. Les troupeaux transhument pour trouver du fourrage et de l’eau.

� Le système pastoral sédentaire se réfère au bétail élevé par des exploitants qui ont un lieu de

résidence permanent. L’élevage est généralement pratiqué en combinaison avec l’agriculture.

• Le ranching se réfère aux activités d’élevage à grande échelle réalisées sur de vastes zones de terres

mises en jachère pour le pâturage extensif, où le bétail pâture principalement des graminées et

autres plantes herbacées. Au cours des dernières années, le nombre d’exploitations nomades et

semi-nomades est en baisse et la majorité des exploitations au sein du système de pâturage est

pastorale sédentaire. Souvent, le ranching se limite à un petit nombre d’exploitations ne relevant pas

du secteur des ménages (sociétés ou exploitations d’État).

• Le système mixte décrit les systèmes d’élevage les plus étendus et les plus hétérogènes dans lesquels

les cultures et l’élevage de bétail sont des activités liées. Il est défini comme un système dans lequel

le pâturage peut être largement pratiqué, mais où plus de 10 % de la matière sèche qui nourrit les

animaux provient de cultures ou de sous-produits agricoles ou des chaumes; et où moins de 90 % de

la matière sèche de l’alimentation animale est produite hors de l’exploitation.

• Le système industriel renvoie à des modes de gestion pastorale intensive dans lesquels au moins

90 % de la matière sèche de l’alimentation animale est produite hors de l’exploitation. Ce système

est souvent composé d’une seule espèce (bovins viande, porcins ou volaille) nourrie dans des parcs

d’engraissement ou dans d’autres systèmes internes d’alimentation.

Page 55: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

41

Productions animalesLes produits de l’activité d’élevage comprennent :• les viandes;• le lait;• la laine;• les peaux et cuirs;• les consommations de poulets;• les œufs.

La production de statistiques sur ces produits permet l’estimation des revenus créés par l’activité d’élevage et est utilisée dans le suivi de la sécurité alimentaire.

2.1.3. Les statistiques de l’aquacultureL’aquaculture est l’élevage d’organismes aquatiques tels que poissons, crustacés, mollusques, végétaux, crocodiles, alligators et amphibiens selon la CITI (Rév. 4). Dans ce contexte, le mot élevage se réfère à une certaine intervention dans le processus d’élevage afin de stimuler la production, par exemple l’empoissonnement régulier, la distribution d’aliments et la protection contre les prédateurs. L’aquaculture implique généralement l’élevage d’organismes d’alevins, de naissains ou de juvéniles. L’aquaculture peut être pratiquée dans des étangs, des rizières, des lagunes, des estuaires, des canaux d’irrigation ou en mer, dans des structures comme des cages et des bassins. Elle peut se faire en eau douce ou en eau salée2.

L’aquaculture (ou halieuculture, ou aquiculture) est le terme générique qui désigne toutes les activités de production animale ou végétale en milieu aquatique.

Il y a des activités aquacoles intégrées avec la production agricole, telle que la rizipisciculture, ou que l’aquaculture et l’agriculture utilisent les mêmes moyens de production, telles que les machines et la main-d’œuvre. C’est pourquoi, pour obtenir une image complète des activités d’aquaculture dans un pays, on doit inclure toutes les exploitations aquacoles, relevant ou non des ménages, et pas seulement celles qui sont associées à une exploitation agricole.

Les données sur l’aquaculture peuvent être collectées à l’aide d’une enquête spécifique ou dans le recensement de l’agriculture de manières différentes :• en y incluant quelques rubriques sur la production aquacole pour les exploitations agricoles qui pratiquent aussi

l’aquaculture; • ou bien, dans un recensement intégré de l’aquaculture et de l’agriculture, tant pour les exploitations agricoles

que les exploitations aquacoles, de façon à collecter aussi les données des unités aquacoles qui ne sont pas associées à l’agriculture.

Les principales rubriques3 liées aux statistiques de l’aquaculture dans le cadre d’un recensement sont :• Présence de l’aquaculture sur l’exploitation;• Superficie affectée à l’aquaculture selon le type de site (Sites terrestres, eaux continentales, sites côtiers);• Superficie affectée à l’aquaculture selon le type d’installation de production (rizipisciculture, étangs, parcs,

cages, bassins, radeaux flottants, lignes, cordages, poches et piquets);• Type d’eau (eau douce, eau saumâtre, eau salée);• Origine des eaux utilisées pour l’aquaculture (pluviale, souterraine, cours d’eau/canaux, lacs/réservoirs, retenues

d’eau, estuaires/lagunes, baies/anses/mer);

2 WCA 2020 (FAO)3 WCA 2020 (FAO)

Page 56: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

42

• Type d’organisme aquacole élevé (poisson d’eau douce, poisson-diadrome, poisson marin, crustacés, mollusques, autres animaux aquatiques, végétaux aquatiques).

• Il convient de faire la distinction entre l’aquaculture et d’autres formes d’exploitation aquatique telles que la pêche de capture.

2.1.4. Les statistiques de la pêcheLa pêche est l’activité consistant à capturer des animaux aquatiques (poissons, mais aussi crustacés, céphalopodes…) dans leur milieu naturel (océans, mers, cours d’eau, étangs, lacs, mares) ou à récolter des végétaux aquatiques « sauvages ». Une caractéristique importante de la pêche de capture est que les organismes aquatiques exploités sont un bien commun, alors qu’ils appartiennent à l’exploitation dans le cas de l’aquaculture.

Il faut distinguer deux activités selon les bases de sondage utilisées (ou les unités statistiques) :• la pêche à petite échelle au niveau des ménages qui ne sont pas des exploitations agricoles et auprès desquels,

on peut recueillir des données additionnelles. Un module sur la pêche introduit dans le WCA 2020 propose des rubriques qui recueilleront des données sur les activités de pêche à petite échelle au niveau des ménages. Les rubriques couvertes par ce module sont hors du champ d’application de l’agriculture au sens de la CITI (Rév. 4) et les unités statistiques à rendre en compte sont les ménages ruraux engagés dans les activités de pêche. Les principales rubriques à renseigner sont :�� Engagement des membres du ménage dans l’activité de pêche (au sein du ménage dans d’autres unités

économiques);�� Nombre de membres du ménage engagés dans l’activité de pêche, par sexe (engagés dans une activité de

pêche au sein du ménage, engagés dans une activité de pêche dans d’autres unités économiques);�� Nombre de pêcheurs employés par le ménage, par sexe;�� Modalités d’accès à la pêche (pêche maritime, pêche en eau douce, aucune modalité d’accès requise pour

la pêche maritime, aucune modalité d’accès requise pour la pêche en eau douce). Les modalités d’accès comprennent le mandat officiel (comme les licences) et le mandat informel, donné soit aux individus soit aux communautés;

�� Objectif principal de l’activité de pêche du ménage (autoconsommation, vente);�� Type de bateau de pêche utilisé par provenance (embarcation motorisée/ embarcation non motorisée selon

propriété exclusive/conjointe avec d’autres ménages/prêt, aucune embarcation utilisée);�� Type d’engin de pêche utilisé (filets tournants, sennes, chaluts, dragues, filets soulevés, engins retombants,

filets maillants, pièges, lignes et hameçons, engins de pêche par accrochage ou par blessures, engins de récolte, engins divers (y compris la collecte à la main avec de simples outils manuels)).

• la pêche commerciale à grande échelle, qui utilise des bateaux de pêche. Dans la pêche commerciale, on distingue :�� la pêche au large qui se pratique surtout avec des chalutiers sur la plupart des plateaux continentaux et

façades maritimes. Le poisson est très souvent conditionné à bord; �� la grande pêche qui se pratique en haute mer pour des campagnes de pêche pouvant durer plusieurs mois, sur

de gros bateaux; dans le cas des navires-usines, le poisson est transformé à bord et la production est bien connue.

Systèmes de productionSi on doit définir des systèmes de production en matière de pêche et aquaculture, on commencera par retenir :• l’aquaculture (voir section précédente);• la pêche traditionnelle qui peut être subdivisée selon le matériel de pêche utilisé : maritime et continentale d’une

part, d’autre part, selon les différents matériels de pêche utilisés (filet, épervier, pirogue….);• la pêche commerciale ou industrielle.

Page 57: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

43

N. B. La production aquacole (ou production de l’aquaculture) est la multiplication et la croissance en captivité des espèces capturées dans le milieu naturel (c’est-à-dire la différence de poids entre le poisson capturé et le poisson vendu après croissance en cage). Tandis que la production de la pêche correspond aux quantités pêchées.

2.1.5. Les statistiques de la sylviculture et de l’agroforesterieLa sylviculture est l’ensemble des techniques permettant la création et l’exploitation rationnelle des forêts tout en assurant leur conservation et leur régénération. Ces activités peuvent être entreprises sur des terres faisant partie ou non de l’exploitation.

Il s’agit à la fois des forêts naturelles et plantées ainsi que les routes forestières, les pare-feu et autres petits espaces ouverts. Les brise-vent, les haies vives et les pépinières d’arbres forestiers doivent être inclus.

La production de la sylviculture désigne la production et l’enlèvement des produits forestiers, qu’il s’agisse du bois ou de produits forestiers non ligneux tels que les huiles, feuilles et écorces.

L’agroforesterie désigne certaines pratiques sylvicoles qui complètent les activités agricoles, notamment en améliorant la fertilité des sols, en réduisant l’érosion, en améliorant la gestion des bassins versants ou en fournissant de l’ombre ou de la nourriture pour le bétail. L’agroforesterie se caractérise par l’existence d’interactions écologiques et économiques entre les différentes composantes. L’agroforesterie inclut les systèmes agro-sylvicoles (arbres et cultures), sylvo-pastoraux (arbres et bétail) et agro-sylvo-pastoraux (arbres, cultures et bétail).

La sylviculture, l’exploitation forestière et l’agroforesterie sont des activités pratiquées par des exploitations agricoles relevant du secteur des ménages. Tandis que l’agroforesterie est un système de gestion agricole durable consistant à cultiver à dessein des espèces forestières d’arbres et d’autres végétaux ligneux sur des terres utilisées pour l’agriculture et/ou l’élevage, la sylviculture et l’exploitation forestière sont des activités économiques.

Les données à collecter sur la sylviculture et l’exploitation forestière4 sont :• Superficies des terres boisées;• Vocation des terres boisées (Production, Protection des sols et des eaux, Amélioration de la production agricole,

Valeurs sociales et culturelles, etc.);• Pratique de l’agroforesterie;• Système de l’agroforesterie;• Espèces agroforestières.

2.1.6. Statistiques de l’environnementL’objectif des statistiques de l’environnement est de fournir des informations de qualité pour améliorer la connaissance de l’environnement, soutenir les politiques et la prise de décision et fournir des informations pour les différents utilisateurs.

Le Système intégré des comptes économiques et environnementaux (SICEE) SEEA, réorganise les statistiques de l’environnement pertinentes en fonction des stocks et des flux au sein et entre l’environnement et l’économie, sur la base des principes du Système de comptabilité nationale (SCN). De cette façon, il crée des liens entre les statistiques de l’environnement et le SCN et facilite l’analyse des relations entre l’économie et l’environnement.

4 WCA 2020 (FAO)

Page 58: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

44

Les statistiques de l’environnement synthétisent les données provenant de différents types de sources :• enquêtes statistiques (par exemple, recensements ou enquêtes par sondage de la population, des logements, de

l’agriculture, des entreprises, des ménages, de l’emploi, et de différents aspects de la gestion de l’environnement);• rapports administratifs des organismes responsables gouvernementaux et non gouvernementaux pour les

ressources naturelles, ainsi que d’autres ministères et autorités;• la télédétection et la cartographie thématique (par exemple, l’imagerie par satellite et la cartographie de

l’utilisation des terres et la couverture terrestre, les eaux ou le couvert forestier);• systèmes de surveillance (par exemple, les stations de surveillance sur le terrain pour la qualité de l’eau, de la

pollution de l’air ou du climat);• la recherche scientifique et des projets spéciaux entrepris pour satisfaire la demande nationale ou internationale.

Ces multiples types de sources sont généralement utilisés en combinaison. Par exemple, dans l’estimation de certains types d’émissions dans l’air, les enquêtes statistiques sont utilisées en combinaison avec la recherche scientifique. Alors que les enquêtes statistiques et les rapports administratifs sont couramment utilisés dans tous les domaines des statistiques (économiques, sociales et de l’environnement) et l’utilisation des données de télédétection est devenue très répandue ainsi que l’utilisation de données provenant des réseaux de surveillance, de la recherche scientifique et des projets spéciaux.

Les classifications statistiques, ainsi que des catégorisations moins formalisées qui se rapportent à des sous-domaines spécifiques des statistiques de l’environnement, ont été mis au point par les organisations internationales, les institutions spécialisées, les organisations intergouvernementales ou des ONG telle la FAO (cf. Système de classification de la couverture terrestre).

La plupart de ces classifications susmentionnées ont été révisées, adaptées et utilisées dans le Système intégré des comptes économiques et environnementaux (SICEE) qui couvre les catégories d’activités considérées comme des activités de protection et de gestion des ressources environnementales. Le SICEE est utilisé principalement pour produire des statistiques sur la protection de l’environnement et des dépenses de gestion des ressources.

Il y a une forte interaction entre les activités agricoles et l’environnement en ce sens qu’elles peuvent transformer les écosystèmes et les conditions physiques via l’irrigation, le drainage, la déforestation. Par ailleurs, l’agriculture intensive nécessite l’utilisation croissante d’infrastructures et des machines, d’engrais chimiques, de pesticides et des organismes génétiquement modifiés (OGM) et elle peut conduire à des changements dans les conditions physiques telles que la température, l’humidité et les précipitations.

Un autre aspect de cette interaction provient du fait que les conditions et la qualité de l’environnement déterminent largement le potentiel agricole d’un pays. La production agricole utilise les ressources environnementales telles que la terre, les ressources du sol, des ressources en eau et des ressources énergétiques alors que ces ressources sont modifiées à la fois qualitativement et quantitativement. Par exemple, l’eau peut devenir polluée. D’autre part, les intrants manufacturés tels que les engrais, les pesticides et autres produits agrochimiques (pour les cultures), les antibiotiques et les hormones (pour le bétail) sont également utilisés dans la production agricole et rejetés dans l’environnement.

Ainsi, l’Agriculture contribue à la fois et est sérieusement influencée par le changement climatique. Elle crée des émissions de gaz à effet de serre (GES), contribue aux émissions de méthane (via la culture du riz et de l’élevage des ruminants), libère de l’oxyde nitreux par les engrais azotés, et émet du CO2 par les machines et le transport. À son tour, à la suite du changement climatique, l’Agriculture fait face à des changements dans la disponibilité de l’eau, l’augmentation de l’exposition au stress thermique, une plus grande érosion du sol par des vents et des précipitations plus forts, et une fréquence accrue des incendies de forêt et des sécheresses.

Page 59: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

45

Les phénomènes environnementaux ont une dimension temporelle (sécheresses, inondations, etc.) qui influence les mesures. Les variations peuvent être tous les jours et, à d’autres moments, saisonnier en fonction de ce qui est mesuré. Compte tenu de ces aspects temporels, les statistiques soulignent souvent le maximum, minimum et ne sont pas limitées à une somme ou la moyenne sur une période plus longue.

La présence et les impacts des phénomènes environnementaux sont répartis aussi selon une dimension spatiale. Les unités spatiales les plus significatives pour les statistiques de l’environnement sont les unités naturelles, comme les bassins hydrographiques, les écosystèmes, les écozones, le paysage ou les unités de couverture terrestre; ou des unités de gestion et de planification, telles que les zones protégées, les zones côtières ou des districts hydrographiques.

Les statistiques économiques et sociales sont agrégées traditionnellement en fonction des unités administratives. Cette différence peut compliquer la collecte et l’analyse des statistiques de l’environnement, en particulier quand elles doivent être combinées avec des données provenant de statistiques économiques et sociales. Cependant, il y a une tendance à produire plus de données géoréférencées, qui permettraient de surmonter cette difficulté.

Les statistiques de l’environnement pertinentes sont nécessaires pour informer sur les questions liées à l’agriculture et l’environnement. Les indicateurs agroenvironnementaux couramment utilisés (IAE) concernent les émissions des gaz à effet de serre (GES), les ressources en bois, les ressources aquatiques, les cultures, le bétail et d’autres ressources biologiques non cultivées.

a. Les gaz à effet de serreLes données agroenvironnementales sur les gaz à effet de serre (GES) et les émissions d’ammoniac peuvent aider les pays à évaluer leurs émissions de gaz à effet de serre, en vue d’améliorer leurs inventaires nationaux de GES, leur permettant ainsi la planification de réponses efficaces au changement climatique et leur facilitant aussi l’accès au financement international.

Les principales données sur les gaz à effet de serre (GES) sont : • Pratiques agricoles (fermentation entérique, gestion du fumier (application au sol, dépôt sur pâturages),

combustion (biomasse, savane, résidus des récoltes);• Intensité d’utilisation des sols;• Intensité d’utilisation d’intrants et types d’intrants utilisés (organiques/inorganiques);• Pratiques de production au sens large (méthode de labour, type d’énergie/combustible utilisé, etc.);• Utilisation des terres (forestières, cultivées, prairies);• Quantité d’eau utilisée sur l’exploitation pour l’irrigation;• Zone agroécologique d’appartenance de l’exploitation.

b. Les ressources en boisLes ressources en bois peuvent être naturelles ou cultivées et sont des ressources importantes sur l’environnement dans de nombreux pays. Les activités forestières peuvent inclure l’application d’engrais et de la lutte antiparasitaire. Les statistiques sur les engrais et l’utilisation des pesticides en foresterie sont très importantes pour évaluer leur impact sur l’environnement.

Les principales statistiques à produire sont :• Ressources en bois

�� Stocks des ressources en bois �� La croissance naturelle �� Déménagement �� Résidus/abattage �� pertes naturelles �� pertes catastrophiques

Page 60: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

46

• Montant utilisé : �� Des engrais �� Des pesticides

• La production forestière • La production de bois de chauffage• Les importations de produits forestiers• Les exportations de produits forestiers

c. Ressources aquatiquesLes ressources aquatiques comprennent les poissons, crustacés, mollusques, crustacés, mammifères aquatiques et autres organismes aquatiques. L’activité économique la plus importante liée à l’extraction, la récolte et la gestion des ressources aquatiques est la pêche et l’aquaculture (CITI Rév. 4).

Les principales statistiques à produire sont :• la production de poissons de capture• La production aquacole• Les importations de produits de la pêche• Les exportations de produits de la pêche• Les intrants aquacoles• Montant utilisé :

��D’hormones��De colorants��D’antibiotiques�� De fongicides

• Les ressources aquatiques:�� Stocks de ressources aquatiques�� Réduction des ressources aquatique

d. Cultures Les cultures se réfèrent aux végétaux ou aux produits agricoles cultivés pour la consommation ou à d’autres fins économiques, tels que les vêtements ou le fourrage du bétail (CITI Rév. 4).En termes de statistiques de l’environnement, à la fois la zone utilisée pour les cultures et les rendements cultivés sont importants. La superficie récoltée est particulièrement importante et les engrais naturels, les engrais chimiques et les pesticides jouent un rôle clé dans le rendement et la quantité de cultures produites, ainsi que dans les effets environnementaux de l’agriculture.

Les principales statistiques à produire sont :• Pour les principales cultures :

�� Superficie plantée �� Superficie récoltée �� Production totale �� Production biologique �� Production des cultures génétiquement modifiées

• Montant utilisé :�� des engrais naturels (par exemple, du fumier, du compost, de la chaux) �� des engrais chimiques �� des pesticides �� des semences génétiquement modifiées

Page 61: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

47

• Monoculture/ressources- systèmes agricoles intensifs�� Zone utilisée pour la production �� Production totale �� Production des cultures génétiquement modifiées produites

• Importations de cultures • Exportations de cultures

e. Bétail L’élevage est associé à des effets environnementaux multiples. En effet, il contribue aux émissions de GES et occupe un grand pourcentage de terres (pâturages et production de matières premières). Les zones de pâturage et les cultures fourragères ont conduit à la déforestation généralisée et la perte de la biodiversité et le surpâturage conduit à l’érosion. En dépit de ces implications environnementales courantes, cependant, l’élevage contribue aux moyens d’existence de millions de pauvres dans le monde, fournissant une source de revenus, et parfois la seule source, pour beaucoup. Par conséquent, la mesure des impacts de l’élevage est importante.

Les statistiques de l’environnement pertinentes sur l’élevage comprennent :• Pour le bétail :

�� Nombre d’animaux vivants �� Nombre d’animaux abattus

• Montant utilisé de : �� D’antibiotiques�� D’hormones

• Importations de bétail • Exportations de bétail

f. Autres ressources biologiques non cultivées Les ressources naturelles biologiques non cultivées comprennent les champignons, les bactéries, les fruits, la sève et d’autres ressources végétales qui sont récoltées, ainsi que les animaux sauvages qui sont piégés ou tués pour la consommation humaine et la commercialisation (CITI Rév. 4).

Les statistiques environnementales pertinentes sur ce sujet sont :• Permis pour la chasse réglementée et le piégeage des animaux sauvages :

�� Nombre de permis délivrés par an �� Nombre de victimes animales autorisées par permis

• Importations d’espèces en voie de disparition• Exportations d’espèces en voie de disparition• Animaux sauvages déclarés tués ou pris au piège pour la consommation ou la vente• Commerce des espèces sauvages et élevées en captivité• Produits forestiers non ligneux et d’autres plantes

Page 62: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

48

2.1.7. Statistiques ruralesLes caractéristiques socioéconomiques des ménages agricoles et ruraux sont notamment le revenu du ménage selon les sources de revenus en tant que mesure clé du bien-être des ménages ruraux nécessaire pour les prises de décisions stratégiques afférentes aux efforts de développement pour la réduction de la pauvreté. Les données périodiques requises concernent aussi le nombre de ménages, l’emploi, la population, l’âge, le genre et le niveau d’éducation.

Les ménages ruraux entrent dans le champ des statistiques agricoles. Le développement agricole constitue un moyen de réduire la pauvreté et la famine dont souffrent les pauvres ruraux, notamment en améliorant les revenus des petits exploitants agricoles par des emplois salariés dans l’agriculture et des activités rurales hors exploitation ou à travers la migration. La nécessité de disposer des statistiques sur le développement rural a conduit à la production du Manuel du Groupe Wye sur les moyens d’existence et le bien-être des ménages ruraux (Nations Unies, 2007). Les données nécessaires pour confectionner la plupart des indicateurs nécessaires pour suivre le développement rural et la croissance économique aboutissant à la réduction de la pauvreté et de la faim se basent sur le ménage rural comme unité statistique.

Toutes les autres activités des ménages ruraux seront également prises en compte :• Artisanat;• Commerce;• Orpaillage;• Etc.

Les indicateurs relatifs à l’existence d’infrastructure de base s’avèrent également utiles pour le suivi des activités et projets de développement communautaire. La construction, l’entretien et l’amélioration d’infrastructures ont été identifié comme des leviers importants pour l’atteinte des Objectifs du Millénaire pour le développement (OMD) (Antonio E., 2007). Les principaux aspects pris en compte sont :

• Accès aux infrastructures de bases (Sources d’approvisionnement en eau, source d’éclairage, Accès à la communication et télécommunication…);

• Types de route et Accès au transport, accès aux marches;• Accès aux services publics de base (Centre de Santé, école…);• Etc.

2.1.8. Statistiques des prixOn distinguera les prix au producteur et les prix à la consommation des :• principales cultures;• principaux cheptels et des produits animaux;• principaux produits forestiers;• principaux produits de la pêche et de l’aquaculture

Il y a aussi les statistiques dérivées telles que les indices de prix des produits calculés à partir des relevés des prix du marché par produit et par localité et les indices des prix à la consommation estimés à partir des prix mensuels ou saisonniers payés par le consommateur

Par ailleurs, les prix des intrants (engrais, semences, produits phytosanitaires) sont très importants dans la mesure où ces intrants ont un impact sur la productivité agricole.

Page 63: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

49

2.2. PRODUCTEURS DE DONNéES : SYSTèMES STATISTIQUES CENTRALISéS ET DéCENTRALISéS

La production des données statistiques dans le domaine agricole s’effectue par l’entremise de divers acteurs selon le type de système statistique national. Il y a généralement deux types de systèmes statistiques : (i) le système centralisé (dans un tel cas, la production des statistiques est concentrée au sein de l’Institut national de la statistique (INS)); et, (ii) le système décentralisé (dans un tel cas, la production des statistiques est effectuée par de nombreuses structures telles que l’INS et les services statistiques des ministères de l’Agriculture, de l’Environnement, de l’Élevage…)

Système centraliséDans le système centralisé, l’organisme statistique central a la responsabilité de l’ensemble (ou d’une très grande majorité) des domaines de la production statistique.

Les avantages du système centralisé sont :• Économies d’échelles;• Homogénéité du corps des statisticiens;• Pilotage global du système facilité;• Harmonisation de fait des concepts, des méthodes, des nomenclatures.

Les risques du système centralisé sont :• Compréhension des besoins des utilisateurs plus difficiles en raison d’une autonomie plus grande des producteurs

par rapport aux utilisateurs et création de systèmes parallèles de production des données si les besoins ne sont pas bien pris en compte;

• Partage plus difficile des données. Système décentraliséIl convient de préciser que le processus de décentralisation comprend selon les situations, les notions de décentralisation horizontale et décentralisation verticale. Pour disposer davantage d’information sur ces notions, consulter le manuel d’organisation statistique, disponible à partir du lien ci-après : (http://unstats.un.org/unsd/publication/SeriesF/SeriesF_88f.pdf, p.12, p.148).

La décentralisation verticale consiste en une délégation des pouvoirs de décision depuis le sommet stratégique vers la base, à l’intérieur de la ligne hiérarchique. Ainsi, dans ce système, chacun des domaines de la production statistique relève du bureau central. Le rôle des bureaux régionaux ou sectoriels se limite, d’ordinaire, exclusivement à la collecte de données selon les prescriptions, normes et standard du bureau central.

Les avantages du système décentralisé vertical sont :• Réduction du temps de traitement des données au niveau central du fait des standards définis en amont;• Relation plus adaptée avec les répondants et utilisateurs • Amélioration de la collaboration entre les services sectoriels et le système statistique basée sur des accords de

collaboration;

Les risques du système décentralisé vertical sont :• Pilotage du système plus difficile si la ligne directrice est mal coordonnée;• Risque de lourdeur administrative et bureaucratique en cas de défaut de coordination;• Parfois faible autonomie de décision des bureaux décentralisés;• Moyens insuffisants pour recruter et former tous les acteurs régionaux uniformément. Cela peut conduire à des

incohérences dans les concepts, méthodes et processus de traitement.• Qualité des données plus difficilement vérifiable si les données parviennent au niveau central déjà agrégées.

Page 64: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

50

La décentralisation horizontale consiste en une délégation de pouvoir de décision à des entités situées en dehors de la ligne hiérarchique. Cette décentralisation est aussi qualifiée de système non hiérarchisé. Dans ce système, chacun des domaines de la production statistique relève du ministère ou d’une structure spécialisée responsable du domaine.

Les avantages du système décentralisé horizontal sont :• Accès facile aux sources administratives de données;• Rapprochement des statisticiens et des décideurs pour le sous-système concerné;• Meilleure utilisation des données produites au sein du sous-système concerné.

Les risques du système décentralisé horizontal sont :• Pilotage du système plus difficile;• Programme de travail non harmonisé;• Incohérence des concepts, des méthodes, des nomenclatures.

2.3. SOURCES DES STATISTIQUES AGRICOLES

Les statistiques agricoles sont produites à partir de plusieurs sources en fonction des données souhaitées et selon des méthodes et outils de collecte appropriés. Il s’agit principalement :• du recensement de l’agriculture;• des enquêtes thématiques par sondage;• des sources administratives;• de la télédétection et des systèmes d’information géographique (SIG) en agriculture; et,• des systèmes de surveillance et d’observation.

2.3.1. Recensements agricoles a. Qu’est-ce qu’un recensement de l’agriculture ?Un recensement de l’agriculture est une opération statistique couvrant l’ensemble ou une partie significative du pays, qui consiste à collecter, traiter et diffuser des données structurelles sur le secteur agricole. Ces données concernent principalement la taille des exploitations agricoles, les modes de faire-valoir, l’utilisation des terres, la superficie cultivée récoltée, l’irrigation, l’effectif du cheptel, la main-d’œuvre et d’autres facteurs de production. Dans un recensement de l’agriculture, les données sont collectées directement auprès des exploitations agricoles, mais quelques informations peuvent aussi être recueillies auprès des communautés. Un recensement de l’agriculture repose normalement sur la collecte de données structurelles clés, soit :• par dénombrement exhaustif de toutes les exploitations agricoles, parfois combiné à la collecte de données plus

détaillées, par sondage;• soit entièrement par sondage auprès d’un très grand échantillon.

Du fait des domaines couverts par l’agriculture, le recensement de l’agriculture couvre non seulement les activités de production végétale et animale (dans certains pays, le recensement de l’élevage est distinct de celui des productions végétales), mais aussi d’autres activités liées à l’alimentation et à l’agriculture. La pêche et la foresterie sont en dehors du champ d’application du recensement agricole, mais le Programme mondial du recensement de l’agriculture (WCA 2020) prend en considération que certains pays collectent en même temps des données sur les exploitations agricoles relevant du secteur des ménages qui pratiquent ces activités.

Page 65: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

51

D’une façon générale, le champ à couvrir doit viser les objectifs du recensement qui sont :• connaître la structure de l’agriculture;• avoir une base de sondage pour les enquêtes spécifiques sur les activités agricoles.Le champ d’application d’un recensement de l’agriculture recommandé par la FAO peut être défini comme suit, sur la base de la CITI (Rév.4) :• Groupe 011 : Cultures temporaires;• Groupe 012 : Cultures permanentes;• Groupe 013 : Prolifération végétale;• Groupe 014 : Production animale; • Groupe 015 : Exploitation mixte.

La FAO utilise cette classification pour déterminer la portée du recensement agricole décrit dans le Programme mondial du recensement de l’agriculture 2020.

Théoriquement, un recensement de l’agriculture devrait couvrir toutes les activités agricoles d’un pays, conformément aux groupes de la CITI ci-dessus. Dans le passé, beaucoup de pays ont appliqué un critère de taille minimale pour l’inclusion des unités dans le recensement, ou exclus certaines zones, comme les centres urbains.

Il arrive qu’un recensement de l’agriculture ne couvre pas toutes les activités agricoles pour diverses raisons. Lors de la planification du recensement de l’agriculture, les pays doivent tenir compte de ce qui peut être fait compte tenu du budget et du personnel disponibles, et le faire bien.

Il faut savoir que, dans un système intégré de statistiques agricoles, tout élément exclu du recensement de l’agriculture a une incidence non seulement sur les résultats du recensement, mais aussi sur les enquêtes agricoles conduites à partir du recensement. Ainsi, une enquête sur la production agricole, effectuée sur un échantillon tiré à partir d’un recensement de l’agriculture, ne couvrira pas les unités exclues du champ d’observation, ce qui se répercutera sur les estimations de la production agricole dérivées de l’enquête. Ceci est surtout vrai lorsqu’il s’agit d’obtenir des données socio-économiques au niveau des groupes marginaux pour mettre en place des politiques en leur faveur et aussi au niveau des cultures rares.

b. Historique du programme mondial du recensement de l’agricultureLe Programme mondial du recensement de l’agriculture 2020, qui couvre les recensements agricoles qui seront effectués par les pays entre 2016 et 2025 est le 10e d’une série initiée en 1930.

Les programmes de 1930 et de 1940 ont été parrainés par l’Institut International de l’Agriculture (IIA) et les sept programmes suivants – réalisés en 1950, 1960, 1970, 1980, 1990, 2000 et 2010 - ont été conduits sous la responsabilité de la FAO, qui a pris la relève de l’IIA, après sa dissolution en 1946.

L’objectif du programme mondial était d’obtenir des données mondiales se rapportant à la même période.

Les deux premiers programmes ont tenté de fournir des statistiques agricoles complètes et détaillées, notamment sur la production.

Le Programme de 1950 avait un contenu plus restreint, centré sur les aspects structurels de l’agriculture, tels que la taille des exploitations agricoles, l’utilisation des terres et l’effectif du cheptel. Les programmes ultérieurs ont maintenu le cap sur les données structurelles, mais ils ont progressivement élargi le contenu du recensement aux questions importantes du moment.

Page 66: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

52

Le Programme de 2000, qui couvrait les recensements agricoles effectués durant la période 1996–2005, faisait une large place à l’aquaculture, à l’emploi et à l’environnement. L’obligation d’entreprendre les recensements dans tous les pays la même année a également été assouplie. Pour la conduite de leurs recensements de l’agriculture, les gouvernements de tous les pays ont de plus en plus été obligés de faire des compromis et de redimensionner leurs besoins en informations statistiques compte tenu des ressources disponibles à cet effet.

Lors de la mise au point de la série de programmes de recensement de l’agriculture, la FAO a reconnu que les pays étaient parvenus à des niveaux de développement économique et statistique très divers, et elle les a invités à concevoir et à réaliser un recensement de l’agriculture adapté à leur situation spécifique, leur rappelant toutefois la nécessité de collecter un ensemble minimal de données, aux fins des comparaisons internationales.

Par ailleurs, le recensement agricole doit tenir compte pour sa réalisation des principales recommandations du Programme mondial du recensement de l’agriculture 2020.

Il y a quatre approches méthodologiques5 :i. L’approche classique est un recensement effectué en une opération unique au cours de laquelle toutes les

informations de recensement sont enregistrées. Elle comprend le concept du questionnaire court-long. Dans cette approche, le questionnaire court est réalisé pour obtenir la population cible, tandis que le questionnaire long est uniquement utilisé auprès des exploitations identifiées comme étant au-dessus du seuil établi ou auprès d’un échantillon de telles exploitations. Le questionnaire court recueille des informations de base sur tous les ménages et identifie les exploitations en utilisant des seuils. Le questionnaire long collecte des informations plus détaillées auprès des exploitations. Cette approche est appropriée pour les pays possédant un programme intégré de recensements et d’enquêtes ou souhaitant collecter des rubriques complémentaires au niveau des petites unités administratives.

ii. L’approche modulaire (introduite dans le Programme de 2010) qui a un bon rapport coût-efficacité pour collecter un large éventail de rubriques additionnelles en fonction des besoins du pays et des ressources disponibles. Cette approche consiste en un module de base clairement identifié et un ou plusieurs modules complémentaires. Les informations collectées dans le module de base sont utilisées comme base de sondage pour le(les) module(s) complémentaire(s). Un module de base avec un seul module complémentaire, dont la combinaison couvre toutes les rubriques « essentielles », représente en fait le concept du questionnaire court-long et correspond donc à une approche classique

iii. L’utilisation des registres et fichiers administratifs comme sources de données du recensement. La production de statistiques de type recensement est plus rapide, moins onéreuse et plus complète lorsque de grandes quantités d’informations peuvent être obtenues à partir de sources administratives. Lorsque les registres ne peuvent pas fournir toutes les rubriques essentielles, une approche combinée utilisant des données des fichiers administratifs et des enquêtes/recensements est une option possible.

iv. Le programme intégré de recensements et d’enquêtes vise à renforcer l’intégration du recensement de l’agriculture dans un programme de recensements et d’enquêtes pluriannuel utilisant le concept d’Enquête agricole et rurale intégrée (AGRIS). Cette approche permet de produire un large éventail de données sur diverses dimensions des exploitations agricoles avec un meilleur rapport cout-efficacité. Il propose d’alléger le poids des recensements par la mise en œuvre d’un recensement avec un module de base assez léger tout en programmant la collecte de données thématiques sur une période de dix ans. Cela contribuera à un flux plus régulier de données, ce qui correspondrait mieux aux capacités limitées actuellement en place dans de nombreux pays concernant la production et l’utilisation des statistiques. Cela devrait également faciliter le financement du programme de recensements et d’enquêtes en échelonnant le coût total sur une période de dix ans.

5 WCA 2020 (FAO)

Page 67: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

53

FIGURE 4 : SYSTèME INTéGRé6

En plus de ces options pour la réalisation des recensements agricoles, le Programme mondial 2020 recommande :

• l’utilisation des progrès récents de la technologie et l’accent à mettre sur l’archivage, la diffusion et les publications sous format exploitable par machine. Une utilisation accrue des technologies d’information dans la collecte et le traitement des données, mais aussi dans leur diffusion existe. Les progrès technologiques doivent être utilisés dans les opérations de recensement telles que l’interview individuelle assistée par ordinateur (CAPI) qui aide à des améliorations dans la qualité des données et réduit le délai entre la collecte des données et l’analyse des données. De même, l’utilisation de produits interactifs et de données en ligne (tableaux, graphiques, cartes), ainsi que l’accès aux microdonnées anonymisées, a apporté de nouvelles opportunités pour la diffusion du recensement. Les outils de diffusion conviviaux appuient les prises de décisions bien fondées, libèrent la créativité analytique des utilisateurs et élèvent la valeur des données du recensement à des fins de politique agricole, pour la recherche et les entreprises, en plus des utilisations statistiques habituelles.;

• le rapprochement avec les recensements généraux de la population. Cette recommandation plaidée par le Programme 2010 est retenue pour le cycle du Programme 2020. Elle est pertinente surtout pour les pays où il existe un rapport étroit entre les ménages et les exploitations agricoles, car la plupart des activités agricoles relèvent du secteur des ménages, comme c’est le cas dans de nombreux pays en développement. Toutefois, comme le recensement de la population ne couvre que les ménages et non les entreprises, l’intégration du recensement de l’agriculture et du recensement de la population et de l’habitat ne peut s’appliquer qu’aux seules exploitations agricoles relevant du secteur des ménages. Les exploitations agricoles ne relevant pas du secteur des ménages devront être traitées séparément.

6 Stratégie mondiale (FAO, banque mondiale)-sept. 2010

Page 68: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

54

c. Objectifs, champ et contenuLes recensements agricoles sont principalement centrés sur des données concernant la structure organisationnelle de base des exploitations agricoles, telles que la taille des exploitations, les modes de faire–valoir, l’utilisation des terres, les superficies en culture, l’effectif du cheptel, la main-d’œuvre, l’utilisation de machines et autres facteurs de production. Les données qui changent d’une année sur l’autre, comme celles sur la production ou sur les prix agricoles, ne sont généralement pas incluses.

En résumé, l’objectif du recensement est l’étude des activités rurales en faisant ressortir pour chacune d’elles :• Sa répartition géographique : dans quelles zones elle se pratique ?• Sa pratique par les populations : qui la pratique ?• Les moyens dont dispose la population pour sa pratique : comment elle se pratique ?

Le recensement servira alors entre autres de base à toutes les études sur ces secteurs.

Le recensement peut s’étendre jusqu’à la détermination en nature de la production, voire en valeur ou même le compte d’exploitation du sous-secteur.

Le recensement de l’agriculture ne fournit pas de statistiques courantes sur la production, sauf pour l’année de référence du recensement. Néanmoins, il joue un rôle important dans la compilation des comptes nationaux. Il donne des informations pour définir les composants structurels des comptes nationaux et pour les comptes économiques de l’agriculture.

L’unité statistique, l’unité de base pour laquelle les données sont collectées est l’exploitation agricole.

Les informations recueillies dans le recensement agricole sont relatives à des rubriques spécifiques. Les principales rubriques (cf. WCA2020, chapitre 7) sont regroupées en trois groupes :

i. Les rubriques relatives à l’exploitation agricole sont regroupées par thèmes :�� Thème 1 - Identification et caractéristiques générales�� Thème 2 - Terres�� Thème 3 – Irrigation �� Thème 4 – Cultures�� Thème 5 – Élevage�� Thème 6 – Pratiques agricoles�� Thème 7 – Services agricoles �� Thème 8 – Caractéristiques démographiques et sociales�� Thème 9 – Travail sur l’exploitation�� Thème 10 – Répartition dans le ménage de la prise de décisions de gestion et de la propriété sur l’exploitation�� Thème 11 – Sécurité alimentaire des ménages�� Thème 12 – Aquaculture�� Thème 13 – Sylviculture �� Thème 14 – Pêche�� Thème 15 : Environnement / émission de gaz à effet de serre (GES)

Page 69: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

55

ii. Les rubriques pour la base de sondageLes rubriques pour la base de sondage sont directement pertinentes pour l’élaboration de la base de sondage des modules complémentaires pour les pays utilisant l’approche modulaire et pour les enquêtes ultérieures. Il en existe 15 dont six sont également des rubriques essentielles :

�� 0101 Identification et emplacement de l’exploitation agricole�� 0107 Objectif principal de la production de l’exploitation�� 0108 Autres activités économiques du ménage�� 0201 Superficie totale de l’exploitation�� 0301 Utilisation de l’irrigation sur l’exploitation : irrigation entièrement et partiellement contrôlée�� 0401 Types de cultures temporaires présentes sur l’exploitation�� 0405 Types de cultures permanentes présentes sur l’exploitation et menées en plantations serrées�� 0413 Présence de pépinières�� 0415 Présence des terres cultivées sous couvert protecteur�� 0502 Effectif du cheptel�� 0602 Utilisation de semences génétiquement modifiées (GM)�� 1201 Présence de l’aquaculture sur l’exploitation�� 1301 Présence de terres boisées sur l’exploitation�� 1304 L’agroforesterie est-elle pratiquée ?�� 1401 Engagement des membres du ménage dans l’activité de pêche7

iii. Les rubriques complémentaires des données à collecter auprès des communautésEn complément aux rubriques au niveau de l’exploitation, le WCA2020 propose aussi des rubriques des données à collecter auprès des communautés. Ces rubriques aident pour la planification décentralisée, la planification des programmes de développement locaux ciblés. Il s’agit :

�� de la répartition spatiale;�� des conditions socio-économiques;�� des infrastructures et services communautaires;�� des programmes de développement.

d. Organisation institutionnelleTel que défini, le recensement agricole constitue une grosse opération de collecte auprès des exploitations agricoles, couvrant toutes les activités de l’agriculture et activités connexes.

Plusieurs structures dont l’Institut National de la Statistique y jouent un rôle important. Pour tenir compte du caractère statistique de l’opération et de l’envergure de son champ, une coordination au sein du système statistique national est nécessaire pour garantir sa réussite.

La création d’un comité de pilotage, où siège l’INS, pour la gestion des activités est généralement conseillée.

Le Comité de pilotage est chargé notamment :1. de prendre contact avec les utilisateurs des données et s’assurer que le recensement satisfasse les besoins réels;2. d’examiner périodiquement le déroulement des opérations de recensement et signaler éventuellement les

initiatives et mesures nécessaires;3. d’approuver les activités à entreprendre au cours des diverses phases du recensement;4. de surveiller l’exécution d’ensemble du recensement;

7 La pêche est en dehors du champ d’application du recensement agricole, mais la rubrique 1401 est incluse dans les rubriques pour la base de sondage, car elle convient aux pays qui envisagent un champ d’application plus large.

Page 70: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

56

5. d’approuver la publication des résultats du recensement;6. de veiller au respect strict du chronogramme de mise en œuvre du recensement.

2.3.2. Enquêtes agricoles par sondageDes enquêtes agricoles peuvent être effectuées sur les différents thèmes qui couvrent le secteur de l’agriculture au sens large. Ce type d’enquête estime les valeurs des variables sur un échantillon d’unités tirées de la population totale du domaine étudié. L’échantillon peut être probabiliste (on parle alors de sondage probabiliste) ou non probabiliste (on parle sondage non probabiliste ou sondage empirique). Le recensement agricole8 est le cas particulier d’une enquête dans laquelle les valeurs des variables sont obtenues sur toutes les unités de la population (les exploitations);

Pour assurer une bonne qualité des données produites, le sondage probabiliste est à privilégier. Pour définir le modèle probabiliste sur lequel se fondent les estimations des variables et calculer leur précision statistique, il faut spécifier :• La base de sondage (population enquêtée);• Le procédé de tirage probabiliste;• Les variables de l’enquête;• Les estimateurs pour chaque variable de l’enquête;• La variance des estimateurs qui donne la précision des estimations.

Sans entrer dans les détails des sondages, les notions de base de sondage, d’échantillon-maître et de programmation d’enquêtes dans le contexte des enquêtes agricoles sont abordées. Certains types d’enquêtes courantes dans le domaine agricole sont également discutés.

Afin de répondre aux besoins en information du secteur agricole, diverses enquêtes (enquêtes thématiques) sont conduites en lien avec les statistiques à produire (2.1). Les sous sections ci-dessous présentent ces différentes enquêtes.

a. Enquêtes sur les cultures (ou production végétale)La principale exigence des enquêtes sur les cultures est d’obtenir des données annuelles ou saisonnières sur la production des cultures principales, ce qui peut être fait à travers une enquête unique sur la production végétale ou, plus couramment, à travers une série d’enquêtes.

Exemple : Un pays peut décider d’effectuer une enquête semestrielle sur la production rizicole, ainsi que des enquêtes annuelles sur la production de manioc et de café, en programmant chacune des enquêtes de façon à ce qu’elle coïncide avec le moment de la récolte de la culture concernée. Une enquête sur la production d’une culture spécifique pourrait être constituée de plusieurs éléments, par exemple, une interview avec des producteurs pour recueillir des informations sur des éléments comme la superficie plantée et superficie récoltée, les variétés, la main-d’œuvre et les intrants utilisés, ainsi qu’une composante basée sur des coupes-échantillons pour estimer le rendement d’après des parcelles témoins.

Il peut être nécessaire d’effectuer de temps à autre d’autres types d’enquêtes sur les cultures, auprès des exploitations agricoles :

• Enquêtes sur les pertes après-récolte; • Enquête sur les stocks alimentaires des exploitations;• Enquête sur la commercialisation de la production agricole;• Enquête spécifique sur une culture donnée.

8 LA FAO emploie le terme de recensement agricole (ou de l’agriculture) pour une enquête qui s’effectue sur la base d’un dénombrement complet ou d’un échantillonnage dont le principal objectif est de de fournir la structure agricole du pays

Page 71: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

57

L’enquête agricole de production est une solution à la difficulté qu’on a dans la détermination de la production de toutes les exploitations agricoles dans le but de calculer cette production au niveau national. Elle consiste à estimer la production totale à partir de celle d’un échantillon d’exploitations agricoles.

i. Détermination de la production Pour déterminer la production d’une zone (région, département, pays...) donnée à partir d’un échantillon

d’exploitations, on peut, soit agréger la production des exploitations échantillonnées, soit estimer la superficie et le rendement de la zone et en déduire sa production.

i) agrégation de la production des exploitations échantillonnées : On collecte directement la production totale de chaque exploitation agricole échantillonnée.

ii) détermination de la superficie et du rendement : �� superficie : la superficie de la zone sera obtenue par une agrégation des superficies des exploitations

échantillonnées;�� rendement : le rendement de la zone est un rendement moyen obtenu sur la superficie totale cultivée de

la zone. On déduit un rendement moyen à partir de rendements obtenus sur des coupes de superficies cultivées. Ces coupes sont généralement des carrés de tailles uniformes à placer dans les parcelles des exploitations (appelé carrés de rendement).

ii. Détermination directe de la production des exploitations échantillonnées : L’évaluation de la production est obtenue soit par mesure directe soit par déclaration. Les approches

ci-dessous sont donc préconisées :i) peser toute la récolte de l’exploitant;ii) l’exploitant déclare sa production en ULM (unité locale de mesure) à défaut des unités de mesure de

poids;iii) l’exploitant déclare sa production en unité de poids (kg, tonnes…).

iii. Pesée de la récolte de l’exploitant La difficulté de cette méthode réside dans son manque d’opérationnalité. En imaginant une opération de pesée

de récoltes d’un échantillon aléatoire d’exploitations on se rend compte de sa complexité tant du point de vue de la lourdeur des moyens à utiliser que du point de vue du désagrément que ça peut causer aux enquêtés. L’ampleur de la tâche peut nécessiter une diminution drastique du nombre d’exploitations à enquêter, ce qui ne va pas dans le sens d’améliorer la qualité des estimations.

iv. L’exploitant déclare sa récolte Cette méthode manque de fiabilité eu égard à l’imprécision des unités de mesure locale utilisées pour la

récolte (paniers, sacs, bottes...). Cette imprécision vient du fait qu’on observe une variation du rapport entre unités de mesure locale et le kilogramme que ça soit entre exploitations qu’au sein de la même exploitation. Aussi, la grande diversité de ces unités ne facilite pas un étalonnage conséquent.

En dépit de la multiplicité de ces mesures et n’eût été l’imprécision de poids qui les caractérise, l’enquête agricole serait suffisamment allégée en procédant uniquement par interview pour la détermination de la production.

v. L’exploitant donne le poids de sa récolte On ne peut pratiquer cette méthode que dans les cas où systématiquement, après la récolte, toutes les

exploitations ont coutume de peser leur récolte. On est évidemment loin d’une telle situation dans le milieu rural des pays en développement.

