📈 economics

Framing Social and Environmental Sustainability: An Econometric Assessment Framework

Cette étude propose un cadre économétrique complet qui utilise l'analyse en composantes principales pour construire un indice de durabilité composite et emploie la régression des moindres carrés ordinaires pour quantifier les impacts positifs des énergies renouvelables, de l'éducation et de l'efficacité institutionnelle, ainsi que les effets négatifs des émissions industrielles, sur la durabilité sociale et environnementale.

Auteurs originaux : SHATRAJIT GOSWAMI

Publié 2026-07-03

📖 6 min de lecture🧠 Analyse approfondie

CC BY 4.0

Auteurs originaux : SHATRAJIT GOSWAMI

Article original sous licence CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Ceci est une explication générée par l'IA de l'article ci-dessous. Elle n'a pas été rédigée ni approuvée par les auteurs. Pour une précision technique, consultez l'article original. Lire la clause de non-responsabilité complète

Imaginez que vous essayiez d'évaluer la performance globale d'un élève. Vous pourriez simplement regarder sa note en mathématiques et dire : « C'est un génie », ou simplement regarder sa note en art et dire : « Il est créatif ». Mais que se passe-t-il si vous voulez savoir s'il est un élève polyvalent ? Vous devez examiner les mathématiques, l'art, le sport et le comportement, tous ensemble, pour obtenir une image réelle.

Cet article de Shatrajit Goswami est essentiellement une nouvelle façon de haute technologie d'évaluer si une société réussit à être « durable ». Au lieu de ne regarder qu'une seule chose (comme la richesse produite par un pays), l'auteur construit un bulletin de notes complexe qui combine la santé environnementale, l'équité sociale et la force économique.

Voici une décomposition simple du fonctionnement de l'article, utilisant des analogies de la vie quotidienne :

1. Le problème : Trop de notes, pas assez de clarté

La durabilité est un concept complexe. Elle implique des dizaines de choses différentes : la qualité de l'air, le nombre d'arbres, le niveau d'éducation des gens, l'argent en banque et la justice de la société.

L'auteur soutient que regarder ces éléments un par un, c'est comme essayer de comprendre un film en lisant seulement le scénario, puis en écoutant seulement la bande sonore, puis en regardant seulement les costumes. On passe à côté de l'histoire entière. De plus, beaucoup d'anciennes méthodes de mesure de la durabilité sont comme un professeur qui donnerait un « A » à tout le monde simplement parce qu'il les apprécie, ou qui accorderait un poids égal à « la présence en classe » et à « la réussite de l'examen final ». Ce n'est pas très juste ni précis.

2. La solution : Le « Blender Magique » (Analyse en Composantes Principales)

Pour corriger cela, l'auteur utilise un outil statistique appelé Analyse en Composantes Principales (ACP).

Voyez l'ACP comme un blender intelligent. Vous y jetez tous vos différents ingrédients (les données sur la pollution, l'éducation, le PIB, etc.). Le blender ne se contente pas de les mélanger pour en faire un smoothie ; il détermine exactement quelle quantité de chaque ingrédient compte réellement en fonction des données elles-mêmes. Il décide automatiquement : « D'accord, l'énergie renouvelable est une saveur très importante, mais le PIB pourrait ne pas être aussi unique dans ce mélange spécifique. »

Le résultat de ce mélange est un chiffre unique appelé l'Indice de Durabilité. C'est la note finale pour la société. C'est un score objectif qui vous indique, en un seul chiffre, comment la société se porte globalement, sans que l'enseignant (le chercheur) n'ait à deviner quels sujets sont les plus importants.

3. L'enquête : Trouver les « Ingrédients Secrets » (Analyse de Régression)

Une fois que l'auteur possède cet « Indice de Durabilité » (la note finale), il veut savoir pourquoi certaines sociétés obtiennent des scores élevés et d'autres des scores faibles.

Il utilise une méthode appelée Régression Multiple. Imaginez que vous êtes un chef essayant de comprendre ce qui rend un gâteau savoureux. Vous avez votre gâteau final (l'Indice de Durabilité), et vous voulez tester quels ingrédients l'ont rendu bon.

Est-ce que l'ajout de plus d'Énergie Renouvelable a amélioré le gâteau ?
Est-ce que l'ajout de plus de Couverture Forestière a amélioré la saveur ?
Est-ce que trop d'Inégalité de Revenus a rendu le gâteau mauvais ?

Les mathématiques calculent exactement comment chaque « ingrédient » modifie le score final.

