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

 > 

Les consommateurs sont-ils suffisamment informés sur la qualité du saumon qu'ils consomment ?

( Télécharger le fichier original )
par Ledoux Tchuisseu Ngongang
Université du Québec à  Rimouski, Canada - Maà®trise en Gestion des Ressources Maritimes 2007
  

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

UNIVERSITE DU QUEBEC

LES CONSOMMATEURS SONT-ILS SUFFISAMMENT INFORMES SUR LA QUALITE DU SAMON QU'ILS CONSOMMENT ?

UNE ETUDE EXPERIMENTALE PAR L'EVALUATION CONTINGENTE, REALISEE A PARTIR D'UN SONDAGE AUPRES DES ETUDIANTS DE L'UNIVERSITE DU QUEBEC A RIMOUSKI

RAPPORT

PRESENTE A

L'UNIVERSITE DU QUEBEC A RIMOUSKI

Comme exigence partielle du programme de maîtrise en Gestion des Ressources Maritimes. 

PAR

Ledoux TCHUISSEU NGONGANG

Janvier, 2008

DEDICACE

A mon frère aîné TAYOU Jean-baptiste décédé en le 16 octobre 2001, Paix à son âme

A mon épouse Aristide Chuisseu Nganso

A mes parents M. et Mme Ngongang à tous mes 8 frères et soeurs.

REMERCIEMENTS

Le présent rapport marque l'aboutissement de seize mois d'études financées par l'ACDI (l'Agence canadienne de développement international). Qu'elle trouve ici l'expression de mes sincères remerciements.

J'adresse mes remerciements à M. James Wilson R. Directeur du programme de Maîtrise en Gestion des Ressources Maritimes, mon encadreur, pour le suivi critique dont j'ai bénéficié tout au long de ce travail.

J'exprime ma profonde reconnaissance à mes enseignants : Messieurs : Claude Rioux, Didier Urli, Marc Benitah , Eric Hudier , Jean-claude Michaud pour leurs précieux conseils et leurs enseignements.

Je remercie également les personnes ci-après : Mme Nicole Giroux, secrétaire du programme, pour sa disponibilité et M. Patrick Morin pour l'aide qu'il m'a apporté lors de la distribution des questionnaires.

AVANT-PROPOS

Notre sujet de recherche porte sur l'étiquetage du saumon. Il est question d'utiliser un outil économétrique tel que la méthode d'évaluation contingente vue de mesurer l'impact de l'information sur les options d'achats des consommateurs. Notre étude est centrée sur le saumon donc la traçabilité et la provenance ne sont pas toujours indiqués sur les étiquettes des produits dans les épiceries. La production et la commercialisation imminente du saumon génétiquement nous à poussé à porter notre attention sur la valeur de l'étiquetage dans le choix des consommateurs.

Notre travail s'inscrit dans la catégorie des études dites exploratoires, surtout qu'elle vise un secteur plus ou moins sensible qu'est la production et la commercialisation des produits génétiquement modifiés. Malgré la taille réduite de notre échantillon, nous pensons que l'orientation pragmatique que nous avons voulu donner à ce travail en nous appuyant sur une enquête, apporte des résultats concrets et positifs pour la compréhension des facteurs qui influencent le choix des consommateurs par rapport à leur demande des biens du marché qu'est ici le saumon. Nous avons abordé un sujet dont les implications par rapport à la consommation des biens du marché sont nombreuses. Plusieurs thèmes de réflexions pourront découler dans les années à venir dans le cadre des programmes de formation pour approfondir les divers contours possibles de l'étiquetage du saumon. Ces recherches apporteront des connaissances nouvelles pour aiguiller le choix des acteurs économiques et des décideurs politiques par rapport à la production et la commercialisation du saumon au Québec en particulier et au Canada de manière générale.

RESUME

Les OGM sont devenus un enjeu important dans le commerce mondial, de plus en plus ils font irruption dans notre alimentation. Il convient d'évaluer l'impact de ces biotechnologies nouvelles sur le marché des biens et services, la biodiversité, l'environnement et la santé des consommateurs.

Notre étude est axée sur le saumon génétiquement modifié donc la commercialisation semble imminente. A l'aide de la méthode d'évaluation contingente, il est question de faire une évaluation économique du manque d'informations sur la production du saumon.

En effet nous avons déterminé le consentement à payer par les consommateurs pour avoir plus d'informations sur le saumon. Notre étude a été réalisée auprès de 102 étudiants de l'université du Québec à Rimouski. Les résultats obtenus montrent que la demande d'informations sur le saumon est relativement élevée du fait de la valeur du consentement à payer qui est de 31,29% par rapport au prix initial d'un kilogramme de saumon que nous avons considéré dans le sondage. Les consommateurs demeurent très intéressés par la provenance du saumon et les effets que la méthode de production aura sur leur santé. Cependant certains facteurs tel que le pouvoir d'achat influencent de manière significative le choix des consommateurs, car environ 8,33% des étudiants sondés optent pour le saumon génétiquement modifié et sont indifférents aux informations contenues sur l'étiquetage en dehors du prix.

TABLE DE MATIERES.

DEDICACE................................................................................

iii

REMERCIEMENTS. .....................................................................

iv

AVANT-PROPOS.......................................................................

v

RESUME................................................................................

vi

TABLE DES MATIERES...............................................................

vii

LISTE DES FIGURES..................................................................

ix

LISTES DES TABLEAUX ............................................................

x

LISTE DES ABREVIATIONS .........................................................

xi

INTRODUCTION.......................................................................

1

CHAPITRE PREMIER

PROBLEMATIQUE ET CADRE THEORIQUE ..............................

3

1.1 Problématique .......................................................................

3

1.2 Cadre théorique de l'étude

8

1.2.1 Le contexte actuel de l'étude................................................

8

1.2.2 La méthode de valorisation des biens publics et privés..................

9

Conclusion..........................................

11

CHAPITRE 2
L'ELABORATION DU QUESTIONNAIRE ET LE SONDAGE.

14

2.1 Organisation de la MEC

14

2.1.1 Définition des objectifs

15

 

16

2.1 Description de la phase pratique du sondage

17

2.2.1 Définition de la population à interviewer

17

2.2.2 La durée de l'étude

 

2.3 Le contenu du questionnaire et les conditions préalables

18

2.3.1 Quelques conditions préalables

19

2.3.2 Le contenu du questionnaire.

20

2.4 Le support de paiement

20

2.5 Problèmes rencontrés dans la MEC : Les biais et le comportement stratégique.

21

2.5.1 Les biais

21

2.5.2 Le comportement stratégique

22

2.6 La technique de distribution des questionnaires.

22

Conclusion

23

CHAPITRE 3 BASE DE DONNEES

24

Introduction

24

3-1 Informations sur les personnes enquêtées

24

3-1-1 Taille de l'échantillon et répartition selon le genre.

24

3.1.2 Origine des personnes

25

3.1.3 Niveau d'éducation

25

3.1.4 Source de revenu des individus

26

3.2 Comportement des personnes enquêtées

27

3.2.1 Connaissance du saumon

27

3.2.2 Comportement préventif

27

3.2.3 Fibre environnementale

27

3.2.4 Caractéristiques à améliorer sur le saumon

28

3.3 Valeurs exprimées par les personnes enquêtées

29

3.3 Valeurs exprimées par genre

32

Conclusion

33

CHAPITRE 4 ESTIMATION DU CONSENTEMENT A PAYER

35

Introduction

35

4-1 Mise en contexte

35

4-1-1 Choix du modèle

40

4-1-2 Estimation du CAP

40

4.1.3 Comparaison des trois model choisis

53

4-1-4 Distribution du CAP en fonction de leur probabilité

53

4-1-5 Consentement à payer totale pour la population universitaire et le Québec

54

4-2 Biais potentiels de l'enquête

55

Conclusion

55

CONCLUSION GENERALE

58

BIBLIOGRAPHIES

61

LISTE DES ANNEXES

62

ANNEXE 1

63

ANNEXE 2

64

ANNEXE3

65

LISTE DES TABLEAUX

Tableaux

Pages

Tableau 1.1 Quelques études menées sur les organismes génétiquement modifiés avec la méthode d'évaluation contingente.

9

Tableau 2.1 Carte cognitive de la MEC

15

Tableau 3.1 Distribution des personnes selon le genre

25

Tableau 3.2 Distribution des personnes selon le niveau d'éducation

26

Tableau 3.3 Distribution des personnes selon le revenu

28

Tableau 3.4 Caractéristiques à améliorées sur le saumon

28

Tableau 3.5 Distribution des indications à préciser sur l'étiquette du saumon

28

Tableau 3.6 Distribution du type de questionnaire et du consentement à payer pour le saumon naturel et génétiquement modifié.

31

Tableau 3.7 Distribution du type de questionnaire et du consentement à payer pour le saumon naturel et génétiquement modifié par genre

32

Tableau 4.1 Modèle de codification des données

41

Tableau 4.2 Model 1

43

Tableau 4.3 Model 2

46

Tableau 4.4 Model 3

49

Tableau 4.5 Tableau récapitulatif des résultats des Models 1, 2, 3

53

Tableau 4.6 Estimation du CAP total par année de la population universitaire et Québécoise

54

LISTE DES FIGURES

Figures

Pages

Figure 3.1 Courbe du CAP en fonction des fréquences cumulées

30

Figure 4.2 Courbe de distribution du CAP en fonction de la probabilité

54

LISTE DES ABREVIATIONS

ADN : Acide Désoxyribonucléique

CAP : Consentement A Payer

MEC : Méthode d'évaluation contingente

OGM : Organisme Génétiquement Modifié

GM : Génétiquement modifié

.Introduction

Le saumon est poisson qui entre dans l'alimentation de plusieurs consommateurs dans le monde entier. La Norvège en est le premier producteur au monde. Il exporte 323 000 tonnes par an. La France est le deuxième consommateur de saumon après le Japon. En France la consommation de saumon s'est accrue depuis 10 ans : elle importe de 120 00 à 130 000 tonnes par an, dont 35% de saumon fumé. Quatre-vingt-dix(90%) du saumon consommé provient d'élevage. Pour ce qui est des oeufs, le principal marché est le Japon (3 à 4 000 tonnes par an). En Europe, la consommation est d'environ 300 à 400 tonnes et de 50 à 100 tonnes en Amérique du nord. Le Canada exporte environ 443 tonnes de saumon chaque année(estimation de 2003, http://www.seafoodcanada.gc.ca/trade_monitor-f.htm). Selon le ministère de pêche et océan du Canada, certains types de saumon sont en voie de disparition. Il est donc urgent selon le même organisme de prendre des mesures en vue d'assurer la pérennité de l'espèce. Pour ce faire, certains chercheurs pensent que le saumon génétiquement modifié est l'une des solutions qui peut permettre aux consommateurs de s'alimenter du saumon sans pour autant entraîner la surexploitation du saumon sauvage. Cependant plusieurs interrogations viennent mettre en doute cette assertion dans la mesure où il n'est pas démontré que l'arrivée du saumon génétiquement modifié qui est élevé dans les enclos en mer avec des risques d'échappement avérés ne pose pas de problème pour la survie du saumon sauvage et surtout pour la santé humaine. Une question serait de savoir ce que les consommateurs qui sont les principaux cibles de cette nouvelle activité économique sont informés de ces réalités et sont de ce fait prêts à accueillir le saumon génétiquement modifié? Nous pensons que cela ne peut se faire que par l'étiquetage qui permettra de préciser la traçabilité du saumon une fois sur les étalages des épiceries. Comme tout bien environnemental le coût de la perception des consommateurs à l'égard du saumon n'est observable de prime à bord ! La méthode d'évaluation contingente à partir de marchés simulés permet une révélation significative du bénéfice social qu'on pourrait obtenir en gardant le saumon dans son état actuel ou en informant mieux les consommateurs. Notre étude va dans ce sens, elle comprendra quatre chapitres : Le premier est la problématique qui nous permettra d'établir clairement les fondements de notre étude, le deuxième est la méthodologie de l'étude qui expliquera le dénouement de l'enquête sur le terrain, c'est à dire : Identifier le changement de qualité environnementale que l'on cherche à valoriser, déterminer la population concernée, déterminer le mode d'enquête et la taille de l'échantillon, rédiger le scénario d'évaluation contingente, rédiger la question de valorisation, rédiger les questions auxiliaires, tester le questionnaire, analyser les données, présenter et diffuser les résultats. Le troisième chapitre quant à lui traitera de l'analyse des données et dans lequel sera déterminée la valeur économique et sociale encore appelée consentement à payer(CAP) de l'actif naturel en question. Enfin, le quatrième chapitre nous permettra d'estimer les variations du CAP en fonction des évènements probables. L'objectif à long terme est de permettre aux décideurs politiques et aux acteurs économiques de disposer d'un outil d'aide à la décision par rapport à la conservation, l'exploitation, la commercialisation et la consommation du saumon.

