Dans le cadre de la formation académique du master d'ingénierie financière et modélisation, j'ai eu à effectuer un projet portant sur "les dépenses de consommation d'énergie des ménages Français". Méthodes Statistiques : Analyse factorielle multiple et la régression linéaire.

1. MINISTERE DE L’ENSEIGNEMENT
SUPERIEUR, DE LA RECHERCHE ET DE
L’INOVATION
Rapport de projet
DETERMINANTS DES DEPENSES
D’ENERGIE DES MENAGES
Réalisé par :
KASSI Yves Jocelin
Beaudoire THOMAS
Etudiants en master 1 d’Ingénierie Financière et
Modélisation
Enseignant :
SERRANITO Francisco
DECEMBRE 2020
Université Sorbonne Paris Nord
Unité de formation et de Recherche des
Sciences Economiques et Gestion
Master Ingénierie Financière et
Modélisation (IFIM)

2. II
SOMMAIRE
SOMMAIRE..............................................................................................................................II
LISTES DES ILLUSTRATIONS ........................................................................................... III
AVANT PROPOS .................................................................................................................VII
INTRODUCTION.................................................................................................................... 8
I. Contexte et justification.................................................................................................. 8
II. Problématique.................................................................................................................. 9
III. Objectifs ......................................................................................................................... 9
IV. Hypothèses de l’étude ............................................................................................... 10
DEFINITIONS DES CONCEPTS ET REVUE EMPIRIQUE ............................................ 11
I. Définitions des concepts............................................................................................... 11
II. Revue empirique ........................................................................................................... 12
CADRE METHODOLOGIQUE........................................................................................... 14
I. Source de données......................................................................................................... 14
II. Méthodologie................................................................................................................. 14
STATISTIQUES DESCRIPTIVES......................................................................................... 16
I. Analyse unidimensionnelle et Bidimensionnelle ..................................................... 16
II. Analyse Multidimensionnelle ..................................................................................... 25
INTERPRETATION ET DISCUSSION DES RESULTATS .............................................. 34
I. Analyse économétrique................................................................................................ 34
II. Interprétation des résultats .......................................................................................... 35
CONCLUSION ...................................................................................................................... 36
REFERENCES ...............................................................................................................XXXVII
ANNEXES.................................................................................................................... XXXVIII
Code R...................................................................................................................................XLI
TABLE DES MATIERES............................................................................................... XLVIII

3. III
LISTES DES ILLUSTRATIONS
Listes des graphiques
Graphique 1: Répartition de la consommation des ménages ......................................... 16
Graphique 2: Répartition de la consommation d'énergie selon le choix de l'énergie . 17
Graphique 3: Répartition de la consommation d'énergie selon le statut d'occupant.. 18
Graphique 4: Répartition de la consommation de l'énergie selon le type de logement
.................................................................................................................................................. 19
Graphique 5: Répartition de la consommation selon le critère objective du choix de
l'énergie................................................................................................................................... 20
Graphique 6: Réparation de la consommation d'énergie selon la préférence subjective
pour l'environnement .......................................................................................................... 21
Graphique 7: Répartition de la consommation selon la subvention.............................. 22
Graphique 8: Réparation de la consommation selon la réduction de la TVA.............. 23
Graphique 9: Répartition de la consommation selon la réduction des impôts sur le
revenu...................................................................................................................................... 24
Graphique 10: Test de corrélation....................................................................................... 24
Graphique 11: choix des dimension pour l'AFM.............................................................. 26
Graphique 12 : Nuage des groupes de variables .............................................................. 26
Graphique 13: interprétation Axe1 (groupes de variables)............................................. 28
Graphique 14: interprétation Axe2 (groupes de variables)............................................. 28
Graphique 15: Cercle de corrélation ................................................................................... 29
Graphique 16: Interprétation axe1 (variables quantitatives) .......................................... 30
Graphique 17:Interprétation Axe2 (variables quantitatives) .......................................... 30
Graphique 18: Nuages des modalités................................................................................. 31
Graphique 19: Interprétation de l'axe1 (variables qualitatives)...................................... 32
Graphique 20: interprétation de l'axe2 (variables qualitatives)...................................... 32
Listes des Tableaux
Tableau 1: Variables Actives pour l'AFM .......................................................................... 25
Tableau 2: Variables de l'étude économétrique ................................................................ 33
Tableau 3: Analyse économétrique..................................................................................... 34
Tableau 4: Tests de validité du modèle.............................................................................. 34
Tableau 5: Test de multicolinéarité..................................................................................... 35
Listes des Annexes

4. IV
Annexe 1: Statistiques de base (variables quantitatives)...................................... XXXVIII
Annexe 2: Statistiques variables énergétiques (variables qualitatives) .............. XXXVIII
Annexe 3:Statistiques variables sociales (qualitatives) ......................................... XXXVIII
Annexe 4Statistiques variables économiques (qualitatives) ................................... XXXIX
Annexe 5:Tests de comparaisons de moyenne.......................................................... XXXIX
Annexe 6: Valeurs propres..................................................................................................XL
Annexe 7: Coordonnées groupes de variables.................................................................XL
Annexe 8: Coordonnées variables quantitativcs..............................................................XL
Annexe 9: Test de normalité de la variable consommation (QQ-plot)........................XLI

5. V

6. VI

7. VII
AVANT PROPOS
Dans le cadre de leur formation, les étudiants du master Ingénierie financière et
Modélisation (IFIM) Allient théorie et pratique qui leur permet de développer des
connaissances et du savoir-faire dans le domaine de la finance. Le cours Introduction
à R est un cours qui permet de concilier les étudiants au logiciel R pour leur Analyse
quantitative. Pour le projet de validation des acquis dans cet unité d’enseignement, ils
nous aient demandé d’estimer les dépenses de consommation des ménages. Nous
avons voulu être méthodique pour mieux Scener et résoudre le problème. Cet ainsi,
que nous avons adopté une démarche de recherche scientifique.

