WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Expliquer la production de déchets ménagers parisiens sur la période 1949-2004

( Télécharger le fichier original )
par PREISSER Pierre et HADDAG Lyes
Université Paris 1 Panthéon-Sorbonne - Maà®trise d'économétrie 2006
  

Disponible en mode multipage

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Mémoire

Maîtrise d'économétrie

JUIN 2006

« Expliquer la production de déchets ménagers parisiens et leurs évolutions sur la période 1949-2004. »

GROUPE H :

HADDAG Lyes

PREISSER Pierre

Sous la direction de M. P. JOLIVALDT

« L'université de PARIS 1 PANTHEON-SORBONNE n'entend donner aucune approbation ni improbation aux opinions émises dans ce résumé, ces opinions doivent être considérées comme propres à leurs auteurs. »

Remerciements :

Avant d'introduire notre étude, nous voudrions adresser des remerciements particuliers à Mme Catherine Bouffeteau (Responsable du Pôle Documentation de la Direction de la Protection de l'Environnement) sans qui notre mémoire n'aurait jamais pu commencer et encore moins se terminer.

Simples étudiants en recherche de données, elle nous a ouvert en toute simplicité la porte de la bibliothèque de la « Direction de la Protection de l'Environnement ». Elle nous a également proposé son carnet d'adresses et elle nous a généreusement proposé son aide.

Alors que d'autres personnes ne souhaitaient pas s'entretenir avec nous sur le sujet, madame Bouffeteau n'a pas hésité à nous consacrer de son temps.

De plus, c'est grâce à elle que notre mémoire a pu être imprimé sur du papier recyclé.

Pour tout ce qu'elle a fait pour nous au cours de ces derniers mois, nous la remercions du plus profond de notre coeur.

Résumé :

Les années d'après-guerre ont été appelées par certains les « Trente Glorieuses » ou les « années poubelles », car elles s'accompagnent d'un fort accroissement de la consommation mais aussi de la production de déchets. La montée des préoccupations écologiques a propulsé le problème des déchets sur le devant de la scène. Nous avons estimé la production de déchets sur la période 1949-1989. On a démontré que la consommation était le principal facteur explicatif. Pour la période 1990-2004, on a vu que les déchets commençaient à décroître, alors que les dépenses moyennes de consommation continuaient à augmenter. Il en ressort que nous n'observons pas une baisse de la production des déchets ménagers à proprement parler. Cette décroissance est due, au fait que le développement des collectes sélectives détourne une partie des déchets des poubelles des ménages. En effet, à partir de 1990, sont mis à la disposition des riverains des bacs pour le verre et le papier. Ainsi, ces matériaux et également les encombrants ne sont plus comptabilisés dans la poubelle des ménages. Nos connaissances étant limitées, nous ne pouvons proposer de solution miracle. Tout ce que l'on peut dire, c'est que toutes solutions visant à réduire la consommation comme une taxe, risquent d'avoir des effets néfastes sur l'économie et, que celles comme la prévention paraissent utopistes. Cependant, les déchets sont le problème de tous et il n'y a que par un effort commun que nous pourrons le régler.

Mots clés : déchets, consommation, estimer

Abstract :

The years of post-war period were called "the Thirty Glorious" or the «years dustbins", because they are accompanied by a strong increase in consumption but also in production in waste. The rise of the ecological concerns propelled the problem of waste on the front of the scene. We estimated the production of waste over the period 1949-1989. It was shown that consumption was the principal explanatory factor. Over the period 1990-2004, we saw that waste started to decrease, whereas the average expenditure of consumption continued to increase. This reveals that we don't observe a fall of the production of domestic waste. This decrease is due to the development of the selective collections witch diverts a part of waste of the household's dustbin. Indeed, since 1990, are placed at the disposal of the residents of the vats for glass and paper. Thus, these materials and also the cumbersome are not entered any more in the household's dustbin. Our knowledge being very limited and we can't propose a miracle answer. All that we can say, it is that all solutions aiming at reducing consumption like a tax, are likely to have harmful effects on the economy and, that those like the prevention, appear utopian. However, waste is the problem of all people, and there is only by one joint effort which we will be able to regulate it definitively.

Key words: waste, consumption, to estimate

Classification JEL : Q53, G0, C13

TABLE DES MATIERES

I. LES DONNEES page 9

A. La variable expliquée page 9

1. Description page 9

2. Etude de la saisonnalité page 13

a. Etude du corrélogramme page 14

b. Test ADF page 15

3. Stationnarité de la série « Id » page 16

a. Différenciation au premier ordre page17

b. Test ADF page 17

c. Test Phillips-Perron page 18

B. La variable explicative page 18

1. Description page 19

2. Etude de la stationnarité page 21

a. Etude du corrélogramme page 21

b. Test ADF page 22

3. Stationnarisation de la série « Ic » page 22

a. Différenciation au premier ordre page 23

b. Test ADF page 23

c. Test Phillips-Perron page 24

C. Analyse conjointe des deux variables page 25

II. LE MODELE page 26

A. Test de co-intégration entre nos variables page 27

B. Le modèle long terme sur la période 1948-1989 page 27

1. Modélisation page 28

a. Justification économique des variables page 28

b. Estimation du modèle par les MCO page 29

c. Test de co-intégration selon l'approche de Engle et Granger page 30

2. Validation des hypothèses page 31

a. Etude du corrélogramme des résidus page 31

b. Test d'homoscédasticité page 32

c. Test d'auto corrélation page 33

3. Robustesse du modèle page 34

4. Interprétation page 35

C. Le modèle à correction d'erreurs page 36

D. Période 1990 - 2004 page 37

III. SOLUTION AU PROBLEME DES DECHETS page 39

A. La prévention page 39

B. L'effet d'une taxe page 43

Conclusion page 44

Bibliographie page 45

Annexes page 46

Introduction :

On a longtemps pensé que les déchets étaient un problème nouveau.

En effet, depuis quelques années on nous demande de trier nos ordures afin de mieux les recycler, on apprend à nos enfants à mieux consommer. Tout cela dans le but de protéger notre environnement, de préserver les générations futures, et de réduire notre facture car le traitement des déchets à un coût que nous payons à travers nos impôts.

Mais les déchets ne sont pas un problème récent.

En effet, les Romains, les Egyptiens et même les Grecs, avaient des habitudes d'hygiènes qu'ils ont introduites en Gaule mais qui n'ont pas perduré à cause des invasions.

Du coup, plus personne ne se souciait de la propreté des villes, seule la pluie, quand elle tombait, lavait la chaussée.

Durant plusieurs siècles, dans les villes, le sol des rues étaient recouvert de boue produite par la terre, les excréments humains, les eaux usées, les ordures ménagères et autres crottins. Il n'existait pas de système d'évacuation efficace. Paris était d'ailleurs surnommée « ville de boue ».

Cette stagnation, de boue et de déchets, fût la cause de nombreuses épidémies, comme la peste noire ou la coqueluche, qui firent des millions de victimes à travers l'Europe.

Pour régler le problème des boues et lutter contre les odeurs à Paris, Le roi Philippe Auguste ordonne, en 1185 *, le pavage des rues boueuses de la ville. Mais aucun empressement ne fût observé, quatre cents ans plus tard la moitié des rues de Paris n'étaient toujours pas pavées.

L'histoire de la propreté à Paris continue en 1522, où un système mixte est mis en place pour organiser la collecte. Le balayage et la mise en tas des immondices sont assurés par les habitants, tandis que le transport est organisé par l'autorité royale. François 1er prescrit de présenter les ordures dans des paniers.

En 1767, Louis XV, impose aux riverains, par ordonnance, le tri des boues, des ordures ménagères et des débris de vaisselles et autres solides.

Cependant tout le monde ne le faisait pas, et continuait sous risque d'amende, à déverser ses ordures dans la Seine. Aussi en 1882 Jules Ferry remplaça la cour de catéchisme par celui d'hygiène. La propreté devient alors un devoir.

C'est en 1884 que la poubelle s'impose à tous les propriétaires, après la publication de l'arrêté du 7 mars 1884 signé par Eugène Poubelle. Trois boîtes étaient obligatoires, la première pour les matières putrescibles , la seconde pour les papiers et chiffons et la dernière pour le verre, la faïence ou les coquilles d'huîtres. Mais il ordonne également le balayage par les riverains du trottoir devant leurs façades.

Comme le dit Gérard Bertolini : « le déchet est associé à l'activité humaine » donc tant que les scientifiques, industriels ou agriculteurs regardent la ville comme une mine de matières premières et participent à la réalisation d'un projet urbain visant à ne rien laisser perdre, projet garant de la salubrité urbaine, du dynamisme économique et de la survie alimentaire, tout va pour le mieux.

* rendez-vous à l'annexe page 43-45 pour de plus amples détails sur les grandes dates de la propreté à Paris

terme définit en annexe pages 58-59

Cependant, Sabine Barles, dans son ouvrage «  l'invention des déchets urbains », nous explique qu'à partir des années 1880, on assiste à une dévalorisation progressive des résidus urbains. L'industrie et l'agriculture ont pu se passer de la ville, car de nouvelles matières premières plus rentables et résistantes sont apparues.

En effet, en 1863 aux Etats-Unis, la première matière plastique : le « celluloïd » apparaît.

Dès la fin de la Seconde Guerre Mondiale, les applications se multiplient et on fabrique des matériaux composites, qui allient plastique et autres fibres ou différents plastiques.

Dans les années 70, le sac plastique fait son apparition dans la vie des ménages et remplace rapidement le sac en papier, moins résistant. Il pèse 5 grammes et supporte environ 10 kilos, en plus on le fabrique en une seconde. C'est le début de l'ère de la société de consommation.

Le sac jetable est le symbole de notre société de consommation, on pourrait même dire : 

« Société de déchets » car nous en produisons plus d'un kilo, par jour et par personne.

Tout cela nous montre bien que le problème des déchets ne date pas d'aujourd'hui. Et les restrictions que l'on nous impose comme le tri sélectif est une idée vieille de plusieurs siècles.

Ce problème dure depuis la nuit des temps et il est toujours d'actualité.

En plus des épidémies, on doit faire face à un manque de place pour les stocker, le coût de leur traitement ne cesse d'augmenter et on commence à connaître leurs impacts négatifs sur l'environnement. Les conséquences ont changé mais le problème reste le même, celui de la production de déchet.

La loi du 15 juillet 1975, qui est la première loi cadre sur les déchets, stipulait que l'on devait produire moins de déchets, s'efforcer de valoriser et d'éliminer ceux qui ont quand même été produits.

Pourtant depuis 15 ans, cette politique s'est trouvée inversée. Pour éradiquer le problème des déchets il faut les quantifier, les analyser et trouver les facteurs explicatifs de leur production. Ce sera l'objet de notre étude : « Expliquer la production de déchets ménagers parisiens et leur évolution  sur la période 1949-2004 ».

Pour réaliser cette étude, nous nous sommes déplacés aux archives de la ville de Paris ou encore à la Direction de la Protection de l'Environnement afin de constituer notre base de données, nécessaire pour modéliser la production de déchets. Avec l'aide de la version 3.1 du logiciel EViews, nous avons réussi à estimer la production de déchets, mais sur une période plus courte que prévu.

Notre Analyse débutera par la description de la base de données, on expliquera l'évolution des variables et on étudiera leur stationnarité. Ceci étant fait nous pourrons commencer la partie économétrique dans laquelle nous montrerons les facteurs explicatifs de la production de déchets, tout cela en élaborant le modèle, testant sa validité et en interprétant les résultats.

Avant de conclure, nous proposerons dans une troisième partie, quelques solutions pour moins produire de déchets, nous y montrerons notamment l'effet d'une taxe sur la production de déchets.

mot définit en annexe pages 58-59

I. LES DONNEES :

Notre travail débute par la recherche de données, car sans donnée, nous ne pouvons modéliser donc effectuer notre étude.

On s'est donc posé la question suivante : « Qu'est ce qui expliquerait la production de déchets ? »

A partir de là on a pu établir une liste de différents facteurs et nous avons commencé notre recherche de données sur ces derniers.

Etant donné que notre étude débute en 1949, nous avons eu du mal à trouver des données sur tous les facteurs voulus, cependant nous avons pu en trouver sur nos deux principales variables, que nous allons décrire dans la suite. Nous avons constitué notre base de données principalement grâce à la Direction de la Protection de l'Environnement (DPE) qui est un service rattaché à la mairie de Paris.

A. La variable expliquée :

Nous allons étudier en détail la variable expliquée.

Nous commencerons par l'analyser, regarder les dates importantes, puis nous étudierons la stationnarité de cette série.

1) Description :

Déchets ménagers parisiens

Notre sujet a pour but d'essayer d'expliquer la production de déchets par habitant au niveau de Paris.

La variable expliquée est donc la production d'ordures ménagères parisiennes rapportées à la population de Paris (dit Dechp).

C'est une variable quantitative et continue.

Nous pouvons observer sur le graphique, que la production de déchets par tête est croissante sur la période 1949-1989, puis décroissante sur la période 1990-2004.

Source : DPE

reportez vous page 45 pour un graphique détaillé

Plus précisément, on peut même dire que cette variable suit une croissance linéaire jusqu `en 1975 où l'on constate une rupture.

C'est d'ailleurs à cette date qu'elle dépasse sa moyenne, qui est de 405 kilogrammes par habitant et par an, soit plus d'un kilogramme par habitant et par jour.

