Mancini Vecchi 2022

Machine Translated by Google
Divulgation
publique
autorisée
Sur le chantier
d'une consommation
Agréger pour
Divulgation
publique
autorisée
Inégalité et
Divulgation
publique
autorisée
Pauvreté
Divulgation
publique
autorisée
Analyse
Giulia Mancini
Jean Vecchi
Mars 2022
© 2022 Banque internationale pour la reconstruction et le développement / La Banque mondiale
1818, rue H N.O.
Washington DC 20433
Téléphone : 2024731000
Internet : www.worldbank.org
Ce travail est un produit du personnel de la Banque mondiale avec des contributions externes.
Les constatations, interprétations et conclusions exprimées dans ce travail ne reflètent pas nécessairement les
vues de la Banque mondiale, de son Conseil d'administration ou des gouvernements qu'ils représentent.
La Banque mondiale ne garantit pas l'exactitude, l'exhaustivité ou l'actualité des données incluses dans ce travail et
n'assume aucune responsabilité pour toute erreur, omission ou incohérence dans les informations, ni aucune
responsabilité concernant l'utilisation ou la nonutilisation du informations, méthodes, processus ou conclusions
énoncés. Les frontières, couleurs, dénominations et autres informations figurant sur les cartes de cet ouvrage
n'impliquent aucun jugement de la part de la Banque mondiale concernant le statut juridique d'un territoire ou
l'approbation ou l'acceptation de ces frontières.
Rien dans les présentes ne constituera ou ne sera interprété ou considéré comme une limitation ou une
renonciation aux privilèges et immunités de la Banque mondiale, qui sont tous spécifiquement réservés.
Droits et autorisations Le
contenu de ce travail est soumis au droit d'auteur. Parce que la Banque mondiale encourage la diffusion de ses
connaissances, ce travail peut être reproduit, en tout ou en partie, à des fins non commerciales tant que
l'attribution complète à ce travail est donnée.
Toute question sur les droits et licences, y compris les droits subsidiaires, doit être adressée à World Bank
Publications, The World Bank Group, 1818 H Street NW, Washington, DC 20433, USA ; télécopieur : 2025222625 ;
courriel : pubrights@worldbank.org.
Conception du rapport
Colline de Spaeth
Table des matières
Remerciements v
1. Introduction 1
2. Théorie de la mesure du bienêtre 2.1 Vue 3
d'ensemble de la théorie de la mesure du bienêtre 2.2 Fondements 4
économiques de la mesure du bienêtre 6
2.3 Débat 12
3. Consommation ou revenu ? 14
3.1 "L'argument de la douceur" 15
3.2 Autres considérations sur le débat entre consommation et revenu 17
4. Construction de l'agrégat de consommation nominale 22
4.1 Quatre critères fondamentaux 22
4.2 Produits alimentaires 25
4.2.1 Acquisition ou consommation 4.2.2 26
Choix de la période de référence 4.2.3 27
Nourriture hors domicile 4.2.4 Autoproduction 29
et nourriture reçue en nature 4.2.5 Rations alimentaires 30
33
4.3 Articles non alimentaires non durables 35
4.3.1 Dépenses de santé 4.3.2 41
Loisirs et biens publics 4.4 Biens 47
durables 4.5 Logement 4.5.1 Loyer imputé 48
autodéclaré 4.5.2 Méthodes d'imputation des 55
loyers hédonistes 4.5.3 Autres approches 56
d'imputation des loyers 4.5.4 Discussion 57
60
60
5. Ajustement des variations de prix 5.1 63
Déflateurs des prix 63
5.1.1 Indices des prix 64
5.1.1 Indices réels du coût de la vie 5.2 67
Déflation spatiale 69
5.2.1 Valeurs unitaires 69
5.2.2 Ratios du seuil de pauvreté et méthodes basées sur l'IPC 72
iii Sur la construction d'un agrégat de consommation pour l'analyse des inégalités et de la pauvreté
6.
5.2.3 Courbes d'Engel 74
5.2.4 Autres stratégies 5.2.5 75
Pratique actuelle 77
5.3 Déflation temporelle 5.4 78
Comment déflater l'agrégat de consommation 80
6. Ajustement en fonction de la taille et de la composition du ménage 82
7. Problèmes de données 91
7.1 Nonréponse totale 7.1.1 92
Poids de sondage 7.2 Non 97
réponse partielle 7.3 Valeurs 98
aberrantes 101
7.3.1 Détection et diagnostic 105
8. Analyse de sensibilité 8.1 108
Tableaux : Comparaisons côte à côte 8.2 Courbes : 109
Analyse de dominance stochastique 8.3 Sensibilité au 112
choix du seuil de pauvreté et de la mesure de pauvreté 121 8.4 Discussion 123
9. Reproductibilité des résultats 125
9.1 Qu'estce que c'est ? 125
9.2 Comment y parvenir ? 126
9.3 Principes directeurs pour l'organisation du flux de travail 127
10. Résumé des recommandations 131
Annexe A. Base de données sur la méthodologie de mesure du bienêtre 140
Annexe B. Consommation par rapport au revenu en tant qu'indicateurs de bienêtre 151
Annexe C. Construction d'un agrégat de revenu 152
Annexe D. Indices des prix 156
Annexe E. Conception du questionnaire 158
Les références 162
Indice 180
iv Sur la construction d'un agrégat de consommation pour l'analyse des inégalités et de la pauvreté
Remerciements
Nous remercions Martin Ravallion et Salman Zaidi d'avoir révisé ces directives. Nous remercions Benu
Bidani, Carlos RodríguezCastelán, Kristen Himelein et Carolina Sánchez Páramo pour la coordination de
ce projet et pour leurs commentaires utiles. Nous remercions Raul Andres Castaneda Aguilar, Nicola
Amendola, João Pedro Azevedo, Federico Belotti, Andrea Brandolini, Cesar Cancho, Luigi Cannari, Gero
Carletto, Giovanni D'Alessio, Andrew Dabalen, Carolina DiazBonilla, Olivier Dupriez, Maria Gabriela
Farfan Bertran, Stefano Fenoaltea, Elizabeth Foster, Margaret Grosh, Dean Jolliffe, Juan Muñoz, Sergio
Olivieri, Berk Özler, Marco Ranzani, Silvia Redaelli, Ernesto Savaglio, Dhiraj Sharma, Erwin Tiongson, Roy
van de Weide, Ruslan Yemtsov et Alberto Zezza pour leurs commentaires utiles . Les auteurs restent
responsables des éventuelles erreurs restantes. Nous remercions Piero Conforti d'avoir fourni l'accès à la
base de données RuLIS (Rural Livelihoods Information System). Nous remercions SédiAnne Boukaka
pour son excellente aide à la recherche.
Cette recherche a été parrainée par l'unité mondiale de la pratique mondiale de la pauvreté et de l'équité
de la Banque mondiale.
v Sur la construction d'un agrégat de consommation pour l'analyse des inégalités et de la pauvreté
1. Introduction
Vingt ans se sont écoulés depuis la parution des Guidelines for Constructing Consumption Aggregates for
Welfare Analysis d'Angus Deaton et Salman Zaidi1. foule. En fait, son impact dans le domaine de la recherche
appliquée sur la pauvreté a été considérable et durable audelà des attentes. Les Lignes directrices sont
désormais une référence clé pour les analystes du bienêtre dans le monde entier. Au cours des cinq dernières
années seulement, ils ont été téléchargés 3 154 fois (Base de données des documents et rapports de la Banque
mondiale), tandis que seulement 2 % des « produits du savoir » de la Banque mondiale dépassent les 1 000
téléchargements sur une période de cinq ans (Doemeland et Trevino 2014). 2
Pourquoi Deaton et Zaidi (2002) – désormais DZ – sontils devenus si influents ? Trois réponses me viennent
à l'esprit. Premièrement, le document ciblait délibérément une demande non satisfaite de conseils sur la
construction d'un indicateur de bienêtre. Les autres composantes fondamentales de la mesure de la pauvreté
– seuils de pauvreté, mesures de la pauvreté et données d'enquête – avaient toutes fait l'objet de publications
influentes au cours des années 1990 (Ravallion 1994, 1998 ; Grosh et Munoz 1996 ; Deaton 1997). Un autre
facteur de l'impact de DZ est qu'il chevauche avec succès la frontière entre la théorie et la pratique, sans
vendre ni l'un ni l'autre à découvert. Les auteurs exposent de solides fondements théoriques microéconomiques
et se réfèrent systématiquement à ce cadre pour résoudre la myriade de dilemmes, grands et petits, auxquels
sont confrontés les analystes du bienêtre. En même temps, ils restent résolument pragmatiques : ils proposent
des recommandations simples et concrètes, sans jamais hésiter à tirer une conclusion sur des cas ambigus.
Enfin, les Lignes directrices ont été élaborées dans le cadre d'un effort massif d'harmonisation dans le domaine
de la mesure de la pauvreté, l'étude sur la mesure des niveaux de vie (LSMS), dont la portée n'a fait que
s'étendre depuis.
En conséquence, la pertinence de DZ n'a pas seulement perduré, mais a sans doute augmenté avec le temps.
Deux décennies après la publication, les universitaires et les praticiens se demandent si les recommandations
de DZ s'appliquent toujours, et si non, quelle est la « meilleure pratique » actuelle. Parmi les premières, la
recherche sur la théorie et la pratique de la mesure du bienêtre a continué de progresser.
Chez ces derniers, il est fréquent de rencontrer une propension à l'actualité. Tout au long des années passées
à diffuser la DZ dans le cadre des programmes d'assistance technique et de renforcement des capacités des
bureaux nationaux de statistique du monde entier, nous avons souvent été gentiment poussés du coude :
« Existetil une référence plus à jour ? ». "Le plus récent" ne signifie pas "le meilleur", bien sûr il n'y a pas
besoin d'une version améliorée de la Divine Comédie de Dante mais les préoccupations des lecteurs de DZ
méritent d'être abordées.
1
Suite à la publication de The Analysis of Household Surveys (1997) de Deaton , les Directives ont été commandées par Margaret Grosh, alors
chef de l'équipe de l'étude sur la mesure des niveaux de vie (LSMS) de la Banque mondiale.
La rédaction a commencé à l'été 1998 et le document a été diffusé pour la première fois en tant que document de travail de Princeton en 1999
(Deaton et Zaidi, 1999). La version finale, à laquelle nous nous référons tout au long de ce document, a été publiée avec des modifications minimes
dans la série de documents de travail LSMS en 2002 (Deaton et Zaidi, 2002).
2
Les statistiques de téléchargement de la base de données Documents and Reports se réfèrent à 2014 et audelà, tandis que celles de Doemeland
et Trevino se réfèrent aux années 2008 à 2012. Selon Google Scholar, le nombre total de citations des directives s'élève à 1 234, mais les mesures
académiques traditionnelles peuvent être une mauvaise mesure d'impact dans dans ce cas, compte tenu de la pertinence des Lignes directrices pour
les travaux appliqués dans les milieux non universitaires (tels que les bureaux nationaux de statistique) où les citations ne sont pas toujours utilisées.
1 Sur la construction d'un agrégat de consommation pour l'analyse des inégalités et de la pauvreté
Introduction
C'est l'objectif principal du présent document. Nous pensons que les façons dont une "" nouvelle " DZ pourrait
être envisagée sont sur un spectre. À une extrémité se trouve le remplacement : un ensemble de lignes
directrices entièrement révisées, qui rendrait DZ obsolète. Nous croyons que cela n'est pas réalisable, autrement
que par les auteurs originaux euxmêmes. Même ainsi, une réécriture complète ne serait pas utile. À bien des
égards, les Lignes directrices sont plus solides que jamais. À l'autre extrémité du spectre se trouve donc la
répétition : une translittération, un condensé de DZ. C'est clairement inutile. Notre souhait est de placer ce travail
quelque part au milieu : une sorte de réévaluation , reconnaissant les développements dans la littérature depuis
la fin des années 1990, ainsi que les besoins changeants des utilisateurs des Lignes directrices . Dans la mesure
du possible dans ce terrain d'entente difficile où certaines répétitions sont inévitables, notre choix a été de rendre
ce document autonome, une caractéristique que nous croyons cruciale pour le rendre vraiment utile. Cependant,
les liens avec DZ restent étroits et explicites tout au long, et bien que la familiarité du lecteur avec l'article original
ne soit pas obligatoire, elle est certainement utile.
Les apports de ce document peuvent être résumés en trois questions. Premièrement, les recommandations de
DZ résistentelles à l'épreuve du temps, au vu de la littérature parue au cours des deux dernières décennies ?
Deuxièmement, lorsque ce n'est pas le cas, quelles nouvelles lignes directrices peuvent être mises en place? Et
troisièmement, dans quelle mesure les recommandations de DZ sontelles réellement suivies dans la construction
des mesures officielles de la pauvreté dans le monde ? Alors que les deux premières questions ont un caractère
normatif , la seconde a à voir avec l' évaluation positive de l' impact de facto des Lignes directrices – cela aide à
identifier les domaines où un effort d'harmonisation plus important est nécessaire. Notre évaluation empirique
de la pratique internationale de construction des agrégats de consommation est basée sur la documentation
méthodologique accompagnant les récentes estimations officielles de la pauvreté dans 137 pays (Annexe A).
Notre public cible recoupe largement l'hétérogénéité actuelle des lecteurs de DZ : les analystes chargés de
construire les agrégats de consommation (« ceux qui font les calculs ») sont une cible évidente, mais nous
espérons aussi toucher, plus généralement, les étudiants, les économistes , les statisticiens , et d'autres
professionnels intéressés par l'utilisation et la diffusion des mesures de la pauvreté, ainsi que les agents
statistiques impliqués dans la production de données d'enquête pour les analyses de la pauvreté. Nous nous
sommes efforcés d'aplanir quelques aspérités qui, d'après notre expérience, font encore de certaines parties de
DZ, à savoir son introduction théorique, une lecture difficile pour un public moins averti. Par rapport à la DZ,
certains sujets reçoivent plus d'espace, et d'autres moins, compte tenu du fait que, pendant 20 ans de travail
appliqué sur la pauvreté, les pratiques se sont solidifiées et l'accent mis sur des questions spécifiques a changé.
Parmi les sujets traités plus en détail que dans les Lignes directrices figurent ceux liés à la qualité des données
d'enquête (y compris la conception du questionnaire, la nonréponse et les valeurs aberrantes) et ceux liés à la
sensibilité et à la reproductibilité des résultats.
Le document est organisé comme suit. Les sections 2 et 3 traitent des fondements théoriques de la mesure du
bienêtre et du choix entre le revenu et la consommation en tant que mesure du bienêtre. La section 4 couvre
les aspects pratiques de la construction d'un agrégat de consommation à partir des données d'enquête dans
ses composantes fondamentales (alimentation, biens non durables non alimentaires, biens durables et
logement). Les sections 5 et 6 traitent des ajustements de l'agrégat de consommation (pour tenir compte des
différences de coût de la vie ainsi que de la taille et de la composition des ménages). La section 7 couvre les
problèmes de données (valeurs manquantes et extrêmes). La section 8 traite de l'analyse de sensibilité et la
section 9 aborde la reproductibilité des résultats. La section 10 fournit un ensemble de recommandations mises
à jour, plaçant les recommandations originales de DZ à côté de notre évaluation deux décennies plus tard.
L'annexe C, sur l'agrégation des revenus, et l'annexe E, sur la conception du questionnaire, sont dignes de mention.
2. Théorie de la
mesure du bienêtre
Dans cette section, nous couvrons les fondements théoriques de la mesure du bienêtre dont la
construction à partir des données d'enquête est discutée dans le reste du document. Le bienêtre (ou le
bienêtre, ou le niveau de vie) comporte de nombreuses facettes, qui ne sont pas toutes monétaires
(pensez à la santé), ni même directement mesurables (pensez à la « liberté »). Dans ce rapport, nous
adoptons une définition du bienêtre basée exclusivement sur le bienêtre matériel . Ainsi, nous
reconnaissons d'emblée que le « bienêtre » est un grand mot, utilisé ici dans un sens beaucoup plus
étroit que ne le suggère son sens courant. Nous nous concentrerons sur une (une seule) des nombreuses
dimensions possibles du niveau de vie, à savoir la consommation. C'est l'approche traditionnelle de
l'économie du bienêtre (Slesnick 2001, 89), suivie par DZ3.
Les sujets chevauchent la section 2 de DZ (Théorie de la mesure du bienêtre), bien que nous nous
efforcions de préciser davantage les fondements théoriques de la mesure du bienêtre pour le lecteur
moins technique. Quelle que soit la force de la tentation de sauter le matériel théorique , nous vous
recommandons de ne pas le faire. Il n'y a pas de bonne mesure en l'absence d'un cadre théorique :
cette partie concerne la théorie, mais les données et leur utilisation dans l'analyse empirique restent le
but ultime.
Les lecteurs ayant une solide formation en économie trouveront dans cette section une revue de
concepts familiers, même s'ils devraient bénéficier de les voir explicitement liés à l'objectif final de
mesure de la pauvreté. Les lecteurs qui n'ont qu'une certaine formation en économie apprécieront le
retour le plus élevé en s'engageant dans la section 2 : un manque de familiarité avec le matériel
théorique discuté dans le reste de cette section est, selon notre expérience, l'obstacle le plus important
à une compréhension complète de la pratique . choix effectués lors de la construction d'une mesure de bienêtre.
Le matériel de cette section a été organisé de la manière suivante. La section 2.1 donne un aperçu non
technique du cadre conceptuel qui soustend la mesure du bienêtre. Le résultat de cette section est
que la théorie standard du consommateur indique que les dépenses de consommation sont la mesure
idéale du bienêtre individuel. La section 2.2 fournit un cadre théorique rigoureux, mais toujours
accessible, pour les idées de la section 2.1. Enfin, dans la section 2.3, nous discutons des
recommandations issues de la théorie, à la lumière des évolutions de la littérature et de la pratique
internationale.
3 Des approches alternatives à la réflexion sur le bienêtre existent, notamment l'approche par les capacités
d'Amartya Sen (Sen 1985, 1987, 1993), qui élargit le cadre théorique de la configuration welfariste traditionnelle et
répond à certaines de ses lacunes (Ravallion 2016, ch 3 ; Ravallion 2020 ). Cependant, l'approche par les capabilités
ne sera pas considérée ici : malgré son influence extraordinaire sur la conceptualisation de la mesure du bienêtre,
sa mise en œuvre empirique reste un défi majeur (Brandolini et D'Alessio 2001 ; Comin, Qizilbash et Alkire 2008 ;
Vecchi 2017). Certaines autres alternatives importantes à la mesure du bienêtre monétaire sont mentionnées dans la section 2.3.
Théorie de la mesure du bienêtre
2.1 Une vue d'ensemble de la théorie du bienêtre
la mesure
L'hypothèse clé de l'approche traditionnelle de la mesure du bienêtre est que le bienêtre d'un individu dépend de
la consommation d'un ensemble de biens et de services, que nous désignons par q = (q1 ,q2 ,…,qn ). l'expérience
humaine, peutêtre inacceptable , comme cela peut paraître à certains. En fait, du moins en théorie, il n'est pas
aussi restrictif qu'il n'y paraît nous pourrions penser que q contient tous les biens qui comptent pour le bienêtre, y
compris les éléments qui ne sont normalement pas considérés comme des « biens de consommation » (santé,
éducation , loisirs, etc.).4
Ainsi, le problème complexe de la mesure du bienêtre est refondu en une tâche plus simple, celle de comparer
des ensembles de consommation (c'estàdire des paniers de biens et de services). Pourtant, déterminer lequel des
deux forfaits apporte le plus de bienêtre à un consommateur reste problématique : la réponse dépend naturellement
des goûts du consommateur . La théorie économique apporte une solution. Selon la théorie standard du
consommateur, les individus sont capables de classer chaque ensemble de consommation possible de manière
cohérente par ordre de préférence, du moins préféré au plus préféré. Ce classement peut être traduit en nombres
en fait, en une fonction mathématique qui, pour n'importe quel bundle, renvoie son rang dans l'ordre de préférence
du consommateur (les bundles mieux aimés correspondent à des nombres plus élevés). Les économistes appellent
une telle fonction la fonction d'utilité.
L'attrait du concept économique d'utilité – un nombre exprimant à quel point un consommateur est « satisfait » d'un
lot, par rapport à toutes les autres alternatives – pour un analyste du bienêtre devrait être apparent. Il propose
l'équivalence suivante :
bienêtre = u = v(q)
où u est le niveau pris par la fonction d'utilité v(.) et q est n'importe quel groupe de consommation.
On se rapproche de l'objectif ultime de la mesure du bienêtre : on peut l'associer à un chiffre, qui est directement
lié aux goûts subjectifs du consommateur, et non à une idée normative de ce qui est « le mieux » pour lui. Ce qui
reste non résolu est le problème de la mesure de l'utilité un nombre, oui, mais qui décrit un concept abstrait à
partir de données réelles. Pour avancer, la théorie pose quatre hypothèses :5
1. Un individu rationnel choisit le bouquet de consommation qu'il préfère, compte tenu de ses goûts et
de sa contrainte budgétaire. De manière équivalente, on dit que le consommateur maximise son
bienêtre, c'estàdire qu'il maximise son utilité.
2. Tous les individus se ressemblent, c'estàdire qu'ils ont les mêmes goûts (préférences) et
besoins.
3. Il existe un prix pour chacun des biens qui contribuent au bienêtre du consommateur
bienêtre.
4. Tous les individus sont confrontés au même ensemble de prix.
4
Une partie de cette section s'inspire de quelques excellents documents de référence préparés par Erzo Luttmer pour l' étude de 2001
sur la vulnérabilité économique et le bienêtre de la Banque mondiale en Croatie (Croatie 2001).
5 Comme nous le verrons, ces hypothèses fortes peuvent et seront « assouplies ».
Cet ensemble de quatre hypothèses permet de définir une métrique de l'utilité — essentiellement, une unité de mesure
— et de le faire sans avoir à préciser davantage la forme ou la nature de la fonction u(q) . En particulier, la théorie
économique montre que le niveau de bienêtre (utilité) dérivé d'un panier de consommation q peut être représenté par
le coût monétaire du panier. C'est un résultat clé, et c'est pourquoi les économistes disent que le coût du panier de
consommation est une fonction d'utilité monétaire . Pourquoi les dépenses de consommation courante captentelles le
bienêtre d'un individu ? La raison en est que l'individu aurait pu acheter un lot de marchandises moins cher, mais il ne
l'a pas fait ; par conséquent, sous l'hypothèse que le consommateur maximise son bienêtre, il doit obtenir un niveau
de bienêtre plus élevé du lot de biens actuel que de tout lot de biens moins cher.
Bien que l'intuition soit simple, une preuve formelle de ce résultat nécessite un certain travail (ce que nous faisons dans
la section 3). Loin d'être un embellissement, une telle formalisation est bien indispensable dans ce contexte. Il faut un
cadre théorique solide pour régner sur l'arbitraire de l'intuition.
FIGURE 2.1. Construction d'un indicateur de bienêtre conforme à la théorie du consommateur
Utiliser les données d'enquête pour estimer les
dépenses de consommation nominales
dépenses de consommation des ménages
bienêtre
=
prix x besoins du ménage
2 3
Utiliser les indices de prix Ajustez pour différentes
pour s'ajuster aux variations tailles de ménage et
temporelles et spatiales des prix composition
SOURCE : Élaboration des auteurs.
La dernière étape pour obtenir un indicateur de bienêtre consiste en quelques ajustements pour combler le fossé entre
des hypothèses trop simplificatrices, comme les quatre énumérées cidessus, et la réalité. La figure 2.1 résume ces
ajustements et fournit une feuille de route pour la discussion à développer dans le reste de ce document. Premièrement,
la théorie repose sur l'hypothèse que l' on considère tous les biens et services qui concourent au bienêtre, mais aussi
qu'il existe un prix pour chacun d'eux. Dans la pratique, c'est rarement le cas : les marchés peuvent tout simplement
ne pas exister pour certains biens, et les données d'enquête fournissent le plus souvent des informations limitées et
imparfaites. Dans la section 4, nous discutons du compromis entre une définition théorique globale et une mesure qui
peut être calculée à partir des données disponibles en pratique. Nous avons également supposé que les individus sont
confrontés au même ensemble de prix, alors qu'en pratique, nous observons souvent des variations du coût de la vie :
les prix varient en fonction du lieu et de la période (variation spatiale et temporelle des prix). Dans la section 5, nous
examinons les ajustements fondés sur les indices de prix pour garantir que les différences de dépenses reflètent bien
les différences de consommation (et donc de bienêtre), et pas seulement les prix. Enfin, la théorie suppose que tous
les individus ont les mêmes goûts et besoins dans la section 6, nous discutons de la façon dont
pour assouplir cette hypothèse.
2.2 Fondements économiques de la mesure du bienêtre
L'utilisation des dépenses de consommation comme mesure du bienêtre individuel est le pilier de toute
une approche de la mesure du bienêtre, de la pauvreté et des inégalités. DZ en fait sa première
recommandation ; l'objectif de cette section est d'en revoir les fondements théoriques. En fin de compte,
nous n'aurons besoin que de six équations pour accomplir notre tâche.
Le point de départ est la théorie du consommateur, le domaine de la théorie économique qu'utilisent les économistes
du bienêtre , un sujet couvert dans n'importe quel cours de microéconomie6. Nous imaginons une économie simple
avec seulement deux biens, 1 et 2 (ce cadre peut être facilement étendu à n'importe quel nombre des marchandises).
Les quantités de chaque bien sont indiquées par q1 et q2 . Une combinaison de biens, q = (q1 , q2 ), est un
bundle. Notez que si q1 et q2 sont des scalaires, q est un vecteur. La théorie du consommateur décrit comment un
consommateur choisit la quantité de chaque bien à acheter, compte tenu de ses goûts, et étant donné qu'il ne peut
se permettre que des lots dont le coût ne dépasse pas son budget, que nous désignons par x .
Si nous dénotons les prix des biens avec p = (p1 ,p2 ) alors p1 q1 est la somme d'argent que le consommateur
dépense pour le bien 1, p2 q2 est la somme d'argent qui va au bien 2, et la contrainte bud get peut s'écrit p1 q1 + p2
q2 ≤ x, ce qui signifie que la valeur des biens consommés (côté gauche) ne peut pas dépasser le revenu du
consommateur (côté droit). Si nous remplaçons le signe "inférieur ou égal à" (≤) par un signe égal, nous obtenons la
ligne budgétaire, p1 q1 + p2 q2 = x, qui identifie les forfaits qui viennent épuiser le revenu du consommateur.
En général, il y aura de nombreux packs différents qui seront abordables celui qui sera choisi dépend des
préférences du consommateur. Les préférences sont décrites au moyen de la fonction utilitaire. La fonction d'utilité, u
= v(q), est un dispositif mathématique permettant d'attribuer un nombre à un ensemble : étant donné deux ensembles
quelconques, q1 et q2 , l'utilité sera plus élevée pour celui que le consommateur préfère. Si le consommateur préfère
q1 à q2 , alors v(q1 )>v(q2 ), ou, de façon équivalente, u1 >u2 ; si elle est iv(q1 )=v(q2 ),
ndifférente entre
les
soit u1 d=eux
fL
aisceaux,
u2 . alors
a fonction
d'utilité facilite la tâche de décrire les préférences du consommateur – elle transforme une tâche complexe, comparant
et classant des combinaisons de biens et de services, en une tâche simple, comparant des nombres. Grâce à la
fonction d'utilité, hiérarchiser les bundles revient à comparer les niveaux d'utilité7.
6 Le lecteur est renvoyé à des manuels de niveau introductif (par exemple, Varian 2010, ch. 2–5), ou à des manuels avancés (par
exemple, Deaton et Muellbauer 1980, ch. 2 ; Varian 1992, ch. 7 ; MasColell, Whinston et Green 1995, chapitre 3 ; Jehle et Reny 2011,
chapitre 1).
7
Varian (2010, 54) : « À l'époque victorienne, les philosophes et les économistes parlaient allègrement de l'utilité comme indicateur du
bienêtre général d'une personne. L'utilité était considérée comme une mesure numérique du bonheur d'une personne. Compte tenu de
cette idée, il était naturel de penser que les consommateurs faisaient des choix de manière à maximiser leur utilité, c'estàdire à se rendre
le plus heureux possible. Le problème est que ces économistes classiques n'ont jamais vraiment décrit comment nous devions mesurer
l'utilité. Comment sommesnous censés quantifier la « quantité » d'utilité associée aux différents choix ? L'utilité d'une personne estelle la
même que celle d'une autre ? (…) En raison de ces problèmes conceptuels, les économistes ont abandonné la vision démodée de l'utilité
comme mesure du bonheur. Au lieu de cela, la théorie du comportement du consommateur a été reformulée (…), et l'utilité n'est considérée
que comme un moyen de décrire les préférences. Les économistes en sont progressivement venus à reconnaître que tout ce qui importait
en matière d'utilité en ce qui concerne le comportement de choix était de savoir si un ensemble avait une utilité plus élevée qu'un autre
combien plus n'avait pas vraiment d'importance.
Compte tenu de cette configuration, la théorie économique construit un modèle de comportement du consommateur :
en substance, les consommateurs rationnels sont supposés maximiser l'utilité. Le choix individuel (quel est le « meilleur
» forfait ?) est considéré comme un problème d'optimisation, contraint par les goûts, les budgets et les prix du marché.
Ce problème est visualisé sur la figure 2.2. Le panneau a de la figure montre la contrainte budgétaire (la ligne avec une
pente négative) et la fonction d'utilité. L'utilité est représentée par des courbes d'indifférence : chaque courbe représente
un ensemble de bundles qui laissent le consommateur indifférent, c'estàdire tous les bundles qui rapportent le même
niveau d'utilité. Choisissez n'importe quel point (n'importe quel bundle q) et calculez le niveau d'utilité correspondant u
= v(q) : la courbe d'indifférence passant par q contient tous les bundles qui sont également appréciés par le
consommateur (il est indifférent de choisir l'un ou l'autre parmi eux). Alors que les mouvements le long d'une courbe
d'indifférence laissent l'utilité constante, sauter d'une courbe à l'autre modifie le niveau de l'utilité. La flèche sur la figure
montre la direction des faisceaux préférés : plus une courbe d'indifférence est éloignée de l'origine, plus l'utilité du
consommateur est élevée. Ainsi, le consommateur maximise son utilité en choisissant un bundle qui se situe sur la
courbe la plus extérieure possible. Le choix est contraint par son budget : la tangence entre la ligne de budget et la
courbe d'indifférence est aussi loin que le consommateur peut aller, de sorte que q* est le bundle qui maximise son
utilité compte tenu de son budget. Lorsque q* est choisi, le consommateur atteint un niveau d'utilité égal à = v(q*), que
nous utilisons pour étiqueter la courbe d'indifférence spécifique qui contient q*.
*
tu
FIGURE 2.2. Le consommateur maximise l'utilité ou minimise les dépenses
un. MAXIMISATION DE L'UTILITÉ b. MINIMISATION DES DÉPENSES
q2 ligne budgétaire q2
courbe d'indifférence
q*
q*
tu * tu *
q1 q1
Le panneau b de la figure 2.2 montre comment le consommateur prend la même décision que dans le panneau a, en
résolvant un problème d'image miroir. Cette fois, le choix à faire est le suivant : quel forfait peuton acheter à moindre
coût, tout en atteignant le niveau d'utilité u*, exactement le même que dans le panneau a ? Graphiquement, l'utilité est
fixée à u*, et le consommateur saute d'une ligne budgétaire à l'autre, vers l'origine, jusqu'à ce qu'il atteigne la ligne
tangente à la courbe d'indifférence. On retrouve la même solution que dans le panneau a, q*, mais le mécanisme qui y
conduit n'implique pas la maximisation de l'utilité étant donné un budget, mais plutôt la minimisation des dépenses
nécessaires pour atteindre un certain niveau d'utilité.
Le mécanisme illustré à la figure 2.2 peut être décrit avec plus de précision en introduisant quelques notations
mathématiques. La théorie discutée jusqu'ici peut être reformulée comme suit :
max u = v(q) sous réserve de p q = x (2.0)
min x = p q sous réserve de v(q) = u (2.1)
L'équation (2.0), appelée problème original du consommateur , dit que le consommateur maximise son utilité sous réserve
de sa contrainte budgétaire, et son illustration graphique est le panneau a de la figure 2.2. L'équation (2.1), le double
problème du consommateur , dit que le consommateur minimise les dépenses nécessaires pour atteindre un certain niveau
d'utilité, et est illustrée par le panneau b de la figure 2.2. Il s'avère que dans le but de mesurer la pauvreté, l'équation (2.1)
est plus utile que l'équation (2.0), donc dans le reste de cette section, nous nous concentrons sur l'équation (2.1).8
La solution au problème de minimisation est le coût minimum pour atteindre le niveau d'utilité u aux prix p. De toute
évidence, le coût minimum variera avec u toutes choses étant égales par ailleurs, plus le niveau d'utilité que le
consommateur souhaite atteindre est élevé, plus la dépense minimale requise est élevée. Cette idée est capturée par la
fonction de coût (ou de dépense), que nous notons comme suit :
c(u, p) = x (2.2)
Pour interpréter la fonction de dépense dans l'équation (2.2), considérez l'expérience mentale suivante . Fixons les prix p
auxquels le consommateur est confronté, et choisissons n'importe quel niveau cible d'utilité u : quel est le montant minimum
que le consommateur doit dépenser pour atteindre l'utilité u aux prix p ? La fonction de dépense répond à cette question, et
la réponse est x.
Maintenant que la définition de la fonction de coût est clarifiée, nous introduisons plus de réalisme dans le modèle et
autorisons plusieurs ménages (nous utilisons l'exposant h pour désigner le ménage h) dont nous voulons comparer l'utilité.
Étant donné que différents consommateurs peuvent être confrontés à des prix différents (les différences de coût de la vie
surviennent au fil du temps ou entre les régions d'un pays, par exemple), les comparaisons ne sont valables que si nous
contrôlons les différences de pouvoir d'achat et maintenons les prix fixes : nous désignons un ensemble des prix de
référence par p0 (plus de détails prochainement). Cette notation nous permet d'introduire la fonction d'utilité métrique
monétaire (MMU) :
h
euh = c(euh ,p0 ) (2.3)
Bien que son nom soit quelque peu intimidant, l'équation (2.3) a une interprétation économique simple : MMU, indiqué par
h
um (l'indice m évoque le concept de monnaie) estce uh
que
est
le icmportant ?
oût minimum
Trois
pour
autres
le ménage
équations
h d'atteindre
fourniront
le
une
niveau
réponse.
d'utilité
, aux prix p0 . Pourquoi MMU estil si
En utilisant le calcul différentiel, DZ réécrit l'équation (2.3) comme suit :
h
um = c(uh ,p0 ) ≈ p0 qh (2.4)
8 Le « produit scalaire » p q dans les équations (2.0) et (2.1) désigne Σk pk qk . La notation est conforme à Deaton et
Muellbauer (1980), p. 37, qui est toujours considéré comme la principale référence pour la théorie du bienêtre basé sur la consommation
mesure du tarif.
h
L'équation (2.4) précise que MMU um est simplement le coût d'un bundle (c'estàdire qh évalué aux prix
p0 . Le symbole approximativement égal (≈) est une conséquence des calculs nécessaires pour obtenir
l'équation (2.4) à partir de l'équation (2.3), mais peut être ignoré en toute sécurité dans notre discussion9 :
nous disons que, selon l'équation (2.4), la MMU peut être approchée par le coût minimum du forfait qh
choisi par le ménage h, évalué aux prix de référence p0 .
A chaque étape, on passe de l'abstrait au concret : l'équation (2.4) peut être écrite sous une forme plus
commode en introduisant l'indice de prix suivant :
ph qh
Ph = (2.5)
p0 qh
Ph dans l'équation (2.5) est appelé indice de Paasche (le tableau 5.1 de la section 5.1.1 fournit plus de
détails, inutiles à ce stade). Comme d'autres indices de prix, Paasche est un dispositif permettant de
comparer deux vecteurs de prix, tels que ph et p0 , au moyen d'un scalaire. L'indice de Paasche dans
l'équation (2.5) compare les prix réellement rencontrés par
référence
le ménage
p0 ,
h, epn
h ,
utilisant
à l'ensemble
qh comme
de prix
pondération.
de
Contrairement à l'indice de Laspeyres, où les poids seraient fixes, l'indice de Paasche utilise des poids
individuels pour chaque ménage. Réécrire l'équation (2.4) après avoir multiplié et divisé son membre droit
par ph qh , et en notant que ph qh = xh , produit le résultat clé suivant :
hx
h
euh ≈ (2.6)
pH
h
L'équation (2.6) dit que MMU, um , peut être approximée par les dépenses totales du ménage xh ,
déflaté avec un indice de prix de Paasche Ph.
Nous sommes arrivés à la ligne d'arrivée. L'équation (2.6), correspondant à l'équation 2.6 dans l'article de
DZ, est peutêtre l'équation la plus importante pour la mesure du bienêtre dans le cadre considéré. Des
ajustements supplémentaires sont nécessaires, comme nous le verrons, pour
tenir compte d'un certain nombre d'autres problèmes, par exemple le fait que nous nous soucions des individus
plutôt que les ménages mais le résultat est que l'équation (2.6) établit un lien entre
9 Il s'agit d'une note de bas de page longue et technique, qui peut être ignorée sans compromettre la compréhension du point général de cette
section. Pour obtenir l'équation (2.4) à partir de l'équation (2.3), nous devons développer la fonction c (uh , p0 ) autour de ph .
En mathématiques, développer une fonction signifie transformer la fonction en une forme polynomiale (par
exemple a0 + a1 x + a2 x2 + …) – voir Chiang (1984, 25657). En particulier, nous devons appliquer le développement dit de Taylor. Étant
donné une fonction y = f(x), le développement de Taylor consiste à transformer la fonction autour d'un point x0 en le polynôme suivant :
f(x0 ) + f′(x0 ) f′′(x0 ) (x − x0 ) + (x 2 + !

f(x) = − x0 )
0 ! 1! 1!
″
où f′, f désignent les dérivées première et seconde par rapport à x de la fonction. Si nous utilisons une approximation de Taylor du
premier ordre, alors la formule générale se simplifie en f(x) ≈ f(x0 ) + f′(x0 ) (x – x0 ). DZ applique un développement de Taylor du premier
ordre à la fonction de coût c(uh , p0 ) autour de ph . Cela donne:
∂c(uh , ph )
c(uh , p0 ) ≈ c(uh , ph ) + (p0 − ph ) ∂ph ≈ c(uh ,
ph ) + qh (p0 − ph )
où nous avons appliqué le lemme de Shephard décrit dans Deaton et Muellbauer (1980, 3740), selon lequel les dérivées partielles de la
fonction de coût c(uh , p) par rapport aux prix sont les fonctions de demande (hicksiennes ou compensées) (∂ c(uh , ph )/∂ph ≡ qh ). Enfin,
nous notons que c(uh , ph ) = ph qh , de sorte que l'équation cidessus se simplifie davantage
dire c(uh ,
en
pc0 )
(uh ,
≈ pp0
0 )
qh ,
≈ p
ce
h qui
h +c orrespond
qh (p0 − ph ),
à (2.4).
c'està
L'approximation repose sur le fait que p0 n'est pas trop différent de ph , qui est le point où la fonction est approximée.
la théorie économique standard (le côté gauche, l'utilité que le consommateur tire d' un certain panier
de consommation) et la pratique (le côté droit, les dépenses des ménages telles qu'enregistrées par
les données d'enquête, déflatées par un indice des prix qui s'ajuste aux différences d'achat pouvoir).
L'équation (2.6) représente la réponse que la théorie économique donne à la question posée au tout
début de cette section : « Comment représenter le bienêtre individuel ? » La recommandation de DZ,
basée sur le matériel examiné jusqu'à présent, est claire : "une tentative devrait être faite pour utiliser
Money Metric Utility (MMU) et pour calculer les indices de prix de Paasche avec des pondérations
individuelles des ménages".
DZ discute de la possibilité d'utiliser un indice de Laspeyres au lieu d'un indice de Paasche : après tout, le
premier est beaucoup plus populaire que le second, plus simple et plus facile à expliquer aux décideurs
politiques ; alors que l'indice de Paasche n'est pratiquement jamais produit par les offices nationaux de
statistique (ONS), le calcul d'un indice de Laspeyres est routinier pour la plupart d'entre eux10. La substitution
de l'indice de Paasche dans l'équation (2.6) par un indice de Laspeyres conduiraitelle à des résultats
équivalents ? ? DZ montrent que la réponse est négative : leur argumentation est subtile mais essentielle pour
comprendre la préférence accordée au MMU.
Laissons un instant l'équation (2.6) de côté et considérons un autre indicateur du bienêtre
individuel, le soidisant ratio de bienêtre (WR), défini par Blackorby et Donaldson (1987) comme
le rapport des dépenses des ménages aux dépenses nécessaires pour correspondre au seuil de
h
wratio h = x pauvreté : /z, où z désigne le seuil de pauvreté. Le ratio de bienêtre est un nombre pur qui
exprime, pour chaque ménage h, combien de fois le ménage peut acheter le panier du seuil de pauvreté. Si
h
wratio est égal, disons, à
valeur
1,5, cdela
u sseuil
ignifie
de pqauvreté.
ue les dépenses
DZ reformule
de consommation
le ratio de sorte
des
qu'il
ménages
soit exprimé
sont 1c,5
omme
fois la
la
h
dépense totale des ménages divisée par un indice des prix, ce qui permet u
l'équation
ne comparaison
(2.6). Le
directe
résultat
avec
est que
le ratio de bienêtre peut être réécrit précisément comme les dépenses totales des ménages ajustées par un
indice de Laspeyres, Lz
h
:
h hx
= (2.7)
uwratio h
Lz
h
L'équation (2.7) est simplement une transformation (une représentation monétaire) de wratio , et va
également appelée WR, conformément au cadre et au vocabulaire de DZ.11 La comparaison des équations
(2.7) à (2.6) conduit à la conclusion suivante : L'indice des prix de Laspeyres pour ajuster les dépenses
nominales des ménages équivaut en fait à utiliser un WR, et non un MMU, comme mesure du niveau de vie.
Parce que les deux sont, en général, des mesures différentes du bienêtre individuel, l'indice de Paasche ne
peut pas être remplacé par un indice de Laspeyres sans modifier la nature de la façon dont le bienêtre
individuel est mesuré.
Quelle est exactement la différence entre les deux mesures et pourquoi la MMU dans l'équation (2.6) devrait
elle être préférée à la WR dans l'équation (2.7) ? La réponse est technique. Diviser la dépense des ménages
xh par z pour obtenir WR, loin d'être une normalisation innocente, est responsable de la rupture du lien entre
les dépenses de consommation des ménages (ce que l'on observe
10 Les différences entre les formules d'indice des prix sont examinées en détail à la section 5.
11 h
Le suffixe z rappelle que l'indice des prix Lz utilise les biens et services contenus dans le faisceau sousjacent à la ligne de
pauvreté z comme poids de référence. Le calcul qui conduit à exprimer le ratio de bienêtre comme dans l'équation (2.7) n'est pas
compliqué, mais il est omis ici pour éviter d'encombrer le texte (voir Deaton et Zaidi 2002, 11).
dix Sur la construction d'un agrégat de consommation pour l'analyse des inégalités et de la pauvreté
en pratique) et l'utilité (le concept que nous utilisons en théorie pour établir une mesure de bienêtre).
Si le ratio de bienêtre dans l'équation (2.7) n'est plus approximativement égal à la fonction de coût
définie dans l'équation (2.2), alors la conséquence est qu'il peut ne pas mesurer correctement le bien
être : il est possible que quelqu'un devienne meilleur, que c'estàdire d'augmenter son utilité tout en
faisant baisser son ratio de bienêtre. Cela ne peut pas arriver avec la MMU (Blackorby et Donaldson
1987). Cela explique pourquoi DZ finit par recommander l'utilisation de MMU dans l'équation (2.6)
plutôt que WR dans l'équation (2.7).
En fait, les Lignes directrices indiquent clairement que « utiliser la MMU » doit être considéré comme
une recommandation et non comme une prescription. DZ était bien conscient d'un compromis
irréductible associé au choix entre les équations (2.6) et (2.7). Ce point subtil mais important mérite
d'être précisé . DZ note qu'en général, la MMU est meilleure que la WR en tant que mesure du bien
être individuel : la MMU est une mesure « exacte », car elle classe les ménages conformément à la
théorie basée sur l'utilité examinée dans cette section, alors que la WR ne le fait pas nécessairement.
D'autre part, Blackorby et Donaldson (BD) (1987) notent que, lorsque les mesures de bienêtre
individuel sont agrégées parce que l'intérêt est d'estimer l'inégalité ou la pauvreté, par exemple, et
que le calcul des indices d'inégalité et de pauvreté nécessite l'agrégation des indicateurs de bienêtre
— WR est meilleur que MMU.12 Tandis que DZ attache plus de valeur à la première propriété, et
suggère donc de s'en tenir à MMU, BD accorde plus d'importance à la seconde propriété, et opte donc
pour WR. Dans l'ensemble, la leçon ici est que lorsque l'analyste se met à la tâche de mesurer le bien
être individuel, il doit être prêt à payer un prix : si la MMU est choisie, alors le prix est l'inexactitude
(potentielle) dans les types d'analyse sensibles à la distribution. (par exemple, analyse coûtsavantages).
Si WR est choisi, le prix est l'analyse reposant sur une mesure de bienêtre individuel inexacte13 . et
obtenir l'indicateur de bienêtre comme dans l'équation (2.6).
Pour résumer, selon DZ, l'utilisation de la WR est une stratégie de pisaller, mais qui vaut la peine
d'être mise en œuvre lorsque des facteurs autres que des considérations théoriques jouent un rôle.
Lorsque l'estimation d'un indice de Paasche fiable (nécessaire au calcul de la MMU) n'est pas une
stratégie viable par exemple en raison d'un manque d'informations appropriées de haute qualité le
risque est de compromettre la "transparence et la simplicité" de l'analyse, et la la recommandation est
d'utiliser un indice de Laspeyres (sous l'hypothèse que des estimations officielles existent et sont
fiables). Lorsque les deux indices sont disponibles, l'analyse de sensibilité discutée à la section 8
fournit un moyen simple de déterminer l'impact de ce choix sur les statistiques d'intérêt.
12
Contrairement au MMU, le WR offre une protection contre les situations où les transferts « riches vers pauvres », par exemple, se
traduisent par une amélioration du bienêtre (Fleurbaey et Maniquet 2011, ch. 1 ; Decanq, Fleurbaey et Shokkaert 2015, 95).
13 Si l'on est prêt à supposer que les préférences sont homothétiques (c'estàdire si l'on peut supposer que les consommateurs ont
le même schéma de consommation quel que soit leur niveau de revenu), alors la MMU et la WR s'en sortent aussi bien en tant que
mesures de bienêtre individuelles qu'en tant que blocs de construction d'autres mesures globales du bienêtre (en fait, dans ce cas
précis, le WR est une forme de MMU) — voir Ravallion (1998, p. 4). Cela n'a cependant que peu d'utilité pratique, car les préférences
homothétiques sont rarement étayées par des preuves.
2.3 Discussion
À la base de l'argument pour représenter le bienêtre par le MMU se trouve l'appareil théorique examiné dans
la présente section, la théorie standard du consommateur. Ce cadre n'a même pas changé à la marge au cours
des 50 dernières années. Les développements théoriques récents n'ont pas non plus résolu le compromis sous
jacent au choix entre MMU et WR. Par conséquent, nous ne voyons aucune raison de remettre en question la
recommandation fondamentale de DZ d'accorder la préférence à la mesure du bienêtre en utilisant les
dépenses totales des ménages divisées par un indice des prix de Paasche, et de remplacer ce dernier par un
indice de Laspeyres lorsque des difficultés empiriques empêchent de produire des estimations précises.
Dans quelle mesure cette recommandation générale estelle suivie dans la pratique ? La carte 2.1 est construite
sur la base de la documentation technique et méthodologique qui soustend les estimations officielles
(monétaires) de la pauvreté dans 137 pays (l'annexe A détaille la construction de cette base de données
méthodologique et ses sources). Une conclusion s'impose immédiatement : ce n'est que pour une faible
minorité de pays – 11, pour être exact – que l'on peut conclure définitivement que l' indicateur de bienêtre est
la dépense des ménages divisée par un indice de Paasche. Certes, un manque de documentation peut cacher
davantage de cas de conformité aux Lignes directrices. Pour 46 pays , marqués comme « non documentés »
sur la carte 2.1, nous n'avons pas pu parvenir à une conclusion ferme (principalement parce que nous
manquons de détails sur la déflation de l'agrégat nominal). Même ainsi, du moins à première vue, la carte 2.1
montre que la première recommandation de DZ n'a pas trouvé une large application dans la pratique.
Qu'estce qui motive ce résultat ? Sur les 68 pays documentant des approches non MMU, environ la moitié
utilisent un numérateur différent (revenus plutôt que dépenses). Une discussion sur les mérites du revenu en
tant qu'indicateur de bienêtre ne mérite pas moins d'attention que lorsque DZ l'a inclus
dans la table des matières des Lignes directrices, et il est abordé dans la section 3 de ce document. Les autres
pays s'écartent de la recommandation de DZ en utilisant un dénominateur différent, c'estàdire en déflatant les
dépenses des ménages avec des indices autres que Paasche, ou, dans quelques cas, en ne déflatant pas du
tout (la dépense nominale est l'indicateur de bienêtre). L'ajustement en fonction des différences de coût de la
vie nécessite également une discussion approfondie, à la lumière d'une littérature croissante affirmant que les
indices de prix disponibles dans la pratique reposent souvent sur une couverture trop étroite et ne fournissent
pas aux analystes une approximation précise de l'indice que la théorie exige. Ces questions sont examinées
en détail dans la section 5. Pour l'instant, il suffit de dire que sous la surface des catégories brutales décrites
dans la carte 2.1 se trouve un débat animé, impliquant à la fois des universitaires et des praticiens, qui a vu de
nombreuses contributions importantes depuis le début des années 2000. , et dont la frontière se déplace au fur
et à mesure que nous écrivons.
CARTE 2.1. Pays qui utilisent la MMU (dépenses divisées par un indice de Paasche) comme mesure de bienêtre
REMARQUE : Aux fins de cette carte, les « dépenses » peuvent être n'importe quel agrégat des dépenses des
ménages.
SOURCE : Élaboration par les auteurs de l'ensemble de données décrit à l'annexe A.
En guise de conclusion, nous proposons une réflexion générale. Prendre du recul pour reconsidérer le débat
MMU contre WR deux décennies plus tard rend la discussion plutôt étroite, par rapport à la quantité d'attention
suscitée par les approches alternatives de la mesure de la pauvreté . L'Union européenne, par exemple, s'est
concentrée sur l'exclusion sociale (Atkinson et Da Voudi 2000 ; Atkinson et al. 2002 ; etc.), un concept qui
implique la privation dans un large éventail d'indicateurs économiques et sociaux ou de fonctionnements des
niveaux de vie. Plus récemment, la Banque mondiale (2017) a attiré l'attention sur l' approche de la pauvreté
multidimensionnelle (Alkire et al. 2015 ; Banque mondiale 2017, 2018) et sur les évaluations subjectives du bien
être (Ravallion 2016).
Résumer la discussion sur les mérites de ces méthodologies évolutives n'est pas à notre portée – pas en l'espace
de quelques pages – et n'est finalement pas nécessaire aux fins de ces lignes directrices. Si ces évolutions sont
susceptibles d'alimenter le débat dans un avenir proche, elles n'appellent pas une refonte complète de l'approche
monétaire de la mesure du bienêtre.
Au contraire, ils sont un complément utile pour ce qui reste actuellement le « cheval de bataille » de la mesure de
la pauvreté et des comparaisons de la pauvreté dans le monde.
3. Consommation
ou revenu ?
« Parmi les mesures économiques du niveau de vie, le principal concurrent d'une mesure basée sur la
consommation est une mesure basée sur le revenu » (DZ, 11). Cela est aussi vrai aujourd'hui qu'au
moment de la publication des Lignes directrices, comme le montre la carte 3.1. La carte montre une
subdivision soignée du monde en «camps» l'Afrique et l'Asie du SudEst optant pour la consommation,
et les Amériques, l'Europe et l'Asie centrale adoptant le revenu.
CARTE 3.1. Consommation versus mesure du bienêtre basée sur le revenu
SOURCE : Élaboration par les auteurs du jeu de données présenté en annexe A.
DZ consacre une section entière à discuter des mérites relatifs de la consommation et du revenu avant
de conclure que « la consommation est une mesure théoriquement plus satisfaisante du bien être ». (p.
21). En effet, la théorie standard du consommateur désigne les dépenses de consommation totales
comme une mesure du bienêtre cohérente avec l'utilité (section 2 de ce document). Cependant, dans le
modèle simple et à une seule période du comportement des consommateurs qui motive cette préférence,
la consommation et le revenu ne font qu'un : tout revenu est consommé, toute consommation est financée
par le revenu. Dans ce cadre de base, le choix entre les deux est sans conséquence. Mais la théorie peut
être facilement étendue pour s'adapter à une représentation plus réaliste du choix du consommateur, une
représentation dans laquelle les décisions sont prises et les fonds sont répartis sur plusieurs
Consommation ou revenu ?
périodes de temps. Dans ce cas, bien entendu, consommation et revenu cessent d'être identiques, la différence étant
l'épargne (ou l'emprunt, c'estàdire l'épargne négative). Par exemple, les individus peuvent vouloir épargner à un moment
donné de leur vie, en consommant moins que leur revenu, et plus tard désépargner, ou emprunter, pour pouvoir
consommer plus que leur revenu. En fin de compte, selon DZ, dans ce contexte plus complexe, le choix entre revenu et
consommation est lié à une autre question : sur quelle période de temps voulonsnous mesurer le bienêtre ? Cette
question nous amène à revoir l'argument dit de « la douceur » en faveur de la consommation.
3.1 L'« argument de la douceur »
Y atil des raisons de s'intéresser à une mesure du bienêtre à très court terme, capturant le niveau de vie sur une
période aussi courte qu'un ou deux jours ? La réponse est clairement négative – la connaissance du statut de pauvreté
d'un individu pendant une période de référence aussi courte serait à la fois conceptuellement inintéressante et peu ou
pas utile dans la pratique. À l'autre extrême se trouve le bienêtre à vie : une mesure du bienêtre individuel du berceau à
la tombe. Ce concept n'est pas aussi facile à rejeter, car il pourrait y avoir un intérêt conceptuel pour une telle mesure,
mais les difficultés pratiques d'estimation du niveau de vie au cours de la vie sont susceptibles d'être insurmontables.
Entre les deux extrêmes se trouve un continuum de choix potentiels. Certes, une mesure « instantanée » du niveau de
vie sur un ou deux jours peut être inintéressante, mais une mesure à court terme sur un ou deux mois peut ne pas l'être.
Dans certaines circonstances, comme la pandémie de COVID19, les personnes perdant soudainement leurs (maigres)
revenus du travail pourraient rapidement sombrer dans le désespoir, même dans les pays riches, si elles ne pouvaient
pas compter sur une épargne suffisante. Dans un tel contexte, l'accès aux informations sur l'état de pauvreté, même pour
une période aussi courte qu'un mois, peut être crucial pour faire les bons choix politiques. Les scénarios nécessitant une
telle mesure granulaire ont tendance à être rares dans la pratique comme le suggère DZ, "dans l'ensemble, et pour la
plupart des objectifs, il existe un large consensus sur le fait qu'une année est un compromis pratique raisonnable pour la
mesure du bienêtre" (p. 14). Si tel est le cas, alors la question suivante est : laquelle parmi la consommation et le revenu
fournit la meilleure mesure du niveau de vie sur une année ? Pour DZ, ce qui finit par faire pencher la balance en faveur
de la consommation est un argument essentiellement empirique, qui s'articule autour de la notion d'incertitude.
Dans les économies à faible revenu, et particulièrement dans les zones rurales, les ménages sont exposés à des chocs
qui peuvent entraîner une baisse ou une augmentation soudaine des revenus ou de la consommation : une mauvaise
récolte ou une perte d'emploi, une dépense importante non planifiée pour cause de maladie, un héritage. . . . La figure 3.1
fournit une description stylisée de la façon dont le revenu (ligne grise) et la consommation (ligne rouge) varient dans le temps.
Les deux variables connaissent des hauts et des bas à court terme, mais les fluctuations de revenu s'avèrent plus
fréquentes et plus sévères : en d'autres termes, la consommation est plus régulière dans le temps que le revenu14.
14
Il existe également une explication théorique de ce phénomène, connue sous le nom d' hypothèse du revenu permanent (PIH),
proposée par Friedman (1957). L'idée est que les gens prennent leurs décisions de consommation en fonction non pas de leur
revenu actuel, mais plutôt de ce qu'ils s'attendent à gagner à long terme. Si c'est le cas, alors leurs dépenses ne changeront pas
chaque fois que leur revenu changera ; les dépenses seront affectées par les variations inattendues des revenus qui sont perçues
comme permanentes, mais seulement marginalement par celles qui semblent temporaires. Sous l'hypothèse que la plupart des
changements de revenu inattendus sont temporaires, la consommation devrait être moins volatile que le revenu (Christiano 1987).
Il existe de nombreuses preuves empiriques à l'appui de cette idée.15 La conclusion générale de ces
études est que le lissage de la consommation est réel et significatif, et qu'il est plus important que le
lissage des revenus, bien qu'il ne soit pas complet (Morduch 1995, 107).16
FIGURE 3.1. Fluctuations de la consommation et des revenus dans le temps
$
REVENU
CONSOMMATION
12 MOIS
0 3 6 9 15 18
SOURCE : Adapté de Zaidi (2007).
Néanmoins, « même un lissage limité donne à la consommation un avantage pratique sur le revenu dans
la mesure du niveau de vie, car l'observation de la consommation sur une période relativement courte,
même une semaine ou deux, nous en dira beaucoup plus sur la durée de vie annuelle, voire plus longue.
normes que ne le sera une observation similaire sur le revenu. (DZ, 14).17
Voilà qui résume « l'argument de la douceur » en faveur de la consommation. Bien que ce point soit
régulièrement cité lorsque le revenu et la consommation sont comparés en tant que mesures candidates
du niveau de vie à long terme, il a également été critiqué. Par exemple, Ravallion (1994, 14) souligne
que, lorsque l'on réfléchit à la mesure, le revenu ou la consommation, qui est la plus volatile, il faut se
demander si les fluctuations ont tendance à être communes à tous les ménages ou non.
15 Paxson (1993) montre que c'est le cas pour la Thaïlande, Chaudhuri et Paxson (2002) pour l'Inde, Khandker (2009) pour le
Bangladesh, Jalan et Ravallion (1999) pour la Chine rurale, Genoni (2012) pour l'Indonésie, Deaton (1992 ) et Grimard (1997) pour la
Côte d'Ivoire, Asfaw et von Braun (2004) pour l'Éthiopie rurale, Kaminski, Christiaensen et Gilbert (2016) pour la Tanzanie, Skoufias
et Quisumbing (2005) pour un pool de cinq pays (Bangladesh, l'Éthiopie, le Mali, le Mexique et la Russie, étudiés plus en détail par
autant de projets de l'Institut international de recherche sur les politiques alimentaires [IFPRI]).
16 Ravallion (1994) note que la consommation peut être un indicateur de bienêtre « bruyant ». Dans un certain contexte, le lissage
de la consommation peut être très limité — voir, par exemple, Deaton (1992) et Wagstaff (2007).
17
Pour en revenir à la mesure à court terme (un ou deux mois) du niveau de vie dans des situations de changement économique
rapide, il s'agit d'un cas où le revenu peut être le meilleur indicateur. Grâce à une épargne limitée, la consommation pourrait chuter
beaucoup moins que le revenu, mais son niveau ne rendrait pas compte de la véritable situation préoccupante de tous ceux qui n'ont
pas suffisamment d'actifs pour maintenir durablement leur niveau de vie. Le revenu peut rendre compte de la gravité de leur situation
et de leur vulnérabilité mieux que la consommation.
Pour comprendre pourquoi cela est pertinent, considérons que les chocs qui affectent le revenu et la
consommation peuvent résulter soit de risques covariables, soit de risques idiosyncratiques. Les risques
covariables affectent de nombreux ménages en même temps : les incertitudes associées aux mauvaises récoltes
(dues aux sécheresses, aux inondations et à d'autres événements climatiques), les troubles sociaux et les chocs
politiques (par exemple, les modifications de la fiscalité, les réformes agraires et les interdictions de migration)
sont exemples typiques. D'autre part, les risques idiosyncratiques, tels que la maladie, la pénurie d'intrants
agricoles, la mort et la maladie du bétail, la criminalité et le banditisme, etc. (Dercon 2005a), sont ceux qui
affectent les ménages individuels, isolément.
Les deux types de risques entraînent des fluctuations des revenus et de la consommation dans le temps, ce qui
est une mauvaise nouvelle pour l'analyste ; mais les chocs covariables ont une qualité rédemptrice, c'estàdire
que même s'ils génèrent une variabilité intertemporelle, ils frappent tous les ménages de manière similaire, de
sorte que la position des ménages les uns par rapport aux autres à un moment donné est (plus ou moins) préservée.
Dans ce scénario, le niveau de bienêtre à long terme estimé pour une famille donnée pourrait être erroné, mais
son classement par rapport aux autres serait correct. Les chocs idiosyncratiques, en revanche, génèrent une
variabilité dans le temps et modifient également la position relative des ménages à un moment donné,
précisément parce qu'ils ne sont pas ressentis de manière uniforme dans la population. Dans ce cas, le niveau
et le classement du bienêtre estimé d'une famille touchée par une calamité seraient décalés par rapport à leurs
valeurs à long terme.
Il y a des raisons de croire que, bien que le revenu soit plus volatil que la consommation dans le temps, sa
variation a une covariance élevée entre les ménages (pensez à une "mauvaise saison" et à son impact sur les
revenus dans un village rural : certes important, mais similaire d'un ménage à l'autre) . En revanche, la
consommation peut varier moins dans le temps, mais cette variation peut être plus idiosyncratique, liée à des
circonstances personnelles (pensez à la nécessité de financer un mariage, des funérailles ou à faire face à une
urgence sanitaire : l'impact de ces les événements sur le niveau de consommation d'une famille peuvent être
moins importants, mais ils seraient isolés, et provoqueraient un reclassement de cette famille dans la distribution
globale des niveaux de vie). Si tel est le cas, la consommation, bien que « plus régulière », ne serait pas
nécessairement la meilleure mesure du niveau de vie à long terme, si le classement du bienêtre des ménages
est ce qui nous importe vraiment. Des preuves empiriques en sont fournies par Chauduri et Ravallion (1994).
Certes, la discussion sur la variabilité n'est que la pointe de l'iceberg. La question de savoir s'il faut utiliser le
revenu ou la consommation comme mesure du bienêtre individuel est une question de longue date qui est loin
d'être réglée aujourd'hui, et elle a abouti à de nombreuses listes difficiles à équilibrer des avantages et des
inconvénients des deux mesures alternatives . . La section suivante fait le point sur ce débat plus large concernant
le bienfondé des deux mesures, et l'ajout probable d'autres candidats.
3.2 Considérations supplémentaires sur le débat entre
consommation et revenu
Au fur et à mesure que la littérature sur le choix entre revenu et consommation continue de croître, les tentatives
de synthèse de ses conclusions se multiplient, motivées en grande partie par la nécessité de communiquer
efficacement les enjeux du choix entre revenu et consommation aux praticiens, statisticiens et autres. décideurs
du monde entier. En conséquence, différentes versions d'un 2×2
La matrice « pour et contre » comparant les deux candidats a été largement utilisée dans les matériels
pédagogiques et les rapports techniques, un exemple notable étant le Manuel de la Banque mondiale
sur la pauvreté et les inégalités (Haughton et Khandker 2009, 30).
Cette « approche matricielle » est sans doute efficace pour donner une vue d'ensemble des arguments
opposés soulevés par la littérature depuis la publication des Lignes directrices ; en fait, une version
élargie avec des références mises à jour se trouve à l'annexe B. Cependant, il est peu probable qu'elle
aide à déterminer quelle mesure, le revenu ou la consommation, arrive finalement en tête . Non
seulement l'importance relative de chaque avantage et inconvénient est essentiellement arbitraire
quelle est la valeur de la «régularité» de la consommation (troisième puce de la colonne 2, tableau
B.1) par rapport à la «rentabilité» du revenu (troisième puce de la colonne 1, tableau B.1), par
exemple ?18 – mais la nature même des deux mesures est différente. La comparaison des revenus et
de la consommation ne s'inscrit pas parfaitement dans une grille « positifs contre négatifs » : un
changement de perspective peut transformer certains des « pour » répertoriés en « contre », et vice
versa. En clair, le choix entre consommation et revenu dépend de l'objectif de l'analyse (Atkinson 2015 ; 35).
Le choix de l'indicateur de bienêtre peut être défini comme une décision sur la façon dont la pauvreté
ellemême doit être définie. Si l'on considère que, pour éviter d'être pauvres, les individus doivent
connaître un niveau de vie minimum (avoir suffisamment de nourriture pour manger, un logement
convenable et tout ce qui peut être considéré comme « de base » dans un contexte donné), alors la
consommation, qui reflète la l'utilisation réelle des biens et services, est la mesure naturelle. D'autre
part, on peut penser que pour échapper à la pauvreté, les individus doivent avoir accès à un minimum
de ressources, quelle que soit l'utilisation qui en sera faite en définitive. Dans ce cas, le revenu serait
une mesure plus appropriée du bienêtre. Cet argument a été résumé comme un contraste entre une
mesure du bienêtre réel (consommation) et une mesure du bienêtre potentiel (revenu) (Atkinson
2015, 35 ; Banque mondiale 2015, 32 ; Ravallion 2016, 157). Un raisonnement similaire s'applique à
l'inégalité ; ici, l'utilisation du revenu peut être justifiée par une conception de l'inégalité qui va audelà
de la simple réalisation et intègre d'autres aspects de « être riche », comme le pouvoir que la richesse
peut véhiculer : « Ce pouvoir peut être exercé sur sa famille, comme la transmission de patrimoine
aux héritiers, ou plus généralement par le contrôle des médias ou l'influence auprès des partis
politiques. (…) Le revenu est en effet un moyen pour une fin, mais sa portée va beaucoup plus loin
que la consommation. (Atkinson 2015, 37).
Ces interprétations alternatives de la pauvreté et des inégalités sont en corrélation avec le stade de
développement d'un pays et la structure de son économie. Un concept de bienêtre basé sur le bien
être réel (consommation) est bien adapté aux contextes où la privation matérielle est une préoccupation
sérieuse, et en plus de cela, mesurer le revenu peut être complètement impossible en raison de la
prévalence du travail indépendant et du travail informel (Beegle et al. 2016); une idée du bienêtre
centrée sur les opportunités et le potentiel (revenu) est plus en phase avec les contextes où la politique
peut cibler des « droits minimaux » aux ressources (Atkinson 1989, 2019) et où l'inégalité est une
préoccupation majeure. Certes, il existe aussi une dépendance au sentier qui conforte la préférence
pour l'une ou l'autre mesure dans la pratique : une fois qu'une approche s'est imposée, s'en détacher
(concevoir de nouvelles enquêtes, collecter des données différentes, perdre la comparabilité avec
18 Le problème lié à l'hypothèse de ces compromis implicites entre les alternatives est similaire à celui qui se pose avec
l'utilisation d'indices composites ; voir, par exemple, Ravallion (2010) ; Amendola, Gabbuti et Vecchi (2018).
estimations antérieures) coûte cher. La figure 3.2 confirme qu'il existe une fracture dans les pratiques de
mesure du bienêtre qui est en corrélation avec la position d'un pays dans la répartition mondiale des revenus.
FIGURE 3.2. Consommation versus revenu, par groupe de revenu des pays de la Banque mondiale
Faible 100
Milieu inférieur 90 dix
Moyenne supérieure 62 38
Haut 9 91
0 20 40 60 80 100
Pour cent
Consommation Revenu
En outre, il existe d'importantes raisons pratiques de se tourner vers le revenu comme mesure complémentaire,
voire privilégiée, du bienêtre. Les informations sur le revenu total du ménage sont utiles même lorsque
l'indicateur de bienêtre choisi est la consommation. L'analyse du revenu des ménages et de ses sources est
un chapitre clé de tout profil de pauvreté : une faible capacité à générer des revenus fait partie des moteurs
de la pauvreté (par exemple, Botswana 2015) et des inégalités (par exemple, Maurice 2019), et on peut
difficilement imaginer toute enquête sur les causes de la pauvreté qui ne tient pas compte de la capacité à
générer des revenus19. Il n'est pas rare non plus que la qualité des données disponibles contrecarre l'effort
de construction d'une mesure fiable de la consommation. Les estimations d'enquête peuvent être entachées
d'erreurs de mesure qu'aucune imputation ou aucun ajustement ne peut entièrement « réparer » par exemple,
la collecte de données sur les aliments à l'aide d'unités de mesure non standard peut avoir été problématique,
générant des estimations peu fiables pour cette composante majeure de la consommation. Dans de tels cas,
des indicateurs de bienêtre alternatifs doivent être envisagés, soit comme un instrument de validation croisée
(la consommation et le revenu racontentils des histoires cohérentes ?) soit comme un candidat pour remplacer
un agrégat de consommation mal mesuré.
Pour toutes ces raisons, les scénarios dans lesquels les analystes du bienêtre se retrouvent à travailler avec des
données sur le revenu sont de plus en plus courants. Passer en revue les fondements théoriques du revenu en
tant que concept, les difficultés de faire correspondre le concept avec des données d'enquête réelles, les ajustements
19 La recommandation 4 de la commission Atkinson souligne l'importance d'examiner la relation entre consommation et
revenu (Banque mondiale 2017, 37).
probablement nécessaires pour parfaire la correspondance, sont des sujets difficiles qui sortent du
périmètre de ces lignes directrices. Le lecteur intéressé est dirigé vers l'annexe C, où nous fournissons
une stratégie pragmatique pour construire un agrégat de revenu. Nous nous appuyons sur une source
externe, le Canberra Group Handbook on Household Income Statistics, qui est la norme internationale à
la fois pour les analystes du bienêtre et les comptables nationaux depuis le milieu des années 1990,
lorsque la communauté d'experts réunie sous l'égide du Canberra Group a commencé à aborder des
questions conceptuelles. , définitionnels et pratiques auxquels les organismes statistiques nationaux et
internationaux ont été confrontés dans le domaine des statistiques sur la répartition des revenus des ménages (UNECE 2
En conclusion, la préférence pour les mesures basées sur la consommation exprimée à l'origine par DZ
peut être atténuée, dans la mesure où l'analyste est intéressé à mesurer la pauvreté en utilisant des
normes spécifiques au contexte (par exemple, lorsqu'un pays s'enrichit et que la possibilité d'adopter une
cadre conceptuel basé sur le revenu augmente), ou pour des raisons purement pragmatiques (par
exemple, un agrégat de consommation ne peut pas être produit avec la précision souhaitée). D'autre part,
il est nécessaire que les organisations internationales analysent la pauvreté comme un phénomène
mondial , incarné par les objectifs de développement durable. Cela entraîne la nécessité d'au moins un
certain degré de comparabilité entre les pays dans les estimations de la pauvreté et des inégalités. Compte
tenu de la préférence pour la mesure basée sur la consommation dans les régions les plus pauvres du
monde, il ne fait aucun doute que la recommandation de DZ ne doit pas non plus être ignorée si nous
voulons garder ces pays « à bord » dans une perspective globale.
On peut dire que nous nous dirigeons vers un monde où les mesures basées sur le revenu, ainsi que
d'autres alternatives aux indicateurs de bienêtre basés sur la consommation (y compris les mesures de
pauvreté multidimensionnelle et subjective) ont également leur place, dans ce qui devient une approche
de plus en plus intégrée, où différents complémentaires, comme le démontrent notamment les
recommandations de la commission Atkinson (Banque mondiale 2017). Dans cette perspective prospective,
l'une des priorités qui vient à l'esprit est celle de la comptabilisation des actifs et des passifs des ménages.
En 2008, le président de la République française, Nicolas Sarkozy, insatisfait de l'état actuel de l'information
statistique sur l'économie, crée la « Commission de mesure des performances économiques et sociales ».
Progrès." Pas moins de six lauréats du prix Nobel ont contribué à la production du rapport
final, qui est souvent appelé le rapport StiglitzSenFitoussi, et l'extrait suivant
("Recommandation 3"), que nous retirons des 300 pages, fait le point:
« Les revenus et la consommation sont cruciaux pour évaluer le niveau de vie,
mais ils ne peuvent finalement être mesurés qu'en liaison avec des informations
sur la richesse. Un ménage qui dépense sa richesse en biens de consommation
augmente son bienêtre actuel mais au détriment de son bienêtre futur (…)
nous avons besoin de comptes complets d'actifs et de passifs (…) »
Stiglitz, Sen et Fitoussi (2009, 13)
Le rapport n'est pas resté lettre morte. En 2013, l'OCDE (2013) a présenté les résultats d'un projet convenu
au niveau international (le cadre pour les statistiques sur la répartition du revenu, de la consommation et
de la richesse des ménages, ou cadre ICW) pour soutenir l'analyse conjointe des statistiques au niveau
micro sur le revenu, la consommation, et la richesse. La tâche est exigeante sur le plan pratique et encore
incertaine d'un point de vue conceptuel (par exemple, Brandolini, Magri,
et Smeeding 2010). Pourtant, l'intégration des revenus et de la richesse des ménages aux informations
sur la consommation figure en tête de liste des défis auxquels seront confrontés les analystes du bien
être dans un avenir proche (Dang, Jolliffe et Carletto, 2019). En fait, alors que la pandémie de
COVID19 déferle sur l' économie mondiale, il est difficile de sousestimer l'importance de la collecte
des données nécessaires pour évaluer et surveiller la fragilité financière des ménages (Clark, Lusard
et Mitchell 2021 ; Demertzis, DominguezJiménez et Lusardi 2020) ou la résilience (Gambacorta,
Rosolia et Zanichelli 2022 ; McKnight et Rucci 2020).
4. Construction de
l'agrégat de
consommation nominale
La théorie économique pose les bases de la mesure de bienêtre et justifie le choix d' une mesure de
bienêtre basée sur la consommation (section 2) – après cela vient la construction. En effet, la première
tâche dans le calcul d'une mesure de bienêtre basée sur la consommation consiste à assembler
l'agrégat dit de consommation nominale (NCA) à partir de données d'enquête. La construction de la
NCA fait l'objet de la présente section (qui chevauche largement la section 3 des lignes directrices de
DZ).
Dans la section 4.1, nous exposons les « premiers principes » qui guident le processus d'agrégation
des dépenses élémentaires de consommation enregistrées par les enquêtes. Nous identifions quatre
critères qui découlent directement de la conceptualisation de l'indicateur de bienêtre comme mesure
de la consommation. Les critères servent de guide pour les décisions de l'analyste sur les éléments à
agréger et comment. Les sections 4.2 à 4.5 passent en revue les recommandations spécifiques pour la
construction de l'ANC, résumant tout développement pertinent dans la littérature et la pratique
internationale depuis la diffusion des Directives . La discussion est organisée selon les principales
composantes de l'agrégat : produits alimentaires (section 4.2), produits non alimentaires non durables
(section 4.3), biens durables (section 4.4) et logement (section 4.5).
4.1 Quatre critères fondamentaux
Le NCA peut être défini comme la valeur de tous les biens et services consommés par les membres du
ménage au cours de la période de référence. Chaque mot de cette définition est important et a des
implications subtiles pour les dilemmes conceptuels et empiriques qui surviennent souvent dans la pratique.
Par exemple, doiton comptabiliser la valeur du temps libre comme consommation ? Les dépenses funéraires
doiventelles être considérées comme contribuant positivement au bienêtre, et donc incluses dans le NCA ?
Deux ménages utilisent le même véhicule, mais alors qu'une voiture est possédée, l'autre est fournie
par un employeur – doiventils être considérés comme également aisés ? Un ménage qui ne dépense
rien pour se loger, parce qu'il vit dans sa propre maison, doitil être considéré comme « plus pauvre »
qu'un ménage qui paie un loyer tous les mois ?
Quelques critères généraux peuvent être tirés de la définition de l'ANC et de la théorie sousjacente
pour guider les décisions de l'analyste dans des situations telles que celles mentionnées cidessus.
Ravallion (1994) et Lanjouw (2009) compilent tous deux quelques principes généraux pour la construction du
Construction de l'agrégat de consommation nominale
l'agrégat de consommation, et nous profitons de ces contributions. Parfois, le respect des critères peut
ne pas être entièrement réalisable, compte tenu des contraintes empiriques, mais les approcher doit
toujours être une priorité lors de la sélection des meilleures solutions suivantes.
Nous étiquetons les quatre critères comme suit : (1) exhaustivité, (2) pertinence, (3) consommation
typique et (4) valorisation.
Le critère (1) est l' exhaustivité de l'agrégat, étant donné que le NCA est « la valeur de tous les biens et
services consommés ». Ravallion (1994 : 13) introduit ce concept sous le nom de « couverture des
biens » et écrit que « la consommation devrait couvrir toutes les dépenses monétaires en biens et services
consommés plus la valeur monétaire de toutes les consommations provenant des revenus en nature,
comme les aliments produits. sur la ferme familiale et la valeur des logements occupés par leur
propriétaire. Naturellement, cette prescription se heurte à la difficulté empirique d'attribuer une valeur
monétaire à certains biens régulièrement consommés, mais non échangés sur un marché ; les biens et
services publics, tels que les services de police ou les infrastructures publiques, en sont un exemple
notable (d'autres cas sont abordés à la section 4.3). En principe, cependant, l'agrégat de consommation
devrait en laisser le moins possible.
Le critère (2), la pertinence, fait référence à la différence entre la consommation et les dépenses, et
souligne que ce qui compte, c'est le premier. Si un ménage achète une miche de pain, le montant
dépensé ne devrait entrer dans l'agrégat de consommation – et donc devenir pertinent pour la mesure du
bienêtre – qu'une fois que le pain est effectivement consommé. En effet, c'est l' utilisation des biens, et
non leur simple acquisition, qui contribue au bienêtre. La distinction est tout sauf philosophique : pour la
plupart des articles, les enquêtes auprès des ménages ne collectent pas d'informations sur la
consommation, mais sur les dépenses (valeur d'achat), et l'analyste est confronté au problème de «
l'estimation de la consommation à partir des dépenses » (Banque mondiale 2017, 40 ; Atkinson 2019,
60). Cela ne pose aucun problème lorsqu'il s'agit d'articles pour lesquels la différence entre les dépenses
et la consommation est nulle ou négligeable dans la pratique : par exemple, la plupart des aliments sont
périssables, et s'ils sont achetés pendant la période de référence, on peut supposer qu'ils sont également
consommés. dans la même période. D'un autre côté, il existe de nombreux articles pour lesquels les
dépenses ne se rapprochent pas bien, voire pas du tout, de la valeur de la consommation. Un exemple
typique est celui des biens durables : les dépenses engagées pour acquérir, par exemple, une machine à
laver, ne reflètent pas seulement l'utilisation (la consommation) de la machine à laver pendant la période
de référence, mais plutôt sa jouissance pendant une période beaucoup plus longue et pluriannuelle cadre.
Un autre cas de divergence entre les dépenses et la consommation est celui des biens qui sont
consommés, mais jamais achetés, par exemple, les aliments cultivés sur place. Comme nous le verrons
dans la suite de la section 4, la solution à ces problèmes passe par l'estimation de la valeur de la
consommation. L'idée de pertinence permet également d'exclure les transactions qui sont effectivement
de l'argent sortant du budget du ménage, mais qui ne représentent pas la consommation courante ; c'est le cas des acha
ou investissement, contribuant à la consommation future plutôt qu'actuelle), ou les remboursements de prêts
(qui peuvent être interprétés comme le financement de la consommation passée, au moins en partie)20.
Le critère (3) prescrit que le NCA représente la consommation typique. Lorsque nous disons que le NCA
représente le bienêtre au cours de la période de référence, l'hypothèse sousjacente est que ce qui est observé
dans cet intervalle de temps sera une bonne représentation du bienêtre dont bénéficient généralement les
ménages au cours d'une année générique. Cependant, toute preuve empirique sur la consommation d'un
ménage reflétera des comportements contingents , ceux qui ont eu lieu au cours de cette année ou de ce mois
particulier. Si un ménage dépense une fortune pour une célébration spéciale au cours de la période d'enquête,
comme un mariage, le pic de consommation mesuré qui en résulte est suffisamment réel, mais non représentatif
du niveau de vie typique de ce ménage. Cet argument conduit à exclure les dépenses peu fréquentes (ou
« grossières » ou « volumineuses ») de l'agrégat de consommation (et le dilemme qui en résulte, à savoir quelles
dépenses doivent être considérées comme peu fréquentes).
Le choix d'exclure les dépenses forfaitaires n'est cependant pas totalement exempt de controverse. Selon toute
vraisemblance, des dépenses exceptionnelles déplaceront d'autres dépenses (c'estàdire qu'un ménage réduira
probablement certaines de ses autres dépenses afin de payer le gros paiement). Le déplacement sera plus
important pour les ménages qui ne peuvent pas puiser dans leur épargne ou emprunter, c'estàdire les familles
les plus pauvres et les familles devant supporter des dépenses importantes auxquelles elles n'ont pas eu la
chance de se préparer (comme dans le cas d'un choc catastrophique) . La question est alors de savoir si les
dépenses nettes des composantes grumeleuses sont plus typiques que les dépenses totales. Sans doute, s'il y
a déplacement, aucune des deux mesures nette ou totale n'est représentative de la consommation à long
terme ; en fait, les deux en sont des mandataires bruyants. En fin de compte, parce que nous n'observons pas
la consommation à long terme et que nous n'avons aucun moyen de déterminer l'ampleur du déplacement des
dépenses courantes, nous ne pouvons pas savoir avec certitude lequel des deux substituts est, en fait, le plus bruyant.
Une stratégie pragmatique consiste à continuer d'exclure la liste restreinte des dépenses qui sont généralement
considérées comme forfaitaires (par exemple, les mariages, les funérailles, l'achat de biens durables), car elles
sont généralement très importantes par rapport au budget total du ménage (et des dépenses probables).
déplacements qu'ils peuvent provoquer) et que, du moins dans une certaine mesure, ils étaient attendus. Plus
une certaine dépense peut être anticipée ou planifiée, mieux c'est pour son exclusion, car le modèle de
consommation observé exclut la survenance de cette dépense.
Enfin, le critère (4) est celui de l' évaluation appropriée des éléments à inclure dans l'ACN.
Qu'entendon par valeur de consommation, exactement ? En général, la consommation d'un article donné doit
être évaluée aux prix du marché, idéalement ceux auxquels le ménage est réellement confronté lors de
l'acquisition de l'article. Il s'agit d'une implication directe de la théorie du consommateur (section 2) : lorsque le
consommateur sélectionne les quantités de biens à consommer (à condition qu'il puisse choisir librement les
quantités , dans les limites de son budget), son évaluation de la quantité d'un bien donné est
20 Un point plus subtil qui peut également être déposé sous la question de la pertinence concerne les articles qui sont choisis pour des raisons qui ne
sont pas entièrement discrétionnaires de la part du consommateur. Étant donné que l'objectif ultime de l'analyste est de mesurer le bienêtre, on peut
soutenir que la consommation par obligation, plutôt que par choix, ne contribue en rien au bienêtre et n'est donc pas pertinente aux fins de l'agrégat de
consommation. Cet argument revient dans le cas des soidisant nécessités regrettables – « des biens et services qui n'apportent aucun bienêtre en soi,
mais qui doivent être achetés, par exemple, pour gagner un revenu. Les vêtements de travail ou le transport au travail en sont des exemples évidents »
(DZ : 21) — ainsi que d'autres considérations, par exemple, les dépenses de santé. C'est une question épineuse, et nous allons
y revenir dans la section 4.3.
valeur pour elle sera comparée aux prix auxquels elle fait face sur le marché, et les quantités seront choisies
en conséquence (Ravallion 2016, 189).21 Ainsi, les prix du marché reflètent la propre évaluation par le
consommateur du bénéfice dont il bénéficiera en consommant son choix biens, ce qui est précisément l'objectif
de l'utilité métrique monétaire (MMU) comme mesure du bienêtre. Ce principe est facilement suivi dans les
cas où la valeur d'achat réelle de l'article consommé est connue.
Ce n'est pas le cas des biens qui ne sont pas acquis par le marché, tels que les biens et services subventionnés
(le prix auquel le ménage est confronté est inférieur à celui fixé par le marché), ou les biens autoproduits (le
ménage ne payer un prix du tout). Dans ces cas et dans d'autres, l'analyste se trouve dans la position d'avoir
à estimer un prix approprié afin d'attribuer une valeur à la consommation déclarée.
Dans la suite de cette section, nous discutons des implications de ces quatre principes généraux pour la
construction des principales composantes de l'ANC, à savoir les denrées alimentaires (section 4.2), les biens
non alimentaires non durables (section 4.3), les biens durables (section 4.4), et le logement (section 4.5).
4.2 Produits alimentaires
Que l'alimentation soit une composante fondamentale du niveau de vie est une évidence : il n'y a aucun doute
sur le fait que la valeur de tous les aliments consommés pendant la période de référence doit être incluse dans
le NCA. Concrètement, cela signifie que l'agrégat doit inclure la valeur (annualisée) des aliments consommés
au cours de la période de référence, provenant de toutes les sources possibles : (1) achetés sur le marché (y
compris les repas achetés à l'extérieur du domicile, destinés à être consommés au ou hors du domicile) ; (2)
produit par le ménage luimême (l'autoproduction alimentaire est courante chez les ménages ruraux) ; et (3)
reçu en nature (en tant que transfert d'autres ménages, d'organismes de bienfaisance ou du gouvernement,
ou en tant que paiement en échange de services rendus)
(DZ, 27).
Ceci conclut le contexte conceptuel de l'agrégat alimentaire. Les difficultés de sa construction sont
principalement de nature empirique et liées à la disponibilité de toutes les informations nécessaires dans les
questionnaires des enquêtes auprès des ménages et à la qualité des données qui en résultent. En fait, de
nombreux efforts ont été déployés pour améliorer à la fois la qualité et la comparabilité des données sur la
consommation alimentaire (voir FAO et la Banque mondiale 2018, et les références qui y figurent). Parmi les
sujets liés à la mesure du bienêtre, c'est certainement celui où l'accent est passé de l'analyse des données à
la collecte des données au cours des deux dernières décennies.
La figure 4.1 montre que, pour la plupart, les analystes sont capables de surmonter les problèmes de
disponibilité des données et de construire des agrégats complets de consommation alimentaire à partir des
données d'enquête (les aliments reçus en nature et les aliments préparés à l'extérieur semblent être les plus
problématiques). Mais le diable est dans les détails, et le reste de cette section traite des nombreux défis
analytiques qui se dressent sur le chemin de l'agrégat final.
21
Techniquement, le ratio des utilités marginales sera égal aux prix relatifs c'est la condition qui identifie
le point q* dans la figure de la section 2.2.
FIGURE 4.1. L'agrégat de consommation alimentaire : pourcentage de pays qui incluent ou excluent
chaque source de nourriture
Des achats 76 24
Produit maison 75 25
Reçu en nature 66 34
Nourriture 34 3 63
loin de chez soi
0 20 40 60 80 100
Pourcentage de pays
Inclus Non inclus Sans papiers
NOTE : Le graphique montre la répartition des pays (en pourcentage) pour lesquels l'agrégat de consommation sousjacent
aux estimations officielles de la pauvreté inclut ou exclut chaque composante (les aliments préparés à l'extérieur sont ici
considérés comme une catégorie à part entière, car ils font souvent l'objet de une question ou un module dédié dans les
enquêtes sur les dépenses des ménages).
4.2.1 Acquisition ou consommation
L'un des premiers problèmes rencontrés lors de la construction de l'agrégat alimentaire est la distinction
entre acquisition et consommation de nourriture :
« Dans certains cas où les aliments peuvent être et sont stockés sur de longues périodes, et
lorsque le questionnaire le permet, les « aliments consommés » peuvent être distingués des «
aliments achetés ». En principe, c'est la valeur des premiers qui devrait entrer dans l' agrégat
de consommation » (DZ, 26).
Ceci satisfait au deuxième critère de construction de l'agrégat de consommation, celui de la pertinence
(voir section 4.1) : ce sont les aliments consommés (consommés), et non les aliments acquis (achetés
ou autrement reçus), qui augmentent le bienêtre.
La recommandation reste entièrement valable en principe, mais la littérature récente précise qu'en fait ,
l'analyste a rarement le choix. Le plus souvent, c'est la conception du questionnaire qui dicte ce qui
entre dans l'agrégat alimentaire (voir annexe E, troisième point). Smith, Dupriez et Troubat (2014)
documentent que sur 100 enquêtes récentes auprès des ménages de pays à revenu faible ou
intermédiaire, jusqu'à 41 acquisitions alimentaires enregistrées à elles seules, et seulement une petite
une minorité enregistre à la fois la quantité acquise et la quantité consommée pour les mêmes aliments.
Une conception courante du questionnaire interroge les ménages sur les aliments acquis (achetés) sur le
marché, puis sur les aliments consommés issus de leur propre production et des transferts, sans chevauchement
entre les deux catégories (Conforti, Grünberger et Troubat 2017). En conséquence, la plupart des analystes
finissent par calculer des agrégats alimentaires basés au moins en partie sur l'acquisition de nourriture, bien
que ce ne soit pas l'option recommandée en théorie.
Quelle est la qualité de l'acquisition de nourriture en tant qu'indicateur indirect de la consommation alimentaire ?
La littérature n'a pas encore atteint une conclusion ferme. Smith, Alderman et Aduayom (2006, 10) soutiennent
que « étant donné que la plupart des aliments sont périssables et consommés à une fréquence élevée, et que
les gens essaient de lisser leur consommation de nourriture au fil du temps, nous nous attendrions à ce que
leurs acquisitions correspondent assez bien à la consommation » ; et lorsque des différences dues à
l'accumulation ou à la diminution des stocks se manifestent, elles sont susceptibles d'être réparties de manière
aléatoire entre les ménages, de sorte que les moyennes de consommation et d'acquisition de la population
devraient toujours être proches. Des données provenant du Kenya, des Philippines et du Bangladesh suggèrent
que la différence moyenne entre les calories disponibles et consommées est inférieure à 5 %. Kaara et
Ramasawmy (2008) et Martirosova (2008) comparent la consommation et l'acquisition alimentaires estimées
pour le Kenya et l'Arménie ; la première étude constate que l'énergie moyenne acquise est supérieure d'environ
12 % à l'énergie consommée, tandis qu'une différence plus faible est observée dans les dépenses alimentaires
(en particulier pour les ménages les plus pauvres, qui ne font pas de gros achats en gros) ; la deuxième étude
trouve des différences beaucoup plus petites dans l'ensemble. Sur la base de 81 enquêtes récentes, Conforti,
Grünberger et Troubat. (2017) concluent que les données d'acquisition donnent des apports caloriques estimés
supérieurs de 10 à 14 % en moyenne à ceux obtenus à partir des données de consommation.
Quelle que soit sa taille probable, il existe des options pour contrôler le biais au cas où l'on serait obligé de
construire une mesure de la consommation alimentaire basée sur l'acquisition. Plus précisément, il est de
bonne pratique d'accorder une attention particulière à la présence et à l'impact des valeurs extrêmes dans la
distribution des dépenses alimentaires et de la disponibilité calorique et, si nécessaire, d'exclure ou d'imputer
les achats groupés importants (le cadre de détection et de traitement des valeurs aberrantes peut aide à cet
égard, voir la section 7.3).
4.2.2 Choix de la période de référence
L'utilisation de deux périodes de rappel différentes pour les mêmes éléments était courante dans les enquêtes
de l'étude sur la mesure des niveaux de vie (LSMS) (Deaton et Grosh 2000, 114). Une telle conception génère,
bien sûr, deux estimations concurrentes de la consommation alimentaire : les données ont souvent été
collectées en utilisant à la fois le rappel limité (valeur des achats depuis la dernière visite de l'enquêteur,
généralement deux semaines avant) et l'approche dite du "mois habituel". , où « on demande au répondant
pendant combien de mois de l'année le ménage a acheté l'aliment, à quelle fréquence il a acheté l'article au
cours de chacun de ces mois et combien il a dépensé habituellement à chaque fois »
(Deaton et Grosh 2000, 112).22 DZ soutient que, s'il y a un choix, "les analystes devraient choisir l'alternative
qui est susceptible de fournir l'estimation la plus précise de la consommation annuelle pour chaque ménage,
et non pour les ménages en moyenne" (DZ , 26). Cela justifie leur préférence pour l'estimation mensuelle
habituelle. Depuis DZ, cependant, un nombre croissant de recherches sur la méthodologie d'enquête a produit
de nouvelles preuves sur « ce qui fonctionne », et les pratiques de conception des questionnaires dans les
pays à revenu faible et intermédiaire ont changé, remettant cette recommandation en question.
Premièrement, l'utilisation de périodes de référence différentes pour les mêmes items au sein d'une même
enquête ne semble plus aussi courante qu'autrefois (Smith, Dupriez et Troubat 2014 : 12) : aujourd'hui, les
analystes ne sont presque plus confrontés au choix entre des estimations alternatives de la consommation
alimentaire se référant à des périodes différentes.
Deuxièmement, répondant aux souhaits exprimés par Deaton et Grosh (2000), l'approche du « mois habituel
» a été évaluée par rapport à des méthodes alternatives dans des contextes expérimentaux. Jusqu'à présent,
les résultats ont jeté des doutes sur sa supériorité par rapport aux simples questions de rappel. En utilisant
une conception expérimentale, Beegle et al. (2012) documentent que l'approche mensuelle habituelle conduit
à une sousestimation significative des dépenses de consommation alimentaire des ménages par rapport au
référentiel choisi pour l'expérimentation (un journal individuel étroitement encadré). Ce n'était pas le cas pour
une question de rappel « simple » de sept jours. La question du mois habituel n'a pas produit d'estimations
avec une variabilité plus faible par rapport aux rappels plus courts et était associée aux temps de réponse les
plus longs, ce qui suggère un fardeau de réponse plus important.23 Une autre étude expérimentale de Backiny
Yetna, Steele et Djimal (2017) constate que la l'approche du mois habituel n'a donné ni mieux ni moins bien
qu'une méthode de rappel sur sept jours. Gibson (2007, 24) documente la similitude entre les données
recueillies via une question sur le mois habituel et les moyennes mensuelles simples pour le cas du Vietnam,
indiquant que les répondants ont probablement répondu en se référant au mois le plus récent plutôt qu'au
mois « habituel », annulant le supposé avantage de l'approche mensuelle habituelle pour saisir la saisonnalité.
Dans un récent aperçu de la littérature méthodologique , la FAO et la Banque mondiale (2018) déclarent que
« prises ensemble, ces preuves indiquent que le mois habituel peut être une proposition perdantperdant s'il
est moins précis et plus lourd à mettre en œuvre par rapport à un rappel de sept jours. Il s'agit probablement
du développement unique le plus important dans la base de preuves depuis la publication de Deaton et Grosh
(2000) » (p. 19).
En fin de compte, la conclusion est que « l'approche du « mois habituel » ne devrait pas être utilisée » (p. 51).
Le résultat pour l'analyste du bienêtre est que, s'il a effectivement le choix ce qui est rarement le cas des
estimations obtenues via de courtes périodes de rappel (une ou deux semaines), couplées soit à une stratégie
d'échantillonnage soigneusement planifiée qui étale les entretiens sur le cours d'un an (ainsi que
géographiquement), ou avec de multiples visites de ménages à différentes saisons, sont à préférer aux
estimations mensuelles habituelles. L'annexe E revient sur cette question.
22
L'approche du « mois habituel » a été conçue comme un moyen de maximiser la période de référence (un an) afin
que les estimations finales ne soient pas affectées par la saisonnalité, et en même temps, de minimiser la période de
rappel (un mois) afin que les entretiens être faisable. Tout en plaidant finalement en faveur du mois habituel, Deaton
et Grosh (2000) ont reconnu les faiblesses des preuves disponibles à l'époque à l'appui de l'approche et ont plaidé
pour un soutien plus fort aux composantes expérimentales des enquêtes LSMS.
23 Voir aussi Gibson et al. (2015) et de Weerdt et al. (2016).
4.2.3 Nourriture loin de chez soi
L'abréviation « nourriture à l'extérieur de la maison » désigne généralement les aliments préparés à l'extérieur
de la maison, qu'ils soient consommés à l'extérieur ou à l'intérieur de la maison.24 Cela comprend les repas et
les collations achetés dans les restaurants et autres établissements commerciaux (y compris les plats à
emporter), reçus gentil à l'école, au travail, d'autres ménages, etc. Cette catégorie d'aliments mérite une
attention particulière car elle n'entre pas dans la casserole du ménage en tant qu'aliments individuels qui sont
ensuite combinés en repas. Par conséquent, à moins que les aliments consommés hors du domicile ne soient
délibérément comptabilisés en plus des aliments de base, leur contribution à la consommation totale est
ignorée. DZ souligne explicitement que la valeur de la nourriture hors domicile doit être incluse dans l'agrégat
de consommation alimentaire (DZ, 26).
Depuis les Directives, les preuves de l'évolution des habitudes alimentaires dans le monde en
développement ont mis un projecteur encore plus vif sur la nourriture hors de chez soi. Par
exemple, le pourcentage de ménages déclarant consommer des repas à l'extérieur de la maison
est passé de 23 à 39 % entre 1994 et 2010 en Inde (Smith 2015). Les repas pris à l'école
contribuent à 18 et 40 % de l'apport énergétique quotidien chez les enfants et les adolescents en
Chine et au Bénin, respectivement (Liu et al. 2015 ; Nago et al. 2010). Par conséquent, la nourriture
hors domicile peut avoir un impact significatif sur le classement et le profil des ménages en fonction
de leurs dépenses de consommation totales : dans une étude sur le Pérou, Farfan, Genoni et
Vakis (2017) ont constaté que lorsque la nourriture hors domicile est inclus dans l'agrégat de
consommation, 41 % des individus changent de classement relatif, mesuré par le décile de
consommation ; parmi ces reclassements, environ la moitié se situent audelà du seuil de pauvreté ;
le profil de pauvreté est modifié, tout comme le seuil de pauvreté luimême, étant donné que
l'agrégat alimentaire est à la base du calcul et du coût des apports caloriques25.
Pendant ce temps, de nouvelles recherches méthodologiques ont souligné l'inadéquation des modèles de
questionnaires standard pour saisir cette composante de plus en plus importante de la consommation alimentaire.
Avec un test de différentes conceptions de questionnaires au Vietnam, Farfan et al. (2019) constatent que
l'enregistrement des aliments consommés hors du domicile à l'aide d'une seule question sousestime la
consommation de cette catégorie d'aliments d'environ 33 % par rapport à la référence expérimentale (un
journal individuel supervisé des aliments consommés hors du domicile). Pourtant, l'approche d'item à une ligne
(demandant la valeur totale de tous les « repas pris à l'extérieur » consommés pendant la période de référence
par tous les membres du ménage) est la conception la plus courante adoptée par les enquêtes récentes dans
les pays à revenu faible et intermédiaire, tel que documenté par Smith, Dupriez et Troubat (2014).
Dans l'ensemble, de nouvelles preuves renforcent la prescription de DZ d'inclure la valeur de la nourriture hors
du domicile dans l'agrégat alimentaire, bien que les lacunes des modèles de questionnaire standard gênent
souvent l'analyste. Le meilleur plan d'action est d'inclure tout ce qui est disponible, de reconnaître les défauts
et de continuer à orienter les institutions statistiques vers l'inclusion de modules dédiés à l'alimentation hors
domicile dans les enquêtes sur les dépenses et la consommation des ménages. L'annexe E revient sur cette
question.
24
Par « aliments hors domicile », on entend également les aliments consommés hors domicile, quelle que soit l'origine
des aliments. Bien qu'il n'y ait pas de définition universellement acceptée, il existe une préférence générale pour définir
les aliments hors du domicile en fonction du lieu de préparation (FAO et Banque mondiale 2018, 36).
25 Voir aussi Borlizzi, Delgrossi et Cafiero (2017) sur le Brésil.
4.2.4 Production propre et nourriture reçue en nature
La consommation d'aliments acquis par des canaux autres que le marché est monnaie courante dans de
nombreux pays, en particulier dans le monde en développement. Premièrement, il y a l'autoproduction
alimentaire : elle comprend les produits habituellement vendus dans le cadre de l'activité commerciale
principale d'un ménage, qui sont plutôt réservés à la consommation (les ménages agricoles en sont l'exemple
typique), mais aussi la production alimentaire non commerciale et de subsistance, ainsi que nourriture
provenant de la chasse, de la pêche et de la cueillette. D'autre part, il y a la nourriture reçue en nature, sous
forme de transferts d'autres ménages, du secteur privé ou du gouvernement.
Aux yeux de l'analyste du bienêtre, les denrées alimentaires autoproduites et reçues en nature partagent une
caractéristique fondamentale : aucune n'est obtenue en échange d'un prix de marché. Cela implique que leur
valeur monétaire doit être estimée, ce qui revient à identifier des prix appropriés pour chaque article,
conformément au critère d'évaluation (section 4.1). On pourrait voir cette tâche comme un exercice
d'imputation. Le prix de n'importe quel produit alimentaire produit (ou reçu) est inobservable ; si, idéalement,
un bien identique est acheté et vendu sur le marché, alors le prix qui prévaut dans cette circonstance devrait
être une approximation adéquate du prix « manquant ».
Les lignes directrices stipulent qu'en principe, lors de l'estimation de la valeur de l'autoproduction alimentaire,
les prix à la sortie de l'exploitation, définis comme ce que les ménages (agriculteurs) obtiendraient en échange
de leurs propres biens sur le lieu de l'exploitation, devraient être préférés aux le prix d'articles similaires
échangés sur le marché. En effet, ces derniers prix incluent les coûts de transport et de distribution, et les
biens commercialisés hors exploitation peuvent être qualitativement différents (DZ, 20, 29). Dans la pratique,
cependant, il est rare que l'analyste ait accès à des estimations complètes des prix réels au départ de
l'exploitation. Bien qu'il existe des enquêtes sur les prix à la ferme ou à la production, leur collecte et leur
utilisation sont très problématiques, comme le montre une récente initiative du Programme alimentaire mondial
(PAM) impliquant El Salvador, le Ghana et la Tanzanie (Musumeci 2016) ; en fait, nous n'avons pas
connaissance d'évaluations récentes de la pauvreté qui s'appuient sur elles pour estimer la valeur de la
production propre des ménages agricoles. Le plus souvent, les informations proviennent de l' enquête sur la
consommation et les dépenses des ménages ellemême sous deux formes : les évaluations autodéclarées et
les valeurs unitaires des achats alimentaires.
Le premier scénario est celui où le questionnaire demande aux répondants d'indiquer le montant qu'ils
s'attendraient à recevoir (payer) s'ils vendaient (achetaient) les aliments provenant de leur propre production
ou des recettes en nature qu'ils ont consommées. L'analyste peut facilement ajouter ces évaluations
autodéclarées à l'agrégat de la consommation alimentaire.
Alternativement, si la section des achats alimentaires du questionnaire le permet, l'analyste peut calculer des
valeurs unitaires pour chaque aliment, définies comme le rapport entre le montant payé pour acheter une
quantité donnée et la quantité ellemême. Les valeurs unitaires peuvent ensuite être utilisées pour établir le
prix des quantités de denrées alimentaires qui ont été produites en propre et reçues en nature. L'utilisation de
valeurs unitaires comme approximation des prix est un sujet de longue date et très débattu voir Prais et
Houthakker (1955, 113114) pour une discussion fondamentale, et la section 5.2.1 pour plus de détails. Dans
ce contexte, il suffit de savoir que l'utilisation de valeurs unitaires présente un certain nombre de complications empiriques.
Supposons que le ménage dont nous devons évaluer la consommation alimentaire en nature ou autoproduite
est notre « cible », et que l'article qui nous intéresse est les figues. La question est : comment choisir le
population de référence sur laquelle sont calculées les valeurs unitaires des figues ? Les Lignes directrices conseillent
en faveur de ce que l'on pourrait appeler une approche « hiérarchique » (DZ, 30).
Tout d'abord, l'analyste calcule les valeurs unitaires médianes à partir des achats de figues déclarés par les ménages
de la même grappe, ou unité primaire d'échantillonnage (UPE), que le ménage cible (les médianes étant plus robustes
que les moyennes par rapport aux valeurs aberrantes). Si l'UPE contient suffisamment de transactions, disons environ
50 ou plus, alors la valeur unitaire médiane au niveau de l'UPE est utilisée pour fixer le prix des figues qui ont été
produites ou reçues par le ménage cible. Sinon, l'analyste passe au niveau administratif suivant et calcule les valeurs
unitaires médianes dans la même sousrégion (province, district, gouvernorat ou toute unité territoriale « fine »
disponible dans l'ensemble de données) que le ménage cible.
Encore une fois, si suffisamment d'observations (50 ou plus) sont trouvées à ce niveau, alors la valeur unitaire
médiane de la sousrégion est utilisée comme approximation du prix des figues dans le ménage cible. Sinon on
remonte d'un niveau, jusqu'à la région, et ainsi de suite, en élargissant l'ensemble des ménages utilisé pour le calcul
des valeurs médianes des figues, jusqu'aux médianes nationales, si nécessaire. L'équation (4.1) fournit une description
concise de cet algorithme, en supposant qu'il existe trois niveaux administratifs infranationaux disponibles (disons
PSU, sousrégion et région) ; j désigne tout produit (les figues dans notre exemple), h désigne le ménage cible (dont
nous devons évaluer la production propre ou les recettes en nature), uv désigne la valeur unitaire des figues attribuée
h
au ménage cible, et E(.) est l'opérateur de valeur attendue (ou, de manière équivalente, la médiane):
j
L3 L3
uvj _ = E uvJ ( | administratif niveau 3) si uv peut être calculé
j
uvj _
L2
= E uvJ ( |
administratif niveau 2) si uv
L3
ne peut pas être calculé
= j
h uv j
L2
(4.1)
L1 uvj = E uvJ ( | administratif niveau 1) si uv ne peut pas être calculé
_ j
Cuv j si uv j L1 ne peut pas être calculé