Page 72: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

58

vi. Détermination de la superficie On relève plusieurs méthodes de collecte pour la mesure des superficies. L’enquête agricole utilise

généralement celle de la quantité de semence et celle des coordonnées rectangulaires

vii. Mesure de la superficie par la quantité de semence : Dans une zone donnée (pays, région), on détermine d’abord la quantité moyenne de semence utilisée à

l’hectare. On demande par la suite aux exploitations enquêtées la quantité totale de semence utilisée pour en déduire la superficie ensemencée. La principale difficulté de cette méthode réside dans le fait que l’exploitant n’est pas toujours à mesure de donner le poids de semences utilisées, il l’évaluera certainement en unités locales. La conversion des unités locales en mesure de poids amène une nouvelle distorsion (certainement plus grande) qui s’ajoute à celle de la méthode elle-même et, au total, on aboutira à des estimations de superficie extrêmement biaisées. La fiabilité de la déclaration du paysan est beaucoup plus liée à la pratique dans la zone d’enquête.

viii. Mesure de la superficie des parcelles Boussole (de moins en moins pratiquée) : La fiche de relevé des mesures de la parcelle permet de déterminer

la superficie de la parcelle à l’aide des données suivantes relevées pour chaque côté de la parcelle :i) l’angle qu’il fait avec l’axe nord-sud;ii) sa longueur.

Ces informations sont saisies dans une calculatrice à l’aide d’un programme standard conçu par la FAO. La superficie est alors estimée avec une erreur de fermeture qui aide à valider le résultat (si elle est égale à moins de 5 %) ou à reprendre la mesure dans le cas contraire.

GPS : À partir de la prise des coordonnées géographiques des sommets d’une parcelle, la superficie est calculée. De façon pratique on part d’un point fixé du pourtour de la parcelle à mesurer et avec le GPS tenu horizontalement dans la paume de la main, on fait le tour de la parcelle en respectant au mieux ses limites extérieures et en évitant les parties couvertes par des feuillages jusqu’au point de départ fixé. On arrête le pourtour (en appuyant sur le bouton ARRET) et la superficie s’affiche automatiquement sur l’écran du GPS ainsi que la marge d’erreur. (Voir le détail de cette méthode au paragraphe 2.5 Collecte des données).

N. B. Ces mesures ne permettent de calculer que les superficies de portions de terrain. En ce qui concerne l’estimation des superficies des cultures associées, il faut se référer au paragraphe 3.2. Calcul des superficies et rendements de cultures associées.

ix. Détermination du rendement Les facteurs dont dépend le rendement sont liés à des conditions qui peuvent se résumer en deux groupes :

i) Conditions dictées par la nature liées à la position géographique de la culture;ii) Conditions dictées par le système de production (type d’association, entretien...).

Dans une zone géographique assez restreinte, le village par exemple, les conditions dictées par le système de production sont fondamentalement celles qui guident les rendements, les conditions liées à la nature y étant presque identiques. La parcelle qui est l’unité de système de production peut donc valablement être utilisée comme unité de sondage dans la détermination des rendements. Cependant, sur la même parcelle, il peut arriver que des variations de rendement soient observées d’une partie à une autre. Ces variations sont d’autant plus importantes que la taille de la parcelle est grande.

La détermination du rendement moyen est faite unité primaire par unité primaire (ex. village) à partir de carrés de rendement placés de manière aléatoire sur des parcelles appelées pour la circonstance, parcelles

Page 73: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

59

à rendement. Le nombre de carrés de rendement par unité primaire dépendra uniquement du nombre de parcelles (tirage des parcelles avec probabilités égales) ou du nombre de parcelles et de leur superficie (tirage des parcelles avec probabilité proportionnelle à la taille). Le nombre idéal de carrés de rendement à placer sera obtenu de proche en proche par des analyses de variance successives (d’une campagne à l’autre) d’échantillons préalablement fixés.

x. Tirage des parcelles à rendement Le tirage des parcelles à rendement s’effectue par unité primaire. Toutefois il arrive que pour certaines

cultures de moindre importance on décide de déterminer un rendement non pas par unité primaire, mais plutôt par région (ou toute autre entité géographique) voire un rendement au niveau national, dans ce cas le tirage se fera par région ou au niveau national.

xi. Pose des carrés de rendement La pose des carrés de rendement dans une parcelle doit suivre une procédure aléatoire pour éviter à ce qu’ils

ne soient pas systématiquement placés à des endroits particuliers de la parcelle. Plusieurs méthodes peuvent être utilisées à cet effet.

N. B. Pour l’estimation des rendements des cultures associées, il faut se référer au paragraphe 3.2. Calcul des superficies et rendements de cultures associées.

b. Enquêtes sur la production animale Pour produire des statistiques de qualité sur l’élevage et les produits de l’élevage, on a besoin généralement besoin d’enquêtes périodiques sur la production animale. Ordinairement, une série d’enquêtes spécifiques sont nécessaires.

Exemple : Des enquêtes trimestrielles sur les exploitations élevant des bovins peuvent fournir des données sur la production de lait de vache, alors que des enquêtes annuelles sur les exploitations élevant des ovins peuvent donner des informations sur la production de laine. Les données provenant de ces enquêtes sont généralement complétées par des informations provenant d’autres sources – offices de commercialisation du bétail, abattoirs, établissements de conditionnement de la viande, boucheries ou établissements laitiers – pour obtenir un tableau complet de la production animale.

Des enquêtes périodiques sur l’alimentation animale peuvent être nécessaires pour déterminer la quantité et la composition des aliments donnés aux différents types d’animaux, ainsi que les variations saisonnières des disponibilités de ces aliments. On peut aussi réaliser des enquêtes pour estimer la production des cultures fourragères, souvent basées sur des coupes-échantillons pour mesurer la valeur nutritive de ces cultures. Des informations sur les taux de charge sont souvent aussi recueillies pour évaluer l’utilisation de fourrage.

Les autres types d’enquêtes détaillées sur l’élevage sont les enquêtes sur la structure des troupeaux d’animaux, en particulier sur des races d’animaux spécifiques et les enquêtes sur la valeur des ventes, ventilée par type de produit.

Les éléments clés sur les bovins, les ovins, les porcins, les caprins et les volailles sont ceux qu’il faut obligatoirement recueillir dans les enquêtes sur la production animale. Ces espèces constituent des sources majeures de l’approvisionnement alimentaire et du revenu agricole. La consommation des produits de ces espèces augmente au fur et à mesure que les pays se développent et que les revenus augmentent. La demande croissante en produits d’élevage conduit directement à l’utilisation croissante des productions végétales pour l’alimentation des animaux, et peut provoquer des situations dans lesquelles cette production animale entre en compétition avec la consommation alimentaire humaine, même si, le fourrage est un intrant de la production alimentaire animale. Les animaux sont

Page 74: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

60

aussi des sources d’émission de méthane, de pollution des eaux et de risque de maladie. Tous ces facteurs peuvent être affectés par les décisions politiques. Les données de base requises pour l’élevage comprennent notamment : • Effectifs et mises-bas annuelles;• Production de viande, lait, œufs et laine, etc. ainsi que les flux commerciaux nets ou les importations et les

exportations;• Les systèmes de production.

i. Les paramètres zootechniques Les estimations des productions animales se font à travers l’application des paramètres zootechniques (taux

de croît, taux d’exploitation, taux de lactation...) sur les effectifs du bétail déterminés lors des opérations de recensement du cheptel.

À la faveur de la réalisation d’un recensement du cheptel, la méthodologie de l’enquête de suivi des paramètres zootechniques est basée sur le suivi d’un échantillon de troupeaux sur lesquels des données sont collectées durant 12 mois pour calculer des paramètres tels que :• Les paramètres de production (taux de mortalité global, taux de mortalité par catégorie, taux de pertes

et de vols global, taux de pertes et vols par catégorie, le nombre de femelles par reproducteur, taux de lactation);

• Les paramètres d’exploitation (taux de croissance, taux d’exploitation);• Les paramètres de reproduction (taux de fécondité, taux de fertilité, taux d’avortement, le sexe-ratio des

veaux, l’âge au premier vêlage).

ii. Production des pâturages Pour évaluer la production des pâturages, un système de relevé de biomasse herbacée peut être utilisé. Cette

opération a pour but de donner l’état des ressources fourragères disponibles annuellement.

La méthodologie utilisée consiste à :• faire un suivi décadaire de la campagne pastorale;• appliquer la méthode du double échantillonnage pour évaluer la production fourragère au sol en zone

pastorale;• établir le carré de rendement au niveau des enclaves pastorales de la zone agricole et agropastorale;• évaluer la production des résidus agricoles;• analyser la corrélation entre données au sol et données satellitaires;• établir du bilan fourrager de fin de campagne.

c. Enquêtes sur l’aquaculture et la pêcheDans le recensement de l’agriculture, seules sont prises en considération les activités aquacoles pratiquées en association avec l’agriculture. Si l’aquaculture tient une place importante dans un pays, il convient de combiner un recensement de l’aquaculture à celui de l’agriculture de manière à fournir des données structurelles sur le type d’installation de production, le type d’eau, l’origine des eaux utilisées, le type d’organisme élevé et les machines utilisées pour l’aquaculture. Ce recensement pourra servir de base pour des enquêtes ultérieures sur cette branche d’activité. Des enquêtes périodiques auprès des aquaculteurs pourraient être nécessaires pour fournir des données sur la production aquacole.

L’aquaculture et la pêche contribuent d’une façon significative à l’approvisionnement alimentaire. La production aquacole implique l’utilisation des terres et des ressources en eau. La pêche pourvoit aux moyens d’existence des petites exploitations continentales. Les données de base requises pour ce volet comprennent :• Pour l’aquaculture : Les superficies exploitées, les productions, les importations et exportations;• Pour la pêche : Les quantités des prises, débarquées, rejetées, nombre de jours de pêche, quantités transformées

Page 75: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

61

pour des usages alimentaires et non alimentaires, importations et exportations. Le but des enquêtes pêche est de collecter des données qui permettent de faire des estimations de production de pêche, de l’effort de pêche, de la capture par unité d’effort, de l’efficacité des engins de pêche, de connaître le poids moyen de capture par espèce et la valeur monétaire des captures.

La base de réalisation des enquêtes sur la pêche est celle du recensement des exploitations de pêches ou pêcheurs et de leurs caractéristiques. Il s’agit essentiellement de la pêche traditionnelle, les données de la pêche industrielle étant suffisamment maîtrisées.

Le champ de collecte des données concerne toutes les pêcheries et tous les sites aquacoles. Les informations à rechercher peuvent aussi être classées par type de pêcheries, elles-mêmes classées par zone écologiquement homogène parmi lesquelles on peut citer les domaines suivants :• les fleuves et leurs affluents;• les lacs;• les mares et retenues artificielles.

Exemple : Méthode utilisée par le Burkina Faso lors du recensement général de l’agriculture de 2006

d. Enquêtes sur la foresterie et l’agroforesterieLa foresterie représente une utilisation majeure des terres, génère des revenus et joue un rôle significatif dans la compréhension des forces qui affectent le changement climatique. Les données pouvant être collectées par voie d’enquêtes comprennent :• Zones boisées et forêts, quantités extraites et prix pour des terres liées aux exploitations agricoles;• Zones boisées et forêts, quantités coupées et prix des produits correspondants provenant des exploitations non

agricoles ainsi que les utilisations respectives.

e. Enquêtes sur les ménages et sur le milieu ruralLes caractéristiques socioéconomiques des ménages agricoles et ruraux sont notamment le revenu du ménage selon les sources de revenus en tant que mesure clé du bien-être des ménages ruraux nécessaire pour les prises de décisions stratégiques afférentes aux efforts de développement pour la réduction de la pauvreté. Les données périodiques requises concernent aussi le nombre de ménages, l’emploi, la population, l’âge, le genre et le niveau d’éducation.

Toutes les autres activités des ménages ruraux tels que l’artisanat, le commerce, l’orpaillage et autres seront

LA PROCéDURE GéNéRALE A UTILISé QUATRE éTAPES :

1. Tout d’abord, l’approche « villages » a été privilégiée dans la collecte des données. Cette approche a

l’avantage d’identifier mieux tous les pêcheurs professionnels, leur âge, leur nationalité, les différents

mouvements effectués au cours d’une campagne de pêche, le nombre d’employés avec qui ils

travaillent, le nombre de jours consacrés à la pêche par semaine, les différents types d’engins de

pêche, les embarcations, les autres activités exercées en dehors de la pêche et le niveau d’instruction;

2. Dans un second temps, les enquêteurs ont procédé au niveau de chaque village au recensement

systématiquement de toutes les espèces les plus pêchées des plans et cours d’eau rattachés au village

et les prix pratiqués au kg pour les différentes espèces;

3. En troisième temps, dans les zones où l’existence de ces sites est observée, on procède au

recensement du site et au relevé des caractéristiques, la vocation et la production annuelle;

4. Enfin une quatrième fiche a été initiée pour recenser les mareyeurs et les transformateurs du poisson.

Page 76: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

62

également prises en compte. Les accès aux services et infrastructures peuvent également être mesurés afin de donner un portrait plus global du niveau de développement rural.

Les enquêtes sur les ménages permettent également de recueillir de l’information sur la consommation de nourriture, l’insécurité alimentaire vécue et le gaspillage d’aliments, des variables importantes dans l’étude de la sécurité alimentaire.

f. Enquêtes sur l’environnementLa Division des Statistiques des Nations unies, à travers le département en charge des statistiques de l’environnement, participe coordination de la collecte de données sur l’environnement. Le volume le plus récent du cadre pour le développement des statistiques de l'environnement édité par ce département a été élaboré en 2013 (FDES 2013).

Ce cadre définit la portée des statistiques de l'environnement et fournit une structure organisationnelle pour guider leur collecte et leur compilation afin de synthétiser des données provenant de diverses sources, couvrant les aspects de l'environnement qui sont pertinents pour l'analyse, la politique et la prise de décision.

L'information environnementale comprend des faits quantitatifs et qualitatifs décrivant l'état de l'environnement et ses changements. L'information quantitative sur l'environnement est généralement produite sous la forme de données, de statistiques et d'indicateurs, et est généralement diffusée à travers des bases de données, des feuilles de calcul et des annuaires. L'information environnementale qualitative consiste en des descriptions (textes et images) de l'environnement ou de ses parties constitutives qui ne peuvent pas être représentées de manière adéquate par des descripteurs quantitatifs précis.

Les données environnementales contiennent de grandes quantités d'observations et de mesures sur l'environnement. Ces données peuvent être collectées ou compilées par le biais de modules spécialisés provenant d’opération de collecte existante (recensements ou enquêtes par sondage) ou peuvent provenir de registres administratifs, de bases de données géographiques, des inventaires, de réseaux de sentinelles, de cartographies thématiques, de télédétection, de la recherche scientifique et d'études sur le terrain.

Toutes les données environnementales ne sont pas utilisées pour produire des statistiques environnementales. Le FDES fournit un cadre qui identifie les données environnementales supposées pertinentes. Les cadres politiques tels que les objectifs du Millénaire pour le développement (OMD) et les objectifs du développement durable (ODD), le modèle Pression-Etat-Réponse-Impact (PER) sont généralement utilisés pour identifier et structurer les indicateurs.

Les principales organisations des nations unies qui encadrent la collecte de données sur l’environnement sont la Division des Statistiques des Nations Unies (DSNU), l’Organisation des Nations Unies pour l’Alimentation et l’Agriculture (FAO) et le Fonds des Nations Unies sur les Changements Climatiques (FNUCC).

Afin d'éviter les doubles emplois, la Division des Nations Unies, depuis 2006, se concentre sur la collecte de données relatives à des domaines spécifiques comme l'eau et les déchets. La collecte des données relatives à « la qualité de l’air » et à « l’utilisation de la terre » est réservée exclusivement au FNUCC et à la FAO. Un protocole d’accord portant sur le partage et le transfert de données entre la DNSU et ces deux institutions a été élaboré à cet effet.

Les champs couverts par les statistiques de l’environnement sont présentés en annexe 4. Par ailleurs, un focus est fait sur l'ensemble minimum des statistiques de base de l'environnement, comprenant une trentaine d’indicateurs (Cf. FDES 2013, p 200).

Page 77: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

63

g. Enquêtes sur la gestion des exploitations, les intrants agricoles et les coûts de productionLes enquêtes sur la gestion des exploitations fournissent des données détaillées sur tous les aspects de la prise de décision sur les exploitations. Les données collectées concernent généralement les investissements, les actifs, l’organisation et l’affectation des ressources. Les enquêtes sur la gestion des exploitations sont souvent combinées avec des enquêtes sur les coûts de production. Les enquêtes sur le coût de production recueillent de l’information sur les intrants de la production agricole et analysent la structure des coûts de certaines activités.

Les principaux intrants de la production agricole sont la main-d’œuvre, les engrais, les semences par type, les insecticides et les pesticides, l’eau, l’énergie et les stocks en capital. Les intrants sont considérés comme éléments de base, car, associés aux données sur les productions, ils fournissent des mesures de productivité agricole importantes pour le suivi et l’évaluation des étapes permettant de réduire la pauvreté et la faim. Les données de base nécessaires sont notamment :• Quantités d’engrais, de semences, d’insecticides et de pesticides utilisées et leurs coûts;• Consommation et coûts liés à l’utilisation d’eau et d’énergie;• Stocks en capital tels que les équipements selon leur utilisation (labour, récolte, etc.) et leurs valeurs marchandes;• Nombre de personnes en âge de travailler ventilé selon le genre;• Nombre de travailleurs engagés par les exploitants agricoles et les salaires versés;• Emploi et emploi de temps des membres du ménage au niveau de l’exploitation agricole.

h. Enquêtes sur les prixLes enquêtes sur les prix sont relatives aux :• Prix des produits végétaux;• Prix des intrants pour la production végétale;• Prix des produits animaux;• Prix des intrants pour la production animale;• Prix des produits de la pêche;• Prix des intrants de la pêche ;• Prix des produits de cueillette.

Par ailleurs, pour la collecte de prix bord champ, les sites de collecte sont les premiers marchés ou marchés ruraux. Ces prix peuvent être assimilés aux prix payés aux producteurs. En effet, c’est le producteur qui (pendant ces marchés généralement hebdomadaires ou bihebdomadaires) vient mettre sa production sur le marché rural. De ce fait, les coûts de transport et d’entreposage ne sont pas intégrés dans le prix payé au producteur.

Pour ce qui est de la méthode de collecte, la base de sondage au premier degré est la liste exhaustive des marchés ruraux du pays. Le nombre de marchés ruraux à retenir dépend principalement des contraintes budgétaires. De plus, la sélection se fait par un sondage à choix raisonné et les critères de choix des marchés de l’échantillon sont :• L’accessibilité du marché ;• La présence des produits sur le marché ;• La fréquentation d’animation du marché (hebdomadaire, bi-hebdomadaire)• La durée de la l’animation du marché

Remarque : Seules les principales spéculations agricoles (en anglais : major crops) des pays sont retenues. Le plus souvent, le nombre de produits à suivre varie entre 10 et 15. Une fois le marché retenu, pour chaque spéculation cible, les prix sont relevés auprès de 3 vendeurs distants les uns des autres. La collecte est effectuée au moment où le marché bat son plein. Les données recueillies sont : les prix et les quantités ou les volumes pour les liquides en unités conventionnelles (kilogrammes ou litre). Si les produits sont vendus par unités de mesures locales (épis=maïs, mil sorgho, botte=riz, mil...), il est recommandé de procéder à des pesées ou des conversions en unités conventionnelles.

Page 78: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

64

Pour faciliter les analyses après la collecte de données, le statisticien doit se servir d’une table de conversion des unités locales en unités conventionnelle. Cette table de conversion est produite à partir d’une enquête préalable pour établir les équivalences.

i. Enquête sur l’emploi du tempsLes enquêtes sur l’emploi du temps ont en principe une couverture nationale complète, mais une enquête sur l’emploi du temps spécifique aux exploitations agricoles peut être utile dans les pays où il est difficile de mesurer la contribution des membres des ménages aux travaux effectués sur l’exploitation. Une enquête sur l’emploi du temps pourrait servir à réunir des données sur le temps que consacre chaque membre du ménage à des activités telles que la préparation des terres, les semis, l’entretien ou la récolte des cultures, les activités après-récolte, l’alimentation des animaux et la fourniture de services de soutien aux travailleurs agricoles. Ces enquêtes sont en particulier utiles pour mesurer le rôle des femmes dans l’agriculture.

j. Bases de sondage agricoles et échantillon-maître

i. Bases de sondage agricolesLa base de sondage est un élément essentiel dans la mise en œuvre des sondages. C’est une liste de toutes les unités susceptibles d’être enquêtées parce qu’elles appartiennent à la population sur laquelle on veut faire l’inférence.

Une innovation majeure introduite par le WCA 2010 recommande une énumération complète d’un nombre très limité de données dans un module de base, avec l’utilisation de l’échantillonnage pour collecter des données plus détaillées dans des modules spécifiques et pertinents. L’échantillonnage est un élément clé de cette nouvelle approche, dans laquelle la disponibilité d’une base de sondage efficace devient cruciale.

Le WCA 2010 recommande d’inclure les questions pour identifier les ménages agricoles dans les recensements de la population et de l’habitation. Il est toujours possible d’utiliser la base des ménages issue du recensement de la population et de l’habitation comme un point de départ pour la base de listes de la composante des ménages du recensement agricole.

Exemple du Népal : Le cas du Népal présente un bon exemple de la construction de base de sondage pour les recensements agricoles : « Le plan d’échantillonnage propose deux bases (une base de listes pour les grandes exploitations privées et les fermes d’état et une base aréolaire pour toutes les autres exploitations relevant des ménages. La base des listes, qui était une partie seulement de l’ensemble des exploitations privées et des fermes d’état, sera complètement énumérée. Pour les petites exploitations agricoles, la procédure d’échantillonnage choisira les districts comme strates. Dans chaque strate, un échantillon de sections d’énumération (SE) est sélectionné comme unités primaires d’échantillonnage (UP). Un échantillon de ménages agricoles est ensuite sélectionné à partir de chaque SE échantillonnée en tant qu’unités de second degré (US). »

ENCADRé 10 : IMPORTANCE DE LA BASE DE SONDAGE

Pour réaliser une enquête sur le terrain, il faut pouvoir accéder aux unités statistiques. La base de

sondage constitue le moyen d’accès à la population cible. La construction d’une base de sondage fiable

est donc l’un des problèmes les plus importants à résoudre lorsque l’on décide de réaliser une enquête

par sondage, car c’est d’elle que dépend le système de sondage, c’est-à-dire les procédures de sélection

de l’échantillon et d’estimation des paramètres de la population.

C’est pourquoi il ne faudrait pas hésiter, en cas de besoin, de prévoir des ressources financières pour sa

préparation ou sa mise à jour.

Page 79: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

65

Par rapport au plan de sondage qui sera retenu, la base de sondage ou l’ensemble des unités primaires doit avoir les caractéristiques suivantes :• les unités dans leur ensemble couvrent la zone d’étude d’une manière exhaustive et sans chevauchement;• les unités sont bien définies;• les unités sont d’une taille modeste pour limiter les travaux de dénombrement permettant le tirage des unités

du second degré, mais en même temps suffisamment grandes pour qu’on puisse y trouver toujours le nombre d’unités secondaires à enquêter;

• les unités sont de tailles assez homogènes;• la liste qui constitue la base de sondage doit comporter des données sur chaque unité permettant la stratification

de la base de sondage;• pour les mêmes individus statistiques, la taille des unités et celle de la zone d’étude sont connues pour permettre

les extrapolations.

Les qualités d’une bonne base de sondage sont :• Qualité 1 : Unités identifiables sans ambiguïté• Qualité 2 : Exhaustivité• Qualité 3 : Sans répétition (sans doublons)• Qualité 4 : Mise à jour (tout au moins pas trop ancienne)

Une base de sondage ne peut donc provenir que d’un recensement exhaustif d’unités de la zone d’étude (dénombrement exhaustif des exploitations, de la population, des ménages, des concessions, cadastres, images satellitaires, etc.).

TABLEAU 2 : PROBLèMES LIéS AUX BASES DE SONDAGE ET SOLUTIONS CORRESPONDANTES

Problèmes Solutions

Présence d’individus non concernés (n’appartenant pas à la population cible ou la population à échantillonner)

Ne pas tenir compte des problèmes et négliger l’incidence

Unités de liste en double ou répétées Corriger la liste en supprimant les éléments répétés

Unités manquantesIdentifier les unités manquantes à travers les éventuelles sources dans lesquelles elles ont été enregistrées et mettre à jour la base de sondage

Il y a trois types de bases de sondage :• Bases de sondage de type liste (exploitations, ménages, villages ou localités, etc.) :

Une base de sondage de type liste est définie comme une liste physique contenant l’ensemble des unités de la population auprès de laquelle on désire recueillir de l’information. Dans le contexte des statistiques agricoles, les bases de sondage de type liste couramment utilisées sont celles des exploitants ou exploitations agricoles, des ménages ruraux, des districts de recensement ou des petites zones administratives comme des villages et terres associés. Elles sont généralement créées à partir des informations provenant de récents recensements agricoles ou de la population ou encore de sources administratives.

• Bases de sondage aréolaires (zones de dénombrement du recensement de la population, autres portions de terrain, etc.) : la base de sondage aréolaire est définie à partir de la division de l’espace physique terrestre du pays en unités d’échantillonnage. Les exigences de la Stratégie mondiale invitent à une utilisation accrue des méthodologies utilisant les bases de sondage aréolaire. Les images satellitaires aident à la stratification des

Page 80: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

66

surfaces pour les bases de sondage aréolaires. Dans les sondages à plusieurs degrés, les unités primaires sont souvent des aires (zone de dénombrement, section d’énumération…) ou des entités administratives (villages). La liste de ces unités est abusivement appelée base de sondage aréolaire du fait qu’elle représente des portions de surface. Normalement, les bases aréolaires proviennent d’une segmentation de la superficie de la zone d’intérêt (pays, région…).Dans le sondage aréolaire, l’unité d’échantillonnage et l’unité de référence sont différentes. L’unité d’échantillonnage est généralement une petite superficie (ça pourrait être un point) appelée un segment. L’unité de référence peut être une exploitation ou une parcelle dans les enquêtes agricoles et un ménage dans les enquêtes sur les ménages. Plusieurs procédures pour la collecte de données peuvent être considérées. Certaines variables de l’enquête, telles que la superficie cultivée, les rendements des cultures, la dégradation des sols ou la pollution de l’eau, peuvent être observées directement sur le sol à l’aide d’instruments appropriés. Par exemple, le GPS portable ou les instruments informatiques numérisés ainsi que les cartes, les images satellitaires peuvent servir à mesurer la superficie cultivée.La base de sondage aréolaire est utilisée pour collecter une large gamme de données agricoles :�� Les superficies des cultures;�� Le cheptel (exemple : Comptage de bétails par le biais des transects);�� Les données technico économiques (grande diversité géographique et économique).

• Bases de sondage multiples : Lorsqu’une seule base de sondage (type liste ou aréolaire) ne suffit pas à couvrir séparément tout le champ de l’enquête, une combinaison de deux ou plusieurs plans de sondage peut être utilisée pour permettre de couvrir tout le champ et profiter des forces de chacune des différentes bases utilisées. La Stratégie Mondiale (Global Strategy, 2015) fournit un aperçu sur les bases de sondage multiples qui peuvent être utilisées lorsqu’il existe une forte variation de taille et de types d’exploitation agricole avec un sous-ensemble de grandes exploitations à caractère commercial. La liste de ces exploitations peut être stratifiée par taille et par type, et la base de sondage aréolaire permet d’assurer l’exhaustivité de la couverture du champ de l’étude, la représentativité des petites exploitations et des exploitations de subsistance.

Page 81: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

67

TABLEAU 3 : CARACTéRISTIQUES DES BASES DE SONDAGE

Types de base de sondage

Bases Complétude Fiabilité ActualitéInformation auxiliaire

Bas

e de

son

dage

de

type

list

e

Rece

nsem

ents Re

cens

emen

t de

la

popu

latio

n

Liste des zones de dénombrement (ZD)

Oui Oui OuiInformation parfois disponible sur les caractéristiques des ZD

Liste exhaustive des ménages dénombrés

Quelques ménages peuvent manquer du fait de non-réponse ou de non-mise à jour

NonPeut devenir obsolète rapidement

Information sur le secteur agricole non spécifiée

Rece

nsem

ent d

e l’a

gric

ultu

re

Zones de dénombrement (ZD)

Oui Oui OuiInformation parfois disponible sur les caractéristiques des ZD

Exploitations agricoles

Quelques exploitations peuvent manquer du fait de non-réponses ou de non-mise à jour

Non en raison de son obsolescence rapide

Peut devenir obsolète rapidement

Information disponible pour un sondage dans le secteur agricole

Registres administratifs

Rarement complets comme les personnes ou exploitations ne sont pas obligées de s’enregistrer. Potentiellement incomplets en fonction des législations

Peut contenir des omissions significatives et des doublons

Peut devenir obsolète rapidement

Information disponible dans le cas des enregistrements agricoles qui peut être intéressante dans l’élaboration des sondages agricoles

Bas

es a

réol

aire

s

Rece

nsem

ents

Rece

nsem

ent d

e la

po

pula

tion

L’ensemble exhaustif des zones de dénombrement (ZD) avec des informations leur forme de cartes (digitalisation des ZD, géolocalisation...)

Oui Oui Oui

La télédétection peut être une source de données auxiliairesSi nécessaire, des informations relatives aux superficies des ZD, leur localisation…

Rece

nsem

ent a

gric

ole

L’ensemble exhaustif des zones de dénombrement (ZD) avec des informations leur forme (digitalisation des ZD, géolocalisation...) avec, si nécessaire, des informations relatives aux superficies des ZD, leur localisation…

Oui Oui Oui

La télédétection peut être une source de données auxiliairesSi nécessaire, des informations relatives aux superficies des ZD, leur localisation…

Bases aréolaires Oui Oui Oui

Peu d’informationLa télédétection peut être une source de données auxiliaires

Bas

es

mul

tiple

s

Utilisation combinée de deux ou plusieurs bases de sondage

Combinaison des avantages de plusieurs types de bases pour profiter des forces et des faiblesses de chacun

Source : Auteurs, sur la base des informations recueillies dans le Manuel sur la BSP (Global Strategy, 2015).

Page 82: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

68

Le tableau ci-dessus montre que les bases de sondage construites à partir de la partition du territoire ou des unités de superficie (bases issues des recensements ou des bases aréolaires) présentent la propriété de complétude.

ii. Échantillon-maîtreUne approche finale consiste à utiliser des bases de sondage multiples (Global Strategy, 2015) pour créer un échantillon-maître qui s’appuie à la fois sur les avantages des sondages aréolaires et ceux se basant sur les registres.

Lors d’une formation spécifique à l’échantillon-maître, sa méthodologie d’élaboration pourra être décrite, analysée et constituée par des exemples pratiques en liaison avec les plans de sondages à base aréolaire et les listes d’exploitations et en utilisant les informations issues de la télédétection intégrées dans un système d’information géographique (SIG).9

Plusieurs outils peuvent être utilisés pour construire des échantillons-maîtres :• La télédétection peut être utilisée pour construire des échantillons-maîtres. Cette utilisation permet d’une part

d’obtenir des cartes classiques et des cartes thématiques (utilisation des terres) pour aider à la stratification initiale du territoire; d’autre part, de fournir l’information géographique qui aide à la délimitation des unités d’échantillonnage et à l’amélioration des estimations. Les images satellitaires peuvent également être particulièrement utiles lors de la préparation du matériel nécessaire pour le travail de terrain;

• Le GPS/GLONASS

k. Programmation des enquêtes agricolesLa programmation au niveau des pays d’enquêtes agricoles sur un cycle de 10 ans dans le cadre d’un Plan stratégique pour les statistiques agricoles et rurales (PSSAR) permet d’élaborer et de produire des statistiques agricoles et rurales fiables, mises à jour, cohérentes et intégrées. C’est un atout important pour tous les pays qui se sont dotés de PSSAR.

Un programme d’enquêtes agricoles de grande ampleur (avec l’exploitation agricole comme unité statistique de base) comprend des enquêtes périodiques sur la production agricole et des enquêtes approfondies sur des éléments tels que les coûts de production et l’emploi du temps. Les enquêtes sur l’alimentation et l’agriculture dont l’unité statistique de base n’est pas l’exploitation agricole (les enquêtes sur la consommation alimentaire, les revenus et les dépenses, la population active rurale, la sécurité alimentaire des ménages, etc.) sont une source de données importante sur l’agriculture. Elles couvrent généralement tous les ménages ruraux. Enfin, certaines enquêtes liées à l’agriculture couvrent des types d’unités complètement différents (par exemple une enquête sur les établissements de services agricoles).

9 Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales (Rapport FAO, septembre 2010)

ENCADRé 11 : éCHANTILLON-MAîTRE9

Le principe sous-jacent est que l’échantillon-maître devient la source pour tous les échantillons des

enquêtes sur les exploitations agricoles, les ménages agricoles, et les ménages ruraux non agricoles.

Cela signifie que les échantillons doivent être conçus de sorte qu’ils puissent permettre une analyse

transversale des données à travers les enquêtes. Une fois l’échantillon-maître mis en place, il sera

possible aux différentes institutions du système statistique national d’y accéder à des fins d’enquête avec

les principes d’orientation qui stipulent que les résultats sont disponibles pour être analysés à travers les

autres collectes de données réalisées.

Page 83: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

69

Un programme à long terme des recensements et des enquêtes est fortement recommandé. « La réalisation d’une série d’enquêtes, de manière continue, a plusieurs avantages pour le développement du système de statistiques agricoles global. Elle permet par exemple de s’assurer d’un flux continu de travail pour les équipes de collecte sur le terrain, qui leur permettra d’améliorer leurs compétences. Ces activités doivent être planifiées à l’avance dans la mesure où l’organisation d’une enquête spécifique dépend de la disponibilité de fonds. Il existe des arguments pour la réalisation d’enquêtes modulaires avec un module central et un ensemble de modules complémentaires sur une base rotationnelle (par exemple sur les dépenses, l’emploi et l’agriculture afin de répondre aux besoins des comptes nationaux). Il est par conséquent essentiel d’établir une liste précise des recensements et des enquêtes prenant en compte les priorités et proposant un calendrier conforme aux besoins des politiques nationales afin de créer une plate-forme qui soit acceptée par toutes les parties prenantes du système de statistiques agricoles » (Global Strategy, 2014)

Trois exemples :

TABLEAU 4 : CALENDRIER D’ENQUêTES (EXEMPLE DE LA TANzANIE)10

Nom de l’enquête FréquenceAnnée

2014/15 2015/16 2016/17 2017/18 2018/19

Recensement de la population et des habitations

Tous les 10 ans

Recensement agricole par sondage

Tous les 10 ans X

Enquête annuelle par sondage sur l’agriculture

annuelle pilote déploiement XModule élargi

Panel national- Enquête LSMS ISA

Tous les 2 ans X X X

Enquête sur le budget des ménages

Tous les 5 ans X

Questionnaire sur la production trimestrielle NBS

Trimestrielle ou annuelle

X X X X X

Prévision des récoltes et alerte précoce

Deux fois par semaines

X X X X X

Collectes de routine sur le suivi des prix

Vente en gros (3 fois par semaine)-Vente en détail (mensuelle)-Élevage (hebdomadaire)

X X X X X

Collecte de routine sur les données commerciales

X X X X X

Collecte des données de routine sur la pêche

X X X X X

10 PLANS STRATÉGIQUES POUR LES STATISTIQUES AGRICOLES ET RURALES (Global Strategy, juin 2014)

Page 84: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

70

• La Réunion : Le service de statistique agricole de la Réunion réalise périodiquement de grandes opérations statistiques, comme le recensement de l’agriculture (2000; 2010). Plus régulièrement, ce service mène des enquêtes :�� auprès des agriculteurs, sur la structure des exploitations, les productions végétales et animales, les pratiques

culturales, les résultats comptables, l’environnement, etc.;�� auprès des entreprises de l’agrofourniture (prix des intrants); �� sur les lieux de mise en vente des produits agricoles : marché de gros, marchés forains, grandes surfaces (prix

des denrées agricoles);�� auprès des collectivités territoriales, sur l’utilisation des produits locaux dans la restauration collective;�� sur l’occupation de l’espace par des enquêtes de terrain sur toute l’île, permettant d’alimenter un SIG.

• Enquête Agricole Intégrée / Agricultural Integrated Survey: AGRIS

L’Enquête Agricole Intégrée (AGRIS) propose un programme pluriannuel d’enquêtes modulaires axé sur l’exploitation agricole. La méthodologie d’AGRIS est développée par la FAO dans le cadre de la Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales. AGRIS vise à compléter d’autres initiatives comme LSMS-ISA de la Banque mondiale. La mise en œuvre d’AGRIS vient de commencer avec les pays partenaires.

Avec le recensement agricole qu’il complète, un système d’information polyvalent sur les marchés agricoles et une utilisation appropriée de la télédétection et des données administratives, AGRIS est une pierre angulaire de la mise en place d’un système d’information rurale.

En effet, AGRIS est synchronisé avec le recensement agricole et fonctionne sur un cycle de 10 ans. AGRIS propose d’alléger la charge de la conduite de recensements en planifiant la collecte de données thématiques au cours de cette période.

Le tableau ci-dessous résume un flux possible de modules pour les quatre modules recommandés : « économie », « main d’œuvre », « machines, équipements, autres actifs et décisions » et « méthodes de production et environnement ». Par ailleurs les modules proposés peuvent être révisés et programmés afin d’améliorer sa pertinence nationale et son rapport coût-efficacité.

TABLEAU 5. EXEMPLE DE CHRONOGRAMME D’EXéCUTION DES MODULES AGRIS

 Années 0 1 2 3 4 5 6 7 8 9 10

Recensementagricole(•)etenquêteentredeuxrecensements(o) • o •

Module de base

Liste EA • • • • • • • • •

Production agricole • • • • • • • • •

Autres variables clé • • • • • • • • •

Module rot. 1 Économie • • • •

Module rot. 2 Main-d’œuvre • •

Module rot. 3Machines, équipements, autres actifs et décisions

Module rot. 4 Méthodes de production et environnement • •

Page 85: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

71

2.3.3. Sources administrativesLes données administratives sont celles qui ont été obtenues à des fins administratives (p. ex., pour administrer, réglementer ou percevoir des impôts auprès des entreprises ou des particuliers) et non à des fins statistiques (pour étudier des groupes de particuliers, d’entreprises, d’exploitations agricoles ou fermes, etc.). Elles proviennent pour l’essentiel des directions techniques, des services déconcentrés de ministères (région, département, commune, village) et des structures sous tutelle. Elles sont capitalisées sous forme d’un rapport (mensuel et annuel) qui porte par exemple sur : la situation du personnel, les infrastructures, les utilisations d’intrants, les effectifs du cheptel, les aspects sanitaires, les productions et industries animales, la commercialisation, etc. Les systèmes de rapportage des pays sont en général les sources principalement utilisées dans les pays en voie de développement, mais il y a aussi les registres et certaines données auxiliaires traditionnellement traitées comme des données administratives (ex. données de pluviométrie).

Ainsi, les interventions gouvernementales telles que les subventions, les régulations et les législations demandent souvent aux exploitants agricoles de rapporter les informations relatives à la production. Les enquêtes sur la propriété foncière et le cadastre fournissent aussi des informations utiles pour la constitution des registres. Les inspections et les contrôles des aliments, les inspections de santé animale et les données commerciales alimentent en information les comptes d’utilisation des produits.

Les principales contraintes se résument :• au retard dans l’envoi des différents rapports (mensuels et/ou annuels);• à la sous-exploitation des données primaires existantes;• à l’insuffisance de ressources humaines ou matérielles au niveau des services déconcentrés de l’état;• à l’accès parfois difficile aux données administratives dans un format utilisable à des fins statistiques;• à l’absence de standards et normes en matière de méthodologie, concepts, définition et champs couverts par

ces données.

2.3.4. Télédétection et Système d’information géographique (SIG) en agricultureLa télédétection et la cartographie thématique : la télédétection est la science de l’obtention d’informations sur les objets ou les zones à distance, généralement à partir d’avions ou de satellites. Les capteurs sont capables de détecter et de classer des objets sur ou sous la surface de la terre. La télédétection permet de recueillir des données sur les zones dangereuses (ex. zones de conflit) ou inaccessibles ou pour remplacer la collecte de données coûteuse et lente sur le terrain. L’utilisation des images de satellite, d’avions, d’engins spatiaux, de navires, de ballons et hélicoptères, permet de créer des données pour analyser et comparer, par exemple, l’impact des catastrophes naturelles, les changements dans le domaine de l’érosion des sols, l’ampleur de la pollution, les changements de la couverture terrestre ou les estimations de la population d’espèces animales. Ces aspects peuvent être cartographiés, imagés, suivis et observés. Combinée avec des données cartographiques thématiques et une validation suffisante en utilisant des mesures sur le terrain, la télédétection fournit généralement des données cohérentes et de grande qualité pour les statistiques agricoles et de l’environnement.

Les données de télédétection de satellites peuvent être analysées dans un Système d’Information Géographique (SIG) pour produire des cartes de la couverture terrestre et l’utilisation des terres. Organisées avec d’autres types de données, elles deviennent un outil puissant d’aide à la décision pour tout ce qui touche aux cultures et aux pratiques culturales. Le SIG peut aider à établir les liens entre les différents types et couches de données en fournissant des outils puissants pour stocker et analyser les données spatiales et en intégrant des bases de données de différents secteurs dans le même format et la même structure.

En statistiques agricoles, les images de télédétection en lien avec les données émanant du terrain, peuvent aider à :

Page 86: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

72

• estimer les superficies;• estimer les rendements par la télédétection reste encore à tire expérimentale à travers principalement l’estimation

de l’indice de végétation;• cartographier les parcelles agricoles (identifier les cultures, distinguer les types de végétation);• élaborer des bases des échantillons-maîtres.

L’utilisation des systèmes de navigation par satellite (GPS, GLONASS,…) permet d’obtenir une information géospatiale qui présente l’emplacement et les caractéristiques des différents attributs de l’atmosphère et de la terre. Ces informations sont utilisées pour décrire, présenter et analyser des données comme l’utilisation des terres, des ressources en eau et les catastrophes naturelles. La possibilité de superposer plusieurs séries de données en utilisant un logiciel, par exemple sur la population, la qualité de l’environnement et la santé environnementale, permet une analyse plus approfondie de la relation entre ces phénomènes.

En statistiques agricoles, ces systèmes sont nécessaires pour géolocaliser et digitaliser des éléments qui composent la base de sondage. Par ailleurs, ils sont particulièrement utiles dans la collecte des données dans la mesure où ces systèmes de navigation peuvent guider les enquêteurs pour retrouver les unités concernées par cette collecte.

Le géoréférencement des données est un moyen fondamental pour évaluer les effets de l’agriculture sur l’environnement et d’effectuer un suivi des changements de la couverture des et de l’utilisation des terres. Les changements qui affectent la couverture des terres sont lents; les données qui s’y rapportent ne doivent donc pas être collectées annuellement. Cependant, les données cartographiques ou numérisées à partir de la télédétection doivent couvrir l’ensemble d’une zone spécifique ou du territoire d’un pays avec les classifications suivantes :• Zone de culture;• Zone forestière;• Prairie;• Surfaces humides;• Habitations;• Autre occupation du sol;• Eau.

2.3.5. Les systèmes de surveillance/ les observatoiresUn système de surveillance ou observatoire est une structure ou organisation collectant et centralisant des données d’intérêts sous forme d’indicateurs. Les informations collectées sont destinées à décrire des phénomènes spécifiques, alerter en cas d’urgence et évaluer la variation des indicateurs d’intérêt.

Les données observées peuvent provenir de diverses sources :• Administratives (état civil, assurance maladie)• Réseau sentinelle par l’observation directe (surveillance épidémiologique, système de suivi du travail des

enfants…);• Mesure objective sur la base de relevés (pluviométrie, température, qualité de l’eau…)• D’opération de collecte ponctuelle ou par le biais des points de collecte ou de captage

Du fait des nombreuses incertitudes (Aléas climatiques, épizootie, attaques parasitaires…) auxquelles le secteur agricole est confronté, des systèmes de surveillance ont été mis en place dans certains pays. Ces informations contribuent à mieux intégrer ces incertitudes dans la prise de décision :• Contrôler la propagation ou veiller à l’éradication des épizooties (peste bovine, grippe aviaire…) et des attaques

parasitaires (le swollen shoot…)

Page 87: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

73

• Initier des actions pour réduire les impacts des aléas climatiques (sécheresse, tsunami, inondation…), invasion acridienne,

• Garantir un revenu minimum aux exploitants par le biais du système d’information sur les prix

Ci-dessous quelques exemples de système de surveillance ou d’observatoires :• Le Centre d’intervention antiacridien• La Commission Nationale Permanente de Surveillance de la Grippe Aviaire (Mauritanie);• Le Réseau Mauritanien d’Epidémio-surveillance des Maladies Animales;• L’Observatoire du Sahara et du Sahel : Système de Surveillance Environnementale;• Les systèmes d’information sur les marchés agricoles en Afrique subsaharienne;• Observatoire de la sécurité alimentaire et nutritionnelle du Centre(OSANC) (Haïti)• L’Observatoire du Marche Agricole (OMA).11

11 http://www.hubrural.org/IMG/pdf/mali-pres-oma.pdf

ENCADRé 12 : EXEMPLE DE L’OBSERVATOIRE DU MARCHé AGRICOLE (OMA)

« L’observatoire du marché agricole est une institution malienne créée en 1998. Ses missions sont de :

• Produire et de diffuser les informations statistiques de type commercial auprès des utilisateurs;

• Analyser l’évolution des prix et autres indicateurs permettant d’apprécier la situation du marché

agricole et son évolution à court, moyen et long terme;

• Mener sur sa propre initiative ou à la demande, des activités d’études, de recherches, de planification

concernant les facteurs qui influent sur la formation des prix;

• Favoriser les échanges entre producteurs, commerçants, transformateurs et décideurs à l’intérieur et à

l’extérieur du pays11. »

Pour atteindre ses objectifs et satisfaire à sa mission l’OMA collecte des données sur les prix et des

quantités de tous les produits agricoles y compris les intrants et équipements agricoles et les produits

halieutiques. En plus d’informations quantitatives, il effectue des observations qualitatives sur l’état

général des marchés (présence éventuelle d’opérateurs étrangers sur les marchés hebdomadaires, la

direction des flux transfrontaliers...). Les données sont ainsi collectées avec une fréquence hebdomadaire

sur 66 sites (marchés) répartis sur l’ensemble du territoire national. Pour ce qui est des intrants et

matériels agricoles, les informations sont collectées sur 11 marchés et la collecte est mensuelle.

Page 88: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

74

2.4. UNITéS STATISTIQUES

Pour chaque thème étudié, il faut spécifier et définir l’unité statistique à enquêter. La définition de cette unité conditionne la méthodologie – le plan de sondage, la collecte et le traitement - à adopter pour obtenir l’information requise. Le Tableau 6 suivant donne pour chaque thème l’unité ou les unités correspondantes :

TABLEAU 6 : UNITéS STATISTIQUES PAR THèME

Thèmes Unité statistique

Recensement de l’agricultureEnquête de production agricole 

Exploitation agricole ou ménage agricole

Recensement de l’aquaculture  Exploitation aquacole

Recensement de la population  Ménage

Activités de pêche Ménage

Enquête pêche Site de pêche ou plan d’eau

Sylviculture-agroforesterie Ménage

Recensement de l’agriculture et de la population

Ménage engagé dans les activités agricoles;

Activités rurales  Ménage rural

Recensement économique  Établissement

Données communautaires  Communauté, localité

Rendement (superficie et production)Parcelles (bien que l’observation d’autres unités pourrait permettre de capter la production et les superficies, la prise en compte des informations sur les parcelles s’avère parfois utile pour une meilleure précision de la mesure)

Données sur les prix Produits agricoles

La sécurité alimentaire, nutrition et résilience

Ménages/ membres des ménages

Données environnementalesUnités naturelles (bassins hydrographiques, écosystèmes, écozones, paysage; unités de couverture terrestre; unités de gestion et de planification (zones protégées, zones côtières ou des districts hydrographiques).

Sur chaque unité statistique, des variables sont mesurées et estimées en unités de mesures spécifiques appropriées.

Par exemple :• Sur une exploitation agricole, on peut mesurer la superficie cultivée en hectares (ha), les rendements de cultures

en kg/ha, l’effectif de bovins…;• Au niveau d’un ménage rural : le revenu annuel (en USD); la proportion d’enfants de moins de 5 ans en situation

de malnutrition…

2.4.1. Exploitation agricoleL’activité agricole est le fait d’unités technico-économiques (comprenant terres et animaux, utilisés à des fins agricoles et exploités par une gestion unique) appelées exploitations agricoles. En général l’unité de base est l’exploitation agricole.

L’unité statistique, l’unité de base pour laquelle les données sont collectées est l’exploitation agricole, et cette unité a été conservée dans les Programmes de 2010 et 2020.

