Navigation – Plan du site

AccueilNuméros333DossierEstimation des coûts de productio...

Dossier

Estimation des coûts de production en phytosanitaires pour les grandes cultures. Une approche par la régression quantile

Quantile estimates of costs for plant protection in field crops
Dominique Desbois, Jean-Pierre Butault et Yves Surry
p. 27-49

Résumés

Le but de cet article est de proposer une méthodologie d’estimation des coûts de production agricole en phytosanitaires pour les grandes cultures permettant de prendre en compte la variabilité des dépenses induite par l’hétérogénéité des profils d’usage des exploitants agricoles. Après avoir rappelé le contexte institutionnel dans lequel s’impose l’objectif de réduction des phytosanitaires, les auteurs présentent l’approche par la régression quantile, méthodologie retenue afin d’évaluer les coûts en phytosanitaires pour les grandes cultures en France. Puis ils détaillent les estimations obtenues selon d’une part les critères d’estimation (surfaces ou produits bruts) et, d’autre part, les types de structures (bassin de production, orientation technico-économique, classe de dimension économique). Enfin ils discutent la validité empirique des résultats en suggèrent une extension de ces analyses au plan européen.

Haut de page

Texte intégral

Cette recherche a bénéficié d’un financement du 7ième Programme Cadre de la Communauté européenne (FP7/2007-2013) sous l’agrément n° 212292

Objectif de réduction des phytosanitaires et problématique de l’estimation des coûts de production

1Compte tenu d’un régime de prix favorable et de débouchés garantis par les orientations initiales de la Politique agricole commune, l’agriculture française a, jusqu’à un passé récent, largement privilégié une orientation productiviste basée sur un recours intensif aux intrants, y compris phytosanitaires, avec pour objectif la croissance des rendements synonyme de progression des revenus. La France consommant plus de 85 500 tonnes de matières actives (estimation triennale [2001-2003]) représente plus de 10 % de la consommation de la zone OCDE (OCDE, 2008). Bien qu’il faille rapporter cette consommation à une surface importante de 19,5 millions d’hectares de terres cultivées, elle figure néanmoins au 6e rang de l’Union européenne pour la consommation de phytosanitaires avec 4,4 kg par hectare de terres arables et cultures permanentes (donc hors surfaces en herbe) pour cette période. Le tonnage de matière active a diminué de 10 % entre les périodes [1990-1992] et [2001-2003], ce qui situe la France au-delà de la moyenne OCDE (-5 %) et a fortiori des pays européens (-4 % pour l’UE-15), mais bien en deçà du Danemark (-37 %), doté depuis 1986 d’une politique publique de réduction des phytosanitaires basée sur un indicateur de pression environnementale.

2Au plan européen, la directive sur les produits phytopharmaceutiques (Règlement CE n° 1107/2009), promulguée le 21 octobre 2009 pour une mise en application en 2011 par les États membres, instaure un cadre d’action communautaire pour parvenir à une utilisation durable des phytosanitaires.

3Au plan national, le Grenelle de l’environnement s’est fixé comme objectif de réduire l’usage des produits phytosanitaires de 50 % dans un délai inférieur à 10 ans. Correspondant à cet objectif, le plan d’action Ecophyto 2018 a été soumis au Gouvernement (Paillotin, 2008). Un des objectifs majeurs de ce plan est de développer des systèmes de culture économes en phytosanitaires. Parmi les principaux moyens envisagés figurent : i) l’extension des pratiques de rotations culturales entre les céréales, oléagineux, protéagineux, les autres cultures et les prairies ; ii) l’élimination des sources d’inefficacité en agriculture conventionnelle ; et iii) l’amélioration des connaissances scientifiques et techniques en agronomie. Conformément à cet engagement national pour l’environnement, le Comité opérationnel (COMOP) a rendu ses conclusions le 15 mai 2009 proposant un dispositif de certification environnementale des exploitations agricoles en trois niveaux, dont le troisième, certifie des performances environnementales mesurées et atteintes.

4Un des problèmes majeurs dans l’utilisation d’un programme d’optimisation pour l’analyse et la modélisation du comportement des agriculteurs réside dans l’agrégation des données disponibles. D’une part, les dépenses en matière d’herbicides, d’insecticides et de fongicides ne sont disponibles au plan comptable que sous la forme d’un seul agrégat intitulé « dépenses phytosanitaires ». D’autre part, ces dépenses sont en général considérées au niveau de l’exploitation et non par culture. Dans le cas où ces données existent, elles sont tirées de comptabilités analytiques d’exploitations et leur couverture demeure partielle en termes de conditions pédoclimatiques et de systèmes de culture.

  • 1 La procédure développée dans cet article est à distinguer des approches microéconomiques développée (...)

5Nous proposons d’apporter des éléments de solution à ce problème en estimant les dépenses phytosanitaires selon différents produits culturaux et profils d’allocation de surface pour les principales grandes cultures1. Afin d’obtenir une affectation de ces dépenses globales en phytosanitaires à chacune des productions de l’exploitation agricole selon les produits culturaux ou les surfaces allouées, nous présentons des modèles d’estimation du coût en traitement phytosanitaire pour l’ensemble des exploitations agricoles françaises de grande culture en 2006 sur la base du Réseau d’information comptable agricole (RICA). Ces modèles permettront d’effectuer des comparaisons régionales. Cette étude expose une méthodologie robuste d’estimation des dépenses phytosanitaires par culture reposant sur la régression quantile et permettant de prendre en compte la variabilité des dépenses induite par l’hétérogénéité des profils de traitement des exploitants agricoles. En procédant de cette manière, il est possible d’obtenir une distribution estimée du coût des phytosanitaires pour les principaux produits de grande culture. Sur la base des résultats obtenus, nous analysons ensuite la variabilité d’usage des phytosanitaires de façon empirique en fonction du facteur régional, de l’orientation technico-économique et de la classe de dimension économique.

Méthodologie d’estimation des dépenses phytosanitaires par culture

La spécification initiale du modèle coûts de production

  • 2 Le questionnaire servant à établir cette « fiche d'exploitation » et la méthodologie de l'enquête R (...)
  • 3 Les dépenses en produits phytosanitaires sont définies dans le RICA par la charge réelle (CHRPH) ca (...)
  • 4 Ces coefficients peuvent aussi s’interpréter comme une estimation de la dépense moyenne relative à (...)