8. 8
INTRODUCTION
I. Contexte et justification
Le monde est aujourd’hui confronté au problème du changement climatique. La
montée croissante des industries modernes a favorisé une émission de plus en plus
importante des gaz à effet de serre. Selon le Groupe d'experts intergouvernemental sur
l'évolution du climat (GIEC), la température moyenne mondiale a augmenté de 0,85°C
entre 1880 et 2012 1
et tant à être constant. Etant certes un problème environnemental,
le changement climatique à des conséquences au niveau social, sanitaire, économique
et démographique. Il impacte la gestion des ressources et le développement durable.
Problème mondial, il fait partie des Objectifs de Développement Durable (ODD). Pour
lutter contre ce phénomène, il faut réduire les émissions. L’une des solutions est
l’adoption de l’énergie renouvelable 2
. En 2018, 18,9% de la consommation d’énergie
dans l’union européenne provenait des énergies renouvelables.
En France, la répartition de la consommation d’électricité par secteur en 2019 indique
une prépondérance pour le secteur des entreprises et des professionnels soit 47%, suivi
du secteur résiduel (36%) et du secteur de grande industrie (17%)3
. Selon l’Institut
National de la Statistique et des Etudes Economiques (INSEE) le résiduel représente
39% de la consommation final énergétique de gaz naturel devant l’industrie (34%) et
le tertiaire (26%) en 2020. En 2016, il a été enregistré 5,1 millions des ménages qui
vivaient en situation de précarité énergétique (Observatoire national de la précarité
énergétique, 2016). Un des principaux acteurs de l’activité économique d’un pays est
le ménage. Le comportement des ménages a radicalement changé en terme de
consommation. Avec l’avenue de la mondialisation, les préférences du consommateur
sont plus orientées matériels technologiques dont la plupart demandent une
consommation d’énergie assez importante. Un indicateur de politique publique dans
le domaine de l’énergie est la consommation d’énergie des ménages. Celle-ci permet
de mesurer l’accessibilité à l’énergie, dégager les préférences des consommateurs en
terme de source d’énergie, mesurer la transition énergétique à des sources d’énergies
non polluantes et à des coûts abordables. Ainsi, estimer les dépenses de consommation
d’énergie des ménages permettra d’ajuster les politiques en faveur des ménages et de
l’habitat. Mais aussi, lutter contre le changement climatique c’est avant tout contrôler
la consommation d’énergie des ménages.
Dans cette étude nous nous proposerons d’abord de faire une classification des
ménages en fonction de leur niveau de consommation d’énergie et de leurs
caractéristiques. Ensuite, nous déterminerons les variables qui expliquent la
consommation d’énergie des ménages.
(1) Information disponible sur le site des Nations Unies : https://www.un.org/fr/sections/issues-depth/climate-
change/index.html
(2) La cible 7.2 des ODD ; (3) information disponible sur https://prix-elec.com/energie/comprendre/statistiques-consommation-france
La plupart des statistiques proviennent du site Eurostat, du site de l’INSEE, de l’agenda 2030 en France

9. 9
II. Problématique
La question des déterminants des dépenses de consommation d’énergie des ménages
fait partie des recherches pour mener des politiques pour lutter contre le
réchauffement climatique d’une part et d’améliorer les conditions de vie des ménages
d’autre part. c’est une question d’actualité. Aujourd’hui, le monde est tourné vers les
politiques de développement durable. Dans le cadre donc de la lutte contre le
réchauffement climatique, la cible 7.2 des ODD préconise une croissance de la part de
l’énergie renouvelable dans le bouquet énergétique mondial d’ici 2030. S’inscrivant
dans cette perspective pour réduire les émissions à effet de serre, la France s’est fixé
comme objectif de réduire ces émissions de 40% 4
d’ici 2030. Elle a ainsi mis des
politiques et tout un mécanisme pour encourager la consommation d’énergie plus
propre dans les ménages. Au plan juridique nous avons la loi sur la croissance verte
votée en 2015. Ces politiques mises en place abondent certes dans le même sens que la
cible 7.2 des ODD mais aussi elles vont dans le sens de la cible 7.1 des ODD qui est de
garantie l’accès de tous à des services énergétiques fiables et modernes, à un coût
abordable d’ici 2030. Autrement dit, lutter contre le changement climatique et aussi
veuillez à l’amélioration des conditions de vie des ménages. L’Etat étant le garant
moral de l’activité économique d’un pays et des conditions de vie de sa population, il
agir sur le Revenu des ménages par les impôts, les Taxes sur la Valeur Ajoutée (TVA)
et les subventions. Evaluer les effets de ces différentes actions mises en relation avec
des caractéristiques sociales et énergétiques des ménages sur leurs consommations
d’énergies permettra d’améliorer les stratégies et politiques.
Quels en sont donc les facteurs qui influencent la consommation d’énergie des
ménages ?
III. Objectifs
• Objectif général
L’objectif général de notre étude est de déterminer les variables qui expliquent les
dépenses de consommation d’énergie des ménages.
• Objectifs spécifiques
– Donner le profil des ménages en fonction du choix de la source d’énergie en
tenant compte de leur niveau de consommation et de leur caractéristique
sociale, économique et énergétique.
– Déterminer les variables qui impactent la consommation d’énergie des
ménages.
(4) Information issue de l’article de O. Damette et al. (2018), Consommation d’énergie et transition énergétique

10. 10
IV. Hypothèses de l’étude
H1 : les caractéristiques sociales (type de logement, statut occupant, superficie du
logement) impactent la consommation d’énergie des ménages.
H2 : les caractéristiques économiques (Revenu, Réduction TVA, Crédit impôts,
subvention) impactent la consommation d’énergie des ménages.
H3 : les caractéristique énergétique (choix de la source d’énergie, le prix, émission de
CO2 , la préférence objective et subjective pour l’environnement) impactent la
consommation d’énergie des ménages.

11. 11
DEFINITIONS DES CONCEPTS ET
REVUE EMPIRIQUE
Dans cette partie nous définirons certains concepts clés pour la compréhension de l’étude.
Ensuite, nous faisons abstraction de la revue théorique (présenter la théorie de consommation)
en présentant directement les études empiriques qui ont traité du thème (la revue n’est pas
exhaustive).
I. Définitions des concepts
1. Notion de ménage
Les critères retenus pour la recherche d'une définition du ménage sont, en général, au
nombre de quatre : la communauté de résidence, les repas pris en commun, la
communauté partielle ou totale des ressources, la reconnaissance de l'autorité d'une
personne considérée comme chef de ménage.
Par rapport à ces quatre critères le ménage apparaît :
– De l'extérieur comme une entité jouissant d'une certaine autonomie quant à
l'organisation de ses activités, l'utilisation de ses ressources, et la gestion de son
patrimoine ;
– Et de l'intérieur comme un ensemble de personnes, apparentées ou non, qui
reconnaissent l'autorité d'un même individu appelé le Chef de Ménage, et dont
les ressources sont tout au moins en partie communes. Ces personnes vivent
généralement sous le même toit et prennent des repas en commun.
Un ménage peut être :
– Soit composé d'une seule personne c'est-à-dire une personne qui pourvoit à ses
propres besoins vitaux sans s'associer d'autres personnes.
– Soit multiple c'est-à-dire formé de deux ou plusieurs personnes qui pourvoient
en commun d'une façon ou d'une autre à leurs besoins vitaux. Les membres du
groupe peuvent, dans une mesure variable, mettre leurs revenus en commun et
avoir un budget unique ; le groupe peut être composé de personnes ayant ou
non des liens de parenté. Le critère d'ordre général qu'il convient d'utiliser pour
identifier les membres d'un ménage multiple est l'existence d'arrangements
domestiques communs.
2. Concept de dépense
Les dépenses de consommation d'un ménage sont toutes les dépenses engagées par
celui-ci pour l'achat de biens et services destinés à la consommation. On inclut à ces
dépenses : les taxes sur les ventes que le ménage paie à l'occasion de l'achat de biens
de consommation, les montants versés pour l'instruction, la santé ou les services
juridiques, les impôts locaux (taxes communales), etc. On exclut les impôts directs, les
versements au titre de la retraite ou autre prestations de sécurité sociale, les versements
sur un compte d'épargne, le remboursement des prêts, etc.