Page 89: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

75

12

Il existe deux types d’exploitations agricoles : i. les exploitations relevant du secteur des ménages qui sont gérées par les membres du ménage;ii. les exploitations ne relevant pas du secteur des ménages, telles que les sociétés et les institutions gouvernementales.

Dans la majorité des pays en développement, la production agricole relève essentiellement du secteur des ménages. Le concept d’« exploitation agricole » est donc étroitement lié au concept de « ménage ».13

12 Programme mondial du recensement de l’agriculture 2010 (FAO)13 Programme mondial du recensement de l’agriculture 2010 (FAO)

ENCADRé 13 : DéFINITION D’UNE EXPLOITATION AGRICOLE

Une exploitation agricole est une unité économique de production agricole soumise à une direction

unique et comprenant tous les animaux qui s’y trouvent et toute la terre utilisée entièrement ou en partie

pour la production agricole, indépendamment du titre de possession, du mode juridique ou de la taille.

La direction unique peut être exercée par un particulier, par un ménage, conjointement par deux ou

plusieurs particuliers ou ménages, par un groupement, ou par une personne morale telle que société,

entreprise collective, coopérative ou organisme d’État. L’exploitation peut contenir un ou plusieurs

blocs, situés dans une ou plusieurs régions distinctes ou dans une ou plusieurs divisions territoriales ou

administratives, à condition qu’ils partagent les mêmes moyens de production tels que la main-d’œuvre,

les bâtiments agricoles, les machines ou animaux de trait utilisés pour l’exploitation12.

ENCADRé 14 : DéFINITION D’UN MéNAGE

Le ménage est défini en fonction de la manière dont les personnes pourvoient, individuellement ou en

groupe, à leurs besoins alimentaires et autres besoins vitaux. Un ménage peut être soit :

• une seule personne, c’est-à-dire une personne qui pourvoit à ses propres besoins alimentaires et

autres besoins vitaux sans s’associer avec d’autres personnes pour former un ménage multiple;

• un groupe de deux ou plusieurs personnes qui, vivant au même foyer, pourvoient en commun à leurs

besoins alimentaires et autres besoins vitaux. Les membres du groupe peuvent dans une mesure

variable mettre leurs revenus en commun et avoir un budget unique. Le groupe peut se composer, soit

de personnes apparentées, soit de personnes non apparentées, soit de personnes appartenant à l’une

et l’autre catégorie13.

Page 90: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

76

14

Les exploitations agricoles ne relevant pas du secteur des ménages se présentent sous forme de :• Société• Coopérative• Exploitation d’État.

On fera ressortir :• les principales caractéristiques de l’exploitation qui peuvent influer sur son activité, voire sa production;• les paramètres importants permettant la production d’indicateurs de suivi.

Les caractéristiques des exploitations agricoles ne relevant pas du secteur des ménages relèvent de celles d’une entreprise classique.

Les exploitations agricoles relevant du secteur des ménages se caractérisent par :• Activités : les exploitations agricoles se caractérisent par les activités agricoles qu’elles exercent.• Localisation de l’exploitation : Le lieu de résidence de l’exploitant est normalement identifié au moyen d’un

système de codage géographique reposant sur la structure administrative du pays. La localisation des exploitations peut être faite par le Système de positionnement global (GPS). Ce système peut permettre de géoréférencer les exploitations, les ménages et les terres dans les zones administratives appropriées.

• Taille : On entend par taille de l’exploitation, la superficie totale de l’exploitation c’est-à-dire la superficie de toutes les terres constituant l’exploitation agricole ménage.

14 WCA 2020 (FAO)

ENCADRé 15 : CORRESPONDANCE EXPLOITATION AGRICOLE-MéNAGE

Dans le secteur des ménages, une exploitation agricole correspond généralement à un ménage

(correspondance un à un) ayant des activités de production agricole pour compte propre (soit pour la

vente soit pour son propre usage); en d’autres termes, toutes les activités de production agricole des

membres d’un ménage donné pour leur propre compte sont généralement soumises à une direction

unique. La gestion des activités de production agricole va ordinairement de pair avec l’adoption de

dispositions communes pour les besoins alimentaires et autres besoins vitaux, la mise en commun des

revenus et l’existence d’un budget unique. Même si les activités agricoles des différents membres d’un

ménage sont relativement indépendantes, les revenus ou les produits générés par chacun d’entre eux

sont généralement mis en commun. Souvent, les différents membres d’un même ménage possèdent

leurs propres terres, mais mènent leurs opérations agricoles comme s’il s’agissait d’une seule unité.

Une divergence entre les concepts d’exploitation agricole et de ménage peut exister dans deux cas précis

• Lorsqu’un ménage est constitué de deux ou plusieurs unités, par exemple lorsqu’un couple marié vit

sous le même toit que les parents, les deux unités peuvent gérer les terres de manière indépendante,

mais, en tant que membres du même ménage, pourvoir ensemble aux besoins alimentaires et mettre

leurs revenus en commun.

• En plus de ses propres activités individuelles de production agricole, un ménage peut exploiter des

terres ou élever des animaux conjointement avec un autre ménage ou groupe de ménages. Dans

ce cas, deux unités de production agricole sont associées au ménage, avec deux jeux d’activités : (i)

les activités de production agricole du ménage individuel lui-même, et (ii) les opérations agricoles

effectuées conjointement avec le (les) autre(s) ménage(s)14.

Page 91: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

77

15 L’estimation des superficies utilise les notions de bloc, champ et parcelle : Il convient de faire une distinction entre ces termes. L’exploitation agricole est divisée en blocs.

�� Un bloc correspond à toute partie des terres sous un mode de faire-valoir déterminé, entièrement entourée de terres, d’eau, de routes, de forêts ou d’autres dispositifs ne faisant pas partie de cette exploitation, ou faisant partie de l’exploitation, mais sous un autre mode de faire-valoir. Un bloc peut être constitué d’un ou plusieurs champs ou parcelles adjacents.

�� Un champ est un lopin de terre situé dans le bloc, mais séparé du reste de celui-ci par des lignes de démarcation clairement visibles telles que les délimitations cadastrales, les barrières, les voies navigables et/ou les haies. Un champ peut être constitué d’une ou de plusieurs parcelles.

�� Une parcelle est une étendue de terre d’un seul tenant, correspondant à un champ ou à une partie d’un champ où est pratiquée une culture ou une association de cultures données ou qui est en jachère ou en attente d’être planté.

• Taille des ménages : La taille du ménage se réfère au nombre de membres du ménage de l’exploitant• Sexe : Il est important pour analyser les aspects de la production agricole liés au genre, en particulier pour

examiner le rôle des femmes dans la gestion des exploitations agricoles. Cette variable peut servir également pour constituer une base de sondage pour les enquêtes spécifiques sur le genre

• Age : La rubrique sur l’âge de l’exploitant et des membres de l’exploitation, est importante pour étudier la relation entre l’âge et les caractéristiques des exploitations agricoles et, en particulier, pour faire des comparaisons entre les jeunes et les vieux agriculteurs. Elle est également utile pour analyser les questions de genre. Les bras valides constituent pour les exploitations des facteurs de production.

• Niveau d’instruction : les données sur le niveau d’instruction sont utiles pour étudier les effets de l’instruction sur des caractéristiques telles que les systèmes de culture, les pratiques agricoles et la sécurité alimentaire des ménages. Le niveau d’instruction désigne le plus haut niveau d’études accomplies, ou la dernière année d’études fréquentée, par une personne dans le système d’enseignement officiel. Il convient de recueillir ce type de données aussi bien pour l’exploitant agricole que les autres membres de l’exploitation, car le niveau de formation des membres peut avoir une incidence notable sur les activités agricoles et familiales.

15 WCA 2020 (FAO)

ENCADRé 16 : COMPOSANTES DE LA SUPERFICIE D’UNE EXPLOITATION

La superficie de l’exploitation comprend15

• les terres agricoles utilisées (temporaires et permanentes, y compris les terres cultivées sous couvert

protecteur), les prairies et les pâturages, et les terres en jachère;

• les terres agricoles inutilisées;

• les forêts et les autres terres boisées;

• les plans d’eau;

• les cours de fermes et les terres occupées par les bâtiments de ferme;

• les terres sur lesquelles une exploitation ne possède aucun droit d’utilisation agricole, sauf celui

d’utiliser les produits des arbres qui y poussent.

Page 92: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

78

2.4.2. MénageEn ce qui concerne l’unité statistique ménage, on pourrait distinguer au besoin les trois cas de figure ci-dessous, même si ces ensembles ne sont pas disjoints (ne s’excluent pas mutuellement) :• Le ménage engagé dans les activités agricoles;• Le ménage non producteur agricole qui se concentre généralement sur les activités de production rurales (main-

d’œuvre rurale, activités de pêche, utilisation de l’aquaculture ou de la foresterie, données qui sont couvertes par les secteurs liés à l’agriculture. La collecte des données auprès des ménages non-producteurs agricoles a plus particulièrement vocation à collecter des informations pour créer la base de sondage pour les enquêtes rurales plus détaillées ou pour les modules complémentaires lorsque l’approche modulaire pour le recensement de l’agriculture est utilisée;

• Le ménage rural : défini comme celui qui vit dans les zones désignées comme rurales, d’après ordinairement le recensement de la population. On notera qu’un recensement des ménages ruraux ne couvre pas à lui seul toutes les exploitations agricoles, car certains ménages vivant en zones urbaines ont des activités de production végétale et animale.

2.4.3. Exploitation aquacoleUne exploitation aquacole est une unité économique de production aquacole soumise à une direction unique et comprenant toutes les installations aquacoles, indépendamment du titre de possession, du mode juridique ou de la taille. La direction unique peut être exercée par un particulier, par un ménage, conjointement par deux ou plusieurs particuliers ou ménages, par un clan ou une tribu, ou par une personne morale telle que société, entreprise collective, coopérative ou organisme d’État. Les installations de l’exploitation aquacole peuvent être situées dans une ou plusieurs régions distinctes ou dans une ou plusieurs divisions territoriales ou administratives, à condition qu’elles partagent les mêmes moyens de production, tels que main-d’œuvre, bâtiments et machines16.

Il peut s’agir aussi de ménages engagés dans une activité de production aquacole pour compte propre.

2.4.4. établissementLa définition de l’unité statistique pour les exploitations ne relevant pas du secteur des ménages est délicate. Les sociétés et les institutions gouvernementales peuvent avoir des structures complexes, dans lesquelles différentes activités sont entreprises par des services différents. Le concept d’établissement utilisé dans la comptabilité nationale devrait être employé, selon lequel un établissement est une unité économique engagée dans une seule activité de production principale et opérant dans une localité unique.

2.4.5. Communauté ou localitéUne communauté peut être définie comme une unité autonome d’activités sociales et économiques (FAO, 1983). Les recensements de la population et de l’habitat utilisent le concept voisin de localité, qui est « un groupement de population distinct (également désigné comme lieu habité, centre peuplé, colonie, etc.) dans lequel les habitants vivent dans des ensembles voisins de quartiers d’habitation et qui a un nom ou un statut reconnu localement » (NU 2015). Selon ces définitions, la communauté ou la localité ne coïncide pas nécessairement avec la plus petite unité administrative.

16 WCA 2020

Page 93: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

79

D’autres unités statistiques sont utilisées lors des recensements de la population : zone de dénombrement (ZD), section d’énumération (SE). Ces unités purement statistiques sont conçues pour faciliter la collecte des informations. Elles sont parfois utilisées pour mener diverses enquêtes dans un pays.

2.4.6. Unité naturelle et unité de gestionLes unités spatiales les plus significatives pour les statistiques de l’environnement sont : unités naturelles, comme les bassins hydrographiques, les écosystèmes, les écozones, le paysage ou les unités de couverture terrestre; ou des unités de gestion et de planification fondées sur des unités naturelles, telles que les zones protégées, les zones côtières ou des districts hydrographiques

2.5. COLLECTE DES DONNéES

Du fait de la particularité du secteur agricole (saisonnalité, dépendance agroécologique…), la conduite d’une opération de collecte relative à ce secteur répond à des exigences aussi bien méthodologiques qu’organisationnelles. La qualité des données pourrait être entachée lorsque certaines de ces exigences sont négligées. Les points abordés dans cette section concernent : • La période d’enquête et calendrier cultural• Le dénombrement exhaustif et dénombrement par sondage• La conception des questionnaires• La conduite des interviews (PAPI, CAPI, CASI, CATI…)• L’utilisation de nouvelles technologies de collecte• L’utilité de la définition d’une exploitation typique

2.5.1. Période d’enquête et calendrier culturalSur le plan opérationnel, il est recommandé de décider de ces deux périodes longtemps à l’avance.

Calendrier cultural et période d’enquête : D’une manière générale le cycle des cultures des plantes (semis, développement végétatif et récolte), constituent des moments importants.

La fixation d’un calendrier cultural pour la mise à disposition de l’information nationale doit concilier les différences régionales, en termes de pratiques culturales et du cycle des cultures. Pour la mise en place de ce calendrier à suivre à tous les niveaux de collecte, la participation des autorités locales, ainsi que la participation de techniciens agricoles sont nécessaires.

La période d’enquête correspond à celle pendant laquelle la collecte des données sera effectuée sur le terrain. Elle doit garantir un bon contrôle des procédés d’identification de l’échantillon (la neutralisation des effets saisonniers en particulier).

Exemple : Les enquêtes agricoles se déroulent en général pendant la période couvrant le cycle cultural, le passage des enquêteurs est organisé en fonction du déroulement de la campagne agricole. Il faut tenir compte du calendrier des cultures, de leur cycle de croissance et des différences entre les céréales, les tubercules et racines, les légumes, les cultures fruitières

Page 94: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

80

Période de référence : C’est la période à laquelle se rapportent les données. Elle dépend des objectifs de l’enquête. Selon les cas c’est un intervalle de temps (semaine, mois, année, campagne agricole, etc.) ou une date précise. Il faut noter que dans une même enquête des variables peuvent avoir des périodes de référence différentes. La période de référence d’une enquête de production végétale est la campagne agricole. La période de référence pour les naissances, les acquisitions et les morts naturelles des animaux dépend du type d’animal. En général, elle est d’un an pour les bovidés, de six mois pour les petits ruminants et porcs et d’un mois pour la volaille.

L’utilisation d’une période de référence annuelle en matière de collecte de données du recensement est particulièrement importante pour les estimations de la comptabilité nationale et pour évaluer les liens entre les statistiques sur le travail et les autres statistiques économiques et sociales qui utilisent aussi une longue période de référence, telles que les statistiques sur les revenus des ménages, la pauvreté, l’exclusion sociale et l’éducation. Une bonne coordination entre le recensement de l’agriculture et le recensement économique permet la mise en place de l’année de référence pour les comptes nationaux. Le recensement agricole est l’une des sources importantes pour le développement des tableaux entrées-sorties et pour la compilation des tableaux ressources-emplois17.

2.5.2. Questionnaires

Les questionnaires et manuelsUne grande attention doit être portée à la conception des questionnaires afin de pouvoir collecter les données requises. L’élaboration du questionnaire du recensement ou de toute autre enquête par sondage doit faire référence à un plan de tabulation préalablement conçu pour veiller à ce que toutes les informations pertinentes du recensement ou de l’enquête soient incluses dans le questionnaire et éviter ainsi la surprise de découvrir une fois que les données ont été collectées qu’elles ne correspondent pas aux besoins du programme de tabulation.

Le questionnaire est conçu en tenant compte des procédures de terrain pour collecter les données selon et les modalités appropriées aux conditions locales, sur la base des concepts et des définitions recommandés. Il sert de guide aux interviews auprès des exploitations dans l’optique de collecter les données primaires nécessaires à produire les statistiques (voir paragraphe 2.2.).

Plusieurs questions sont souvent nécessaires pour couvrir une rubrique du recensement de l’agriculture ou d’une autre enquête. Certaines rubriques impliquent des concepts abstraits, et ne peuvent pas être couvertes en posant une question directe aux intéressés. Par exemple, il ne faut pas demander directement à un individu s’il est chômeur; il faudra donc lui poser une série de questions sur son activité dans le cadre de son travail, pour déterminer s’il remplit les conditions qui permettent de le classer dans la catégorie des chômeurs.

Les questionnaires servent de support pour les interviews et les mesures. Ils sont sous-tendus par des manuels qui serviront de référence aux agents de terrain pour un meilleur remplissage desdits questionnaires.

Les questionnaires et les manuels papiers sont de plus en plus remplacés par des questionnaires électroniques qui utilisent les nouvelles technologies de collecte (tablettes, smartphones,...) (voir paragraphes 2.4.3. et 2.4.4.).

17 WCA 2020 (FAO)

Page 95: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

81

2.5.3. InterviewDiverses méthodes et utilisées pour recueillir de l’information. Les méthodes d’interview en face-à-face (entretien individuel) sont encore couramment pratiquées pour les opérations de recensement. Cependant, l’approche traditionnelle du papier et du stylo est de plus en plus remplacée par l’utilisation de dispositifs mobiles18:

• L’interview papier - stylo (Paper and Pen Interview, PAPI) - La méthode PAPI est une méthode traditionnelle où les enquêteurs interrogent les répondants et où les données sont collectées par les enquêteurs à l’aide de questionnaires papier. La méthode est utile lorsque les répondants ont besoin d’aide pour remplir les questionnaires et elle nécessite peu de connaissances techniques pour sa mise en œuvre. Toutefois, le procédé a besoin d’une logistique complexe dans d’autres domaines, tels que la préparation et l’impression des questionnaires, la distribution, la centralisation et le stockage du matériel, ainsi que l’embauche d’opérateurs de saisie de données et de superviseurs, entrainant des coûts opérationnels supplémentaires;

• Les méthodes utilisant les technologies de pointe - Les développements récents des nouvelles technologies, en particulier des technologies de l’information et de la communication et des dispositifs de géoréférencement, offrent de nouvelles possibilités d’améliorer les délais, de réduire les risques d’erreurs des recenseurs et de traitement de données et d’améliorer les contrôles de la qualité, en améliorant ainsi la qualité globale des données. Les principales méthodes utilisant les nouvelles technologies sont : i) l’entretien individuel assisté par ordinateur (Computer Assisted Personal Interview, CAPI) - Dans cette méthode, le recenseur procède à l’interview du répondant à l’aide d’un questionnaire électronique sur un appareil mobile, comme un assistant numérique personnel, une tablette, un ordinateur portable ou un Smartphone, utilisé pour enregistrer les réponses. Ces appareils peuvent également être préchargés avec des adresses ou des cartes de la région du recensement pour une utilisation sur le terrain. Ceux-ci peuvent également être programmés pour fournir la sélection en temps réel de l’échantillon, ce qui peut être particulièrement utile pour les pays adoptant l’approche modulaire. Pour le recensement de l’agriculture, la méthode CAPI est souvent employée avec le GPS, soit directement dans l’appareil soit par un lien vers des GPS externes. Cela permet d’identifier les coordonnées géographiques des exploitations ou des blocs et dans certains cas il peut être utilisé pour mesurer les superficies. La méthode CAPI permet également d’améliorer la gestion de la collecte des données par les superviseurs, aux niveaux régionaux et centraux; ii) l’interview téléphonique assistée par ordinateur (Computer-Assisted Telephone Interview, CATI). Cette méthode collecte par téléphone les données sur les exploitations, grâce à un opérateur central lisant et remplissant le questionnaire sur ordinateur. Dans de nombreux pays, la méthode CATI peut ne pas être faisable pour la collecte des données de la majorité des exploitations, mais pourrait être utilisée pour le suivi ou la vérification de la qualité, en particulier pour certaines populations telles que les fermes commerciales ou fermes d’État.

• D’autres méthodes telles que l’auto-interview assistée par ordinateur (Computer-Assisted Self-Interviewing, CASI) et l’envoi/retour par la poste et dépose/prise en charge. Ces méthodes ne peuvent cependant pas être appliquées dans certaines régions comme l’Afrique où la population est majoritairement analphabète et l’ordinateur reste encore hors de portée pour des raisons de coûts et d’instruction.

18 WCA 2020 (FAO)

Page 96: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

82

2.5.4. Utilisation de nouvelles technologies de collecteLes nouvelles technologies permettent d’utiliser l’imagerie satellitaire pour le suivi de l’utilisation des terres, l’estimation des superficies cultivées, et les systèmes d’alerte précoce par rapport à l’évolution des conditions de croissance des cultures. Le système mondial de localisation (GPS) donne la possibilité de géoréférencer les observations et de collecter des données sur l’occupation du sol fournies par l’imagerie satellitaire. L’émergence d’Internet et d’autres technologies telle que l’utilisation d’Agenda électronique de poche (PDA), de tablettes ou de smartphones, équipés de GPS pour la collecte des données, et leur connectivité directe avec des bases de données, offre un énorme potentiel pour réduire les délais entre la collecte et la diffusion des données en permettant, en même temps, une amélioration de la qualité des données.

Dans la réalisation des recensements et enquêtes par sondage diverses, la dynamique de modernisation des pratiques de collecte des données se généralise de plus en plus.

GPS (Global Positioning System)Le GPS (Global Positioning System) est un système de navigation et de positionnement et de localisation par satellite, qui a été développé par les États-Unis pendant les 20 dernières années. Il fonctionne grâce à 24 satellites qui tournent autour du globe sur 6 orbites différentes, à une distance d’environ 22 000 kms. Avec un récepteur GPS, les signaux des satellites peuvent être reçus partout, gratuitement et à tout moment pour déterminer une position.

Le principe du GPS se base sur la triangulation. La réception des signaux émis par au moins 4 satellites permet la localisation (du récepteur GPS) dans l’espace en 3 dimensions (longitude, latitude et altitude).

Les Systèmes de positionnement global (GPS) et systèmes d’information géographique (SIG) - Le GPS permet de trouver la position géographique d’un point à la surface de la terre par sa longitude et sa latitude. La collecte des coordonnées GPS présente plusieurs avantages pour la préparation de la base de sondage du recensement ou de l’échantillon-maître. Ce système peut permettre de géoréférencer les exploitations, les ménages et les terres dans les zones administratives appropriées. Il peut aussi permettre de se relier à l’imagerie satellite afin d’établir les bases de sondage aréolaire pour les enquêtes agricoles. Le système GPS est adapté aux entretiens en face-à-face pour les dénombrements. Ainsi, au cours du dénombrement, les dispositifs activés de GPS avec le logiciel de localisation personnalisée, peuvent être utilisés pour aider les enquêteurs à localiser la route et les exploitations à dénombrer ou pour aider à gérer les opérations du recensement.

Les données de géolocalisation par GPS sont utiles pour les activités à la fois de préparation et de mise en œuvre du recensement. Ces données peuvent être utilisées pour aider à la cartographie du recensement - par exemple, pour ajuster les zones de dénombrement. Le GPS peut également être combiné avec le système d’information géographique (SIG) pour suivre les recenseurs lorsque la localisation de l’exploitation est collectée pendant le dénombrement. Lorsque la transmission des données issues du terrain est réalisée dans les délais voulus, les données de localisation peuvent être utilisées pour un suivi presque en temps réel de la charge de travail de l’agent recenseur, en superposant les lieux couverts sur les cartes des zones de dénombrement et sur les cartes des exploitations.

Le programme GPS a été développé pour collecter des coordonnées géographiques des ménages, des infrastructures, des parcelles en vue du calcul de leurs superficies respectives.

Le GPS permet de faire des mesures de toutes les exploitations lors d’un recensement complet par GPS. Cela n’est possible avec un ruban des piquets et une boussole que sur un sous-échantillon dans une enquête plus petit, par exemple dans l’approche modulaire et avec un temps de collecte nettement plus élevé.

Page 97: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

83

Supports électroniques de collecteLe développement des TIC a contribué à l’essor de la collecte électronique de données. Il existe différents types de supports aidant à collecter électroniquement les données. Il convient de citer entre autres :• Les Personal Digital Assistants (PDA)• Les tablettes / smartphones (téléphones intelligents)• Les notebook / ordinateurs portables

Ces différents équipements sont des appareils numériques portables. Ils permettent à l’enquêteur d’effectuer les entretiens à l’aide d’un questionnaire (masque de saisie) chargé dans ledit outil.

Les nouvelles technologies permettent d’alléger les problèmes liés au recensement des ménages dans les unités primaires (ex. villages) échantillonnées. Ces appareils, en fonction des caractéristiques retenues, sont le plus souvent équipés de récepteur leur permettant d’obtenir la longitude, la latitude et l’altitude des logements des ménages à visiter et donc faire la cartographie de l’unité primaire. En effet, les fichiers peuvent être transférés d’un équipement à un autre (par le biais d’un réseau local sans fil : via wifi, bluetooth, infrarouge), ainsi les fichiers de cartes peuvent être associés ultérieurement pour créer une carte complète de l’entité considérée.

Une fois les ménages géoréférencés dans le village, le nombre de ménages est connu et on peut procéder à toute sorte de tirage des ménages, un échantillon aléatoire simple ou un échantillon en grappes valide d’un point de vue statistique (segment aléatoire de ménages).

Une formation solide est nécessaire avant de participer à une enquête. L’enquêteur doit notamment être capable de respecter scrupuleusement l’enchaînement des questions. Avec les supports électroniques (PDA, tablette, smartphone…), le logiciel gère automatiquement les questions, si bien que l’enquêteur pose uniquement des questions pertinentes à la personne interrogée. Le système ignore automatiquement les questions qui ne s’appliquent pas. Bien ces équipements gèrent l’enchaînement des questions, la formation doit être effectuée avec autant de précautions que celle mise en place pour les PAPI. De plus, il est recommandé de commencer la formation par des questionnaires papiers afin que les enquêteurs se familiarisent d’abord avec le sujet et le questionnaire de l’enquête avant de procéder à la formation technique.

Les fonctions inutiles sont supprimées ou verrouillées pour faciliter l’utilisation de l’équipement. Vous pouvez accéder à la plupart des fonctions de cartographie, de navigation ou d’entretien en appuyant sur un bouton ou à l’aide du stylet. Les enquêteurs sont très enthousiastes à l’idée d’utiliser cette nouvelle technologie et en retirent même une certaine fierté, mais un niveau minimum d’instruction et l’aptitude à l’utilisation des TIC sont requis.

La collecte de données par cette nouvelle approche permet une vérification poussée des données sur le site de collecte. Le chef d’équipe peut donc contrôler plus facilement le travail de l’enquêteur et faire au besoin des tris à plat pour évaluer la qualité des données. Les données collectées par les enquêteurs sur le terrain peuvent être regroupées en une base de données unique, généralement en quelques heures. Il est donc possible de générer un rapport préliminaire quelques jours seulement après la réalisation de l’enquête. Le rapport peut être accompagné d’une carte des différentes entités échantillonnées représentant tous leurs ménages et leur statut d’inclusion dans l’échantillon. L’utilisation de questionnaires normalisés permettra de développer un module de rapport normalisé à l’aide d’un logiciel partagé (EpiInfo2002, par exemple). Cela permettra de générer plus rapidement des rapports préliminaires.

Les informations géographiques du programme de cartographie peuvent être facilement exportées vers la plupart des systèmes d’information géographique (SIG). La base de données de cartographie comprend la latitude, la longitude, l’altitude, l’identifiant de l’entité (ex. village), l’identifiant du ménage. Ces informations peuvent être exportées des équipements de collecte (PDA, tablette, smartphone) vers un PC dans un format de base de données

Page 98: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

84

déterminé (ex. Access). Elles peuvent alors être facilement utilisées avec ArcView (ESRI), Microsoft Access ou MapInfo. Combinées à d’autres informations SIG, elles offrent de nombreuses possibilités d’analyses spatiales pour les données de l’enquête, qui sont également exportées au format Access. Le programme permet en outre de cartographier d’autres éléments intéressants qui ne sont pas inclus dans la base d’échantillonnage (tels que les établissements de stockage), élargissant ainsi le champ des analyses spatiales.

Outils complémentaires• Le Système d’information géographique (SIG) peut aussi être utile dans la gestion du recensement, car les

données de localisation peuvent être cartographiées et participer à la gestion des agents recenseurs. Le SIG présente aussi des avantages pour l’analyse et la diffusion des données des enquêtes. Cela permet l’intégration de données géoréférencées détaillées dans l’analyse du recensement et des enquêtes par sondage.

• Les messages courts de type SMS (Short Messages Service, SMS) - Les SMS peuvent être utilisés aux diverses étapes du projet d’une enquête (recensement, sondage) dans le but de partager l’information sur le terrain avec le personnel et les répondants. Ce service peut être utilisé pour envoyer les mots de passe, les directives, les alertes, les rappels, etc. Si la passerelle de SMS est intégrée à la base de données centrale de l’enquête, diverses alertes peuvent être envoyées pour gérer le recensement lorsque se produisent différents événements et violations importantes affectant le recensement - par exemple lorsque le système de surveillance détecte que « la couverture est plus faible que prévue ».

Avantages et inconvénients de l’utilisation du GPS et des supports électroniques (PDA, tablettes, smartphones)La facilité de la collecte et le temps de collecte seront les points importants à souligner. Les appareils GPS peuvent fournir des mesures objectives des surfaces des exploitations ou, dans certains cas, permettre de vérifier les données des répondants par des données plus précises. Les appareils GPS permettent de mesurer beaucoup plus rapidement les surfaces que les méthodes traditionnelles objectives. La collecte des mesures objectives prenant plus de temps, ces dernières ne seraient collectées que sur un sous-ensemble d’exploitations.

L’utilisation d’équipements de collecte préprogrammés dotés d’un GPS offre des facilités à travers les opérations suivantes :• Cartographier rapidement les ménages et d’autres éléments intéressants d’une entité (ex. village). Plusieurs

utilisateurs peuvent se partager le travail et regrouper ensuite les fichiers cartographiques;• Obtenir un échantillon valide d’un point de vue statistique (échantillon aléatoire simple ou échantillon en

grappes);• Exporter les emplacements et les informations d’identification relatives aux ménages sélectionnés vers un

programme de navigation GPS, qui permettra par la suite aux enquêteurs de retrouver les différents ménages de l’échantillon;

• Guider l’enquêteur tout au long de l’entretien et ignorer les questions qui ne s’appliquent pas à la personne interrogée (enchaînements des questions préprogrammées) et saisir les données (une vérification est effectuée lors de la saisie);

• Modifier les données et établir des procédures qualité lorsque l’enquêteur entre les données collectées dans l’équipement de collecte afin d’optimiser la qualité des informations collectées et de réduire la vérification des données sur le terrain;

• Envoyer des informations de différents enquêteurs à un ordinateur portable ou de bureau pour procéder à un regroupement et à des analyses préliminaires rapides facilitées par l’utilisation de questionnaires standard et des programmes d’analyse standard;

• Exporter un tableau de données vers un SIG quelconque pour établir des analyses spatiales ou des cartes. Des données cartographiques existantes peuvent également être utilisées pour ces analyses;

• Stocker les données de manière sécurisée.

Page 99: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

85

Cependant, comme avec les méthodes CAPI (voir paragraphe 2.5.4), le coût et l’utilisation des appareils doivent être pris en considération, tout en veillant à ce que les enquêteurs aient des connaissances et une formation en informatique suffisantes pour bien faire fonctionner ces appareils. D’autre part, l’énergie nécessaire pour les faire fonctionner peut faire défaut dans certaines zones rurales de certains pays.

NB: Les avantages de l’utilisation des nouvelles technologies qui se placent dans la voie du progrès et de l’avenir ne sont plus à démontrer. Il faut cependant noter que les anciennes méthodes sont toujours en vigueur à des degrés divers certes dans beaucoup de pays. L’on peut cependant observer que la transition vers cette utilisation est en constante évolution. À titre d’exemple, on peut citer le GPS à la place de la boussole et le PDA à la place du questionnaire papier.

2.5.5. Exploitation typiqueUne autre méthode de collecte de plus en plus utilisée par l’INS du Brésil et des réseaux régionaux et mondiaux consiste à concevoir des données spécifiques d’une région sur les coûts de production et d’autres variables sur la base d’un jugement d’expert et des données structurelles pour une exploitation fictive. Cette exploitation est appelée exploitation typique. La méthode vient en complémentarité avec les enquêtes par sondage.

Les données se réfèrent à une exploitation qui, dans le cas du Brésil, est définie et choisie par un panel d’experts comme l’exploitation modale dans la région d’intérêt. Une fois l’exploitation modale est définie, les coefficients techniques sont déterminés par le panel pour tous les inputs fixes et variables combinés avec des informations sur la production et les prix unitaires agricoles des intrants.

Les principales étapes du processus de l’approche de l’exploitation typique utilisent les statistiques disponibles pour : i) identifier la région pertinente et ii) identifier les caractéristiques agricoles pertinentes, telles que la taille des exploitations, le programme de production, la combinaison d’entreprises ou de la propriété des terres.

a. Sélection des régions et des emplacementsPour un produit donné, les régions à inclure dans le processus de construction de données sont déterminées sur la base de leur importance dans la production totale du pays. Le nombre de régions sélectionnées et le niveau de coupure dépendent de la répartition spatiale de la production ainsi que sur les utilisations finales des données (information régionale et/ou national) et sur le budget alloué au programme.

b. Détermination de l’exploitation typiqueUne ou plusieurs exploitations typiques sont déterminées dans chacune des régions sélectionnées pour le programme. L’exploitation typique peut être définie de plusieurs façons, mais elle est généralement construite pour représenter

ENCADRé 17 : UTILISATION DE PDA éQUIPéS DE GPS (EXEMPLE DU BRéSIL)

L’intégration des statistiques du recensement agricole dans le dénombrement de la population effectué

par l’Institut brésilien de géographie a été facilitée par l’utilisation de PDA équipés de GPS pour la

collecte des données. Ainsi, la liste de 5,2 millions d’exploitations agricoles est référencée aux ménages

du recensement de la population. Chaque exploitation agricole peut être visualisée au moyen des

images terrestres de Google combinées avec la grille de zone d’énumération du recensement agricole.

Le cadre des listes d’exploitations agricole avec leurs coordonnées respectives et l’ensemble des zones

d’énumération enquêtées par le recensement agricole forme la base aréolaire et constituent la base

d’échantillon-maître.

Page 100: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

86

les caractéristiques les plus communes des exploitations dans la région, à savoir l’exploitation modale. Certaines des caractéristiques utilisées dans la construction de l’exploitation typique sont :• Type de la production (conventionnelle, biologique, etc.);• Technologie utilisée (utilisation d’intrants chimiques, le travail, le taux de mécanisation, etc.);• Combinaison des entreprises (exploitations de grandes cultures par exemple spécialisées, les exploitations

mixtes);• Taille de l’exploitation (en ha, valeur de la production, etc.);• Conditions topographiques et agroclimatiques;• Mode d’occupation de la terre (possédé ou terres louées);• Destination de la production (principalement pour l’autoconsommation, pour la vente sur le marché national et/

ou les marchés internationaux);• Et toute autre dimension qui peut refléter les modes de production locaux.

La définition de ces caractéristiques dépendra des statistiques disponibles. Dans une seconde étape, les conseillers de la région sélectionnée sont interrogés afin de définir d’autres caractéristiques de l’exploitation typique. Par exemple, si la majorité des terres agricoles dans la région est occupée par les producteurs conventionnels (à savoir non organisés), l’exploitation typique sera également classique. Si la majorité des agriculteurs louent leur terre, l’exploitation typique tiendra également compte des pratiques agricoles de terres de culture louées, etc.

Si différents groupes homogènes d’exploitations peuvent être distingués, chacun représentant une part importante de la production de la région, la sélection de plusieurs exploitations typiques pour refléter cette diversité peut contribuer à assurer une représentativité minimale des statistiques dérivées. Ceci est bien sûr au prix d’une augmentation des coûts du programme.

c. Détermination du groupe d’expertsLa détermination de l’exploitation modale ou typique et de ses caractéristiques économiques, parmi lesquelles les coûts de production, se fait par un panel d’experts composé d’un large éventail d’acteurs du secteur de l’alimentation et l’agriculture.

La composition des panels peut varier, mais ils comprennent généralement :• des agriculteurs sélectionnés;• des coopératives et associations;• des services et autres organismes d’assistance technique;• des structures étatiques et des organisations non gouvernementales liées à l’agriculture;• des producteurs des intrants agricoles, des machines et équipements;• des organismes de recherche agricole.

Le principal avantage d’inviter les producteurs dans le panel est qu’ils ont leur propre exploitation à l’esprit quand on parle d’exploitation typique, mais ne sont pas tenus de divulguer toute information individuelle qui pourrait être considérée comme confidentielle et/ou stratégique.

Le nombre de participants à une table ronde est généralement limité (3-5 dans le réseau de référence agroalimentaire, 10-5 dans le cas du Brésil) afin d’assurer des discussions efficaces et l’émergence d’un consensus. L’organisation responsable du programme est généralement responsable de la coordination et la facilitation des discussions, ainsi que de la disposition des experts de l’information requise (données, publications, événements, etc.) avant, pendant et après les discussions.

Page 101: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

87

d. Processus de détermination des donnéesLes paramètres de base et les coefficients techniques utilisés pour construire des données sur les coûts de production sont déterminés par le consensus du groupe d’experts. Si des données structurelles sont disponibles au niveau de l’exploitation, elles devraient être utilisées comme point de départ pour les discussions. Ces paramètres sont ensuite combinés par l’organisation responsable du programme avec des données sur les prix et les niveaux de production pour construire des statistiques des coûts de production. Le résultat d’un programme de calcul des coûts est présenté à la commission pour vérification croisée, ce qui peut conduire à une révision des paramètres sous-jacents et à une nouvelle série de calculs. Plusieurs itérations peuvent être nécessaires jusqu’à ce qu’un consensus sur les résultats finaux soit atteint.

Les avantages et les inconvénients des approches de l’exploitation typique sont succinctement décrits ci-après.

e. Avantages et inconvénientsComme tous les paramètres techniques majeurs sont documentés, il est possible d’exécuter toutes sortes d’analyses liées aux problèmes environnementaux (tels que les émissions de GES et les bilans de nutriments). Pour la même raison, il est également possible d’analyser toutes sortes de chiffres de la productivité (comme le travail, le capital et l’azote). Il est également possible d’identifier les options pour stimuler la production et/ou la productivité parce que, par exemple, il est connu dans quelle mesure les opérations sont mécanisées et à quel niveau le travail ou les intrants sont utilisés.

Du point de vue global, le principal avantage de ces approches est que les résultats sont comparables, car la collecte de données et la répartition des coûts se font de manière uniforme et systématique. Cela signifie que les résultats peuvent être utilisés pour comprendre la performance économique des systèmes de production particuliers par rapport aux concurrents dans d’autres parties du monde.

Bien sûr, ce niveau de détail rend l’ensemble du processus relativement complexe et prend du temps. Par conséquent - à moins que le financement du gouvernement dans chaque pays devienne disponible - le nombre d’exploitations typiques à considérer est normalement faible (autour de 3).

Les données construites sur la base de ces approches ne prennent pas en compte la diversité des systèmes et des conditions de production dans lequel opèrent les exploitations. Par construction, les résultats issus de ces approches ne peuvent pas être interprétés comme des moyennes nationales ou même régionales sans perte significative de précision, sauf dans les cas particuliers où la production est fortement dominée par les exploitations d’un seul type. Cette mise en garde peut être amoindrie, dans une certaine mesure, en augmentant le nombre d’exploitations typiques. Mais cela conduit à une augmentation des coûts de collecte de données (ce mis en cause l’un des principaux avantages de cette approche).

En outre, la détermination des fermes typiques est en soi un exercice compliqué, compte tenu de la multiplicité des caractéristiques à considérer et les exigences relatives aux données sur lesquelles il faut fonder cette détermination.

En conclusion : Compte tenu de leur niveau de détail et la fiabilité potentielle, les données obtenues à partir des exploitations typiques peuvent être utiles pour les responsables de l’agriculture de proximité et les décideurs qui souhaitent comprendre comment et à quel degré de coûts de production dépendent les caractéristiques de l’exploitation, de ses pratiques et de son environnement.

Ces approches peuvent également constituer un complément aux approches d’enquêtes standard. Pour les pays ayant peu ou pas d’infrastructure statistique, elles constituent un moyen d’obtenir des estimations des coûts de production, qui devraient éventuellement être améliorés et complétés par des enquêtes par sondage. Elles peuvent également constituer une source d’information intéressante pour les cultures moins importantes pour lesquelles l’utilisation d’enquêtes ne se justifie pas économiquement.

Page 102: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

88

Cependant, les institutions impliquées dans l’élaboration de ces approches soulignent le fait qu’un ou deux exploitations typiques ne peuvent normalement pas être utilisées pour créer une moyenne nationale. Toutefois, ces institutions reconnaissent également que ces approches peuvent constituer une source d’information pertinente régionale ou au niveau national dans les cas où la production est très concentrée dans les exploitations d’un type similaire ou lorsque plusieurs exploitations typiques sont sélectionnées afin de mieux refléter la diversité des pratiques et des conditions agricoles.

Page 103: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

8989

Module 3 : Traitement, analyse et diffusion des données

3.1. APERÇU GéNéRAL DES PRATIQUES ACTUELLES DU TRAITEMENT ET LIMITES OBSERVéES

On observe généralement que dans les pratiques actuelles des pays, deux grandes institutions sont impliquées dans le traitement, l’analyse et la diffusion des données agricoles obtenues au travers des enquêtes par sondage et des recensements agricoles : L’Institut National de la Statistique et le Ministère de l’Agriculture. Les centres de formation ou les facultés universitaires de statistique assument la responsabilité de la formation.

Les problèmes et limites résident essentiellement dans le manque de travailleurs qualifiés, l’inadéquation des méthodes statistiques, les incohérences dans la production d’indicateurs de base pour mesurer le développement de l’agriculture, le manque d’équipements modernes et le faible niveau de la qualité de données.

OBjECTIFS PéDAGOGIQUES DU MODULE

Il s’agira de :

• comprendre les problèmes qui se posent lors du traitement, de l’analyse et de la diffusion des données

agricoles;

• se familiariser avec les notions de superficies et de rendements tout en mettant un accent particulier

sur les données nécessaires et les méthodes de calculs;

• se familiariser avec les méthodes d’estimation de la production ;

• comprendre les méthodes utilisées pour la prévision des récoltes;

• se familiariser avec les étapes de traitement des données agricoles et avec les méthodes d’analyse et

de diffusion.

3

Page 104: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

90

3.1.1. Insuffisance de personnels qualifiésDans beaucoup de pays en développement, le manque de personnel qualifié est l’un des principaux problèmes qui se posent dans le domaine du traitement, de l’analyse et de la diffusion des données sur l’agriculture. Les éléments suivants le confirment :• L’existence de postes vacants à différents niveaux;• La rotation importante du personnel qualifié;• L’insuffisance de la formation professionnelle.

3.1.2. Inadéquation des méthodes statistiquesEn dépit de l’importance du secteur de l’agriculture pour le développement de l’économie, la réduction de la pauvreté et l’amélioration de la sécurité alimentaire, des problèmes critiques persistent au sujet de la façon dont le développement de l’agriculture est évalué. Les problèmes vont de la conception des enquêtes à la diffusion des résultats. Par exemple, les normes de collecte des données sont relativement faibles; le degré de couverture et d’exhaustivité varie; il y a moins de données ventilées disponibles au sujet des petites unités administratives et des groupes cibles concernés; on observe une incapacité à fournir des statistiques fiables sur l’éventail de plus en plus large d’activités agricoles génératrices de revenus pour les ménages en milieu rural; et les méthodes utilisées pour imputer les valeurs manquantes et traiter les valeurs aberrantes varient.

3.1.3. Incohérences dans la production d’indicateurs de baseLa question de la périodicité des recensements et des enquêtes mérite un examen particulier. Ces dernières années, beaucoup d’enquêtes par sondage ont été effectuées dans plusieurs pays. Le nombre relativement faible d’analystes capables de traiter et d’analyser ces importants ensembles de données auxquels viennent s’ajouter les retards et incohérences ont compromis la production régulière d’une série d’indicateurs de base sur l’agriculture. Certains indicateurs clé du secteur de l’agriculture peuvent changer radicalement d’une année à l’autre sous l’effet de la météo ou d’initiatives politiques, ce qui nécessite une collecte de données annuelle ou saisonnière. Par exemple, il faut vraisemblablement recueillir chaque année ou chaque saison des données sur les superficies cultivées et les volumes récoltés. Des lacunes similaires ont été observées au sujet des recensements.

3.1.4. Manque d’équipements modernesTraditionnellement, les données de recensements ou d’enquêtes par sondage sont saisies manuellement dans un logiciel de traitement des données, et l’exactitude des données est vérifiée par un mécanisme de double saisie. Désormais, les nouvelles technologies de numérisation permettent de gagner du temps et peuvent grandement améliorer l’exactitude des données. Ces technologies offrent également la possibilité d’accéder plus rapidement aux résultats.

Le Système d’information géographique (SIG), un système informatisé qui facilite les phases de traitement, d’analyse et de diffusion des données, a amélioré l’étendue et la qualité des données géoréférencées sur l’agriculture.

Il y a lieu de remarquer que certains pays ne disposent toujours pas d’équipements modernes (ex. SIG) pour saisir les données recueillies lors des enquêtes et des recensements agricoles et pour produire des statistiques sur l’agriculture.

Page 105: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

91

3.1.5. Faible niveau de la qualité des donnéesDes données agricoles de qualité sont requises pour concevoir de meilleures politiques agricoles et rurales et pour mesurer les progrès en matière de développement. Les pays doivent donc produire des statistiques qui permettent aux individus d’évaluer la situation de la nation et de juger de la performance du gouvernement; des statistiques qui sont dignes de confiance pour les utilisateurs et la société.

PerspectiveLa qualité des données agricoles s’est remarquablement améliorée au cours des trois dernières décennies, certes, mais les documents révèlent certains problèmes dans la qualité des données, concernant essentiellement la pertinence, l’exactitude, l’actualité et l’accessibilité. Tous ces problèmes ont un rapport avec les méthodes de traitement, d’analyse et de diffusion des données.

La clé pour remédier à ces problèmes est de les prendre en compte lors de l’élaboration des Plans stratégiques de développement des statistiques agricoles et rurales. Dans ces PSSAR, une grande importance devrait être accordée à la modernisation du processus de production et au renforcement des capacités du personnel statistique particulièrement ceux affectés à la collecte, au traitement et l’analyse des données, deux conditions nécessaires à l’amélioration rapide de la qualité des données.

3.2. SUPERFICIES ET RENDEMENTS DES CAS CULTURES EN PURE ET EN ASSOCIATION

3.2.1. Données nécessaires l’estimation du rendement ou de la superficie

a. Estimation des superficies par le biais des informations du cadastre

i. Disponibilité du registre des parcelles avec les cultures en présence par saisonDans ce cas particulier, l’approche recommandée est de procéder à un sondage stratifié en considérant comme strate les régions ou les districts. Un nombre fixe de villages est échantillonné par strate. Cependant, la typologie des villages échantillonnés en termes de mise en valeur des terres et de type d’occupation des parcelles (homogène, disséminée et par tache) n’est connue qu’a posteriori (post stratification). Pour ce faire, l’estimation des superficies en termes d’occupation des parcelles est effectuée en utilisant l’approche de l’estimation dans les domaines (Särndal et al. 1992). Les parcelles (unités statistiques) dans chaque village échantillonné sont énumérées de manière exhaustive et les superficies sont recueillies conformément à l’information enregistrée dans le registre administratif. Ce cas est applicable en Inde par exemple.

ii. Registre des parcelles disponibles, mais absence d’information relative à l’occupation des terresDans cette configuration, le registre cadastral disponible ne fournit pas d’information sur l’occupation des parcelles. Il est donc recommandé de mettre en œuvre une enquête stratifiée à deux degrés. Les villages ou ZD constituent le premier degré tandis que la liste des parcelles constitue une base de sondage au second degré. Pour les parcelles échantillonnées, les informations recueillies sont relatives aux superficies de même que des données supplémentaires pour corroborer les déclarations (quantité d’intrants utilisée par type de culture, charge d’exploitation…). Ces informations déclaratives peuvent être complétées par des mesures réelles effectuées sur un sous échantillon de parcelles. L’occupation de la parcelle, pour chaque culture, peut être déterminée par une estimation hâtive par observation.

Page 106: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

92

b. Plan d’échantillonnage avec une base de sondage aréolaire pour la mesure des superficies Dans le cas où la base de sondage est une base aréolaire (de ZD, de district, de village…), un sondage à deux degrés sera mis en œuvre avec pour UP les éléments de la base de sondage (de ZD, de district, de village…) et pour US des segments. Des informations, relatives aux parcelles identifiées dans les segments échantillonnés, sont ensuite recueillies sur la base déclarative auprès des exploitants concernés.

Des opérations de levée de superficies sont ensuite effectuées sur un sous échantillon de parcelles avec des équipements appropriés (GPS, boussole, ruban…).

c. Plan d’échantillonnage pour l’estimation des superficies en présence de culture mixte dans le contexte d’une enquête ménage

La collecte de données par le biais d’enquêtes ménages est nécessaire lorsqu’aucune information ne permet d’identifier les parcelles et le type de mise en valeur. Dans ce cas, le plan de sondage approprié est à 2 degrés (avec les ZD/villages pour unité primaire (UP) et les ménages pour unité secondaire (US)).

