Appendice I : Champ de l'enquête

Consulter la version la plus récente.

L'intérêt et la nécessité de recueillir des données statistiques détaillées sur l'industrie de l'automobile s'est manifesté, il y a plusieurs années, alors que ce grand secteur d'activité commençait à occuper une place prédominante au sein de l'économie canadienne. En effet, depuis plus de 50 ans déjà, Statistique Canada collecte et diffuse des informations de nature statistique sur la vente au détail de véhicules automobiles neufs. Ces statistiques ont non seulement été nécessaires à l'estimation des dépenses des consommateurs canadiens lors de l'établissement des comptes nationaux et au calcul du produit intérieur brut, mais elles ont également constitué et sont toujours d'ailleurs, l'un des indicateurs de la vitalité de l'économie canadienne des plus importants et des plus sollicités ¹ .

L'estimation du volume total des ventes au détail de véhicules automobiles neufs n'aura toutefois pas suffit à satisfaire entièrement la demande incessante de renseignements. Les préoccupations se sont faites de plus en plus croissantes afin de mieux connaître les caractéristiques du stock de véhicules neufs vendus au détail, soit pour mieux saisir la structure de préférence des consommateurs canadiens ou soit pour évaluer le taux de pénétration des grands constructeurs étrangers sur le marché canadien. Au début des années 1970, les statistiques sur les ventes de véhicules automobiles neufs élargissaient son champ d'action pour mieux cibler les ventes des véhicules d'origine japonaise.

Les résultats regroupés dans cette publication ne concernent qu'exclusivement la vente au détail de véhicules automobiles neufs à l'intérieur des limites du territoire canadien. Ces statistiques sont obtenues à partir d'une enquête statistique postale (un recensement, voir la section sur la méthodologie à la fin du présent bulletin pour plus de détail).

D'autres statistiques (les ventes des vendeurs d'automobiles neuves et d'occasion, des magasins de pièces et d'accessoires d'automobiles, etc.) reliées au secteur de l'automobile sont aussi disponibles à partir de l'enquête sur le Commerce de détail (n^o 63-005 au catalogue). Pour obtenir plus d'information communiquer avec la section des marchandises vendues au détail, division de la statistique du commerce, Statistique Canada, Ottawa, K1A 0T6, (téléphone : 613-951-3549 ou sans frais au 1-877-421-3067).

Qualité des données et méthodologie

Cette enquête se veut une enquête exhaustive menée auprès de tout l'ensemble connu des fabricants d'automobiles ainsi que des importateurs de véhicules automobiles exerçant leurs activités sur le territoire canadien (la liste complète des enquêtés figure à la fin de ce catalogue).

Les montants des ventes déclarés comprennent le prix de vente au consommateur (c.-à-d., le montant de la facture du manufacturier augmenté de la marge bénéficiaire et doivent aussi inclure le coût des accessoires de série et facultatifs tout en omettant la taxe de vente provinciale et la taxe fédérale sur les produits et services (T.P.S.) et la taxe de vente harmonisée (T.V.H.).

Le taux de réponse est généralement de 100 % pour cette enquête et un minimum d'estimations y est requis. Les résultats souffrent peu du biais qu'entraîneraient des cas de non-réponse.

Tout a été mis en oeuvre afin de minimiser ce genre d'erreurs. Ainsi, les questionnaires ont été conçus avec soin afin de réduire au minimum le nombre d'interprétations éventuelles; les diverses étapes de vérification et de traitement ont fait l'objet de contrôles d'acceptation détaillés.

Confidentialité des données

La loi interdit à Statistique Canada de diffuser au grand public des données qui pourraient servir à identifier une entreprise ou certaines de ses caractéristiques, sans avoir obtenu au préalable l'autorisation écrite de cette dernière ² . Ainsi, le dévoilement de données susceptibles de révéler des renseignements précis sur l'activité d'une entreprise particulière est systématiquement contrôlé suivant des dispositions strictes, de telle sorte qu'aucun renseignement jugé secret ne soit publié ou divulgué. L'application des règles sur le caractère secret s'établit donc de manière à ce qu'aucune donnée ne soit révélée pour des cellules (ou unités statistiques). Si l'information doit être camouflée pour des fins de confidentialité, un « X » apparaîtra dans les cellules appropriées de cette publication.

Une autre façon de préserver le caractère confidentiel de l'information sans pour autant avoir à mettre des « X », consiste à grouper (consolider) pour certaines régions (ou certaines cellules) l'information d'un même poste. Il suffit alors d'agréger les données visées et de les présenter sous une forme moins détaillée mais qui respecte la consigne de confidentialité. Par exemple, les données relatives aux Territoires du Nord-Ouest, au Yukon et Nunavut sont incluses dans celles de la Colombie-Britannique.

Désaisonnalisation

Les séries temporelles ou chronologiques comportent les éléments essentiels à la description, l'explication et la prévision du comportement d'un phénomène économique. « Ce sont des dossiers statistiques de l'évolution des processus économiques dans le temps » ³ . Les séries temporelles socio-économiques comme celles de l'Enquête sur les ventes de véhicules automobiles neufs peuvent habituellement être décomposées en cinq composantes principales : la tendance-cycle, la saisonnalité, l'effet des jours ouvrables, l'effet de la fête de Pâques et la composante irrégulière.

La tendance représente l'évolution à long terme de la série, tandis que le cycle représente un mouvement lisse, quasi périodique, autour de la tendance qui met en évidence une succession de phases de croissance et de décroissance (ex. le cycle des affaires). Les deux composantes tendance et cycle sont estimées ensemble et la tendance-cycle reflète l'évolution fondamentale de la série. Les autres composantes traduisent des mouvements passagers à court terme.

