estimation des effets propres des mesures agroenvironnementales ...

More documents

Recommendations

Info

BibliographieBRODATY, T., B. CRÉPON, ET D. FOUGÈRE (2007) : “Les méthodes micro-économétriques d’évaluationet leurs applications aux politiques actives de l’emploi,” Economie et Prévision,177(1), 93–118.BURTLESS, G. (1995) : “The Case for Randomized Field Trials in Economic and Policy Research,”Journal of Economic Perspectives, 9(2), 63–84.CHABÉ-FERRET, S., ET J. SUBERVIE (2008) : “Proposition d’une méthode d’estimation des effetspropres des Mesures Agro-Environnementales et de l’ICHN,” Assistance méthodologique àla préparation de l’évaluation ex-post du pdrn 2000-2006 en matière de soutien à l’agroenvironnement,Cemagref - UMR Metafort.COGNEAU, D., M. GRIMM, ET A.-S. ROBILLIARD (2003) : “Evaluating poverty reduction policies :the contribution of microsimulation techniques,” dans The new international strategies forpoverty reduction, ed. J.-P. Cling, M. Razafindrakoto, et F. Roubaud, p. forthcoming. Routledge,London, New York.CRÉPON, B. (2008) : “L’apport des expérimentations dans l’évaluation de l’impact des dispositifspublics,” Informations Sociales, 150(6), 56–67.CRÉPON, B., ET R. DESPLATZ (2001) : “Une nouvelle évaluation des effets des allégements decharges sociales sur les bas salaires,” Economie et Statistique, 348, 1–22.DECHAMBRE, B., ET J. RAMANATSOA (2009) : “Les modèles macro-sectoriels en agriculture : laplace du modèle MAGALI,” Prospective et Evaluation Analyse, 9, 1–4.DEHEJIA, R. (2005) : “Practical Propensity Score Matching : a Reply to Smith and Todd,” Journalof Econometrics, 125(1-2), 355–364.DEHEJIA, R. H., ET S. WAHBA (1999) : “Causal Effects in Nonexperimental Studies : Reevaluatingthe Evaluation of Training Programs,” Journal of the American Statistical Association, 94(448),1053–1062.(2002) : “Propensity Score-Matching Methods For Nonexperimental Causal Studies,”The Review of Economics and Statistics, 84(1), 151–161.DESJEUX, Y., P. DUPRAZ, M. PECH, ET K. LATOUCHE (2005) : “Agro Environmental Schemes inBasse-Normandie,” Document de Travail ITAES WP3 D3 P1, Commission Européenne.DUCOS, G., ET P. DUPRAZ (2006) : “Private Provision of Environmental Services and TransactionCosts,” Document de Travail, INRA, Rennes, France.DUFLO, E., R. GLENNERSTER, ET M. KREMER (2007) : “Using Randomization in DevelopmentEconomics Research : A Toolkit,” dans Handbook of Development Economics, ed. T. P. Schultz,et J. A. Strauss, vol. 4, chap. 61, pp. 3895–3962. Elsevier.116
BibliographieDUPRAZ, P. (2002) : “Mesures agro-environnementales et demande de travail agricole,” Documentde Travail, Colloque SFER, Paris, 21 et 22 mars.DUPRAZ, P., I. VANSLEMBROUCK, F. BONNIEUX, ET G. VAN HUYLENBROECK (2002) : “Farmers’participation in european agri-environmental policies,” Document de Travail, X Congress ofEAAE : Exploring diversity in the european agri-food system, Zaragoza, 2002/08/28-31.DUPRAZ, P., D. VERMERSCH, B. H. D. FRAHAN, ET L. DELVAUX (2003) : “The EnvironmentalSupply of Farm Households : A Flexible Willingness to Accept Model,” Environmental andResource Economics, 25(2), 171–189.FAN, J. (1992) : “Desing-Adaptative Nonparametric Regression,” Journal of the American StatisticalAssociation, 87(420), 998–1004.FRÖLICH, M. (2007) : “On the Inefficiency of Propensity Score Matching,” Advances in StatisticalAnalysis, 91(3), 279–290.FROLICH, M. (2004) : “Finite-Sample Properties of Propensity-Score Matching and WeightingEstimators,” Review of Economics and Statistics, 86(1), 77–90.GOHIN, A., ET L. LATRUFFE (2006) : “The Luxembourg Common Agricultural Policy Reform andthe European Food Industries : What’s at Stake ?,” Canadian Journal of Agricultural Economics,54(1), 175–194.HANSEN, L. P., ET J. J. HECKMAN (1996) : “The Empirical Foundations of Calibration,” Journalof Economic Perspectives, 10(1), 87–104.HAZEU, G., B. ELBERSEN, C. VAN DIEPEN, B. BARUTH, ET M. METZGER (2006) : “Regional typologiesof ecological and biophysical context,” Document de Travail, System for Environmentaland Agricultural Modelling Linking European Science and Society (SEAMLESS).HECKMAN, J., H. ICHIMURA, ET P. TODD (1997a) : “Matching as an Econometric EvaluationEstimator : Evidence from Evaluating a Job Training Program,” Review of Economic Studies,64 (4), 605–654.HECKMAN, J. J., H. ICHIMURA, J. SMITH, ET P. TODD (1998) : “Characterizing Selection BiasUsing Experimental Data,” Econometrica, 66, 1017–1099.HECKMAN, J. J., H. ICHIMURA, ET P. E. TODD (1997b) : “Matching as an Econometric EvaluationEstimator : Evidence from Evaluating a Job Training Programme,” The Review of EconomicStudies, 64(4, Special Issue : Evaluation of Training and Other Social Programmes), 605–654.HECKMAN, J. J., R. J. LALONDE, ET J. A. SMITH (1999) : “The Economics and Econometrics ofActive Labor Market Programs,” dans Handbook of Labor Economics, ed. O. C. Ashenfelter, etD. Card, vol. 3, chap. 31, pp. 1865–2097. Elsevier, North Holland.117