= E uvJ ( | Pays)
Le raisonnement qui soustend la stratégie décrite dans l'équation (4.1) est que, généralement, la valeur des aliments
consommés par le ménage cible est mieux approchée par les transactions commerciales qui ont eu lieu dans son
voisinage, où des articles de qualité similaire sont susceptibles d'être échangés. Ce n'est cependant pas toujours le
cas, et des exceptions risquent d'introduire de fortes sur ou sousévaluations (comme dans le cas de l'eau puisée
dans un puits, valorisée au prix de la bouteille Perrier achetée à proximité, ou des mangues qui tombent de l'arbre
dans les zones rurales évalués aux prix d'un supermarché international de la capitale). La petite taille des échantillons
aux premières étapes du processus d'imputation peut également être problématique si les valeurs unitaires sont
« bruyantes ». Des problèmes peuvent également survenir lorsque la liste des aliments utilisés pour recueillir les
données n'est pas suffisamment détaillée ou spécifique (par exemple, le questionnaire recueille des données sur la
consommation de « riz » plutôt que sur ses variétés individuelles). En général, l' analyste doit faire preuve d'une
grande prudence lorsqu'il effectue de telles imputations. Une façon de surveiller la fiabilité des valeurs unitaires
calculées consiste à tracer leur distribution, éventuellement au sein de grappes ou de régions, pour vérifier les
anomalies : la figure 4.2 montre quelques exemples. Une distribution unimodale, symétrique et à faible variance (partie
a) est rassurante ; une distribution de variance plus élevée peut indiquer un degré inquiétant de variabilité dans la
qualité des items sousjacents (panel b), ou la présence de valeurs aberrantes (panel c) ; les distributions multimodales
signalent souvent des erreurs grossières, telles que des unités de mesure erronées (œufs mesurés en unités pour
certains ménages et en douzaines pour d'autres, ou riz mesuré en kilogrammes pour certains ménages et en sacs
pour d'autres), ou différents aliments qui ont été regroupés ensemble sous le même code d'article (panneau d).
FIGURE 4.2. Distributions empiriques des valeurs unitaires de certains produits alimentaires, Maldives (2016)
un. Riz à grain long b. Laitue
moyenne = 5,8, médiane = 5, N = 1 859 moyenne = 81,7, médiane = 60, N = 175
0,010
0,8
0,008
0,6
0,006
Densité
0,4
0,004
0,2
0,002
0 0
0 2 4 6 8 dix 0 4 6 8 dix
MVR/kg MVR/kg
c. Feuilles de tabac d. Riz basmati
moyenne=1130,4, médiane=333,3, N=140 moyenne = 76,4, médiane = 10, N = 618
0,04
0,0015
0,03
0,0010
Densité Densité
0,02
0,0005
0,01
0 0
0 2000 4000 6000 0 20 40 60
MVR/kg MVR/kg
REMARQUE : MVR signifie Maldivian Rufiyaa. Toutes les valeurs unitaires sont calculées comme des dépenses
par kilogramme acheté. Les distributions sont au niveau national. Toutes les distributions sont tronquées au 95e
centile supérieur pour faciliter la lecture des graphiques.
SOURCE : Calculs des auteurs à partir de l'enquête 2016 sur les revenus et les dépenses des ménages des Maldives.
Sans tenir compte des questions de mise en œuvre, quelle est la meilleure approximation du prix des denrées
alimentaires non commercialisées, entre les évaluations autodéclarées et les valeurs unitaires des achats ? Les
Lignes directrices notent que, lorsqu'il s'agit de la production propre, « la propre évaluation des ménages (…)
est susceptible d'être une bien meilleure approximation de la véritable valeur « à la ferme », plutôt que des
estimations dérivées à l'aide des prix du marché en vigueur à partir de la section des achats de nourriture. (DZ, 29).
En fait, les prix du marché peuvent être totalement non représentatifs de la valeur des aliments autoproduits,
non seulement parce qu'ils incluent les coûts excédentaires, mais aussi en raison des différences de qualité
et cela s'applique également aux recettes en nature. Un marché pour les mêmes articles exacts que les
ménages produisent ou reçoivent gratuitement peut tout simplement ne pas exister. Cela dit, les évaluations
autodéclarées reposent également sur l'existence d'échanges de marché : les répondants sont invités à deviner ce qui
se produire s'ils ont effectué une transaction qui, dans certains cas, peut être entièrement hypothétique, ce
qui entraînerait des données de mauvaise qualité. Comme le notent Deaton et Grosh (2000), l'imputation de
la valeur des transactions non marchandes (comme tout autre exercice d'imputation) « est susceptible de
mieux fonctionner là où elle est relativement peu nécessaire. (…) Là où ces marchés n'existent pas, les
analystes imposent en effet un cadre comptable aux données physiques, un cadre d'une pertinence douteuse
pour la vie des personnes étudiées. (p.117).
La discussion dans cette section suggère que, lors de la mesure du bienêtre, il n'y a aucun moyen de
contourner la tâche d'imputer la valeur de la production alimentaire propre et des recettes en nature. Lorsque
des évaluations autodéclarées sont disponibles, elles ont tendance à être préférables aux valeurs unitaires
des achats alimentaires il ne s'agit pas d'une recommandation universelle, car les circonstances locales
spécifiques à l'enquête peuvent suggérer une ligne de conduite différente. Quoi qu'il en soit, plus la part des
produits alimentaires non achetés dans la consommation totale des ménages est élevée, plus il convient
d'être prudent lors de l'exécution des imputations, en vérifiant la fiabilité des valeurs estimées, l'analyse de
sensibilité étant la manière standard de procéder.
4.2.5 Rations alimentaires
Les rations alimentaires—la fourniture de quotas de produits alimentaires gratuitement ou à un prix inférieur
au prix du marché—sont un type de transfert en nature de nourriture.26 Parmi les plus grands programmes
fournissant des rations alimentaires dans le monde figure le système indien de ). Le TPDS cible près de 800
millions de personnes, fournissant des céréales subventionnées via un réseau de plus de 500 000 magasins
à prix équitables à travers le pays (Bhattacharya, Faleao et Puri 2017). Le système de distribution publique
(PDS) de l'Irak est tout aussi gigantesque : en 2012, il fournissait à tous les ménages irakiens des denrées
alimentaires qui représentaient entre les deux tiers et les trois quarts de la consommation totale de calories
des pauvres et des 40 % les plus pauvres (Banque mondiale 2014, 177). Araar, Choueiri et Verme (2015)
documentent la générosité des subventions alimentaires en Libye : « une famille de quatre personnes a droit
aux quotas suivants à des prix subventionnés chaque mois : 8 kg de sucre, 800 gr. de thé, 4 kg de concentré
de tomates, 6 litres d'huile végétale, 10 kg de riz, 12 kg de farine, 4 kg de semoule et 6 kg de pâtes. Ces
quantités (…) peuvent couvrir bien audelà de la quantité totale de calories nécessaires à une famille de
quatre personnes pendant une période d'un mois. (page 5). Verme et Araar (2017) analysent des PDS
similaires pour sept pays de la région MoyenOrient et Afrique du Nord.
Que les rations soient distribuées gratuitement ou à des prix subventionnés et obligatoires, le problème
qu'elles posent à la mesure du bienêtre est le même : le montant payé par les bénéficiaires ne représente
pas le bénéfice de la consommation de la ration. En l'absence de tout ajustement de la valeur enregistrée de
la ration, deux graves erreurs seraient commises. Premièrement, le niveau de niveau de vie estimé serait
erroné : un ménage qui, grâce à une ration alimentaire gratuite, dépasse le seuil de pauvreté alimentaire,
n'aurait pas du tout amélioré sa condition, étant donné que la valeur enregistrée de la ration est nulle .
Deuxièmement, à moins que les rations ne soient universelles (c'estàdire reçues par tous les ménages du
pays), le classement entre les ménages serait également erroné : si deux
26 DZ ne mentionnent pas spécifiquement les rations dans leurs recommandations ; nous avons choisi d'aborder le sujet séparément en
raison de certaines difficultés méthodologiques supplémentaires en ce qui concerne les recettes alimentaires « ordinaires » en nature, et
pour la pertinence des programmes de rationnement dans certaines régions du monde, en particulier celles qui sont en proie à des conflits
ou qui souffrent autrement. pénuries.
ménages consomment une alimentation identique, mais l'un d'eux se nourrit via une ration et l' autre achète
tout au prix du marché, ils ne seraient pas classés aussi aisés comme ils le devraient le premier ménage
apparaîtrait plus pauvre (Hentschel et Lanjouw 2000).27
Le problème auquel est confronté l'analyste est de trouver un prix qui représente adéquatement l'utilité
marginale de la ration pour le consommateur afin d'estimer la valeur de la ration et de l'incorporer dans
l'agrégat alimentaire en d'autres termes, de retarifer la ration conformément au critère d'évaluation (section
4.1). S'il existe des prix officiels pour les articles de rationnement, on peut être tenté de les utiliser : ce sont
des prix, après tout. Cependant, comme ces prix sont souvent fortement subventionnés, l'évaluation des
rations alimentaires au moyen des prix officiels « supprimerait artificiellement la valeur des dépenses
alimentaires découlant des rations » (Iraq 2014a, 9) et n'est pas une pratique recommandable. Une deuxième
possibilité consiste à exploiter les informations générées par un marché secondaire des rations. Si un tel
marché existe effectivement et que le nombre de transactions enregistrées dans le journal/le questionnaire
est suffisamment important, alors les prix équivalents au marché peuvent être estimés en calculant les
valeurs unitaires (le rapport entre le produit de la vente des rations alimentaires et leurs quantités). Si l'une
ou l'autre de ces conditions n'est pas remplie, cependant, les valeurs unitaires cessent d'être une mesure
fiable de la valeur des articles de rationnement. C'est le cas de l'Irak, par exemple, où moins de 2 % des
ménages déclarent acheter du riz (l'article le plus important de la ration), et moins de 0,5 % pour les autres
articles. Une troisième possibilité consiste à identifier les produits qui sont de proches substituts des rations
et qui sont commercialisés sur le marché. Par exemple, dans la mesure où le riz reçu dans le cadre des
rations est suffisamment proche d'une certaine variété de riz commercialisée sur le marché, on peut utiliser
le prix de ce dernier pour estimer le prix du premier. Une situation courante, cependant, est que des
différences significatives existent entre les produits distribués dans le cadre des rations et les produits
alimentaires trouvés sur le marché, de sorte que cette option peut ne pas être d'une aide pratique. Une
quatrième possibilité consiste à demander l'avis des ménages sur le prix qu'ils paieraient pour des articles
équivalents à une ration sur le marché. Si le questionnaire contient une telle question, alors en principe on
pourrait utiliser des évaluations autodéclarées. L'expérience irakienne jette un doute sur l' exactitude de ce
type de réponse. Cela n'est pas surprenant : si le marché secondaire des articles de rationnement est étroit,
peu de ménages seraient informés, un nombre élevé de nonréponses d'articles serait trouvé dans les
données et les ménages qui répondraient pourraient rapporter des valeurs inexactes. La cinquième possibilité
est une option de dernier recours : le recours à un jugement d'expert. Dans le cas de l'Iraq, « les enquêteurs
ont approché l'agent local de rationnement dans la grappe, d'une manière qui s'apparente à une enquête
sur les prix. Cependant, il y a eu des variations de ces prix qui peuvent refléter l'incertitude, le bruit et les
variations locales de l'offre, de la demande et de la qualité. (page 10). Ce qui a fini par être utilisé pour
évaluer les articles de rationnement, ce sont les valeurs médianes nationales des prix communiquées par les agents de ratio
Ces cinq approches, classées par ordre de préférence, à l'exception de la voie des « prix officiels », qui est
déconseillée, épuisent les possibilités dont dispose l'analyste lorsque la valeur des rations consommées doit
être incluse dans l'agrégat alimentaire.
27
Le cas des rations destinées à des sousgroupes spécifiques de la population, par exemple aux ménages d'une région spécifique ou
revenus inférieurs à un certain seuil, seront discutés en détail dans la section 4.3.
4.3 Articles non alimentaires non durables
Le calcul de la composante non alimentaire du NCA est plus complexe que celui de l' agrégat alimentaire.
A quelques exceptions près, les enquêtes auprès des ménages enregistrent des dépenses non
alimentaires qui, selon les postes, peuvent être très éloignées de ce que recherche réellement l'analyste,
à savoir la consommation.
Une façon pratique d'organiser la discussion consiste à représenter la tâche de construction de l'
agrégat non alimentaire non durable comme une procédure en deux étapes. L'étape 1 consiste à
identifier toutes les dépenses élémentaires des ménages en biens et services non alimentaires et
non durables enregistrées dans le questionnaire, qui sont généralement dispersées dans différents modules.
Les dépenses de santé sont souvent collectées dans un module dédié, tout comme les dépenses de
logement, tandis que les dépenses d'éducation sont souvent collectées à la fois au niveau des ménages
et au niveau individuel. Faire ce type d'inventaire aide à localiser les dépenses qui peuvent être « cachées »
dans des sections qui ne sont pas axées sur les dépenses en tant que telles (par exemple, les recettes en
nature, car le paiement des services rendus peuvent être enregistrés dans la section de l'emploi), et
maintient le potentiel cas de double comptage sous contrôle. L'étape 2 consiste à sélectionner les éléments
à inclure dans l'ACN : pour chaque élément de la liste dressée à l'étape 1, l'analyste doit décider si cette
dépense particulière est une bonne approximation de la valeur de la consommation.
Les deux étapes (identification et sélection) sont facilitées par le référencement à la Classification des
consommations individuelles selon les objectifs (COICOP), la classification internationale de référence
des dépenses des ménages (Nations unies, 2018)28, une stratégie déjà explorée dans ECASTD (2016)
en un effort visant à harmoniser la construction de l'ANC pour 29 pays de la région Europe et Asie
centrale (ECA). Le système COICOP a une structure hiérarchique, articulée en niveaux : le niveau le plus
élevé, la division, est désigné par deux chiffres (par exemple, 01 désigne « aliments et boissons non
alcoolisées », 02 est pour « boissons alcoolisées, tabac et stupéfiants, » 03 correspond à « habillement
et chaussures » , et ainsi de suite , jusqu'à la catégorie 13, « soins personnels, protection sociale et biens
divers » ) . 30 Le tableau montre comment la classification COICOP à trois chiffres peut servir de liste de
contrôle lors du processus de construction de l'agrégat de consommation, l'analyste étant appelé à
décider d'inclure ou d'exclure des dépenses candidates. Le choix recommandé est indiqué dans la
dernière colonne du tableau 4.1. La décision est simple dans certains cas, moins dans d'autres : la suite
de cette section aborde les détails, groupe par groupe.
28 La première classification sous le nom de COICOP a été adoptée par la Commission de statistique des Nations Unies en
mars 1999. En 2018, la commission a approuvé une version révisée, « COICOP 2018 », que nous utilisons dans le tableau 4.1.
29 En fait, la COICOP 2018 compte 15 catégories à deux chiffres. Nous ignorons les divisions 14 et 15, car elles se réfèrent respectivement
aux dépenses des institutions sans but lucratif et aux dépenses des administrations publiques.
30 La révision de 2018 comprend deux niveaux supplémentaires (désignés par quatre et cinq chiffres) qui classent les produits en
catégories de plus en plus fines, mais la classification à trois chiffres est suffisamment détaillée pour nos besoins dans cette section.
TABLEAU 4.1. Le système COICOP comme liste de contrôle pour la construction de l'agrégat de consommation
COICOP Description Inclure dans NCA ?
01.1 Nourriture Oui
01.2 Boissons non alcoolisées Oui
01.3 Services de transformation d'aliments et de boissons non alcoolisées N
02.1 Boissons alcoolisées Oui
02.2 Service de production d'alcool N
02.3 le tabac Oui
02.4 Stupéfiants Oui
03.1 Vêtements Oui
03.2 Chaussure Oui
04.1 Loyers réels des logements Oui
04.2 Loyers imputés pour le logement Oui
04.3 Entretien, réparation et sécurité du logement S
04.4 Approvisionnement en eau et services divers liés à l'habitation Oui
04.5 Électricité, gaz et autres combustibles Oui
05.1 Meubles, ameublement et moquettes lâches Oui
05.2 Textiles de maison Oui
05.3 Appareils ménagers S
05.4 Verrerie, vaisselle et ustensiles de ménage Oui
05.5 Outils et équipement pour la maison et le jardin Oui
05.6 Biens et services pour l'entretien ménager courant Oui
06.1 Médicaments et produits de santé Oui
06.2 Services de soins ambulatoires Oui
06.3 Services de soins hospitaliers Oui
06.4 Autres services de santé Oui
07.1 Achat de véhicules N
07.2 Exploitation de matériel de transport personnel Oui
07.3 Services de transport de passagers Oui
07.4 Services de transport de marchandises Oui
08.1 Matériel d'information et de communication S
08.2 Logiciels (hors jeux) Oui
08.3 Services d'information et de communication Oui
09.1 Récréation durable N
09.2 Autres biens récréatifs S
09.3 Jardins et animaux de compagnie Oui
09.4 Services récréatifs Oui
09.5 Biens culturels S
09.6 Prestations culturelles Oui
09.7 Journaux, livres et papeterie Oui
09.8 Les voyages à forfait Oui
10.1 Petite enfance et enseignement primaire Oui
10.2 Éducation secondaire Oui
10.3 Enseignement postsecondaire non supérieur Oui
10.4 Éducation tertiaire Oui
10.5 Éducation non définie par niveau Oui
11.1 Services de restauration et de boissons Oui
11.2 Services d'hébergement Oui
12.1 Assurance Oui
12.2 Services financiers N
13.1 Soins personnels Oui
13.2 Effets personnels nca S
13.3 Protection sociale Oui
13.9 Autres services nca S
REMARQUE : O = oui, inclure dans le CA ; N = non, exclure de l'AC ; S = certains éléments de cette
catégorie doivent être inclus, d'autres non ; nca = non classé ailleurs.
SOURCE : Notre élaboration sur les Nations Unies (2018 : VIII, p. 29).
01 Aliments et boissons non alcoolisées. Le traitement des dépenses alimentaires est abordé à la section 4.2
du présent document. Le tableau 4.1 résume la recommandation opérationnelle : toutes les dépenses
alimentaires doivent être incluses dans le NCA, à l'exception des « Services de transformation des aliments
et des boissons non alcoolisées », qui sont essentiellement des dépenses de production dans une entreprise
familiale ou en cours de production d'aliments et de boissons. alcool pour la propre consommation du ménage.
En tant que tels, ils sont déjà incorporés dans la valeur du produit final, et leur inclusion conduirait à un double
comptage.
02 Boissons alcoolisées, tabac et stupéfiants. La recommandation générale est d'inclure ces éléments dans
le NCA. Il peut y avoir un argument contre ce choix, étant donné que bon nombre de ces articles sont
«mauvais pour vous». Autrement dit, pourquoi la consommation de quelque chose qui est nocif pour la santé
(et, éventuellement, pour la société en général) devraitelle compter pour le bienêtre mesuré ? Le cas de qat
(également orthographié « khat ») peut être utilisé pour illustrer ce point. Le qat est un hallucinogène populaire,
et dans un certain nombre de pays africains et dans la péninsule arabique, le qat est consommé lors de fêtes
où les gens se rassemblent et tiennent des conversations tout en fumant des cigarettes et en buvant du thé
et des boissons non alcoolisées. Selon l'Organisation mondiale de la santé (OMS), cependant, la mastication
du qat « produit des effets toxiques importants, notamment une augmentation de la pression artérielle , de la
tachycardie, de l'insomnie, de l'anorexie, de la constipation, un sentiment de malaise général, de l'irritabilité ,
une dépression réactive, des migraines et des troubles sexuels ». puissance chez les hommes. On pense
que le khat est générateur de dépendance » (OMS 2003, 18). L'inclusion des dépenses pour le qat dans le
NCA n'est pas un détail mineur. Au Yémen, le qat représente 6 p. 100 du produit intérieur brut (PIB), 10 p.
100 de la consommation des ménages privés et 33 p. 100 du PIB agricole, et emploie un travailleur yéménite
sur sept (Yémen 2007a, 43). La motivation pour l'inclure repose sur la théorie discutée dans la section 2.
Toute la prémisse d'une approche cohérente de l'utilité de la mesure du bienêtre est qu'elle n'est pas
paternaliste : les individus font leurs propres choix, maximisent leur propre utilité, et sont supposés savoir.
mieux.31 Ravallion (2016, 189) considère « éviter le paternalisme », c'estàdire respecter les préférences
révélées des personnes, comme un principe fondamental de l'analyse du bienêtre : « Si une personne choisit
librement de dépenser une partie de son maigre revenu pour quelque chose qui ne se trouve pas sur la liste
préférée d'un observateur externe, alors le respect de cette personne exige que nous remettions cette liste en
question. Ma priorité est que la personne concernée est mieux placée que quiconque pour savoir ce dont elle
a besoin. Sur la base de cet argument, les dépenses de la division COICOP 02, qu'elles soient destinées à
l'achat de « biens » ou de « maux », devraient être incluses dans l'agrégat de consommation32.
03 Vêtements et chaussures. Ces dépenses ne posent aucun problème. Il convient de noter que dans le
Système de comptabilité nationale (SCN), bon nombre de ces articles (articles d'habillement, vêtements et
accessoires, chaussures et services connexes, y compris le nettoyage, la réparation et la location) sont
classés dans la catégorie des «biens semidurables». une distinction également utilisée dans le système
COICOP. Une telle distinction est généralement ignorée lors de la construction de l'agrégat de consommation;
la pratique internationale considère les vêtements et les chaussures comme des biens non durables, et les
dépenses correspondantes doivent simplement être annualisées et incluses dans le NCA.
31 Notez que les Yéménites sont bien conscients des problèmes mentionnés dans le rapport de l'OMS. Dans un récent sondage, plus de 70 % des
personnes interrogées décrivent la mastication du qat comme une « mauvaise habitude » qui est également mauvaise pour l'économie et mauvaise pour
l'image de la nation. Les utilisateurs veulent « se débarrasser de cette habitude », mais ils ne le peuvent pas. (Yémen 2007b, 17).
32 Milanovic (2008) fournit des détails supplémentaires sur la façon dont les analystes du bienêtre devraient penser au qat (pris comme un paradigme de
tout « mauvais », en supposant que chaque pays a son propre équivalent qat).
04 Logement, eau, électricité, gaz et autres combustibles. Cette catégorie comprend les biens et services
pour l'utilisation du logement, son entretien et sa réparation, la fourniture d'eau et d'autres services divers
liés au logement, ainsi que l'énergie utilisée pour le chauffage ou le refroidissement. En ce qui concerne les
loyers, les loyers réels et fictifs (codes 04.1 et 04.2 du tableau 4.1) sont traités en détail à la section 4.5 en
raison de la complexité empirique de leur inclusion dans le NCA. Le groupe COICOP 04.3 (entretien,
réparation et sécurité du logement) ne comprend que les dépenses en matériaux et services pour les petits
entretiens et réparations, tandis que les gros entretiens et réparations n'apparaissent même pas dans la
nomenclature COICOP, étant donné que « seules les dépenses que les locataires et le propriétaire les
charges des occupants sur les matériaux et services de décoration intérieure, les petits travaux d'entretien
et de réparation, qui seraient normalement considérés comme étant à la charge d'un locataire, font partie
des dépenses de consommation individuelle des ménages. (ONU 2018, 81). Cette distinction s'applique
entièrement au NCA également : les dépenses pour les réparations mineures et l'entretien doivent être
incluses, tandis que les dépenses pour les réparations majeures ne doivent pas l'être. La justification de
cette recommandation est fournie par deux des quatre critères examinés à la section 4.1 : les dépenses
d'entretien majeur peuvent être interprétées comme un investissement (augmentation de la valeur de la
propriété) plutôt que comme une consommation, et ce sont souvent des dépenses forfaitaires.
Les dépenses en services publics – eau, électricité, gaz et autres combustibles – sont une inclusion simple
en principe, mais peuvent être problématiques en pratique. Un problème récurrent est le fait que les marchés
des services publics sont souvent subventionnés, rationnés ou soumis à des systèmes de tarification qui
varient en fonction de la quantité consommée (par exemple, le tarif augmente à mesure que l'utilisation des
clients augmente) ou d'autres facteurs. La conséquence des ménages confrontés à des prix différents est
que les dépenses cessent de fonctionner comme indicateur indirect de la consommation. Si les ménages
vivant dans une région donnée ont accès à l'électricité à un prix subventionné, alors leurs dépenses
commanderont plus d'électricité que les autres ménages qui l'achètent aux prix du marché. En fait, toute
comparaison de bienêtre basée sur des dépenses non ajustées sera biaisée. Hentschel et Lanjouw (2000)
est une lecture des plus utiles, car elle illustre un certain nombre de méthodes d'ajustement : la retarification
est une étape nécessaire avant d'inclure toute consommation de services publics subventionnée ou non
tarifée par le marché dans le NCA.33
05 Ameublement, équipement ménager et entretien ménager courant. Selon le système COICOP, ce groupe
« couvre une large gamme de produits pour l'équipement de la maison ou du logement et les biens ménagers
durables, semidurables et non durables, ainsi que certains types de services ménagers. Il comprend toutes
sortes de meubles et d'équipements d'éclairage (05.1), les textiles de maison (05.2), les gros et petits
appareils électroménagers (05.3), la verrerie, la vaisselle et les ustensiles ménagers (05.4), les outils et
équipements pour la maison et le jardin (05.5) , et biens d'entretien ménager courant (05.6.1). (…) Il
comprend également les services de réparation, d'installation et de location. (…) Sont inclus les services
domestiques du personnel salarié en service privé, fournis par des entreprises ou des indépendants, ainsi
que les services de nettoyage et de désinfection des vitres, de nettoyage à sec et de blanchissage des
textiles de maison et des tapis (05.6.2) »
(ONU 2018, 89). En général, ces dépenses doivent simplement être annualisées, agrégées et incluses dans
le CA. Dans la pratique, selon les critères de la section 4.1, il est souvent nécessaire d'exclure des éléments
sélectionnés, principalement parce qu'ils sont qualifiés de dépenses « forfaitaires ».
33 Il convient de noter que la complexité des ajustements nécessaires dans ces cas a joué contre leur inclusion
régulière dans le travail appliqué la base de données présentée à l'annexe A ne contient aucun exemple documenté
de tels ajustements effectués.
L'identification des dépenses forfaitaires est inévitablement discrétionnaire, du fait qu'une dépense
donnée ne peut être jugée forfaitaire qu'en termes relatifs, c'estàdire uniquement lorsque sa taille est
jugée « importante » par rapport à la consommation typique. Dans ce groupe, les gros appareils
électroménagers peuvent être considérés comme grumeleux et, en fait, certains d'entre eux sont
considérés comme des biens durables dont la valeur d'achat doit toujours être exclue de la NCA (voir
la section 4.4 du présent document).
06 Santé. L'inclusion ou l'exclusion des dépenses de santé est l'une des décisions les plus controversées parmi celles
énumérées dans le tableau 4.1. Pour cette raison, nous reportons notre discussion à la section 4.3.1, où nous clarifions la
nature du problème (pourquoi les dépenses de santé sontelles problématiques ?) et fournissons une image actualisée de
la pratique actuelle.
07 Transports. Les dépenses liées au transport se répartissent en quatre catégories principales, dont aucune ne s'avère
problématique du point de vue de la construction de la NCA. Le premier est l'achat de véhicules (groupe 07.1). Étant
donné que les véhicules sont des biens durables, leur valeur d'achat doit être exclue du NCA (cela est expliqué à la section
4.4 du présent document). Toutes les autres catégories de dépenses de transport (exploitation de matériel de transport
personnel, services de transport de passagers et services de transport de marchandises) doivent être incluses dans l'ACN.
08 Information et communication. La plupart des dépenses appartenant à cette catégorie doivent être incluses dans le
NCA. Il peut y avoir quelques exceptions, généralement pour les articles du groupe 08.1 (équipements d'information et de
communication), soit parce qu'ils sont considérés comme des biens durables, soit parce que les dépenses correspondantes
ont tendance à être forfaitaires. En l'absence de lignes directrices précises, les quatre critères de la section 4.1 de ce
document aident à faire le
les décisions.
09 Loisirs, sports et culture. Les principaux biens de loisirs durables (par exemple, campingcars,
bateaux, yachts, etc.) devraient être exclus de l'ACN, suivant le même argument qui s'applique à tous
les biens durables (voir la section 4.4). Toutes les autres dépenses, dans la mesure où elles sont
typiques et ne contredisent pas les critères discutés à la section 4.1, doivent être incluses. Une
certaine discrétion de la part de l'analyste est nécessaire.
10 Services d'éducation. La recommandation générale est d'inclure les dépenses d'éducation dans le NCA. Il y a
cependant deux arguments théoriques à l'encontre. DZ note, par exemple , que les dépenses d'éducation « (…) se situent
à un moment particulier du cycle de vie, de sorte que, même si tous les ménages payaient le même prix pour l'éducation
et avaient le même nombre d'enfants, certains (ceux qui avaient des enfants fréquentant l'école au moment de l'enquête)
apparaîtraient mieux lotis que les autres du simple fait de leur âge. (pp. 3132, nos italiques). Contrer cet effet est
difficilement réalisable, car l'analyste devrait répartir les dépenses d'éducation de chaque ménage sur le cycle de vie de
ses membres, et les enquêtes transversales ne permettent tout simplement pas un tel ajustement . Un deuxième argument
en faveur de l'exclusion des dépenses liées à l'éducation est que l'éducation est considérée comme un investissement, et
non comme une consommation, et qu'en tant que telle, elle devrait être incluse dans l'épargne, et non dans l'agrégat de
consommation. Ce point est débattu dans quelques pays, à des fins autres que la mesure de la pauvreté (ex. MacLeod et
Urquiola 2018) : en effet , notre examen de la pratique internationale (voir annexe A) n'a relevé aucune exception à la
règle de inclure les dépenses d'éducation dans les ACN : tous les pays le font. Ceci suit
Recommandation de DZ : « nous suivons la pratique standard de la comptabilité du revenu national et
recommandons que les dépenses d'éducation soient incluses dans l'agrégat de consommation » (p. 34)34.
11 Services de restauration et d'hébergement. Les groupes 11.1 (services de restauration fournis par
les restaurants, cafés et autres installations) et 11.2 (services d'hébergement pour les visiteurs et
autres voyageurs loin de leur résidence principale ou secondaire permanente) représentent une
consommation assez typique, et leur inclusion dans le NCA n'est pas débattue . Notez que les plats
cuisinés font partie du groupe alimentaire et sont également inclus.
12 Assurances et services financiers. Les services d'assurance (12.1), quel que soit le type d'
assurance, doivent être inclus dans le NCA : ils représentent la consommation d'un service, qui est
de routine, discrétionnaire et bénéfique pour le bienêtre. En revanche, étant donné que les frais de
services financiers, les remboursements de dettes, les paiements d'intérêts, etc., sont liés à l'achat et
à la gestion d'actifs financiers, qui sont de l'épargne (ou des investissements), ils ne sont généralement
pas inclus dans le NCA.
13 Soins personnels, protection sociale et biens divers. En général, les dépenses de soins personnels
(groupe 13.1, y compris les petits appareils électriques pour les soins personnels, la coiffure, etc.)
doivent être incluses dans le NCA. Le groupe 13.2, « effets personnels non classés ailleurs », est
hétérogène et comprend une variété d'articles dont l'inclusion peut être plus discutable . Par exemple,
les dépenses en bijoux et en montres sont sans doute à exclure elles sont volumineuses,
vraisemblablement occasionnelles et pourraient être interprétées comme un investissement plutôt
que comme une consommation. Le groupe de dépenses liées aux articles de dévotion comprend des
articles allant des bougies votives, probablement moins chères, aux cercueils et pierres tombales
beaucoup plus chers. Les quatre critères de la section 4.1 devraient aider à guider les choix les plus minutieux.
Le souci d'hétérogénéité s'applique également aux dépenses du groupe 13.9. Le groupe dénommé «
protection sociale » (groupe 13.3) couvre les services d'assistance et de soutien non médicaux fournis
aux personnes âgées et handicapées et autres catégories dans le besoin, ainsi qu'aux familles et aux
enfants (maisons de retraite, centres de réadaptation, garderies, crèches, etc. ): ces dépenses doivent
être incluses dans le NCA, en veillant à ne pas comptabiliser deux fois les dépenses de santé si elles
sont également incluses.
Si le système COICOP (comme dans le tableau 4.1) représente un outil utile pour organiser la
construction des agrégats non alimentaires non durables, quelques considérations plus générales
méritent d'être mentionnées avant de conclure cette section.
Premièrement, toutes les dépenses au titre des impôts et taxes doivent être exclues du NCA car il ne
s'agit pas de dépenses de consommation, mais plutôt d'une déduction du revenu (DZ, 31). Les taxes
locales qui sont étroitement liées aux services reçus sont une exception potentielle à la règle (elles
peuvent être considérées comme le paiement d'un service reçu par le gouvernement, où plus de taxes
payées se traduisent par plus de services reçus).
34 Notez que la présence d'un système d'éducation public universel (et abordable) n'affecte pas la recommandation générale : la
décision de consacrer des ressources supplémentaires à l'éducation (par exemple, une école privée) serait basée sur des
considérations de qualité, ce qui renforcerait les arguments en faveur de l'inclusion de l'éducation dépenses dans l'agrégat de
consommation. Oseni et al. (2018) présentent une analyse actualisée des meilleures pratiques de collecte d'informations sur les
dépenses d'éducation dans les enquêtes auprès des ménages.
Deuxièmement, il y a le cas des soidisant nécessités regrettables, des dépenses qui vont vers des
articles qui ne procurent aucune satisfaction directe (utilité) au consommateur, mais qui doivent être
faites malgré tout. Un exemple classique sont les dépenses liées au navettage (c'estàdire les
déplacements réguliers en train, en scooter, en voiture ou en autobus entre sa résidence et son lieu
de travail). DZ recommande d'inclure toutes les dépenses regrettables dans le NCA car, si en théorie
leur exclusion est justifiée (si elles ne résultent pas d'un choix de consommation discrétionnaire,
mais sont contraintes par les circonstances, elles n'améliorent pas le bienêtre), il est proche à
impossible de déterminer a priori quelles dépenses sont « regrettables ». La solution proposée est
clairement un compromis et est ouverte au débat, de longue date, en fait. Les lecteurs intéressés
peuvent bénéficier d' une révision de l'élégante discussion de Nordhaus et Tobin (1973).
La dernière question qui mérite d'être mentionnée concerne les dons, les envois de fonds, les transferts à
d'autres ménages et les contributions caritatives. D'une part, un ménage qui choisit d'employer ses
ressources en les donnant maximise sa propre utilité, ce qui peut certainement inclure des préoccupations
concernant le bienêtre d'autrui : en ce sens, les cadeaux offerts peuvent être considérés comme de la
consommation. Cependant, DZ cite un contreargument simple et convaincant : pour le ménage bénéficiaire
du transfert, le don est aussi une consommation, car il peut être soit apprécié (s'il est en nature), soit utilisé
pour acheter d'autres biens ( s'il s'agit d'espèces). Cela reviendrait à comptabiliser deux fois la valeur du
bien en consommation, à la fois pour celui qui donne et pour celui qui reçoit, ce qui n'est évidemment pas
souhaitable. Un scénario paradoxal étendant cet argument est celui où un montant en espèces est transmis
à chaque ménage de l'échantillon, tour à tour donné et reçu, formant une sorte de «pompe à argent» dans
le bienêtre mesuré qui est entièrement le résultat d'un double comptage.
La recommandation d'exclure les cadeaux du NCA est conforme au Canberra Group Handbook on
Household Income Statistics publié en 2011. Selon les experts internationaux, connus sous le nom de
Canberra Group, « les transferts courants d'espèces, de biens et de services à d'autres ménages tels que
cadeaux, envois de fonds, pensions alimentaires, pensions alimentaires pour enfants, etc. sont exclus de
la définition des dépenses de consommation des ménages (UNECE 2011, 19). En conclusion, les
recommandations de DZ sont maintenues.
4.3.1 Dépenses de santé
L'inclusion des dépenses de santé dans l'agrégat de consommation nominale est l'un des choix les plus
débattus parmi ceux examinés dans cette section. Sur quoi porte le débat ?
L'un des principaux points de discorde, comme l'indiquent les Lignes directrices (DZ 2002, 33), est que
nous pouvons observer et mesurer l'augmentation du bienêtre due au fait de recevoir (de consommer) des
soins de santé, mais pas la perte de bienêtre déterminée par le besoin. de soins, découlant d'une
détérioration de son état de santé. Cette asymétrie semble particulièrement troublante lorsque l'on considère
les comparaisons de bienêtre. La figure 4.3 illustre.
FIGURE 4.3. Le problème des dépenses de santé et de la mesure du bienêtre
Bienêtre
ménage 1 ménage 2 ménage 3
PAUVRETÉ
DOUBLER
Dépense
mauvaise
Perte
santé
une
être
due
bien
de
à
Dans la figure 4.3, l'espace du bienêtre mesuré , représenté par les dépenses, est audessus de
l' axe horizontal. Nous utilisons une barre verticale pour représenter la consommation globale d'un
ménage : plus la barre est haute, plus les dépenses sont élevées et mieux le ménage s'en porte.
En dessous de l'axe horizontal se trouve ce que nous ne pouvons pas observer et mesurer : la perte de bienêtre due
à un état de santé compromis. Sur la photo, trois ménages : le ménage 1, dont l'agrégat de consommation est juste au
seuil de pauvreté (la barre audessus de l'axe horizontal est à la même hauteur que le seuil de pauvreté) et est en bonne
santé (il n'y a pas de barre en dessous de l'axe horizontal, indiquant une perte de zéro). Le ménage 2 connaît quelques
problèmes de santé (ceci est représenté par la barre bleue sous l'axe horizontal), et se situe également au seuil de
pauvreté en termes de dépenses totales : pour notre exemple, supposons que le ménage 2 ne peut se permettre aucun
soins de santé, et que ses dépenses sont exactement égales à celles du ménage 1 (les barres audessus de l'axe pour
les ménages 1 et 2 sont égales). Le ménage 3 rencontre les mêmes problèmes de santé que le ménage 2 mais est
capable de consacrer une partie de ses (plus grandes) ressources totales aux soins de santé (la partie ombrée de la
barre), ce qui place ses dépenses totales audessus du seuil de pauvreté.35 Comparaisons entre ces ménages clarifier
l'énigme liée aux dépenses de santé.
Comparons les ménages 2 et 3. Leur état de santé est également compromis, mais le ménage 3 reçoit des soins de
santé, contrairement au ménage 2. Si les dépenses de santé étaient incluses dans
35 Un scénario alternatif (et probable) est que le ménage 3 est incapable d'augmenter ses dépenses totales et
renonce simplement à certaines de ses dépenses non médicales afin de s'offrir des soins de santé (c'estàdire que
les dépenses de santé remplacent d'autres dépenses). La barre des dépenses totales aurait la même hauteur que les
autres dans la figure 4.3, mais une partie serait ombrée. Par souci de simplicité, nous omettons ce cas de la figure car
il ne change pas les conclusions que nous tirons de l'exemple. La question du déplacement des dépenses courantes
est pertinente lorsque l'on considère les arguments pour ou contre l'exclusion des dépenses « atypiques » de l'agrégat,
sujet traité à la section 4.1.
l'ANC, on verrait que le ménage 3 est mieux loti que le ménage 2, grâce à sa capacité à consommer
davantage les biens et services qu'il désire. Ses dépenses révèlent exactement le fait qu'elle profite de ces
dépenses. Si nous devions exclure les dépenses de santé du NCA, nous perdrions cette distinction et
l'exhaustivité de notre mesure du bienêtre se détériorerait, sans compter que si nous ne permettions pas à
une personne aux prises avec un problème de santé de dépenser de l'argent en soins de santé, elle serait
très malheureux. Globalement, dans cette situation, l'inclusion semble être une meilleure stratégie que
l'exclusion.
Passons maintenant aux ménages 1 et 3. Avec les dépenses de santé incluses dans le NCA, le ménage 3
apparaîtrait mieux loti que le ménage 1, malgré le fait qu'il ne consomme plus de biens et services qu'en
raison d'une crise sanitaire. Comme l'ont dit Deaton et Zaidi (2002, 32), « en incluant les dépenses de santé
pour quelqu'un qui est tombé malade, nous enregistrons une augmentation du bienêtre alors qu'en fait,
c'est l'inverse qui s'est produit ». Si l'on ne tient pas compte des dépenses de santé, les ménages 1 et 3
apparaîtraient également aisés. Ceci est également problématique car le ménage dont les membres sont
malades est susceptible d'être moins bien loti, dans l'ensemble, que le ménage en bonne santé.
L'essentiel de la discussion de la figure 4.3, jusqu'à présent, est que chaque choix, y compris ou excluant la
santé, a ses inconvénients. Si nous excluons les dépenses de santé du NCA, nous passons à côté de la
valeur d'amélioration du bienêtre des soins de santé : en gardant l'état de santé fixe, nous aimerions
idéalement saisir le bienêtre accru des ménages qui bénéficient de meilleurs soins. Si on l'inclut, on attribue
un niveau de vie plus élevé aux ménages qui sont effectivement en difficulté : les dépenses de santé ont la
particularité d'être associées à une diminution du bienêtre plutôt qu'à une augmentation, comme c'est le
cas pour les autres dépenses.
Existetil un argument qui permettrait à l'analyste de choisir le « moindre de deux maux » et de résoudre
l'incertitude ? En fait, il y en a : nous soutiendrons que les deux côtés de l'arbitrage ne sont pas au même
niveau. Alors que le premier argument, incluant la santé pour la globalité, est cohérent avec le cadre
conceptuel esquissé dans la section 2, le second, excluant la santé parce qu'elle est liée à une perte de
bienêtre, ne l'est pas. Considérez la comparaison entre les ménages 1 et 2 dans la figure 4.3, basée
uniquement sur les dépenses. Le ménage 2 est plus malade, et donc, intuitivement, moins bien loti que le
ménage 1. Mais les dépenses de santé des deux ménages sont nulles, donc le choix de l'inclure ou de
l'exclure ne ferait pas de différence dans ce cas. Le problème du classement des ménages ayant des
dépenses identiques et un état de santé différent persiste, quelle que soit la manière dont les dépenses de
santé sont traitées. C'est une lacune inévitable pour une mesure monétaire du bienêtre, incapable de
rendre compte de certaines facettes du bienêtre, comme l'état de santé. En fait, ceux qui soutiennent que
les dépenses de santé devraient être exclues le font souvent parce qu'ils ont implicitement à l'esprit l'état
sain comme contrefactuel (Blinder 1985 ; Wagstaff 2019)36. Mais estce le bon contrefactuel ? Lorsque
nous calculons un agrégat de consommation, nous n'essayons pas de mesurer l'état de santé (de bien
meilleures mesures sont nécessaires pour cela) ; nous essayons de mesurer la consommation totale
(conformément à la théorie examinée dans
36
Wagstaff (2019, 2) : « nous pensons implicitement que les frais médicaux remboursables sont involontaires et engagés en
réponse à un choc de santé, permettant à l'individu de retrouver son niveau d'utilité antérieur mais ne conférant aucune utilité
en soi ; en effet, la réception de soins médicaux en soi confère probablement une désutilité.
section 2). Dans cette perspective, ne pas saisir dans quelle mesure les ménages peuvent se permettre
des soins de santé est un résultat pire que de ne pas mesurer l'état de santé nous avons déjà perdu la
deuxième bataille au moment où nous avons opté pour la consommation comme mesure du bienêtre. La
conclusion naturelle de ces considérations est que les barres bleues de la figure 4.3 (celles situées sous
l' axe horizontal, indiquant la perte de santé) ne sont finalement pas pertinentes et, par conséquent, les
dépenses de santé doivent être incluses dans l'agrégat.
Cependant, il existe un autre argument en faveur de l'exclusion des dépenses de santé du NCA, et il a à
voir avec leur nature irrégulière et imprévisible. Il convient de souligner que, comme le note DZ, ce
raisonnement ne s'applique pas à toutes les dépenses de santé. Certains éléments, tels que les soins
préventifs, les soins dentaires, les procédures cosmétiques, etc., sont discrétionnaires et dissociés d'une
crise sanitaire concomitante. Cela les rend entièrement similaires à toutes les autres dépenses « non
controversées » que nous avons examinées jusqu'à présent et justifie leur inclusion dans le NCA.
En revanche, certaines composantes des dépenses de santé peuvent être qualifiées de « grumeleuses ».
Les ménages ont tendance à consommer des soins de santé en réponse à des chocs négatifs et, dans
certains contextes, cela signifie devoir dépenser des sommes importantes. Les paiements de santé
peuvent être catastrophiques pour le bienêtre individuel (Wagstaff et van Doorslaer 2003)37.
L'hospitalisation en est un exemple typique : c'est un événement relativement rare, et cela peut impliquer
un déboursement considérable de la part du ménage. Si une dépense d'hospitalisation importante est
enregistrée pendant, disons, une période de référence de trois mois, l'annualiser et l'ajouter au NCA
revient à supposer que quel que soit le membre du ménage récemment hospitalisé, il le fait en moyenne
chaque année, quatre fois par an, ce qui est manifestement absurde. La « grosseté » et la rareté de ces
dépenses de santé suggéreraient une exclusion du RCN, conformément au principe de devoir représenter
la consommation typique (section 4.1).
Mais il y a plus. À la suite de Ravallion (1988) et de Lanjouw et Lanjouw (1997), DZ développe un cadre
théorique qui permet d'évaluer dans quelle mesure l'inclusion d'une composante de dépenses « bruyante »
dans l'AC, tout en améliorant l'exhaustivité de l'agrégat, peut biaiser à la fois estimations de la pauvreté
et des inégalités (voir aussi Lanjouw et Lanjouw, 2001). L' avantage d'une AC complète, qui inclut les
dépenses de santé, peut être compensé par le fait que les dépenses de santé sont entachées d'erreurs
de mesure, ce qui signifie non seulement qu'elles peuvent parfois être enregistrées de manière
incorrecte38, mais plus encore point, qu'ils sont irréguliers : « Des dépenses transitoires autour d'une
moyenne à plus long terme équivaut effectivement à une erreur de mesure » (DZ 2002, 56). C'est
précisément le souci du compromis entre exhaustivité et précision qui conduit DZ à recommander que les
dépenses de santé soient incluses dans l'AC à condition (1) qu'elles n'ajoutent pas beaucoup d'erreur de
mesure et (2) que leur élasticité aux dépenses totales soit haut. Plus précisément, DZ fournit à l'analyste
un résultat utile — l'équation (6.9) dans l'article original. En particulier, ils montrent que le biais du
décompte de la pauvreté sera plus faible lorsqu'une composante bruyante (dépenses de santé, dans le
contexte actuel) est incluse dans l'agrégat de bienêtre, par opposition à lorsqu'elle est exclue, si :
37
Les dépenses de santé à la charge des patients absorbent, en moyenne, entre 2 et 5 % des dépenses totales des
ménages, selon la région et le pays, mais les parts budgétaires globales masquent l'importance des dépenses de santé
pour les ménages qui engagent des paiements de soins de santé. L'incidence des dépenses de santé « catastrophiques »
est la plus élevée en Asie du Sud, en particulier en Inde et au Népal (Wagstaff, Eozenou et Smitz 2019).
38 Un exemple est ce qui se passe en présence de régimes d'assurance les personnes qui ont une assurance ne déclarent
généralement que les dépenses personnelles ou les quotesparts d'assurance (les deux peuvent représenter une petite fraction de
la valeur totale), tandis que les personnes sans assurance déclarent le coût total.
σ e/
εe < (4.2)
σ e c/x
Dans l'équation (4.2), la notation est la même que dans DZ mais l'interprétation eεst
e adaptée : est
l'élasticité totale des dépenses de l'AC après exclusion des dépenses de santé, tandis que le rapport
σ ldes
à droite de (4.2) est une mesure du bruit ( désigne a variance,
dépenses
e ddénote
e santé,
les tdandis
épenses
que
tcotales
est pour
nettes
global et dénote les dépenses totales y compris les dépenses de santé) ; plus précisément, c'est le
bruit des dépenses hors santé par rapport à celui des dépenses totales. L'équation (4.2) peut être
rendue plus transparente en notant que la somme (pondérée) de (l'élasticité des dépenses de santé
εe etest é
par rapport aux dépenses totales) εsanté
gale à un. Cela implique
d'élasticitésanté que (4.1)
comme suit :peut être réécrit en termes
σ santé/xh
ε santé > f

(4.3)

σ c/x
où σ santé est la variance des dépenses de santé xh . L'équation (4.3) est un peu plus facile à
interpréter que (4.2) et fournit une ligne directrice utile : n'inclure les dépenses de santé que si leur
élasticité par rapport aux dépenses εtotales ( santé) est
essentiellement importante,
de supérieure
l'erreur de m à une
esure relative valeur
de qui
ddépenses.
la santé épend
L'intuition est que l'avantage d'ajouter les dépenses de santé au CA en termes de couverture ne doit
pas être compensé par le fait que l'on ajoute ainsi trop d'erreur de mesure, celleci étant mesurée par
le rapport ( santé/xh )/ ( /x). La recommandation pratique qui ressort de l'équation 4.3 est que les
σ supérieure
dépenses de santé σàc ldessus :
ne devraient être
eur incluses
« bruit
"Plus qnue si leur
». Dl'élasticité
Z 'utilise élasticité
eqst
ue
é1levée, ar
0 mots rapport
plus
pour
les aux lda
résumer
arguments épenses totales
discussion cdie est
en faveur
l'inclusion sont solides" (DZ, 33).
Le tableau 4.2 rassemble un certain nombre d'estimations des élasticités de la santé. Audessus de la ligne
de séparation horizontale se trouvent les estimations rapportées en DZ; sous la ligne, nous montrons un
certain nombre d'estimations pour d'autres pays, soit produites par nous, soit disponibles dans des publications
récentes. DZ a constaté que les élasticités de la santé étaient relativement faibles (à l'exception de l'Afrique
du Sud). Alors que la sélection des pays dans le tableau 4.2 est principalement motivée par la facilité d'accès
public aux données, les résultats du tableau tendent à confirmer la conclusion de DZ. Il existe cependant un
certain nombre d'exceptions (Guatemala, Namibie, Panama et Albanie) et des cas où l'élasticité n'est
clairement ni « élevée » ni « faible » (Irak, Maldives).
Dans l'ensemble, la mesure dans laquelle les exigences fixées par l'équation (4.3) sont satisfaites n'est pas
tout à fait claire, et les preuves résumées dans le tableau 4.2 ne semblent pas concluantes. Plus important
encore, il n'a probablement pas la puissance statistique nécessaire pour prouver ce que nous espérons qu'il
fait – il est courant de constater la fragilité des résultats de régression par rapport à la spécification
économétrique du modèle sousjacent au tableau 4.2. Néanmoins, l'estimation de l'élasticité de la santé peut toujours être utile
Les analystes devraient partir de l'hypothèse que les dépenses de santé devraient, en général, être
incluses, puis se demander si certaines d'entre elles sont excessivement importantes et peu fréquentes :
plus l'élasticité de la santé est élevée, plus il est justifié d'inclure les dépenses de santé. En présence
d'une « grande » élasticité de la santé, le bénéfice en termes d'exhaustivité ne serait pas compensé
par l'erreur de mesure qui accompagne leur inclusion.
TABLEAU 4.2. Élasticité des dépenses de santé
Élasticité
Pays Année statistique t R2
estimée
Deaton et Zaidi (2002, 33)
Viêt Nam 1992–93 0,86 33.2 0,19
1996 0,75 20.9 0,15

Népal
1996 0,74 14.3 0,14
République du Kirghizistan
Afrique du Sud 1993 1.14 58,7 0,40
Panama 1997 0,80 29.2 0,25
Brésil 1996–97 0,85 31,0 0,26
Nouvelles estimations
Guatemala 2014 1.10 40.3 0,17
Tanzanie 2010 0,71 19.0 0,11
Namibie 2015 1.28 67,7 0,41
2012 1.02 72,0 0,18