6En dépit d’une tendance à la spécialisation, la plupart des exploitations agricoles actuelles dans l’Union européenne (UE) s’inscrivent dans un schéma multi-produits. Dans les systèmes de comptabilités agricoles de l’UE, l’enregistrement des charges s’effectue de manière agrégée au niveau de l’exploitation et ne fournit pas d’estimation directe des coûts de production supportés par cette exploitation pour chacune des spéculations agricoles entreprises. En revanche, la « fiche d’exploitation »2 de l’enquête RICA fournit individuellement par exploitation agricole l’enregistrement comptable de chaque poste de charges – en particulier celui des « dépenses phytosanitaires »3 – et le montant des produits bruts générés par les différentes spéculations. De sorte qu’il devient possible d’estimer par un système de régression des charges sur les produits bruts des coefficients d’affectation des dépenses aux principaux produits agricoles, appellé « coefficients techniques de production ». En disposant ce système de relations comptables pour l’exploitation (indice i) sous la forme d’un tableau où les colonnes représentent les biens agricoles produits (indice j) et les lignes les facteurs de production (indice k), on obtient une matrice d’entrées-sorties, d’où la dénomination alternative de « coefficient d’input-output4 ».

Xkmodèle d’estimation des coûts de production agricolesYj
  • 5 Ces hypothèses se résument comme suit : erreurs aléatoires Ɛik indépendantes et identiquement distr (...)

7L’équation (1) a été initialement estimée par l’ajustement des moindres carrés ordinaires (MCO) (Bureau et Cyncynatus, 1991). Cette méthode numériquement adaptée à l’estimation des fonctions de coûts linéaires, fournit l’estimateur sans biais de variance minimale des coefficients techniques de production, pourvu que les hypothèses5 stochastiques du modèle soient respectées.

et al. cf. infra,Estimation comparée des coûts en phytosanitaires

8Tout en fournissant des résultats économétriques qui sont, de prime abord, satisfaisants, la spécification MCP soulève certains problèmes qu’il ne faut pas ignorer. Tout d’abord, dans un contexte d’utilisation mobilisant le RICA français comme base empirique d’estimation des coûts de production, les hypothèses stochastiques du MCP peuvent ne pas être respectées : ainsi, l’asymétrie des distributions de charges phytosanitaires (concentration pour les valeurs plus faibles et dispersion des valeurs plus élevées que la moyenne) conduit au rejet de l’hypothèse de normalité des erreurs. En outre, compte tenu du mode de sélection spécifique au RICA français (enquête selon la méthode des quotas), les données comptables ne sont pas recueillies selon un plan de sondage aléatoire stratifié permettant de délivrer selon un raisonnement inférentiel une estimation par intervalle.

9Au plan empirique, les résultats du MCP apparaissent assez fiables pour les céréales quand l’intra-consommation (consommation intermédiaire par l’exploitation agricole de ses propres produits) n’est pas dominante. Dans le cas contraire, dans la mesure où les produits agricoles intra-consommés ne sont pas pris en compte dans le calcul du produit, l’estimation du coefficient technique de production correspondant, peut être biaisée. C’est le cas pour certaines cultures de plein champ, notamment les céréales, où l’intra-consommation de semences n’est pas négligeable. Cependant, à moins de considérer que certaines pratiques (allongement des rotations culturales, désherbage mécanique) viendraient se substituer préventivement aux traitements phytosanitaires, nous faisons l’hypothèse que l’intra-consommation de produits phytosanitaires est négligeable.

La régression quantile

  • 6 Pour une présentation détaillée et concise de la régression quantile, voir le livre de Koenker (200 (...)

10La régression quantile a été développée par Koenker et Bassett (1978) afin de prendre en compte l’hétérogénéité de l’ensemble des valeurs d’une variable endogène x dans le contexte d’un modèle linéaire6. Lorsqu’on s’intéresse aux exploitations agricoles, cette méthode économétrique permet d’obtenir une distribution estimée du coût des phytosanitaires pour les principaux produits de grande culture et ainsi complète les estimations obtenues par MCO, qui ne fournissent qu’une valeur moyenne (en termes d’espérance) de ces mêmes coûts. Au lieu d’une estimation par intervalle bâtie sur une hypothèse de normalité, le processus quantile fournit une distribution empirique des estimations sans avoir à formuler d’hypothèses sur la nature de cette distribution ni à suivre un plan de sondage aléatoire stratifié.

11Pour une variable aléatoire (va) continue x, le qième quantile de la population est la valeur µq telle que x soit inférieure ou égale à µq avec la probabilité q. Ainsi, peut-on écrire :

FxxxqièmeqqièmexYµq(Y)xYµq(Y) qqième

12 Fx/Y est la fonction de répartition de la loi de x conditionnée par Y.

7.qièmeq

13La procédure d’estimation utilisée en régression quantile, présentée dans l’encadré ci-après, repose sur la norme des écarts en valeur absolue. Cela implique que l’estimation est moins sensible aux valeurs extrêmes de la variable endogène que la régression MCO dont l’ajustement s’opère selon la norme du carré des écarts résiduels. Ainsi la régression quantile permet-elle d’explorer l’hétérogénéité des profils de dépenses en inférant, de façon robuste en fonction de chaque quantile de dépenses phytosanitaires, un profil d’allocation de ce facteur de production conditionnellement soit aux allocations de surfaces pour les différentes cultures, soit au produit brut généré par les cultures présentes sur l’exploitation agricole.

Bases empiriques de l’estimation

14L’enregistrement effectué par le RICA des dépenses en produits de protection des cultures ainsi que des surfaces allouées annuellement aux cultures et des produits récoltés constitue la base empirique de notre estimation des coûts phytosanitaires. Il fournit ainsi un détail des charges d’exploitation permettant de connaître chaque année la dépense en produits phytosanitaires. Le RICA fournit également les allocations de surface pour chacune des cultures et les montants des produits bruts obtenus pour chacun des produits correspondants.

