Memoire Online - Expliquer la production de déchets ménagers parisiens sur la période 1949-2004

Notre travail débute par la recherche de données, car sans donnée, nous ne pouvons modéliser donc effectuer notre étude.

On s'est donc posé la question suivante : « Qu'est ce qui expliquerait la production de déchets ? »

A partir de là on a pu établir une liste de différents facteurs et nous avons commencé notre recherche de données sur ces derniers.

Etant donné que notre étude débute en 1949, nous avons eu du mal à trouver des données sur tous les facteurs voulus, cependant nous avons pu en trouver sur nos deux principales variables, que nous allons décrire dans la suite. Nous avons constitué notre base de données principalement grâce à la Direction de la Protection de l'Environnement (DPE) qui est un service rattaché à la mairie de Paris.

Nous commencerons par l'analyser, regarder les dates importantes, puis nous étudierons la stationnarité de cette série.

Notre sujet a pour but d'essayer d'expliquer la production de déchets par habitant au niveau de Paris.

La variable expliquée est donc la production d'ordures ménagères parisiennes rapportées à la population de Paris (dit Dechp).

Nous pouvons observer sur le graphique, que la production de déchets par tête est croissante sur la période 1949-1989, puis décroissante sur la période 1990-2004.

Plus précisément, on peut même dire que cette variable suit une croissance linéaire jusqu `en 1975 où l'on constate une rupture.

C'est d'ailleurs à cette date qu'elle dépasse sa moyenne, qui est de 405 kilogrammes par habitant et par an, soit plus d'un kilogramme par habitant et par jour.

Sur la période 1975-1989, notre variable à tendance à suivre une croissance linéaire plus forte (changement de pente par rapport à la première période).

En 1989-1990, on observe une seconde rupture, assez violente, la production de déchet chute de prés de 20%. On passe en 1989 de 568 kilogrammes par habitant à 468 kilogrammes par habitant en 1990.

Puis sur la période 1990-2004, la production de déchet par habitant continue de décroître.

En 1969, on dépasse le seuil de un kilogramme de déchets par habitant et par jour.

A ce stade on ne parle plus de société de « consommation » mais bien de société de « déchet ».

La première grande loi sur la gestion des déchets a été promulguée le 15 Juillet 1975.

Elle instaure l'obligation pour chaque commune de collecter et d'éliminer les déchets des ménages, en précisant que ces opérations doivent se faire « sans risque pour l'environnement et pour la santé humaine ». Une commune a le droit de déléguer cette responsabilité à un syndicat intercommunal auquel elle adhère.

Cette loi instaure aussi le principe de « pollueur payeur » pour financer son application.

Ø Ce seront donc les ménages qui financeront la collecte et le traitement des déchets ménagers.

Ø Quant aux déchets d'entreprises, ce sont les entreprises qui en sont responsables et doivent en financer leur collecte et l'élimination.

Cette loi vise aussi à réduire la production des déchets à la source et à promouvoir la récupération et le recyclage des déchets. Mais ces dispositions ne seront pratiquement pas suivies dans les faits.

Pendant quinze ans, cette politique s'est trouvée inversée, on a effectivement mis en place le traitement des déchets, on a crée des usines d'incinération et de recyclage, mais on a abandonné la question de leur réduction.

A la fin des années 80, la quasi-totalité de la population française bénéficiait d'une collecte des ordures ménagères éliminées dans des installations conformes aux exigences réglementaires.

Mais le recyclage et la valorisation n'étaient pas développés et pratiquement tous les déchets (70%) étaient éliminés en décharge ou par incinération, ce qui représentait un énorme gaspillage de matières premières.

La société française s'est trouvée confrontée à un profond décalage entre les déchets ménagers qu'elle produisait et les moyens qu'elle s'était donnée pour les traiter et les éliminer. Décalage qui a conduit le gouvernement de l'époque à instaurer une nouvelle loi, la loi Royal (la loi du 13 juillet 1992), et à définir de nouvelles règles pour la gestion des déchets.

Outre l'objectif de réduction des déchets à la source, on peut en retenir trois grands principes :

Ceux-ci représentent désormais un gisement d'énergie et de matières premières que l'on n'a plus le droit de gaspiller, ni de détruire. Les communes doivent donc mettre en place les moyens et équipements nécessaires au développement du recyclage et de la valorisation.

