Professional Documents
Culture Documents
Forfaits de ski
Tatiana Vandemaele
Timea Vigh
Enguerrand G. 0. de Boismorel
Abstract
This paper presents the analysis of a possible worldwide ski price convergence,
based on a database of 2260 observations in 23 countries. The hedonic price
technique is used with measurable characteristics of ski resorts (eg. number of
lifts, number of slopes) and with a robust estimator of variance. Moreover, a fixed-
effects model is added for different ski passes (adults, children and seniors; peak
and low season; number of days of validity). The results show that the ski price
variation is mainly accounted for by the different characteristics of resorts
considered. However, it is shown that the country of location has a significant
impact on the price as well. Therefore it is concluded that the Law of One Price
does not hold in the case of ski passes.
2
Table des matires
I. Introduction .............................................................................. 5
II. Revue de la littrature scientifique ........................................... 5
III. Prsentation du secteur des forfaits de ski .............................. 8
IV. Mthodologie ........................................................................ 10
A. Collecte des donnes ............................................................................. 10
B. Prsentation de la rgression ................................................................. 11
V. Statistiques descriptives ........................................................ 12
A. Description et analyse gnrale .............................................................. 12
B. Description par continent ....................................................................... 12
1. Europe................................................................................................................................... 12
2. Amrique du Nord ................................................................................................................ 13
3. Amrique du Sud ................................................................................................................. 13
4. Afrique................................................................................................................................... 14
5. Asie........................................................................................................................................ 14
6. Ocanie ................................................................................................................................. 14
7. Conclusion intermdiaire .................................................................................................... 15
VI. Rsultats des rgressions ...................................................... 15
A. Analyse conom trique gnrale: ........................................................... 15
B. Rgressions 1 4 .................................................................................. 16
C. Rgressions 5 8 .................................................................................. 19
D. Discussions des rsultats conomtriques .............................................. 21
VII. Conclusion ........................................................................... 22
VIII. Bibliographie ....................................................................... 24
A. Rfrences pour la revue de la littrature scientifiqu e ............................ 24
B. Sources pour la base de donnes ........................................................... 25
1. Asie........................................................................................................................................ 25
2. Europe................................................................................................................................... 27
3. Ocanie ................................................................................................................................. 32
4. Afrique................................................................................................................................... 34
5. Amrique du Nord ................................................................................................................ 35
6. Amrique du Sud ................................................................................................................. 36
IX. Annexes ................................................................................ 38
A. Description des variables retenues ......................................................... 38
B. Taux de change utiliss .......................................................................... 39
C. Statistiques descriptives ........................................................................ 40
1. Echantillon global ................................................................................................................. 40
2. Par continent ........................................................................................................................ 41
3. Par pays ................................................................................................................................ 47
4. Rpartition des donnes par pays ...................................................................................... 75
D. M atrice des corrlations (pages suivantes) ............................................. 75
E. Rgressions statistiques ........................................................................ 78
F. Test statistiques .................................................................................... 84
1. Skweness et Kurtosis .......................................................................................................... 84
3
2. Histogrammes des rsidus.................................................................................................. 84
3. Test dhtroskdasticit .................................................................................................... 88
4
I. Introduction
1 BISHOP, Kelly C. et TIMMINS, Christopher (2011); Hedonic Prices and Implicit Markets: Estimating
5
Ce modle de prix hdonique est toujours appliqu dans plusieurs secteurs,
notamment dans limmobilier (par exemple Allen C. Goodman en 19763 et Ayse
Can en 19924). Lapplication de ce genre de modle aux forfaits de ski sest faite
bien plus tard notamment avec les articles de Martin Falk (2006 et 2011).