15L’unité statistique du RICA est l’exploitation agricole ; sa représentativité est assurée – sur une base régionale et technico-économique – par un échantillonnage conduit d’après une sélection sur quotas et prenant en compte d’une part, la région au niveau II de la Nomenclature des unités territoriales statistiques de l’Union européenne (NUTS), et d’autre part la répartition de la marge brute standard de l’exploitation selon les deux critères que sont l’orientation technico-économique et la classe de dimension économique. La périodicité du RICA est annuelle et

16Procédure d’estimation de la régression quantile

17Pour chaque quantile d’ordre q, la régression quantile est estimée comme la solution d’un problème de minimisation selon le critère de l’écart en valeur absolue (norme L1) :

8
  • 9 Parmi les variantes de cet algorithme, la procédure QUANTREG de SAS 9.2 utilise l’implantation « pr (...)

18Pour les échantillons de grande taille, Portnoy et Koenker (1997) ont montré qu’une combinaison de l’algorithme du « point intérieur »9 (Karmakar, 1984) et d’un prétraitement adapté rend les calculs de la régression quantile compétitifs avec ceux de la régression des moindres carrés.

19Compte tenu de la taille de l’échantillon RICA, de sa sélection non-aléatoire et de l’existence de trois sous-populations a priori distinctes (Otex), nous utilisons la méthode du ré-échantillonnage, basée sur la technique du bootstrap car, sans hypothèse sur les distributions, elle donne des intervalles de confiance empiriques en un temps de calcul raisonnable.

  • 10 D’un point de vue économétrique, l’adjonction de poids à chaque observation de l’échantillon RICA p (...)

20L’enquête est réalisée dans chacun des États membres de l’UE selon des concepts et définitions harmonisés. La population de référence est celle des exploitations de grandes cultures, comprenant les orientations technico-économiques (Otex) suivantes : céréales, oléagineux, protéagineux (Otex 13), cultures générales (Otex 14) et grandes cultures et herbivores (Otex 81), soit un sous-échantillon de 2 551 exploitations sur les 7 344 de l’échantillon français du RICA en 2006. Un aperçu sur les principales caractéristiques de cet échantillon des exploitations agricoles apparaît au tableau 1. Chaque exploitation de l’échantillon est affectée d’un poids calculé comme l’inverse du taux de sondage de chaque strate définie par le croisement des trois critères structuraux : région, organisation technico-économique et classe de dimension économique. L’utilisation de cette pondération permet à partir des estimations pondérées de reconstituer les dépenses phytosanitaires correspondantes au niveau macroéconomique10. Pour tenir compte des « queues de quota », la pondération du RICA est réalisée a posteriori par un algorithme de calage sur marges selon la méthode du logit produisant des poids positifs et permettant un contrôle du rapport des poids (Deville, Särndal et Sautory, 1993).

Tableau 1. Descriptif de la base d’estimation RICA 2006 (exploitations de grandes cultures)

Tableau 1. Descriptif de la base d’estimation RICA 2006 (exploitations de grandes cultures)

Notes : Moyennes et erreur-type (entre parenthèses)

Source : RICA 2006

Estimation comparée des coûts en phytosanitaires

  • 11 Dans le cas de la première spécification du modèle MCP, les variables explicatives exprimées en eur (...)

21Dans cette partie sont réunis et discutés tous les résultats économétriques de la régression quantile appliquée au modèle coût de production (MCP) représenté par l’expression (6). L’estimation à l’aide du programme QUANTREG du logiciel SAS a été effectuée pour deux spécifications de ce modèle, la première reposant sur des variables explicatives représentant les produits bruts des grandes cultures et la deuxième en fonction des surfaces cultivées exprimées en hectares. Dans les deux cas, les variables explicatives sont au nombre de 13 ou 1411, comprenant ainsi l’ensemble des grandes cultures produites par les exploitations agricoles françaises faisant partie des Otex 13, 14 et 81. En raison d’un manque de place, les estimations des coûts phytosanitaires présentées dans les prochains tableaux se rapportent aux principales grandes cultures produites en France. De plus, ces estimations sont effectuées pour les quartiles conditionnels Q1[0,25], Q2[0,50] et Q3[0,75] et comparées avec l’estimation issue des moindres carrés ordinaires (MCO).

Estimations selon le produit brut

22En effectuant les analyses sur la base du produit brut dégagé par culture, on obtient des estimations pour 1 000 € de produit brut (tableau 2). Les coefficients estimés conditionnellement au troisième quartile (Q3) sont tous significativement différents de zéro. C’est également le cas pour l’estimation MCO, sauf pour la catégorie « autres oléagineux ». Pour les estimations conditionnelles au premier quartile (Q1) et la médiane (Q2), seuls les coefficients se rapportant aux protéagineux et les autres oléagineux ne sont pas significativement différents de zéro.

Tableau 2. Estimations quartiles et MCO selon le produit brut

Tableau 2. Estimations quartiles et MCO selon le produit brut

Source : RICA 2006

23Pour ces estimations, le premier quartile conditionnel est inférieur à la médiane conditionnelle, elle-même inférieure au troisième quartile conditionnel, à l’exception de la

  • 12 Ce résultat étant conforme avec l’hypothèse d’hétéroscédasticité multiplicative des résidus dans le (...)

24betterave sucrière où le coefficient estimé selon le premier quartile est égal à celui estimé selon la médiane. Les estimations de tendance centrale, selon la médiane conditionnelle (Q2) et l’espérance conditionnelle (MCO), sont proches (moins de 10 % d’écart) pour le blé tendre, le blé dur, le maïs et le tournesol, assez proches (moins de 15 % d’écart) pour la pomme de terre et l’orge, assez différentes (plus de 15 % d’écart) pour le colza, les autres céréales et la betterave sucrière. Relativement à l’estimation quantile de type Q2, l’estimation MCO sous-estime les dépenses phytosanitaires pour le blé tendre, l’orge, le maïs, la pomme de terre, les autres céréales et le tournesol, et les surestime dans les autres cas. Si l’on examine l’ensemble du processus quantile pour chacune des cultures, on constate que les coûts phytosanitaires du blé tendre sont significativement croissants selon les quantiles de dépenses en phytosanitaires (figure 1), compte tenu de la dispersion des estimations obtenue à partir du processus de ré-échantillonnage12.