Irak
Malawi 2016 0,78 28,0 0,10
Panama 2008 1.29 62,5 0,46
Albanie 2008 1.28 38,4 0,23
2007 0,72 46,7 0,24

Bosnie Herzégovine
Macédoine 2008 0,75 45.2 0,27
2011 0,78 19.6 0,30

Monténégro
Serbie 2010 0,80 39.1 0,27
Maldives 2019 0,97 3.8 0,10
2015 0,73 10.5 —

Birmanie
2016 0,89 — —
Palestine
2011 0,80 — —
Liban
REMARQUE : le panneau supérieur (pays audessus de la ligne) provient de DZ (p. 33) ; les estimations du
panneau inférieur sont soit des chiffres publiés, soit nos propres calculs. Les pays ont été sélectionnés en fonction de
l'accessibilité publique de leurs données ; les régressions utilisent les probabilités inverses de sélection comme
pondérations – voir Solon, Haider et Wooldridge (2015) – mais les résultats ne sont pas significativement différents
des estimations des moindres carrés ordinaires (MCO) non pondérées.
SOURCES : Guatemala : nos estimations basées sur Encuesta Nacional de Condiciones de Vida (ENCOVI)
2014. Tanzanie : nos estimations basées sur l'Enquête nationale par panel 20102011. Namibie : nos estimations
basées sur l'enquête 2015/16 sur les revenus et les dépenses des ménages namibiens (NHIES).
Irak : nos estimations basées sur l'enquête socioéconomique auprès des ménages 2012. Malawi : nos estimations
basées sur la quatrième enquête intégrée auprès des ménages 20162017. Panama : nos estimations basées sur
Encuesta de Niveles de Vida 2008. Myanmar : Rapport d'évaluation de la pauvreté au Myanmar 2017. Albanie, Bosnie
Herzégovine, Macédoine, Monténégro et Serbie : Équipe Europe et Asie centrale pour le développement statistique
(ECATSD) (2016, p. 21, tableau 3.3). Maldives : nos estimations basées sur l'enquête sur les revenus et les dépenses
des ménages (NHIES) 2019/20. Palestine : Rapport d'évaluation de la pauvreté en Palestine 2018, p. 18. Liban : Rapport
d'évaluation de la pauvreté au Liban 2015, p. 14. Voir l'annexe A pour les références complètes des rapports d'évaluation
de la pauvreté.
FIGURE 4.4. Inclure ou exclure les dépenses de santé ?
Exclu 7.3
Partiellement inclus 10.4
Sans papiers 30.2
Inclus 50.1
0 dix 20 30 40 50
Pourcentage de pays
La figure 4.4 montre que plus de 50 % des pays examinés dans notre base de données incluent toutes les dépenses de
santé dans l'AC. On peut supposer que près de 20 % des pays suivent les directives originales de DZ, y compris seulement
une sélection de dépenses de santé ou pas du tout, les autres choisissant de ne pas documenter le choix.
Une dernière remarque s'impose. Le débat sur la question de savoir si les dépenses de santé doivent être incluses dans
l'agrégat de consommation ne porte pas sur l'utilité des dépenses de santé en soi pour les analystes du bienêtre. En fait,
les analystes ont besoin de données sur les visites dans les établissements médicaux pour analyser l'utilisation des
services de santé par différents groupes socioéconomiques ; ils ont besoin de données sur les dépenses de santé pour
estimer les coûts supportés par les ménages pour obtenir des soins de santé. Pour cette raison, les données sur les
dépenses de santé doivent être collectées par niveau de soins (primaire, secondaire ou tertiaire), par type de prestataire
(public, privé ou traditionnel), par objectif de la visite (soins préventifs, curatifs ou prénatals) . ) et par type de services
reçus (voir Gertler, Rose et Glewwe 2000 ; Lu et al. 2009 ; Heijink et al. 2011).
4.3.2 Loisirs et biens publics
Si la mesure de la consommation totale doit être vraiment complète, alors la possibilité d' inclure la valeur des loisirs et des
biens publics devrait être discutée. Ce sont des « marchandises » qui sont consommées par la plupart des ménages et qui
comptent certainement pour le bienêtre individuel. Toutes choses égales par ailleurs, un ménage qui consomme plus de
loisirs a un niveau de vie plus élevé qu'un ménage qui a moins de loisirs. DZ expliquent pourquoi le traitement des loisirs
comme n'importe quel autre bien, y compris sa valeur dans le CA (calculée en utilisant le salaire comme prix, par exemple)
le long
avec des dépenses pour d'autres biens, est incorrect. Essentiellement, les difficultés empiriques d'une
telle tentative sont prohibitives et les hypothèses requises trop arbitraires. DZ conclut que "la tentative
de valorisation des loisirs introduit plus de problèmes qu'elle n'est susceptible d'en résoudre, et peut
compromettre l'intégrité et la crédibilité générale des mesures de bienêtre produites à partir des
données de l'enquête". (page 18)
En ce qui concerne les biens publics, en principe, il ne fait aucun doute que la présence de biens
publics et/ou de biens publics tels qu'un environnement sûr, de bonnes installations de santé, etc., a
un impact positif sur le bienêtre des ménages et des individus ayant accès à ces prestations. En
pratique, les difficultés de mesure de la valeur de ces services conduisent DZ à recommander, une
fois de plus, de « n'inclure aucune valorisation des biens publics dans le calcul de l'agrégat de
consommation des ménages » (p. 24).
4.4 Biens durables
Les biens durables, tels que les automobiles, les appareils électroménagers, les appareils
électroniques, etc., doivent être examinés séparément des autres composantes de la consommation.
Cela est dû à leur caractéristique déterminante, la durabilité, qui « est plus que le fait qu'un bien peut
physiquement persister plus d'un an (ceci est vrai pour la plupart des biens) : un bien durable se
distingue d' un bien non durable par sa capacité à fournir des services utiles à un consommateur grâce
à une utilisation répétée sur une longue période de temps » (OIT 2004, 419). En termes simples, un
bien durable fournit une utilité au consommateur pendant une durée qui dépasse la période d'enquête (figure 4.5).
Ceci est problématique du point de vue de l'analyste du bienêtre, car le prix payé lors de l'achat d'un
bien durable reflète la valeur du bien durable pour toute sa durée de vie : en fait, il est
la valeur actualisée du flux de services dont le consommateur bénéficiera dans le futur.
En conséquence, un écart est creusé entre la consommation d'un bien durable au cours de la période
de référence par exemple, l'utilisation d'une machine à laver pour faire la lessive au cours de l'année
et la dépense enregistrée pour celleci le prix payé pour acheter la machine à laver. Conformément
à l'idée de pertinence (deuxième critère de la section 4.1), l'agrégat de consommation devrait inclure
uniquement la valeur d'utilisation du bien au cours de l'année d'enquête, plutôt que le prix d'achat
total. Le défi consiste précisément à comprendre quelle fraction de la valeur d'achat est consommée
au cours de la période de référence, quantité qui est rarement, voire jamais, directement observée. En
termes techniques, la tâche de l'analyste est d'estimer ce que l'on appelle le flux de consommation de
biens durables.
DZ discute d'un certain nombre de méthodes pour estimer le flux de consommation de biens durables,
et ils le font en décrivant un cadre théorique simple qui a été largement utilisé depuis. Dans ce qui suit,
nous résumons la discussion de DZ, à travers Amendola et Vecchi (2014, 2021).
FIGURE 4.5. Le problème fondamental des biens durables
LA VIE DE DURABLE
TEMPS
PÉRIODE DE RÉFÉRENCE
SOURCE : Adapté du matériel de formation de la Banque mondiale.
La notation est un peu fastidieuse, mais indispensable pour comprendre la mise en œuvre de chaque méthode.
Soit t l'année de l'enquête. CFt est le flux de consommation d'un bien durable détenu par le ménage pendant la
période d'enquête : nous utiliserons une machine à laver comme substitut pour tout bien durable dans cette
section. On note v le « millésime » ou l'âge du bien, c'estàdire le nombre d'années depuis sa fabrication (si v
= 3 cela signifie que le ménage possède une machine à laver qui a été produite il y a trois ans). On note s le
nombre d'années depuis que le ménage a acquis le bien (si s = 0 cela signifie que la machine à laver a été
achetée durant l'année d'enquête, si s = 1 elle a été achetée il y a 1 an, etc.). Il s'ensuit que s doit être inférieur
ou égal à v (si s = v = 0 alors le ménage a acheté une nouvelle machine à laver au cours de l'année d'enquête).
Dans la suite de cette section, nous nous concentrons sur trois méthodes : l'approche par acquisition, l'approche
par équivalence locative et l'approche par coût d'usage. Pour anticiper les conclusions, nous soutiendrons que
l'approche de l'acquisition est erronée et doit être abandonnée, l' approche de l'équivalence locative est
théoriquement correcte mais pratiquement irréalisable, tandis que l'approche du coût d'usage est à la fois
théoriquement solide et raisonnablement facile à mettre en œuvre.39
L'approche d'acquisition consiste à ignorer le problème de la répartition du coût initial du bien sur la durée de
vie utile du bien et à imputer l'intégralité de la charge à la période d'achat. Cela correspond à l'estimateur
suivant pour le flux de consommation :
pv,t
si s = 0
CFt =
0 si s > 0 (4.4)

où pv,t est la valeur marchande actuelle du bien (plus précisément, pv,t indique combien vaut un bien produit il
y a v ans sur le marché au début de la période d'enquête t).
Selon l'équation (4.4), le flux de consommation est nul pour les ménages qui n'ont pas acheté de bien durable
au cours de l'année d'enquête (s > 0), qu'ils aient ou non déjà
39 Une quatrième approche est l' approche du coût d'opportunité, initialement proposée par Diewert (2008) et récemment
suggérée par Diewert et Shimizu (2019, section 5) : « l'approche du coût d'opportunité pour fixer le prix des services d'un
consommateur durable équivaut à le maximum du loyer et du coût d'usage que le bien pourrait générer sur la période considérée.
À notre connaissance, il n'y a pas eu de mise en œuvre de l'approche du coût d'opportunité, à l'exception de quelques études
destinées à tarifer les services des logements en propriété. Plus d'informations à ce sujet dans la section 4.5.
en posséder ou non. C'est clairement une solution indésirable. Même dans les pays à faible revenu, les ménages
possèdent (ou ont accès à) un certain nombre de biens durables, tout en ne les achetant qu'occasionnellement.
Les ménages qui possèdent et utilisent une machine à laver achetée avant la période d'enquête seraient considérés
comme « aussi aisés » que les ménages qui n'en possèdent pas du tout. En revanche, selon cette méthode, le flux
de consommation correspond au prix d'achat pv,t d'un bien durable pour les ménages qui l'ont acheté au cours de
l'année d'enquête (s = 0). Cela suppose que les ménages qui ont acheté une machine à laver au cours de la période
d'enquête bénéficient de sa valeur totale (l'utilisent entièrement) à la fin de l'année. Ceci est, encore une fois,
indésirable. Pour rappel, selon l'approche acquisition, les biens possédés mais achetés avant l'année d'enquête ne
contribuent pas au bienêtre du ménage, alors que les biens achetés durant l'année d'enquête contribuent au bien
être du ménage pour leur pleine valeur . Les deux solutions contrastent fortement avec la définition même d'un bien
durable. Comme le conclut DZ, l'approche de l'acquisition est incorrecte et déconseillée.
Une deuxième méthode pour estimer le flux de consommation est l'approche dite de l'équivalence locative . L'idée
est d'estimer l'utilité qui découle de l'utilisation d'un bien durable pendant la période d'enquête en recueillant des
informations sur le coût de sa location pendant un an.
Supposons que les consommateurs puissent louer une machine à laver vieille de v ans ; dans ce cas, le flux de
consommation correspondrait à sa valeur locative courante de marché, notée Rv,t:
CFt = Rv,t (4.5)
Si une telle solution est simple et économiquement logique, elle présente en pratique un certain nombre de
difficultés. La préoccupation la plus importante concerne l'existence de marchés locatifs pour chacun des biens
durables détenus par les ménages. Estil prudent de supposer que les ménages peuvent louer une machine à laver
pendant un an ? Qu'en estil des autres biens durables ? Même si la réponse était positive, dans quelle mesure
l'analyste pouvaitil être sûr que la qualité des machines à laver disponibles à la location était similaire à celle des
machines en propriété ? Ces préoccupations et d'autres découragent l'utilisation de l'approche de l'équivalence
locative, du moins comme premier choix.
Une troisième méthode pour estimer le flux de consommation est l' approche du coût d'usage, que nous
introduisons par une expérience conceptuelle. Considérons un ménage qui possède un bien durable (nous ne
tenons pas compte de l'âge du bien par souci de simplicité, mais sans perte de généralité). Soit pt la valeur
marchande du bien au début de l'année d'enquête t. Le ménage fait face à deux options : (1) vendre le bien durable,
ou (2) utiliser le bien durable. Si le ménage vend le bien durable et investit le revenu sur le marché financier, à la
fin de l' année le ménage reçoit pt (1 + i par contre, le ménage utilise le bien durable et le revend à la fin de l'année
t ),
année, le ménage obtient pt (1 + )(1– ), où est otaux
le ù je d'inflation
t désigne
le taux àd 'intérêt
spécifique ndominal
ce bien gpénéral.
urable Si,au cours de
articulier
l'année t, et est le taux de dépréciation annuel du bien (en raison à la fois de la détérioration physique et de la perte
πt options
δtàpour
de valeur marchande ). Le flux de consommation la
pfeut
in
dêe πtlce
utiliser
tre
l'année,
alculé
bien
qd
ui
curable
omme
est le pcla
endant
oût
différence
que
uln
e a
mn :
eénage
ntre la
evst
aleur
prêt
dàes
payer
deux
δt
CFt = pt (1 + je t ) – point (1 +
π t )(1 – δ t) (4.6)
Si nous supposons que π δ ≈ 0, cette dernière expression peut être approchée comme suit :
t t
– π + δ δ t) (4.7)
CFt = pt (je t t t ) = pt (rt +
– π
où rt = (i ) désigne
t le taux
t d'intérêt réel . L'équation (4.7) indique que la valeur des services qu'un ménage
reçoit d'un bien durable est la somme de deux éléments de coût : pt rt est l'intérêt réel perdu, c'estàdire
l'intérêt que l'on aurait pu gagner si l'on avait investi l'argent correspondant à la valeur du bien sur un compte
bancaire, au lieu du bien luimême. C'est ce que les économistes appellent le coût d'opportunité du bien
durable. La deuxième composante est l'année d'amortissement , qui est, encore une fois, de l'argent perdu
pour le ménage qui n'a pas vendu le bien.40 δ c'estàdire la baisse de la valeur du bien au cours de la
, t
Des deux « ingrédients » nécessaires pour calculer CFt dans l'équation (4.7), rt est le plus facile à obtenir : il
est généralement disponible auprès de sources externes à l'enquête. Au lieu de cela, le taux de dépréciation δt ,
qui mesure la perte (ou le gain) de valeur que les biens durables subissent avec l'âge en raison de la
détérioration physique et de la variation de la valeur marchande, doit être estimé. Comment une machine à
laver se déprécietelle dans le temps ? Les machines à laver se déprécientelles au même rythme que les
δ t à c( )
réfrigérateurs ? Comment le taux d'amortissement ondition
estil estimé
d'être epn
rêt
pratique ?
à faire quelques
La réponse
hypothèses
est assez
(Amendola
simple,
et Vecchi 2014 : 2431). Nous commençons par modéliser le modèle de dépréciation, c'estàdire le processus
qui décrit comment les biens durables perdent de la valeur année après année. Supposons que l'on parte
d'une machine à laver toute neuve et que l'on note p0,t sa valeur marchande en t. On note ≤ 1) le taux de
δ 1 (δ 1 être
détérioration pour la première année de sa vie. La valeur marchande dee
xprimée
la laveuse
comme
après
suit :
un an, p1,t , peut
p1,t = (1 – δ (4.8)
1 )p0,t
Suivant la même notation et la même interprétation, on peut écrire la valeur du bien après deux ans comme
suit :
p2,t = (1 – δ 2 ) p1,t (4.9)
L'équation (4.9) exprime le prix de la laveuse lorsqu'elle atteint l'âge de 2 ans en fraction de sa valeur lorsqu'elle
avait 1 an. Remplacement de l'équation (4.8) dans l'équation (4.9). on obtient:
p2,t = (1 – δ 2 ) (1 δ (4.10)

1 )p0,t
Procéder itérativement pendant v périodes donne :
v
δ pv,t =
∏(1 − je )p0,t (4.11)
je=1
L'équation (4.11) montre comment le modèle d'amortissement dépend de la séquence de détérioration . Le
δ δ, ,…,δ défi consiste ici à estimer cette séquence d'amortissement. Pour simplifier la tâche, nous
taux de conversion
1 2 v
pouvons modéliser le taux d'amortissement, et de nombreuses façons différentes de le faire ont été suggérées
par la littérature récemment examinée dans Diewert et Shimizu (2019, 1828). Un modèle en particulier, le
modèle d'amortissement géométrique, a été largement utilisé. Elle consiste à supposer que le taux
d'amortissement est constant dans le temps :
δ = δ
je
(4.12)
ce qui, à son tour, implique que :
pv,t = (1 – δ (4.13)
)v p0,t
40
L'équation (4.7) correspond à l'équation (3.1) dans DZ (p. 35).
La dernière étape consiste à calculer le taux d'amortissement δ dans l'équation (4.13):
1
v
p v,t
p0,t
δ = 1 (4.14)
δ uniquement sur les informations sur les valeurs marchandes
L'équation (4.14) permet une estimation basée
de biens durables homogènes d'âge différent, pv,t et p0,t Il convient de noter qu'en pratique, les questionnaires
omettent souvent d'enregistrer les éléments d'information exacts qui apparaissent dans l'équation (4.14). Ce
problème peut généralement être surmonté assez facilement. Comme approximation pratique de v (l'âge du
bien durable), l'analyste peut utiliser les années de possession du bien (cela suppose qu'aucun bien d'occasion
n'est jamais acheté). Plutôt que de demander p0,t (la valeur marchande actuelle d'un nouvel article), de
nombreux questionnaires enregistrent le prix initialement payé pour le bien lors de son achat, formellement
pv,t–v . Si tel est le cas, l'analyste peut utiliser une moyenne du taux d'inflation, afin
π,
d'approximer
p0,t, comme suit : p0,t ≈ (1 + )v pv,t–v . π
En introduisant le taux d'amortissement de l'équation (4.14) dans l'équation (4.7), nous obtenons le flux de
consommation selon l'approche du coût d'usage :
CFt = pt (rt + δ) (4.15)
Une deuxième option qui mérite d'être envisagée est le modèle d'amortissement sur la durée de vie
économique . Alors que le modèle de dépréciation géométrique suppose implicitement que les biens durables
durent un temps infini et que leur valeur tend asymptotiquement vers zéro, l'idée qui soustend le modèle de
vie économique est qu'un bien durable se déprécie dans le temps à un taux δconstant (le même
géométrique ), que
mais àl e
mm
un odèle
oment
donné, il arrive en fin de vie ; à ce momentlà, il incarne encore une certaine valeur économique positive, qui
peut être considérée comme une valeur de rebut. Le modèle de dépréciation de la durée de vie économique
αdu
suppose que la valeur de rebut est égale à une (faible) proportion de la valeur d'achat initiale bien :
où plT,t
T est a =
durée maximale de la vie économique pα0.t ,
valeur
=la
0,05,
dfin
u b
dpien
e
ar
la
epst
xemple,
ériode
toujours
olù
'analyste
iél gale
peut à
ê tre
s5uppose
%
u tilisé
du pqrix
pue
our
dl'achat.
orsque
son usage
Ele
n bsien
ubstituant
initial,
atteint
la
du durable. Si α pT,t = p0,t dans l'équation (4.14), nous obtenons une expression nette pour calculer le
taux d'amortissement :
α
1
J
δ = 1 α (4.16)
L'équation (4.16) facilite énormément l'estimation du flux de consommation, non seulement pour sa simplicité
analytique, mais aussi parce qu'elle est moins exigeante en termes de données, et peut fonctionner lorsque
l'enquête ne fournit que des informations très limitées sur les biens durables, comme un simple inventaire des
biens possédés par les ménages, et une estimation de leur valeur actuelle.41
41 Un inconvénient associé à l'équation (4.16) est que l'estimation de est δ dépend du paramètre α , qui est arbi

choisie par l'analyste (tout nombre entre 1 et 10 % semble être un choix raisonnable). Les élasticités fournies par Amendola et
Vecchi (2021) montrent que le flux de consommation est assez insensible au choix d'alpha : une augmentation de 5 % de
α est associée à une diminution de 1 % du flux de consommation.
La figure 4.6 fournit une représentation visuelle du schéma d'amortissement impliqué par le modèle géométrique
(ligne verte) et le compare à deux modèles alternatifs, le modèle de durée de vie économique (ligne rouge) et le
modèle linéaire (ligne brisée), qui est le modèle de dépréciation le plus simple possible, où la valeur marchande
du bien diminue selon un schéma linéaire; voir Amendola et Vecchi (2021) pour une discussion complète.
FIGURE 4.6. Le modèle d'amortissement géométrique par rapport aux autres modèles
1,00
Géométrique
La vie économique
Ligne droite
0,75
marchande
durable
Valeur
bien
du
0,50
0,25
0
0 5 dix 15 20 25 30
L'ère du durable
En raison de sa simplicité analytique et de sa robustesse empirique, le modèle géométrique est devenu populaire
parmi les analystes et de nombreux organismes statistiques. Cela ne fonctionne pas aussi bien pour tous les
biens durables – Diewert et Wei (2017), par exemple, illustrent le cas des ordinateurs, dont la valeur reste plus ou
moins constante pendant une période puis chute brutalement – mais au total, l'équation (4.14 ) est celui à
recommander pour estimer les taux d'amortissement. Si la disponibilité des données est limitée, l'équation (4.16)
fournit une alternative utile.
Une fois que le taux de dépréciation dans l'équation (4.14) a été estimé pour tous les biens durables, les coûts
d'usage correspondants peuvent être calculés comme dans l'équation (4.7), à condition que la valeur de marché
actuelle du bien durable (pv,t) et la valeur réelle actuelle le taux d'intérêt (rt ) sont également connus.42 Le tableau
4.3 illustre les résultats obtenus en appliquant la méthode du coût d'usage avec le modèle d'amortissement
géométrique au cas des Maldives.
42 DZ recommande de calculer rt « (…) comme une moyenne sur plusieurs années, et d'utiliser ce taux réel pour tous les biens durables.
biens » (p. 35).
TABLEAU 4.3. Le flux de consommation de biens durables
Flux de consommation
Taux d'amortissement moyen (MVR par personne Nombre
Consommateur durable (éq. 4.13) et par mois) (éq. 4.14) d'observations
Climatiseur 0,1188 1 441,6 1 701
Vélo 0,2083 365,7 1 905
Voiture/jeep 0,0742 12 082,7 142
Ordinateur/portable 0,1148 1 091,0 2 349
Ventilateur 0,2083 362,5 3 720
Fer 0,2240 53,6 3 934
Téléphone mobile 0,1976 1 920,0 4 308
Moto 0,0787 4 942,7 1 708
Radio 0,1731 43,5 2 028
Réfrigérateur 0,1190 535,5 3 502
Cuiseur de riz 0,2387 106.1 3 162
la télé 0,1188 749.1 3 553
Téléphone 0,1541 44,7 101
Machine à laver 0,1678 455,0 3 923
Pompe à eau 0,1256 225.6 3 117
REMARQUE : MVR signifie rufiyaa des Maldives. Les chiffres sont obtenus à l'aide de la méthode du coût d'usage et du modèle
d'amortissement géométrique.
SOURCE : Élaboration des auteurs sur la base des microdonnées des Maldives HIES 2016.
Une mise en garde à laquelle DZ fait allusion, mais qu'il convient peutêtre de répéter explicitement, est qu'en
l'absence de données suffisamment complètes ou fiables pour l'estimation d'un flux de consommation de coût
d'usage, il est préférable d'omettre entièrement la contribution des biens durables au bienêtre des ménages,
plutôt que que d'inclure les valeurs d'achat dans l'agrégat de consommation. La première solution préserve
les classements corrects entre les ménages, tandis que la seconde conduit à des comparaisons incorrectes.
La figure 4.7 montre à quel point chacune des approches discutées dans cette section est courante, selon
les récentes évaluations de la pauvreté dans le monde. La méthode du coût d'usage est l'approche la plus
utilisée, mais les agrégats de consommation n'incluant aucune allocation pour les biens durables et les
rapports qui ne documentent pas les choix sousjacents sont encore plus courants lorsqu'ils sont combinés .
L'utilisation de l'approche d'acquisition est moins fréquente, mais non négligeable : 9,4 % des agrégats de
consommation incluent la valeur d'achat de biens durables dans l'agrégat, une pratique qui devrait être
abandonnée.
FIGURE 4.7. Méthodes d'estimation du flux de consommation de biens durables
Acquisition 9.4
Aucune indemnité 21.9
Non spécifié 29.2
Coût d'utilisation 39,6
0 dix 20 30 40
Pourcentage de pays
4.5 Logement
La plupart des gens, s'ils sont mis au défi de deviner à quel point quelqu'un est à l'aise en ne regardant qu'un seul des
biens qu'il possède, voudront jeter un coup d'œil à sa maison. En effet, compte tenu de l'importance des investissements
qu'il nécessite, le logement est, pour une majorité de familles, le bien le plus précieux parmi les biens durables qu'ils
consomment, et constitue une composante essentielle de tout agrégat de consommation qui se veut global (Malpezzi
2000 ; Ceriani , Olivieri et Ranzani 2019b).
Conceptuellement, le logement est identique aux autres biens durables lorsqu'il s'agit de calculer sa contribution à
l'agrégat de consommation. Une maison, une fois achetée, offre une utilité au consommateur pendant une durée qui
dépasse la période d'enquête typique d'un an. La valeur d'achat de la maison représente la valeur actuelle de l'habiter
pendant une longue période de temps, et selon les critères fondamentaux d'agrégation de la consommation (section 4.1),
n'est pas pertinente comme mesure de la consommation actuelle, en plus d'être loin d'être typique : " L'achat d'un logement
est une dépense si importante et relativement rare qu'en aucun cas les dépenses d'achat ne doivent être incluses dans
l'agrégat de consommation." (DZ, 35). Au lieu de cela, l' objectif est de mesurer la valeur d'occupation de la maison
uniquement pendant la durée de la période d'enquête.
Cela équivaut au concept de flux de consommation de biens durables examiné à la section 4.4, bien qu'il soit plus souvent
appelé flux de services de logement dans ce contexte.
Les différences entre le logement et les autres biens durables deviennent apparentes une fois que l'on passe en territoire
d'estimation. Contrairement à la plupart des autres biens durables, le logement a généralement un marché locatif et les
enquêtes sur les dépenses des ménages enregistrent presque toujours les loyers payés. Étant donné que le loyer est
précisément la valeur marchande de l'occupation d'une maison pendant une période donnée, il s'agit théoriquement d'un
estimation correcte et, dans de nombreux cas, empiriquement viable du flux des services de logement (il s'agit
de l' approche de l'équivalence locative décrite à la section 4.4, équation 4.5).
Mais il y a un problème : les ménages qui sont propriétaires de leur logement ne paient pas de loyer, pas plus
que les ménages qui occupent un logement mis à disposition gratuitement par un employeur, un proche, l'État
ou toute autre entité. Les ménages peuvent également louer leur logement à un prix inférieur au marché,
grâce à des subventions ou à d'autres dispositifs particuliers, auquel cas le loyer payé n'est pas nul, mais
n'est toujours pas représentatif de la valeur des services rendus par le logement. Nous appellerons ces
ménages propriétaires et locataires hors marché (ce qui regroupe les locataires payant un loyer subventionné
et ceux ne payant aucun loyer). Si on les comparait aux locataires marchands (ménages louant leur logement
au prix du marché) sur la seule base des dépenses annuelles de logement , on placerait le niveau de vie des
propriétaires et des locataires non marchands à un niveau systématiquement inférieur : en fait, tout le reste à
parité égale, le propriétaire d'un hôtel particulier acheté avant la période d'enquête apparaîtrait plus pauvre
que quelqu'un qui loue un appartement (l'agrégat de consommation du premier serait nul dans la catégorie
des loyers, tandis que le second comporterait un montant positif). Le propriétaire « consomme » le logement,
mais nous ne tenons pas compte de sa valeur parce que nous n'observons pas le loyer que le propriétaire
paierait hypothétiquement s'il louait son logement. Pour classer correctement les ménages, l'analyste doit
estimer, ou imputer, une valeur locative implicite plus communément appelée loyer imputé pour les
propriétaires et les locataires non marchands, et capturer la valeur de leur consommation de services de
logement.
En résumé, l'estimation du flux des services de logement est, au moins en principe, aisée pour les locataires
marchands, pour qui elle correspond au loyer effectif payé, et plus complexe pour les locataires non
marchands, pour lesquels il faut estimer le loyer fictif. Ainsi, nous discuterons longuement des méthodes
d'imputation des loyers. Les lignes directrices de DZ mentionnent quatre approches principales : l'auto
déclaration (ou l'autoévaluation), la régression hédonique, la rente par rapport à la valeur et les méthodes du
coût d'utilisation. Cellesci sont restées la norme au cours des deux décennies suivantes, à l'exception de
quelques extensions, selon une revue de Balcazar et al. (2017). Dans le reste de cette section, nous nous
appuyons sur ce travail et sur d'autres travaux récents pour résumer l'état de l'art des méthodes d'imputation
des loyers dans le contexte de la mesure du bienêtre (sections 4.5.1 à 4.5.3) et résumer leurs avantages et
inconvénients en fonction de le contexte actuel, offrant des recommandations pratiques sur le meilleur plan
d'action pour l'analyste (section 4.5.4).
4.5.1 Loyer fictif autodéclaré
La plupart des enquêtes sur la consommation et les dépenses des ménages enregistrent le statut d'occupation
des logements des ménages, les classant en (au moins) locataires, propriétaires, locataires subventionnés et
ménages occupant des logements mis à leur disposition gratuitement par le propriétaire. Il est courant que le
questionnaire demande à toutes les catégories, à l'exception des locataires effectifs, d'estimer le montant
qu'ils auraient à payer (recevoir), s'ils devaient louer (prêter) le logement qu'ils occupent actuellement sur le
marché . Ces estimations sont appelées loyer imputé autodéclaré (ou autoévalué) .
Si ces autoévaluations sont fiables, l'analyste peut simplement les traiter comme s'il s'agissait de loyers réels,
tant pour les propriétaires que pour les locataires non marchands une solution simple en effet au problème
d'imputation des loyers. Le « si », cependant, est crucial dans la pratique : cette approche
repose entièrement sur l'hypothèse que les répondants sont à la fois informés et objectifs sur la valeur
de leur logement, et sur le loyer qu'ils paieraient (recevraient) pour une maison avec des attributs de
qualité et d'emplacement similaires. Dans de nombreuses situations courantes, cette hypothèse est discutable.
Dans de nombreux pays, les marchés locatifs sont concentrés dans les zones urbaines, tandis que les
populations rurales sont généralement propriétaires de leur logement, sans aucun échange de loyer réel autour
d'eux. Si les marchés locatifs sont « minces » (c'estàdire petits, avec peu de transactions), les répondants
peuvent tout simplement ne pas être suffisamment informés pour proposer une estimation réaliste de la valeur
locative de la maison qu'ils occupent . Par exemple, aux Maldives, pratiquement tous les logements en dehors
de la capitale sont occupés par leur propriétaire ; les loyers imputés autodéclarés de la dernière enquête sur les
revenus et les dépenses des ménages se sont avérés déraisonnablement élevés parce que les répondants
baseraient leurs réponses sur le taux qu'ils s'attendaient à recevoir s'ils louaient leur propriété en tant que maison
d'hôtes, étant donné qu'il n'existait pas de marché locatif pour les résidents dans leur environnement (Maldives 2018, 27).
Une autre raison possible pour laquelle le loyer imputé autodéclaré peut être faussé est le manque
d'objectivité de la part des répondants : l'effet dit de « fierté du propriétaire » est la tendance des
propriétaires à « placer audessus des valeurs de marché les caractéristiques particulières de leurs
logements, surtout s'ils les ont créés euxmêmes » (Heston et Nakamura 2009).43
Pour ces raisons, la fiabilité du loyer imputé autodéclaré doit toujours être soigneusement évaluée avant
d'utiliser la variable. C'est plus facile à dire qu'à faire, car il n'existe aucune méthode éprouvée pour tester
la présence d'un biais de la mesure autodéclarée. La section 4.5.4 propose quelques recommandations.
4.5.2 Méthodes d'imputation des loyers hédoniques
Une deuxième approche de l'imputation des rentes, ou plutôt une famille d'approches, est celle des méthodes
d'imputation des rentes hédoniques . Dans ce contexte, le terme « hédonique » (qui signifie littéralement «
se rapportant au plaisir ») renvoie à l'idée que le prix d'un bien est déterminé par ses caractéristiques, celles
que les consommateurs apprécient et considèrent comme précieuses. Dans le cas du logement, cela signifie
que "le loyer d'un ménage est fonction des caractéristiques de son logement, y compris l'emplacement, les
attributs structurels (par exemple, le type de construction, le nombre de pièces, l'âge du bâtiment, etc.) et le
quartier" . caractéristiques » (Balcazar et al. 2017, 884). Une fois qu'une forme spécifique pour la fonction
liant le loyer aux caractéristiques mesurables du logement (un modèle) est sélectionnée, les loyers imputés
pour les propriétaires et les locataires non marchands peuvent être estimés sur la base des caractéristiques
de leurs logements.
Le modèle le plus simple est la régression linéaire standard. La spécification typique est en fait log
linéaire :
β+ ε = β + β + βkxkh + _ εh (4.16)
ln renth = xh h 0 1x1h + …
43 Sur la différence entre le consentement à payer (WTP) et le consentement à accepter (WTA), voir Hanemann (1991),
Fehr, Hakimov et Kübler (2015), et Tunçel et Hammit (2014). L'indication générale est que les mesures basées sur le WTA
sont généralement supérieures à celles basées sur le WTP.
où ln louer est le logarithme du loyer réel payé par le ménage h, xh est un vecteur de k caractéristiques

h
du logement du ménage h (x1 étant le premier régresseur, jusqu'au kième régresseur, xk ), et est le terme
ε régression
d'erreur. Le modèle
est estimé
sont
via eles
nsuite
MCO
utilisés
sur la
ppour
opulation
prédire
dles
es llocataires,
oyers hors
eét chantillon,
des coefficients
c'estàdire
de pour
h
les propriétaires et les locataires non marchands.
Le choix des régresseurs est dans une large mesure déterminé par les informations disponibles dans le module
sur le logement, et les connaissances locales aident à sélectionner les variables pertinentes. En particulier, si les
marchés locatifs sont segmentés (c'estàdire si les mêmes caractéristiques de logement sont susceptibles d'être
évaluées différemment dans différents endroits, par exemple des zones urbaines densément peuplées par rapport
aux zones suburbaines), l'analyste devrait envisager d'ajouter des variables fictives et des interactions pour
contrôler les segments. .
Quel que soit le modèle choisi par l'analyste, le calcul des valeurs prédites mérite une brève remarque (qui
suit de près Wooldridge 2012, 212213). Étant donné que la régression dans (4.15) est sous forme semi
logarithmique, les rentes prévues doivent être « retransformées » en niveaux (c'estàdire de logarithmes aux
unités monétaires) avant de pouvoir être ajoutées à l'agrégat de consommation.
La façon apparemment naturelle de le faire est de calculer le loyer prédit comme l'exposant des valeurs
prédites, pour « annuler » le logarithme (nous supprimons l'indice h pour simplifier la notation) :
r !ent = exp β !
( x) (4.17)
!
où r !ent indique le loyer prévu, x est l'ensemble des covariables de l'équation (4.15) et β le vecteur des est
coefficients estimés. Cependant, la retransformation « naïve » dans l'équation (4.17) est incorrecte, et en fait,
elle sousestime systématiquement le loyer en moyenne. Pour comprendre pourquoi, considérons la valeur
44
espérée E (c'estàdire la moyenne) du loyer :
E[loyer] = E[exp(βx + ε)] = exp(βx) . E[exp(ε)] (4.18)
La moyenne de exp(ε) est supérieure à 1, et sa valeur dépend de la distribution de ε. Par conséquent, la
moyenne de l'équation (4.17) est toujours inférieure à E[rent].
Sous les hypothèses de régression linéaire standard, et lorsque ε ~N(0, exp(ε) σ 2 ), la valeur attendue de
σ 2la retransformation correcte s'avère être :
est exp( /2). Ainsi,
!
!2
r !entadj = exp(β x) exp(σ / 2) (4.19)
où σ est l'erreur type de la régression.45
!
En pratique, il est souhaitable de pouvoir calculer une retransformation qui ne repose pas sur l'hypothèse
assez forte de normalité du terme d'erreur. Dans ce cas, il est conseillé d'utiliser l'estimateur de frottis plus
général de Duan (1983) :
1 n
rentduan = exp( x) exp(eh) (4.20)
n h=1
44 Toutes les moyennes sont conditionnelles aux covariables : une notation plus rigoureuse serait E[rent|x]. Nous avons choisi d'utiliser
une notation plus lâche pour plus de simplicité le lecteur intéressé est dirigé vers Wooldridge (2012, 212213).
N
∑ ε
45 L'expression de l'erreur type de la régression est σ =
!
h=1 h
(Wooldridge 2012).
n 2
où eh sont les résidus de régression. L'équation (4.20) est facile à estimer, ce qui en fait un bon candidat
pour procéder à l'imputation du loyer. L'utilisation de l'estimateur de Duan, bien que largement non
documentée dans les documents accompagnant les estimations officielles de la pauvreté, gagne du terrain
voir Palestine 2018, Mauritanie 2016, Gambie 2017.
En ce qui concerne la spécification du modèle dans l'équation (4.16), un certain nombre de raffinements au
modèle linéaire simple sont à la disposition de l'analyste, si la correction de biais spécifiques est une priorité
dans le contexte actuel. Une menace commune à l'identification des coefficients de régression est
l'endogénéité du statut d'occupation du logement : les locataires peuvent être un sousensemble non
aléatoire de la population, avec des caractéristiques spécifiques, qui les conduisent à choisir euxmêmes de
louer plutôt que de posséder (ou d'occuper gratuitement). ). Si tel est le cas, alors les coefficients estimés
par MCO peuvent refléter les particularités de cet échantillon sélectionné, plutôt que la valeur marchande
des caractéristiques du logement, et généraliser à l'ensemble de la population serait une erreur.
Pour corriger cet effet, appelé biais de sélection , certaines analyses portant sur les pays européens et
l'Amérique du Nord (Frick et al. 2010 ; Törmälehto et Sauli 2013) utilisent une correction de Heckman en
deux étapes, qui modélise le statut d'occupation avant d'estimer la régression hédonique ( Heckmann 1979).
Quelques études comparent les loyers imputés prévus avant et après la correction : par exemple, Norris et
Pendakur (2013) constatent que la correction de Heckman « augmente la consommation estimée des
ménages de 5 % par rapport aux estimations non corrigées et diminue les taux de pauvreté estimés de façon
assez spectaculaire » au Canada, et Ceccarelli, Cutillo et Di Laurea (2009) constatent que la correction fait
que le loyer imputé est inférieur d'environ 6 % à la prévision MCO dans le cas de l'Italie. Le tableau 4.4
illustre l'exemple italien.
TABLEAU 4.4. Loyer fictif moyen par zone de résidence, Italie
Nord Nord
Ouest Est Centre Sud îles Italie
Autoévaluation (1) 595 627 633 365 323 530
OLS (2) 448 533 460 322 253 419

Heckman (3) 420 499 431 301 237 393
Variation en pourcentage (1)(3) –29 –20 –32 –18 –27 –26
Variation en pourcentage (2)(3) –6 –6 –6 7 –6 –6
SOURCE : Notre élaboration sur Ceccarelli, Cutillo et Di Laurea (2009).
D'autres extensions, telles que la régression quantile inconditionnelle et les modèles semiparamétriques et
non paramétriques (qui tiennent compte des nonlinéarités dans la relation entre les caractéristiques du
logement et le loyer), ainsi que les modèles spatiaux (qui permettent des schémas complexes de dépendance
spatiale) sont disponibles mais pas largement utilisé dans la littérature sur l'imputation des loyers.
Quelle que soit la spécification économétrique, toutes les méthodes d'imputation des loyers hédoniques
sont vulnérables au problème des marchés locatifs étroits, à l'instar des évaluations autodéclarées. Si
l'échantillon de locataires est de petite taille ou très ségrégué (c'estàdire si les caractéristiques des
logements loués sont très différentes de celles des logements en propriété), ou les deux, les informations
sur lesquelles reposent les prévisions basées sur la régression peuvent simplement être trop faible pour que
l'imputation des loyers hors échantillon soit fiable.
4.5.3 Autres approches d'imputation des loyers
L'approche dite du ratio loyervaleur peut être mise en œuvre sans s'appuyer directement sur les
données d'enquête sur les loyers du marché ou sur les loyers imputés autodéclarés, tant que certaines
informations sur la valeur de vente actuelle du logement (valeur de la propriété) sont disponibles. La
méthode repose sur l'estimation d'un taux de capitalisation, défini comme le rapport entre la valeur
locative et la valeur du bien. Le taux de capitalisation estimé peut être appliqué aux valeurs immobilières
déclarées par les propriétaires occupants pour obtenir une estimation des valeurs locatives implicites.
Une façon de calculer le taux de capitalisation consiste à diviser la valeur du loyer imputé brut pour les
propriétairesoccupants, tirée des comptes nationaux, par une estimation de la valeur brute du parc de
logements occupés par leur propriétaire, tirée de l'enquête auprès des ménages (Yates 1994 ; Saunders
et Siminski 2005). Cependant, une telle procédure dépend de la fiabilité de la mesure des loyers imputés
des comptes nationaux, qui peut également être menacée par un marché locatif ségrégué et étroit. Il
sousestime également la variabilité probable des taux de capitalisation réels, étant donné que, selon les
données disponibles, il peut ne produire qu'un seul taux estimé pour l'ensemble du pays (Balcazar et al. 2017, 888)
L' approche du coût d'usage, dont la théorie a été discutée à la section 4.4 pour les biens durables «
ordinaires », peut également s'appliquer au logement. Cependant, la nécessité de tenir compte des
dépenses d'entretien, des impôts fonciers, des paiements d'assurance, etc. lors du calcul du coût
d'opportunité financière du maintien de la propriété d'une maison pendant la période d'enquête (Diewert
et Shimizu 2019, 60) rend cette approche assez exigeante en termes de données. Il n'est pas rare non
plus que les logements s'apprécient au fil du temps, plutôt que de se déprécier, ce qui entraîne un flux
de consommation estimé négatif . Au total, la mise en œuvre de la méthode du coût d'usage pour le
logement est problématique en pratique.
4.5.4 Discussion
Comme le montre la littérature examinée dans cette section, les options ne manquent pas lorsqu'il s'agit
de mesurer la composante logement d'un agrégat de bienêtre. Dans la pratique actuelle de mesure du
bienêtre, l'imputation du loyer hédonique semble être la méthode la plus populaire, comme le montre la
figure 4.8, bien que la majorité des pays ne documentent pas leur choix (ceci est susceptible de cacher
de nombreux cas dans lesquels le loyer autodéclaré est simplement utilisé sans mention).
Il est rassurant de constater qu'aucun pays ne documente l'inclusion dans l'agrégat de consommation
de la valeur d'achat du logement, ce qui est une erreur certaine.
Parmi les approches disponibles pour estimer les loyers, aucune n'est préférable a priori : le meilleur
choix est déterminé par les données recueillies par l'enquête, leur qualité, et par les caractéristiques des
marchés locatifs locaux. Cependant, la littérature offre quelques indications pour aider l'analyste à
prendre des décisions sensées.
FIGURE 4.8. Approches pour inclure les dépenses de loyer dans les agrégats de consommation
Imputé à l'aide de 11.5
l'autodéclaration
Non inclus 14.6
Imputé à l'aide
14.6
d'une autre méthode
Sans papiers 29.2
Imputé à l'aide du 30.2
modèle hédonique
0 dix 20 30
Pourcentage de pays
Si le loyer réel et le loyer autodéclaré sont tous deux disponibles dans le questionnaire, il est préférable de
procéder avec prudence avant d'ajouter simplement les deux variables à l'agrégat de consommation ; l'analyste
doit toujours effectuer une analyse préliminaire pour tester l'exactitude des autoévaluations. La distribution des
valeurs autodéclarées estelle raisonnable, compte tenu du contexte ? Existe til des différences systématiques
entre le loyer déclaré et le loyer réel ? Aucun test ne peut donner une réponse définitive, mais il est important de
rassembler au moins des preuves : même des statistiques sommaires de base sur les loyers réels et autodéclarés
calculés par sousgroupes de population (par exemple, urbains et ruraux) peuvent contribuer dans une large
mesure à cela. fin. Les preuves de différences systématiques entre le loyer réel et le loyer autodéclaré indiquent
que les nonlocataires surestiment ou sousestiment régulièrement la valeur marchande de leur logement et que
la variable autodéclarée peut ne pas être fiable.
Récemment, Ceriani, Olivieri et Ranzani (2019a) ont exploré l'utilisation d'estimateurs d'appariement pour évaluer
l'exactitude des loyers autoévalués par les propriétaires, suggérant une procédure qui a l'avantage de ne
nécessiter que les informations habituellement disponibles dans les enquêtes sur le budget des ménages . En ce
qui concerne le Pérou, ils constatent que les propriétaires ont tendance à vivre dans des logements
considérablement plus grands avec des caractéristiques supérieures telles que des salles de bains, des matériaux
de meilleure qualité, etc. par rapport aux locataires. C'est l'une des raisons pour lesquelles les propriétaires
signalent ce qui pourrait être considéré comme un prix de location autoévalué excessivement élevé, ce qui peut aggraver leur fierté
S'assurer que les logements des propriétaires et des locataires présentent des caractéristiques similaires est donc
une première étape clé pour une comparaison précise. Si les loyers autodéclarés sont jugés non plausibles et si
le questionnaire recueille suffisamment d'informations sur les caractéristiques du logement, l'imputation hédonique
des loyers doit être considérée comme une alternative.
Les plus grandes menaces à la crédibilité de l'imputation hédonique sont les marchés locatifs étroits (le sous
échantillon de locataires réels est si petit que le modèle ne peut pas être estimé de manière crédible) et les
marchés ségrégués (les locataires sont concentrés dans une zone spécifique du pays) dans des conditions si particulières.
conditions visàvis des nonlocataires que toute généralisation à l'ensemble de la population est
problématique. Il n'est pas rare que ces deux problèmes se produisent simultanément dans des situations
réelles . Malheureusement, il n'y a pas de solution infaillible au problème des marchés étroits : « Il est peu
probable que les loyers implicites puissent être prédits avec une grande précision lorsque la part des
locataires du marché est faible » (Balcazar et al. 2017, 893). Lorsqu'il n'y a tout simplement pas assez
d'informations pour mettre en œuvre des méthodes hédoniques, il peut être préférable pour l'analyste de se
tourner vers des méthodes non hédoniques, à condition que le module de logement recueille des données sur les valeurs de
Lorsque les marchés locatifs sont séparés, mais que la taille du souséchantillon de locataires n'est pas trop
petite, une correction de Heckman au modèle hédonique de base peut aider à atténuer le biais de sélection
dans la population de locataires. Les analystes sont encouragés à expérimenter la correction, avec une mise
en garde : la simplicité du modèle Heckman, qui peut être implémenté avec une ligne de code par la plupart
des applications statistiques, peut être trompeuse. L'identification des coefficients dans les deuxièmes étapes
repose sur des restrictions d'exclusion justifiées, qui sont loin d'être simples dans n'importe quel contexte.
Une correction mise en œuvre naïvement peut être pire que pas de correction du tout. Encore une fois, les
méthodes non hédoniques peuvent être une alternative viable, si le questionnaire le permet.
Si tout le reste échoue, l'analyste devrait sérieusement envisager d'omettre le logement de l'agrégat de
consommation. Le raisonnement est similaire au cas des biens durables : les dépenses de loyer sont une
composante importante du total, mais l'inclusion d'une mesure bruyante introduit une erreur grave dans
l'agrégat et est susceptible de provoquer un mauvais classement des ménages dans la distribution finale.
Cette option peut être la plus raisonnable dans les cas où les marchés locatifs sont très peu développés ou
inexistants. La littérature sur les implications de l'imputation des loyers pour la mesure du bienêtre donne à
l'analyste des indices sur l'impact distributif de l'exclusion du logement de l'agrégat. En général, il semble que
l'omission du loyer impliquerait une augmentation de l'inégalité estimée, étant donné que l'on constate
généralement que les loyers ont un effet égalisateur sur les dépenses totales des ménages ; l'effet sur la
pauvreté est débattu, bien que les logements sociaux aient tendance à reclasser les ménages pauvres vers
le haut (Balcazar et al. 2017). Ceriani, Olivieri et Ranzani (2019b) montrent que l'effet estimé de l'inclusion
du logement dans l'agrégat de consommation est plutôt faible pour les estimations de la pauvreté et des
inégalités, bien que le classement des ménages (et donc le profil de pauvreté) puisse être plus affecté.
46 Dans les situations où la population de locataires est faible, certains analystes ont adopté une sorte d'approche « hédonique
inversée » : un modèle hédonique est estimé sur la population de nonlocataires, et des coefficients estimés sont utilisés pour
prédire le loyer autodéclaré pour les locataires réels. . L'argument sousjacent est que même si le loyer autodéclaré est
probablement biaisé, au moins le biais serait appliqué de manière cohérente à tous les ménages, préservant leur rang dans la
distribution des dépenses. Ce raisonnement suppose que la variable autodéclarée est fiable, à l'exception d'une surestimation ou
d'une sousestimation constante dans tous les ménages (par exemple, un effet « fierté du propriétaire »). Si les marchés locatifs
sont étroits, ce qui motive l'approche en premier lieu, il est difficile d'affirmer que les nonlocataires évaluent leur logement en
fonction de caractéristiques objectives : ils n'ont aucune information sur laquelle fonder de tels jugements.
5. Ajustement pour le prix
Variation
Dans pratiquement toutes les applications réelles, différents ménages sont confrontés à des prix différents. Le
niveau des prix des biens et services varie à la fois dans le temps (inflation) et sur le territoire national
(différences géographiques du coût de la vie), et avec lui, le pouvoir d'achat de la monnaie : plus le niveau des
prix est élevé, plus la pouvoir d'achat des ménages. Par conséquent, l' agrégat de consommation nominale ,
c'estàdire la mesure de la dépense totale de consommation des ménages non corrigée des différences de
prix, n'est pas une mesure correcte du niveau de vie.
Deux ménages qui déclarent les mêmes dépenses nominales mais qui font face à des prix différents ne peuvent
pas s'offrir les mêmes quantités de biens : par conséquent, leurs dépenses nominales ne peuvent être
considérées comme indiquant le même niveau de bienêtre. Au lieu de cela, les montants nominaux masquent
des différences de coût de la vie, ce qui rend le ménage confronté à des prix plus élevés « moins bien loti »,
toutes choses égales par ailleurs, que celui confronté à des prix plus bas.
Dans la suite de cette section, nous abordons les questions conceptuelles et pratiques liées au calcul d'un
agrégat de consommation réelle (réel est l'opposé de nominal, une dépense réelle étant corrigée du pouvoir
d'achat), que nous appellerons simplement « consommation ». agrégat." La section 5.1 donne les définitions
des indices de prix et des vrais indices du coût de la vie. L'utilisation de ces indices est ensuite discutée dans
les sections suivantes : la section 5.2 traite de la variation spatiale des prix, tandis que la section 5.3 traite de
la variation temporelle des prix au sein de l'enquête. La section 5.4 fournit un résumé des principaux
enseignements.
5.1 Déflateurs de prix
Le cadre théorique de la section 2 de ce document est consacré à l'illustration de la première
recommandation des Lignes directrices de DZ , selon laquelle le bienêtre devrait être mesuré par les
dépenses totales de consommation des ménages divisées par un indice des prix de Paasche, c'està
dire ce que nous avons appelé l' utilité métrique monétaire ( MMU). Il convient de noter que (1) l'idée
d'évaluer les niveaux de vie à un ensemble de prix de référence est intrinsèque au concept de MMU,
et (2) cela nécessite l'utilisation d'un déflateur de prix. Cet outil fondamental n'a pas encore été discuté
en détail, et c'est ce à quoi s'attache la présente section.
Nous commençons notre discussion en notant que le nombre de biens et de services différents disponibles
dans une économie de marché moderne est tout simplement énorme un seul supermarché peut contenir des
dizaines de milliers d'articles à des prix différents. En Afrique, le nombre de prix collectés par les bureaux
nationaux de statistique varie considérablement d'un pays à l'autre, allant de 1 150 relevés de prix à São Tomé
et Príncipe à 65 000 en Afrique du Sud (OIT 2013 ; Gaddis 2016). La Chine collecte plus de 1,1 million de prix
chaque mois, tandis que d'autres pays atteignent des centaines de milliers d'observations mensuelles, du Brésil
(plus de 400 000) aux Philippines
Ajustement pour variation de prix
(300 000) et de l'Iran (200 000) à l'Égypte (150 000). Pour mesurer le niveau global des prix et ses variations
dans le temps et dans l'espace, ces multitudes de cotations de prix au niveau des articles doivent être
agrégées en un seul chiffre, un indice. Les deux principales manières de le faire consistent à calculer un indice
des prix à la consommation (IPC) ou un véritable indice du coût de la vie (TCLI). Les deux outils sont
communément appelés déflateurs de prix (ou simplement déflateurs), et ils peuvent être utilisés pour convertir
les dépenses de consommation nominales (ou les revenus) en termes réels ; mais ils sont conceptuellement
différents et ont des applications différentes.
5.1.1 Indices des prix
Un IPC mesure la différence de coût d'un panier fixe de biens et de services dans deux situations de prix,
c'estàdire lorsque les prix se situent à un certain niveau de référence (un certain mois ou une certaine année
pour un indice temporel des prix, une certaine région ou une moyenne nationale pour un indice spatial des
prix) par rapport à un autre niveau (un autre mois ou une autre année, ou une autre région).
L'utilisation des IPC remonte au XIXe siècle : les indices de Laspeyres et de Paasche ont été introduits pour
la première fois dans les années 1870 et comptent désormais parmi les indices les plus populaires utilisés
dans le monde (OIT 2004 ; Berry et al. 2019). Le tableau 5.1 résume les formules clés pour les deux indices,
principalement en utilisant la notation DZ.
TABLEAU 5.1. Indices de prix Paasche et Laspeyres
Pâques Laspeyres
Formule de manuel Ph =
phqh _
(5.1) Lh =
pH q0
(5.2)
p0qh p0 q0
−1
0 h
h pk
Formule DZ

0 pk
Lh

h
(5.3) = 0 (5.4)
Ph
= ∑sem
pk

∑wk pk

h h
pk
0
Approximation du log DZ (5.5) h lnL (5.6)
pk
dans

0
lnPh ≈ ∑wk hln pk

0 ≈ ∑semaine
pk
h
REMARQUE : Le "produit scalaire" p q dans les équations (5.1) et (5.2) désigne Σ k pk qk . semaine désigne la part
h h h h
de marchandise k dans le budget du ménage lorsque les prix sont pH, c'estàdire : pk qk
/
∑pk qk
. De la même manière,
0 0 0 0 0 k
= pk qk
/ qk
.
semaine
∑pk
k
SOURCE : Toutes les formules proviennent du chapitre 4 de DZ.
La première ligne, formule du manuel, rapporte des définitions simples des indices de Paasche (noté Ph ) et
de Laspeyres (Lh ), en utilisant une notation compacte. Nous utilisons p et q pour désigner respectivement
les vecteurs de prix et de quantité (l'ensemble des prix et des quantités pour un nombre quelconque de biens).
Par exemple, l'indice de Laspeyres (équation 5.2) est défini comme le rapport entre le coût d'un panier fixe de
biens (q0 ), évalué aux prix auxquels le ménage est confronté (ph ), et le coût de ce même panier, évalué à
les prix du marché de l'ensemble de référence (ou de la période de base) (p0 ).47
47 Les DZ utilisent qz et pz comme quantités et prix de la période de base, où z fait référence aux modes de consommation des ménages proches
du seuil de pauvreté. L'interprétation de l'indice est la même, quel que soit le choix du niveau de base.
Une définition similaire s'applique à l'indice de Paasche (équation 5.1). La principale différence entre les deux
indices réside dans la manière dont les prix sont pondérés par les quantités consommées : alors que les deux
indices tiennent compte des prix relatifs, c'estàdire des prix auxquels le ménage est confronté par rapport
aux prix de référence (ph /p0 ), le Paasche L'indice rend également compte du modèle de consommation
spécifique de chaque ménage (qh ), ce qui n'est pas le cas d'un indice de Laspeyres, qui utilise plutôt un
ensemble de quantités de référence, q0 , qui est le même pour tous les ménages.
La deuxième ligne, formule DZ, du tableau 5.1 rapporte des formules alternatives pour Paasche et Laspeyres,
comme dans les Lignes directrices : c'est la formulation la plus utile en pratique lorsqu'il s'agit de calculer les
indices, car elle est exprimée en termes de variables qui sont collectés
h 0
directement par sondages. Ici, les rapports de prix (pk /pk ) sont utilisés et pondérés non pas par des quantités
h
mais par des parts de dépenses parts
(wk ),
bqudgétaires
ui dénotent
sont
la plart
es d
pu
lus
produit
faciles
k
àd ans
observer
le budget
et à ctotal
alculer,
du m
car
énage
la h. Les
consommation est le plus souvent enregistrée en termes de plutôt qu'en quantités (c'est certainement le cas
pour la plupart des articles non alimentaires).
La troisième ligne, DZ log approximation, dans le tableau 5.1 indique encore une autre formule pour les deux
indices, qui a l'avantage d'exprimer les deux sous forme de moyenne pondérée des rapports de prix, avec les
parts de dépenses comme pondérations.
Les indices Paasche et Laspeyres ne sont cependant pas les seules options disponibles. Dès la fin du XIXe
siècle, les économistes ont commencé à chercher un compromis entre les deux. Deux propositions ont gagné
en importance dans la littérature. Irving Fisher (18671947), économiste et statisticien américain, a proposé
un « indice de prix superlatif » défini comme la moyenne géométrique des indices de Laspeyres et de
Paasche (tableau 5.2, équation 5.7). Leo Törnquist (19111983), professeur de statistique en Finlande, a
proposé un autre indice superlatif, défini comme la moyenne géométrique des rapports de prix (pk moyenne
h h
métrique des parts de dépenses (wk ) du produit k pour les deux périodes et w ), pondérée
k ( tableau
/p0 péar
5.2, l'arith 5.8)
quation
h 0
En prenant les logarithmes de cet indice, comme dans l'équation
prix (pk /pk )
moyenne
5.9,
aovec
n pd
eut
aes
rithmétique
lp
'exprimer
oids moyens,
dces
omme
(log)
une
urne
apports
forme
simple
de
similaire aux équations (5.5) et (5.6).Alors que les indices de prix à pondération fixe tels que Paasche et
h 0
Laspeyers ont été utilisés principalement dans le contexte temporel pour mesurer
deux
indices
plériodes
es variations
superlatifs
(section
de
d5pe
.3),
rix
Fisher
eles
ntre
et Törnquist ont gagné en popularité. importance dans le contexte spatial (section 5.2), où l'objectif est
d'estimer les parités de pouvoir d'achat (PPA) infranationales, l'ensemble du pays étant traité comme région
de référence (Ray 2018, 41).
TABLEAU 5.2. Indices de prix superlatifs Fisher et Törnquist
Pêcheur Tornquist
h
sem 0+semaine
1/2 n h 2
Formule de manuel (5.7) (5.8)

Fh = L h pk
Th = ∏
× Ph ( ) pk

0
k=1
0 h h
+semaine pk
Formule de log —
dans pk
(5.9)
sem lnTh = ∑
2 0

SOURCE : Deaton et Muellbauer (1980, ch. 7).
Qu'estce qui fait que les indices de prix de Fisher et Törnquist sont « superlatifs » ? Le terme est du jargon
statistique, pour indiquer une propriété technique dont jouit un petit cercle d'indices de prix (Diewert 1976) : un
indice superlatif est censé fournir une bonne approximation du véritable indice du coût de la vie (TCLI), que
l'économie la littérature sur la déflation des prix la considère comme la cible appropriée pour tout indice des prix à
la consommation (Diewert, Greenless et Hulten 2010, 2)48. Cette brève explication expose une question qui
persiste dans notre discussion : comment choisir parmi les différents indices ? Comprendre ce qu'est exactement
un TCLI est essentiel pour saisir certains des arguments pour et contre chaque candidat. Avant d'aborder cette
tâche, nous nous tournons vers une question connexe : dans quelle mesure le choix entre les indices des prix à
la consommation importetil, empiriquement ?
FIGURE 5.1. Mêmes données, différents indices de prix
1,50
Laspeyres
1.25 Tornquist
(période
Indice
base
prix
des
de
=
0)
Pêcheur
1,00
Pâques
0,75
0 1 2 3 4
Période de temps
SOURCE : Élaboration des auteurs basée sur l'OIT (2004, ch. 19).
La figure 5.1 illustre la structure différente des indices de prix considérés dans le tableau 5.1 et le tableau 5.2. La
figure 5.2 sousjacente est une économie «jouet», telle que conçue par le Manuel de l'indice des prix à la
consommation de l'OIT (2004) . Les données sont artificielles mais réalistes (détails disponibles en annexe C), et
le résultat clé est suffisamment général pour mériter un commentaire. Dans la figure, l' axe des ordonnées mesure
la valeur de chaque indice après avoir fixé l'ensemble de prix de référence égal à 1 ; nous pouvons interpréter l'
axe des x comme mesurant différentes périodes de temps (auquel cas le graphique représente la dynamique de
l'inflation) ou différentes régions (auquel cas le graphique représente
48 Une petite note historique pour expliquer l'origine du terme « superlatif ». Fisher (1922), un jalon dans l'histoire de la théorie
des indices, a répertorié quelque 180 formules d'indices de prix bilatéraux en principe, 180 formules candidates pour soutenir
le rôle joué par les indices de Laspeyres et de Paasche. Fisher a testé les propriétés de 134 de ces formules, puis les a classées
en fonction de leur distance numérique par rapport à son indice idéal. Il a classé les formules en sept groupes, par ordre
croissant de mérite : sans valeur, médiocre, juste, bon, très bon, excellent et superlatif (Diewert 2013 : 22). Laspeyres n'a reçu
qu'un « très bien ».
différences dans le niveau moyen des prix). Quoi qu'il en soit, ce qu'il ressort de la figure 5.2 (Laspeyres
et Paasche peuvent suivre des trajectoires très différentes, tandis que Fisher et Törnquist sont plus
cohérents l'un avec l'autre) est que le choix de la formule de l'indice est important. En effet, cela peut
avoir beaucoup d'importance.
5.1.2 Véritables indices du coût de la vie
Un TCLI est défini comme le rapport des dépenses minimales nécessaires pour obtenir un certain niveau de vie, toujours
dans deux situations de prix. La TCLI est ancrée dans la théorie du consommateur examinée à la section 2.2 : si nous
demandons « quel est le montant minimum dont le consommateur a besoin ?
dépenser pour atteindre l'utilité u à des prix p ?", la réponse est "la fonction de coût". c'estàdire c(u, p) = x, introduit dans
l'équation 2.2.49 Si nous désignons deux vecteurs de prix par p0 et p1 — 0 et 1 peuvent être considérés comme deux années
différentes, ou deux régions différentes, alors le rapport entre deux fonctions de coût évaluées à p0 et p1 définissent un TCLI :
c u,p1 ( )
TCLI u,p0 ,p1
( ) = c (5.10)
u,p0 ( )
Selon l'équation (5.10), le TCLI est une mesure de la variation du montant qu'un ménage devrait dépenser pour maintenir
un niveau de vie donné (représenté par u, qui dénote un certain niveau d'utilité) à la suite de une modification du niveau des
prix. Le dénominateur est la dépense minimale pour atteindre l'utilité u étant donné l'ensemble de prix p0 , tandis que le
numérateur est la dépense minimale pour atteindre le même niveau d'utilité u, mais aux prix p1 : le rapport est une
de m
la
esure
mesure
dans laquelle le coût de vie a changé en raison de la variation des prix entre p0 et p1 .
La principale différence entre un TCLI comme dans l'équation (5.10) et l'un des indices de prix vus dans les tableaux 5.1 et
5.2 est que, lorsque les prix (et uniquement les prix) changent, le TCLI ne suppose pas que les consommateurs continuent
d'acheter le même panier , comme implicitement supposé dans les indices du tableau 5.1 et du tableau 5.2, qu'il s'agisse d'un
panier spécifique au ménage (Paasche) ou commun à l'ensemble de la population (Laspeyres). Au contraire, le TCLI permet
aux consommateurs de réorienter leurs achats de biens dont les prix relatifs ont augmenté vers des biens dont les prix relatifs
ont baissé (National Research Council 2002). En termes simples, le TCLI intègre explicitement les effets de ces substitutions,
par exemple en réduisant les dépenses requises par un consommateur pour maintenir un niveau de vie donné lorsque les
prix augmentent.
En général, les formules TCLI et CPI illustrées cidessus donnent des résultats différents (Deaton et Muellbauer 1980,
172173. Prenons l'indice de Laspeyres : l'une de ses principales caractéristiques est qu'il tend à exagérer les différences de
coût de la vie en ne permettant aucune substitution entre lorsque les prix varient (Diewert 2001), conséquence du maintien
de quantités q0 fixées au niveau de base (de référence) : en réalité, face à une variation de prix, les ménages ont tendance à
49 Le TCLI a été initialement introduit par l'économiste russe Alexander A. Konüs (18951990) en 1924, avec un article qui a
ensuite été traduit en anglais en 1939. Voir aussi Deaton et Muellbauer (1980), Triplett (2001) et Ray ( 2017, 2018).
réaffecter leurs ressources des biens relativement plus chers vers des biens relativement moins chers.
Par conséquent, l'indice de Laspeyres fournit une borne supérieure au coût de la vie supporté par un ménage.
Le problème inverse se pose avec la formule de Paasche, car les poids qh sont fixés au niveau qui est optimal
aux prix ph après que toutes les substitutions ont eu lieu. Dans la mesure où le prix et la quantité demandée
sont négativement corrélés, l'indice de Paasche fournit une borne inférieure du coût de la vie auquel le ménage
est confronté50.
En résumé, on peut affirmer que ni les indices de Laspeyres ni ceux de Paasche ne rendent compte de manière
adéquate de la substitution des consommateurs : lorsqu'ils sont confrontés à des différences de prix relatifs, les
consommateurs sont susceptibles d'ajuster leurs habitudes de consommation vers des biens relativement bon
marché et de s'éloigner de ceux relativement plus chers (Deaton et Tarozzi, 2005). ). À cet égard, d'autres IPC,
comme l'indice de Fisher ou de Törnqvist, font un meilleur travail — en fait, nous avons souligné qu'il s'agit
d'indices « superlatifs » : ils devraient bien approximer le TCLI dans l'équation (5.10) et, sous des conditions
spéciales conditions, elles lui sont exactement égales.
La question de savoir s'il faut préférer l'un des IPC disponibles ou un TCLI pour déflater l'agrégat de
consommation nominale est cependant complexe et va audelà de la question de la substitution des
consommateurs. Chaque option présente des avantages et des inconvénients, et aucune recommandation
générale n'a été convenue. Par exemple, l'adoption d'un TCLI se heurte à des difficultés empiriques majeures.
Premièrement, l'utilité n'est pas observable : toute spécification d'utilité est nécessairement ad hoc, et si les
résultats sont sensibles à la spécification de la fonction d'utilité, alors la théorie ne fournit pas beaucoup
d'indications voir Ray (2017) ; deuxièmement, l'approche TCLI nécessite plus de données que l'approche IPC
— voir, par exemple, Oulton (2012). Plus généralement, la littérature sur les indices de prix est divisée en ce
que Triplett (2001, F332) décrit comme « deux mondes différents » : d'un côté, les universitaires, qui sont
principalement préoccupés par les propriétés des formules d'indices et pour qui le « biais de substitution » est à
l'avantgarde ; de l'autre, les statisticiens et les agences statistiques, qui sont plus susceptibles d'apprécier les
difficultés techniques et empiriques qui surgissent lors de la construction d'un véritable déflateur des prix.
Comme le fait remarquer Triplett, « les positions typiques des universitaires et des agences [statistiques]
typiques sont en partie bonnes et en partie mauvaises », ce qui signifie que, dans la pratique, le choix est une
question d'équilibre entre les compromis. En fait, nous sommes sur le point d'ajouter une troisième perspective
à l'ensemble : celle des analystes du bienêtre, qui s'intéressent à quel déflateur des prix est le meilleur dans le
but précis de dégonfler l' agrégat de consommation nominale.
Le but de cette section n'est pas d'arriver à une conclusion sur lequel des indices candidats est le meilleur en
général, mais plutôt de familiariser le lecteur avec la « machinerie » dont disposent les analystes du bienêtre
lorsqu'ils sont confrontés à la nécessité de calculer une valeur réelle. indicateur de bienêtre. Avoir une bonne
connaissance des avantages et des inconvénients des IPC et du TCLI est essentiel pour comprendre les débats
50 Il s'agit d'une note technique qui peut être ignorée sans affecter la compréhension de l'argument dans le texte principal. Le
TCLI défini dans l'équation (5.10) dépend du niveau d'utilité de référence u. Si u est choisi comme étant celui correspondant au
alors
u est cle
niveau de vie dans la situation de prix de base, disons u0 indice des prix. S,i TCLI
hoisi correspondra
comme aux
tel dans la Laspeyres
de puis
situation
comparaison, disons euh l'indice des prix de Paasche (Ray 2018, 41). Gaddis (2016, , le
TCLI 3c.2.2)
section orrespondra audiscussion
fournit une
concise et accessible de ce que l'on appelle le « biais de l'IPC », c'estàdire la différence entre l'IPC et un TCLI (conditionnel).
Voir aussi Deaton (1998) et Hausman (2003).
qui se sont développées autour de la question des différences de coût de la vie dans les décennies qui ont suivi la
première recommandation de DZ, c'estàdire « vous mesurerez le bienêtre à l'aide du MMU ».51
5.2 Déflation spatiale
Le calcul d'un indicateur de bienêtre conforme à la théorie de l'utilité nécessite un ajustement spécifique des
différences de coût de la vie : division par un indice de prix de Paasche (section 2). C'est le choix conseillé si la
pauvreté doit être mesurée en classant les individus selon leur MMU.
Bien que la théorie fournisse des instructions claires, un certain nombre de difficultés pratiques interfèrent souvent
avec l'utilisation de Paasche (ainsi qu'avec toutes les autres formules d'indice des prix examinées à la section 5.1.1).
Comme il ressort de l'équation (5.1), un indice de Paasche adapté à la mesure du bienêtre est spécifique au
ménage (c'est une fonction de qh , l'ensemble de biens
et
un esnsemble
ervices cconsommés
omplet de pprix
ar dcu
haque
ménage
pour chhaque
marché ) et nécessite
ménage.
et chaque article du panier de consommation de chaque ménage. Malheureusement, les enquêtes auprès des
ménages ne sont généralement pas en mesure de collecter les prix de tous les articles de consommation, pensez
par exemple aux articles ou services non alimentaires, dont les prix sont clairement difficiles à mesurer (Gibson
2007, 5). Cela soulève la question de savoir comment effectuer l'estimation d'un indice de Paasche dans la pratique.
L'information sur les prix est bien sûr primordiale. Deaton et Grosh (2000) discutent assez longuement des
avantages et des inconvénients des différentes sources de données sur les prix. DZ s'est appuyé sur cette
discussion et a réduit la liste à trois sources principales, à savoir (1) un questionnaire sur les prix dédié (par
exemple, une enquête sur les prix administrée dans chaque groupe dans le cadre d'un questionnaire
communautaire), (2) d'autres sources de prix (par exemple , enquêtes gouvernementales sur les prix) et (3) les
achats des ménages déclarés dans l'enquête, qui permettent de calculer les valeurs unitaires, c'estàdire les ratios
des dépenses d'achat déclarées aux quantités (Houthakker et Prais 1952). Les questionnaires sur les prix dédiés
et d'autres sources axées spécifiquement sur les prix du marché sont encore l'exception dans la majorité des pays
à revenu faible ou intermédiaire les enquêtes donnent la priorité à la collecte de données sur les dépenses ou les
revenus plutôt que sur les données sur les prix (Gibson 2013 ; Gibson et Rozelle 2011) de sorte que le l'information
dont dispose typiquement l'analyste est de type (3). La section suivante traite de cette source en détail.
5.2.1 Valeurs unitaires
Les valeurs unitaires ont une longue liste d'avantages et ont été largement utilisées dans le passé. Leur fortune
semble cependant avoir tourné, car elles sont de plus en plus accusées d'être une mauvaise approximation des prix
du marché. Dans un article influent publié dans l' American Economic Review , Deaton (1988) a identifié la nature
du problème. Un premier problème est dû au fait que les enquêtes auprès des ménages collectent généralement
des données à l'aide d'un système de classification à 5 ou 6 chiffres de la consommation individuelle selon les
objectifs (COICOP) : avec ce niveau de détail, les analystes peuvent compter sur
51 Voir DZ (2002, 23). Pour en savoir plus, lisez van Veelen (2002, 2009) et van Veelen et van der Weide (2008).
données relatives à la consommation, disons, de « viande ». La valeur unitaire de la « viande » n'est pas un prix,
pas en termes techniques. Pourquoi? Parce que la « viande » n'est pas un produit homogène, mais un ensemble
de produits élémentaires, un « groupe de produits », contenant des produits de qualités variables (en l'occurrence,
différentes coupes de viande). Cela implique qu'une diminution de la valeur unitaire de la viande pourrait refléter
soit une baisse des prix, soit un déplacement vers la consommation de produits moins chers au sein du groupe.52
Ce problème a deux conséquences principales. Premièrement, étant donné que les ménages aisés ont tendance
à acheter des biens de meilleure qualité, les valeurs unitaires ont tendance à être positivement corrélées aux
revenus et, par conséquent, les indices de prix basés sur les valeurs unitaires sont susceptibles d'être
artificiellement plus élevés dans les zones où vivent les ménages plus aisés. Deuxièmement, il semble raisonnable
de supposer que les ménages réagissent à une augmentation du prix d'un type de viande en optant pour des
morceaux de viande moins chers, avec pour conséquence que la variation de la valeur unitaire de la viande sous
estimera l'augmentation initiale du prix. En bref, lorsque la qualité des biens consommés varie dans le temps (ou
d'une région à l'autre), les valeurs unitaires peuvent être un indicateur erroné des prix : les variations des valeurs
unitaires peuvent ne pas refléter les véritables variations des prix, mais plutôt les variations de la qualité des biens
consommés, tel que choisi par les consommateurs.
Deaton (1988) démontre que les valeurs unitaires peuvent toujours servir d'approximation utile des prix dans
certaines circonstances (McKelvey 2011, 157). Dans une récente série d'études, John Gibson et ses coauteurs
ont testé une hypothèse clé, qui devrait tenir si nous voulons faire confiance aux valeurs unitaires pour représenter
correctement les valeurs marchandes : les prix de chaque bien élémentaire dans un groupe de produits devraient
évoluer dans des proportions fixes à travers emplacements (techniquement, cette propriété est connue sous le
nom de séparabilité hicksienne). « Par exemple, la longe de porc est une coupe chère, contrairement à l'épaule.
Si le rapport des prix de la longe à l'épaule est plus faible dans une ville qu'ailleurs, les consommateurs y achètent
relativement plus de longe, ce qui donne une valeur unitaire plus élevée qu'avec des ratios de prix fixes (la valeur
unitaire est davantage pondérée vers la longe). (Gibson et Kim 2015, 34). Lorsque cela se produit, se fier aux
valeurs unitaires conduirait à la conclusion erronée que les prix sont plus élevés dans la région où l'on achète
plus de longe (parce qu'elle est relativement moins chère que dans d'autres régions), alors qu'en fait, ce qui se
passe, c'est que nous comparons des produits de qualité différente. Gibson et Kim (2015) ont fait valoir qu'il est
peu probable que les prix intragroupe soient constants d'une région à l'autre en raison de l' effet AlchianAllen
(également connu sous le nom d'hypothèse « expédier les bonnes pommes »). L'idée est simple : en présence
de coûts de transport, de stockage ou de transformation, il existe des incitations à échanger des biens de haute
qualité, tout en conservant des biens de faible qualité pour la consommation locale et domestique.53 Dans le cas
du Vietnam, ils trouvent que l' unité les valeurs changent de manière cohérente avec l'hypothèse d'AlchianAllen :
la valeur unitaire du groupe de produits « riz » dans le nord est de 6 % supérieure à celle du reste du pays,
uniquement en raison de l'effet de mix de qualité, indépendamment de toute véritable différences de prix. Cela a
une pertinence empirique potentielle dans le contexte de la mesure de la pauvreté : au Vietnam, « le riz
représentait 36 % de la valeur du panier alimentaire utilisé pour le seuil de pauvreté correspondant au coût des
besoins essentiels avant 2010, de sorte que cet effet de mélange de qualité augmente faussement la seuil de
pauvreté alimentaire de 2 pour cent dans le nord. En effet, un niveau de vie plus élevé (manger du riz de meilleure
qualité) est confondu avec un coût plus élevé
52 "Même pour un produit étroitement défini comme le bœuf, il y a des coupes de plus en plus chères, et il y a des agoutis maigres, maigres (et
bon marché) (un gros rat), ainsi que des gros, lisses et savoureux" (Deaton 1988, 420).
53
Imaginez que des pommes de haute qualité se vendent 2 $ le kg et que des pommes de mauvaise qualité se vendent 1 $ le kg. Le coût de
transport pour expédier des pommes dans une autre région est de 0,50 $ par kg. Là où les pommes sont produites, le prix relatif des pommes de
haute qualité par rapport aux pommes de mauvaise qualité est de 2:1, c'estàdire que les pommes de haute qualité sont deux fois plus chères. Au
lieu de destination, le prix relatif des pommes de haute qualité par rapport aux pommes de basse qualité est de : 2,5:1,5, c'estàdire que les
pommes de haute qualité ne sont que 67 % plus chères. Les incitations sont d'expédier des pommes de haute qualité. La présence d'un coût de
transaction unitaire fait baisser le prix relatif des biens de haute qualité (ce qui revient à augmenter la demande de biens de haute qualité).
de vie. Le biais à la hausse du seuil de pauvreté dans le nord, dû uniquement à la qualité du riz, y augmente le taux de pauvreté de
près de 5 % en 2010 » (p. 438). Omoniyi, Vundru et Kilic (2021) obtiennent des résultats similaires pour le Malawi, avec une analyse
bien conçue basée sur une enquête de marché nationale combinée à la cinquième enquête intégrée auprès des ménages (IHS5)
2019/20 et à l'enquête intégrée par panel auprès des ménages (IHPS) 2019 .
En somme, malgré leurs nombreux avantages, l'utilisation des valeurs unitaires comme substitut des prix du marché dans l'analyse
du bienêtre est de plus en plus critiquée. De nombreuses solutions ont été explorées. Les premières tentatives visaient à ajuster les
valeurs unitaires avec des méthodologies basées sur la régression et suggéraient que le biais à la hausse des indices de prix basés
sur la valeur unitaire était réel mais « faible » (Deaton 1987, 1990), ce qui explique leur popularité dans les années 1990 et 2000. 54
En revanche, un certain nombre d'études récentes ont montré que l'effet revenu (ou qualité) a un impact significatif sur les différences
spatiales de prix, même en présence de corrections. En comparant les valeurs unitaires ajustées et non ajustées, Deaton et Dupriez
(2011) ont trouvé des différences allant jusqu'à 50 % pour certains produits alimentaires. Gibson et Rozelle (2005) ont conçu une
expérience unique lors d'une enquête en PapouasieNouvelleGuinée et ont constaté que "la valeur unitaire surestime le prix moyen
du marché d'environ 30 % pour les patates douces et les bananes, les deux aliments produits localement les plus courants" (p. 77). ).
Leur conclusion était qu'« il existe des biais substantiels lorsque les valeurs unitaires sont utilisées comme approximation du prix du
marché, même lorsque des méthodes de correction sophistiquées sont appliquées » (p. 69).
Une conclusion similaire est atteinte par Capéau et Dercon (2006) pour l'Éthiopie, et Gibson et Romeo
(2017) pour la Mélanésie.
Nous sommes désormais mieux placés pour commenter la dernière recommandation de DZ, à savoir estimer un indice de Paasche
en utilisant « les prix intraenquête complétés par les prix du questionnaire prix, s'ils sont disponibles » (p. 54), comme dans la formule
suivante :
h c
h paquet h paquet
ln Ph = ∑ semaine
dans 0 ∑ semaine
dans 0 (5.11)

k nourriture paquet k non alimentaire paquet
+
où la première sommation fait référence à l'ensemble des biens pour lesquels des valeurs unitaires sont disponibles au niveau du
ménage, d'où le suffixe h pour le ménage (généralement, les produits alimentaires) ; la deuxième somme fait référence aux biens pour
lesquels les valeurs unitaires ne sont pas disponibles (généralement, des articles non alimentaires). Dans ce dernier cas, « les rapports
de prix proviendront des questionnaires communautaires ou même d'autres sources régionales, et ne seront pas disponibles au niveau
des ménages » (d'où le suffixe c, pour grappe, dans la notation).55 Certes, les valeurs unitaires ne peuvent pas être utilisé à moins
qu'une attention particulière ne soit consacrée
54 Voir Deaton (1997, 283ff) pour une discussion générale. Deaton et Tarozzi (2005) ont réalisé une étude à grande échelle sur les prix en Inde
montrant le grand potentiel des valeurs unitaires, qu'ils ont utilisées pour suivre l'inflation dans le temps et aussi pour comparer les niveaux de
prix entre les régions. Pour le Rwanda, Muller (2008, 40) a constaté que les prix du marché et les valeurs unitaires étaient très proches pour les
produits alimentaires de niveau élémentaire. Les lignes directrices d'harmonisation élaborées par l'équipe en charge de l'Europe et de l'Asie
centrale font confiance aux valeurs unitaires : « ECAPOV adopte, chaque fois que des informations sur les quantités achetées sont disponibles,
l'indice de Paasche. Nous utilisons les valeurs unitaires de la consommation alimentaire (lorsqu'elles sont disponibles dans le journal de
consommation) et nous les appliquons à tous les articles de consommation. (ECASTD 2016, 31).
55 h sont appelés intrasur
L'équation (5.11) dans le texte correspond à l'équation (4.7) de DZ, page 44, où pk
ve prix, ou de manière équivalente en tant que valeurs unitaires au niveau des ménages. Le fait que les données sur les prix peuvent ne pas
exister du tout pour un groupe important d'articles (ceux pour lesquels les valeurs unitaires ne peuvent pas être calculées) pose clairement des
problèmes pour la couverture de l'indice. Gibson (2016, 437) souligne la « part croissante des aliments consommés, sous forme de repas et dans
les catégories fourretout à la fin des listes de types d'ingrédients, [qui] n'a pas de données quantitatives, de sorte que les valeurs unitaires ne
peuvent pas être calculées ». En termes d'équation (5.11), cela implique que le nombre d'aliments dans la première sommation devient de plus
en plus petit. Voir aussi Gibson et Kim (2013).
à la question du biais de qualité. Selon le contexte, cela peut simplement consister à utiliser les médianes
des unités primaires d'échantillonnage (UPE) (pour se protéger contre les valeurs extrêmes et
l'hétérogénéité excessive des valeurs unitaires au niveau des ménages), ou des ajustements plus
sophistiqués basés sur la régression . Par exemple, on peut envisager de purger les valeurs unitaires du
biais de qualité en estimant une simple régression linéaire :
ln(uvih) = α + β je ln(xh ) + je
δDh + je Xγh + ε je
(5.12)
Dans l'équation (5.12), la variable dépendante ln(uvih) est le logarithme de la valeur unitaire du ième
bien consommé par le hème ménage, tandis que les covariables incluent le logarithme des dépenses
totales du ménage par habitant ln(xh ) , un vecteur de variables muettes (Dh ) pour la localisation
géographique des ménages, et d'autres contrôles sociodémographiques (Xh ), comme le nombre d'
adultes, le nombre d'enfants par tranche d'âge, etc. Suivant la discussion de Chen et Ravallion (1996,
36) et Deaton (1997, 288), les coefficients de régression sur les variables muettes de localisation peuvent
être interprétés comme des différences de prix purgées des différences de qualité.
En conclusion, nous pourrions décrire la situation actuelle comme une transition en cours entre l'ère pré
Deaton, où l'utilisation de valeurs unitaires était la règle, et un nouveau paradigme, où des données fiables
sur les prix deviendront, espéronsle, largement disponibles. Gibson et Kim (2019) ne sont que les dernières
d'une série d'études qui expriment un scepticisme quant à l'utilisation des valeurs unitaires (et plus
généralement des données d'enquêtes auprès des ménages), dont beaucoup ont été citées dans cette
section : L'argument consiste à exhorter les économistes « à exercer suffisamment de pression sur les
agences statistiques pour qu'elles mettent en place des enquêtes auprès des ménages qui recueillent à la fois
les prix du marché et les valeurs unitaires » (p. 18). Dans le même ordre d'idées, Gaddis (2016, 11) conclut
sa revue sur les prix pour l'analyse de la pauvreté en Afrique comme suit : « Même si les valeurs unitaires
peuvent être considérées comme une source utile de données sur les prix dans les pays en développement
aujourd'hui, elles devraient perdre leur pertinence. à l'avenir." Dans l'intervalle, la stratégie recommandée
consiste à explorer dans quelle mesure le biais de qualité est un problème dans le contexte en question, par
exemple en résumant les valeurs unitaires médianes par article et par décile de dépenses par habitant (la
présence d'un gradient prononcé serait prise comme preuve d'un biais de qualité non négligeable), et
envisagez de mettre en œuvre des ajustements empiriques basés sur la régression si nécessaire.
5.2.2 Ratios de seuil de pauvreté et méthodes basées sur l'IPC
Lorsque l'estimation d'un indice des prix de Paasche telle que conseillée par les Lignes directrices et illustrée
dans l'équation (5.11) est jugée irréalisable avec les données disponibles, quelles sont les alternatives ? Une
option consiste à utiliser des déflateurs spatiaux implicites (ou indirects) , dont les ratios de seuil de pauvreté
sont un cas particulier particulièrement pertinent dans le contexte de la mesure du bienêtre. Il existe des pays
où les seuils de pauvreté sont estimés au niveau des ménages, par exemple le Botswana, le Pakistan ou le
Myanmar ; d'autres pays estiment les seuils de pauvreté séparément par région ou d'autres sousgroupes de
population (provinces, districts, gouvernorats, etc.). Dans de tels cas, la comparaison entre ces seuils de
pauvreté « locaux » est précisément un indicateur des différences spatiales de prix. Supposons que l'on
calcule les valeurs médianes des seuils de pauvreté au niveau des ménages par région : si l'on désigne par
PLr le seuil de pauvreté médian dans la région r, alors le rapport entre un seuil de pauvreté régional et le seuil
de pauvreté national (par exemple, E[PLr ]) correspond , sous certaines conditions, à un véritable indice du coût de la vie :
PLr
SPir = (5.13)
E PLr
où SPLr désigne l'indice spatial des prix dans la région r. L'intuition derrière l'équation (5.13) est simple et
s'enracine dans la théorie passée en revue à la section 2. De manière abstraite, un seuil de pauvreté peut être
interprété comme une fonction de coût c(u, p), évaluée à un niveau d'utilité "minimal" uz ( où le suffixe z indique
le seuil de pauvreté) – voir Ravallion (2008, 556) dans le New Palgrave Dictionary of Economics. Ainsi, l'équation
(5.13) est le rapport de deux fonctions de coût, ce qui correspond exactement à la définition du TCLI dans
l'équation (5.10). Notez que les deux fonctions de coût sont évaluées au niveau d'utilité de référence uz : si SPLr
est supérieur (inférieur) à 1, alors l'interprétation est que le coût pour atteindre le niveau d'utilité uz dans la région
r est supérieur (inférieur) à la moyenne. Le tableau 5.3 illustre le cas du Botswana. Les deux premières colonnes
rapportent les seuils de pauvreté (à prix constants) pour 2003 et 2009, par région ; les colonnes 3 et 4 montrent
les ratios des seuils de pauvreté régionaux définis dans l'équation (5.12).
TABLEAU 5.3. Indices spatiaux implicites des prix (IPS) au Botswana, 2003–2009
PDL 2003 PDL 2009 ISP 2003 IPS 2009
Gaborone 579 1 068 76,4 81,0
Francistown 721 1 133 95,2 86,0
Autres villes/communes 728 1 094 96.1 83.1
Sudest rural 734 1 296 96,8 98,4
Nordest rural 815 1 428 107.6 108.4
Nordouest rural 808 1 479 106.6 112.3
Sudouest rural 863 1 388 113,9 105.3
Villes/villages 661 1 091 87,8 82.2
806 1 532 107.1 115,5

