Méthodes par quantiles

• un euro supplémentaire d’aide a un effet stabilisateur plus fort sur les exploitations situées au bas de la distribution des revenus (quantiles inférieurs) par rapport aux exploitations à revenus élevés (quantiles supérieurs) ;
• les gains de productivité résultant des subventions à l’investissement sont concentrés parmi les exploitations déjà très performantes ou sont répartis de manière plus uniforme ; et
• les paiements directs réduisent la volatilité des revenus principalement pour les petites exploitations ou celles à faibles revenus.

Les deux principaux outils sont :

• La QDRF examine comment différents niveaux (« doses ») d’aide influencent différents types d’exploitations le long de la distribution (par exemple, à faibles revenus par rapport à celles à revenus élevés). L’accent est mis sur la variation du montant de l’aide.

Exemple : imaginez que des exploitations reçoivent des montants différents d’aide à l’investissement : 0 EUR, 5 000 EUR, 10 000 EUR, 20 000 EUR. La QDRF vous indique, par exemple :

• Au 10ème centile (exploitations les plus pauvres) : une augmentation de l’aide de 5 000 EUR à 10 000 EUR augmente le revenu de X %.
• Au 90ème centile (exploitations les plus riches) : la même augmentation de l’aide n’a pratiquement aucun effet.
• Le QCTE estime comment l’effet du traitement varie entre les quantiles, sous réserve de bénéficier du traitement. Il compare les exploitations traitées et non traitées à chaque quantile. L'accent est mis sur la variation de l'effet lié à l'appartenance au groupe de traitement (traitement binaire).

Exemple : supposons que certaines exploitations reçoivent une aide à l'investissement (traitement = 1) et d'autres non (traitement = 0). Le QCTE estime :

• Au 25ème centile : le fait de recevoir une aide augmente le revenu de 2 000 EUR.
• Au 75ème centile : bénéficier d’un soutien augmente le revenu de 400 EUR.

Ces méthodes montrent comment le soutien de la PAC affecte des exploitations présentant des caractéristiques ou des conditions de départ très différentes, plutôt que seulement l’exploitation « typique » ou moyenne.

Les hypothèses clés sont les suivantes :

• La relation entre le soutien de la PAC et les résultats peut varier selon la distribution (effets hétérogènes).
• Le modèle statistique doit être correctement spécifié pour chaque quantile.
• Des données suffisantes doivent être disponibles sur toutes les parties pertinentes de la distribution pour produire des estimations fiables.

• La question politique porte explicitement sur les impacts distributifs (par exemple, le soutien réduit-il les inégalités de revenus ? qui bénéficie le plus d’une mesure ?).
• Les niveaux de soutien varient d'une exploitation à l'autre, et vous soupçonnez que les effets diffèrent selon les types d'exploitations ou les niveaux de revenu.
• Le soutien est largement accordé à (presque) l'ensemble de la population agricole (par exemple, les paiements directs découplés), de sorte qu'il n'existe pas de groupe témoin non traité clairement défini, et vous souhaitez exploiter la variation du niveau de soutien plutôt qu'une comparaison entre groupes traités et non traités ;
• Il existe de vastes ensembles de microdonnées (par exemple, RIDEA/RICA) et l’évaluation vise à aller au-delà d’un « effet moyen ».
• Elles constituent un bon complément aux méthodes d’effet moyen (par exemple, la DiD) lorsque les questions d’équité ou de ciblage sont centrales.

Conditions préalables

• De vastes ensembles de données transversales ou de panel (nombreuses exploitations, plusieurs années) pour obtenir des estimations fiables à différents quantiles.
• Traitement continu ou au moins à valeurs multiples (par exemple, niveaux de soutien variables, et pas seulement 0/1).
• Accès à des compétences et à des logiciels économétriques solides, car les méthodes par quantiles sont plus complexes que les méthodes standard.

Quand utiliser les méthodes par quantiles dans le cadre des évaluations du plan stratégique relevant de la PAC

Les méthodes par quantiles peuvent être utilisées pour analyser comment le soutien de la PAC affecte non seulement l’exploitation agricole moyenne, mais aussi l’ensemble de la distribution des résultats.

Ici, la « distribution des résultats » fait référence à la distribution de la variable dépendante (par exemple, le revenu agricole), mais les méthodes par quantiles peuvent être appliquées séparément ou de manière interactive à différents groupes d’exploitations (par exemple, par taille, type ou région) afin d’examiner si les effets de distribution diffèrent entre ces catégories.

Elles sont adaptées pour étudier comment le soutien influence :

• Le revenu agricole ou le revenu d'entreprise afin de déterminer si les exploitations à faible revenu gagnent proportionnellement plus (ou moins) que celles à revenu élevé.
• Le revenu des facteurs agricoles afin d'examiner les changements de répartition entre différents types d'exploitations.
• Les indicateurs de performance (par exemple, la productivité totale des facteurs) afin d'évaluer si le soutien profite principalement aux exploitations déjà très performantes ou s'il aide les exploitations moins performantes à rattraper leur retard.
• Les indicateurs environnementaux ou sociaux, à condition qu’ils soient mesurés au niveau de l’exploitation et que les schémas de répartition soient pertinents, par exemple comment le soutien affecte les exploitations à faibles émissions par rapport à celles à fortes émissions, ou les exploitations à faible intensité d’emploi par rapport à celles à forte intensité d’emploi.

Ces méthodes sont particulièrement utiles lorsqu’il est important de comprendre comment les résultats diffèrent d’une exploitation à l’autre, et pas seulement l’effet moyen. Cela est particulièrement pertinent pour des objectifs politiques tels que l’équité, la stabilité des exploitations vulnérables (résilience) et le soutien ciblé. Elles aident les évaluateurs à comprendre si les mesures de la PAC réduisent les disparités, renforcent les écarts existants ou produisent des effets hétérogènes qui peuvent être masqués lorsque l’on examine uniquement les impacts moyens.

• Les méthodes par quantiles révèlent comment l'aide de la PAC affecte différents types d'exploitations sur l'ensemble de la distribution – et pas seulement l'exploitation moyenne. Elles permettent de déterminer si les exploitations à faibles revenus, à faible productivité ou autrement vulnérables bénéficient différemment du soutien par rapport aux exploitations plus performantes. Cela offre une vision bien plus complète que les seuls effets moyens.
• Elles sont particulièrement utiles pour évaluer les aspects de la PAC liés à l’équité, à la redistribution et au ciblage. Ces méthodes répondent directement à des questions telles que « Qui en bénéficie le plus ? », « Le soutien réduit-il les disparités entre les exploitations ? » ou « Les groupes vulnérables rattrapent-ils leur retard ou prennent-ils du retard ? » – des questions qui sont au cœur de nombreux objectifs de la PAC.
• Elles nécessitent de vastes ensembles de données et une expertise statistique avancée ; elles sont donc mieux utilisées par des analystes expérimentés en complément de méthodes plus simples. En pratique, l’analyse par quantiles est la plus efficace lorsque les évaluateurs ont accès à des microdonnées détaillées et ont la capacité d’estimer des modèles séparément sur l’ensemble de la distribution. Lorsqu’elles sont utilisées parallèlement à des approches plus conventionnelles, elles apportent des informations importantes qui, sans cela, resteraient cachées.