Ils définissent les grandes orientations de la gestion des déchets ménagers à l'échelle du département, dans un souci de rationalisation et de cohérence des moyens de collecte et de traitement à l'échelle d'un territoire administratif. Les communes sont toujours responsables des déchets ménagers, mais doivent suivre les prescriptions du Plan départemental. Par exemple, une commune ou un groupement de communes ne peut pas créer de nouvelle décharge ou de nouvel incinérateur si le plan départemental ne l'a pas prévu.

Les anciennes décharges où étaient enfouis tous nos déchets ménagers doivent être fermées. Seuls les déchets qui ne pourront être valorisés ou recyclés à un coût acceptable pourront toujours être enfouis. D'ailleurs, on ne parle plus de décharge, mais de centre de stockage de déchets ultimes.

Les années 90 sont donc marquées par l'engagement des politiques et l'adoption de loi nécessaire pour obliger les gens à prendre conscience du problème que sont les déchets et les faire réagir pour qu'ils réduisent leurs détritus ou qu'ils consomment mieux.

Cependant la réglementation mise en place ne suffit pas à expliquer une chute de 20% de la production, nous pensons que cette baisse en 1990 est due à un changement d'estimation du tonnage d'ordures ménagères. Nos pensées ont été confirmées par des responsables de la DPE. En effet en 1990 on ne comptabilise plus dans les ordures ménagères les encombrants, le verre, les magazines et les journaux.

Regardons le document présenté ci-dessus, il a été réalisé par l' « Agence gouvernementale de l'Environnement » et de la « Maîtrise de l'Energie » (ADEME) pour une étude sur les déchets ménagers des français.

On remarque qu'environ 40 % du poids humide des ordures ménagères provient des emballages (bouteilles, cartons, sacs, boîtes de conserve...). En poids sec, cette proportion atteint 47%.

Parmi les emballages présents dans le gisement d'ordures ménagères, les trois premiers matériaux sont : le verre, le plastique puis le carton. Ils représentent à eux seuls près de 83 % des tonnages d'emballages (poids sec).

Cette moyenne a beaucoup évolué depuis 1960, la part en poids des matières organiques est passée de 26% à 29% et celle du verre de 4% à 13%. Les papiers cartons restent stables tandis que les plastiques, inexistants à l'époque, représentent 11% des quantités totales à l'issue des mesures de la campagne 1993.

Ce qui nous conforte dans l'idée que la consommation a un rôle à jouer, puisque en étudiant la composition des poubelles des français, on observe des changements alors même que nous savons que les modes de consommation ont également changé dans les années 70.

Il est souhaitable que les propriétés statistiques mesurables sur ce tronçon de la trajectoire soient reproductibles dans le temps, c'est le cas si la série est stationnaire.

Une série est dite faiblement stationnaire, si la moyenne du processus étudié, sa variance sont des moments finis et indépendant du temps. La dernière conditions est que sa fonction d'auto covariance soit indépendante du temps. Si ces trois conditions sont vérifiées, on peut affirmer que la série est faiblement stationnaire.

Nous cherchons à expliquer une évolution, pour avoir de meilleures interprétations nous avons choisis d'utiliser le logarithme des déchets par habitant (dit ld) et le logarithme des dépenses moyennes de consommation par habitant (dit lc). Une autre justification de la prise des logarithmes se trouve dans l'étude des variances de nos séries.

En effet, en utilisant les logarithmes nous réduisons les fluctuations des variables, la variance de la série des déchets passe ainsi de 7029.14158 à 0.04745377 et de 36241091.4 à 2.59099712 pour celle de la consommation.

Pour information, la variance correspond à l'écart quadratique entre les observations de la série et sa moyenne, c'est-à-dire qu'elle correspond aux fluctuations de la série autour de sa moyenne.

Autrement dit, nous allons étudier la stationnarité de la série des logarithmes des déchets par habitant (dit ld).

Pour ce faire, nous étudierons le corrélogramme de la série, puis nous ferons plusieurs tests et conclurons à la stationnarité ou non. Si on conclut à la non stationnarité de la série, nous la stationnariserons alors.

A première vue, on aurait tendance à croire que ce processus est un AR (1) minimal.

En effet on observe une cassure à l'ordre 1 au niveau des autocorrélations partielles, et un cycle sur les autocorrélations (les treize premières sont significativement différentes de zéro).

Cependant, la décroissance des auto-corrélations est trop lente pour être celle d'un processus AR (1).

Si cela avait été un processus AR (1), l'écart entre deux auto-corrélations aurait été plus grand Nous soupçonnons que nous avons à faire à un processus « Difference Stationnary » (dit DS). Si tel est le cas cela voudrait dire que notre processus n'est pas stationnaire.