Les informations sur l’occupation des parcelles et celles permettant une évaluation des superficies (la quantité d’intrants utilisée…) par culture sont recueillies par déclaration.

Par ailleurs, l’opération de levée de superficie s’effectuera auprès d’un sous échantillon de ménages, retenu dans un sous échantillon d’UP. L’information sera collectée sur toutes les parcelles éligibles. Il existe différents types d’association (homogène, disséminée et par tache). La levée de superficie s’effectue par mesure directe en utilisant des équipements appropriés (GPS, boussole, ruban…). Les superficies associées à chacune des cultures seront affectées proportionnellement à l’occupation de la parcelle. L’occupation de la parcelle, pour chaque culture, est déterminée dans les différents cas ci-dessous :• Estimation hâtive par observation;• Estimation à partir d’informations auxiliaires;• Estimation objective par pose de carrée de densité et comptage des plants (association à densité homogène);• Estimation sur la base du comptage des plants (disséminée ou par tache).

Les agents de collecte doivent recueillir toutes les informations nécessaires à cette évaluation (les outils de collecte sont élaborés à cet effet).

d. Information utile pour la mesure du rendementL’approche présentée ci-dessous est valable, quels que soient les cas de figure susmentionnés. L’unité statistique est la parcelle. Une liste des parcelles est établie à partir des parcelles identifiées à partir des registres, ou dans les différents segments échantillonnés ou encore auprès des ménages. Deux étapes sont à considérer. La première consiste à disposer de l’information par déclaration sur la base de l’estimation/perception de l’exploitant (par déclaration). Les informations ainsi recueillies sont relatives à la production et la superficie.

La seconde étape consiste à effectuer des poses de carré de rendement sur un échantillon des parcelles initialement retenues pour la levée des superficies.

Page 107: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

93

e. Calcul du taux d’occupation des parcellesDifférents cas de figure sont à considérer pour la détermination du taux d’occupation des parcelles• Disposition non homogène des cultures en association;• Occupation homogène :

�� Pose de carré de densité;�� Interligne entre les plants;�� Observation directe.

i. Taux de semisSi la mise en terre des cultures n’a pas été faite de manière homogène, le taux de semis pourrait être utilisé pour évaluer la superficie des différentes cultures. Il se peut que les semences mises en terre n’aient pas germé à 100 %. Toutefois, cette information est un proxy pour disposer de l’information.

Considérons les cultures A et B. Soit a et b la quantité de semence mise en terre respectivement pour les cultures A et B. Considérons, sans introduire de confusion, A et B les quantités recommandées de semences respectivement pour les cultures A et B.

Soit S la superficie de la parcelle sous association de culture et Si la superficie associée à la culture i. Ainsi

ii. Densité des cultures Lorsque les cultures en association sont semées sans aucune configuration homogène, les superficies sous les différentes cultures en association peuvent être évaluées sur la base de la densité des plants. La densité des plants est déterminée de manière objective par pose de carré de densité en des points sélectionnés de manière aléatoire. La densité est le nombre de plants par unité de surface pour chaque culture de l’association. La superficie de chaque culture dans l’association peut être estimée par calcul du ratio de la densité des plantes.

Considérons 3 cultures en association sur une superficie estimée à 0,8 ha. Supposons un carré de densité contenant pour chacune des cultures en association :• 10 plants de A au lieu de 60 en culture pure;• 18 plants de B au lieu de 25 en culture pure;• 20 plants de C au lieu de 50 en pure.

Manueldeformationenstatistiquesagricoles Page108

i. Taux de semis

Si la mise en terre des cultures n’a pas été faite de manière homogène, le taux de semis pourrait être utilisé pour évaluer la superficie des différentes cultures. Il se peut que les semences mises en terre n’aient pas germé à 100 %. Toutefois, cette information est un proxy pour disposer de l’information.

Considérons les cultures A et B. Soit a et b la quantité de semence mise en terre respectivement pour les cultures A et B. Considérons, sans introduire de confusion, A et B les quantités recommandées de semences respectivement pour les cultures A et B.

Soit S la superficie de la parcelle sous association de culture et !"la superficie associée à la culture i. Ainsi

!# =%/'

%/' + )/*∗ !

!, =)/*

%/' + )/*∗ !

Pour illustration, considérons les paramètres ci-dessous : S== 0.4 ha, a=50 kg, A = 120 kg/ha, b=1kg et B = 5 kg/ha. Le taux de semis est : (50/120) pour A et (1/5) pour B.

!# = (0.42/(0.42 + 0.2))x0.4 = 0.27ha !, = (0.2/(0.42 + 0.2))x0.4 = 0.13ha

ii. Densité des cultures

Lorsque les cultures en association sont semées sans aucune configuration homogène, les superficies sous les différentes cultures en association peuvent être évaluées sur la base de la densité des plants. La densité des plants est déterminée de manière objective par pose de carré de densité en des points sélectionnés de manière aléatoire. La densité est le nombre de plants par unité de surface pour chaque culture de l’association. La superficie de chaque culture dans l’association peut être estimée par calcul du ratio de la densité des plantes. Considérons 3 cultures en association sur une superficie estimée à 0,8 ha. Supposons un carré de densité contenant pour chacune des cultures en association :

• 10 plants de A au lieu de 60 en culture pure;

• 18 plants de B au lieu de 25 en culture pure;

• 20 plants de C au lieu de 50 en pure.

Le ratio de densité est donc

Page 108: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

94

Le ratio de densité est donc

iii. Cas des cultures intercalaires : nombre lignes de plantsLorsque les cultures en association sont semées en ligne (culture intercalaire), mais dans des rangées séparées, la superficie sous chaque culture constitutive peut être répartie sur la base du nombre de lignes de chaque culture constitutive. Le nombre de lignes sur une rangée d’intercalaires est compté à trois endroits au hasard dans le champ sélectionné pour déterminer le nombre moyen de lignes.

Considérons deux cultures en intercalaires A et B, emblavée sur 0,5ha. Supposons que le nombre de lignes de la culture A en cas d’association est 25, tandis que la densité recommandée en culture pure est 40. Pour la culture B, le nombre de lignes en association est 2 tandis que la densité est 5 en culture pure.

Le ratio de superficie pour A et B sont donc:

Manueldeformationenstatistiquesagricoles Page109

:!# =1060

= 0,167

:!, =1825

= 0,72

:!? =2050

= 0,4

Les superficies ainsi allouées aux cultures A et B sont:

!# =:!#

:!# + :!, + :!?∗ S =

0,1670,167 + 0,72 + 0,4

∗ 0,8ha = 0,13 ∗ 0,8ha = 0,10ha

!, =:!,

:!# + :!, + :!?∗ S =

0,720,167 + 0,72 + 0,4

∗ 0,8ha = 0,56 ∗ 0,8ha = 0,45ha

!? =:!?

:!# + :!, + :!?∗ S =

0,40,167 + 0,72 + 0,4

∗ 0,8ha = 0,31 ∗ 0,8ha = 0,25ha

iii. Cas des cultures intercalaires : nombre lignes de plants

Lorsque les cultures en association sont semées en ligne (culture intercalaire), mais dans des rangées séparées, la superficie sous chaque culture constitutive peut être répartie sur la base du nombre de lignes de chaque culture constitutive. Le nombre de lignes sur une rangée d’intercalaires est compté à trois endroits au hasard dans le champ sélectionné pour déterminer le nombre moyen de lignes.

Considérons deux cultures en intercalaires A et B, emblavée sur 0,5ha. Supposons que le nombre de lignes de la culture A en cas d’association est 25, tandis que la densité recommandée en culture pure est 40. Pour la culture B, le nombre de lignes en association est 2 tandis que la densité est 5 en culture pure.

Le ratio de superficie pour A et B sont donc:

:!# =2540

= 0,625

:!, =25= 0,4

Les superficies ainsi allouées aux cultures A et B sont:

!# =:!#

:!# + :!,∗ S =

0,6250,625 + 0,4

∗ 0,5ha = 0,61 ∗ 0,7ha = 0,43ha

!, =:!,

:!# + :!,∗ S =

0,40,625 + 0,4

∗ 0,5ha = 0,39 ∗ 0,7ha = 0,27ha

Manueldeformationenstatistiquesagricoles Page109

:!# =1060

= 0,167

:!, =1825

= 0,72

:!? =2050

= 0,4

Les superficies ainsi allouées aux cultures A et B sont:

!# =:!#

:!# + :!, + :!?∗ S =

0,1670,167 + 0,72 + 0,4

∗ 0,8ha = 0,13 ∗ 0,8ha = 0,10ha

!, =:!,

:!# + :!, + :!?∗ S =

0,720,167 + 0,72 + 0,4

∗ 0,8ha = 0,56 ∗ 0,8ha = 0,45ha

!? =:!?

:!# + :!, + :!?∗ S =

0,40,167 + 0,72 + 0,4

∗ 0,8ha = 0,31 ∗ 0,8ha = 0,25ha

iii. Cas des cultures intercalaires : nombre lignes de plants

Lorsque les cultures en association sont semées en ligne (culture intercalaire), mais dans des rangées séparées, la superficie sous chaque culture constitutive peut être répartie sur la base du nombre de lignes de chaque culture constitutive. Le nombre de lignes sur une rangée d’intercalaires est compté à trois endroits au hasard dans le champ sélectionné pour déterminer le nombre moyen de lignes.

Considérons deux cultures en intercalaires A et B, emblavée sur 0,5ha. Supposons que le nombre de lignes de la culture A en cas d’association est 25, tandis que la densité recommandée en culture pure est 40. Pour la culture B, le nombre de lignes en association est 2 tandis que la densité est 5 en culture pure.

Le ratio de superficie pour A et B sont donc:

:!# =2540

= 0,625

:!, =25= 0,4

Les superficies ainsi allouées aux cultures A et B sont:

!# =:!#

:!# + :!,∗ S =

0,6250,625 + 0,4

∗ 0,5ha = 0,61 ∗ 0,7ha = 0,43ha

!, =:!,

:!# + :!,∗ S =

0,40,625 + 0,4

∗ 0,5ha = 0,39 ∗ 0,7ha = 0,27ha

Page 109: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

95

iv. Cas des cultures intercalaires : écartement entre les plantsLorsque les cultures en association sont semées en ligne (culture intercalaire), mais dans des rangées séparées, la superficie sous chaque culture constitutive peut être répartie sur la base de l’écartement entre les plants

Considérons deux cultures en intercalaires A et B, emblavée sur 1 ha. Supposons que les écartements moyens observés (information recueillie en au moins trois points pris de manière aléatoire sur la parcelle) sont de 2 m entre les plants de A et de 3 m entre les plants de B :

Les superficies allouées à chaque culture sont les suivantes:

Remarque :Il convient de relever les cas énoncés ci-dessous et le traitement approprié• Dans le cas d’une association non homogène et assez complexe, il est recommandé de déterminer le taux

d’occupation des cultures par des estimations subjectives (observation, déclaration de l’enquêteur);• Si des cultures occupent une aire relativement marginale (moins de 10 %), il est recommandé de les ignorer;• Une estimation simple consiste à diviser la superficie totale de la parcelle par le nombre de cultures en

association. C’est une méthode simple, mais elle donnera des surestimations de la production végétale.• Une estimation grossière consiste à allouer la superficie totale semée à chaque culture de l’association : la

méthode est très grossière et peut donc conduire à des superficies surestimées.• Si des cultures temporaires (cultures saisonnières et annuelles) sont semées à la même période dans une

association de culture, et sont récoltées à des périodes différentes, la parcelle est traitée comme doublement récolté. La superficie totale est enregistrée sous chaque culture dans l’association pour les saisons respectives où la récolte a été effectuée.

v. Affectation de la superficie lorsque les cultures temporaires sont semées avec des cultures permanentes :Il est fréquent d’observer des associations entre cultures permanentes et cultures temporelles. La superficie sous culture permanente est la superficie sous la canopée. « La canopée est l’étage supérieur de la forêt, directement influencée par le rayonnement solaire »1.

Lasuperficieestiméepeutêtrecalculéesurlabasedelasuperficiemoyenneducouvert(πr2),évaluéesoustrois ou cinq arbres sélectionnés au hasard, où r est le rayon de la canopée. La superficie est estimée multipliant simplement la superficie moyenne de la canopée par le nombre de plants de culture permanente.

Cette superficie est donc déduite de la superficie totale de la parcelle. La superficie résultante de cette déduction est allouée aux cultures temporelles (généralement semées en cultures intercalaires).

1 https://fr.wikipedia.org/wiki/Canopée

Manueldeformationenstatistiquesagricoles Page110

iv. Cas des cultures intercalaires : écartement entre les plants

Lorsque les cultures en association sont semées en ligne (culture intercalaire), mais dans des rangées séparées, la superficie sous chaque culture constitutive peut être répartie sur la base de l’écartement entre les plants

Considérons deux cultures en intercalaires A et B, emblavée sur 1 ha. Supposons que les écartements moyens observés (information recueillie en au moins trois points pris de manière aléatoire sur la parcelle) sont de 2 m entre les plants de A et de 3 m entre les plants de B :

Les superficies allouées à chaque culture sont les suivantes:

!# =B#

B# + B,∗ S =

22 + 3

∗ 1ha = 0,4 ∗ 1ha = 0,4ha

!, =B,

B# + B,∗ S =

32 + 3

∗ 1ha = 0,6 ∗ 1ha = 0,6ha

Remarque :

Il convient de relever les cas énoncés ci-dessous et le traitement approprié

• Dans le cas d’une association non homogène et assez complexe, il est recommandé de déterminer le taux d’occupation des cultures par des estimations subjectives (observation, déclaration de l’enquêteur);

• Si des cultures occupent une aire relativement marginale (moins de 10 %), il est recommandé de les ignorer;

• Une estimation simple consiste à diviser la superficie totale de la parcelle par le nombre de cultures en association. C’est une méthode simple, mais elle donnera des surestimations de la production végétale.

• Une estimation grossière consiste à allouer la superficie totale semée à chaque culture de l’association : la méthode est très grossière et peut donc conduire à des superficies surestimées.

• Si des cultures temporaires (cultures saisonnières et annuelles) sont semées à la même période dans une association de culture, et sont récoltées à des périodes différentes, la parcelle est traitée comme doublement récolté. La superficie totale est enregistrée sous chaque culture dans l’association pour les saisons respectives où la récolte a été effectuée.

v. Affectation de la superficie lorsque les cultures temporaires sont semées avec des cultures permanentes :

Il est fréquent d’observer des associations entre cultures permanentes et cultures temporelles. La superficie sous culture permanente est la superficie sous la canopée. « La canopée est l’étage

Page 110: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

96

3.2.2. Le calcul des superficies à partir des données de terrain (extrapolation)La superficie totale d’une exploitation est la somme des superficies des parcelles de l’exploitation, son estimation au niveau de la strate se ramène à celle du total où la variable y représente la superficie.

Considérons un sondage à deux degrés définis comme suit :• Degré 1 : Tirage systématique dans chaque strate (province, département…) d’unités primaires (UP) (village,

ZD,…) à probabilités proportionnelles à leurs tailles en unités secondaires (US) (ménage, exploitation);• Degré 2 : Tirage aléatoire simple sans remise d’US dans chaque UP échantillonnée

Notation :S : superficie totale d’une culture donnée (maïs, riz…) dans une strate donnéei : indice de l’UPj : indice de l’USM : nombre d’UP de la strate considéréem : nombre d’UP échantillonnées dans la strate considéréeNi : Nombre total d’US dans l’UP ini : Nombre d’US échantillonnées dans l’UP iN : nombre totale d’US dans la strate considéréeyij : superficie de la culture considérée dans l’US j de l’UP i de la strate considéréeπi : probabilité d’inclusion de l’UP iπij : probabilité d’inclusion de l’US j de l’UP i

Estimation de la superficie de la culture c

Si pour une unité i, πi ≥ 1, cette unité est désignée d’office pour faire partie de l’échantillon avec la probabilité 1 et on aura alors à tirer m-1 autres UP parmi les M–1 unités restantes.

La superficie totale S est donnée par :

La difficulté de l’application de cette formule réside dans la détermination des yij (les superficies par exploitation agricole pour une culture donnée) à partir des données collectées.

En effet, dans le cas où dans l’exploitation la culture concernée est en association sur certaines parcelles avec d’autres cultures, la détermination de la superficie allouée à la culture n’est pas évidente. On y relève plusieurs méthodes et, l’application libre de l’une ou l’autre de ces méthodes rend inappropriée toute comparaison de superficie.

Manueldeformationenstatistiquesagricoles Page111

supérieur de la forêt, directement influencée par le rayonnement solaire »31.

La superficie estimée peut être calculée sur la base de la superficie moyenne du couvert (πr2), évaluée sous trois ou cinq arbres sélectionnés au hasard, où r est le rayon de la canopée. La superficie est estimée multipliant simplement la superficie moyenne de la canopée par le nombre de plants de culture permanente.

Cette superficie est donc déduite de la superficie totale de la parcelle. La superficie résultante de cette déduction est allouée aux cultures temporelles (généralement semées en cultures intercalaires).

3.2.2. Lecalculdessuperficiesàpartirdesdonnéesdeterrain(extrapolation)La superficie totale d’une exploitation est la somme des superficies des parcelles de l’exploitation, son estimation au niveau de la strate se ramène à celle du total où la variable y représente la superficie.

Considérons un sondage à deux degrés définis comme suit :

- Degré 1 : Tirage systématique dans chaque strate (province, département…) d’unités primaires (UP) (village, ZD,…) à probabilités proportionnelles à leurs tailles en unités secondaires (US) (ménage, exploitation);

- Degré 2 : Tirage aléatoire simple sans remise d’US dans chaque UP échantillonnée

Notation :

S : superficie totale d’une culture donnée (maïs, riz…) dans une strate donnée

i : indice de l’UP j : indice de l’US

M : nombre d’UP de la strate considérée m : nombre d’UP échantillonnées dans la strate considérée

Ni : Nombre total d’US dans l’UP i ni : Nombre d’US échantillonnées dans l’UP i

N : nombre totale d’US dans la strate considérée yij : superficie de la culture considérée dans l’US j de l’UP i de la strate considérée

πi : probabilité d’inclusion de l’UP i πij : probabilité d’inclusion de l’US j de l’UP i

Estimation de la superficie de la culture c

iim NN

π =

Si pour une unité i, πi ≥ 1, cette unité est désignée d’office pour faire partie de l’échantillon avec la probabilité 1 et on aura alors à tirer m-1 autres UP parmi les M–1 unités restantes.

31 https://fr.wikipedia.org/wiki/Canopée

Manueldeformationenstatistiquesagricoles Page112

jij

i

nN

π =

La superficie totale S est donnée par :

1 1

1 jnm

iji jj

NS ym n= =

= ∑ ∑

La difficulté de l’application de cette formule réside dans la détermination des yij (les superficies par exploitation agricole pour une culture donnée) à partir des données collectées.

En effet, dans le cas où dans l’exploitation la culture concernée est en association sur certaines parcelles avec d’autres cultures, la détermination de la superficie allouée à la culture n’est pas évidente. On y relève plusieurs méthodes et, l’application libre de l’une ou l’autre de ces méthodes rend inappropriée toute comparaison de superficie.

Encadré 18 : Méthodes actuellement pratiquées pour la répartition de la superficie d’une parcelle comportant une culture principale et une culture secondaire

i) La superficie de la parcelle est comptée deux fois : elle est simultanément octroyée à la culture principale et à la culture secondaire, on parle alors de superficies développées : la somme des superficies cultivées par culture est supérieure à la superficie totale cultivée, mais la somme des superficies par culture est égale à la superficie totale cultivée,

ii) La superficie de la parcelle n’est comptée que pour la seule culture principale, on parle alors de superficies physiques : les superficies par culture sont plutôt sous-estimées :

iii) La superficie de la parcelle est répartie entre les deux cultures suivant une proportion fixée systématiquement à 1 pour les cultures principales et 0,5 pour les cultures secondaires : la superficie totale cultivée est surestimée,

iv) La superficie de la parcelle est répartie équitablement entre les deux cultures, la somme de la superficie des cultures est égale à la superficie totale cultivée,

v) Méthode des densités : cette méthode se propose de faire l’allocation de la superficie d’une parcelle entre ses différentes cultures en utilisant pour chaque culture le rapport qu’il y a entre sa densité en culture pure et sa densité en cultures associées. Malheureusement, dans la pratique les rapports calculés ne se prêtent pas bien à cette allocation.

Dans le calcul de la production, il suffit soit d’appliquer un rendement moyen de la culture (toutes associations confondues) au total des superficies où elle est présente, soit appliquer à la superficie de chaque le rendement correspondant : le rendement de la culture en pure sera appliqué à la superficie en pure, le rendement de la culture en double association aux superficies double association, etc. Dans ce cas, on prendra le soin d’estimer d’une part la superficie totale cultivée en pure, d’autre part la superficie totale cultivée en association en distinguant les types d’association non pas selon les cultures qui s’ajoutent à la culture donnée, mais selon l’importance de la culture.

Ainsi, pour la culture on estimera la superficie de toutes les associations :

Si Ci est le coefficient d’extrapolation associé à l’unité primaire i issu du plan de sondage adopté

Manueldeformationenstatistiquesagricoles Page112

jij

i

nN

π =

La superficie totale S est donnée par :

1 1

1 jnm

iji jj

NS ym n= =

= ∑ ∑

La difficulté de l’application de cette formule réside dans la détermination des yij (les superficies par exploitation agricole pour une culture donnée) à partir des données collectées.

En effet, dans le cas où dans l’exploitation la culture concernée est en association sur certaines parcelles avec d’autres cultures, la détermination de la superficie allouée à la culture n’est pas évidente. On y relève plusieurs méthodes et, l’application libre de l’une ou l’autre de ces méthodes rend inappropriée toute comparaison de superficie.

Encadré 18 : Méthodes actuellement pratiquées pour la répartition de la superficie d’une parcelle comportant une culture principale et une culture secondaire

i) La superficie de la parcelle est comptée deux fois : elle est simultanément octroyée à la culture principale et à la culture secondaire, on parle alors de superficies développées : la somme des superficies cultivées par culture est supérieure à la superficie totale cultivée, mais la somme des superficies par culture est égale à la superficie totale cultivée,

ii) La superficie de la parcelle n’est comptée que pour la seule culture principale, on parle alors de superficies physiques : les superficies par culture sont plutôt sous-estimées :

iii) La superficie de la parcelle est répartie entre les deux cultures suivant une proportion fixée systématiquement à 1 pour les cultures principales et 0,5 pour les cultures secondaires : la superficie totale cultivée est surestimée,

iv) La superficie de la parcelle est répartie équitablement entre les deux cultures, la somme de la superficie des cultures est égale à la superficie totale cultivée,

v) Méthode des densités : cette méthode se propose de faire l’allocation de la superficie d’une parcelle entre ses différentes cultures en utilisant pour chaque culture le rapport qu’il y a entre sa densité en culture pure et sa densité en cultures associées. Malheureusement, dans la pratique les rapports calculés ne se prêtent pas bien à cette allocation.

Dans le calcul de la production, il suffit soit d’appliquer un rendement moyen de la culture (toutes associations confondues) au total des superficies où elle est présente, soit appliquer à la superficie de chaque le rendement correspondant : le rendement de la culture en pure sera appliqué à la superficie en pure, le rendement de la culture en double association aux superficies double association, etc. Dans ce cas, on prendra le soin d’estimer d’une part la superficie totale cultivée en pure, d’autre part la superficie totale cultivée en association en distinguant les types d’association non pas selon les cultures qui s’ajoutent à la culture donnée, mais selon l’importance de la culture.

Ainsi, pour la culture on estimera la superficie de toutes les associations :

Si Ci est le coefficient d’extrapolation associé à l’unité primaire i issu du plan de sondage adopté

Page 111: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

97

Dans le calcul de la production, il suffit soit d’appliquer un rendement moyen de la culture (toutes associations confondues) au total des superficies où elle est présente, soit appliquer à la superficie de chaque le rendement correspondant : le rendement de la culture en pure sera appliqué à la superficie en pure, le rendement de la culture en double association aux superficies double association, etc. Dans ce cas, on prendra le soin d’estimer d’une part la superficie totale cultivée en pure, d’autre part la superficie totale cultivée en association en distinguant les types d’association non pas selon les cultures qui s’ajoutent à la culture donnée, mais selon l’importance de la culture.

Ainsi, pour la culture on estimera la superficie de toutes les associations :

Si Ci est le coefficient d’extrapolation associé à l’unité primaire i issu du plan de sondage adopté et a une culture donnée, on a :

• Superficie en pure :

• Superficie en association où la culture a est la culture principale :

ENCADRé 18 : MéTHODES ACTUELLEMENT PRATIQUéES POUR LA RéPARTITION DE LA

SUPERFICIE D’UNE PARCELLE COMPORTANT UNE CULTURE PRINCIPALE ET UNE CULTURE

SECONDAIRE

i) La superficie de la parcelle est comptée deux fois : elle est simultanément octroyée à la culture

principale et à la culture secondaire, on parle alors de superficies développées : la somme des

superficies cultivées par culture est supérieure à la superficie totale cultivée, mais la somme des

superficies par culture est égale à la superficie totale cultivée,

ii) La superficie de la parcelle n’est comptée que pour la seule culture principale, on parle alors de

superficies physiques : les superficies par culture sont plutôt sous-estimées :

iii) La superficie de la parcelle est répartie entre les deux cultures suivant une proportion fixée

systématiquement à 1 pour les cultures principales et 0,5 pour les cultures secondaires : la superficie

totale cultivée est surestimée,

iv) La superficie de la parcelle est répartie équitablement entre les deux cultures, la somme de la

superficie des cultures est égale à la superficie totale cultivée,

v) Méthode des densités : cette méthode se propose de faire l’allocation de la superficie d’une parcelle

entre ses différentes cultures en utilisant pour chaque culture le rapport qu’il y a entre sa densité

en culture pure et sa densité en cultures associées. Malheureusement, dans la pratique les rapports

calculés ne se prêtent pas bien à cette allocation.

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Page 112: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

98

• Superficie en association où la culture a est une culture secondaire :

3.2.3. Le calcul des rendements à partir des données de terrainLe rendement au niveau des unités primairesLe calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a. Les parcelles à rendement sont tirées avec probabilités égalesDans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

Dans une parcelle i à rendement dont la superficie est Si, la probabilité pour un carré j de superficie Sij est :

Au total la probabilité d’un carré de rendement d’être sélectionné est :

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle (Pr odi) est :

L’application de ce coefficient revient à suivre les étapes suivantes :

Pour une estimation de la production de l’unité primaire :i. Estimer la production de chaque parcelle à rendement à l’aide du rendement des carrés qu’elle contient;ii. Déterminer la production moyenne d’une parcelle à partir de celle des parcelles à rendement;iii. Déduire la production pour l’ensemble des parcelles de l’unité primaire.

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Manueldeformationenstatistiquesagricoles Page113

et a une culture donnée, on a :

- Superficie en pure : !S1 = C yi i∑ 1́ où ʹy i1 est l’estimation de la superficie totale des parcelles de

l’unité primaire i ne portant que la culture a

- Superficie en association où la culture a est la culture principale :

!S2 = C yi i∑ 2́ où ʹy i2 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est la culture principale

- Superficie en association où la culture a est une culture secondaire :

!S3 = C yi i∑ 3́ où ʹy i3 est l’estimation de la superficie totale des parcelles de

l’unité primaire i portant une association où la culture a est une culture secondaire.

3.2.3. LecalculdesrendementsàpartirdesdonnéesdeterrainLe rendement au niveau des unités primaires Le calcul du rendement moyen est lié à la méthode de tirage utilisée pour avoir les parcelles à rendement. On relève deux méthodes pour la détermination des rendements au niveau des unités primaires (villages, zones de dénombrement ou sections d’énumération) :

a) Les parcelles à rendement sont tirées avec probabilités égales

Dans une unité primaire où on a recensé Na parcelles d’une culture « a », le tirage de n parcelles à rendement avec probabilités égales équivaut à une probabilité pi pour toutes les parcelles donnée par :

p nN

ia

= i = 1, 2, 3,....... Na

Dans une parcelle i à rendement dont la superficie est Si , la probabilité pour un carré j de superficie sij est :

p sS

ijij

i= , ou, plus généralement, si la parcelle i doit porter mi carrés de rendement

p msS

iji ij

i= .

Au total la probabilité d’un carré de rendement d’être sélectionné est :

i

iji

aijiij

Ssm

NnppP ==

Ainsi le coefficient d’extrapolation à appliquer à la production et à la superficie du carré ij pour la détermination de la production de la parcelle ( Pr odi ) est :

Manueldeformationenstatistiquesagricoles Page114

CP

Nn

Sm s

ijij

a i

i ij= =1

ijijij

mi

i

i yyCod où Pr

1

×=∑=

est la production du carré ij

Il vient alors, i

ii

Sodnd PrRe = (rendement moyen d’une culture donnée dans la parcelle i)

L’application de ce coefficient revient à suivre les étapes suivantes :

Pour une estimation de la production de l’unité primaire :

i) Estimer la production de chaque parcelle à rendement à l’aide du rendement des carrés qu’elle contient;

ii) Déterminer la production moyenne d’une parcelle à partir de celle des parcelles à rendement;

iii) Déduire la production pour l’ensemble des parcelles de l’unité primaire.

De même pour une estimation de la superficie de l’unité primaire :

i) Estimer la superficie moyenne d’une parcelle à partir de celle des parcelles à rendement,

ii) Déduire la superficie pour l’ensemble des parcelles de l’unité primaire. Le rendement de l’unité primaire est par la suite obtenu par le rapport de sa production à sa superficie.

b) Les parcelles à rendement sont tirées avec probabilités proportionnelles à la taille

La probabilité de tirage d’une parcelle i de superficie Si est alors :

pi nSiS

n= où est le nombre de parcelles à rendement à tirer dans l' unité primaire

Dans la parcelle à rendement, i la probabilité de tirage du carré de rendement sij est p sS

ijij

i=

Au total, la probabilité de sélection du carré de rendement sij est :

P nSSsS

nsS

iji ij

i

ij= =

Le coefficient d’extrapolation du carré est alors : C Sns

ijij

=

On estime alors la production Pr od et la superficie Supde l’unité primaire pour déduire son rendementRend :

ProdSnsy y s

ijji

ij ij ij= ∑∑ où est la production du carré

Page 113: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

99

De même pour une estimation de la superficie de l’unité primaire :i. Estimer la superficie moyenne d’une parcelle à partir de celle des parcelles à rendement,ii. Déduire la superficie pour l’ensemble des parcelles de l’unité primaire.

Le rendement de l’unité primaire est par la suite obtenu par le rapport de sa production à sa superficie.

b. Les parcelles à rendement sont tirées avec probabilités proportionnelles à la tailleLa probabilité de tirage d’une parcelle i de superficie Si est alors :

Le rendement moyen d’une culture de l’unité primaire est donc la moyenne arithmétique simple des rendements obtenus sur les carrés de rendement de l’unité primaire.

Le rendement de la strateÀ chaque unité du premier degré échantillon et pour chaque culture est donc rattaché un rendement moyen (pure, association, pure et association confondue), il s’agit maintenant d’en déduire un rendement moyen au niveau de la strate.

Les parcelles à rendement ne constituent pas un 3e degré de tirage du plan de sondage adopté ci-dessus. En effet, si c’était le cas, le rendement de la strate s’obtiendrait en calculant un rendement moyen à partir de ceux des villages échantillons, tous pondérés par leur poids dans l’échantillon des villages respectifs c’est-à-dire,

Manueldeformationenstatistiquesagricoles Page114

CP

Nn

Sm s

ijij

a i

i ij= =1

ijijij

mi

i

i yyCod où Pr

1

×=∑=

est la production du carré ij

Il vient alors, i

ii

Sodnd PrRe = (rendement moyen d’une culture donnée dans la parcelle i)

L’application de ce coefficient revient à suivre les étapes suivantes :

Pour une estimation de la production de l’unité primaire :

i) Estimer la production de chaque parcelle à rendement à l’aide du rendement des carrés qu’elle contient;

ii) Déterminer la production moyenne d’une parcelle à partir de celle des parcelles à rendement;

iii) Déduire la production pour l’ensemble des parcelles de l’unité primaire.

De même pour une estimation de la superficie de l’unité primaire :

i) Estimer la superficie moyenne d’une parcelle à partir de celle des parcelles à rendement,

ii) Déduire la superficie pour l’ensemble des parcelles de l’unité primaire. Le rendement de l’unité primaire est par la suite obtenu par le rapport de sa production à sa superficie.

b) Les parcelles à rendement sont tirées avec probabilités proportionnelles à la taille

La probabilité de tirage d’une parcelle i de superficie Si est alors :

pi nSiS

n= où est le nombre de parcelles à rendement à tirer dans l' unité primaire

Dans la parcelle à rendement, i la probabilité de tirage du carré de rendement sij est p sS

ijij

i=

Au total, la probabilité de sélection du carré de rendement sij est :

P nSSsS

nsS

iji ij

i

ij= =

Le coefficient d’extrapolation du carré est alors : C Sns

ijij

=

On estime alors la production Pr od et la superficie Supde l’unité primaire pour déduire son rendementRend :

ProdSnsy y s

ijji

ij ij ij= ∑∑ où est la production du carré

Manueldeformationenstatistiquesagricoles Page114

CP

Nn

Sm s

ijij

a i

i ij= =1

ijijij

mi

i

i yyCod où Pr

1

×=∑=

est la production du carré ij

Il vient alors, i

ii

Sodnd PrRe = (rendement moyen d’une culture donnée dans la parcelle i)

L’application de ce coefficient revient à suivre les étapes suivantes :

Pour une estimation de la production de l’unité primaire :

i) Estimer la production de chaque parcelle à rendement à l’aide du rendement des carrés qu’elle contient;

ii) Déterminer la production moyenne d’une parcelle à partir de celle des parcelles à rendement;

iii) Déduire la production pour l’ensemble des parcelles de l’unité primaire.

De même pour une estimation de la superficie de l’unité primaire :

i) Estimer la superficie moyenne d’une parcelle à partir de celle des parcelles à rendement,

ii) Déduire la superficie pour l’ensemble des parcelles de l’unité primaire. Le rendement de l’unité primaire est par la suite obtenu par le rapport de sa production à sa superficie.

b) Les parcelles à rendement sont tirées avec probabilités proportionnelles à la taille

La probabilité de tirage d’une parcelle i de superficie Si est alors :

pi nSiS

n= où est le nombre de parcelles à rendement à tirer dans l' unité primaire

Dans la parcelle à rendement, i la probabilité de tirage du carré de rendement sij est p sS

ijij

i=

Au total, la probabilité de sélection du carré de rendement sij est :

P nSSsS

nsS

iji ij

i

ij= =

Le coefficient d’extrapolation du carré est alors : C Sns

ijij

=

On estime alors la production Pr od et la superficie Supde l’unité primaire pour déduire son rendementRend :

ProdSnsy y s

ijji

ij ij ij= ∑∑ où est la production du carré

Manueldeformationenstatistiquesagricoles Page114

CP

Nn

Sm s

ijij

a i

i ij= =1

ijijij

mi

i

i yyCod où Pr

1

×=∑=

est la production du carré ij

Il vient alors, i

ii

Sodnd PrRe = (rendement moyen d’une culture donnée dans la parcelle i)

L’application de ce coefficient revient à suivre les étapes suivantes :

Pour une estimation de la production de l’unité primaire :

i) Estimer la production de chaque parcelle à rendement à l’aide du rendement des carrés qu’elle contient;

ii) Déterminer la production moyenne d’une parcelle à partir de celle des parcelles à rendement;

iii) Déduire la production pour l’ensemble des parcelles de l’unité primaire.

De même pour une estimation de la superficie de l’unité primaire :

i) Estimer la superficie moyenne d’une parcelle à partir de celle des parcelles à rendement,

ii) Déduire la superficie pour l’ensemble des parcelles de l’unité primaire. Le rendement de l’unité primaire est par la suite obtenu par le rapport de sa production à sa superficie.

b) Les parcelles à rendement sont tirées avec probabilités proportionnelles à la taille

La probabilité de tirage d’une parcelle i de superficie Si est alors :

pi nSiS

n= où est le nombre de parcelles à rendement à tirer dans l' unité primaire

Dans la parcelle à rendement, i la probabilité de tirage du carré de rendement sij est p sS

ijij

i=

Au total, la probabilité de sélection du carré de rendement sij est :

P nSSsS

nsS

iji ij

i

ij= =

Le coefficient d’extrapolation du carré est alors : C Sns

ijij

=

On estime alors la production Pr od et la superficie Supde l’unité primaire pour déduire son rendementRend :

ProdSnsy y s

ijji

ij ij ij= ∑∑ où est la production du carré

Manueldeformationenstatistiquesagricoles Page115

Sup Snss S

nijjiij

ji= =∑∑ ∑∑

Il vient alors Re Prnd

odSup

Snsij

y

Sn

nys

ij

ji ij

ijji

= = =∑∑

∑∑∑∑

1

Le rendement moyen d’une culture de l’unité primaire est donc la moyenne arithmétique simple des rendements obtenus sur les carrés de rendement de l’unité primaire.

Le rendement de la strate À chaque unité du premier degré échantillon et pour chaque culture est donc rattaché un rendement moyen (pure, association, pure et association confondue), il s’agit maintenant d’en déduire un rendement moyen au niveau de la strate.

Les parcelles à rendement ne constituent pas un 3e degré de tirage du plan de sondage adopté ci-dessus. En effet, si c’était le cas, le rendement de la strate s’obtiendrait en calculant un rendement moyen à partir de ceux des villages échantillons, tous pondérés par leur poids dans l’échantillon des villages respectifs c’est-à-dire,

r

PPr

PP

Pr

P

ii

i

i n

i

i

i n

i ii

i n

ii

i n= ==

=

=

==

=

=

=

∑1

1

1

1

Il y a manifestement un biais dans ce calcul dû au poidsPPi du rendement ri : le poids du

rendement d’une UP est d’autant plus important que cette UP est grande. Ainsi, dans une situation où la strate à deux UP échantillons :

- l’une de petite taille P1 où toute la population pratique une culture a et dont le rendement moyen au niveau du village est r1 ,

- l’autre très peuplé (avec une population de P2 ) où la culture a est presque inexistante, seulement, par hasard, un carré a pu être placé sur l’une des rares et petites parcelles existantes dans le village, un rendement de r2 a été observé sur ce carré.

Le rendement de la strate (d’après la formule ci-dessus) rP r P rP P

=+

+1 1 2 2

1 2

tend beaucoup plus

vers r2 que vers r1 , ce qui est incohérent et loin de la réalité.

On reste dans la même incohérence si l’on se contente d’une moyenne arithmétique simple.

Pour mieux comprendre comment calculer le rendement de la strate, il faut considérer l’enquête des parcelles à rendement comme une enquête légère à part, exécutée indépendamment dans chaque unité primaire échantillon et ayant comme objectif la détermination du rendement au niveau unité primaire. Connaissant le rendement dans chaque unité primaire échantillon, on se proposera alors d’estimer le rendement de la strate.

Manueldeformationenstatistiquesagricoles Page115

Sup Snss S

nijjiij

ji= =∑∑ ∑∑

Il vient alors Re Prnd

odSup

Snsij

y

Sn

nys

ij

ji ij

ijji

= = =∑∑

∑∑∑∑

1

Le rendement moyen d’une culture de l’unité primaire est donc la moyenne arithmétique simple des rendements obtenus sur les carrés de rendement de l’unité primaire.

Le rendement de la strate À chaque unité du premier degré échantillon et pour chaque culture est donc rattaché un rendement moyen (pure, association, pure et association confondue), il s’agit maintenant d’en déduire un rendement moyen au niveau de la strate.

Les parcelles à rendement ne constituent pas un 3e degré de tirage du plan de sondage adopté ci-dessus. En effet, si c’était le cas, le rendement de la strate s’obtiendrait en calculant un rendement moyen à partir de ceux des villages échantillons, tous pondérés par leur poids dans l’échantillon des villages respectifs c’est-à-dire,

r

PPr

PP

Pr

P

ii

i

i n

i

i

i n

i ii

i n

ii

i n= ==

=

=

==

=

=

=

∑1

1

1

1

Il y a manifestement un biais dans ce calcul dû au poidsPPi du rendement ri : le poids du

rendement d’une UP est d’autant plus important que cette UP est grande. Ainsi, dans une situation où la strate à deux UP échantillons :

- l’une de petite taille P1 où toute la population pratique une culture a et dont le rendement moyen au niveau du village est r1 ,

- l’autre très peuplé (avec une population de P2 ) où la culture a est presque inexistante, seulement, par hasard, un carré a pu être placé sur l’une des rares et petites parcelles existantes dans le village, un rendement de r2 a été observé sur ce carré.

Le rendement de la strate (d’après la formule ci-dessus) rP r P rP P

=+

+1 1 2 2

1 2

tend beaucoup plus

vers r2 que vers r1 , ce qui est incohérent et loin de la réalité.

On reste dans la même incohérence si l’on se contente d’une moyenne arithmétique simple.

Pour mieux comprendre comment calculer le rendement de la strate, il faut considérer l’enquête des parcelles à rendement comme une enquête légère à part, exécutée indépendamment dans chaque unité primaire échantillon et ayant comme objectif la détermination du rendement au niveau unité primaire. Connaissant le rendement dans chaque unité primaire échantillon, on se proposera alors d’estimer le rendement de la strate.

Page 114: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

100

Il y a manifestement un biais dans ce calcul dû au poids du rendement ri: le poids du rendement d’une UP est d’autant plus important que cette UP est grande. Ainsi, dans une situation où la strate à deux UP échantillons :• l’une de petite taille Pi où toute la population pratique une culture a et dont le rendement moyen au niveau du

village est ri,• l’autre très peuplé (avec une population de P2) où la culture a est presque inexistante, seulement, par hasard, un

carré a pu être placé sur l’une des rares et petites parcelles existantes dans le village, un rendement de r2 a été observé sur ce carré.

Le rendement de la strate (d’après la formule ci-dessus) tend beaucoup plus vers r2 que vers r1, ce qui est incohérent et loin de la réalité.

On reste dans la même incohérence si l’on se contente d’une moyenne arithmétique simple.

Pour mieux comprendre comment calculer le rendement de la strate, il faut considérer l’enquête des parcelles à rendement comme une enquête légère à part, exécutée indépendamment dans chaque unité primaire échantillon et ayant comme objectif la détermination du rendement au niveau unité primaire. Connaissant le rendement dans chaque unité primaire échantillon, on se proposera alors d’estimer le rendement de la strate.

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à la superficie Si de la strate :

Manueldeformationenstatistiquesagricoles Page116

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à

la superficie Si de la strate : rPSii

i

= . Pour une strate ayant nunités primaires échantillons, on

est donc dans une situation où on a n rendements rPSii

i

= i n= 1 2 3, , ,....., et on doit déterminer

un rendement r pour l’ensemble.

On a n

nn

n

n

nni

ii

ni

ii

SSS

SSPS

SPS

SP

SSSSPPPP

S

Pr

+⋅⋅⋅⋅⋅++

+⋅⋅⋅⋅⋅++

=+⋅⋅⋅⋅⋅⋅+++

+⋅⋅⋅⋅⋅⋅+++==

∑=

=

=

=

21

22

21

1

1

321

321

1

1

=+ + ⋅ ⋅ ⋅ ⋅ ⋅+

+ + ⋅ ⋅ ⋅ ⋅ ⋅+=∑∑

r S r S r SS S S

r SS

n n

n

i i

i

1 1 2 2

1 2

La superficie Si étant estimée par iiy

nNi où iy est la somme des superficies des exploitations

échantillon de l’unité primaire i on aboutit alors à :

1

1

i i

i ni

i ii n

ii

i i

N y rnrN yn

=

==

=

=∑

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

3.3. ProductionLa production comme produit de la superficie par le rendement : Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée : Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. Prévisiondesrécoltes

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

. Pour une strate ayant n unités primaires échantillons, on est donc dans une situation où on a n

rendements

Manueldeformationenstatistiquesagricoles Page116

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à

la superficie Si de la strate : rPSii

i

= . Pour une strate ayant nunités primaires échantillons, on

est donc dans une situation où on a n rendements rPSii

i

= i n= 1 2 3, , ,....., et on doit déterminer

un rendement r pour l’ensemble.

On a n

nn

n

n

nni

ii

ni

ii

SSS

SSPS

SPS

SP

SSSSPPPP

S

Pr

+⋅⋅⋅⋅⋅++

+⋅⋅⋅⋅⋅++

=+⋅⋅⋅⋅⋅⋅+++

+⋅⋅⋅⋅⋅⋅+++==

∑=

=

=

=

21

22

21

1

1

321

321

1

1

=+ + ⋅ ⋅ ⋅ ⋅ ⋅+

+ + ⋅ ⋅ ⋅ ⋅ ⋅+=∑∑

r S r S r SS S S

r SS

n n

n

i i

i

1 1 2 2

1 2

La superficie Si étant estimée par iiy

nNi où iy est la somme des superficies des exploitations

échantillon de l’unité primaire i on aboutit alors à :

1

1

i i

i ni

i ii n

ii

i i

N y rnrN yn

=

==

=

=∑

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

3.3. ProductionLa production comme produit de la superficie par le rendement : Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée : Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. Prévisiondesrécoltes

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

et on doit déterminer un rendement r pour l’ensemble.

La superficie Si étant estimée par

Manueldeformationenstatistiquesagricoles Page116

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à

la superficie Si de la strate : rPSii

i

= . Pour une strate ayant nunités primaires échantillons, on

est donc dans une situation où on a n rendements rPSii

i

= i n= 1 2 3, , ,....., et on doit déterminer

un rendement r pour l’ensemble.

On a n

nn

n

n

nni

ii

ni

ii

SSS

SSPS

SPS

SP

SSSSPPPP

S

Pr

+⋅⋅⋅⋅⋅++

+⋅⋅⋅⋅⋅++

=+⋅⋅⋅⋅⋅⋅+++

+⋅⋅⋅⋅⋅⋅+++==

∑=

=

=

=

21

22

21

1

1

321

321

1

1

=+ + ⋅ ⋅ ⋅ ⋅ ⋅+

+ + ⋅ ⋅ ⋅ ⋅ ⋅+=∑∑

r S r S r SS S S

r SS

n n

n

i i

i

1 1 2 2

1 2

La superficie Si étant estimée par iiy

nNi où iy est la somme des superficies des exploitations

échantillon de l’unité primaire i on aboutit alors à :

1

1

i i

i ni

i ii n

ii

i i

N y rnrN yn

=

==

=

=∑

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

3.3. ProductionLa production comme produit de la superficie par le rendement : Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée : Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. Prévisiondesrécoltes

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

où yi est la somme des superficies des exploitations échantillon de l’unité primaire i on aboutit alors à :

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

Manueldeformationenstatistiquesagricoles Page115

Sup Snss S

nijjiij

ji= =∑∑ ∑∑

Il vient alors Re Prnd

odSup

Snsij

y

Sn

nys

ij

ji ij

ijji

= = =∑∑

∑∑∑∑

1

Le rendement moyen d’une culture de l’unité primaire est donc la moyenne arithmétique simple des rendements obtenus sur les carrés de rendement de l’unité primaire.

Le rendement de la strate À chaque unité du premier degré échantillon et pour chaque culture est donc rattaché un rendement moyen (pure, association, pure et association confondue), il s’agit maintenant d’en déduire un rendement moyen au niveau de la strate.

Les parcelles à rendement ne constituent pas un 3e degré de tirage du plan de sondage adopté ci-dessus. En effet, si c’était le cas, le rendement de la strate s’obtiendrait en calculant un rendement moyen à partir de ceux des villages échantillons, tous pondérés par leur poids dans l’échantillon des villages respectifs c’est-à-dire,

r

PPr

PP

Pr

P

ii

i

i n

i

i

i n

i ii

i n

ii

i n= ==

=

=

==

=

=

=

∑1

1

1

1

Il y a manifestement un biais dans ce calcul dû au poidsPPi du rendement ri : le poids du

rendement d’une UP est d’autant plus important que cette UP est grande. Ainsi, dans une situation où la strate à deux UP échantillons :

- l’une de petite taille P1 où toute la population pratique une culture a et dont le rendement moyen au niveau du village est r1 ,

- l’autre très peuplé (avec une population de P2 ) où la culture a est presque inexistante, seulement, par hasard, un carré a pu être placé sur l’une des rares et petites parcelles existantes dans le village, un rendement de r2 a été observé sur ce carré.

Le rendement de la strate (d’après la formule ci-dessus) rP r P rP P

=+

+1 1 2 2

1 2

tend beaucoup plus

vers r2 que vers r1 , ce qui est incohérent et loin de la réalité.

On reste dans la même incohérence si l’on se contente d’une moyenne arithmétique simple.

Pour mieux comprendre comment calculer le rendement de la strate, il faut considérer l’enquête des parcelles à rendement comme une enquête légère à part, exécutée indépendamment dans chaque unité primaire échantillon et ayant comme objectif la détermination du rendement au niveau unité primaire. Connaissant le rendement dans chaque unité primaire échantillon, on se proposera alors d’estimer le rendement de la strate.

