DUAL CITIZEN

La méthodologie du GGEI se fonde sur des lignes directrices définies dans le Handbook on Constructing Composite Indicators (Manuel sur la construction d’indicateurs composites) de l’OCDE qui peut être consulté ici. Nous avons également mené de nombreuses consultations auprès d’éditeurs d’autres grands indices dans ce domaine afin de tirer des enseignements de leurs approches méthodologiques face à des problèmes de mesure similaires. La publication d’un indice comme le GGEI est le résultat d’une série de décisions, qui demandent souvent de trouver un point d’équilibre entre la profondeur et l’ampleur des questions étudiées, et les données disponibles. En outre, le concept « d’économie verte » est toujours émergent, et est de mieux en mieux défini au fur et à mesure que les parties théoriques et pratiques sont testées et développées. Les sections ci-après présentent de plus amples détails sur la façon dont nous avons abordé les étapes méthodologiques et les difficultés qui se sont posées pour calculer le GGEI 2018.

Cadre théorique

L’année précédant la première publication du GGEI, fin 2010, l’équipe de Dual Citizen LLC a rassemblé un groupe d’experts pour définir le cadre théorique de ce qui est désormais connu sous le nom de Global Green Economy Index, ou Indice mondial de l’économie verte. Ces experts – spécialisés dans les négociations sur le changement climatique, les énergies renouvelables, la défense des politiques favorables à l’économie verte, la marque et la communication – ont défini quatre grandes dimensions dans lesquels les perceptions seraient évaluées : le leadership politique, l’action publique, l’investissement et le tourisme. La première édition du GGEI n’a calculé que les perceptions de façon générale, les personnes étant interrogées sur leur perception de la réputation en matière d’écologie des pays dans ces quatre dimensions.

Les éditions suivantes du GGEI, en 2011 et 2012, se sont appuyées sur ces fondements de deux façons importantes. La première a consisté à mesurer la performance des mêmes valeurs qui faisaient l’objet de l’enquête, en utilisant des ensembles de données tirés de sources d’entités tierces et, lorsqu’il y a lieu, de mesures qualitatives produites en interne. La seconde évolution a été d’étendre les sous-catégories de chacune des quatre dimensions de manière à ce qu’au lieu de produire une mesure par dimension, ce soit un résultat agrégé qui soit généré à partir d’une série de sous-catégories connexes (par exemple, le leadership politique a ensuite été déterminé par les sous-catégories chefs d’État, couverture médiatique, réunions d’instances internationales, etc.).

Début 2014, Dual Citizen LLC a commandé un examen stratégique du GGEI dans le but de revoir sa méthodologie et son cadre pour refléter plus fidèlement les différents aspects d’une économie verte. Ce processus a conduit à deux changements importants. Le premier a été d’étendre les secteurs couverts au-delà du tourisme pour inclure d’autres secteurs de l’efficacité énergétique comme le bâtiment, le transport et l’énergie. Le second a été d’intégrer la performance environnementale au GGEI pour permettre d’examiner les piliers économiques et environnementaux de l’économie verte grâce aux résultats en matière de perception et de performance. Cet examen a également permis d’établir un lien plus explicite entre leadership et changement climatique, de sorte que ces liens puissent être étudiés pour déterminer si la rhétorique politique nationale et l’action publique nationale ont réellement un impact positif sur la performance du pays en matière de changement climatique.

Sélection de données

Le GGEI exploite les données qui répondent le mieux à deux critères centraux : la qualité et le champ couvert. En créant un indice comme le GGEI, on se rend rapidement compte que les ensembles de données sont souvent moins complets qu’il n’apparaît à première vue, et qu’ils couvrent rarement un éventail assez large de pays de manière uniforme. Cela s’explique en partie par la façon dont les pays sont organisés (UE, OCDE, G20), ces structures organisationnelles se dédiant à la collecte de données et de paramètres qui y sont associés. Par exemple, des ensembles de données solides peuvent exister pour les pays de l’OCDE, mais par pour l’ensemble des pays du G20. En outre, tous les pays ne se conforment pas à l’obligation de communiquer les données en temps voulu, ce qui signifie que même si des données complètes existent pour un groupe de pays, les séries chronologiques peuvent être incohérentes si des données plus récentes sont disponibles pour certains pays uniquement.

Compte tenu de ces réalités, notre approche de la sélection de données a adopté une méthode descendante, par opposition à une méthode ascendante. Cela signifie que nous avons d’abord défini les dimensions les plus importantes et les sous-catégories associées à mesurer en fonction du but et des objectifs de l’Indice mondial de l’économie verte. Puis, en nous fondant sur ce cadre, nous avons recensé les ensembles de données des tiers qui fournissaient la meilleure mesure au vu de la couverture nationale requise par le GGEI ou, le cas échéant, qui produisaient un système permettant de calculer un score qualitatif.

Nous préconisons cette approche descendante de la sélection de données pour deux raisons principales : la première est que les données existantes ne constituent pas nécessairement les valeurs les plus importantes à mesurer pour un domaine donné. Parfois, les données existent en raison d’approches ou de processus qui peuvent être désuets ou de priorités institutionnelles qui ne reflètent plus les enjeux actuels les plus importants. En déterminant d’abord ce qu’est le cadre général, on s’assure qu’un indice est défini par les domaines qui comptent le plus, et non uniquement par ceux qui sont les plus faciles à mesurer. La seconde raison qui valide cette approche descendante est qu’elle met l’accent sur les domaines où les données sont incomplètes, incitant les organismes statistiques, les ministères nationaux et les institutions internationales à faire de leur collecte une priorité.