Cependant pour la stationnariser, il suffirait d'appliquer l'opérateur différence première. Pour tester la stationnarité, nous allons utiliser le test de « Dickey-Fuller Augmenté » (ADF), si on conclut à la stationnarité, nous devrons confirmer ce résultat par un autre test : celui de Philips Perron.

Le test de « Dickey-Fuller Augmenté » est un test de stationnarité. Ce test doit s'effectuer sur plusieurs modèles.

Ø Le premier correspond à la variable étudiée que l'on pose égale à sa valeur retardée plus un résidus : ld (t) = ñ ld (t-1) + Ut

Ce test suppose que les perturbations Ut sont des bruits blancs, c'est-à-dire qu'ils suivent une loi normale de moyenne nulle et d'espérance égale à ó, mais cela signifie aussi qu'ils sont stationnaires.

Ce test est aussi appelé « test de racine unitaire », c'est pour cela que si |ñ| <= 1, notre série est stationnaire, l'effet des chocs serait transitoire. Autrement dit, si jamais notre série connaît un choc, on sait qu'elle reviendra sur sa trajectoire d'équilibre.

H0 : la série est non stationnaire et de type DS, équivaut à ñ = 1 (effet des chocs permanents)

H1 : la série est stationnaire, autrement dit |ñ| <= 1 (effet des chocs transitoires)

Nous précisons que les résultats présentés correspondent au « test ADF » fait pour un seul modèle, celui avec la constante (modèle 2). Pour information : les tests ont été effectués dans les 3 types de modèles, mais comme les conclusions sont les mêmes, pour des raisons de clarté et pour ne pas encombrer les annexes de résultats, nous avons décidé de présenter les résultats que pour un seul modèle.

ADF Test Statistic	-1.474876	1% Critical Value	-3.5547
		5% Critical Value	-2.9157
		10% Critical Value	-2.5953

On voit que la statistique du test « ADF statistic » est supérieure à toutes les valeurs critiques. Avec un seuil de confiance de 95%, on ne peut donc pas rejeter l'hypothèse H0, on conclut alors que notre série est non stationnaire et de type DS.

Pour pouvoir utiliser cette variable, on doit la stationnariser. C'est ce que nous allons nous efforcer de faire dans la suite.

Il est important de stationnariser notre processus, afin de connaître son ordre d'intégration, car c'est une information clé pour le test de co-intégration que nous ferons après avoir stationnariser nos deux processus.

Pour en parler brièvement, on peut dire que comme nos variables ne sont pas stationnaires, nous ne sommes pas sûr d'avoir une relation stable à long terme, mais si on a une relation de co-intégration, nous sommes sûr d'avoir une relation stable à long terme et ce, malgré le fait que nos séries ne soient pas stationnaires.

La variable « déchets ménagers par habitant » est donc une série non stationnaire DS.

La particularité d'un processus DS est qu'il est non stationnaire en moyenne et en variance, plus particulièrement on sait que la variance croît avec le temps, ce qui signifie que cette série subit les effets de chocs de façon permanente. On dit qu'elle a une mémoire.

Le plus intéressant avec les séries DS c'est que l'on sait les stationnariser. Il suffit d'appliquer l'opérateur de différence première.

reportez vous à la page 51-52, si vous désirez voir les sorties Eviews de test faits

Nous avons donc appliqué l'opérateur « différence première () » à notre série brute.

Cela signifie que l'on soustrait à notre processus, le même processus mais décalé d'une période.

On voit bien que notre série se stationnarise, on passe d'une série brute qui suivait une croissance linéaire, puis une décroissance à partir de 1990.

A une série différenciée au premier ordre (DLD) qui se situe en moyenne autour de 0, mise a part en 1990 où on observe une chute brutale dont la cause a déjà été évoquée. Pour confirmer la stationnarité de notre série différenciée, nous allons faire des tests.

Cette fois-ci, on constate que la statistique de test est inférieure aux différentes valeurs critiques. Avec un seuil de confiance de 95%, on conclut à la stationnarité de la série différentiée.

ADF Test Statistic	-10.18520	1% Critical Value	-3.5598
		5% Critical Value	-2.9178
		10% Critical Value	-2.5964

Afin d'être sûr de ce résultat (car une mauvaise stationnarisation peut créer des perturbations artificielles), nous allons faire un deuxième test : celui de Phillips-Perron.