4. Ce que le « Test de Goût » a révélé

Lorsque l'auteur a passé les chiffres sur ses données (qui étaient un ensemble de scénarios hypothétiques soigneusement construits représentant des conditions réelles), il a trouvé des gagnants et des perdants clairs :

Les Bons Ingrédients (Moteurs Positifs) :
- Énergie Renouvelable : L'utilisation d'énergie propre a été un énorme moteur pour le score de durabilité.
- Couverture Forestière : Avoir plus d'arbres et d'espaces verts a fait augmenter le score de manière significative.
- Disponibilité de l'Eau : Une bonne gestion de l'eau a aidé le score.
- Urbanisme : Des villes bien planifiées ont réellement aidé, suggérant que les villes ne sont pas l'ennemi si elles sont bien construites.
- Moins d'Inégalité : C'était une découverte majeure. Lorsque l'écart entre les riches et les pauvres (Inégalité de Revenus) diminuait, le score de durabilité augmentait. Quand l'inégalité empirait, le score s'effondrait.
Les Ingrédients « Neutres » Surprenants :
- PIB (Argent) : Étonnamment, le simple fait d'avoir plus d'argent (PIB par habitant) ne faisait pas automatiquement augmenter le score de durabilité. C'est comme avoir beaucoup d'argent dans sa poche ne signifie pas que vous êtes une personne en bonne santé ; vous devez quand même bien manger et faire de l'exercice. La croissance économique seule ne suffit pas.
- Émissions de Carbone : Bien que les mathématiques aient montré que la pollution est mauvaise, dans ce jeu de données spécifique, elle n'était pas le facteur le plus fort statistiquement par rapport à des éléments comme les forêts et l'inégalité.

5. Le Verdict

L'article conclut que pour construire un avenir durable, on ne peut pas se contenter de gagner de l'argent. Il faut traiter l'environnement et l'équité sociale comme les ingrédients principaux.

La Recette du Succès : Si vous voulez un score de durabilité élevé, vous devez planter des arbres, passer aux énergies propres, gérer l'eau avec sagesse et faire en sorte que les riches et les pauvres ne soient pas trop éloignés.
L'Avertissement : Se contenter de faire croître l'économie (agrandir la tarte) ne sert à rien si la tarte est faite de mauvais ingrédients ou si une seule personne mange toute la part pendant que les autres meurent de faim.

Résumé

Cet article est un livre de recettes pour mesurer à quel point une société est « durable ». Il utilise un blender informatique (l'ACP) pour mélanger toutes les données en un score clair, puis un outil de détective (la Régression) pour découvrir que l'énergie propre, les espaces verts et l'équité sont les ingrédients secrets qui rendent réellement une société durable, tandis que le simple fait d'avoir beaucoup d'argent n'est pas la solution miracle que tout le monde pensait.

Résumé Technique : Cadrage de la durabilité sociale et environnementale : Un cadre d'évaluation économétrique

Énoncé du problème
Malgré l'adoption mondiale des Objectifs de développement durable (ODD), l'évaluation de la durabilité reste méthodologiquement complexe en raison de sa nature multidimensionnelle. Les méthodes d'évaluation conventionnelles reposent souvent sur des indicateurs descriptifs isolés ou des schémas de pondération subjectifs, ne parvenant pas à capturer les interactions complexes entre les dimensions environnementales, sociales et économiques. La littérature existante examine fréquemment ces dimensions de manière indépendante, néglige l'utilisation de techniques de pondération fondées sur les données comme l'Analyse en Composantes Principales (ACP), et manque de tests de diagnostic complets dans les modèles de régression. En outre, il existe une lacune dans la traduction des résultats statistiques en interventions politiques fondées sur des preuves qui intègrent ces divers facteurs.

Méthodologie
L'étude propose un cadre économétrique intégré utilisant une approche en deux étapes basée sur un ensemble de données synthétiques représentant des économies en développement (200 observations, 2006–2025). La méthodologie procède comme suit :