CHAPITRE 1

PROBLÉMATIQUE ET CADRE THÉORIQUE

1.1 Problématique

L'étiquetage des produits de consommation a toujours été un enjeu important dans le commerce des biens et services. Les consommateurs en font usage pour avoir les informations sur l'origine, le prix et la traçabilité des produits. L'étiquetage influence le choix d'un produit par rapport à un autre et permet au consommateur de prévoir les effets que le produit peut avoir sur santé et son pouvoir d'achat. Cependant, les informations que fournissent les étiquetages ne comblent pas toujours les attentes des consommateurs, c'est pourquoi il est devenu indispensable de prendre en compte l'avis de ces derniers dans le processus d'élaboration d'un model d'étiquette.

Il existe deux formes d'étiquetage, l'étiquetage mandataire qui est adopté par plusieurs pays sous forme de lois qui obligent les producteurs à étiqueter les biens et services qu'ils proposent aux consommateurs selon un certain procédé préétabli. L'étiquetage volontaire permet au producteur d'étiqueter les biens et services par rapport à ses intérêts.

Le cas du saumon est édifiant, car il nous à été donné de constater que son étiquetage n'est pas standard et en général il n'est pas toujours précisé la provenance et la traçabilité du produit, les consommateurs ne savent s'ils achètent du saumon de l'atlantique, du saumon d'élevage ou du saumon génétiquement modifié. Les paramètres les plus couramment identifiés sur les étiquettes sont le prix et le poids.

Notre étude consiste à évaluer la portée financière des informations que les consommateurs du saumon aimeraient voir paraître désormais sur les étiquettes de ce produit. Cet étiquetage est d'autant plus important que les consommateurs pourraient avoir à choisir dans un futur proche entre le saumon naturel d'élevage ou sauvage et le saumon génétiquement modifié. Le ministère des pêches et océans du Canada va dans le même lorsqu'il affirme que l'écoétiquetage des produits halieutiques est une priorité du gouvernement car, elle permet de mettre l'accent sur la valeur et non le volume de produit. De ce fait, le gouvernement veut soutenir l'industrie dans ce processus de certification et veut faire en sorte que l'approche soit uniforme à l'échelle du pays1.

L'étude que nous avons est une scientifique d'évaluation du coût d'une telle politique. Nous avons considéré comme alternative au saumon naturel, le saumon génétiquement modifié en vue de déterminer l'impact de l'information sur le choix par les individus sondés de l'un ou l'autre type de saumon. Pour cela, il est important de revenir sur la définition des aliments à base de composants génétiquement modifiés.

1 Voir le site Internet suivant : http://www.dfo-mpo.gc.ca/media/newsrel/2007/ccfam_f.htm

2 Greenpeace France est une organisation a but non-lucratif présente dans 40 pays, en Europe, en Amérique du Sud et du Nord, en Asie et dans le Pacifique. Elle compte aujourd'hui près de 3 000 000 d'adhérents répartis à travers le monde, le site Internet est le suivant : http://www.greenpeace.org/france.

3 Vous pouvez avoir ces informations sur le site suivant www.aquabounty.com/products.htm

La section Greenpeace2 de France définit un Organisme Génétiquement Modifié (OGM) comme étant `un organisme de nature animal ou végétal dont on a modifié le patrimoine génétique afin de le doter de propriétés que la nature ne lui a pas attribuées'. La directive 2001/18/CE de la charte de la communauté européenne quant à elle le définit comme un organisme, à l'exception des êtres humains, dont le matériel génétique a été modifié d'une manière qui ne s'effectue pas naturellement par multiplication et/ou par recombinaison naturelle. Ces approches venant d'organismes différents nous permettent d'affirmer que l'élément le plus important qui détermine un OGM est l'appareil génétique qui subit une ou plusieurs modifications pour un but précis.

En effet, un organisme génétiquement modifié est issu de la manipulation et de la recombinaison de l'Acide Désoxyribonucléique (ADN), qui est le principal constituant des chromosomes. Les chromosomes contiennent des gènes qui sont des fragments de l'ADN, contenant les informations nécessaires au codage des protéines. Chaque gène correspond à un caractère héréditaire particulier et détermine la transmission d'une caractéristique particulière ou d'un ensemble de caractéristiques lors de la reproduction. Il détermine ainsi le comportement physique, biologique et même social d'un organisme. Les manipulations qui consistent à attribuer ou de substituer certaines facultés et caractères aux gènes sont l'oeuvre des biologistes, qui utilisent une technique appelée `génie génétique' ou encore biotechnologie.

La production des organismes génétiquement modifiés a fait son apparition en 1972 (SERALINI, 2000) par l'équipe de Paul BERG en Californie qui combine des gênes bactériens et un virus de singe dans un micro-organisme. Depuis 1999, 81 millions d'hectares (Kaneko, 2005) d'OGM végétaux cultivés dans un but commercial ont été développés dans le monde, les cultures les plus connues étant le Soja, le Coton et le Maïs (SERALINI, 2000) qui constituent environ 99% des produits agricoles à base d'OGM. Ces cultures sont destinées à la consommation humaine et animale.

Cependant il est à noter que tous les pays ne sont pas favorables aux OGM. Certains, tels que : l'Autriche, le Luxembourg, la Suède et le Danemark n'autorisent pas encore la commercialisation des produits à base d'OGM sur leurs territoires. Les États-Unis sont les pionniers dans ce domaine avec 63% des cultures, suivis de la Chine 14%, l'Argentine 11% et le Canada 10% (REVELANT, 2001), l'essor des produits faits à base d'OGM est en nette augmentation dans ces différents pays et semble susciter moins de rejet de la part des consommateurs que partout ailleurs dans le monde (Kaneko, 2005)

Jusqu'à présent, les produits animaux à base d'OGM sont élaborés uniquement dans un but expérimental et parfois thérapeutique et pas pour la consommation. Ils sont de plusieurs types : le rat, le mouton, le lapin et le porc et certains insectes.

Aquabounty farms3 une industrie de biotechnologie située aux États-Unis produit du saumon génétiquement modifié qui serait crée dans le but de pouvoir augmenter le volume de production et vendre aux consommateurs à bas prix du saumon `amélioré'. Les saumons génétiquement modifiés sont élevés dans des enclos à l'intérieur des océans et sont nourris à base de poissons sauvages additionnés d'autres ingrédients qui permettent d'améliorer leur couleur et leur texture. Ils ressemblent généralement aux saumons naturels d'élevage. Tout comme les saumons sauvages, ils produisent aussi des déchets organiques, si leur enclos est très compact et mal construit et la gestion de ces déchets peut constituer un problème environnemental. Ils grandissent 4 à 6 fois plus vite que le saumon sauvage, en étant plus résistant au froid. De plus, leurs qualités organoleptiques peuvent être modifiées à souhait.

3 Vous pouvez avoir ces informations sur le site suivant : www.aquabounty.com/products.htm

Cependant certains experts affirment que les saumons génétiquement modifiés présentent un danger pour le saumon sauvage dans la mesure ou leur échappement des enclos peut entraîner la contamination ou la survie des stocks sauvages par la reproduction et la compétition pour l'alimentation. De plus, les conséquences sur la santé des consommateurs ne sont pas encore établies jusqu'à présent. Dans la revue santé magazine du mois de septembre éditée en France, Gilles Boeuf affirme que `à l'heure actuelle seul le Canada est intéressé pour des raisons climatiques comme leur eaux sont froides la croissance plus rapide des saumons transgéniques leur permettrait de faire des élevages rentables'

Au demeurant, plusieurs interrogations persistent à ce sujet donc voici quelques unes :

- Quels effets la sélection naturelle produira t-elle sur les saumons génétiquement modifiés et sur leurs descendances au cas où elles viendraient à s'échapper de leur périmètre de culture ?

- Transmettront-elles leurs gènes à des espèces sauvages voisines ?

- Conserveront-elles ou non l'avantage qui justifierait leur culture sur plusieurs générations ?

- Comment prévoir le comportement des consommateurs face à ce nouveau produit?

- Comment établir la traçabilité et l'étiquetage du saumon dès lors que le saumon génétiquement modifié ferait son entrée dans les épiceries?

- Comment élaborer les politiques publiques et économiques concernant les OGM animaux et en particulier le saumon?

- Les consommateurs ont-ils la même perception à l'égard des OGM de nature animale et végétale?

Nous n'avons pas la prétention de répondre à toutes ces questions, notre étude consiste à lever quelques pans de voile sur ces questions en sollicitant directement l'avis des consommateurs, car le saumon génétiquement modifié comme tous les autres biens et services est du domaine public et est à priori un bien non-marchand.

Il existe plusieurs outils prévus par les économistes pour mener une telle étude, nous avons opté pour la méthode d'évaluation contingente qui nous paraît plus apte à répondre à nos exigences théoriques et pratiques. Il sera question au terme d'un sondage effectué dans la ville de Rimouski de déterminer le consentement à payer par les consommateurs pour avoir la traçabilité et l'étiquetage du saumon et donc plus information sur la provenance et les procédés de production. Pour ce faire, nous considérons pour cadre de sondage l'Université du Québec à Rimouski où une enquête a été entreprise auprès d'un échantillon de 102 étudiants. Le but d'un tel sondage en définitive est de pouvoir mesurer l'impact de l'information, du revenu, de l'activité professionnelle, et bien d'autres facteurs sur le consentement à payer(CAP) par les consommateurs pour l'étiquetage du saumon. Nous expliquerons la procédure dans le chapitre suivant.

1.2 Cadre théorique de l'étude

1.2.1 Contexte actuel de l'étude

Plusieurs études ont été menées sur la consommation des produits OGM et non-OGM avec pour objectif de déterminer le CAP par les consommateurs pour l'un ou l'autre type de bien à partir de la méthode d'évaluation contingente. Le constat récurent demeure le fait que les consommateurs sont encore en majorité réticent aux OGM dans les pays où ces études ont été menées, sauf lorsqu'il s'agit des produits OGM à but thérapeutique ou à fort intérêt commercial ( Hall et Al, 1999). Cependant, les pourcentages du CAP obtenus varient d'un pays à l'autre selon Kaneko(2005), même si les objectifs recherchés et les produits mis en jeu ne sont pas les mêmes d'une étude à l'autre.

Naoya Kaneko (2005), chercheur japonais a axé ses études sur la comparaison du CAP par les consommateurs japonais, américains et taiwanais, il cherche à comprendre le comportement des consommateurs dans ces différents pays, alors que Hall et Al (1999), Moon et Balasubramanian (2002) ont fait des études sur la valeur économique de la perception des risques liés à la consommation des OGM dans l'objectif d'avoir l'influence de la méthodologie du sondage sur la variation du CAP. Ainsi, ils procèdent au sondage de différentes façons ; par voie téléphone, par courrier électronique, par voie postale et par face-à-face, et constatent que les résultats obtenus diffèrent d'un procédé à l'autre, le sondage par téléphone étant le plus efficace selon leurs résultats. Par ailleurs, ils constatent également que les risques liés aux allergies susceptibles d'être causées par les OGM sont perçus par les consommateurs comme étant le facteur le plus préoccupant et de ce fait a une conséquence de l'ordre de 37% sur supérieur le CAP.

Dans l'objectif de délimiter le cadre de cette étude, nous regroupons ces différentes études menées dans le tableau ci-dessous.

Tableau 1.1 Quelques études menées sur les organismes génétiquement modifiés avec la méthode d'évaluation contingente.

Auteurs de l'étude

Problématiques étudiées

Valeurs du CAP obtenues

Buhr et al, 1993

CAP pour les aliments sans OGM

23% pour éviter les OGM

Wang et al, 1997

CAP pour les aliments sans OGM

16% pour éviter le lait GM

Kuperis et al, 1999

CAP pour les aliments sans OGM

13% pour éviter les OGM

Hall et Al(1999)

CAP pour les aliments GM

37% pour non-OGM

Loureiro & Hine, 2001

CAP pour les aliments sans OGM

5% extra pour non-OGM (47% des répondants)

James & Burton, 2001

CAP pour les aliments sans OGM et CAP pour les aliments GM sans intérêt

78% extra pour éviter les OGM animaux et végétaux

Noussair & Ruffieux, 2001

CAP pour les aliments sans OGM et CAP pour les aliments GM sans intérêt

8% extra pour non-OGM

38% de réduction de l'offre pour produits étiquetés OGM

Chen & Chern, 2002

CAP pour les aliments GM sans intérêt

7% moins pour huile végétale OGM

22% moins pour saumon OGM

15% moins pour maïs OGM

Grimsrud et al, 2002

CAP pour les aliments GM sans intérêt

48% réduction demandée pour pain OGM

56% réduction demandée pour saumon OGM

Auteurs de l'étude

Problématiques étudiées

Valeurs du CAP obtenues

Chern & Rickertsen, 2002

CAP pour les aliments OGM sans intérêt

55% moins pour huile de soja OGM (Norvège)

54% moins pour saumon nourri aux OGM(Norvège)

67% moins pour saumon OGM(Norvège)

84% moins pour soja OGM (USA)

46% moins pour saumon nourri aux OGM(USA)

71% moins pour saumon OGM(USA)

Bugbee & Loureiro, 2003

CAP pour les aliments GM avec intérêt

3% extra pour tomate OGM

2% extra pour le pâté à base d'OGM contenant un niveau élevé de nutriments et moins de calorie