12. 12
3. Concept de consommation
Selon l’INSEE la consommation représente la valeur des biens et services utilisés pour
la satisfaction directe des besoins humains, que ceux-ci soient individuels
(consommation finale des ménages) ou collectifs (consommation finale des services
non-marchands par les administrations publiques ou privées).
Selon l’Organisation de Coopération et de Développement économiques (OCDE) la
consommation des ménages est la consommation des biens et services des ménages. Il
comprend la sélection, l'achat, l'utilisation, l'entretien, la réparation et
L’élimination de tout produit ou service. Toutefois, elle n'inclut pas la consommation
du secteur public ou la consommation intermédiaire de biens et services dans le
secteur de la production de biens et services.
Selon la Conférence des Nations Unies pour le Développement Durable (CNUDD), la
consommation durable est l'utilisation des biens et services qui répondent aux besoins
fondamentaux et apportent une meilleure qualité de vie, tout en minimisant
l'utilisation des ressources, des matières toxiques et des émissions de déchets et de
matières polluantes tout au long du cycle de vie, afin de ne pas mettre en péril les
besoins des générations futures.
Les trois secteurs dominant de la consommation des ménages sont :
– L’alimentation
– La consommation d’énergies
– La mobilité des personnes
II. Revue empirique
Plusieurs auteurs ont réalisé des études sur la consommation d’énergie des ménages
afin de comprendre les préférences des consommateurs en terme de source d’énergie
d’une part et de dépenses de consommation.
O. Damette et al. (2018) étudièrent la consommation d’énergie des ménages français et
de leur transition vers une source d’énergie propre. L’objectif de cette étude était de
déterminer les facteurs qui influencent les choix de consommation d’énergie des
ménages et d’identifier les raisons qui les poussent à se tourner vers une source
d’énergie plus propre (moins polluantes). Ils utilisèrent les données des ménages
français de l’Agence De l’Environnement et de la Maitrise de l’Energie (ADEME) et
expliquent le phénomène de la consommation d’énergie par un logit multinomial et
celui de la transition à une autre source d’énergie propre par un logit binaire. L’étude
a montré que les déterminants de la consommation d’énergie des ménages sont les
prix et les revenus et les sources d’énergie sont influencées par les considérations
environnementales. Enfin, le changement d’énergie des ménages est dominé par le
revenu et le cout relatif du capital.

13. 13
Couture et al. (2012) se concentrent sur La consommation de bois de chauffage des
ménages français. Ils montrent le choix du bois comme principale source d'énergie de
chauffage est négativement lié au revenu, et le prix du bois ne semble pas affecter la
probabilité de choix du bois pour toute utilisation 5
. Quant à Aguilar et al. (2012) ils
montrent que la demande de bois de chauffage des ménages peut également être
affectée par le lieu 6
.
B. Rahut et al. (2007) utilisèrent les données de l'Enquête sur les niveaux de vie au
Bhoutan pour identifier et analyser les facteurs susceptibles d'influencer les décisions
des ménages lors du choix d'une source d'énergie particulière pour divers usages tels
que l'éclairage, la cuisine et le chauffage. A travers un modèle logit multinomial, ils
montrent que le choix d'un ménage de combustibles plus propres dépend du niveau
de revenu, de l'âge, de l'éducation et du sexe du chef de ménage, de l'accès à l'électricité
et de l'emplacement. En 2010, J. Tooraj et M. Helena montrent dans leur étude portant
sur les dépenses et revenus énergétiques des ménages en Grande-Bretagne, que la
consommation de l’électricité est influencée positivement par le revenu, le prix de
l’électricité, le statut d’occupation du logement et négativement par le prix du gaz.
Concernant le gaz, sa consommation est influencée positivement par le revenu, le prix
du gaz, le statut d’occupation du logement et négativement par le fait que le ménage
soit en zone rurale. Le prix de l’électricité n’a aucun effet sur la consommation du gaz.
Ils obtiennent ces résultats par une régression sur donnée de panel allant de 1991 à
2007. Le choix du modèle est un modèle à effet fixe.
Au sortie de cette revue, nous pouvons dire que les facteurs qui influencent la
consommation d’énergie des ménages sont le revenu, le prix des sources d’énergie, le
statut d’occupation du logement, le lieu d’habitation. Ces résultats ont été trouvé au
moyen d’un logit multinomial ou d’une régression.
Cependant, l’activité économique étant conduire par les politiques publiques, la
spécificité de notre étude est de mesurer outre les autres facteurs, l’influence d’une
subvention, d’une réduction de la TVA et d’un crédit d’impôts sur la consommation
des ménages.
(5) et (6) sont issu de la revue empirique de O. Damette et al. (2018), Consommation d’énergie et transition énergétique

14. 14
CADRE METHODOLOGIQUE
I. Source de données
Dans le cadre de notre projet, une base de 5758 Ménages et 14 variables a été mise à
notre disposition.
Après apurement(nettoyage) de la base, nous avons obtenu une taille d’échantillon de
5511 observations et 13 variables. Nous avons supprimé les données manquantes les
valeurs aberrantes et la variables Income_qualitative dont la codification dans la base
était différente de la codiffication dans le document support (dans le document les
modalités allaient de 1 à 11 or dans la base les modalités allaient de 1 à 12), mais aussi
nous avons supprimé cette variable car pour des besoins d’analyse nous avons préféré
travailler avec la variable income_quantitative.
II. Méthodologie
Pour appréhender le phénomène étudié à savoir les déterminants de la dépense de
consommation d’énergie des ménages, nous avons commencé par décrire nos données
en mettant en relation la variable dépendante qui est la consommation d’énergie et les
autres variables. Cela concerne en premier, une étude bidimensionnelle qui étudiera
les liens entre deux variables par des tests de comparaison de moyenne et des tests de
corrélation. Le choix des tests de comparaison des moyennes a été le test non
paramétrique de wilcoxon pour comparer la moyenne de dépense de consommation
d’énergie entre deux groupes et le test paramétrique de Kruskal-Wallis pour la
comparaison de moyenne de plus de deux groupes. Ces tests non paramétriques ont
été utilisé parce que l’hypothèse de normalité n’étant pas vérifié.
Ensuite, nous avons décrire nos données de façon globale par une analyse
multidimensionnelle dans le but de faire ressortir les liaisons existantes entre les
différentes variables et les ressemblances ou dissemblance entre les Ménages. Dans
cette partie intervient la notion d’axe factoriel qui résume l’information contenu dans
nos données. Plusieurs types d’analyse multidimensionnelle existe. Pour notre étude
nous avons fait le choix de l’Analyse Factoriel Multiple (AFM) car nous avons dans
notre base de données des informations de différentes natures. Nous avons des
informations sur la situation énergétique (la source d’énergie, leurs prix, leurs
émissions de CO2, le critère objectif et subjectif de l’environnement), les informations
sur la situation sociale (le statut de l’occupant du logement, le type de logement, la
superficie du logement) et les informations sur la situation économique (le revenu, la
réduction de la TVA, le crédit impôts, la subvention). Le principe de cette analyse est
de mesurer l’effet de chaque groupe de variables sur la dépense de consommation
d’énergie. Elle donne aussi conjointement une analyse en composantes principales et
en correspondance multiples.
Enfin, nous déterminerons les variables qui expliquent la dépense de consommation
d’énergie par une régression linéaire tout en vérifiant la normalité des résidus(test de

15. 15
Jarque Bera), l’homoscédasticité des résidus(Test de white), l’absence de
multicolinéarité( la méthode du VIF) et la stabilité des estimateurs des coefficients qui
permet de juger de l’homogénéité entre les ménages (Test de Chow).

