Une analyse empirique et théorique de politiques publiques non linéaires

An Empirical and Theoretical Analysis of Nonlinear Public Policies

• Auteur / Autrice : Stefan Pollinger
• Direction : Christian Hellwig, Nicolas Werquin, Christian Gollier
• Type : Thèse de doctorat
• Discipline(s) : Sciences économiques
• Date : Soutenance le 26/08/2021
• Etablissement(s) : Toulouse 1
• Ecole(s) doctorale(s) : École Doctorale Toulouse Sciences Économiques
• Partenaire(s) de recherche : Equipe de recherche : TSE-R (Toulouse)
• DOI : 10.70675/15bb66b7z68f9z4fb4zb263z9585cd335f5e

Mots clés

Mots clés contrôlés

Subventions

Politique publique

Mots clés libres

Politiques non linéaires

Résumé

Cette thèse propose des méthodes empiriques et théoriques pour optimiser les politiques publiques et les appliquent aux subventions pour les énergies renouvelables et les mesures luttant contre les maladies infectieuses. En particulier, ma thèse se concentre sur les politiques non linéaires, qui, dans de nombreuses applications, sont plus efficaces que les politiques linéaires. Le principal défi dans la conception de politiques non linéaires optimales est de savoir comment les citoyens y réagissent. Théoriquement, j’aborde cette question en caractérisant ces politiques en fonction de statistiques observables. Empiriquement, je propose de nouveaux estimateurs quasi-expérimentaux qui estiment les réactions des citoyens. La thèse est organisée en trois chapitres. Le titre du premier chapitre est « Kinks Know More: A Policy Evaluation Beyond Bunchingwith an Application to Solar Energy ». Ce chapitre évalue les réponses de marge d’intensité et de participation des agents aux programmes d’incitation non linéaires. L’estimateur non paramétrique proposé permet d’évaluer des barèmes de prix non linéaires lorsque les méthodes de „kink“ et de discontinuité existantes ne s’appliquent pas parce que les deux marges sont présentes. La première contribution du chapitre est de montrer que les réactions des agents aux „kinks“ ou aux discontinuités du schéma incitatif identifient les réponses aux deux marges simultanément. La seule observable nécessaire pour cette estimation est la distribution des choix des agents. La deuxième contribution de ce chapitre est d’évaluer la subvention allemande pour les panneaux solaires, fondement essentiel des efforts de transition énergétique du pays. Je trouve des élasticités importantes le long des deux marges et une subvention optimale proche du linéaire. Le titre du deuxième chapitre est « Optimal Case Detection and Social Distancing Policies to Suppress COVID-19 ». Ce chapitre constate que la combinaison de la détection des cas et de la distanciation sociale est cruciale pour éradiquer efficacement une nouvelle maladie infectieuse. Théoriquement, je caractérise la politique de suppression optimale comme une simple fonction de statistiques observables, ce qui facilite sa mise en œuvre. Avec le nombre de personnes infectées, la distanciation sociale optimale diminue avec le temps. Le compromis fondamental est entre l’intensité et la durée des mesures. Quantitativement, je calibre le modèle à la pandémie COVID-19 en Italie à la fin du premier confinement le 10 mai 2020. Compte tenu de la prévalence observée et de l’efficacité de la détection, l’élimination du virus coûte 11 % du PIB annuel. Le traçage numérique efficace des cas contacts réduit le coût à 0,4 %. Ce coût est d’un ordre de grandeur inférieur au coût des stratégies d’atténuation optimales. Le troisième chapitre est un travail conjoint avec Jean-Pierre Florens. Son titre est « Non parametric Identification of Supply or Demand Using Nonlinear Budget Sets ». Le chapitre constate que les „kinks“ et les discontinuités dans un système d’incitation identifient de manière non paramétrique la fonction d’utilité sous-jacente aux réponses des citoyens. Nous assouplissons l’hypothèse d’isoélasticité restrictive, jusqu’à présent habituelle dans la littérature. La fonction d’utilité est la solution d’une « équation de Schröder », une équation fonctionnelle non encore utilisée en économétrie. Le résultat permet d’estimer de manière non paramétrique la réponse de la marge intensive aux impôts, subventions et autres programmes d’incitation, ce qui, à son tour, permet d’évaluer et d’optimiser ces politiques.

This thesis proposes empirical and theoretical methods to optimize public policies and applies them to subsidies for renewable energies and disease-control measures. In particular, my thesis focuses on optimal nonlinear policies, which, in many applications, are more efficient than linear policies. The main challenge in the design of optimal nonlinear policies is to know how citizens react to them. Theoretically, I address this issue by characterizing optimal policies as a function of observable statistics. Empirically, I propose novel quasi-experimental estimators for citizens’ responses. The thesis is organized into three chapters. The first chapter’s title is ''Kinks Know More: A Policy Evaluation Beyond Bunching with an Application to Solar Energy.'' The chapter estimates agents’ intensive and participation margin responses to nonlinear incentive schemes. The proposed nonparametric estimator allows evaluating nonlinear pricing schedules when existing kink and discontinuity methods are inapplicable because both margins are present. The chapter’s first contribution is to show that there actions of agents to kinks or discontinuities in the incentive scheme identify responses at both margins simultaneously. The only observable needed for estimation is the distribution of agents’ choices. The second contribution of the chapter is to evaluate the German subsidy for solar panels - a cornerstone in the country’s energy transition efforts. I find sizable elasticities along both margins and an optimal subsidy close to linear. The second chapter’s title is ''Optimal Case Detection and Social Distancing Policies to SuppressCOVID-19.'' This chapter finds that the combination of case detection and social distancing is crucial for efficiently eradicating a new infectious disease. Theoretically, I characterize the optimal suppression policy as a simple function of observable statistics, which eases its implementation. Together with the number of infected, optimal social distancing decreases overtime. The fundamental trade-off is between its intensity and its duration. Quantitatively, I calibrate the model to the COVID-19 pandemic in Italy at the end of the first lockdown on May10th, 2020. Given the observed prevalence and detection efficiency, eliminating the virus costs11 % of annual GDP. Efficient digital contact tracing reduces the cost to 0.4 %. This cost is by one order of magnitude lower than the cost of optimal mitigation strategies. The third chapter is joint work with Jean-Pierre Florens. Its title is ''Nonparametric Identification of Supply or Demand Using Nonlinear Budget Sets.'' The chapter finds that kinks and discontinuities in an incentive scheme non-parametrically identify the utility-function underlying citizens’ responses. We relax the restrictive iso-elasticity assumption so far standard in the literature. The utility function is the solution to a ''Schröder Equation,'' a functional equation not yet used in Econometrics. The result allows non-parametrically estimating the intensive margin response to taxes, subsidies, and other incentive schemes, which, in turn, allows evaluating and optimizing these policies.