Les premiers auteurs travailler sur les prix des forfaits de ski taient Robert
Barro et Paul Romer en 1985. Dans leur article, ils essayent de mesurer limpact
du prix des forfaits de ski sur le march du travail. Ils trouvent quen cas de
croissance conomique, les prix des forfaits augmentent du fait de la hausse des
salaires. Durant ces mmes priodes, les agents vont skier dans des stations plus
chres cause de l'effet revenu.5
Les articles sur le thme des forfaits de ski taient souvent combins avec une
analyse de limpact de ce march sur dautres marchs tel que limmobilier dans
larticle de Van Butsic, Ellen Hanak et Robert G. Valletta en 2009 recherchant
leffet du changement de climat sur les prix de limmobilier prs de stations de
ski.6
La littrature se concentrant prcisment sur notre sujet de recherche - donc sur
la convergence internationale des prix des forfaits de ski et la vrification de la
LOOP (Law Of One Price) -, est plus rcente. Comme mentionn prcdemment, le
premier avoir tent dappliquer le modle de prix hdonique aux forfaits de ski et
de mettre en vidence les diffrences internationales du prix des forfaits de ski
est Martin Falk. Dans ses deux articles publis, il analyse les prix des forfaits de
ski sans TVA.
Dans son article de 20067, Falk met en place une rgression pour dterminer la
relation entre 85 stations de ski autrichiennes et les prix des forfaits de dure de
un ou de six jours pour adultes, ainsi que les facteurs qui influencent la qualit de
stations de ski.
Nous utiliserons certains rgresseurs communs tels que la dure du sjour, la
longueur totale des pistes, la rpartition des diffrents types dascenseurs, le
nombre de canons neige et la dure du sjour. Nous ajouterons galement
dautres rgresseurs qui nous paraissaient aussi importants (par exemple, nous
avons considr les prix des forfaits de ski de 1 7 jours ; nous avons fragment
la demande en trois classes : enfant, adulte et senior et nous avons mis en place
des effets pays pour les comparaisons internationale et intercontinentale).
Lauteur conclut que la variation des prix des forfaits de ski est en grande partie
3 GOODMAN, Allen (1976); Hedonic price, price indices and housing markets ; Center for Metropolitan
Planning and Research and Department of Political Economy - The Johns Hopkins University, Baltimore,
Maryland
4 CAN, Ayse (1992): Specification and estimation of hedonic housing price models ; Regional Science
Hedonic Estimates for Ski Resorts in Western North America ; Federal Reserve Bank of San Francisco
7 FALK, Martin (2006); A hedonic price model for ski lift tickets ; Austrian Institute of Economic Research
6
due des diffrences en termes de qualit et ainsi des caractristiques des
stations.
Dans son article de 20118, Falk analyse les diffrences internationales de prix des
forfaits de ski entre lAutriche la France et la Suisse. Il est noter que Falk fait
une analyse statique, cest--dire quil ne prend pas en compte les effets
temporels (choix pour lequel nous avons galement opt). Il tente de dmontrer
que le prix des forfaits de ski peut tre peru comme une fonction des diffrentes
caractristiques de la station considre, sans un effet de sa situation
gographique. En plus, Falk prend en considration un ventuel effet de
rputation ou de marque des stations (qui leur permet de vendre leurs forfaits de
ski un prix plus lev), en incluant le nombre dannes dexistence des stations
dans sa rgression.
Les canons neige ont un impact positif sur le prix des forfaits dans la rgression
de cet article, ce qui voudrait dire quune station de ski disposant dun nombre
lev de canons neige pourrait proposer des forfaits de ski plus chers.
Falk tente galement de trouver des explications pour les prix des forfaits de ski
moins levs de la France compars ceux en Suisse ou en Autriche, comme par
exemple la productivit, les mouvements des taux de change, les diffrences de
productivit, et les conomies dchelle qui permettent aux plus grandes stations
doffrir des prix plus bas.
Dans un autre article de 2011 9 , Tim Pawlowski met en place une rgression
hdonique statique pour tablir une relation entre les caractristiques des
stations des ski et les prix des forfaits de ski en Autriche, en France, en Allemagne,
en Italie ainsi quen Suisse. Il segmente la demande en deux classes (adultes et
enfants), et il diffrencie les prix des saisons hausse et basse comme nous le
feront dans notre rgression. Il tire la conclusion que les diffrences des prix des
forfaits de ski sont en majeure partie dtermines par les caractristiques
utilises dans sa rgression, comme laltitude, la longueur totale des pistes, la
capacit horaire totale, les effets-pays ou le nombre dascenseurs.