Villages urbains
Zones rurales 760 1 269 100,9 95,7
Rural 760 1 269 100,0 95,6
Urbain 760 1 373 100,0 103.4
Bostwana 758 1 318 100,0 100,0
NOTE : PDL (poverty datum line) indique les seuils de pauvreté régionaux exprimés en Pula par ménage et par
mois ; Le SPI (indice spatial des prix) indique le déflateur spatial des prix dérivé des seuils de pauvreté.
SOURCE : Botswana (2015), Annexe C, p. 180.
Joliffe, Datt et Sharma (2004, 561) estiment les déflateurs spatiaux implicites pour l'Égypte sur la base de cinq
seuils de pauvreté du coût des besoins fondamentaux (CBN), trouvant des différences géographiques
remarquablement importantes dans les prix (36 % de différence entre les zones rurales et métropolitaines). ).
Gibson (2007, 5) note que cette méthode fournit une solution aux situations où des données de prix fiables ne
sont pas disponibles — l'équation (5.12) ne nécessite aucune donnée de prix. L'analyste doit toutefois prêter
attention au fait que les ratios des seuils de pauvreté tiennent compte non seulement des différences dans le
coût de la vie, mais aussi des différences dans un certain nombre d'autres facteurs, tels que les différents modes
de consommation ou les différences dans les besoins. Par exemple, les seuils de pauvreté au niveau des
ménages, en tenant compte des besoins caloriques et des coûts de logement différents dus aux différences démographiques
composition des ménages, intègrent automatiquement une prise en compte des différences de besoins et des
économies d'échelle. Cela peut être considéré comme un avantage ou un obstacle, selon le contexte, de sorte
qu'il n'y a pas de prescription spécifique pour utiliser ou éviter les ratios de seuil de pauvreté basés sur cela. Si
l'analyste fait confiance à la méthode qui soustend la construction du seuil de pauvreté régional, l'équation
(5.13) est une stratégie digne d'attention.
Un deuxième type de déflateur spatial implicite est basé sur les IPC temporels. Les données sur les prix de
l'IPC existent dans presque tous les pays (Berry et al. 2019). Le problème avec l'IPC est qu'il s'agit d'un outil
conçu pour suivre l'inflation, et la transposition de la mesure intertemporelle à la mesure spatiale des prix n'est
pas simple. Par exemple, Gibson (2007, 6) affirme que « dans les cas où les informations sur les niveaux de
prix dans les régions font défaut, les analystes peuvent être tentés d'estimer ces niveaux de prix régionaux à un
moment donné en appliquant un IPC local à une certaine période de référence ». lorsque les niveaux de prix
transversaux étaient connus. Par exemple, une enquête de base auprès des ménages peut permettre d' estimer
les seuils de pauvreté et d'autres déflateurs pour chaque région, tandis que les enquêtes ultérieures ne
disposent pas d'un module de collecte des prix (ou manquent d'informations quantitatives pour déduire les
mouvements des prix à partir des valeurs unitaires). Mais s'il existe un IPC disponible pour chaque région (ou
pour des villes clés dans ou à proximité de chaque région), cela pourrait être utilisé par un analyste de la
pauvreté pour estimer les niveaux de prix actuels dans les régions. Les preuves disponibles suggèrent qu'une
telle procédure est biaisée. Dans le même article, Gibson cite une étude sur des données russes réalisée par
Gluschenko (2006) qui compare un déflateur spatial calculé directement (en utilisant les prix locaux) avec un
déflateur indirect obtenu en appliquant des IPC locaux à un déflateur spatial préexistant, trouvant de grandes
différences : « la méthode directe donne un indice spatial des prix pour chaque province dont la fourchette est
de 44 % du niveau national moyen des prix, mais la méthode indirecte donne une fourchette beaucoup plus
large, de 72 % » (Li et Gibson 2014 : 96). Les discussions de Gaddis (2016) et Chen et al. (2020, 6) conduisent à des conclusio
5.2.3 Courbes d'Engel
Une autre stratégie pour contourner le manque d'informations adéquates pour estimer les IPC pourrait consister
à utiliser des méthodes « sans prix » : les courbes d'Engel, par exemple, permettent d'estimer les déflateurs
spatiaux en l'absence de toute information sur les prix. Cette approche suit une tradition qui remonte à Arrow
(1958, 78), récemment reprise par Costa (2001) et Hamilton (2001), et suivie par un certain nombre d'autres
auteurs, par exemple, Coondoo, Majumder et Chattopadhyay (2011 ) ou Almås (2012). L'idée repose sur la soi
disant loi d'Engel, une régularité empirique économique bien connue, selon laquelle le pourcentage des
dépenses totales des ménages consacrées à l'alimentation diminue avec le niveau de vie. L'idée d'utiliser les
courbes d'Engel pour calculer un indicateur des différences spatiales de prix peut être expliquée au moyen d'un
syllogisme. La prémisse principale est que la courbe d'Engel, une fonction qui décrit comment la part du budget
alimentaire varie avec les dépenses (ou les revenus) totaux, existe et est unique. La prémisse mineure est que
des ménages identiques ayant la même part du budget consacrée à l'alimentation ont les mêmes dépenses
réelles. La conclusion est que les différences systématiques dans les dépenses nominales mesurées des
ménages ayant les mêmes parts du budget alimentaire révèlent des différences de niveau de prix, comme
l'illustre la figure 5.2 . Les courbes étiquetées région 1 et région 2 sont des courbes d'Engel estimées pour deux
régions différentes ; la distance horizontale entre les deux courbes est la différence entre les dépenses
nominales totales des ménages qui ont la même part du budget alimentaire w*, mais qui vivent dans des régions
différentes. Si la loi d'Engel s'applique, cette différence est entièrement attribuable à une différence de coût de
la vie et peut être interprétée comme un déflateur spatial des prix.
FIGURE 5.2. Illustration de la méthode de la courbe d'Engel
wnourriture (%)
w*
région 2
région 1
x1 x2 Dépense
x2 /x1 = déflateur spatial des prix
L'évaluation de Deaton et Dupriez (2011) de la méthode de la courbe d'Engel est négative, leur argument
étant que la courbe d'Engel n'est pas unique et n'est pas stable (comme le suppose la prémisse majeure du
syllogisme cidessus), et que la courbe d'Engel varie avec un certain nombre de facteurs, à savoir les
préférences, le mode de vie, etc.56 Gibson, Le et Kim (2017) déconseillent également la méthode de la
courbe d'Engel. Pour le cas du Vietnam, ils soutiennent (et documentent) que les déflateurs spatiaux estimés
à partir d'une courbe d'Engel alimentaire sont une mauvaise approximation des déflateurs obtenus à partir
des indices de prix multilatéraux. De même, après une revue de littérature approfondie, Gaddis (2016, 22)
conclut que « les études empiriques confirment que les résultats des estimations de la courbe d'Engel ne sont
pas nécessairement robustes, en particulier dans des contextes spatiaux. »57 Plus récemment, Almås, Beatty
et Crossley (2018) ont a fait valoir que la méthode de la courbe d'Engel est « incohérente en interne ».
Globalement, l'utilisation de méthodes « raccourcies » comme celle basée sur les courbes d'Engel n'est pas
recommandée pour la mesure de la pauvreté (Ravallion 2016 : 166).
5.2.4 Autres stratégies
Parallèlement aux différentes stratégies examinées jusqu'à présent, un certain nombre d'autres approches
ont été explorées. Kakwani et Hill (2002), par exemple, ont développé une approche axiomatique pour
construire des indices spatiaux du coût de la vie et l'ont appliquée à la Thaïlande. Si la méthode est séduisante
pour des raisons théoriques, les difficultés liées à sa mise en œuvre sont susceptibles d' entraver sa diffusion.
Li et Gibson (2014) ont suggéré l'utilisation d'indices de prix spécifiques, étant donné
56 Un argument similaire a été avancé par Ravallion et Bidani (1994) dans le cadre de leur critique de la méthode de l'apport
énergétique alimentaire pour estimer les seuils de pauvreté.
57 Voir aussi Dabalen, Gaddis et Nguyen (2016).
un cadre BalassaSamuelson : l'idée est que dans un contexte où les prix des biens échangés
convergent rapidement, la principale source de dispersion des prix dans l'espace devrait provenir des
biens non échangés, d'où la suggestion de construire des indices spatiaux basés sur les prix des
logements. Bien que l'article se concentre sur la Chine, une littérature internationale croissante suggère
que cet argument a une applicabilité plus large : les coûts du logement, en particulier, représentent une
part importante des différences de prix totales entre zones (Joliffe 2006 ; Moretti, 2010 ; Pittau, Zelli et Massari 2011).
Un développement récent digne de considération est dans Chen et al. (2020). Les auteurs appliquent la
méthode Country Product Dummy (CPD)—développée à l'origine par Summers (1973) pour traiter les
informations de prix manquantes sur les données transnationales, et utilisée par la suite dans le Programme
de comparaison internationale (ICP)—à une base de données de prix de l'IPC, qui consiste à collecter des
données pour mesurer l'inflation et obtenir un déflateur spatial (multilatéral) des prix. Dans la mesure où
les prix de l'IPC ne souffrent pas des problèmes classiques, par exemple une couverture limitée aux zones
urbaines (biais urbain) ou un schéma de pondération qui n'est pas cohérent avec le modèle de
consommation des pauvres (biais ploutocratique), alors la combinaison des prix IPC régionaux et la
méthode CPD fournit des déflateurs spatiaux. Au moment où nous écrivons, cette nouvelle méthode n'a
été testée qu'au Ghana, au Rwanda et en Afrique du Sud, produisant des résultats encourageants et
perspicaces (la mise en œuvre de la méthode est simple, et nous apprenons, par exemple, à quel point le
biais du prix spatial lorsque les dépenses de logement ne sont pas correctement prises en compte, lorsque
seuls les prix des denrées alimentaires sont pris en compte ou lorsque les zones rurales ne sont pas bien couvertes par l'e
Enfin, il existe également des arguments en faveur d'une stratégie de « ne rien faire », c'estàdire d'éviter
complètement de s'ajuster aux différences spatiales de prix. Les questions d'estimation de l'indice des prix
peuvent être entièrement redondantes si l'on est convaincu que la déflation spatiale fait plus de mal que
de bien à l' objectif ultime de faire des comparaisons de bienêtre entre les ménages. Une étude récente
sur l'Italie, un pays marqué par une division nordsud sesquipédale, a fait valoir que, parce que des prix
bas sont généralement associés à des niveaux inférieurs de fourniture de biens publics, et à d'autres
aspects environnementaux dont l'impact négatif n'est pas nécessairement pris en compte par les dépenses
nominales totales des ménages, ne pas tenir compte de ces différences de bienêtre, tout en s'ajustant
aux différences spatiales de prix , conduit à sousestimer les disparités réelles dans les conditions de vie
(D'Alessio, 2017, 18). De manière générale, dans la mesure où le coût de la vie (le niveau des prix) et la
présence d'aménités locales sont positivement corrélés – voir Brueckner, Thisse et Zenou (1999) – les
biais induits par la nonprise en compte de chaque facteur vont en sens inverse. directions et se
compensent, au moins dans une certaine mesure. En conséquence, une stratégie pour limiter le biais
serait de trouver un moyen d'inclure la valeur des biens publics dans l'agrégat de consommation (voir
section 4.3) en cas d'ajustement des différences de prix ; une autre consisterait à ne pas du tout s'ajuster
aux variations spatiales des prix.58 Cependant, des recherches supplémentaires sont nécessaires sur ce
point avant de pouvoir dire si et dans quels cas il est raisonnable d'éviter tout ajustement.
58 Pour les ÉtatsUnis, Glaeser (1998) note que « la mobilité de la maind'œuvre signifie généralement que des prix plus élevés
compensent autre chose, de sorte qu'une compensation supplémentaire pour ces prix n'augmente pas l'équité ». Bodvarsson, Simpson
et Sparber (2015, 16) indiquent que « les différences régionales persistantes dans les salaires, les loyers et les prix représentent un
différentiel de compensation pour les différences régionales en matière d'équipements ».
5.2.5 Pratique courante
La figure 5.3 résume la pratique internationale actuelle en termes de déflation spatiale de l' agrégat de consommation.
Environ la moitié des pays examinés ne documentent pas du tout les choix méthodologiques qui soustendent le calcul
d'un agrégat de bienêtre réel, ou omettent des détails importants (tels que l'indice utilisé). Parmi ceux qui documentent
leurs choix, il n'y a pas de convergence sur une seule méthode : Paasche est l' indice des prix à la consommation le plus
populaire, mais les indices de Laspeyres et de Fisher sont également utilisés, et l' approche indirecte basée sur les seuils
de pauvreté régionaux semble également extrêmement populaire. Plusieurs pays indiquent également qu'ils n'ajustent pas
l'agrégat de bienêtre en fonction des différences spatiales de prix.
FIGURE 5.3. Pratique internationale actuelle en matière de déflation spatiale
Pas de déflation 2.1
Pêcheur 6.2
Laspeyres 9.4
Pâques 13.5
Déflateur spatial implicite 17.7
Indice non spécifié 18.7
Sans papiers 32.3
0 dix 20 30
Pourcentage de pays
Plus haut, il a été avancé que le choix d'un indice des prix de Paasche comme méthode recommandée pour ajuster
l'agrégat de consommation nominale aux différences spatiales de prix résiste à l'épreuve du temps. La discussion dans
cette section, cependant, a soulevé un certain nombre de mises en garde. Premièrement, il existe des obstacles à la pleine
mise en œuvre de la recommandation. Notre examen de la pratique actuelle ne peut pas indiquer les raisons pour
lesquelles Paasche n'est pas aussi répandu qu'il pourrait l'être toute combinaison de contraintes de données et de
manque de capacité peut être responsable mais les difficultés pratiques pour l'estimer font probablement partie du
problème. Deuxièmement, le recours à des indices de prix fondés sur des valeurs unitaires est de plus en plus critiqué. Les
arguments vont de problèmes bien connus (biais qualitatif, erreur de mesure, etc.) à des idées plus récentes (incapacité à
saisir des facteurs importants, notamment les coûts de logement). Troisièmement, même si aucune solution évidente n'a
émergé, la demande de données sur les prix
autres que celles actuellement disponibles est commune à de nombreuses études récentes. Le manuel de la
Division de statistique des Nations Unies sur les statistiques de la pauvreté (2005, 184) déclare, par exemple, «
étant donné le besoin de données sur les prix et les préoccupations concernant à la fois les valeurs unitaires et
le fait de s'appuyer sur les efforts de collecte des prix existants, il serait utile que les agences statistiques
investissent plus d'efforts pour recueillir les prix auprès des magasins et des marchés locaux et des opinions sur
les prix lorsque leurs enquêtes auprès des ménages sont réalisées. Quatrièmement, dans les pays où la fourniture
de biens publics est positivement corrélée au coût de la vie, l'abandon total de la déflation peut entraîner moins
de distorsions dans les comparaisons de bienêtre dans la pratique. Cet argument n'est renforcé que par la
première mise en garde : utiliser un déflateur mal estimé alors qu'il n'en a pas besoin ne peut qu'empirer les
choses. C'est encore un sujet débattu, mais il convient de le garder à l'esprit dans certains contextes.
5.3 Déflation temporelle
La variation des prix dans le temps entre en jeu à la fois entre les enquêtes, lorsqu'il s'agit de comparer les
dépenses des ménages sur plusieurs années, et au cours de la période d'enquête, lorsqu'il s'agit de classer les
niveaux de vie des ménages interrogés à différents moments du travail de terrain. En présence d' inflation, toutes
choses égales par ailleurs, les ménages interrogés au début de l' année d'enquête, par exemple en janvier, ont
un pouvoir d'achat plus élevé que les ménages interrogés plus tard, disons en décembre : au fil du temps, le
niveau des prix augmente à cause de l'inflation et le pouvoir d'achat diminue. Pour obtenir des comparaisons
interpersonnelles correctes, il est nécessaire de s'ajuster à l'inflation intraenquête.
Quelques exemples de la dynamique des prix dans les pays qui ont récemment publié des estimations de la
pauvreté, et pour lesquels les données mensuelles de l'IPC sont facilement accessibles, sont présentés dans la figure 5.4.
Les exemples vont de la flambée des prix tout au long de la période d'enquête observée en Égypte et en
Afghanistan, où les ménages interrogés vers la fin de la période d'enquête auraient dû faire face à des prix de
l'ordre de 10 à 15 % plus élevés qu'au début ; à des poussées soudaines, comme en Mongolie où des entretiens
menés au cours d'un mois particulier auraient décrit une situation plutôt unique par rapport au reste de l'année à
des fluctuations à court terme tout au long de l'année, comme au Kenya. Dans chaque cas, une partie des
différences entre les agrégats nominaux de consommation calculés sur la période d'enquête ne serait pas due à
de véritables différences de niveau de vie, mais à la variation des prix.
Parmi les recommandations de DZ figure la mention de la nécessité d'une déflation temporelle lors de la
comparaison de deux enquêtes à quelques années d'intervalle (DZ, 40), tandis que la déflation temporelle
intraenquête n'est pas soulignée : « Lorsque nous travaillons avec une seule enquête transversale auprès
des ménages , la variation des prix est moins temporelle que spatiale » (DZ, 9). C'est peutêtre en partie
pour cette raison que la documentation disponible pour les estimations récentes de la pauvreté dans le
monde est souvent muette sur cet aspect méthodologique : plus de 56 % des pays examinés dans le cadre
de la base de données décrite à l'annexe A ne parviennent pas à documenter si et comment la déflation
temporelle de l'enquête est mise en œuvre. Cependant, en particulier dans des contextes où la volatilité des prix dans le tem
est significative, les bonnes pratiques recommandent de diviser les agrégats de consommation nominale
calculés par un indice temporel mensuel des prix, en fonction de la date d'interview de chaque ménage.59
FIGURE 5.4. Variation temporelle des prix au sein de l'enquête dans certains pays
Égypte (2015) Kenya (201516)
106
115
104
102
110
100
98
105
(septembre
2015=100)
IPC
96
2015=100)
(janvier
IPC
94
100 92
FÉV JUIL SEP
JAN AVR JUIN OCT DÉC
MAR PEUT AOÛT NOV
15 SEP 16 FÉV 16 JUILLET

15 OCT 15 DEC 16 JAN 16 AVR
16 MAI 16 JUIN
15 NOV 16 MAR 16 AUG
Mongolie (2016) Afghanistan (201617)
115 110
108
110
106
105
104
(septembre
2015=100)
IPC
2016=100)
(janvier
IPC
100
102
95 100
16 FÉV 16 SEP 16 SEP 17 FÉV

16 JUILLET 16 JUILLET
16 JAN 16 AVR 16 OCT 16 DEC 16 AVR 16 OCT 16 DEC 17 JAN 17 AVR
16 MAI 16 JUIN 16 MAI 16 JUIN
16 MAR 16 AUG 16 NOV 16 AUG 16 NOV 17 MAR
Total Nourriture
SOURCES : Élaboration des auteurs sur la base de la série Egypt Statistics CPI extraite le 07/10/2019 (http://
www.capmas.gov.eg/Pages/StaticPages.aspx?pageid=5089) ; Kenya (2018, 32) basé sur KiHB 2015/16 ; Mongolie
(2017, 63) basé sur HSES 2016 ; Afghanistan (2018, 110) sur la base des séries ALCS 2016/17 et IPC de
l'Organisation centrale des statistiques (http://cso.gov.af/en/page/ict/5555/5353) extraites le 07/10/2019.
59 Dans les pays à revenu faible ou intermédiaire, en particulier, la volatilité des prix alimentaires a suscité des inquiétudes après les flambées
des prix alimentaires mondiaux en 2008 et 2011 (Banque mondiale 2012 ; Minot 2014), et la saisonnalité des prix alimentaires est également
importante dans certains contextes ( Kaminski, Christiaensen et Gilbert 2016)
Une dernière remarque s'impose. On se demande si les indices généraux officiels des prix permettent de
bien saisir l'inflation à laquelle sont confrontés les pauvres. La définition d'un TCLI dans l'équation (5.7)
implique qu'en général, l'indice du coût de la vie varie avec le niveau de vie (le niveau d'utilité). Le souci du
choix du groupe spécifique de population auquel se réfère l'indice des prix s'applique cependant à toutes les
méthodes examinées dans cette section.
Des recherches supplémentaires sont nécessaires sur ce front avant de proposer des recommandations claires.
5.4 Comment dégonfler l'agrégat de consommation
Dans cette section, nous poursuivons jusqu'à la dernière étape de la discussion sur la déflation des prix et
abordons la question de savoir comment effectuer réellement la conversion de l' agrégat de consommation
nominale (discuté dans la section 4) en termes réels , une fois qu'un déflateur de prix approprié est disponible.
(qu'il soit spatial, temporel ou les deux).
Soit X l'agrégat de consommation nominale — nous pouvons le considérer comme la somme de J
composantes (par exemple, des groupes de dépenses COICOP à deux chiffres, ou même des composantes
de dépenses plus agrégées) :
J
X = (5.14)
∑Xj = X1 + X2 +…+ XJ
j=1
Par exemple, X1 pourrait être les dépenses alimentaires, X2 les dépenses de logement, etc. Soit IPC un
déflateur (qui peut être spatial, temporel ou les deux), et supposons que les indices de prix pour autant de
catégories que spécifié dans l'équation (5.14) sont disponibles : IPC1 est l'indice de prix pour la première
catégorie (dans notre exemple , produits alimentaires), l'IPC2 est un indice des prix de la deuxième catégorie
(logement), etc. En général, l' IPC global peut être considéré comme une fonction des sousindices CPIj ,
que nous écrivons comme
géométrique
suit IPC
de
= lf'élémentaire
(CPI1 ,…CPIn) ,
indices.
typiquement
Pour déflater
f( ) le'agrégat
st une mdoyenne
e consommation,
arithmétique
l'analyste
ou
a deux options :
! X
X = (5.15)
IPC
J
Xj
X ! = ∑ IPCj X1 + X2 +…+ Xn
= (5.16)
j=1 IPC1 IPC2 CPIn
Les deux X ! et X! être considérés comme des agrégats de consommation réelle . Dans l'équation (5.15), x
est obtenu en divisant les dépenses nominales totales des ménages par l'IPC (global). En revanche, dans
l'équation (5.16), X ! est obtenu en additionnant chaque composante de l'agrégat de consommation, déflatée
par le sousindice correspondant60. En général, les deux méthodes donnent des réponses différentes.
60 Afin de simplifier la discussion, nous écartons les problèmes potentiels dus à l'incohérence entre les IPC et l'agrégat de
consommation. La question est importante, comme l'explique l'OIT (2004, 35) : « Les données recueillies sur les prix et les
données recueillies sur les dépenses des ménages doivent être mutuellement cohérentes lorsqu'il s'agit de mesurer la
consommation réelle. Cela exige que les deux ensembles de données couvrent le même ensemble de biens et services et
utilisent les mêmes concepts et classifications. Des problèmes peuvent survenir dans la pratique parce que les indices de prix
et les séries de dépenses sont souvent compilés indépendamment les uns des autres par différents départements d'un
organisme statistique ou même par différents organismes. Les détails de cette discussion sont audelà de notre portée ici.
Étonnamment, la littérature ne fournit pas d'indications spécifiques sur laquelle est la meilleure approche.
Notre recommandation est d'utiliser X!. Celleci repose sur deux arguments principaux. Premièrement, = IPC,
!
tandis que X/X en général X/X ! ≠ IPC. En d'autres termes, seule la méthode de l'équation (5.14) assure la
« réversibilité » de la déflation de l'agrégat nominal, en utilisant le type de données qui sont généralement
disponibles pour le grand public une propriété souhaitable pour les statistiques officielles, ne seraitce que
pour leur transparence et facilité de communication. Plus important encore, l'utilisation de l'équation (5.15)
implique que toutes les parts budgétaires, définies comme Xj /X en termes nominaux, seraient faussées, c'est
àdire qu'elles seraient différentes des parts budgétaires calculées en termes réels (X!
j /X! ≠ Xj /X). Il s'agit là d'une lacune majeure, compte tenu du rôle que jouent les parts budgétaires dans
l'analyse du bienêtre : elles décrivent les schémas de consommation des ménages et sont utilisées pour un
grand nombre d'exercices économétriques.
Pour illustrer les conséquences fâcheuses de la déflation spécifique à un élément, comme dans l'équation
(5.15), nous utiliserons l'argument ingénieux de l'historien économique Stefano Fenoaltea.61 Fenoaltea (2020)
imagine une école où des photographies de classe sont prises. Chaque classe peut être assimilée au budget
d'un ménage, la taille de chaque élève représentant les différentes dépenses de ce ménage . Dans chaque
image de classe, le classement des élèves par taille (les grandeurs relatives qui nous intéressent) est clair,
car ils sont soigneusement disposés du plus grand au plus petit devant la caméra : nous pouvons facilement
repérer, par exemple, qui est le garçon ou fille le plus grand du groupe. Imaginez maintenant que nous
voulons reconstruire une image de l'ensemble du corps étudiant en reconstituant les images de chaque
classe. Il se trouve que chaque classe a été prise en photo à une distance différente de l'objectif, de sorte que
notre reconstruction de l'image à l'échelle de l'école nécessitera un certain « redimensionnement » afin de
sortir correctement. Nous pouvons prendre une classe comme point de référence, mais toutes les autres
photos de classe doivent être agrandies ou dézoomées, en fonction de la distance de chaque groupe par
rapport à la caméra. Aussi laborieux que soit le processus, l'image finale du corps de l'élève doit conserver le
classement au sein de la classe (le garçon ou la fille le plus grand de chaque classe doit toujours apparaître
plus grand que ses camarades de classe dans l'image à l'échelle de l'école); il le fera si une classe entière est
mise à l'échelle dans la même proportion (toutes les dépenses du ménage sont déflatées avec le même indice
de prix), et non si les élèves sont mis à l'échelle dans des proportions différentes (si les diverses dépenses du
ménage sont déflatées avec la catégorie déflateurs spécifiques). En résumé, à moins que toutes les
composantes de l'agrégat de consommation nominale ne soient déflatées par le même déflateur, les parts
budgétaires déflatées au niveau des ménages (les tailles relatives des camarades de classe) s'avèrent erronées.
Une dernière remarque porte sur la relation entre la déflation temporelle et spatiale. Il existe un problème
évident pour déterminer l'ordre dans lequel les ajustements temporels et spatiaux doivent être effectués :
l'ordre dans lequel les deux opérations sont effectuées importe pour le résultat final (l'agrégat de consommation
réelle). La solution la plus logique – calculer un indice spatial mensuel des prix pour effectuer les deux
ajustements simultanément – est peu susceptible d'être applicable dans la pratique en raison des limites des
données. En l'absence d'orientations de la littérature sur ce point, ou de facteurs contextuels qui rendent une
séquence spécifique plus pratique, la solution adoptée est finalement une question de convention.
61 Fenoaltea s'intéresse à la production industrielle plutôt qu'à la consommation, mais fait face au même problème dans
l'équation
comme le fait l'analyste du bienêtre. En prenant (5.13)
xj industrie pour représenter
j, Fenoaltea la contribution
(1976) soutient à la xvj ,
que chaque aleur
et daonc
joutée
la vtaleur
otale adjoutée
e lem
totale de l'industrie, devrait être déflaté par le même déflateur
spécifiques
("général")
à l'industrie
(IPC), eIt
PCj .
non pFar
enoaltea
les déflateurs
(2020),
dla
e sla
ource
valeur
de
ajoutée
la citation,
illustre le même point en termes moins techniques.
6. Ajustement pour le ménage
Taille et composition
Le bienêtre, le niveau de vie et la pauvreté sont des attributs individuels (Deaton 1997, 223 ; Ravallion 2016,
section 3.3). Cependant, les données sur les dépenses et la consommation sont généralement collectées au
niveau des ménages . La plupart des enquêtes auprès des ménages sont tout simplement muettes sur la
manière dont les dépenses totales des ménages sont réparties entre les membres du ménage.62
L'inadéquation entre l'unité théorique d'analyse (l'individu) et l'unité statistique (le ménage) a des implications
importantes pour le travail des analystes comparaisons interpersonnelles du bienêtre, à la fois au sein du
ménage et entre les ménages.
Le premier sujet, la répartition des niveaux de vie au sein des ménages, intéresse à la fois les universitaires
et les décideurs politiques, compte tenu de ses implications pour l'inégalité entre les sexes et le bienêtre des
enfants. C'est un domaine de recherche actif qui s'appuie sur la théorie du consommateur pour déduire la
consommation individuelle sur la base de données au niveau des ménages, souvent de manière ingénieuse.
Résumer cette vaste littérature dépasserait le cadre de cette section (des revues utiles se trouvent dans
Chiappori et Meghir 2015 et Banque mondiale 2018). Il suffit de dire que les méthodes disponibles pour
estimer les parts des ressources au sein des ménages doivent encore être intégrées dans le suivi de routine
de la pauvreté. Dans le contexte de la mesure de la pauvreté et des inégalités dans la population générale,
la question des inégalités intraménage est essentiellement écartée et les membres du ménage se voient
traditionnellement attribuer une part égale des ressources du ménage63 . l'inégalité des ménages à l'aide
d'une méthodologie relativement simple qui s'appuie sur des données largement disponibles sur le revenu
individuel ont été couronnées de succès (Ponthieux 2017).
Bien qu'une meilleure pratique définitive n'ait pas encore émergé, il s'agit d'un domaine où le «statu quo» de
la mesure des inégalités et de la pauvreté devrait changer dans un proche avenir.
Le deuxième sujet, la comparaison des individus entre les ménages, ne peut être éludé. Même en supposant
que les membres du ménage obtiennent une part égale des ressources du ménage, il est toujours nécessaire
de classer les ménages de manière cohérente, et les dépenses totales ne sont pas une mesure satisfaisante
pour le faire . Prenons la taille du ménage : le nombre de « bouches à nourrir » compte évidemment lorsque
l'on compare le bienêtre de différents ménages. Une unité d'une personne dépensant 3 000 roupies par mois
est nettement mieux lotie qu'une unité de deux personnes dépensant les mêmes 3 000 roupies par mois.
Un point un peu plus subtil concerne la manière dont les besoins augmentent avec la taille du ménage : pour
être aussi aisé qu'un ménage d'une personne, un ménage de deux personnes devraitil dépenser exactement
deux fois plus ? On peut dire que la réponse est négative : des biens comme
62 Quelques exceptions récentes se trouvent dans De Vreyer et Lambert (2018), D'Souza et Tandon (2019), Mercier et Verwimp (2017) et Santaeulàlia
Llopis et Zheng (2017), bien que les enquêtes utilisées par ces études limitent mesure individuelle à quelques composantes de la consommation
(souvent alimentaire).
63
Ignorer les inégalités intraménage conduit à sousestimer l'inégalité globale, tandis que l'effet sur la pauvreté est
ambigu (Haddad et Kanbur 1990 ; Kanbur 2018 ; De Vreyer et Lambert 2018).
Ajustement en fonction de la taille et de la composition du ménage
le logement, les véhicules et autres équipements ménagers n'ont pas besoin d'être dupliqués pour être
consommés par plus d'une personne, et peuvent plutôt être partagés à peu ou pas de frais supplémentaires
(un peu comme certains biens publics). Si tel est le cas, les économistes disent qu'il y a des économies
d'échelle à vivre ensemble, dont il faut tenir compte lors des comparaisons. Un dernier problème concerne
la composition des ménages. Considérons deux ménages ayant les mêmes dépenses totales et la même
taille, mais dont les membres ont des caractéristiques démographiques différentes : par exemple, deux
adultes contre un adulte et un enfant. Les deux ménages (et les individus qui les composent) doiventils
être considérés comme également aisés ? Encore une fois, il y a de bonnes raisons de répondre par la
négative, étant donné que les enfants et les adultes ont des besoins différents.
D'un point de vue conceptuel, l'ajustement en fonction des différences de taille et de composition des
ménages peut être considéré comme un autre type de déflation, semblable à un ajustement en fonction des
variations de prix (Ravallion 1994, 20 ; DZ, 47). Dans ce contexte, le « déflateur » est un indicateur de la
taille du ménage, qui peut être aussi simple que le nombre de membres du ménage, donnant les dépenses
par habitant comme indicateur de bienêtre, ou aussi élaboré qu'une mesure des économies d'échelle et de
la composition du ménage. . Dans ce dernier cas, la mesure est appelée échelle d'équivalence.
Une échelle d'équivalence est un dispositif permettant de convertir le profil démographique spécifique d'un
ménage en un nombre « d'adultes équivalents ». Au lieu de simplement compter pour un, indépendamment
de l'âge, du sexe et d'autres caractéristiques, chaque individu du ménage se voit attribuer un poids.
Typiquement, un adulte (mâle) est choisi comme repère, son poids est fixé à 1 ; les autres individus
reçoivent un poids inférieur à 1 selon combien leur coût est inférieur, en termes de dépenses de
consommation, par rapport à un adulte de sexe masculin. Les enfants, par exemple, pourraient recevoir un
poids de 0,25, ou 0,33, ou 0,50, ce qui implique qu'un enfant devrait « coûter » respectivement 1/4, 1/3 ou
1/2 de l'homme adulte de référence. Un raisonnement similaire peut être appliqué aux tranches d'âge et
aux sexes : les femmes peuvent consommer moins que les hommes, les personnes âgées moins que les
plus jeunes, etc. En plus de cela, une échelle d'équivalence peut inclure un ajustement pour les économies
d'échelle, qui peut être mis en œuvre de diverses manières, mais cela implique en général que la taille du
ménage est amenée à augmenter de manière non linéaire avec chaque membre supplémentaire
(indépendamment du fait qu'ils sont ou non adultes ou non). La somme des pondérations attribuées aux
membres individuels d'un ménage, plus tout ajustement pour les économies d'échelle, donne une taille de
ménage équivalente (ES). Son interprétation est simple : un ménage de taille équivalente, disons 3,5, doit
consommer 3,5 fois plus qu'un adulte (homme) célibataire pour jouir du même niveau de vie.
Malheureusement, il n'existe aucun moyen objectif de déterminer comment les individus doivent être
pondérés, ni de consensus sur une méthode scientifique pour tenir compte des économies d'échelle
(Ferreira et Ravallion 2011, 608). Un certain nombre de méthodes largement utilisées sont disponibles,
chacune avec ses propres inconvénients. DZ identifie trois approches principales pour la spécification d'une
échelle d'équivalence comportementale, subjective et arbitraire et cela reste une catégorisation utile pour
un examen de ce qui est disponible. Selon l'approche comportementale, l'analyste peut estimer une échelle
d'équivalence basée sur les données recueillies à partir de l'observation du comportement des
consommateurs, c'estàdire en étudiant comment la consommation des ménages varie avec la taille et la
composition du ménage (FAO 2005c). Malgré l'attrait théorique de cette approche, les experts ont tendance
à déconseiller son utilisation (voir, par exemple, Coulter, Cowell et Jenkins 1992a ; Deaton 1997, 241270 ;
Haughton et Khandker 2009 : 2930), et sa complexité a sans doute entravé sa popularité. Une deuxième
approche, initiée par van Praag (1971), repose sur l'interrogation directe des ménages
construire une échelle d'équivalence basée sur des évaluations autodéclarées.64 DZ, avec d'autres
auteurs (voir, par exemple, Coulter, Cowell et Jenkins 1992a), ne recommande pas cette approche, car
elle souffre d'un certain nombre de inconvénients économétriques, et nécessite des données collectées
par le biais de questionnaires ad hoc. Vingt ans plus tard, il semble prudent de conclure que l'approche
subjective n'a pas gagné beaucoup de terrain. Reste l' approche arbitraire , qui est celle préconisée par
DZ. Le terme « arbitraire » peut évoquer l'idée d'un pouvoir discrétionnaire capricieux, mais ce ne serait
pas une qualification juste. Cette approche utilise des poids normatifs, mais ceuxci reposent, au moins
dans une certaine mesure, sur des paramètres objectifs et non arbitraires.65
De nombreuses échelles d'équivalence arbitraires (selon la terminologie DZ) présentes dans la littérature
sont décrites par la formule générale suivante, suggérée à l'origine par Cutler et Katz (1992, 548), puis
adoptée par le US National Research Council (1995, 161) :
ES = (A + α K) θ (6.1)
où ES signifie « taille de ménage équivalente », c'estàdire le nombre d'adultes auquel les membres
d'un ménage sont équivalents ; A indique le nombre d'adultes (quelle qu'en soit la définition) dans la
α d'un egnfant
famille ; K est le nombre d'enfants; est le paramètre, énéralement
par rapport
inférieur
à un àa dulte ;
1, qui ceapte
t est le cpoût
aramètre
relatif
qui capture les économies d'échelle ( = 1 implique aucune
économie
θ scénario d'échelle,
purement = 0 représente
hypothétique un
de partage
complet, oθù (6.1)
chaque
est ifndividu
acile à ienterpréter :
st supposé
eclle θ délève
onsommer
calcule 'abord
la consommation
le nombre
ensuite dtotale
'équivalents
du
les résultats à m énage).
la adultes
L'équation
(A
puissance + pKour
de ) et
tenir compte des économies d'échelle pour les familles plus nombreuses. Le choix des valeurs pour
finalement discrétionnaire. Néanmoins, DZ suggère qu'« il est possible d'étayer la proposition selon
αpadultes,
laquelle la meilleure ratique aectuelle
n fixant
consiste
simplement
à utiliser
et q à
l'équation
des valeurs
(6.1) θ le nombre
raisonnables
pour » (p.
d5'équivalents
2)66.
α et θ est critique, comme nous le verrons, et
Les soidisant échelles d'équivalence de l'Organisation de coopération et de développement
économiques (OCDE) sont une autre incarnation populaire de l'approche arbitraire :
ESOCDE–I = 0,3 + 0,7A + 0,5K (6.2)
ESOCDE–II = 0,5 + 0,5A + 0,3K (6.3)
où A correspond aux adultes (personnes âgées de 14 ans ou plus) et K aux enfants (personnes âgées
de 13 ans ou moins)67. L'équation (6.2) est communément appelée « échelle d'Oxford » ou « ancienne
échelle OCDE » ou " escalader; il donne un poids égal à 1 pour un adulte (quel que soit son sexe), de 0,7
à tout autre adulte supplémentaire et de 0,5 à chaque enfant. Cette formule tient compte à la fois du ménage
64 Comme l'approche a été principalement développée à Leyde (aux PaysBas), « l'approche subjective » est aussi appelée « approche de
Leyde » (van Praag et Warnaar 1997, 260).
65
Prenons, par exemple, les échelles d'équivalence proposées depuis les années 1980 – voir, entre autres, Buhmann et al. (1988), Coulter,
Cowell et Jenkins (1992b), Hagenaars, De Vos et Zaidi (1994), Atkinson, Rainwater et Smeeding (1995) — sur la base de normes établies par
des experts extérieurs (un expert peut être un universitaire connaissant le pays ou une institution).
66 Les lecteurs intéressés sont renvoyés à Ravallion (2016, 168) qui propose une formule plus générale pour l'équation (6.1).
67 Les deux équations (6.2) et (6.3) sont subsumées sous l'équation (6.1). Set = 0.5 on θ = 1, et en remplaçant A par 1 + β (A–1). Pour

β = 0,7 et α obtient l'équation (6.2) ; pour β = 0,5 et α = 0,3 on obtient l'équation (6.3).
composition (il traite les enfants et les adultes différemment) et pour des économies d'échelle (un adulte
compte pour un, tout adulte supplémentaire compte pour moins d'un). Hagenaars, De Vos et Zaidi (1994)
proposent l'« échelle d'équivalence modifiée par l'OCDE », équation (6.3), actuellement utilisée par l'Office
statistique de l'Union européenne (Eurostat) dans ses calculs de la pauvreté monétaire pour les UE.68
Un certain nombre de publications récentes se sont tournées vers une formule plus simple et ont tendance à utiliser
l' échelle de la racine carrée , ou échelle de l'étude luxembourgeoise sur le revenu (LIS), qui prend la racine carrée
du nombre de membres du ménage N :
ESLIS = N (6.4)
L'équation (6.4) est une version de l'équation (6.1), où les α = 1 et θ = 0,5 : il ne tient pas compte

différences dans la composition des ménages, mais s'ajuste pour les économies d'échelle (selon elle, un
ménage de quatre personnes doit dépenser deux fois plus qu'une personne seule).
Le tableau 6.1 fournit un résumé de la discussion jusqu'à présent et compare la taille équivalente du
ménage (panneau a) et les dépenses des ménages par équivalent adulte (panneau b) calculées à l'aide
de différentes échelles d'équivalence, pour quelques configurations de ménage typiques. La comparaison
des nombres par rangée permet d'évaluer la sensibilité des résultats au choix des différentes échelles.
A titre d'illustration, prenons la ligne correspondant à « 2 » adultes : la taille équivalente va de 2 (colonne
1, ajustement par habitant) à 1,4 (colonne 6, correspondant à l'échelle racine carrée).
De même, en supposant une dépense totale des ménages égale à 2 000 roupies, le panneau b montre
que les dépenses par équivalent des ménages varient de 1 000 roupies (colonne 1) à 1 429 roupies
(colonne 6). La lecture du tableau par colonne est instructive sur la façon dont la taille équivalente du
ménage varie en fonction de la composition du ménage, compte tenu du choix d'une échelle spécifique.
Par exemple, ajouter un adulte à un ménage d'une personne augmente la taille équivalente du ménage
de 1 si l'on utilise un ajustement par habitant (colonne 1) et de 0,4 si l'on utilise l'échelle de la racine carrée (colonne 6).
Des effets de membre ajouté similaires peuvent être explorés pour l'ajout du premier, deuxième, troisième
enfant, etc.
Le choix de l'échelle d'équivalence affecte à la fois les niveaux de pauvreté (combien de personnes sont
pauvres) et le profil de pauvreté (qui sont les pauvres). Par exemple, l'équation (6.2), qui pèse plus
lourdement sur les enfants que l'équation (6.3), conduira à une plus grande proportion d'enfants classés
comme pauvres (O'Higgins et Jenkins 1990 ; de Vos et Zaidi 1997 : tableau 3). Aussi conséquent soitil, il
n'y a tout simplement pas de bon choix : aucune échelle ne peut être considérée comme supérieure à
toutes les autres. Cela a deux implications principales. Premièrement, toute recommandation sur la «
meilleure » échelle à utiliser est nécessairement critiquable. DZ conclut son analyse par une
recommandation à deux volets, à savoir (1) "continuer à utiliser les dépenses par habitant" (p. 54), et (2)
améliorer la mesure par habitant en utilisant l'échelle d'équivalence de l'équation (6.1), selon laquelle le
choix des paramètres dépend du pays. Pour les économies pauvres, DZ recommande un réglage compris α
entre 0,25 et 0,33, et =0,9 (tableau 6.1, colonne θ2).
agricoles,
La raison
les
en
eenfants
st que
sdont
ans
relativement
les pays pauvres
« bon emt arché »
par rapport aux adultes, et compte tenu de la forte incidence des biens rivaux (la nourriture, tout d'abord)
dans les schémas de dépenses, il y a peu de place pour les économies d'échelle. Pour les économies
plus riches, DZ recommande de définir = 0,5, α
68 L'échelle modifiée par l'OCDE a été critiquée par des chercheurs d'Europe de l'Est, par exemple Eltetõ et Havasi (2002) et Szulc (2006) parce qu'elle
implique des économies d'échelle trop importantes dans la consommation.
et θ= 0,75 (tableau 6.1, colonne 3). Une deuxième implication est la nécessité de réaliser une
analyse de sensibilité : si la théorie économique ne parvient pas à ordonner les différentes échelles,
il est important de vérifier la robustesse empirique des résultats. L'analyste doit s'assurer que le profil
de pauvreté n'est pas trop sensible au choix de l'échelle, ou de ses paramètres. Ceci sera discuté
plus loin dans la section 8.
TABLEAU 6.1. Taille du ménage, taille équivalente du ménage (ES) et dépenses équivalentes du ménage
un. Échelle d'équivalence
éq. 6.1 éq. 6,2 éq. 6.3 éq. 6.4

Composition α = 1, q = 1 α = 0,25, q = 0,9 α = 0,5, q = 0,75
du ménage Carré OCDEI OCDEII
Recommandation DZ Recommandation DZ racine
Par habitant pour les économies riches
pour les économies pauvres
Taille de ménage équivalente (ES)
1 adulte 1 1 1 1 1 1
2 adultes 2 1.9 1.7 1.7 1.5 1.4
2 adultes, 1 enfant 3 2.1 2.0 2.2 1.8 1.7
2 adultes, 2 enfants 4 2.3 2.3 2.7 2.1 2
2 adultes, 3 enfants 5 2.5 2.6 3.2 2.4 2.2
b. Dépenses des ménages par équivalent adulte
1 adulte 2 000 2 000 2 000 2 000 2 000 2 000
2 adultes 1 000 1 053 1 176 1 176 1 333 1 429
2 adultes, 1 enfant 667 952 1 000 909 1 111 1 176
2 adultes, 2 enfants 500 870 870 741 952 1 000
2 adultes, 3 enfants 400 800 769 625 833 909
REMARQUE : Les colonnes intitulées « Recommandation DZ pour les économies pauvres et riches » font référence aux α et
θplages mentionnées à la page 52 des directives de DZ.
SOURCE : Notre élaboration.
La figure 6.1 décrit la pratique internationale actuelle en termes d'ajustement en fonction de la taille et de
la composition des ménages (que la mesure du bienêtre soit basée sur la consommation ou sur le
revenu). Le panneau a montre une prévalence des échelles d'équivalence en Amérique du Nord et en
Europe, tandis que le reste du monde ne semble pas être nettement divisé en «camps» d'adhésion à l'une
ou l'autre approche. Dans le panneau b, nous zoomons sur plus de 50 pays qui utilisent des échelles
d'équivalence et examinons dans quelle mesure les échelles examinées dans cette section, les équations
(6.1) à (6.4), sont utilisées dans la pratique. Deux résultats ressortent : premièrement, la recommandation
de DZ (la barre rouge, correspondant à l'équation (6.1) dans cette section) s'avère être la moins pratiquée
parmi les pays couverts dans notre base de données. Pourquoi nous ne savons pas. Deuxièmement,
l'échelle d'équivalence la plus largement utilisée dans la pratique, labellisée FAO/OMS, n'est pas
explicitement discutée dans DZ, ni ne figure parmi les échelles adoptées par les grandes organisations
internationales : la référence à la FAO et à l'OMS indique simplement que l'échelle est basée sur les
besoins nutritionnels et ne semble pas identifier de manière univoque une seule formule – voir les
exemples présentés dans le tableau 6.2, ainsi que Waid et al. (2017) pour le Bangladesh.
FIGURE 6.1. Différents pays, différentes échelles d'équivalence
un. Ajustement par habitant versus par adulte
b. Échelles d'équivalence
Conseil national de la
8.5
recherche (éq. 6.1)
Sans papiers 11.9
Implicite dans
15.3
les seuils de pauvreté
OCDE I et II (éq.
20.3
6.2 et éq. 6.3)
FAO/OMS
44.1
(éq. 6.5)
0 dix 20 30 40
Pourcentage de pays
SOURCE : Élaboration des auteurs sur l'ensemble de données présenté en annexe A.
La méthodologie dite FAO/OMS consiste à calculer le poids équivalent adulte d' un groupe
d'âgesexe donné comme le rapport du besoin énergétique d'un individu appartenant au
groupe, et celui d'un homme adulte :
ERij
ESFAO/OMS = ∑ ∑Nij (6.5)
je
j EHomme adulte
où Nij désigne le nombre de membres du ménage dans la tranche d'âge i et de sexe j, et ERij désigne les besoins
énergétiques correspondants. Le tableau 6.2 illustre. Pour le cas de l'Argentine en 2016, on compte 24 tranches d'âge
(i = 1,…,24), et les besoins énergétiques sont calculés séparément par sexe (j = 1,2). A noter que les coefficients ERij
sont estimés sur la base des tables techniques FAO/OMS, qui fournissent l'apport calorique minimum pour des
individus d'âge, de sexe (avec des distinctions supplémentaires pour les femmes enceintes ou allaitantes, les enfants
qui travaillent, etc.), de corpulence ( la taille et le poids), et le niveau d'activité physique.69 Les besoins énergétiques
de l'homme adulte de référence (ERhomme adulte), indiqués par un astérisque dans le tableau 6.2, servent de
numéraire, c'estàdire qu'ils normalisent chaque ERij individuel à un nombre dans le tableau 6.2. intervalle [0,1]. Selon
la méthodologie argentine, le coût d'un nourrisson de 6 à 9 mois représente 28 % de celui d'un adulte de 30 à 60 ans.
Le chiffre correspondant pour les femmes adultes est d'environ 77 %. Les chiffres reproduits au bas du tableau 6.2
pour les pays d'Afrique et d'Asie du Sud sont dérivés de la même manière que les coefficients argentins, mais les
besoins énergétiques ne sont pas documentés.
TABLEAU 6.2. Exemples d'échelles d'équivalence basées sur les besoins nutritionnels de la FAO/OMS
Homme Femme
Besoin énergétique (kcal/ Échelle Besoin énergétique (kcal/ Échelle

Âge personne/jour) d'équivalence personne/jour) d'équivalence
Argentine 2016
6–9 mètres 776 0,28 776 0,28
9–12 m 952 0,35 952 0,35
1 1 030 0,37 1 030 0,37
2 1 277 0,46 1 277 0,46
3 1 409 0,51 1 409 0,51
4 1 518 0,55 1 518 0,55
5 1 643 0,60 1 643 0,60
6 1 760 0,64 1 760 0,64
7 1 813 0,66 1 813 0,66
8 1 865 0,68 1 865 0,68
9 1 910 0,69 1 910 0,69
dix 2 192 0,79 1 918 0,70
11 2 255 0,82 1 986 0,72
12 2 347 0,85 2 051 0,74
13 2 472 0,90 2 089 0,76
14 2 650 0,96 2 100 0,76
15 2 760 1,00 2 116 0,77
69 Weissel et Dop (2012) illustrent la méthodologie avec un exemple artificiel simple.
TABLEAU 6.2. (A continué)
Homme Femme
Besoin énergétique (kcal/ Échelle Besoin énergétique (kcal/ Échelle