16. 16
STATISTIQUES DESCRIPTIVES
I. Analyse unidimensionnelle et Bidimensionnelle
1. Consommation d’énergie
Graphique 1: Répartition de la consommation des ménages
Source : Base de données, nos calculs sous R
Nous constatons une concentration de la consommation d’énergie entre 1000 euro et
2000 euro .
En moyenne la consommation d’énergie des ménages étudiés est de 1323 euro, avec
un écart de plus ou moins 620,11 euro. 50% des ménages ont une consommation
inférieure à 1280 euro et 25% ont une consommation supérieure à 1730 euro. (annexe1)
Nous pouvons dire que les ménages en France consomment beaucoup de l’énergie.
L‘utilisation de l’énergie fait partie du quotidien des français. Il ressort aussi que moins
de 75% des ménages ont une consommation annuelle inférieur au Salaire Minimum
Interprofessionnel de Croissance (SMIC)7
. Cela témoigne de la bonne gestion de leurs
ressources.
2. Relation entre la consommation d’énergie et le choix de l’énergie
La majorité des ménages consomment de l’électricité (soit 52,62%) (annexe2). Cela
montre une transition vers des sources d’énergie plus propre. Cependant, nous
constatons que ceux qui utilisent le Fioul ont une consommation en moyenne élevée
(7) le smic en France est de 1539,42 euro par mois

17. 17
(1933 euro) comparativement aux autres. Cette différence est statistiquement
significative (pvalue=0,00) (annexe5).
Graphique 2: Répartition de la consommation d'énergie selon le choix de l'énergie
Source : Base de données, nos calculs sous R
3. Relation entre la consommation d’énergie et le statut d’occupant
76% des ménages de notre étude sont propriétaire de leur logement (annexe3) et ceux-
ci présentent une consommation en moyenne élevée (1423 euro) comparativement à
ceux qui sont pas propriétaire de leur logement. Cette différence est statistiquement
significative (pvalue=0,00) (annexe5).

18. 18
Graphique 3: Répartition de la consommation d'énergie selon le statut d'occupant
Source : Base de données, nos calculs sous R
4. Relation entre la consommation d’énergie et le type de logement
72,65% des ménages de notre étude sont pas dans un appartement ou un
studio(annexe3) et ceux-ci présentent une consommation en moyenne élevée (1498
euro) comparativement à ceux qui sont en appartement ou studio. Cette différence est
statistiquement significative (pvalue=0,00) (annexe5).

19. 19
Graphique 4: Répartition de la consommation de l'énergie selon le type de logement
Source : Base de données, nos calculs sous R
5. Relation entre la consommation et la préférence objective pour
l’environnement
65% des ménages ne tiennent pas compte de l’environnement dans leur choix
d’énergie (annexe2). Par contre, en terme de consommation il n’existe pas de différence
entre ceux qui tiennent compte objectivement de l’environnement dans leur choix
d’énergie et ceux qui ne tiennent pas objectivement. Cette égalité de consommation
entre ces deux groupes est significative( pvalue=0,98) (annexe5).

20. 20
Graphique 5: Répartition de la consommation selon le critère objective du choix de l'énergie
Source : Base de données, nos calculs sous R
6. Relation entre la consommation et les préférence subjective pour
l’environnement
92,54% des ménages déclarent ne pas avoir de préférence pour l’environnement dans
le choix de l’énergie. Ce groupe de ménage à une consommation moyenne élevée (1334
euro) comparativement au groupe des ménages qui déclarent avoir de préférence
pour l’environnement. Cette différence est non statistiquement significative
(pvalue=0,17) (annexe5).

21. 21
Graphique 6: Réparation de la consommation d'énergie selon la préférence subjective pour l'environnement
Source : Base de données, nos calculs sous R
7. Relation entre la consommation et la subvention
89,84% des ménages n’ont pas bénéficié d’une subvention (annexe4). Ceux ayant
bénéficié ont une consommation d’énergie en moyenne élevée (1705 euro)
comparativement aux autres. Cette différence est statistiquement significative
(pvalue=0,00) (annexe5).

22. 22
Graphique 7: Répartition de la consommation selon la subvention
Source : Base de données, nos calculs sous R
8. Relation entre la consommation et la réduction de la TVA
88,77% des ménages ne savent pas s’ils ont bénéficié d’une réduction de la Taxe sur la
Valeur Ajoutée (TVA) et seulement 6,75% des ménages affirment avoir bénéficié d’une
réduction de la TVA (annexe4). Parlant de la consommation de l’énergie, ce qui
affirment avoir bénéficié ont une consommation en moyenne élevée (1535 euro) que
ceux n’ayant pas bénéficié. Cette différence est statistiquement significative
(pvalue=0,00) (annexe 5).

23. 23
Graphique 8: Réparation de la consommation selon la réduction de la TVA
Source : Base de données, nos calculs sous R
9. Relation entre la consommation et la réduction des impôts sur le
revenu
96,19% des ménages non pas bénéficié de la réduction des impôts sur leur revenu
(annexe4). Ceux ayant bénéficié ont une consommation en moyenne plus élevée (1393
euro). Ce résultat est non statistiquement significative (pvalue=0,07) (annexe5).

24. 24
Graphique 9: Répartition de la consommation selon la réduction des impôts sur le revenu
Source : Base de données, nos calculs sous R
10. Corrélation entre la consommation d’énergie et les variables
quantitatives
Graphique 10: Test de corrélation
Source : Base de données, nos calculs sous R

25. 25
La superficie est corrélée positivement à la consommation d’énergie.
II. Analyse Multidimensionnelle
Dans cette partie nous allons nous intéresser aux relations qui existent entre les
variables. Nous ferons une Analyse Factorielle Multiple (AFM) pour dégager
l’influence des différences catégories de variables sur la variable d’intérêt qui est la
consommation d’énergie.
1. Description des variables
Nous avons trois grands groupes de variables dans nos données :
• Les variables décrivant la situation énergétique
• Les variables décrivant la situation économique
• Les variables décrivant la situation sociale
Il s’agira pour nous de voir d’abord l’influences de ces groupes de variables sur la
consommation d’énergie. Ensuite, voir l’effet des variables quantitatives et des
variables qualitatives pris séparément. Cela permettra de mieux apprécier l’effet, de
chaque variables sur la consommation d’énergie.
Les variables consommation d’énergie et choix de l’énergie seront en illustratif dans la
méthodologie.
Tableau 1: Variables Actives pour l'AFM
Source : Base de données, nos calculs sous R
2. Analyse de l’influence de chaque groupe de variables
❖ Choix des dimensions
groupes
variables
nom dans l'étude variables
Energie quanti_Energie Price
emission_factor
quali_Energie Objective
Subjective
Sociale quanti_sociale Areat_flat
quali_sociale Owner
Dweling
Economique quanti_Economique Revenu
quali_Economique VAT_reduction
ncome_Taxes_Reduction
Subsidies