On voit que notre statistique calculée « PP test statistic » est inférieure aux valeurs critiques, notamment celle pour un risque de 5%, on accepte donc l'hypothèse H0.

PP Test Statistic	-18.20010	1% Critical Value	-3.5572
		5% Critical Value	-2.9167
		10% Critical Value	-2.5958

Autrement dit, on est sûr à 95% que notre série (en logarithme) est intégrée d'ordre 1.

Nous en avons fini avec l'étude de la série des déchets ménagers par habitant de Paris.

Pour résumer on peut dire que notre variable expliquée croît sur la période 1949-1989, puis a tendance à décroître.

Nous avons évoqué les principales lois sur les déchets, comme la loi du 15 Juillet 1975 qui instaure le principe du « pollueur payeur » et l'obligation pour chaque commune de collecter et d'éliminer ses déchets, ou encore la loi Royal (13 juillet 1992) qui stipule que l'on doit s'efforcer de réduire les déchets à la source et valoriser par le recyclage les déchets.

Puis, nous avons démontré que notre série n'était pas stationnaire mais intégré d'ordre 1.

L'analyse de notre variable expliquée étant terminée, nous allons passer à l'analyse de notre variable explicative : « dépense moyenne de consommation par tête ».

En effet, on s'est demandé ce qui pouvait faire augmenter la production de déchets, et toutes nos réponses ont convergé vers la même réponse : « la consommation ».

Tout comme nous, vous avez pensez au revenu mais que fait-on avec ce dernier ?

Nous consommons. Cette variable est également justifiée par certains auteurs urbanistes telle que Mme Barles qui stipule, dans son ouvrage « l'invention des déchets urbains », que la croissance des déchets est due à une croissance de la population au dix-neuvième siècle, puis à une croissance importante de la consommation unitaire au vingtième siècle.

Il est très difficile d'obtenir des données sur la consommation ou même sur le revenu parisien à partir de 1949 à nos jours. Pour cette raison nous avons été obligés de prendre les chiffres de la consommation française, cela ne pose pas de problème car on étudie la tendance (savoir quand elle augmente, si elle diminue, etc.). Les chiffres sont disponibles à l' « Institut National de la Statistique et des Etudes Economiques ».

Nous commencerons cette étude par une description de cette variable puis, on en étudiera la stationnarité.

La seule variable susceptible d'expliquer la production de déchet est la consommation, à cause du manque de donnée, nous sommes contraint d'étudier les dépenses moyennes de consommation des français (dit Consop).

On observe graphiquement, que les dépenses de consommations des français ont tendance à augmenter au fil des ans.

La moyenne, qui est de 6027 euros par habitant et par an, sépare l'évolution de notre variable en deux sous périodes.

La première partie qui se situe en dessous de la moyenne correspond à la période 1949-1981, quant à la seconde, qui se situe au dessus de la moyenne, correspond à la période 1982-2004.

Plus précisément, on observe une rupture en 1980, on peut dire que sur la première période, la consommation par tête suit une croissance géométrique, tandis que sur la seconde période, elle, croît linéairement.

En 1949, nous sommes au lendemain de la guerre, les gens reprennent une vie normale et reconstruisent le pays. L'inquiétude des années de guerre a laissé place à la joie de la reconstruction et de l'avenir. Jean Fourastié qualifiera les trente années qui nous mènent de 1945 en 1975 de « trente glorieuse », car les Français connaissent trente années de croissance forte et constante, c'est à ce moment que la société de consommation est apparue.

Longtemps l'autoconsommation a été prépondérante : le paysan d'il y a 200 ans n'achetait presque rien, son lopin de terre suffisant à satisfaire ses maigres besoins. Grâce aux progrès, il a de plus en plus produit, et a vendu le surplus qu'il ne consommait pas. Avec cet argent, il a pu satisfaire de nouveaux besoins, comme acheter un lit pour remplacer sa paillasse ou du charbon plutôt que de ramasser du bois pour se chauffer.

Aujourd'hui, l'autoconsommation est très réduite, et la consommation est si développée que l'on peut parler de société de consommation. En effet, les principaux besoins "vitaux" étant satisfaits, les producteurs essaient de susciter de nouveaux besoins par l'innovation technique et par la publicité.

Mais à partir de 1975, les « trente Glorieuses » ont fait place aux « trente peureuses » avec les mouvements de « Mai 68 » et l'apparition du chômage. Pour ne rien arranger, en 1974 a lieu le premier choc pétrolier et avec lui, la première inflation sérieuse connue en France. En 1983, la crise économique arrive avec l'explosion du chômage, la France rentre alors dans une phase dépressive.