25Cependant si l’on compare aux niveaux moyens de l’indice de fréquence de traitement (IFT) issu de l’enquête Pratiques culturales (PK) 2006 (Chapelle-Barry, 2008), on constate que les ordres de grandeurs relatifs entre céréales sont peu ou prou respectés par la procédure d’estimation médiane des coûts. Ainsi, le rapport des coûts médians du blé tendre à ceux du maïs est de 1,8 alors que le rapport homologue pour l’IFT est de 2. Ce rapport est de 1,4 pour le blé dur relativement au maïs alors que le rapport des IFT est de 1,5. Constat identique pour les oléagineux : le rapport des coûts médians du colza à ceux du tournesol est de 2,6 alors que celui des IFT est de 2,7.

  • 13 Nous ne présentons pas toutes ces informations pour la période 1987-2009 en raison de la masse d’in (...)

26L’analyse en coupe diachronique13 sur la période 1987-2009 montre que les estimations quantiles des coûts phytosanitaires selon le produit brut pour les céréales sont croissantes sur la période pour les céréales, relativement cyclique sur une période raccourcissant de 5 à 3 ans pour la pomme de terre, sont décroissantes pour la betterave sucrière.

Figure 1. Distribution estimée des coefficients de produit brut pour le blé tendre

Figure 1. Distribution estimée des coefficients de produit brut pour le blé tendre

27Les estimations quantiles pour les protéagineux et les oléagineux sont croissantes sur la période 1986-1993 puis varient autour d’une tendance stable sur la période 1994-2005 et décroissantes sur la période 2006-2009. La comparaison avec les observations analytiques issues des sondes grandes cultures (SGC) du RICA (Île-de-France, Centre et Midi-Pyrénées) et du Centre d’économie rurale (CER) de la Meuse permet de situer les producteurs de ces bassins relativement à l’ensemble des producteurs français : ainsi, les agriculteurs meusiens présentent les coûts phytosanitaires par euro de produit brut parmi les plus faibles pour les céréales et le colza tandis que les franciliens se situent dans le premier quartile pour la betterave sucrière, les agriculteurs de Midi-Pyrénées sont proches du coût médian pour le tournesol, et ceux de la région Centre proches du premier quartile pour le blé tendre.

Estimations selon la surface cultivée

28Sur la base des assolements pratiqués par les exploitations spécialisées en grandes cultures (Otex 13, 14 et 81) du RICA 2006, nous avons effectué des estimations selon les trois quartiles conditionnels (Q1, Q2 et Q3), en comparant avec les estimations MCO pour apprécier l’effet de l’hétérogénéité sur la distribution des estimations (tableau 3). Pour l’estimation menée à partir des surfaces cultivées, les coefficients estimés sont tous significativement différents de zéro, sauf ceux relatifs à la catégorie « autres oléagineux » qui rassemblent des cultures relativement minoritaires en France dont le soja.

29Ces estimations conditionnelles selon les quantiles sont croissantes monotones selon le quartile de dépenses phytosanitaires : le premier quartile conditionnel est inférieur à la médiane conditionnelle, elle-même inférieure au troisième quartile conditionnel, à l’exception du tournesol pour lequel l’ordre est inverse et des protéagineux pour lesquels le premier quartile est légèrement supérieur à la médiane conditionnelle. Les estimations de tendance centrale, selon la médiane conditionnelle Q2 et selon l’espérance conditionnelle (MCO), sont très proches (moins de 2 % d’écart) pour le blé tendre, le blé dur, le maïs et la pomme de terre, proches (moins de 10 % d’écart) pour le tournesol, assez proches (moins de 15 % d’écart) pour le colza et l’orge, assez différentes (plus de 15 % d’écart) pour les betteraves sucrières, les fourrages et les protéagineux. Par rapport à l’estimation selon la médiane conditionnelle, l’estimation MCO sous-estime les dépenses phytosanitaires pour l’orge, le maïs, la pomme de terre, la betterave sucrière, le tournesol ou le fourrage (effet des valeurs nulles pour ces distributions de surfaces), et les surestime dans les autres cas (effets des valeurs positives élevées). Pour le maïs, les dépenses phytosanitaires estimées apparaissent plus faibles que pour les autres céréales.

30Cependant, si pour les céréales et les oléagineux, les ordres de grandeur internes à chaque type de culture indiquent une correspondance entre l’échelle des estimations obtenues et celle du nombre de traitements appliqués, il n’en est pas de même pour d’autres types de cultures. Ainsi pour les cultures industrielles, le rapport des coûts médians de la pomme de terre à la betterave sucrière est de 2,1 alors que le rapport des IFT est de 3,8 : les profils de coûts entre ces deux cultures industrielles ne semblent pas comparables. De même, les ordres de grandeur des estimations entre les céréales et le colza sont en désaccord avec les IFT respectifs : rapport de 1,5 du colza au blé tendre pour l’IFT alors que le rapport entre les estimations est inférieur à l’unité. Cette analyse empirique montre donc qu’une procédure d’estimation des coûts phytosanitaires devrait tenir compte en première approximation de l’IFT spécifique à chaque type de culture et, le cas échéant, des profils de traitements particuliers appliqués à chaque culture.

Tableau 3. Estimations quartiles et MCO selon la surface

Tableau 3. Estimations quartiles et MCO selon la surface

31Sur l’ensemble du processus quantile, l’estimation selon les surfaces produit pour le blé tendre une distribution similaire à celle selon les produits bruts (figure 1) avec cependant des infléchissements plus marqués pour les quantiles extrêmes de la distribution. Les estimations, selon la surface, sont supérieures sur la période 1987-2009 aux estimations calculées selon le produit pour une surface médiane de blé tendre, de blé dur, d’orge, de protéagineux, de pomme de terre et de betterave sucrière. Ces estimations sont à des niveaux équivalents pour le maïs. La relation s’inverse pour les spéculations complémentaires telles que le colza et le tournesol dont les estimations, selon le produit, sont supérieures aux estimations selon la surface.

Estimation selon les bassins de production

32La comparaison peut être également menée par bassins de production, ici définis de la façon suivante : le bassin Nord {Île-de-France, Champagne-Ardenne, Picardie, Haute-Normandie, Centre, Basse-Normandie, Bourgogne, Nord-Pas-de-Calais, Lorraine, Alsace, Franche-Comté, Pays de la Loire, Bretagne} et le bassin Sud {Poitou-Charentes, Aquitaine, Midi-Pyrénées, Limousin, Rhône-Alpes, Auvergne, Languedoc-Roussillon, Provence-Alpes-Côte d’Azur, Corse}. Les estimations des coûts obtenus pour les deux bassins de production sont présentées au tableau 4.