Taneka, 2005

CAP pour les aliments GM sans intérêt

44.5%, huile végétale OGM

35.7%, Maïs OGM

38.1%, Saumon nourri à l'OGM(USA)

56.9% Saumon OGM(USA)

Les CAP pour les produits non-OGM sont prédominants et atteignent parfois des valeurs très élevées c'est le cas des études menées par McCluskey et al, (2001) et James & Burton, (2001) où nous avons des CAP respectivement de 64% et 78%. Au regard de ces résultats, tout porte à croire qu'il est d'emblée contre indiqué pour un producteur de se lancer dans la production des produits à base d'OGM, que non, ces résultats pourraient aussi révéler plutôt le degré d'inquiétude et parfois de désinformation des consommateurs à l'égard des `choses' dont ils n'ont pas la maîtrise. Il s'agit de constater que lorsque les intérêts suscités par un produit OGM sont clairement mis en exergue, les consommateurs y adhèrent, c'est le cas des études menées par Bugbee & Loureiro, (2003) sur les tomates génétiquement modifiées ayant un taux de nutriment élevé où le CAP pour la tomate OGM est de 2%. Il est évident que les résultats varient d'une région à l'autre, d'un pays à l'autre et d'un produit à un autre, et que ces résultats semblent évoluer au fil du temps (Taneka, 2005), il n'est pas superflu d'entreprendre d'autres études dans le même sillage surtout si la zone est différente. Notre étude est axée sur le saumon qui sera peut être le tout premier aliment OGM de nature animal à être consommé par les humains. Le saumon a une portée économique et même socioculturelle au Canada. C'est une source de protéine indéniable pour beaucoup de consommateurs et un attrait pour les adeptes de la pêche sportive. C'est sans aucun, doute un centre d'intérêt pour les pouvoirs politiques, les acteurs économiques et les consommateurs. D'où l'importance de notre étude. Faut-il cependant rappeler qu'aucune espèce de saumon génétiquement modifiée n'a été approuvée au Canada jusqu'à date4

1.2.2 La Méthodologie de valorisation des biens environnementaux

4 Site Internet du Ministère des pêches et Océans du Canada; http://www.dfo-mpo.gc.ca, juin 2007

5 Cette information peut être trouvée dans : www.cairn.info/article_p.php?ID_ARTICLE=EG_321_0047, site Internet de Distribution électronique Cairn pour les éditions Belin, Novembre 2007

En matière environnementale le problème qui se pose du point de vue économique est la mesure de la valeur que les humains accordent aux attributs des biens et services peu importe si ces biens sont naturels ou faits par l'humain. Ces attributs affectent l'utilité et le bien être des consommateurs, l'évaluation contingente est l'une qui permet de mesurer cette valeur. Les premières approches théoriques des études en évaluation contingente furent proposées par S. V. WANTRUP en 1947, pour obtenir une évaluation du bien hors marché. La technique elle-même fut appliquée pour la première fois en 1963 par R. DAVIS pour étudier la valeur attribuée à un espace naturel particulier par les chasseurs et les touristes.

Cette méthode fut très largement employée à partir des années 1980, quand les agences gouvernementales des États-Unis reçurent la possibilité d'intenter des actions en dommages et intérêt contre les personnes endommageant les ressources environnementales. Le procès suivant la catastrophe du pétrolier Exxon Valdez en Alaska fut le premier cas où ces évaluations furent utilisées à grande échelle. En matière d'environnement, les procédures d'estimation peuvent s'appliquées aussi bien à la mesure des avantages, pour la collectivité, d'une amélioration de la qualité de l'environnement, qu'à l'évaluation des dommages liés à une dégradation de l'environnement. Mais les récentes catastrophes pétrolières telles que celles de l'Erika ou du Prestige, pour ne citer que celles-ci, ont sans nul doute suscité une prise de conscience générale, de la nécessité de la prise en compte d'instrument d'évaluation environnementale. Pour les biens environnementaux, le principe d'Alfred Marshall consistant à déterminer le prix d'un bien à partir de la confrontation de l'Offre et de la Demande n'est pas toujours applicable. En effet, les ressources naturelles sont, pour une part importante, offertes hors du marché. Il n'existe donc pas d'indicateurs visibles de valeur permettant de révéler ce que l'on est prêt à sacrifier pour obtenir ou conserver, une unité de ces ressources. Ce qui à souvent conduit les décideurs économiques à leur attribuer implicitement, au moment de la mise en place des politiques, un prix nul. Pourtant l'inexistence d'un système de prix ne signifie pas pour autant que les actifs environnementaux n'aient pas de valeur. Par la nature non-marchande des biens environnementaux, il existe des outils spécifiques(Figure 1.1) qui permettent d'atteindre l'objectif visé.

La MEC est l'une de ces méthodes d'évaluation, elle donne la valeur du bien en question et repose sur la réalisation d'une enquête au cours de laquelle on cherche à apprécier le montant que chacun serait prêt à payer, autrement dit le consentement à payer, pour un bien.
Conclusion

Au demeurant, l'évaluation des biens environnementaux est un exercice délicat qui requiert une méthodologie et une estimation efficace du Cap pour pouvoir définir une politique public cohérente et acceptable par les parties prenantes.

Le chapitre suivant met en exergue les différentes articulations qui nous ont conduit à la valeur du Consentement à payer(CAP).

CHAPITRE 2

L'ELABORATION DU QUESTIONNAIRE ET LE SONDAGE.

Introduction

En évaluation contingente, la planification du cadre théorique et pratique de l'étude est importante, elle permet de mieux élaborer le questionnaire en fonction des objectifs à atteindre, de faire le sondage sur le terrain, de faire les analyses nécessaires et d'en tirer les conclusions. Dans cette section, nous présentons le plan détaillé des études que nous avons menées.

2.1 Organisation de la MEC

Le tableau 2.1 donne le cheminement que nous avons suivi pour atteindre l'objectif final qui consiste à déterminer le prix que les consommateurs sont prêts à payer(CAP) pour avoir plus d'informations sur le saumon qu'ils consomment.

Tableau 2.1 Carte cognitive de la MEC

Schéma réalisé par Ledoux Tchuisseu

2.1.1 Définition des objectifs

L'objectif est de donner une valeur à l'information sur la traçabilité et l'étiquetage du saumon. Notre étude repose sur la réalisation d'une enquête auprès des étudiants qui sont amenés à répondre à un questionnaire comportant des aspects socio-économiques et environnementaux qui entrent en droite ligne dans le comportement habituel d'un individu par rapport aux biens du marché.

2.1.2 Description du bien considéré 

Sur le questionnaire, la première page contenait des informations sur les trois types de saumon parmi lesquels les individus devaient choisir : le saumon sauvage, d'élevage te le saumon génétiquement modifié. Nous donnons ci-dessus la quintessence de ces informations.

Parlant en premier du saumon sauvage, les quantités sont très variables et dépendent des captures et d'autres usages dont ils font l'objet. Le saumon sauvage par le fait qu'il est naturel paraît plus appétissante grâce sa texture et sa saveur. La quantité du saumon sauvage produite est très limitée et dépend de l'endroit où l'on se retrouve, la plupart des espèces issues du pacifique sont soit congelées ou mises en conserve. Il est possible, mais très rarement d'avoir du saumon sauvage frais sauf pendant la haute saison. Néanmoins, certains problèmes de natures environnementales sont relevés concernant à cause de sa surexploitation. La commercialisation du saumon atlantique par exemple est interdite. Cependant en plus du changement climatique qui a une influence négative sur leur survie, la population du saumon de l'atlantique continue de décroître sérieusement à cause du braconnage opéré par les chalutiers.

Pour ce qui est du saumon d'élevage qui est produit dans les enclos situés en mer, soignés et nourris par la aquaculteurs Ce groupe est le plus concerné par les ménages en général. C'est un dérivé du saumon sauvage. Il est nourri avec les mêmes aliments que le saumon sauvage en plus d'autres ingrédients qui ont pour but d'améliorer sa texture et sa couleur. Généralement l'apparence et la qualité du produit sont bien appréciées par les consommateurs. Le saumon naturel d'élevage dépend de son alimentation. Il produit beaucoup de déchets organiques qui peuvent poser un problème environnemental lorsque les enclos sont trop compacts et mal construit. Néanmoins, il est important de noter que le développement du saumon naturel d'élevage constitue une solution pour éviter la surexploitation du saumon sauvage.

Le saumon génétiquement modifié est celui dont l'appareil héréditaire a été retouché dans le but de lui attribuer certains propriétés qu'il n'avait pas avant. Ce dernier type sera peut être le premier aliment d'origine animal génétiquement modifié et destiné à la consommation par l'Homme si les producteurs obtiennent les autorisations nécessaires pour la commercialisation. La production du saumon génétiquement modifié permet de résoudre le problème de surexploitation des saumons sauvages, mais ils sont produits par clonage des oeufs ce qui peut compromettre la biodiversité à long terme. Ils grandissent 4 à 6 fois plus vite que le saumon sauvage, en plus leurs qualités organoleptiques peuvent être modifiées à souhait. Cependant, certains experts affirment que les saumons génétiquement modifiés présentent un danger pour le saumon sauvage dans la mesure ou leur échappement des enclos peut entraîner la contamination et donc la survie des stocks sauvages par la reproduction et la compétition pour les aliments. Par ailleurs, les conséquences sur la santé humaine ne sont pas encore établies jusqu'à l'heure actuelle. (James L. Anderson, 2000)

2.2 Description de la phase pratique du sondage

2.2.1 Définition de la population à interviewer

La ville de Rimouski est située au nord du Québec dans la municipalité du comté de Rimouski-neigette dans le Bas-Saint-Laurent, peuplée d'environ 42 324 habitants (estimation 2003 par la municipalité de Rimouski) sur une superficie de 254 160 Km2. Nous avons choisi la population universitaire constituée des étudiants de l'université du Québec à Rimouski. La taille de l'échantillon que nous avons interviewé est de 102 individus.

2.2.2 La durée de l'étude

Le questionnaire a été élaboré sur une période de deux mois de juin en septembre 2007, nous avons tenu à ce que tous les aspects nécessaires à l'évaluation objective des consommateurs soient inclus dans le questionnaire ensuite nous avons veiller à la progression des questions de manière à facilité la compréhension du problème par les répondants avec les objectifs de l'étude. Les questions d'ordres personnelles et ceux concernant les habitudes alimentaires des ménages sont situés au début du questionnaire pour faciliter l'accès à l'enquête pour économiser le temps. La suite du questionnaire porte sur les préférences en matière de consommation ou d'usage du saumon a fin de préparer le scénario de l'évaluation contingent sur la traçabilité et l'étiquetage du saumon. Nous avons limité les questions pour respecter une unité de présentation de quatre pages. Pour inciter les personnes destinataires du questionnaire à répondre nous avons proposé de leur envoyer, s'ils nous indiquaient leur adresse, une présentation résumée des résultats de l'enquête. La durée de sondage est de 8 à 10 minutes selon les individus et dépend de l'ampleur des discussions préalables Certains répondants trouvent le temps très long et préfèrent abandonner. Après un bref aperçu sur les objectifs de l'enquête l'individu est appelé à remplir le questionnaire.

2.3 Le contenu du questionnaire et les conditions préalables

La pertinence des résultats d'un sondage dépend en effet pour l'essentiel de la compréhension et de l'acceptation par les ménages du scénario hypothétique proposé. La crédibilité des résultats est fonction de la dimension de l'échantillon et de la représentativité de l'ensemble des consommateurs concernés par le bien à évaluer. Nous avons opter pour le face-à-face qui nous permet de discuter avec le répondant avant de lui soumettre aux questionnaires sous son approbation.

2.3.1 Quelques conditions préalables

Nous avons suivi les recommandations de NOAA (National Oceanographic and Atmospheric Administration) selon cette agence américaine, quelques conditions permettent d'élaborer de manière efficiente le questionnaire d'une évaluation contingente, en voici quelques unes:

1- Bien définir l'échantillon;

2- Minimiser les taux de non-réponse;

3- Utiliser les interviews personnelles si possible;

4- Soumettre le sondage à un pré test,

5- Faire le reportage du sondage en détail.

6- Utiliser une approche conservatrice pour le sondage;

7- Utiliser un formât consentement " à payer";

8- Utiliser une approche "référendaire" (choix binaire);

9- Décrire de façon claire et simple, la politique ou le programme proposé;

l0- Faire un pré test;

11- Tenir compte du temps.

12- Inclure une réponse ou une section raisons relatives à cette réponse;

13- Suivre une réponse 'oui ou non" "non-réponse."

14- Faites un archivage soigneux des questionnaires.

15- Présenter les résultats de MEC avec des variables qui peuvent nous aider dans l'interprétation;

16- Vérifier le niveau de compréhension et d'acceptation des répondants

Ces recommandations nous ont servi de règles tout le long de notre étude. Par exemple, notre échantillon représentatif était les étudiants de l'université du Québec à Rimouski, le nombre d'échantillon était de 102 individus et nous avons fait un pré-test à la foire des voiliers de Rimouski afin d'ajuster notre questionnaire en fonction des critiques et des difficultés des répondants. Nous avons appeler qu'il existe des gens pour et contre ce projet. Dans nos discussions avec les répondants certains nous soupçonnaient parfois de faire croire que le saumon génétiquement modifié est mauvais pour la santé et que l'absence de l'étiquetage était une façon pour les producteurs de masquer certains aspects négatifs. Nous avons tenu à être neutre et impartial pour éviter des biais dus au comportement stratégique de la part des répondants.