Manueldeformationenstatistiquesagricoles Page115

Sup Snss S

nijjiij

ji= =∑∑ ∑∑

Il vient alors Re Prnd

odSup

Snsij

y

Sn

nys

ij

ji ij

ijji

= = =∑∑

∑∑∑∑

1

Le rendement moyen d’une culture de l’unité primaire est donc la moyenne arithmétique simple des rendements obtenus sur les carrés de rendement de l’unité primaire.

Le rendement de la strate À chaque unité du premier degré échantillon et pour chaque culture est donc rattaché un rendement moyen (pure, association, pure et association confondue), il s’agit maintenant d’en déduire un rendement moyen au niveau de la strate.

Les parcelles à rendement ne constituent pas un 3e degré de tirage du plan de sondage adopté ci-dessus. En effet, si c’était le cas, le rendement de la strate s’obtiendrait en calculant un rendement moyen à partir de ceux des villages échantillons, tous pondérés par leur poids dans l’échantillon des villages respectifs c’est-à-dire,

r

PPr

PP

Pr

P

ii

i

i n

i

i

i n

i ii

i n

ii

i n= ==

=

=

==

=

=

=

∑1

1

1

1

Il y a manifestement un biais dans ce calcul dû au poidsPPi du rendement ri : le poids du

rendement d’une UP est d’autant plus important que cette UP est grande. Ainsi, dans une situation où la strate à deux UP échantillons :

- l’une de petite taille P1 où toute la population pratique une culture a et dont le rendement moyen au niveau du village est r1 ,

- l’autre très peuplé (avec une population de P2 ) où la culture a est presque inexistante, seulement, par hasard, un carré a pu être placé sur l’une des rares et petites parcelles existantes dans le village, un rendement de r2 a été observé sur ce carré.

Le rendement de la strate (d’après la formule ci-dessus) rP r P rP P

=+

+1 1 2 2

1 2

tend beaucoup plus

vers r2 que vers r1 , ce qui est incohérent et loin de la réalité.

On reste dans la même incohérence si l’on se contente d’une moyenne arithmétique simple.

Pour mieux comprendre comment calculer le rendement de la strate, il faut considérer l’enquête des parcelles à rendement comme une enquête légère à part, exécutée indépendamment dans chaque unité primaire échantillon et ayant comme objectif la détermination du rendement au niveau unité primaire. Connaissant le rendement dans chaque unité primaire échantillon, on se proposera alors d’estimer le rendement de la strate.

Manueldeformationenstatistiquesagricoles Page116

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à

la superficie Si de la strate : rPSii

i

= . Pour une strate ayant nunités primaires échantillons, on

est donc dans une situation où on a n rendements rPSii

i

= i n= 1 2 3, , ,....., et on doit déterminer

un rendement r pour l’ensemble.

On a n

nn

n

n

nni

ii

ni

ii

SSS

SSPS

SPS

SP

SSSSPPPP

S

Pr

+⋅⋅⋅⋅⋅++

+⋅⋅⋅⋅⋅++

=+⋅⋅⋅⋅⋅⋅+++

+⋅⋅⋅⋅⋅⋅+++==

∑=

=

=

=

21

22

21

1

1

321

321

1

1

=+ + ⋅ ⋅ ⋅ ⋅ ⋅+

+ + ⋅ ⋅ ⋅ ⋅ ⋅+=∑∑

r S r S r SS S S

r SS

n n

n

i i

i

1 1 2 2

1 2

La superficie Si étant estimée par iiy

nNi où iy est la somme des superficies des exploitations

échantillon de l’unité primaire i on aboutit alors à :

1

1

i i

i ni

i ii n

ii

i i

N y rnrN yn

=

==

=

=∑

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

3.3. ProductionLa production comme produit de la superficie par le rendement : Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée : Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. Prévisiondesrécoltes

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

Manueldeformationenstatistiquesagricoles Page116

Le rendement ri de l’unité primaire i est supposé représenter le rapport de la production Pi à

la superficie Si de la strate : rPSii

i

= . Pour une strate ayant nunités primaires échantillons, on

est donc dans une situation où on a n rendements rPSii

i

= i n= 1 2 3, , ,....., et on doit déterminer

un rendement r pour l’ensemble.

On a n

nn

n

n

nni

ii

ni

ii

SSS

SSPS

SPS

SP

SSSSPPPP

S

Pr

+⋅⋅⋅⋅⋅++

+⋅⋅⋅⋅⋅++

=+⋅⋅⋅⋅⋅⋅+++

+⋅⋅⋅⋅⋅⋅+++==

∑=

=

=

=

21

22

21

1

1

321

321

1

1

=+ + ⋅ ⋅ ⋅ ⋅ ⋅+

+ + ⋅ ⋅ ⋅ ⋅ ⋅+=∑∑

r S r S r SS S S

r SS

n n

n

i i

i

1 1 2 2

1 2

La superficie Si étant estimée par iiy

nNi où iy est la somme des superficies des exploitations

échantillon de l’unité primaire i on aboutit alors à :

1

1

i i

i ni

i ii n

ii

i i

N y rnrN yn

=

==

=

=∑

Il existe aussi des estimations par télédétection avec des résultats qu’il faut valider par les données de terrain.

3.3. ProductionLa production comme produit de la superficie par le rendement : Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée : Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. Prévisiondesrécoltes

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

Page 115: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

101

3.3. PRODUCTION

La production comme produit de la superficie par le rendement :Connaissant la superficie et le rendement d’une culture, la production de la strate s’obtient par le produit des deux grandeurs exprimées dans les compatibles. Si dans le calcul du rendement il a été tenu compte du type d’association (selon que la culture soit pure, principale ou secondaire ou selon le nombre de cultures associées), le rendement de chaque type d’association sera appliqué à la superficie correspondante. Si au contraire il n’a pas été tenu compte des types d’association, le rendement moyen obtenu sera appliqué à la superficie totale.

La production comme donnée extrapolée :Si la production est connue pour chaque exploitation, la détermination de la production de la strate se ramène à l’estimation d’un total où y représente la production. Cette méthode d’estimation n’est encore utilisée que dans les pays en développement du fait de l’impossibilité d’obtenir la production de chaque exploitation.

À partir des méthodes d’estimation de la production agricole ci-dessus décrites, on peut déduire deux types de technique de prévision de récoltes : celles utilisant les superficies cultivées et les rendements prévisionnels (prévision par les carrés de densité) et celles utilisant la déclaration du paysan (prévision par interview).

3.4. PRéVISION DES RéCOLTES

La méthode suivante qui s’applique aux céréales n’est pas adaptée aux autres cultures.

3.4.1. La prévision à partir des superficies cultivéesLe principe de cette prévision est le même que celui de l’estimation de la production définitive : Détermination d’un rendement moyen à appliquer aux différentes superficies cultivées. Tandis que le rendement pour la production définitive s’obtient à l’aide des carrés de rendement, le rendement prévisionnel s’obtient à l’aide des carrés de densité.

Les carrés de rendement utilisés pour l’estimation des rendements définitifs sont ceux qui servent aussi dans l’estimation des rendements prévisionnels, ils prennent alors le nom de carrés de densité. Ce carré de densité est dans certains cas une partie du carré de rendement dans le but de faciliter l’opération de collecte.

Rappelons que la méthode d’estimation des rendements à partir des carrés de rendement consiste à placer de manière aléatoire un carré dans un sous-échantillon ou la totalité des parcelles des exploitations échantillons afin de déterminer un rendement moyen après la récolte. Quant à la méthode d’estimation des rendements prévisionnels, elle consiste à compter le nombre d’épis potentiels existant dans les carrés de rendement avant la récolte, au moment de la prévision des récoltes.

Le calcul de la production prévisionnelle est identique à celui de la production définitive comme décrit ci-dessus, les rendements des carrés étant remplacés par leurs rendements prévisionnels.

Le rendement prévisionnel du carré est obtenu en multipliant le nombre d’épis potentiel par le poids moyen d’un épi.

Page 116: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

102

Détermination du poids moyen d’un épiLe poids moyen d’un épi est une donnée relevée sur le terrain et inscrite sur les fiches d’enquête. Pour une culture donnée, il est déterminé à partir du prélèvement aléatoire d’un échantillon d’épis de la dernière campagne dans la mesure du possible, auprès de chaque exploitation échantillon.

L’objet de la détermination du poids moyen d’un épi est de l’appliquer au nombre d’épis potentiels existant dans les carrés de densité pour déterminer le rendement prévisionnel. À cet effet, étant donné tous les facteurs qui influent sur le poids d’un épi, l’idéal serait d’appliquer au nombre d’épis les poids moyens correspondant aux épis produits dans les mêmes conditions que l’environnement du carré. C’est ainsi que dans une strate donnée, 3 cas peuvent être envisagés et pour lesquels l’application dépend de quelle appréciation on fait de la variation du poids moyen d’un épi : i. Utiliser le poids moyen des épis de l’exploitation à laquelle appartient la parcelle où le carré est placé. De la

récolte de la dernière campagne un prélèvement est alors fait auprès de toutes les exploitations où un carré de densité est placé, et on calcule le poids moyen des épis prélevés par variété de culture;

ii. Appliquer aux carrés de densité d’un même village un seul poids moyen, celui du village. Un échantillon d’épis par variété sera prélevé de la récolte de la précédente campagne auprès des exploitations échantillonnées afin de calculer le poids moyen d’un épi dans l’UP concernée.

iii. Enfin, appliquer aux épis potentiels d’une même strate le même poids moyen, celui de la strate. L’échantillon d’épis à prélever de la récolte de la précédente campagne auprès des exploitations échantillonnées pour calculer le poids moyen d’un épi dans l’UP, sera tiré au niveau de toute la strate concernée.

Détermination du rendement prévisionnelL’objet de la méthode est de faire, pour chaque carré de rendement, une prévision de sa production. Pour cela, on multiplie le nombre d’épis potentiels par le poids moyen d’un épi. Ainsi, l’écart entre la prévision et la vraie production du carré dépend de deux éléments : l’écart entre le nombre d’épis potentiels et le nombre d’épis à la récolte d’une part, d’autre part l’écart entre le poids moyen appliqué et les vrais poids des épis récoltés.i. Nombre d’épis potentiels : Ce nombre est au moins égal au nombre d’épis réellement récoltés; dans le carré de

rendement, tous les épis potentiels n’arrivent pas forcément à maturité, et cela pour diverses raisons. Toutefois, en raison de la période de collecte des données pour les prévisions (ex; septembre pour les pays sahéliens), la plupart des épis potentiels constatés doivent pouvoir arriver à maturité. Le nombre d’épis potentiels est d’autant plus proche du nombre d’épis récoltés que la période de prévision est proche de la récolte. Le respect des périodes programmées pour le comptage des épis potentiels est donc fondamental dans le principe de cette méthode de prévision;

ii. Le poids moyen par épis à appliquer aux épis du carré de densité peut engendrer de grandes divergences entre la production prévisionnelle du carré et sa production définitive. L’écart entre la production prévisionnelle et la production définitive du carré dépend des écarts entre le poids moyen des épis (à appliquer) et les poids réels des différents épis.

Page 117: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

103

3.4.2. La prévision par interviewLe fondement de la méthode repose sur la possibilité qu’a le producteur d’apprécier la production prévisionnelle de ses parcelles de céréales. Chaque producteur échantillonné déclare pour chacune des cultures céréalières sa production de la dernière campagne et sa production prévisionnelle. On déduit à partir de ces deux productions le taux d’accroissement prévisionnel de la production. Ce taux d’accroissement prévisionnel est appliqué à la production définitive de la dernière campagne obtenue par l’enquête pour avoir la production prévisionnelle. Les résultats de la dernière campagne étant fournis par division administrative ou autre (région, province, département…) on calculera les taux selon les mêmes entités. Dans l’interview du paysan pour une culture donnée on distingue deux méthodes2 de collecte :i. le cas où il est demandé au paysan la production de chacune de ses parcelles lors de la dernière campagne et

leurs productions prévisionnelles;ii. le cas où on demande au paysan sa production totale (toutes parcelles confondues) lors de la dernière campagne

et la production prévisionnelle de chaque parcelle.

Pour illustrer les deux cas de figure, pour une région (province, département) comportant m strates, adoptons les notations suivantes :y : la production prévisionnelle d’une culture donnée selon la déclaration paysanney' : la production de la dernière campagne d’une culture donnée selon la déclaration du producteur

i : numéro d’identification des strates,

Manueldeformationenstatistiquesagricoles Page119

i : numéro d’identification des strates, i m= 1 2 3, , ,.....,

ni : nombre d’unités primaires de la strate i

Yi' : la production définitive de la strate i selon l’enquête agricole

Pi : la taille de la strate i (habitants, ménages, concessions ou exploitations)

j numéro d’identification des unités primaires

Pij : la taille de l’unité primaire j de la strate i

ijm : nombre d’unités secondaires de l’unité primaire j (village, SE ou ZD) de la strate i

ijM : le nombre d’exploitations de l’unité primaire j de la strate i

k : numéro d’identification des unités secondaires (exploitation)

pk : nombre de parcelles de l’exploitation k portant la culture étudiée au cours de la présente campagne

pk' : nombre de parcelles de l’exploitation k ayant porté la culture étudiée au cours de la

campagne précédente 1er cas : L’exploitant déclare pour chaque parcelle (y compris les parcelles abandonnées), la production de la campagne précédente et la production prévisionnelle :

La production prévisionnelle de l’exploitation k de l’unité primaire (village, SE ou ZD) j de la strate i est:

y yijk ll

l pk=

=

=

∑1

, sa production de la campagne précédente est :

y yijk ll

l pk' '

'

==

=

∑1

La production prévisionnelle de strate i est :

j

mk

kijknj

j ij

ij

i

ii m

y

PM

nPy

j

i ∑∑

=

==

=

= 1

1

= ijk

ni

i

mj

jij

j

ijk

ij

ijni

i

mj

j i

i yCmy

PM

nP i ji j

∑∑∑∑=

=

=

=

=

=

=

=

=1 11 1

où Cij est le coefficient

d’extrapolation de l’unité primaire (village, SE ou ZD) j

De même, la production de la campagne précédente est :

'

1 1

'

1 1

1

'

1

'ijk

ni

i

mj

jij

ij

ijk

ij

ijni

i

mj

j i

i

ij

mk

kijknj

j ij

ij

i

ii yC

my

PM

nP

m

y

PM

nPy

i ji j

j

i

∑∑∑∑∑

∑=

=

=

=

=

=

=

=

=

==

=

===

où Cij est le coefficient d’extrapolation de la strate j .

ni : nombre d’unités primaires de la strate iyi' : la production définitive de la strate i selon l’enquête agricolePi : la taille de la strate i (habitants, ménages, concessions ou exploitations) j numéro d’identification des unités primairesPij : la taille de l’unité primaire j de la strate imij : nombre d’unités secondaires de l’unité primaire j (village, SE ou ZD) de la strate iMij : le nombre d’exploitations de l’unité primaire j de la strate ik : numéro d’identification des unités secondaires (exploitation)pk : nombre de parcelles de l’exploitation k portant la culture étudiée au cours de la présente campagnePk' : nombre de parcelles de l’exploitation k ayant porté la culture étudiée au cours de la campagne précédente

1er cas : L’exploitant déclare pour chaque parcelle (y compris les parcelles abandonnées), la production de la campagne précédente et la production prévisionnelle :La production prévisionnelle de l’exploitation k de l’unité primaire (village, SE ou ZD) j de la strate i est:

2 Chacune de ces deux méthodes présentent des inconvénients dont les effets ne sont pas négligeables : - 1ère méthode : la pratique dans la récolte, fait que souvent le paysan est beaucoup plus apte à donner sa production totale de la campagne

précédente que la production parcelle par parcelle ; - 2e méthode : en demandant au paysan la production totale de l’exploitation lors de la dernière campagne, il y a un risque qu’il ne se limite

qu’à la production des seules parcelles communes en ignorant celle des parcelles individuelles; toutefois le fondement de la prévision par l’interview étant la détermination d’un taux d’accroissement, on peut corriger la méthode en se contentant des seules parcelles communes de l’exploitation pour faire l’exercice.

Manueldeformationenstatistiquesagricoles Page119

i : numéro d’identification des strates, i m= 1 2 3, , ,.....,

ni : nombre d’unités primaires de la strate i

Yi' : la production définitive de la strate i selon l’enquête agricole

Pi : la taille de la strate i (habitants, ménages, concessions ou exploitations)

j numéro d’identification des unités primaires

Pij : la taille de l’unité primaire j de la strate i

ijm : nombre d’unités secondaires de l’unité primaire j (village, SE ou ZD) de la strate i

ijM : le nombre d’exploitations de l’unité primaire j de la strate i

k : numéro d’identification des unités secondaires (exploitation)

pk : nombre de parcelles de l’exploitation k portant la culture étudiée au cours de la présente campagne

pk' : nombre de parcelles de l’exploitation k ayant porté la culture étudiée au cours de la

campagne précédente 1er cas : L’exploitant déclare pour chaque parcelle (y compris les parcelles abandonnées), la production de la campagne précédente et la production prévisionnelle :

La production prévisionnelle de l’exploitation k de l’unité primaire (village, SE ou ZD) j de la strate i est:

y yijk ll

l pk=

=

=

∑1

, sa production de la campagne précédente est :

y yijk ll

l pk' '

'

==

=

∑1

La production prévisionnelle de strate i est :

j

mk

kijknj

j ij

ij

i

ii m

y

PM

nPy

j

i ∑∑

=

==

=

= 1

1

= ijk

ni

i

mj

jij

j

ijk

ij

ijni

i

mj

j i

i yCmy

PM

nP i ji j

∑∑∑∑=

=

=

=

=

=

=

=

=1 11 1

où Cij est le coefficient

d’extrapolation de l’unité primaire (village, SE ou ZD) j

De même, la production de la campagne précédente est :

'

1 1

'

1 1

1

'

1

'ijk

ni

i

mj

jij

ij

ijk

ij

ijni

i

mj

j i

i

ij

mk

kijknj

j ij

ij

i

ii yC

my

PM

nP

m

y

PM

nPy

i ji j

j

i

∑∑∑∑∑

∑=

=

=

=

=

=

=

=

=

==

=

===

où Cij est le coefficient d’extrapolation de la strate j .

Page 118: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

104

La production prévisionnelle de strate i est :

Le calcul du taux d’accroissement prévisionnel

Manueldeformationenstatistiquesagricoles Page120

Le calcul du taux d’accroissement prévisionnel Tyyii

i

= ' de la production de la strate i entre la

campagne précédente et la campagne s’en suit et, la production prévisionnelle de la strate sera

!Y T Yi i i= × '

2e cas : L’exploitation donne le total de sa production lors de la dernière campagne puis pour chaque parcelle exploitée, elle donne une production prévisionnelle.

Les calculs se ramènent à ceux du 1er cas, la seule différence est qu’ici les yijk ne sont pas calculés comme ci-dessus, mais donnés directement par l’exploitation.

Cette méthode a l’avantage d’être simple au niveau de la collecte des données (interview), cependant, elle est beaucoup plus apte à donner une tendance (plutôt grossière) qu’un chiffre de prévision très proche de la réalisation, surtout quand la campagne n’est pas uniforme dans son évolution par rapport à l’année de référence. En outre, l’imperfection des unités de mesure locale comme unité de mesure de poids, et le manque de précision dans la déclaration de prévision de l’exploitant font que le taux d’accroissement à appliquer à la production de la campagne précédente est souvent indicatif.

de la production de la strate i entre la campagne précédente et la campagne s’en suit et, la production prévisionnelle de la strate sera

2e cas : L’exploitation donne le total de sa production lors de la dernière campagne puis pour chaque parcelle exploitée, elle donne une production prévisionnelle.

Les calculs se ramènent à ceux du 1er cas, la seule différence est qu’ici les yijk ne sont pas calculés comme ci-dessus, mais donnés directement par l’exploitation.

Cette méthode a l’avantage d’être simple au niveau de la collecte des données (interview), cependant, elle est beaucoup plus apte à donner une tendance (plutôt grossière) qu’un chiffre de prévision très proche de la réalisation, surtout quand la campagne n’est pas uniforme dans son évolution par rapport à l’année de référence. En outre, l’imperfection des unités de mesure locale comme unité de mesure de poids, et le manque de précision dans la déclaration de prévision de l’exploitant font que le taux d’accroissement à appliquer à la production de la campagne précédente est souvent indicatif.

Manueldeformationenstatistiquesagricoles Page119

i : numéro d’identification des strates, i m= 1 2 3, , ,.....,

ni : nombre d’unités primaires de la strate i

Yi' : la production définitive de la strate i selon l’enquête agricole

Pi : la taille de la strate i (habitants, ménages, concessions ou exploitations)

j numéro d’identification des unités primaires

Pij : la taille de l’unité primaire j de la strate i

ijm : nombre d’unités secondaires de l’unité primaire j (village, SE ou ZD) de la strate i

ijM : le nombre d’exploitations de l’unité primaire j de la strate i

k : numéro d’identification des unités secondaires (exploitation)

pk : nombre de parcelles de l’exploitation k portant la culture étudiée au cours de la présente campagne

pk' : nombre de parcelles de l’exploitation k ayant porté la culture étudiée au cours de la

campagne précédente 1er cas : L’exploitant déclare pour chaque parcelle (y compris les parcelles abandonnées), la production de la campagne précédente et la production prévisionnelle :

La production prévisionnelle de l’exploitation k de l’unité primaire (village, SE ou ZD) j de la strate i est:

y yijk ll

l pk=

=

=

∑1

, sa production de la campagne précédente est :

y yijk ll

l pk' '

'

==

=

∑1

La production prévisionnelle de strate i est :

j

mk

kijknj

j ij

ij

i

ii m

y

PM

nPy

j

i ∑∑

=

==

=

= 1

1

= ijk

ni

i

mj

jij

j

ijk

ij

ijni

i

mj

j i

i yCmy

PM

nP i ji j

∑∑∑∑=

=

=

=

=

=

=

=

=1 11 1

où Cij est le coefficient

d’extrapolation de l’unité primaire (village, SE ou ZD) j

De même, la production de la campagne précédente est :

'

1 1

'

1 1

1

'

1

'ijk

ni

i

mj

jij

ij

ijk

ij

ijni

i

mj

j i

i

ij

mk

kijknj

j ij

ij

i

ii yC

my

PM

nP

m

y

PM

nPy

i ji j

j

i

∑∑∑∑∑

∑=

=

=

=

=

=

=

=

=

==

=

===

où Cij est le coefficient d’extrapolation de la strate j .

Manueldeformationenstatistiquesagricoles Page120

Le calcul du taux d’accroissement prévisionnel Tyyii

i

= ' de la production de la strate i entre la

campagne précédente et la campagne s’en suit et, la production prévisionnelle de la strate sera

!Y T Yi i i= × '

2e cas : L’exploitation donne le total de sa production lors de la dernière campagne puis pour chaque parcelle exploitée, elle donne une production prévisionnelle.

Les calculs se ramènent à ceux du 1er cas, la seule différence est qu’ici les yijk ne sont pas calculés comme ci-dessus, mais donnés directement par l’exploitation.

Cette méthode a l’avantage d’être simple au niveau de la collecte des données (interview), cependant, elle est beaucoup plus apte à donner une tendance (plutôt grossière) qu’un chiffre de prévision très proche de la réalisation, surtout quand la campagne n’est pas uniforme dans son évolution par rapport à l’année de référence. En outre, l’imperfection des unités de mesure locale comme unité de mesure de poids, et le manque de précision dans la déclaration de prévision de l’exploitant font que le taux d’accroissement à appliquer à la production de la campagne précédente est souvent indicatif.

Page 119: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

105

3.5. ANALYSE ET DIFFUSION

L’analyse et la diffusion sont des étapes cruciales dans le processus d’une enquête. Elles constituent les moyens par lesquels on s’assure que les objectifs de l’enquête ont été pleinement atteints. Elles requièrent une approche de coopération avec les utilisateurs. Il y a plusieurs productions et moyens pour les mettre à la disposition des utilisateurs.

3.5.1. Quelques techniques d’analyse Dans un pays donné, la situation socioéconomique varie généralement entre les régions et les sous-régions. C’est particulièrement le cas dans les pays en développement où le problème de la répartition équitable des rares ressources se pose largement. Dans la plupart des cas, les ressources sont réparties de manière inéquitable à l’échelle centrale, de sorte que la pauvreté est rarement uniforme.

a. Intégration recensement et enquête par sondage (estimation de petits domaines)Comme les interventions de réduction de la pauvreté menée à l’échelon local, au niveau des districts et des sous-districts par exemple, gagnent en efficacité, comprendre la pauvreté et les degrés d’inégalité dans différents endroits est une étape majeure sur la voie de la conception de programmes de développement appropriés pour améliorer la situation socioéconomique. Il faut donc disposer de données fiables sur la situation socioéconomique ou, plus précisément, sur la qualité de vie qui soient ventilées sur le plan géographique pour préparer des plans de développement et suivre les progrès accomplis. Les indicateurs ventilés par secteur géographique fournissent des informations sur la répartition géographique de la pauvreté et de l’inégalité dans un pays.

Les recensements et les enquêtes auprès des ménages sont les deux principales sources de données sur la qualité de vie. Les données des recensements concernent tous les ménages et permettent de calculer des estimations fiables selon une ventilation très fine, allant jusqu’aux villes et villages de petite taille. Toutefois, les recensements ne permettent de recueillir les informations requises sur les revenus ou la consommation pour produire des indicateurs fiables sur les niveaux de la qualité de vie et leur variation, par exemple les taux de pauvreté ou les indicateurs d’inégalité.

Les enquêtes auprès des ménages incluent souvent un volet détaillé sur les revenus ou les dépenses de consommation. Mais, comme la taille des échantillons est relativement peu élevée, les informations recueillies ne sont généralement représentatives que dans les secteurs géographiques ou de régions plus vastes du pays.

La ventilation des indicateurs de pauvreté par secteur géographique restreint est souvent appelée la « carte de la pauvreté ». La méthode la plus couramment utilisée pour cartographier la pauvreté est la technique d’estimation de zones restreintes (Ghosh et Rao, 1994; Hentschel et al., 1998; Hentschel et al., 2000; Elbers et Lanjouw, 2000 et 2003; Banque mondiale, 2000 et 2003; Rogers et al, 2006; d’autres approches en matière de cartographie de la pauvreté sont proposées par Davis, 2003; Robinson et al., 2007; Birungi et al., 2005).

La technique des zones restreintes consiste à combiner les données d’enquête par sondage et de recensement, sachant que les enquêtes auprès des ménages fournissent des indicateurs de la pauvreté (en général des indicateurs sur la qualité de vie dérivés de la consommation ou des dépenses) valables uniquement pour un échantillon de ménages, tandis que les recensements couvrent tous les ménages, mais ne permettent pas de produire des indicateurs directs de la pauvreté.

Pour appliquer cette technique, il faut disposer de données issues de deux sources au moins. La première source de données est une enquête détaillée auprès des ménages, qui comporte un indicateur de la qualité de vie, généralement

Page 120: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

106

la consommation par habitant. La deuxième source de données est un recensement national ou, à défaut, une enquête nationale à grande échelle qui cible une partie significative de la population du pays.

Le principe de base des estimations de zones restreintes est « d’emprunter la force » dans les domaines connexes au moyen d’estimateurs indirects fondés sur des modèles d’appariement implicites ou explicites, à l’aide de renseignements auxiliaires. En combinant les deux sources de données, cette technique tire parti des données détaillées dérivées des enquêtes par sondage auprès des ménages et de la couverture exhaustive des recensements (ONU-CEA-CAS )3.

N. B. Les professionnels responsables du traitement, de l’analyse et de la diffusion des données doivent être capables d’appliquer des méthodes d’estimation de zones restreintes.

b. Analyse spatialeEn statistique, l’analyse spatiale, ou statistique spatiale, englobe toutes les techniques formelles qui permettent d’étudier des entités sur la base de leurs propriétés topologiques, géométriques ou géographiques (Wikipédia; Cressie, N., 19934).

L’analyse spatiale consiste à examiner des endroits et des attributs et à étudier des relations de caractéristiques dans des données spatiales et à utiliser d’autres techniques analytiques pour répondre à une question ou produire des connaissances utiles. L’analyse spatiale crée des connaissances à partir de données spatiales ou en extrait; ce qui revient dans un sens très large à répondre à la question : « que se passe-t-il où ? ».

La statistique spatiale recouvre de nombreuses disciplines et recourt à des méthodes qui varient selon les questions spécifiques à l’étude, que ce soit faire des prévisions ou traiter les volumes importants de données que le GPS et la télédétection par satellite génèrent. Les techniques d’analyse statistique spatiale offrent entre autres avantages la possibilité de résumer des tendances spatiales complexes, car elles rendent cette complexité assimilable par l’œil et l’esprit humain; le choix d’orientations et d’interventions s’effectue donc en meilleure connaissance de cause.

L’agriculture, la géologie, les sols, l’hydrologie, l’environnement, l’écologie, l’extraction minière, l’océanographie, la foresterie, la qualité de l’air, la télédétection, l’épidémiologie et la cartographie des maladies sont autant de domaines d’application de la statistique spatiale. En agriculture, établir la corrélation entre le rendement et la topographie peut être par exemple d’une importance primordiale.

Les données spatiales ont ceci d’unique que la situation géographique est un aspect clé commun, que ce soit exactement ou approximativement, à des données de sources différentes. Les systèmes d’information géographique et la science connexe qui fait évoluer ces technologies ont un effet important sur l’analyse spatiale.

3 ONU-CEA-CAS (2011). A Handbook on Data Collection, Compilation, Analysis and Use of Disaggregated Data Including Those from Administrative Sources.

4 Cressie, N. (1993). Statistics for Spatial Data. Édition révisée. New York: Wiley.

ENCADRé 19 : ANALYSE SPATIALE

Comme l’évaluation du développement de l’agriculture est en lien avec de nombreuses questions de

répartition spatiale, les techniques d’analyse de données spatiales sont importantes pour traiter et

analyser les données agricoles.

Page 121: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

107

c. Système d’information géographique (SIG)Le SIG peut se définir comme un système conçu pour capter, enregistrer, manipuler, analyser, gérer et présenter tous les types de données géographiques

Il permet par exemple d’analyser les données sur des rendements agricoles en combinaison avec des données sur des champs ou des parcelles expérimentales. Le SIG peut être considéré comme un système qui combine la cartographie, l’analyse statistique et l’informatique. Grâce à l’augmentation de sa fiabilité, le SIG permet de traiter les grandes quantités de données obtenues par télédétection.

Les technologies de télédétection, du GPS et du SIG permettent désormais au secteur agricole d’obtenir des données rapidement et d’observer des changements cycliques. Comme les applications des technologies de télédétection, du GPS et du SIG deviennent les instruments de base pour évaluer le développement de l’agriculture, les pays sont plus enclins à adopter les méthodes du SIG. Ces méthodes sont utiles pour cartographier les rendements agricoles, les cultures, les organismes nuisibles, etc. et faire des analyses pertinentes. Le SIG permet par exemple de repérer des différences, par exemple des zones à rendement plus élevé ou plus faible.

La télédétection permet par exemple d’obtenir des informations sur l’état des cultures et des forêts. L’adhésion rapide à l’utilisation de la télédétection dans la conservation et la protection de la nature par exemple coïncide avec les nombreux rapports faisant état d’une modification des écosystèmes et d’une destruction des habitats de la faune à grande échelle. L’inquiétude suscitée par l’augmentation des conditions environnementales défavorables a amené les spécialistes et les utilisateurs de la télédétection à suivre sans tarder l’évolution technologique (Lillesand et.al. 2008).

Comme le secteur agricole est l’un de ceux qui génèrent de très grandes quantités de données spatiales dans tous les pays, les structures nationales doivent veiller à tirer pleinement parti de cette possibilité et prendre les mesures qui s’imposent afin de disposer de la capacité requise pour évaluer de façon adéquate le développement de l’agriculture.

N. B. Les professionnels chargés du traitement des données agricoles devraient être capables d’utiliser les technologies du SIG.

3.5.2. MétadonnéesDes données statistiques sans au moins certains types de métadonnées seraient pratiquement inutilisables.

On peut définir simplement les métadonnées comme toute information qui aide les utilisateurs à trouver, comprendre et utiliser les données et informations. Les métadonnées aident à juger de la qualité d’une enquête et voir si elle répond aux besoins escomptés. « Des statistiques sans métadonnées seraient comme des paquets sans étiquettes sur l’étagère d’un supermarché ».

Les métadonnées sont en quelque sorte des données à propos du contenu des données; elles décrivent un ensemble de données en fournissant des informations sur des sujets tels que la source des données, la définition des variables, les méthodes de calcul et autres aspects techniques et méthodologiques pertinents. Le manque partiel ou total de métadonnées est à l’origine de différences lors de l’analyse des résultats.

Les métadonnées couvrent les principaux éléments suivants :• Concepts et définitions;• Objectif mesuré;• La période de référence des données;• La population cible;

Page 122: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

108

• Méthode de calcul;• Sources des données de base;• Niveau pertinent de désagrégation;• Ajustements éventuels apportés aux sources statistiques et procédures d’estimation;• Insuffisances et projets d’amélioration;• Personne à contacter pour les mises à jour de l’indicateur.• Tous les documents utiles afférents à la préparation et la conduite de l’opération de collecte (manuel de

l’enquêteur, protocole de l’étude…)

Il n’y a pas de meilleure norme unique pour tous les types de métadonnées, mais DDI 5 est idéal pour les données d’enquête.

Il convient également de citer le Statistical Data and Metadata eXchange (SDMX) 6 qui est une initiative mondiale pour établir et améliorer des standards d’échange d’informations statistiques. Ce projet a démarré en 2002 avec l’appui de sept institutions 7. Il a été reconnu en 2005 comme norme ISO avec le statut de spécification technique (ISO/TS 17369). La révision de cette norme a été enregistrée en 2013. Ce standard décrit et formalise la manière d’échanger des données statistiques. Il fournit également des formats standards de données et de métadonnées, des directives de contenu, ainsi qu’une architecture IT pour l’échange des données et des métadonnées.

Pour conclure, les métadonnées sont importantes pour la diffusion à long terme et la conservation (données archivées) et l’archivage est important pour appuyer l’analyse et la recherche.

3.5.3. ArchivageL’archivage des données consiste à stocker les données à long terme. Les archives sont essentielles aux fins de référence officielle. L’organisation génératrice de données doit disposer d’un dépôt de copies officielles de toutes les informations rendues publiques, comme les archives des enregistrements des recensements et enquêtes agricoles. De plus, les archives constituent une mémoire institutionnelle, un historique systématique et fiable de l’expérience de l’organisation qui peut être consulté aux fins de planification et d’évaluation. Elles servent aussi à conserver les données en vue d’une utilisation future.

La diminution rapide du coût du traitement et du stockage des données sous forme numérique permet désormais d’archiver à peu de frais la totalité ou la quasi-totalité des informations relatives à toute opération de collecte de données, y compris les dossiers de planification, les documents opérationnels, les questionnaires, les formulaires de contrôle, les ensembles de données, les résultats finaux et les dossiers d’évaluation. Un archivage efficient passe par l’organisation du travail de production des données; il faut en effet faire en sorte que les fichiers soient nommés, indexés, protégés et sauvegardés de façon adéquate et qu’ils soient entreposés dans des archives numériques adéquates à l’issue de l’opération. Les questions suivantes méritent une attention particulière.

a. ContenuToutes les informations rendues publiques doivent être archivées. Les enregistrements individuels où figurent toutes les données issues des recensements et des enquêtes par sondage doivent être archivés avec leurs métadonnées pour les traiter.

5 The Data Documentation Initiative is an international effort to establish a standard for technical documentation describing social science data. A membership-based Alliance is developing the DDI specification, which is written in XML. (Voir http://www.ddialliance.org/ )

6 http://ec.europa.eu/eurostat/fr/web/sdmx-web-services/sdmx, 20/02/20177 Banque des règlements internationaux (BRI), la Banque centrale européenne, l’Office statistique des Communautés européennes (Eurostat),

le Fonds monétaire international (FMI), l'Organisation de coopération et de développement économiques (OCDE), l'Organisation des Nations unies (division statistiques) et la Banque mondiale.

Page 123: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

109

Étant donnée la capacité illimitée du support numérique, les principales contraintes quant au volume à archiver résident dans la capacité de l’organisation concernée à stocker les documents au fur et à mesure de leur production et à les indexer pour récupérer facilement des informations à l’avenir.

De nombreuses opérations de terrain impliquent la préparation de croquis cartographiques des régions échantillonnées ou, dans le cas d’un recensement de la population, de toutes les régions peuplées du pays. Il peut être souhaitable d’archiver ces croquis, mais ce n’est pas toujours possible. Les cartes utilisées sont toutefois de plus en plus générées par des logiciels d’information géographique. Dans ce cas, les cartes sont créées sous forme numérique, et il convient de les archiver avec les autres documents.

b. Protection et entretienLa protection des données consiste à les protéger contre la perte, la corruption et l’accès non autorisé. L’évolution rapide des technologies de l’information a créé un nouveau risque, en l’occurrence la perte d’archives stockées sur un support informatique obsolète. Les archives informatiques doivent être protégées contre ce risque par la mise en place d’un programme prévoyant régulièrement leur copie sur un nouveau support. Les technologies évoluent à un rythme tellement rapide qu’un support peut devenir obsolète en quelques années.

Les archives numériques nécessitent des supports matériels qu’il convient de protéger contre tout risque de détérioration, de perte et d’accès non autorisé, de la même façon que les archives classiques sur papier. Grâce à la facilité relative avec laquelle des données numériques peuvent être copiées et déplacées, il est possible de stocker des copies d’archives numériques dans plusieurs endroits. Les archives numériques offrent donc la possibilité de réduire les coûts d’archivage et de faciliter grandement l’accès aux données.

Toutefois, le support numérique présente en matière de sécurité des données des risques qui n’existent pas avec le support traditionnel qu’est le papier. La facilité avec laquelle les données numériques peuvent être transformées crée des risques d’altération, de corruption par mégarde, voire de perte totale à cause de suppressions commises par inadvertance, autant de risques qui n’existent pas avec les supports traditionnels. Des mesures existent pour réduire ces risques et les rendre négligeables, mais il est essentiel de les comprendre et de les prendre.

c. Stocker les données en toute sécurité Il est important de s’attacher à la façon dont les données seront gérées. Lors du choix du type de diffusion des données, il convient de réfléchir à des questions de sécurité et de respect de la vie privée.

Si des informations personnelles ont été recueillies à propos d’individus lors de la collecte des données – par exemple des informations sur leur âge, leur sexe ou leur adresse qui pourraient être utilisées pour les identifier – elles doivent être stockées en lieu sûr. S’agissant des listes de données sur papier, les informations susceptibles de permettre une identification doivent être mises sous clés lorsqu’elles ne sont pas utilisées et leur accès doit être limité à un nombre restreint de personnes. S’agissant des données stockées sur ordinateur, les mesures à prendre en matière de sécurité consistent entre autres à créer des comptes utilisateur individuels protégés par mot de passe et à paramétrer l’arrêt automatique de l’écran ou de la connexion (ONU-CEA-CAS 8).

8 ONU-CEA-CAS (2011). A Handbook on Data Collection, Compilation, Analysis and Use of Disaggregated Data Including Those from Administrative Sources.

Page 124: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

110

3.5.4. Base de données et CountryStatComme les enquêtes et les recensements agricoles génèrent un grand nombre de données, il faut généralement créer une base de données —un ensemble structuré de données dont l’organisation facilite et accélère le stockage et la récupération de données.

De nombreux outils ont été développés à l’initiative des institutions internationales, afin d’encourager les pays à mettre les données disponibles à la disposition des utilisateurs. Les principaux outils vulgarisés au cours des 2 dernières décennies sont :• 2gLDB, de la Banque mondiale;• DevInfo, élaboré par l’UNICEF en collaboration avec le système des Nations unies;• CountrySTAT, de la FAO;• StatBase, base de données statistiques de la CEA;• CensusInfo, développé par la Division de statistique des Nations unies, en partenariat avec l’UNICEF et le

FNUAP;• IMIS-Redatam, développé par la CEPAL (Commission économique de l’Organisation des Nations-Unies pour

l’Amérique latine);• NADA (NAtional Data Archive), diffusé par IHSN, le réseau international des enquêtes auprès des ménages,

avec le soutien opérationnel de la Banque Mondiale, PARIS21 et l’OCDE;• Data Portal, proposé par la BAD.

Par exemple, le Cameroun, le Gabon, la Mauritanie, le Niger et le Sénégal ont adopté certains de ces outils pour faciliter la diffusion de leurs données et métadonnées et en assurer un accès facile aux utilisateurs.

La FAO fait la promotion CountrySTAT. Avec cette plateforme, la FAO vise à harmoniser les données provenant de sources différentes selon des normes internationales et, dans le même temps, à garantir la qualité, la fiabilité et la comparabilité des données (FAO, 20139).

CountrySTAT est un système d’information sur Internet qui rassemble des statistiques alimentaires et agricoles au niveau national et sous-régional et qui permet aux décideurs d’accéder aux statistiques à travers des domaines thématiques tels que la production, les prix, le commerce et la consommation. La FAO a conclu des partenariats avec des bureaux centraux de statistique et les Ministères responsables de l’agriculture, de la pêche et des forêts afin d’installer le système et de renforcer les capacités nationales pour l’utiliser. Se référer au lien ci-après pour accéder au site : http://www.fao.org/economic/ess/ess-capacity/countrystathome/fr/

Lors de la création d’une base de données, il y a lieu d’examiner la question de la sécurité des données, l’essentiel étant de fournir des données fiables et exactes tout en empêchant la divulgation d’informations personnelles sur les individus interrogés.

Au cours de l’étape de production, les données qui ont été traitées et transformées en informations utiles sont présentées sous forme de tableaux dans les formats prévus de tabulation ou de rapport. Les métadonnées qui décrivent les données et fournissent des informations indispensables à leur sujet pour interpréter les données et les utiliser à bon escient doivent être incluses dans la base de données.

9 FAO (2013). Manuel statistique de référence sur la dissémination des données sur le système CountrySTAT. Révision 3. Disponible à l’adresse suivante: www.fao.org.fileadmin/templates/ess/documents/Statistical_Reference_Manual_2013.pdf.

Page 125: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

111

3.5.5. Sécurisation des données - Systèmes de diffusionParmi les méthodes de gestion des mécanismes de diffusion des données, citons les publications (rapports, résumés, brochures, etc.) en version imprimée ou électronique, les sites Web et les ateliers.

Les responsables de l’analyse des données agricoles doivent être au fait : • des méthodes de gestion de bases de données;• des questions de sécurité des données;• des mécanismes existants de diffusion des informations agricoles.

Le système de gestion des données remplit trois fonctions :Le système de gestion des données remplit trois fonctions : i) l’accès aux statistiques officielles à des fins de diffusion; ii) le stockage et extraction des résultats des enquêtes et; iii) l’accès aux données de l’exploitation, du ménage et des données géo-référencées pour des travaux de recherche.

Le système de gestion des données doit englober les différentes sources de données qui sont nécessaires pour la préparation des comptes disponibilité/ utilisation, des bilans alimentaires et des différents comptes économiques et environnementaux et de toutes les statistiques dérivées. Ce système permet également d’intégrer les statistiques agricoles dans le système statistique national.

Page 126: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

112

Page 127: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

113113

Module 4 : Cadres analytiques et statistiques dérivées

4.1. COMPTES éCONOMIQUES DE L’AGRICULTURE ET COMPTES éCONOMIQUES DE L’ENVIRONNEMENT

4.1.1. Comptes économiques de l’agriculture

Description sommaire des comptes économiques de l’agricultureLa production du secteur agricole est constituée de la somme de la production des produits agricoles et des biens et services produits dans le cadre des activités secondaires non agricoles. Les activités agricoles présentent une particularité par rapport à celles des autres secteurs d’activité. La production en agriculture se réalise dans le cadre d’un processus (processus de production) qui prend généralement du temps (production en cours qui peut chevaucher sur deux années successives) avant d’aboutir au produit fini. Pour produire, les exploitations agricoles utilisent des intrants (consommation intermédiaire), de la main-d’œuvre (travail), des équipements (investissement). Les exploitants agricoles peuvent aussi utiliser dans leur production des actifs non produits (notamment la location des terres et le recours à des emprunts) appartenant à des unités tierces. En contrepartie de cette utilisation, ils procèdent aux paiements des loyers et des intérêts.

OBjECTIFS PéDAGOGIQUES DU MODULE

Il s’agira de passer en revue les cadres analytiques et statistiques dérivées suivants :

• Comptes économiques de l’agriculture et comptes économiques de l’environnement;

• Les Statistiques des coûts de production;

• Les pertes post-récoltes;

• Prix agricoles et indices des prix;

• Sécurité alimentaire et bilans alimentaires.

4

Page 128: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

114

Ce processus est décrit par une séquence de comptes (compte de production et compte exploitation). Pour construire ces comptes, il faut évaluer la production et les consommations intermédiaires en utilisant des méthodes appropriées au secteur (compte de production). Les activités de production créent de la valeur pour vivre et investir. Cette valeur est décomposée selon les facteurs de production dans le compte d’exploitation.

Il est important de disposer d’outils et d’instruments pour suivre, analyser et évaluer l’économie agricole dans son ensemble et en relation avec le reste des secteurs (fournisseurs d’intrants agricoles ou utilisateurs de produits agricoles en l’état ou transformés). En l’occurrence, le compte économique de l’agriculture (CEA) est une statistique de synthèse. Il utilise les règles d’enregistrement et de comptabilisation des comptes nationaux tout en offrant la flexibilité nécessaire pour son adaptation à différents contextes des agricultures nationales.

En raison de la spécificité du secteur agricole, les CEA préconisent également la construction du compte du revenu de l’entreprise (exploitant agricole), prenant en compte le revenu d’exploitation et les revenus de la propriété, et du compte de capital. Dans le cadre de ce dernier compte, sont mesurés les investissements qui sont constitués essentiellement de la formation brute de capital et des transferts en capital.

Pour soutenir les activités de production et assurer la sécurité alimentaire des citoyens, l’État peut subventionner des produits, des intrants, certaines activités, ou des investissements.

Les comptes économiques de l’agriculture (CEA) :• offrent réellement un cadre intégré pour décrire le fonctionnement économique du secteur;• permettent également d’organiser et de structurer les données statistiques du secteur agricole selon des normes

et des règles standards élaborées par les Nations Unies pour produire des indicateurs permettant d’analyser et d’évaluer les performances économiques du secteur et ses relations avec le reste de l’économie à travers les comptes préconisés par le système de comptabilité nationale (SCN) en vigueur;

• permettent aux statisticiens d’acquérir l’intérêt de la cohérence d’ensemble des données statistiques et la complémentarité des sources d’informations. Ainsi les méthodes et les activités statistiques gagnent à être intégrées.

Les CEA visent à décrire les opérations économiques dérivant de la mise en œuvre d’une activité agricole, c’est-à-dire le processus de production agricole et le revenu primaire qui en découle. Il n’a donc pas pour but d’analyser l’ensemble du revenu des unités engagées dans une production agricole (notamment des ménages agricoles), dans la mesure où ces unités peuvent avoir d’autres formes de revenus ou de charges que celles décrites dans les comptes de l’agriculture. Ils mesurent la production totale de l’activité agricole, qui comprend :• les ventes (y compris les échanges de biens et services agricoles entre unités agricoles);• la variation des stocks;• la production pour l’autoconsommation ou la formation brute de capital fixe pour compte propre;• les biens produits pour être ensuite transformés par d’autres producteurs agricoles; et • les consommations de produits d’alimentation animale.

Les méthodes d’élaboration des CEA se réfèrent au système en vigueur dans le cadre des directives des Nations Unies (SCN 2008). Pour élaborer les CEA, il y a lieu : i) d’aborder la notion de production et des unités économiques en agriculture; ii) décrire le processus de production, les investissements, les modes d’enregistrement et d’évaluation ainsi que la dimension statistique de l’élaboration des comptes économiques (sources statistiques...).

Page 129: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

115

Les sources statistiques des CEALa production : L’évaluation de la production de la branche agriculture est effectuée pour la quasi-totalité des produits à l’aide de statistiques sur les quantités et les prix. La seule exception notable concerne la production de services agricoles pour laquelle on dispose de données en valeur.

Les consommations intermédiaires : Il s’agit des consommations d’engrais et amendements, de produits de protection des cultures, de produits pétroliers, de dépenses vétérinaires, d’entretien du matériel, d’entretien des bâtiments et des autres biens et services (à l’exception des services d’assurance). Par ailleurs, les achats de semences par les unités agricoles sont évalués en quantité et en valeur ainsi que les consommations d’aliments pour animaux.

Les subventions : Les données relatives aux subventions (subventions sur les produits et subventions d’exploitation) proviennent de sources administratives.

Les autres postes des comptes d’exploitation et des revenus sont :• Le niveau des salaires;• Les montants d’impôts fonciers;• Les intérêts versés par les unités de la branche agriculture;• Les charges locatives nettes.

La formation brute de capital fixe en produits non agricoles comprend :• L’évaluation de la formation brute de capital fixe (FBCF) en matériels et en bâtiments de la branche agriculture;• Les coûts de transferts de propriété.