33Selon l’estimation menée à partir des surfaces (apparaissant au bas du tableau 4), le blé tendre et le blé dur apparaissent plus onéreux en phytosanitaires dans le bassin Nord que dans le bassin Sud tandis que cet ordre s’inverse pour l’orge, le maïs et le colza (excepté pour le troisième quartile de cette dernière culture). Pour les autres productions, la comparaison entre les deux bassins est plus délicate car les coefficients ne sont pas tous significatifs (certaines productions étant moins courantes dans l’un ou l’autre des bassins). Cependant, les intervalles interquartiles (définis par Q3-Q1) ne sont disjoints pour aucune des cultures où la comparaison peut être effectuée.

34Sur la base des intervalles de confiance (IC) empiriques à 95 % disjoints pour les processus quantiles respectifs des bassins Nord et Sud, le graphique 2 confirme l’existence d’un différentiel sur le coût phytosanitaire du blé tendre pour ces deux bassins.

Tableau 4. Estimations des coûts phytosanitaires pour les principales grandes cultures par grands bassins de production

Tableau 4. Estimations des coûts phytosanitaires pour les principales grandes cultures par grands bassins de production

35Ce différentiel de charges entre la moitié septentrionale et la moitié méridionale de la France est attribuable en partie à la composante fongicide des traitements sur le blé tendre, largement sous influence climatique : l’IFT fongicide est supérieur à 1,8 en Nord-Pas-de-Calais, Picardie et Basse-Normandie, tandis qu’il est inférieur à 1 et souvent proche de 0,5 dans les régions au sud de la Loire (Cassagne, 2009). La différenciation des profils de traitement phytosanitaire est induite par les conditions de production : les automnes doux et humides ainsi que les printemps frais et pluvieux, plus fréquents au nord de la Loire, constituent des conditions météorologiques favorables au développement des champignons parasites du blé tendre.

36Poursuivant cette comparaison Nord/Sud à partir des estimations selon le produit brut, les conclusions n’en diffèrent que sur les points suivants : si le blé tendre est toujours plus onéreux en phytosanitaires dans le bassin Nord, en revanche le blé dur apparaît plus onéreux en phytosanitaires dans le bassin Sud, rejoignant ainsi l’orge, le maïs grain, le colza et le tournesol. Autre différence : les coefficients des pommes de terre et des betteraves sucrières ne sont significativement différents de zéro que pour le bassin Nord.

37Enfin, pour le blé dur et l’orge, les intervalles interquartiles [Q1 ; Q3] sont disjoints entre les bassins Nord et Sud (au moins 75 % des exploitations de chacun des deux bassins de production ne se situent pas dans la même échelle de coût, selon les estimations réalisées). Au total, la hiérarchie des coûts estimés en phytosanitaires demeure globalement en faveur du bassin Nord, y faisant apparaitre à l’exception du blé tendre, un coût inférieur en traitements phytosanitaires pour les cultures céréalières et oléagineuses.

Figure 2. Processus quantiles et intervalles de confiance des bassins Nord et Sud pour le blé tendre

Figure 2. Processus quantiles et intervalles de confiance des bassins Nord et Sud pour le blé tendre
Image 2000134600007FF70000592F350966C3.wmf

38L’analyse en coupe diachronique sur la période 1987-2009 confirme ces éléments de différenciation entre les bassins Nord et Sud pour les coûts en phytosanitaires des céréales les plus courantes (blé tendre, orge et maïs).

Estimations par groupes de dimension économique

  • 14 Agrégation des Cdex 5, 6, 7 et 8 du RICA.
  • 15 Agrégation des Cdex 9 et 10 du RICA.

39Afin de tester empiriquement l’existence d’économies d’échelle, nous avons regroupé les exploitations de grandes cultures en deux groupes aux poids sensiblement équivalents dans la population : d’une part, l’ensemble des exploitations dont la classe de dimension économique (Cdex) est inférieure ou égale à 8 que nous appelons Groupe I14, soit moins de 150 ha équivalent-blé en termes de marge brute standard ; d’autre part, l’ensemble des exploitations dont la classe de dimension économique est supérieure ou égale à 9 (dénommé Groupe II) 15, soit plus de 150 ha équivalent-blé en termes de marge brute.

40Pour les céréales, les coûts estimés en phytosanitaires du Groupe I sont supérieurs à ceux relatifs au Groupe II. Néanmoins, ces différences apparaissent significatives seulement pour l’orge dont les intervalles interquartiles respectifs ces deux grands groupes de dimension économique sont disjoints dans l’estimation selon le produit brut. Pour les cultures industrielles, la hiérarchie des coûts est inversée bien que les écarts soient moins importants. Pour les oléagineux, les coûts en phytosanitaires du tournesol sont supérieurs pour le Groupe I alors que c’est l’inverse pour le colza où les coûts phytosanitaires du Groupe II apparaissent supérieurs si l’on s’appuie sur la distribution des quartiles. L’analyse en coupe diachronique sur la période 1987-2009 montre des intervalles de confiance empiriques du Groupe I et du Groupe II se chevauchant pour les grandes cultures, à l’exception du blé tendre et la betterave sucrière où ils sont disjoints en 2008 et 2009.

41Aux exceptions de l’orge en 2006 et, plus récemment en 2008 et 2009, du blé tendre et de la betterave sucrière, il n’apparaît donc pas de différences significatives entre coûts phytosanitaires qui soient liés à la dimension économique. Selon les règles de décision utilisées, il n’y a donc pas d’éléments concluants en faveur de l’existence d’économies d’échelle.