2.3.2 Le contenu du questionnaire.

Les trois principales catégories de questions sont: Les questions socio-économiques ( Age, Sexe, revenu, etc.) Les Questions de fait qui recensent les faits liés aux saumons génétiquement modifiés, et l'étiquetage des produits. Le format référendum (ou à choix dichotomique) caractérisé par les questions dont le répondant peut répondre par oui où non. Les scénarios qui permettent aux répondants de donner la valeur qu'il est prêt à payer pour la traçabilité et l'étiquetage du saumon. (Confère Annexes 1)

2.4 Le support de paiement

Le support de paiement doit être neutre, nous avons proposé aux individus des frais supplémentaires qu'ils consentiraient à augmenter sur le prix d'un kilogramme de saumon vendu dans les épiceries, pour avoir plus d'informations sur la traçabilité et l'étiquetage. C'est la méthode de question discrète fermée à choix dichotomique. Ces montants varient de 25 dollars canadiens et que nous additionnons sur le prix d'un kilogramme de saumon entier qui est actuellement de 7,99$ dans les épiceries.

2.5 Problèmes rencontrés dans la MEC : Les biais et le comportement stratégique.

2.5.1 Les biais

Selon Mitchell et Carson (1989) et Hanemann, W.M. (1994), Bishop et Heberlein (1990) les biais sont de plusieurs ordres et il est tout à fait impossible de les éviter totalement. Nous avons le biais lié à l'échantillon ou biais de sélection qui peut apparaître lorsque la population choisie n'est pas celle qui bénéficie directement de I'amélioration de la qualité ou de la préservation de la qualité d'un actif naturel. L'individu qui ne se sent pas concerné par la valorisation du saumon aura tendance à sous-estimer ou surestimer son CAP dans la mesure où son utilité ne s'en trouverait pas directement affectée. Nous avons minimisé cette éventualité par les questions Q.8 et Q.9. Les biais endémiques au système de questionnaire sont les biais les plus fréquents. Le premier correspond au biais de I'enchère de départ. Ce type de biais est évité en partant d'une somme très faible à une somme relativement élevée et à intervalle régulier. C'est la raison pour laquelle, nous avons proposé tout d'abord un même prix pour les deux types de saumons et ensuite des prix distincts à intervalles de 25 cents dollars les questions Q.20 et Q.21 permettent en définitive d'avoir la progression entre les extrémités. Le biais hypothétique apparût lorsque I'individu n'est pas suffisamment familiarisé avec le marché contingent, et ne dispose pas de I'ensemble des informations pertinentes. Pour palier a ce biais, nous avons réalisé des présentations sur Microsoft PowerPoint pour informer les répondants.

2.5.2 Le comportement stratégique

Le comportement stratégique concerne les répondants dans la mesure où ceux-ci peuvent vouloir intentionnellement influencer les objectifs à atteindre. Mitchell et Carson( 1989) font les hypothèses suivantes sur le comportement des agents lors d'une interview ou d'un sondage:

L'enquêté ne comprend pas toujours les questions dans le même sens que l'enquêteur. La valeur d'un bien public pour les agents est l'expression d'un choix issu d'un mélange de préférences, d'analyse et de jugement moral. Selon ces derniers, l'importance du scénario dépend du contexte sociétal dans lequel l'agent opère ses jugements. Cependant les goûts des gens diffèrent en fonction de leur statut socio-économique et de leur expérience passée. Les gens sont motivés par des questions d'équité, de justice et de serviabilité aussi bien que par la maximisation de leur propre avantage. La tendance de certains enquêtés à ne pas donner leur véritable opinion vient de leur désir de se montrer serviable envers l'enquêteur, et aussi de leur désir de maximiser leur propre utilité. Puisque les individus n'ont pas d'opinion clairement définie sur une situation, leur jugement en réponse aux questions est particulièrement sensible aux caractéristiques de la demande ou à la façon dont les questions sont posées et aux réponses proposées(Mitchell et Carson, 1989).

2.6 La technique de distribution des questionnaires.

De manière générale il existe deux méthodes: la méthode aléatoire qui consiste à effectuer un tirage au hasard de l'échantillon parmi la population, afin de n'introduire aucun biais par rapport à la population réelle et la méthode des quotas qui permet de reconstituer une population en miniature, c'est-à-dire de construire un échantillon dans lequel les individus sont répartis selon les mêmes proportions que dans le groupe à étudier. Or il existe bien sûr une infinité de caractéristique possible( hommes ou Femmes âge, catégories socioprofessionnelles revenue, etc.) Les facteurs que nous avons pris en comptes sont : le lieu du sondage notamment dans le cas du sondage que nous avons effectué, à l'université QUEBEC à Rimouski et l'activité des répondants, l'université ayant un caractère académique et intellectuel donc les répondants sont supposés être plus informés qu'ailleurs. Celui-ci est toutefois limité car chacune des catégories doit comprendre un nombre suffisant d 'individus. Nous avons fait ces enquêtes pendant l'été et l'automne 2007. I1 n'est pas évident de savoir les effets du climat sur le comportement des répondants, néanmoins nous pouvons affirmer qu'en été où la pêche récréative bats son plein, les populations soient plus sensibles aux faits concernant le saumon qu'en Automne. Ce qui peut accroître leur motivation par rapport au sujet et susciter plus d'engouement.

Conclusion

Il était question d'étayer la MEC que nous avons utilisé pour déterminer le CAP, cette méthode comme nous pouvons le constater, demande plusieurs rouages et techniques pour sa mise en oeuvre, que ce soit au niveau du questionnaire qu'au niveau du sondage effectif sur le terrain. Cette étape achevée, une autre phase plutôt théorique, analytique et statistique qui permet d'observer les résultats relevant du sondage peut alors commencer c'est l'objet de la section suivante.

CHAPITRE 3

BASE DE DONNEES

Introduction

L'analyse des données est une étape indispensable dans l'évaluation contingente, elle permet de déterminer les variables qui influencent le CAP et avoir ainsi la portée statistique générale de l'étude. Dans cette partie, nous créerons une base de données en fonction des variables socio-économiques, démographiques et environnementales caractérisant les résultats du dépouillement du sondage. Nous les analyserons par l'intermédiaire des fréquences, des maxima, des minima, des moyennes et des écart-types observés. Enfin nous commenterons les résultats obtenus.

3-1 Informations sur les personnes enquêtées

3-1-1 Taille de l'échantillon et répartition selon le genre.

Nous avons distribué au total 102 questionnaires, une première tentative de distribution a été effectuée auprès des étudiants de première année en économie. Nous avons eu 4 résultats sur 25 questionnaires distribués, nous pensons que cette opération a été infructueuse à cause du manque d'information de la part des étudiants car, nous n'avons pas eu accès au cours pour pouvoir les informer de l'enjeu de notre étude. Nous avons ensuite opté de distribuer les questionnaires sur le campus sans toutefois identifier une cible précise, ainsi 35 questionnaires ont été distribués au hasard et 26 réponses ont été obtenues. La troisième tentative était la plus intéressante car , sur les 42 questionnaires distribués en classe de baccalauréat en biologie durant le cours de M. Patrick Morin ont été tous répondus. Au total, 102 questionnaires ont été distribués et 72 résultats ont été obtenus, ce qui donne un pourcentage de 72 %.

Cependant, il est à noter que par rapport à la population universitaire qui est estimé à 5400 étudiants, l'échantillon reste faible.

Tableau 3.1 Distribution des personnes selon le genre

Genres

Nombre

Fréquence(%)

Femme

45

63,38

Homme

26

36,62

Aucun

1

1,41

Total

71

100,00

3.1.2 Origine des personnes

L'université du Québec à Rimouski étant une institution multinationale, les personnes soumises au sondage viennent des horizons divers. De manière générale, on y rencontre les Européens, les Asiatiques, les Américains et les Africains. Le point commun des individus de notre échantillon est le fait que ceux vivent dans l'environnement québécois et Canadien et donc susceptible d'être influencés de près ou de loin par l'usage du saumon. L'âge minimum observé est de 15 ans et le maximum de 53 ans, l'âge moyen est de 25,24 ans. Les individus âgés de 20 ans représentent la plus forte proportion de l'échantillon c'est à dire 13%.

3.1.3 Niveau d'éducation

Les personnes sondées sont pour la plus part titulaire d'un Diplôme d'Etude Collégiale (DEC), ce qui est normal dans la mesure où le résultat le plus important à été obtenu auprès des étudiants de baccalauréat en biologie.

Tableau 3.2 Distribution des personnes selon le niveau d'éducation

Niveaux d'éducation

Nombre

Fréquence(%)

DEC

52

72,22

Baccalauréat français

2

2,78

Baccalauréat canadien

7

9,72

Ingénieur

1

1,39

Maîtrise

5

6,94

DEP

2

2,78

Autres

2

2,78

Aucun choix

1

1,39

Total

72

100,00

3.1.4 Source de revenu des individus

Les personnes soumises au sondage sont à priori des étudiants cependant bon nombre sont des travailleurs en temps partiel, le revenu annuel le bas observé est 5 000 dollars canadiens qui représente un pourcentage de 7%. La fréquence la plus élevée étant les personnes qui ont un revenu annuel compris entre 25 000 et 30 000 dollars canadiens représentant 13% des individus. Le revenu moyen est de 36 612,65$.

Tableau 3.3 Distribution des personnes selon le revenu

3.2 Comportement des personnes enquêtées

3.2.1 Connaissance du saumon

La quasi-totalité des personnes qui ont répondu au sondage ont une connaissance de l'existence du saumon, 25% consomment au moins 4 fois par mois et 52% consomment environ 2 livres dans la même durée. Par contre, 3% déclarent ne pas en consommer du tout. Le saumon est d'ailleurs l'un des poissons les plus consommés si on s'en tient aux résultats, suivi du thon. Pour ce qui est du saumon génétiquement, aucune personne sondée ne connaît l'existence. Par ailleurs, 52% classe le saumon sauvage comme leur premier choix suivi du saumon d'élevage 41%.

3.2.2 Comportement préventif

Quarante-trois(43%) font souvent des exercices physiques et 86% consultent parfois un médecin pour s'acquérir de leur état de santé, ce qui peut justifier leur réticence à l'égard du saumon génétiquement modifié. Quarante-cinq(45%) des personnes déclarent qu'ils consultent souvent les étiquettes lors de leurs achats dans les épiceries contre 10% qui déclarent ne pas s'intéresser à l'étiquette. Treize(13%) sont membres d'une coop. Alimentaire et 52,33% déclarent qu'ils achètent parfois des produits identifiés comme étant biologiques dans les épiceries.

3.2.3 Fibre environnementale

Douze(12%) des personnes sondées pratiquent parfois de la pêche sportive et 35% font parfois de la chasse, 68% cuisinent eux-même leur propre repas.

3.2.4 Caractéristiques à améliorer sur le saumon

Pour 40% des personnes, la caractéristique qu'ils aimeraient voir améliorer sur le saumon dans les épiceries est l'emballage suivi de l'odeur, cependant 20% déclarent être satisfait de la présentation du saumon tel qu'il est actuellement. Trente-huit(38%) des personnes sondées aimeraient que prioritairement précisé la nature et l'origine du saumon, s'il est soit naturel, d'élevage ou génétiquement modifié suivi de l'origine et du prix. Le poids n'étant à leur avis déterminant.