Un module spécifique sur les comptes économiques de l’agriculture devra détailler les éléments suivants :1. Concepts et éléments de base pour l’élaboration du compte économique de l’agriculture (CEA);2. Unité de base, notion de production en agriculture;3. Évaluation de la production et système de prix préconisé;4. Composition et évaluation de la consommation intermédiaire de la branche d’activité agricole;5. Détermination des postes du compte d’exploitation et traitement des subventions dans le CEA;6. Composition et évaluation de la formation brute du capital (FBCF) de la branche d’activité agricole;7. Le compte du revenu d’entreprise et le compte de capital;8. Valeurs, volumes, prix et mesure de la croissance économique en agriculture;9. Sources et données statistiques utilisées dans la confection des CEA.

4.1.2. Comptes économiques de l’environnementLes comptes de l’environnement et des ressources présentent des statistiques détaillées décrivant :• la taille des stocks en ressources naturelles et sa contribution à la richesse nationale;• l’extraction de ces ressources et leur répartition entre les entreprises, les ménages, les gouvernements et le reste

du monde;• la production de divers déchets (liquides, solides et gazeux) par les industries, les ménages et les administrations

publiques, ainsi que la gestion de ces déchets;• les dépenses des entreprises, des ménages et des administrations publiques à des fins de protection de

l’environnement.

Ces comptes sont, dans la mesure du possible, compatibles avec le Système des comptes économiques nationaux. Ils répondent à la nécessité de suivre de près la relation entre l’activité économique et l’environnement. Ils analysent

Page 130: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

116

le lien entre l’environnement et l’économie en organisant les données relatives à l’environnement d’une manière qui soit cohérente avec les principes comptables de la comptabilité nationale.

Les comptes économiques de l’environnement peuvent être utilisés, entre autres pour :• recenser les activités les plus polluantes ou celles qui épuisent le plus les ressources naturelles;• déterminer le rôle des pouvoirs publics et des ménages;• évaluer les dépenses liées à la protection de l’environnement et déterminer qui devra les assumer;• apprécier l’importance de l’économie environnementale dans l’ensemble de l’économie;• déterminer l’ampleur de la production et de la consommation de ressources naturelles et d’énergie.

4.2. COûTS DE PRODUCTION1

4.2.1. Utilisation et importance des statistiques des coûts de productionL’utilisation des statistiques des coûts de production se situe à plusieurs niveaux :

• Au niveau des gouvernements, les coûts de production sont utilisés :�� comme base d’analyse économique;�� comme base de politiques efficaces;�� pour l’allocation efficace des ressources;�� pour de meilleurs programmes de ciblage des agriculteurs.

• Au niveau des opérateurs économiques, ils permettent :�� des marchés plus efficaces;�� de meilleures décisions par les agriculteurs (utilisation d’intrants, spécialisation des produits de base, etc.);�� de meilleures décisions par les producteurs d’intrants.

Quelques exemples d’utilisations du coût des statistiques de production :• Taxation : Le Maroc a introduit une taxe sur les activités agricoles. les statistiques sur les coûts de production

sont essentielles pour fixer les taux d’imposition, les estimations des effets de distribution (gagnants, perdants) et les coûts et avantages (pour la trésorerie et l’économie);

• Régimes de soutien des prix : L’Inde utilise les estimations annuelles des coûts de production comme base pour définir le niveau du mécanisme de soutien aux prix des différentes cultures;

• Subventions : Les estimations des coûts de production sont l’une des principales sources d’information pour l’établissement des subventions directes de l’Union européenne (UE) au sein de la politique agricole commune;

• Indice de la productivité totale des facteurs (IPTF) : L’UE a commencé à compiler un indice IPTF comme

1 Handbook on Agricultural Cost of Production Statistics, Global Strategy (August 2014)

ENCADRé 20 : MéTHODOLOGIE DES COMPTES DE L’ENVIRONNEMENT

La méthodologie appliquée pour les comptes de l’environnement est fondée sur le système des comptes

économiques intégrés de l’environnement (SEEA 2012), publié par les Nations unies, la Commission

européenne, le Fonds monétaire international, l’OCDE et la Banque mondiale.

Les comptes européens de l’environnement incluent six modules, à savoir : i) les comptes des émissions

atmosphériques; ii) les taxes environnementales; iii) les comptes des flux de matières; iv) les comptes

relatifs à l’énergie; v) les dépenses de protection de l’environnement; vi) le secteur des biens et services

environnementaux.

Page 131: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

117

l’un des principaux indicateurs pour évaluer la nouvelle politique agricole commune (PAC). Les données sur la consommation et les coûts des intrants intermédiaires sont essentiels pour un tel indicateur.

Pour accroître la pertinence aux différents acteurs, différentes dimensions des coûts de production et de la rentabilité des exploitations devraient être présentées. Le Tableau 7 illustre la façon dont les coûts de production peuvent être divisés en composantes et dimensions utiles pour répondre à certains de ces besoins.

TABLEAU 7 : DIMENSIONS ET COMPOSANTES DES COûTS DE PRODUCTION

Coût total = Coûts variables + Coûts fixes

Coûts monétaires Coût du capital

Semences, fertilisantsDépréciation et coût d’opportunité du capital sur machines, bâtiments et

équipementsTravail salarié

Machines

Coûts non monétaires

Coût de l’exploitation

Coûts fixes non alloués

Taxes, permis, de l’exploitation

Travail familial Coût de la terre

Animaux et machines Location et taxes sur la terre

Combiné aux informations sur les rendements et la production, une série d’indicateurs peuvent être définis et compilés pour mesurer la rentabilité de l’exploitation, dans ses différentes dimensions.

L’estimation du coût de chacune des principales activités agricoles nécessite des données détaillées sur les utilisations d’intrants et les coûts, par activité. Ces coefficients techniques peuvent, à leur tour, être utilisés pour construire des matrices d’entrée-sortie, qui constituent un puissant outil d’analyse pour mieux comprendre les liens entre les différentes activités agricoles et entre les activités agricoles et le reste de l’économie.

Le type d’indicateurs des coûts de production et les outputs qui peuvent être produits dépendent d’une série de facteurs, tels que ses utilisations prévues et les publics cibles. La méthode utilisée de collecte des données, ainsi que la qualité sous-jacente et le niveau de détail disponible à partir de données au niveau des exploitations agricoles façonnent aussi le cadre analytique. Par exemple, les données tirées des enquêtes agricoles représentatives peuvent être utilisées pour calculer des moyennes régionales ou nationales.

4.2.2. Unités utiliséesL’unité dans laquelle les produits et les indicateurs seront présentés dépend d’abord du type d’activité agricole. L’unité de normalisation devrait également avoir un sens du point de vue économique, être compatible avec l’unité utilisée pour valoriser la production, et être facilement compréhensible et utilisable par les agriculteurs, les analystes et les autres acteurs intéressés par l’économie agricole. Par exemple, les unités habituelles (nombre de sacs d’un certain poids ou volume, etc.) peuvent être choisies en plus d’autres mesures si c’est l’unité généralement utilisée sur les marchés. Exemples :

Superficie des terresCette unité est utilisée pour les activités culturales. La superficie ensemencée récoltée par région ou la superficie

Page 132: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

118

totale des terres peuvent être choisies, selon le contexte de chaque pays. Les coûts qui peuvent être exprimés par hectare sont susceptibles d’être plus stables à court terme comme les technologies et les techniques de production varient moins d’une année à l’autre plus que les rendements des cultures qui sont affectés par les conditions de croissance et des événements météorologiques.

Quantités produitesCelles-ci peuvent être utilisées aussi bien pour les activités culturales que pour l’élevage. Alors que la normalisation par les unités sur la terre reflète mieux les différences relatives aux technologies de production, les coûts exprimés sur une quantité produite fournissent une mesure plus directe de la rentabilité de l’exploitation. Exemples : maïs (sac de 50 kg), bétails (nombre de têtes, poids d’une bête), lait (coût de 100 litres de lait frais), œufs (coût de production de 500 œufs), etc.

Valeurs de productionExprimés dans cette unité, les coûts fournissent une indication directe sur la rentabilité et la compétitivité relative des exploitations agricoles. Ce ratio mesure la part des coûts en revenus bruts. Cet indicateur doit être compatible avec l’unité choisie pour les quantités produites.

4.2.3. IndicateursPrincipaux indicateurs• Total des coûts par ha= [coûts monétaires + coûts non monétaires + coût de la terre + coûts d’investissement

(amortissement et coût d’opportunité du capital) + frais généraux agricole] / Superficie totale des terres en ha;• Rendement net par Tonne de la production= [Valeur de la production - Coûts totaux] / Production totale (en

Tonnes);• Prix par unité de production= Total des coûts / production totale.

Indicateurs supplémentaires • Utilisation de l’énergie par hectare= [carburant & lubrifiants utilisés + utilisation de l’électricité] / Surface du

terrain;• Utilisation d’engrais par hectare = [utilisation d’engrais] / zone de terrain;• Utilisation de pesticides par hectare = [utilisation des pesticides] / Surface du terrain;• Pression environnementale = Indice [utilisation x facteur d’émission] / Surface du terrain;• Productivité = [Valeur de la production] / utilisation d’entrée;• Productivité totale des facteurs de croissance = [Variation de la valeur de la production - Variation de la valeur

des intrants].

Page 133: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

119

4.3. PERTES POST-RéCOLTES

Les pertes post-récoltes comprennent l’ensemble des pertes de produits agricoles, essentiellement alimentaires, le long de la chaîne de valeur agricole depuis la production dans les champs jusqu’à la distribution du produit final. Les pertes post-récoles peuvent être constatées à tous les niveaux de la chaîne de production. Cette chaîne de production comprend entre autre (lorsque ces étapes sont applicables) la récolte elle-même, l’empilement, le battage, le nettoyage/vannage, le séchage, le stockage, la transformation, le conditionnement, le transport et la commercialisation.

TABLEAU 8 : LES COMPOSANTES DE LA CHAîNE DE PRODUCTION POUR L’ESTIMATION DES PERTES POST-RéCOLTES

Récolte Stockage

Empilement Transport

Battage Transformation

Nettoyage/vannage Conditionnement

Séchage Commercialisation

Par ailleurs, il est important de faire la différence entre les pertes post-récoltes et les gaspillages. En effet, le premier renvoie à tout ce qui n’est pas intentionnel de la part des acteurs de la chaîne de production et le deuxième est lié aux pertes enregistrées de façon intentionnelle par les acteurs. Par exemple, les pertes enregistrées au niveau de la consommation des ménages sont le plus considérées comme gaspillage puisqu’ils ont le contrôle de la quantité d’aliments dont ils ont besoin. Cependant, les pertes subies par un agriculteur lors d’une activité de vannage sont considérées comme post-récoltes du fait que celles-ci ne soient pas intentionnelles.

FIGURE 5 : CHAîNE DE PRODUCTION AGRICOLE

Les pertes de produits agricoles sont un problème important dans la chaîne post-récolte. Elles peuvent être causées par différents facteurs, allant des conditions de culture jusqu’à la manutention au niveau du détail. Non seulement les pertes sont clairement un gaspillage de nourriture, mais elles représentent également une perte parallèle d’effort humain, d’intrants agricoles, de moyens de subsistance, d’investissements et de ressources rares comme l’eau.

Page 134: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

120

4.3.1. Types de pertes post-récolteLes chaines alimentaires des produits végétaux ont été divisées en cinq niveaux correspondant aux différents types de pertes et gaspillages alimentaires et pour lesquels des estimations ont été faites (FAO, 2012). Il convient de distinguer :• Les pertes de production agricole sont dues à des dégâts mécaniques et/ou à des rejets durant les opérations

de récolte (par exemple battage ou cueillette des fruits), tri après récolte, etc.• Les pertes liées aux opérations après récolte et stockage sont dues aux rejets et aux détériorations durant

les opérations de manipulation, de stockage et de transport entre le lieu d’exploitation agricole et les lieux de distribution.

• Les pertes liées à la transformation sont dues aux rejets et aux détériorations durant les opérations de transformation industrielle et domestique comme, par exemple, la production de jus, la mise en boite et la panification. Des pertes peuvent être générées quand des produits des récoltes sont rejetés parce qu’impropres aux opérations de transformation, ou bien pendant les opérations de lavage, d’épluchage, de découpage ou de cuisson ou encore suite à des interruptions dans les opérations de transformation ou en cas de rejets accidentels.

• Les pertes et gaspillages liés à la distribution sont constatés au stade de la commercialisation des produits comme, par exemple, les marchés de gros, les supermarchés, les commerçants/détaillants et les marchés de produits frais.

• Les pertes et gaspillages liés à la consommation sont constatés au stade de la consommation par les ménages.

4.3.2. Méthodes d’estimation des pertes post-récoltesLes pertes post-récoltes peuvent être mesurées suivant des enquêtes probabilistes, des études de cas ou à partir d’équations ou de modèles linéaires multivariés.

Les enquêtes probabilistesIl s’agit de tirer un échantillon représentatif de la population étudiée et d’administrer des questionnaires pour recueillir des informations sur les pertes post-récoltes. Dans ce cas, deux approches peuvent être utilisées: l’approche objective et l’approche déclarative. L’approche objective consiste à utiliser des outils scientifiques pour estimer les pertes post-récoltes. Les mesures physiques font partie de la catégorie des approches objectives; elles consistent à reproduire les pratiques agricoles de l’agriculteur (comme elles sont pratiquées par l’agriculteur) sur toutes les opérations de la chaîne de production et de mesurer les pertes à chaque étape. Une autre méthode dans la catégorie des approches objectives est l’utilisation des échelles visuelles. Elle consiste à présenter à l’agriculteur des images contenant différents stade de détérioration d’un produit agricole afin que celui-ci choisissent l’image qui correspond le plus à son cas.

L’approche subjective consiste à demander directement à l’agriculteur les pertes qu’il a enregistré au niveau des différentes étapes de la chaîne de production. Elle est caractérisée de subjective parce que l’agriculteur donne une évaluation en fonction de ses perceptions et non à partie de la mesure des pertes.

Les études de cas ou essais de terrainLes essais de terrain sont aussi utilisés pour mesurer les pertes post-récoles. Des essais de simulation de stockage peuvent être effectués dans des stations de recherche avec un haut degré de contrôle sur les conditions de l’expérience.

Equation ou modèles linéaires multivariésDes modèles linéaires multivariés peuvent être utilisés pour estimer les pertes post-récoltes. Ces modèles peuvent considérer diverses variables (température, humidité, attaques d’insectes etc.) de nature différentes (quantitative et/ou qualitative). Les interactions entre les différentes variables sont quelques fois prises en compte.

Page 135: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

121

D’autres organisations comme APHLIS (African Postharvest Losses Information System) ont développées des algorithmes pour mesurer des pertes post-récoltes à travers des données disponibles envoyés par différents acteurs. Cependant, il est difficile très d’assurer la qualité des estimations en termes statistiques au moyen de calcul de variance ou de biais.

4.3.3. Ampleur et estimation des pertesLes estimations précises de l’ampleur des pertes et gaspillages alimentaires sont encore insuffisantes, en particulier dans les pays en développement. Néanmoins, il ne fait aucun doute que les niveaux de pertes et du gaspillage de nourriture restent beaucoup trop élevés (FAO, 2012).

Des études récentes commanditées par la FAO ont estimé la quantité des pertes et gaspillages alimentaires annuels au niveau mondial à environ 30 % par an pour les céréales; 40-50% pour les tubercules et les fruits et légumes; 20 % pour les oléagineux, la viande et les produits laitiers et 30 % pour les poissons. Dans le monde, environ un tiers de la part comestible des aliments destinés à la consommation humaine est perdue ou gaspillée, équivalant à environ 1,3 milliard de tonnes par an en moyenne. Les denrées sont gaspillées tout au long de la chaine alimentaire, de la production initiale à la consommation finale par les ménages.

La FAO et ses partenaires de recherche et de développement investissent dans la constitution de bases de données sur les pertes post récolte dans les pays du Sud.

D’une manière générale, les estimations sont faites pour les denrées alimentaires de base notamment les céréales, beaucoup moins pour les denrées périssables (comme les fruits et légumes, racines et tubercules) pourtant sujettes de grandes pertes et encore moins pour les produits animaux (poissons, lait, viande).

4.3.4. Facteurs influençant les pertesa. Les facteurs internesCe sont les facteurs de pertes survenant à tous les stades de la chaine d’approvisionnement alimentaire, de la récolte, à la manutention, le stockage, la transformation et la commercialisation. Les principaux sont :• La récolte : la période favorable à la récolte est déterminée par le degré de maturité des cultures et les conditions

météorologiques. Les principales causes des pertes au stade de la récolte comprennent :�� L’absence d’un indice de maturité établi pour certains produits;�� Les mauvaises conditions météorologiques qui affectent les opérations de récolte ;�� L’emploi de méthodes de récolte inappropriées.

• Le transport : les principaux défis du transport dans la chaine d’approvisionnement sont liés à l’insuffisance des infrastructures (routes, ponts, etc.), l’absence de systèmes de transport appropriés et l’absence de transport réfrigéré.

• Le stockage : l’installation des infrastructures, l’hygiène et le suivi doivent être suffisants pour assurer un stockage efficace dans le temps. Pour les infrastructures fermées (greniers, entrepôts, silos hermétiques, silos), le contrôle de la propreté, la température et l’humidité est déterminants. Il est également très important de gérer les dommages causés par les ravageurs (insectes, rongeurs) et les moisissures qui peuvent conduire à une détérioration des installations (par exemple les acariens dans des poteaux en bois) et entrainer aussi bien des pertes de qualité nutritive et de valeur.

• La transformation primaire : les causes des pertes post-récoltes à cette phase incluent la disponibilité limitée de variétés adaptées à la transformation, l’absence de technologies appropriées de transformation, l’inadéquation de nouvelles techniques de commercialisation, l’absence d’infrastructures de base, l’inadéquation des équipements et des infrastructures, et la faible promotion des produits transformés.

Page 136: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

122

b. Les facteurs externesIl s’agit de facteurs qui interviennent hors de la chaine d’approvisionnement alimentaire. Ces facteurs peuvent être regroupés en deux catégories principales : les facteurs environnementaux et socioéconomiques.• Les facteurs biologiques, microbiologiques et chimiques

�� Les causes biologiques des pertes, fortement dépendantes des facteurs environnementaux, sont liées entre autres, au rythme de transpiration des produits, de l’action et de la production d’éthylène, du rythme de changement de composition du produit (associé avec la couleur, la texture, la saveur et la valeur nutritive), des dommages mécaniques, du déséquilibre physiologiques, etc.

�� Les micro-organismes sont également à l’origine des pertes post-récoltes. Les substances toxiques élaborées par les moisissures (connus sous le nom de mycotoxines) causent des pertes alimentaires en termes de qualité et de valeur nutritive.

�� Les facteurs chimiques sont liés à la présence naturelle de constituants chimiques dans les denrées alimentaires stockées, qui peuvent réagirent spontanément et provoquer des pertes de couleur, de saveur, de texture et de valeur nutritionnelle. Une telle réaction est connue sous le nom de «Relation de Maillard» qui provoque le brunissement et la décoloration de certains fruits secs et d’autres produits. Certains produits chimiques comme les pesticides peuvent être également à l’origine de certaines pertes.

• Les facteurs environnementaux : Les conditions climatiques, notamment le vent, l’humidité, les précipitations, et la température influencent la quantité et la qualité de la récolte;

• Les facteurs socioéconomiques : Les facteurs socioéconomiques sont liés notamment à l’urbanisation qui entraine une forte demande en produits alimentaires dans les centres urbains; ce qui nécessite que les chaines d’approvisionnement alimentaire soient plus efficaces et plus soutenues;

• Les autres facteurs sont liés à l’importation des produits qui peuvent introduire de nouvelles espèces de ravageurs et constituer un véritable problème socioéconomique important (Bocal 2001 in ACF, 2014).

4.3.5. Les conséquences des pertes post-récoltesa. Conséquences socio-économiquesAu niveau socio-économique, les pertes et gaspillages alimentaires ont des répercussions sur la réduction de la pauvreté et de la faim, sur la nutrition, sur la génération de revenus et sur la croissance économique. Selon la FAO (2012), les pertes alimentaires sont révélatrices du dysfonctionnement et du mauvais rendement des filières alimentaires et elles constituent, par conséquent, une perte économique pour les opérateurs intervenant dans ces filières. Les filières alimentaires sont aujourd’hui de plus en plus mondialisées. Certaines denrées alimentaires sont produites, transformées et consommées dans de nombreuses régions du monde. De ce fait, la commercialisation sur les marchés internationaux et le gaspillage dans certaines régions du monde de denrées alimentaires peuvent avoir des conséquences sur la disponibilité et le prix d’autres denrées.

Les pertes de nourriture contribuent à l’augmentation des prix des produits alimentaires, car une partie de l’offre mondiale est retirée du marché. Pour la FAO (2012), les pertes élevées dues à une mauvaise gestion et à un manque d’infrastructure adaptée ont réduit les bénéfices économiques potentiellement permis par des rendements accrus, en particulier pour les petits agriculteurs, dont la plupart sont des femmes.

Page 137: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

123

b. Conséquences sur la sécurité alimentaire et nutritionnelleLes conséquences des pertes post-récoltes sur la sécurité alimentaire et nutritionnelle sont liées à une diminution de la quantité de nourriture disponible pour le producteur. Ce qui augmente la situation d’insécurité alimentaire. Pour l’USAID (2013), les pertes post-récoltes affectent la sécurité alimentaire d’un pays à travers la disponibilité, le niveau des prix et la qualité de la denrée, ainsi que son niveau de malnutrition et de pauvreté. Il estime qu’environ un tiers de la nourriture produite dans le monde est perdue.

D’autre part, les pertes qualitatives peuvent entrainer une baisse des propriétés nutritives. Les denrées alimentaires de qualité médiocre peuvent, à leur tour, entrainer des effets malsains et négatifs sur la santé, le bien-être et la productivité du consommateur.

c. Conséquences environnementales et climatiquesLes pertes alimentaires participent à la dégradation environnementale et au changement climatique, puisque des ressources précieuses en eau, terres, main-d’œuvre ou des engrais et du carburant sont utilisées pour produire, transformer et transporter davantage de nourriture afin de compenser la nourriture perdue (FAO, 2012).

L’énergie, la biodiversité, les gaz à effet de serre, l’eau, les terres et toutes les autres ressources impliquées dans la production de denrées alimentaires que personne ne consomme font que les pertes et gaspillages alimentaires ont un impact négatif sur l’environnement.

ENCADRé 21 : éQUIVALENT DES PERTES POST-RéCOLTE

L’USAID dans son rapport de juillet 2013, « Réduire les pertes post-récoltes pour sauver des vies », estime

que la valeur monétaire de la nourriture perdue au niveau mondial dépasse les 14 milliards de dollars par

an, soit l’équivalent des besoins alimentaires annuels minimaux d’au moins 48 millions de personnes.

Alors que seulement 5 % des dépenses en recherche agricole sont dédiées à l’étude des pertes

post-récoltes.

Page 138: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

124

4.4. PRIX DES PRODUITS AGRICOLES ET INDICES DES PRIX

4.4.1. Les différents types de prixUne filière comprend théoriquement cinq catégories d’agents économiques, dont l’activité dépend du nombre d’agents présents par catégorie (Figure 6). Il existe tout au long de la filière une succession de prix. Les agriculteurs, par exemple, vendent un produit brut (courbe d’offre) et les consommateurs achètent un produit transformé (courbe de demande). Les intermédiaires dans la filière assurent la jonction entre les producteurs et les consommateurs en acceptant, pour un bénéfice couvrant leur temps de travail, leur capital et les risques encourus, de payer le prix à la production et de transporter, stocker, transformer le produit pour le vendre au consommateur au moment, au lieu et sous la forme désirée.

FIGURE 6 : COMPOSITION D’UNE FILIèRE.

D’après Colman et Young (1989, p. 187).

À chaque niveau de la filière correspond un prix différent suite à sa transformation (valeur ajoutée) et/ou aux coûts de transport, de stockage, etc. On distingue :• le prix au producteur entre le producteur et le négociant (ou prix à sur l’exploitation si la vente directe est

possible);• le prix de gros entre le négociant et le transformateur ou le grossiste;• le prix de gros entre le transformateur ou grossiste et le détaillant;• le prix au détail entre le détaillant et le consommateur.

4.4.2. Indices des prixUn indice est un instrument statistique généralement utilisé pour décrire dans le temps ou dans l’espace2 l’évolution d’une grandeur économique. Il peut être élémentaire ou synthétique.

2 L’on peut suivre aussi cette grandeur selon d’autres critères tels que les catégories socioprofessionnelles, les secteurs d’activité, etc.

Page 139: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

125

a. Indice élémentaireConsidérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à

Manueldeformationenstatistiquesagricoles Page140

a. Indice élémentaire Considérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à :GHIJK/HIJL =M,MNH,NO= 1,15

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté PHIJK/HIJL = GHIJK/HIJL ∗ 100 =

M,MNH,NO∗ 100 = 115%.

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

Tableau : évolution des prix et quantités demandées des riz et de maïs

Année 2015 2016 2017

Produit vivriers

Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2 140 1,15 200 1,9 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants : NB : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

- Indice-prix du riz de 2016 par rapport à 2017 : PRSRT(U:) = M,MN

H,NO∗ 100 = 115% (PR pour

prix du riz)

- Indice-prix du Maïs de 2017 par rapport à 2015 : P(UV)JK/JO =J,NH∗ 100 = 95%. Soit une

baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté

Manueldeformationenstatistiquesagricoles Page140

a. Indice élémentaire Considérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à :GHIJK/HIJL =M,MNH,NO= 1,15

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté PHIJK/HIJL = GHIJK/HIJL ∗ 100 =

M,MNH,NO∗ 100 = 115%.

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

Tableau : évolution des prix et quantités demandées des riz et de maïs

Année 2015 2016 2017

Produit vivriers

Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2 140 1,15 200 1,9 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants : NB : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

- Indice-prix du riz de 2016 par rapport à 2017 : PRSRT(U:) = M,MN

H,NO∗ 100 = 115% (PR pour

prix du riz)

- Indice-prix du Maïs de 2017 par rapport à 2015 : P(UV)JK/JO =J,NH∗ 100 = 95%. Soit une

baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

TABLEAU : éVOLUTION DES PRIX ET QUANTITéS DEMANDéES DES RIz ET DE MAïS

Année 2015 2016 2017

Produit vivriers Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2,0 140 1,15 200 1,90 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants :N.B. : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

• Indice-prix du riz de 2016 par rapport à 2017

Manueldeformationenstatistiquesagricoles Page140

a. Indice élémentaire Considérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à :GHIJK/HIJL =M,MNH,NO= 1,15

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté PHIJK/HIJL = GHIJK/HIJL ∗ 100 =

M,MNH,NO∗ 100 = 115%.

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

Tableau : évolution des prix et quantités demandées des riz et de maïs

Année 2015 2016 2017

Produit vivriers

Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2 140 1,15 200 1,9 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants : NB : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

- Indice-prix du riz de 2016 par rapport à 2017 : PRSRT(U:) = M,MN

H,NO∗ 100 = 115% (PR pour

prix du riz)

- Indice-prix du Maïs de 2017 par rapport à 2015 : P(UV)JK/JO =J,NH∗ 100 = 95%. Soit une

baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

(PR pour prix du riz)

• Indice-prix du Maïs de 2017 par rapport à 2015

Manueldeformationenstatistiquesagricoles Page140

a. Indice élémentaire Considérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à :GHIJK/HIJL =M,MNH,NO= 1,15

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté PHIJK/HIJL = GHIJK/HIJL ∗ 100 =

M,MNH,NO∗ 100 = 115%.

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

Tableau : évolution des prix et quantités demandées des riz et de maïs

Année 2015 2016 2017

Produit vivriers

Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2 140 1,15 200 1,9 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants : NB : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

- Indice-prix du riz de 2016 par rapport à 2017 : PRSRT(U:) = M,MN

H,NO∗ 100 = 115% (PR pour

prix du riz)

- Indice-prix du Maïs de 2017 par rapport à 2015 : P(UV)JK/JO =J,NH∗ 100 = 95%. Soit une

baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

Soit une baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

Manueldeformationenstatistiquesagricoles Page140

a. Indice élémentaire Considérons l’évolution temporelle d’une grandeur G, soient, G0, G1, G2,……, Gt, ...... , les valeurs de G aux dates successives : 0, 1, 2, ……, t,….

On appelle indice élémentaire de la grandeur G à la date t par rapport à la date 0, le rapport :

La date 0 est appelée année de base, année de référence. C’est la date de comparaison. La date t, la date qui lui est comparée est appelée année courante. L’indice élémentaire mesure les variations relatives d’une grandeur entre deux périodes.

Tel que défini, l’indice élémentaire est un nombre sans dimension qui permet de comparer l’évolution de cette grandeur dans le temps (ou dans l’espace).

Exemple 1 : l’indice élémentaire des prix du riz entre 2017 (année courante) et 2016 (année de base). Le prix moyen d’un kilogramme de riz dans votre pays est passé de 2,95 USD en 2016 à 3,39 USD en moyenne en 2017.

Quelle est la variation du prix du riz sur cette période ?

Cela correspond à :GHIJK/HIJL =M,MNH,NO= 1,15

Par ailleurs, l’indice élémentaire est le plus souvent exprimé en pourcentage. Dans ce cas, il est noté PHIJK/HIJL = GHIJK/HIJL ∗ 100 =

M,MNH,NO∗ 100 = 115%.

Ce résultat traduit à une augmentation du prix du riz de 15% entre 2016 et 2017

Exemple 2 : le Ministre de l’agriculture de votre pays voudrait connaitre l’évolution des grandeurs (prix, quantités) figurant dans le tableau ci-après :

Tableau : évolution des prix et quantités demandées des riz et de maïs

Année 2015 2016 2017

Produit vivriers

Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2 140 1,15 200 1,9 230

Source : Données fictives

A partir de ce tableau, il est possible de calculer les indices élémentaires suivants : NB : pour simplifier l’écriture, 2017 sera assimilé à 17, de même que pour les autres années.

- Indice-prix du riz de 2016 par rapport à 2017 : PRSRT(U:) = M,MN

H,NO∗ 100 = 115% (PR pour

prix du riz)

- Indice-prix du Maïs de 2017 par rapport à 2015 : P(UV)JK/JO =J,NH∗ 100 = 95%. Soit une

baisse de 5% (=100-95) du prix du maïs entre 2015 et 2017. (PM pour prix du maïs)

Page 140: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

126

• Indice-quantité des Maïs de 2016 par rapport à 2015 :

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : I(PM)17/15).

i. Propriétés d’un indice élémentaireCircularité :

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire).Réversibilité :

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps.Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

Enchaînement

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variationOn appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes :

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Manueldeformationenstatistiquesagricoles Page141

- Indice-quantité des Maïs de 2016 par rapport à 2015 : P(WV)JL/JO =HIIJXI∗ 100 = 143%.

Soit une augmentation de 43% de la demande de maïs entre 2015 et 2016.

Interprétation : La grandeur pour laquelle l’on calcul l’indice s’apprécie par rapport à la période de base si l’indice est supérieur à 100. Elle se déprécie dans le cas contraire (ex. : P(UV)JK/JO).

i. Propriétés d’un indice élémentaire

Circularité : C’est une propriété fondamentale qui permet de comparer non seulement les dates 0 et t, mais aussi 0 et t’ (une date intermédiaire). Réversibilité :

Cette propriété est intéressante surtout lorsqu’on se réfère à un autre critère autre que le temps. Exemple : L’indice prix du maïs entre la capitale économique et une autre ville du pays. Supposons que l’indice prix du maïs dans la capitale économique (CE) par rapport à une autre ville (AV) du pays soit :

P(UV)?Y/#Z = 105% Dans ce cas, l’indice prix de ladite ville par rapport à la capitale économique est :

P(UV)#Z/?Y =10000P UV ?Y

#Z

= 95%

Enchaînement :

L’on obtient ainsi l’indice de la date t par rapport à la date 0 en faisant le produit des indices intermédiaires d’une date par rapport à la date précédente.

ii. Taux de variation

On appelle taux de variation de la grandeur X sur la période t1-t2 la valeur.

[\]\R^ =

^\]^\R− 1 ∗ 100 = P\]

\R^ − 1

On peut calculer le taux moyen sur p-périodes

Taux moyen de variation sur p-périodes : [ = ([ `a`abR

^ + 1)c"dJ

e -1

b. Indice synthétique

Considérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs

éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général

Page 141: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

127

b. Indice synthétiqueConsidérons une grandeur complexe G, c'est-à-dire une grandeur constituée de plusieurs éléments G i ou par exemple plusieurs produits agricoles. C’est l’exemple du niveau général des prix de détail des produits agricoles : les constituants sont les prix des différents produits agricoles sur le marché de détail. Il est possible de calculer les indices élémentaires de chaque constituant. Par ailleurs, pour comprendre la dynamique conjointe de l’évolution des prix des différents produits, l’interprétation des indices élémentaires n’a que peu d’utilité et rendra l’exercice plus complexe. Il devient donc utile de se référer aux indices synthétiques : ce type d’indice permet de capter en un seul indicateur l’évolution conjointe des agrégats du même type (le prix des différents produits agricoles par exemple).

i. De la notion de valeur globale à la construction d’indice synthétiqueEn économie l’on s’intéresse essentiellement aux variations des prix, ou des quantités ou encore de la valeur (produit du prix et de la quantité) d’une grandeur entre deux dates ou deux espaces. Ainsi, trois types indices sont mesurables : indice des prix, des quantités, des valeurs globales. Économiquement l’indice des valeurs globales est moins significatif que les deux autres dans la mesure où son évolution dépend de celle des prix et de celle des quantités, sans que l’on puisse différencier la contribution du prix ou de la quantité dans l’évolution globale observée. L’indice simple de valeur s’exprime sous la forme :

Remarque : Si cette valeur augmente entre 0 et t l’on ne sait à quelle variable (prix ou quantité) attribuer cette variation. Ainsi l’on peut considérer artificiellement soit les quantités fixes soit les prix fixes pendant que l’autre variable évolue. Cela revient au calcul d’un indice prix ou quantité d’un panier de bien. Trois indices synthétiques les plus couramment utilisés sont proposés dans la littérature. Ces indices synthétiques sont présentés dans la sous-section ci-dessous.

ii. Indices de Laspeyres, de Paasche et FisherSoit à la date 0,

Manueldeformationenstatistiquesagricoles Page142

des prix de détail des produits agricoles : les constituants sont les prix des différents produits

agricoles sur le marché de détail. Il est possible de calculer les indices élémentaires de chaque

constituant. Par ailleurs, pour comprendre la dynamique conjointe de l’évolution des prix des

différents produits, l’interprétation des indices élémentaires n’a que peu d’utilité et rendra

l’exercice plus complexe. Il devient donc utile de se référer aux indices synthétiques : ce type

d’indice permet de capter en un seul indicateur l’évolution conjointe des agrégats du même type

(le prix des différents produits agricoles par exemple).

i. De la notion de valeur globale à la construction d’indice synthétique

En économie l’on s’intéresse essentiellement aux variations des prix, ou des quantités ou encore

de la valeur (produit du prix et de la quantité) d’une grandeur entre deux dates ou deux espaces.

Ainsi, trois types indices sont mesurables : indice des prix, des quantités, des valeurs globales.

Économiquement l’indice des valeurs globales est moins significatif que les deux autres dans

la mesure où son évolution dépend de celle des prix et de celle des quantités, sans que l’on

puisse différencier la contribution du prix ou de la quantité dans l’évolution globale observée.

L’indice simple de valeur s’exprime sous la forme :

Remarque : Si cette valeur augmente entre 0 et t l’on ne sait à quelle variable (prix ou quantité)

attribuer cette variation. Ainsi l’on peut considérer artificiellement soit les quantités fixes soit

les prix fixes pendant que l’autre variable évolue. Cela revient au calcul d’un indice prix ou

quantité d’un panier de bien. Trois indices synthétiques les plus couramment utilisés sont

proposés dans la littérature. Ces indices synthétiques sont présentés dans la sous-section ci-

dessous.

ii. Indices de Laspeyres, de Paasche et Fisher

Soit à la date 0, l’importance relative du constituant i dans la grandeur complexe G et la quantité analogue à la date t. Les indices proposés par les économistes Laspeyres et Paasche sont des moyennes des indices élémentaires, pondérées par les coefficients f" .

l’importance relative du constituant i dans la grandeur complexe G et la quantité analogue à la date t. Les indices proposés par les économistes Laspeyres et Paasche sont des moyennes des indices élémentaires, pondérées par les coefficients

Manueldeformationenstatistiquesagricoles Page142

des prix de détail des produits agricoles : les constituants sont les prix des différents produits

agricoles sur le marché de détail. Il est possible de calculer les indices élémentaires de chaque

constituant. Par ailleurs, pour comprendre la dynamique conjointe de l’évolution des prix des

différents produits, l’interprétation des indices élémentaires n’a que peu d’utilité et rendra

l’exercice plus complexe. Il devient donc utile de se référer aux indices synthétiques : ce type

d’indice permet de capter en un seul indicateur l’évolution conjointe des agrégats du même type

(le prix des différents produits agricoles par exemple).

i. De la notion de valeur globale à la construction d’indice synthétique

En économie l’on s’intéresse essentiellement aux variations des prix, ou des quantités ou encore

de la valeur (produit du prix et de la quantité) d’une grandeur entre deux dates ou deux espaces.

Ainsi, trois types indices sont mesurables : indice des prix, des quantités, des valeurs globales.

Économiquement l’indice des valeurs globales est moins significatif que les deux autres dans

la mesure où son évolution dépend de celle des prix et de celle des quantités, sans que l’on

puisse différencier la contribution du prix ou de la quantité dans l’évolution globale observée.

L’indice simple de valeur s’exprime sous la forme :

Remarque : Si cette valeur augmente entre 0 et t l’on ne sait à quelle variable (prix ou quantité)

attribuer cette variation. Ainsi l’on peut considérer artificiellement soit les quantités fixes soit

les prix fixes pendant que l’autre variable évolue. Cela revient au calcul d’un indice prix ou

quantité d’un panier de bien. Trois indices synthétiques les plus couramment utilisés sont

proposés dans la littérature. Ces indices synthétiques sont présentés dans la sous-section ci-

dessous.

ii. Indices de Laspeyres, de Paasche et Fisher

Soit à la date 0, l’importance relative du constituant i dans la grandeur complexe G et la quantité analogue à la date t. Les indices proposés par les économistes Laspeyres et Paasche sont des moyennes des indices élémentaires, pondérées par les coefficients f" .

.

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

est aussi appelé coefficient budgétaire.

a) Indice synthétique de LaspeyresAinsi, l’indice de Laspeyres de G, noté

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

, est la moyenne arithmétique des indices élémentaires, pondérée par les coefficients de la date de référence

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

:

L’indice de Laspeyres est le plus utilisé.

Manueldeformationenstatistiquesagricoles Page142

des prix de détail des produits agricoles : les constituants sont les prix des différents produits

agricoles sur le marché de détail. Il est possible de calculer les indices élémentaires de chaque

constituant. Par ailleurs, pour comprendre la dynamique conjointe de l’évolution des prix des

différents produits, l’interprétation des indices élémentaires n’a que peu d’utilité et rendra

l’exercice plus complexe. Il devient donc utile de se référer aux indices synthétiques : ce type

d’indice permet de capter en un seul indicateur l’évolution conjointe des agrégats du même type

(le prix des différents produits agricoles par exemple).

i. De la notion de valeur globale à la construction d’indice synthétique

En économie l’on s’intéresse essentiellement aux variations des prix, ou des quantités ou encore

de la valeur (produit du prix et de la quantité) d’une grandeur entre deux dates ou deux espaces.

Ainsi, trois types indices sont mesurables : indice des prix, des quantités, des valeurs globales.

Économiquement l’indice des valeurs globales est moins significatif que les deux autres dans

la mesure où son évolution dépend de celle des prix et de celle des quantités, sans que l’on

puisse différencier la contribution du prix ou de la quantité dans l’évolution globale observée.

L’indice simple de valeur s’exprime sous la forme :

Remarque : Si cette valeur augmente entre 0 et t l’on ne sait à quelle variable (prix ou quantité)

attribuer cette variation. Ainsi l’on peut considérer artificiellement soit les quantités fixes soit

les prix fixes pendant que l’autre variable évolue. Cela revient au calcul d’un indice prix ou

quantité d’un panier de bien. Trois indices synthétiques les plus couramment utilisés sont

proposés dans la littérature. Ces indices synthétiques sont présentés dans la sous-section ci-

dessous.

ii. Indices de Laspeyres, de Paasche et Fisher

Soit à la date 0, l’importance relative du constituant i dans la grandeur complexe G et la quantité analogue à la date t. Les indices proposés par les économistes Laspeyres et Paasche sont des moyennes des indices élémentaires, pondérées par les coefficients f" .

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

Page 142: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

128

b) L’indice synthétique de PaascheL’indice de Paasche de G, noté

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

, est la moyenne harmonique des indices élémentaires, pondérée par les coefficients de l’année courante

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires.L’indice de Fisher de G, noté

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

, est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

PropriétésCircularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible

c. Agrégation des constituantsL’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants.

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

. En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens.

Il en est de même pour l’indice de Paasche.

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

L’indice de Fisher ne possède pas cette propriété d’agrégation.

Ces indices mesurent l’évolution de la quantité à prix fixé.

i. Indices de quantitéOn appelle indice de valeurs, la quantité :

Cet indice mesure le double effet prix-quantité :

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

Manueldeformationenstatistiquesagricoles Page143

Considérons un panier de K biens. Le poids relatif à la période « 0 » du bien « i » se met sous la forme :

fI" =gha∗ih

a

ghj∗ih

jkjlR

est aussi appelé coefficient budgétaire.

a) Indice synthétique de Laspeyres

Ainsi, l’indice de Laspeyres de G, noté m`hn , est la moyenne arithmétique des indices

élémentaires, pondérée par les coefficients de la date de référence fI" :

m\In = fI" ∗

n\"

nI"

o

pdJ

∗ 100

L’indice de Laspeyres est le plus utilisé.

b) L’indice synthétique de Paasche L’indice de Paasche de G, noté U`

hn , est la moyenne harmonique des indices élémentaires,

pondérée par les coefficients de l’année courante :

U\In =

f\"

P\I(n)

o

pdJ

∗ 100 = fI" ∗nI"

n\"

o

pdJ

∗ 100

On privilégie dans cet indice l’année courante. L’indice de Paasche est peu utilisé car son calcul exige de mettre constamment à jour les coefficients budgétaires. L’indice de Fisher de G, noté , est la moyenne géométrique simple des indices de Laspeyres et de Paasche :

Propriétés Circularité : Aucun des trois indices ne possède la propriété de circularité. Réversibilité : Aucun des deux indices de Laspeyres et de Paasche ne possède la propriété de réversibilité. L’indice de Fisher est réversible.

c. Agrégation des constituants L’indice de Laspeyres d’ensemble est égal à l’indice de Laspeyres des indices de Laspeyres de chaque groupe de constituants. . En d’autres termes, si l’on dispose d’un panier de produits agricoles, comprenant des céréales (maïs, riz, mil…), des tubercules et des protéines animales, l’indice de Lapeyres de l’ensemble peut s’exprimer sous cette forme : c’est la moyenne arithmétique des indices de Laspeyres des différentes groupes (céréales, tubercules et protéine animale), pondérée par les poids relatifs de chaque groupe dans le panier de biens. Il en est de même pour l’indice de Paasche.

L’indice de Fisher ne possède pas cette propriété d’agrégation.

i. Indices de quantité

On appelle indice quantité de Laspeyres, de Paasche et de Fischer ; les quantités :

Manueldeformationenstatistiquesagricoles Page144

m\IW =

UIp ∗ W\

popdJ

UIp ∗ WI

popdJ

∗ 100

U\IW =

U\p ∗ W\

popdJ

U\p ∗ WI

popdJ

∗ 100

q\IW = m\

IW ∗ U\

I(W)

Ces indices mesurent l’évolution de la quantité à prix fixé.

ii. Indices de valeurs On appelle indice de valeurs, la quantité :

P\I(r) =

U\p ∗ W\

popdJ

UIp ∗ WI

popdJ

Cet indice mesure le double effet prix-quantité : P\Ir = m\

IW ∗ U\

IU

P`hr = m`

hU ∗ U`

hW

Exemple : Tableau : évolution des prix et quantités demandées de riz et de maïs.

Année 2015 2016 2017 Produit vivriers

Prix (USD) Quantité Prix

(USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270 Maïs 2 140 1,15 200 1,9 230

Source : Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

mJKJLU =

3,39 ∗ 140 + 1,9 ∗ 2002,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 132,9%

mJKJLW =

2,95 ∗ 270 + 1,15 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 165%

UJKJLU =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 270 + 1,15 ∗ 230

∗ 100 = 127,4%

UJKJLW =

3,39 ∗ 270 + 1,9 ∗ 2303,39 ∗ 140 + 1,9 ∗ 200

∗ 100 = 158%

qJKJLU = mJK

JLU ∗ UJK

JLU = 130%

qJKJLW = mJK

JLW ∗ UJK

JLW = 161,5%

PJKJLr =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 210,3%

Manueldeformationenstatistiquesagricoles Page144

m\IW =

UIp ∗ W\

popdJ

UIp ∗ WI

popdJ

∗ 100

U\IW =

U\p ∗ W\

popdJ

U\p ∗ WI

popdJ

∗ 100

q\IW = m\

IW ∗ U\

I(W)

Ces indices mesurent l’évolution de la quantité à prix fixé.

ii. Indices de valeurs On appelle indice de valeurs, la quantité :

P\I(r) =

U\p ∗ W\

popdJ

UIp ∗ WI

popdJ

Cet indice mesure le double effet prix-quantité : P\Ir = m\

IW ∗ U\

IU

P`hr = m`

hU ∗ U`

hW

Exemple : Tableau : évolution des prix et quantités demandées de riz et de maïs.

Année 2015 2016 2017 Produit vivriers

Prix (USD) Quantité Prix

(USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270 Maïs 2 140 1,15 200 1,9 230

Source : Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

mJKJLU =

3,39 ∗ 140 + 1,9 ∗ 2002,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 132,9%

mJKJLW =

2,95 ∗ 270 + 1,15 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 165%

UJKJLU =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 270 + 1,15 ∗ 230

∗ 100 = 127,4%

UJKJLW =

3,39 ∗ 270 + 1,9 ∗ 2303,39 ∗ 140 + 1,9 ∗ 200

∗ 100 = 158%

qJKJLU = mJK

JLU ∗ UJK

JLU = 130%

qJKJLW = mJK

JLW ∗ UJK

JLW = 161,5%

PJKJLr =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 210,3%

Manueldeformationenstatistiquesagricoles Page144

m\IW =

UIp ∗ W\

popdJ

UIp ∗ WI

popdJ

∗ 100

U\IW =

U\p ∗ W\

popdJ

U\p ∗ WI

popdJ

∗ 100

q\IW = m\

IW ∗ U\

I(W)

Ces indices mesurent l’évolution de la quantité à prix fixé.

ii. Indices de valeurs On appelle indice de valeurs, la quantité :

P\I(r) =

U\p ∗ W\

popdJ

UIp ∗ WI

popdJ

Cet indice mesure le double effet prix-quantité : P\Ir = m\

IW ∗ U\

IU

P`hr = m`

hU ∗ U`

hW

Exemple : Tableau : évolution des prix et quantités demandées de riz et de maïs.

Année 2015 2016 2017 Produit vivriers

Prix (USD) Quantité Prix

(USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270 Maïs 2 140 1,15 200 1,9 230

Source : Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

mJKJLU =

3,39 ∗ 140 + 1,9 ∗ 2002,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 132,9%

mJKJLW =

2,95 ∗ 270 + 1,15 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 165%

UJKJLU =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 270 + 1,15 ∗ 230

∗ 100 = 127,4%

UJKJLW =

3,39 ∗ 270 + 1,9 ∗ 2303,39 ∗ 140 + 1,9 ∗ 200

∗ 100 = 158%

qJKJLU = mJK

JLU ∗ UJK

JLU = 130%

qJKJLW = mJK

JLW ∗ UJK

JLW = 161,5%

PJKJLr =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 210,3%

Manueldeformationenstatistiquesagricoles Page144

m\IW =

UIp ∗ W\

popdJ

UIp ∗ WI

popdJ

∗ 100

U\IW =

U\p ∗ W\

popdJ

U\p ∗ WI

popdJ

∗ 100

q\IW = m\

IW ∗ U\

I(W)

Ces indices mesurent l’évolution de la quantité à prix fixé.

ii. Indices de valeurs On appelle indice de valeurs, la quantité :

P\I(r) =

U\p ∗ W\

popdJ

UIp ∗ WI

popdJ

Cet indice mesure le double effet prix-quantité : P\Ir = m\

IW ∗ U\

IU

P`hr = m`

hU ∗ U`

hW

Exemple : Tableau : évolution des prix et quantités demandées de riz et de maïs.

