Beruflich Dokumente
Kultur Dokumente
net/publication/288512016
CITATIONS READS
0 210
1 author:
SEE PROFILE
All content following this page was uploaded by Khaled Ben Abdallah on 28 December 2015.
ISTLS /Tunisie
Ben_abdallahkhaled@yahoo.fr
RESUME :
L’étude microéconomique de comportement individuel de déplacement permet non seulement de donner une prévision
de cette demande mais également de quantifier l’impact d’un changement dans la politique de transport urbain sur le
bien être des individus. Les modèles de choix discret constituent un cadre d’analyse pertinent pour estimer la demande
individuelle de transport urbain. La raison est simple ; En économie, la demande de transport se distingue des
demandes classiques par son caractère discret. Cette étude présente une analyse microéconomique de Comportement
individuel de déplacement pour la ville de Tunis en ayant recours aux modèles de choix discret, qui découlent d’un
processus de maximisation d’utilité aléatoire. A cette fin, une version particulière de ces modèles sera appliquée : le
Logit.
La problématique générale de cette étude consiste à Pour un exposé plus détaillé, considérons le modèle
estimer la structure de la demande individuelle de statistique où un individu n appartenant à un
transport urbain pour la ville de Tunis en ayant échantillon N choisit une alternative parmi un
recours aux modèles de choix discret qui découlent nombre fini d’alternatives mutuellement exclusives.
d’une maximisation d’utilité aléatoire. Notre L’utilité que l’individu n accorde à chaque
objectif est de faire le point sur l’aspect théorique alternative i de son ensemble de choix est une
de la notion de mobilité quotidienne et mettre en variable aléatoire Uin, appelée utilité perçue par
lumière les déterminants de choix modal et l’individu :
d’analyser les représentations individuelles des
moyens de transport dans le cadre de la mobilité de
la ville de Tunis.
Uin Vin in (1)
environnement non contrôlé et s’exprime en termes non mesurables propres à chaque individu de
de choix discrets, ce qui justifie pleinement l’usage caractéristiques Sn pour chaque éventualité i de
de modèles de choix probabiliste. Plus précisément, l’ensemble de choix. Cette composante aléatoire
un individu est soumis chaque jour à des tient son origine de plusieurs sources ;
événements imprévus, qui peuvent, pour un motif
donné, modifier son choix du mode de transport. A
Il y a des variables explicatives non considérées,
ces variations involontaires s’ajoutent des
soient négligées par l’analyste car difficiles de les
modifications volontaires du choix qui peuvent
découvrir, soient non intégrées dans le modèle vu
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie
qu’elles sont non mesurables. Elle peut aussi c’est le modèle Logit distribué selon la loi de
provenir d’erreurs de mesure sur les variables ou weibul.
dans la spécification de la fonction d’utilité. Elle
peut s’interpréter par la variabilité des
comportements, goûts particuliers non mesurables
de l’individu, irrationalité, … Pour tout ensemble d’éventualités i, les termes
d’erreurs sont indépendants et identiquement
distribués selon une loi de weibul. La probabilité
Cette formulation de problème rend le choix donnée par le modèle Logit1 est :
probabiliste et la question ne serait plus de choix
mais de probabilité de choix. C’est le calcul de ces
probabilités qui importe et non les choix eux-
exp(Vi )
mêmes. Sous l’hypothèse de rationalité du Pni n
consommateur cherchant à maximiser sa exp(Vj )
satisfaction, l’expression de la probabilité de choix j 1
L iC n Pni ni
N
n1
La probabilité que l’individu n choisisse
l’alternative i est :
= Pr (Vni + ni
≥ Vnj + nj)
≥ -
La probabilité des choix observés est le produit des
= Pr (Vni – Vnj nj ni) probabilités que chaque usager n choisisse i. De
point de vue analytique, il est possible d’appliquer
Une attention particulière est portée à la loi à une transformation strictement monotone à cette
laquelle obéissent les termes d’erreurs. La expression pour le rendre plus maniable. C’est
spécification de la loi de distribution statistique de notamment la transformation logarithmique :
la partie aléatoire va définir le profil définitif de la
fonction de probabilité du choix P ni. Différentes
spécifications de cette loi ont été utilisées. Mais on 1
Pour plus de détails concernant le modèle logistique, on
s’intéresse seulement à une seule spécification ; conseille le lecteur de consulter P. Taffé (2004).
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie
Des modèles de plus en plus sophistiqués ne cessent Lors de ses déplacements, l’usager se réfère à
de se développer pour comprendre et prévoir le plusieurs logiques d’action instrumentales et non
comportement de déplacements et afin d’anticiper instrumentales recherchant ainsi à être assez
les changements du comportement en réponse aux rationnel que possible et à avoir un comportement
changements du système de transport. Néanmoins idéal.
les chercheurs n’arrivent pas à cerner correctement
les logiques des comportements de déplacements vu
leur caractère multidisciplinaire et aléatoire.
2.3.1 La logique de l’efficacité instrumentale :
3
Elle consiste la source d’information la plus détaillée pour les
études de mobilité. Elle permet de croiser les caractéristiques
socio-économiques et familiales avec leurs pratiques de transport
quotidien. Elle s’appuie sur un échantillon représentatif de la
population et elle a pour but de fournir une description de
l’ensemble des déplacements de personnes.
MOSIM’10 – 10 au 12 mai 2010 – Hammamet - Tunisie
Dependent Variable: Y1
Covariance matrix computed using second derivatives Ces 4 variables ont un impact solide sur le choix de
la solution voiture particulière. Le signe positif de
Variable Coefficient Std. Error z-Statistic Prob. CF indique qu’un chef de famille a tendance à se
déplacer en voiture en cas de disponibilité. Les
C -10.41080 1.683237 -6.184986 0.0000 variables PP et PV ont une influence positive sur la
CF 2.119437 0.703644 3.012088 0.0026
probabilité de choisir l’éventualité « voiture », ou
plus précisément sur la probabilité que l’utilité
RV 0.654761 0.286119 2.288421 0.0221 procurée à l’individu en choisissant cette
éventualité sera supérieure à celle dans le cas
PP 3.103388 0.962082 3.225699 0.0013
inverse. Etre titulaire d’un permis de conduire
PV 6.603703 1.159976 5.692967 0.0000 incitera à l’acquisition d’une voiture et à son
utilisation. Le revenu canalise les individus dans
Mean dependent var 0.310000 S.D. dependent var 0.463266 leurs choix ; son signe positif confirme l’hypothèse
que lorsque le revenu augmente, la probabilité
S.E. of regression 0.190788 Akaike info criterion 0.311332
d’utilisation de la voiture accroit.
Sum squared resid 10.73802 Schwarz criterion 0.373062