Tableau 3.4 Caractéristiques à améliorées sur le saumon

Caractéristiques à améliorer

Nombre

Fréquence(%)

Aucune

15

20,00

Emballage

30

40,00

Saveur

16

21,33

Odeur

4

5,33

Grosseur

6

8,00

Qualité

2

2,67

Origine

3

4,00

Prix

5

6,67

Fraîcheur

1

1,33

Texture

1

1,33

Quantité

7

9,33

Total

75

100,00

Tableau 3.5 Distribution des indications à préciser sur l'étiquette du saumon

3.3 Valeurs exprimées par les personnes enquêtées

Le consentement à payer a été obtenu en premier lieu à travers des questions fermées. Cette une méthode qui consiste à proposer à des individus un montant aléatoire correspondant au prix du kilogramme du saumon dans les épicerie, soit ce prix est supérieur ou inférieur au prix pratiqué sur le marché, nous avons considéré le prix moyen actuel pratiqué dans les épiceries au moment de l'élaboration de notre questionnaire au mois de Juin. Ce prix était de 7,99$ pour le saumon d'élevage auquel nous avons augmenté 25 cent d'intervalle jusqu'à un prix du kilogramme égal à 10,49$. Nous avons considéré 7,99$ comme étant le prix du saumon génétiquement modifié sachant d'emblée par rapport aux études passées les consommateurs préfèrent le saumon naturel d'élevage ou sauvage, le but de l'étude étant d'évaluer la proportion et les caractéristiques de l'étiquetage du saumon. Ainsi, chaque personne s'est vue adresser un questionnaire contenant un prix qu'il doit accepter ou rejeter, la question sur le prix est suivie d'une autre, qui permet aux individus de donner les raisons qui justifient leur choix. La raison la plus commune est le risque pour la santé, une autre raison étant la propension des individus a ne vouloir consommer que du saumon naturel. Le CAP par individu varie de 0$ à 2,50$. Six(6%) sont prêt à payer entre 2,25 et 2,50$ de plus pour le kilogramme du saumon naturel, 11,11% sont prêts à payer 0,25$ de plus pour acheter le saumon un kilogramme de saumon naturel et 6,4% déclarent qu'ils préfèrent acheter le saumon génétiquement modifié, cependant il est noter que la principale raison reste le prix qu'ils jugent prohibitif. Neuf(9%) ne font aucune proposition et préfèrent choisir un autre type de poisson. Le questionnaire où le prix du saumon est de 8,24$ a eu le nombre de réponse le plus élevé, d'autres questionnaires contenant des prix jugés élevés(10,24$,9,74$) par les individus ont eu moins de réponses favorables parce que ceux-ci préfèrent soit un autre type de poisson ou ne souhaite pas faire de choix . Ce qui justifie le nombre de refus qui est de 13%. Cependant, on constate que 5 individus ont choisi le saumon génétiquement modifié dont 1 pour les avantages qu'il procure et 4 à cause du prix élevé du saumon naturel. Le prix maximal proposé par les individus pour avoir les informations sur l'étiquetage et la traçabilité du saumon naturel au détriment du saumon génétiquement modifié est supérieur de 31% au prix actuel du kilogramme de saumon naturel(7,99$). La Figure 3.1 indique la progression du CAP, de nature logarithmique, elle permet de déterminer graphiquement le CAP médian et moyen qui sont respectivement de 0,96$ et 1,00$.

Figure 3.1 Courbe du CAP en fonction des fréquences cumulées

Tableau 3.6 Distribution du type de questionnaire et du consentement à payer pour le saumon naturel et génétiquement modifié.

Types de questionnaires

par montant proposé

Nombre total de questionnaires distribués par type de questionnaire

Nombre de réponses reçues positives

CAP offert

CAP Moyen

Fréquence(%)

8,24 $

11

8

0,25 $

0,031 $

11,11

8,49 $

11

7

0,50 $

0,071 $

9,72

8,74 $

10

7

0,75 $

0,107 $

9,72

8,99 $

10

7

1,00 $

0,143 $

9,72

9,24 $

10

5

1,25 $

0,250 $

6,94

9,49 $

10

6

1,50 $

0,250 $

8,33

9,74 $

10

3

1,75 $

0,583 $

4,17

9,99 $

10

5

2,00 $

0,400 $

6,94

10,24 $

10

5

2,25 $

0,450 $

6,94

10,49 $

10

6

2,50 $

0,417 $

8,33

Nombre de refus

Réponses sans proposition de CAP

Individus ayant choisi le saumon génétiquement modifié à 7,99$

1

N/A

N/A

1,39

6

N/A

N/A

8,33

5

0,00 $

0,000 $

6,94

Total

102

72

 

0,966 $

100,00

CAP moyen

0,96 $

 
 
 
 

CAP maximal

2,50 $

 
 
 
 

CAP minimal

0,00 $

 
 
 
 

CAP median

1,00 $

 
 
 
 

CAP Total

74,50 $

 
 
 
 

Écart type

0,82 $

 
 
 
 

3.3 Valeurs exprimées par genre

Nous constatons à partir du tableau 3.7 que le CAP moyen est plus élevé chez les femmes que chez les hommes. Cependant aucune femme n'a choisi le saumon génétiquement modifié pour des raisons que nous avons évoquées plus haut.

Tableau 3.7 Distribution du type de questionnaire et du consentement à payer pour le saumon naturel et génétiquement modifié par genre.

 

 

 

 

Homme

 

 

 

 

Femme

 

Types de questionnaires

CAP

Nombre

Réponses

positives

CAP Total

CAP Moyen

Fréquence

(%)

CAP

Nombre

Réponses

positives

CAP Total

CAP Moyen

Fréquence(%)

8,24 $

0,25 $

4

1,00 $

0,063 $

5,56

0,25 $

4

1,00 $

0,063 $

5,56

8,49 $

0,50 $

5

2,50 $

0,100 $

6,94

0,50 $

2

1,00 $

0,250 $

2,78

8,74 $

0,75 $

7

5,25 $

0,107 $

9,72

0,75 $

0

0,00 $

0,000 $

0,00

8,99 $

1,00 $

2

2,00 $

0,500 $

2,78

1,00 $

5

5,00 $

0,200 $

6,94

9,24 $

1,25 $

3

3,75 $

0,417 $

4,17

1,25 $

2

2,50 $

0,625 $

2,78

9,49 $

1,50 $

5

7,50 $

0,300 $

6,94

1,50 $

1

1,50 $

1,500 $

1,39

9,74 $

1,75 $

1

1,75 $

1,750 $

1,39

1,75 $

2

3,50 $

0,875 $

2,78

9,99 $

2,00 $

4

8,00 $

0,500 $

5,56

2,00 $

1

2,00 $

2,000 $

1,39

10,24 $

2,25 $

3

6,75 $

0,750 $

4,17

2,25 $

2

4,50 $

1,125 $

2,78

10,49 $

2,50 $

3

7,50 $

0,833 $

4,17

2,50 $

3

7,50 $

0,833 $

4,17

Sans réponse

N/A

1

N/A

N/A

1,39

N/A

1

N/A

N/A

1,39

Aucune proposition

N/A

7

N/A

N/A

9,72

N/A

7

N/A

N/A

9,72

7,99$ (saumon GM)

0,00 $

5

0,00 $

0,000 $

6,94

0,00 $

0

0,00 $

0,000 $

6,94

TOTAL

 

50

46,00 $

1,087 $

69,44

 

35

28,50 $

1,228 $

48,61

Conclusion

Au demeurant, ce chapitre nous a permis d'avoir une vision plus réaliste de l'étude que nous avons menée. Nous notons que le degré d'aversion des consommateurs pour les produits à base d'OGM n'a pas mis en doute, cependant le prix peut constituer un facteur favorable à la production et la commercialisation du saumon OGM dès lors que le coût du saumon sauvage est jugé élevé par les consommateurs. Le chapitre suivant nous permettra d'aller plus loin; c'est à dire de pouvoir estimer le CAP avec des plages de données plus importantes à l'aide d'un logiciel économétrique ; LIMDEP.

CHAPITRE 4

ESTIMATION DU CONSENTEMENT A PAYER

Introduction

Dans l'objectif d'estimer le CAP, nous avons appliqué la technique du référendum avec des questions discrètes à choix dichotomique et fermées (Hanneman, 1984 ; Hanneman et McConnell, 2003). Nous avons déterminer des variables indépendantes qualitatives et quantitatives et qui ont une influence significative sur la variable dépendante(CAP). Ce chapitre met en exergue l'analyse statistique des résultats obtenus auprès de notre échantillon à l'aide du logiciel LIMDEP en vue de déterminer le consentement à payer moyen, médian, d'établir sa distribution probabiliste et d'en tirer les conclusions.

4-1 Mise en contexte

Une variation de la qualité du saumon vaut pour l'ensemble des consommateurs. Le but est d'identifier la valeur du saumon pour un individu à l'utilité qu'il lui procure. L'utilité d'un individu dépend de sa consommation de biens marchands mais également de la qualité et de la quantité de saumon (saumon génétiquement modifié et saumon naturel d'élevage ou sauvage) et donc de l'usage qu'il en fait. Mais nous partons du fait qu'un individu est appelé à choisir entre le saumon génétiquement modifié et le saumon naturel par rapport aux informations qu'il voudrait voir sur les étiquettes.

En premier lieu, on représente une fonction d'utilité d'un individu i comme :

Ui(Xi, Z) (1)

Xi est le vecteur de n biens marchands et Z est le bien environnemental considéré qui est ici représenté par les différents types de saumon.

Nous utiliserons le model binomial considérant que l'individu a le choix entre le saumon génétiquement modifié et le saumon naturel d'élevage ou sauvage, par hypothèse nous considérons que lorsqu'un individu choisi le saumon génétiquement modifié son utilité est de et lorsqu'il choisi le saumon naturel son utilité est de (statu quo), si le répondant choisi le saumon génétiquement modifié (2)

La formule standard permettant de déterminer l'utilité est la suivante :

(3)

vij est le déminant des composants de l'utilité de l'individu et ij représente les composants aléatoires qui caractérisent la fonction d'utilité de l'individu et donc l'enquêteur ignore . Comme dans la théorie classique du consommateur, on suppose que les individus maximisent leur utilité en choisissant parmi les biens marchands (les individus ne contrôlent pas le niveau de provision de biens environnementaux). On ramène alors les choix d'un consommateur i au programme d'optimisation suivant :

max Ui(Xi, Z,) sachant que PXi = Yi (4)

P est un vecteur de prix et Yi son revenu. Le programme d'optimisation sous contrainte de revenu conduit à définir les fonctions de demande classiques :

= (P, Z, Yi) k = 1, ..., K (5)

où l'exposant k indique le k-ème bien marchand.

On peut alors définir la fonction d'utilité indirecte d'un individu i comme :

Vi(P, Z, Yi, ) = Ui[h(P, Z, Yi), Z, ] (6)

Dans laquelle l'utilité est représentée comme une fonction des prix, du revenu et également, dans le cas envisagé ici, des biens environnementaux. En tant que bien environnemental la population de saumon sauvage ou d'élevage peut accroître ou décroître selon le rythme d'exploitation ou bien d'autres aléas d'ordres climatiques ou environnementaux. Soit Z0, le vecteur initial représentant la valeur quantitative et qualitative initiale du saumon naturel. On considère un vecteur Z1 pour lequel il y a eu un accroissement d'au moins un élément et un seul. On peut alors écrire que Z1 > Z0 et :

= Vi (P, Z1, Yi, ) Vi(P, Z0, Yi, ) (7)

On peut alors déterminer une variation compensatrice due a la modification de l'utilité du consommateur de la manière suivante :

Vi( ,P, Z1, Yi - CAPi) Vi(,P, Z0, Yi) (8)

où la variation compensatrice est la valeur monétaire CAPi que les consommateurs sont prêts à sacrifier après le changement intervenu dans la population du saumon naturel de l'état Z0 à Z1, et qui le laissera à un niveau de bien-être identique à celui qui prévalait avant le changement. Ce consentement à payer correspond donc à la diminution du revenu qui laisse le niveau initial d'utilité inchangé après l'augmentation de la quantité, ou de qualité de l'information sur le saumon.

Cependant, le statisticien ne connaît pas les composantes aléatoires des préférences (ij ) et peut seulement faire des hypothèses probabilistes sur les réponses « oui » et « non ». On note Yj la réponse à ces questions ; Yj = 1 correspond à la réponse « oui ». La probabilité de répondre « oui » est donc :

(9)

Dans le modèle à utilité aléatoire linéaire, la fonction d'utilité se présente sous une forme additivement séparable. Elle se décompose ainsi en une partie déterministe linéaire (vi) et une partie stochastique (ij ) :

Pr(Yj=1)=Pr(v1(vj-tj.zj)+e1j=vo(yj,zj)+ eoj(10)

Une fois que la fonction d'utilité indirecte est spécifiée comme la somme d'une composante déterministe et d'une composante aléatoire, la différence des deux composantes aléatoires ne peut plus être identifiée de sorte que l'on considère un unique terme d'erreur : j =1 j - 0 j . (11)

Le changement dans la partie déterministe de la fonction d'utilité indirecte est :

v1j-voj=zj(á1- áo )+(yj-tj)â1 -yjâo (12)

Une hypothèse raisonnable est que l'utilité marginale du revenu est constante entre les deux états. Il en résulte que ß1 = ß0 = ß de sorte que, en notant a = a1 -a0, la dernière équation s'écrit :

V1j-voj=zj a-tj ß (13)

La probabilité de répondre « oui » à la question « Seriez-vous prêt à payer tj dollars ? » est alors donnée par l'équation suivante :

Pr(Y=1)=Pr(zj á-tj â+åj (14)

On suppose que les ij sont indépendants et identiquement distribués selon la même loi, avec une espérance nulle. Deux lois sont possibles pour les j :

- Loi normale, ce qui donne lieu au modèle Probit ;

- Loi logistique, ce qui donne lieu au modèle Logit. Si å?j suit une loi normale N(0, ó²), alors (15)suit une loi normale centrée réduite. On a alors :

(16)

Si j suit une loi logistique de moyenne nulle et de variance (17) alors la probabilité pour que j réponde « oui » est :

(18)

(Haab and McConnell, 2002), ont donné trois critères permettant de déterminer le CAP : selon ces auteurs le CAP ne doit pas avoir des valeurs inférieures à zéro et la valeur la plus élevée ne doit pas être supérieure au revenu, c'est également ce que pense Hanemann et Kanninen qui ajoutent qu'il n'existe pas d'utilité négative :

(19)

est le revenu de l'individu, 0 est la valeur minimale du CAP. Lequel devient négatif si cette valeur minimale est supérieure au revenu !