Sergio Alessandrini a galement construit un modle hdonique en 201310 pour
comparer les prix des forfaits de ski et les caractristiques des stations en Italie.
Ce modle compare des donnes sur les remontes mcaniques, la longueur de
la saison, le nombre et la longueur de pistes, ainsi que des donnes climatiques
pendant la priode 2008-2012. Alessandrini segmente les forfaits de ski selon le
jour de la semaine (jour de la semaine ou weekend). Il conclut que ses rgressions
robustes produisent des estimations prcises et consistantes montrant des effets
positifs sur les prix des forfaits de ski.
8 FALK, Martin (2011); International Price Differences in Ski Lift Tickets ; Austrian Institute of Economic
Research
9 PAWLOWSKI, Tim (2011); Hedonic Prices for Ski-Lift Passes in Europe ; The Empirical Economics
Letters
10 ALESSANDRINI, Sergio (2013) ; Quality of Ski Resorts and Competition Between the Emilian Apennines
and Altipiani Trentini. An Estimate of the Hedonic Price. ; Review of Economic Analysis
7
Il estime aussi que la volont des consommateurs payer pour la qualit et la
diversification des pistes et la longueur des pistes tend tre plus forte que la
capacit totale des ascenseurs, laltitude des pistes ou les autres caractristiques
spcifiques des tlsiges.
En outre, il trouve que la perception des skieurs est trs slective et que leur choix
est bas sur la valeur des caractristiques des stations de ski.
Le ski est un sport rcent qui sest popularis tout le long de la seconde moiti du
XXme sicle. Les stations de ski se sont multiplies sur un laps de temps trs
court. On estime quil y a environ 80 pays dans le monde et prs de 2 000
stations de ski sur la plante o ce sport se pratique. Lengouement est tel quil
existe dsormais des pistes cres artificiellement, un phnomne trs populaire
en Asie (par exemple dans un centre commercial Duba11).
Les forfaits de ski sont des services non rivaux (lusage dune piste nempche pas
celui aux autres usagers) mais exclusifs (laccs nest pas libre, il faut payer un
forfait). Le caractre non rival des forfaits de ski est renforce par la libre
circulation des personnes au sein de lUnion Europenne : a la visite dune station,
le passage dun pays a un autre dans la mme journe est possible.
En gnral, loffre est assez htrogne. En effet, certaines stations sont
organises de telle faon que le prix des remontes mcaniques est coupl avec
dautres services. Par exemple, il nest pas rare que la location des skis soit
incluse dans les tarifs. galement, la station est parfois possde par une seule
grande entreprise prive qui associe alors lhbergement dans son offre de prix.
Ce cas de figure est surtout prsent quand la station est particulirement isole et
quelle est seulement constitue dun complexe htelier. Il est alors impossible de
seulement connatre la part du prix lie aux remontes mcaniques. De plus,
lorsquil ny a que trs peu de pistes, les seuls forfaits possibles sont ceux de 30
ou 60 minutes.
Les marchs europens et amricains du nord reprsentent ensemble prs de
70% de loffre mondiale en termes de domaines skiables (voir Graphique 9)12.
36% de loffre mondiale est localise dans les Alpes, chane montagneuse qui
reprend plus des trois quarts des stations de ski ayant la capacit daccueillir plus
dun million de visiteurs par saison (voir Graphique 10)13.
8
Le march de ski est trs concurrentiel - ce qui est illustr par le grand nombre de
stations de ski (2119 stations 14 ) - et il pourrait correspondre a une situation
conomique de concurrence monopolistique. En effet, aucune station de ski nest
strictement identique, mme si elles possdent beaucoup de caractristiques
communes 15 . De plus, chaque station bnficie dun certain monopole par
exemple grce sa localisation gographique.
Lindustrie de ski est concentre autour des stations qui gnrent plus de 100000
visites par an. Ces stations ne reprsentent que 20% des stations, pourtant elles
reprsentent 80% de toutes les visites globales16.