La composante saisonnière représente des fluctuations infra-annuelles, mensuelles ou trimestrielles, qui se répètent plus ou moins régulièrement d'une année à l'autre. Les variations saisonnières sont le produit des effets directs et indirects des saisons climatiques et d'éléments de type institutionnel (attribuable aux conventions sociales ou aux règles administratives, Noël par exemple).

L'effet des jours ouvrables provient du fait que l'importance relative des jours varie systématiquement à l'intérieur de la semaine et que le nombre de chacun des jours dans un mois donné varie d'une année à l'autre. Cet effet est présent lorsque l'activité change en fonction du jour de la semaine. Par exemple, dimanche connaît typiquement moins d'activité que les autres jours, et le nombre de dimanches, lundis, etc., dans un mois donné change d'année en année.

L'effet de la fête de Pâques est la variation due au déplacement d'une partie de l'activité d'avril vers mars quand Pâques tombe en mars plutôt qu'en avril.

Enfin, la composante irrégulière regroupe toutes les autres fluctuations plus ou moins erratiques non prises en compte dans les composantes précédentes. Elle représente un résidu qui incorpore, entre autres, les erreurs de mesure sur la variable elle-même ainsi que des événements inhabituels (ex. grèves, sécheresse, inondations, panne d'électricité majeure ou d'autres variations inattendues dans les activités des répondants).

Ainsi, les composantes saisonnière et irrégulière, l'effet des jours ouvrables et l'effet de la fête de Pâques masquent la composante fondamentale de la série, qui est la tendance-cycle. La désaisonnalisation (correction des variations saisonnières) consiste à retirer de la série la composante saisonnière, l'effet des jours ouvrables et l'effet de la fête de Pâques. Elle contribue donc à révéler la tendance-cycle. Bien que la désaisonnalisation permette de mieux comprendre la tendance-cycle fondamentale d'une série, la série désaisonnalisée n'en contient pas moins une composante irrégulière. De légères variations d'un mois à l'autre dans la série désaisonnalisée peuvent n'être que de simples mouvements irréguliers. Pour avoir une meilleure idée de la tendance fondamentale, les utilisateurs doivent donc examiner les séries désaisonnalisées sur un certain nombre de mois.

Depuis avril 2008, l'Enquête sur les ventes de véhicules automobiles neufs utilise le logiciel X-12-ARIMA ⁴  pour la désaisonnalisation. La technique utilisée consiste essentiellement, dans un premier temps, à corriger la série initiale de toute sorte d'effets indésirables, tels l'effet des jours ouvrables et l'effet de Pâques, par un module appelé regARIMA. L'estimation de ces effets se fait grâce à l'utilisation de modèles de régression à erreurs ARIMA (modèles autorégressifs à moyennes mobiles intégrées). On peut également extrapoler la série d'au moins une année à l'aide du modèle. Dans un deuxième temps, la série brute, pré-ajustée et extrapolée s'il y a lieu, est désaisonnalisée par la méthode X-11.

La méthode X-11, qui permet d'analyser des séries mensuelles et trimestrielles, repose sur un principe itératif d'estimation des différentes composantes, cette estimation étant faite à chaque étape grâce à des moyennes mobiles adéquates ⁵ . Les moyennes mobiles utilisées pour estimer les principales composantes, la tendance et la saisonnalité, sont avant tout des outils de lissage conçus pour éliminer une composante indésirable de la série. Puisque les moyennes mobiles réagissent mal à la présence de valeurs atypiques, la méthode X-11 incorpore un outil de détection et de correction des points atypiques utilisé pour nettoyer la série au cours de la désaisonnalisation. Les valeurs atypiques peuvent également être détectées et corrigées d'avance, à l'aide du module regARIMA.

Finalement, les données désaisonnalisées sont ajustées aux totaux annuels des données brutes.

Malheureusement, la désaisonnalisation supprime l'additivité infra-annuelle d'un système de séries; de légères différences peuvent alors être observées entre la somme de séries désaisonnalisées et la désaisonnalisation directe de leur total. Afin d'assurer ou de rétablir l'additivité d'un système de séries, un processus de réconciliation est appliqué ou une désaisonnalisation indirecte est employée, c.-à-d. la désaisonnalisation d'un total est obtenu en faisant la somme des séries désaisonnalisées individuellement.

À fin d'aider l'utilisateur, on retient l'usage des mois à dominance cyclique, ou MDC ⁶ . Il s'agit du plus petit nombre de mois pour lesquels un certain rapport devient et reste inférieur à l'unité; autrement dit, il s'agit de la période pendant laquelle le taux de variation moyen absolu de la tendance-cycle de la série désaisonnalisée est supérieur à celui de la composante irrégulière. Le MDC peut être considéré comme le nombre demois que doit durer un mouvement de la série désaisonnalisée dans une direction donnée avant qu'on puisse être raisonnablement certain que la tendance-cycle de la série évolue dans la même direction. Ainsi, un MDC peu élevé est souhaitable puisqu'il indique la présence d'une série lisse. L'application d'une moyenne mobile aux données désaisonnalisées de période égale au MDC, tend à lisser les mouvements irréguliers pouvant dissimuler la tendance-cycle fondamentale. La méthode de la moyenne mobile du MDC permet de réduire tous les genres de séries à peu près au même niveau de lissage, quelle que soit la taille de la composante irrégulière dans la série initiale.

Procédures de révision

Les estimés désaisonnalisés sont révisés pour les trois mois précédents la période de référence. Les données mensuelles non désaisonnalisées sont révisées pour le mois précédent, lorsque de nouvelles données sont mises à la disposition de Statistique Canada. De plus, les données brutes des ventes des véhicules automobiles neufs sont révisées une fois l'an, dans le numéro de février. Au même moment, les estimés mensuels désaisonnalisés sont révisés pour les quatre dernières années.

Suivant