Sur la période 1975-1989, notre variable à tendance à suivre une croissance linéaire plus forte (changement de pente par rapport à la première période).

En 1989-1990, on observe une seconde rupture, assez violente, la production de déchet chute de prés de 20%. On passe en 1989 de 568 kilogrammes par habitant à 468 kilogrammes par habitant en 1990.

Puis sur la période 1990-2004, la production de déchet par habitant continue de décroître.

Qu'est ce qui explique une évolution si mouvementée ?

En 1969, on dépasse le seuil de un kilogramme de déchets par habitant et par jour.

A ce stade on ne parle plus de société de « consommation » mais bien de société de « déchet ».

La première grande loi sur la gestion des déchets a été promulguée le 15 Juillet 1975.

Elle instaure l'obligation pour chaque commune de collecter et d'éliminer les déchets des ménages, en précisant que ces opérations doivent se faire « sans risque pour l'environnement et pour la santé humaine ». Une commune a le droit de déléguer cette responsabilité à un syndicat intercommunal auquel elle adhère.

Cette loi instaure aussi le principe de « pollueur payeur » pour financer son application.

Ø Ce seront donc les ménages qui financeront la collecte et le traitement des déchets ménagers.

Ø Quant aux déchets d'entreprises, ce sont les entreprises qui en sont responsables et doivent en financer leur collecte et l'élimination.

Cette loi vise aussi à réduire la production des déchets à la source et à promouvoir la récupération et le recyclage des déchets. Mais ces dispositions ne seront pratiquement pas suivies dans les faits.

Pendant quinze ans, cette politique s'est trouvée inversée, on a effectivement mis en place le traitement des déchets, on a crée des usines d'incinération et de recyclage, mais on a abandonné la question de leur réduction.

A la fin des années 80, la quasi-totalité de la population française bénéficiait d'une collecte des ordures ménagères éliminées dans des installations conformes aux exigences réglementaires.

Mais le recyclage et la valorisation n'étaient pas développés et pratiquement tous les déchets (70%) étaient éliminés en décharge ou par incinération, ce qui représentait un énorme gaspillage de matières premières.

La société française s'est trouvée confrontée à un profond décalage entre les déchets ménagers qu'elle produisait et les moyens qu'elle s'était donnée pour les traiter et les éliminer. Décalage qui a conduit le gouvernement de l'époque à instaurer une nouvelle loi, la loi Royal (la loi du 13 juillet 1992), et à définir de nouvelles règles pour la gestion des déchets.

Cette loi marque un tournant dans nos modes de gestion de déchets.

Outre l'objectif de réduction des déchets à la source, on peut en retenir trois grands principes :

Ä L'obligation de valorisation et de recyclage des déchets.

Ceux-ci représentent désormais un gisement d'énergie et de matières premières que l'on n'a plus le droit de gaspiller, ni de détruire. Les communes doivent donc mettre en place les moyens et équipements nécessaires au développement du recyclage et de la valorisation.

Ä La mise en place de Plans départementaux.

Ils définissent les grandes orientations de la gestion des déchets ménagers à l'échelle du département, dans un souci de rationalisation et de cohérence des moyens de collecte et de traitement à l'échelle d'un territoire administratif. Les communes sont toujours responsables des déchets ménagers, mais doivent suivre les prescriptions du Plan départemental. Par exemple, une commune ou un groupement de communes ne peut pas créer de nouvelle décharge ou de nouvel incinérateur si le plan départemental ne l'a pas prévu.

Ä La mise en décharge réservée aux seuls déchets ultimes.

Les anciennes décharges où étaient enfouis tous nos déchets ménagers doivent être fermées. Seuls les déchets qui ne pourront être valorisés ou recyclés à un coût acceptable pourront toujours être enfouis. D'ailleurs, on ne parle plus de décharge, mais de centre de stockage de déchets ultimes.

Les années 90 sont donc marquées par l'engagement des politiques et l'adoption de loi nécessaire pour obliger les gens à prendre conscience du problème que sont les déchets et les faire réagir pour qu'ils réduisent leurs détritus ou qu'ils consomment mieux.

Cependant la réglementation mise en place ne suffit pas à expliquer une chute de 20% de la production, nous pensons que cette baisse en 1990 est due à un changement d'estimation du tonnage d'ordures ménagères. Nos pensées ont été confirmées par des responsables de la DPE. En effet en 1990 on ne comptabilise plus dans les ordures ménagères les encombrants, le verre, les magazines et les journaux.

mot définit pages 58-59

Evolution de la composition des poubelles françaises :

Source : ADEME

Regardons le document présenté ci-dessus, il a été réalisé par l' « Agence gouvernementale de l'Environnement » et de la « Maîtrise de l'Energie » (ADEME) pour une étude sur les déchets ménagers des français.

On remarque qu'environ 40 % du poids humide des ordures ménagères provient des emballages (bouteilles, cartons, sacs, boîtes de conserve...). En poids sec, cette proportion atteint 47%.

Parmi les emballages présents dans le gisement d'ordures ménagères, les trois premiers matériaux sont : le verre, le plastique puis le carton. Ils représentent à eux seuls près de 83 % des tonnages d'emballages (poids sec).

Cette moyenne a beaucoup évolué depuis 1960, la part en poids des matières organiques est passée de 26% à 29% et celle du verre de 4% à 13%. Les papiers cartons restent stables tandis que les plastiques, inexistants à l'époque, représentent 11% des quantités totales à l'issue des mesures de la campagne 1993.

Ce qui nous conforte dans l'idée que la consommation a un rôle à jouer, puisque en étudiant la composition des poubelles des français, on observe des changements alors même que nous savons que les modes de consommation ont également changé dans les années 70.

définition donnée pages 58-59

2) Etude de la stationnarité  :

L'économètre doit faire face à un autre problème que le manque de données. Il ne peut observer qu'une partie de la trajectoire du processus étudié, pour notre part il s'agit de la période 1949-2004.

Il est souhaitable que les propriétés statistiques mesurables sur ce tronçon de la trajectoire soient reproductibles dans le temps, c'est le cas si la série est stationnaire.

Une série est dite faiblement stationnaire, si la moyenne du processus étudié, sa variance sont des moments finis et indépendant du temps. La dernière conditions est que sa fonction d'auto covariance soit indépendante du temps. Si ces trois conditions sont vérifiées, on peut affirmer que la série est faiblement stationnaire.

Nous cherchons à expliquer une évolution, pour avoir de meilleures interprétations nous avons choisis d'utiliser le logarithme des déchets par habitant (dit ld) et le logarithme des dépenses moyennes de consommation par habitant (dit lc). Une autre justification de la prise des logarithmes se trouve dans l'étude des variances de nos séries.

En effet, en utilisant les logarithmes nous réduisons les fluctuations des variables, la variance de la série des déchets passe ainsi de 7029.14158 à 0.04745377 et de 36241091.4 à 2.59099712 pour celle de la consommation.

Pour information, la variance correspond à l'écart quadratique entre les observations de la série et sa moyenne, c'est-à-dire qu'elle correspond aux fluctuations de la série autour de sa moyenne.

Autrement dit, nous allons étudier la stationnarité de la série des logarithmes des déchets par habitant (dit ld).

Pour ce faire, nous étudierons le corrélogramme de la série, puis nous ferons plusieurs tests et conclurons à la stationnarité ou non. Si on conclut à la non stationnarité de la série, nous la stationnariserons alors.

confère page 51, pour visualiser les sorties EViews des test effectués

a. Etude du corrélogramme :

Corrélogramme de ld

A première vue, on aurait tendance à croire que ce processus est un AR (1) minimal.

En effet on observe une cassure à l'ordre 1 au niveau des autocorrélations partielles, et un cycle sur les autocorrélations (les treize premières sont significativement différentes de zéro).

Cependant, la décroissance des auto-corrélations est trop lente pour être celle d'un processus AR (1).

Si cela avait été un processus AR (1), l'écart entre deux auto-corrélations aurait été plus grand Nous soupçonnons que nous avons à faire à un processus « Difference Stationnary » (dit DS). Si tel est le cas cela voudrait dire que notre processus n'est pas stationnaire.

Cependant pour la stationnariser, il suffirait d'appliquer l'opérateur différence première. Pour tester la stationnarité, nous allons utiliser le test de « Dickey-Fuller Augmenté » (ADF), si on conclut à la stationnarité, nous devrons confirmer ce résultat par un autre test : celui de Philips Perron.

b. Test ADF :

Le test de « Dickey-Fuller Augmenté » est un test de stationnarité. Ce test doit s'effectuer sur plusieurs modèles.

Ø Le premier correspond à la variable étudiée que l'on pose égale à sa valeur retardée plus un résidus : ld (t) = ñ ld (t-1) + Ut

Ø Le second correspond au premier modèle auquel on rajoute une constante :

ld (t) = C + ñ ld (t-1) + Ut

Ø Le troisième reprend le second modèle dans lequel on ajoute une tendance :

ld (t) = C + T + ñ ld (t-1) + Ut

Ce test suppose que les perturbations Ut sont des bruits blancs, c'est-à-dire qu'ils suivent une loi normale de moyenne nulle et d'espérance égale à ó, mais cela signifie aussi qu'ils sont stationnaires.

Ce test est aussi appelé « test de racine unitaire », c'est pour cela que si |ñ| <= 1, notre série est stationnaire, l'effet des chocs serait transitoire. Autrement dit, si jamais notre série connaît un choc, on sait qu'elle reviendra sur sa trajectoire d'équilibre.

Nous testons l'hypothèse :

H0 : la série est non stationnaire et de type DS, équivaut à ñ = 1 (effet des chocs permanents)

Contre

H1 : la série est stationnaire, autrement dit |ñ| <= 1 (effet des chocs transitoires)

Nous précisons que les résultats présentés correspondent au « test ADF » fait pour un seul modèle, celui avec la constante (modèle 2). Pour information : les tests ont été effectués dans les 3 types de modèles, mais comme les conclusions sont les mêmes, pour des raisons de clarté et pour ne pas encombrer les annexes de résultats, nous avons décidé de présenter les résultats que pour un seul modèle.

ADF Test Statistic

-1.474876

1% Critical Value

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

On voit que la statistique du test « ADF statistic » est supérieure à toutes les valeurs critiques. Avec un seuil de confiance de 95%, on ne peut donc pas rejeter l'hypothèse H0, on conclut alors que notre série est non stationnaire et de type DS.

Pour pouvoir utiliser cette variable, on doit la stationnariser. C'est ce que nous allons nous efforcer de faire dans la suite.

3) Stationnarisation de la série « ld »  :

Il est important de stationnariser notre processus, afin de connaître son ordre d'intégration, car c'est une information clé pour le test de co-intégration que nous ferons après avoir stationnariser nos deux processus.

Pour en parler brièvement, on peut dire que comme nos variables ne sont pas stationnaires, nous ne sommes pas sûr d'avoir une relation stable à long terme, mais si on a une relation de co-intégration, nous sommes sûr d'avoir une relation stable à long terme et ce, malgré le fait que nos séries ne soient pas stationnaires.

La variable « déchets ménagers par habitant » est donc une série non stationnaire DS.

La particularité d'un processus DS est qu'il est non stationnaire en moyenne et en variance, plus particulièrement on sait que la variance croît avec le temps, ce qui signifie que cette série subit les effets de chocs de façon permanente. On dit qu'elle a une mémoire.

Le plus intéressant avec les séries DS c'est que l'on sait les stationnariser. Il suffit d'appliquer l'opérateur de différence première.

reportez vous à la page 51-52, si vous désirez voir les sorties Eviews de test faits

a) Différenciation au premier ordre :

Nous avons donc appliqué l'opérateur « différence première () » à notre série brute.

Cela signifie que l'on soustrait à notre processus, le même processus mais décalé d'une période.

Autrement dit : ld (t) = ld (t) - ld (t-1).

On voit bien que notre série se stationnarise, on passe d'une série brute qui suivait une croissance linéaire, puis une décroissance à partir de 1990.

A une série différenciée au premier ordre (DLD) qui se situe en moyenne autour de 0, mise a part en 1990 où on observe une chute brutale dont la cause a déjà été évoquée. Pour confirmer la stationnarité de notre série différenciée, nous allons faire des tests.

b) Test ADF :

Cette fois-ci, on constate que la statistique de test est inférieure aux différentes valeurs critiques. Avec un seuil de confiance de 95%, on conclut à la stationnarité de la série différentiée.

ADF Test Statistic

-10.18520

1% Critical Value

-3.5598

 
 

5% Critical Value

-2.9178

 
 

10% Critical Value

-2.5964

Notre série ld est intégrée d'ordre 1 (dit I (1)).

Afin d'être sûr de ce résultat (car une mauvaise stationnarisation peut créer des perturbations artificielles), nous allons faire un deuxième test : celui de Phillips-Perron.

c) Test Phillips-Perron :

Les hypothèses sont les mêmes que pour le test ADF.

On voit que notre statistique calculée « PP test statistic » est inférieure aux valeurs critiques, notamment celle pour un risque de 5%, on accepte donc l'hypothèse H0.

PP Test Statistic

-18.20010

1% Critical Value

-3.5572

 
 

5% Critical Value

-2.9167

 
 

10% Critical Value

-2.5958

Autrement dit, on est sûr à 95% que notre série (en logarithme) est intégrée d'ordre 1.

Nous en avons fini avec l'étude de la série des déchets ménagers par habitant de Paris.

Pour résumer on peut dire que notre variable expliquée croît sur la période 1949-1989, puis a tendance à décroître.