Année 2015 2016 2017 Produit vivriers

Prix (USD) Quantité Prix

(USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270 Maïs 2 140 1,15 200 1,9 230

Source : Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

mJKJLU =

3,39 ∗ 140 + 1,9 ∗ 2002,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 132,9%

mJKJLW =

2,95 ∗ 270 + 1,15 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 165%

UJKJLU =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 270 + 1,15 ∗ 230

∗ 100 = 127,4%

UJKJLW =

3,39 ∗ 270 + 1,9 ∗ 2303,39 ∗ 140 + 1,9 ∗ 200

∗ 100 = 158%

qJKJLU = mJK

JLU ∗ UJK

JLU = 130%

qJKJLW = mJK

JLW ∗ UJK

JLW = 161,5%

PJKJLr =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 210,3%

Page 143: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

129

Exemple :

TABLEAU : éVOLUTION DES PRIX ET QUANTITéS DEMANDéES DE RIz ET DE MAïS.

Année 2015 2016 2017

Produit vivriers Prix (USD) Quantité Prix (USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270

Maïs 2,0 140 1,15 200 1,90 230Source :Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

Remarque :1. L’indice de Laspeyres surévalue une hausse. En effet les consommateurs ont tendances à acheter moins de

bien de prix élevé et d’avantage de bien de prix bas (loi de l’offre et de la demande pour les biens élastiques, théorie micro économique). Or la formule de Laspeyres (pour les prix) suppose que la structure du panier des biens n’a pas changée, malgré le choc sur les prix.

2. L’indice de Paasche à tendance à sous-évaluer une hausse.3. L’indice des valeurs peut encore s’écrire :

Manueldeformationenstatistiquesagricoles Page145

Remarque :

1. L’indice de Laspeyres surévalue une hausse. En effet les consommateurs ont tendances à acheter moins de bien de prix élevé et d’avantage de bien de prix bas (loi de l’offre et de la demande pour les biens élastiques, théorie micro économique). Or la formule de Laspeyres (pour les prix) suppose que la structure du panier des biens n’a pas changée, malgré le choc sur les prix.

2. L’indice de Paasche à tendance à sous-évaluer une hausse. 3. L’indice des valeurs peut encore s’écrire : P`

hr = q`

hW ∗ q`

hU

4. L’indice de Fisher est compris entre l’indice de Paasche et l’indice de Laspeyres. On a : P<F<L.

d. Choix des critères de construction

i. Le choix des composantes d’un indice synthétique

Il est recommandé de choisir les constituants les plus représentatifs parmi tous les éléments susceptibles de faire partie de la grandeur complexe. Par exemple, pour le calcul de l’indice des prix à la consommation (IPC), l’on retient un échantillon de biens de consommation de première nécessité qu’on appelle parfois, panier de la ménagère. C’est un vaste échantillon de produits de consommation courante, mis à jour chaque année, correspondant à plus de 10% de l’ensemble de la consommation des ménages. En règle générale, le choix du nombre de composantes est le résultat d’un arbitrage entre les possibilités techniques et financières d’observation et le gain marginal de précision obtenu. Le nombre de composantes à retenir est donc dépendant du but que l’on se fixe dans la construction d’un indice particulier.

Une autre préoccupation à prendre en compte est la pondération des différentes composantes de l’indice.

ii. Le choix de la base

Dans le cadre spatial, la base porte sur un ensemble territorial géographiquement délimité. L’on peut être parfois conduit à soustraire les grandes agglomérations afin d’éviter les biais dans le calcul de l’indice.

En matière d’indices temporels, le choix de la base est délicat. Il faut éviter que la base soit une date exceptionnelle de boom ou de récession. Il est conseillé de choisir une période de base assez large (annuel au lieu de infra-annuelle par exemple) afin d’éviter l’influence des variations saisonnières et accidentelles. Par ailleurs, la base est de moins en moins pertinente au fur et à mesure que l’on s’éloigne dans le temps, du fait des changements de comportement et de structure des paniers de biens considérés. Il faut donc changer de base à des périodes assez régulières. La date de changement s’appelle date de raccordement.

e. Difficultés d’utilisation des indices synthétiques

i. Durée de vie d’un indice.

La durée de vie d’un indice synthétique est limitée. Elle dépend de l’évolution plus ou moins rapide des structures de l’économie (consommation, production, répartition, etc.) et des modes de comportement des agents économiques.

4. L’indice de Fisher est compris entre l’indice de Paasche et l’indice de Laspeyres. On a : P<F<L.

d. Choix des critères de construction

i. Le choix des composantes d’un indice synthétiqueIl est recommandé de choisir les constituants les plus représentatifs parmi tous les éléments susceptibles de faire partie de la grandeur complexe. Par exemple, pour le calcul de l’indice des prix à la consommation (IPC), l’on retient un échantillon de biens de consommation de première nécessité qu’on appelle parfois, panier de la ménagère. C’est un vaste échantillon de produits de consommation courante, mis à jour chaque année, correspondant à plus de 10% de l’ensemble de la consommation des ménages. En règle générale, le choix du nombre de composantes est le résultat d’un arbitrage entre les possibilités techniques et financières d’observation et le gain marginal de précision obtenu. Le nombre de composantes à retenir est donc dépendant du but que l’on se fixe dans la construction d’un indice particulier.

Manueldeformationenstatistiquesagricoles Page144

m\IW =

UIp ∗ W\

popdJ

UIp ∗ WI

popdJ

∗ 100

U\IW =

U\p ∗ W\

popdJ

U\p ∗ WI

popdJ

∗ 100

q\IW = m\

IW ∗ U\

I(W)

Ces indices mesurent l’évolution de la quantité à prix fixé.

ii. Indices de valeurs On appelle indice de valeurs, la quantité :

P\I(r) =

U\p ∗ W\

popdJ

UIp ∗ WI

popdJ

Cet indice mesure le double effet prix-quantité : P\Ir = m\

IW ∗ U\

IU

P`hr = m`

hU ∗ U`

hW

Exemple : Tableau : évolution des prix et quantités demandées de riz et de maïs.

Année 2015 2016 2017 Produit vivriers

Prix (USD) Quantité Prix

(USD) Quantité Prix (USD) Quantité

Riz 2,8 170 2,95 140 3,39 270 Maïs 2 140 1,15 200 1,9 230

Source : Calcul des indices de Laspeyres, de Paasche, de Fisher prix et quantité et celui de valeur.

mJKJLU =

3,39 ∗ 140 + 1,9 ∗ 2002,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 132,9%

mJKJLW =

2,95 ∗ 270 + 1,15 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 165%

UJKJLU =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 270 + 1,15 ∗ 230

∗ 100 = 127,4%

UJKJLW =

3,39 ∗ 270 + 1,9 ∗ 2303,39 ∗ 140 + 1,9 ∗ 200

∗ 100 = 158%

qJKJLU = mJK

JLU ∗ UJK

JLU = 130%

qJKJLW = mJK

JLW ∗ UJK

JLW = 161,5%

PJKJLr =

3,39 ∗ 270 + 1,9 ∗ 2302,95 ∗ 140 + 1,15 ∗ 200

∗ 100 = 210,3%

Page 144: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

130

Une autre préoccupation à prendre en compte est la pondération des différentes composantes de l’indice.

ii. Le choix de la baseDans le cadre spatial, la base porte sur un ensemble territorial géographiquement délimité. L’on peut être parfois conduit à soustraire les grandes agglomérations afin d’éviter les biais dans le calcul de l’indice.

En matière d’indices temporels, le choix de la base est délicat. Il faut éviter que la base soit une date exceptionnelle de boom ou de récession. Il est conseillé de choisir une période de base assez large (annuel au lieu de infra-annuelle par exemple) afin d’éviter l’influence des variations saisonnières et accidentelles. Par ailleurs, la base est de moins en moins pertinente au fur et à mesure que l’on s’éloigne dans le temps, du fait des changements de comportement et de structure des paniers de biens considérés. Il faut donc changer de base à des périodes assez régulières. La date de changement s’appelle date de raccordement.

e. Difficultés d’utilisation des indices synthétiques

i. Durée de vie d’un indice.La durée de vie d’un indice synthétique est limitée. Elle dépend de l’évolution plus ou moins rapide des structures de l’économie (consommation, production, répartition, etc.) et des modes de comportement des agents économiques.

Il arrive que, pour des raisons méthodologiques, le mode de calcul des indices changent et il se pose alors le problème pratique suivant : comment suivre l’évolution d’un indice sur une période durant laquelle sa définition s’est partiellement modifiée ? L’on est alors conduit à utiliser des raccords d’indices.

La méthode consiste à considérer le nouvel indice comme prolongeant exactement l’ancien, à partir de la date de raccordement. A cette date, les deux indices sont calculés simultanément. Soit b la date de raccordement. Notons Ib,0, la valeur de l’ancien indice à la date de raccordement. A cette date, la valeur du nouvel indice est par hypothèse égale à 100. On calcule un coefficient de raccordement à la date b égal à :

Toute valeur du nouvel indice raccordé peut être donc comparée aux valeurs de l’indice ancien : soit I’t/b la valeur du nouvel indice à une date quelconque t. La base de cet indice est b, date de raccordement. La valeur raccordée du nouvel indice à la date t peut s’exprimer, en base 0, de la façon suivante :

ii. Ajustement aux changements de qualité.Le suivi d’un indice synthétique est rendu parfois difficile du fait des trois situations ci-dessous :L’apparition de nouveaux constituants élémentaires (nouveaux biens et donc nouvelles habitudes de

consommation) ;La disparition de constituants anciens ;L’évolution de la qualité des éléments proposés.

Diverses méthodes sont proposées pour l’ajustement de qualité en l’absence de produits appariés. Certaines d’entre elles sont mieux adaptées à certaines catégories de produits. Pour effectuer des ajustements satisfaisants de qualité, il faut bien comprendre le fonctionnement du marché de la consommation, connaître les caractéristiques technologiques des activités de production et avoir accès à diverses sources de données.

Manueldeformationenstatistiquesagricoles Page146

Il arrive que, pour des raisons méthodologiques, le mode de calcul des indices changent et il se pose alors le problème pratique suivant : comment suivre l’évolution d’un indice sur une période durant laquelle sa définition s’est partiellement modifiée ? L’on est alors conduit à utiliser des raccords d’indices. La méthode consiste à considérer le nouvel indice comme prolongeant exactement l’ancien, à partir de la date de raccordement. A cette date, les deux indices sont calculés simultanément. Soit b la date de raccordement. Notons Ib,0, la valeur de l’ancien indice à la date de raccordement. A cette date, la valeur du nouvel indice est par hypothèse égale à 100. On calcule un coefficient de raccordement à la date b égal à :

Toute valeur du nouvel indice raccordé peut être donc comparée aux valeurs de l’indice ancien : soit I’

t/b la valeur du nouvel indice à une date quelconque t. La base de cet indice est b, date de raccordement. La valeur raccordée du nouvel indice à la date t peut s’exprimer, en base 0, de la façon suivante :

ii. Ajustement aux changements de qualité.

Le suivi d’un indice synthétique est rendu parfois difficile du fait des trois situations ci-dessous :

• L’apparition de nouveaux constituants élémentaires (nouveaux biens et donc nouvelles habitudes de consommation) ;

• La disparition de constituants anciens ; • L’évolution de la qualité des éléments proposés.

Diverses méthodes sont proposées pour l’ajustement de qualité en l’absence de produits appariés. Certaines d’entre elles sont mieux adaptées à certaines catégories de produits. Pour effectuer des ajustements satisfaisants de qualité, il faut bien comprendre le fonctionnement du marché de la consommation, connaître les caractéristiques technologiques des activités de production et avoir accès à diverses sources de données. Il faut aussi accorder une attention particulière aux catégories de produits dont les pondérations sont relativement élevées et pour lesquels les substitutions de produits sont fréquentes. Certaines des méthodes sont relativement complexes et exigent des connaissances approfondies. Pour obtenir des ajustements de qualité, on doit procéder de manière graduelle et produit par produit. Ces mises en gardent ne doivent, cependant, pas servir d’excuses pour ne pas avoir à estimer les ajustements de prix dus aux différences de qualité. La façon dont les offices de statistique traitent les produits manquants, même si cela consiste à ne pas en tenir compte, donne lieu à certains ajustements implicites de la qualité. Cette méthode implicite n’est pas nécessairement la meilleure et peut même introduire des biais. L’ampleur des changements de qualité et la rapidité de l’évolution des technologies exigent des méthodes appropriées. Les méthodes d’ajustement au titre des changements de qualité relèvent généralement de deux catégories : les méthodes d’ajustement implicite/imputé (ou indirect)41 et les méthodes d’ajustement explicite (ou direct)42.

41 L’imputation (dissemblable corrigé), le Recouvrement et la comparaison directe (remplacement en équivalence) 42 L’avis d’un expert, L’ajustement de la quantité, La méthode des différences des coûts de production ou d’option et La méthode hédonique

Manueldeformationenstatistiquesagricoles Page146

Il arrive que, pour des raisons méthodologiques, le mode de calcul des indices changent et il se pose alors le problème pratique suivant : comment suivre l’évolution d’un indice sur une période durant laquelle sa définition s’est partiellement modifiée ? L’on est alors conduit à utiliser des raccords d’indices. La méthode consiste à considérer le nouvel indice comme prolongeant exactement l’ancien, à partir de la date de raccordement. A cette date, les deux indices sont calculés simultanément. Soit b la date de raccordement. Notons Ib,0, la valeur de l’ancien indice à la date de raccordement. A cette date, la valeur du nouvel indice est par hypothèse égale à 100. On calcule un coefficient de raccordement à la date b égal à :

Toute valeur du nouvel indice raccordé peut être donc comparée aux valeurs de l’indice ancien : soit I’

t/b la valeur du nouvel indice à une date quelconque t. La base de cet indice est b, date de raccordement. La valeur raccordée du nouvel indice à la date t peut s’exprimer, en base 0, de la façon suivante :

ii. Ajustement aux changements de qualité.

Le suivi d’un indice synthétique est rendu parfois difficile du fait des trois situations ci-dessous :

• L’apparition de nouveaux constituants élémentaires (nouveaux biens et donc nouvelles habitudes de consommation) ;

• La disparition de constituants anciens ; • L’évolution de la qualité des éléments proposés.

Diverses méthodes sont proposées pour l’ajustement de qualité en l’absence de produits appariés. Certaines d’entre elles sont mieux adaptées à certaines catégories de produits. Pour effectuer des ajustements satisfaisants de qualité, il faut bien comprendre le fonctionnement du marché de la consommation, connaître les caractéristiques technologiques des activités de production et avoir accès à diverses sources de données. Il faut aussi accorder une attention particulière aux catégories de produits dont les pondérations sont relativement élevées et pour lesquels les substitutions de produits sont fréquentes. Certaines des méthodes sont relativement complexes et exigent des connaissances approfondies. Pour obtenir des ajustements de qualité, on doit procéder de manière graduelle et produit par produit. Ces mises en gardent ne doivent, cependant, pas servir d’excuses pour ne pas avoir à estimer les ajustements de prix dus aux différences de qualité. La façon dont les offices de statistique traitent les produits manquants, même si cela consiste à ne pas en tenir compte, donne lieu à certains ajustements implicites de la qualité. Cette méthode implicite n’est pas nécessairement la meilleure et peut même introduire des biais. L’ampleur des changements de qualité et la rapidité de l’évolution des technologies exigent des méthodes appropriées. Les méthodes d’ajustement au titre des changements de qualité relèvent généralement de deux catégories : les méthodes d’ajustement implicite/imputé (ou indirect)41 et les méthodes d’ajustement explicite (ou direct)42.

41 L’imputation (dissemblable corrigé), le Recouvrement et la comparaison directe (remplacement en équivalence) 42 L’avis d’un expert, L’ajustement de la quantité, La méthode des différences des coûts de production ou d’option et La méthode hédonique

Page 145: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

131

Il faut aussi accorder une attention particulière aux catégories de produits dont les pondérations sont relativement élevées et pour lesquels les substitutions de produits sont fréquentes. Certaines des méthodes sont relativement complexes et exigent des connaissances approfondies. Pour obtenir des ajustements de qualité, on doit procéder de manière graduelle et produit par produit. Ces mises en gardent ne doivent, cependant, pas servir d’excuses pour ne pas avoir à estimer les ajustements de prix dus aux différences de qualité. La façon dont les offices de statistique traitent les produits manquants, même si cela consiste à ne pas en tenir compte, donne lieu à certains ajustements implicites de la qualité. Cette méthode implicite n’est pas nécessairement la meilleure et peut même introduire des biais. L’ampleur des changements de qualité et la rapidité de l’évolution des technologies exigent des méthodes appropriées. Les méthodes d’ajustement au titre des changements de qualité relèvent généralement de deux catégories : les méthodes d’ajustement implicite/imputé (ou indirect) 3 et les méthodes d’ajustement explicite (ou direct) 4.

f. Quelques exemples d’indices synthétiques utiles i. Indice des prix à la consommation

a) DéfinitionL'indice des prix à la consommation (IPC) est l'instrument de mesure de l'inflation. De manière explicite, il mesure l'évolution du niveau moyen des prix des biens et services consommés par les ménages, pondérés par leur part dans la consommation moyenne des ménages (coefficient budgétaire). L'IPC couvre l'ensemble des biens et services marchands consommés sur le territoire, par les ménages résidents et non-résidents (comme les touristes).

Par ailleurs, l'indice des prix à la consommation n'est pas un indice du coût de la vie. En effet, cet indice mesure les effets des variations de prix sur le coût d'achat des produits consommés par les ménages. Par contre l'indice du coût de la vie mesure les variations des coûts d'achat pour maintenir le niveau de vie des ménages à un niveau spécifié.

Utilité : il permet d'estimer, entre deux périodes données, la variation moyenne des prix des produits consommés par les ménages. C'est une mesure synthétique de l'évolution de prix des produits, à qualité constante. Toutefois, ce n’est pas un indicateur du coût de la vie dans la mesure où il ne prend pas en compte la variation dans la répartition des dépenses (Cf. Maurice Halbwachs)

Dans certaines communautés (Europe, UEMOA…) afin de permettre des comparaisons entre les Etats membres, les indices de prix nationaux ont été harmonisés. On parle alors d'indice des prix à la consommation harmonisé (IPCH) pour l’Europe et Indice harmonisé des prix à la consommation (IHPC) pour l’UEMOA.

b) Construction de l’IPCLe suivi de l'évolution de tous les prix n'étant pas techniquement possible, les instituts de statistiques construisent un panier de biens et services finaux représentatifs, pondérés par leur poids dans la consommation. L'observation des prix se fait par enquête et échantillonnage permanents.

La principale difficulté dans le calcul de l'indice est due à l'innovation, qui se traduit par l'apparition de nouveaux produits ou services, ou par l'évolution d'un produit existant.

La construction de l'indice prend également en compte le changement de la structure du panier des ménages. La pondération attribuée aux biens et services évolue en parallèle, mais parfois avec retard d'un

3 L’imputation (dissemblable corrigé), le Recouvrement et la comparaison directe (remplacement en équivalence)4 L’avis d’un expert, L’ajustement de la quantité, La méthode des différences des coûts de production ou d’option et La méthode hédonique

Page 146: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

132

an (la pondération utilisée pour l'inflation de l'année N est basée sur les consommations de l'année N-1).

Pour ce qui est de la collecte des données nécessaires au calcul de l’IPC, le plan de sondage est généralement stratifié selon trois types de critères : critère géographique, type de produit, type de point de vente. De plus, la collecte se fait par des enquêteurs, tout au long du mois. Les relevés sont mensuels.

Son champ théorique se définit comme celui de la consommation finale effective marchande monétaire des ménages.

Le taux de couverture de l'IPC est de 97 % en 2016 (base 2015).

Les principaux défauts de couverture portent encore sur les services hospitaliers privés et l'assurance vie.

c) LimitesLa grande difficulté pour la réalisation de l'indice est l'innovation qui se traduit par l'apparition d'un nouveau produit ou service ou d'une nouveauté dans un ancien produit.

Une deuxième difficulté est le changement de la structure du panier de consommation. Lorsque le prix d'un bien augmente une année plus vite que les prix des autres biens et que sa part dans la consommation diminue (par substitution du bien en question par d'autres biens), il y a une difficulté à faire le lien avec l'année précédente : si on considère seulement les ventes de la dernière année, on ne prend pas en compte que la hausse du prix relatif a pu conduire à un report de la consommation.

Une limite de l'indice des prix comme instrument est qu'il se fonde sur le panier du consommateur moyen. Aussi, l'indice des prix peut indiquer une hausse de prix quand une personne au profil marginal constaterait une baisse. La construction de l'IPC se heurte à d'autres problèmes : prise en compte de l'évolution de la qualité des biens, changement des goûts des consommateurs, fluctuation du taux de change.

ii. Indices des prix à la production ou L’indice des prix des produits agricoles à la production (IPPAP)5 a) Définitions et sources d’information

L’indice des prix à la production mesure la variation annuelle moyenne des prix de vente reçus par les exploitants agricoles (prix bord champs). Trois catégories d'indices des prix à la production sont produites et sont disponibles sur FAOSTAT. Ces indices sont : l’indice élémentaire des prix à la production d'un seul produit 6, indice synthétique d’un groupe de produits (les céréales, les fruits et les légumes, etc.) et l’indices des prix à la production des produits agricoles (ensemble des produits agricoles de base et des produits d'élevage produits dans un certain pays). Des données annuelles sont disponibles pour plus de 80 pays sur FAOSTAT.

Cet indice mesure l’évolution des revenus de la production vendue par les agriculteurs : il s’agit des revenus perçus hors subventions (prix bord champ). La fonction commerciale est toutefois de plus en plus assurée par des coopératives, groupements de producteurs, industriels ou négociants et dans ce cas, il est délicat d’observer le prix bord champ.

Ces indices sont établis à l'aide de données sur les prix exprimés en monnaie locale standardisée (SLC).

5 http://fenixservices.fao.org/faostat/static/documents/PI/PI_f.pdf6 Exemple : L’indice des prix à la production du blé, l'indice des prix à la production du riz, l'indice des prix à la production du maïs

Page 147: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

133

b) ParticularitésPays couverts: Les indices sont disponibles pour tous les pays dont les données de prix et de production sont publiées dans FAOSTAT.

Année de référence: La période de base des indices est 2004-2006. Le coefficient de pondération utilisé pour les indices agrégés (l'Indice des prix à la production des produits agricoles et les Indices des groupes de produits agricoles) est la valeur de la production moyenne de la période 2004-2006.

L'IPPAP est agrégé en indice de Laspeyres base fixe, en référence 2010. Les pondérations sont tirées des comptes de l'agriculture. Une nomenclature IPPAP spécifique est utilisée.

iii. Indice de la production agricole 7

a) Type d’indice et période de baseLes indices de production agricole montrent le niveau relatif du volume global de production agricole pour chaque année en comparaison avec la période de base. Il s’agit d’un indice synthétique de Laspeyres des quantités des différents produits agricoles après déduction des quantités utilisées pour les semences et l'alimentation animale. Les quantités sont ainsi pondérées par la moyenne des prix internationaux des produits pour la période de base. Par exemple, la FAO considère pour période de base 2004-2006. En fait, il est recommandé de considérer des périodes non tributaires de chocs spécifiques (mauvaise pluviométrie, intempéries…). De plus, pour obtenir l'indice, l'agrégat calculé au numérateur est divisé par l'agrégat moyen pour la période de base 2004-2006 afin d’amoindrir les effets spécifiques de chaque année de la période de base.

b) Champs couverts par l’indice et prix internationauxPour FAO, les indices sont calculés sous hypothèse d'une agriculture considérée comme une simple entreprise, les quantités de semences et d'alimentation animales sont soustraites des données de production pour éviter de les compter deux fois, une fois dans la production et une fois en tant que consommation intermédiaire pour de nouvelles productions (culture ou l'élevage). La déduction pour les semences (dans le cas d'œufs, pour couver) et pour l'élevage et l'alimentation des volailles s'applique aussi bien aux produits importés qu’aux produits exportés. Ils couvrent seulement les produits agricoles primaires destinés à l'alimentation animale (ex: le maïs, les pommes de terre, le lait, etc.).

Ces "prix internationaux", exprimés en "dollars internationaux", sont obtenus en utilisant une formule Geary-Khamis 8 pour le secteur agricole. Cette méthode assigne un simple "prix" à chaque produit. Par exemple, une tonne de blé a le même prix indépendamment du pays où il a été produit. L'unité monétaire dans laquelle les prix sont exprimés n'a aucune influence sur les indices publiés.

c) Produits pris en compte par l’indiceLes produits couverts par le calcul des indices de production agricole sont tous les produits des cultures et de l'élevage originaires de chaque pays. Pratiquement tous les produits sont couverts, à l'exception du fourrage. La catégorie de production alimentaire inclut les produits que l'on considère comestibles et qui contiennent des substances nutritives. En conséquence, le café et le thé sont exclus comme les autres produits non comestibles parce que, bien que comestibles, ils n'ont pratiquement aucune valeur nutritive.

7 Ce paragraphe a été extrait du document ci-après : http://fenixservices.fao.org/faostat/static/documents/QI/QI_f.pdf (consulté le 08/05/2017)8 https://fr.wikipedia.org/wiki/Dollar_Geary-Khamis

Page 148: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

134

Les indices de production de viande sont calculés à partir des données de production d'animaux, qui tiennent compte de l'équivalent exporté en viande d'animaux vivants, mais exclut l'équivalent importé en viande d'animaux vivants. En vue des calculs d'indices, les changements annuels du nombre d'animaux et de volaille ou de leur poids vivant moyen ne sont pas pris en compte. Les indices sont calculés à partir des données de la production agricole, pour une année civile donnée. Les indices FAO peuvent différer de ceux produits par les pays eux-mêmes, en raison des différences des concepts (production…), de couverture, de pondération, de période de base considérée et des méthodes de calcul.

4.5. SéCURITé ALIMENTAIRE ET BILAN ALIMENTAIRE

4.5.1. Sécurité alimentaireLa sécurité alimentaire se définit par une situation où toute personne peut accéder librement et à tout moment aux aliments en quantité et en qualité suffisante pour entretenir ses fonctions vitales, être en bonne santé et avoir une activité normale.

Cette définition laisse apparaître cinq dimensions que sont la disponibilité, l’accès, la stabilité, la qualité et le droit alimentaires.

Le concept de sécurité alimentaire est complexe du fait qu’il fait appel à quatre (4) dimensions qui interagissent entre elles. Il s’agit de : i. la disponibilité, qui s’entend l’ensemble des ressources alimentaires produites, en stock ou importées pour une

période donnée;ii. l’accessibilité, entendue comme les voies et moyens permettant aux ménages de rentrer en possession des

produits alimentaires dont ils ont besoin;iii. la stabilité, qui implique la régularité spatio-temporelle de la disponibilité alimentaire;iv. l’utilisation alimentaire, qui suppose que tous les individus reçoivent des rations qui satisfont leurs besoins en

quantité et en qualité. Cette notion traduit ici la qualité nutritionnelle qui, lorsqu’elle est trop basse, peut conduire à la malnutrition, « état pathologique résultant de la non-adéquation des apports alimentaires aux besoins de l’organisme »

4.5.2. Bilan alimentaireLe système des bilans alimentaires vise essentiellement à fournir un cadre pour l’enregistrement des faits mesurables et des chiffres concernant la situation alimentaire dans un pays. Les bilans alimentaires constituent une méthode objective pour évaluer la situation des disponibilités alimentaires, estimer les déficits et les excédents vivriers et déterminer la mesure dans laquelle des importations et/ou une aide exceptionnelles sont nécessaires en vue de combler les déficits ou d’écouler les excédents de récolte.

Le bilan alimentaire doit prendre en compte tous les produits potentiellement comestibles, qu’ils soient effectivement consommés par l’homme ou qu’ils soient utilisés à des fins non alimentaires (FAO).

Tout bilan est une balance entre les emplois et les ressources. Dans le cas du bilan alimentaire, les plateaux de cette balance sont la disponibilité des produits et les besoins des populations au cours d’une période de référence, le tout harmonisé dans une même unité. Donc, l’établissement d’un bilan alimentaire exige avant tout la liste des produits

Page 149: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

135

à prendre en compte et les sources indiquant les origines (ressources) et les utilisations (emplois) de ces produits.

Évidemment, tout cela implique que des statistiques existent sur les différents produits et postes à utiliser dans la construction du bilan alimentaire dans ses deux grandes rubriques : disponibilité et consommation (besoins).

Théoriquement, tous les produits comestibles, consommés par l’homme ou utilisés à d’autres fins, doivent être pris en compte dans le bilan alimentaire. Il s’agira généralement de produits primaires ou également de produits transformés tels que le sucre, les matières grasses, les boissons, etc.

Les données primaires à collecter sont :• Cultures pluviales;• Cultures maraîchères;• Cultures sucrières;• Production fruitière;• Production animale, avicole et halieutique.

Les données de production industrielleAutres données :• données du commerce extérieur;• données sur les stocks.

Données sur la consommation• Norme de consommation des différents produits

Le Tableau 9 synthétise les produits potentiels qui pourraient servir à l’établissement d’un bilan alimentaire.

TABLEAU 9 : PRODUITS POTENTIELS D’UN BILAN ALIMENTAIRE

Catégorie Produit

Céréales Mil, sorgho, maïs, fonio, riz, blé

Protéagineux Niébé, voandzou

Oléagineux Soja, arachide, graines de coton, sésame

Tubercules et racines Igname, patate, manioc, pomme de terre

Produits maraîchers Oignon, chou, aubergine locale, aubergine violette

Fruits Banane, mangue, agrumes

Cultures sucrières Canne à sucre

Huiles végétales Huile d’arachide, huile de coton, huile de soja, huile de sésame

Viandes Viande de bovin, ovin, caprin, porc, volaille, autres viandes et abats

Produits aquacoles/pêche Poissons, crustacés, etc.

Édulcorant Sucre

Graisses animales Beurre

Laits et produits laitiers

Œufs

Boissons alcoolisées et non alcoolisées

N. B. Il va sans dire que chaque pays adaptera ces catégories et produits à sa propre réalité.

Page 150: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

136

La disponibilité intérieure comprend :Les disponibilités alimentaires peuvent être définies en prenant en compte la production, les importations, les exportations et les variations de stocks selon la formule suivante :

Disponibilité = production + importations – exportations – variations des stocks(Variations des stocks = stock final – stock initial)

• La production végétale qui prend en compte tout produit alimentaire dérivé d’une plante (céréales, légumineuses, tubercules, légumes, fruits, etc.);

• La production animale qui inclut tout produit alimentaire dérivé de l’espèce animale (viande, poissons, œufs, laits et produits laitiers, miel, etc.). Pour le poisson notamment, il s’agit des produits de pêche, et l’on considère le poids effectif hors de l’eau au moment de la capture. En ce qui concerne la viande, les statistiques sont exprimées en poids carcasse;

• Les importations concernent toutes les denrées alimentaires provenant de l’extérieur du pays et destinées à la consommation humaine. Les importations des produits transformés sont exprimées en leur équivalent de produit primaire;

• Les exportations concernent toutes les denrées alimentaires à destination de l’extérieur du pays. Les exportations des produits transformés sont exprimées en leur équivalent de produit primaire;

• Les stocks et variations concernent les stocks visibles au début et la fin de la période de référence.

La consommation intérieure (ou besoins) comprend :Les emplois ou consommations prennent en compte les composantes décrites ci-dessous :

Emploi = L’alimentation humaine + Transformation + Alimentation pour animaux + Semence + Consommation des touristes + Utilisation industrielle + Perte et Résidus et Autres utilisations.

• L’alimentation humaine;• La consommation par les touristes;• La transformation pour alimentation (ex : sucre, matières grasses);• L’alimentation animale;• Les semences;• L’utilisation industrielle (ex : huile servant à fabriquer le savon);• Les pertes;• Les résidus et autres utilisations.

La disponibilité par habitant sera ensuite calculée comme étant le rapport des disponibilités totales pour la consommation humaine par l’effectif de la population.

Page 151: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

137

TABLEAU 10 : TYPE DE SCHéMA POUR ESTIMER LA DISPONIBILITé ET LES UTILISATIONS INTéRIEURES

RUBRIQUE VALEUR

Population

Disponibilité intérieure• Production brute• Variations de stock (stock fin-stock début)• solde commercial (Importations (y compris aide alimentaire)- Exportations)

Consommation intérieure• Alimentation humaine• Transformation pour alimentation• Alimentation des touristes• Alimentation du bétail• Semences• Pertes• Utilisation industrielle• Résidus et Autres utilisations

Disponibilité/habitant

Le compte disponibilité utilisation fait référence à la comptabilité à partie double en analysant d’un côté les ressources et de l’autre leur utilisation, et ce pour les principaux produits alimentaires.

TABLEAU 11 : TYPE DE SCHéMA POUR ESTIMER LA DISPONIBILITé ET LES UTILISATIONS TOTALES

En ressource, on enregistre : En emploi, on enregistre :

• La production agricole (végétale et animale) nette;• Les stocks de début d’exercice;• Les importations;• Les aides alimentaires.

• La consommation alimentaire;• Transformation pour alimentation;• Alimentation des touristes;• Alimentation du bétail;• Semences;• Pertes;• Utilisation industrielle;• Les stocks de fin d’exercice;• Les exportations;• Résidus et Autres utilisations

Les grandeurs présentées dans le bilan sont des grandeurs agrégées.

Période de référence : Le bilan alimentaire couvre l’année civile (allant du 1er janvier au 31 décembre de l’année considérée).

Production : En principe, les chiffres de production concernent la production intérieure totale, réalisée à l’intérieur ou hors du secteur agricole, c’est-à-dire qu’elle comprend les productions non commerciales et la production des jardins potagers. Sauf indication contraire la production est mesurée dans l’exploitation pour les produits végétaux et animaux (c’est-à-dire dans le cas des cultures sans compter les pertes de récolte).

Production végétale : Tout produit alimentaire dérivé d’une plante (céréales, légumineuses, racines et tubercules, noix et graines, légumes, fruits, etc.)

Page 152: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

138

Production animale : Tout produit alimentaire dérivé du règne animal (viandes, œufs, lait et produits laitiers, beurre, miel, etc.). Par ailleurs, pour certaines productions telles que le poisson, les données ne sont pas généralement disponibles dans le compte disponibilité-utilisation. Toutefois, les valeurs caloriques y sont ajoutées dans l’évaluation finale du bilan alimentaire.

Importations commerciales : Toutes denrées alimentaires provenant de l’extérieur de l’univers d’étude et qui seront consommées par la population de référence. Il faut également prendre en compte les échanges commerciaux, les aides alimentaires accordées à des conditions de faveur, les dons et les estimations du commerce non comptabilisé.

Aides et dons alimentaires : Toutes denrées provenant de l’extérieur sous forme d’aide ou de dons (aide d’urgence et aide programmée).

Exportation : Toutes denrées alimentaires produites dans l’univers d’étude et commercialisées en dehors. Ces denrées ne sont pas prises en compte dans la disponibilité intérieure, elles interviennent dans les utilisations.

Réexportation : le phénomène des réexportations non officielles trouble les chiffres. Ce sont les méthodes d’analyse de l’économie non officielle qui permettent de les estimer.

Variation de stocks : La différence entre les stocks visibles au début et à la fin de la période de référence. Il s’agit des variations de stocks qui se produisent à tous les niveaux entre la production et le commerce de détail. Ces variations comprennent aussi les fluctuations des stocks publics, des services étatiques de commerce, des stocks des fabricants, des minoteries et industries de transformation, des importateurs, des exportateurs, des autres négociants en gros et des détaillants, des stocks des entreprises de transport et de stockage et des stocks détenus par les producteurs (stocks paysans).

Disponibilités intérieures = Production brute - exportations + (importations, aides et dons) + baisses des stocks.

Une autre conception consiste à prendre en considération les exportations et les augmentations de stocks : Production + importations + variations des stocks (baisse ou augmentation) = quantités disponibles pour l’exportation et l’utilisation intérieure.

Utilisation domestique comprend : • Consommation humaine : Partie de la production, qu'elle soit brute, transformée ou semi-transformée

disponible pour la consommation humaine pendant la période de référence donnée. Il s’agit de la quantité de nourriture disponible pour la consommation au niveau du commerce de détail. Pour cette raison, les déchets (et / ou les pertes) qui se produisent au niveau de la vente au détail ou du consommateur sont inclus dans cette quantité, étant donné que ces aliments étaient techniquement disponibles pour la consommation humaine. En outre, les quantités considérées ici représentent des biens disponibles pour la consommation non seulement dans les ménages, mais aussi dans les restaurants et les institutions (hôpitaux, écoles, bases militaires, prisons, etc.).

• La transformation des aliments se réfère à des quantités d'un produit alimentaire donné qui entre dans un processus de transformation afin d’être transformées en une denrée comestible différente et identifié comme produit dérivé dans le bilan alimentaire à partir du bien de base. Ces produits séparés pourraient être structurés dans le même groupe d'aliments ou groupes alimentaires (p. Ex., Les tomates transformées en pâte de tomate), ou ils pourraient être complètement séparés (par exemple, l'orge est transformée en bière, généralement agrégée dans une catégorie de boissons alcoolisées et Pas dans l'équilibre de l'orge). Pour les produits dérivés, appartenant au même groupe alimentaire que le produit de base, la variable de transformation des aliments devrait disparaître dans les étapes finales de la compilation du bilan alimentaire afin d’éviter la double comptabilisation. Pour les quantités utilisées dans la production de produits dérivés affectés à des groupes différents, la variable

Page 153: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

139

de transformation des aliments devrait rester dans le compte final. Il convient de noter ici que les quantités consacrées à la fabrication de produits non comestibles (tels que le savon ou les biocarburants) devraient être prises en compte dans le cadre de l'utilisation industrielle et non de la transformation des aliments.

• l’alimentation animale: partie de la production brute destinée à l’alimentation des animaux;

• les semences : c’est la partie de la production brute prélevée pour servir à l’ensemencement. Cette grandeur est le plus souvent estimée par imputation parce que les estimations officielles n'existent pas dans la plupart des pays. En effet, pour les pays ayant des estimations fiables de la superficie cultivée, le processus d'imputation des valeurs manquantes est relativement simple: l'utilisation des graines est simplement le produit d'un taux moyen de semis (la quantité de semences nécessaire pour une superficie semée donnée) et la superficie semée l'année suivante (puisque l'utilisation des semences dans l'année t est en fait juste mise de côté dans l'année t à utiliser pour le semis dans l'année t + 1).

• Alimentation des touristes : c’est la quantité disponible d’aliments à la consommation par les visiteurs. L’estimation de cette grandeur est effectuée par détermination du nombre d’arrivées de visiteurs dans un pays donné. Par ailleurs, la consommation des travailleurs migrants saisonniers est également prise en compte. De même, les jours que les résidents d'un pays dépensent à l'étranger ne devraient pas être comptés dans la disponibilité de nourriture domestique, étant donné que ces personnes ne sont pas à la maison pour consommer de la nourriture, et les aliments consommés à l'étranger seront comptés dans les aliments touristiques d'autres pays. Pour cette raison, l'estimation de la nourriture touristique devrait être faite en termes nets. Autrement dit, la nourriture touristique nette devrait être calculée en soustrayant les aliments qui seraient autrement disponibles pour les voyageurs sortants d'un pays à partir de la quantité de nourriture disponible pour les visiteurs entrants. En conséquence, il est probable que cette information dans le bilan doit être remplie par imputation, dérivée en utilisant le nombre de visiteurs, les longueurs de visite et la quantité de calories historiquement disponibles dans les pays d'origine et de destination. Ces données d'entrée pour l'imputation peuvent être tirées d'un mélange de sources officielles et semi-officielles, comme détaillé ci-dessous.

• Utilisation industrielle : elle désigne l'utilisation de produits alimentaires dans tout secteur non alimentaire. Par exemple le maïs, le colza, le soja et la canne à sucre peuvent être utilisés pour la production de bio carburant ou le beurre de karité, l'huile de palme et l'huile de coco qui sont utilisés dans de nombreux produits cosmétiques. Conformément aux directives de la FAO, les praticiens sont encouragés à rechercher d'abord des experts de l'industrie et des produits (tant dans le secteur public que dans le secteur privé) pour déterminer quels produits sont utilisés à des fins industrielles dans leurs pays respectifs et comment leur utilisation peut être modélisée en cas de données manquantes.

• Pertes post-récolte : Elles comprennent les quantités de produits perdues durant l’année en question, depuis le stade de la récolte jusqu’à celui de la distribution (non prise en compte des pertes avant la récolte et après la distribution). (Cf. 4.3 Pertes post-récoltes).

• Les stocks sont définis comme la quantité totale allouée au stockage pour un produit pour une utilisation à un moment futur (peu importe l'utilisation future prévue). Les stocks peuvent être détenus par divers acteurs (gouvernements, transformateurs, importateurs, exportateurs, commerçants en gros, agriculteurs) à n'importe quel niveau de la chaîne d'approvisionnement : de la production jusqu'à la vente au détail (mais à l'exclusion de cette dernière). Par ailleurs, tel que constaté dans les équations précédentes, les stocks peuvent être comptabilisés de deux façons dans le cadre du compte disponibilité-utilisation :�� Les niveaux de stock au début et à la fin de la période sont reportés, respectivement, à gauche et à droite de

l'équation. �� Alternativement, le compte peut être élaboré en estimant la variation des stocks d'une période à l'autre

Page 154: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

140

en tant que composante de l'offre. C'est-à-dire, si les stocks de clôture sont plus petits que les stocks d'ouverture, cela implique que des prélèvements ont été effectués au cours de la période, augmentant ainsi les approvisionnements. Au cas contraire, des stocks supplémentaires ont été constitués dans la mesure où les productions et le solde commercial ont été suffisants pour couvrir les besoins.

• Résidus et Autres utilisations : son calcul varie en fonction des besoins du pays. Certains pays calculent cette rubrique ex-post comme élément d’équilibre au niveau du compte disponibilité-utilisation. Elle est donc estimée d'une manière similaire à celle du «déséquilibre» dans l'identité « disponibilité = utilisations », après que des quantités aient été estimées pour chacune des autres variables. Toutefois, tel qu'expliqué dans les lignes directrices du manuel de la FAO sur le bilan alimentaire, cette stratégie ne devrait être utilisée que lorsque les déséquilibres dans l'équation sont faibles. Par ailleurs, certains pays peuvent décider de ne pas utiliser cette rubrique, en la supprimant simplement du compte disponibilité-utilisation.

Page 155: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

141

Recommandations

Nous recommandons de développer séparément les thèmes suivants par des spécialistes. Ils devront servir ensuite de support de formation de 3 à 5 jours pour des cadres travaillant dans les statistiques agricoles. Il s’agit de :

• L’utilisation des nouvelles technologies (GPS, tablettes, télédétection, SIG) :�� dans l’élaboration de bases de sondage et d’échantillons maîtres;�� dans la collecte des données; �� dans le traitement des données;

• Les bases de sondage (listes, aréolaires, multiples) et l’échantillon maître;• Les Comptes économiques de l’agriculture (CEA);• Les Comptes économiques de l’environnement (CEE);• L’élaboration des bilans alimentaires;• Les statistiques de coûts de production et la méthode de l’exploitation typique ;• Les techniques d’enquêtes spécifiques pour les statistiques liées aux cultures et à l’élevage.

Page 156: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

142

Bibliographie

BIBLIOGRAPHIE

Canada. Statistics Canada. 2003. Méthodes et pratiques d’enquête. Statistics Canada Catalogue no. 12-587-XPE. Accessible à partir du lien : http://www.statcan.gc.ca/pub/12-587-x/12-587-x2003001-fra.pdf. Consulté en septembre 2017.

Food and Agriculture Organization of the United Nations (FAO). 2016. Programme du recensement mondial de l’agriculture 2020. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/3/a-i4913f.pdf. Consulté en septembre 2017.

2010. FAO/WFP crop and food supply assessment mission to Lesotho. Rapport spécial FAO : Rome. Accessible à partir du lien: ftp ://ftp.fao.org/docrep/fao/010/ah865e/ah865e00.pdf. Consulté en septembre 2017.

2005. Programme du recensement mondial de l’agriculture 2010. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/3/a-a0135f.pdf. Consulté en septembre 2017.

1997. La réalisation des recensements et des enquêtes agricoles. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/fileadmin/templates/ess/ess_test_folder/World_Census_Agriculture/Publications/FAO_SDS/SDS_6_La_r%C3%A9alisation_desrecensements_et_desenqu%C3%AAtes_agricoles.pdf. Consulté en septembre 2017.

1995. Programme du recensement mondial de l’agriculture 2000. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/fileadmin/templates/ess/ess_test_folder/World_Census_Agriculture/Publications/FAO_SDS/SDS_5_Programme_du_Recensement_mondial_de_l_agriculture_2000.pdf. Consulté en septembre 2017.

1993. Programme du recensement mondial de l’agriculture de 1980. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/fileadmin/templates/ess/ess_test_folder/World_Census_Agriculture/Publications/FAO_SDS/1980_Recensement_Mondial_de_L_Agriculture_de_1980__M%C3%A9thodologie_.pdf. Consulté en mai 2017.

1986. Programme du recensement mondial de l’agriculture de 1990. Publication FAO : Rome.

1982. Estimation des superficies cultivées et des rendements dans les statistiques agricoles. Publication FAO : Rome.

1967. Rapport sur le recensement mondial de l’agriculture de 1970. Publication FAO : Rome. Accessible à partir du lien : http://www.fao.org/fileadmin/templates/ess/ess_test_folder/World_Census_Agriculture/Publications/WCA_1970/1970_Report_French.pdf. Consulté en septembre 2017.

Page 157: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

143

Global Strategy to improve Agricultural and Rural Statistics (GSARS). 2017. Handbook on the Agricultural Integrated Survey (AGRIS). Lignes directrices. GSARS: Rome.

2017a. Guidelines for the compilation of Food Balance Sheets. Lignes directrices GSARS : Rome.

2017b. Improving Methods for Estimating Livestock Production and Productivity Methodological Report. Série de rapports techniques GSARS n. GO-23-2017. Rapport GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2017/05/TR-04.05.2017-Improving-Methods-for-Estimating-Livestock-Production-and-Productivity.pdf. Consulté en septembre 2017.

2017c. Methodology for Estimation of Crop Area and Crop Yield under Mixed and Continuous Cropping. Série de rapports techniques GO-21-2017. Rapport GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2017/03/TR-15.03.2017-Methodology-for-Estimation-of-Crop-Area-and-Crop-Yield-under-Mixed-and-Continuous-Cropping.pdf

2016a. Crop1&2: measuring crop area and yield under pure stand, mixed, and continuous cropping. Findingsfromthefieldtestsconductedinthreecountries:indonesia(asia/pacific),rwanda(africa)andjamaica (caribbean region). Document de travail GSARS n. 16. rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2017/01/WP-16.01.2017-Findings-from-the-Field-Tests-Conducted-in-Three-Countries.pdf

2016b. Guidelines for the Enumeration of Nomadic and Semi-Nomadic (Transhumant) Livestock. Lignes directrices GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2016/08/Guidelines-for-the-Enumeration-of-Nomadic-and-Semi-Nomadic-Livestock-06.pdf. Consulté en septembre 2017.

2016c. Improving Methods for Estimating Livestock Production and Productivity Test Stage: Fieldwork Report and Summary Data Analysis. Document de travail GSARS no. 13: Rome. Accessible à partir du lien: http://gsars.org/wp-content/uploads/2016/12/WP_Improving-Methods-for-Estimating-Livestock-Production-Productivity_Test-Stage-081216.pdf. Consulté en septembre 2017

2016d. Improving Methods for Estimating Livestock Production and Productivity Gap Analysis Report. Document de travail GSARS n. 12. Rome. Accessible à partir du lien: http://gsars.org/wp-content/uploads/2016/11/Improving-Methods-for-Estimating-Livestock-Production-and-Productivity1.pdf. Consulté en septembre 2017.

2016e. Improving Methods for Estimating Livestock Production and Productivity: Literature Review. Série de rapports techniques GSARS n. GO-11-2016. Analyse documentaire GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2016/04/LR_Improving-Methods-for-Estimating-Livestock-Production-and-Productivity-220416.pdf. Consulté en septembre 2017.

2016f. Manuel sur les Statistiques des coûts de production agricoles. Manuel GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2016/07/ACPS-WEBFILE-310516.pdf. Consulté en septembre 2017.

Page 158: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

144

2015a. Gap analysis and proposed methodologies for estimation of crop area and crop yield under mixed and continuous cropping: Research on Improving Methods for Estimating Crop Area, Yield and Production under Mixed, Repeated and Continuous Cropping. Document de travail GSARS n. 4. Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2015/12/WP-2-on-Improving-Methods-for-Estimation-of-Crop-Area-and-Crop-yield-under-Mixed-and-Continuous-Cropping-141215.pdf. Consulté en septembre 2017.

2015b. Bases de sondage principales pour les statistiques agricoles. Manuel GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2016/06/Handbook-on-MSF-FR-WEBFILE-280616.pdf. Consulté en novembre 2016.