Tableau 5. Estimations des coûts phytosanitaires pour les principales grandes cultures par grandes classes de dimension économique

Tableau 5. Estimations des coûts phytosanitaires pour les principales grandes cultures par grandes classes de dimension économique

Estimations selon les orientations technico-économiques

42La comparaison entre les différentes orientations technico-économiques (Otex) plus ou moins spécialisées en grandes cultures permet d’apprécier l’impact d’une plus grande spécialisation (par exemple, spécialisation de l’Otex 13 en cultures céréalières et oléo-protéagineuses ou spécialisation de l’Otex 14 en cultures industrielles comme la pomme de terre de féculerie ou la betterave sucrière) ou d’une plus grande diversification productive (par exemple, pour l’Otex 81 entre grandes cultures et élevage herbivore).

  • 16 Au niveau de confiance de 95 %.

43Selon les estimations réalisées d’après les produits bruts (tableau 6), la significativité des coefficients de charges phytosanitaires est différente selon les orientations technico-économiques : les coefficients de la pomme de terre significatifs pour l’Otex 14, ne le sont pas tous 16 pour l’Otex 13, témoignant du caractère marginal de cette culture pour certains quartiles de cette orientation ; c’est le cas également des protéagineux, du tournesol et du colza pour l’Otex 14. A contrario, certaines cultures peuvent apparaître, du fait d’une grande significativité des coefficients, comme intégrées de manière standard aux assolements (par exemple, la pomme de terre pour l’Otex 14). Pour le blé tendre, les intervalles interquartiles de coût phytosanitaire sont disjoints entre l’Otex 13 (coûts inférieurs) et l’Otex 14 ; pour la betterave sucrière également, avec l’Otex 14 (coûts inférieurs) versus l’Otex 13 ; c’est quasiment le cas pour le maïs grain entre l’Otex 13 (coûts inférieurs) et les Otex 14 et 81 ; ces différences significatives refléteraient des profils distincts de traitement induits par les facteurs sous-jacents à la spécialisation soit en céréales-oléo-protéagineux, soit en cultures industrielles. Ces écarts de coût résulteraient en partie de rotations culturales spécifiques à chacune des orientations de grandes cultures, dont l’allongement ou la rupture des cycles culturaux permettraient par exemple de mieux contrôler les infestations.

44D’après les estimations réalisées selon les surfaces, le niveau des coûts par hectare est plus élevé pour les céréales dans l’Otex 14, relativement aux autres Otex de grandes cultures (13 et 81). Par contre, le niveau des dépenses phytosanitaires y apparaît considérablement plus faible en betteraves industrielles, relativement aux autres Otex de grandes cultures ; ce phénomène est beaucoup moins marqué pour l’autre culture industrielle majeure qu’est la pomme de terre Pour le blé tendre, les intervalles interquartiles sont disjoints entre l’Otex 13 (coûts inférieurs) et l’Otex 14 ; de même en maïs, pour l’Otex 13 (coûts inférieurs) contre l’Otex 14, ou encore inversement en betteraves sucrières, coûts inférieurs pour l’Otex 14 contre l’Otex 13 et l’Otex 81, attribuables à une plus grande spécialisation en cette culture.

Tableau 6. Estimations des coûts phytosanitaires pour les principales grandes cultures par orientation technico-économique

Tableau 6. Estimations des coûts phytosanitaires pour les principales grandes cultures par orientation technico-économique

45Ces différences, jugées significatives selon un critère d’absence de chevauchement des intervalles inter-quartiles, apparaissent compatibles voire cohérentes avec la spécialisation relative de chaque Otex de grande culture. Une méthodologie plus élaborée permettrait d’affiner ces tests par le calcul d’un risque de première espèce.

46L’analyse en coupe diachronique sur la période 1987-2009 confirme, pour le blé tendre et le maïs, des coûts phytosanitaires significativement inférieurs pour l’Otex 13 à ceux de l’Otex 14, divergents à compter de 1994. De même, pour la betterave sucrière, les coûts phytosanitaires de l’Otex 14 sont inférieurs à ceux de l’Otex 13 sur l’ensemble de la période. On peut voir dans ces évolutions divergentes des coûts phytosanitaires un indice de la spécialisation de plus en plus marquée de ces deux orientations.

47Notre article montre comment la régression quantile pouvait être appliquée aux problèmes d’estimation des dépenses phytosanitaires par culture selon l’information technique et comptable disponible : produits bruts et surfaces cultivées. L’application de cette procédure économétrique à des exploitations agricoles françaises nous permet de conclure que des différences significatives de coûts phytosanitaires ont existé d’une part entre les bassins de production Nord et Sud, et d’autre part entre les exploitations spécialisées en céréales, oléagineux et protéagineux et celles spécialisées en cultures industrielles. Par contre, à l’exception de l’orge, il n’y aucune indication qu’il y ait eu des différences significatives de coûts phytosanitaires entre les classes de dimension économique. L’analyse menée en fonction des estimations quartiles illustre le potentiel exploratoire offert par l’ensemble du processus quantile issu de cette méthodologie de régression par rapport aux estimations obtenues par les moindres carrés ordinaires. En combinant ces deux procédures économétriques, il est donc possible d’obtenir une photographie complète sur la distribution des coûts phytosanitaires par grande culture, que ce soit en termes de caractéristiques de tendance centrale (moyenne et médiane) qu’en termes de distribution (dispersion et évolution de ces coûts aux queues de cette distribution). En conséquence, ce type d’information quantitative sur la distribution des coûts phytosanitaires peut contribuer à faciliter la mise en place de politiques publiques au niveau français ou européen visant à réduire l’emploi de pesticides.

48Les intervalles de confiance empiriques du processus quantile ont été utilisés comme règle de décision pour établir qu’une différence significative existe entre les niveaux de coûts phytosanitaires. Cependant, un tel test ne fournit qu’une réponse binaire. La mise en œuvre d’un test basé sur les propriétés asymptotiques des estimateurs quantiles permettrait de calculer un risque de première espèce. Nous avons étendu la validation empirique aux bassins de grandes cultures homogènes du point de vue des conditions de production, mobilisant les informations comptables recueillies par la sonde grandes cultures du RICA pour calculer les marges brutes. La base d’information du Centre d’économie rurale de la Meuse réunit des informations comptables de nature analytique, incluant les dépenses phytosanitaires allouées aux principales cultures sur une base déclarative par les exploitants agricoles : elle constitue un échantillon-test pour une validation partielle de la méthodologie, extensible à d’autres départements comme celui d’Eure et Loir.