Nous avons évoqué les principales lois sur les déchets, comme la loi du 15 Juillet 1975 qui instaure le principe du « pollueur payeur » et l'obligation pour chaque commune de collecter et d'éliminer ses déchets, ou encore la loi Royal (13 juillet 1992) qui stipule que l'on doit s'efforcer de réduire les déchets à la source et valoriser par le recyclage les déchets.

Puis, nous avons démontré que notre série n'était pas stationnaire mais intégré d'ordre 1.

B. La variable explicative :

L'analyse de notre variable expliquée étant terminée, nous allons passer à l'analyse de notre variable explicative : « dépense moyenne de consommation par tête ».

En effet, on s'est demandé ce qui pouvait faire augmenter la production de déchets, et toutes nos réponses ont convergé vers la même réponse : « la consommation ».

Tout comme nous, vous avez pensez au revenu  mais que fait-on avec ce dernier ?

Nous consommons. Cette variable est également justifiée par certains auteurs urbanistes telle que Mme Barles qui stipule, dans son ouvrage «  l'invention des déchets urbains », que la croissance des déchets est due à une croissance de la population au dix-neuvième siècle, puis à une croissance importante de la consommation unitaire au vingtième siècle.

Il est très difficile d'obtenir des données sur la consommation ou même sur le revenu parisien à partir de 1949 à nos jours. Pour cette raison nous avons été obligés de prendre les chiffres de la consommation française, cela ne pose pas de problème car on étudie la tendance (savoir quand elle augmente, si elle diminue, etc.). Les chiffres sont disponibles à l' « Institut National de la Statistique et des Etudes Economiques ».

Nous commencerons cette étude par une description de cette variable puis, on en étudiera la stationnarité.

1) Description :

Dépense moyenne de consommation par tête

La seule variable susceptible d'expliquer la production de déchet est la consommation, à cause du manque de donnée, nous sommes contraint d'étudier les dépenses moyennes de consommation des français (dit Consop).

C'est une variable quantitative et continue.

On observe graphiquement, que les dépenses de consommations des français ont tendance à augmenter au fil des ans.

Source : Insee

La moyenne, qui est de 6027 euros par habitant et par an, sépare l'évolution de notre variable en deux sous périodes.

La première partie qui se situe en dessous de la moyenne correspond à la période 1949-1981, quant à la seconde, qui se situe au dessus de la moyenne, correspond à la période 1982-2004.

Plus précisément, on observe une rupture en 1980, on peut dire que sur la première période, la consommation par tête suit une croissance géométrique, tandis que sur la seconde période, elle, croît linéairement.

Faisons un petit rappel historique approfondi.

En 1949, nous sommes au lendemain de la guerre, les gens reprennent une vie normale et reconstruisent le pays. L'inquiétude des années de guerre a laissé place à la joie de la reconstruction et de l'avenir. Jean Fourastié qualifiera les trente années qui nous mènent de 1945 en 1975 de « trente glorieuse », car les Français connaissent trente années de croissance forte et constante, c'est à ce moment que la société de consommation est apparue.

Longtemps l'autoconsommation a été prépondérante : le paysan d'il y a 200 ans n'achetait presque rien, son lopin de terre suffisant à satisfaire ses maigres besoins. Grâce aux progrès, il a de plus en plus produit, et a vendu le surplus qu'il ne consommait pas. Avec cet argent, il a pu satisfaire de nouveaux besoins, comme acheter un lit pour remplacer sa paillasse ou du charbon plutôt que de ramasser du bois pour se chauffer.

Aujourd'hui, l'autoconsommation est très réduite, et la consommation est si développée que l'on peut parler de société de consommation. En effet, les principaux besoins "vitaux" étant satisfaits, les producteurs essaient de susciter de nouveaux besoins par l'innovation technique et par la publicité.

un graphique plus détaillé est présenté page 46

Mais à partir de 1975, les « trente Glorieuses » ont fait place aux « trente peureuses » avec les mouvements de « Mai 68 » et l'apparition du chômage. Pour ne rien arranger, en 1974 a lieu le premier choc pétrolier et avec lui, la première inflation sérieuse connue en France. En 1983, la crise économique arrive avec l'explosion du chômage, la France rentre alors dans une phase dépressive.

En effet, à cette époque les salaires étaient indexés sur le niveau général des prix. Ainsi l'inflation a eût comme conséquence d'augmenter les salaires, cette hausse des salaires a induit une augmentation des prix et ainsi de suite. On est rentré  dans un cercle vicieux.

De plus, cette inflation continue a fait baisser le volume des exportations car nos biens étaient devenus trop chers. Pour pallier ce problème de compétitivité et freiner la croissance des salaires, le gouvernement a mis en place une politique d'indexation des salaires sur les prix, la tension sur le marché du travail et l'inflation anticipée.

L'apparition, en 1991, de la guerre du Golfe ne remonte pas le moral des Français. Mais les dépenses de consommation ne cesse pas de croître pour autant, on remarque tout de même un changement de type de croissance. On passe d'une croissance géométrique à une croissance linéaire moins forte, mais toujours croissante.

En effet, la consommation est en progression constante depuis quarante ans et représente plus des 2/3 du PIB. Ceci peut être imputable au fait que le crédit à dorénavant une place très importante dans les ménages.

De plus les délocalisations dans le but d'avoir une main d'oeuvre bon marché, mais également l'engagement des grandes chaînes d'alimentation tel que les centres « E. Leclerc » ou encore « Carrefour » ont permis une baisse des prix donc le maintient de la consommation, qui est nécessaire à l'équilibre économique puisqu'elle crée des emplois et fait tourner l'économie.

Mais il y'a un autre phénomène : notre mode de consommation a changé. Dans les années 70 le sac plastique fait irruption dans la vie des ménages et remplace rapidement le sac en papier. C'est le début de l'ère de la consommation jetable. Le papier journal, comme emballage, laisse place au film plastique qui met les aliments a l'abri des contaminations extérieures et constitue un facteur de sécurité alimentaire.

Et le progrès technique n'arrange pas les choses, les conserves font leur apparition ainsi que différentes matières plastiques et les emballages en cartons fréquemment utilisés pour conditionner le lait. L'environnement du consommateur s'est modifié (grandes surfaces, multiplication des enseignes, apparition de nouveaux produits...) induisant chez lui de nouveaux comportements.

Aujourd'hui la consommation ne reflète pas un statut social, et les cadres comme les ouvriers consomment globalement les mêmes produits issus des mêmes réseaux de distribution.

Cependant, des crises alimentaires ou environnementales récentes (" vache folle ", OGM...) ont fait naître des inquiétudes et des exigences en matière de sécurité et de qualité qui pourraient faire resurgir à nouveau des clivages entre ceux qui auront les moyens d'acheter des produits de haute qualité (produits " bio " ou labellisés, produits du terroir...) nettement plus chers et les autres.

Enfin, les comportements ont changé, le même consommateur peut acheter du bas de gamme et du haut de gamme, il connaît les astuces du marketing, est devenu plus exigeant et n'hésite pas à comparer les prix et à se servir auprès de plusieurs réseaux de distribution. Il utilise la vente par correspondance et Internet pour ses achats.

2. Etude de la stationnarité  :

L'économètre doit faire face à un autre problème que le manque de données. Il ne peut observer qu'une partie de la trajectoire du processus étudié, pour notre part il s'agit de la période 1949-2004. Il est souhaitable que les propriétés statistiques mesurables sur ce tronçon de la trajectoire soient reproductibles dans le temps, c'est le cas si la série est stationnaire.

Une série est dite faiblement stationnaire, si la moyenne du processus étudié, sa variance sont des moments finis et indépendant du temps. La dernière conditions est que sa fonction d'autocovariance soit indépendante du temps. Si ces trois conditions sont vérifiées, on peut affirmer que la série est faiblement stationnaire.

Pour ce faire nous étudierons le corrélogramme de la série puis nous ferons plusieurs test et conclurons à la stationnarité ou non. Si on conclut à la non stationnarité de la série, nous la stationnariserons.

a. Etude du corrélogramme :

Corrélogramme de lc

A première vue, on aurait tendance à croire que ce processus est un AR (1) minimal.

En effet on observe une cassure à l'ordre 1 au niveau des autocorrélations partielles, et un cycle sur les autocorrélations (les treize premières sont significativement différentes de zéro).

Cependant, la décroissance des autocorrélations est trop lente pour être celles d'un processus AR (1).

Si cela avait été un processus AR (1), l'écart entre deux autocorrélations aurait été plus grand

Nous soupçonnons que nous avons à faire à un processus « Difference Stationnary » (dit DS).

Si tel est le cas cela voudrait dire que notre processus n'est pas stationnaire.

Cependant pour la stationnariser il suffirait d'appliquer l'opérateur différence première.

Pour tester la stationnarité nous allons utiliser le test de « Dickey-Fuller Augmenté » (ADF), si on conclut a la stationnarité nous devrons confirmer ce résultat par un autre test celui de Phillips-Perron (PP).

les tests sont présentés en détails page 53

b. Test ADF :

Ce test nous permet de savoir si notre série est stationnaire ou pas.

Nous testons l'hypothèse :

- H0 : la série est non stationnaire et de type DS

Contre :

- H1 : la série est stationnaire

On voit que la statistique du test « ADF statistic » est supérieure à toutes les valeurs critiques. On ne peut donc pas rejeter l'hypothèse H0 avec un seuil de confiance de 95%, on en conclut que notre série est non stationnaire et de type DS.

ADF Test Statistic

-1.888797

1% Critical Value

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

Pour pouvoir utiliser cette variable, on doit la stationnariser. C'est ce que nous allons nous efforcer de faire dans la suite.

3. Stationnarisation de la série « lc » :

Il est important de stationnariser notre processus, afin de connaître son ordre d'intégration, car c'est une information clé pour le test de co-intégration que nous ferons après avoir stationnariser nos deux processus.

La variable « déchets ménagers par habitant » est donc une série non stationnaire DS.

La particularité d'un processus DS est qu'il est non stationnaire en moyenne et en variance, plus particulièrement on sait que la variance croît avec le temps, ce qui signifie que cette série subit les effets de chocs de façon permanente. On dit qu'elle a une mémoire.

Le plus intéressant avec les séries DS c'est que on sait les stationnariser. Il suffit d'appliquer l'opérateur de différence première.

les sorties EVIews des tests, sont présentées page 53-54

a. Différentiation au premier ordre :

Nous avons donc appliqué l'opérateur « différence première () » à notre série brute.

Cela signifie qu'on soustrait à notre processus, le processus décalé d'une période.

Autrement dit :

lc (t) = lc(t) - lc (t-1)

On voit bien que notre série se stationnarise, on passe d'une série brute qui croissait sur toute sa période.

Alors que la série différenciée au premier ordre (DLC) se situe en moyenne autour de 0, mise à part quelques chocs.

Pour confirmer la stationnarité de notre série différenciée, nous allons étudier son corrélogramme et faire des tests.

b. Test ADF :

Cette fois-ci, on constate que la statistique de test est inférieure aux différentes valeurs critiques, on refuse donc au seuil de 5% l'hypothèse H0. On conclut donc à la stationnarité de la série différentiée.

ADF Test Statistic

-3.914265

1% Critical Value

-3.5572

 
 

5% Critical Value

-2.9167

 
 

10% Critical Value

-2.5958

Notre série lc est intégrée d'ordre 1 (dit I (1)).

Afin d'être sûr de ce résultat, car une mauvaise stationnarisation peut créer des perturbations artificielles, nous allons faire un deuxième test : celui de Phillips-Perron.

c. Test Phillips-Perron :

Les hypothèses testées sont les mêmes que pour celui du test ADF.

Notre statistique de test est inférieure aux valeurs critiques, rien ne nous permet de ne pas affirmer, que pour un seuil de 5%, l'hypothèse H0 est fausse.

PP Test Statistic

-4.743586

1% Critical Value

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

Autrement dit, on peut dire que l'on est à 95% sur que notre série est intégrée d'ordre 1.

Au vue de cette analyse on a constaté que la dépenses moyenne de consommations des français a fortement augmenté au cour du temps, et ne cesse pas de croître.

Il est vrai que tout est fait depuis un certain temps pour augmenter notre pouvoir d'achat. L'essor du crédit ou l'engagement des grandes enseignes de supermarchés permet de maintenir un certain niveau de consommation.

Tout ceci est fait afin de maintenir l'équilibre économique dont le principal moteur est la consommation.

Enfin on a montré que cette série est intégrée d'ordre 1.

C. Analyse conjointe des deux variables :

La description de nos données étant terminé nous allons nous regarder la matrice des corrélations entre nos séries afin de voir si il existe une relation entre eux.

Matrice des corrélations entre ld et lc sur la période 1949-2004 :

 

LD

LC

LD

1.000000

0.930790

LC

0.930790

1.000000

Le coefficient de corrélation indique si il y'a, ou pas, une relation entre nos variables. Ce coefficient est compris entre -1 et 1.

Dans notre cas, on voit que le coefficient de corrélation entre les déchets par tête et les dépenses de consommation par habitant est égal à 0.930790.

La rupture qui s'est produite en 1989 ne présage rien de bon, aussi nous allons regarder la matrice des corrélations sur une sous période allant de 1949 à 1989.

Matrice des corrélations entre ld et lc sur la période 1949-1989 :

 

LC

LD

LC

1.000000

0.984611

LD

0.984611

1.000000

Le coefficient de corrélation entre les déchets par tête et les dépenses de consommation par habitant est égal à 0.984611. La relation qui lie nos variables est encore plus forte sur la période 1949-1989 que sur la période 1949-2004.