Page 3:
Le présent document constitue le r
Page 7:
Table des matières5.5.4 Niveau moy
Page 10 and 11:
Liste des tableaux5.16 Résultats d
Page 13:
Liste des figures3.1 Effet propre e
Page 16:
Remerciementspréparation des bases
Page 20 and 21:
Résuméorientation technico-écono
Page 22 and 23:
Résumécentage. Les mesures d’im
Page 24:
Résumémeilleure précision de l
Page 28 and 29:
Chapitre 1. Introductiondes donnée
Page 30 and 31:
Chapitre 1. Introductionéconomique
Page 32:
Chapitre 1. Introductionriement per
Page 36 and 37:
Chapitre 2. Les dispositifs évalu
Page 38 and 39:
Page 40 and 41:
Page 43 and 44:
Chapitre 3Le problème de l’éval
Page 45 and 46:
3.1 La définition de l’effet pro
Page 47 and 48:
3.2 Les biais des méthodes intuiti
Page 49 and 50:
3.3 La résolution du problème de
Page 51 and 52:
Page 53 and 54:
Page 55 and 56:
3.4 Description des estimateurs mob
Page 59 and 60:
Chapitre 4Les données utiliséesL
Page 61 and 62:
4.1 Les sources des données utilis
Page 63 and 64:
4.1 Les sources des données utilis
Page 65 and 66:
4.2 L’appariement des différente
Page 67 and 68:
Page 69 and 70:
Page 71 and 72:
Page 73 and 74:
4.3 Les données retenues pour l’
Page 75 and 76:
4.3 Les données retenues pour l’
Page 79 and 80:
Chapitre 5Les résultats obtenus :
Page 81 and 82:
5.1 L’effet des MAE de réduction
Page 83 and 84:
Page 85 and 86:
Page 87 and 88:
5.2 L’effet des mesures de réduc
Page 89 and 90:
5.2 L’effet des mesures de réduc
Page 91 and 92: 5.2 L’effet des mesures de réduc
Page 97 and 98: 5.3 L’effet des MAE de diversific
Page 99 and 100: 5.3 L’effet des MAE de diversific
Page 101 and 102: 75Tableau 5.12 - Résultats des est
Page 103 and 104: 5.4 L’effet de la MAE 21 sur les
Page 105 and 106: 5.4 L’effet de la MAE 21 sur les
Page 107 and 108: 5.5 L’effet des mesures herbagèr
Page 119 and 120: Tableau 5.22 - Résultats des estim
Page 121 and 122: Tableau 5.24 - Résultats des estim
Page 127 and 128: Chapitre 6ConclusionsL’objectif d
Page 129 and 130: L’engagement contrasté des Chamb
Page 131 and 132: 6.1 Les résultats obtenusexploitat
Page 133 and 134: 6.2 Les bases de données : des out
Page 135 and 136: 6.3 Améliorer l’évaluation ex-p
Page 137 and 138: 6.3 Améliorer l’évaluation ex-p
Page 141: BibliographieABADIE, A. (2005) :
Page 145: BibliographieMOUILLOT, D., ET A. LE
Page 148 and 149: Annexe A. Caractéristiques observa
Page 154 and 155: Annexe B. Identifiants au sein des
Page 156 and 157: Annexe C. Estimateurs de matching s
Page 162 and 163: Annexe D. Effet propre minimum dét
Page 164 and 165: Annexe E. Estimation de la probabil
Page 192 and 193:
Annexe E. Estimation de la probabil
Page 194 and 195:
Page 196 and 197:
Page 198 and 199:
Page 200 and 201:
Page 202 and 203:
Page 205 and 206:
Annexe FComparaisons des caractéri
Page 207 and 208:
MAE 09STH ? 0.57 0.56 0.56 0.50Mara
Page 209 and 210:
MAE 0301Tableau F.2 - MAE 0301 : Ni
Page 211 and 212:
MAE 0301Tracteurs (en 1000 unités)
Page 213 and 214:
MAE 04Bovins lait 0.08 0.08 0.10 0.
Page 215 and 216:
Page 217 and 218:
Page 219 and 220:
Page 221 and 222:
Page 223 and 224:
MAE 21Tableau F.6 - MAE 21 : Niveau
Page 225 and 226:
MAE 21Tracteurs (en 1000 unités)Mo
Page 227 and 228:
PHAEBovins lait 0.08 0.24 0.27 0.16
Page 229 and 230:
PHAEVente directe 0.16 0.12 0.09 0.
Page 231 and 232:
MAE 19Bovins lait 0.08 0.20 0.21 0.
Page 233 and 234:
MAE 19Vente directe 0.16 0.22 0.17
Page 235 and 236:
MAE 20Bovins lait 0.08 0.24 0.25 0.
Page 237:
MAE 20Vente directe 0.16 0.15 0.11
Page 240 and 241:
Annexe G. Répartition des bénéfi
Page 242 and 243:
Page 244 and 245:
Page 246 and 247:
Page 248:
show all

estimation des effets propres des mesures agroenvironnementales ...

You also want an ePaper? Increase the reach of your titles

Delete template?

Save as template?