Pour chacun des répondants j le CAP dépend de son revenu yi et du vecteur des variables liées z, ce qui signifie en bref que le CAP de chaque individu varie de 0 à son maximum qu'est son revenu. La valeur espérée du CAP par chaque individu sera aussi comprise entre 0 et le revenu yi

(20 )

on pourra ensuite déterminer le CAP médian de la moyenne de l'échantillon :

(21)

,où est la moyenne des revenus de l'échantillon de la taille d'échantillon notée T.

Ensuite il est indispensable que les estimations ne soient pas des troncations arbitraires de plus il doit avoir uniformité entre l'aspect aléatoire pour l'évaluation et l'aspect aléatoire du calcul.

Les bénéfices associés sont obtenus par l'agrégation des consentements à payer individuels qu'on note :

Bénéfices =CAPi (22)

4-1-1 Choix du modèle

Le CAP pour l'étiquetage du saumon a été évalué à l'aide d'un modèle logit en vue d'identifier les déterminants des réponses de la question 18. Ce modèle met en relation la variable-réponse 1 (oui) et 0 (non) avec le niveau de l'enchère proposée à chaque individu interrogé. Le modèle génère des coefficients et des valeurs statistiques décrivant une courbe du consentement à payer en fonction de leur probabilité d'apparition.

De façon théorique, le CAP est défini comme la somme d'argent qui laisse la personne interrogée indifférente entre le statu quo et la situation proposée.

Par conséquent, le CAP de l'individu j est donc :

(23)

4-1-2 Estimation du CAP

Le processus à quatre étapes :

Première étape : Elle consiste à codifier les réponses du questionnaire sous forme binaire : 0 pour les réponses négatives(Non) et 1 pour les réponses positives (Oui). A cause de la sensibilité du consentement à payer à la distribution des termes d'erreur, il est utile de développer l'approche la moins restrictive possible pour estimer le consentement à payer. L'approche non-paramétrique s'appuie seulement sur l'idée suivante : quand une personne répond « oui » à la question de valorisation, alors nous savons que son consentement à payer est supérieur ou égal au montant proposé (TERRA, 2005)

Tableau 4.1 Modèle de codification des données

VARIABLE DEPENDANTE

Q182

C'est la différence l'offre des individus et lr prix du kilogramme de saumon(7,99$).

VARIABLES ECONOMIQUES

Q1

1 si l'individu regarde régulièrement les étiquettes, souvent et parfois et 0 si l'individu choisi pas du tout.

Q2

1 si l'individu les composants à base d'OGM sinon 0

Q4

1 si l'individu choisi très informé, informé, peu informé et 0 si l'individu choisi pas du tout informé.

Q71

1 si poisson et 0 si autres

S5

Noté Yi, nous considérons le revenu mensuel net du ménage en logarithme naturel

CARACTERISTIQUES SOCIO-DEMOGRAPHIQUES

S1

L'âge réel du répondant.

S2

1 si femme et 0 si homme

S4

1 si études supérieures et 0 si autres études inférieures

S3

1 pour les étudiants, cadres supérieurs et professionnels et 0 pour autres

S6

1 le répondant est marié et 0 pour célibataires

S7

1 si le répondant à un enfant à charge et 0 si non

S8

1 pour pratique exercice physique si non 0

S9

1 si le répondant consulte le physicien et 0 si non

VARIABLES PSYCHOLOGIQUES

Q5

1 si le répondant craint les produits indiqués dans les aliments(beaucoup, assez, moyen et peu et 0 si pas du tout

VARIABLES ENVIRONNMENTALES

Q3

1 si le répondant pense que l'arrivée du saumon OGM peut compromettre la pérennité du saumon naturel (très, assez bien et peu et 0 si non

Q42

 

Q11

1 Si le répondant est membre d'une coop. alimentaire et 0 si non

Q12

1 Si le répondant achète les produits biologiques à l'épicerie et 0 si non

Q13

1 Si le répondant est membre d'une organisation environnementale et 0 si non

Q14

1 Si le répondant est membre actif d'une organisation environnementale et 0 si non

Q15

1 Si le répondant pratique de la pêche et 0 si non

Q16

1 Si le répondant pratique de la chasse et 0 si non

Q17

1 Si le répondant fait lui-même sa cuisine et 0 si non

CARACTERISTIQUES DU SAUMON

Q2

1 si l'individu choisi très important ou moyennement et 0 si non

Q66

1 si l'individu préfère consommer les produits animal génétiquement modifié et 0 s'il préfère consommer les produits génétiquement modifiés végétaux

 
 

Q611

1 si l'individu choisi très, moyennement, assez, peu en accord et 0 pas du tout en accord

Q612

1 si l'individu choisi très, moyennement, assez, peu en accord et 0 pas du tout en accord

 
 

Q72

1 si saumon et 0 si autres types de poissons

Q8

1 si au moins une fois et 0 si l'individu ne consomme pas du saumon

Q9

1 si au moins un livre et 0 si l'individu ne consomme pas du saumon

Q10

1 si l'individu choisit l'un ou toutes les caractéristiques suivantes : prix, emballage saveur, grosseur, couleur, texture, et 0 si autres caractéristiques

Q181

1 si l'individu choisit le saumon génétiquement modifié et 0 s'il choisit le saumon sauvage

CARACTERISTIQUES DE L'ETIQUETTE

Q64

1 si l'individu affirme que les informations sur le saumon sont suffisantes et honnêtes et 0 s'il choisit pas du tout

Q28

1 si l'individu trouve que les informations concernant les composants OGM sont importants sur l4étiquette du saumon et 0 s'il choisit pas du tout pas du tout

Q35

1 si l'individu trouve le saumon génétiquement modifié peut compromettre la pérennité du saumon naturel et 0 s'il choisit pas du tout

Q42

1 si l'individu est suffisamment informé sur les origines des poissons et 0 s'il n'est pas du tout informé

Deuxième et troisième étapes : Nous devons concevoir les matrices des bases de données qui seront exécutées qui nous permettrons d'élaborer le programme et d'exécuter à l'aide du logiciel LIMDEP (TERRA, 2005), dans le tableau suivant nous y mettrons uniquement les variables qui ont une influence considérable sur le CAP. Nous considérons trois models : 1, 2 et 3 comme l'indique les tableaux 4.2, 4.3, 4.4

Tableau 4.2 Model 1

CAP=f(S2,Q5,S5,Q182,Q10,Q35,Q28,Q42)

S2

Q5

S5

Q182

Q10

Q35

Q28

Q42

25

1

55000

0,25

0

1

1

1

25

0

10000

1,25

1

0

0

1

32

1

10000

0,50

1

1

1

0

23

1

40000

1,50

1

1

1

1

20

1

40000

2,00

0

0

1

0

21

0

55000

2,00

1

0

0

1

18

1

45000

1,25

1

1

1

1

48

1

55000

0,25

1

1

1

1

29

1

55000

1,25

1

0

1

0

23

1

30000

2,50

1

0

1

1

54

1

55000

0,25

0

1

1

1

28

0

55000

2,50

0

0

0

1

49

1

55000

0,25

0

1

1

1

27

0

10000

1,50

1

1

0

1

24

1

10000

1,25

1

0

1

0

32

1

40000

1,75

1

0

1

1

28

1

40000

1,00

0

1

1

0

44

0

55000

0,50

1

1

0

1

21

1

45000

1,00

1

0

1

1

53

1

55000

1,00

1

0

1

1

31

1

55000

0,50

1

1

1

0

21

1

30000

1,00

1

0

1

1

47

1

55000

1,00

0

1

1

1

27

0

55000

1,00

0

1

0

1

24

0

50000

1,50

1

1

0

1

23

1

25000

0,50

1

0

1

0

27

1

45000

1,00

0

0

1

1

27

1

15000

1,75

1

1

1

1

24

1

55000

0,25

1

1

0

0

18

1

40000

1,50

0

0

1

1

25

1

40000

1,00

0

0

1

1

43

1

50000

0,50

1

1

1

1

22

1

55000

1,00

1

1

1

1

26

1

20000

0,50

1

1

1

0

19

1

55000

0,75

1

0

1

1

20

1

40000

0,25

1

1

1

1

22

0

15000

1,25

1

1

0

0

21

1

55000

2,50

1

1

1

1

22

1

10000

0,25

1

0

1

1

24

1

10000

0,75

1

0

1

1

20

0

40000

2,00

1

1

0

1

20

1

10000

1,00

1

1

1

0

20

1

10000

1,00

1

0

1

1

20

1

50000

1,50

1

0

1

1

18

1

30000

2,00

1

1

1

1

20

1

10000

0,75

0

1

1

0

24

1

55000

2,25

1

1

1

1

18

1

30000

1,00

1

1

1

1

21

1

20000

2,50

0

1

1

1

26

0

50000

0,75

1

0

0

2

21

1

50000

2,25

1

0

1

0

29

1

30000

1,50

1

1

1

1

33

1

25000

2,25

1

1

1

1

32

0

50000

2,25

1

0

0

1

19

1

20000

0,75

1

0

1

0

23

1

36111

1,00

1

1

1

1

22

1

10000

0,50

1

0

1

1

18

1

50000

2,00

1

0

1

1

22

1

20000

1,00

1

1

1

0

18

0

15000

1,75

1

0

1

1

18

0

25000

2,00

1

1

0

1

23

1

50000

0,75

0

1

1

1

20

1

15000

2,00

1

0

1

0

28

1

15000

2,50

1

0

1

1

18

0

50000

1,00

1

1

0

1

18

1

5000

1,00

1

1

1

1

19

1

40000

1,00

1

0

1

1

20

1

55000

0,75

1

0

1

1

15

1

50000

1,00

1

1

1

0

19

1

50000

1,00

0

1

1

1

19

1

55000

2,25

1

0

1

1

20

1

25000

1,50

0

1

1

1

Résultat du Model 1

=======================================================================

Variable Mean Std.Dev. Minimum Maximum Cases

=======================================================================

-----------------------------------------------------------------------

All observations in current sample

-----------------------------------------------------------------------

S2 25.2500000 8.68502029 15.00000 54.0000000 72

Q5 .805555556 .398549797 .0000000 1.00000000 72

S5 36612.6528 17193.5902 5000.000 55000.0000 72

Q182 .944444444 .729439084 .0000000 2.00000000 72

Q10 29.5138889 26.9736403 .0000000 75.0000000 72

Q35 .777777778 .418657217 .0000000 1.00000000 72

Q28 .555555556 .500391083 .0000000 1.00000000 72

Q42 .805555556 .398549797 .0000000 1.00000000 72

+---------------------------------------------+

| Multinomial Logit Model |

| Maximum Likelihood Estimates |

| Dependent variable Q182 |

| Weighting variable ONE |

| Number of observations 72 |

| Iterations completed 29 |

| Log likelihood function -62.48818 |

| Restricted log likelihood -75.92410 |

| Chi-squared 26.87186 |

| Degrees of freedom 12 |

| Significance level .8062132E-02 |

+---------------------------------------------+

+---------+--------------+----------------+--------+---------+---------

|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Meanof X|

+---------+--------------+----------------+--------+---------+---------

Characteristics in numerator of Prob[Y = 1]

S2 -.2126499778E-01 .34332563E-01 -.619 .5357 25.250000

Q5 -57.84823243 2237941.4 .000 1.0000 .80555556

S5 .1631136971E-04 .18885491E-04 .864 .3878 36612.653

Q10 -.4385740471E-01 .13176395E-01 -3.328 .0009 29.513889

Q35 1.230159846 .66860945 1.840 .0658 .77777778

Q28 .4900331730 .66720586 .734 .4627 .55555556

Q42 58.54369519 2237941.4 .000 1.0000 .80555556

Characteristics in numerator of Prob[Y = 2]

S2 -.5370194609E-01 .41431465E-01 -1.296 .1949 25.250000

Q5 -29.69396333 1643167.6 .000 1.0000 .80555556

S5 .3837085950E-04 .21434809E-04 1.790 .0734 36612.653

Q10 -.3815734447E-01 .14808824E-01 -2.577 .0100 29.513889

Q35 1.579371652 .83002992 1.903 .0571 .77777778

Q28 -.3779845241 .75963032 -.498 .6188 .55555556

Q42 29.55625380 1643167.6 .000 1.0000 .80555556

+----------------------------------------+

| Fit Measures for Binomial Choice Model |

| Logit model for variable Q182 |

+----------------------------------------+

| Proportions P0= .194444 P1= .805556 |

| N = 72 N0= 14 N1= 58 |

| LogL = .00000 LogL0 = -35.4675 |

+----------------------------------------+

| Efron | McFadden | Ben./Lerman |

| 1.00000 | 1.00000 | 1.00000 |

| Cramer | Veall/Zim. | Rsqrd_ML |

| 1.00000 | 1.00000 | .62664 |

+----------------------------------------+

| Information Akaike I.C. Schwartz I.C. |

| Criteria .22222 34.21333 |

+----------------------------------------+

Tableau 4.3 Model 2

CAP= f(S2,Q5,S5,Q182,Q64,Q612,Q66 ,Q10)