26. 26
Graphique 11: choix des dimension pour l'AFM
Source : Base de données, nos calculs sous R
Selon la méthode du coude , nous retenons les deux premiers axes pour
l’interprétation de nos résultats.
❖ Interprétation des axes
Graphique 12 : Nuage des groupes de variables

27. 27
Source : Base de données, nos calculs sous R
L’axe 1 explique le choix de l’énergie, tandis que l’axe2 explique la consommation de
l’énergie.
L’axe 1 décrit les caractéristiques éco-énergétiques et l’axe2 les caractéristiques socio-
économiques. En effet, les ménages ayant une situation sociale et économique élevée
par rapport au ménage moyen consomment plus de l’énergie. Par contre ceux qui
bénéficie d’une aide (Subvention et réduction de TVA) ont tendance à juger entre la
qualité et le coût du choix de l’énergie en tenant compte de leur environnement.
L’interprétions de l’axe1 Nest dominée par le revenu et la situation sociale ( statut
occupant , type de logement superficie du logement) et celle de l’axe 2 par la situation
énergétique (prix, émission de CO2, objective et subjective) comme le montre les
graphiques suivant.

28. 28
Graphique 13: interprétation Axe1 (groupes de variables)
Source : Base de données, nos calculs sous R
Graphique 14: interprétation Axe2 (groupes de variables)
Source : Base de données, nos calculs sous R

29. 29
3. Analyse de l’influence des variables quantitatives
❖ Interprétation des axes
Source : Base de données, nos calculs sous R
L’axe 2 expliquant les caractéristiques éco-énergétique oppose le prix et l’émission de
CO2. Les énergies ayant les prix élevés ont une émission de CO2 faible. Quant à l’axe1
qui explique les caractéristiques socio-économique, il oppose les ménages qui ont un
revenu et une superficie élevés au ménages qui ont un revenu et une superficie faible.
Ceux ayant un revenu et une superficie de logement élevés consomment plus de
l’énergie.
L’interprétation de l’axe2 avec des variables quantitatives est dominée par le prix et l’
émission de CO2 et celle de l’axe1 par la variable superficie du logement comme le
montre les graphiques suivant.
Graphique 15: Cercle de corrélation

30. 30
Graphique 16: Interprétation axe1 (variables quantitatives)
Source : Base de données, nos calculs sous R
Source : Base de données, nos calculs sous R
Graphique 17:Interprétation Axe2 (variables quantitatives)

31. 31
4. Analyse de l’influence des variables qualitatives
❖ Interprétation des axes
Source : Base de données, nos calculs sous R
L’axe 2 montre que ceux qui bénéficient d’une subvention préfèrent utiliser des
énergies qui émettent plus de CO2 car le prix est faible. Ceux qui utilisent les énergies
qui ont un prix élevé ont une préférence objective et subjective de l’environnement.
Quant à l’axe1 il montre que les ménages qui ont moins de revenu et une superficie
de logement faible ne sont pas propriétaire de leur logement et vivent dans un
appartement ou un studio.
L’interprétation de l’axe1 avec des variables qualitatives est dominée par le statut
d’occupation et le type de logement et celle de l’axe2 par la subvention et la préférence
pour l’environnement comme le montre les graphiques suivant.
Graphique 18: Nuages des modalités

32. 32
Graphique 19: Interprétation de l'axe1 (variables qualitatives)
Source : Base de données, nos calculs sous R
Graphique 20: interprétation de l'axe2 (variables qualitatives)
Source : Base de données, nos calculs sous R

33. 33
L’analyse descriptive nous a permis de faire ressortir les éventuelles relation entre les
autres variables et la consommation d’énergie. De cette analyse nous pouvons dire que
les variables qui pourrait influencer la consommation d’énergie sont les aides de l’Etat,
le revenu, les caractéristiques sociales et énergétiques (résumé dans le tableau ci-
dessous) .Dans la suite par une analyse économétrique nous allons tester l’impact de
ces variables.
Tableau 2: Variables de l'étude économétrique
Variables Nom étude
Dépendantes Energy_Consumption
Indépendantes EnergY_Choice
Objective
Subjective
Owner
Revenu
VAT_reduction
ncome_Taxes_Reduction
Subsidies
Source : Base de données, nos calculs sous R

34. 34
INTERPRETATION ET DISCUSSION
DES RESULTATS
I. Analyse économétrique
Dans cette partie nous considérons comme seuil de significativité 5%
Tableau 3: Analyse économétrique
R2=0,25 Pvalue=0,00
variables coefficient pvalue
electricite 181,6 0,00
Fioul 890,6 0,00
Gaz 468,3 0,00
revenu 0,07 0,00
oui_znvr 11,94 0,43
pref_envir 43,15 0,12
reduct_tva 6,52 0,89
pas de reponse -84,49 0,05
proprétaire 274 0,00
subvention 135,5 0,00
redtax_rev -77,4 0,1
constante 604 0,00
Source : Base de données, nos calculs sous R
Le modèle est globalement significative( pvalue=0,00). 25% de la variabilité de la
consommation d’énergie est expliquée par le modèle.
Le choix d’énergie, le revenu, le statut d’occupation et la subvention impactent
positivement la consommation d’énergie. La réduction de la TVA, la réduction des
impôts sur le revenu, la préférence pour l’environnement n’ont aucun effet sur la
consommation d’énergie.
Nous résumons la vérification des hypothèses du modèle dans les tableaux suivant :
Tableau 4: Tests de validité du modèle
tests pvalue
normalité 0
homoscédasticité 0,09
chow 0
Source : Base de données, nos calculs sous R