Ainsi on a montré que notre variable explicative est fortement corrélée, positivement, à notre variable expliquée, ceci nous conforte dans l'idée que la consommation peut expliquer la production de déchets, avec en théorie un paramètre positif.

Le fait de savoir que nos deux séries ont le même ordre d'intégration et qu'il existe une corrélation entres elles, nous laisse fortement supposer qu'il existe une relation stable de long terme entre nos variables.

II. LE MODELE :

L'analyse de notre base de données étant terminé, nous pouvons passer au véritable travail de l'économètre : la modélisation et l'interprétation.

Le changement de méthode de quantification des déchets ménagers, qui a eu lieu en 1990, nous cause des problèmes de modélisation lorsqu'on estime notre modèle sur la période 1949-2004.

En 1990 on constate une rupture de la croissance des déchets alors que les dépenses moyennes de consommations continuent de croître. Ainsi le modèle obtenu sur la période 1949-2004 est mal spécifié du coup les estimations ne sont pas interprétables.

Nous avons pris la décision de réduire la période d'estimation de 1949 à 1989. Nous mettons en garde les lecteurs concernant les interprétations et les estimations que nous allons obtenir. Comme nous avons peu d'observations, il se peut que nos estimations aient moins de chance d'approcher les vraies valeurs des paramètres.

Pour être plus clair, on peut dire que plus on a d'observations, plus on est sur d'approcher le « bon modèle ». Etant donné que nous avons peu de données, il est possible que l'on trouve des résultats différents si l'on test le même modèle sur une plus longue période.

Les évènements qui ont eu lieu durant la période 1990-2004 seront, à défaut d'être modéliser, expliciter dans une sous partie.

Nous cherchons à expliquer une évolution, pour avoir de meilleures interprétations nous avons choisis d'utiliser le logarithme des déchets par habitant (dit ld) et le logarithme des dépenses moyennes de consommation par habitant (dit lc). Une autre justification de la prise des logarithmes se trouve dans l'étude des variances de nos séries.

En effet en utilisant les logarithmes nous réduisons les fluctuations des variables, la variance de la série des déchets passe ainsi de 7029.14158 à 0.04745377 et de 36241091.4 à 2.59099712 pour celle de la consommation.

Pour information, la variance correspond à l'écart quadratique entre les observations de la série et sa moyenne, autrement dit elle correspond aux fluctuations de la série autour de sa moyenne.

Etant donné que nos variables sont intégrées d'ordre 1, elles ne sont donc pas stationnaires. L'utilisation de variables non stationnaires dans un modèle peut-être la cause de nombreux problèmes, notamment celui d'avoir une  « régression fallacieuse ».

Cette dernière signifie qu'il n'existe pas de relation stable à long terme entre nos deux variables. 

Aussi, nous commencerons par faire un test de co-intégration, si celui-ci confirme l'existence d'une relation stable de long terme entre nos variables, nous présenterons successivement le modèle de long terme, puis celui de court terme qui servira à expliquer comment notre modèle retrouve la trajectoire d'équilibre.

Le cas échéant, nous étudierons le modèle avec les séries différenciées ce qui impliquerait une perte d'information.

A. Test de co-intégration entre nos variables :

Logarithme des séries

L'étude graphique du logarithme des séries nous permet d'observer que nos variables ont des trajectoires parallèles ce qui nous laisse supposer une relation stable à long terme.

De plus on observe des déséquilibres, plus fréquents pour la série des déchets, à court terme.

Tout cela nous fait supposer qu'il existe bien une relation de co-intégration entre nos variables.

L'approche utilisé pour tester la co-intégration est celle de Granger et Engle.

Dans un premier temps, on regarde le degré d'intégration de nos variables, c'est-à-dire le nombre de différentiations qu'il faut effectuer pour stationnariser nos séries.

Dans notre cas, elles sont toutes les deux intégrées d'ordre 1 ce qui veut dire qu'elles ont le même niveau d'intégration.

On peut passer à l'étape suivante qui consiste à régresser, par la méthode des Moindres Carrés Ordinaires (MCO), la combinaison linéaire de nos variables. L'estimation étant faite, on récupère les résidus du modèle et on test leurs stationnarités.

S'ils sont stationnaires, on conclut qu'il existe une relation stable de long terme entre nos variables.

Le modèle utilisé pour faire ce test est celui que nous allons définir par la suite, aussi les résultats seront présenté plus tard.

B. Le modèle long terme sur la période 1949-1989:

Nous passons à la partie économétrie du mémoire. En effet, nous allons enfin modéliser le phénomène étudier depuis le début, celui de la production de déchet. Nous débuterons par une justification économique et économétrique des variables retenues, puis nous passerons à la partie modélisation dans laquelle nous effectuerons les tests nécessaires pour valider notre modèle, puis quand on aura le bon modèle nous finirons par l'interprétation des résultats.

tous les résultats des tests que nous allons effectuer vont être présenté dans l'ordre de la page 55 à 57

1) Modélisation :

a. Justification économique des variables :

Avant de modéliser, il faut avoir une idée des facteurs économiques qui influence le phénomène étudié et justifier leur présence.

Nous analysons l'évolution de la production de déchets ménagers parisiens, pour faciliter l'interprétation nous avons choisis de prendre les logarithmes de nos variables afin de faire ressortir une élasticité entre elles. L'élasticité de la consommation par rapport a la production de déchets peut s'interpréter comme suit, si la consommation augmente de 1%, la production de déchets ménagers va augmenter (respectivement diminuer) de x %, selon le coefficient obtenu.

En plus du logarithme des dépenses moyennes de consommation, nous avons dû rajouter une autre variable explicative : «  le retard du logarithme des déchets ménagers parisien (lrd)», autrement dit, on suppose que la production de déchets d'hier influence la production de déchets ménagers d'aujourd'hui.

Cette variable se justifie très bien d'un point de vue économétrique. En effet, sans cette dernière nous avons notamment des problèmes de significativité des variables, d'hétéroscédasticité et d'autocorrélation des résidus, ce qui voudrait dire que notre modèle n'est pas bien spécifié donc que les résultats obtenus ne sont pas significatifs et utilisables.

Nous avons effectué un test de racine unitaire, dont les résultats sont présenté en annexe, ce dernier conclut qu'il existe une relation plus que proportionnelle entre la production de déchet à la date « t » et celle à la date « t-1 ».

On peut aussi justifier la variable retardée d'un point de vue économique, elle traduirait un changement de comportement de la population parisienne. Je produisais beaucoup de déchets hier, si rien n'est mis en place pour modifier mon comportement, rien ne m'empêche de produire autant si ce n'est plus demain.

Dans le modèle nous avons également rajouté une constante, elle n'a pas de signification économique.

Au final, nous allons faire une régression linéaire par la méthode des MCO sur le modèle suivant :

LDt = â (1)*C + â (2)*LCt + â (3)*LRDt + Ut

b. Estimation du modèle par les MCO :

En théorie, les estimateurs des MCO sont BLUE, c'est-à-dire que les estimateurs obtenus sont les meilleurs estimateurs linéaires sans biais, mais aussi convergents et efficaces.

Autrement dit, les estimations obtenues par MCO sont les plus proches possibles des vraies valeurs.

Pour obtenir de tels estimateurs, il faut vérifier certaines hypothèses qui sont les suivantes :

Ø Relation linéaire entre la variable expliquée et les variables explicatives.

Ø Pas de corrélation entre les résidus et les variables explicatives (exogènéité des variables explicatives).

Ø Homoscédasticité et non autocorrélation des résidus.

Sachant le peu d'observations que l'on a, il nous sera impossible de tester les hypothèses techniques et asymptotiques, on va donc supposer les hypothèses suivantes vérifiées :

Ø L'estimateur obtenu par la méthode des MCO converge en probabilité vers sa vraie valeur.

Ø Les résidus sont indépendants et de même loi, ils suivent tous une loi normale.

Sous ces hypothèses nous pouvons appliquer la méthode des MCO, voici les résultats obtenus :

Dependent Variable: LD

Method: Least Squares

Date: 05/26/06 Time: 14:57

Sample(adjusted): 1950 1989

Included observations: 40 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.375430

0.563005

2.443014

0.0195

LC

0.062288

0.023851

2.611587

0.0129

LRD

0.692553

0.124475

5.563805

0.0000

R-squared

0.983898

Mean dependent var

5.927354

Adjusted R-squared

0.983027

S.D. dependent var

0.225276

S.E. of regression

0.029349

Akaike info criterion

-4.147096

Sum squared resid

0.031870

Schwarz criterion

-4.020430

Log likelihood

85.94193

F-statistic

1130.411

Durbin-Watson stat

2.277632

Prob(F-statistic)

0.000000

A première vue on pourrait dire que nos coefficients sont significatifs à 95% car les p-values sont toutes inférieures à 5%. Ils sont tous positifs ce qui valide le modèle théorique.

De plus, on remarque que la statistique de Durbin-Watson est proche de 2 ce qui nous laisse croire en l'absence d'autocorrélation des résidus. Tout ceci est bien évidemment conditionné à la validité des hypothèses classiques énumérées ci-dessus. Pour utiliser ces résultats nous devons donc vérifier que nous n'avons pas de relation fallacieuse et que les hypothèses supposées vérifiées, le soient réellement.

C. Test de co-intégration selon l'approche de Engle et Granger :

Nous avons estimé sur la période 1949-1989 le modèle suivant :

Ä LDt = â (1)*C + â (2)*LCt + â (3)*LRDt + Ut

Avec la méthode des MCO nous obtenons :

Ä LD = 1.375429591 + 0.06228832*LC + 0.6925526611*LRD

Nous avons récupéré les résidus de cette régression, puis nous avons effectué un test ADF sur ces deniers.

ADF Test Statistic

-4.817566

1% Critical Value*

-4.123

 
 

5% Critical Value*

-3.461

 
 

10% Critical Value*

-3.130

*MacKinnon critical values

Notre statistique de test étant inférieure à la valeur critique au seuil de 5%, on peut donc dire que l'on rejette avec 95% de certitude l'hypothèse nulle. Nos résidus sont stationnaires ce qui veut dire qu'il existe une relation stable de long terme entre nos variable malgré qu'elles ne soient pas stationnaires.

On peut affirmer qu'il n'y a pas relation fallacieuse, autrement dit si notre modèle vérifie les hypothèses classiques des MCO, on aura estimé le bon modèle.

Ces résultats sont validés par l'approche de Johannsen, nous ne présenterons pas les résultats de ce test car l'interprétation nous dépasse.

2. Validation des hypothèses :

Le risque de relation fallacieuse étant écarté, nous pouvons nous attarder sur les tests d'hypothèses nécessaires à la validation du modèle estimé par les MCO.

Nous traiterons dans un premier temps, l'Homoscédasticité puis l'autocorrélation.

a. Etude du corrélogramme des résidus :

A la vue du corrélogramme des résidus, il apparaît clairement que nos résidus sont des « Bruits Blancs », ils suivent donc une loi normale (de moyenne nulle et de variance ²) et sont stationnaires.

Cela prouve que nos variables explicatives sont exogènes, et qu'il ne manque pas de variable explicative.

b. Test d'Homoscédasticité :

L'Homoscédasticité correspond au fait que la variance des résidus est constante, indépendante du temps.

Autrement dit les résidus fluctuent autour de 0 dans un intervalle égale à 2*, correspond à la moyenne des résidus estimé qui est censée être nulle, représente l'écart type des résidus, il est égale à la racine carrée de la variance des résidus.

Pour tester cette hypothèse nous allons utiliser l'approche de White, dont nous allons expliciter le principe.

Une fois la régression par MCO du modèle faite, on récupère les résidus estimés.

Puis on fait la régression suivante :

Û² = 0*C + 1*lc + 2* lrd + 3*lc² + 4* lrd² (+ 5* lc*lrd) + , stationnaire.

Le terme entre parenthèse est à rajouté dans la version du test de « White » avec les termes croisés. Une fois cette régression faite par MCO, nous aurons alors les estimations des coefficients .

L'étape suivante consiste à tester les hypothèses suivantes :

- H0 : 1 = 2 = 3 = 4 = (5) = 0, équivaut que les résidus sont égales à une constante plus un bruit blanc. Il y'a donc Homoscédasticité.

Contre :

- H1 : Il existe un i différent de 0, avec i= 1, 2, 3, 4, (5), on conclut à l'hétéroscédasticité des résidus, du fait que la variance de nos résidus est proportionnelle à au moins une variables explicative du modèle.

Nous avons fait le test avec les termes croisés et non croisé. Nous ne présenterons que le test avec les termes croisé. Mais les listings des deux tests sont proposés en annexe.

White Heteroskedasticity Test :

F-statistic

1.753949

Probability

0.149005

Obs*R-squared

8.201822

Probability

0.145458

La p-value de la statistique de test est supérieure à 5%. Le risque de se tromper en rejetant l'hypothèse H0 est trop grand, nous acceptons donc celle-ci.

Avec l'approche de White, on est sur à 95 % d'avoir l'Homoscédasticité de nos résidus.

Le test sans les termes croisés conclut au même résultat.

Pour confirmer cela, il aurait été mieux de faire le test de Breusch-Pagan, ou tout autre test permettant de confirmer la présence ou non d'hétéroscédasticité. Le logiciel que nous utilisons, EViews dans la version 3.1, ne propose pas d'autres tests. Aussi nous devrons nous contenter de ces tests.