Âge personne/jour) d'équivalence personne/jour) d'équivalence
16 2 828 1.03 2 111 0,77
17 2 881 1.04 2 124 0,77
18–29 2 826 1.02 2 106 0,76
30–45 (*) 46– 2 758 1,00 2 111 0,77
60 (*) 2 750 1,00 2 090 0,76
61–75 2 288 0,83 1 860 0,67
75+ 2 050 0,74 1 750 0,63
Burundi 2013, Libéria 2016, République du Congo 2011
< 1 0,27 0,27
1–3 0,45 0,45
4–6 0,61 0,61
7–9 0,73 0,73
10–12 0,86 0,73
13–15 0,96 0,83
16–19 1.02 0,77
20–50 (*) 1,00 0,77
51+ 0,86 0,79
Micronésie 2013, Fidji 2008, Kiribati 2006, Nauru 2012, Palau 2006, Samoa 2013, Seychelles 2013,
Tuvalu 2010, Vanuatu 2010
0–14 0,50 0,50
15+ (*) 1,00 1,00
REMARQUE : Les cellules ombrées indiquent que les besoins énergétiques n'ont pas été signalés dans la
documentation officielle.
SOURCES : Argentine (2016, 2) ; Burundi (2015, 36) ; Libéria (2017, 9) ; République du Congo (2017, 112) ; Micronésie
(2017, 78) ; Fidji (2011, 78) ; Kiribati (2010, 19) ; Nauru (nd, 24) ; Palaos (2008, 15) ; Samoa (2016, 30) ; Seychelles (2016,
2) ; et Vanuatu (2013, 9).
Pour rappel, le choix d'une échelle d'équivalence repose in fine sur des jugements de valeur, sur lesquels
des avis divergents sont attendus (Lanjouw et Ravallion 1995). Cela était vrai à la fin des années 1980
lorsque le débat sur les échelles d'équivalence a pris de l'ampleur, s'est confirmé dans les années 1990
lorsque de nombreuses agences internationales ont commencé à prendre parti et à adopter des échelles
d'équivalence spécifiques, et reste vrai aujourd'hui. Notre lecture de la littérature est que la première
recommandation de DZ est toujours valable : il est conseillé aux analystes de ne pas abandonner
l'utilisation de la consommation par habitant, étant donné que "20 ans d'expérience avec les dépenses
par habitant ont donné aux analystes une bonne compréhension pratique de ses forces et faiblesses,
lorsqu'il est solide (dans la plupart des cas) et lorsqu'il est susceptible d'induire en erreur (par exemple,
dans les comparaisons des niveaux de vie moyens des enfants et des personnes âgées) » (DZ, 48). Le
nombre d'années est maintenant passé à 40, mais c'est le seul amendement nécessaire à la conclusion
de DZ. Un autre argument en faveur de la dépense par habitant est le consensus pour l'utiliser comme
ajustement pour les comparaisons internationales. Ferreira et al. (2015, 11) expliquent pourquoi toute consommation et r
les mesures dans PovcalNet sont exprimées par habitant.70 De même, Batana et Cockburn (2018,
2) : indiquent que « si l'utilisation d'approches d'équivalence est suggérée pour fournir une mesure
plus précise de la pauvreté, le suivi mondial de la pauvreté utilise encore la consommation par habitant
comme principale mesure du bienêtre. »71
La seconde des recommandations de DZ—utilisant l'équation (6.1) avec des paramètres fixés à des
valeurs raisonnables, comme indiqué dans le tableau 6.1—reste également valable. En fait, il semble
qu'une grande partie des pays aient adhéré à l'idée d'ajuster la taille et la composition des ménages
en utilisant l'approche "arbitraire", mais que beaucoup d'entre eux aient opté pour des spécifications
paramétriques différentes, notamment basées sur les besoins énergétiques nutritionnels. Alors que la
multiplicité des formulations relevant du label FAO/OMS représente une tentative d'adopter une
approche plus « scientifique » du calcul de la taille équivalente, elles présentent des inconvénients
importants (FAO 2005a). La première est que les besoins caloriques relatifs ne correspondent pas
nécessairement aux coûts relatifs (le fait qu'un adulte ait besoin de trois fois plus de calories qu'un
enfant n'implique pas qu'un adulte coûte aussi trois fois plus ; cela dépend de la composition du régime
alimentaire et des prix relatifs ).72 Un autre problème est la couverture : les besoins relatifs de deux
individus ne dépendent pas uniquement de la nourriture. Certes, la littérature n'a pas encore examiné
en détail les mérites des « échelles FAO/OMS », mais il semble clair qu'elles ne règlent pas la question
du choix du meilleur ajustement à la taille et à la composition du ménage.
Dans son dernier livre, Tony Atkinson n'a pas hésité à recommander l'utilisation d' échelles
d'équivalence : « il semble impossible d'ignorer les besoins différents des ménages composés de
nombres différents et de personnes d'âges différents, même si nous ne pouvons pas nous mettre
d'accord sur l'ampleur ces différents besoins sont. (Atkinson 2019, 7879). Son argument comprend
un appel à l'attention sur des aspects qui ne sont généralement pas pris en compte par les ajustements
aux besoins individuels : pour atteindre la même qualité de vie. (Atkinson 2019, 79). L'appel d'Atkinson
à se concentrer sur les barrières à une vie bien vécue confirme, bien qu'implicitement seulement,
qu'une approche exclusivement alimentaire des échelles d'équivalence est discutable, malgré sa
popularité. Dans l'ensemble, le choix d'adopter l'équation (6.1) reste valable, tant sur le plan conceptuel
qu'empirique. Les bonnes pratiques consistent à utiliser une analyse de sensibilité pour explorer les
conséquences du choix d'une échelle spécifique (voir la section 9 pour une discussion détaillée).
70 PovcalNet est un outil informatique qui permet aux analystes de reproduire les calculs de la Banque mondiale sur la pauvreté absolue dans le monde
(http://iresearch.worldbank.org/PovcalNet).
71 Voir également le numéro spécial hébergé dans le volume 13 du Journal of Economic Inequality, 2015.
72
Toute échelle d'équivalence peut être vue comme un TCLI étendu (section 5.1.2), c'estàdire comme le rapport des fonctions
de coût de deux ménages bénéficiant du même niveau d'utilité, confrontés au même niveau de prix, mais avec des compositions
démographiques différentes ( voir, par exemple, FAO 2005a, Lewbel 2006 ou Ray 2018). Les échelles FAO/OMS ne sont pas
définies dans la métrique des dépenses, mais dans celle de la consommation calorique. En outre, la FAO (2005b, 7) note que les
échelles d'équivalence basées sur les besoins nutritionnels (1) « excluent par définition les économies d'échelle, car elles ne
prennent en compte que les différences nutritionnelles entre les membres du ménage en ce qui concerne le bien (nourriture) qui
est » privé' au sein du ménage » et (2) « [sont] basés sur la détermination des niveaux de « subsistance », il n'y a aucune garantie
que la même échelle prévaudrait à des niveaux de bienêtre plus élevés ».
7. Problèmes de données
Aucun jeu de données n'est parfait ; même lorsque vous travaillez avec des données de haute qualité, vous devez
généralement faire face à des problèmes tels que des données manquantes, des valeurs extrêmes, des
enregistrements inexacts ou invraisemblables, etc. Que faire dans ces situations récurrentes n'est pas toujours
clair. On pourrait être tenté d'essayer de «corriger» tous les défauts de données perçus, sur la base d'une
connaissance préalable de la plausibilité des observations. En fait, la pratique et l'érudition des 20 dernières
années vont dans le sens opposé et tendent à prévenir les problèmes de données ex ante, plutôt qu'à les corriger
ex post. Cela est mis en évidence par les efforts déployés au fil des ans dans l'amélioration des méthodes de
collecte de données, ce qui a entraîné, entre autres, l'expansion de la littérature sur la méthodologie d'enquête
(voir l'annexe E) et la perturbation de la technologie d'interview. Il devient de plus en plus fréquent pour les
institutions statistiques d'intégrer des garanties de qualité des données dans les premières étapes de la collecte
de données ; par exemple, les vérifications des valeurs hors plage et les indicateurs de données manquantes
peuvent être codés en dur dans les systèmes d'interview personnelle assistée par ordinateur (CAPI). Avec
l'adoption généralisée de ces méthodes, l'erreur de mesure devrait diminuer de manière significative (Caeyers,
Chalmers et DeWeerdt 2012 ; Fafchamps et al. 2012). Dans cette optique, les corrections ex post doivent être
considérées comme un dernier recours, vers lequel l'analyste peut être contraint de se tourner lorsque quelque
chose de majeur a mal tourné quelque part en amont de la chaîne.
Cette considération, bien que nécessaire, nous ramène à la case départ. Lorsque tout est dit et fait, et que les
ensembles de données finaux sont transmis à l'analyste, ils sont généralement au moins inspectés à la recherche
de défauts, et souvent, mais certainement pas toujours, certains ajustements sont considérés comme nécessaires .
Une mauvaise gestion des données à ce stade peut causer de gros dégâts. En réalité, le nettoyage des données
un terme fourretout décrivant l'identification et le traitement de toutes sortes d' imperfections de données est
généralement présenté comme une tâche "préanalytique" et est facilement éclipsé par des sujets considérés
comme plus techniques et conséquents. De ce fait, il est souvent mal documenté. Au contraire, elle peut avoir un
impact massif sur les statistiques d'intérêt pour l'analyse du bienêtre, et elle doit être considérée comme faisant
partie intégrante de la construction d'un agrégat de bienêtre, au même titre que les autres choix méthodologiques
discutés dans ce document. Cela est particulièrement vrai lorsque la comparabilité dans le temps et entre les pays
est une priorité. Examiner les moindres détails de l'agrégation de la consommation sans tenir compte du traitement
des problèmes de données peut être comme « arroser le jardin pendant que la maison est en feu » (Lokshin 2018).
L'importance de cette partie du travail de l'analyste n'a pas échappé à DZ : le chapitre 3 des Directives s'ouvre sur
une discussion du nettoyage des données. Bien qu'ils s'abstiennent de partager des lignes directrices spécifiques,
les auteurs formulent une recommandation générale : « Il est de la plus haute importance que l'analyste vérifie (…)
la présence de valeurs aberrantes "grossières", généralement en traçant les données, par exemple en utilisant le
options 'oneway' et 'box' dans Stata » (p. 23).
Dans cette section, nous développons la recommandation de DZ et couvrons deux sujets d'importance majeure :
les données manquantes et les valeurs aberrantes. Plus que partout ailleurs dans ce document, notre public cible
est large et englobe les producteurs de données ainsi que les analystes. Les statisticiens sont (ou devraient être)
conscients des priorités des utilisateurs de données lorsqu'ils s'attaquent à la collecte et au traitement des données,
Problèmes de données
et les analystes du bienêtre sont (ou devraient être) conscients des moindres détails du processus de
génération de données lorsqu'ils évaluent les stratégies de nettoyage des données. En pratique, les deux sont
(ou devraient être) dans la même pièce lorsque les décisions clés concernant les questions de données sont
prises. Le livre posthume d'Anthony Atkinson comprend un chapitre entier sur le rôle clé des données, pour
souligner que les analystes du bienêtre ne doivent pas tenir les données pour acquises, et devraient plutôt
être encouragés à adopter une approche globale (AA), qui nécessite une coopération et une consultation avec
producteurs de données et spécialistes de l'échantillonnage (Atkinson 2019, 144145 ; Brandolini et Miklewright 2020).
Par conséquent, l'objectif de cette section est plus large et plus instructif qu'ailleurs dans ces lignes directrices.
L'objectif n'est pas de doter l'analyste d'un protocole étape par étape pour gérer les problèmes de données : il
n'y a pas de consensus sur les meilleures pratiques dans ce terrain difficile, où tout dépend du contexte . Au
lieu de cela, cette section propose un cadre conceptuel pour comprendre des problèmes importants tels que la
nonréponse totale (section 7.1), la nonréponse partielle (section 7.2) et les valeurs aberrantes (section 7.3),
ainsi que des références à des solutions couramment appliquées dans pratique.
7.1 Nonréponse totale
Une unité nonrépondante (un individu ou un ménage) est toute unité pour laquelle les données d'enquête ne
sont pas obtenues en raison d'un refus (personnes qui refusent catégoriquement d'être interrogées), du non
contact (comme dans le cas des personnes qui résident à la maison mais sont temporairement absentes ), et
un certain nombre d'autres raisons, grandes et petites, de la fraude des enquêteurs jusqu'aux intempéries
(Platek 1977 ; Brick et Montaquila 2009, 164). En pratique, la nonréponse de l'unité se traduit par un
enregistrement manquant, tel qu'un ménage était censé figurer dans la base de données, mais manque à la
place. Pour faire face à ce problème, il faut d'abord comprendre pourquoi c'est un problème en premier lieu, et
ses implications pour les estimations finales. Le but de cette section est d'aider le lecteur à faire exactement cela.73
Même avec des pratiques de collecte de données de pointe, la nonréponse totale se produit presque toujours.
Un exemple est paradigmatique. Miller et Aharoni (2015) rapportent la nonréponse des enquêtes parmi les
populations militaires américaines : c'est un monde où la réponse à tout est "Monsieur, oui Monsieur!" Les
résultats montrent des taux de réponse aussi bas que 9 %. Si tel est le cas, alors le reste d'entre nous devrait
vraiment s'attendre à devoir faire face à de faibles taux de réponse. Comme l'ont dit Särndal et Lundström
(2005, 1), « la nonréponse est une caractéristique normale mais indésirable d'une enquête ». Dans quelle
mesure estce normal et pourquoi estce indésirable, exactement ? La figure 7.1 répond à la première question
et montre comment les taux de nonréponse aux enquêtes sur les revenus et les dépenses varient (1) d'un
pays à l'autre (panneau a) et (2) dans le temps (panneau b). Le panel a donne une idée générale de
l'hétérogénéité internationale des taux de nonréponse : ils sont proches de zéro pour certaines enquêtes (le
cas de la Jordanie se démarque voir Palaniswamy et Vishwanath 2019), et peuvent atteindre 94 % pour
d'autres.74 Hlasny (2020 ) étudie les taux de nonréponse
73 Cette section a bénéficié des suggestions de Carlos RodríguezCastelán, Kristen Himelein et Juan Muñoz.
74
Le graphique combine des enquêtes sur les revenus et les dépenses s'étalant sur près d'une décennie (2010 à 2018) et indique les taux de nonréponse disponibles
dans les publications officielles. Lohr (2009, 355) souligne que les taux de réponse peuvent être facilement manipulés pour afficher des valeurs élevées, ce qui véhiculerait
l'idée de données d'enquête de haute qualité. Il existe des incitations à la déclaration contraire à l'éthique des taux de réponse gonflés ou, de manière équivalente, des
taux de nonréponse dégonflés (Groves et al. 2009, 184). L'American Association of Public Opinion Research (2016, 60) fournit des lignes directrices largement acceptées
pour définir les taux de réponse.
au niveau des régions infranationales pour 38 pays et fait état d'une hétérogénéité internationale tout aussi
élevée. Dans l'ensemble, les données suggèrent que des taux de nonréponse d'environ 20 à 30 % sont «
normaux » dans les enquêtes modernes sur le budget des ménages.
La partie b de la figure 7.1 montre les tendances temporelles des taux de nonréponse dans certains pays.
Depuis la rédaction du DZ, de plus grands défis sont apparus pour assurer la conformité aux enquêtes.
Meyer, Mok et Sullivan (2015; 4) ont récemment fait valoir que les enquêtes auprès des ménages sont en
crise, en partie à cause de la hausse des taux de nonréponse unitaire (et partielle). Pour chaque série
chronologique représentée sur la figure, le taux de nonréponse initial est fixé égal à 1 : il ne faut donc pas
prêter attention aux niveaux, mais uniquement aux changements. Le constat est sans appel : le US Current
Population Survey (CPS), utilisé pour le taux de pauvreté officiel américain, montre une multiplication par 3,7,
avec une nette accélération au cours de la dernière décennie. L'enquête US Consumer Expenditure Survey
(CES), qui fournit les pondérations pour le calcul de l'inflation américaine officielle, suit une dynamique
similaire. En général, toutes les séries considérées dans la figure 7.1 sont orientées à la hausse (bien qu'à
des rythmes différents) ; au minimum, les taux de nonréponse ont doublé au cours des 30 dernières années
environ (voir aussi de Leeuw et de Heer 2002 ; Luiten, Hox et de Leeuw 2020).
FIGURE 7.1. Taux de nonréponse (pourcentage) dans le monde et au fil du temps
un. Comparaisons internationales
100
Belgique (2010)
94%
90
PaysBas (2010) 80 %
80
70
Pologne (2016)
60%
60
RoyaumeUni
(2018) 50 %
50
disponible)
première
réponse
année
Taux
non
de
(1
=
Liban (2011) 43 %
40 Brésil (2016)
30%
30 Canada (2017)
22%
moyenne des taux de nonréponse
20
dix
Afrique du Sud (2014)
15%
0 Birmanie (2017)
Jordanie (2018) 6%
0%
b. Tendances temporelles
4.0 SCS
(ÉtatsUnis)
3.5
FIES
(Philippines)
3.0
2.5 CES
(ÉtatsUnis)
FES
2.0 (RoyaumeUni)
(pourcentage)
réponse
Taux
non
de
1.5
JLSC
(Jamaïque)
1.0
0,5
0.0
1980 1990 2000 2010 2020
Année
SOURCES : Panel a : nos estimations basées sur la base de données décrite en annexe A, et les données LIS (https://
www.lisdatacenter.org/frontend#/home), extraites en mars 2021. Panel b : pour les ÉtatsUnis, la série CPS est de
Morelli et Munoz (2020); CES provient de Meyer, Mok et Sullivan (2015), mis à jour à l'aide du département américain du
Travail (plusieurs années) ; pour les Philippines, l'enquête sur le revenu et les dépenses des familles (FIES), telle qu'elle
est disponible sur le site Web de l'Autorité philippine des statistiques (mars 2021); pour la Jamaïque, l'enquête jamaïcaine
sur les conditions de vie (JSLC), telle que rapportée dans les rapports annuels.
Pour expliquer pourquoi le phénomène répandu et croissant de nonréponse dans les enquêtes auprès
des ménages est indésirable et doit être traité, nous adoptons deux perspectives : la théorie et la pratique.
Commençons par la théorie. Il est facile de montrer que la nonréponse unitaire peut induire un biais de
nonréponse dans la plupart des statistiques distributives, y compris les estimations de la pauvreté et des
inégalités. Pour bien voir cela, nous avons mis en place une notation qui nous permet d'exprimer le biais
de nonréponse sous une forme simple et instructive. Soit N le nombre de ménages dans la population
(ou l' univers). Soit NRU le nombre de ménages qui, s'ils étaient échantillonnés, répondraient (R est pour
le répondant, U est pour l'univers) et NMU le nombre de ménages qui ne répondraient pas s'ils étaient
interrogés (M est pour manquant). Bien sûr, N = NRU + NMU . En utilisant une notation similaire, soit XU
l' agrégat de bienêtre de la population, et XRU et XMU l'agrégat de bienêtre des répondants et des non
répondants, respectivement. Sur la base de ces définitions, nous pouvons écrire l' agrégat de bienêtre
de la population comme une moyenne pondérée des deux groupes, répondants et nonrépondants, où
les poids sont égaux aux parts de population correspondantes, NR/N et NM/N :
NR NM (7.1)
XU = XRU +
N N XMU
L'équation (7.1) fait référence à la population à partir de laquelle l'échantillon de l'enquête est tiré. Une fois le
travail de terrain terminé, les données collectées dans l'échantillon ne concerneront que les répondants : cela permet
l'estimation de XRU dans l'équation (7.1), mais pas de XMU. Quelles sont les conséquences de ne
pas estimer XMU ? Les analystes peuventils encore espérer obtenir une estimation précise de XU
des seuls répondants ? La réponse peut être obtenue directement à partir de l'équation (7.1). Si nous
désignons par XR un estimateur sans biais de l'agrégat de consommation des répondants, c'estàdire
E XR
= XRU , alors le biais qui affecte XR est donné par la différence entre la valeur attendue de
l'estimateur (E[XR]) et le vrai paramètre de population (XU) :
= NM
E XR XU N (XRU XMU ) (7.2)
biais de nonréponse taux de nonréponse conformité sélective
L'équation (7.2) est la clé pour comprendre le problème causé par la nonréponse totale. Notre espoir
est que le biais soit faible, ce qui se produit si au moins une des deux choses est vraie : soit le rapport
NM/N est petit, soit la différence (XRU − XMU ) est petite. La première expression est le taux de non
réponse. La deuxième expression a trait à la similarité des répondants et des non répondants, en
termes de statistique d'intérêt. Si les répondants ne sont pas systématiquement différents des non
répondants, alors il est raisonnable de s'attendre à ce que XRU ≈ XMU ; sous cette hypothèse,
l'analyste peut ignorer la nonréponse et utiliser les répondants comme échantillon représentatif de la
population. Techniquement, nous disons que lorsque la conformité à l'enquête est aléatoire (ou que la
conformité à l'enquête n'est pas sélective), la nonréponse n'est pas un gros problème. Si, d'autre part,
les nonrépondants ont tendance à différer des répondants (XRU ≠ XMU ), alors le biais résultant de
l'utilisation des seuls répondants pour estimer les paramètres de la population peut rendre l'ensemble
de l'enquête sans valeur (Lohr 2009, 354). A noter que le produit du membre de droite de l'équation
(7.2) n'a pas de bornes : contrairement à NM/N, qui est nécessairement inférieur à 1, la différence
entre parenthèses est sans bornes, ce qui se traduit par un message clair et alarmant : ignorer la non
réponse peut produire un biais arbitrairement important pour les estimations des paramètres 75
C'est
d'intérêt.
aussi loin que les statistiques élémentaires peuvent nous mener.
Passons maintenant au biais de nonréponse d'un point de vue empirique. Bien que potentiellement
cat astronomique en théorie, peuton s'attendre à (ou espérer) que le biais de nonréponse soit
raisonnablement faible, ou du moins acceptable, dans la pratique ? La figure 7.1 montre qu'il n'est pas
rare que le taux de nonréponse NM/N soit élevé, généralement supérieur à 20 %. L'équation (7.2),
cependant, montre clairement que l'impact de la nonréponse dépend essentiellement de l'interaction
avec la deuxième composante du biais, (XRU − XMU ), qui à son tour dépend de qui sont les nonrépondants.
Une montagne de preuves suggère que la nonréponse est en fait sélective et dépend d' un certain
nombre de facteurs sociodémographiques (Groves, Cialdini et Couper 1992 ; Groves et Couper 1998 ;
Groves 2006), y compris l'âge, la race, le sexe, le niveau d'éducation, l'état de santé et les revenus.
En général, plus le coût d'opportunité du temps requis pour se conformer est élevé, plus le taux de
réponse est faible, et les nonrépondants seront généralement mieux lotis que les répondants.
La figure 7.2 montre que la probabilité de répondre (axe vertical) diminue de manière monotone avec
le revenu (axe horizontal), de sorte que plus un ménage est riche, moins il est susceptible de faire
partie de l'échantillon (Korineck, Mistiaen et Ravillion 2006). Les conséquences pratiques attendues
de la conformité sélective sont (probablement à la baisse) des estimations biaisées pour le niveau de
l'agrégat de bienêtre, une sousestimation de l'inégalité et une surestimation
75 Ce qui est vrai pour l'estimation des moyennes, le cas considéré dans le texte, nécessite des précisions supplémentaires lors
de l'estimation des proportions ou d'autres statistiques non linéaires, mais le message global s'applique.
des taux de pauvreté.76 Il convient de noter que dans les pays à faible revenu, la conformité aux enquêtes est
susceptible d'être également sélective au bas de la distribution des revenus. La raison, dans ce cas, tend à être le
noncontact plutôt que le refus (ceux qui ont du mal à joindre les deux bouts peuvent être loin de chez eux la
majeure partie de la journée, en particulier en milieu urbain).77 En fin de compte, les preuves suggèrent que les
analystes ne peuvent pas ignorer la non réponse , et ne peuvent pas utiliser les répondants comme un échantillon
représentatif de l'ensemble de la population.
FIGURE 7.2. Conformité sélective : les ménages plus aisés sont moins susceptibles de participer aux enquêtes
0,8
Probabilité
réponse
de
0,6
0,4
0,2
dix 100 1 000 10 000 100 000
Le revenu par habitant
SOURCE : La courbe est une version stylisée d'un résultat empirique initialement proposé par
Korinek, Mistiaen et Ravallion (2006, 2007). Voir aussi Morelli et Muñoz (2020, 2021).
La meilleure stratégie pour minimiser les effets négatifs de la nonréponse est de l'empêcher de se produire, c'est
àdire de régler le problème ex ante. La recherche sur la nonréponse a mis en évidence plusieurs pistes pour y
parvenir en pratique (Brick 2013 ; Plewes et Tourangeau 2013 ; Tourangeau et al. 2010). L'une consiste à étudier
les mécanismes psychologiques et sociologiques à l'origine de la nonréponse (Goyder 2019 ; Groves et Couper
1998 ; Toureangeau, Rips et Rasinski 2000), dans le but de réduire le fardeau du répondant. Un autre courant de
recherche porte sur les modes de collecte de données : le choix du mode (face à face, téléphone, courrier,
internet, etc.) peut influencer significativement la coopération, de même que les méthodes de suivi des non
répondants (voir, par exemple, Bethléem, Cobben et Schouten 2011, ch. 4). Parmi les autres sujets saillants de
cette vaste littérature figurent les effets d'intervieweur (Schaeffer, Dykema et Maynard 2010) et le rôle des
incitations (Singer et Ye 2013).
76 Sur l'effet de revenu fort et négatif sur la conformité à l'enquête, voir Ravallion (2021) et Hlasny et Verme (2018a, 2018b).
77
Bien que, à notre connaissance, les preuves empiriques sur ce phénomène manquent encore, il s'agit d'une perception largement répandue.
tion parmi les experts et les praticiens de l'enquête, et mérite une remarque en passant.
L'approche ex ante, bien que privilégiée, existe parallèlement à un certain nombre de stratégies ex post, à
savoir des ajustements statistiques visant à minimiser le biais de nonréponse. La section 7.1.1 n'aborde pas
la vaste littérature sur les ajustements pour la nonréponse, audelà de la citation de certaines références clés.
Cependant, il offre une raison impérieuse de s'y engager, en discutant de la menace que la nonréponse fait
peser sur les estimations finales en raison de son impact sur les poids de sondage (facteurs d'expansion).
7.1.1 Pondérations d'enquête
La définition correcte des pondérations fait partie intégrante du calcul d'estimations non biaisées pour la
distribution de la consommation des ménages, ainsi que pour toute statistique d'intérêt dérivée de cette
distribution. En fait, on pourrait soutenir que la pondération appropriée des données d'enquête n'est pas moins
importante pour les mesures de la pauvreté et des inégalités que d'autres questions abordées dans ce
document (Ravallion 2021). En outre, de nombreux analystes peuvent comprendre le sentiment d'être dans
des eaux dangereuses lorsqu'ils utilisent des poids d'enquête : il y a souvent des doutes sur la variable de
poids à utiliser (ménages contre individus) ou sur le type de poids (les utilisateurs de Stata ont quatre choix
différents : un poids , fweight, iweight et pweight – et donc un quadrilemme potentiel).78
En présence d'un plan d'enquête complexe, chaque unité échantillonnée (par exemple, chaque ménage) reçoit
un poids d'échantillonnage, c'estàdire une valeur qui tient compte du fait que différentes unités sont
sélectionnées avec des probabilités différentes. Une façon plus compacte de dire cela est que chacun des N
π dménages
probabilité dans la population de se voir attribuer une probabilité 'échantillonnage
(i = 1, …q,
je
ue
N).
le
Il
ième
ne s'agit
ménage
pas dse
oit
la
dans l'échantillon, mais, si nous imaginons que l'échantillonnage se produise comme une série de tirages
consécutifs dans la population, la probabilité que le ménage soit sélectionné à chaque tirage (Deaton 1997,
44). Si l'échantillon a une taille n, alors la probabilité d'inclusion dans 79 Le poids d'échantillonnage est défini
π .comme l'inverse de cette probabilité que l'échantillon soit pi = n d'inclusion :
je
1
wi = (7.3)
pi
Les poids wi dans l'équation (7.3) ont une interprétation simple : ils donnent le nombre de ménages de la
population représentés par le ménage de l'échantillon i. Par exemple, si un ménage est inclus dans l'échantillon
avec une probabilité de 1/50, ce ménage représente 1 ménage sur 50 dans la population à partir de laquelle
l'échantillon a été tiré. En fait, il convient de noter deux faits supplémentaires concernant les poids. Considérons
d'abord la somme des poids dans l'équation (7.3) pour tous les n ménages échantillonnés :
!
n
N = (7.4)
∑wi
je=1
78 Voir Valliant, Dever et Kreuter (2013) et Valliant et Dever (2018).
79 Cette formulation est valable pour le cas de l'échantillonnage aléatoire simple, qui est plus une occurrence théorique que réaliste dans
la pratique actuelle des enquêtes. Pratiquement toutes les enquêtes à grande échelle utilisent des plans complexes qui impliquent plusieurs
étapes d'échantillonnage, de sorte que la formulation des poids dans l'éq. (7.3) doit être considérée soit comme une simplification, dans
l'intérêt de la clarté du texte, soit comme une condition valable à l'intérieur d'une strate. Cela ne change en rien le fond de la discussion sur
la pondération : nous avons laissé de côté le sujet de l'échantillonnage à plusieurs degrés par souci de simplicité.
L'équation (7.4) dit que la somme des poids d'échantillonnage fournit une estimation (N !) de la taille de la population
(N). Deuxièmement, supposons que xi soit la variable d'intérêt déclarée par le ième ménage, disons son revenu.
Le revenu total de la population peut être estimé comme une somme pondérée des revenus des ménages :
n
!
X = (7.5)
∑wi xi
je=1
Ceci est connu et communément appelé l' estimateur HorvitzThompson (HT) du total de la population. De même,
les taux de pauvreté sont estimés à l'aide d'estimateurs HT, tout comme les mesures d'inégalité et toute autre
statistique d'intérêt. En général, les estimateurs HT sont les estimateurs utilisés, en règle générale, en présence de
données d'enquête. L'équation (7.5) a le mérite de rendre visible le rôle joué par les poids : de bonnes estimations
nécessitent à la fois de bonnes données (xi ) et de bons poids (wi ).
Les poids dans les équations (7.3) à (7.5) sont appelés poids de base (ou poids de sondage ou poids de sélection).
Ils sont généralement construits par le spécialiste responsable du plan d'échantillonnage avant le début de la
collecte des données, de sorte que, de par leur nature, les poids de base ne tiennent pas compte de la nonréponse
totale. En pratique, en présence de nonréponse (sélective), l'équation (7.5) n'est plus vraie et l'absence de biais
des estimations pondérées est en jeu.
Plusieurs stratégies sont couramment employées par les spécialistes des enquêtes pour faire face à cette situation.
L'ajustement des poids de base est une approche courante, qui englobe un large éventail de techniques. L'essence
de toutes les procédures d'ajustement des pondérations est d'augmenter les poids des répondants afin qu'ils
représentent les nonrépondants (Kalton et Kasprzyk 1986, 2 ; Kalton et FloresCervantes 2003) ; en fin de compte,
la façon dont les spécialistes des enquêtes élaborent ces procédures consiste à utiliser un modèle de propension à
répondre , c'estàdire un modèle qui estime la probabilité que chaque unité réponde. La multiplication du poids de
sélection de l'échantillon d'origine (wi dans l'équation 7.5) pour chaque unité d'échantillonnage par l'inverse de sa
propension à répondre modélisée crée un nouveau poids qui, si le modèle est correct, permet une estimation non
biaisée ou presque non biaisée des statistiques démographiques. à partir des données de l'enquête (Heeringa,
West et Berglund 2017, ch. 2)80.
7.2 Nonréponse partielle
La nonréponse partielle fait référence aux valeurs manquantes d'éléments particuliers du questionnaire (lorsqu'un
répondant a rempli le questionnaire, mais que certaines de ses réponses sont manquantes), par opposition à la
nonréponse totale, qui indique des enregistrements manquants (lorsqu'un sousensemble de ménages
échantillonnés ne remplit pas le questionnaire, tel que décrit dans la section précédente). Dans cette section, nous
nous abstenons de recommander un protocole spécifique pour traiter les valeurs manquantes, étant donné que le
plan d'action optimal dépend fortement du contexte, à savoir la variable considérée, et d'une multitude de
circonstances spécifiques au pays et à l'enquête.
Cependant, comprendre le mécanisme de nonréponse qui soustend les schémas observés d'absence est une
condition préalable à l'élaboration de toute stratégie pour traiter le problème, et c'est l'objet de cette section.
80 D'autres méthodes populaires sont discutées dans Lohr (2009, ch. 8), Bethlehem, Cobben et Schouten (2011, ch. 8) et Kolenikov (2016).
Nous partons d'une représentation stylisée de l'agrégat de consommation d'un ménage donné, qui
s'obtient comme la somme des composantes individuelles des dépenses :
J
x = = x1 + x2 +…+ xJ (7.9)
∑x j
j=1
où xj désigne les dépenses de consommation d'un ménage pour l'élément j, j allant de la première à la dernière
question relative aux dépenses posée aux répondants. L'équation (7.9) peut représenter de manière similaire la
façon dont un indicateur de bienêtre basé sur le revenu est construit (annexe C), où xj dénoterait les sources de
revenu élémentaires (par exemple , les salaires, les revenus du travail indépendant, les pensions, etc.).
Il y a des chances qu'un ou plusieurs des éléments du côté droit de l'équation (7.9) manquent : en d'autres termes,
la valeur d'un ou plusieurs des xj est inconnue. Les valeurs manquantes surviennent lorsque, par exemple, une
section du questionnaire, comme le journal alimentaire, est perdue ou jugée invalide. Par conséquent, les dépenses
alimentaires sont manquantes, tandis que les dépenses non alimentaires recueillies dans d'autres sections du
questionnaire sont connues. Il n'est pas nécessaire que la perte d'informations soit aussi importante pour être
préoccupante : dans le cas des ménages qui ne déclarent pas le montant du loyer payé, par exemple, la non
réponse à une seule question est responsable de l'absence d'une composante fondamentale de l'agrégat de
consommation.
D'un point de vue théorique, il y a de bonnes raisons pour qu'un analyste du bienêtre se préoccupe des valeurs
manquantes. Premièrement, la présence de données manquantes implique une réduction des informations
disponibles et, par conséquent, une perte de précision (efficacité) des estimations : des tailles d'échantillon plus
petites impliquent des erreurs types plus importantes. Deuxièmement , et peutêtre plus important encore, les
valeurs manquantes peuvent fausser les estimations. Que les estimations de, disons, l'inégalité ou la pauvreté
soient affectées ou non par la présence de valeurs manquantes dépend essentiellement de la raison pour laquelle
les données manquent, ce que nous appelons le mécanisme de nonréponse (Rubin 1976).
Dans le meilleur des cas, les données manquent par pur accident : un répondant oublie de répondre à une
question, une partie aléatoire des données est perdue pendant le traitement ou d'autres circonstances similaires.
Lorsque c'est le cas, on dit que les données manquent complètement au hasard (MCAR).
Ce que nous voulons dire, plus précisément, c'est que la probabilité qu'une valeur manque ne dépend pas de la
valeur de la variable, ni de toute autre caractéristique du répondant. Sous MCAR, l'échantillon disponible, bien
qu'incomplet, peut être considéré comme un sousensemble aléatoire des données idéales (ce que nous
observerions s'il n'y avait pas de valeurs manquantes). L'implication est qu'il y a une perte d'information, et donc
de précision, mais pas de risque de biais dans les statistiques d'intérêt.
Si l'analyste peut soutenir l'hypothèse MCAR, par exemple en montrant qu'il n'y a pas de modèles systématiques
de données manquantes, alors il n'est pas nécessaire de s'occuper davantage des valeurs manquantes, et l'analyse
peut être effectuée sur les cas complets.
Malheureusement, le MCAR se produit rarement dans la pratique. En règle générale, les valeurs manquantes
dépendent des valeurs des variables auxiliaires par exemple, la charge de remplir un long journal alimentaire
peut être ressentie plus fortement par les ménages moins alphabétisés dans les zones rurales que par les ménages
urbains. Si tel était le cas, la zone de résidence (urbaine ou rurale) serait la variable auxiliaire corrélée au manque,
et les dépenses ne manqueraient pas complètement au hasard. Si l'on peut supposer que les valeurs manquantes
au sein de chaque groupe, c'estàdire parmi les ménages ruraux uniquement, sont dues au pur hasard, alors les
données sont dites manquantes au hasard (MAR). L'implication est que nous pouvons supposer MCAR au sein de
groupes correctement définis. Un certain nombre de solutions simples sont disponibles pour faire face à cette
situation, comme l'utilisation de l'imputation hotdeck ou l'une de ses variantes pour imputer les valeurs manquantes
(Andridge et Little 2010 ; Little et Rubin 2019).
Enfin, le scénario le plus défavorable se produit lorsque les données ne manquent pas au hasard (MNAR) : par
exemple, les personnes les mieux loties (c'estàdire celles qui ont un revenu et/ou des dépenses total élevé)
peuvent être plus susceptibles de refuser de déclarer leur dépenses (par réticence ou manque d'intérêt à
répondre). Lorsque les données sont MNAR, la probabilité qu'une valeur manque dépend de la valeur de la
variable ellemême (et éventuellement aussi des valeurs des variables auxiliaires). Cette situation est la plus
difficile à traiter analytiquement. En général, il faut faire des hypothèses pour modéliser la dépendance du
mécanisme de nonréponse aux valeurs de la variable cible (Nicoletti 2010 ; de Waal, Pannekoek et Scholtus
2011, ch. 1).
De cette discussion générale, nous pouvons tirer plusieurs conclusions pertinentes pour le travail de l'analyste
du bienêtre. Premièrement, dans la plupart des applications pratiques, restreindre l'analyse à des
enregistrements de cas complets (c'estàdire supprimer les observations avec des valeurs manquantes de
l'analyse) produira des estimations biaisées (et inefficaces), car les valeurs manquantes se produisent rarement
complètement au hasard (elles ne sont pas MCAR) .
Deuxièmement, bien que prendre des mesures pour traiter le biais de nonréponse soit considéré comme
approprié dans de nombreuses applications pratiques, il n'existe pas de méthode universelle qui s'applique à
toutes les variables et à tous les contextes. Ce qui est clair, c'est qu'avant de se lancer dans l'imputation des
valeurs manquantes, l'approche la plus courante en cas de nonréponse partielle, il est essentiel d'étudier (1) la
cause de l'absence et (2) le modèle d'absence dans l'échantillon.
Parfois, la cause peut être facilement déterminée : par exemple, lorsque le système d'interview personnelle
assistée par ordinateur (CAPI) a un saut incorrect, ou que les routines de traitement des données remplacent
incorrectement les zéros par des valeurs manquantes.81 Dans ces circonstances, les erreurs peuvent et doivent
être corrigées en revenir aux données brutes. Lorsque la cause n'est pas clairement identifiée, il est conseillé
d'enquêter sur le modèle de manque. Même de simples tableaux à double entrée où la distribution des valeurs
manquantes est examinée par région, zones urbainesrurales, déciles de consommation par habitant ou autres
dimensions sont souvent suffisamment perspicaces, malgré leur simplicité, pour explorer l'hypothèse MCAR
(ou MAR).
Dans la situation la plus courante, lorsque les données sont MAR, l'analyste peut emprunter plusieurs voies,
en fonction de ce que l'on sait du processus de génération des données, de la pertinence de l'impact probable
de la composante de dépense manquante sur l'agrégat, etc. Il n'existe pas de « meilleure méthode d'imputation
». Un examen de la pratique actuelle suggère que les méthodes d'imputation basées sur la régression peuvent
être préférées dans les cas où un modèle peut être construit en puisant dans un appareil théorique et empirique
existant, comme pour les dépenses de logement : les modèles hédoniques sont discutés à la section 4.5, ou
les modèles alimentaires dépenses : les modèles économétriques pour l'analyse de la consommation abondent,
du système de dépenses linéaires de Stone (1954) à celui de Deaton et Muellbauer (1980)
Système de demande presque idéal et Système de demande quadratique presque idéal de Banks, Blundell et
Lewbel (1997). De simples techniques hotdeck sont parfois utilisées lorsque l'on sait peu de choses sur le
processus générant les données et lorsqu'un investissement dans des machines analytiques complexes est
excessif par rapport à la taille probable de la composante de dépense manquante.
S'il existe des preuves que les données sont MNAR, alors le problème est plus grave et nécessite le
développement de modèles d'imputation ad hoc, un sujet qui, de par sa nature, ne se prête pas à des
recommandations générales.
81 En raison de la façon dont certains questionnaires sont construits, les répondants peuvent sauter des questions qui ne s'appliquent pas à leur situation (par
exemple, aucun membre du ménage n'est actuellement à l'école, donc l'enquêteur ne pose aucune des questions sur les dépenses d'éducation). Ces réponses,
qui sont connues et égales à zéro, sont parfois codées comme des enregistrements vides, mais ce ne sont certainement pas des valeurs manquantes.
Une dernière remarque sur les conséquences de l'imputation des valeurs manquantes s'impose. L'avertissement de Dempster
et Rubin (1983, 310) mérite d'être revisité :
« L'idée d'imputation est à la fois séduisante et dangereuse. Elle est séduisante parce qu'elle peut endormir
l'utilisateur dans l'agréable état de croire que les données sont finalement complètes, et elle est dangereuse parce
qu'elle amalgame des situations où le problème est suffisamment mineur pour qu'il puisse légitimement être traité de
cette façon et des situations où les estimateurs standard appliqués aux données réelles et imputées ont un biais
substantiel.
Quelle que soit la technique d'imputation, les valeurs imputées ne peuvent pas être traitées comme des valeurs authentiques .
Un ensemble de données contenant une grande part de valeurs imputées impliquera des erreurs types estimées plus faibles
que celles qui auraient été obtenues en l'absence de données manquantes. Cela implique que les comparaisons de bienêtre,
les tests d'hypothèses et, finalement, toute sorte d'inférence statistique seront invalides.82 La présence de valeurs manquantes,
en d'autres termes, révèle finalement que quelque chose n'a pas fonctionné correctement avec l'enquête, et bien qu'il soit
souhaitable de " fixer » autant que nécessaire, la recommandation générale est triple : (1) garder à l'esprit que « données » et
« données imputées », malgré les apparences, ne sont pas synonymes ; (2) documenter la présence de valeurs manquantes
et toute procédure d'imputation qui en découle (un rapport récent sur les niveaux de vie en Afghanistan 2016/17 fournit un
exemple utile de la manière de procéder (Central Statistics Organization 2018, 344) ; et (3) effectuer une analyse de sensibilité
pour évaluer l'impact des changements dans la distribution de l'agrégat de consommation (ou de revenu) lorsque des
imputations pour les valeurs manquantes ont été mises en œuvre (Coudouel, Hentschel et Wodon 2002, 46).
7.3 Valeurs aberrantes
Les valeurs aberrantes – des valeurs « trop petites » ou « trop grandes » par rapport à la masse des données – sont partout :
elles apparaissent dans n'importe quel échantillon, n'importe quel ensemble de données, n'importe quelle application
empirique. La définition de valeur aberrante fournie il y a un demisiècle par Grubbs (1969, 1) soustend la plupart des
nombreuses définitions utilisées aujourd'hui :
« Une observation aberrante, ou « valeur aberrante », est une observation qui semble s'écarter sensiblement des
autres membres de l'échantillon dans lequel elle se produit. Une observation aberrante peut n'être qu'une manifestation
extrême de la variabilité aléatoire inhérente aux données. Si tel est le cas, les valeurs doivent être conservées et
traitées de la même manière que les autres observations de l'échantillon. En revanche, une observation aberrante
peut être (…) une erreur de calcul ou d'enregistrement de la valeur numérique. Dans de tels cas, il peut être
souhaitable d'instituer une enquête pour déterminer la raison de la valeur aberrante. L'observation peut même
éventuellement être rejetée à la suite de l'enquête, mais pas nécessairement.
La définition fait deux points principaux. Tout d'abord, il met en évidence la nature intrinsèquement relative d'une valeur
aberrante : une valeur aberrante est une observation qui semble anormale, où la norme est établie
82 Un certain nombre de méthodes sont disponibles pour atténuer le problème, notamment l'imputation multiple (IM), où chaque valeur manquante est
remplacée par deux valeurs imputées ou plus afin de représenter l'incertitude quant à la valeur à imputer (Rubin 1987, vi). Une discussion appropriée de la
méthode dépasse le cadre de cette section—Ardington et al. (2006) illustre la méthode pour le cas de l'Afrique du Sud ; voir aussi le rapport 2018 sur la
pauvreté au Soudan du Sud (Pape et Parisotto 2019), Myanmar, Liban et quelques autres.
par le reste des données83. Deuxièmement, cela démystifie une idée fausse courante : les valeurs aberrantes sont
un problème qui doit être résolu. L'assimilation de « valeur aberrante » à « erreur » joue dans la pratique de prendre
des libertés excessives avec les données, de supprimer sans discernement les observations de l' échantillon, ou
même de suréditer. Il faut toujours garder à l'esprit que quelques observations peuvent être véritablement anormales
et peuvent représenter, au moins en principe, des informations nouvelles et importantes la découverte scientifique
dépend, au moins en partie, de valeurs aberrantes. Par exemple, Rutherford a découvert le noyau atomique en raison
du comportement périphérique de quelques particules.
Un troisième point, qui n'apparaît pas dans la définition, est qu'une valeur aberrante, qu'il s'agisse d'une erreur ou
non, peut ne pas avoir d'influence : l'importance des valeurs aberrantes dépend du contexte, et plus précisément de
la statistique d'intérêt. Les estimations des inégalités, par exemple, tendent à être extrêmement sensibles à la
présence de valeurs extrêmes (Cowell et VictoriaFeser 1996a). D'un autre côté, les estimations de la pauvreté sont
généralement insensibles à ce qui se passe audessus du seuil de pauvreté, quelle que soit l'extrême extrême des
valeurs supérieures (Cowell et VictoriaFeser 1996b)84 . basées sur la dominance stochastique) sont également très
sensibles aux valeurs aberrantes (Cowell et Victoria Feser 2002, 2006 et 2007).
Dans l'ensemble, ces considérations conduisent à une première conclusion importante : nous ne pouvons en aucun
cas concevoir une seule « meilleure » stratégie pour traiter les valeurs aberrantes dans toutes les situations. Différents
plans d'action, y compris ne rien faire du tout, sont susceptibles d'être appropriés dans différents contextes.
Cependant, il est difficile de nier que, dans les contextes spécifiques fréquentés par les analystes du bienêtre, pour
les distributions spécifiques qui sont systématiquement analysées (dépenses de consommation, apports caloriques,
valeurs unitaires, etc.), les valeurs extrêmes sont généralement considérées comme potentiellement inexactes, et la
nécessité d'examiner les données et de détecter les valeurs aberrantes n'est pas remise en question ; le débat est
plutôt centré sur la méthodologie.
À un niveau très fondamental, l'analyste est confronté au choix entre deux approches alternatives pour aborder la
question des valeurs aberrantes. La première approche consiste à utiliser des procédures d'estimation robustes ,
c'estàdire des estimateurs qui ne sont pas influencés par la présence de valeurs aberrantes dans l'échantillon.
La deuxième approche consiste à conserver l'utilisation de procédures d'estimation et de test standard , à
détecter les valeurs aberrantes dans les distributions d'intérêt et à appliquer tout ajustement jugé approprié,
le cas échéant, aux données ellesmêmes (Huber 1981, 4 ; 1996). Presque invariablement, dans le contexte
de l'analyse du bienêtre, la stratégie préférée consiste à adopter cette dernière approche, étant donné la
nécessité de produire des indicateurs standard de pauvreté et d'inégalité qui soient comparables d'un pays
à l'autre et dans le temps, ainsi que des microdonnées "propres" pour utilisation générale et publique
(Filzmoser, Gussenbauer et Templ 2016).
Dans ce scénario, les analystes du bienêtre partagentils un cadre conceptuel commun lors de la détection et du
traitement des valeurs aberrantes ? La réponse est négative (Agunis, Gottfredson et Joo, 2013). Notre
83 Voir Barnett et Lewis (1994) pour une analyse approfondie mais accessible de la nature relative d'une valeur aberrante.
84 Cela est vrai si le seuil de pauvreté est fixé de manière exogène, ce qui est souvent le cas en pratique, même si ce n'est pas nécessairement le
cas en théorie. Une exception importante est le cas des seuils de pauvreté relative . Par exemple, Eurostat prend comme seuil de pauvreté pour
tout pays membre 60 % du revenu médian. Ici, le seuil de pauvreté dépend explicitement des données ; "cela (…) signifie que le seuil de pauvreté
luimême est estimé à partir des données, et cela implique donc qu'il existe un canal supplémentaire par lequel la contamination des données peut
biaiser les estimations de la pauvreté." (Cowell et VictoriaFeser 1996b, p. 1768).
l'examen de la pratique actuelle montre que la stratégie la plus populaire consiste à laisser le problème
sans papiers. La carte 7.1 montre que, pour une écrasante majorité de pays, la documentation
accompagnant la publication des estimations officielles de la pauvreté et des inégalités ne mentionne
même pas si les valeurs aberrantes ont été traitées, et comment. Lorsque les valeurs aberrantes sont
traitées et que la documentation est disponible, les méthodes varient : les pays peuvent détecter les
valeurs aberrantes par une inspection graphique de la distribution d'intérêt (par exemple, Zambie 2016),
en signalant les 1er au 5e centiles supérieurs et inférieurs (par exemple, Népal 2011, 41 ; Mozambique
2018, 71), en fixant des seuils de détection basés sur la moyenne et l'écart type de la variable cible
normalisée (par exemple, Namibie nd, 28 ; Maldives 2018, 11), ou en appliquant d'autres règles « diverses » (ECASTD
Potentiellement, cela constitue une menace sérieuse pour la comparabilité des résultats, du moins en ce
qui concerne les inégalités, à la fois dans le temps (l'effet des politiques nationales de redistribution ne
sera pas clair) et dans l'espace (les comparaisons géographiques internationales et intrapays seront
menacées ) . Plusieurs résultats théoriques justifient cette préoccupation. Cowell et Flachaire (2007,
2015) montrent la forte sensibilité des indices d'inégalité les plus populaires à la présence de valeurs
extrêmes dans les deux queues des distributions. En présence de valeurs aberrantes, la distribution des
dépenses devient asymétrique et à queue lourde, une caractéristique qui pose des problèmes non
seulement aux estimations ponctuelles de la plupart des estimateurs d'inégalité (y compris les courbes
de Lorenz), mais aussi à leurs erreurs types et, par conséquent, à toute inférence statistique. effectuer,
par exemple, des tests sur la différence entre les indices de Gini de deux régions ou de deux enquêtes
sur des années différentes – voir Davidson (2012), Schluter et van Garderen (2009) et Schluter (2012).
CARTE 7.1. Pays qui détectent et traitent les valeurs aberrantes de l'agrégat de bienêtre
SOURCE : Élaboration par les auteurs de l'ensemble de données décrit à l'annexe A.
Alors que les résultats qui ressortent de cette littérature sont sans équivoque, une expérience pratique peut
aider à transmettre le message. La figure 7.3 montre l'impact des valeurs extrêmes sur l'indice de Gini.85
Premièrement, l'indice de Gini est calculé à l'aide des données brutes (c'estàdire sur la variable de
consommation par habitant « telle quelle » dans l'ensemble de données publié par le Bureau national de la
statistique [NSO ]). Cette valeur, 40,6 %, peut être lue sur l'axe vertical en correspondance de zéro sur l'axe horizontal.
Le trait plein indique la valeur de l'indice de Gini car les observations les plus importantes sont exclues
des calculs, une à la fois (à chaque fois, les poids des observations restantes sont recalibrés de
manière à s'additionner à l'ensemble de la population) ; la ligne pointillée montre Gini lorsque les plus
petites observations sont supprimées, une à la fois. La figure montre qu'en excluant les cinq plus
grandes observations, correspondant à seulement 0,04 % de la taille de l'échantillon, l'indice de Gini
diminue à 36,9 %. Malgré la taille relativement importante de l'échantillon (près de 12 500 observations),
chacune des cinq observations écartées vaut presque 1 point de Gini. L'indice de Gini n'est pas aussi
sensible aux petites valeurs aberrantes, une constatation expliquée par Cowell et Flachaire (2007) et
Ceriani et Verme (2019), mais d'autres indices le sont86.
FIGURE 7.3. Sensibilité des estimations de Gini à la présence de valeurs extrêmes
40
Coefficient
Gini
de
(%)
35
30
0 1 2 3 4 5
Observations rejetées (%)
Valeurs aberrantes inférieures
Principales valeurs aberrantes
SOURCE : Les données proviennent de la quatrième enquête intégrée sur les ménages (IHS4) du Malawi de 2016,
telles que disponibles auprès de RuLIS (2020) données extraites en décembre 2020. Le chiffre est purement illustratif
et ne reflète pas les statistiques officielles.
85 Il ne s'agit pas d'un cas particulier (van Kerm 2007) ; voir l'Incremental Trimming Curve (ITC) dans Belotti, Mancini et Vecchi (2021), qui
emprunte à Hampel (1974), Hampel, Ronchetti, Rousseeuw et Stahel (1986, chapitre 2), et Cowell et Flachaire (2007, section 6 ).
86 Voir aussi Hlasny et Verme (2018a) pour une application similaire en Égypte. Pour les mesures autres que l'indice de Gini, telles que l'indice
d'Atkinson ou les indices d'entropie généralisée introduits par Shorrocks (1980), avec un paramètre inférieur à zéro, la sensibilité est plus
grande pour les petites valeurs aberrantes.
La conclusion générale de la littérature théorique et des applications empiriques est que la détection
et le traitement des valeurs aberrantes ne peuvent pas être une réflexion après coup. L'application
d'une méthodologie cohérente pour détecter les valeurs extrêmes, associée à une documentation
minutieuse de leur traitement, serait un pas en avant vers la comparabilité et la transparence des
estimations finales.
7.3.1 Détection et diagnostic
Bien qu'il ne soit pas possible d'indiquer une stratégie universellement acceptée pour traiter les valeurs aberrantes, il est utile
que l'analyste connaisse les principales options à sa disposition. En général, toutes les approches peuvent être considérées
comme consistant en deux étapes : la détection et le traitement. La détection des valeurs aberrantes implique de décider ce
qui rend une valeur « extrême » dans le contexte actuel : en revenant à la définition de Grubbs dans le paragraphe d'ouverture
de la section 7.3, qu'estce que cela signifie, exactement, pour une observation d'être éloignée de la masse de la distribution?
Le traitement des valeurs aberrantes consiste à décider quoi faire à ce sujet : remplacer ou rejeter la valeur extrême, plutôt
que de la laisser telle quelle. Dans la pratique, les deux décisions sont souvent liées, mais les considérer comme des étapes
distinctes permet une discussion plus transparente du raisonnement sousjacent.
Il convient de répéter ici que la vérification des « erreurs grossières » et d'autres sources d'erreur de mesure spécifiques au
contexte est une évidence lors du traitement des valeurs extrêmes : ces vérifications sont généralement effectuées par les
ONS dans le cadre d'un ensemble de vérifications de routine. À un moment donné, cependant, toutes les vérifications prévues
seront terminées et les données seront considérées comme définitives. C'est exactement l'étape sur laquelle cette section se
concentre, lorsque lors de la réception des ensembles de données approuvés par l'ONS, les analystes du bienêtre envisagent
de prendre des mesures supplémentaires pour protéger les statistiques d'intérêt de tout «bruit» résiduel.
Concernant la détection des valeurs aberrantes, les analystes recourent régulièrement à la fois à des approches « subjectives
» et à des règles « objectives ». Les premiers sont souvent basés sur l'inspection manuelle ou visuelle des données :
vérification des valeurs les plus grandes et les plus petites d'une variable donnée, représentation graphique de sa distribution,
etc., et détermination si quelque chose "semble faux". Naturellement, cela peut être difficile à décider, et encore plus difficile à
documenter. Dans de nombreux cas, les analystes trouvent utile d'appliquer des règles de détection « objectives » des valeurs
aberrantes, c'estàdire des critères statistiques prédéterminés pour signaler les valeurs extrêmes . sur l'identification d'un
seuil audelà duquel cette distance est considérée comme « trop grande », de sorte que les observations qui la dépassent sont
signalées. Cette logique de base donne lieu à l'abondance de critères trouvés dans la littérature, qui vont des plus simples
(comme la règle de la boîte à moustaches largement connue) aux plus techniques (comme les méthodes multivariées
résumées dans Filzmoser, Gussenbauer et Templ 2016).
Une version de cette dernière approche mérite d'être illustrée, car elle fournit aux analystes un
outil de diagnostic pratique, particulièrement utile dans le cadre de l'analyse de sensibilité
(section 8). Soit X la variable d'intérêt, la cible pour la détection des valeurs aberrantes, et soit f(x) sa
87 Le mot « objectif » dans ce contexte particulier est simplement utilisé pour indiquer que la décision de signaler une observation comme une valeur aberrante est
basée sur un algorithme ou une règle ex ante, plutôt que sur une évaluation au cas par cas de la plausibilité d'observations. Cependant, les règles «objectives»
exigent toujours de porter un jugement sur ce qu'il faut pour qu'une observation soit considérée comme «extrême» le jugement est simplement rendu explicite.
fonction de densité de probabilité (pdf). La détection des valeurs aberrantes dans la distribution de X
nécessite de déterminer à quel point une valeur doit être élevée ou basse pour être qualifiée d'extrême. Si
la distribution d' intérêt est connue, par exemple, si f(x) est Normal, alors on peut considérer qu'une
observation est une valeur aberrante si elle tombe dans une plage de valeurs qui se produit avec une
probabilité arbitrairement faible (disons 5 % ou 1 % ). Une observation x tombant dans une région aberrante
définie de cette manière pourrait éventuellement être produite par la distribution théorique des revenus,
mais ce serait un événement rare, faisant de x une valeur extrême, ou une valeur aberrante (Davies et
Gather 1993 ; Gather et Becker 1997 ). Une application conventionnelle de ce critère, parfois appelée la
« règle des trois sigma », identifie les limites de la région des valeurs aberrantes pour une distribution
normale comme la moyenne (x) plus ou moins trois fois l'écart type ( ) (chaque
X
région
ce wday
dans e qaueue
une pdrobabilité
éfinie
d'environ 1 % : dans les formules, toutes les valeurs de x situées en dehors de la plage [x − 3 × x + 3 × ]
σ , des valeurs
seraient signalées comme σ aberrantes). De manière équivalente, la valeur aberrante
X X
règle de détection peut être formulée au moyen du zscore :
x x
> 3 (7.10)
σ
X
La règle de l'équation (7.10) signalerait comme valeurs aberrantes toutes les valeurs de x dont le score z dépasse 3 dans
valeur absolue.
L'application de ce critère simple se heurte en pratique à deux problèmes. Premièrement, la pdf empirique
du revenu, et de la plupart des autres variables intéressant les analystes du bienêtre, n'est certainement
pas normale. Au contraire, il est généralement unimodal, asymétrique et à queue lourde par rapport à une
distribution normale. Si l'analyste peut transformer la distribution brute en quelque chose qui est
approximativement Normal, l'algorithme peut toujours être appliqué : les observations signalées dans la
distribution transformée sont également des valeurs aberrantes de la distribution non transformée. Il faut trouver un
transformation de normalisation qui fonctionne assez bien pour la distribution à portée de main.
Heureusement, les candidats ne manquent pas. Au début des années 2000, dans une contribution au «
grand débat indien sur la pauvreté », Deaton et Tarozzi (2005) ont utilisé le logarithme naturel comme
transformation de normalisation des valeurs unitaires des biens consommés par les ménages. Dupriez
(2007) a exploré l'utilisation de la transformation de BoxCox (Box et Cox 1964), qui inclut la transformation
logarithmique comme cas particulier. D'autres transformations utiles incluent Yeo et Johnson (2000),
Friedline, Masa et Chowa (2014) et bien d'autres88.
Un deuxième problème, plus subtil, est lié à la définition de la région de détection des valeurs aberrantes
en termes de moyenne et d'écarttype de la distribution : la moyenne et l'écarttype empiriques sont
précisément vulnérables aux valeurs aberrantes qui nous préoccupent. La présence de quelques
observations extrêmement importantes dans la distribution des revenus, par exemple, est susceptible de
« tirer » la moyenne de l'échantillon dans l'équation (7.10) de la variable transformée avec elles, de
l'augmenter et de gonfler son écart type. En conséquence, la région de détection des valeurs aberrantes
serait plus petite que lorsque de telles observations extrêmes sont absentes, et la règle de détection des
valeurs aberrantes définie dans l'équation (7.10) serait plus indulgente pour toutes les autres observations ailleurs dans
88 Les critères de qualité de l'ajustement tels que le test du chi carré de Pearson (Snedecor et Cochran 1989) peuvent être utilisés pour déterminer quelle transformation
est la meilleure dans un contexte donné. La statistique de Pearson divisée par ses degrés de liberté converge vers 1 lorsque les données se rapprochent d'une
distribution gaussienne : elle peut être interprétée comme une mesure de la proximité d'une distribution par rapport à la normalité et utilisée pour classer les
transformations en fonction de leur succès à normaliser la données.
la distribution, qu'ils soient eux aussi extrêmes par rapport à la masse de l'échantillon. Encore une fois, le remède
est assez simple, car des mesures robustes de localisation et d'échelle ne sont pas difficiles à trouver : la médiane
peut remplacer la moyenne, et comme pour l'écarttype, les alternatives incluent l'intervalle interquartile, l'écart absolu
moyen (Hampel 1974), et bien d'autres.
À la lumière de ces considérations, la stratégie de détection des valeurs aberrantes résultant de la discussion
cidessus peut être résumée en deux étapes : (1) transformer la variable d'intérêt pour induire la normalité
dans sa distribution empirique, et (2) utiliser des statistiques robustes pour définir la seuils de la région
aberrante. Le score z dans l'équation (7.10) est donc remplacé par son homologue robuste, et la règle de
détection des valeurs aberrantes résultante (bilatérale) est la suivante :
t − moyen(t)
> 3 (7.11)
Qt
où t désigne la variable transformée (normalisée), med(t) est sa médiane et Qt est un estimateur robuste de la
dispersion, ou échelle, de t (Rousseeuw et Croux 1993). Selon l'équation (7.11), nous signalerions comme valeurs
aberrantes toutes les valeurs de x dont la transformation t tombe en dehors de la région [med(t) – 3 × Qt , med(t) + 3
× Qt ]. Cette approche est expliquée plus en détail dans Belotti, Mancini et Vecchi (2021) et associée à une application
empirique approfondie.
Un certain nombre de questions pratiques demeurent : Doiton détecter les valeurs aberrantes au niveau national,
régional ou sousrégional ? Devonsnous nous préoccuper uniquement des valeurs aberrantes de l'agrégat de
consommation luimême, ou devrionsnous également nous soucier de la répartition des composantes des
dépenses ? De plus, une fois les valeurs aberrantes signalées, que devonsnous en faire ? Si suggérer un critère
spécifique de détection des valeurs aberrantes est controversé, alors recommander une procédure de traitement
spécifique est utopique. Trop de facteurs non généralisables entrent en jeu : la variable d'intérêt, le nombre de
valeurs aberrantes détectées, la relation avec d'autres variables du jeu de données. Ce n'est pas une coïncidence si,
alors que le consensus sur la pertinence et l'impact du nettoyage des données est presque universel, les meilleures
pratiques pour traiter les problèmes de données continuent d'être insaisissables. Cela ne doit pas décourager les
analystes d'investir autant d'efforts que nécessaire à ce stade de l'analyse. Les recommandations habituelles
s'appliquent : quel que soit le choix en termes de détection et de traitement des valeurs aberrantes, il est crucial de
documenter ce qui a été fait et de présenter des résultats basés sur des variables "brutes" ainsi que sur des variables
"propres" (analyse de sensibilité). . Les méthodes d'analyse de sensibilité sont discutées plus généralement dans la
section 8.
8. Analyse de sensibilité
Le processus de construction d'un agrégat de consommation et d'estimation des inégalités et de la pauvreté se heurte
à des dilemmes méthodologiques. Même lorsqu'il s'en tient aux recommandations de la théorie et de la littérature,
l'analyste a rarement un chemin clair vers le résultat final.
Plus souvent, elle devra choisir entre plusieurs options également valables : par exemple, il existe généralement plus
d'une stratégie d'imputation viable pour les valeurs manquantes ou extrêmes (section 7.3). Plus souvent encore, elle
sera confrontée à la nécessité de choisir l'une des quelques « mauvaises » alternatives : estil préférable d'inclure une
valeur locative autodéclarée non fiable dans l'agrégat, ou une valeur modélisée, même si nous pouvons connaître le
le modèle n'est peutêtre pas très bon non plus ? (section 4.5) Devrionsnous construire un indice spatial des prix basé
sur des valeurs unitaires « bruyantes » tirées d'enquêtes, ou devrionsnous complètement ignorer la déflation spatiale ?
(rubrique 5.2). Enfin, parfois, il n'y a tout simplement pas de consensus dans la littérature sur la meilleure conduite à
tenir : le choix de l' échelle d'équivalence la plus appropriée pour ajuster l'agrégat de consommation en est un exemple
notable (section 6).
En définitive, à chacun de ces virages, un choix doit être fait. L'arbitraire est inévitable, mais il peut et doit être géré.
Les bonnes pratiques exigent que l'analyste fournisse une évaluation, éventuellement une quantification, de l'impact
des choix arbitraires sur les estimations finales. Cela peut être accompli par le biais d' une analyse de sensibilité, qui
peut être définie de manière approximative comme l'étude de la façon dont les changements dans les intrants d'un
processus affectent son résultat.89 Dans notre cas, le processus est le calcul d'un indicateur de bienêtre, les intrants
sont les choix qui la façonnent, et le résultat peut être une ou plusieurs statistiques intéressantes, telles que les
estimations des inégalités et de la pauvreté. En général, l'objectif de l'analyse de sensibilité est de tester si les résultats
sont robustes par rapport aux hypothèses formulées par l'analyste. Parmi les décisions de l'analyste du bienêtre,
lesquelles devraient faire l'objet d'une enquête ?
Et comment?
La première question pose le problème du « choisir ses combats ». On ne peut pas enquêter sur chaque choix
controversé fait lors de la construction de l'agrégat : « Il y a tellement de points sur lesquels il faut porter un jugement,
et ils se combinent les uns avec les autres pour produire un nombre incroyablement élevé d'alternatives. Les décisions
doivent être prises pour le meilleur ou pour le pire » (DZ, p. 63). Les Lignes directrices poursuivent en affirmant que
toutes les décisions controversées n'ont pas non plus d'influence sur les statistiques d'intérêt : l'approche sensée
consiste à concentrer les efforts sur les choix qui ont le potentiel d'être les deux. DZ en a retenu deux : le choix d'une
échelle d'équivalence et l'inclusion d'une composante de dépense « atypique » ou mesurée avec erreur, qu'ils
désignent comme les meilleurs candidats pour l'analyse de sensibilité. En fait, selon le contexte et les statistiques
d'intérêt, la liste pourrait être facilement allongée. Cette section ne tentera pas de proposer un inventaire de toutes les
situations où l'analyse de sensibilité doit être effectuée ; ce serait un exploit impossible. Au lieu de cela, il se concentre
sur la façon d'enquêter sur les
89 Les termes « sensibilité » et « robustesse » peuvent revêtir des significations techniques spécifiques dans différents contextes. Dans cette
section, « analyse de sensibilité » et « contrôles de robustesse » sont utilisés de manière interchangeable, et le mot « robuste » doit être
interprété comme signifiant « non sensible ».
Analyse de sensibilité
choix méthodologiques que l'analyste jugera critiques. Nous abordons les principaux outils de la tâche —
tableaux (section 8.1) et courbes (section 8.2) — et le faisons au moyen d'exemples pratiques.
La section 8.3 se concentre sur le test de sensibilité au choix d'un seuil de pauvreté et d'un indice de pauvreté.
La section 8.4 résume les principales recommandations.
8.1 Tableaux : comparaisons côte à côte
Le test le plus simple de l'impact des hypothèses de mesure sur les résultats consiste en une comparaison
côte à côte des statistiques d'intérêt (par exemple, les indicateurs d'inégalité et de pauvreté) calculées selon
différents scénarios : définitions alternatives de l'agrégat de bienêtre, méthodes alternatives pour traitant des
valeurs aberrantes, des déflateurs spatiaux alternatifs, etc.
Le tableau 8.1 présente quelques exemples d'analyses de sensibilité réalisées de cette manière, tirées de
récents rapports d'évaluation de la pauvreté. A titre d'illustration, prenons le cas de la ligne 1, qui reproduit les
résultats d'un test de sensibilité des taux de pauvreté à l'imputation des données manquantes, pour le cas du
Bangladesh en 2016. Dans l'Enquête sur les revenus et les dépenses des ménages de cette annéelà, un Il a
été constaté qu'un pourcentage anormalement élevé de ménages déclarait zéro dépense pour l'éducation,
malgré le fait que des membres du ménage étaient actuellement inscrits à l'école. Les analystes ont décidé
d'imputer les valeurs manquantes et nulles des dépenses d'éducation afin de concilier les informations
fournies dans les différents modules du questionnaire. Étant donné que la décision d'imputer les valeurs
manquantes est controversée (voir section 7), l'impact de ce choix sur les résultats finaux a été dûment
étudié. Cela a été fait en comparant le taux de pauvreté par habitant dans le scénario « sans imputation
» (25,1 %, correspondant à la méthode A du tableau 8.1) avec le taux de pauvreté par habitant dans le
scénario « données imputées » (24,8 %, correspondant à la méthode B du tableau 8.1). La comparaison
conduit à la conclusion que l'impact de l'imputation sur le taux de pauvreté par habitant n'est pas
significativement différent de zéro. Les lignes restantes du tableau 8.1 reproduisent les résultats de contrôles
similaires.
TABLEAU 8.1. Analyse de sensibilité dans la pratique : Comparaisons côte à côte des taux de pauvreté
(pourcentage)
Méthode Méthode Différence

Source Décision
UN B UN B
1 Imputation des données : pas d'imputation (A) par rapport à 25.1 24,8 0,3

l'imputation de zéros et de valeurs manquantes dans les dépenses
d'éducation (B)
1 Détection des valeurs aberrantes : valeurs extrêmes identifiées par 24.3 24.0 0,3

strates (A) vs par divisions (B)
2 Dépenses alimentaires : annualisation en utilisant les jours réels de 23.2 22,5 0,7

tenue du journal (A) par rapport à une période supposée de 30 jours (B)
2 Source de données pour la déflation spatiale : enquête sur les prix des produits non 23.2 27,8 –4,6***

alimentaires et du poisson, valeurs unitaires pour les produits alimentaires (A) par rapport
aux valeurs unitaires pour tous les articles (B)
3 Dépenses de santé : incluses dans l'agrégat de consommation 17.0 27,0 –10.0***

(A) vs exclues (B)
3 Biens durables : inclus dans l'agrégat de consommation 26.6 27.4 –0,8

(B) vs exclus (A)
(A continué)
TABLEAU 8.1. (A continué)
Méthode Méthode Différence

Source Décision
UN B UN B
4 Biens durables : approche acquisition (A) vs flux de 31,0 30 1.0

consommation avec amortissement géométrique (B)
5 Déflation spatiale : utiliser l'indice des prix de Laspeyres (A) 27,0 25,0 2.0**

par rapport à l'agrégat de consommation nominal non ajusté (B)
5 Inflation : ajustement pour l'inflation intraannuelle (A) par rapport 27.1 27,6 –0,5
à l'utilisation de l'agrégat de consommation nominale (B)
5 Échelle d'équivalence : utilisation des dépenses par habitant (A) par 32,0 21.4 10.6***

rapport à l'équivalent adulte (B)
REMARQUE : Les erreurs standard sont omises pour éviter d'encombrer le tableau. La dernière
colonne, rapportant les différences entre les estimations ponctuelles, est un calcul sommaire par les
auteurs, basé sur des informations publiées. Les étoiles indiquent la signification des différences :
p<0,05,
* **
p<0,01, *** p<0,001.
SOURCES : [1] Bangladesh (2017, 19) ; [2] RDP lao (2014, 43) ; [3] Liban (2015, 27) ; [4] Myanmar 2017,
44 ; et [5] Palestine (2018, 29).
L'approche illustrée par la collection d'exemples du tableau 8.1 est assez facile à mettre en œuvre dans la
plupart des situations et peut être très perspicace, malgré sa simplicité. Pour ces raisons, il s'agit d'une
première étape utile pour toute analyse de sensibilité.90 Cependant, dans la plupart des situations réelles,
le nombre de résultats à vérifier peut rapidement devenir incontrôlable. Un cas typique où cela se produit
est lorsque l'analyste souhaite tester la robustesse d'un profil de pauvreté. Un profil de pauvreté examine
« le schéma de la pauvreté pour voir comment il varie selon la géographie (par région, urbaine ou rurale,
montagne ou plaine, etc.), selon les caractéristiques de la communauté (par exemple, dans les
communautés avec et sans école), et par caractéristiques du ménage (par exemple, par niveau d'instruction
du chef de ménage ou par taille du ménage). Par conséquent, un profil de pauvreté est une comparaison
complète de la pauvreté, montrant comment la pauvreté varie entre les sousgroupes de la société.
(Haughton et Khandker 2009, 122 ; Ravallion et Bidani 1994, 75). Lorsque la sensibilité entre en jeu, des
questions telles que « le classement de la pauvreté entre les zones urbaines et rurales changetil lorsque
l'agrégat de consommation est calculé différemment ? Qu'en estil du classement entre grands et petits
ménages ? Entre les ménages dirigés par des hommes et des femmes ? » s'accumuler rapidement.
Un moyen efficace de résumer la robustesse des principaux résultats d'un profil de pauvreté est de 91
Chaque
présenté dans le tableau 8.2, qui sera appelée matrice de robustesse. représente ligne du tableau
une constatation ou une
affirmation dont la robustesse est à l'étude ; chaque colonne représente un aspect méthodologique dont
l'impact sur les résultats est en cours de vérification. La cellule (1,1), où la ligne 1 et la colonne 1 se
rejoignent, fournit la réponse à la question : le résultat « la pauvreté rurale est supérieure à la pauvreté
urbaine » estil robuste au choix d'une procédure de traitement des valeurs aberrantes qui est différente
de celle qui est choisie ? comme « ligne de base » ? La coche dans la cellule (1,1) indique que la réponse
est positive, c'estàdire que le classement de la pauvreté des zones urbaines et rurales n'est pas affecté
par la manière dont les valeurs aberrantes sont traitées. Comme contreexemple, la cellule (1,2) de
90 Alors que le tableau 8.1 ne fait référence qu'aux taux de pauvreté par habitant, des tableaux similaires peuvent être produits pour tester la
sensibilité de toute statistique d'intérêt. Par exemple, on peut souhaiter vérifier la sensibilité d'autres mesures de pauvreté (l'indice d'écart de
pauvreté, l'écart de pauvreté au carré, etc.), mais aussi des mesures d'inégalité, les dépenses moyennes, etc.
91 Voir BosnieHerzégovine (2003, 65), tableau 6.2, qui a inspiré la matrice de robustesse du tableau 8.2. Voir aussi D'Alessio (2020).
la matrice de robustesse indique que les zones rurales ne se révèlent plus plus pauvres que les zones
urbaines si l'on fonde ses estimations sur un agrégat nominal, c'estàdire si l'on renonce à la déflation
spatiale. Dans ce cas, la conclusion est que le classement de la pauvreté urbainerurale n'est pas robuste
au choix d'ajuster les différences de coût de la vie. Par extension, lorsqu'une ligne de la matrice contient
toutes les coches, le résultat correspondant est robuste à chacun des ajustements méthodologiques
envisagés dans les colonnes ou, plus pragmatiquement, se qualifie comme une "histoire" qui peut être
incluse en toute sécurité dans le résumé exécutif, étant donné qu'il n'est pas vulnérable aux hypothèses
discrétionnaires. Cela rassure l'analyste, ainsi que le lecteur. C'est le cas de la ligne 4 du tableau 8.2, par
exemple. En revanche, lorsqu'une ou plusieurs marques x sont présentes dans une ligne, il faut être
prudent avant de mettre en évidence le résultat correspondant comme un résultat solide dans l'exemple
du tableau 8.2, c'est le cas pour la ligne 1, par exemple, qui rapporte que la conclusion « la pauvreté
rurale est supérieure à la pauvreté urbaine » dépend essentiellement de l'ajustement spatial au coût de la
vie.
TABLEAU 8.2. La matrice de robustesse
Données
Ajustement pour la
Ajustement de prix composition du ménage
DZ
Résultats de base
Imputation des Pas de Échelle 3 α = 0,25,
valeurs aberrantes déflation de l'OCDE θ = 0,9 4
1 spatiale 2 II
Géographie
L'incidence de la pauvreté est plus élevée dans les zones
¸ ˚ ¸ ¸
1 rurales que dans les zones urbaines
Démographie
2 L'incidence de la pauvreté augmente
¸ ¸ ˚ ˚
avec l'âge du chef de ménage
Les personnes âgées sont moins exposées au risque de pauvreté
¸ ¸ ˚ ˚
3
¸ ¸ ¸ ¸
que les enfants
L'incidence de la pauvreté est la même pour les
4 hommes et les femmes
Éducation et travail
L'incidence de la pauvreté diminue à
¸ ¸ ¸ ¸
5
˚ ¸ ¸ ¸
mesure que le niveau d'instruction augmente
6 La pauvreté est plus élevée pour les personnes
en emploi que pour les personnes sans emploi
Logement
La pauvreté est plus élevée chez les ¸ ¸ ¸ ¸
7 locataires que chez les propriétaires
Divers
8 La pauvreté est plus élevée parmi les réfugiés
¸ ¸ ¸ ¸
LÉGENDE : ̧ indique qu'un résultat (ligne) est confirmé sous une certaine modification méthodologique (colonne) ; ̊
indique que ce n'est pas le cas.
REMARQUE : Le tableau présente un exemple hypothétique d'analyse de sensibilité. Par «résultats de base», nous désignons
les résultats obtenus à l'aide d'un agrégat de consommation de base (dans cet exemple, sans imputation de valeur aberrante, avec
déflation spatiale et exprimé en termes par habitant). Les colonnes du tableau indiquent les changements apportés à la méthodologie
de référence dont l'impact sur le profil de pauvreté est en cours de vérification.
Dans certains cas, l'utilisation de méthodes plus sophistiquées d'analyse de sensibilité peut offrir des informations
supplémentaires. Les lignes directrices de DZ ont démontré comment le concept de dominance stochastique
(Shorrocks 1983 ; Atkinson 1987 ; Foster et Shorrocks 1988) pouvait être utile aux fins de l'analyse de
sensibilité, mais les 20 dernières années montrent que cet ensemble d'outils n'a pas réussi à se répandre autant
qu'il aurait peutêtre dû (ce point est abordé plus en détail à la section 8.4). Dans la section 8.2, nous lui donnons
une autre chance. La charge de calcul de l'analyse de dominance stochastique est maintenant proche de zéro,
grâce à la disponibilité de packages statistiques standard : il n'y a vraiment aucune bonne raison pour qu'elle ne
soit pas un élément incontournable de l'analyse de bienêtre appliquée (GarciáGómez, Pérez et PrietoAlaiz 2019).
8.2 Courbes : analyse de dominance stochastique
Le point de départ pour comprendre le concept de dominance stochastique est la fonction de
distribution cumulative (CDF), sans doute l'arme la plus utile dans l' arsenal de l'analyste du bien
être (voir, par exemple, Duclos et Araar 2006, et Chakravarty 2019). Une définition formelle de la
CDF peut être trouvée dans n'importe quel manuel de statistiques et suit les lignes suivantes : si X
est une variable aléatoire, alors sa CDF, indiquée par F(x), est définie pour tout nombre réel x comme
la probabilité que X est inférieur ou égal à x :
F(x) = P(X ≤ x) (8.1)
En pratique, si X est la dépense, alors l'équation (8.1) indique que le CDF mesure la proportion
d'individus ayant des dépenses d'au plus x. La figure 8.1 fournit une représentation graphique du
CDF.92 Pour fixer les idées, imaginez que X est la consommation réelle par habitant, et x est
n'importe quel montant monétaire mesuré, par exemple, en kwacha malawien. Si, par exemple, nous
prenons x égal à 150 000 kwacha, alors F(150 000) = 0,57 est la proportion de la population pour
laquelle la consommation réelle annuelle par habitant est inférieure ou égale à 150 000 kwacha.
Ceci est généralement rapporté en pourcentage (57%). Par construction, le CDF est compris entre
0 (personne n'a moins que le minimum de dépenses observé dans les données) et 1 (tout le monde
a moins que le maximum), il est monotone croissant, et typiquement de forme sigmoïde (initialement
convexe puis concave), comme sur la figure 8.1. La connaissance de ces concepts est importante
pour la discussion qui suit.
L'importance du CDF pour les analystes du bienêtre devient évidente lorsque l'on considère que
lorsque la valeur choisie pour x (axe horizontal) est égale au seuil de pauvreté nous indiquons
généralement cette valeur par la lettre z alors F(z) sur la verticale correspond au taux de pauvreté,
H. Si 150 000 kwacha étaient la valeur du seuil de pauvreté national pour le pays représenté sur la
figure 8.1, alors 57 % serait la part estimée de la population vivant dans la pauvreté pour cette
année. En raison de cette interprétation du CDF comme une courbe qui trace le taux de pauvreté
pour toute valeur donnée choisie pour le seuil de pauvreté, on l'appelle parfois la courbe d'incidence
de la pauvreté (Ravallion 1994, 67).
92
Les figures 8.1 à 8.4 présentées dans cette section sont basées sur la quatrième enquête intégrée auprès des ménages (IHS4) du
Malawi de 2016, telle que disponible auprès de RuLIS (2020) données extraites en décembre 2020. Dans certains cas, les données ont
été adaptées pour faciliter l'illustration de la points abordés dans la discussion ; les graphiques ne reflètent pas les résultats et statistiques
officiels.
FIGURE 8.1. La fonction de distribution cumulative empirique (CDF)
100
80
60
57,0
pourcentage
population
cumulé
F(x),
de
la
40
20
0 150 000
0 200 000 400 000 600 000 800 000
x, agrégat de consommation
(MKW/personne/an)
REMARQUE : MWK signifie kwacha malawien. Le chiffre est purement illustratif et ne reflète pas les statistiques
officielles.
SOURCE : Élaboration des auteurs sur la base de la quatrième enquête intégrée auprès des ménages de 2016
au Malawi (IHS4).
En quoi le CDF estil utile pour l'analyse de sensibilité ? Supposons que nous construisions un agrégat de
consommation, que nous notons X1 . Soit X2 un second agrégat de consommation, né de choix
méthodologiques différents. Prenons comme exemple le cas suivant : contrairement à X1 , que l'on peut
considérer
d'un indice
comme
spatial
un a
dgrégat
es prix.
nLominal,
'objectif
Xe2
st
peut
d'évaluer
être corrigé
l'impact
des
d'une
différences
telle décision
de coût
(dégonfler
de la vie o
au n
me
oyen
pas
dégonfler ?) sur les estimations de l'incidence de la pauvreté. Soient F1 (x) et F2 (x) les CDF correspondant
à chaque agrégat. On dit que F1 (x) a une dominance stochastique de premier ordre (FOD) sur F2 (x) si
on observe que :
F2 (x) ≥ F1 (x) pour tout x (8.2)
L'équation (8.2) ne contient aucune erreur : la courbe qui domine est celle du bas, et non celle du haut,
comme la plupart d'entre nous pourraient le supposer, en suivant le sens courant du mot "dominance".
Ceci est illustré sur la figure 8.2 (panneau a), où les deux courbes sont tracées sur le même graphique.
Tout cela prend du sens une fois que l'on se rend compte que, quel que soit l'endroit où l'on trace le seuil
de pauvreté, la proportion d'individus en dessous du seuil luimême (le taux de pauvreté par habitant) est
toujours plus faible selon F1
En
que
ce
Fs2 .
ens, nous préférerions tous une société décrite par F1 plutôt qu'une
société décrite par F2 — donc, F1 domine F2 . Le panneau b de la figure 8.2 entrera bientôt en jeu.
Comment FOD peutil aider à déterminer si la pauvreté estimée est sensible au choix
entre X1 et X2 ? Si nous prenons le seuil de pauvreté comme donné et fixe, disons à la valeur
z* =150 000 kwacha — alors la réponse est simple.93 Dans ce cas, la distance verticale entre les deux
courbes évaluée en z*, c'estàdire F1 (z*) – F2 (z*) ou, de manière équivalente, H1 – H2 , nous indique raconte
précisément dans quelle mesure le choix entre les deux agrégats de consommation affecte le taux de
pauvreté. Dans notre exemple, H1 – H2 = 50,6 – 57,0 = –6,4 : la déflation spatiale est responsable d'une
diminution de 6,4 points de pourcentage de l'incidence de la pauvreté, et en ce sens la distance verticale entre
les deux courbes au seuil de pauvreté z* montre comment le taux de pauvreté estimé est sensible au choix
d'ajuster l'agrégat de consommation aux différences de prix.
Certes, cela n'ajoute pas grandchose à la simple tabulation des taux de pauvreté, comme dans le tableau 8.1
(section 8.1). Le pouvoir de FOD est de nous donner la réponse à la question « estce que la pauvreté est
plus élevée avec X1 ou X2 ? », pour n'importe quelle valeur du seuil de pauvreté. Si F1 (z) est inférieur à F2
(z) pour toutes les valeurs de z, comme dans le panneau a de la figure 8.2, alors H1 ≤ H2 pour tout choix de
seuil de pauvreté. De cette façon, un ordre de pauvreté est établi selon lequel la pauvreté est plus faible
lorsque le bienêtre est mesuré en utilisant X1 qu'en utilisant X2 , quel que soit l'endroit où la ligne est tracée.
Ceci est très utile car le seuil de pauvreté luimême est un choix méthodologique discrétionnaire, comme nous
le verrons dans la section 8.3.
FIGURE 8.2. Une illustration de la dominance stochastique de premier ordre
un. F1 (x) le premier ordre domine stochastiquement F2 (x)
100
F2 (x)
(agrégat de
consommation
80 nominale)
F1 (x)
(agrégat de
60 consommation réelle)
57,0
50,6
pourcentage
population
cumulé
F(x),
de
la
40
20
0 z*
0 200 000 400 000 600 000 800 000
(MKW/personne/an)
93 L'analyse dans le texte suit la configuration de DZ et suppose un seuil de pauvreté exogène.
b. F3 (x) ne domine pas stochastiquement au premier ordre F4 (x)
100 F4 (x)
(agrégat de
consommation
avec rente hédonique) F3 (x)
80
(agrégat de
consommation
avec loyer déclaré)
60
pourcentage
population
cumulé
F(x),
de
la
40
20
0 z*
0 200 000 400 000 600 000 800 000
(MKW/personne/an)
REMARQUE : MWK signifie kwacha malawite. Le chiffre est purement illustratif et ne reflète pas les statistiques officielles.
SOURCE : Élaboration des auteurs sur la base de la quatrième enquête intégrée auprès des ménages de 2016 au
Malawi (IHS4).
Malheureusement, le scénario décrit dans le panneau a de la figure 8.2, où les CDF ne se croisent
pas, n'est pas garanti de se produire dans la pratique. Le panneau b de la figure 8.2 montre une
autre comparaison entre les agrégats de consommation, X3 et X4 . Cette fois, nous imaginons
l'analyste évaluant un aspect méthodologique différent : l'estimation du loyer imputé. On peut
considérer X3 comme l'agrégat de consommation où le loyer imputé est la valeur déclarée par les
propriétaires, tandis que pour X4 , le loyer imputé a été prédit à l'aide d'un modèle de régression
hédonique. Le FOD ne peut pas être établi dans ce cas : les CDF se croisent, et le font presque
exactement là où le seuil de pauvreté est fixé. Cela donne lieu à une situation des plus regrettables,
où même une petite variation du seuil de pauvreté impliquerait une inversion de classement entre
les agrégats de consommation alternatifs. Toute valeur candidate pour le seuil de pauvreté à
gauche de z* conduirait à la conclusion que la pauvreté diminue en passant de X3 à X4 (F4 domine
F3 ), tandis que toute valeur à droite de z* impliquerait au contraire une augmentation de la
pauvreté (F3 domine F4 ).94
Traiter une courbe est plus simple que de traiter deux courbes : il est souvent pratique de tracer la
distance verticale entre deux CDF, plutôt que les CDF euxmêmes, pour se concentrer plus
précisément sur la différence entre le taux de pauvreté estimé dans un scénario par rapport à un autre.
94
Voir, par exemple, Amendola et Vecchi (2008), où l'analyse de dominance stochastique des deuxièmes et plus
commandes (Davidson et Duclos 2000) est utilisé pour résoudre une situation comme celle décrite dans le panneau b de la figure 8.2.
La figure 8.3 est la contrepartie exacte de la figure 8.2, en ce sens que les données sousjacentes sont les mêmes,
mais ce qui apparaît dans le graphique est le suivant :
∆H12 = F1 (Z) – F2 (Z) = H1 – H2 (panneau a)
∆H34 = F3 (Z) – F4 (Z) = H3 – H4 (panneau b)
Par souci de brièveté, nous pouvons appeler ces courbes de différence d'effectif.95
Voyons comment l'histoire qui émerge du panneau a de la figure 8.2 est racontée par le panneau a de la figure 8.3. Notre œil
doit se concentrer sur trois aspects principaux. Premièrement, la position de la courbe par rapport à l'axe horizontal reflète l'
ordre de pauvreté entre les deux agrégats de consommation alternatifs. Dans la figure 8.2, cela pourrait être déduit de la
position relative des deux CDF (une courbe est audessus de l'autre), tandis que dans la figure 8.3, cela peut être déduit du
fait que la courbe ∆H12 est toujours inférieure à zéro : ∆H12 = H1 – H2 ≤ 0 implique que H1 ≤ H2 , quel que soit le choix du
seuil de pauvreté, c'estàdire que le taux de pauvreté mesuré à partir (dans notre exemple) de l' agrégat ntoujours
ominal Xinférieur
1 , est
au taux de pauvreté basé sur agrégat réel (ajusté en fonction des prix) . Deuxièmement, la distance de la courbe par rapport
à l'axe horizontal permet d'évaluer
différence
facilement
entre
l' laes
mpleur
taux dde
e
pl'impact
auvreté
dae
lternatifs
la déflation
s'élève
spatiale :
à 6,4 points
au seuil
de
dpe
ourcentage
pauvreté z*,
(=57,0
la
50,6, comme des étiquettes ajoutées à la figure 8.2); maintenant, la courbe de différence d'effectif de la figure 8.3 permet de
voir plus facilement que cette différence varie selon l'endroit où est tracé le seuil de pauvreté. Si la ligne était légèrement
inférieure à z*, l'impact de la déflation spatiale sur les estimations finales serait encore plus important, alors qu'il diminuerait
lentement si le seuil était plutôt relevé. Troisièmement, les bandes de confiance qui entourent la courbe offrent un moyen
simple et immédiat de tester la significativité des différences entre les taux d'effectifs (Chen et Duclos 2011) : dans le cas
présent, la bande ne coupe pas l'axe horizontal, indiquant que les différences observées sont significativement différents de
zéro.
Le même raisonnement peut être appliqué au panneau b de la figure 8.3. Il s'agit de la différence ∆H34 = H3 – H4 ,
correspondant aux agrégats X3 (qui inclut dans notre exemple le loyer autodéclaré) et X3 (qui inclut le loyer hédonique). La
position de la courbe n'est pas partout audessus ou audessous de l'axe des x : à la place, il y a un croisement, montrant
que pour une certaine valeur du seuil de pauvreté (qui, par coïncidence, est presque exactement égal à z*), il y a un
reclassement des taux de pauvreté obtenus à partir des deux agrégats alternatifs de bienêtre. En général, en l'absence de
dominance stochastique (de premier ordre), c'estàdire lorsque la courbe passe d'un territoire positif à un territoire négatif
(ou vice versa), nous ne pouvons pas dire avec certitude quelle méthode d'estimation de la rente donne une pauvreté estimée
plus élevée. La distance de la courbe à l'axe des abscisses nous indique que l' ampleur de l'impact de l'estimation du loyer
est proche de zéro lorsque le seuil de pauvreté est z*, mais qu'il pourrait être de 9 points de pourcentage si le seuil était fixé
autour de 100 000 kwacha , ou –4 points de pourcentage pour une ligne fixée à 200 000 kwacha. Les bandes de confiance
signalent que la plupart des différences observées sont significatives.
95 Voir Duclos et Araar (2006, ch. 10) pour une excellente discussion, bien que mathématiquement plus exigeante, qui étend
l'analyse de la dominance stochastique audelà des ratios d'effectifs.
FIGURE 8.3. Courbes d'écart d'effectifs
un. ∆H12 = F1 (z) – F2 (z) = H1 – H2
2
z*
0
F1(z)
F2
(z)

6
6,4
0 200 000 400 000 600 000 800 000
z, seuil de pauvreté
(MKW/personne/an)
b. ∆H34 = F3 (z) – F4 (z) = H3 – H4
3
F3(z)
F4
(z)