35. 35
Tableau 5: Test de multicolinéarité
variables vif
Energy_choice 1,17
revenu 1,09
objective 1,02
subjective 1,06
VAT_reduction 1,64
Income_Taxes_Reduction 1,6
owner 1,13
subsidies 1,11
Source : Base de données, nos calculs sous R
Les tableaux montre que les hypothèses du modèles sont vérifiées sauf la normalité
des résidus:
• Présence d’homoscédasticité ( la variance des résidus est constantes)
• Stabilité des coefficients i.e que les ménages sont homogène ( test de Chow)
• Absence de multicolinearité
II. Interprétation des résultats
Au sortie de l’analyse économétrique, nous pouvons dire que la consommation du
Fioul, de l’électricité et du gaz impactent positivement la consommation d’énergie par
compte la consommation du bois l’impact négativement. En effet, lorsque la fioul,
l’électricité et le gaz augmentent d’une unité la consommation d’énergie augment
respectivement de 890,6 euro, 468,3 euro et 181,6 euro. En terme de transition vers des
sources plus propre nous pouvons dire qu’elle est encore lente. L’utilisation du Fioul
consomme plus de l’énergie or elle est une substance très polluante.
Le revenu joue un rôle dans la consommation d’énergie mais très faible. En effet,
lorsque le revenu augmente d’une unité, la consommation d’énergie augmente de 0,07
euro. Un hausse du revenu ne change pas pratiquement la consommation d’énergie
du ménage. Par contre, le fait d’être propriétaire favorise une consommation d’énergie
plus élevée car cela augmente la consommation d’énergie de 274 euro. Avoir une
maison est une dépense mensuelle fixe en moins et ont peu se permettre d’avoir une
superficie de logement plus grande.
Les subventions encouragent la consommation d’énergie car une subvention
augmente la consommation d’énergie de 135,5 euro. Mais cette consommation est
beaucoup tournée vers L’énergie polluante.

36. 36
CONCLUSION
En conclusion nous pouvons dire que les ménages français consomment plus de
l’énergie. Cette consommation est influencée par le choix de l’énergie, le revenu , le
statut d’occupation et les subventions. Cependant , la transition vers l’énergie propre
reste encore lente Car cette consommation est dominée par le fioul et le gaz.
Par ailleurs, la qualité de notre ajustement est faible (R2 ajusté=0,25), cela peut
s’expliquer par le fait que beaucoup de variables pouvant expliquer la consommation
d’énergie n’étaient pas à notre disposition. Par exemple : la taille du ménage, le climat,
le lieu d’habitation ect.

37. XXXVII
REFERENCES
climat, A. p. (s.d.). https://www.apc-paris.com/changement-climatique.
Dil Bahadur Rahut, S. D. (2007). Determinants of household energy use in Bhutan .
économiques, I. N. (s.d.).
https://www.insee.fr/fr/statistiques/2658589?sommaire=2654964#consulter-
sommaire.
EDF. (s.d.). https://www.edf.fr/groupe-edf/espaces-dedies/l-energie-de-a-a-z/tout-sur-l-
energie/le-developpement-durable/qu-est-ce-qu-une-energie-renouvelable.
EuroStat. (s.d.). https://ec.europa.eu/eurostat/statistics-
explained/index.php?title=Renewable_energy_statistics/fr.
France, A. 2. (s.d.). https://www.agenda-2030.fr/odd/odd7-garantir-lacces-de-tous-des-
services-energetiques-fiables-durables-et-modernes-un-cout-46.
Olivier Damette, P. D. (2018). Households energy consumption and transition toward
cleaner energy. Energy Policy, pp. 751-764.
Tooraj Jamasb, H. M. (2010). Household Energy Expenditure and Income Groups: Evidence
from Great Britain.
Unies, N. (s.d.). https://www.un.org/fr/sections/issues-depth/climate-change/index.html.

38. XXXVIII
ANNEXES
Annexe 1: Statistiques de base (variables quantitatives)
moyenne ecart-type mediane 1er quartile 3ième quartile minimun maximun
consommation d'énergie 1323 620,11 1280 880 1730 25 3011
prix 12,18 4,42 16,23 7,03 16,23 3,71 18,28
émission CO2 0,165 0,09 0,084 0,084 0,243 0,029 0,324
revenu 29361 13500,47 29451 21001 40201 3850 56301
superficie 98,97 33,72 87 87 124,5 25 150
Source : Base de données, nos calculs sous R
Annexe 2: Statistiques variables énergétiques (variables qualitatives)
Energie choisie effrctif proportion
bois 100 1,81
electricité 2900 52,62
fioul 647 11,74
gaz 1864 33,82
total 5511 100,00
objective effrctif proportion
oui pour l'environnement 1875 34,02
non pour l'environnement 3636 65,98
total 5511 100,00
subjective effrctif proportion
oui pour l'environnement 411 7,46
non pour l'environnement 5100 92,54
total 5511 100,00
Source : Base de données, nos calculs sous R
Annexe 3:Statistiques variables sociales (qualitatives)
Statut occupant effrctif proportion
propriétaire 4206 76,32
pas propriétaire 1305 23,68
total 5511 100,00
type de logement effrctif proportion
appartement/studio 1507 27,35
pas appartement/studio 4004 72,65
total 5511 100,00
Source : Base de données, nos calculs sous R

39. XXXIX
Annexe 4Statistiques variables économiques (qualitatives)
subvention effrctif proportion
oui 560 10,16
non 4951 89,84
total 5511 100,00
reduction TVA effrctif proportion
oui 372 6,75
non 247 4,48
pas de reponse 4892 88,77
total 5511 100,00
reduction impots sur revenu effrctif proportion
oui 210 3,81
non 5301 96,19
total 5511 100,00
Source : Base de données, nos calculs sous R
Annexe 5:Tests de comparaisons de moyenne
Consommation energie
Moyenne pvalue
Energie choisie bois 998,3 0
electricité 1134
fioul 1933
gaz 1442
total
objective oui pour l'environnement 1327,3 0,98
non pour l'environnement 1332
total
subjective oui pour l'environnement 1286 0,17
non pour l'environnement 1334
total
Statut occupant propriétaire 1423 0
pas propriétaire 1031
total
type de logement appartement/studio 800 0
pas appartement/studio 1498
total
subvention oui 1705 0
non 1287

40. XL
total
reduction TVA oui 1535 0
non 1429
pas de reponse 1310
total
Reduction Impôts sur revenu oui 1393 0,07
non
total 1327
Source : Base de données, nos calculs sous R
Annexe 6: Valeurs propres
Valeur
propre
%variance
dim1 1,89 21,42
dim2 1,21 13,76
dim3 0,97 11,09
dim4 0,9 10,26
dim5 0,87 9,92
dim6 0,67 7,73
Source : Base de données, nos calculs sous R
Annexe 7: Coordonnées groupes de variables
dim1 dim2
quanti_energie 0,02 0,65
quali_energie 0,03 0,4
quali_social 0,65 0,001
quanti_social 0,71 0,0005
quali_economique 0,07 0,13
quanti_economique 0,37 0,005
choix energie 0,036 0,65
0,24 0,08
Source : Base de données, nos calculs sous R
Annexe 8: Coordonnées variables quantitativcs
dim1 dim2
price -0,13 0,74
emission_factor 0,15 -0,79
area_flat 0,84 -0,02
revenu 0,61 0,07
Source : Base de données, nos calculs sous R

41. XLI
Annexe 9: Test de normalité de la variable consommation (QQ-plot)
Source : Base de données, nos calculs sous R
Code R
Projet R (2).R
######################################### Installation de packages pour l'analyse
install.packages("readxl",dependencies = "Depends")
install.packages("ggplot2",dependencies = "Depends")
install.packages("FactoMineR",dependencies = "Depends")
install.packages("Factoshiny",dependencies = "Depends")
install.packages("ggcorrplot")
install.packages("normtest")
install.packages("factoextra")
install.packages("lmtest")
install.packages("car")
######################################### Charger les packages dans R
library(lmtest)
library(car)
library(readxl)
library(ggplot2)