Le problème de l'Homoscédasticité étant résolus, nous allons passer au problème de l'autocorrélation des résidus.

c. Test d'auto corrélation :

L'autocorrélation des résidus, signifie que les chocs qui ont eu dans le passé (t-h) h différent de 0) influence le choc à l'instant t.

Autrement dit la covariance entre U (t-h) et U (t), avec h différent de 0, n'est pas nulle. Cela voudrait dire qu'il existe une relation entre les deux résidus.

Nous allons tester cela grâce au test de Breusch-Godfrey, le principe de ce test est le suivant, on estime notre modèle par les MCO, puis on récupère les résidus et on régresse ce modèle :

Ût = 1* Ût-1 + 2* Ût-2+ 3* Ût-3 + 4* Ût-4+.....+ n* Ût-n + *Xt+ t, t stationnaire.

Xt représente le vecteur des variables explicatives, on l'insert afin de gagner en précision, car on régresse Ût plutôt que Ut qui est non observé.

Ceci étant fait on test les hypothèses suivantes :

- H0 : U (t) non autocorrélé, équivaut que les n sont tous égales à 0

Contre :

- H1 : U (t) autocorrélé, signifie qu'au moins un est différent de 0, statistiquement parlant cela voudrait dire que notre résidus suit un processus auto-régréssif d'ordre n (dit AR (n)).

Ä Cas particulier : n = 1, on test donc la corrélation entre Ut et Ut-1.

Cela revient à faire le test de Durbin-Watson.

On test donc :

- H0 : = 0, il n'y a pas d'autocorrélation.

Contre :

- H1 : différent de 0, on a de l'autocorrélation

La statistique de Durbin-Watson (DW) est égale à : 2*(1-°), où ° est le de la régression par MCO du modèle Ût = * Ût-1+t, t stationnaire.

On sait que = 0, si la statistique de Durbin-Watson est proche de 2, plus précisément si elle est compris pour notre modèle entre 1.60 et (4-1.60) soit 2.4.

Ce test est réalisé pour un seuil de 5%, notre statistique de DW vaut 2.277632, elle est donc comprise dans l'intervalle. A 95%, on est sur que nous n'avons pas d'autocorrélation entre Ut et Ut-1.

Faisons le test de Breusch-Godfrey pour savoir si notre résidu suit un processus AR (n) avec n différent de 1, car l'AR (1) a déjà été testé par le test de Durbin-Watson.

Nous allons présenté les résultats de ce test pour un AR (2), mais les conclusions sont les mêmes pour n = 3, 4, 5, etc.

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

2.140991

Probability

0.132680

Obs*R-squared

4.360250

Probability

0.113027

La p-value de la statistique de Breusch-Godfrey étant supérieur à 5%, on accepte avec 95% de certitude l'hypothèse H0. Ainsi nous avons montré que nos résidus n'étaient pas autocorrélés.

Toutes les hypothèses nécessaires à la validation des résultats obtenus par les MCO pouvant être testé grâce à notre logiciel, on été validé. Dans ce cas, les MCO sont BLUE ce qui veut dire sont des estimateurs sans biais, convergent et efficace. Si les hypothèses n'avaient pas été validées, nous aurions dû utiliser d'autres méthodes d'estimation que les MCO comme les Moindres Carrés Généralisés (MCG/MCQG) s'il y a des problèmes d'autocorrélation ou d'hétéroscédasticité des résidus.

On suppose que les hypothèses non testées sont vérifiées, il nous reste à voir, avant d'interpréter les résultats, si notre modèle est robuste.

3. Robustesse du modèle :

Les hypothèses classiques des MCO étant vérifiées, il nous reste a tester la robustesse de notre modèle afin d'affirmer que ce dernier modélise le mieux la production de déchets ménagers parisiens.

Ce test consiste à insérer de nouvelles variables dans notre modèle. Si cette insertion ne modifie pas sérieusement nos anciennes variables explicatives, tout en concluant à la non significativité des variables nouvellement insérées, alors notre modèle est robuste et les variables insérées sont superflues.

Pour ce faire, nous avons choisis de rentrer dans le modèle deux variables qualitatives. La première symbolise l'arrivée en France, en 1955, de l'emballage de type « Tetrapak » (très utilisé pour conditionner le lait etc.).
Dans les années 70, le plastique fait irruption dans la vie des ménages. C'est le début de l'ère de la consommation jetable. Aussi notre seconde variable qualitative sera les sacs plastiques. Pour les créer nous avons mis des 0 avant leur date d'apparition et des 1 ensuite.

Voici les résultats obtenus :

Dependent Variable: LD

Method: Least Squares

Date: 05/30/06 Time: 14:45

Sample(adjusted): 1950 1989

Included observations: 40 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

1.367139

0.637847

2.143364

0.0391

LC

0.064726

0.030390

2.129840

0.0403

LRD

0.691457

0.142114

4.865518

0.0000

SP

-0.005627

0.019931

-0.282317

0.7794

EMB

-0.000461

0.019393

-0.023785

0.9812

R-squared

0.983935

Mean dependent var

5.927354

Adjusted R-squared

0.982099

S.D. dependent var

0.225276

S.E. of regression

0.030141

Akaike info criterion

-4.049421

Sum squared resid

0.031796

Schwarz criterion

-3.838311

Log likelihood

85.98842

F-statistic

535.9186

Durbin-Watson stat

2.295510

Prob(F-statistic)

0.000000

En supposant que notre modèle est bien spécifié, c'est-à-dire qu'il vérifie les hypothèses classiques des MCO, on peut dire que les coefficients de nos variables explicatives (non qualitatives) ont très peu changé. Prenons par exemple le cas du logarithme des dépenses moyennes de consommation, celui-ci était égal à 0.062288 dans le modèle de long terme et vaut ici 0.064726.

Par contre, on remarque que les coefficients des variables qualitatives sont négatifs.

Les p-value associées à ces deux variables sont supérieures à 5%. On conclut donc à la non significativité de ces variables avec 95% de certitude, elles sont donc superflues, on doit les enlever du modèle. Il en ressort que notre modèle est robuste et bien spécifié.

Nous pouvons donc passer à l'interprétation du modèle de long terme.

4. Interprétations :

Le modèle estimé sur la période 1949-1989 est le suivant :

LD = 1.375429591 + 0.06228832*LC + 0.6925526611*LRD

On a vu que toutes les hypothèses classiques sont vérifiées et que le modèle est robuste, on peut donc l'interpréter.

On peut déjà affirmer, avec 95%, de certitude que toutes nos variables explicatives sont significativement différentes de 0 dans leur globalité (Prob F-statistic inférieur à 5%) et individuellement (Prob inférieure à 5% pour toutes les variables).

Le coefficient de la constante n'a pas d'interprétation économique.

Celui du logarithme des dépenses moyennes de consommation est égal à 0.06. Il peut s'interpréter comme l'élasticité de la production de déchets ménagers par rapport à la consommation.

Cela voudrait dire que si notre dépense de consommation varie de 1%, alors la production de déchets ménagers devrait augmenter d'environ 6%.

Ce résultat confirme notre théorie. Il prouve que la consommation a une influence positive sur la production des déchets ménagers.

Concernant le coefficient du logarithme de la production de déchet ménager retardé, bien qu'ayant plus une signification économétrique, on peut également l'interpréter comme l'élasticité de la production de déchet par rapport à la production de déchet passé.

Autrement dit, une variation de 1% de la production de déchet passé entraînerait une augmentation de prés de 70% de la production de déchet. Ce résultat quoique insolite, dans le sens où il est très élevé, montre l'importance à accorder à la modification des comportements.

En effet, si rien n'est mis en place pour que je consomme moins ou mieux aujourd'hui, la production de déchet de demain va fortement augmenter.

C. Le Modèle à correction d'erreur :

Une relation de co-intégration est une relation d'équilibre de long terme, mais à court terme il peut y avoir des déséquilibres. Le modèle à correction d'erreur permet de voir comment on retourne à l'équilibre.

Soit deux variables X et Y co-intégrées (on les suppose toutes les deux I (1)). On admet que la relation de long terme est : Yt = a0*C + a1*Xt + Ut, avec Ut stationnaire.

Le théorème de représentation de Engle et Granger affirme que X et Y peuvent être décrite par le modèle à correction d'erreur suivant :

Yt = â (1)*Xt + â (2)* Ut-1 + ît, avec ît stationnaire.

Où correspond à l'opérateur différence première et Ut-1 aux résidus du modèle de long terme que l'on a retardé.

On vérifiera que le coefficient â (2), qui correspond à la force de rappel (vitesse à laquelle on revient à l'équilibre), est négatif.

Sachant que nous avons une relation de co-intégration, nous allons appliquer ce principe à notre modèle. Nous avons construit le modèle à correction d'erreur, en voici les estimations :

Dependent Variable: DLD

Method: Least Squares

Date: 05/31/06 Time: 14:13

Sample: 1953 1989

Included observations: 37

Variable

Coefficient

Std. Error

t-Statistic

Prob.

DLC

-0.056269

0.086882

-0.647646

0.5216

DLRD

1.095368

0.375054

2.920560

0.0062

RLT1

-1.584649

0.409839

-3.866514

0.0005

R-squared

0.261157

Mean dependent var

0.018734

Adjusted R-squared

0.217696

S.D. dependent var

0.031249

S.E. of regression

0.027639

Akaike info criterion

-4.261546

Sum squared resid

0.025974

Schwarz criterion

-4.130931

Log likelihood

81.83860

Durbin-Watson stat

2.003184

La seule chose qui nous intéresse dans ce modèle est le coefficient des résidus retardés. Ce dernier est significativement différent de 0 et le plus important c'est qu'il est négatif. Il correspond à la force de rappel.

Autrement dit, si à la période (t-1) on suppose que U (t-1) est supérieur à 0, cela équivaudrait à dire que la production de déchet ménagers à la période (t-1) est supérieure à sa valeur d'équilibre (Ut-1 = Yt-1 - a0*C - a1* Xt-1, donc si Ut-1>0 alors Yt-1> a0*C + a1* Xt-1).

Or le modèle à correction d'erreur nous dit que Yt doit diminuer pour retourner à sa valeur d'équilibre, elle baisse à la vitesse de 1.6 kilogrammes par habitant.

Etant donné le peu d'observation et le choc qui a eu lieu en 1990, nous ne ferons pas de prévision et donc nous ne testerons pas la qualité prédictive de notre modèle.

La méthode de quantification des déchets ménagers ayant changé, il nous serait impossible de vérifier nos prévisions.

D. Période 1990-2004 :

En 1990, l'incitation au tri se fait par l'apparition de nouveaux bacs spécialisés dans la récupération du verre ou encore des magazines ou journaux.

Autrement dit, la méthode de quantification des déchets se modifie, étant données que ne sont plus comptabilisés dans les ordures ménagères, les encombrants, le verre, et les journaux / magazines.

Ce changement a introduit un biais dans notre modèle. Ne pouvant pas modéliser cette période, nous allons tout de même la décrire.

Entre 1990 et 2004, la production de déchets a baissé de 8%. Deux hypothèses sont alors plausibles. La première consisterait à dire que la consommation des ménages décroît, donc qu'on assiste une nouvelle fois à un changement de comportement de consommation.

Source : Rapport sur l'élimination des déchets de l'année 2004 (service de la DPE).

En effet, nous avons prouvé que si la consommation croît de 1% alors la production de détritus va augmenté d'environs 7%. Ces deux variables ont donc le même sens de variation, aussi une baisse de la consommation pourrait expliqué une baisse de la production de déchets. Cette hypothèses peut d'ores et déjà être réfutée.

Dans la première, partie nous avons décris l'évolution de la consommation et on a clairement mis en évidence le fait que les dépenses moyenne de consommation ne cessaient de croître.

Il nous reste la seconde hypothèse. Cette dernière concerne l'étude de la composition des poubelles des ménages. Elle stipule que la production de déchets diminue car les éléments principaux qui la composent ne sont plus comptabilisés.

De la poubelle de nos grands-parents à la nôtre, il y a eu du changement !

Les emballages (bouteilles, cartons, boîtes de conserve, sacs...) représentent aujourd'hui près du tiers de son contenu (en volume) et en 2003, le plastique représente plus d'un emballage ménager sur deux.

Chaque ménage jette en moyenne 10 emballages par jour.
Si l'on additionne les déchets organiques et tout ce qui est recyclable, c'est la moitié de notre poubelle qui pourraient être valorisée et vivre une deuxième vie...

Ce document ci-contre, montre que le verre (11%), déchets fermentescibles (15%), le papier (22%) et le carton (11%) sont les composants principaux de la poubelle des ménages parisiens.

Or comme nous l'avons déjà dit, à partir de 1990, les encombrants, le verre et les journaux ne sont plus comptabilisés dans les ordures ménagères. Autrement dit, les principaux composants de la poubelle parisienne ne sont plus comptabilisés.

Source : MODECOM 1993

*: textiles, combustibles et incombustibles divers, matériaux complexes, déchets dangereux des ménages.

On confirme ainsi un ralentissement de la hausse de la production des déchets ménagés parisiens constaté depuis 1990.

Les causes de ce fléchissement relèvent du développement spectaculaire des collectes sélectives qui détournent une fraction non négligeable de déchets de la poubelle classique.

sigle définit pages 58-59

III. Solutions au problème des déchets :

A. La prévention :

Après avoir modéliser l'évolution de la production des déchets par habitant sur Paris, nous constatons que la tendance de la consommation par habitant à une influence positive, et significative, ce qui est logique : plus en consomme, plus en produit de déchets.