1
z*
0 200 000 400 000 600 000 800 000
(MKW/personne/an)
REMARQUE : MWK signifie kwacha malawite. Le chiffre est purement illustratif et ne reflète pas les statistiques officielles.
H DASP
Les bandes grises représentent l'intervalle de confiance à 95 % de ∆ . Les graphiques ont été produits à l'aide
du pSackage
tata
(commande cfgts2d).
SOURCE : Élaboration des auteurs sur la base de la quatrième enquête intégrée auprès des ménages de 2016
au Malawi (IHS4).
Pour rappel, le panel a de la figure 8.3 nous dit que le taux de pauvreté est sensible à la déflation spatiale, mais
que l'on peut être absolument sûr de l'impact de ce choix : lorsqu'on corrige l'agrégat de consommation des écarts
de prix, la pauvreté estimée est diminuera certainement, et l'on peut s'attendre à ce que l'ampleur du changement
se situe entre 4 et 7 points de pourcentage (en supposant l'utilisation de valeurs dans une fourchette raisonnable
autour du seuil de pauvreté « officiel », z*). En revanche, le panneau b de la figure 8.3 nous indique que nous ne
pouvons rien dire de définitif sur l'impact de la manière dont le loyer imputé est calculé sur l'incidence de la pauvreté.
Le choix entre le loyer autodéclaré et le loyer hédonique pourrait augmenter considérablement l'effectif, le laisser
inchangé ou le diminuer.
La courbe d'écart d'effectif, ∆H, est encore plus utile lorsqu'il s'agit de tester la sensibilité du profil de pauvreté à
l'utilisation de différentes méthodes. C'est d'ailleurs l'application proposée à l'origine par DZ (DZ 2002, 57). Dans la
figure 8.4, nous simulons un scénario courant de manière assez détaillée, un scénario dans lequel l'accent est mis
sur l'ajustement en fonction de la taille et de la composition du ménage. La situation pourrait être décrite comme
celle où l'analyste pose les questions suivantes : « Quel est l'impact du choix d'une échelle d'équivalence sur les
comparaisons de pauvreté ? Par exemple, le constat selon lequel la pauvreté rurale est supérieure à la pauvreté
urbaine estil robuste à ce choix ? Qu'en estil du fait que les enfants se révèlent plus pauvres que les personnes
âgées : cela dépendil de l'échelle d'équivalence choisie ? La courbe de différence d'effectifs dans le panneau a de
la figure 8.4 montre la différence entre les taux de pauvreté des effectifs dans les zones rurales et urbaines, calculée
en utilisant une mesure de bienêtre par habitant par rapport à une mesure équivalente de bienêtre par adulte. Plus
précisément, les deux courbes du panneau a sont définies comme suit :
∆Hru = Hr – Hu = F(x|rural) – F(x|urbain)
Pour chaque courbe, l'agrégat de bienêtre sousjacent est défini de manière différente : en termes par habitant
(ligne continue bleue) et en termes d'équivalent par adulte (ligne continue rouge), en utilisant l'échelle d'équivalence
OCDEII. Les deux courbes sont positives pour toutes les valeurs de x sur l'axe horizontal cela indique que c'est
toujours le cas que Hr > Hu , c'estàdire que le classement de
d'ajustement
la pauvreté udrbainerurale
e l'indicateur edst
e b
robuste
ienêtre.
à lD
a
'autre
méthode
part,
la distance verticale entre deux courbes est substantielle, ce qui suggère que l'impact de l'ajustement sur les
niveaux de pauvreté est également substantiel.96
En revanche, la comparaison « personnes âgées vs enfants » du panel c de la figure 8.4 est moins robuste : dans
ce cas, le rang de pauvreté entre les individus de plus de 75 ans (personnes âgées) et de moins de 15 ans (enfants)
est inversé par le choix d'une échelle d'équivalence. Lorsqu'on utilise un agrégat par habitant, on estime que les
enfants sont plus pauvres (la ligne est toujours dans le positif), tandis que l'inverse se produit avec un indicateur
par habitant.
À partir du panneau b, nous apprenons que les hommes ne sont pas significativement plus pauvres que les
femmes, quelle que soit l'échelle choisie (les deux bandes de confiance se chevauchent avec zéro) ; tandis que le
panel d, comparant les personnes en âge de travailler avec et sans emploi, raconte une histoire similaire au panel
a le fait que la pauvreté soit plus élevée parmi les personnes employées que parmi les personnes inactives peut
être considéré comme robuste (les deux courbes et leurs les bandes de confiance se situent audessus de la ligne zéro).
96 La comparaison des taux de pauvreté par habitant et par équivalent adulte nécessite l'ajustement du seuil de pauvreté –
voir DZ (2002, 61) pour plus de détails.
FIGURE 8.4. Courbes d'écart d'effectif et robustesse du profil de pauvreté au choix de l'échelle d'équivalence
un. Classement de la pauvreté rurale urbaine
50
40
par habitant
30
OCDEII
20
ΔH=Hrural
Hurban
dix
0 100 000 200 000 300 000 400 000 500 000 600 000
(MKW/personne/an)
b. Classement hommes femmes pauvreté
1
OCDEII
0
femmes
H
Hommes
par habitant
ΔH=H
1
0 100 000 200 000 300 000 400 000 500 000 600 000
(MKW/personne/an)
c. Classement de la pauvreté des personnes âgées des enfants
20
dix
OCDEII
0
ΔH=personnes
Henfants
âgées
10 par habitant
20
0 100 000 200 000 300 000 400 000 500 000 600 000
(MKW/personne/an)
d. Classement de la pauvreté en emploi sans emploi
OCDEII
par habitant
4
2
ΔH=Hemployé
Hsans
emploi
0 100 000 200 000 300 000 400 000 500 000 600 000
(MKW/personne/an)
REMARQUE : MWK signifie kwacha malawien. Le chiffre est purement illustratif et ne reflète pas les statistiques officielles.
H DASP
Les bandes grises représentent l'intervalle de confiance à 95 % de ∆ . Les graphiques ont été produits à l'aide
du pSackage
tata
(commande cfgts2d).
SOURCE : Élaboration des auteurs sur la base de la quatrième enquête intégrée auprès des ménages de 2016 au
Malawi (IHS4).
Les résultats de l'analyse résumés à la figure 8.4 pourraient trouver leur place dans la matrice de robustesse
(tableau 8.2 de la section précédente) : les résultats des quatre graphiques se traduiraient par trois coches
(panneaux a, b et d), ce qui signifie que le classement de la pauvreté est robuste, et un x (partie c), signifiant
que le classement est sensible au choix de l' échelle d'équivalence, en colonne 3 du tableau.
Nous avons laissé pour la fin la discussion sur la manière de généraliser la courbe de pauvreté par effectif
présentée dans cette section, car elles ont été illustrées avec une grande clarté dans Ravallion (1994),
Deaton (1997), Lambert (2001) et Duclos et Araar (2006, chapitre 10). Les analystes souhaitant aller audelà
des courbes de pauvreté par effectif peuvent facilement produire des graphiques similaires à ceux de la
figure 8.4 pour l'indice de l'écart de pauvreté, l'indice de l'écart de pauvreté au carré et d'autres mesures de
pauvreté d'ordre supérieur.
8.3 Sensibilité au choix du seuil de pauvreté et de la
mesure de la pauvreté
Lorsqu'un nouveau seuil de pauvreté est proposé, quelle que soit la solidité technique et la participation
politique de son estimation, il est presque invariablement accueilli par des critiques et du scepticisme : les
choses seraient différentes si un autre seuil de pauvreté était utilisé, selon l'argument. Mais comment différent?
La sensibilité des estimations de la pauvreté au choix du seuil de pauvreté peut être évaluée au moyen d'une
méthode simple, illustrée dans le tableau 8.3.97 En utilisant des exemples sélectionnés dans les rapports
sur la pauvreté publiés pour chaque pays, le tableau montre (1) la taux de pauvreté par habitant (ligne
intitulée « Réel »), et (2) les taux de pauvreté qui seraient observés en déplaçant cette ligne vers le haut ou
vers le bas de 5 %, 10 % et 20 %. En considérant le cas de l'Arménie, par exemple, le tableau montre qu'une
augmentation de 10% du seuil de pauvreté impliquerait une augmentation de l'incidence de la pauvreté de
29,8% à 30,9%, soit +0,37 points de pourcentage, correspondant à une élasticité de 0,4. Cette valeur est
relativement faible par rapport à celle résultant du même calcul pour le Botswana (1,4), ou la Mongolie (2,3),
ou la République démocratique populaire lao (2,6) les taux d'incidence de la pauvreté en Arménie sont
donc qualifiés de « robustes au choix du seuil de pauvreté."
Les résultats des contrôles de sensibilité comme ceux présentés dans le tableau 8.3 dépendent
essentiellement de la forme du CDF de l'agrégat de bienêtre, en particulier de la pente de la courbe au
voisinage du seuil de pauvreté : plus la courbe est raide, plus l'incidence de pauvreté réagira à de petites
variations du seuil de pauvreté (Ravallion et Huppi 1991, 6667). Certains analystes interprètent cette mesure
– l'élasticité du taux de pauvreté par rapport aux variations du seuil de pauvreté – comme un indicateur de la
vulnérabilité à la pauvreté. Le raisonnement est que la fraction de la population située juste audessus du
seuil de pauvreté est « vulnérable » à devenir pauvre après un petit choc sur le seuil luimême (ou, de
manière équivalente, après un petit choc sur les revenus/dépenses).98 Comme l'a noté Ravallion (2016,
258), il s'agit d'une étiquette trompeuse (mesurer la vulnérabilité implique d'estimer
97 Comme indiqué dans la section précédente, l'analyse de la dominance stochastique est le principal instrument d'analyse de la
sensibilité des comparaisons de la pauvreté aux variations du seuil de pauvreté — voir par exemple le commentaire de la figure 8.2.
98 Voir Dercon (2005b) et Gallardo (2018).
ou la modélisation de l'élément de risque qui lui est inhérent), mais si l'approche présentée dans le tableau 8.3 est
utilisée avec cette mise en garde à l'esprit, elle peut fournir des informations utiles concernant la robustesse des
estimations de la pauvreté par rapport au choix d'un seuil de pauvreté (Foster et al. 2013, ch. 3).
TABLEAU 8.3. Sensibilité du taux de pauvreté par habitant (pourcentage) au choix du seuil de pauvreté
Arménie Changement Botswana Changement Mongolie Changement

Seuil de
2015 par 2009/10 par 2016 par
pauvreté
[1] rapport au réel (%) [2] rapport au réel (%) [3] rapport au réel (%)
+20% 36.1 21.1 25.4 31.3 42.2 42,6
+10% 30,9 3.7 22.2 14.4 36.3 22.6
+ 5% 30,0 0,7 20.8 7.3
Réel 29.8 0.0 19.4 0.0 29.6 0.0
–5% 22.4 –24,8 17.7 –8,8
dix% 16.5 –44,6 16.2 –16,2 23.1 –22,0
–20% 9.2 –69,1 12.8 –34,1 17.1 –42,2
Mozambique Changement RDP lao Changement Madagascar Changement

Seuil de
2014/15 [4] par 2013 [5] par 2012 [6] par
pauvreté
rapport au réel (%) rapport au réel (%) rapport au réel (%)
+20% 57.2 24.1 34,9 50.2 78,4 10.9
+10% 51,7 12.1 29.2 25,7 74,9 5.8
+ 5% 49,0 6.3 26.4 13.4 73,0 3.2
Réel 46.1 0.0 23.2 0.0 70,7 0.0
–5% 42,9 –6,9 20.4 –12,3 68.3 –3,4
dix% 39,7 –13,9 17.6 –24,3 65,5 –7,4
–20% 33.1 –28,2 12.4 –46,7 59,9 –16,3
REMARQUE : [1] Arménie (2016, 44) ; [2] Botswana (2015, 31) ; [3] Mongolie (2017, 11) ; [4] Mozambique
(2016, 14) ; [5] RDP lao (2014, 46) ; et [6] Madagascar (2016, 34). Voir l'annexe A pour les références
complètes.
SOURCE : Calculs des auteurs.
Une dernière remarque porte sur la sensibilité des taux de pauvreté au choix de l' indice de pauvreté, point qui a
reçu moins d'attention que le choix du seuil de pauvreté. Le choix d'un indice de pauvreté est un choix arbitraire :
de nombreux indices existent, et la plupart d'entre eux se sont révélés être des choix judicieux (Zheng 1997). La
classe de mesures de la pauvreté de Foster, Greer et Thorbecke (FGT) (1984), qui comprend le taux d'incidence
(capturant l'incidence de la pauvreté), l' indice de l'écart de pauvreté (capturant la profondeur de la pauvreté) et
l'indice de l'écart de pauvreté au carré (capturant la sévérité de la pauvreté) est devenu la norme pour les
évaluations internationales de la pauvreté. Ces mesures sont signalées par le PovcalNet de la Banque mondiale,
une foule d'agences des Nations Unies et d'innombrables pays individuels (Foster, Greer et Thorbecke 2010,
492). Compte tenu des différents schémas de pondération (jugements de valeur) qui soustendent les indices FGT
(Ravallion 1998), la communication et la comparaison des trois estimations constituent un moyen simple de tester
la sensibilité des résultats au choix de l'indice de pauvreté et devraient devenir une routine dans l'analyse de la
pauvreté.
En fait, d'autres mesures de la pauvreté pourraient être utilement ajoutées à la liste : l'un est l'indice de Watts
(Watts 1968), longtemps négligée par les analystes de la pauvreté (Ravallion 2016, 233236), mais remise plus
tard sur le devant de la scène en raison de ses propriétés désirables (Zheng 1993) et de son intérêt économique.
interprétation (Morduch 1998). D'autres sont l'indice SenShorrocksThon (SST) (Shorrocks 1995;
Osberg et Xu 2001) et la famille d'indices ClarkHemmingUlph (CHU) (Clark, Hemming et Ulph 1981).
Il est recommandé d'estimer les indices de Watts, SST et CHU et de suivre la recommandation de Foster
et al. (2013, 204) : « si ces mesures [alternatives], capturant différents aspects de la pauvreté et de
l'inégalité parmi les pauvres, concordent avec les résultats des mesures de la classe FGT, alors l'analyse
de la pauvreté est robuste. En revanche, si ces mesures ne concordent pas, la conclusion politique doit
être tirée avec plus de prudence.
8.4 Discussion
La mesure du bienêtre implique des jugements de valeur : un certain nombre de paramètres – y
compris les échelles d'équivalence, les indices de prix, les méthodes d'imputation, les seuils de pauvreté,
etc. – doivent être sélectionnés par l'analyste, qui, ce faisant, exerce au moins un certain degré de
discrétion. Cela a tendance à attirer les critiques. Pour répondre aux critiques, il faut évaluer l'incidence
des choix discrétionnaires sur les estimations finales. L'instrument naturel pour cela est l'analyse de
sensibilité, mais nous constatons que, malgré un consensus général sur son opportunité, elle n'a pas
reçu l' attention voulue dans les travaux appliqués. un sur cinq comprend un chapitre ou une annexe
consacré à l'analyse de sensibilité. Une première recommandation est que l'analyse de sensibilité
systématique devrait faire partie intégrante du processus de construction d'un agrégat de bienêtre et de
production d'estimations finales. Une section ou une annexe consacrée aux tests de sensibilité devrait
devenir la norme pour tout rapport technique présentant des estimations des inégalités et de la pauvreté.
Une deuxième recommandation concerne l'objet de l'analyse de sensibilité. La figure 8.5 montre que,
parmi les rapports qui incluent des contrôles de sensibilité, près de la moitié se concentrent sur la
sensibilité des estimations de la pauvreté aux variations du seuil de pauvreté, comme indiqué à la
section 8.3. Nous soutenons qu'il s'agit d'une bonne pratique et qu'elle devrait également devenir une
tâche de routine. Cependant, d'autres choix analytiques moins « accrocheurs » peuvent avoir un impact
potentiellement important sur les conclusions finales. Seule une minorité de rapports officiels se livrent
à une enquête systématique sur la mesure dans laquelle les résultats sont sensibles aux choix effectués
lors de la construction de l'agrégat de consommation, et, en particulier, aux options discutées dans les
sections 4 (agrégation), 5 (prix), et 6 (taille du ménage). Soumettre ces choix (lesquels dépendent des
données et du contexte) à un examen plus approfondi ne ferait que renforcer la crédibilité des résultats.
A cela, nous ajouterons qu'il convient également de vérifier la sensibilité des estimations de la pauvreté
au choix des différents indices de pauvreté , non seulement en faisant varier le paramètre « aversion à
la pauvreté » au sein de la classe des mesures FGT, mais aussi en vérifiant si la Les estimations basées
sur le FGT sont cohérentes avec d'autres mesures de la pauvreté. Suivant Foster et al. (2013), nous
suggérons l'indice de Watts et les mesures de pauvreté SenShorrocksThon et ClarkHemmingUlph.
99 La littérature récente sur les indicateurs de pauvreté multidimensionnelle est une exception notable. Alkire et al. (2015), par
exemple, consacrent un chapitre entier à l'analyse de robustesse basée sur la dominance stochastique.
FIGURE 8.5. Analyse de sensibilité dans les rapports officiels sur la pauvreté
Ajustement de prix 4.7
Mesures de pauvreté 4.7
Autre 7.8
Problèmes de données 10.9
Construction de
12.5
l'agrégat
Ajustement de
14.1
la taille du ménage
Seuil de pauvreté
45.3
0 dix 20 30
Pourcentage de pays
REMARQUE : Les catégories sur l'axe vertical indiquent les choix méthodologiques testés via l'analyse de
sensibilité. Par exemple, 45,3 % de tous les contrôles portent sur la sensibilité des estimations de la pauvreté
au seuil de pauvreté ; 14,1 % portent sur la sensibilité des estimations de la pauvreté aux procédures
d'ajustement de la taille des ménages, etc.
SOURCE : Notre élaboration basée sur la base de données en annexe A.
Une troisième recommandation concerne les méthodes disponibles pour effectuer une analyse de sensibilité.
Lorsque l'accent est mis sur les estimations de la pauvreté, l'analyse de dominance stochastique apparaît comme le
principal outil pour effectuer des contrôles de sensibilité approfondis. De cette façon, l'analyste peut identifier les conclusions
qui peuvent être transformées en « faits » et portées à l'attention des décideurs. Sur le plan opérationnel, les tableaux de
comparaison côte à côte, ainsi que la matrice de robustesse présentée à la section 8.1 et la courbe de différence d'effectif
à la section 8.2 sont des outils simples mais perspicaces, utiles pour organiser les résultats nécessaires à l'élaboration
d'un profil de pauvreté empiriquement robuste.
Les estimations des inégalités et d'autres statistiques intéressantes (y compris les statistiques récapitulatives de l'agrégat
de bienêtre luimême) n'ont pas été mentionnées aussi souvent que les estimations de la pauvreté dans cette section, ce
qui dément leur importance. Les outils discutés dans la section 8.1 (tableaux 8.1 et 8.2) sont, en fait, facilement adaptables
à toute statistique dont la robustesse est à l'étude.
Une note finale sur l'interprétation des exercices de sensibilité. L'analyste espère généralement obtenir un
verdict de « robustesse » de ses contrôles (DZ 2002, 65). Les résultats peuvent alors être déclarés solides,
quelles que soient les hypothèses, et donc à toute épreuve contre les critiques. Comme indiqué par les
directives de DZ , cependant, même lorsque les résultats ne peuvent pas être considérés comme robustes
par exemple, l'ajustement pour la composition du ménage est généralement très important une analyse de
sensibilité peut permettre de mieux comprendre exactement comment nos choix affectent les estimations
finales, ce qui va un long chemin vers l'information de la décision de ce qui devrait être fait.
9. Reproductibilité
des résultats
9.1 Qu'estce que c'est?
Si l'on veut faire confiance aux résultats finaux générés par l'analyste du bienêtre, le processus menant à
leur production doit être rigoureux, transparent, participatif et ouvert au débat. Ce sont des caractéristiques
cruciales de toute entreprise de recherche et sont généralement décrites avec le terme de reproductibilité :
dans notre contexte, le mot est pris pour indiquer une situation où un chercheur externe sans connaissance
préalable de l'analyse « peut recréer les résultats finaux rapportés ». du projet, y compris les résultats
quantitatifs clés, les tableaux et les chiffres, avec seulement un ensemble de fichiers et des instructions
écrites. » (Kitzes, Turek et Deniz 2017).100 Cette section se concentre sur la façon de s'assurer que le
travail de l'analyste du bienêtre est reproductible.
La reproductibilité du processus menant des données brutes, à la construction d'un agrégat de bienêtre,
à la production d'estimations finales, est importante pour au moins trois raisons. Premièrement, et peut
être le plus important, la reproductibilité est un principe de la méthode scientifique, et pas seulement pour
les sciences « dures ». Des appels à consacrer plus d'efforts à la reproductibilité de la recherche
économique appliquée ont été lancés par les plus hautes sphères de la discipline (mais pas toujours
entendus). Dans le premier numéro d' Econometrica, l'une des revues académiques les plus importantes
dans le domaine, Ragnar Frisch, son premier rédacteur en chef et futur récipiendaire du prix Noble
d'économie, est allé jusqu'à plaider pour que les données brutes soient partagées publiquement : "l'original
les données brutes seront, en règle générale, publiées (…) Ceci est important pour stimuler la critique, le
contrôle et d'autres études » (Frisch 1933 ; 3, cité dans Dewald, Thursby et Anderson 1986, 588). Les
résultats de l'analyse du bienêtre sont au cœur du débat public et instrumentaux pour les décideurs
politiques : raison de plus pour qu'ils suivent les règles de la rigueur scientifique.
Deuxièmement, la reproductibilité est une condition nécessaire à la cohérence des comparaisons de bien
être, intertemporelles ou non. Il arrive régulièrement que les données d'une nouvelle vague d'enquêtes
soient publiées, ce qui entraîne presque invariablement la nécessité d'estimer les tendances temporelles
de la pauvreté, des inégalités et d'autres statistiques. L'identification des tendances temporelles se résume
à un exercice de réplication : la nouvelle méthodologie doit être cohérente avec celle utilisée pour produire
les estimations précédentes, faute de quoi aucune comparaison ne pourra être établie. Le plus souvent,
les détails de ce qui a été fait (si tel ou tel élément de dépense a été inclus, ou comment exactement certains
100 Le terme « reproductibilité » est utilisé de manière interchangeable avec « réplicabilité » dans certains contextes, mais les deux
mots peuvent également avoir des significations distinctes. Dans cette section, nous nous en tenons aux définitions proposées par
les Académies nationales des sciences, de l'ingénierie et de la médecine (2019) : "La reproductibilité signifie la reproductibilité
computationnelle obtenir des résultats de calcul cohérents en utilisant les mêmes données d'entrée, étapes de calcul, méthodes,
code et conditions d'analyse. La réplicabilité signifie obtenir des résultats cohérents entre les études visant à répondre à la même
question scientifique, chacune ayant obtenu ses propres données.
Reproductibilité des résultats
ajustement ou imputation) sont perdus dans le temps, ou confiés à la mémoire, peutêtre prodigieuse, mais jamais
parfaite, d'un collègue expérimenté. Au lieu de cela, il est essentiel de construire l'analyse de manière reproductible
ultérieurement, jusque dans les moindres détails et sans guidage étroit.
Troisièmement, une analyse conçue pour être reproductible a généralement certaines caractéristiques (elle est
bien organisée, facile à comprendre et efficace) qui sont extrêmement précieuses lorsque l'on travaille en équipe.
Un analyste du bienêtre travaille rarement de manière isolée : le plus souvent, le travail de « calculer les chiffres »
est partagé dans un groupe qui comprend des analystes ainsi que des producteurs de données. Dans un tel
contexte, il est important que l'analyse soit facile à partager, à commenter et à réviser en collaboration.
Incidemment, cela augmente considérablement les chances de repérer et de corriger les erreurs.
Alors, comment s'assurer que l'analyse du bienêtre est reproductible, en pratique ? Il pourrait être utile de mener
une expérience de pensée où nous imaginons « remettre » notre travail à un autre chercheur, ou même à nous
mêmes dans quelques mois, et leur demander de reproduire exactement nos résultats. En principe, il devrait
suffire de transmettre deux éléments : les données brutes complètes et un ensemble d'instructions détaillées
décrivant chacune des étapes de l'analyse. Dans la pratique, cependant, la manière dont les données et les
instructions sont organisées et documentées est au moins aussi importante.
Les fichiers de données sontils faciles à localiser et clairement étiquetés ? Les instructions prennentelles la
forme de scripts informatiques (fichiers Stata do, par exemple) qui s'exécutent sans problème et sont faciles à
interpréter ? Il existe d'innombrables exemples de la façon dont le nonrespect de ces conditions apparemment
simples, mais en réalité assez exigeantes, entraîne des retards, des erreurs, voire des échecs complets dans la
pratique quotidienne de la recherche. Les économistes Matthew Gentzkow et Jesse Shapiro brossent des tableaux
évocateurs de ce type d'impasse : depuis été déplacé. Lorsque nous retrouvons enfin les fichiers et exécutons le
code, les résultats sont différents des précédents. Autre exemple : « Nous avons à cœur de nous appuyer sur le
travail qu'un assistant de recherche a réalisé au cours de l'été. Nous ouvrons son répertoire et découvrons des
centaines de fichiers de code et de données. Malgré le fait que le code regorge de commentaires longs et
détaillés, il suffit de déterminer quels fichiers exécuter dans quel ordre pour reproduire les données et les résultats
prend des jours de travail. Mettre à jour le code pour étendre l'analyse s'avère pratiquement impossible. En fin de
compte, nous abandonnons et réécrivons tout le code à partir de zéro. » (Gentzkow et Shapiro 2014, 4).
9.2 Comment y parvenir ?
La combinaison des données, du code, de l'organisation et de la documentation peut être décrite comme le flux
de travail de l'analyse des données (Long 2009). "Tout, des noms de fichiers et de variables à l'organisation des
dossiers, en passant par le stockage des données et la programmation efficace et lisible, fait partie du flux de travail"
(Christensen, Freese et Miguel 2019). Les choix faits par l'analyste lors de la mise en place du workflow sont
essentiels pour déterminer si son travail est reproductible ou non : un « mauvais » workflow peut contrecarrer
toute tentative de reconstituer ce qui a été fait exactement pour obtenir des résultats.
Alors, comment construire un « bon » workflow ? Bien que cette question ne soit pas abordée aussi souvent
qu'elle devrait l'être dans le programme d'études typique d'un chercheur en sciences sociales, la littérature regorge
de bonnes pratiques, jusque dans les moindres détails. Aux fins de la présente section, le
la discussion peut être utilement limitée aux trois « règles d'or » suggérées par Kitzes, Turek et Deniz (2017),
que nous adaptons légèrement.
1. Métadonnées. Décrivez, étiquetez et documentez clairement toutes les données, tous les fichiers
et toutes les opérations qui se produisent sur les données et les fichiers. En pratique, ce principe
implique d'archiver tous les documents liés au projet de recherche et de les relier à des
informations complémentaires appropriées qui décrivent en détail leur contenu et leur objectif.
2. Automatisation. Automatisez autant que possible les opérations, en évitant les interventions
manuelles dans le flux de travail. Le travail effectué manuellement, en pointant et en cliquant
(par exemple, en saisissant ou en supprimant des données dans Excel, ou en utilisant des menus
déroulants dans Stata) est, par nature, non documenté. Les scripts de programmation (fichiers
contenant du code dans certains langages de programmation), en revanche, s'autodocumentent.
Étant donné que la plupart des travaux de recherche en économie appliquée sont informatiques,
les scripts sont le moyen naturel et le meilleur pour garder une trace de toutes les opérations qui
génèrent des estimations finales.
3. Structure. Concevez le flux de travail comme une séquence de petites étapes, avec des sorties
intermédiaires d'une étape alimentant l'étape suivante en tant qu'entrées. Une séquence typique
par étapes impliquera l'acquisition de données, la préparation et le «nettoyage» des données,
l'analyse des données et la sortie des résultats pour la présentation. Même si, dans la pratique,
l'analyste montera et descendra souvent les étapes, plutôt que de les compléter de manière
séquentielle, il est utile de penser au flux de travail en termes d'étapes distinctes, et de suivre
cette structure lors de l'organisation des données, des scripts et de la documentation.
Ces principes sont simples, mais puissants, s'ils sont appliqués systématiquement. Pour être vraiment utiles,
cependant, ils doivent être vus en action. À quoi ressemble exactement un flux de travail reproductible dans le
contexte de l'analyse du bienêtre ?
9.3 Principes directeurs pour l'organisation du flux de travail
Tout commence par l'organisation de tous les fichiers, scripts et documents liés à un projet dans une structure
de répertoires dédiée et autonome. Le fait que le dossier comprenne tout et uniquement le matériel lié au projet
est important : cela permet de partager facilement l'ensemble du flux de travail avec d'autres. Dans le même but,
il est également utile que la structure du dossier soit standardisée, prévisible, idéalement conventionnelle au sein
de l'équipe de collaborateurs, ou, mieux encore, de la communauté des chercheurs du domaine. La figure 9..1
illustre un modèle pour le répertoire du projet, et le reste de cette section clarifie l'utilisation de ses composants.
FIGURE 9.1. Modèle pour la structure du répertoire du projet
Décrivons la figure 9.1 en détail. Le répertoire du projet contient quatre sousrépertoires pertinents, séparés
par fonction :
1.
données, 2. scripts (dofiles dans cet
exemple), 3. références et 4. écriture.
Cette partition de base peut être rendue plus complexe si nécessaire (par exemple, la figure 9.1 contient des
sousrépertoires pour les figures et les tableaux), bien que l'expérience suggère de garder les choses simples.
Cependant, il y a une règle à ne pas enfreindre lors de l'organisation et de l'archivage des fichiers de données :
les données brutes doivent être conservées brutes. D'une part, cela rend le travail de l'analyste plus facile et
plus sûr : "Il est tentant d'écraser les fichiers de données brutes avec des versions nettoyées, mais une
conservation fidèle est essentielle pour réexécuter les analyses du début à la fin, pour la récupération des
mésaventures analytiques et pour expérimenter sans crainte. (Wilson et al. 2017). Cela facilite également la
réanalyse future par d'autres chercheurs (Hart et al. 2016). En pratique, suivre cette règle signifie que les
données brutes doivent être stockées séparément des données traitées et ne jamais être modifiées. Les scripts
utilisent des fichiers bruts pour générer des données traitées, qui sont ensuite enregistrées ailleurs.
En ce qui concerne les scripts, les noms des dofiles Stata dans la figure 9.1 indiquent qu'ils suivent la séquence
par étapes préconisée par les trois « règles d'or ». Cela permet à quiconque de comprendre en un coup d'œil ce
que fait chaque script et facilite le suivi de toute partie spécifique de l'analyse susceptible d'être examinée.
FIGURE 9.2. Le fichier master.do
La manière d'organiser les scripts illustrée à la figure 9.1 permet une approche « en un clic » extrêmement
pratique pour reproduire les résultats. Le fichier do « maître », illustré à la figure 9.2, est essentiel pour cette
fonctionnalité du flux de travail. Ici, une ligne de code (ligne 17) garantit qu'en personnalisant son "chemin",
l'ensemble du flux de travail peut se dérouler sans heurts de haut en bas. La ligne 17 doit être la seule ligne
spécifique à l'utilisateur dans l'ensemble des scripts ; partout ailleurs dans le code, l'analyste ne doit utiliser
que des chemins relatifs (ceux qui apparaissent aux lignes 19 à 22 et sont définis sur la base de la ligne 17).
Le reste du code dans le dofile maître (lignes 29–34) exécute tous les autres scripts, dans l'ordre. De cette
façon, tout nouvel utilisateur peut reproduire l'intégralité de l'analyse en deux étapes simples : (1) changer la
ligne 17 pour le chemin du répertoire "projet" sur son propre ordinateur, et (2) exécuter le dofile maître
(littéralement en un clic).
Il y aurait beaucoup à dire sur le contenu de tous les autres scripts, c'estàdire ceux qui effectuent réellement
l'analyse des données. Écrire un « bon » code (précis, fiable, bien organisé, facile à lire) est certainement
important pour la reproductibilité. Heureusement, les directives de codage ne manquent pas , à la fois
générales et spécifiques au logiciel (consulter le catalogue Stata Press est toujours un bon point de départ) :
nous ne voyons aucun avantage à les dupliquer ici.
Le dernier élément de la figure 9.1 qui mérite un commentaire est le fichier « readme ». Son nom est
véritablement une invitation : son objectif est d'attirer l'attention de toute personne abordant le projet pour la
première fois (ou après un certain temps), et d'en fournir une introduction, en langage courant. Il s'agit d'un
simple fichier texte qui contient, au minimum, une description de l' organisation du répertoire du projet et du
contenu de chacun de ses sousrépertoires. Une brève description guidant le lecteur à travers les principales
étapes de l'analyse peut également être incluse ici, ainsi que tout « avertissement » dont il devrait être conscient.
La structure du répertoire de projet de la figure 9.1 peut être personnalisée à l'infini en fonction des besoins et
du contexte.101 Les projets plus complexes comportant de nombreuses pièces mobiles nécessitent généralement
des structures de répertoires plus complexes, les logiciels d'analyse de données sont disponibles en plusieurs
versions, etc. Ce qui compte, c'est que la discipline qui soustend la figure 9.1 et la figure 9.2 soit suivie « dans
l'esprit » : elle rapporte d'énormes dividendes.
Nous terminons par une considération sur les données ouvertes et l'ouverture du processus de recherche plus
généralement. La reproductibilité est étroitement liée à la notion de partage : avec les collègues, les pairs, le
grand public. Si le but ultime de la reproductibilité en tant que pratique de recherche est de générer des
connaissances de manière transparente et participative, alors il importe certainement que le travail de l'analyste
pas seulement les résultats, mais les données, les scripts et la documentation soit librement accessible. Il y
a peu de désaccord sur le fait que l'ouverture et la transparence sont une bonne chose, mais dans la pratique,
les incitations des analystes, des producteurs de données et des instituts de recherche font souvent obstacle.
Les bureaux nationaux de statistique sont généralement limités par des problèmes de confidentialité, mais au
cours des dernières décennies, il y a eu une évolution progressive vers la disponibilité des données publiques
(Dupriez et Boyko 2010). Dans ce contexte, souscrire aux «règles d'or» de la reproductibilité peut sembler être
un petit choix. Au lieu de cela, c'est une condition préalable à des changements plus importants vers une plus
grande ouverture dans la pratique de la mesure du bienêtre.
Bien que la discussion proposée dans cette section ne soit en aucun cas exhaustive, elle met en lumière
certains principes de base qui ont des implications pratiques directes pour le travail pratique de l'analyste du
bienêtre. En fin de compte, quelles que soient les variations individuelles du modèle proposé dans cette section,
travailler de manière reproductible est ce qui fait la différence entre la production de nouvelles connaissances
scientifiques et la simple production de quelques chiffres (non étayés).
101
Voir, en particulier, le projet Development Impact Evaluation (DIME) (Banque mondiale 2020, ch. 1), et Christensen,
Freese et Miguel (2019, chapitre 11).
dix. Résumé
des recommandations
Rédigés à l'origine pour un petit groupe d'analystes (une cinquantaine de personnes environ) effectuant un
travail hautement spécialisé , les Guidelines de Deaton et Zaidi (2002) ont atteint un public beaucoup plus
large que prévu. Avec le développement d'une infrastructure de données massive pour le suivi de la pauvreté
dans le monde, la disponibilité d'enquêtes auprès des ménages adaptées à la mesure de la pauvreté dans le
monde a augmenté de plus de deux fois et demie en 20 ans, des années 1990 aux années 2010 ( Roser et
OrtizOspina 2017)—le besoin d'un guide pratique accessible pour analyser ces données s'est également
accru. Dans ce contexte, les Lignes directrices sont devenues la référence essentielle pour la construction
d'une mesure de bienêtre basée sur la consommation.
Dans ce document, nous avons abordé la question de savoir si les recommandations de DZ tiennent jusqu'à
20 ans de travaux appliqués et de débats académiques sur la mesure des niveaux de vie. À la lumière de
notre évaluation, la trentaine de recommandations énoncées dans l'article original (nous en avons compté
autant, entre les prescriptions explicites et les suggestions moins visibles parsemées dans le texte) résistent
remarquablement bien à l'épreuve du temps. Nonobstant la longévité globale de la DZ , nous mentionnerons
cinq domaines dans lesquels la recherche et la pratique actuelles de la mesure du bienêtre ont rattrapé les
Lignes directrices. L'un est celui de la préférence à accorder à la consommation par rapport au revenu comme
indicateur de bienêtre monétaire. Alors que ce rapport, comme son prédécesseur , se concentre sur la
construction d'un agrégat de consommation, les chercheurs et les institutions internationales se sont regroupés
autour d'une vision plus impartiale. L'ouverture à l'utilisation du revenu continuera de croître à l'avenir :
l'inclusion d'une brève discussion sur la construction d'un agrégat de revenu (annexe C) ne rend pas justice à
la question, mais c'est un pas tangible dans cette direction. Deuxièmement, un domaine où la littérature a fait
des bonds ces dernières années est celui de la déflation des prix. Un débat animé, abordant à la fois des
questions théoriques et empiriques, plane maintenant sur la discussion originale de DZ sur les ajustements
pour les différences de coût de la vie. Troisièmement, les techniques d'estimation des dépenses de logement
et du flux de consommation de biens durables ont été disséquées par des contributions récentes : nous
sommes maintenant en mesure d'offrir des conseils plus détaillés sur ces sujets pour ceux qui se trouvent
dans les tranchées de l'analyse du bienêtre . Un quatrième aspect sur lequel ce rapport met l'accent est
l'interdépendance de la production de données (conception de l'enquête, collecte de données, traitement des
données) et de l'analyse des données. On peut soutenir que les choix effectués avant que les données ne
soient « prêtes à l'emploi » ont au moins autant d'impact sur les estimations finales que ceux effectués après.
Les analystes doivent être conscients des décisions prises depuis le début de l'enquête et des compromis
qu'elles impliquent, ou mieux les impliquer. Cinquièmement et finalement, l'importance de l'analyse de
sensibilité et de la reproductibilité du travail de l'analyste ne peut être surestimée. Les estimations de la
pauvreté et des inégalités restent plus sensibles politiquement et potentiellement controversées que jamais,
et les analystes ne doivent épargner aucun effort pour rendre l'analyse aussi solide, transparente et
participative que possible.
Ce document n'a pas été conçu comme un exercice purement académique : son ambition est de compléter
le bilan de l'héritage de DZ par un effort constructif, et de formuler des
Résumé des recommandations
recommandations pour compléter les DZ, chaque fois que cela est justifié par les recherches
disponibles. Nous estimons que cette tâche ne serait pas pleinement accomplie sans la volonté
pragmatique qui a contribué au succès des Principes directeurs . Les encadrés inclus dans l'article
original sont une contribution des plus utiles, en particulier aux yeux des praticiens : les auteurs ont
réussi à distiller des débats complexes et des arguments nuancés dans un ensemble d'orientations
exploitables, chacune ne faisant que quelques lignes. Dans le reste de cette section de conclusion,
nous suivons leur exemple et empruntons le format de l'encadré (voir encadrés 10.1 à 10.7) pour fournir
un résumé concis des recommandations originales et de la discussion apportée par ces lignes directrices, par sujet.
Encadré 10.1.
Définition théorique de l'indicateur de bienêtre
Recommandation originale Discussion
1. Des tentatives devraient Parmi les mesures monétaires du bienêtre, la MMU reste préférable
Money Metric être faites pour utiliser la MMU et au WR. Ses fondements théoriques, c'estàdire la théorie standard du
Utility (MMU) vs pour calculer les indices de prix consommateur, sont restés pratiquement inchangés. Lorsque le calcul
Welfare Ratio de Paasche avec des pondérations d'un indice de prix Paasche est empiriquement ardu (par manque
(WR) individuelles pour les ménages. d'informations appropriées ou en raison de données de mauvaise
(page 21) qualité), l'utilisation d'autres indices de prix, tels que Laspeyres, doit
être envisagée.
Le débat MMU contre WR, tel qu'il a été formulé à l'origine dans
les Lignes directrices, a perdu de sa pertinence par rapport à
d'autres discussions plus larges sur la nature de la mesure du bien
être. Les approches alternatives (approche de l'exclusion sociale,
pauvreté multidimensionnelle et subjective) ont gagné du terrain et
représentent un complément utile, plutôt qu'un remplacement, d'une
approche monétaire de la mesure du bienêtre. (section 2)
2. Dans la plupart des pays Le débat revenu vs consommation est loin d'être tranché.
Revenu vs en développement où les vivants D'une part, le revenu a gagné en légitimité, en particulier dans des
consommation Normes de mesure contextes où les politiques visaient des « droits minimaux » aux
(LSMS) et/ou des enquêtes ressources, et/ou où l'inégalité est une grave préoccupation. D'autre
sur les dépenses des part, la consommation est une bonne représentation de la privation
ménages sont disponibles, la matérielle et est mesurée de manière plus fiable dans les pays à
revenu faible ou intermédiaire.
consommation est la mesure
appropriée à utiliser. (page En définitive, il semble peu probable qu'une seule mesure
21) l'emporte : la consommation continue de jouer un rôle fondamental,
mais les mesures fondées sur les revenus doivent être considérées
comme un complément, voire une alternative, d'autant plus qu'un
pays atteint des stades plus avancés de développement économique .
Un défi pour les années à venir est la mise en œuvre d'une analyse
conjointe de la consommation, des revenus et de la richesse des
ménages : les actifs et leur absence sont essentiels pour mesurer le
bienêtre matériel. OCDE (2013) fournit un cadre utile et opérationnel
pour démarrer. (section 3)
Encadré 10.2.
La composante alimentaire de l'agrégat de consommation nominale
3. Cette recommandation tient. (rubrique
Inclure des aliments de toutes les sources possibles.
Intégralité de l'agrégat En particulier, l'agrégat doit inclure non seulement (i) 4.2)
alimentaire
les aliments achetés sur le marché, y compris les
repas achetés à l'extérieur du domicile pour être
consommés à domicile ou à l'extérieur, mais
également (ii) les aliments produits à domicile, (iii) les
produits alimentaires reçus sous forme de cadeaux
ou d'envois de fonds d'autres ménages, ainsi que (iv)
la nourriture reçue des employeurs en paiement en
nature pour les services rendus. (page 25)
4. Inclure les aliments achetés sur le marché en tant La recommandation est inchangée. (rubrique
Calcul de la que montant dépensé au cours du mois typique × 12 4.2)
valeur des achats (ou nombre de mois généralement consommés).
alimentaires (page 38)
5. La recommandation reste valable, bien qu'il soit
Si les aliments consommés peuvent être distingués
Consommation des aliments achetés, inclure la valeur des premiers. courant dans la pratique de n'avoir que des
alimentaire vs. informations sur les aliments achetés. Dans de tels
(page 27)
acquisition cas, les bonnes pratiques consistent à vérifier les
valeurs extrêmes dans la distribution des dépenses
alimentaires et de la disponibilité calorique et, si
nécessaire, à exclure les gros achats en gros. (chapitre
4.2.1)
6. Lorsque des informations sur les achats L'approche du « mois habituel » n'a pas trouvé
Période de rappel alimentaires ont été collectées pour plus d'une beaucoup de soutien dans la littérature depuis le début
pour l'agrégat période de rappel, (…), le choix est limité entre des années 2000. Lorsque l'analyste a le choix, les
alimentaire une mesure « deux dernières semaines » (ou estimations obtenues par rappel simple (une semaine à
période plus courte) et une mesure « mois habituel un mois) sont à privilégier aux estimations « mensuelles
». La littérature passée en revue dans habituelles ». (chapitre 4.2.2)
Deaton et Grosh (2000) aboutissent à une
recommandation en faveur de la seconde par
rapport à la première. (page 28)
7. Inclure la valeur des repas consommés à De nouvelles recherches méthodologiques ont souligné
Nourriture loin l'extérieur de la maison comme le total de : montant l'inadéquation des conceptions de questionnaires
de chez soi dépensé dans les restaurants, montant standard pour saisir les aliments hors domicile (FAFH).
dépensé pour les aliments préparés, montant L'analyste doit toujours suivre la recommandation
dépensé pour les repas au travail, montant initiale. (chapitre 4.2.3)
dépensé pour les repas à l'école, montant dépensé
pour les repas en vacances. (page 40)
Encadré 10.2. (Suite)
La composante alimentaire de l'agrégat de consommation nominale
8. Aliments produits à domicile : quantité en mois La recommandation est inchangée, à l'exception de
Cuisine maison typique × prix à la ferme × nombre de mois l'accent mis sur une mesure de « mois type ». (chapitre
généralement consommés. (page 38) 4.2.4)
9. Traiter le ménage agricole comme une entreprise La recommandation tient. C'est
Prix à la ferme par vendre au ménage. Essayer de valoriser les ont reconnu que les prix réels au départ de
rapport aux prix du marché produits aux prix « à la ferme » plutôt qu'aux l'exploitation ne sont pratiquement jamais
prix du « marché ». (page 22) disponibles et que, dans la pratique, les analystes du
bienêtre utilisent soit des évaluations autodéclarées (si
elles sont disponibles à partir de l'enquête), soit des
valeurs unitaires d'achats alimentaires. La première
option est, en principe, préférable. (section 4.2.3)
dix. Inclure le total pour une année. (page 38) La recommandation tient. (chapitre

Nourriture reçue 4.2.4)
en cadeau ou en
nature
11. le premier choix est le prix (valeur unitaire) rapporté La recommandation tient.

Prix ou valeurs par le ménage ; s'il n'est pas disponible, utiliser (chapitre 4.2.4)
unitaires manquants comme approximation le prix médian (et non moyen)
payé par les ménages « similaires » du quartier, sous
réserve de vérifier que ces prix sont plausibles.
Vérifiez les données pour les valeurs aberrantes ; un
codage erroné ou une mauvaise compréhension des
unités de quantités entraîne des erreurs dans les
valeurs unitaires. (page 38)
12. [DZ ne discute pas explicitement des rations alimentaires.] Les rations alimentaires sont des quotas de nourriture

Rations alimentaires fournis gratuitement ou à un prix inférieur à celui du
marché. Leur valeur « officielle » ne peut pas être
incluse dans l'agrégat de consommation : les rations
doivent être réévaluées en utilisant un prix de marché
estimé, qui représente adéquatement l'utilité marginale
de la ration pour le consommateur. Parmi les
différentes options pour ce faire, nous recommandons
d'exploiter les informations générées par un marché
secondaire pour les rations, s'il existe, et de calculer
les valeurs unitaires médianes des rations des unités
primaires d'échantillonnage (PSU). (chapitre 4.2.5)
Encadré 10.3.
La composante non alimentaire non durable de l'agrégat
de consommation nominale
13. Articles d'usage quotidien, annualisez la valeur. Ces recommandations tiennent. Ils découlent de la
Exhaustivité de Vêtements et articles ménagers, annualisez la valeur. sélection des dépenses de consommation comme mesure
l'agrégat non du bienêtre. Les transferts aux autres ménages (tels que
alimentaire les dons et envois de fonds) et les contributions caritatives
Exclure les impôts payés, l'achat d'actifs, le
remboursement de prêts, les dépenses en biens durables sont également à exclure.
et en logement, ainsi que les autres dépenses forfaitaires
telles que les mariages et les dots. Dans la mesure où les La section 4.3 de ce document fournit un résumé
taxes foncières locales ont un rapport avec les services point par point des choix d'inclusion et d'exclusion
rendus, nous recommandons leur inclusion. (page 38) recommandés pour chaque catégorie d'articles, sur la
base du système de classification de la consommation
individuelle selon le but (COICOP).
14. Les dépenses pour les services publics, l'eau, le gaz, La recommandation tient. Hentschel et Lanjouw (2000)

Subventions l'électricité ou le téléphone peuvent être problématiques fournissent un cadre conceptuel utile et des recommandations
si certains ménages sont subventionnés et d'autres non. pratiques pour retarifer les biens subventionnés. (rubrique
(...) Dans certains cas, la réalisation de comparaisons 4.3)
régionales (et certainement internationales) précises du
bienêtre nécessitera des corrections (en réévaluant) les
dépenses déclarées. (page 32)
15. Inclure les dépenses pour des articles qui peuvent ou non La recommandation tient. (rubrique 4.3)

Nécessités être des nécessités regrettables. (page 22)
regrettables
16. Dans la mesure du possible, les dépenses purement La recommandation tient. (rubrique 4.3)

Dépenses liées au travail doivent être exclues. Cette recommandation
liées au travail n'inclut pas le transport vers le lieu de travail ni les
vêtements de travail. (page 38)
17. Les dépenses de santé ne doivent être incluses que si L'inclusion des dépenses de santé dans l'agrégat de

elles présentent une élasticitérevenu élevée par rapport consommation continue d'être une question litigieuse.
à leur variance transitoire ou à leur erreur de mesure. Contrairement à la recommandation initiale, nous
Dépenses de santé
(page 38) soutenons que les dépenses de santé devraient être
incluses dans l'agrégat. Le principal argument d'exclusion
(les dépenses de santé sont associées à une perte de
bienêtre dans la dimension santé) a peu de mérite dans
le cadre de la mesure monétaire du bienêtre. L'exclusion
de certaines dépenses de santé est toujours justifiée
lorsqu'elles sont considérées comme atypiques et «
grumeleuses », mais ce n'est pas nécessairement le cas.
(chapitre 4.3.1)
18. Dépenses d'éducation : généralement mesurées La recommandation tient. (chapitre 4.3.1)

Dépenses avec assez de précision dans la plupart des enquêtes,
d'éducation nous recommandons de les inclure. (page 38)
Omettre le temps et les loisirs dans le calcul de la
19. La recommandation tient. (chapitre 4.3.2)
Loisirs consommation. (page 21)
20. N'incluez aucune valorisation des biens publics La recommandation tient. (chapitre 4.3.2)

Biens publics dans le calcul de l'agrégat de consommation des
ménages. (page 22)
Encadré 10.4.
Biens durables et logement
21. Une mesure de la valeur d'usage, et non d'achat, Cette recommandation est incontestable. (rubrique
Prix d'achat des des biens durables est la bonne mesure à inclure dans 4.4)
biens durables l'agrégat de consommation du point de vue du bien
être. Exclure les dépenses — à la place, calculer un
équivalent locatif/coût d'utilisation pour le logement et
les biens durables appartenant au ménage. (page 21)
22. Calculez un loyer annuel équivalent en utilisant un Cette recommandation reste valable.

Flux de taux d'intérêt réel approprié et des valeurs médianes
Estimer le flux de consommation de biens de
consommation de d'amortissement pour chaque article calculés pour tous consommation durables sur la base du coût d'usage
biens durables les ménages possédant cet article. (page 38)
méthode et estimer le paramètre d'amortissement à
l'aide du modèle géométrique.
[Notez que DZ fait référence ici à ce que le présent
Si les informations requises par le modèle
document appelle la méthode du coût d'utilisation]
géométrique ne sont pas disponibles, utilisez le modèle
d'amortissement sur la durée de vie économique.
Si tout le reste échoue, envisagez d'exclure les biens
durables de l'agrégat. (rubrique 4.4)
23. Si un ménage paie un loyer, annualisez le montant Inclure à la fois le loyer réel et une mesure

Louer du loyer payé. Même si le logement appartient au du loyer imputé pour les propriétaires et les locataires
les dépenses ménage ou est reçu gratuitement, une estimation de non marchands reste l'objectif.
l'équivalent locatif annuel doit être incluse dans l'agrégat Les loyers imputés autodéclarés peuvent être utilisés,
de consommation. Dans les pays où peu de ménages s'ils sont jugés exacts ; les modèles de régression
paient un loyer, les équivalents locatifs sont hédonique offrent une alternative viable (la retransformation
potentiellement inexacts et les avantages de l'exhaustivité de Duan devrait être utilisée pour les valeurs prédites à
doivent être mis en balance avec les coûts des erreurs. partir de modèles loglinéaires) ; les approches coût
(page 38) d'usage et rentevaleur peuvent être utiles si les deux
premières méthodes échouent.
Si aucune estimation fiable des dépenses
de location ne peut être produite, envisagez d'exclure
le loyer (réel et imputé) de l'agrégat. (rubrique 4.5)
Encadré 10.5.
Ajustement en fonction des variations de prix, de la taille et de la composition du ménage
24. Utiliser les indices de prix pour La recommandation de base, ancrée dans la théorie du
Choix de l'indice ajuster la consommation nominale. consommateur, résiste à l'épreuve du temps. Nous documentons que
des prix Utilisez les prix de l'enquête le défi n'est pas tant sur le choix de l'indice, mais plutôt sur les défis
complétés par les prix du questionnaire empiriques du calcul d'un indice de Paasche. Nous enregistrons une
sur les prix, s'ils sont disponibles. insatisfaction croissante visàvis de l'utilisation des valeurs unitaires, et
L'indice de Paasche plus encore visàvis des méthodes indirectes (notamment les méthodes
est notre indice de prix préféré à utiliser basées sur les courbes d'Engel). En l'absence d'autres sources fiables
pour ajuster les différences de coût de de données sur les prix, la stratégie recommandée consiste à explorer
la vie auxquelles sont confrontés dans quelle mesure le biais de qualité est préoccupant, par exemple en
différents ménages. (page 52) résumant les valeurs unitaires médianes par décile de dépenses par
habitant (la présence d'un gradient prononcé serait considérée comme
preuve d'un biais de qualité non négligeable) et envisager des
ajustements empiriques, selon le contexte en question.
Nous conseillons d'ajuster également pour l'inflation intraenquête,
sachant que la séquence des ajustements (temporel d'abord, spatial
après, ou vice versa) conduit à des résultats différents. (rubrique
5.2)
25. Agrégation ploutocratique ou Cette recommandation reste valable.

Plutocratique démocratique des indices de prix :
contre démocratique cette dernière est préférable. (page
agrégation des 43)
indices de prix
26. Ajuster les dépenses du ménage pour La recommandation d'utiliser une mesure appropriée de la taille et de

Par habitant refléter la taille du ménage. la composition pour ajuster les dépenses totales des ménages reste
vs par équivalent Utilisez une mesure appropriée de taille/ valable. L'utilisation d'une échelle d'équivalence basée sur l'approche
adulte composition. « arbitraire » reste également la voie recommandée.
Continuer à utiliser la PCE complétée
par des mesures basées sur l'approche La définition des coefficients pour l'échelle est basée sur une
arbitraire. convention : le calcul des coefficients sur la base des besoins en
énergie calorique (échelles de l'Organisation mondiale de la santé/
Utilisez un alpha faible et un thêta
Organisation des Nations Unies pour l'alimentation et l'agriculture [OMS/
élevé dans les pays pauvres, et
FAO]) est devenu une approche populaire dans de nombreux pays,
l'inverse dans les pays riches. (pages
mais il est pas supérieur aux alternatives (en fait, il est plus discutable,
22, 52)
étant donné qu'il dépend uniquement de la consommation alimentaire).
La spécification recommandée par DZ, l'échelle OCDEII ou l'échelle
LIS (racine carrée), seraient toutes de meilleurs choix.
Quel que soit le choix de l'échelle d'équivalence, il est
recommandé de conserver le calcul de la dépense par habitant
comme mesure complémentaire, pour faciliter les comparaisons
à la fois dans le temps, notamment à long terme, et à l'échelle
internationale, dans le cadre du suivi de la pauvreté mondiale.
(article 6)
Encadré 10.6.
27. [DZ n'inclut pas de discussion La nonréponse totale menace de plus en plus la fiabilité des poids de sondage.
Unité autonome sur la nonréponse totale.] La meilleure façon d'atténuer ce problème est de le prévenir en maximisant la
nonréponse conformité ex ante, c'estàdire au stade de la mise en œuvre de l'enquête.
Bien que les analystes du bienêtre ne soient pas directement chargés de
traiter la nonréponse totale, dans le cas où des ajustements ex post
deviennent nécessaires, l'intervention d'un spécialiste de l'échantillonnage
est conseillée.
Il est recommandé que la documentation accompagnant les estimations finales
traite explicitement de la nonréponse totale et explique comment les facteurs
d'expansion (pondérations) ont été traités. (article 7.1)
28. [DZ n'inclut pas de discussion L'analyste doit évaluer dans quelle mesure la nonréponse partielle

autonome sur la nonréponse affecte l'agrégat de consommation à travers ses composantes élémentaires. Si
Article
partielle.] l'incidence des données manquantes est préoccupante, la nature des données
nonréponse
manquantes doit être étudiée.
Si des données manquent au hasard (MCAR et MAR), un certain nombre d'approches
sont disponibles pour atténuer l'impact des valeurs manquantes sur les statistiques
d'intérêt, bien que la variété des situations rencontrées dans la pratique soit trop
large pour recommander des ajustements uniques. toutes les méthodes.
Si les preuves suggèrent que les données ne manquent pas au hasard
(MNAR), cela peut menacer la représentativité de certaines estimations d'enquête.
Des ajustements ad hoc peuvent être évalués en consultation avec des spécialistes
de l'échantillonnage.
Dans les deux cas, nonréponse aléatoire et non aléatoire, la recommandation
est de déclarer comment les corrections ont été traitées dans la documentation
accompagnant les estimations finales (section 7.2)
29. Il est de la plus haute Les valeurs extrêmes représentent une menace potentielle pour

importance que l'analyste l'impartialité des statistiques de consommation, de la pauvreté et des
Valeurs aberrantes
vérifie chaque élément pour estimations des inégalités. Par conséquent, la recommandation
la présence de valeurs initiale de DZ est maintenue : il est essentiel de vérifier la ou les
aberrantes "grossières", variables d'intérêt et d'évaluer l'incidence des valeurs aberrantes avant de
généralement en représentant produire des estimations finales.
graphiquement les données, Trois aspects doivent être prioritaires en matière de détection et de traitement des
par exemple en utilisant les valeurs aberrantes :
options "à sens unique" et "boîte" dans Stata.
(1) Effectuer une analyse de sensibilité, par exemple en comparant les résultats
Pour des quantités
obtenus pour les indicateurs clés avec et sans l'inclusion des valeurs aberrantes.
intrinsèquement positives, il est
souvent utile de le faire dans les logs
ainsi que dans les niveaux. (page 25) (2) Documenter la façon dont les corrections de valeurs aberrantes ont été
traitées, pour assurer la reproductibilité de l'agrégat final et permettre des
comparaisons avec les données d'origine.
(3) Lors de l'estimation des tendances, mettez en œuvre les mêmes routines
de détection et de traitement des valeurs aberrantes dans toutes les enquêtes, si
possible. (article 7.3)
Encadré 10.6.
Analyse de sensibilité et reproductibilité
30. Les techniques (de sensibilité) ne doivent La recommandation tient, et est même renforcée
Analyse de pas être utilisées pour vérifier les résultats par un besoin de communiquer les résultats de manière
sensibilité de toute décision controversée dans efficace et transparente à un public souvent critique. Une
la construction des agrégats de section ou une annexe dédiée aux tests de sensibilité
consommation. (…) Mais il y a souvent des systématiques devrait devenir la norme pour tout rapport
décisions critiques, dont celle sur les technique présentant des estimations des inégalités et de la
échelles d'équivalence en est une, et pauvreté.
l'inclusion d'un poste de dépense bruyant Des tableaux avec des comparaisons côte à côte des
en est souvent une autre, où l'on sait à résultats obtenus dans différents scénarios, ainsi que la
l'avance que la décision va avoir de matrice de robustesse, aident à effectuer une analyse de
l'importance pour l'analyse de la pauvreté, sensibilité de manière systématique et organisée (section 8.1).
et où il est important d'avoir plus Lorsque l'accent est mis sur l'analyse de la pauvreté, la
d'informations sur exactement comment dominance stochastique apparaît comme le cadre principal
cela compte. Pour cela, l'analyse de pour effectuer des contrôles de sensibilité. En particulier, la
dominance stochastique est parfaitement courbe d'écart d'effectif est un outil simple mais puissant.
adaptée. (page 63) (article 8.2)
31. [DZ n'inclut pas de discussion autonome Construire l'ensemble du processus d'analyse du bienêtre
Reproductibilité sur la documentation et (de la préparation des données à la construction de l'agrégat
de l'analyse reproductibilité de l'analyse du bienêtre.] de bienêtre, jusqu'au calcul des estimations finales) de
manière à garantir la reproductibilité par des chercheurs
externes. Il s'agit d'une exigence d'analyse rigoureuse et
scientifiquement fondée. Cela facilite également la construction
d'estimations comparables une fois que de nouvelles données
d'enquête sont publiées au fil du temps et stimule une plus
grande transparence et responsabilisation.
Trois règles pratiques : (1) imposer une structure claire et
logique au flux de travail d'analyse des données, (2) automatiser
autant que possible les opérations à l'aide de scripts (tels que
les dofiles Stata), et (3) documenter entièrement toutes les
données et scripts dans un répertoire de travail structuré
standard. (article 9)
Annexe A.
Mesure du bienêtre
Base de données méthodologique
La base de données décrit les principaux choix méthodologiques effectués lors de la construction de la
mesure du bienêtre soustendant les estimations nationales officielles de la pauvreté. La source de
l'information est la documentation officielle diffusée par les institutions produisant les estimations (Offices
nationaux de la statistique, Banque mondiale, etc.).
La carte A.1 et le tableau A.1 donnent un aperçu de la couverture et des sources de la base de données.
CARTE A.1. Couverture géographique de la base de données
Base de données sur la méthodologie de mesure du bienêtre
TABLEAU A.1. Références sousjacentes à la base de données
Pays Enquête annuelle Référence
Afghanistan 2016 Enquête sur les conditions de vie Organisation centrale des statistiques (2018), Afghanistan Living Conditions

201617 Survey 2016–17. Kaboul, OSC
Albanie Mesure du niveau de vie 2012 Banque mondiale, Institut albanais des statistiques (INSTAT) (2013)

Enquête 2012 Albanie : tendances de la pauvreté 2002–2005—2008–2012 Site Web
de l'Institut albanais des statistiques (INSTAT). Enquête sur la mesure du niveau
de vie (LSMS) 2012, section méthodologie
2011 l'Enquête Nationale sur les Office national des statistiques (2011). Premiers résultats de l'Enquête Nationale
Algérie
Dépenses de consommation et le niveau sur les Dépenses de Consommation et le Niveau de Vie des Ménages
de vie des ménages 2011Gouvernement Algérien (2016).
Algériens (ENCNVM) Objectifs du Millénaire pour le Développement. Rapport National 2000–2015
Américain 2013 2013/14 Enquête sur les revenus et les Office national des statistiques de Samoa/Centre Pacifique du PNUD (2016)

dépenses des ménages Samoa, Hardship and Poverty Report, Analysis of the 2013/14
Samoa
Enquête sur les revenus et les dépenses des ménages
Angola 2008 Inquérito Integrado Sobre o Instituto Nacional de Estatística (2013) Inquérito Integrado sobre o BemEstar da

Bem Estar da Populaçao (IDR II et População, IBEP 2013, Relatório AnalíticoVol. III Profil de Pobreza
MICS III) 2008–09
2016 Encuesta Permanente de Instituto Nacional de Estadística y CensosI.NDEC (2016)
Argentine
Hogares Continua 2016, La medición de la pobreza y la indigencia en la Argentina, Metodología
Segundo Trimestre/semestre INDEC Nº 22 Instituto Nacional de Estadística y CensosI.NDEC (2017)
Informes Técnicos vol. 1 nº 53, Condiciones de vida vol. 1 numéro
4, Incidencia de la pobreza y la indigencia en 31 aglomerados urbanos.
Deuxième semestre de 2016
Arménie 2015 Conditions de vie intégrées Service statistique national de la République d'Arménie, Banque mondiale (2016)

Enquête 2015 Social Snapshot and Poverty in the Republic of Armenia, Statistical Analytical Report.
D'après les résultats de l'enquête intégrée sur les conditions de vie des ménages de
2015
Australie Enquête sur les dépenses des ménages 2015 Bureau australien des statistiques (2017). Enquête sur les dépenses des

(HES) 2015–2016 ménages, Australie : Résumé des résultats, 201516
Azerbaïdjan 2001 AzerbaïdjanHBS 2001 Banque mondiale (2003). Évaluation de la pauvreté en République d'Azerbaïdjan

(en deux volumes) Volume I : Résumé et conclusionsBanque mondiale (2003).
Évaluation de la pauvreté en République d'Azerbaïdjan (en deux volumes) Volume
II : Le rapport principal
2016 Revenu des ménages et Bureau des statistiques du Bangladesh, Division des statistiques et de
Bengladesh
Enquête sur les dépenses 20162017 l'informatique, Ministère de la planification (2017). Rapport préliminaire sur
l'enquête sur les revenus et les dépenses des ménages 2016 Banque
mondiale, Bangladesh Bureau of Statistics (2017). Description de la méthodologie
officielle utilisée pour l'estimation de la pauvreté au Bangladesh pour 2016/17
Bélize Enquête sur les dépenses des ménages 2008 Comité consultatif national du développement humain. Ministère du développement

(HES) 2008–2009 économique, du commerce et de l'industrie et de la protection des consommateurs
(2010). Évaluation de la pauvreté du Belize, Volume 1.
Rapport principal
Bénin 2011 Enquête Modulaire Intégrée sur les République du Bénin, Ministère du développement, de l'analyse économique et de

Conditions de Vie des Ménages 2011 la prospective (MDAEP) Institut National de la
Statistique et de l'Analyse Economique (INSAE) (2012) Enquête modulaire intégrée
sur les conditions de vie des ménages, 2ème édition (EMICoV 2011)
Institut National de la Statistique et de l'Analyse Economique (INSAE)
(2012) Évaluation de la pauvreté au Bénin
Bhoutan Enquête 2017 sur les niveaux de vie 2017 Banque mondiale, Bureau national des statistiques du Bhoutan (2017) Bhoutan
Rapport d'analyse de la pauvreté 2017
Banque mondiale, Bureau national des statistiques du Bhoutan (2017) Rapport
d'enquête sur les niveaux de vie au Bhoutan 2017
Bolivie 2015 Encuesta de Hogares 2015 Instituto Nacional de Estadística (2018) Encuesta de hogares

20112015
A continué
TABLEAU A.1. (A continué)
Bosnie et 2004 Mesure du niveau de vie Département du développement international. BosnieHerzégovine,

Enquête (LSMS) 2004 (Vague 4 politique du travail et politique sociale en BosnieHerzégovine : élaboration de
Herzégovine Panneau)
politiques et de mesures d'atténuation sociale (2005) Living in BiH, Panel Study
WAVE 4 Report. Projet pour discussion Banque mondiale (2003). Évaluation de la
pauvreté en BosnieHerzégovine.
Volume II : Données sur la pauvreté. Washington, D.C. : Banque mondiale
Bostwana Enquête sur les indicateurs de bienêtre de base 2009 Banque mondiale (2015). Évaluation de la pauvreté au Botswana. N° de rapport

2009–2010, Enquête sur la pauvreté 88473BW
Statistiques Botswana (2013). Enquête sur les indicateurs de base du bienêtre
au Botswana 2009/10. Rapport principal, volume 1
Brésil 2017 Pesquisa Nacional por Amostra de Domicílios Instituto Brasileiro de Geografia e Estatística IBGE (2017). Síntese de indicadores

ContínuaPNAD sociais: uma análise das condições de vida da população brasileira: 2017 National
Suite 2017 Statistical Institute (nd) Département des statistiques sur les conditions de vie, Direction
2016 EUSILC 2016 des statistiques démographiques et sociales.
Bulgarie
Métadonnées de référence nationales dans la norme SSE pour la structure des
rapports de qualité
Burkina Faso 2014 Enquête Multisectorielle Institut national de la statistique et de la démographie (INSD)
Continuer 2013–2014 (2015). Rapport Enquête multisectorielle continue (EMC) 2014.
Profil de pauvreté et d'inégalités Institut de
Burundi 2013 Enquête sur les conditions de vie des Statistiques et d'Études Économiques du Burundi, Groupe de la Banque africaine

ménages 2013 de développement (2015). Burundi : profil et déterminants de la pauvreté. Rapport de
l'enquête modulaire sur les conditions de vie des ménages 2013/2014
CapVert 2015 inquérito à despesas e receitas Instituto Nacional de Estatística (2018). Document méthodologique IDRF 2015 ;

familiares 2015 Medodologia da medição da pobreza monetária absoluta em Cabo Verde ; Instituto
Nacional de Estatística (2018).
Document méthodologique IDRF 2015 ; Evolution de la Pobreza Monetária
Absoluta 2001/02, 2007 et 2015 Instituto Nacional de Estatística (2018). Profil de
Pobreza Absoluta au CapVert ; Evolution de Pobreza Monetária Absoluta 2001/02,
2007 et 2015
Cambodge 2011 Cambodge Socioéconomique Banque mondiale (2014). Où sont passés tous les pauvres ? Cambodge Poverty

Enquête 2011 Assessment 2013 Royaume du Cambodge (nd) Plan national de développement
stratégique, 20142018
Cameroun Quatrième Enquête 2014 République du Cameroun, Institut National de la Statistique (nd)

camerounaise auprès des Troisième Enquête Camerounaise Auprès des Ménages (ECAM4)
Ménages (ECAM4) 2014
Canada Enquête canadienne sur le revenu de 2017 Site Web de Statistique Canada de 2017. Description détaillée du Canada
Enquête sur les revenus 2017 (CIS)
Emploi et Développement social Canada (2018) Une chance pour tous : la première
Stratégie canadienne de réduction de la pauvreté
Central 2008 Enquête Centrafricaine Pour Le BackinyYetna, P., et Wodon, Q. (2010). Profil et corrélats de la pauvreté en

Suiviévaluation Du Bienêtre République Centrafricaine en 2008. Perspective Afrique, Association Africaine pour
africain
(ECASEB) les Sciences sociales, vol. 5(1–3), pages 1–28.
République
Banque mondiale (2019). République centrafricaine : Priorités pour mettre fin à la
pauvreté et stimuler la prospérité partagée. Diagnostic pays systématique. Banque
mondiale, Washington, DC République du Tchad, institut national de la statistique, des
2011 Enquête sur la Consommation des Ménages études économiques et démographiques (INSEED) (2013). Troisième Enquête sur la
Tchad
et le Secteur Consommation et le Secteur Informel au Tchad (ECOSIT3) Rapport FinalWorld Bank
Informel au Tchad 2011, (2013) ChadPoverty note: dynamique de la pauvreté et des inégalités suite à la montée
Troisième du secteur pétrolier
Chine Enquête nationale auprès des ménages de Bureau national des statistiques de Chine (2016). Rapport de suivi de la pauvreté en

2016 sur le revenu, la consommation et Chine rurale Lugo, MA, Niu, C. et Yemtsov, R. (2021). Réduction de la pauvreté rurale
Conditions de vie; National et transformation économique en Chine : une approche de décomposition. Document
Suivi de la pauvreté rurale de travail sur la recherche sur les politiques no.
Enquête
9849. Washington, DC : Banque mondiale
A continué

Colombie 2017 Gran Encuesta Integrada de Departamento Administrativo Nacional de Estadística (DANE)
HogaresGEIH—2017 (2016) Metodología General Gran Encuesta Integrada de Hogares
GEIHDepartamento Administrativo Nacional de Estadística (DANE)
(2018) Boletín técnico. Pobreza Monetaria y Multidimensional en Colombie, Año
2017
Comores 2014 Enquête sur les Dépenses de Banque mondiale (2017). Évaluation de la pauvreté aux Comores. Banque

Consommation des Ménages aux mondiale, Washington, DC Union des Comores, Institut National de la Statistique,
Comores 2014 des Etudes Economiques et Démographiques, Fonds Africain de Développement
(2015) Pauvrete et Consommation des ménages en Union des Comores
Congo, Dém. 2012 Enquête 123 2012 Adoho, Franck M.. 2016. Congo, République démocratique du Bilan de la

pauvreté (français). Washington, DC : Groupe de la Banque mondiale
représentant
Congo, Rép. 2011 Enquête Congolaise Auprès des Banque mondiale (2017). Rapport d'évaluation de la pauvreté en République

Ménages pour le Suivi et l'Evaluation du Congo. Éducation, emploi et protection sociale pour une réduction durable
de la Pauvreté 2011 de la pauvreté. Washington, D.C. : Banque mondiale
Costa Rica 2017 Encuesta Nacional de Hogares 2017 Instituto Nacional de Estadística y Censos (INEC) (2017). Encuesta Nacional de

Hogares Julio 2017, Resultados generales
Côte d'Ivoire 2015 Enquête sur le Niveau de Vie des République de Côte d'Ivoire, Institut National de la Statistique (2015). Enquête

Ménages (ENV) 2015 sur le niveau de vie des ménages (ENV 2015)
Profil de pauvreté
Croatie Enquête sur le budget des ménages de 1998 Banque mondiale (2001). Croatie, étude sur la vulnérabilité économique et le bien

être. Washington, D.C. : Banque mondiale
Djibouti 2017 Enquête Djiboutienne République de Djibouti, Direction de la Statistique et des Études Démographiques

Auprès des Ménages pour les (DISED) (2018). Résultats de la quatrième enquête djiboutienne aupres des
Indicateurs Sociaux 2017 menages pour les indicateurs sociaux (EDAM4IS)
Dominique Enquête 2007 sur les conditions de vie et les Kairi Consultants Limited, Banque de développement des Caraïbes,

dépenses et revenus des ménages équipe nationale d'évaluation de la Dominique (2010). Évaluation de la pauvreté
20072008 du pays Dominique. rapport principal de volume ; Kairi Consultants Limited,
Banque de développement des Caraïbes, équipe nationale d'évaluation de la
Dominique (2010). Évaluation de la pauvreté du pays Dominique. Volume
Évaluation participative de la pauvreté
Equateur 2013 Encuesta Conditions de Instituto Nacional de Estadística y Censos (INEC) (nd) Informe de Resultados, ECV

Vida—Sexta Ronda (ECV) 2013– 2013–2014 Instituto Nacional de Estadística y Censos (INEC) (2015) Nota Técnica
2014 INEC001. Méthodologie de construction de l'agrégation de la consommation et de
l'estimation de la ligne de pobreza en Équateur
Egypte, Rép. Recettes, dépenses et Banque mondiale (2021). Libérer le potentiel de l'Égypte pour la réduction

Enquête de consommation de la pauvreté et la croissance inclusive : mise à jour systématique du
Arabe
diagnostic pays de l'Égypte. Banque mondiale, Washington, DCMémoire de
la Banque mondiale sur la pauvreté et l'équité, République arabe d'Égypte. Extrait
du Web en avril 2021
Le Salvador 2017 Encuesta de Hogares de Dirección General de Estadística y Censos DIGESTYC (2018).

Propositions Multiples 2017 Encuesta de Hogares de Propósitos Múltiples 2017
Estonie 2000 Enquête sur le budget des ménages Office statistique de la République d'Estonie (nd) Estonie 2000 : Informations sur

2000 l'enquête Ministère des affaires sociales (2009) Santé, travail et vie sociale en
Estonie 2000–2008
Eswatini 2010 2009/10 Swaziland Ménage Bureau central des statistiques (2010). Enquête 2009/10 sur les revenus et les

Revenus et dépenses dépenses des ménages au Swaziland. La pauvreté dans une décennie de faible
Enquête croissance économique : le Swaziland dans les années 2000
Ethiopie 2015 2015/16 Dépenses de consommation des République fédérale démocratique d'Éthiopie (2017). Ethiopia's Progress

ménages éthiopiens Towards Eradicating Poverty: An Interim Report on 2015/16 Poverty Analysis
(HCE) enquête Study République fédérale démocratique d'Éthiopie, Agence centrale des
statistiques (2018) Enquête 2015/16 sur la consommation et les dépenses
des ménages éthiopiens. Rapport statistique
Fidji 2013 Revenu des ménages et Bureau des statistiques des Fidji (2015). Rapport sur l'enquête sur les revenus et

Enquête sur les dépenses 2013 les dépenses des ménages de 20132014
A continué
France 2015 Enquête SRCVSILC 2015 INSEE (nd) National Reference Metadata in ESS Standard for Quality Reports

Structure (ESQRSSI), 2015INSEE (2018) Tableaux de l'économie française
Gabon 2005 Enquête Gabonaise pour l'Evaluation République Gabonaise (2015). Rapport National OMD (Version Provisoire)

et le Suivi de la
Pauvreté (EGEP) 2005 Banque mondiale (2006). Gabon, Diagnostic de la pauvreté
Gambie, Enquête intégrée auprès des ménages de 2015 Gouvernement gambien, Gambia Bureau of Statistics (2017). Enquête
2015 intégrée auprès des ménages 2015/16. Volume III : Prévalence et profondeur
de la pauvreté Gambia Bureau of Statistics (2017). Enquête intégrée auprès
des ménages 2015/16. Volume III : Prévalence et profondeur de la pauvreté
2017 Revenu des ménages et
Géorgie Banque mondiale (2019). Note d'information sur la pauvreté et l'équité ; Europe et Asie
Enquête sur les dépenses (HIES) centrale ; Géorgie
Allemagne 2018 EUSILC (Leben en Europe) Site Web de l'Institut allemand des statistiques (DESTATIS). Section

Conditions de vie, risque de pauvreté
Ghana Enquête sur les niveaux de vie 2017 (GLSS 7) Service statistique du Ghana (2018) Série 7 de l'enquête sur les niveaux de vie

2017 au Ghana (GLSS 7). Tendances de la pauvreté au Ghana 2005–2017
Guatemala 2014 Encuesta Nacional de Instituto Nacional de Estadística (2015) República de Guatemala : Encuesta

Conditions de Vie (ENCOVI) 2014 Nacional de Condiciones de Vida 2014. Principales resultadosInstituto Nacional
de Estadística (INE) (2016) Encuesta Nacional de Condiciones de Vida 2014.
Tomo I Instituto Nacional de Estadística (INE) (2016) Resultados de la encuesta
nacional de condiciones de vida ENCOVI2014 con énfasis en datos de vivienda
Guinée 2012 Enquête Légère pour l'Evaluation République de Guinée, Ministère du Plan, Institut National de la Statistique

de la Pauvreté (2012) Enquête Légère pour l'Evaluation de la Pauvreté ELEP2012. Rapport
(ELEP) 2012 final
Guinée 2010 Inquerito Ligeiro para a República da GuinéBissau, Instituto Nacional de Estatística

Avaliação da Pobreza 2010 (2011) Inquérito Ligeiro para Avaliação da Pobreza (ILAP2),
Bissau
Résultats définitifs
Haïti 2012 Enquête sur les Conditions de Vie des BackinyYetna, P., Marzo, F. (nd) La pauvreté en Haïti : Note méthodologique sur

Ménages Après le l'agrégat de la consommation à l'aide de l'ECVMAS 2012 Banque mondiale (2014)
Séisme (ECVMAS) Investir dans les personnes pour lutter contre la pauvreté en Haïti.
Réflexions pour l'élaboration de politiques fondées sur des données probantes
Honduras 2018 Encuesta Permanente de Instituto Nacional de Estadística (nd) Encuesta Permanente de Hogares de

Hogares de Propositos Propósitos Múltiples 2018. Resumen Ejecutivo Instituto Nacional de Estadística
Multiples (EPHPM) 2018 (nd) Encuesta Permanente de Hogares de Propósitos Múltiples 2018. Metodología
Inde 2011 Ménage Consommateur Commission de planification du gouvernement indien (2013) Note de presse sur

Dépenses en Inde, NSS 68e Estimations de la pauvreté, 2011–12
Cycle juillet 2011–juin 2012 Commission de planification du gouvernement indien (2009) Rapport du
Groupe d'experts chargé d'examiner la méthodologie d'estimation de la pauvreté
Gouvernement indien, Ministère des statistiques et du programme
Mise en œuvre (2016) SARVEKSHANA Journal of National
Bureau d'enquête par sondage, 100e numéro
Gouvernement indien, Ministère des statistiques et du programme
Mise en œuvre (2013) Indicateurs clés de la consommation des ménages
Dépenses en Inde Nss 68' Round (juillet 2011juin 2012)
Banque mondiale (2018) Comparaisons internationales de la pauvreté dans les
Asie; Document de travail sur les pratiques mondiales en matière de pauvreté et d'équité 184
Indonésie 2016 National Social Economique Badan Pusat StatistikStatistics Indonesia (2016) Welfare Statistics 2016.

Enquête (SUSENAS) 2016 Education Inequality in Indonesia Badan Pusat StatistikStatistics
Indonesia (2016) Welfare Indicators 2016. Education Inequality in
Indonesia Badan Pusat Statistik (2016) Penghitungan dan Analisis Kemiskinan
Makro Indonesia
Iran, Rép 2017 Revenu des ménages et Dossier de la Banque mondiale sur la pauvreté et l'équité, République islamique d'Iran.

Enquête sur les dépenses Extrait du Web en octobre 2020
islamique
A continué

2012 Ménage Socioéconomique Gouvernement de l'Iraq et de la région du Kurdistan, Banque mondiale (nd)
Irak
Enquête 2012, deuxième cycle Pauvreté en Irak 2012–2014
Banque mondiale (2014a). Estimations et tendances de la pauvreté en Irak : 2007–
2012. Note méthodologique. Washington, DC : Banque mondiale Banque mondiale
(2014b). Irak : La promesse non tenue du pétrole et de la croissance Pauvreté, inclusion
et bienêtre en Irak, 20072012. (En quatre volumes) Volume 1 : Rapport principal.
Washington, D.C. : Banque mondiale
Italie 2017 Indagine sulle spese delle famiglie Istituto nazionale di statistica ISTAT (2016). Spese per Consumi delle Famiglie,

Anno 2015 Istituto nazionale di statistica ISTAT (2016). Il Benessere Equo e
Sostenibile in Italia (BES) 2016
Jamaïque 2012 Jamaica Survey of Living Planning Institute of Jamaica (nd) 2012 Jamaica Survey of Living Conditions (JSLC)

Conditions (JSLC) 2012 Résumé exécutif
Japon Enquête complète de 2016 sur Ministère de la Santé, du Travail et du Bienêtre, Statistiques des ménages

Conditions de vie 2016 Bureau (2017) Rapport sommaire de l'enquête complète sur la vie
Conditions 2016
Jordan Dépenses des ménages 2010 & Département des statistiques, Jordanie (2015). Pauvreté en Jordanie.

Enquête sur les revenus 2010 Commission économique des Nations Unies pour l'Europe, Conférence des
statisticiens européens, Séminaire sur la mesure de la pauvreté 56 mai 2015, Genève,
Suisse Royaume hachémite de Jordanie, Département des statistiques (2012). Enquête
sur les dépenses et les revenus des ménages 2010
Kazakhstan Enquête sur le budget des ménages 2002 Banque mondiale (2004). Dimensions de la pauvreté au Kazakhstan, Volume 1. Policy

(HBS) 2002 Briefing Banque mondiale (2004). Dimensions de la pauvreté au Kazakhstan, Volume 2.
Profil des niveaux de vie au Kazakhstan en 2002
Kenya Budget intégré des ménages 2015 Banque mondiale (2018). Évaluation du genre et de la pauvreté au Kenya

Enquête 20152016 2015/16. Réflexion sur une décennie de progrès et la voie à suivre Bureau national
des statistiques du Kenya (2018). Rapport de base sur le bienêtre au Kenya. Basé
sur l'enquête intégrée sur le budget des ménages 2015/16 au Kenya (KiHBs)
Kiribati 2006 2006 Revenu des ménages et Bureau national des statistiques de Kiribati, Centre Pacifique du PNUD (2010).