42. XLII
library(FactoMineR)
library(Factoshiny)
library(ggcorrplot)
library(ggpubr)
library(normtest)
library(factoextra)
library(dplyr)
library(car)
library(lmtest)
######################################### Organisation de la base de
données(Appurement de la Base)
data <- na.omit(read_excel("D:/Cours/Projet R/Code/Consommation.xlsx",sheet = 1))
# Importation de la base en supprimant les données manquantes
View(data)
data2 <- data[,c(-1,-4)] # Suppression de la première colonne (ID) ainsi de la variable
Income_qualitative. Les menages seront représentés de 1:5641
View(data2)
################### Variables qualitatives
data2$Objective <- factor(data2$Objective,labels = c("non_envir","oui_envir"))
data2$Subjective <- factor(data2$Subjective,labels = c("pas_pref_envir","pref_envir"))
data2$Owner <- factor(data2$Owner,labels = c("pas_propriétaire","proprietaire"))
data2$Dwelling <- factor(data2$Dwelling,labels =
c("pas_appartement","appartement"))
data2$Subsidies <- factor(data2$Subsidies,labels = c("pas_subvention","subvention"))
data2$Income_Taxes_Reduction <- factor(data2$Income_Taxes_Reduction,labels =
c("pas_redtax_rev","redtax_rev"))
data2$VAT_Reduction <-
factor(data2$VAT_Reduction,labels=c("pas_reduct_tva","reduct_tva","pas_de_repons
e"))
data2$revenu<-data2$Income_quantitative
View(data2)
######################################### Statistisques dèscriptives
################## Suppression des valeurs abérantes
boxplot(data2$Energy_comsumption)
length(boxplot.stats(data2$Energy_comsumption)$out)
Outer_Val <- min(boxplot.stats(data2$Energy_comsumption)$out)
data2 <- filter(data2,Energy_comsumption <= Outer_Val)
boxplot(data2$Energy_comsumption)
View(data2)

43. XLIII
################## Analyse des variables
data2 <- data2[,c(1,2,4,5,6,7,8,9,10,11,12,13,14)]
summary(data2)
# Energy_choice
Electricite <- filter(data2, Energy_choice=="Electricite")
Fioul <- filter(data2, Energy_choice=="Fioul")
Gaz <- filter(data2, Energy_choice=="Gaz")
Bois <- filter(data2, Energy_choice=="Bois")
summary(Gaz)
summary(Electricite)
summary(Fioul)
summary(Bois)
# Variable Objective
oui_envir <- filter(data2, Objective=="oui_envir")
non_envir <- filter(data2, Objective=="non_envir")
summary(oui_envir)
summary(non_envir)
# Variable Subjective
pref_envir <- filter(data2, Subjective=="pref_envir")
pas_pref_envir <- filter(data2, Subjective=="pas_pref_envir")
summary(pref_envir)
summary(pas_pref_envir)
# Variable Owner
proprietaire <- filter(data2, Owner=="proprietaire")
pas_proprietaire <- filter(data2, Owner=="pas_propriétaire")
summary(proprietaire)
summary(pas_proprietaire)
# Variable Dwelling
appartement <- filter(data2, Dwelling=="appartement")
pas_appartement <- filter(data2, Dwelling=="pas_appartement")
summary(appartement)
summary(pas_appartement)
# Variable Subsidies
subvention <- filter(data2, Subsidies=="subvention")
pas_subvention <- filter(data2, Subsidies=="pas_subvention")
summary(subvention)
summary(pas_subvention)
# Variable VAT_Reduction
reduct_tva <- filter(data2, VAT_Reduction=="reduct_tva")
pas_reduct_tva <- filter(data2, VAT_Reduction=="pas_reduct_tva")
pas_reponse <- filter(data2, VAT_Reduction=="pas_de_reponse")
summary(reduct_tva)
summary(pas_reduct_tva)

44. XLIV
summary(pas_reponse)
# Variable Income_Taxes_Reduction
redtax_rev <- filter(data2, Income_Taxes_Reduction=="redtax_rev")
pas_redtax_rev <- filter(data2, Income_Taxes_Reduction=="pas_redtax_rev")
summary(redtax_rev)
summary(pas_redtax_rev)
################## Test et graphique
hist(data2$Energy_comsumption, main = "Repartition de la consommation
d'énergie", xlab ="Consommation d'énergie")
plot(density(data2$Energy_comsumption), main="densité de la consommation")
gghistogram(data2, x="Energy_comsumption", add ="mean")
ggqqplot(data2,x="Energy_comsumption")
jb.norm.test(data2$Energy_comsumption)## Test de normalité
wilcox.test(data2$Energy_comsumption, mu=1331)## Test non paramétrique de
comparaison de moyenne à une valeur
ggplot(data2, aes(x=Energy_choice, y=Energy_comsumption, fill = Energy_choice)) +
geom_boxplot() + xlab(label = "Type d'énergie") + ylab(label = "Consommation") +
theme(axis.text.x = element_text(angle=30, hjust=1, vjust=1)) +
theme(legend.position="none") + ggtitle("Consommation par type d'énergie")
kruskal.test(data2$Energy_comsumption~data2$Energy_choice, data=data2)## Test
non paramétrique de comparaison de moyenne entre plus de deux groupes
ggboxplot(data2, x="Objective", y="Energy_comsumption", color ="blue", palette =
c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Objective, data=data2, exact =
FALSE)## Test non paramétrique de comparaison de moyenne entre de deux
groupes
ggboxplot(data2, x="Subjective", y="Energy_comsumption", color = "blue", palette =
c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Subjective, data=data2, exact =
FALSE)
ggboxplot(data2, x="Owner", y="Energy_comsumption", color = "blue", palette =
c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Owner, data=data2, exact = FALSE)
ggboxplot(data2, x="Dwelling", y="Energy_comsumption", color = "blue", palette =
c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Dwelling, data=data2, exact =
FALSE)