Le constat actuel nous dit que nous produisons trop de déchets. En effet, nos poubelles débordent, le risque de pénuries d'exutoires pend de l'ampleur, le coût de la gestion des déchets est de plus en plus important, ainsi que les problèmes de pollution de l'environnement surtout avec l'incinération.

Toutes les politiques misent en place avant les années 90 par les pouvoirs publics avaient pour objectif : l'efficacité du ramassage des déchets ainsi que la bonne gestion de l'élimination  de ces derniers de telle sorte a éviter, dans la mesure du possible, l'impact négatif sur l'environnement et la santé publique, menacée par les pollutions.

Cela n'étant pas suffisant, on a mis en place le tri sélectif des déchets, le recyclage et d'autres modes de traitement sans résultats significatifs puisque il y a toujours cette croissance de 1 à 2% en moyenne chaque année.

Maintenant il va falloir mettre en place des politiques incitatives et des campagnes de sensibilisation du grand public à la réduction de la production des déchets puisque désormais, il nous faut en produire moins. En effet, le meilleur déchet est celui qui n'existe pas.

Afin d'atteindre cet objectif, il faut agir sur les facteurs qui influence la production de déchets c'est-à-dire la consommation des ménages. Les alternatives sont les suivantes : mieux consommer ou moins consommer voir même revoir le mode de financement puisque selon la théorie économique le mode de financement est loin d'être sans effets sur le comportement des usagers.

La deuxième option est peu réaliste du fait qu'elle va remettre en cause notre civilisation matérielle puisque elle incite au ralentissement économique inadapté à la conjoncture actuelle Française. La consommation des ménages est le moteur de la croissance économique. Elle est nécessaire à la création d'emploi pour atténuer le problème du chômage qui touche maintenant prés de10% de la population active.

Finalement agir afin de freiner la croissance de la consommation aurait des conséquences néfastes sur l'activité économique et le bien-être global de la société.

Avant d'arriver à l'incitation contraignante, il faut d'abord essayer de convaincre tous les acteurs concernés, les consommateurs, les producteurs et les collectivités, que si l'immobilisme continu, dans les années à venir on ne pourra plus gérer ce problème et les conséquences, surtout sur l'environnement, seront désastreuses avec notamment le grand problème du réchauffement climatique.

A ce titre, on peut citer les propos de Madame Roselyne Bachelot-Narquin, ancienne ministre de l'Ecologie et du développement durable, qui disait : « Je pense qu'il faut laisser nos concitoyens libres de leurs choix. Il faut par contre les éclairer sur les impacts de ces choix. ».

De toute évidence la prise de conscience, de nos jours sur ce phénomène des déchets, est plus de l'ordre des écologistes et de ceux qui les collectes et les gère au quotidien, du fait que ces derniers voient mieux la réalité en face.

Du coté des citoyens consommateurs la priorité est de se débarrasser du déchet sans se préoccuper de la suite des évènements, alors que pour les industriels l'objectif est de convaincre les clients afin de maximiser leurs profits et donc l'impact sur l'environnement ne rentre pas vraiment dans leurs calculs.

Afin de changer les mentalités et les comportements, en partant du principe qu'il vaut mieux prévenir que guérir, un plan national de prévention de la production de déchets a été présenté le 11 février 2004 par le ministère de l'Ecologie.

L'objectif est de stabiliser la production des déchets d'ici 2008, en se basant sur les axes suivants : mobiliser, agir dans la durée, évaluer.

Dans ce qui va suivre, nous allons essayer de définir ce qu'est la prévention des déchets , les différentes méthodes et moyens simples qui permettent de produire moins de déchets , pour finir les domaines sur lesquels il faut agir dans l'immédiat comme le sac plastique et les emballages.

De manière générale, la prévention des déchets peut être définie comme l'ensemble des mesures et des actions situées en amont de la production du déchet (de l'extraction de la matière première jusqu'au réemploi du produits en fin de vie) et qui visent à réduire la quantité et la nocivité des déchets produits et à améliorer leur caractère valorisable.

Par cette approche, on voit que la prévention s'étend à toutes les actions permettant de réduire les flux de déchets à la charge de la collectivité. On parle alors de flux évités et de flux détournés. En analysant bien notre quotidien, on voit bien qu'il y a beaucoup de petits gestes qui permettent de limiter le volume de nos déchets.

En effet, le compostage dans le jardin des déchets organiques de la cuisine (épluchures, restes alimentaires...) et du jardin (tontes, coupes...) contribue dans le sens préventif. Le réemploi permet de prolonger la durée de vie du produit et donc en amont de la production de déchets. A ce titre, les encombrants comme les vieux téléviseurs, vêtements usés peuvent être donné à d'autres personnes qui sont dans le besoin voir même à des associations.

Avec un peu d'imagination, je réutilise certains emballages pour une nouvelle utilisation. Je ne m'encombre pas d'objets que je n'utilise que très peu. De préférence, je les loue ou les emprunte. Je peux aussi acheter en commun des outils avec mes voisins, mes amis. Sinon, j'évite les jetables (lingettes, vaisselle en plastique, essuie-tout, mouchoirs en papier), qui coûtent cher et produisent beaucoup de déchets.

Des études sur l'eau de robinet à Paris, disent qu'elle est de bonne qualité et 100 fois moins chère que l'eau de source en bouteille. Et pourtant les parisiens consomment 240 millions de bouteilles par an. Concernant l'administration, le papier représente 80% des déchets produits.

Par des gestes simples comme imprimer que si c'est nécessaire sur du papier recyclé, recharger les cartouches d'encre, acheter du matériel durable et récupérable... Il a été montré que l'on pouvait parvenir à réduire d'au moins 20% la production de déchets de papier.

En plus de rompre avec l'immobilisme, il faut aussi combattre le gaspillage qui n'est pas compatible avec la rationalité. A titre d'exemple, les poubelles de cantine représentent 80% des déchets d'une école, cela est dû aux desserts suremballés et les assiettes dont on jette la moitié du contenu. Des débats peuvent être menés dans les conseils de classe, dans les réunions de vie scolaire afin d'influencer la préparation des repas.

la définition est donnée pages 58-59

Après avoir passé en revu les changements que chaque citoyen doit incorporer dans son quotidien, nous allons voir ce qui a lieu de faire du coté des industriels et distributeurs pour réduire à la source les déchets, toute en dissociant la croissance de ces derniers et celle du PIB.

Pour les industriels, les efforts doivent porter sur la durabilité des produits ainsi que dans le domaine de l'emballage.

En effet, le passage du durable au jetable a fait que les produits se reconvertissent en déchets juste après la fin de la garantit et en général pas réparable pour orienter les clients vers de nouveaux produits plus sophistiqués qui sont le fruit de l'innovation continue.

Sur ce point, le passage à l'économie de fonctionnalité, qui consiste à acheter le service et non pas le bien en lui-même qui restera dans la propriété du producteur, ce dernier sera incité a mieux concevoir le bien de telle sorte qu'il ait un plus long cycle de vie et que son élimination soit la moins coûteuse possible.

Concernant l'emballage, les producteurs ne font que réponde de la manière la plus adéquate à la demande sur le marché. Pour cela, avant le lancement du produit, des études sont faites sur les caractéristiques de la population concernée.

Dans ce cadre, l'emballage est le symbole de notre société de consommation grâce à son adaptation à nos modes de vie. On regardant bien notre poubelle, on constate que les emballages forment la majorité de nos déchets, plus de 100 milliards d'emballages sont utilisés chaque année en France. Leur nombre croît avec l'augmentation de la population et du nombre des ménages, ainsi qu'avec l'évolution des modes de vie, des besoins et des attentes des gens.

L'augmentation de la population (plus de 21% depuis 1975) et celle du nombre des ménages (plus de 50% sur la même période) génèrent mécaniquement la hausse de la consommation de produits emballés dans notre pays.

Depuis les années 70, le nombre de personne vivant seules a doublé, l'individualisation de la consommation conduit à l'accroissement du nombre de portions individuelles et, donc d'emballages. La réduction du temps consacré à la préparation des repas (aujourd'hui 50% des femmes ont une activité professionnelle) conduit à une hausse de la consommation de produits tout prêts, préemballés.

Maintenant, est ce qu'il faut arrêter d'emballer ? La réponse est non puisque l'emballage est indispensable pour la protection, la conservation, l'hygiène, l'information et la présentation du produit. Par contre il faut distinguer l'emballage utile et le suremballage. Ce dernier doit être évincé.

Dans ce sens, le Conseil National de l'Emballage (CNE) essaye de conseiller les producteurs sur l' « Eco-conception » de l'emballage.

Pour finir, dans le domaine des distributeurs, les efforts doivent être concentrés dans la lutte contre le sac plastique à usage unique qui est produit en une seconde, sert en moyenne 20 minutes et met plus de 400 ans à se dégrader naturellement.

Plutôt, il faut encourager la production de sacs réutilisables ou mettre un signal prix pour inciter les consommateurs à prendre leurs dispositions pour faire les courses. Il faut savoir que le plastique ne permet pas d'autre traitement que l'incinération qui pose des problèmes de santé publique.

En effet, la combustion des matières fermentescibles contenues dans les sacs plastiques entraîne la production de dioxines (résidus classés cancérigènes par l'Organisation Mondiale de la Santé). L'incinération des sacs à usage unique contribue donc au réchauffement climatique, cela produit du CO2 et de la vapeur d'eau, deux gaz à effet de serre.

Cette disposition, avec aussi l'autocollant « stop pub » qui épargne ceux qui ne veulent pas de prospectus dans leurs boîtes aux lettres, est incluse dans le plan de prévention. Etant appliqué depuis juin 2004 par un grand nombre de grandes surfaces, une baisse de 15% a été enregistrée sur cette même année.

Pour que la prévention donne de bons résultats en matière de réduction des déchets, il faut l'adhésion de tous les acteurs concernés. A ce sujet, nous pensons que les chances de réussite de ce plan sont très minces étant donné que les individus ne sont pas contraints de l'appliquer.

Toujours est-il que cela est tout de même un pas en avant, qui permet au moins d'ouvrir un grand débat et de maintenir cette vigilance autour d'un sujet qui plus on avance dans le temps plus il prend de l'importance.

A court terme, il faut plus jouer sur le mode de financement vu que ce que payent les citoyens (taxe proportionnelle à la valeur locative de leur logement) est loin d'être incitant comparé au coût de gestion des déchets.

Ainsi, tandis que les déchets des ménages continuaient leur progression funeste, les entreprises prenaient un chemin inverse. Cela tient à ce que les entreprises payent l'élimination de leurs déchets à la tonne.

B. Effet d'une taxe :

Si il n'y pas une prise de conscience collective pour régler le problème de la production de déchets ménagers, la prévention ne marchera pas.

La solution va passer par une incitation contraignante tel que le principe de « pollueur payeur » généralisé aux ménages ou encore une taxe sur les déchets, c'est à dire payer de manière proportionnelle et non forfaitaire notre production de déchets.

Nous avons voulu tester l'effet d'une telle taxe sur la production des déchets.

Pour ce faire, nous avons inventé une variable que l'on a nommé : « taxe ». Pour la construire on a imaginé une mesure que pourrait prendre le gouvernement pour réduire la production de déchets ménagers.

Nous avons taxé la consommation de 10%, le pourcentage choisi est totalement arbitraire, notre but étant de montrer qu'une taxe inciterait à produire moins de déchet. Pour faciliter l'interprétation nous avons pris le logarithme de la taxe (lt).

Voici le modèle obtenu :

Dependent Variable: LD

Method: Least Squares

Date: 05/31/06 Time: 14:50

Sample(adjusted): 1950 1989

Included observations: 40 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

LC

0.659787

0.267800

2.463728

0.0185

LT

-0.597480

0.244501

-2.443669

0.0194

LRD

0.692476

0.124473

5.563265

0.0000

R-squared

0.983899

Mean dependent var

5.927354

Adjusted R-squared

0.983029

S.D. dependent var

0.225276

S.E. of regression

0.029348

Akaike info criterion

-4.147171

Sum squared resid

0.031868

Schwarz criterion

-4.020505

Log likelihood

85.94342

Durbin-Watson stat

2.277453

En supposant les hypothèse nécessaires, pour que les estimations obtenues par MCO soient les meilleures, soient vérifiées. On voit clairement que le coefficient associé à la variable « lt » est significativement différent de 0 et négatif.

Ainsi notre modèle montre qu'une variation de 1% de la taxe aurait comme conséquence de réduire la production de déchets ménagers de 60%.

On démontre ainsi que si la prévention ne donne aucun résultat, alors la mise en place d'une taxe contraindra les personnes à faire plus attention et donc à produire moins de déchets.

Conclusion :

Notre mémoire avait pour but de modéliser le phénomène de la production de déchets ménagers parisien, sur la période 1949-2004. Grâce à notre base de données, constituée avec l'aide de la DPE, et le logiciel EViews, nous avons pu estimer, sur la période 1949-1989, la production de déchets ménagers parisiens.

Ainsi on a pu démontrer que les dépenses moyennes de consommation des ménages, ainsi que la production passé de déchets ménagers parisiens avaient une influence sur la production de déchets présents. L'utilisation des logarithmes des variables nous a permis d'obtenir des élasticité ce qui facilite les interprétations.