Enquête sur les dépenses Kiribati, Analyse de l'enquête 2006 sur les revenus et les dépenses des ménages. Un
rapport sur l'estimation des seuils de pauvreté des besoins fondamentaux, et l'incidence
et les caractéristiques de la pauvreté à Kiribati
Kosovo Enquête sur le budget des ménages 2005 Banque mondiale, Office statistique du Kosovo (2007). Évaluation de la pauvreté au

2005 Kosovo. Volume I : Accelerating Inclusive Growth to Reduce Widespread Poverty
Banque mondiale, Office statistique du Kosovo (2007). Évaluation de la pauvreté au
Kosovo. Volume II : Estimation des tendances à partir de données non comparables
Agence des statistiques du Kosovo (2016). Série Statistiques sociales. Résultats de
l'enquête sur le budget des ménages 2015
Kirghize 2013 Ménage intégré kirghize Banque mondiale (2015). République kirghize : Profil de la pauvreté pour 2013

Enquête (KIHS) 2013
République
République démocratique populaire lao Enquête sur les dépenses et la Bureau des statistiques du Laos, Banque mondiale (2014). Profil de la pauvreté en

consommation au Laos 2012 2012/13 RDP lao. Rapport sur la pauvreté pour l'enquête sur la consommation et les
dépenses au Laos 20122013 Bureau central des statistiques de Lettonie (nd)
2016 UE SILC 2016 Métadonnées de référence nationales dans la norme ESS pour la structure des
Lettonie
rapports de qualité (ESQRSSI), 2016
Liban 2011 Enquête budget des ménages 2011/2012 Administration centrale des statistiques du Liban, Banque mondiale (nd)

Aperçu des résultats de la pauvreté et du marché du travail au Liban sur la base
de l'enquête sur le budget des ménages 2011/2021 Administration centrale des
statistiques du Liban, Banque mondiale (2015). Mesurer la pauvreté au Liban à l'aide
de l'enquête sur le budget des ménages de 2011
Lesotho 2017 Continu Multiusages Sulla, Victor; Zikhali, précieux; Mahler, Daniel Gerszon (2019).

Enquête auprès des ménages (CMS/ Évaluation de la pauvreté au Lesotho : Progrès et défis dans la réduction
HBS) 2017/18 de la pauvreté Bureau des statistiques (2019) Rapport sur les tendances et le profil
de la pauvreté au Lesotho de 2002/2003 à 2017/2018
A continué
Libéria 2016 Revenu des ménages et Institut libérien des statistiques et des services d'information géographique

Enquête sur les dépenses 2016 (LISGIS) (2017). Enquête sur les revenus et les dépenses des ménages 2016.
Résumé statistique
2016 UE SILC 2016 Statistique Lituanie (nd) Métadonnées de référence nationales dans la norme
Lituanie
ESS pour la structure des rapports de qualité (ESQRSSI), 2016
2010 Enquête Périodique auprès des Banque mondiale (2016). Fortunes changeantes et pauvreté persistante à
Madagascar
Ménages 2010 Madagascar, résultats récents Institut National de la Statistique (2011). Enquête
périodique auprès des ménages 2010, rapport principal
Malawi Enquête intégrée auprès des ménages de 2016 Banque mondiale, Office national des statistiques du Malawi (2018).

IV (HISIV) méthodologie de mesure de la pauvreté au Malawi (2016/17)
République du Malawi (2017). enquête intégrée auprès des ménages 2016– 2017
Revenu du ménage et de base 2016 Département des statistiques, Malaisie (2017). Rapport d'enquête sur le revenu des
Malaisie
Enquête sur les équipements 2016 ménages et les équipements de base 2016
Maldives 2016 Revenu des ménages et Maldives, Bureau national des statistiques (nd) Enquête sur les revenus et les

Enquête sur les dépenses 2016 dépenses des ménages (HIES) Rapport administratif 2016 Maldives, Bureau
national des statistiques (nd) Enquête sur les revenus et les dépenses des ménages
(HIES). Analytical Report IV: Poverty & Inequality 2016 Maldives, Bureau national
des statistiques (2018) Méthodologie de mesure de la pauvreté aux Maldives
Rapport technique Maldives, Bureau national des statistiques (nd) Household
Income and Expenditure Survey (HIES). Rapport technique 2016
Mali 2018 Enquête modulaire et permanente Institut national de la statistique du Mali (2019) Rapport annuel

auprès des ménages 2018 Consommation, pauvreté et bienêtre des ménages
(EMOP) 2018– 2019
Mauritanie 2014 Enquête permanente sur les République Islamique de Mauritanie, Office National de la

Conditions de vie des ménages 2014 Statistique (2015) Profil de la Pauvreté en Mauritanie 2014 Monde
Bank (2016) République Islamique de Mauritanie, Dynamics and Poverty
Mobilité sociale 2008–2014
Maurice Enquête sur le budget des ménages 2017 Statistics Mauritius (2018). Enquête sur le budget des ménages 2017 et l'indice

(HBS) des prix actualisé. Rapport méthodologique Statistics Mauritius (2018). Enquête
sur le budget des ménages 2017.
Rapport analytique
Mexique 2018 Encuesta Nacional de Ingresos y Gastos de Consejo Nacional de Evaluación de la Política de Desarrollo Social (2019). 10 años

los Hogares de medición de pobreza en mexico, advances y retos en política social Consejo
(ASSEZ) 2018 Nacional de Evaluación de la Política de Desarrollo Social (nd) Canastas alimentarias
y no alimentarias, observadas y normativas
2013 Enquête sur les revenus et les dépenses des Gouvernement des États fédérés de Micronésie, Banque mondiale (2017). Profil
Micronésie,
ménages de 20132014 de la pauvreté des États fédérés de Micronésie.
Féd. Sts.
D'après l'Enquête sur les revenus et les dépenses des ménages de
20132014; rapport technique
Moldavie Enquête sur le budget des ménages 2013 Banque mondiale 2013 (2016). Évaluation de la pauvreté en Moldavie 2016. Pauvreté
Réduction et prospérité partagée en Moldavie : Progrès et
Perspectives
Bureau national des statistiques de la République de Moldova (2014)
Aspects du niveau de vie de la population en 2013 (Résultats de l'enquête Budget des
ménages)
2016 Ménage Socioéconomique Bureau national des statistiques de Mongolie (2017). Profil de la pauvreté 2016.
Mongolie
Enquête (HSES) 2016 Oulan Bator : Mongolie.
A continué

Maroc 2013 Enquête nationale sur la Royaume du Maroc, Haut Commissariat au Plan (2016).
Consommation et Dépenses des Présentation des résultats de l'Enquête Nationale sur la Consommation
Ménages (ENCDM) et les Dépenses des ménages 2013/2014.
20132014 Inégalités sociales et territoriales à la lumière des résultats de l'enquête
nationale sur la consommation et les dépenses des ménages 2014 Royaume
du Maroc, Haut Commissariat au Plan (2017). Pauvreté et prospérité partagées
au Maroc du troisième millénaire, 2001–
2014
Royaume du Maroc, Haut Commissariat au Plan (nd) Enquête Nationale sur la
consommation et les dépenses des ménages 2013/2014. Rapport de synthèse
Mozambique 2014 Inquérito sobre Orcamento Banque mondiale (2018). Une croissance forte mais pas largement partagée.
Familier 20142015 Évaluation de la pauvreté au Mozambique
Moçambique, Direcção de Estudos Económicos e Financeiros (2016). Pobreza
e BemEstar au Moçambique : Quarta Avaliação Nacional (IOF 2014/15)
Moçambique, Instituto Nacional de Estatística (2015). Relatório Final do Inquérito
ao Orçamento Familiar—IOF 2014/15
Birmanie 2017 Conditions de vie au Myanmar Gouvernement du Myanmar et Banque mondiale (2017). Rapport technique

Enquête (MLCS) 2016/17 d'estimation de la pauvreté. Enquête sur la pauvreté et les conditions de vie au
Myanmar Banque mondiale, PNUD (2019). Myanmar Living Conditions Survey 2017.
Rapport sur la pauvreté Banque mondiale, PNUD (2019). Enquête sur les conditions
de vie au Myanmar 2017. Rapport sur les indicateurs clés
Namibie Enquête 2015 sur les revenus et les dépenses Agence namibienne des statistiques (2017). Enquête sur les revenus et les dépenses

des ménages en Namibie, 2015/16 des ménages en Namibie (NHIES) 2015/2016 Report Namibia Statistics Agency
(2016). Enquête sur les revenus et les dépenses des ménages en Namibie (NHIES)
2015/2016 Principaux indicateurs de pauvreté (chiffres préliminaires)
Nauru 2012 2012/13 Enquête sur les revenus et les Bureau national des statistiques du gouvernement de Nauru, UNDP Pacific

dépenses des ménages Center (nd) Nauru Hardship and Poverty Report. Analyse de l'Enquête sur les
revenus et dépenses des ménages 2012/13
Népal Enquête sur les niveaux de vie au Népal 2010 Gouvernement du Népal, Bureau central des statistiques (2011). Enquête sur les

(NLSS) 2010 niveaux de vie au Népal 2010/11. Rapport statistique, volume un Gouvernement du
Népal, Bureau central des statistiques (2011). Enquête sur les niveaux de vie au
Népal 2010/11. Rapport statistique, volume deux
Nicaragua 2014 Encuesta Nacional de Hogares sobre Instituto Nacional de Información de Desarrollo (INIDE) (2016).

Medición de Nivel de Encuesta Nacional de Hogares sobre Medición de Nivel de Vida 2014
Vida 2014
Niger 2011 Enquête Nationale sur les Institut National de la Statistique du Niger (2013) Profil et déterminants de

Conditions de Vie des Ménages et de la Pauvreté au Niger en 2011. Premiers résultats de l'Enquête Nationale sur les
l'Agriculture 2011 Conditions de Vie des Ménages et l'Agriculture au Niger (ECVMA) ; Institut National
de la Statistique du Niger (2013) Enquête Nationale 2011 sur les Conditions de Vie
des Ménages et l'Agriculture (ECVM/A2011). Document d'information de base ;
Nigeria 2009 Harmonisé Nigeria Living République fédérale du Nigéria, Bureau national des statistiques (2012).

Enquête Normes 2009/2010, Profil de la pauvreté au Nigéria 2010
Premier tour Banque mondiale (2013). Nigeria Où est passée toute la croissance ? Une note
de politique
Nord Enquête 2013 sur les revenus et les conditions Banque mondiale (2015). ARY de Macédoine : Mesurer le bienêtre à l'aide de

de vie, 2013 l'Enquête sur les revenus et les conditions de vie (SILC) Banque mondiale (2017).
Macédoine
Réduction de la pauvreté, prospérité partagée et inégalités en ARY de Macédoine
pendant la période postcrise financière (20092013)
Office national des statistiques de la République de Macédoine (2015). Enquête
sur les revenus et les conditions de vie, 2013. Bilan statistique : revenus, dépenses
et prix
Norvège Enquête 2015 sur les conditions de vie Thorsen, LR (2018). Materielle og sosiale mangler i den norske befolkningen.

UESILC 2015 Resultater fra Levekårsundersøkelsen EUSILC
A continué

Pakistan Enquête économique intégrée auprès Gouvernement du Pakistan, Ministère des finances (nd) Pakistan
des ménages (HIES) de 2013 Economic Survey 2015–16. Annexe III : Gouvernement pakistanais
(20132014) sur la pauvreté, Division des statistiques (2015). Enquête économique
intégrée auprès des ménages (HIES) (2013–14)
Palaos 2006 2006 Revenu des ménages et Bureau de la planification et des statistiques des Palaos (2008). Palau,

Enquête sur les dépenses (HIES) Analyse de l'enquête 2005/2006 sur les revenus et les dépenses des ménages.
Rapport final sur l'estimation des seuils de pauvreté des besoins fondamentaux,
et l'incidence et les caractéristiques de la pauvreté aux Palaos République des
Palaos (nd) 2006 Household Income and Expenditure Survey
Palestine Dépenses palestiniennes 2016 et Bureau central palestinien des statistiques et Banque mondiale

Enquête de consommation (PECS) (2018). Mesurer la pauvreté en Cisjordanie et à Gaza : Examen
méthodologique à l'aide du PECS 2016. Washington, DC : Banque mondiale
Panama 2008 Encuesta de Niveles de Vida Encuesta de Niveles de Vida (ENV) 2008, nota: el agregado de

(ENV) 2008 consommer
Encuesta de Niveles de Vida (ENV) 2008, nota : medición de la pobreza
Banque mondiale (2011). Évaluation de la pauvreté au Panama : traduire
la croissance en opportunités et en réduction de la pauvreté
2009 Revenu des ménages et En ligneGibson, J. (2012). Rapport technique, Profil de la pauvreté en Papouasie
Papouasie Nouvelle
Enquête sur les dépenses NouvelleGuinée. D'après l'enquête sur les revenus et les dépenses des ménages
Guinée 20092010 de PapouasieNouvelleGuinée, Office national des statistiques (nd) 2009–2010
Enquête sur les revenus et les dépenses des ménages de PapouasieNouvelleGuinée.
Tableaux récapitulatifs
2017 Encuestas Permanentes de Paraguay Dirección General de Estadística, Encuestas y Censos
Paraguay
Hogares (EPH) 2017 (DGEEC) (2018). Principales Resultados de Pobreza y Distribución
del Ingreso. EPH : Encuesta Permanente de Hogares 2017 Paraguay
Dirección General de Estadística, Encuestas y Censos (DGEEC)
(2018). « Condiciones de Vida », Encuestas Permanentes de
Hogares (EPH)
Pérou 2017 Encuesta Nacional de Hogares Instituto Nacional de Estadística e Informática (2018). Evolution de la

sobre Condiciones de Vida y Pobreza Monetaria 2007–2017. Informe Técnico Instituto Nacional de
Pobreza 2017 Estadística e Informática (2018). Encuesta Nacional de Hogares 2017.
Calidad de la Encuesta Instituto Nacional de Estadística e Informática
(nd) Ficha Técnica.
Encuesta Nacional de Hogares sobre Condiciones de Vida y
Pobreza 2017. Non publié
Philippines 2015 2015 Revenu familial et Banque mondiale (2018). Mettre la croissance au service des pauvres. Une

Enquête sur les dépenses (FIES) évaluation de la pauvreté pour l'Autorité philippine des statistiques des Philippines
(2017). Enquête sur les revenus et les dépenses des familles (FIES) 2015
2016 EUSILC 2016 Institut national des statistiques de Roumanie (2016). Métadonnées
Roumanie
de référence nationales dans la norme ESS pour la structure des rapports de
qualité (ESQRSSI)
russe 2015 RosStat (2016). 2012–2015 гг. (Indicateurs socio

économiques de la pauvreté en 20122015)
Fédération 2015
Rwanda 2016 Enquête Intégrale sur les Institut national de la statistique du Rwanda (INSR) (2018). La Cinquième

Conditions de vie des ménages Enquête Intégrée sur les Conditions de Vie des Ménages, EICV5 ; Rapport sur
(EICVV) le profil de la pauvreté au Rwanda 2016/17
Samoa 2013 2013/14 Revenu des ménages Bureau national des statistiques du Samoa, Centre du PNUD pour le Pacifique (2016).

et enquête sur les dépenses Rapport sur les difficultés et la pauvreté au Samoa. Analyse de l'Enquête
sur les revenus et dépenses des ménages 2013/14
São Tomé 2010 Inquérito Orçamento Familier 2010 São Tomé et Príncipe, Ministère du Plan et du Développement

(2011). Profil de pauvreté à São Tomé et Príncipe 2010 Instituto
et principe Nacional de Estatística (nd) Inquérito aos orçamentos familiares, Perfil
de pobreza em São Tomé e Príncipe 2010
Sénégal 2010 Enquête de suivi de la pauvreté au République du Sénégal, Agence Nationale de la Statistique et de la

Sénégal (20102011) Démographie (ANSD) (2013). Deuxième Enquête de Suivi de la
Pauvreté au Sénégal (ESPSII 2011). Rapport Définitif
Serbie 2007 SerbieNiveaux de vie Office statistique de la République de Serbie (2008). Étude sur

Enquête de mesure 2007 les mesures des niveaux de vie Serbie 2002–2007
A continué
les Seychelles Enquête sur le budget des ménages 2013 2013 Bureau national des statistiques Seychelles (2016). Un profil de pauvreté de la
République des Seychelles. Rapport sur la pauvreté pour l'enquête sur le budget
des ménages 2013 République des Seychelles (nd) Enquête sur le budget des
ménages 2013
Sierra Leone 2011 Enquête intégrée auprès des ménages 2011 Banque mondiale (2013). Un profil de pauvreté pour la Sierra Leone
Salomon 2012 2012/13 Revenu des ménages Bureau national des statistiques des Îles Salomon, Banque mondiale (2015).

et enquête sur les dépenses Profil de la pauvreté des Îles Salomon basé sur l'enquête 2012/13 sur les revenus et
îles
les dépenses des ménages
Somalie Enquête auprès des ménages du Somaliland Banque mondiale (2015). Évaluation de la pauvreté au Somaliland

2013 2013
Afrique du Sud Enquête sur les conditions de vie 2014 Statistiques Afrique du Sud (2017). Tendances de la pauvreté en Afrique du Sud.

20142015 Un examen de la pauvreté absolue entre 2006 et 2015 Banque mondiale (2018).
Surmonter la pauvreté et les inégalités en Afrique du Sud, une évaluation des
moteurs, des contraintes et des opportunités Statistics South Africa (2017).
Conditions de vie des ménages en Afrique du Sud. Une analyse des données sur
les dépenses et les revenus des ménages à l'aide de l'ECM 2014/2015
Soudan du Sud 2015 Haute fréquence Soudan du Sud Banque mondiale (2016). Profil de la pauvreté au Soudan du Sud 2015. Résultats
Enquête 2015 de la vague 2015 de l'enquête à haute fréquence sur le Soudan du Sud.
Banque mondiale.
Espagne 2004 Encuesta de Conditions de Instituto Nacional de Estadística (nd) Estudio descriptivo de la pobreza en

Vida 2004 España Resultados basados en la Encuesta de Condiciones de Vida 2004
Instituto Nacional de Estadística (2005). Encuesta de Condiciones de Vida
(ECV) Año 2004. Principaux résultats
Sri Lanka 2016 Revenu des ménages et Sri Lanka, Ministère des politiques nationales et des affaires économiques.

Enquête sur les dépenses (HIES) Département du recensement et des statistiques (2018). Enquête sur les revenus
2016 et les dépenses des ménages 2016. Rapport final Département du recensement et
des statistiques (2018). Enquête sur les revenus et les dépenses des ménages
2016, Rapport finalBanque mondiale (2018).
Comparaisons internationales de la pauvreté en Asie du Sud ; Document de travail sur les
pratiques mondiales en matière de pauvreté et d'équité 184
Sainte Lucie Enquête 2016 sur les conditions de vie et Kairi Consultants Limited (2018). SainteLucie Rapport national sur les conditions

Budgets des ménages 2016 de vie 2016 Rapport final
Soudan 2009 National Baseline Ménage Banque mondiale (2011). Un profil de pauvreté pour les États du Nord du Soudan

Enquête (NBHS) 2009 Bureau national des statistiques (NBS) (2012). National Baseline Household
Survey 2009. Rapport pour le Soudan du SudMartín Cumpa Castro (2010).
Poverty in Northern Sudan, Estimates from the NBHS 2009Soudan Central Bureau
of Statistics (2010). Enquête nationale de référence sur les ménages au Soudan
2009 Rapport de tabulation du Soudan du Nord
Tadjikistan 2014 HBS 2014 Agence des statistiques du Tadjikistan (2015). Mesure de la pauvreté au

Tadjikistan : une note méthodologique
Tanzanie 2017 20172018 Budget des ménages Division de l'éradication de la pauvreté du ministère des Finances et de la

Enquête Planification (MoFPPED) [Tanzanie continentale] et Bureau national des
statistiques (NBS) (2019). Tanzania Mainland Household Budget Survey 2017–
18, Key Indicators Report Banque mondiale (nd) Mainland Poverty Assessment,
résumé analytique
Thaïlande 2013 Ménage Socioéconomique Banque mondiale (nd) Getting Back on Track. Relancer la croissance et assurer

Enquête (HSES) 2013 la prospérité pour tous. Office national des statistiques du diagnostic systématique des
pays de la Thaïlande (2014). L'enquête socioéconomique auprès des ménages de
2013. Tout le Royaume
Timor oriental 2014 TimorLeste Survey of Living Direction générale des statistiques (2016). Pauvreté au TimorLeste 2014

Normes (TLSLS) 2014–2015
Aller 2015 Questionnaire des Indicateurs de Base du Institut National de la Statistique et des Études Économiques et Démographiques

Bienêtre (QUIBB) 2015 (INSEED) (2016). Togo : Profil de Pauvreté 2006
20112015
A continué
Tonga 2015 2015 Revenu des ménages et Département des statistiques des Tonga, Secrétariat de la Communauté du

Enquête sur les dépenses Pacifique (2017). NouvelleCalédonieEnquête sur les revenus et dépenses
des ménages 2015/2016, rapport complet
Tunisie 2010 Enquête Nationale sur le République Tunisienne, Institut National de la Statistique (2012).

Budget, la Consommation et le Niveau Mesure de la pauvreté des inégalités et de la polarisation en Tunisie 2000–2010
de Vie des Ménages
2010
Enquête sur les revenus et les conditions de vie, 2018, métadonnées. Sur le site Web
Turquie Revenus et conditions de vie 2018
de l'Institut turc des statistiques. Consulté en novembre 2021
Sondage, 2018
Tuvalu 2016 2016 Revenu des ménages et Division centrale des statistiques de Tuvalu, Communauté du Pacifique,

Enquête sur les dépenses NouvelleCalédonie (2018). Enquête sur les revenus et les dépenses des
ménages de Tuvalu 2015/2016, rapport complet
Ouganda 2016 Foyer national ougandais Bureau ougandais des statistiques (2018). Enquête nationale auprès des ménages

Enquête (ENM) 20162017 en Ouganda 2016/2017 Rapport
Ukraine 2012 Enquête conditions de vie des ménages Service national des statistiques de l'Ukraine (2013). Mesure de la pauvreté en

2012 Ukraine : critères, défis et perspectives. Document de travail 12 dans la Commission
économique des Nations Unies pour l'Europe
Enquête sur la population actuelle des ÉtatsUnis 2017 Fontenot, K., Semega, J. et Kollar, M., US Census Bureau (2018). Revenu et
Annuel Social et Economique pauvreté aux ÉtatsUnis : 2017. Dans les rapports sur la population actuelle P60263
Suppléments (CPS ASEC) 2017
Uruguay 2017 Encuesta Continua de Hogares Instituto Nacional de Estadística Uruguay (2018). Estimación de la pobreza por el

2017 Metodo del Ingreso 2017 Instituto Nacional de Estadística Uruguay (2018). Ficha técnica
Encuesta Continua de Hogares
Ouzbékistan Enquête sur le budget des ménages 2000 Banque mondiale (2003) Évaluation des niveaux de vie en Ouzbékistan.

(HBS) 2000 Politiques d'amélioration des niveaux de vie (en deux volumes) Volume I : Rapport
de synthèse ; Banque mondiale (2003) Uzbekistan Living Standards Assessment
Policies To Improve Living Standards. (En deux volumes) Volume II : Rapport
complet ; Banque mondiale (2007) République d'Ouzbékistan, mise à jour de l'évaluation
des niveaux de vie
Vanuatu Enquête 2010 sur les revenus et les dépenses Office national des statistiques de Vanuatu, Centre du PNUD pour le Pacifique (2013).

des ménages de Vanuatu 2010 Rapport sur les difficultés et la pauvreté de Vanuatu. Analyse de l'enquête
2010 sur les revenus et les dépenses des ménages Office national des
statistiques de Vanuatu (2012). Enquête sur les revenus et les dépenses des
ménages de Vanuatu 2010. Rapport
Viêt Nam 2016 Viet Nam Ménage Vie Banque mondiale (2018). Monter l'échelle. Rapport sur la pauvreté et la prospérité

Enquête sur les normes 2016 partagée au Vietnam. Réduction de la pauvreté et prospérité partagée au Vietnam
Office général des statistiques (nd) Résultat de l'enquête sur le niveau de vie des
ménages du Vietnam 2016
banque de l'Ouest Dépenses et consommation 2017 Bureau central palestinien des statistiques (nd) note : Profil de la pauvreté en Palestine,

Enquête, PECS 2017 2017
et Gaza
Yémen, Rép. 2005 Enquête sur le budget des ménages (HBS) Banque mondiale (2007a). République du Yémen Évaluation de la pauvreté (Vol.
2005–2006 1) : Rapport principal. Washington, DC : Banque mondiale
Banque mondiale (2007b). Yémen vers une réduction de la demande de qat.
Washington, D.C. : Banque mondiale
Zambie 2015 2015 Conditions de vie République de Zambie, Bureau central des statistiques (2016). Rapport d'enquête de

Enquête de suivi suivi des conditions de vie 2015
Zimbabwe Enquête 2017 sur la pauvreté, les revenus, la Agence nationale des statistiques du Zimbabwe (2018). Rapport 2017 de l'Enquête

consommation et les dépenses sur la pauvreté, les revenus, la consommation et les dépenses
(PICES)
REMARQUE : Le tableau contient également des rapports d'enquête cités tout au long du texte. La Croatie et la Palestine ne sont
pas couvertes dans la base de données sur la méthodologie de mesure de la pauvreté, mais elles apparaissent dans le tableau,
car les rapports correspondants ont été cités ailleurs dans le texte.
Appendice B.
Consommation vs.
Le revenu comme
indicateur de bienêtre
TABLEAU B.1. Avantages et inconvénients du revenu et de la consommation comme indicateurs de bienêtre
Revenu Les dépenses de consommation
A Conceptuel 1.
Reflète le « niveau de vie potentiel » [17]
2. Lien direct avec les politiques de revenu de base [11]
3. Facilite l'analyse de microsimulation [17]
Conceptuel 1.
Reflète le « niveau de vie atteint » [11]
2. Fondements de la théorie économique moderne [1]
Empirique 4. Empirique 3.
Les enquêtes sur les revenus sont plus régulières que les enquêtes sur Le lissage de la consommation permet d'obtenir une approximation du
les dépenses [6] niveau de vie "typique"/du revenu permanent [17]
5. Estimations avec des erreurs types plus petites en raison d'une taille 4. Capture la taille de l'épargne et l'accès au crédit [1]
d'échantillon plus grande 6. Rentabilité : en général, les données sur 5. Plus susceptibles de capter les transferts privés et publics [2]
les revenus sont plus rentables à collecter que les données sur les dépenses 6. Reflète mieux la valeur d'assurance des programmes gouvernementaux
[11] [1]
7. Meilleure mesure du bienêtre matériel des personnes au
bas de la distribution [3,7]
8. Collecter des informations fiables sur la consommation est beaucoup
plus simple que pour le revenu [4,5]
9. La désagrégation par catégories de consommation est
informatif sur les changements du bienêtre matériel [3]
D Conceptuel 1.
Manque de fondements théoriques [1]
2. Ne saisit pas le rôle de l'épargne et de l'accès au crédit [1]
3. Ne reflète pas les transferts en nature [1]
Conceptuel 1.
Leviers politiques indirects [11]
2. Choix individuel [11]
4. Le faible revenu n'est pas si bien corrélé aux autres
mauvais résultats de bienêtre non liés au revenu [2]
Empirique 5. Empirique 3.
Sensible aux fluctuations à court terme [11] Estimations avec des erreurs types plus importantes en raison de la taille
6. Sujet à une grave sousdéclaration [2] réduite de l'échantillon 4. Sujet à une certaine sousdéclaration [1]
7. Nonréponse totale et partielle [21]
8. La sousdéclaration est sélective [9, 10, 13] 5. Nonréponse totale et partielle [21]
9. Biais de désirabilité sociale [8] 6. Certains éléments (par exemple, l'alcool et les cigarettes) sont
10.Certaines composantes (par exemple, le travail indépendant) sont difficiles sousdéclarés [12]
mesurer [11, 14] 7. Collecte de données complexe et coûteuse [11]
11. Peut exagérer le niveau de vie dans le cas de personnes singulières 8. Les possibilités de lissage de la consommation peuvent varier selon le
structures de marché (rationnement, etc.) [16] statut social [17]
REMARQUES : Les chiffres entre parenthèses indiquent les références répertoriées dans les sources.
SOURCES : [1] Meyer et Sullivan (2012) ; [2] Meyer et Sullivan (2011) ; [3] Meyer et Sullivan (2008) ; [4]
Deaton (1997, 29), [5] Banque mondiale (2015, 33) ; [6] Atkinson (2019, 5960) ; [7] Brewer et O'Dea (2012) ; [8]
Moore, Stinson et Welniak (2000) ; [9] Carletto, Tiberti et Zezza (2021) ; [10] Fisher, Reimer et Carr (2010) ; [11] CEE
ONU (2017); [12]Atkinson (2015); [13] Brewer, Etheridge et O'Dea (2017) ; [14] Hurst, Li et Pugsley (2014) ; [15] Johnson,
Smeeding et Torrey (2005) ; [16]Atkinson (1991); [17] Ravallion (2016) ; [18]
Attanasio et Pistaferri (2016) ; [19] Beegle et al. (2016) ; [20] Browning, Crossley et Winter (2014) ; [21]
Meyer, Mok et Sullivan. (2015).
Annexe C.
Construction d'un
Revenu global
Cette annexe ne traitera pas en détail de la construction d'un indicateur de bienêtre basé sur le
revenu . Il s'appuiera plutôt sur une source externe, le Canberra Group Handbook on Household
Income Statistics (UNECE 2011). Le manuel présente un cadre conceptuel qui aide à comprendre
exactement ce que l'on entend par revenu (disponible) des ménages et fournit des directives
pratiques utiles pour proposer une mesure complète et précise en utilisant les éléments d'information
généralement collectés par les enquêtes auprès des ménages. .
Le manuel est l'aboutissement de décennies d'efforts vers l'harmonisation internationale
statistiques sur le revenu des ménages au niveau micro, conformément aux normes qui régissent
à la fois le Système de comptabilité nationale et la collecte des statistiques du travail. Les premières
initiatives en ce sens remontent au milieu des années 1960 et ont été menées sous l'égide de la
Commission de statistique des Nations unies (OCDE 2013, ch. 1). S'appuyant sur ces efforts et sur
d'autres efforts ultérieurs, le Groupe de Canberra, un groupe de travail international composé
d'experts des bureaux nationaux de statistiques (ONS), des ministères, des organisations
internationales et des agences de recherche, a été formé en 1996. La première version du manuel
est venue en 2001 (Canberra Group 2001), et il représentait une nouvelle référence pour
l'harmonisation du concept de revenu et sa mesure au niveau des ménages dans tous les pays.
Les lignes directrices de 2001 ont été mises à jour, avec des modifications mineures, en 2011,
établissant la norme actuelle (UNECE 2011).102
Les recommandations formulées dans le Manuel facilitent grandement la tâche de construction d'un
agrégat de revenu. Pour commencer, il faut comprendre le concept de revenu mis en avant par le
Manuel, qui est résumé dans la définition cidessous :
"Le revenu du ménage comprend toutes les recettes, qu'elles soient monétaires ou en
nature (biens et services) qui sont reçues par le ménage ou par des membres individuels du
ménage à des intervalles annuels ou plus fréquents, mais exclut les gains exceptionnels et
autres tels irréguliers et généralement un reçus de temps. Les revenus du ménage sont
disponibles pour la consommation courante et ne réduisent pas la valeur nette du ménage
par une réduction de sa trésorerie, la cession de ses autres actifs financiers ou non financiers
ou une augmentation de son passif.
(UNECE 2011, 910).
102 « Les seules exceptions concernent la valeur des services domestiques non rémunérés et la valeur des services des biens
de consommation durables des ménages. Ces composantes n'étaient pas incluses dans la définition conceptuelle du revenu
de la première édition du manuel, mais étaient répertoriées comme des « problèmes pour l'avenir ». Dans cette deuxième
édition du manuel, les deux composantes ont été incluses dans la définition conceptuelle pour s'aligner sur la norme ICLS
2004. » (UNECE 2011, 9).
Construction d'un agrégat de revenus
Le devis contient tous les éléments qui distinguent le revenu du ménage des autres composantes du budget
du ménage. Essentiellement, la définition recommande qu'une mesure du revenu soit complète et
comprenne, en principe, toutes les ressources monétaires et en nature entrant dans le budget du ménage
(Ellwood et Summers 1985); mais la mesure doit aussi être spécifique, et veiller à exclure certaines de ces
recettes.
Premièrement, les variations de la valeur des actifs et passifs financiers et non financiers sur une période
de référence (gains ou pertes de détention) sont considérées comme des variations de la valeur nette et
sont donc exclues des définitions conceptuelles et opérationnelles du revenu. Il peut être utile de mentionner
que certains éléments courants, tels que la vente d'actifs, les prêts obtenus et les retraits de l'épargne, sont
tous des exemples de recettes résultant d'une réduction de la valeur nette et ne doivent donc pas être
considérés comme un revenu.
Le deuxième type d'exclusion concerne les revenus « atypiques » : les gains exceptionnels et autres recettes
forfaitaires irrégulières sont exclus de la définition des revenus car ils ne sont pas considérés comme
représentatifs de la situation et du niveau de vie habituels d'un ménage. Un niveau d'arbitraire est intégré
dans la définition de ce qui constitue des gains « atypiques », comme dans le cas de l'agrégat de
consommation, qui exclut également les dépenses peu fréquentes (une discussion plus détaillée de ce
principe se trouve à la section 4.1).
La définition conceptuelle clarifie ce qu'est le revenu et quelles recettes monétaires ne devraient pas faire
partie de l'agrégat du revenu, mais elle reste muette sur un certain nombre de questions d' importance
pratique (par exemple, si le loyer imputé doit ou non être considéré comme un capital en nature gain, et
donc s'il doit être inclus dans l'agrégat).
Le tableau C.1 présente une définition opérationnelle de l'agrégat de revenu, parfois appelée
plan d'agrégation , conforme au Manuel (UNECE 2011), qui résout ces ambiguïtés. Deux
versions différentes de l' agrégat du revenu nominal peuvent être calculées : le revenu brut
et le revenu disponible.103 Aucune n'est nécessairement supérieure dans tous les contextes ;
chacun est adapté à des fins d'analyse spécifiques, bien que le revenu net ou disponible soit
généralement considéré comme représentatif de la maîtrise des ressources par le ménage.
Compte tenu de leur nature hétérogène, les composantes du revenu répertoriées dans le tableau C.1 seront
presque toujours collectées dans différents modules du questionnaire d'une enquête type sur le budget des
ménages. Le tableau peut fonctionner comme une liste de contrôle, aidant à dissiper les doutes de l'analyste
lorsqu'il parcourt le questionnaire à la recherche des informations dont il a besoin.
Le premier ensemble de composantes du revenu, le revenu des salariés, est généralement collecté dans
le module sur l'emploi et ne pose généralement pas de problème. La source d'erreur de mesure la plus
probable pour cette classe de revenus est l'absence d'inclusion de toutes ses composantes, en particulier
lorsqu'il s'agit de revenus reçus en nature d'un employeur. Cependant, cette information est généralement
enregistrée dans le questionnaire, avec les revenus en espèces, et si l'on accepte l'exactitude des évaluations
des répondants, alors son inclusion devrait être assez facile (Smeeding et Weinberg 2001).
103 Les analystes du bienêtre s'intéressent souvent au revenu réel , c'estàdire à l'ajustement de la définition du revenu discutée dans cette
section pour tenir compte des différences géographiques dans le niveau des prix. La section 5 traite des ajustements de prix dans la
mesure où ils se rapportent à l'agrégat de consommation ; cette discussion peut s'appliquer, dans l'ensemble, au cas du revenu.
TABLEAU C.1. Le plan d'agrégation du revenu total et disponible des ménages
Composante du revenu Description
Y1 Revenu du travail Revenus des salariés =
Salaires et traitements
+ Primes (commissions, pourboires, primes d'intéressement…)
+ Biens et services gratuits ou subventionnés d'un employeur* + Indemnités
de départ et de licenciement + Cotisations patronales de sécurité sociale
Revenus d'une activité indépendante =
Recettes en espèces provenant de la vente de la production
+ Valeur des biens produits pour le troc
+ Valeur des biens produits pour sa propre consommation*
– Coût des intrants
Y2 Revenus de la propriété Revenu de la propriété =
Revenus des actifs financiers et non financiers, nets des dépenses
+ Valeur nette des services de logement occupé par le propriétaire (loyer fictif)*
Y3 Transferts courants reçus Transferts publics =
Pensions ou régimes de sécurité sociale
+ Prestations d'assistance sociale (hors transferts sociaux en nature)
Transferts privés =
Pensions et autres prestations d'assurance
+ Transferts courants des institutions sans but lucratif
+ Transferts courants des autres ménages
Y = Y1 + Y2 + Y3 Revenu total
Déductions Y4 Déductions =
Impôts directs (nets de remboursements)
+ Frais et amendes obligatoires
+ Transferts courants versés à d'autres ménages ou institutions sans but lucratif
+ Cotisations sociales patronales
YD = Y1 + Y2 + Y3—Y4
Revenu disponible
REMARQUE : Un astérisque (*) indique des éléments qui sont également inclus dans l'agrégat de consommation.
SOURCES : Adapté du tableau 2.1 du Canberra Group Handbook (UNECE 2011) et de McKay (2000),
tableau 17.1. Le Canberra Group Handbook classe le loyer imputé comme « revenu provenant de la
production par le ménage de services pour sa propre consommation ». Pour plus de simplicité, cette catégorie a
été supprimée ici et le loyer imputé a été considéré comme faisant partie des revenus de la propriété.
Le revenu du travail indépendant est notoirement plus problématique en termes de mesure.
Cette composante comprend à la fois le revenu agricole (généralement collecté dans le module sur
l'agriculture) et le revenu d'un travail indépendant non agricole (collecté dans le module sur l'emploi ou dans
une section dédiée voir Dillon et al. 2021). Le concept pertinent est le revenu net, ou profit, c'estàdire la
valeur de la production moins le coût des intrants. La principale difficulté, en particulier dans les contextes à
faible revenu, est que « pour un grand nombre de ménages impliqués dans une entreprise agricole ou
familiale, les entrées et les sorties personnelles et professionnelles sont susceptibles d'être confondues. Ces
ménages n'ont pas besoin du concept de revenu, de sorte que les répondants ne sauront pas ce qui est
requis lorsqu'ils sont interrogés sur les bénéfices des exploitations agricoles ou de leurs propres entreprises. » (Deaton 1997,
Les revenus de la propriété comprennent les revenus, généralement monétaires, des actifs financiers
(intérêts, dividendes ), des actifs non financiers (loyer) et des redevances (revenu pour services de matériel
breveté ou protégé par le droit d'auteur) (UNECE 2011, 13). Une estimation du loyer imputé pour les ménages
qui occupent leur propre logement doit également être incluse dans l'agrégat de revenu : le
et les problèmes empiriques liés à cette composante sont identiques à ceux qui se posent lors de
l'estimation d'un agrégat de consommation (une discussion détaillée de l'estimation du loyer imputé se
trouve à la section 4.5).
Enfin, la prise en compte des transferts publics et privés ne présente pas de difficultés particulières, à
condition qu'ils soient enregistrés par le questionnaire. Cette composante peut ne pas représenter une
part importante du revenu global des ménages, mais elle sera extrêmement pertinente pour certains
ménages , généralement ceux qui se situent au bas de la distribution des revenus, de sorte que son
inclusion est importante pour l'estimation précise d'une mesure de bienêtre ( McKay 2000, 92).
Même en abordant les questions liées à l'erreur de mesure, notre discussion sur l'agrégation des revenus
a supposé que tous les répondants sont disposés à répondre à toutes les questions aussi honnêtement
que possible comme on le sait, ce n'est souvent pas le cas, étant donné les problèmes de sous
déclaration et la nonréponse qui sont associées à la mesure du revenu par le biais d'enquêtes (Meyer et
Sullivan 2011 ; Meyer, Mok et Sullivan 2015).104 Un autre problème empirique est celui des revenus
négatifs et nuls, qui peuvent être non négligeables en termes de fréquence (Hlasny, Ceriani, et Verme
2020). Les négatifs et les zéros sont, en principe, des valeurs légitimes pour la variable de revenu (par
exemple, pensez aux ménages qui sont aux prises avec une mauvaise année commerciale).
Malheureusement, les estimations des inégalités sont sensibles à leur inclusion (ou exclusion), même
lorsque le nombre de ces valeurs est faible. Pyatt, Chen et Fei (1980) et Chen, Tsaur et Rhai (1982)
rappellent que l'indice de Gini, par exemple, peut être supérieur à un en présence de valeurs négatives.
Il n'y a pas de consensus parmi les analystes ou les commandes Stata qui calculent les indices
d'inégalité sur la façon de traiter les valeurs nulles et négatives . , un ensemble de lignes directrices
dédiées. Nous laissons cet effort plus ambitieux à l'avenir — pas trop lointain, compte tenu de l'intérêt
croissant pour les mesures du niveau de vie fondées sur le revenu.
104 La section 7.1 présente une discussion générale de la nonréponse totale et des ajustements connexes.
105 La commande ineqdeco de Jenkins (1999) exclut les zéros et les négatifs, tandis que ineqdec0 (toujours de Jenkins), inequal7 de
van Kerm (2001), la suite de commandes DASP d'Araar et Duclos (2007, 2021) et ainequal d'Azevedo ( 2006) les incluent.
Annexe D.
Indices des prix
Cette annexe illustre les données sousjacentes à la figure 5.3 de la section 5.1.1, tirées du chapitre 19 de Diewert,
dans le Manuel de l'indice des prix à la consommation de l'OIT (2004) .
Le tableau D.1 contient les prix (artificiels) de six produits (p1 , …, p6 ) et les quantités correspondantes (q1 , …,
q6 ) et les parts de dépenses (w1 , …, w6 ) pour différentes situations (lignes 1 à 5) , qui peuvent être considérées
comme différentes années (périodes) ou régions.
TABLEAU D.1. Exemple de niveaux de prix spécifiques à un produit
Temps p1 p2 p3 p4 p5 p6
Fabrication Fabrication Prestations Prestations de
(ou région)
Alimentaire Énergie traditionnelles haute technologie
traditionnelle de haute technologie
1 1.0 1.0 1.0 1.0 1.0 1.0
2 1.2 3.0 1.3 0,7 1.4 0,8
3 1.0 1.0 1.5 0,5 1.7 0,6
4 0,8 0,5 1.6 0,3 1.9 0,4
5 1.0 1.0 1.6 0,1 2.0 0,2
q1 q2 q3 q4 q5 q6
1 1.0 1.0 2.0 1.0 4.5 0,5
2 0,8 0,9 1.9 1.3 4.7 0,6
3 1.0 1.1 1.8 3.0 5.0 0,8
4 1.2 1.2 1.9 6.0 5.6 1.3
5 0,9 1.2 2.0 12.0 6.5 2.5
w1 w2 w3 w4 w5 w6
1 10.0 10.0 20,0 10.0 45,0 5.0
2 6.8 19.2 17.5 6.5 46,7 3.4
3 6.5 7.2 17.7 9.8 55,6 3.1
4 5.5 3.4 17.3 10.3 60,6 3.0
5 4.5 6.0 16.0 6.0 65,0 2.5
SOURCE : Élaboration des auteurs basée sur l'OIT (2004 : p. 346).
Comme l'a noté Diewert (2004, p. 346), les mouvements des prix et des quantités dans le tableau D.1 sont plus
prononcés que les mouvements d'une année à l'autre que l'on rencontrerait dans un pays typique (et plus encore
à l'intérieur mouvements de la période d'enquête). Les données du tableau D.1 illustrent le problème auquel sont
confrontés les compilateurs de l'indice des prix à la consommation (IPC) : les variations annuelles des prix et des
quantités sont loin d'être proportionnelles à l'ensemble des produits. C'est ça
Indices des prix
phénomène largement responsable de la conclusion du tableau D.2 selon laquelle le choix de la
formule de l'indice est important.
TABLEAU D.2. Indices de prix estimés
Heure (ou région) Laspeyres Pâques Pêcheur Tornquist
1 1.0000 1.0000 1.0000 1.0000
2 1.4200 1,3823 1.4010 1.4052
3 1,3450 1.2031 1,2721 1,2890
4 1,3550 1.0209 1,1761 1,2268
5 1.4400 0,7960 1,0706 1,2477
SOURCE : Élaborations des auteurs sur la base du BIT (2004 : p. 345 et p. 349).
Annexe E.
Conception du questionnaire
Les Directives de DZ sont sorties à peu près au même moment que Concevoir des questionnaires d'enquête
auprès des ménages pour les pays en développement (Grosh et Glewwe 2000), un livre en trois volumes
présentant les recommandations et les leçons apprises au cours d'un programme international de plusieurs
décennies soutenant la collecte d'enquêtes. données, l' Étude sur la mesure des niveaux de vie (LSMS) de la
Banque mondiale . Cela témoigne de la prise de conscience précoce de la communauté internationale que la
qualité et la comparabilité des données non seulement importent, mais passent avant tout, en tant que condition préalable à une an
Le temps n'a fait que renforcer cette conviction, car la littérature sur la conception des questionnaires n'a cessé de croître.
Les plus grands progrès ont été réalisés dans la collecte d'une multitude de preuves empiriques, souvent expérimentales,
sur la mesure exacte et de quelle manière les « détails » de la conception du questionnaire affectent la mesure des
niveaux de vie , et sur les solutions de conception qui produisent les estimations les plus précises. Bien que vaste, cette
nouvelle base de données reste inégale dans sa couverture : la collecte de données sur la consommation et les dépenses
a reçu plus d'attention que la collecte de données sur les revenus , et parmi les catégories de dépenses, l'alimentation a
attiré l'attention. Bien que certaines lacunes restent à combler, les bureaux nationaux de statistique (ONS) du monde
entier sont désormais mieux placés pour prendre de bonnes décisions de conception, et les analystes sont de plus en
plus conscients de l'impact que les changements dans la conception des questionnaires ont sur les estimations finales
(en particulier sur comparaisons).
Grosh et Glewwe (2000) continuent d'être une référence essentielle pour l'étendue de leur portée, leur engagement à
l'applicabilité pratique et pour l'inclusion d'un ensemble de modules modèles pour guider la tâche de construction d'un
questionnaire. Adopter une approche similaire pour résumer les preuves actuelles et les meilleures pratiques nécessiterait
beaucoup plus d'espace que ce qui est approprié pour notre champ d'application. Au lieu de cela, cette section fournit
une liste de références annotée, organisée en neuf questions (fréquemment posées) pertinentes pour le travail des
producteurs de données et des analystes de données.
La plupart des réponses sont tirées (souvent textuellement) du Guide LSMS sur la collecte de données alimentaires, un
effort conjoint de l'Organisation des Nations Unies pour l'alimentation et l'agriculture et de la Banque mondiale qui est à
l'origine d'un ensemble de recommandations approuvées par la 49e session de la Commission de statistique des Nations
Unies. à New York, le 29 mars 2018. Dans ce qui suit, les numéros de page renvoient à FAO et Banque mondiale (2018).
1. Les dépenses alimentaires doiventelles être enregistrées via la période rappel? Quel est le plus approprié ou