2015c. Technical Report on Linking Area and List Frames in Agricultural Surveys. Séries de rapports techniques GSARS n. GO-08-2015. Rapport technique GSARS : Rome. Accessible à partir du lien: http://gsars.org/wp-content/uploads/2015/10/TR-on-Linking-Area-and-List-Frames-in-Agricultural-Surveys-191015.pdf. Consulté en septembre 2017.

2015d. Spatial Disaggregation and Small-Area Estimation Methods for Agricultural Surveys: Solutions and Perspectives. Séries de rapports techniques GSARS n. GO-07-2015. Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2015/09/TR-Spatial-Disaggregation-and-Small-Area-Estimation-210915.pdf. Consulté en septembre 2017.

2015e. Technical Report on Improving the Use of GPS, GIS and Remote Sensing in setting up Master Sampling Frames. Séries de rapports techniques GSARS n. GO-06-2015. Rapport technique GSARS : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2015/01/Technical-Report-GPS_GIS_RS-for-MSF-finalv2.pdf.Consulté en septembre 2017.

2014. Guidelines for the Integrated Survey Framework. Lignes directrices GSARS Publication : Rome. Accessible à partir du lien : http://gsars.org/wp-content/uploads/2015/05/ISF-Guidelines_12_05_2015-WEB.pdf. Consulté en septembre 2017.

2014b. PSSAR – Plan stratégiques pour les statistiques agricoles et rurales. Manuel GSARS : Rome. Accessible à partir du lien : http://www.gsars.org/wp-content/uploads/2015/01/PSSAR_FRENCH_Edited_FINAL.pdf. Consulté en septembre 2017.

Conseil Economique et Social des Nations Unies (ECOSOC). 2014. Modèle générique du processus de production statistique. Séries de rapports techniques n. ECE/CES/2014/1. Publication ECOSOC : Paris. Accessible à partir du lien : https://unstats.un.org/unsd/nationalaccount/workshops/2015/gabon/bd/GSBPM-FRA.pdf. Consulté en septembre 2017.

Page 159: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

145

Fonds monétaire international (FMI). 2007. Republic of Mozambique: Poverty Reduction Strategy Paper. IMF Country Report No. 07/37. Publication FMI : Washington, D.C. Accessible à partir du lien : www.imf.org/external/pubs/ft/scr/2007/cr0737.pdf. Consulté en septembre 2017.

Nations Unies – Département des Affaires Economiques et Sociales (ONU DAES). 2016. A Framework for the Development of Environment Statistics. Publication ONU : New York, Etats-Unis. Accessible à partir du lien : https://unstats.un.org/unsd/environment/FDES/FDES-2015-supporting-tools/FDES.pdf. Consulté en septembre 2017.

2012. International Recommendations for Water Statistics. Séries de travaux statistiques ONU DAES M No. 91. New York. Accessible à partir du lien : https://unstats.un.org/unsd/envaccounting/irws/irwswebversion.pdf. Consulté en septembre 2017.

Banque Mondiale, FAO & ONU. 2010. Stratégie mondiale pour l’amélioration des statistiques agricoles et rurales. Publication de la Banque Mondiale : Washington, D.C. Accessible à partir du lien : http://www.fao.org/docrep/017/am082f/am082f.pdf. Consulté en septembre 2017.

Organisation des Nations Unies pour l’Education, la Science et la Culture (UNESCO). 2006. Classification Internationale Type de l’Education (CITE 1997), Réédition Mai 2006,. Accessible à partir du lien : http://unesdoc.unesco.org/images/0014/001470/147001f.pdf. Publication UNESCO : Genève, Suisse. Consulté en septembre 2017

Food and Agriculture Organization of the United Nations (FAO).2017. Food and Agriculture Organization of the United Nations. Rome. Consulté en septembre 2017. http://www.fao.org/

2017a. FAOSTAT: The world’s largest database of food and agriculture statistics. Sur: Food and Agriculture Organization of the United Nations. Rome. Consulté en septembre 2017. http://www.fao.org/ES/ess/census/default.asp.

Global Strategy to improve Agricultural and Rural Statistics (GSARS). 2017. Global Strategy to improve Agricultural and Rural Statistics. Rome. Consulté en septembre 2017. http://gsars.org/en/.

MDG Monitor. Fact sheet on current MDG progress of Belize (Latin America and the Caribbean). Sur: MDGMonitor: Tracking the Millennium Development Goals. Consulté en septembre 2017. http://www.mdgmonitor.org/factsheets_00.cfm?c=MOZ.

Organisation des Nations Unies (ONU). 2017. SDG Indicators : Global database. Sur: Sustainable Development Goals. Consulté en septembre 2017. http://unstats.un.org/sdgs/indicators/database/.

Organisation des Nations Unies (ONU). 2016. The Sustainable Development Goals Report 2016. Sur: Sustainable Development Goals. Consulté en septembre 2017. http://unstats.un.org/sdgs/report/2016/.

United Nations Development Programme (UNDP). 2017. Sustainable Development Goals. Sur : United Nations Development Programme. Consulté en septembre 2017. http://www.undp.org/mdg/.

University Of Warwick. Introduction et le cadre conceptuel de la nomenclature CITP-88. Sur Social Sciences /Institute for Employment Research Warwick Institute for Employment Research Consulté en septembre 2017 http://www2.warwick.ac.uk/fac/soc/ier/research/classification/isco88/french/.

Statistics Canada. 2014. Définition de la qualité. Sur : Statistique Canada. Consulté en septembre 2017. http://www.statcan.gc.ca/pub/12-539-x/4147797-fra.htm.

Page 160: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

146

Page 161: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

147147

Liste des indicateurs pour les statistiques agricoles

Annexe 1

Page 162: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

148

TABLEAU 12 : LISTE DES INDICATEURS POUR LES STATISTIQUES AGRICOLESIN

DIC

ATEU

RD

ON

NÉE

S N

ÉCES

SAIR

ESLE

S PR

INCI

PALE

S SO

URC

ES D

E D

ON

NÉE

SN

OTE

S TE

CHN

IQU

ES

IND

ICAT

EUR

POU

R LE

DÉV

ELO

PPEM

ENT

AG

RICO

LE E

T RU

RAL

1Pr

odui

t int

érie

ur b

rut (

PIB)

Rece

nsem

ents

et e

nquê

tes

aupr

ès d

es

entre

pris

es, d

es e

xplo

itatio

ns e

t des

m

énag

es p

our l

es p

etits

exp

loita

nts

La v

aleu

r ajo

utée

doi

t inc

lure

les

activ

ités

non

décl

arée

s ai

nsi q

ue c

elle

s de

s en

trepr

ises

info

rmel

les

et d

es p

etite

s en

trepr

ises

. Est

imat

ions

ann

uelle

s en

tre

les

rece

nsem

ents

ou

les

enqu

êtes

bas

ées

sur d

es

extra

pola

tions

bas

ées

sur d

’aut

res

2Cr

oiss

ance

du

PIB

à pa

rtir d

e la

va

leur

ajo

utée

agr

icol

e

Estim

atio

ns d

e la

pro

duct

ion

et d

e la

val

eur t

otal

e po

ur

tout

es le

s pr

oduc

tions

agr

icol

es d

u pa

ys, y

com

pris

ce

lles

des

petit

s ex

ploi

tant

s et

des

pet

ites

parc

elle

s de

s m

énag

es, m

oins

les

estim

atio

ns d

es c

oûts

des

intra

nts

com

me

les

sem

ence

s, le

s al

imen

ts p

our b

étai

l, l’é

nerg

ie,

les

engr

ais,

la m

ain-

d’œ

uvre

, etc

. L’a

gric

ultu

re in

clut

la

fore

ster

ie e

t la

pêch

e

Rece

nsem

ents

et e

nquê

tes,

ent

repr

ises

ag

ricol

es, e

xplo

itatio

ns e

t mén

ages

ru

raux

, don

nées

adm

inis

trativ

es e

t aut

res

donn

ées

Les

conc

epts

SN

A so

nt s

uivi

s. N

otam

men

t l’e

stim

atio

n de

l’au

toco

nsom

mat

ion

et la

cou

vertu

re a

nnue

lle d

e to

utes

les

prod

uctio

ns p

our l

esqu

elle

s le

s do

nnée

s so

nt d

ispo

nibl

es s

eule

men

t à tr

aver

s le

s re

cens

emen

ts

pério

diqu

es. L

es e

stim

atio

ns a

nnue

lles

réal

isée

s su

r la

base

du

dern

ier r

ecen

sem

ent e

t des

aut

res

donn

ées

adm

inis

trativ

es s

i elle

s so

nt d

ispo

nibl

es

3M

onta

nt d

es d

épen

ses

publ

ique

s re

lativ

es à

l’ag

ricul

ture

, aux

su

bven

tions

et a

ux in

frast

ruct

ures

Allo

catio

ns b

udgé

taire

s et

dép

ense

s du

gou

vern

emen

t at

tribu

ées

à l’a

gric

ultu

re. L

’agr

icul

ture

incl

ut la

fore

ster

ie

et la

pêc

he

Min

istè

res

des

finan

ces,

la c

ompt

abili

natio

nale

, com

mis

sion

s de

pla

nific

atio

n,

rapp

ort d

es b

aille

urs

La d

éfini

tion

de la

dép

ense

pub

lique

dan

s l’a

gric

ultu

re

doit

corr

espo

ndre

à la

Cla

ssifi

catio

n de

s fo

nctio

ns d

e l’a

dmin

istra

tion

publ

ique

(COF

OG) p

our l

’agr

icul

ture

4M

onta

nt d

es d

épen

ses

publ

ique

s re

lativ

es a

ux in

frast

ruct

ures

ru

rale

s, à

la s

anté

et à

l’éd

ucat

ion

Allo

catio

ns b

udgé

taire

s et

dép

ense

s go

uver

nem

enta

les

liées

à a

u se

cteu

r rur

al

Min

istè

res

des

finan

ces,

com

ptab

ilité

na

tiona

le, c

omm

issi

ons

du p

lan,

rapp

ort

des

baill

eurs

L’esp

ace

rura

l défi

ni e

n fo

nctio

n de

la d

escr

iptio

n na

tiona

le

5Ch

ange

men

t au

nive

au d

es

inve

stis

sem

ents

en

capi

tal

Inve

ntai

res

des

mac

hine

s et

équ

ipem

ents

pos

sédé

s pa

r le

s ex

ploi

tatio

ns a

gric

oles

, con

stru

ctio

ns a

gric

oles

com

me

celle

s de

stin

ées

à la

pro

duct

ion

laiti

ère,

au

béta

il, c

ultu

res

perm

anen

tes

et s

urfa

ces

vitic

oles

, nom

bre

d’ar

bres

et d

e pi

eds

de v

igne

Enqu

êtes

aup

rès

des

expl

oita

tions

et d

es

entre

pris

es a

gric

oles

sur

les

ress

ourc

es

agric

oles

Les

inve

ntai

res

des

mac

hine

s et

équ

ipem

ents

doi

vent

êt

re v

entil

és s

elon

les

utili

satio

ns (l

abou

r, ré

colte

, etc

.) et

les

taill

es

6Ca

ract

éris

tique

s dé

mog

raph

ique

s de

la p

opul

atio

n pa

ysan

ne e

t ru

rale

Popu

latio

n ru

rale

et n

ombr

e de

mén

ages

rura

ux, n

ombr

e de

mén

ages

agr

icol

es e

t leu

rs m

embr

es, â

ge e

t niv

eaux

d’

éduc

atio

n. L’

agric

ultu

re in

clut

la fo

rest

erie

et l

a pê

che

Rece

nsem

ent d

e la

pop

ulat

ion,

re

cens

emen

t agr

icol

e, e

nquê

te m

énag

es,

com

ptes

adm

inis

tratif

s

L’esp

ace

rura

l défi

ni e

n fo

nctio

n de

la d

escr

iptio

n na

tiona

le

7Po

urce

ntag

e de

pau

vres

rura

ux

par r

appo

rt à

la p

opul

atio

n to

tale

pa

uvre

Reve

nu e

t con

som

mat

ion

des

mén

ages

et e

stim

atio

ns d

es

ligne

s de

pau

vret

é na

tiona

le e

t rur

ale.

Par

ités

du p

ouvo

ir d’

acha

t (PP

P) p

our l

a co

mpa

rais

on e

ntre

les

pays

Enqu

êtes

mén

ages

, pro

gram

me

de

com

para

ison

inte

rnat

iona

le (P

CI) p

our

réal

iser

des

com

para

ison

s en

tre le

s pa

ys

Les

pays

doi

vent

util

iser

les

estim

atio

ns d

e pa

uvre

en fo

nctio

n de

s PP

P et

ext

rapo

ler e

ntre

les

poin

ts d

e re

père

du

PCI

8

Pour

cent

age

de la

pop

ulat

ion

rura

le q

ui s

ouffr

e de

la fa

im p

ar

rapp

ort à

la p

opul

atio

n to

tale

pa

uvre

Estim

atio

ns d

u re

venu

du

mén

age,

des

con

som

mat

ions

al

imen

taire

s et

des

bes

oins

éne

rgét

ique

s m

inim

aux

Enqu

êtes

mén

ages

, pro

gram

me

de

com

para

ison

inte

rnat

iona

le p

our r

éalis

er

des

com

para

ison

s en

tre le

s pa

ys

Les

pays

doi

vent

util

iser

les

estim

atio

ns d

es p

erso

nnes

qu

i sou

ffren

t de

la fa

im p

our s

urve

iller

les

nive

aux

de

pénu

rie a

limen

taire

Page 163: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

149

IND

ICAT

EUR

DO

NN

ÉES

NÉC

ESSA

IRES

LES

PRIN

CIPA

LES

SOU

RCES

DE

DO

NN

ÉES

NO

TES

TECH

NIQ

UES

9In

dice

de

prod

uctio

n de

s pr

odui

ts

alim

enta

ires

Supe

rfici

es, p

rodu

ctio

ns e

t ren

dem

ents

des

cul

ture

s vi

vriè

res,

nom

bre

de tê

tes

de b

étai

l et p

rodu

ctio

n de

vi

ande

, lai

t, œ

ufs,

poi

sson

s ca

ptur

és e

t d’é

leva

ge e

t aut

res

prod

uits

alim

enta

ires

Rece

nsem

ent a

gric

ole,

enq

uête

s de

s en

trepr

ises

agr

icol

es e

t agr

oalim

enta

ires,

barq

uem

ents

de

pois

son,

don

nées

ad

min

istra

tives

com

me

les

impo

rtatio

ns

et le

s ex

porta

tions

. Bila

ns a

limen

taire

s et

en

quêt

es c

onso

mm

atio

n de

s m

énag

es

Suiv

re le

s di

rect

ives

de

la F

AO p

our l

es a

ccep

tatio

ns e

t ex

clus

ions

10Va

riatio

n de

la v

aleu

r des

flux

co

mm

erci

aux

– im

porta

tions

et

expo

rtatio

ns

Impo

rtatio

ns e

t exp

orta

tions

– q

uant

ité e

t val

eurs

des

pr

odui

ts a

gric

oles

com

pren

ant l

es p

rodu

its d

e la

pêc

he e

t pr

odui

ts fo

rest

iers

Insp

ectio

ns d

ouan

ière

s −

dans

cer

tain

s pa

ys le

s bu

reau

x de

dou

ane

font

la

colle

cte

des

donn

ées,

et l

es tr

ansm

ette

nt

ensu

ite a

u bu

reau

nat

iona

l des

st

atis

tique

s po

ur c

ompi

latio

n

Les

bure

aux

natio

naux

des

sta

tistiq

ues

doiv

ent

colla

bore

r ave

c le

s au

torit

és d

ouan

ière

s po

ur s

’ass

urer

qu

e la

cod

ifica

tion

et le

s cl

assi

ficat

ions

sui

vent

les

dire

ctiv

es in

tern

atio

nale

s

IND

ICAT

EURS

PO

UR

LES

SOU

S-SE

CTEU

RS A

GRI

COLE

S ET

LES

ZO

NES

RU

RALE

11Pr

oduc

tivité

de

la p

rodu

ctio

n cu

ltura

le m

esur

ée p

ar le

s re

ndem

ents

cul

tura

ux

Quan

tité

réco

ltée

par u

nité

de

surfa

ce te

lle q

ue l’

hect

are

et

la s

urfa

ce ré

colté

e. L

a su

perfi

cie

réco

ltée

fait

la d

istin

ctio

n en

tre le

s cu

lture

s irr

igué

es e

t non

irrig

uées

Rece

nsem

ent a

gric

ole,

est

imat

ions

des

re

ndem

ents

des

cul

ture

s pa

r les

cou

pes-

éc

hant

illon

. Enq

uête

s su

r la

prod

uctio

n,

enqu

êtes

des

agr

o-in

dust

ries

com

me

les

broy

euse

s de

gra

ines

olé

agin

euse

s et

les

égre

neus

es d

e co

ton

Diffi

cile

d’é

valu

er a

vec

les

cultu

res

à ré

colte

s éc

helo

nnée

s ou

cul

ture

s qu

i se

réco

ltent

plu

s d’

une

fois

. L’u

tilis

atio

n de

s co

upes

-éch

antil

lons

peu

t su

rest

imer

les

rend

emen

ts d

e ce

rtain

es c

ultu

res

12Ch

ange

men

t dan

s le

s po

stes

des

bi

lans

des

cul

ture

s

Surfa

ce ré

colté

e, q

uant

ité ré

colté

e, q

uant

ités

impo

rtées

ou

expo

rtées

, évo

lutio

n de

s st

ocks

, qua

ntité

s pa

r util

isat

ion

com

me

la n

ourr

iture

, les

bio

carb

uran

ts, a

utoc

onso

mm

atio

n de

cha

que

prod

uctio

n y

com

pris

cel

les

prod

uite

s po

ur le

te

xtile

et l

’éne

rgie

Enqu

êtes

des

exp

loita

tions

agr

icol

es,

donn

ées

adm

inis

trativ

es s

ur le

co

mm

erce

, uni

tés

de tr

ansf

orm

atio

n se

lon

les

utili

satio

ns e

t enq

uête

s m

énag

es p

our l

a co

nsom

mat

ion

prop

re

Les

bila

ns d

es c

ultu

res

doiv

ent r

eflét

er le

cyc

le d

e cr

oiss

ance

de

cultu

res

et l’

anné

e de

com

mer

cial

isat

ion,

qu

i peu

vent

être

diff

éren

ts d

e l’a

nnée

cal

enda

ire

13Va

leur

ajo

utée

ani

mal

e

Estim

atio

ns e

n qu

antit

é et

en

vale

ur d

e la

pro

duct

ion

de

vian

de, d

e vo

laill

e, d

e la

it, d

es œ

ufs,

de

sous

-pro

duits

tels

qu

e le

cui

r et l

a pe

au, l

a la

ine

moi

ns le

s co

ûts

d’in

trant

s te

ls q

ue le

four

rage

et l

e re

nouv

elle

men

t des

sto

cks

Enqu

êtes

des

exp

loita

tions

agr

icol

es,

entre

pris

es te

lles

que

les

unité

s d’

abat

tage

, lai

terie

s et

uni

tés

de

trans

form

atio

n. E

nquê

tes

mén

ages

sur

l’a

utoc

onso

mm

atio

n

L’aut

ocon

som

mat

ion

doit

être

incl

use,

mai

s es

t diffi

cile

à

éval

uer

14Va

riatio

n de

s po

stes

des

bila

ns d

u bé

tail

et d

e la

vol

aille

par

esp

èce

Nom

bre

d’an

imau

x qu

i ont

mis

bas

, acq

uis,

aba

ttus

et

mor

ts d

’une

mal

adie

. Nom

bre

d’an

imau

x pa

r obj

ectif

tel

que

l’éle

vage

, la

vian

de, l

e la

it, la

lain

e et

par

tran

che

d’âg

e ap

prop

riée

à l’e

spèc

e (v

oir l

e re

cens

emen

t de

la F

AO, 2

010)

Les

enqu

êtes

des

exp

loita

tions

agr

icol

es

au m

oins

ann

uelle

men

t, m

ais

plus

so

uven

t pou

r les

esp

èces

ave

c m

ises

-ba

s pl

us fr

éque

ntes

dur

ant u

ne p

ério

de

de ré

fére

nce.

La

fréqu

ence

est

ann

uelle

po

ur le

s bo

vins

et m

ensu

elle

pou

r la

prod

uctio

n d’

œuf

Les

inte

rval

les

de c

olle

cte

de d

onné

es d

oive

nt re

fléte

r le

s cy

cles

repr

oduc

tifs.

A ti

tre in

dica

tif, u

ne a

nnée

pou

r le

s bo

vins

, un

sem

estre

pou

r les

por

cins

, et u

n tri

mes

tre

ou m

oins

pou

r la

vola

ille

et le

lait

Page 164: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

150

IND

ICAT

EUR

DO

NN

ÉES

NÉC

ESSA

IRES

LES

PRIN

CIPA

LES

SOU

RCES

DE

DO

NN

ÉES

NO

TES

TECH

NIQ

UES

15Va

riatio

n de

la p

rodu

ctiv

ité d

e la

pr

oduc

tion

des

pêch

es d

e ca

ptur

e

Quan

tité

de p

oiss

on c

aptu

rée

par u

nité

d’e

ffort

de p

êche

; es

timat

ions

sci

entifi

ques

des

sto

cks

de p

oiss

ons

et ta

ux

d’ex

ploi

tatio

n

Enqu

êtes

de

la p

êche

nat

iona

le, l

es

enqu

êtes

sur

les

site

s de

déb

arqu

emen

t, le

s ob

serv

ateu

rs à

bor

d, le

s ré

sulta

ts d

es

éval

uatio

ns g

loba

les

16Va

riatio

n au

niv

eau

de la

pr

oduc

tion

aqua

cole

Estim

atio

ns e

n qu

antit

é et

en

vale

ur d

e la

pro

duct

ion

de

pois

sons

par

esp

èce

moi

ns le

s co

ûts

et la

qua

ntité

des

in

trant

s te

ls q

ue le

s se

men

ces,

alim

ents

et e

ngra

is

Enqu

êtes

aup

rès

des

expl

oita

tions

aq

uaco

les,

rece

nsem

ent d

e l’a

quac

ultu

re, c

ertifi

catio

ns d

u m

arch

é

17Va

riatio

ns d

es p

oste

s de

s bi

lans

de

s pr

oduc

tions

hal

ieut

ique

s

Quan

tités

et v

aleu

rs d

es c

aptu

res

prov

enan

t de

la zo

ne

côtiè

re e

t env

irons

, des

fleu

ves

et d

es la

cs y

com

pris

le

s pr

ises

en

haut

e m

er; q

uant

ités

et v

aleu

r des

pro

duits

pr

oven

ant d

e l’a

quac

ultu

re; u

tilis

atio

ns y

com

pris

au

toco

nsom

mat

ion

et re

jets

, im

porta

tions

et e

xpor

tatio

ns

Enqu

êtes

de

la p

êche

nat

iona

le,

rece

nsem

ent d

e la

pêc

he, r

ecen

sem

ent

de l’

aqua

cultu

re, e

nquê

tes

des

entre

pris

es d

e pê

che

et a

quac

oles

, un

ités

de tr

ansf

orm

atio

n, in

form

atio

ns

du m

arch

é et

sou

rces

adm

inis

trativ

es e

t d’

insp

ectio

n

Voir

le M

anue

l CW

P et

les

nom

encl

atur

es e

t cl

assi

ficat

ions

de

la F

AO

18Va

riatio

ns d

es p

oste

s de

s bi

lans

de

s pr

odui

ts d

e la

fore

ster

ieQu

antit

é et

la v

aleu

r des

pré

lève

men

ts d

e pr

odui

ts

prov

enan

t des

zone

s fo

rest

ière

s et

util

isat

ions

resp

ectiv

es

Min

istè

res

appr

oprié

s, im

ager

ie

sate

llita

ire, e

nquê

tes

de p

rix, u

nité

s de

tra

nsfo

rmat

ion

du b

ois

19In

dice

s de

prix

des

pro

duits

Rele

vés

des

prix

du

mar

ché

par p

rodu

it et

par

loca

lité.

Pr

ix re

çus

par l

es p

rodu

cteu

rs a

u pr

emie

r sta

de d

e co

mm

erci

alis

atio

n

Obse

rvat

eurs

du

mar

ché,

enq

uête

s de

s en

trepr

ises

, ach

ats

des

entre

pris

es

agro

alim

enta

ires

prov

enan

t des

ex

ploi

tatio

ns a

gric

oles

S’as

sure

r que

les

unité

s de

mes

ure

des

rele

vés

de p

rix

sont

com

para

bles

20In

dice

des

prix

à la

con

som

mat

ion

Prix

men

suel

s ou

sai

sonn

iers

pay

és p

ar le

con

som

mat

eur

Indi

ce d

es p

rix à

la c

onso

mm

atio

nN

éces

saire

s de

s’a

ssur

er q

ue le

s pr

odui

ts c

onsi

déré

s co

mm

e sa

ison

nier

s ne

faus

sent

pas

les

série

s de

prix

21Al

erte

pré

coce

con

cern

ant l

es

varia

tions

en

mat

ière

de

sécu

rité

alim

enta

irePr

ix m

ensu

els

ou s

aiso

nnie

rs p

ayés

par

le c

onso

mm

ateu

r

Enqu

êtes

exp

ert d

es c

ondi

tions

de

cultu

re, q

uant

ité d

es p

réci

pita

tions

, in

dice

s vé

géta

tifs

prov

enan

t de

l’im

ager

ie s

atel

litai

re, v

aria

tions

des

flux

co

mm

erci

aux

et p

rése

nce

de m

alad

ies

anim

ales

Elle

s ne

doi

vent

pas

être

sta

tistiq

uem

ent r

igou

reus

es,

mai

s su

rtout

don

ner u

n av

ertis

sem

ent a

ntic

ipé

que

d’au

tres

inte

rven

tions

son

t néc

essa

ires

Page 165: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

151

IND

ICAT

EUR

DO

NN

ÉES

NÉC

ESSA

IRES

LES

PRIN

CIPA

LES

SOU

RCES

DE

DO

NN

ÉES

NO

TES

TECH

NIQ

UES

CHA

NG

EMEN

T CL

IMAT

IQU

E, T

ERRE

ET

ENVI

RON

NEM

ENT

22Ch

ange

men

t au

nive

au d

e la

co

uver

ture

du

sol e

t l’u

tilis

atio

n

Syst

ème

de c

lass

ifica

tion

de la

cou

vertu

re d

u so

l (LC

CS),

zona

ge e

t géo

réfé

renc

emen

t de

la s

urfa

ce c

ultiv

ée, d

es

prai

ries

ou d

e pâ

tura

ge, s

uper

ficie

s de

s ea

ux in

térie

ures

, ea

ux m

ariti

mes

, zon

es h

umid

es, z

ones

cou

verte

s d’

arbu

stes

, rég

ions

boi

sées

, jac

hère

s, zo

nes

incu

ltes,

zo

nes

urba

ines

ou

déve

lopp

ées,

zone

s éq

uipé

es p

our

l’irr

igat

ion

Enqu

êtes

de

l’util

isat

ion

du s

ol, i

mag

erie

sa

telli

taire

, don

nées

géo

-réf

éren

cées

su

r la

situ

atio

n éc

onom

ique

des

ex

ploi

tatio

ns a

gric

oles

, néc

essa

ires

à la

co

mpr

éhen

sion

de

l’im

pact

des

déc

isio

ns

polit

ique

s su

r l’u

tilis

atio

n de

s te

rres

Conn

aître

la ré

alité

sur

le te

rrai

n es

t néc

essa

ire p

our

des

anal

yses

plu

s dé

taill

ées

de la

sur

face

cul

tivée

, en

par

ticul

ier p

our l

es p

etite

s pa

rcel

les.

Diffi

culté

d’

appr

éhen

der e

n dé

tail

les

cultu

res

en a

ssoc

iatio

n

23Va

riatio

ns d

e la

pro

porti

on d

e la

su

rface

terr

estre

cou

verte

par

les

forê

ts, t

aux

de d

éfor

esta

tion

Zone

géo

-réf

éren

cée

pour

car

togr

aphi

er le

s gr

ands

en

sem

bles

Min

istè

re c

harg

é de

s fo

rêts

et d

e l’i

mag

erie

sat

ellit

aire

Suiv

re la

cla

ssifi

catio

n du

LCC

S

24Po

urce

ntag

e de

s su

perfi

cies

et

des

eaux

con

sidé

rées

com

me

des

zone

s pr

otég

ées

Supe

rfici

es d

es te

rres

et d

es e

aux

géo

réfé

renc

ées

et

carto

grap

hiée

sM

inis

tère

resp

onsa

ble

de l’

imag

erie

sa

telli

taire

Suiv

re le

cod

age

du L

CCS

avec

l’ad

jonc

tion

couv

rant

le

s co

urs

d’ea

u in

térie

ure

et m

ariti

me

25

Pour

cent

age

des

supe

rfici

es

irrig

uées

par

rapp

ort à

l’en

sem

ble

des

supe

rfici

es c

ultiv

ées

Prod

uctiv

ité d

e l’i

rrig

atio

n

Supe

rfici

e de

s te

rres

cul

tivée

s et

des

sur

face

s irr

igué

es

par s

ourc

e d’

eau

pour

l’irr

igat

ion

(eau

de

la s

urfa

ce,

napp

e ph

réat

ique

, eau

usé

e tra

itée,

etc

.) et

par

mét

hode

(g

ravi

tatio

n, a

sper

sion

, gou

tte-à

- gou

tte, e

tc.)

Rend

emen

ts

des

cultu

res

prat

iqué

es s

ur le

s su

rface

s irr

igué

es

com

paré

es a

ux re

ndem

ents

pro

vena

nt d

es zo

nes

non

irrig

uées

Rece

nsem

ent a

gric

ole,

aut

res

enqu

êtes

re

lativ

es à

la p

rodu

ctio

n de

s cu

lture

s ou

à

l’util

isat

eur d

e l’e

au

L’irr

igat

ion

se ré

fère

à l’

appl

icat

ion

artifi

ciel

le d

e l’e

au

pour

sou

teni

r la

croi

ssan

ce d

es c

ultu

res

(y c

ompr

is

des

pâtu

rage

s). F

aisa

ble

en la

issa

nt l’

eau

coul

er s

ur

la s

urfa

ce ir

rigué

e, e

n éj

ecta

nt l’

eau

sous

pre

ssio

n à

trave

rs la

sur

face

con

cern

ée (a

sper

sion

) ou

en

l’am

enan

t dire

ctem

ent a

u pi

ed d

e la

pla

nte

(irrig

atio

n lo

calis

ée)

26

Pour

cent

age

des

rete

nues

d’e

au

dest

inée

s à

l’agr

icul

ture

par

ra

ppor

t au

tota

l des

rete

nues

d’

eau

Supe

rfici

e so

us ir

rigat

ion,

nom

bre

d’irr

igat

ion,

l’in

tens

ité

de l’

irrig

atio

n et

les

beso

ins

par c

ultu

re, l

e pr

élèv

emen

t d’

eau

et le

taux

de

reno

uvel

lem

ent p

our l

es u

tilis

atio

ns e

n aq

uacu

lture

, et r

atio

de

cons

omm

atio

n hu

mai

ne e

t ani

mal

e

Min

istè

res

habi

lités

, étu

des

ou e

nquê

tes

spéc

iale

s po

ur é

valu

er l’

utili

satio

n de

l’e

au e

n ag

ricul

ture

et a

quac

ultu

re

et e

nquê

tes

sur l

es e

ntre

pris

es e

t ex

ploi

tatio

ns a

quac

oles

Eau

de s

urfa

ce e

t nap

pe p

hréa

tique

doi

vent

y fi

gure

r to

utes

les

deux

. Le

coda

ge e

t les

cla

ssifi

catio

ns d

oive

nt

être

défi

nis

27N

ivea

u d’

éros

ion

qui a

ffect

e le

s ba

ssin

s ve

rsan

tsLa

rédu

ctio

n de

s re

ndem

ents

des

cul

ture

s, la

dim

inut

ion

des

supe

rfici

es c

ultiv

ées

Min

istè

res

habi

lités

, don

nées

géo

fére

ncée

s av

ec im

ager

ie s

atel

litai

re

28Im

pact

des

intra

nts

sur

l’env

ironn

emen

t

Engr

ais,

pes

ticid

es e

t aut

res

prod

uits

chi

miq

ues

utili

sés

au

sol,

dans

les

cour

s d’

eau,

les

plan

tes

par t

ype

de c

ultu

re e

t pa

r bas

sin

vers

ant,

stoc

kage

Rece

nsem

ent a

gric

ole

et/o

u en

quêt

es

de s

uivi

pou

r éva

luer

l’ut

ilisa

tion

des

engr

ais

et p

rodu

its c

him

ique

s, m

étho

des

de la

bour

Les

donn

ées

doiv

ent ê

tre g

éo-r

éfér

encé

es e

t ass

ocié

es

aux

carte

s de

l’ut

ilisa

tion

et d

e l’o

ccup

atio

n du

sol

Page 166: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

152

IND

ICAT

EUR

DO

NN

ÉES

NÉC

ESSA

IRES

LES

PRIN

CIPA

LES

SOU

RCES

DE

DO

NN

ÉES

NO

TES

TECH

NIQ

UES

ÉCO

NO

MIE

AG

RICO

LE E

T RU

RALE

29N

ombr

es d

e tra

vaill

eurs

fam

iliau

x et

em

ploy

és ré

mun

érés

dan

s le

s ex

ploi

tatio

ns

Incl

ure

la m

ain-

d’œ

uvre

non

rém

unér

ée d

u pr

oprié

taire

de

l’exp

loita

tion,

des

mem

bres

de

sa fa

mill

e et

le n

ombr

e de

tra

vaill

eurs

em

bauc

hés

Enqu

êtes

sur

la m

ain-

d’œ

uvre

et l

’em

ploi

au

près

des

exp

loita

tions

Fixe

r les

nor

mes

d’â

ge m

inim

um d

es tr

avai

lleur

s et

teni

r com

pte

du n

ombr

e d’

heur

es d

e tra

vail

par

sem

aine

. Défi

nir l

a pé

riode

réfé

renc

e. S

’ass

urer

que

les

empl

oyée

s de

sex

e fé

min

in s

ont c

ompt

ées

30N

ombr

e de

s m

embr

es d

u m

énag

e em

ploy

és a

u ni

veau

de

l’exp

loita

tion

ou h

ors

expl

oita

tion

Stat

ut d

ans

l’em

ploi

pou

r le

trava

il ho

rs e

xplo

itatio

n ag

ricol

e po

ur c

haqu

e m

embr

e du

mén

age

Enqu

êtes

sur

la m

ain-

d’œ

uvre

− e

nquê

tes

mén

ages

Néc

essi

té d

e di

stin

guer

l’em

ploi

qui

se

défin

it co

mm

e se

rvic

es im

payé

s re

ndus

aux

mén

ages

tels

que

les

corv

ées

dom

estiq

ues

31Va

riatio

ns d

u re

venu

agr

icol

e et

non

agr

icol

e du

mén

age

prov

enan

t de

tout

es le

s so

urce

s

Reve

nu d

u m

énag

e pa

r sec

teur

, par

cul

ture

, par

ani

mal

, et

c. re

venu

pro

vena

nt d

es in

vest

isse

men

ts o

u de

l’em

ploi

ho

rs e

xplo

itatio

n ag

ricol

eEn

quêt

e su

r les

mén

ages

rura

uxDé

finiti

on d

e la

zone

rura

le e

n ut

ilisa

nt le

s dé

finiti

ons

natio

nale

s

32Po

urce

ntag

e de

la p

opul

atio

n ru

rale

util

isan

t les

ser

vice

s ba

ncai

res

form

els

Nom

bre

tota

l de

mén

ages

rura

ux, n

ombr

e ay

ant r

ecou

rs

aux

créd

its e

t aux

ser

vice

s d’

épar

gne

Banq

ue c

entra

le o

u ba

nque

s co

mm

erci

ales

, enq

uête

s sp

écia

lisée

s,

rece

nsem

ent a

gric

ole

33Va

riatio

n de

s ve

ntes

des

en

trepr

ises

liée

s à

l’agr

icul

ture

Volu

me

des

vent

es, b

énéfi

ce n

et d

es e

ntre

pris

es

four

niss

ant d

es s

ervi

ces

à l’a

gric

ultu

reEn

quêt

es s

péci

alis

ées

Utili

ser l

es rè

gles

com

ptab

les

stan

dard

s

So

urc

es :

FAO

(20

10)

Page 167: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

153153

Ensemble minimum de données de baseTABLEAU 13 : ENSEMBLE MINIMUM DE DONNéES DE BASE

GROUPE DE VARIABLES

VARIABLES CLÉS COMPOSANTES DE DONNÉES CENTRALES FRÉQUENCE

ECONOMIQUE

Produits

Production

Principales cultures (ex : blé, riz, etc.) Effectif et Production animale des principales espèces (ex : bovins, ovins, porcins, etc.) Principaux Produits forestiers Principaux Produits de la pêche et de l’aquaculture

Annuelle

Surfaces récoltées et plantées Principale Cultures (ex : blé, riz, etc.) Annuelle

Rendement/mise-bas/productivitéPrincipales Cultures, principales espèces, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture

Annuelle

Commerce

Exportations en quantité et en valeurPrincipales Cultures, principales espèces, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture

Annuelle

Importations en quantité et en valeurPrincipales Cultures, principales espèces, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture

Annuelle

StocksQuantités en stockage au début de la récolte

Principales Cultures Annuelle

Stocks de ressources

Occupation du sol et utilisation des terres Superficies des terres  

Population économiquement activeNombre de personnes en âge de travailler par âge et selon le genre

 

Production animale Effectif des animaux vivants  

Mécanisation Nombre de tracteur, moissonneuse, semoir, etc.  

Annexe 2

Page 168: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

154

GROUPE DE VARIABLES

VARIABLES CLÉS COMPOSANTES DE DONNÉES CENTRALES FRÉQUENCE

Intrants

Eau Quantité d’eau prélevée pour l’irrigation  

Engrais en quantité et valeur Principaux engrais par culture  

Pesticides en quantité et valeurPrincipaux pesticides (par ex. : fongicides, insecticides, désinfectants) par culture

 

Semences en quantité et valeur Par principale culture  

Fourrage en quantité et valeur Par principale culture  

Transformation agroalimentaire

Volume de la production végétale, animale et halieutique utilisée dans le processus de transformation des produits alimentaires

Par type d’industrie  

Valeur des productions agroalimentaires Par type d’industrie  

Autres utilisations (ex : biocarburant)    

Prix

Prix à la productionPrincipales Cultures, principaux cheptels, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture

 

Prix à la consommationPrincipales Cultures, principaux cheptels, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture

 

Dépense finale

Dépense publique pour l’agriculture et le développe- ment rural

Investissements publics, subventions  

Investissements privésInvestissements en équipement, en recherche développe- ment et en infrastructure

 

Consommation des ménagesPrincipales Cultures, principaux cheptels, principaux produits forestiers, principaux produits de la pêche et de l’aquaculture en quantité et en valeur

 

Infrastructure rurale (stock en capital)

Irrigation, routes, voies ferrées et communication

Zones équipées pour l’irrigation/routes en km/voies ferrées en km/communications

 

Transfert international

APD1 pour l’agriculture et le développement rural

   

1

1 APD = Aides Publiques au développement

Page 169: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

155

GROUPE DE VARIABLES

VARIABLES CLÉS COMPOSANTES DE DONNÉES CENTRALES FRÉQUENCE

SOCIAL

Cara

ctér

istiq

ues

dém

ogra

phiq

ues

de

s po

pula

tions

urb

aine

s et

rura

les

Sexe    

Age en années révolues Selon le genre  

Pays de naissance Selon le genre  

Plus haut niveau d’éducation (achèvement scolaire)

Effectif selon la Classification ISCED et selon le genre  

Statut dans l’emploie Employé, sans emploi, inactif selon le genre  

Situation dans l’emploi Auto emploi et employés selon le genre  

Secteur d’activité économique dans l’emploi

Selon la Classification internationale type des activités industrielles et selon le genre

 

Occupation dans l’emploi Selon la Classification internationale des professions genre  

Revenu total du ménage    

Composition du ménage Selon le genre  

Nombre d’emplois familiaux/ travailleurs rémunérés au niveau de l’exploitation

Selon le genre  

Conditions de logementType et caractéristiques des bâtiments, principaux équipements, etc.

 

ENVIRONNEMENTAL

Terre Dégradation du sol Les variables seront basées sur les éléments de base ci-dessus relatifs à l’occupation du sol et à l’utilisation des terres, l’utilisation de l’eau et les autres données relatives à la production

 

Eau Pollution causée par l’agriculture  

Air Émissions dues à l’agriculture  

EMPLACEMENT GÉOGRAPHIQUE

Coordonnées SIG

Emplacement de l’unité statistique Parcelle, province, région, pays  

Degré d’urbanisation

Zone urbaine/rurale    

Sources : FAO (2010)

La fréquence de publication des données pour les produits non spécifiés sera établie par le cadre préparé dans le cadre de la Stratégie mondiale pour déterminer les priorités nationales en termes de contenu, portée et fréquence. Les exigences au niveau de la fréquence seront prises en considération dans la mise en place du cadre d’enquête intégré qui définira les sources de données.

Page 170: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

156156

Population cible et population échantillonnée

Les situations ci-dessous sont quelques exemples dans lesquels la population cible et la population échantillonnée pourraient ne pas coïncidée : • Problème méthodologique : difficulté d’identifier directement les unités statistiques désirées et les sélectionner.

En effet, dans la pratique, il est quelquefois difficile d’identifier et sélectionner directement les unités statistiques et y avoir accès. Considérons l’exemple ci-après : inventaire des équipements agricoles disponibles et leur état (fonctionnel) au cours d'une campagne agricole donnée. Dans ce cas, l’unité statistique est l’équipement agricole. Par ailleurs, il s’avère presqu’impossible d’avoir accès directement aux équipements agricoles pour les inventorier et apprécier leur état fonctionnel. Toutefois, il semble aisé d’avoir accès aux ménages agricoles (exploitants / exploitations agricoles). Dans ce cas de figure, le ménage agricole (exploitant/ exploitation agricole) constituera l’unité d’échantillonnage. Les équipements ainsi disponibles au sein des ménages (exploitants / exploitations agricoles) sont répertoriés et les informations d’intérêt sont recueilles.

• Problème de couverture : exclusion de certaines unités. Difficulté d'accès aux unités répondantes. Quelques exemples:�� Exclusion des zones isolées (du faite des coûts de déplacement relativement importants) �� Exclusion des activités agricoles effectuées par certaines institutions (ex: prisons…)�� Base de sondage liste non exhaustive, résultant de l’absence d’information sur certaines unités

Dans le cas où les deux populations sont différentes, la population échantillonnée devrait être raisonnablement cohérente en termes de couverture et de correspondance avec la population cible pour que les résultats de l'enquête soient pertinents.

Annexe 3

Page 171: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

157157

Champ couvert par les statistiques de l’environnement

Composantes Domaines

Composante 1: Conditions environnementales et qualité

Sous-Composante 1.1: Conditions physiques

Thématique 1.1.1  Atmosphère, climat et température

Thématique 1.1.2 Caractéristiques hydrographiques

Thématique 1.1.3 Informations géologiques et géographiques

Thématique 1.1.4  Caractéristiques du sol

Sous-Composante 1.2: Couverture terrestre, écosystèmes et biodiversité

Thématique 1.2.1: Couverture terrestre (couvert végétal)

Thématique 1.2.2  Ecosystèmes et biodiversité

Thématique 1.2.3 Forêts

Sous-Composante 1.3 : Qualité environnementale

Thématique 1.3.1 Qualité de l'air

Thématique 1.3.2 Qualité d'eau douce

Thématique 1.3.3 Qualité de l'eau marine

Thématique 1.3.4 Pollution terrestre

Thématique 1.3.5 Bruit

Composante 2 : Ressources environnementales et leur utilisation

Sous-Composante 2.1 : Ressources minérales

Thématique 2.1.1  Stocks et variation des ressources minérales

Thématique 2.1.2  Production et commerce de minéraux

Sous-Composante 2.2 : Ressources énergétiques

Thématique 2.2.1  Stocks et changements de ressources énergétiques

Thématique 2.2.2  Production, commerce et consommation d'énergie

Sous-Composante 2.3 : Terre

Thématique 2.3.1  L'utilisation des terres

Thématique 2.3.2  Utilisation de terres forestières

Annexe 4

Page 172: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

158

Composantes Domaines

Sous-Composante 2.4 : Ressources sur le sol

Thématique 2.4.1  Ressources pédologiques

Sous-Composante 2.5 : Ressources biologiques

Thématique 2.5.1  Ressources forestières

Thématique 2.5.2  Ressources aquatiques

Thématique 2.5.3  Cultures (production végétale)

Thématique 2.5.4  Bétail (élevage)

Thématique 2.5.5  Autres ressources biologiques non cultivées

Sous-Composante 2.6 : Ressources en eau

Thématique 2.6.1  Ressources en eau

Thématique 2.6.2  Extraction, utilisation et recyclage de l'eau

Composante 3 : Déchets & Résidus

Sous-Composante 3.1 : Émissions atmosphériques

Thématique 3.1.1  Émissions de gaz à effet de serre (GES)

Thématique 3.1.2  Consommation de substances appauvrissant la couche d'ozone (ODS)

Thématique 3.1.3  Émissions d'autres substances

Sous-Composante 3.2 : Production et gestion des eaux usées

Thématique 3.2.1  Production et teneur en polluants des eaux usées

Thématique 3.2.2  Collecte et traitement des eaux usées

Thématique 3.2.3  Déchargement des eaux usées dans l'environnement

Sous-Composante 3.3 : Production et gestion des déchets

Thématique 3.3.1  Production de déchets

Thématique 3.3.2  Gestion des déchets

Sous-Composante 3.4 : Emission de substances chimiques

Thématique 3.4.1  Emission de substances chimiques

Composante 4 : événements et catastrophes extrêmes

Sous-Composante 4.1 : Événements et catastrophes naturelles extrêmes

Thématique 4.1.1 Survenance des événements extrêmes naturels et catastrophes

Thématique 4.1.2 Impact des événements extrêmes naturels et des catastrophes

Sous-Composante 4.2 : Catastrophes technologiques

Thématique 4.2.1  L'apparition de catastrophes technologiques

Thématique 4.2.2  Impact des catastrophes technologiques

Composante 5 : habitation et installations humaines et impact sur l’environnement

Sous-Composante 5.1 : Habitation et installation humaine

Thématique 5.1.1  Population urbaine et rurale

Thématique 5.1.2  Accès aux services de base sélectionnés

Thématique 5.1.3  Conditions de logement

Thématique 5.1.4  Exposition à la pollution ambiante

Thématique 5.1.5  Problèmes environnementaux propres aux établissements urbains

Sous-Composante 5.2 : Santé environnementale

Thématique 5.2.1  Maladies et affection liées à l’air

Thématique 5.2.2  Maladies et affections liées à l'eau

Thématique 5.2.3  Maladies à transmission vectorielle

Thématique 5.2.4  Problèmes de santé associés à une exposition excessive aux rayonnements UV

Thématique 5.2.5  Maladies toxiques et maladies et affections liées aux rayonnements nucléaires

Page 173: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

159

Composantes Domaines

Composante 6 : Protection, gestion et engagement de l'environnement (Environmental Protection, Management and Engagement)

Sous-Composante 6.1 : Protection de l'environnement et de gestion des ressources, dépenses (Environmental Protection and Resource Management Expenditure)

Thématique 6.1.1 Action gouvernementale : protection de l'environnement et gestion des ressources

Thématique 6.1.2Les dépenses institutionnelles, à but non lucratif et la protection de l'environnement et les dépenses de gestion des ressources

Sous-Composante 6.2 : Gouvernance environnementale et réglementation

Thématique 6.2.1 Capacité institutionnelle (Institutional strength)

Thématique 6.2.2 Réglementation et instruments environnementaux

Thématique 6.2.3Participation aux Accords Multilatéraux sur l'Environnement et aux conventions environnementales

Sous-Composante 6.3 : Préparation aux événements extrêmes et gestion des catastrophes

Thématique 6.3.1 Préparation aux événements extrêmes naturels et aux catastrophes naturelles

Thématique 6.3.2 Préparation aux catastrophes technologiques

Sous-Composante 6.4 : Information et sensibilisation environnementale

Thématique 6.4.1 Informations environnementales

Thématique 6.4.2 Éducation environnementale

Thématique 6.4.3 La perception et la conscience de l'environnement

Thématique 6.4.4 Engagement environnemental

Sources : Auteur, sur la base des informations recueillies du FDES². 2013

Page 174: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

STRATÉGIE MONDIALE POUR L’AMÉLIORATION DES STATISTIQUES AGRICOLES ET RURALESFORMATION EN STATISTIQUES AGRICOLES (Manuel)

160

Page 175: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse
Page 176: Stratégie mondiale pour l’amélioration des statistiques ...gsars.org/wp-content/uploads/2017/10/GS-M-FORM... · 3.5. ANALYSE ET DIFFUSION 105 3.5.1. Quelques techniques d’analyse

www.gsars.org