Autrement dit, une variation de 1% de la consommation devrait entraîner une hausse de prés de 7% de la production de déchets, tandis qu'une augmentation similaire de la production de déchets passé aurait comme conséquence de faire croître la production de détritus présente de prés de 70%.

La variable retardé peut aussi s'interpréter comme un changement de mode de consommation, rien n'est fait pour que je consomme moins aujourd'hui, je produirai donc autant de déchets si ce n'est plus demain. Il ressort clairement que les modes de consommations sont responsables de notre production de déchets.

Nous n'avons pas pu modéliser le phénomène étudié sur la période 1990-2004, car un changement de méthode de quantification des déchets ménagers parisiens a eu lieu en 1990.

Cependant nous avons décris les évènements qui se sont déroulés durant ce laps de temps.

On a ainsi pu mettre en évidence, qu'il s'opère depuis 1990 un ralentissement de la hausse de la production des déchets ménagers. L'hypothèse d'une décroissance de la consommation est réfutée car nous avons mis en évidence que la consommation ne cesse de croître.

Cette baisse ne serait pas du a un changement de comportement des ménages ou bien à l'efficacité des politiques luttant contre les déchets, enfin en un sens si. Il semblerait que les causes de ce fléchissement relèvent du développement des collectes sélectives qui détournent une fraction non négligeable de déchets de la poubelle classique.

Aussi le problème des déchets est toujours d'actualité, et il faut y remédier. Ce n'est pas si simple car son facteur principal est la consommation, or cette dernière est le moteur de l'économie. Une baisse des dépenses de consommations aurait des conséquences néfastes sur l'économie comme un ralentissement, voire même à long terme une récession.

Une solution serait d'éduquer les gens afin de mieux consommer ou bien de les inciter à produire moins de déchets grâce à une taxe, application du principe « pollueur-payeur » aux ménages.

Mais toutes les solutions envisagées peuvent avoir un effet négatifs sur la consommation, elles doivent donc être soigneusement définies avant d'être appliqué afin d'éviter de faire rentrer la France dans une période de crise.

Nous n'avons pas la solution miracle, notre niveau en modélisation et nos connaissances sur le sujet sont trop limités pour pouvoir donner la solution.

Cependant il apparaît clairement que les déchets sont le problème de tous, aussi le seul moyen d'en venir à bout et un effort commun de la part des industriels, dans leurs choix de matières composant les emballages, des ménages, dans leur comportement, et de l'Etat dans son devoir d'information et de réglementation.

Bibliographie

§ S. Barles (2005), l'invention des déchets urbains, Edition Champ Vallon.

§ G. Bertolini (1990), Le marché des ordures, Edition L'Harmattan.

§ F. Chalot (1991), La commune et les déchets, Edition Sorman.

§ M. Paquier (2001), Histoire illustrée de 5000 ans d'hygiène publique, Edition JOHANET.

§ C. de Silguy (1996), Histoire des hommes et de leurs ordures : du Moyen Age à nos jours, Le cherche midi éditeurs.

§ L. Laurian (1994), «  Déchets ménagers et population à Paris depuis 1945», Université de Paris 5.

§ M. Glachant (2006), « Réduction à la source des déchets ménagers et tarification en France», publié dans « Les Déchets : Droits de propriété, économie et environnement »,

Editions Bruylant, Bruxelles, 187-210.

§ V. Rocheteau et D. Béguin (2005), « Plan national de prévention de la production de déchets : élaboration et mise en oeuvre », publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 9-17.

§ R. Bachelot-Narquin (2005), « la prévention des déchets », publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 29-32.

§ O. Labasse (2005), « Eco conception et prévention des déchets dans le domaine de l'emballage », publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 43-49.

§ N. Buclet (2005), «Concevoir une nouvelle relation à la consommation : l'économie de fonctionnalité », publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 57-66.

§ S. Orru (2005), « Halte au sac plastique», publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 67-75.

§ M. Glachant (2005), « Le concept de responsabilité élargie du producteur et la réduction à la source des déchets de consommation», publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 91-98.

§ O. Arnold (2005), « la tarification du service public : outil efficace de prévention des déchets ?», publié dans « Annales des mines : Responsabilité et environnement », Edition ESKA, 99-103.

§ Mairie de Paris (1993 à 2004), « Rapport sur l'élimination des déchets à Paris ».

§ ADEME (1998), « Rapport sur l'évolution de la composition des ordures ménagères ».

§ Annuaires statistiques de la ville de Paris (1949-1967)

§ www.paris.fr, www.arehn.asso.fr, www.ademe.fr et www.syctom-paris.fr

Annexes

Ø 1185 :

Philippe Auguste ordonne le pavage des rues boueuses de la ville afin de lutter contre les odeurs nauséabondes qui règnent dans les rues de Paris. Le Prévôt a alors la responsabilité du nettoiement des rues.

Deux siècles plus tard, par crainte des épidémies, et particulièrement de la peste, une collecte s'organise : des tombereaux appelés « voiries », loué par les bourgeois transportent les immondices hors de la ville.

Ø 1522 :

Un système mixte organise la collecte : le balayage et la mise en tas des immondices sont assurés par les habitants, tandis que le transport est organisé par l'autorité royale et rémunéré par une taxe. François 1er prescrit de présenter les ordures dans des « paniers ou mannequins ».

Ø 1563 :

Une ordonnance royale prescrit deux ramassages quotidiens par des tombereaux : les habitants sont informés de leur passage par une clochette (système prévaut jusqu'en 1919).

Ø 1767 :

Pour la première fois l'idée de collecte sélective apparaît : de Sartines, lieutenant général de police de Louis XV, impose aux riverains, par ordonnance, le tri des boues, ordures ménagères, des débris de vaisselle et autres solides.

Ø 1884 :

La poubelle s'impose à tous les propriétaires, après la publication de l'arrêté du 7 mars 1884, signé d'Eugène Poubelle.

Le trottoir, d'importation anglaise, est étendu à toutes les voies. Il doit être balayé par le riverain, sur une largeur de 6 mètres à partir des façades.

Ø 1896 :

Première usine de broyage de déchets construite à Saint-Ouen.

Ø 1906 :

Les usines de Saint-Ouen, d'Issy-les-Moulineaux et de Romainville sont équipées de fours d'incinération, puis de générateurs transformant en électricité la vapeur récupérée dans ces fours. Des briqueteries permettent déjà la valorisation des mâchefers pour la construction.

Ø 1922 :

La ville de Paris regroupe l'exploitation de ses usines d'incinération et la confie à la société TIRU (Traitement Industriel des Résidus Urbain) constituée à cette occasion. Le TIRU reste l'exploitant à ce jour.

Ø 1965 :

Après la réforme de la Région Parisienne (disparition du département de la Seine, au profit des départements de la couronne), le nettoiement devient une activité municipale alors que le traitement des déchets conserve sa vocation intercommunale. La ville de Paris, qui a conçu les usines d'incinération des ordures ménagères, reste responsable du traitement des déchets

pour le compte des communes de l'ancien département de la Seine que ces usines desservent.

Ø 1978 :

Mécanisation de la collecte de ordures ménagères, d'abord dans le 15ème arrondissement, puis généralisée à l'ensemble de Paris.

Ø 1983 :

Début de la collecte sélective du verre par apport volontaire (pose de réceptacles sur les trottoirs).

Ø 1984 :

Le SYCTOM, syndicat intercommunal de traitement des ordures ménagères, est constitué. Il reçoit de la Ville de Paris l'ensemble des compétences et des moyens de traitement des ordures ménagères.

Première expérience de collecte sélective de papiers.

Ø 1988 :

Ouverture de la première déchetterie, Porte de la Chapelle.

Ø 1989 :

Première collecte sélective expérimentale des journaux et magazines.

Ø 1991 :

Création de l'école de la Propreté pour la formation des agents nouvellement recrutés.

Ø 1993 :

Mise en service du premier centre de tri, à Romainville.

Ø 1997 :

Les nouveaux marchés de collecte des ordures ménagères englobent deux nouvelles exigences :

1. l'utilisation par les sociétaires prestataires de bennes électriques

2. la mise en place d'une assurance qualité.

Lancement d'une collecte sélective expérimentale des emballages ménagers pour dix-huit mois dans un secteur test du 13ème arrondissement.

Ø 2000 :

Le projet de remplacement de l'usine d'incinération d'Issy-les-Moulineaux, complétée par un centre de tri et de valorisation des déchets, quai Franklin Roosevelt, est déclaré Projet d'Intérêt Général par le Préfet des Hauts-de-Seine.

En juin, lancement expérimental de la collecte sélective « triflux » (3 bacs pour 3 matériaux : verre, cartons et emballages, journaux).

Ø 2001 :

Choix de généraliser la collecte sélective sur le principe « biflux » (2 bacs : verre et le « propre et sec, le plat et creux »).

Ø 2002 :

Mise en place de la collecte sélective sur les 20 arrondissements de Paris entre mars et décembre 2002.

Graphique 1

Source : -Pour la population se sont les recensements de l'INSEE, la population a été supposé constante entre les recensements.

-Pour le tonnage annuel des ordures ménagères parisiennes, les chiffres viennent de la Direction de la Protection de l'Environnement (rattaché à la mairie de Paris)

Graphique 2

Source : - Pour la population les chiffres proviennent des recensements de l'INSEE, entre les recensements la population a été supposé constante

- Les dépenses de consommations moyennes des français proviennent des annuaires statistiques de l'INSEE, les francs ont été convertis en eu

Stationnarisation de la série ld(t) 

v Test de stationnarité de la série ld(t) :

ADF Test Statistic

-1.474876

1% Critical Value*

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 
 
 
 
 
 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LD)

Method: Least Squares

Date: 05/30/06 Time: 10:44

Sample(adjusted): 1951 2004

Included observations: 54 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

LD(-1)

-0.039007

0.026448

-1.474876

0.1464

D(LD(-1))

-0.100017

0.135372

-0.738832

0.4634

C

0.241902

0.158399

1.527174

0.1329

R-squared

0.049500

Mean dependent var

0.007637

Adjusted R-squared

0.012226

S.D. dependent var

0.041921

S.E. of regression

0.041664

Akaike info criterion

-3.464406

Sum squared resid

0.088530

Schwarz criterion

-3.353907

Log likelihood

96.53896

F-statistic

1.327987

Durbin-Watson stat

1.968686

Prob(F-statistic)

0.274018

v Test de stationnarité de la série ld (t) :

ADF Test Statistic

-10.18520

1% Critical Value*

-3.5598

 
 

5% Critical Value

-2.9178

 
 

10% Critical Value

-2.5964

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 
 
 
 
 
 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(DLD,2)

Method: Least Squares

Date: 05/30/06 Time: 10:51

Sample(adjusted): 1953 2004

Included observations: 52 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(DLD(-1))

-2.235107

0.219446

-10.18520

0.0000

D(DLD(-1),2)

0.471143

0.125107

3.765931

0.0004

C

-0.000891

0.006670

-0.133632

0.8942

R-squared

0.812872

Mean dependent var

-0.000501

Adjusted R-squared

0.805235

S.D. dependent var

0.108930

S.E. of regression

0.048073

Akaike info criterion

-3.176215

Sum squared resid

0.113241

Schwarz criterion

-3.063643

Log likelihood

85.58159

F-statistic

106.4268

Durbin-Watson stat

2.140367

Prob(F-statistic)

0.000000

1) Test ADF :

2) Test Phillips-Perron :

PP Test Statistic

-18.20010

1% Critical Value*

-3.5572

 
 

5% Critical Value

-2.9167

 
 

10% Critical Value

-2.5958

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 

Lag truncation for Bartlett kernel: 3

( Newey-West suggests: 3 )

Residual variance with no correction

0.002755

Residual variance with correction

0.000979

 
 
 
 
 
 
 
 
 
 

Phillips-Perron Test Equation

Dependent Variable: D(DLD,2)

Method: Least Squares

Date: 05/30/06 Time: 10:52

Sample(adjusted): 1952 2004

Included observations: 53 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

D(DLD(-1))

-1.513455

0.117997

-12.82620

0.0000

C

-0.000107

0.007351

-0.014580

0.9884

R-squared

0.763353

Mean dependent var

0.001577

Adjusted R-squared

0.758713

S.D. dependent var

0.108934

S.E. of regression

0.053509

Akaike info criterion

-2.980913

Sum squared resid

0.146026

Schwarz criterion

-2.906563

Log likelihood

80.99420

F-statistic

164.5113

Durbin-Watson stat

2.484850

Prob(F-statistic)

0.000000

Stationnarisation de la série lc(t ) :

v Test de stationnarité de la série lc(t) :

ADF Test Statistic

-1.888797

1% Critical Value*

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 
 
 
 
 
 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(LC)

Method: Least Squares

Date: 05/30/06 Time: 10:57

Sample(adjusted): 1951 2004

Included observations: 54 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

LC(-1)

-0.009036

0.004784

-1.888797

0.0646

D(LC(-1))

0.298201

0.133519

2.233395

0.0299

C

0.128553

0.043781

2.936300

0.0050

R-squared

0.213393

Mean dependent var

0.081076

Adjusted R-squared

0.182545

S.D. dependent var

0.049186

S.E. of regression

0.044471

Akaike info criterion

-3.334006

Sum squared resid

0.100861

Schwarz criterion

-3.223507

Log likelihood

93.01817

F-statistic

6.917704

Durbin-Watson stat

1.959976

Prob(F-statistic)

0.002197

v Test de stationnarité de la série lc (t) :

1. Test ADF :

ADF Test Statistic

-3.914265

1% Critical Value*

-3.5572

 
 

5% Critical Value

-2.9167

 
 

10% Critical Value

-2.5958

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 
 
 
 
 
 

Augmented Dickey-Fuller Test Equation

Dependent Variable: D(DLC)

Method: Least Squares

Date: 05/30/06 Time: 11:03

Sample(adjusted): 1952 2004

Included observations: 53 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

DLC(-1)

-0.570100

0.145647

-3.914265

0.0003

D(DLC(-1))

-0.136889

0.137797

-0.993416

0.3253

C

0.043780

0.013339

3.282074

0.0019

R-squared

0.368555

Mean dependent var

-0.001753

Adjusted R-squared

0.343298

S.D. dependent var

0.053785

S.E. of regression

0.043586

Akaike info criterion

-3.373223

Sum squared resid

0.094987

Schwarz criterion

-3.261697

Log likelihood

92.39041

F-statistic

14.59175

Durbin-Watson stat

2.003849

Prob(F-statistic)

0.000010

2. Test Phillips-Perron :

PP Test Statistic

-4.743586

1% Critical Value*

-3.5547

 
 

5% Critical Value

-2.9157

 
 

10% Critical Value

-2.5953

*MacKinnon critical values for rejection of hypothesis of a unit root.