S2

Q5

S5

Q182

Q64

Q612

Q66

Q10

25

1

55000

0,25

0

1

0

0

25

0

10000

1,25

1

0

1

1

32

1

10000

0,50

1

1

1

1

23

1

40000

1,50

1

1

1

1

20

1

40000

2,00

0

0

1

1

21

0

55000

2,00

1

0

1

1

18

1

45000

1,25

1

1

1

1

48

1

55000

0,25

1

1

1

1

29

1

55000

1,25

1

0

1

0

23

1

30000

2,50

1

0

1

1

54

1

55000

0,25

0

1

1

1

28

0

55000

2,50

0

0

1

0

49

1

55000

0,25

0

1

1

0

27

0

10000

1,50

1

1

1

0

24

1

10000

1,25

1

0

1

0

32

1

40000

1,75

1

0

1

0

28

1

40000

1,00

0

1

1

0

44

0

55000

0,50

1

1

1

0

21

1

45000

1,00

1

0

1

0

53

1

55000

1,00

1

0

1

0

31

1

55000

0,50

1

1

1

0

21

1

30000

1,00

1

0

1

1

47

1

55000

1,00

0

1

1

1

27

0

55000

1,00

0

1

1

0

24

0

50000

1,50

1

1

0

0

23

1

25000

0,50

1

0

1

1

27

1

45000

1,00

0

0

1

1

27

1

15000

1,75

1

1

1

1

24

1

55000

0,25

1

1

1

0

18

1

40000

1,50

0

0

1

1

25

1

40000

1,00

0

0

1

1

43

1

50000

0,50

1

1

1

1

22

1

55000

1,00

1

1

1

1

26

1

20000

0,50

1

1

1

1

19

1

55000

0,75

1

0

1

1

20

1

40000

0,25

1

1

1

0

22

0

15000

1,25

1

1

1

0

21

1

55000

2,50

1

1

1

1

22

1

10000

0,25

1

0

1

1

24

1

10000

0,75

1

0

1

1

20

0

40000

2,00

1

1

1

1

20

1

10000

1,00

1

1

1

0

20

1

10000

1,00

1

0

1

0

20

1

50000

1,50

1

0

1

1

18

1

30000

2,00

1

1

1

0

20

1

10000

0,75

0

1

1

1

24

1

55000

2,25

1

1

1

1

18

1

30000

1,00

1

1

1

0

21

1

20000

2,50

0

1

1

1

26

0

50000

0,75

1

0

1

1

21

1

50000

2,25

1

0

1

0

29

1

30000

1,50

1

1

1

1

33

1

25000

2,25

1

1

1

1

32

0

50000

2,25

1

0

1

0

19

1

20000

0,75

1

0

0

0

23

1

36111

1,00

1

1

1

1

22

1

10000

0,50

1

0

1

1

18

1

50000

2,00

1

0

1

1

22

1

20000

1,00

1

1

1

1

18

0

15000

1,75

1

0

1

1

18

0

25000

2,00

1

1

1

1

23

1

50000

0,75

0

1

1

1

20

1

15000

2,00

1

0

1

0

28

1

15000

2,50

1

0

1

1

18

0

50000

1,00

1

1

1

1

18

1

5000

1,00

1

1

1

1

19

1

40000

1,00

1

0

1

1

20

1

55000

0,75

1

0

1

0

15

1

50000

1,00

1

1

1

1

19

1

50000

1,00

0

1

0

1

19

1

55000

2,25

1

0

1

1

20

1

25000

1,50

0

1

1

1

Résultat du model 2

=======================================================================

Variable Mean Std.Dev. Minimum Maximum Cases

=======================================================================

-----------------------------------------------------------------------

All observations in current sample

-----------------------------------------------------------------------

S2 25.2500000 8.68502029 15.00000 54.0000000 72

Q5 .805555556 .398549797 .0000000 1.00000000 72

S5 36612.6528 17193.5902 5000.000 55000.0000 72

Q182 .944444444 .729439084 .0000000 2.00000000 72

Q64 .777777778 .451046427 .0000000 2.00000000 72

Q612 .777777778 .418657217 .0000000 1.00000000 72

Q66 .555555556 .500391083 .0000000 1.00000000 72

Q10 29.5138889 26.9736403 .0000000 75.0000000 72

+---------------------------------------------+

| Multinomial Logit Model |

| Maximum Likelihood Estimates |

| Dependent variable Q182 |

| Weighting variable ONE |

| Number of observations 72 |

| Iterations completed 6 |

| Log likelihood function -63.45590 |

| Restricted log likelihood -75.92410 |

| Chi-squared 24.93640 |

| Degrees of freedom 12 |

| Significance level .1512715E-01 |

+---------------------------------------------+

+---------+--------------+----------------+--------+---------+---------

|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Mean of X|

+---------+--------------+----------------+--------+---------+---------

Characteristics in numerator of Prob[Y = 1]

S2 -.2792986002E-01 .35190031E-01 -.794 .4274 25.250000

Q5 .5818712085 .72163737 .806 .4201 .80555556

S5 -.4724272232E-05 .19383564E-04 -.244 .8074 36612.653

Q64 1.757740182 .76028285 2.312 .0208 .77777778

Q612 1.165997666 .67304635 1.732 .0832 .77777778

Q66 .3095061882 .66195282 .468 .6401 .55555556

Q10 -.4704940993E-01 .14189091E-01 -3.316 .0009 29.513889

Characteristics in numerator of Prob[Y = 2]

S2 -.6124447783E-01 .43274418E-01 -1.415 .1570 25.250000

Q5 -.6520504154E-01 .80857012 -.081 .9357 .80555556

S5 .2042812065E-04 .22304319E-04 .916 .3597 36612.653

Q64 1.532197796 .86746559 1.766 .0773 .77777778

Q612 1.472017750 .83795966 1.757 .0790 .77777778

Q66 -.5124053502 .76263802 -.672 .5017 .55555556

Q10 -.4536437304E-01 .16033106E-01 -2.829 .0047 29.513889

+----------------------------------------+

| Fit Measures for Binomial Choice Model |

| Logit model for variable Q182 |

+----------------------------------------+

| Proportions P0= .194444 P1= .805556 |

| N = 72 N0= 14 N1= 58 |

| LogL = .00000 LogL0 = -25.4675 |

+----------------------------------------+

| Efron | McFadden | Ben./Lerman |

| 1.00000 | 1.00000 | 1.00000 |

| Cramer | Veall/Zim. | Rsqrd_ML |

| 1.00000 | 1.00000 | .24434 |

+----------------------------------------+

| Information Akaike I.C. Schwartz I.C. |

| Criteria .15452 34.21333 |

+----------------------------------------+

Tableau 4.4 Model 3

CAP= f(S2,Q5,S5,Q182,Q10,Q61,Q611,Q42)

S2

Q5

S5

Q182

Q10

Q61

Q611

Q42

25

1

55000

0,25

0

1

1

0

25

0

10000

1,25

1

1

1

0

32

1

10000

0,50

1

1

0

1

23

1

40000

1,50

1

1

1

1

20

1

40000

2,00

0

1

1

1

21

0

55000

2,00

1

1

1

1

18

1

45000

1,25

1

1

1

1

48

1

55000

0,25

1

1

1

0

29

1

55000

1,25

1

1

1

1

23

1

30000

2,50

1

0

1

0

54

1

55000

0,25

0

1

1

1

28

0

55000

2,50

0

1

1

1

49

1

55000

0,25

0

1

1

0

27

0

10000

1,50

1

1

1

0

24

1

10000

1,25

1

1

0

1

32

1

40000

1,75

1

1

1

1

28

1

40000

1,00

0

1

1

1

44

0

55000

0,50

1

1

1

1

21

1

45000

1,00

1

1

1

1

53

1

55000

1,00

1

1

1

0

31

1

55000

0,50

1

1

1

1

21

1

30000

1,00

1

0

1

0

47

1

55000

1,00

0

1

1

1

27

0

55000

1,00

0

1

1

1

24

0

50000

1,50

1

1

1

0

23

1

25000

0,50

1

1

1

0

27

1

45000

1,00

0

1

0

1

27

1

15000

1,75

1

1

1

1

24

1

55000

0,25

1

1

1

0

18

1

40000

1,50

0

1

1

0

25

1

40000

1,00

0

1

1

1

43

1

50000

0,50

1

1

1

0

22

1

55000

1,00

1

1

1

1

26

1

20000

0,50

1

0

1

0

19

1

55000

0,75

1

1

1

1

20

1

40000

0,25

1

1

1

1

22

0

15000

1,25

1

1

1

0

21

1

55000

2,50

1

1

1

0

22

1

10000

0,25

1

1

0

1

24

1

10000

0,75

1

1

1

1

20

0

40000

2,00

1

1

1

1

20

1

10000

1,00

1

1

1

1

20

1

10000

1,00

1

1

1

1

20

1

50000

1,50

1

1

1

0

18

1

30000

2,00

1

1

1

1

20

1

10000

0,75

0

0

1

0

24

1

55000

2,25

1

1

1

1

18

1

30000

1,00

1

1

1

1

21

1

20000

2,50

0

1

1

1

26

0

50000

0,75

1

1

1

0

21

1

50000

2,25

1

1

1

1

29

1

30000

1,50

1

0

1

0

33

1

25000

2,25

1

1

1

1

32

0

50000

2,25

1

1

1

1

19

1

20000

0,75

1

1

1

0

23

1

36111

1,00

1

1

1

0

22

1

10000

0,50

1

1

0

1

18

1

50000

2,00

1

1

1

1

22

1

20000

1,00

1

1

1

1

18

0

15000

1,75

1

1

1

1

18

0

25000

2,00

1

1

1

1

23

1

50000

0,75

0

1

1

0

20

1

15000

2,00

1

1

1

1

28

1

15000

2,50

1

0

1

0

18

0

50000

1,00

1

1

1

1

18

1

5000

1,00

1

1

1

1

19

1

40000

1,00

1

1

1

1

20

1

55000

0,75

1

1

1

1

15

1

50000

1,00

1

1

1

1

19

1

50000

1,00

0

1

1

1

19

1

55000

2,25

1

1

1

0

20

1

25000

1,50

0

1

1

1

Résultat du model 3

=======================================================================

Variable Mean Std.Dev. Minimum Maximum Cases

=======================================================================

-----------------------------------------------------------------------

All observations in current sample

-----------------------------------------------------------------------

S2 25.2500000 8.68502029 15.00000 54.0000000 72

Q5 .805555556 .398549797 .0000000 1.00000000 72

S5 36612.6528 17193.5902 5000.000 55000.0000 72

Q182 .944444444 .729439084 .0000000 2.00000000 72

Q10 29.5138889 26.9736403 .0000000 75.0000000 72

Q61 .777777778 .418657217 .0000000 1.00000000 72

Q611 .916666667 .278324970 .0000000 1.00000000 72

Q42 .930555556 .255992346 .0000000 1.00000000 72

+---------------------------------------------+

| Multinomial Logit Model |

| Maximum Likelihood Estimates |

| Dependent variable Q182 |

| Weighting variable ONE |

| Number of observations 72 |

| Iterations completed 6 |

| Log likelihood function -58.41661 |

| Restricted log likelihood -75.92410 |

| Chi-squared 35.01500 |

| Degrees of freedom 12 |

| Significance level .4657401E-03 |

+---------------------------------------------+

+---------+--------------+----------------+--------+---------+---------

|Variable | Coefficient | Standard Error |b/St.Er.|P[|Z|>z] |Mean of X|

+---------+--------------+----------------+--------+---------+---------

Characteristics in numerator of Prob[Y = 1]

S2 -.4215581332E-01 .35266987E-01 -1.195 .2320 25.250000

Q5 -.2302264056 .83073744 -.277 .7817 .80555556

S5 -.4238064680E-04 .26513002E-04 -1.598 .1099 36612.653

Q10 -.5952940239E-01 .16936018E-01 -3.515 .0004 29.513889

Q61 .5192941943 .76911507 .675 .4996 .77777778

Q611 1.923587117 1.1196909 1.718 .0858 .91666667

Q42 3.707407574 1.3489132 2.748 .0060 .93055556

Characteristics in numerator of Prob[Y = 2]

S2 -.1033053275 .54898347E-01 -1.882 .0599 25.250000

Q5 -1.047281119 .94046275 -1.114 .2655 .80555556

S5 -.1500578226E-04 .29597940E-04 -.507 .6122 36612.653

Q10 -.5744754757E-01 .18343594E-01 -3.132 .0017 29.513889

Q61 .5676109290 .92983792 .610 .5416 .77777778

Q611 -.7593266148E-01 1.2233716 -.062 .9505 .91666667

Q42 5.877283690 2.2197256 2.648 .0081 .93055556

+----------------------------------------+

| Fit Measures for Binomial Choice Model |

| Logit model for variable Q182 |

+----------------------------------------+

| Proportions P0= .194444 P1= .805556 |

| N = 72 N0= 14 N1= 58 |

| LogL = .00000 LogL0 = -35.4675 |

+----------------------------------------+

| Efron | McFadden | Ben./Lerman |

| 1.00000 | 1.00000 | 1.00000 |

| Cramer | Veall/Zim. | Rsqrd_ML |

| 1.00000 | 1.00000 | .43364 |

+----------------------------------------+

| Information Akaike I.C. Schwartz I.C. |

| Criteria .22542 24.21333 |

+----------------------------------------+

Remarque

Il faut préciser que nous avons remplacé les valeurs nulles par les moyens des CAP et des revenus des individus. Car, les individus qui préfèrent un autre type de poisson offrent un CAP supérieur à 0,00$, c'est encore ce qu'on appelle les faux zéros ou les vrais zéros (TERRA,2005),

Quatrième étape : Détermination des coefficients á et â et calcul des consentement à payer moyen et médian (TERRA,2005)

En remplaçant alpha par le coefficient affecté au consentement à payer dans la régression logistique et bêta par la somme des produits des variables indépendants par leurs coefficients respectifs dans la formule 23, on obtient le CAP moyen estimé pour l'échantillon est de 0,96$ qui est le même que la valeur observée.