49Nous proposons d’analyser les différences jugées significatives en termes de pratiques culturales en réponse à des contextes phytosanitaires distincts : l’utilisation de l’IFT devrait permettre d’obtenir des estimations de coût par traitement à l’hectare de culture traitée, selon différents contextes de production précisés à l’échelle régionale. L’utilisation des données de l’enquête pratiques culturales 2006 permettrait d’affiner l’analyse en fonction des profils de traitement et du poids respectif de leurs différentes composantes (herbicide, insecticide et fongicide). Le contexte pédologique intervenant dans l’adoption d’un système de cultures, la mobilisation de typologies régionales délimitant des regroupements de contextes de production homogènes permettrait également de mieux analyser la variabilité des dépenses phytosanitaires.

50Les aléas climatiques étant un déterminant majeur des phytopathologies, des analyses sont en cours sur une période permettant d’apprécier leur influence sur le niveau et la variabilité des coûts phytosanitaires. Les conclusions de l’analyse en coupe diachronique sur la période 1987-2009 seront donc étendues au fur et à mesure de la disponibilité des données du RICA pour être confrontées avec celles qui peuvent être tirées d’analyses sur données de panel.

51Enfin, l’extension de cette analyse aux pays européens mettant à disposition des données similaires permettrait de tester des hypothèses de différenciation au plan des bassins de production et de la dimension des exploitations ainsi que la mise en œuvre d’une analyse de sensibilité des résultats à la prise en compte ou non des pondérations d’échantillonnage. ■

Haut de page

Bibliographie

Barrodale I., Roberts F.D.K. (1973). An improved algorithm for discrete l1 linear approximation. SIAM Journal of Numerical Analysis, vol. 10, p. 839-848.

Boussemart J.-P., Leleu H., Ojo O. (2011). Could society’s willingness to reduce pesticide use be aligned with farmer’s self-interest? Ecological Economics, vol. 70, p. 1797-1804.

Bureau J. C., Cyncynatus M. (1991). Estimation de coûts de production et de coefficients input-output à partir de données comptables : méthodes et applications aux produits agricoles sur la base du RICA. Economie et Sociologie Rurales, Notes et Documents n° 38, INRA, Département Économie et Sociologie Rurales, 87 pages.

Cameron A. C., Trivedi P. K. (2005). Microeconometrics. Methods and Applications. Cambridge, Cambridge University Press.

Cassagne J.-P. (2009). La protection phytosanitaire du blé tendre. Davantage de traitements pour les cultures à hauts rendements. Agreste Primeur, n° 226, juin, 4 p.

Chapelle-Barry C. (2008). Enquête sur les pratiques culturales en 2006. Agreste Chiffres et Données, Série Agriculture, n° 200, août, 137 p.

Desbois D., Pollet P. (2002). Évaluation de la marge brute standard sur la base du RICA. Insee Méthodes, n° 101, INSEE, p. 395-429.

Deville J.-C., Särndal C.-E., Sautory O. (1993). Generalized ranking procedures in survey sampling. Journal of the American Statistical Association, vol. 88, n° 423, p. 1013-1020.

Jacquet J., Butault J-P., Guichard L. (2011). An economic analysis of the possibility of reducing pesticides in French field crops. Ecological Economics, vol. 70, p. 1638-1648.

Karmakar R. (1984). A new polynomial-time algorithm for linear programming. Combinatorica, n° 4, p. 373-395.

Koenker R. (2005). Quantile regression. Cambridge, Cambridge University Press.

Koenker R., Bassett G. (1978). Regression quantiles. Econometrica, vol. 46, p. 33-50.

Koenker R., d’Orey V. (1994). Remark AS R92: A remark on algorithm AS 229: Computing dual regression quantiles and regression rank scores. Applied Statistics, vol. 43, p. 410-414.

Koenker R., Zhao Q. (1994). L-estimation for linear heteroscedastic models. Journal of Nonparametric Statistics, vol. 3, p. 223-235.

Lustig I. J., Marsden R. E., Shanno D. F. (1992). On implementing Mehrotra’s predictor-corrector interior-point method for Linear Programming. SIAM Journal on Optimization, n° 2, p. 435-449.

OCDE (2008). Pesticides. Environmental Performance of Agriculture since 1990. Paris, Main Report, OCDE, p. 63-75.

Paillotin G. (2008). Chantier 15 « agriculture écologique et productive. Paris, Rapport final du président du Comité opérationnel « Ecophyto 2018 », Grenelle de l’environnement, MAAP, 138 p.

Pollet P., Butault J.-P., Chantry E.(1998). Le modèle sur les coûts de production agricole. Document de travail INSEE, n° E9802, 72 p.

Portnoy S., Koenker R. (1997). The gaussian hare and the laplacian tortoise: Computation of squared-errors vs. absolute-errors estimators. Statistical Science, vol. 1, p. 279-300

Haut de page

Notes

1 La procédure développée dans cet article est à distinguer des approches microéconomiques développées par Boussemart et al. (2011), et Jacquet et al. (2011) visant à analyser le comportement et l’adaptation des agriculteurs français face à une réduction importante de l’usage des pesticides. Pour ce qui nous concerne, notre but est de fournir des informations quantitatives sur la distribution des coûts des phytosanitaires par cultures, qui peuvent être ensuite utilisées dans les modèles ou travaux microéconomiques susmentionnés.

2 Le questionnaire servant à établir cette « fiche d'exploitation » et la méthodologie de l'enquête RICA sont disponibles à l'adresse  : http://wwww.agreste.agriculture.gouv.fr/enquetes/reseau-d-information-comptable-610/reseau-d-information-comptable.

3 Les dépenses en produits phytosanitaires sont définies dans le RICA par la charge réelle (CHRPH) calculée comme la somme de l'inventaire de début d'exercice comptable (DEBPH) et des achats au cours de l'exercice (ACHPH) à laquelle on retranche l'inventaire de fin d'exercice (FINPH).

4 Ces coefficients peuvent aussi s’interpréter comme une estimation de la dépense moyenne relative à l’intrant k nécessaire pour produire une unité monétaire du bien agricole j.

5 Ces hypothèses se résument comme suit : erreurs aléatoires Ɛik indépendantes et identiquement distribuées selon une loi normale N(0,) de variance constante 2.