En effet, à cette époque les salaires étaient indexés sur le niveau général des prix. Ainsi l'inflation a eût comme conséquence d'augmenter les salaires, cette hausse des salaires a induit une augmentation des prix et ainsi de suite. On est rentré dans un cercle vicieux.

De plus, cette inflation continue a fait baisser le volume des exportations car nos biens étaient devenus trop chers. Pour pallier ce problème de compétitivité et freiner la croissance des salaires, le gouvernement a mis en place une politique d'indexation des salaires sur les prix, la tension sur le marché du travail et l'inflation anticipée.

L'apparition, en 1991, de la guerre du Golfe ne remonte pas le moral des Français. Mais les dépenses de consommation ne cesse pas de croître pour autant, on remarque tout de même un changement de type de croissance. On passe d'une croissance géométrique à une croissance linéaire moins forte, mais toujours croissante.

En effet, la consommation est en progression constante depuis quarante ans et représente plus des 2/3 du PIB. Ceci peut être imputable au fait que le crédit à dorénavant une place très importante dans les ménages.

De plus les délocalisations dans le but d'avoir une main d'oeuvre bon marché, mais également l'engagement des grandes chaînes d'alimentation tel que les centres « E. Leclerc » ou encore « Carrefour » ont permis une baisse des prix donc le maintient de la consommation, qui est nécessaire à l'équilibre économique puisqu'elle crée des emplois et fait tourner l'économie.

Mais il y'a un autre phénomène : notre mode de consommation a changé. Dans les années 70 le sac plastique fait irruption dans la vie des ménages et remplace rapidement le sac en papier. C'est le début de l'ère de la consommation jetable. Le papier journal, comme emballage, laisse place au film plastique qui met les aliments a l'abri des contaminations extérieures et constitue un facteur de sécurité alimentaire.

Et le progrès technique n'arrange pas les choses, les conserves font leur apparition ainsi que différentes matières plastiques et les emballages en cartons fréquemment utilisés pour conditionner le lait. L'environnement du consommateur s'est modifié (grandes surfaces, multiplication des enseignes, apparition de nouveaux produits...) induisant chez lui de nouveaux comportements.

Aujourd'hui la consommation ne reflète pas un statut social, et les cadres comme les ouvriers consomment globalement les mêmes produits issus des mêmes réseaux de distribution.

Cependant, des crises alimentaires ou environnementales récentes (" vache folle ", OGM...) ont fait naître des inquiétudes et des exigences en matière de sécurité et de qualité qui pourraient faire resurgir à nouveau des clivages entre ceux qui auront les moyens d'acheter des produits de haute qualité (produits " bio " ou labellisés, produits du terroir...) nettement plus chers et les autres.

Enfin, les comportements ont changé, le même consommateur peut acheter du bas de gamme et du haut de gamme, il connaît les astuces du marketing, est devenu plus exigeant et n'hésite pas à comparer les prix et à se servir auprès de plusieurs réseaux de distribution. Il utilise la vente par correspondance et Internet pour ses achats.

L'économètre doit faire face à un autre problème que le manque de données. Il ne peut observer qu'une partie de la trajectoire du processus étudié, pour notre part il s'agit de la période 1949-2004. Il est souhaitable que les propriétés statistiques mesurables sur ce tronçon de la trajectoire soient reproductibles dans le temps, c'est le cas si la série est stationnaire.

Une série est dite faiblement stationnaire, si la moyenne du processus étudié, sa variance sont des moments finis et indépendant du temps. La dernière conditions est que sa fonction d'autocovariance soit indépendante du temps. Si ces trois conditions sont vérifiées, on peut affirmer que la série est faiblement stationnaire.

Pour ce faire nous étudierons le corrélogramme de la série puis nous ferons plusieurs test et conclurons à la stationnarité ou non. Si on conclut à la non stationnarité de la série, nous la stationnariserons.

A première vue, on aurait tendance à croire que ce processus est un AR (1) minimal.

En effet on observe une cassure à l'ordre 1 au niveau des autocorrélations partielles, et un cycle sur les autocorrélations (les treize premières sont significativement différentes de zéro).

Cependant, la décroissance des autocorrélations est trop lente pour être celles d'un processus AR (1).

Si cela avait été un processus AR (1), l'écart entre deux autocorrélations aurait été plus grand

Nous soupçonnons que nous avons à faire à un processus « Difference Stationnary » (dit DS).