4-1-3 Comparaison des trois model choisis

En observant les résultats obtenus pour les trois models que nous avons arbitrairement choisi, nous constatons le model 1 est le plus représentatif si on s'en tient aux valeurs de R2 qui est de 0,62 et le niveau de signifiance qui est de 80%, les variables S5 qui correspond au revenu des individus, Q35 qui correspond au saumon GM, Q42 qui correspond à la question que nous avons posées aux individus par rapport aux risque que le saumon GM peut avoir sur le saumon sauvage ont des coefficients positifs et relativement important, cela signifie que les individus sondés pensent que le saumon GM est un risque pour leur santé et l'environnement . La portée de l'étiquette est une donnée importante du point de vue des individus.

A l'observation des données du tableau 4.5, l'écart type du model 1 est de 0,726 et le logarithme de vraisemblance est de -62,48, ce qui signifie que les écarts entre les variables indépendantes sont relativement élevés. Le nombre Khi-deux(Chi-squared) est de 26,87 pour 12 degrés de liberté, il joue le même rôle que le logarithme de vraisemblance car, il permet de savoir si les variables utilisées dans le modèle sont assez indépendantes, dans le cas échéant, la valeur relativement important nous permet d'affirmer que c'est effectivement le cas. Le model 3 donne aussi un résultat appréciable car est de 0,43 et le niveau de signifiance est de 0,46, par rapport aux variables de ce model, nous pouvons également affirmer que l'étiquetage et les aliments à base d'OGM préoccupent également les individus du sondage car leur coefficients élevés montrent qu'ils ont une influence importante sur le CAP.

Tableau 4.5 Tableau récapitulatif des résultats des Models 1, 2, 3

 

Model observable1

Model 1

Model 2

Model 3

CAP Moyen

0,96$

0,94$

0,76$

0,94$

CAP minimum

0,00$

0,00$

0,00$

0,00$

CAP maximum

2,50$

2,00$

2,00$

2,00$

CAP median

1,25$

1,00$

1,00$

1,00$

R2

 

0,62

0,24

0,43

Log likelihood function

 

-62,48

-63,45

-58,45

Chi-squared

 

26,87

24,93

35,00

Stan. dev.

 

0,729

0,729

0,729

Significance level

 

0,80

0,151

0,46

4-1-4 Distribution du CAP en fonction de leur probabilité

En observant la figure 4,2, nous constatons que le CAP croit inversement avec la probabilité.

1 Il s'agit des paramètres du CAP que nous avons calculé dans le chapitre 3

Figure 4.2 Courbe de distribution du CAP en fonction de la probabilité

CAP

4-1-5 Consentement à payer totale pour la population universitaire et le Québec

Le CAP total représente le montant que l'ensemble des individus de l'échantillon serait prêt à payer ou à augmenter sur le prix du kilogramme du saumon, pour avoir les informations nécessaires en vue de choisir entre le saumon naturel et le saumon génétiquement modifié, pour la population universitaire, ce montant est de 5 022,00$ et pour la population du Québec, ce montant est de 7 066 275,78 $$.

Tableau 4.6 Estimation du CAP total par année de la population universitaire et Québécoise

.

 

Effectifs

CAP Moyen/an

CAP total/an

Echantillon utilisé pour le sondage

72

0,93$

66,96$

Population de l'université du QUEBEC à Rimouski

5400

0,93$

5 022,00$

Population du Québec

7 598 146

0,93$

7 066 275,78 $

4-2 Biais potentiels de l'enquête

Plusieurs biais peuvent avoir eu des influences négatives sur notre étude :

- La taille de l'échantillon qui relativement faible par rapport à la population universitaire qui est estimée à 5 400 étudiants

- Le revenu des étudiants qui est relativement faible et qui amené certains préférer d'autres poissons au détriment du saumon à cause du prix qu'ils trouvaient élevé. Nous avons noté que les étudiants qui ont un revenu élevé offre un consentement à payer relativement élevé.

Conclusion

Le but de ce chapitre était d'estimer le CAP à l'aide d'un logiciel de statistique en vue de faire une modélisation plus large à partir des données de notre étude. Nous avons élaboré le programme et avons exécuté en considérant comme variable indépendante : l'étiquette que nous avons proposée aux individus de l'échantillon, les informations généralement observées sur les étiquettes dans les épiceries et les composants OGM, que nous pouvons rencontrer dans les aliments et notamment le saumon génétiquement modifié. La régression logistique sur trois models que nous avons choisi dans la banque de données nous a permet de constater que le volume de l'échantillon n'est pas assez significatif pour donner la légitimité nécessaire à notre étude car R2= 0,62. Cependant, d'autres paramètres tels que la prédiction et le test de signifiance permettent d'affirmer que les individus sont effectivement prêts à payer une somme d'argent (en moyenne 0,94$ de plus sur le prix d'un kilogramme de saumon) pour avoir plus d'informations sur le saumon. Par ailleurs, une part relativement élevée des individus sondés choisit le saumon naturel. Néanmoins, le prix du saumon sur le marché peut constituer un facteur incitatif s'il est inférieur d'au moins 31,29 % du prix du saumon naturel. Les informations telles que les agents génétiquement modifiés qu'il contient, l'emballage, la grosseur et la saveur trouvent une signification importante de la part des individus et ceux-ci aimeraient qu'elles soient précisées sur les étiquettes.

En comparaison avec d'autres études de même type, avec un pourcentage de 31,29% de moins sur le prix actuel, nous ne sommes pas très éloignés des résultats des études menées par Chen et Chern en 2002 en chine, où le pourcentage du CAP était de 22%. Chern et Rickertsen ont également fait des études en 2002 et ont trouvé les pourcentages suivants : 54% de moins, pour le saumon nourri aux aliments OGM(Norvège), 67% de moins pour le saumon GM (Norvège), 46% de moins pour saumon nourri aux OGM(USA),71% de moins pour saumon OGM(USA). Taneka en 2002, a trouvé un pourcentage de 38.1% de moins pour le saumon nourri aux aliments génétiquement modifiés(USA), 56.9% de moins pour le saumon génétiquement modifié(USA). Ces résultats témoignent que notre échantillon est beaucoup plus tolérant vis-à-vis du saumon GM et la raison étant le revenu moyen peu élevé des étudiants.

CONCLUSION GENERALE

L'objectif principal de la présente étude est de contribuer à l'évaluation économique des externalités causées par le saumon par le saumon génétiquement modifié et le rôle de l'étiquette dans la variabilité de l'offre et la demande, si elle venait à être commercialisée.

La finalité recherchée est d'exprimer en grandeur monétaire c'est à dire le consentement à payer par les consommateurs pour avoir plus d'informations sur les étiquettes du saumon dans les épiceries. Les résultats produits ont permis de tirer des conclusions aussi bien méthodologiques qu'analytiques et pratiques. Compte tenu du caractère non marchand de l'actif naturel qui est ici représenté par le saumon naturel, d'élevage, sauvage ou génétiquement modifié. La méthode d'évaluation contingente est utilisée comme support de base de l'exercice de valorisation.

En dépit des dispositions prises, les résultats produits restent soumis à deux limites très importantes. La première est liée à l'échantillon qui est sujette à caution, la taille est de 72 individus sur une population universitaire estimée à 5 400 étudiants et d'autre part le revenu relativement peu élevé des étudiants dont la moyenne est 36 057 $, néanmoins le constat est que les individus attribuent incontestablement une valeur monétaire en fonction des avantages environnementaux, sociétaux et économiques qu'ils retirent de l'usage du saumon.

L'analyse des facteurs exerçant une influence significative sur le CAP a permis de mettre en évidence le rôle important des caractéristiques socioéconomiques, des appréciations qualitatives et des motivations individuelles dans le processus d'évaluation du saumon naturel. En effet, le CAP moyen est de 0,94$ et représente 31,29% du prix actuel pratiqué dans les épiceries. Ainsi, l'effet positif du revenu témoigne de la relation étroite entre les ressources financières du ménage et sa consommation du saumon. L'ensemble de ces effets montre que le CAP moyen calculé englobe aussi bien les bénéfices esthétiques que psychologiques que génère le saumon naturel pour les individus. Car la plus part des individus sondés sont préoccupés par l'empaquetage, la saveur et la grosseur

Les implications de l'application de la méthode d'évaluation contingente au saumon sont multiples. D'une part, les résultats dégagés permettraient d'étendre les analyses classiques « coûts-avantages » dans les projets relatifs à la conservation, à la production, la commercialisation et la consommation du saumon en générale et du saumon génétiquement modifié en particulier si sa commercialisation venait à être acceptée par les autorités québécoises. D'autre part, les valeurs calculées constitueraient des références de base pour les études futures visant l'appréhension de la valeur économique du saumon au Québec.

Au demeurant nous regrettons le fait que nous n'ayons pas eu assez de temps pour faire une enquête consistante et plusieurs simulations des données obtenues pour avoir une vision plus exhaustive sur notre étude.

BIBLIOGRAPHIES

Bishop, R. C., T. A. Heberlein, and M. J. Kealy (1983, July). Contingent valuation of

environmental assets: Comparisons with a simulated market. Natural Resources

Journal 23(3), 633 pages.

Buhr, B. L., D. J. Hayes, J. F. Shogren, and J. B. Kliebenstein (1993, December). Valuing

ambiguity: The case of genetically engineered growth enhancers. Journal of

Grimsrud, K. M., J. J. McCluskey, M. L. Loureiro, and T. I. Wahl (2004). Consumer

attitudes to genetically modified food in Norway. Journal of Agricultural

Economics 55, 75-90.

Gorelick et Al (2005), Manger local Un choix économique et écologique, les éditions écosociété, Montréal pp133-143

Haab, T. C. and K. E. McConnell (2003). Valuing Environmental and Natural Resources:

The Econometrics of Non-Market Valuation. Cheltenham, UK and Northampton, MA,

USA: Edward Elgar.

Hanemann, W. M. (1991, June). Willingness to pay and willingness to accept: How much

can they differ? American Economic Review 81, 635-647.

Kaneko, N. and W. S. Chern (2005). Willingness to pay for genetically modified oil,

cornflakes, and salmon: Evidence from a U.S. telephone survey. Journal of Agricultural

and Applied Economics 37(3) (forthcoming).

Loureiro, M. L., J. J. McCluskey, and R. C. Mittelhammer (2002, Winter). Will consumers pay a premium for eco-labeled apples? Journal of Consumer Affairs 36(2), 203-219.

Lusk, J. L., J. Roosen, and J. A. Fox (2003, February). Demand for beef from cattle

administered growth hormones or fed genetically modified corn: A comparison of

consumers in France, Germany, the United Kingdom, and the United States. American

Journal of Agricultural Economics 85(1), 16-29.

Mitchell, R. and R. Carson (1989). Using Surveys to Value Public Goods: The Contingent Valuation Method. Washington, D.C.: Resources for the Future.

Moon, W. and S. K. Balasubramanian (2001). Public perceptions and willingness-to-pay a premium for non-GM foods in the US and UK. AgBioForum 4, 221-231.

Pelt J. M.(1999), Plantes et aliments transgéniques, Les éditions Fayard pp131-133

Revelant O. (2001) L'alimentation de demain le règne des OGM, Les essentiels milan pp 31-55.

Tietienberg T. (2006) Environmental and natural resource Economics, seventh edition, pearson addison Wesley

Terra Sebastien (2006) Guide de BP pour la mise en oeuvre de la MPH , Document de travail, Paris 83 pages

SITES INTERNETS

Aqua Bounty Technologies, 2006. http://www.aquabounty.com/products.html, juillet 2007

Ministère des Pêches et Océans du Canada http://www.dfompo.gc.ca/science/Story/pacific/risk_assessment_f.htm, juin 2007

Ministère des pêches et Océans du Canada,http://www.dfo-mpo.gc.ca/media/newsrel/2007/ccfam_f.htm, novembre 2007

Greenpeace France,2007 : http://www.greenpeace.org/france, juillet 2007

Distribution électronique Cairn,2007 www.cairn.info/article_p.php?ID_ARTICLE=EG_321_0047, éditions Belin, novembre 2007






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








"Ceux qui rĂªvent de jour ont conscience de bien des choses qui échappent à ceux qui rĂªvent de nuit"   Edgar Allan Poe