6 Pour une présentation détaillée et concise de la régression quantile, voir le livre de Koenker (2005).

7 L’équation (6) se déduit comme suit :

(6a) Image 1000000000000158000000BCA9C647C0.png

où nous avons fait usage des formules suivantes : u = xY’β et  = u/Y´α.

De l’expression (6a), il s’ensuit que Image 10000000000000AD0000002C0C37796B.png et

(6b)Image 10000000000001380000001D9AE2FB6A.png

8 Estimation robuste définie, telle que la médiane ou les moyennes tronquées, par une combinaison linéaire de statistiques ordinales.

9 Parmi les variantes de cet algorithme, la procédure QUANTREG de SAS 9.2 utilise l’implantation « prédicteur-correcteur » de l’algorithme primal-dual, proposée par Lustig et al. (1992). La pondération est introduite par l’instruction weight du logiciel SAS 9.2.

10 D’un point de vue économétrique, l’adjonction de poids à chaque observation de l’échantillon RICA permet aussi de rendre compte de l’hétérogénéité existant dans la population des exploitations agricoles françaises et conduit ainsi à une amélioration en termes d’efficacité des estimateurs de la régression quantile et de ceux estimés par MCO.

11 Dans le cas de la première spécification du modèle MCP, les variables explicatives exprimées en euros sont : blé tendre, blé dur, orge, maïs grain, autres céréales, pomme de terre, betterave sucrière, protéagineux, tournesol, colza, autres oléagineux, autres cultures et autres produits bruts. Pour la deuxième spécification, nous avons les mêmes catégories à l’exception de « autres produits bruts », remplacée par la surface fourragère.

12 Ce résultat étant conforme avec l’hypothèse d’hétéroscédasticité multiplicative des résidus dans le modèle MCP [expression (5)] qui entraîne une relation monotone des coefficients estimés vis-à-vis de l’évolution du quantile q. Ce phénomène se retrouve pour d’autres résultats présentés et discutés dans cette partie.

13 Nous ne présentons pas toutes ces informations pour la période 1987-2009 en raison de la masse d’informations disponibles et du manque de place dans le présent article. Cette remarque est aussi valable pour les autres analyses diachroniques effectuées ci-après.

14 Agrégation des Cdex 5, 6, 7 et 8 du RICA.

15 Agrégation des Cdex 9 et 10 du RICA.

16 Au niveau de confiance de 95 %.

Haut de page

Table des illustrations

URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-1.png
Fichier image/png, 1,4k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-2.png
Fichier image/png, 7,2k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-3.png
Fichier image/png, 1,1k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-4.png
Fichier image/png, 6,8k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-5.png
Fichier image/png, 3,7k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-6.png
Fichier image/png, 5,5k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-7.png
Fichier image/png, 2,4k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-8.png
Fichier image/png, 2,6k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-9.png
Fichier image/png, 1,1k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-10.png
Fichier image/png, 3,6k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-11.png
Fichier image/png, 2,3k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-12.png
Fichier image/png, 3,3k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-13.png
Fichier image/png, 659 octets
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-14.png
Fichier image/png, 753 octets
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-15.png
Fichier image/png, 13k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-16.png
Fichier image/png, 959 octets
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-17.png
Fichier image/png, 679 octets
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-18.png
Fichier image/png, 3,6k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-19.png
Fichier image/png, 3,9k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-20.png
Fichier image/png, 2,4k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-21.png
Fichier image/png, 23k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-22.png
Fichier image/png, 3,9k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-23.png
Fichier image/png, 27k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-24.png
Fichier image/png, 8,7k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-25.png
Fichier image/png, 3,2k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-26.png
Fichier image/png, 4,0k
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-27.png
Fichier image/png, 3,9k
Titre Tableau 1. Descriptif de la base d’estimation RICA 2006 (exploitations de grandes cultures)
Légende Notes : Moyennes et erreur-type (entre parenthèses)
Crédits Source : RICA 2006
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-28.png
Fichier image/png, 168k
Titre Tableau 2. Estimations quartiles et MCO selon le produit brut
Crédits Source : RICA 2006
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-29.png
Fichier image/png, 139k
Titre Figure 1. Distribution estimée des coefficients de produit brut pour le blé tendre
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-30.png
Fichier image/png, 80k
Titre Tableau 3. Estimations quartiles et MCO selon la surface
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-31.png
Fichier image/png, 163k
Titre Tableau 4. Estimations des coûts phytosanitaires pour les principales grandes cultures par grands bassins de production
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-32.png
Fichier image/png, 440k
Titre Figure 2. Processus quantiles et intervalles de confiance des bassins Nord et Sud pour le blé tendre
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-33.png
Fichier image/png, 154k
Titre Tableau 5. Estimations des coûts phytosanitaires pour les principales grandes cultures par grandes classes de dimension économique
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-35.png
Fichier image/png, 135k
Titre Tableau 6. Estimations des coûts phytosanitaires pour les principales grandes cultures par orientation technico-économique
URL http://journals.openedition.org/economierurale/docannexe/image/3857/img-36.png
Fichier image/png, 171k
Haut de page

Pour citer cet article

Référence papier

Dominique Desbois, Jean-Pierre Butault et Yves Surry, « Estimation des coûts de production en phytosanitaires pour les grandes cultures. Une approche par la régression quantile »Économie rurale, 333 | 2013, 27-49.

Référence électronique

Dominique Desbois, Jean-Pierre Butault et Yves Surry, « Estimation des coûts de production en phytosanitaires pour les grandes cultures. Une approche par la régression quantile »Économie rurale [En ligne], 333 | janvier-février 2013, mis en ligne le 15 février 2015, consulté le 28 mars 2024. URL : http://journals.openedition.org/economierurale/3857 ; DOI : https://doi.org/10.4000/economierurale.3857

Haut de page

Auteurs

Dominique Desbois

UMR Economie Publique, INRA-AgroParisTech

Articles du même auteur

Jean-Pierre Butault

UMR Economie Publique, INRA-AgroParisTech

Articles du même auteur

Yves Surry

Swedish University of Agricultural Sciences, Uppsala, Suède

Articles du même auteur

Haut de page

Droits d’auteur

CC-BY-NC-4.0

Le texte seul est utilisable sous licence CC BY-NC 4.0. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.

Haut de page
Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search