de référence du journal pour le module alimentaire ?
Il est conseillé aux pays à faible revenu d'adopter des entretiens de rappel et une période de rappel de sept jours, car
cette méthode offre le meilleur équilibre entre précision et rentabilité. Toute enquête utilisant des méthodes de journal
doit être étroitement supervisée pour assurer une bonne réalisation, en particulier dans les zones où les taux
d'analphabétisme sont élevés. La période de référence ne doit pas dépasser 14 jours. Toute modification de la période
ou de la méthode de rappel (rappel versus journal) doit être accompagnée d'un
composante expérimentale visant à évaluer l'impact du changement sur les estimations de l'enquête (p. 33)106.
2. Comment répertorier les denrées alimentaires (couverture, nombre de denrées,
niveau de détail) ?
La longueur et le niveau de détail de la liste des denrées alimentaires utilisées pour collecter les données sur les dépenses alimentaires
sont importants pour les estimations finales. La conception de la liste doit équilibrer les coûts et le temps d'entretien inférieurs et le moindre
risque de trous de mémoire associés aux listes « plus courtes », avec le meilleur rappel et les rapports plus complets (mais aussi le risque
de fatigue du répondant) associés aux listes « plus longues ». .
L'adoption d'un système de classification des aliments peut aider à répondre aux critères d'exhaustivité et de spécificité autour desquels
la liste des aliments doit être construite. Les concepteurs d'enquêtes sont encouragés à utiliser le système de classification de la
consommation individuelle selon les objectifs (COICOP), car il constitue actuellement la base de la classification utilisée dans un grand
nombre d'ensembles de données, conformément aux exigences spécifiées dans le système de comptabilité nationale (pp. 37–38).107
3. Le questionnaire doitil enregistrer l'acquisition de nourriture ou consommation de nourriture? De quelle manière ?
La différence entre l'acquisition et la consommation d'aliments est abordée à la section 4.2.1 du présent
rapport. Le choix de collecter des données sur l'un ou l'autre concept dépend de l'objectif de l'enquête, et les
approches mixtes ne sont pas rares. Quel que soit le concept enregistré, il est essentiel de collecter des
données sur les aliments obtenus par des sources non marchandes (production propre et recettes en nature).
Les enquêtes doivent être conçues de manière à ce que les répondants, les enquêteurs et les utilisateurs
des données sachent exactement quelles informations (acquisition, consommation ou les deux) doivent être déclarées.
Les sources d'énumération incomplètes ou ambiguës que l'on trouve couramment dans les pratiques d'enquête actuelles, telles que les
questions filtres qui conditionnent les réponses à la consommation d'un article donné, suivies de questions d'acquisition, doivent être
évitées (pp. 3435)108.
4. Quelle est la pertinence de la saisonnalité de la consommation alimentaire ? Comment en tenir compte au mieux lorsque
planification entretiens ?
Il existe de nombreuses preuves que la consommation et les dépenses alimentaires présentent des variations saisonnières systématiques
sur une base annuelle, mensuelle et hebdomadaire. La seule façon de capturer avec précision la consommation habituelle de chaque
ménage est de les enquêter plusieurs fois au cours de l'année, mais c'est aussi l'option la plus coûteuse, et en pratique, elle est difficile à
mettre en œuvre. La collecte des données étalée sur l'année, mais avec un seul entretien par ménage, aboutit à une estimation précise de
la consommation moyenne de la population, mais avec un excès de variabilité autour de la moyenne ; cependant, c'est une option viable
dans des contextes de ressources limitées. Quel que soit le
106 D'autres lectures incluent BackinyYetna, Steele et Djima (2017) ; Abeille, Meyer et Sullivan (2012) ; Beegle et
al. (2012); Bradburn (2010); Brzozowski, Crossley et Winter (2017) ; De Weerdt et al. (2016); Friedman et al.
(2017); Gibson, Beegle, De Weerdt et Friedman (2015) ; Hurd et Rohwedder (2009) ; Scott et Amenuvegbe (1991) ;
Schündeln (2018); et Troubat et Grünberger (2017).
107 D'autres lectures incluent Beegle et al. (2012); De Weerdt et al. (2016); Finn et Ranchod (2015) ; Jolliffe (2001);
Pradhan (2009) et Nations Unies (2018).
108 D'autres lectures incluent Conforti, Grünberger et Troubat (2017) ; Smith, Alderman et Aduayom (2006), et
Troubat et Grünberger (2017).
approche choisie, il faut veiller à ce que le dénombrement soit également réparti sur les jours
de la semaine et du mois, et les changements de calendrier des vacances, des fêtes et des
récoltes doivent être pris en compte (p. 34).109
manger de chez vous ?
5. Quelle est la meilleure façon de capturer la consommation
La pratique consistant à collecter des informations sur les aliments hors du domicile avec une seule question devrait être abandonnée.
L'importance de la nourriture hors domicile justifie la conception d'un module séparé, basé sur une définition claire de la nourriture hors
domicile. La collecte de données devrait de préférence être effectuée au niveau individuel. Pour tous les individus qui déclarent avoir
consommé des repas à l'extérieur de la maison, l'information minimale atteinte devrait porter sur la valeur des repas par événement de
repas (petitdéjeuner, déjeuner, dîner et collations) (p. 36)110.
6. En quoi la participation
repas ? caas
ux repas estelle pertinente ? Comment enregistrer les participants aux
L'enregistrement du nombre exact de personnes qui ont consommé la quantité déclarée de nourriture consommée par le ménage
(participants aux repas) est important pour le calcul précis de la consommation alimentaire par habitant. Les concepteurs d'enquêtes
devraient envisager d'ajouter un module de repas individuel basé sur les membres du ménage. Étant donné que la collecte d'informations
sur les individus est coûteuse et difficile, cela peut être mis en œuvre dans le cadre du module de collecte d'informations sur la nourriture
hors domicile. Si un module de repas individuel basé sur les membres ne peut être adopté, des alternatives plus simples (bien que moins
préférées) sont disponibles (pp. 3536).111
7. Quelle est la meilleure façon d'utiliser des unités non standard ? utiliser la mesure
Les commentaires qualitatifs des praticiens sur le terrain et les nombreux commentaires sur le pilotage initial de ces méthodes suggèrent
que le fait d'autoriser des unités de mesure non standard peut augmenter l'exactitude des quantités déclarées, principalement en réduisant
le fardeau des répondants. Pour bénéficier correctement de l'autorisation des options d'unités non standard, la déclaration doit être associée
à un cadre permettant de convertir systématiquement les unités non standard en unités standard, sur la base de facteurs de conversion
documentés de manière fiable. Oseni, Durazo et McGee (2017) fournissent des conseils détaillés sur la façon de le faire efficacement (p.
39).
8. À quoi ressemblent réellement les modules alimentaires dans les pays à revenu faible ou intermédiaire ?
Smith, Dupriez et Troubat (2014) donnent un aperçu des choix de conception des questionnaires adoptés par les enquêtes sur la
consommation et les dépenses des ménages dans le monde, et une évaluation de leur conformité aux meilleures pratiques.
109 D'autres lectures incluent D'Souza et Jolliffe (2012); Gilbert, Christiaensen et Kaminski (2016) ; Jolliffe et
Serajuddin (2015), et Troubat et Grünberger (2017).
110 D'autres lectures incluent Borlizzi. Delgrossi et Cafiero (2017) ; Farfàn, Genoni et Vakis (2017) ; Farfàn et al.
(2019) et Smith (2015).
111
D'autres lectures incluent Bouis, Haddad et Kennedy (1992); Bouis (1994); Conforti, Grünberger et Troubat
(2017) ; Gibson et Rozelle (2002); et Weisell et Dop (2012).
9. Comment collecter des données sur les dépenses non alimentaires ?
Pour la collecte de données sur les dépenses non alimentaires, la base de données factuelles n'est pas
encore suffisamment riche pour justifier la création de lignes directrices aussi détaillées et complètes que
celles ciblant la collecte de données alimentaires. Le chapitre sur la consommation, ainsi que les chapitres
sur le logement, l'éducation et la santé de Grosh et Glewwe (2000), restent des sources utiles d'informations applicables.
recommandations. Les ajouts récents les plus notables à ces références classiques sont un ensemble de
des lignes directrices pour la conception d'enquêtes auprès des ménages, qui comprennent des recommandations sur les
modules de dépenses non alimentaires (Oseni et al. 2021) ; lignes directrices pour la collecte de données sur l'éducation
(Oseni et al. 2018); et de nouvelles preuves sur les effets des différents modes de collecte de données sur les dépenses de
santé sur les estimations finales (Lu et al. 2009 ; Xu et al. 2009).
Les références
Aguinis, H., RK Gottfredson et H. Joo. 2013. « Recommandations de bonnes pratiques pour définir,
Identifier et gérer les valeurs aberrantes. Méthodes de recherche organisationnelle 16, no. 2 : 270–301.
Alkire, S., JM Roche, P. Ballon, J. Foster, ME Santos et S. Seth. 2015. Pauvreté multidimensionnelle
Mesure et analyse. ÉtatsUnis : Oxford University Press.
Almås, I. 2012. « International Income Inequality : Measuring PPP bias by estimating Engel
nourriture." Revue économique américaine 102, no. 2 : 1093–1117.
Almås, I., TKM Beatty et TF Crossley. 2018. "Perdu dans la traduction : que nous disent les courbes d'Engel ?
À propos du coût de la vie ? » CESifo Working Paper Series no. 6886.
Amendola, N. et G. Vecchi. 2008. « Croissance, inégalités et pauvreté à Madagascar, 2001–2005 ».
Banque mondiale, Africa Region Working Paper no. 111.
Amendola, N. et G. Vecchi. 2014. « Biens durables et mesure de la pauvreté ». Politique de la Banque mondiale
Document de travail de recherche no. 7105.
Amendola, N. et G. Vecchi. 2021. "Biens durables et mesure du bienêtre." Journal d'économie
Enquêtes. À venir.
Amendola, N., G. Gabbuti et G. Vecchi. 2018. "Sur l'utilisation des indices composites dans l'histoire économique.
Leçons de l'Italie, 18612017. La série de documents de travail du projet sur les budgets historiques des ménages no. 11.
Association américaine pour la recherche sur l'opinion publique. 2016. Définitions standard : Dispositions finales des codes de cas
et taux de résultats pour les enquêtes. 9ème édition. Ann Arbor, Michigan : AAPOR.
Andridge, RR et RJ Little. 2010. "A Review of Hot Deck Imputation for Survey Nonresponse."
Revue statistique internationale 78 : 40–64.
Araar, A., N. Choueiri et P. Verme. 2015. « La quête de réformes des subventions en Libye ». Banque mondiale
Document de travail sur la recherche sur les politiques no. 7225.
Araar, A. et J.Y. Duclos. 2007. « DASP : package d'analyse statistique distributive ». Logiciel statistique
Composants S 456872, Département d'économie du Boston College.
Araar, A. et J.Y. Duclos. 2021. "Manuel de l'utilisateur pour Stata Package DASP : Version 3.01." Partenariat pour
Politique économique, Banque mondiale, PNUD et Université Laval.
Ardington, C., D. Lam, M. Leibbrandt et M. Welch. 2006. "La sensibilité aux imputations de données clés des estimations récentes
de la pauvreté et des inégalités de revenu en Afrique du Sud." Modélisation économique 23,
Non. 5 : 822–835.
Arrow, KJ 1958. La mesure des variations de prix. La relation des prix à la stabilité et à la croissance économiques. Joint Economic
Committee Congrès américain, US Government Printing Office.
Asfaw, A. et JV Braun. 2004. « La consommation estelle assurée contre la maladie ? Données probantes sur la vulnérabilité des
ménages aux chocs sanitaires en Éthiopie rurale. Développement économique et changement culturel 53, no. 1 : 115–129.
Atkinson, AB 1987. "Sur la mesure de la pauvreté." Econometrica 1 : 749–764.
Atkinson, AB 1989. Pauvreté et sécurité sociale. Gerbe de blé moissonneuse.
Atkinson, AB 1991. « Comparaison des taux de pauvreté à l'échelle internationale : leçons tirées d'études récentes dans les pays
développés ». La Revue économique de la Banque mondiale 5, no. 1 : 3–21.
Atkinson, AB 2015. Inégalité. Ce qui peut être fait? Cambridge : Harvard University Press.
Les références
Atkinson, AB 2019. Mesurer la pauvreté dans le monde. Princeton et Oxford : Université de Princeton
Presse.
Atkinson, AB, B. Cantillon, E. Marlier et B. Nolan. 2002. Indicateurs sociaux : L'UE et l'inclusion sociale. Oxford : presse universitaire
d'Oxford.
Atkinson, AB, L. Rainwater, L. et TM Smeeding. 1995. Répartition des revenus dans les pays de l'OCDE.
Preuve de l'étude luxembourgeoise sur le revenu. Paris : OCDE.
Atkinson, R. et S. Da Voudi. 2000. « Le concept d'exclusion sociale dans l'Union européenne : contexte, évolution et possibilités ».
JCMS : Journal of Common Market Studies 38, no. 3 : 427–448.
Attanasio, OP et L. Pistaferri. 2016. « Inégalités de consommation ». Journal des perspectives économiques
30, non. 2 : 3–28.
Azevedo, JP 2006. "AINEQUAL : module Stata pour calculer les mesures d'inégalité." Logiciel statistique
Composants S456748, Département d'économie du Boston College.
BackinyYetna, P., D. Steele et IY Djima. 2017. "L'impact des méthodes de collecte de données sur la consommation alimentaire des
ménages sur les mesures de la pauvreté et des inégalités au Niger." Politique alimentaire 72 : 7–19.
Balcazar, CF, L. Ceriani, S. Olivieri et M. Ranzani. 2017. "LoyerImputation pour la mesure du bienêtre : un examen des méthodologies
et des résultats empiriques." Examen du revenu et de la richesse 63 : 881–898.
Banks, J., R. Blundell et A. Lewbel. 1997. "Courbes d'Engel quadratiques et demande des consommateurs." Revue d'économie et de
statistiques 79, no. 4 : 527–539.
Barnett, V. et T. Lewis 1994. Valeurs aberrantes dans les données statistiques. 3ème édition. New York : John Wiley & Fils.
Batana, YM et J. Cockburn. 2018. « La démographie estelle importante pour la pauvreté des enfants africains ? » Document de travail
de recherche sur les politiques de la Banque mondiale no. 8426.
Bee, A., BD Meyer et JX Sullivan. 2012. "La validité des données de consommation : les enquêtes sur les dépenses des consommateurs
et les journaux sontelles informatives ?" Série de documents de travail du NBER no. 18308.
Beegle, K., L. Christiaensen, A. Dabalen et I. Gaddis. 2016. La pauvreté dans une Afrique en plein essor. Washington, DC : La Banque
mondiale.
Beegle, K., J. De Weerdt, J. Friedman et J. Gibson. 2012. "Méthodes de mesure de la consommation des ménages par le biais
d'enquêtes : résultats expérimentaux de la Tanzanie." Journal of Development Economics 98 : 3–18.
Belotti, F., G. Mancini et G. Vecchi. 2021. "Détection des valeurs aberrantes pour les analystes du bienêtre utilisant Stata."
Manuscrit non publié, Università di Roma « Tor Vergata ».
Berry, F., B. Graf, MM Stanger et M. YläJarkko. 2019. Compilation des statistiques des prix dans 196 économies :
La pertinence pour l'analyse des politiques. Washington, DC : Fonds monétaire international.
Bethléem, J., F. Cobben et B. Schouten. 2011. Manuel de nonréponse dans les enquêtes auprès des ménages.
New York : John Wiley & Fils.
Bhattacharya, S., VL Falcao et R. Puri. 2017. "Le système de distribution publique en Inde : évolution des politiques et tendances de la
prestation des programmes". Dans Bhattacharya, S., VL Falcao et R. Puri (eds.) The 1.5 Billion People Question: Food, Vouchers or
Cash Transfers?: 43–106. Washington, DC : La Banque mondiale.
Blackorby, C. et D. Donaldson. 1987. "Rapports de bienêtre et analyse coûtsavantages
Analyse." Journal d'économie publique 34, no. 3 : 265–290.
Blackorby, C. et D. Donaldson. 1988. "Money Metric Utility : Une normalisation inoffensive ?" Journal
de théorie économique 46, no. 1 : 120–129.
Blinder, AS 1985. Commentaire sur "Mesurer le revenu : de quel type devraitil s'agir ?" par Ellwood, DT, et H. Lawrence, et L. H
Summers, dans Bureau of the Census, « Conference on measure of noncash benefits : Proceedings vol. 1." Washington, DC :
Bureau du recensement.
Les références
Bodvarsson, Ö. B., NB Simpson et C. Sparber. 2015. « Théorie de la migration ». Dans Chiswick, B et P. Miller (eds.) Manuel
de l'économie de la migration internationale. Amsterdam, New York et Oxford : Hollande du Nord.
Borlizzi, A., ME Delgrossi et C. Cafiero. 2017. "Évaluation nationale de la sécurité alimentaire à travers l'analyse des données
de consommation alimentaire issues des enquêtes sur la consommation et les dépenses des ménages : le cas de la
Pesquisa de Orçamento Familiares du Brésil 2008/09." Politique alimentaire 72 : 20–26.
Bouis, HE 1994. « L'effet du revenu sur la demande alimentaire dans les pays pauvres : nos bases de données sur la
consommation alimentaire nous donnentelles des estimations fiables ? » Journal d'économie du développement
44, no. 1 : 199–226.
Bouis, HE, L. Haddad et E. Kennedy. 1992. « La façon dont nous étudions la demande alimentaire estelle importante ?
Témoignages du Kenya et des Philippines. Politique alimentaire 17, no. 5 : 349–360.
Boîte, GE et DR Cox. 1964. "Une analyse des transformations." Journal of the Royal Statistical Society: Series B (Methodological)
26, no. 2 : 211–243.
Bradburn, N. 2010. "Période de rappel dans le programme d'enquêtes sur les dépenses de consommation." Avis national
Manuscrit non publié du Centre de recherche de l'Université de Chicago.
Brandolini, A. et G. D'Alessio. 2001. "Mesurer le bienêtre dans l'espace de fonctionnement." Dans Chiappero Martinetti, M. et
A. Sen (eds.) Debating Global Society: Reach and Limits of the Capability Approach. Milan : Feltrinelli.
Brandolini, A., S. Magri et TM Smeeding. 2010. « Mesure de la pauvreté basée sur les actifs ». Journal
of Policy Analysis and Management 29 : 267–284.
Brandolini, A. et J. Micklewright. 2020. "Le nouveau livre de Tony Atkinson, Mesurer la pauvreté autour du
Monde : quelques réflexions supplémentaires. » Document de travail ECINEQ no. 518.
Brewer, M. et C. O'Dea. 2012. « Mesurer les niveaux de vie avec le revenu et la consommation »
de la GrandeBretagne." Les documents de travail de l'Institut d'études fiscales no. S12/12.
Brewer, M., B. Etheridge et C. O'Dea. 2017. "Pourquoi les ménages qui déclarent les revenus les plus faibles
Alors bien nantis ? » Le Journal économique 127 : F24–F49.
Brick, JM 2013. « Nonréponse totale et ajustements de pondération : un examen critique ». Revue de
Statistiques officielles 29, no. 3 : 329–353.
Brique, JM et JM Montaquila. 2009. « Nonréponse et pondération ». In Rao CR (éd.) Manuel
des statistiques 29, partie A : 163–185. Elsevier.
Browning, M., TF Crossley et J. Winter. 2014. "La mesure des dépenses de consommation des ménages." Revue annuelle
d'économie 6, no. 1 : 475–501.
Brueckner, JK, JF Thisse et Y. Zenou. 1999. "Pourquoi le centre de Paris estil riche et le centreville de Detroit
Pauvre ? : Une théorie basée sur les commodités. » Revue économique européenne 43, no. 1 : 91–107.
Brzozowski, M., Crossley, TF et Winter, JK 2017. "Une comparaison des dépenses alimentaires de rappel et de journal
données de durée. Politique alimentaire 72 : 53–61.
Buhmann, B., L. Rainwater, G. Schmaus et TM Smeeding. 1988. "Échelles d'équivalence, bienêtre, inégalité et pauvreté :
estimations de sensibilité dans dix pays à l'aide de la base de données de l'étude luxembourgeoise sur le revenu (LIS)".
Examen du revenu et de la richesse 34, no. 2 : 115–142.
Caeyers, B., N. Chalmers et J. De Weerdt. 2012. "Amélioration de la mesure de la consommation et d'autres données d'enquête
via CAPI : preuves d'une expérience randomisée." Journal of Development Economics 98, no. 1 : 19–33.
Groupe de Canberra. 2001. Groupe d'experts sur les statistiques du revenu des ménages : rapport final et recommandations.
Ottawa : Le Groupe de Canberra.
Capéau, B. et S. Dercon. 2006. « Prix, valeurs unitaires et unités de mesure locales dans les enquêtes rurales : une approche
économétrique avec une application à la mesure de la pauvreté en Éthiopie ». Journal des économies africaines 15, no. 2 :
181–211.
Les références
Carletto, G., M. Tiberti et A. Zezza. 2021. « Mesure pour mesure : comparaison des estimations de revenu et de consommation
basées sur des enquêtes pour les ménages ruraux ». L' Observateur de recherche de la Banque mondiale.
Ceccarelli, C., A. Cutillo et D. Di Laurea. 2009. "Metodologie per la stima degli affitti figurativi ed impatto sulla distribuzione del
reddito." Rivista di Statistica Ufficiale 11, no. 1 : 17–38.
Organisation centrale des statistiques 2018, Afghanistan Living Conditions Survey 2016–17. Kaboul, OSC.
Ceriani, L. et P. Verme. 2019. "L'inégalité des revenus extrêmes." Document de travail ECINEQ n. 490.
Ceriani, L., S. Olivieri et M. Ranzani. 2019a. "Évaluer l'exactitude des autoévaluations des propriétaires
Louer dans la métropole de Lima. Document de travail de recherche sur les politiques de la Banque mondiale no. 8983.
Ceriani, L., S. Olivieri et M. Ranzani. 2019b. "Logement, loyer imputé et bienêtre des ménages."
Document de travail sur les pratiques mondiales en matière de pauvreté et d'équité de la Banque mondiale, no. 213.
Chakravarty, SR (éd.) 2019. Pauvreté, exclusion sociale et dominance stochastique. Springer Nature.
Chaudhuri, S. et C. Paxson. 2002. « Lissage de la consommation en fonction de la saisonnalité des revenus : stocks tampons vs.
Credit Markets », Document de travail 010254, Université de Columbia, Département d'économie.
Chaudhuri, S. et M. Ravallion. 1994. « Dans quelle mesure les indicateurs statiques identifientils les personnes chroniquement pauvres ?
Journal d'économie publique 53, no. 3 : 367–394.
Chen, CN, TW Tsaur et TS Rhai. 1982. "Le coefficient de Gini et le revenu négatif." Oxford
Documents économiques 34, no. 3 : 473–478.
Chen, S. et M. Ravallion. 1996. "Données en transition : évaluation des niveaux de vie ruraux dans
Chine." Revue économique de la Chine 7, no. 1 : 23–56.
Chen, WH et J.Y Duclos. 2011. "Testing for Poverty Dominance an Application to Canada."
Revue canadienne d'économie 44, no. 3 : 781–803.
Chen, X., R. Mungai, S. Nakamura, T. Pearson, AE Wambile et N. Yoshida. 2020. « Dans quelle mesure les données sur les prix de
l'IPC sontelles utiles pour l'ajustement spatial des prix dans la mesure de la pauvreté ? Un cas du Ghana. Document de travail
Chiang, AC 1984. Méthodes fondamentales de l'économie mathématique. 3ème édition. McGrawHill.
Chiappori, PA et C. Meghir. 2015. « Inégalités au sein du ménage ». À Atkinson AB et F. Bourguignon
(eds.) Manuel de distribution des revenus, vol. 2 : 13691418. Elsevier.
Christensen, G., J. Freese et E. Miguel. 2019. Recherche transparente et reproductible en sciences sociales :
Comment faire de la science ouverte. Presse de l'Université de Californie.
Christiano, LJ 1987. « La consommation estelle insuffisamment sensible aux innovations en matière de revenu ? » La revue
économique américaine 77, no. 2 : 337–341.
Clark, RL, A. Lusardi, OS et Mitchell. 2021. « Fragilité financière pendant la pandémie de COVID19 ».
Document de travail de l'Université de Pennsylvanie no. 25.
Clark, S., R. Hemming et D. Ulph. 1981. "Sur les indices de mesure de la pauvreté". Le Journal économique 91, no. 362 : 515–526.
Comin, F., M. Qizilbash et S. Alkire. (eds.) 2008. L'approche par les capacités. Concepts, mesures et
Applications. Cambridge : Cambridge University Press.
Conforti, P., K. Grünberger et T. Troubat. 2017. "L'impact des caractéristiques de l'enquête sur la mesure de la consommation
alimentaire." Politique alimentaire 72 : 43–52.
Coondoo, D., A. Majumder et S. Chattopadhyay. 2011. "Estimation des indices spatiaux des prix à la consommation
Grâce à l'analyse des courbes d'Engel. Examen du revenu et de la richesse 57, no. 1 : 138–155.
Costa, DL 2001. "Estimation du revenu réel aux ÉtatsUnis de 1888 à 1994 : correction du biais de l'IPC
Utilisation des courbes d'Engel. Journal d'économie politique 109, no. 6 : 12881310.
Coudouel, A., JS Hentschel et QT Wodon. 2002. Mesure et analyse de la pauvreté. Un livre source
pour les stratégies de réduction de la pauvreté. Washington, DC : La Banque mondiale.
Les références
Coulter, FA, FA Cowell et SP Jenkins. 1992a. "Relativités de l'échelle d'équivalence et étendue de l'inégalité et de la pauvreté." Le
Journal économique 102, no. 414 : 10671082.
Coulter, FA, FA Cowell et SP Jenkins. 1992b. "Différences dans les besoins et évaluation des distributions de revenus." Bulletin
de recherche économique 44, no. 2 : 77–124.
Cowell, FA et E. Flachaire. 2007. « Répartition des revenus et mesure des inégalités : le problème
des valeurs extrêmes. Journal d'économétrie 141, no. 2 : 10441072.
Cowell, FA et Flachaire, E. 2015. "Méthodes statistiques pour l'analyse distributionnelle." À Atkinson AB
et F. Bourguignon (eds.) Handbook of Income Distribution, 2 : 359–465. Elsevier.
Cowell, FA et MP VictoriaFeser. 1996a. "Propriétés de robustesse des mesures d'inégalité."
Econometrica 64, no. 1 : 77–101.
Cowell, FA et MP VictoriaFeser. 1996b. "Mesure de la pauvreté avec des données contaminées : une
Approche robuste. » Revue économique européenne 40, no. 9 : 1761–1771.
Cowell, FA et MP VictoriaFeser. 2002. « Classements du bienêtre en présence de données contaminées ».
Econometrica 70, no. 3 : 12211233.
Cowell, FA et MP VictoriaFeser. 2006. "Dominance distributionnelle avec des données coupées." Journal
of Business and Economic Statistics 24, no. 3 : 291–300.
Cowell, FA et MP VictoriaFeser. 2007. «Dominance stochastique robuste: une approche semiparamétrique». Le Journal de
l'inégalité économique 5, no. 1 : 21–37.
Cutler, DM et LF Katz. 1992. « Inégalités croissantes ? Changements dans la répartition des revenus et
La consommation dans les années 1980. Série de documents de travail du NBER no. 3964.
D'Alessio, G. 2017. "Benessere, contesto socioeconomico e differenze di prezzo: il divario tra Nord e
Sud.” Banca d'Italia Quaderni di Economia e Finanza, n. 385/2017.
D'Alessio, G. 2020. "Une évaluation comparative des mesures de la pauvreté dans l'enquête italienne auprès des ménages
Revenu et richesse. Politica Economica 36, no. 1 : 101–140.
D'Souza, A. et D. Jolliffe. 2012. « Hausse des prix alimentaires et stratégies d'adaptation : preuves au niveau des ménages
d'Afghanistan. Journal des études de développement 48, no. 2 : 282–299.
D'Souza, A. et S. Tandon. 2019. « Inégalités nutritionnelles au sein des ménages dans le Bangladesh rural ».
Développement économique et changement culturel 67, no. 3 : 625–657.
Dabalen, A., I. Gaddis et NTV Nguyen. 2016. « Le biais de l'IPC et ses implications pour la réduction de la pauvreté en Afrique ».
Document de travail de recherche sur les politiques de la Banque mondiale no. 7907.
Dang, HA, D. Jolliffe et C. Carletto. 2019. « Lacunes des données, incomparabilité des données et imputation des données :
examen des méthodes de mesure de la pauvreté pour les environnements où les données sont rares. Journal des enquêtes
économiques 33, no. 3 : 757–797.
Davidson, R. 2012. "Inférence statistique en présence de queues lourdes." La revue d'économétrie
15, non. 1 : C31–C53.
Davidson, R. et Duclos, J.Y. 2000. "Inférence statistique pour la dominance stochastique et pour la
Mesure de la pauvreté et des inégalités. Econometrica 68, no. 6 : 1435–1464.
Davies, L. et U. Gather. 1993. "L'identification de multiples valeurs aberrantes." Journal de l' Association statistique américaine 88,
no. 423 : 782–792.
De Leeuw, E. et W. De Heer. 2002. « Tendances de la nonréponse aux enquêtes auprès des ménages : une comparaison
longitudinale et internationale ». Dans Groves, RM, DA Dillman, JL Eltinge et RJA Little (eds.)
Nonréponse à l'enquête : 41–54. New York : John Wiley & Fils.
De Vos, K. et MA Zaidi. 1997. « Échelle d'équivalence Sensibilité des statistiques de la pauvreté pour les États membres de la
Communauté européenne ». Examen du revenu et de la richesse 43, no. 3 : 319–333.
De Vreyer, P. et S. Lambert. 2018. "En ignorant les inégalités intraménages, sousestimonsnous
l'étendue de la pauvreté ? Documents de travail PSE halshs01724194, HAL.
Les références
De Waal, T., J. Pannekoek et S. Scholtus. 2011. Manuel de vérification et d'imputation des données statistiques.
New York : John Wiley & Fils.
De Weerdt, J., K. Beegle, J. Friedman et J. Gibson. 2016. « Le défi de mesurer la faim
par sondage. Développement économique et changement culturel 64, no. 4 : 727–758.
Deaton, A. 1987. "Estimation des élasticitésprix propres et croisées à partir des données d'enquêtes auprès des ménages."
Journal d'économétrie 36, no. 1–2 : 7–30.
Deaton, A. 1988. "Qualité, quantité et variation spatiale des prix." La revue économique américaine
78, non. 3 : 418–430.
Deaton, A. 1990. "Élasticités des prix à partir des données d'enquête." Journal d'économétrie 44, no. 3 : 281–309.
Deaton, A. 1992. "Epargne et Lissage des Revenus en Côte d'Ivoire." Programme de recherche en développement
Études, Woodrow Wilson School, Université de Princeton.
Deaton, A. 1997. L'analyse des enquêtes auprès des ménages : une approche microéconométrique de la politique de
développement. Washington, DC : La Banque mondiale.
Deaton, A. 1998. "Obtenir des prix corrects : que fautil faire ?" Journal des perspectives économiques 12,
Non. 1 : 37–46.
Deaton, A. et O. Dupriez. 2011. "Taux de change de parité de pouvoir d'achat pour les pauvres du monde".
American Economic Journal : Applied Economics 3, non. 2 : 137–66.
Deaton, A. et Grosh, M. 2000. « Consommation ». Dans Grosh, M. et P. Glewwe (eds.) Designing Household Survey
Questionnaires for Developing Countries. Leçons tirées de 15 ans d' étude sur la mesure des niveaux de vie. Volume
un : 91134. Washington, DC : La Banque mondiale.
Deaton, A. et J. Muellbauer. 1980. Économie et comportement du consommateur. Cambridge : Cambridge
Presse universitaire.
Deaton, A. et A. Tarozzi. 2005. « Prix et pauvreté en Inde ». Dans Deaton, A. et V. Kozel (eds.) The
Grand débat sur la pauvreté indienne : 381–41. New Delhi, Inde : MacMillian.
Deaton, A. et S. Zaidi. 1999. "Lignes directrices pour la construction d'agrégats de consommation pour l'analyse du bien
être." Woodrow Wilson School Development Studies Paper no. 192.
Deaton, A. et S. Zaidi. 2002. « Guidelines for Constructing Consumption Aggregates for Welfare
Analyse." Document de travail no. 135.
Decancq, KM, M. Fleurbaey et E. Schokkaert. 2015. « Inégalités, revenus et bienêtre ». Dans Atkinson AB et F. Bourguignon
(eds.) Handbook of Income Distribution, 2A : 67–140. Elsevier.
Demertzis, M., M. DomínguezJiménez et A. Lusardi. 2020. "La fragilité financière des ménages européens à l'heure du
COVID19." Cotisation politique no. 2020/15.
Dempster, A. et D. Rubin. 1983. "Données incomplètes dans les enquêtes par sondage." Exemples d'enquêtes 2 : 3–10.
Dercon, S. (éd.) 2005a. Assurance contre la pauvreté. New York : presse universitaire d'Oxford.
Dercon, S. 2005b. "Risque, Pauvreté et Vulnérabilité en Afrique." Journal des économies africaines 14, no. 4 :
483–488.
Dewald, WG, JG Thursby et RG Anderson. 1986. "Réplication dans l'économie empirique: le projet
Journal of Money, Credit and Banking." La revue économique américaine 76, no. 4 : 587–603.
Diewert, WE 1976. "Numéros d'index exacts et superlatifs." Journal d'économétrie 4, 2 : 115–145.
Diewert, WE 2001. "L'indice des prix à la consommation et l'objectif du numéro d'indice." Journal d'économie
et Social Measurement 27, no. 3 et 4 : 167–248.
Diewert, WE 2008. « Atelier de l'OCDE sur l'analyse et la mesure de la productivité : conclusions et orientations futures ».
Dans Actes des ateliers de l'OCDE sur la mesure et l'analyse de la productivité : 1136. Paris : OCDE.
Diewert, WE 2013. "Irving Fisher et la théorie des nombres indexés." Journal de l'histoire de la pensée économique 35, no.
2 : 199–232.
Les références
Diewert, WE, J. Greenlees et CR Hulten (eds.) 2010. Concepts et mesure de l'indice des prix.
Chicago : presse de l'université de Chicago.
Diewert, WE et C. Shimizu. 2019. "Mesurer les services des biens durables et du propriétaire occupant
Logement." Vancouver School of Economics Discussion Paper no. 1904.
Diewert, WE et H. Wei, H. 2017. "Obtenir des prix de location corrects pour les ordinateurs : concilier différents
Perspectives sur la dépréciation. Examen du revenu et de la richesse 6 : S149–S168.
Dillon, A., C. Carletto, S. Gourlay, P. Wollburg et A. Zezza. 2021. "Conception d'enquêtes agricoles : leçons tirées du LSMSISA et au
delà." Washington, DC : Banque mondiale.
Doemeland, D. et J. Trevino. 2014. « Quels rapports de la Banque mondiale sont largement lus ? » Banque mondiale
Document de travail sur la recherche sur les politiques no. 6851.
Duan, N. 1983. "Estimation du frottis : une méthode de retransformation non paramétrique." Revue de la
American Statistical Association 78, no. 383 : 605–610.
Duclos, J.Y. et A. Araar. 2006. Pauvreté et équité : mesure, politique et estimation avec DAD.
Springer.
Dupriez, O. 2007. « Construire une base de données sur la consommation des ménages pour le calcul des PPA de pauvreté ».
Note technique de la Banque mondiale.
Dupriez, O. et E. Boyko. 2010. « Diffusion des fichiers de microdonnées : principes, procédures et
Les pratiques." Document de travail du Réseau international d'enquêtes auprès des ménages no. 5.
ECASTD. 2016. Directives d'harmonisation ECAPOV 2.0. Équipe Europe et Asie centrale de la Banque mondiale pour le développement
statistique. Janvier 2019. Document interne.
Ellwood, DT et LH Summers. 1985. « Measuring Income : What Kind Should Be In », dans Bureau of the Census, Conference on the
Measurement of Noncash Benefits, Proceedings, vol. 1 : 8–27.
Éltetõ, Ö. et É. Havasi. 2002. "Impact of Choice of Equivalence Scale on Income Inequality and on Poverty Measures," Review of
Sociology of the Hungarian Sociological Association 8 : 137–48.
Fafchamps, M., D. McKenzie, S. Quinn et C. Woodruff. 2012. "Utilisation des contrôles de cohérence PDA pour augmenter la précision
des bénéfices et la mesure des ventes dans les panels." Journal of Development Economics 98, no. 1 : 51–57.
FAO. 2005a. « Échelles d'équivalence. Aspects généraux." Série EASYPol no. 032.
FAO. 2005b. « Échelles d'équivalence. Méthodes subjectives. Série EASYPol no. 033.
FAO. 2005c. « Échelles d'équivalence. Méthodes objectives. Série EASYPol no. 034
FAO et Banque mondiale. 2018. Collecte de données alimentaires sur la consommation et les dépenses des ménages
Enquêtes. Lignes directrices pour les pays à revenu faible et intermédiaire. Rome : FAO.
Farfán, G., ME Genoni et E. Vakis. 2017. "Vous êtes ce que (et où) vous mangez : capturer les aliments
Loin de chez soi dans les mesures de bienêtre. Politique alimentaire 72 : 146–156.
Farfán, G., KR McGee, J. Perng et R. Vakis. 2019. "Mesure de la pauvreté à l'ère de la nourriture loin de chez soi : tester des
approches alternatives au Vietnam." Document de travail de recherche sur les politiques de la Banque mondiale no. 8692.
Fehr, D., R. Hakimov et D. Kübler. 2015. "La volonté de payer la volonté d'accepter l'écart : une
Échec de la réplication de Plott et Zeiler. » Revue économique européenne 78 : 120–128.
Fenoaltea, S. 1976. « Valeur ajoutée réelle et mesure de la production industrielle ». Annales de
Mesure économique et sociale 5, no. 1 : 111–137.
Fenoaltea, S. 2020. Reconstruire le passé : la mesure du produit agrégé. Turin: Fondazione
Luigi Einaudi.
Ferreira, F. et M. Ravallion. 2011. « Pauvreté et inégalités : le contexte mondial ». Dans Nolan, B., W.
Slaverda et TM Smeeding (eds.) Oxford Handbook of Economic Inequality. Oxford : presse
universitaire d'Oxford.
Les références
Filzmoser, P., J. Gussenbauer et M. Templ. 2016. "Détection des valeurs aberrantes dans les données d'enquête sur la consommation
des ménages." Université de technologie de Vienne.
Finn, A. et V. Ranchhod. 2015. "Genuine Fakes: La prévalence et les implications de la fabrication de données dans une grande
enquête en Afrique du Sud." La Revue économique de la Banque mondiale 31, no. 1 : 129–157.
Fisher, I. 1922. La fabrication des nombres index: une étude de leurs variétés, tests et fiabilité. Boston : Houghton Mifflin Company.
Fisher, M., JJ Reimer et ER Carr. 2010. "Qui devrait être interrogé dans les enquêtes sur le revenu des ménages?" Développement
mondial 38, no. 7 : 966973.
Fleurbaey, M. et F. Maniquet. 2011. Une théorie de l'équité et du bienêtre social. Cambridge : Cambridge
Foster, JE et AF Shorrocks. 1988. «Ordonnances sur la pauvreté». Econometrica 56, no. 1 : 173–177.
Foster, J., J. Greer, J. et E. Thorbecke. 1984. "Une classe de mesures décomposables de la pauvreté."
Econometrica 52, no. 3 : 761–766.
Foster, J., J. Greer et E. Thorbecke. 2010. « Les mesures de la pauvreté de Foster–Greer–Thorbecke (FGT) :
25 ans plus tard. Journal des inégalités économiques 8, no. 4 : 491–524.
Foster, J., S. Seth, M. Lokshin et Z. Sajaia. 2013. Une approche unifiée pour mesurer la pauvreté et
Inégalité: théorie et pratique. Washington, DC : La Banque mondiale.
Frick, JR, NM Grabka, TM Smeeding et P. Tsakloglou. 2010. "Effets distributifs des loyers imputés dans cinq pays européens." Journal
of Housing Economics 19, n° 3 : 167–179.
Friedline, T., RD Masa et GA Chowa. 2015. "Transformer la richesse : utiliser le sinus hyperbolique inverse (IHS) et
les splines pour prédire les résultats en mathématiques des jeunes." Recherche en sciences sociales, 49 : 264–287.
Friedman, MA 1957. Théorie de la fonction de consommation. Princeton, NJ : Presse universitaire de Princeton.
Friedman, J., K. Beegle, J. De Weerdt et J. Gibson. 2017. "Erreur de réponse en décomposition dans la mesure de la consommation
alimentaire : implications pour la conception de l'enquête à partir d'une expérience d'enquête randomisée en Tanzanie." Politique
alimentaire, 72 : 94–111.
Frisch, R. 1933. « Note de l'éditeur ». Econometrica 1, no. 1 : 1–4.
Gaddis, I. 2016. « Prix pour l'analyse de la pauvreté en Afrique ». Document de travail sur la recherche politique de la Banque mondiale
Non. 7652.
Gallardo, M. 2018. « Identifier la vulnérabilité à la pauvreté : une enquête critique ». Journal des enquêtes économiques 32, no. 4 :
1074–1105.
Gambacorta, R., A. Rosolia et F. Zanichelli. 2022. "Finances des ménages européens tout au long de la pandémie." Dans
Bandyopadhyay, S. (ed.) Research on Economic Inequality: Poverty, Inequality and Shocks, vol. 29 : 247–265. Édition Emeraude.
GarcíaGómez, C., A. Perez et M. PrietoAlaiz. 2019. "Un examen des méthodes de dominance stochastique pour l'analyse de la
pauvreté." Journal des enquêtes économiques 33, no. 5 : 1437–1462.
Rassembler, U. et C. Becker. 1997. "Identification des valeurs aberrantes et méthodes robustes". Dans Maddala, GS et CR Rao (eds.)
Handbook of Statistics, vol. 15 : 123–142. Amsterdam : Hollande du Nord.
Genoni, ME 2012. "Chocs de santé et lissage de la consommation : preuves de l'Indonésie."
Développement économique et changement culturel 60, no. 3 : 475–506.
Gentzkow, M. et Shapiro, JM 2014. Code et données pour les sciences sociales : guide du praticien.
Chicago, Illinois : Université de Chicago.
Gertler, PJ, E. Rose et P. Glewwe. 2000. "Santé". Dans Grosh, M. et P. Glewwe (eds.) Designing Household Survey Questionnaires for
Developing Countries. Leçons tirées de 15 ans d' étude sur la mesure des niveaux de vie. Volume un : 177216. Washington, DC :
La Banque mondiale.
Gibson, J. 2007. Guide d'utilisation des prix dans l'analyse de la pauvreté. Manuscrit inédit.
Gibson, J. 2013. « La crise des données sur les prix alimentaires ». Sécurité alimentaire mondiale 2, no. 2 : 97–103.
Les références
Gibson, J. 2016. « Mesure de la pauvreté : nous en savons moins que ne le pensent les responsables politiques ». L'Asie et le
Pacific Policy Studies 3, no. 3 : 430–442.
Gibson, J., K. Beegle, J. De Weerdt et J. Friedman. 2015. « Que révèlent les variations dans la conception des enquêtes sur la
nature des erreurs de mesure dans la consommation des ménages ? » Oxford Bulletin of Economics and Statistics 77, no. 3 :
466–474.
Gibson, J. et B. Kim. 2013. "Impacts sur la qualité, la quantité et la nutrition des changements de prix du riz au Vietnam."
Développement mondial 43 : 329–340.
Gibson, J. et B. Kim. 2015. "La séparabilité hicksienne ne tient pas dans l'espace : implications pour la conception des enquêtes
auprès des ménages et des questionnaires sur les prix." Journal d'économie du développement 114 : 34–40.
Gibson, J. et B. Kim. 2019. "Qualité, quantité et variation spatiale des prix : retour à la tourbière." Journal
of Development Economics 137 : 66–77.
Gibson, J., T. Le et B. Kim. 2017. "Prix, courbes d'Engel et déflation spatiotemporelle : impacts sur la pauvreté et les inégalités au
Vietnam." Document de travail de recherche sur les politiques de la Banque mondiale no. 8097.
Gibson, J. et A. Romeo. 2017. "Les politiques fiscalesalimentaires sont probablement mal informées par les élasticitésprix biaisées
des enquêtes auprès des ménages : preuves de la Mélanésie." Asia and the Pacific Policy Studies 4, no. 3 : 405–416.
Gibson, J. et S. Rozelle. 2002. « Dans quelle mesure la demande calorique estelle élastique ? Résultats paramétriques, non
paramétriques et semiparamétriques pour la PapouasieNouvelleGuinée urbaine. » Journal des études de développement
38, no. 6 : 23–46.
Gibson, J. et S. Rozelle. 2005. "Prix et valeurs unitaires dans la mesure de la pauvreté et l'analyse de la réforme fiscale." La Revue
économique de la Banque mondiale 19, no. 1 : 69–97.
Gibson, J. et S. Rozelle. 2011. « Les effets du prix sur la demande des ménages en aliments et en calories dans les pays pauvres :
nos bases de données donnentelles des estimations fiables ? » Économie appliquée 43, no. 27 : 4021–4031.
Gilbert, CL, L. Christiaensen et J. Kaminski. 2016. « Saisonnalité des prix en Afrique : mesure et étendue ». Document de travail
Glaeser, EL 1998. « Les paiements de transfert devraientils être indexés sur les niveaux de prix locaux ? » Sciences régionales
et Urban Economics 28, no. 1 : 1–20.
Gluschenko, K. 2006. "Biais dans les comparaisons interespaces par le biais d'indices de prix dans le temps :
Cas de la Russie. Document de discussion BOFIT no. 9/2006.
Goyder, J. 2019. La minorité silencieuse : nonrépondants aux enquêtes par sondage. Routledge.
Grimard, F. 1997. « Lissage de la consommation des ménages par les liens ethniques : témoignages de Côte
d'Ivoire. Journal of Development Economics 53, no. 2 : 391–422.
Grosh, M. et P. Glewwe (eds.) 2000. Conception de questionnaires d'enquête auprès des ménages pour les pays
en développement. Leçons tirées de 15 années d'étude sur la mesure des niveaux de vie. Washington, DC :
Banque mondiale.
Grosh, M. et JE Munoz. 1996. « Un manuel pour la planification et la mise en œuvre des niveaux de vie
Enquête d'étude de mesure. Document de travail LSMS no. 126.
Groves, RM 2006. « Taux de nonréponse et biais de nonréponse dans les enquêtes auprès des ménages ». Opinion
publique trimestrielle 70, no. 5 : 646–675.
Groves, RM, RB Cialdini et MP Couper. 1992. « Comprendre la décision de participer à une
Enquête." Opinion publique trimestrielle 56, no. 4 : 475–495.
Groves, RM et MP Couper. 1998. Nonréponse dans les enquêtes auprès des ménages. New York : Jean
Wiley & Fils.
Les références
Groves, RM, FJ Fowler Jr., MP Couper, JM Lepkowski, E. Singer et R. Tourangeau. 2009.
Méthodologie d'enquête. New York : John Wiley & Fils.
Grubbs, FE 1969. "Procédures de détection des observations aberrantes dans les échantillons." Technométrie 11,
Non. 1 : 1–21.
Haddad, LJ et SR Kanbur. 1990. "Quelle est la gravité de la négligence de l'inégalité intraménage ?"
Le Journal économique 100, no. 402 : 866–81.
Hagenaars, AJ, K. De Vos et M. Asghar Zaidi, 1994. "Statistiques de la pauvreté à la fin des années 1980 : recherche basée
sur des microdonnées". Office statistique des Communautés européennes, Luxembourg.
Hamilton, BW 2001. "Utilisation de la loi d'Engel pour estimer le biais de l'IPC." Revue économique américaine 91, no. 3 :
619–630.
Hampel, FR 1974. "La courbe d'influence et son rôle dans l'estimation robuste." Journal de l'Association statistique américaine
69, no. 346 : 383–393.
Hampel, FR, EM Ronchetti, PJ Rousseeuw et WA Stahel. 1986. Statistiques robustes : l'approche
Basé sur les fonctions d'influence. New York : John Wiley & Fils.
Hanemann, MW 1991. « Consentement à payer et consentement à accepter : dans quelle mesure peuventils différer ?
La revue économique américaine 81, no. 3 : 635–647.
Hart, EM, P. Barmby, D. LeBauer, F. Michonneau, S. Mount, P. Mulrooney, T. Poisot, KH Woo, NB Zimmerman et JW Hollister.
2016. "Dix règles simples pour le stockage de données numériques." PLOS Computational Biology 12, non. dix.
Haughton, J. et SR Khandker. 2009. Manuel sur la pauvreté + les inégalités. Washington, D.C. : Le
Banque mondiale.
Hausman, J. 2003. "Sources de biais et solutions aux biais dans l'indice des prix à la consommation." Revue de
Perspectives économiques 17, no. 1 : 23–44.
Heckman, JJ 1979. "Biais de sélection d'échantillon en tant qu'erreur de spécification." Econometrica 47, 1 : 153–161.
Heeringa, SG, BT West et PA Berglund. 2017. Analyse appliquée des données d'enquête. Chapman et Hall.
Heijink, R., K. Xu, P. Saksena et D. Evans. 2011. "Validité et comparabilité des dépenses de santé non remboursées à partir
des enquêtes auprès des ménages : une revue de la littérature et des instruments d'enquête actuels." Genève : Organisation
mondiale de la santé.
Hentschel, J. et P. Lanjouw. 2000. "Mesure du bienêtre des ménages et tarification des
Prestations de service." Journal du développement international 12, no. 1 : 13–27.
Heston, A. et AO Nakamura. 2009. "Questions sur l'équivalence des loyers du marché et de l'utilisation
Coûts pour les logements occupés par le propriétaire. » Journal of Housing Economics 18 : 273–279.
Hlasny, V. 2020. "Biais de nonréponse dans la mesure des inégalités : analyse transnationale à l'aide de
Enquêtes luxembourgeoises sur les revenus. Social Science Quarterly 101, no. 2 : 712–731.
Hlasny, V. et P. Verme. 2018a. "Les meilleurs revenus et la mesure des inégalités en Égypte." Revue économique de la
Banque mondiale 32, no. 32 : 428–455.
Hlasny, V. et Verme, P. 2018b. "Mesure des hauts revenus et des inégalités : une analyse comparative
des méthodes de correction à l'aide des données EU SILC. Économétrie 6, no. 2 : 121.
Hlasny, V., L. Ceriani et P. Verme. 2020. « Revenus inférieurs et mesure de la pauvreté et des inégalités ». Document de
travail GLO no. 519.
Houthakker, HS et SJ Prais. 1952. "Les Variations de Qualité dans les Budgets de Famille."
Economie Appliquée, 5, 62.
Huber, PJ 1981. Statistiques robustes. New York : John Wiley & Fils.
Huber, PJ 1996. Procédures statistiques robustes. Siam.
Hurd, M. et S. Rohwedder. 2009. "Innovations méthodologiques dans la collecte de données sur les dépenses : l'enquête
postale sur la consommation et les activités HRS." Études fiscales 30, no. 3–4 : 435–459.
Les références
Hurst, E., Li, G. et B. Pugsley. 2014. « Les enquêtes auprès des ménages ressemblentelles aux formulaires fiscaux ? Preuve de
la sousdéclaration des revenus des travailleurs indépendants. Revue d'économie et de statistiques 96, no. 1 : 19–33.
OIT. 2013. Sources et méthodes : Statistiques du travail, mise à jour 2013. Genève : OIT.
OIT. 2004. Manuel de l'indice des prix à la consommation : théorie et pratique. Fond monétaire international.
Jalan, J. et M. Ravallion. 1999. « Les pauvres sontils moins bien assurés ? Données probantes sur la vulnérabilité au revenu
Risque en Chine rurale. Journal of Development Economics, 58, no. 1 : 61–81.
Jenkins, SJ 1999. « INEQDECO : module Stata pour calculer les indices d'inégalité avec décomposition par sousgroupe »,
Composants logiciels statistiques S366002, Département d'économie du Boston College, révisé le 15 février 2021.
Jehle, GA et PJ Reny. 2011. Théorie microéconomique avancée. Essex : Pearson Education Limited.
Johnson, DS, TM Smeeding et BB Torrey. 2005. "L'inégalité économique à travers les prismes de
Revenu et consommation. Revue mensuelle du travail, 128 : 11.
Jolliffe, D. 2001. « Mesurer la pauvreté absolue et relative : la sensibilité de la consommation estimée
des ménages à la conception de l'enquête ». Journal of Economic and Social Measurement 27, no.
1 et 2 : 1–23.
Jolliffe, D. 2006. « Pauvreté, prix et lieu : dans quelle mesure la répartition spatiale de la pauvreté estelle
Ajustements au coût de la vie ? » Enquête économique 44, no. 2 : 296–310.
Jolliffe, D., G. Datt et M. Sharma. 2004. « Mesure robuste de la pauvreté et des inégalités en Égypte : correction de la variation
spatiale des prix et des effets de la conception de l'échantillon ». Examen de l'économie du développement 8 : 557–572.
Jolliffe, D. et U. Serajuddin. 2015. "Estimation de la pauvreté avec des données de panel, de manière comparable : un exemple
de Jordan." Document de travail de recherche sur les politiques de la Banque mondiale no. 7373.
Kaara, J. et Ramasawmy, S. 2008. "Données alimentaires collectées à l'aide d'approches d'acquisition et de consommation avec
une méthode de rappel de sept jours dans le KIHBS 2005/2006 du Kenya. Dérivation des informations sur la sécurité alimentaire
à partir de l'enquête nationale sur le budget des ménages : expériences, réalisations, défis. »
Roma : Organisation pour l'Alimentation et l'Agriculture.
Kakwani, N. et RJ Hill. 2002. "Théorie économique des indices spatiaux du coût de la vie avec application
en Thailande." Journal d'économie publique 86, no. 1 : 71–97.
Kalton G. et D. Kasprzyk. 1986. "Le traitement des données d'enquête manquantes." Méthodologie de l'enquête
12 : 1–16.
Kalton, G. et I. FloresCervantes. 2003. "Méthodes de pondération". Journal of Official Statistics 19, no. 2 :
8197.
Kaminski, J., L. Christiaensen et CL Gilbert. 2016. "Saisonnalité dans les marchés alimentaires locaux et la consommation :
preuves de la Tanzanie." Documents économiques d'Oxford 68, no. 3 : 736–757.
Kanbur, R. 2018. « Intrahousehold Inequality and Overall Inequality », dans Ocampo, J. A et JE
Stiglitz (éd.) L'Étatprovidence revisité : 147164. New York Chichester, West Sussex : Columbia University Press.
Khandker, SR 2009. « Pauvreté et saisonnalité des revenus au Bangladesh ». Recherche sur les politiques de la Banque mondiale
Document de travail no. 4923.
Kitzes, J., D. Turek et F. Deniz (eds.) 2017. La pratique de la recherche reproductible : études de cas et
Leçons des sciences intensives en données. Presse de l'Université de Californie.
Kolenikov, S. 2016. « Poststratification ou ajustement pour nonréponse ». Pratique d'enquête 9, no. 3.
Korinek, A., JA Mistiaen et M. Ravallion. 2006. "Survey Nonresponse and the Distribution of
Revenu." Journal de l'inégalité économique 4 : 33–55.
Korinek, A., JA Mistiaen et M. Ravallion. 2007. "Une méthode économétrique de correction pour l'unité
Biais de nonréponse dans les enquêtes. Journal d'économétrie, 136 : 213–235.
Les références
Lambert, PJ 2001. La distribution et la redistribution des revenus. Presse universitaire de Manchester.
Lanjouw, JO et P. Lanjouw. 2001. "Comment comparer les pommes et les oranges : mesure de la pauvreté
basée sur différentes définitions de la consommation." L'examen du revenu et de la richesse 47, no. 1 : 25–42.
Lanjouw, JO et P. Lanjouw. 1997. « Comparaisons de la pauvreté avec des données non compatibles : théorie et
Illustrations. Document de travail de recherche sur les politiques de la Banque mondiale no. 1709.
Lanjouw, P. 2009. « Construire un agrégat de consommation aux fins de l'analyse du bienêtre :
principes, questions et recommandations découlant du cas du Brésil ». Manuscrit inédit.
Lanjouw, P. et Ravallion, M. 1995. « Pauvreté et taille des ménages ». Le Journal économique 105, no. 433 :
1415–1434.
Lewbel, A. 2006. "Courbes d'Engel." Le nouveau dictionnaire Palgrave d'économie.
Li, C. et J. Gibson, J. 2014. « Différences de prix et inégalités spatiales en République populaire de Chine : données sur le marché
du logement ». Revue du développement en Asie, 31 : 1.
Petit, RJ et DB Rubin. 2019. Analyse statistique avec données manquantes. New York : John Wiley & Fils.
Liu, H., TI Wahl, JL Seale Jr. et J. Bai. 2015. "Composition du ménage, revenu et restauration
Dépenses à domicile en Chine urbaine. Politique alimentaire, 51 : 97–103.
Lohr, SL 2009. Échantillonnage : conception et analyse. Nelson Education.
Lokshin, M. 2018. « Qualité des données dans la recherche : et si nous arrosons le jardin pendant que la maison est en feu ? »,
blog de la Banque mondiale.
Long, JS 2009. Le flux de travail d'analyse de données à l'aide de Stata. College Station, TX : Stata Press.
Lu, C., B. Chin, G. Li et CJ Murray. 2009. « Limites des méthodes de mesure des dépenses de santé privées remboursables et
catastrophiques ». Bulletin Organisation mondiale de la Santé 87, no. 3 : 238–44, 244A–244D.
Luiten, A., J. Hox et E. de Leeuw. 2020. "Survey Nonresponse Trends and Fieldwork Effort in the 21st Century: Results of an
International Study across Countries and Surveys", Journal of Official Statistics 36, no 3 : 469–487.
MacLeod, WB et M. Urquiola. 2018. « L'éducation estelle consommation ou investissement ? Implications pour
L'effet de la compétition scolaire. Document de travail du NBER no. 25117.
Malpezzi, S. 2000. « Logement ». Dans Grosh, M. et P. Glewwe (eds.) Designing Household Survey Questionnaires for Developing
Countries. Leçons tirées de 15 ans d' étude sur la mesure des niveaux de vie. Tome 1 : 293–314. Washington, DC : Banque
mondiale.
Martirosova, D. 2008. "Données alimentaires collectées à l'aide d'approches d'acquisition et de consommation avec des journaux
quotidiens dans l'ILCS arménien 2004." Dans Sibrian, S. (éd.) Dérivation des informations sur la sécurité alimentaire à partir
des enquêtes nationales sur le budget des ménages : Expériences, réalisations, défis : 59–68. Rome : Organisation des
Nations Unies pour l'alimentation et l'agriculture.
MasColell, A., MD Whinston et JR Green. 1995. Théorie microéconomique. New York : Oxford
McKay, A. 2000. « L'enquête devraitelle mesurer le revenu total des ménages ? » Dans Grosh, M. et P. Glewwe (eds.) Designing
Household Survey Questionnaires for Developing Countries. Leçons tirées de 15 ans d'étude sur la mesure du niveau de vie.
Tome 2 : 83104. Washington, DC : Banque mondiale.
McKelvey, C. 2011. « Prix, valeur unitaire et qualité exigée ». Journal d'économie du développement
95, non. 2 : 157–169.
McKnight, A. et M. Rucci. 2020. "La résilience financière des ménages : étude de 22 pays avec de nouvelles estimations,
ventilations par caractéristiques des ménages et examen des options politiques." Centre LSE d'analyse de l'exclusion sociale,
CASE Papers/219.
Mercier, M. et P. Verwimp. 2017. « Sommesnous en train de compter tous les pauvres ? : Comptabilisation de la répartition intra
ménage de la consommation au Burundi. Journal of Demographic Economics 83, no. 3 : 307–327.
Les références
Meyer, BD et J. Sullivan. 2008. « Changements dans la consommation, le revenu et le bienêtre des célibataires
Familles dirigées par une mère. Revue économique américaine 98, no. 5 : 2221–2241.
Meyer, BD et J. Sullivan. 2011. « Autres résultats sur la mesure du bienêtre des pauvres à l'aide du revenu et de la consommation.
Canadian Journal of Economics/Revue canadienne d'économique 44,
Non. 1 : 52–87.
Meyer, BD et J. Sullivan. 2012. « Identifier les personnes défavorisées : pauvreté officielle, pauvreté de consommation et nouvelle
mesure supplémentaire de la pauvreté ». Journal des perspectives économiques 26, no. 3 : 1–27.
Meyer, BD, WK Mok et J. Sullivan. 2015. « Enquêtes auprès des ménages en situation de crise ». Journal d'économie
Perspectives 29, no. 4 : 199–226.
Milanovic, B. 2008. « Dépenses de qat au Yémen et à Djibouti : une analyse empirique ». Revue de
Économies africaines 17, no. 5 : 661–687.
Miller, LL et E. Aharoni. 2015. "Comprendre les faibles taux de réponse aux enquêtes chez les jeunes
Personnel militaire." Société RAND.
Minot, N. 2014. « Volatilité des prix alimentaires en Afrique subsaharienne : atelle vraiment augmenté ? Politique alimentaire
45 : 45–56.
Moore, J., L. Stinson et E. Welniak. 2000. "Erreur de mesure du revenu dans les enquêtes : un examen." Journal
of Official Statistics 16, no. 4 : 331–362
Morduch, J. 1995. "Lissage des revenus et lissage de la consommation." Journal des perspectives économiques
9, non. 3 : 103–114.
Morduch, J. 1998. « Pauvreté, croissance économique et délai moyen de sortie ». Lettres économiques 59, no. 3 :
385–390.
Morelli, S. et E. Munoz. 2020. "Biais de nonréponse unitaire dans l'enquête sur la population actuelle." Inédit
manuscrit.
Morelli, S. et E. Munoz. 2021. "kmr : une commande pour corriger les pondérations d'enquête pour la nonréponse totale
en utilisant les taux de réponse du groupe. » Stata Journal 2, non. 1 : 206–219.
Moretti, E. 2010. « Pauvreté, inégalités et différences de coût de la vie ». Centre de l'Université du Kentucky
for Poverty Research Discussion Paper No. DP201007.
Muller, C. 2008. « La mesure de la pauvreté avec la dispersion géographique et intertemporelle des prix : preuves du Rwanda ».
Examen du revenu et de la richesse 54, no. 1 : 27–49.
Musumeci, I. 2016. "Surveillance des prix à la ferme dans certains pays d'impact : leçons tirées du projet pilote 20132014." Programme
alimentaire mondial.
Nago, ES, CK Lachat, L. Huybregts, D. Roberfroid, RA Dossa et PW Kolsteren. 2010. "Contribution alimentaire, énergétique et
macronutriment des aliments consommés hors du foyer chez les adolescents scolarisés à Cotonou, Bénin." Journal britannique
de la nutrition 103, vol. 2 : 281–288.
Académies nationales des sciences, de l'ingénierie et de la médecine. 2019. Reproductibilité et réplicabilité
Dans la science. Washington, DC : La presse des académies nationales.
Conseil National de Recherche. 1995. Mesurer la pauvreté : une nouvelle approche. Washington, D.C. : Le National
Presse des académies.
Conseil National de Recherche. 2002. À quel prix ? : Conceptualisation et mesure des indices du coût de la vie et des prix. Washington,
DC : La presse des académies nationales.
Nicoletti, C. 2010. « Analyse de la pauvreté avec données manquantes : comparaison d'estimateurs alternatifs ». Empirique
Économie 38, vol. 1 : 1–22.
Nordhaus, WD et J. Tobin. 1973. « La croissance estelle obsolète ? » Dans M. Moss (éd.) La mesure de
Performance économique et sociale: 509–564 NBER Books.
Les références
Norris, S. et K. Pendakur. 2013. « Imputing Rent in Consumption Measures, with an Application to Consumption Poverty
in Canada, 1997–2009 ». Canadian Journal of Economics/Revue canadienne d'économique 46, no. 4 : 15371570.
O'Higgins, M. et SP Jenkins. 1990. "La pauvreté dans la CE : Estimations pour 1975, 1980 et 1985."
Dans Teekens, R. et BMS Van Praag (eds.) Analyse de la pauvreté dans la Communauté européenne : 187–212.
Eurostat News Special Edition, Luxembourg : Office des publications des publications officielles des Communautés
européennes.
OCDE. 2013. Cadre de l'OCDE pour les statistiques sur la répartition des revenus des ménages, la consommation
et Richesse. Paris : Éditions OCDE.
Omoniyi, A., WD Vundru et T. Kilic. 2021. "Examen de l'utilité des enquêtes sur les prix du marché dans
Analyse du bienêtre : preuves du Malawi. Manuscrit inédit.
Osberg, L. et K. Xu. 2001. « Comparaison internationale de l'intensité de la pauvreté : décomposition de l'indice et
Bootstrap Inference », Journal of Human Resources 35, no. 1 : 51–81.
Oseni, G., J. Durazo et K. McGee. 2017. L'utilisation d'unités non standard pour la collecte de la quantité de nourriture : un
guide pour améliorer la mesure de la consommation alimentaire et de la production agricole dans les enquêtes sur les
niveaux de vie. Washington, DC : Banque mondiale.
Oseni, G., F. Huebler et K. McGee, Amankwah, A., Legault, E. et Rakotonarivo, A. 2018. Mesurer les dépenses des
ménages en éducation : un nouveau guide sur la mesure. Washington, DC : Banque mondiale.
Oseni, G., A. PalaciosLopez, HK Mugera et J. Durazo. 2021. Capturer ce qui compte, essentiel
Lignes directrices pour la conception d'enquêtes auprès des ménages. Washington, DC : Banque mondiale.
Oulton, N. 2012. « Comment mesurer le niveau de vie et la productivité ». Examen des revenus et de la richesse
58, non. 3 : 424–456.
Palaniswamy, N. et T. Vishwanath. 2019. « Les enquêtes auprès des ménages sontelles confrontées à une crise de non
réponse ? Pas nécessairement, selon l'expérience récente en Jordanie. Le blog de données de la Banque mondiale.
https://blogs. worldbank.org/opendata/dohouseholdsurveysfacenonresponsecrisisnotnecessarilyaccordingrecent
experiencejordan _
Pape, UJ et L. Parisotto. 2019. « Estimation de la pauvreté dans un contexte fragile. L'enquête à haute fréquence
in South Sudan », document de travail de recherche sur les politiques de la Banque mondiale no. 8722.
Paxson, C. 1993. "Consommation et saisonnalité des revenus en Thaïlande." Journal d'économie politique
101, non. 1 : 39–72.
Pittau, MG, R. Zelli et R. Massari. 2011. "Les indices spatiaux des prix remanientils le revenu italien
Distribution?" Économie moderne 2, no. 3 : 259–265.
Platek, R. 1977. "Certains facteurs affectant la nonréponse." Méthodologie d'enquête 3 : 191–214.
Plewes, TJ et R. Tourangeau. (eds.) 2013. La nonréponse dans les enquêtes en sciences sociales : un programme de recherche.
Washington, DC : presse des académies nationales.
Ponthieux, S. 2017. "Mise en commun et partage des ressources au sein du ménage : un revenu équivalent "modifié"
provisoire." Dans Atkinson, AB, AC Guio et E. Marlier (eds.) Monitoring Social Inclusion in Europe. Luxembourg : Office
des publications de l'Union européenne, 175–188.
Pradhan, MP 2009. « Analyse du bienêtre avec une mesure indirecte de la consommation : preuves d'une expérience
répétée en Indonésie ». Études fiscales 30, no. 3/4 : 391–417.
Prais, SJ et HS Houthakker. 1955. L'analyse des budgets familiaux avec une application à deux enquêtes britanniques
menées en 1937–39 et leurs résultats détaillés. New York : Cambridge University Press.
Pyatt, G., CN Chen et J. Fei. 1980. « La répartition du revenu par composantes factorielles ». Le
Journal trimestriel d'économie 95, no. 3 : 451–473.
Ravallion, M. 1988. « Pauvreté attendue en cas de variabilité du bienêtre induite par le risque ». Journal économique
98, no. 393 : 11711182.
Les références
Ravallion, M. 1994. Comparaisons de la pauvreté. Londres : Routledge.
Ravallion, M. 1998. "Seuils de pauvreté en théorie et en pratique." Document de travail LSMS de la Banque mondiale no. 133.
Ravallion M. 2008. « Seuils de pauvreté ». Dans Durlauf, SN et LE Blume (eds.) The New Palgrave Dictionary of Economics.
Londres : Palgrave Macmillan.
Ravallion, M. 2010. "Les compromis troublants de l'indice de développement humain." Politique de la Banque mondiale
Document de travail de recherche no. 5484.
Ravallion, M. 2016. L'économie de la pauvreté. Histoire, mesure et politique. New York et Oxford :
Presse universitaire d'Oxford.
Ravallion, M. 2020. « Sur la mesure de la pauvreté dans le monde ». Revue annuelle d'économie 12 : 167–188.
Ravallion, M. 2021. Principaux bénéficiaires de revenus manquants. Document de travail du NBER no. 28890.
Ravallion, M. et B. Bidani. 1994. "Quelle est la robustesse d'un profil de pauvreté ?" La revue économique de la Banque mondiale
8, non. 1 : 75–102.
Ravallion, M. et M. Huppi. 1991. "Mesurer les changements dans la pauvreté : une étude de cas méthodologique de l'Indonésie
pendant une période d'ajustement." La Revue économique de la Banque mondiale 5, no. 1 : 57–82.
Ray, R. 2017. « Le rôle des prix dans les comparaisons de bienêtre : développements méthodologiques et étude sélective de la
littérature empirique ». Dossier économique 93, no. 301 : 314–332.
Ray, R. 2018. Comportement, prix et bienêtre des ménages : une collection d'essais comprenant une sélection
Études empiriques. Singapour : Springer.
Roser, M. et E. OrtizOspina. 2017. « L'extrême pauvreté dans le monde ». Publié en ligne sur OurWorldInData. org. Consulté le
07/2019. Extrait de https://ourworldindata.org/extremepoverty.
Rousseeuw, PJ et C. Croux. 1993. "Alternatives à l'écart médian absolu." Revue de la
American Statistical Association 88, no. 424 : 12731283.
Rousseeuw, P. et M. Hubert. 2017. "Détection d'anomalies par des statistiques robustes." Wiley interdisciplinaire
Revues : Data Mining and Knowledge Discovery 8, no. 2 : 1236.
Rubin, DB 1976. "Inférence et données manquantes." Biometrika, 63 : 581–592.
Rubin, DB 1987. Imputation multiple pour la nonréponse dans les enquêtes. New York : John Wiley & Fils.
SantaeulàliaLlopis, R. et Y. Zheng. 2017. « Pourquoi les inégalités de consommation alimentaire sontelles sousestimées ?
Une histoire de vices et d'enfants. Document de travail 969 de la Barcelona Graduate School of Economics.
Särndal, CE et S. Lundström. 2005. Estimation dans les enquêtes avec nonréponse. NewYork : John Wiley
& Fils..
Saunders, P. et P. Siminski. 2005. « Propriété du logement et inégalités : loyers imputés et répartition des revenus en Australie ».
Documents économiques: un journal d'économie appliquée et de politique 24, no. 4 : 346–367.
Schaeffer, NC, J. Dykema et D. Maynard. 2010. "Intervieweurs et entretiens." Dans Marsden, P. V. et JD Wright (eds.) Handbook
of Survey Research. Deuxième édition. Bingley, RoyaumeUni : Emerald Group Publishing, 437–470.
Schluter, C. 2012. "Sur le problème de l'inférence pour les mesures d'inégalité pour les distributions à queue lourde."
The Econometrics Journal 15, no. 1 : 125–153.
Schluter, C. et KJ van Garderen. 2009. "Extensions d'Edgeworth et transformations de normalisation pour
Mesures d'inégalité. Journal d'économétrie 150, no. 1 : 16–29.
Schündeln, M. 2018. « Visites multiples et qualité des données dans les enquêtes auprès des ménages ». Oxford Bulletin of
Economics and Statistics 80, no. 2 : 380–405.
Scott, C. et B. Amenuvegbe. 1991. "Perte de rappel et durée de rappel : une étude expérimentale sur
Ghana." InterStat 4, non. 1, 31–55.
Sen, A. 1985. Produits et capacités. Amsterdam : Hollande du Nord.
Les références
Sen, A. 1987. Le niveau de vie. Cambridge : Cambridge University Press.
Sen, A. 1993. "Capacité et bienêtre." Dans M. Nussbaum, Sen, A. (eds.) La qualité de vie. Oxford :
Presse Clarendon.
Shorrocks, AF 1995. "Revisiting the Sen Poverty Index." Econometrica 63, no. 5 : 1225–1230.
Shorrocks, AF 1983. "Classement des distributions de revenus." Economica 50, no. 197 : 3–17.
Shorrocks, AF 1980. "La classe des mesures d'inégalité additivement décomposables." Économétrie
48, non. 3 : 613–625.
Singer, E. et C. Ye. 2013. "L'utilisation et les effets des incitations dans les enquêtes." Les Annales de l'Américain
Académie des sciences politiques et sociales 645, no. 1 : 112–141.
Skoufias, E. et AR Quisumbing. 2005. « Assuranceconsommation et vulnérabilité à la pauvreté : une synthèse des données probantes
du Bangladesh, de l'Éthiopie, du Mali, du Mexique et de la Russie ». Le Journal européen de la recherche sur le développement
17, no. 1 : 24–58.
Slesnick, DT 2001. Consommation et bienêtre social : niveaux de vie et leur répartition dans le
ÉtatsUnis. Cambridge : Cambridge University Press.
Smeeding, TM et DH Weinberg. 2001. « Vers une définition uniforme du revenu des ménages »,
Examen du revenu et de la richesse 47 : 1–24.
Smith, LC 2015. "Le grand débat indien sur les calories : expliquer l'augmentation de la sousalimentation pendant
La croissance économique rapide de l'Inde. Politique alimentaire 50 : 53–67.
Smith, LC, H. Alderman et D. Aduayom. 2006. « Insécurité alimentaire en Afrique subsaharienne : nouvelles estimations à partir des
enquêtes sur les dépenses des ménages ». Rapport de recherche 146, Institut international de recherche sur les politiques
alimentaires.
Smith, LC, O. Dupriez et N. Troubat. 2014. « Évaluation de la fiabilité et de la pertinence des données alimentaires recueillies dans
les enquêtes nationales sur la consommation et les dépenses des ménages ». Document de travail 008 du Réseau international
d'enquêtes auprès des ménages (IHSN).
Snedecor, GW et WG Cochran. 1989. Méthodes statistiques. Ames : Presse universitaire de l'État de l'Iowa.
Solon, G., SJ Haider et JM Wooldridge. 2015. "Pour quoi pesonsnous?" Journal des ressources humaines 50, no. 2 : 301–316.
Stone, R. 1954. «Systèmes de dépenses linéaires et analyse de la demande: une application au modèle de la demande britannique».
Le Journal économique 64, no. 255 : 511–527.
Stiglitz, JE, A. Sen et JP Fitoussi. 2009. Rapport de la Commission sur la mesure de l'économie
Performance et progrès social.
Summers, R. 1973. « Comparaisons internationales des prix basées sur des données incomplètes ». Examen des revenus
et Richesse 19, non. 1 : 1–16.
Szulc, A. 2006. « La pauvreté en Pologne dans les années 1990 : les résultats sontils robustes ? Examen des revenus et
Richesse 52 : 423–48.
Törmälehto, VM et H. Sauli. 2013. "L'impact distributif du loyer imputé dans EUSILC 2007–
2010. » Méthodologies et documents de travail d'Eurostat, édition 2013.
Tourangeau, R., LJ Rips et K. Rasinski. 2000. La psychologie de la réponse aux enquêtes. Cambridge :
Cambridge University Press.
Tourangeau, R., RM Groves et CD Redline. 2010. "Sujets sensibles et répondants réticents : démonstration d'un lien entre le biais de
nonréponse et l'erreur de mesure." Opinion publique trimestrielle 74, no. 3, 413–432.
Triplett, JE 2001. « L'indice du coût de la vie devraitil fournir le cadre conceptuel d'un
Indice des prix?" Le Journal économique 111, no. 472 : 311–334.
Les références
Troubat, N. et K. Grünberger. 2017. « Impact de la conception de l'enquête sur l'estimation de la consommation alimentaire
habituelle. Le cas de l'enquête socioéconomique 2007/08 de la Mongolie appliquée aux ménages urbains. Politique alimentaire
72 : 132–145.
Tunçel, T. et JK Hammitt. 2014. "Une nouvelle métaanalyse sur la disparité WTP / WTA." Journal d'économie et de gestion de
l'environnement 68, no. 1, 175–187.
Division de statistique des Nations Unies. 2005. Manuel sur les statistiques de la pauvreté : concepts, méthodes et politiques
Utiliser. New York : Nations Unies.
Division de statistique des Nations Unies. 2005. Conception d'échantillons d'enquêtes auprès des ménages : directives pratiques.
New York : Nations Unies.
Les Nations Unies. 2018. Classification de la consommation individuelle selon l'objectif (COICOP) 2018.
New York : Nations Unies.
CEEONU. 2011. Canberra Group Handbook on Household Income Statistics, deuxième édition. Genève:
Commission économique des Nations Unies pour l'Europe.
CEEONU. 2017. Guide sur la mesure de la pauvreté. New York : Nations Unies.
Valliant, R. et JA Dever. 2018. Pondérations d'enquête : un guide de calcul étape par étape. Gare du Collège,
TX : Presse Stata.
Valliant, R., JA Dever et F. Kreuter. 2013. Outils pratiques pour la conception et la pondération des échantillons d'enquête. New
York : Springer.
Van Kerm, P. 2001. "INEQUAL7 : Module Stata pour calculer des mesures d'inégalité." Statistique
Composants logiciels S416401, Département d'économie du Boston College.
Van Kerm, P. 2007. « Revenus extrêmes et estimation des indicateurs de pauvreté et d'inégalité
EUSILC. Série de documents de travail IRISS no. 200701.
Van Praag, B. 1971. « La fonction de bienêtre du revenu en Belgique : une enquête empirique ».
Revue économique européenne 2, no. 3 : 337–369.
Van Praag, BM et MF Warnaar. 1997. "Le coût des enfants et l'utilisation des variables démographiques."
Dans la demande des consommateurs. Manuel d'économie de la population et de la famille, Volume
1A : 241–273. Amsterdam, New York et Oxford : Hollande du Nord.
Van Veelen, M. 2002. "Un théorème d'impossibilité concernant les comparaisons internationales multilatérales
de volume », Econometrica 70 : 369–375.
Van Veelen, M. 2009. "The Apples and Oranges Theorem for Price Indices," Economics Letters 103 :
12–14.
Van Veelen, M. et R. van der Weide. 2008. "Une note sur les différentes approches de l'indice
Théorie », American Economic Review 98 : 722–1730.
Varian, HR 1992. Analyse microéconomique. New YorkLondres : Norton.
Varian, HR 1993. « À quoi sert la théorie économique ? MichiganCenter for Research on Economic and
Document de travail sur la théorie sociale no. 9314.
Varian, HR 2010. Microéconomie intermédiaire. Une approche moderne. New YorkLondres : Norton.
Vecchi, G. 2017. Mesurer le bienêtre. New York : presse universitaire d'Oxford.
Verme, P. et A. Araar (eds.) 2017. La quête de réformes des subventions dans la région du MoyenOrient et de l'Afrique du Nord :
une approche de microsimulation pour l'élaboration des politiques. Cham, Suisse : Springer.
Wagstaff, A. 2007. « Les conséquences économiques des chocs sanitaires : preuves du Vietnam ». Journal
of Health Economics 26, no. 1 : 82–100.
Wagstaff, A. 2019. « Mesurer les dépenses médicales catastrophiques : réflexions sur trois problèmes ».
Économie de la santé 28, no. 6 : 765–781.
Wagstaff, A. et E. van Doorslaer. 2003. "Catastrophe et appauvrissement dans le paiement des soins de santé :
avec des applications au Vietnam 1993–1998. » Économie de la santé 12, no. 11 : 921–933.
Les références
Wagstaff, A., PHV Eozenou et MF Smitz. 2019. « Dépenses personnelles de santé : un bilan mondial ». Document
de travail de recherche sur les politiques de la Banque mondiale 8808.
Waid, JL, JR Bogard, SH Thilsted et S. Gabrysch. 2017. "Estimations des besoins énergétiques moyens au Bangladesh : valeurs
équivalentes pour les hommes adultes à utiliser dans l'analyse des enquêtes sur la consommation et les dépenses des ménages."
Fiche de données no. 14, 101–106.
Watts, HW 1968. « Une définition économique de la pauvreté », dans Moynihan DP (ed.) On Understanding
Pauvreté, New York : Livres de base.
Weisell, R. et MC Dop. 2012. "Le concept d'équivalent homme adulte et son application aux enquêtes sur la consommation et les dépenses
des ménages (HCES)". Bulletin sur l'alimentation et la nutrition 33, no. 3 (supplément) : S157–S162.
Comité OMS d'experts de la pharmacodépendance et Organisation mondiale de la santé. 2003. Comité d'experts de l'OMS sur la
pharmacodépendance : trentetroisième rapport (915). Genève : Organisation mondiale de la santé.
Wilson, G., J. Bryan, K. Cranston, J. Kitzes, L. Nederbragt et TK Teal. 2017. "Bonnes pratiques suffisantes en calcul scientifique." PLoS
Computational Biology 13, non. 6.
Wooldridge, JM 2012. Introduction à l'économétrie : une approche moderne. Pub du Collège du SudOuest.
Banque mondiale. 2012. Répondre à des prix alimentaires mondiaux plus élevés et plus volatils. Washington, D.C. : Monde
Banque.
Banque mondiale. 2014. Irak—La promesse non tenue du pétrole et de la croissance : pauvreté, inclusion et bienêtre en Irak, 20072012.
Washington, DC : Banque mondiale.
Banque mondiale. 2015. Une approche mesurée pour mettre fin à la pauvreté et stimuler la prospérité partagée : concepts,
Données et les objectifs jumeaux. Rapport de recherche sur les politiques. Washington, DC : Banque mondiale.
Banque mondiale. 2017. Surveillance de la pauvreté dans le monde : Rapport de la Commission sur la pauvreté dans le monde. Washington,
DC : Banque mondiale.
Banque mondiale. 2018. Pauvreté et prospérité partagée 2018 : Reconstituer le puzzle de la pauvreté. Washington,
DC : Banque mondiale.
Banque mondiale. 2020. Manuel de données DIME Analytics. Washington, DC : Banque mondiale.
Xu, K., F. Ravndal, DB Evans et G. Carrin. 2009. « Évaluation de la fiabilité des dépenses des ménages
Données : résultats de l'enquête sur la santé dans le monde. » Politique de santé 91, no. 3 : 297–305.
Yates, J. 1994. "Loyer imputé et répartition du revenu". Examen du revenu et de la richesse 40, no. 1 : 43–66.
Yeo, IK et RA Johnson. 2000. "Une nouvelle famille de transformations de puissance pour améliorer la normalité ou la symétrie." Biometrika
87, non. 4 : 954–959.
Zaidi, S. 2007. « Construction de l'agrégat de consommation. Partie I : Problèmes d'agrégation. » Inédit
Matériel d'apprentissage. La Banque mondiale : Washington, DC.
Zheng, B. 1993. "Une caractérisation axiomatique de l'indice de pauvreté de Watts." Lettres d'économie 42,
Non. 1 : 81–86.
Zheng, B. 1997. « Mesures globales de la pauvreté ». Journal des enquêtes économiques 11, no. 2 : 123–162.
Indice
UN Commission sur la mesure de l'économie
Performance et progrès social. Voir le rapport Stiglitz
la pauvreté absolue. Voir acquisition
SenFitoussi sur les dépenses de transport, 41
de la pauvreté par rapport à la consommation, 23,
comparabilité, 18, 20, 25, 91, 103, 105, 125, 138–139,
26–27, 48 approche d'acquisition de biens durables, 36, 49, 50,
55, 110
158
loyer réel. Voir plan
fonction de demande compensée, 9
d'agrégation des loyers, 153,
exhaustivité. Voir l'exhaustivité globale de la consommation,
154 agriculture, 154. Voir aussi effet Alchian
l'exhaustivité globale du revenu Computer Assisted
Allen rural vs urbain, 70–71 boissons alcoolisées,
Personal Interviewing (CAPI), 91,
35–37 pension alimentaire, 41 Système de
demande presque idéale (SIDA), 100 échelle
100
d'équivalence arbitraire. Voir actifs de l'échelle
bande de confiance, 116–120
d'équivalence, 16, 20, 23, 40, 132, 135, 152–154. Voir
cohérence des comparaisons de bienêtre, 125 . Voir
également
aussi théorie du consommateur de comparabilité,
biens durables, richesse
3–10, 12, 14, 24, 37, 67, 69, 82, 132,
commission Atkinson, 1920
137
dépenses atypiques. Voir dépenses forfaitaires gains de
consommateur, 4–8, 10, 24, 41, 48, 55, 57, 67, 70, 83
revenus atypiques. Voir gains exceptionnels automatisation
indice des prix à la consommation (IPC),64–68, 72, 74, 76–81,
de l'analyse des données, 127
156. Voir aussi indice des
prix consommation
B
comme mesure du bienêtre, 3, 9, 12–21, 26, 44, 132, 151
maux. Voir paternalisme dépenses, 3, 5–6, 10, 14, 28–29, 38, 41, 63, 83, 99, 102, 135 ,
Effet BalassaSamuelson, 76 poids 143 choc, 15, 17, 24, 121 lissage, 16, 27, 151 agrégat de
de base. Voir panier de poids. Voir consommation
l'échelle d'équivalence
comportementale des faisceaux. Voir bonus d'échelle
d'équivalence, 154 rappel borné, 27 transformation de Box exhaustivité, 23, 25, 43–45, 47, 55, 133, 135 couverture. Voir
Cox, 106 contrainte budgétaire, 4, 6–8 parts de budget, 44, 65, exhaustivité nominale, 5, 22, 63, 68, 76, 80–81, 111, 114 réelle,
74, 81 dépenses volumineuses. Voir ensemble de dépenses 5, 9, 63, 80–81, 137 pertinence, 23–24, 26, 48
forfaitaires, 4–10, 64, 67, 69–70
flux de consommation de biens durables, 48–50, 52–55,
60, 136 analyse coûtsavantages, 11 fonction de
coût, 8–9, 11, 67, 73 seuil de pauvreté du coût des
C besoins fondamentaux (CBN), 73 coût COVID19, 15, 21
dépenses en biens culturels, 36 fonction de distribution
consommation de calories, 27, 29, 33, 88–90, 102, 133, 137
cumulative (CDF), 112–113 dépenses de santé curatives,
Canberra Group, 20, 41, 152–154 approche par les capacités, 3
47. Voir aussi dépenses de santé préventives et
gain en capital, 153 taux de capitalisation, 60 comparaisons
discrétionnaires pratique actuelle, 2, 12, 26, 39, 47, 55,
cardinales vs ordinales, 9 contributions caritatives, 41 enfants,
61, 77, 87, 100, 103, 140
29, 39–40, 83–89, 111, 120 indices de pauvreté ClarkHemming
Ulph (CHU), 123 dépenses vestimentaires, 36–37, 135
regroupement, 31, 71 code. Voir scripts COICOP (Classification
des consommations individuelles selon les finalités), 35–40, 69,
80, 135, 159
D
données
nettoyage, 91–92, 102, 105, 107, 127
collecte, 25, 91–92, 96, 98, 131, 158–61
Indice
édition, 102, 105. Voir aussi nettoyage des données OCDE de type I, 84, 86
ouvert, 130 traitement, 91, 100, 127, 131 qualité, OCDE de type II, 84, 86, 111, 118, 137
31, 45, 91, 105, 158 raw, 100, 104, 125–26, 128 Oxford, 84 racine carrée, 85–86 subjectif, 83–
84 US National Research Council, 84
équivalent adulte, 83, 84, 86, 118 , 137 taille
remboursement de la dette, 24, 40, de ménage équivalente, 83–86 Union
135 modèle de dépréciation vie européenne, 13, 85, 163, 175 facteurs
économique, 52–53, 136 d'expansion. Voir poids déplacement des
géométrique, 51, 53, 136 ligne dépenses, 24, 42 fonction. Voir la fonction de
droite, 53 taux de dépréciation, 50– coût
53 profondeur de la pauvreté, 121–
22 pondérations de conception. Voir
journal des poids, 28–29, 34, 71, 99,
158. Voir aussi questionnaire minimisation, 7–8
jugement d'expert, 34
différences de conception dans les besoins, 5, 73–74, valeurs extrêmes, 27, 72, 91, 102–105, 108–09, 133,
82–83, 90 impôts directs, 154 personnes handicapées, 138. Voir aussi valeur aberrante
40, 90 dépenses de santé discrétionnaires, 44. Voir
aussi dépenses de santé curatives et préventives revenu disponible,
F
152–154 Distributive Analysis Stata Package ( DASP), 117, 120, « Échelle d'équivalence » FAO/OMS. Voir équivalence
escalader
Besoins nutritionnels FAO/OMS, 86, 88–90 prix bord champ, 30,
155 32, 134 ménages agricoles, 23, 25, 30, 134, 154. Voir aussi rural
dofichiers. Voir scripts, dofile master vs.
services domestiques, 38 double comptage,
35, 37, 40–41 dots, 135. Voir aussi mariage, redevances
double problème de dépenses grumeleuses, 7, 8 Duan's smearing urbaines, 40,
estimateur, 58, 59, 136 biens durables, 2, 22–25, 37–39, 48–55, 60, 154 fragilité
109–10, 131, 135–36, 152 statut d'occupation du logement, 56, 59 financière, 21 services, 36, 40,
135, 156 amendes, 154 dominance
stochastique de premier ordre (FOD), 113–15 indice des prix de
Fisher. Voir flux de l'indice des prix des services de logement,
55, dossier 56, 126–127 alimentation
E
modèle d'amortissement de la vie économique. Voir amortissement
modèle acquisition, 26–27, 133, 159 part du
économies d'échelle, 74, 83–85, 90 dépenses budget, 74 consommation, 25–30,
d'éducation, 35, 39–40, 100, 109 efficacité des estimateurs, 71, 133, 137, 159–60 dépenses, 27, 34, 37, 80, 99–100,
99 élasticité des dépenses de santé aux dépenses totales, 133, 158–59 rations, 33 –34, 134 reçus en nature, 30, 153
44–46, 135 personnes âgées, 40, 89, 118 dépenses d'électricité , 36,
38, 135 fonction de distribution cumulative empirique (CDF), 113
Organisation des Nations Unies pour l'alimentation et l'agriculture
revenu des employés. Voir revenu revenu d'emploi Voir endogénéité
(FAO), 25, 28–29, 83, 86, 88, 90, 137, 158 méthode de l'apport
du revenu, 59 apport énergétique. Voir besoins énergétiques liés à la
énergétique alimentaire (FEI), 75 aliments préparés à l'extérieur (FAFH),
consommation de calories, 88–90, 137. Voir aussi FAO/OMS
25–26, 29, 133 , 160 dépenses de chaussures, 35, 37
Mesures de la pauvreté de FosterGreerThorbecke (FGT), 122–
23
dépenses de carburant, 36, 38
besoins nutritionnels
dépenses funéraires, 17, 22, 24. Voir aussi dépenses
courbe
d'Engel, 74–75, 137 loi, forfaitaires mobilier, 36, 38
74 recenseurs, 92, 96,
100, 159 échelle d'équivalence
arbitraire, 83–84, 90 comportementale,
g
83 outils et équipement de jardinage, 36, 38
dépenses en gaz, 36, 38, 135 sexe, 82–83,
FAO/OMS, 86, 88, 90 88, 95
LIS, 85, 94 Indices d'entropie généralisée (GEI), 104
Indice
modèle d'amortissement géométrique. Voir amortissement chocs, 15, 17
modèle lissage, 16
volatilité. Voir lissage de
cadeaux reçus, 133, 134. Voir aussi reçus en nature l'agrégat des revenus
donnés, 41, 135 indice de Gini, 103–04, 155 exhaustivité, 23, 43–45, 159 nominale, 153
verrerie, 38 revenu brut, 153 valeurs aberrantes réelle, 153 spécificité, 159
brutes, 91, 138
Cadre du revenu, de la consommation et de la richesse (ICW),
20
H Courbe d'ajustement incrémental (ITC), 104
courbe d'indifférence, 7 inégalité, 6, 11, 18–20,
harmonisation, 1–2, 20, 35, 152 courbe
44, 62, 82, 95, 103, 124,
de différence d'effectif, 116, 118, 124, 139 taux d'effectif,
131–32, 138, 155
112, 118 santé
inflation, 50, 52, 63, 66, 71, 74, 76, 78, 80, 93, 110, 137
observation influente, 102 travail informel, 18 dépenses
dépenses, 24, 35, 39–45, 47, 109, 135 statut, 41–
d'information et de communication, 36, 39 dépenses peu
44, 95 , 59–61 Fonction de demande hicksienne,
fréquentes . Voir dépenses forfaitaires reçus en nature, 30–33,
9, 170 Séparabilité hicksienne, 70 imputation
35, 159 assurance
hiérarchique. Voir imputation pays à revenu élevé,
15 propriétaires, 56, 58, 111 préférences
homothétiques, 11 estimateur HorvitzThompson,
prestations,
98 hospitalisations, 44 imputation hotdeck. Voir la
154 dépenses, 40, 60
valeur d'achat de la maison d'imputation, 23, 55, 60
paiements d'intérêts, 40
ménage
transferts entre ménages. Voir transferts, dons
Programme de comparaison internationale (PCI), 76
Organisation internationale du travail (OIT), 48, 63–64,
66, 80, 156–57
choix intertemporel, 14–15, 17, 20 entretien
mode. Voir CAPI, PAPI
nombre de visites, 28
appareils, 36, 38–39, 48
effets enquêteurs, 96
composition, 2, 74, 82–90, 111, 118, 124
enquêteurs. Voir les recenseurs
équipement, 38 dépenses équivalentes, 86
inégalité au sein du ménage, 82
entretien, 36, 38 taille, 2, 82–90, 110, 118, 123–
investissement, 24, 38–39, 40, 55, 100
24, 137 textiles, 36, 38 ustensiles, 36, 38
nonréponse à un item, 92, 100, 138, 151
déflation des prix spécifique à un item, 81
items listés dans un questionnaire, 159
articles ménagers. Voir dépenses
d'ameublement pour le logement,
K
9–10, 12, 26, 29, 35, 55–56, 62, 72, 76, 80, 85–86, 100, 131– khat, 37
32, 137, 149 statut d'occupation. Voir le statut d'occupation
du logement L
Indice des prix de Laspeyres. Voir indice des
je
prix loisirs, 4, 22, 47, 48, 135 prélèvements,
valeur locative implicite, 56 40 passif, 20, 152–53 système linéaire de
déflateur spatial implicite, 73–74 dépenses, 100 échelle d'équivalence LIS. Voir
imputation hiérarchique, 31 hotdeck, échelle d'équivalence niveau de vie minimum,
99–100 multiple, 101 loyer imputé. 18 Living Standard Measurement Study (LSMS), 1,
Voir loyer incidence de la pauvreté. 27–28, 132, 141–42, 158 remboursements de prêts,
Voir le revenu du taux d'incidence 24 impôts locaux, 40 courbe de Lorenz, 103 pays
de la pauvreté à faible revenu, 26, 28– 29, 50, 69, 79, 96, 132,
comme mesure du bienêtre, 12, 14–21, 151–52, 155
déductions, 154 fluctuations. Voir lissage à partir de l'emploi,
153–54 à partir du travail indépendant, 99, 154
158, 160
Indice
dépenses forfaitaires, 24, 38–40, 42, 44–45, 108, 135, haut, 102–103
153 traitement, 72, 91, 105, 107, 138
Étude luxembourgeoise sur le revenu (LIS), 85 autoconsommation, 37, 154 effet
de fierté du propriétaire, 57, 61–62
M biens autoproduits. Voir l'échelle d'Oxford de
entretien et réparations, 36, 38 prix du consommation propre. Voir l'échelle d'équivalence
marché, 7, 24–25, 32, 34, 38, 64, 69, 71–72, 134 mariage. Voir le
fichier principal de mariage, 129 estimateurs correspondants, 61
P
privation matérielle, 18, 132 participants au repas, 160 erreur de Indice des prix de Paasche. Voir paternalisme
mesure, 19, 44–45, 77, 91, 105, 135, 153, de l'indice des prix, 37. Voir aussi test du chi
carré du khat Pearson, 106 pensions, 99, 154
hypothèse du revenu permanent (PIH), 15
dépenses de soins personnels, 35–36, 40 transferts
155 PigouDalton, 11 pondération ploutocratique, 76,
dépenses médicales. Voir dépenses de santé médicaments, 137 PovcalNet, 90, 122 pauvreté absolue, 90 gap
36 métadonnées, 127 pays à revenu intermédiaire, 26, 28– index, 110, 121–22 gap squared index, 121–22
29, 69, 79, 132, 160 manquant au hasard (MAR), 99–100 taux de comptage, 109, 112, 114, 118 line, iv, 1,
complètement au hasard (MCAR), 99–100 pas au hasard (MNAR), 10, 29, 33, 42, 64 , 70–77, 102, 109, 112–16, 118,
100 prix, 76 valeurs, 91, 98–101, 109, 138 121–24, 148 rapports de ligne, 72–74 mesures,
1, 2, 20, 110, 121–123 multidimensionnel, 13,
20, 123, 132 classement, 114, 116 profil, 19, 29,
62, 85–86, 110–11, 118–19, 124 relatif, 102
gravité, 122 préférences, 4, 6, 11, 37, 75 dépenses de
santé préventives, 44, 47. Voir également données
utilité métrique monétaire (MMU), 8–13, 25, 63, 69, 132 bienêtre sur les prix des dépenses de santé curatives et
multidimensionnel, 13, 20, 123, 132 distributions multimodales, discrétionnaires, 69, 71–74, 77, 137. Voir aussi déflateur
31 imputation multiple. Voir imputation de l'enquête sur les prix, 63–64, 68, 73–74, 76, 80
relative, 65, 71 enquête, 34, 69, 109 variation, 5, 63, 78–
79, 83, 137
N
stupéfiants, 35–37. Voir aussi khat, paternalisme revenus
négatifs, 155 boissons non alcoolisées, 35–37 sans
contact, 92, 96 dépenses non alimentaires, 35, 99, 161
nonrépondants, 94–96, 98 biais de nonréponse, 94–97,
100 mécanisme, 98–100 taux, 92–95 unités de mesure
non standard, 19, 160
indice des prix
Pêcheur, 65–68, 77, 151, 157
O Laspeyres, 9–12, 64–68, 77, 110, 132, 157
Échelles d'équivalence de l'OCDE. Voir les données ouvertes Paasche, 9–13, 63–69, 71–72, 77, 132, 137, 157 spatial, 63,
de l'échelle d'équivalence. Voir données coût d'opportunité, 64, 69–76, 78, 80–81, 108, 113, 137 superlatif, 65–66, 68
49, 51, 60, 95 approche du coût d'opportunité, 49 Organisation temporel , 64–65, 74, 78–81, 137
de coopération économique et
Tornquist, 65–67, 157
Development (OCDE), 20, 84–86, 111, 118, 132, 137, 152 unité primaire d'échantillonnage (UPE), 31, 72, 134
problème original, 8. Voir aussi comparaisons ordinales vs transferts privés. Voir fonction de densité de
cardinaux à problème double. Voir cardinal vs ordinal probabilité des transferts, 106 probabilité d'inclusion,
97. Voir aussi pondérations. répertoire de projet, 127–
128, 130 appariement du score de propension. Voir
valeur l'estimateur d'appariement revenu de la propriété, 154 impôts
aberrante fonciers, 60, 135 systèmes de distribution publics, 33 biens
inférieure, 103 détection, 27, 103, 105–107, 109, publics, 47–48, 76, 78, 83, 135 services publics, 48
138 diagnostics, 105, 108, 138 multivariée, 105
région, 106–107
Indice
transferts publics. Voir transferts S
valeur d'achat de biens durables, 23, 36, 39, 48, 54. Voir aussi
salaires, 154
approche d'acquisition pour les biens durables
plan
achat vs consommation. Voir parité de pouvoir d'achat
d'échantillonnage, 2, 97–
(PPA) entre acquisition et consommation, 65 98, 131 taille, 31, 99, 104, 151
épargne, 15–16, 23–24, 39–40, 151, 153 scripts,
126–130, 139 saisonnalité, 28, 79, 159 marché
Q secondaire, 34, 134 marchés locatifs ségrégués,
qat. Voir khat 59–61 biais de sélection, 59, 62 poids de sélection.
Qestimator, 107 Voir pondération conformité sélective, 95 revenu
Système de demande quadratique presque idéale (QAIDS), 100 d'un travail indépendant, 99, 154 loyer autodéclaré.
biais de qualité, 72, 77, 137 qualité des biens, 70–71 conception Voir les évaluations autodéclarées des loyers, 30,
du questionnaire, 2, 27–28, 158, 160 quotas, 33, 134 32–33, 59, 134 biens semidurables, 37–38 Indice
de pauvreté SenShorrocksThon (SST), 123
analyse de sensibilité, 2, 11, 33, 86, 90, 101 , 105,
107–13, 123–24, 131, 138–39 indemnité de départ,
R 154 sévérité de la pauvreté. Voir pauvreté Shephard
rations, 33–34, 134 lemme, 9 shock, 15, 17, 24, 43–44, 121. Voir aussi
fichier readme, 130 revenu shock,
rappel, 27–28, 133, 158, 159
loisirs, 36, 39 période de référence,
15, 22–25, 27–29, 44, 48, 153, 158 refus, 92 régression
hédonique. Voir régression hédonique, valeurs prédites
d'imputation de rente hédonique, 58, 136 quantile, 59 résidus,
59 imputation basée sur la régression. Voir imputation lissage des chocs de
nécessité regrettable, 24, 41, 135 seuil de pauvreté consommation, 16, 151. Voir aussi lissage des revenus,
relative. Voir la pertinence du seuil de pauvreté. Voir agrégat lissage de la consommation prestations d'aide
de consommation, pertinence envois de fonds, 41, 133 sociale, 154 biais de désirabilité sociale, 151 exclusion
sociale, 13, 132 cotisations d'assurance sociale, 154
protection sociale, 35–36, 40 pensions de sécurité sociale,
154 déflation, 69, 76–77, 81, 108–11, 114, 116, 118 indice
des prix. Voir variation des prix de l'indice des prix, 63, 78
spécificité de l'agrégat des revenus. Voir l'agrégat de
revenus
louer
réel, 56–58, 61, 136 imputé,
38, 56–60, 115, 118, 136, 153–55 autodéclaré, 56–
57, 59–62, 116, 118 approche par équivalent locatif,
136 marché locatif, 50 , 55, 57–62 approche rentto
value, 60, 136 réparations, 36–38. Voir aussi entretien échelle d'équivalence racine carrée. Voir erreur type de l'échelle
et réparations remboursement des prêts, 24, 135 d'équivalence, 58, 99, 101, 103, 110, 151 Rapport StiglitzSen
réplicabilité, 125, 138 reproductibilité, 2, 125, 129–131, 139 Fitoussi, 20 dominance stochastique, 102, 112–16, 121, 123–
résilience, 21 fardeau des répondants, 28, 96, 160 24, 139 modèle d'amortissement linéaire. Voir amortissement
répondants, 28, 30, 32, 37, 57 , 94–100, 153–55, 159
modèle de propension à répondre, 98 risque modèle
échelle d'équivalence subjective. Voir échelle d'équivalence
bienêtre subjectif. Voir subventions sociales, 33, 56, 135 biais
de substitution, 68 indice des prix superlatif. Voir les
pondérations d'enquête de l'indice des prix. Voir pondérations
Objectifs de développement durable, 20 Système de
covariable, 17 comptabilité nationale, 37, 152, 159
idiosyncrasique, 17
estimation robuste, 102
matrice de robustesse, 110–11, 121, 124, 139
Système d'information sur les moyens de subsistance ruraux (RuLIS), v, 104, J
112
vaisselle, 36, 38
rural vs urbain, 57, 99, 100–11, 118
taxes, 40, 60, 135, 154
déflation temporelle, 78–
80
Indice
indice des prix. Voir variation des indicateurs, 11, 19, 20, 151
prix de l'indice des prix, 5, 63, 78–79, 137 mesure, 1–9, 13, 14, 19, 23, 25, 33, 37, 42, 56, 60, 62, 69, 72,
locataires 130–32, 135 monétaire, 3, 131, 135 multidimensionnel,
marché, 56, 62. Voir aussi statut d'occupation non 13, 20, 132 classement, 6, 17 ratio, 10–11 subjectif, 13, 20, 132
marchand, 56–58, 136. Voir aussi indemnité de licenciement, bienêtre, 3–6, 14–15, 18, 20–24, 37, 41–44 , 50, 82, 90, 132,
154 marché locatif étroit, 59–61 dépenses en tabac, 35–37 indice 151. Voir aussi bienêtre
des prix de Törnquist. Voir les transferts d'indices de prix
privé, 135, 151, 154–55. Voir aussi dons publics, consentement à accepter (WTA), 57
151, 154–55 dépenses transitoires. Voir dépenses consentement à payer (WTP), 57 gains
forfaitaires dépenses de transport, 24, 39, 135 dépenses de exceptionnels, 152–53 flux de travail,
voyage, 41 véritable indice du coût de la vie (TCLI), 64, 66– 126–30, 139 dépenses liées au travail,
68, 73, 80, 90 consommation typique, 23–24, 39–40, 44 135
typique mois, 133–134. Voir aussi approche mensuelle habituelle
Z
revenus nuls, 155
score zêta, 106–107
tu
incertitude, 15, 34, 43, 101 sous
déclaration, 151–155 nonréponse
unitaire, 92–98, 138, 155 valeur unitaire, 30–
34, 69–72, 74, 77, 102, 106, 108, 109, 134, 137 , 170 approche
du coût d'utilisation, 49–50, 52 Échelle d'équivalence du US
National Research Council.
Voir l'approche du mois
habituel de l'échelle d'équivalence,
28 utilités, 25, 38, 135 fonction
d'utilité, 4–7, 68 maximisation,
4–8, 37, 41 théorie, 69. Voir
aussi la théorie du consommateur
V
valeur des services des biens de consommation durables des ménages.
Voir le flux de consommation des biens durables
valeur des services domestiques non rémunérés,
152 vulnérabilité, 4, 16, 121
O
salaires, 76, 99, 154
eau, 31, 38, 135 indice
de Watts, 122–23 richesse
comme mesure du bienêtre, 18, 20, 132 mariage, 17,
24. Voir aussi base de pondération des dépenses
forfaitaires, 98 conception , 98 sélection, 98 enquête, 97–
98, 138 bienêtre
choix de la période de référence, 27–28
comparaisons, 38, 41, 76, 78, 82, 101, 125, 135
économie, 3. Voir aussi indicateur de la théorie du
consommateur, 1, 5, 11–12, 16, 18–19, 22, 68–69, 83, 99, 108,
118, 131, 152, 155

Mancini Vecchi 2022

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Mancini Vecchi 2022

Transféré par

Droits d'auteur :

Formats disponibles

Machine Translated by Google

max u = v(q) sous réserve de p q = x (2.0)

min x = p q sous réserve de v(q) = u (2.1)

f(x0 ) + f′(x0 ) f′′(x0 ) (x − x0 ) + (x 2 + !

Inclus Non inclus Sans papiers

Cuv j si uv j L1 ne peut pas être calculé

COICOP Description Inclure dans NCA ?

01.1 Nourriture Oui

01.2 Boissons non alcoolisées Oui

02.4 Stupéfiants Oui

03.1 Vêtements Oui

03.2 Chaussure Oui

04.1 Loyers réels des logements Oui

04.2 Loyers imputés pour le logement Oui

04.4 Approvisionnement en eau et services divers liés à l'habitation Oui

04.5 Électricité, gaz et autres combustibles Oui

05.1 Meubles, ameublement et moquettes lâches Oui

05.2 Textiles de maison Oui

05.4 Verrerie, vaisselle et ustensiles de ménage Oui

05.5 Outils et équipement pour la maison et le jardin Oui

05.6 Biens et services pour l'entretien ménager courant Oui

06.1 Médicaments et produits de santé Oui

06.2 Services de soins ambulatoires Oui

06.3 Services de soins hospitaliers Oui

06.4 Autres services de santé Oui

07.2 Exploitation de matériel de transport personnel Oui

07.3 Services de transport de passagers Oui

07.4 Services de transport de marchandises Oui

08.2 Logiciels (hors jeux) Oui

08.3 Services d'information et de communication Oui

09.3 Jardins et animaux de compagnie Oui

09.4 Services récréatifs Oui

09.6 Prestations culturelles Oui

09.7 Journaux, livres et papeterie Oui

09.8 Les voyages à forfait Oui

10.1 Petite enfance et enseignement primaire Oui

10.2 Éducation secondaire Oui

10.3 Enseignement post­secondaire non supérieur Oui

10.4 Éducation tertiaire Oui

10.5 Éducation non définie par niveau Oui

11.1 Services de restauration et de boissons Oui

11.2 Services d'hébergement Oui

12.1 Assurance Oui

13.1 Soins personnels Oui

13.3 Protection sociale Oui

Viêt Nam 1992–93 0,86 33.2 0,19

1996 0,75 20.9 0,15

Afrique du Sud 1993 1.14 58,7 0,40

Panama 1997 0,80 29.2 0,25

Brésil 1996–97 0,85 31,0 0,26

Guatemala 2014 1.10 40.3 0,17

Tanzanie 2010 0,71 19.0 0,11

Namibie 2015 1.28 67,7 0,41

2012 1.02 72,0 0,18

Panama 2008 1.29 62,5 0,46

Albanie 2008 1.28 38,4 0,23

2007 0,72 46,7 0,24

2011 0,78 19.6 0,30

Maldives 2019 0,97 3.8 0,10

2015 0,73 10.5 —

p2,t = (1 – δ 2 ) p1,t (4.9)

p2,t = (1 – δ 2 ) (1 ­ δ (4.10)

41 Un inconvénient associé à l'équation (4.16) est que l'estimation de est δ dépend du paramètre α , qui est arbi

Climatiseur 0,1188 1 441,6 1 701

10.3 Enseignement postsecondaire non supérieur Oui

p2,t = (1 – δ 2 ) (1 δ (4.10)

Variation en pourcentage (1)(3) –29 –20 –32 –18 –27 –26

Sudest rural 734 1 296 96,8 98,4

Nordest rural 815 1 428 107.6 108.4

Nordouest rural 808 1 479 106.6 112.3

Sudouest rural 863 1 388 113,9 105.3