 
 
 
 
 

Lag truncation for Bartlett kernel: 3

( Newey-West suggests: 3 )

Residual variance with no correction

0.001998

Residual variance with correction

0.001900

 
 
 
 
 
 
 
 
 
 

Phillips-Perron Test Equation

Dependent Variable: D(DLC)

Method: Least Squares

Date: 05/30/06 Time: 11:03

Sample(adjusted): 1951 2004

Included observations: 54 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

DLC(-1)

-0.604959

0.126290

-4.790255

0.0000

C

0.048883

0.012015

4.068611

0.0002

R-squared

0.306172

Mean dependent var

-0.000417

Adjusted R-squared

0.292829

S.D. dependent var

0.054173

S.E. of regression

0.045556

Akaike info criterion

-3.303430

Sum squared resid

0.107917

Schwarz criterion

-3.229764

Log likelihood

91.19260

F-statistic

22.94654

Durbin-Watson stat

2.047687

Prob(F-statistic)

0.000014

Test de racine unitaire sur la variable ld :

Ce test permet de justifier économétriquement l'influence de la variable expliquée retardée sur la variable expliquée.

Pour le faire on estime le modèle suivant :

ld(t) = ñ ld(t-1) + Ut, avec Ut bruit blanc stationnaire

Les résultats de la régression sont les suivants :

Dependent Variable: LD

Method: Least Squares

Date: 05/30/06 Time: 12:51

Sample(adjusted): 1950 1989

Included observations: 40 after adjusting endpoints

Variable

Coefficient

Std. Error

t-Statistic

Prob.

LRD

1.003097

0.000834

1203.005

0.0000

R-squared

0.980839

Mean dependent var

 

Adjusted R-squared

0.980839

S.D. dependent var

 

S.E. of regression

0.031183

Akaike info criterion

 

Sum squared resid

0.037924

Schwarz criterion

 

Log likelihood

82.46361

Durbin-Watson stat

 

On constate que le coefficient de la variable expliquée retardée est significativement très proche de 1 à 95%. En effet comme le p-value (Prob) est inférieure à 5%, le risque de se tromper en rejetant H0 (ñ = 0) est faible donc on rejette l'hypothèse nulle et on conclut que ñ est différent de 0 donc significatif (à condition que les résidus estimés soient stationnaires).

Regardons la stationnarité des résidus (test ADF) :

ADF Test Statistic

-5.283710

1% Critical Value*

-4.123

 
 

5% Critical Value*

-3.461

 
 

10% Critical Value*

-3.130

*MacKinnon critical values

Comme la statistique de test est inférieure à la valeur critique à 5%. On conclut avec un seuil de confiance de 95% à la stationnarité des résidus.

Nos résidus étant stationnaire on peut utiliser le modèle.

Testons, maintenant l'hypothèse ñ =1 contre l'hypothèse ñ > 1, grâce au test de Wald

Wald Test:

Equation: Untitled

Null Hypothesis:

C(1)=1

F-statistic

13.79847

 

Probability

0.000636

Chi-square

13.79847

 

Probability

0.000204

La p-value est inférieur à 5%, donc rejette l'hypothèse nulle. On en conclut qu'on est sûr à 95% que ñ est supérieur à 1, ce qui signifie qu'il existe une relation plus que proportionnelle entre la production de déchets à la date t et celle à la date t-1.

Test d'Homoscédasticité :

1. Test de White (terme croisé) :

White Heteroskedasticity Test:

F-statistic

1.753949

Probability

0.149005

Obs*R-squared

8.201822

Probability

0.145458

 
 
 
 
 

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 05/31/06 Time: 11:26

Sample: 1950 1989

Included observations: 40

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

2.947782

2.505037

1.176742

0.2475

LC

0.285159

0.210267

1.356180

0.1840

LC^2

0.006692

0.004400

1.520893

0.1375

LC*LRD

-0.064643

0.046548

-1.388727

0.1739

LRD

-1.345852

1.110348

-1.212099

0.2338

LRD^2

0.153383

0.123006

1.246957

0.2209

R-squared

0.205046

Mean dependent var

0.000797

Adjusted R-squared

0.088140

S.D. dependent var

0.001306

S.E. of regression

0.001247

Akaike info criterion

-10.39837

Sum squared resid

5.29E-05

Schwarz criterion

-10.14504

Log likelihood

213.9674

F-statistic

1.753949

Durbin-Watson stat

1.804813

Prob(F-statistic)

0.149005

2. Test de White (sans terme croisé) :

White Heteroskedasticity Test:

F-statistic

1.666093

Probability

0.179886

Obs*R-squared

6.398150

Probability

0.171322

 
 
 
 
 

Test Equation:

Dependent Variable: RESID^2

Method: Least Squares

Date: 05/31/06 Time: 11:28

Sample: 1950 1989

Included observations: 40

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-0.490092

0.388226

-1.262389

0.2152

LC

-0.006700

0.006691

-1.001299

0.3236

LC^2

0.000615

0.000465

1.323211

0.1943

LRD

0.184248

0.139324

1.322440

0.1946

LRD^2

-0.016665

0.011849

-1.406425

0.1684

R-squared

0.159954

Mean dependent var

0.000797

Adjusted R-squared

0.063948

S.D. dependent var

0.001306

S.E. of regression

0.001264

Akaike info criterion

-10.39320

Sum squared resid

5.59E-05

Schwarz criterion

-10.18209

Log likelihood

212.8640

F-statistic

1.666093

Durbin-Watson stat

1.483798

Prob(F-statistic)

0.179886

Test d'autocorrélation :
v Test de Breuch-Godfrey (pour deux retards) :

Breusch-Godfrey Serial Correlation LM Test:

F-statistic

2.140991

Probability

0.132680

Obs*R-squared

4.360250

Probability

0.113027

 
 
 
 
 

Test Equation:

Dependent Variable: RESID

Method: Least Squares

Date: 05/31/06 Time: 11:47

Presample missing value lagged residuals set to zero.

Variable

Coefficient

Std. Error

t-Statistic

Prob.

C

-1.595749

0.957832

-1.666000

0.1046

LC

-0.067197

0.040458

-1.660911

0.1057

LRD

0.353881

0.212254

1.667252

0.1044

RESID(-1)

-0.568363

0.274671

-2.069249

0.0460

RESID(-2)

-0.258169

0.210938

-1.223908

0.2292

R-squared

0.109006

Mean dependent var

-2.89E-16

Adjusted R-squared

0.007178

S.D. dependent var

0.028586

S.E. of regression

0.028484

Akaike info criterion

-4.162514

Sum squared resid

0.028396

Schwarz criterion

-3.951404

Log likelihood

88.25028

F-statistic

1.070495

Durbin-Watson stat

1.890333

Prob(F-statistic)

0.385783

 

· ADEME (sigle) : Agence gouvernementale De l'Environnement et de la Maîtrise de l'Energie

· Compostage (N.m) : Transformation des déchets organiques par fermentation aérobie conduisant à la formation de matière organique stabilisée appelée compost, utilisable comme amendement pour réalimenter les sols en éléments organiques et minéraux simples et utilisables par les plantes. Un kilogramme de déchets organiques donne environ 300 à 400 grammes de compost.

· Déchets (N.m) : Substance ou objet « dont le détenteur veut se défaire ou se débarrasser, ou dont il a l'intention ou l'obligation de se défaire ». Il s'agit d'une définition communautaire du 18 mars 1991 et retranscrite dans les conventions internationales.

L'article 1 de la loi du 15 juillet 1975 modifiée défini : « est un déchet au sens de la présente loi, tout résidu d'un processus de fabrication, de transformation ou d'utilisation, toute substance, matériau, produit, ou plus généralement tout bien meuble abandonné ou que son détenteur destine à l'abandon. »

Les déchets sont de plus en plus considérés comme un gisement, une ressource qu'il s'agit d'exploiter et de valoriser.

· Matière putrescible (N.f) : Matière susceptible de pourrir.

· MODECOM (sigle) : Mode de Caractérisation des Ordures Ménagères. Méthodologie développée par l'ADEME pour caractériser un gisement d'ordures ménagères et arriver à sa décomposition précise par matériau.

· Recycler (v.) : Nouveau traitement, nouveau passage d'un matériau dans un cycle d'opération, en vue de sa réutilisation pour un usage similaire ou différent. Le recyclage d'un matériau n'est pas toujours possible à l'infini.

· Réglementation (N.f) : Il n'existe pas en France de texte législatif obligeant directement à la mise en place de collectes sélectives. Cependant de nombreux décrets et arrêtés en rapport avec la loi du 15 juillet 1975 modifiée le 13 juillet 1992 et relative à l'élimination des déchets et à la récupération des matériaux, incitent indirectement à la pratiquer.

· Tri sélectif (N.m) : Opération consistant à trier les déchets en opérant une sélection afin de pouvoir les valoriser ou les éliminer de façon optimale. Le tri sélectif est réalisé à la source par le particulier lorsque des collectes collectives lui sont proposées.

Ø La base de données a été faite avec le logiciel « Excel ».

Ø Nous avons taper le mémoire avec l'aide du logiciel de traitement de texte : « Word ».

Ø Pour modéliser, tester et estimer notre modèle, nous avons utilisé le logiciel d'économétrie « Eviews », version 3.1.

Année

Dechp

Consop

taxe (10% de consop)

Emballage

Sac Plastique

1949

274

215

21,5

0

0

1950

288

246

24,6

0

0

1951

281

302

30,2

0

0

1952

284

348

34,8

0

0

1953

283

364

36,4

0

0

1954

274

363

36,3

0

0

1955

279

390

39

1

0

1956

283

429

42,9

1

0

1957

289

476

47,6

1

0

1958

297

540

54

1

0

1959

287

584

58,4

1

0

1960

302

653

65,3

1

0

1961

297

709

70,9

1

0

1962

323

726

72,6

1

0

1963

337

814

81,4

1

0

1964

340

881

88,1

1

0

1965

350

931

93,1

1

0

1966

351

1019

101,9

1

0

1967

358

1103

110,3

1

0

1968

364

1124

112,4

1

0

1969

368

1279

127,9

1

0

1970

383

1431

143,1

1

1

1971

385

1609

160,9

1

1

1972

392

1806

180,6

1

1

1973

392

2039

203,9

1

1

1974

374

2368

236,8

1

1

1975

419

2574

257,4

1

1

1976

430

2974

297,4

1

1

1977

430

3350

335

1

1

1978

439

3772

377,2

1

1

1979

448

4345

434,5

1

1

1980

442

5031

503,1

1

1

1981

447

5797

579,7

1

1

1982

484

6146

614,6

1

1

1983

491

6801

680,1

1

1

1984

498

7405

740,5

1

1

1985

507

8020

802,2

1

1

1986

528

8556

855,6

1

1

1987

532

9066

906,6

1

1

1988

562

9622

962,2

1

1

1989

568

10257

1025,7

1

1

1990

468

10136

1013,6

1

1

1991

486

10599

1059,9

1

1

1992

483

10999

1099,9

1

1

1993

472

13256

1325,6

1

1

1994

475

13721

1372,1

1

1

1995

462

14169

1416,9

1

1

1996

461

14630

1463

1

1

1997

464

14896

1489,6

1

1

1998

460

15491

1594,1

1

1

1999

478

15478

1547,8

1

1

2000

486

16139

1613,9

1

1

2001

462

16848

1684,8

1

1

2002

439

17559

1755,9

1

1

2003

435

17523

1752,3

1

1

2004

435

19603

1960,3

1

1

Sources :

Ä le tonnage des ordures ménagères parisiennes nous a été communiqué par les services de la DPE

Ä les chiffres de la population parisienne et française, qui nous ont permis de normaliser nos variables, proviennent des recensements de l'INSEE. Entre les différents recensements, la population a été supposée constante.

Ä Les chiffres sur les dépenses moyennes de consommations des français nous viennent également de l'INSEE.

Eugène POUBELLE

« L'inventeur de la poubelle »

1831 - 1907






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"I don't believe we shall ever have a good money again before we take the thing out of the hand of governments. We can't take it violently, out of the hands of governments, all we can do is by some sly roundabout way introduce something that they can't stop ..."   Friedrich Hayek (1899-1992) en 1984