Il est vrai que cette approche a ses limites et qu’il est important de les souligner dans le contexte du domaine de l’économie verte. Il reste des éléments essentiels à la compréhension d’une économie verte qui ne peuvent tout simplement pas être mesurés de manière solide aujourd’hui. Parmi ceux-ci, les emplois verts, dont une définition pratique demeure difficile à cerner et pour lesquels les données ne sont pas cohérentes dans les différents profils par pays. Un autre exemple est le secteur industriel – secteur de l’efficacité énergétique essentiel – pour lequel, en raison de la complexité des chaînes d’approvisionnement et des diverses contributions nécessaires pour créer un ensemble de données fiable, aucune approche de qualité n’existe encore pour estimer la mesure dans laquelle le secteur industriel national est « vert ». Dans ces cas, il serait imprudent de « forcer » une mesure de la performance au moyen d’un indice comme le GGEI, bien que nous espérons que ces limitations seront dépassées dans les prochaines éditions.

Estimer les données manquantes

Bien que tous les efforts soient déployés pour recenser les sources de données fournissant une couverture nationale adéquate, il est inévitable que certaines données ne soient pas disponibles. Dans le GGEI 2016, cette question s’est surtout posée pour la dimension Marchés et investissements, pour laquelle, en raison de la diversité des 80 profils par pays, entre les économies plus avancées et les économies émergentes, il était parfois impossible de trouver des sources de données complètes pour les quatre sous-catégories.

S’agissant de cette dimension, notre approche de l’estimation des données manquantes a été de calculer des scores approximatifs pour les pays dans lesquels il manque des données en se fondant sur la moyenne des scores des cinq pays les plus proches en termes de facteurs que nous pouvions déduire. À titre d’exemple, si un indicateur composite estimant l’attractivité d’un pays en matière d’investissement dans les énergies renouvelables n’indique qu’une partie des résultats d’un pays dans le rapport Doing Business de la Banque mondiale, une valeur manquante serait estimée à partir des scores des cinq nations les plus proches du rapport Doing Business, puis en faisant la moyenne de leurs scores obtenus dans l’indicateur composite afin de calculer les données manquantes pour le pays en question. Comme toute méthode d’estimation, celle-ci est imparfaite et se fonde sur certaines hypothèses sur la performance nationale d’un aspect de l’économie à partir des résultats d’un autre aspect connexe. Sur le plan des meilleures pratiques en matière de création d’indice et de consolidation de données, c’est une approche plus responsable que de laisser la valeur en blanc ou de donner arbitrairement une note moyenne à des pays pour lesquels les données sont manquantes.

Dans une moindre mesure, nous avons également été confrontés à cette question de données manquantes pour la dimension Environnement et Capital naturel, mais pour des raisons différentes. Dans ces cas, les données manquantes s’expliquaient par les caractéristiques naturelles de chaque pays. Par exemple, il est impossible de générer une valeur pour Forêts si un pays n’en a pas ou pour Pêche si le pays se situe dans les terres. Dans ces cas limités, les pays en question se voient attribuer le score le plus haut de la catégorie. Encore une fois, cette approche n’est pas parfaite, car elle donne de bons résultats à un pays dans une catégorie environnementale qui n’existe pas, les résultats d’ensemble pouvant être faussés en sa faveur. Toutefois, les alternatives à l’approche que nous avons adoptée sont moins intéressantes et exposent les résultats du GGEI a un risque accru de déséquilibre. L’exclusion de ces catégories pour les pays en question donnerait plus de poids aux autres sous-catégories dans le résultat global et créerait une situation où les pondérations internes varieraient d’un pays à l’autre. Par ailleurs, laisser ces valeurs en blanc aurait pour effet de punir ces pays pour les caractéristiques naturelles de leur territoire qu’ils ne contrôlent pas.

Normalisation, pondération et agrégation

Nous avons appliqué une approche de normalisation cohérente en utilisant le PIB à PPA pour exprimer les valeurs présentant des déséquilibres inhérents sur la base de la taille de l’économie du pays. En nous fondant sur l’approche descendante de la sélection de données, nous avons généralement appliqué des pondérations identiques aux quatre dimensions et à leurs sous-catégories. Une exception à cette règle s’applique à la dimension Leadership et changement climatique dans laquelle nous avons réduit la pondération pour les sous-catégories chef d’État et couverture médiatique, qui à leur tour, ont accordé une plus forte pondération aux réunions d’instances internationales et à la performance en matière de changement climatique.

Il va sans dire que le GGEI s’appuie sur un large éventail d’ensembles de données sous-jacents, et qu’il est important d’adopter une méthode cohérente pour les agréger. Notre approche consistait à calculer la moyenne et l’écart-type pour chaque indicateur ou ensemble de données, ce qui permet de calculer un score z et le centile associé. Puis, les valeurs de ces centiles peuvent être agrégées de manière uniforme, produisant ainsi un score pour le pays exprimé sur une échelle de 0 à 100.