Prétraitement et normalisation des données : Les variables représentant la qualité environnementale, le développement social et la performance économique ont été normalisées par score Z afin d'assurer la comparabilité entre les différentes unités de mesure.
Construction de l'indice (ACP) : L'Analyse en Composantes Principales a été employée pour réduire la dimensionnalité et construire un Indice de Durabilité (ID) composite. Cette méthode a déterminé objectivement les poids des variables en fonction de la variance observée des données plutôt que par un jugement d'expert subjectif. L'analyse a conservé cinq composantes principales, qui expliquent collectivement environ 66,9 % de la variance totale. La fiabilité a été confirmée via l'Alpha de Cronbach, et l'adéquation de l'échantillonnage a été vérifiée à l'aide de la statistique KMO (Kaiser–Meyer–Olkin) et du test de sphéricité de Bartlett.
Modélisation économétrique (MCO) : L'Indice de Durabilité construit a servi de variable dépendante dans un modèle de régression multiple par les Moindres Carrés Ordinaires (MCO). Le modèle a estimé l'influence de variables explicatives sélectionnées, incluant l'énergie renouvelable, les émissions de carbone, la couverture forestière, l'inégalité des revenus (coefficient de Gini), l'urbanisation et le PIB par habitant.
Tests de diagnostic : Pour garantir la robustesse, le modèle a été soumis à des procédures de diagnostic rigoureuses, incluant l'évaluation de la multicolinéarité (facteurs d'inflation de la variance), le test d'hétéroscédasticité (Breusch–Pagan), l'analyse de la normalité des résidus (Jarque–Bera) et les contrôles d'autocorrélation (Durbin–Watson).

Résultats clés
L'analyse empirique a produit les résultats suivants :

Ajustement du modèle : Le modèle de régression a démontré un fort pouvoir explicatif, avec un $R^2$ de 0,778 et un $R^2$ ajusté de 0,764, indiquant que les variables sélectionnées capturent efficacement la dynamique de la performance de durabilité.
Déterminants significatifs :
- Facteurs environnementaux : L'adoption des énergies renouvelables, la couverture forestière et la disponibilité de l'eau ont présenté des relations positives statistiquement significatives avec l'Indice de Durabilité.
- Facteurs sociaux : L'inégalité des revenus (mesurée par le coefficient de Gini) a montré une relation négative forte et statistiquement significative, indiquant qu'une inégalité élevée réduit substantiellement la performance de durabilité. L'urbanisation a également affiché une relation positive significative.
- Santé : Dans ce jeu de données synthétiques spécifique, l'accès aux soins de santé a montré une association négative faible mais statistiquement significative, bien que les auteurs notent que cela peut être spécifique au contexte des données.
Variables non significatives : Contrairement à certaines attentes théoriques, le PIB par habitant, les niveaux d'éducation, les taux de pauvreté, les taux d'emploi et l'Indice de Développement Humain (IDH) n'étaient pas des prédicteurs statistiquement significatifs de l'Indice de Durabilité lorsque l'on contrôle les variables environnementales et institutionnelles.
Émissions de carbone : Bien que les émissions de carbone aient affiché le signe négatif attendu, la relation n'était pas statistiquement significative au seuil de 5 % dans ce jeu de données spécifique.

Contributions clés
Le document contribue à la littérature par :

Intégration méthodologique : La combinaison réussie de l'ACP pour la construction objective d'indices avec la régression MCO pour l'analyse des déterminants au sein d'un cadre unifié.
Pondération objective : La démonstration de l'utilité d'une pondération fondée sur les données (ACP) par rapport aux schémas subjectifs ou de pondération égale pour réduire le biais de mesure.
Rigueur diagnostique : La fourniture d'un ensemble complet de tests de diagnostic pour valider les hypothèses du modèle linéaire classique, renforçant ainsi la crédibilité des résultats.
Cadre pertinent pour les politiques : L'offre d'un outil analytique reproductible qui peut être adapté pour les évaluations de durabilité nationales, régionales ou institutionnelles.

Signification et affirmations
Les auteurs affirment que le cadre proposé offre une approche scientifiquement rigoureuse et transparente pour évaluer la durabilité. L'étude conclut que la durabilité est davantage pilotée par la conservation de l'environnement (énergies renouvelables, couverture forestière) et l'équité sociale (réduction des inégalités) que par les seules mesures de croissance économique. Les conclusions suggèrent que l'expansion économique ne se traduit pas automatiquement en durabilité sans une gouvernance environnementale et des politiques sociales inclusives qui l'accompagnent.

Le document positionne ce cadre comme un outil d'aide à la décision pratique permettant aux décideurs politiques de prioriser des interventions telles que la transition vers les énergies renouvelables, la restauration des écosystèmes et la réduction des inégalités. Les auteurs maintiennent une position modeste quant à la portée de l'étude, reconnaissant explicitement que les résultats sont basés sur un ensemble de données synthétiques conçues pour démontrer la méthodologie. Ils affirment que la valeur principale du cadre réside dans sa robustesse structurelle et son adaptabilité, exhortant les recherches futures à valider ces résultats à l'aide de données officielles nationales et internationales (par exemple, l'ONU, la Banque mondiale, l'OCDE) et à explorer des extensions économétriques dynamiques ou spatiales.