Si tel est le cas cela voudrait dire que notre processus n'est pas stationnaire.

Cependant pour la stationnariser il suffirait d'appliquer l'opérateur différence première.

Pour tester la stationnarité nous allons utiliser le test de « Dickey-Fuller Augmenté » (ADF), si on conclut a la stationnarité nous devrons confirmer ce résultat par un autre test celui de Phillips-Perron (PP).

On voit que la statistique du test « ADF statistic » est supérieure à toutes les valeurs critiques. On ne peut donc pas rejeter l'hypothèse H0 avec un seuil de confiance de 95%, on en conclut que notre série est non stationnaire et de type DS.

ADF Test Statistic	-1.888797	1% Critical Value	-3.5547
		5% Critical Value	-2.9157
		10% Critical Value	-2.5953

Pour pouvoir utiliser cette variable, on doit la stationnariser. C'est ce que nous allons nous efforcer de faire dans la suite.

La variable « déchets ménagers par habitant » est donc une série non stationnaire DS.

Le plus intéressant avec les séries DS c'est que on sait les stationnariser. Il suffit d'appliquer l'opérateur de différence première.

Nous avons donc appliqué l'opérateur « différence première () » à notre série brute.

Cela signifie qu'on soustrait à notre processus, le processus décalé d'une période.

On voit bien que notre série se stationnarise, on passe d'une série brute qui croissait sur toute sa période.

Alors que la série différenciée au premier ordre (DLC) se situe en moyenne autour de 0, mise à part quelques chocs.

Pour confirmer la stationnarité de notre série différenciée, nous allons étudier son corrélogramme et faire des tests.

Cette fois-ci, on constate que la statistique de test est inférieure aux différentes valeurs critiques, on refuse donc au seuil de 5% l'hypothèse H0. On conclut donc à la stationnarité de la série différentiée.

ADF Test Statistic	-3.914265	1% Critical Value	-3.5572
		5% Critical Value	-2.9167
		10% Critical Value	-2.5958

Afin d'être sûr de ce résultat, car une mauvaise stationnarisation peut créer des perturbations artificielles, nous allons faire un deuxième test : celui de Phillips-Perron.

Notre statistique de test est inférieure aux valeurs critiques, rien ne nous permet de ne pas affirmer, que pour un seuil de 5%, l'hypothèse H0 est fausse.

PP Test Statistic	-4.743586	1% Critical Value	-3.5547
		5% Critical Value	-2.9157
		10% Critical Value	-2.5953

Autrement dit, on peut dire que l'on est à 95% sur que notre série est intégrée d'ordre 1.

Au vue de cette analyse on a constaté que la dépenses moyenne de consommations des français a fortement augmenté au cour du temps, et ne cesse pas de croître.

Il est vrai que tout est fait depuis un certain temps pour augmenter notre pouvoir d'achat. L'essor du crédit ou l'engagement des grandes enseignes de supermarchés permet de maintenir un certain niveau de consommation.

Tout ceci est fait afin de maintenir l'équilibre économique dont le principal moteur est la consommation.

La description de nos données étant terminé nous allons nous regarder la matrice des corrélations entre nos séries afin de voir si il existe une relation entre eux.

	LD	LC
LD	1.000000	0.930790
LC	0.930790	1.000000

Le coefficient de corrélation indique si il y'a, ou pas, une relation entre nos variables. Ce coefficient est compris entre -1 et 1.

Dans notre cas, on voit que le coefficient de corrélation entre les déchets par tête et les dépenses de consommation par habitant est égal à 0.930790.

La rupture qui s'est produite en 1989 ne présage rien de bon, aussi nous allons regarder la matrice des corrélations sur une sous période allant de 1949 à 1989.

	LC	LD
LC	1.000000	0.984611
LD	0.984611	1.000000

Le coefficient de corrélation entre les déchets par tête et les dépenses de consommation par habitant est égal à 0.984611. La relation qui lie nos variables est encore plus forte sur la période 1949-1989 que sur la période 1949-2004.

Ainsi on a montré que notre variable explicative est fortement corrélée, positivement, à notre variable expliquée, ceci nous conforte dans l'idée que la consommation peut expliquer la production de déchets, avec en théorie un paramètre positif.

Le fait de savoir que nos deux séries ont le même ordre d'intégration et qu'il existe une corrélation entres elles, nous laisse fortement supposer qu'il existe une relation stable de long terme entre nos variables.

Expliquer la production de déchets ménagers parisiens sur la période 1949-2004

I. LES DONNEES :