45. XLV
ggboxplot(data2, x="Subsidies", y="Energy_comsumption", color = "blue", palette =
c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Subsidies, data=data2, exact =
FALSE)
ggboxplot(data2, x="VAT_Reduction", y="Energy_comsumption", color = "blue",
palette = c("#00AFBB","#E7B800","#FC4E07"))
kruskal.test(data2$Energy_comsumption~data2$VAT_Reduction, data=data2)
ggboxplot(data2, x="Income_Taxes_Reduction", y="Energy_comsumption", color =
"blue", palette = c("#00AFBB","#E7B800","#FC4E07"))
wilcox.test(data2$Energy_comsumption~data2$Income_Taxes_Reduction,
data=data2, exact = FALSE)
################## Corrélation
corr <- round(cor(data2[,c(2,3,4,9,13)]),1)
ggcorrplot(corr, p.mat = cor_pmat(data2[,c(2,3,4,9,13)]), hc.order = TRUE, type =
"lower", color=c("#FC4E07","white","#00AFBB"), outline.col = "white", lab = TRUE)
######################################### Analyse multidimensionnelle
################## Groupes de variables
res_mfa <- MFA(data2,group =c(1,1,2,2,2,1,3,1), type=c("n","s","s","n","n","s","n","s"),
name.group =
c("source_energie","consommation_Energie","quanti_Energie","quali_Energie","quali
_social","quanti_social","quali_économique","quanti_économique"), num.group.sup =
c(1,2), graph = FALSE )
print(res_mfa)
val_propre <- get_eigenvalue(res_mfa)
head(val_propre)
fviz_screeplot(res_mfa)
group1 <- get_mfa_var(res_mfa,"group")
group1
head(group1$coord)
head(group1$contrib)
head(group1$cos2)
head(group1$coord.sup)
fviz_mfa_var(res_mfa, "group")
fviz_contrib(res_mfa, "group", axes = 1)
fviz_contrib(res_mfa, "group", axes = 2)
################## Variables quantitatives
quanti.var <- get_mfa_var(res_mfa, "quanti.var")
quanti.var

46. XLVI
head(quanti.var$coord)
head(quanti.var$contrib)
head(quanti.var$cos2)
head(quanti.var$cor)
fviz_contrib(res_mfa, choice = "quanti.var", palette = "jco", axes = 1)
fviz_contrib(res_mfa, choice = "quanti.var", palette = "jco", axes = 2)
fviz_mfa_var(res_mfa, "quanti.var", palette = "jco", col.var.sup = "green", repel =
TRUE)
################## Variables qualitatives
quali.var <- get_mfa_var(res_mfa,"quali.var")
quali.var
head(quali.var$coord)
head(quali.var$contrib)
head(quali.var$cos2)
head(quali.var$cor)
fviz_contrib(res_mfa, choice = "quali.var", palette = "jco", axes = 1)
fviz_contrib(res_mfa, choice = "quali.var", palette = "jco", axes = 2)
fviz_mfa_var(res_mfa, "quali.var", palette = "jco", col.var.sup = "green", repel =
TRUE)
######################################### Econométrie
model <- lm(Energy_comsumption~Energy_choice+Owner+Subsidies+
revenu+Objective+Subjective+VAT_Reduction+Income_Taxes_Reduction,
data=data2)
summary(model)
################## Facteur d'inflation
vif(model)
################## Test d'hétéroscédasticité
white <- lm(resid(model)^2~fitted(model)+I(fitted(model)^2), data=data2)
summary(white)
################## Test de Chow
model <-
lm(Energy_comsumption~Energy_choice+Owner+Subsidies+revenu+Objective+Subje
ctive+VAT_Reduction+Income_Taxes_Reduction, data=data2)
summary(model)
SCRc <- sum(model$residuals^2)
model1 <-
lm(Energy_comsumption~Energy_choice+Owner+Subsidies+revenu+Objective+Subje
ctive+VAT_Reduction+Income_Taxes_Reduction,data=data2,subset=(Dwelling=="ap
partement"))
summary(model1)
SCRc1 <- sum(model1$residuals^2)
model2 <-

47. XLVII
lm(Energy_comsumption~Energy_choice+Owner+Subsidies+revenu+Objective+Subje
ctive+VAT_Reduction+Income_Taxes_Reduction,data=data2,subset=(Dwelling=="pas
_appartement"))
summary(model2)
SCRc2 <- sum(model2$residuals^2)
dlnc <- (nrow(data2)-(2*length(coefficients(model))))
nb_contr <- length(coefficients(model))
Ftest <- ((SCRc-(SCRc1+SCRc2))/nb_contr)/((SCRc1+SCRc2)/dlnc)
pval <- 1-pf(Ftest,nb_contr,dlnc)
Chow_test <- c(Ftest,pval)
names(Chow_test) <- c("Stat F du test de Chow", "p-value")
Chow_test
################## Test de normalité des résidus
jb.norm.test(model$residuals)

48. XLVIII
TABLE DES MATIERES
SOMMAIRE ----------------------------------------------------------------------------------------------II
LISTES DES ILLUSTRATIONS-------------------------------------------------------------------- III
AVANT PROPOS ------------------------------------------------------------------------------------ VII
INTRODUCTION--------------------------------------------------------------------------------------- 8
I. Contexte et justification ------------------------------------------------------------------------- 8
II. Problématique ------------------------------------------------------------------------------------- 9
III. Objectifs------------------------------------------------------------------------------------------- 9
IV. Hypothèses de l’étude------------------------------------------------------------------------10
DEFINITIONS DES CONCEPTS ET REVUE EMPIRIQUE----------------------------------11
I. Définitions des concepts -----------------------------------------------------------------------11
1. Notion de ménage------------------------------------------------------------------------11
2. Concept de dépense ---------------------------------------------------------------------11
3. Concept de consommation-------------------------------------------------------------12
II. Revue empirique---------------------------------------------------------------------------------12
CADRE METHODOLOGIQUE --------------------------------------------------------------------14
I. Source de données-------------------------------------------------------------------------------14
II. Méthodologie -------------------------------------------------------------------------------------14
STATISTIQUES DESCRIPTIVES-------------------------------------------------------------------16
I. Analyse unidimensionnelle et Bidimensionnelle ----------------------------------------16
1. Consommation d’énergie --------------------------------------------------------------16
2. Relation entre la consommation d’énergie et le choix de l’énergie ----------16
3. Relation entre la consommation d’énergie et le statut d’occupant-----------17
4. Relation entre la consommation d’énergie et le type de logement-----------18
5. Relation entre la consommation et la préférence objective pour
l’environnement----------------------------------------------------------------------------------19
6. Relation entre la consommation et les préférence subjective pour
l’environnement----------------------------------------------------------------------------------20
7. Relation entre la consommation et la subvention --------------------------------21
8. Relation entre la consommation et la réduction de la TVA--------------------22

49. XLIX
9. Relation entre la consommation et la réduction des impôts sur le revenu-23
10. Corrélation entre la consommation d’énergie et les variables quantitatives
24
II. Analyse Multidimensionnelle ----------------------------------------------------------------25
1. Description des variables---------------------------------------------------------------25
2. Analyse de l’influence de chaque groupe de variables -------------------------25
3. Analyse de l’influence des variables quantitatives ------------------------------29
4. Analyse de l’influence des variables qualitatives --------------------------------31
INTERPRETATION ET DISCUSSION DES RESULTATS -----------------------------------34
I. Analyse économétrique ------------------------------------------------------------------------34
II. Interprétation des résultats --------------------------------------------------------------------35
CONCLUSION -----------------------------------------------------------------------------------------36
REFERENCES----------------------------------------------------------------------------------- XXXVII
ANNEXES -------------------------------------------------------------------------------------- XXXVIII
Code R --------------------------------------------------------------------------------------------------XLI
TABLE DES MATIERES----------------------------------------------------------------------- XLVIII