Les visites de stations globales est la plus grande dans les Alpes (45% des visites
mondiales), la deuxime destination prfre des skieurs tant lAmrique (21%
des visites). (Voir Graphique 11). La part du march de lAsie a diminu (14% des
visites) a cause de la baisse des visites au Japon qui na pas encore t
compense par les marchs de ski mergents au Core du Sud et en Chine. Ces
trois pays sont responsables pour la plupart des visites de stations de ski en Asie,
raison pour laquelle on les a choisi pour notre base de donnes. Les petites, mais
nombreuses stations de lEurope de lOuest non-alpines attirent 11% des visites
du march17.
Certaines rgions gographiques accueillent plus de skieurs venant dautres pays,
donc elles sont importateurs de skieurs. Grce aux graphiques 11 et 12, nous
pouvons voir que les Alpes remportent largement ce processus. En effet,
seulement 21% des skieurs dans le monde proviennent de la rgion des Alpes,
tandis quelle accueille plus de 46% du total mondial de skieurs 18 .
Cependant, les Alpes ne forment pas une entit homogne. En effet, de manire
gnrale en France, seulement 28% des skieurs viennent de ltranger, tandis que
ce pourcentage est de plus de 75% en Autriche19.
Les Etats-Unis d'Amrique, la France et le Japon possdent chacun plus de 200
stations de ski sur leur territoire. La France et lAutriche sont les deux seuls pays a
avoir en leur sein plus de 10 stations pouvant accueillir chacune plus dun million
de personnes par saison20.
La France, lAutriche et les Etats-Unis possdent le plus dascenseurs au monde
(environ 3000 chacun). Ces mmes pays reoivent la plus de visites par an
(environ 50 million chacun). Si on regarde les visites par remonte, le Canada et
14 Ibid., p.8
15 FALK, Martin (2011); International Price Differences in Ski Lift Tickets ; Austrian institute of Economic
Research ; p.5
16 VANAT, Laurent (2014) ; 2014 International Report on Mountain Tourism Overview of the key industry
positionnement de loffre francaise de sport dhiver note de synthese ; Fevrier 2005 p.11
20 VANAT, Laurent (2014); 2014 International Report on Mountain Tourism Overview of the key industry
9
les Etats-Unis sont pus haut que lEurope, ce qui dmontre bien leurs modles de
gestion diffrents, avec lEurope se penchant plus sur le ct mcanique et sur
une infrastructure sophistique20.
Le taux de participation est le plus grand en Autriche et en Suisse, la France a le
plus de visiteurs trangers, et finalement la proportion des skieurs trangers est la
plus grande en Andorre, en Autriche et en Suisse20.
En conclusion, le secteur du ski, et en particulier le marche des forfaits de ski, est
assez globalise et ouvert (une grande part des clients sont exports a ltranger).
Les tailles de stations sont relativement htrognes autant en comparant les
pays entre eux quau sein mme des pays, notre analyse de la convergence des
prix trouve donc une premire justification conomique.
IV. Mthodologie
A. Collecte des donnes
10
De plus, trs souvent les stations de ski offrent des forfaits selon le nombre de
jours et nous avons pris cela en compte lors de la collecte des donnes (forfait
pour une journe, deux journes et ce jusqu 7 journes).
Nous avons essay de collecter des donnes pour un grand nombre de
caractristiques des stations, avec 33 variables au total. De faon globale, les
variables sont regroupes en huit grandes catgories : nombre de jours du forfait,
pays, classe d'ge, saison, type de remontes mcaniques, caractristiques du
domaine skiable, caractristiques de l'enneigement et activits sportives autres
que le ski alpin. Pour de plus amples dtails, se reporter au tableau 1.
Nanmoins, nous navons pas toujours eu toutes ces informations compltes et
disponibles pour lensemble des stations de ski slectionnes. Par exemple, le
nombre de canons neige et la surface du domaine skiable taient extrmement
difficiles trouver dans certaines rgions. Nous avons fait de notre mieux mais
navons trouv que 1915 et 1993 observations sur 2260 respectivement pour ces
deux variables.
B. Prsentation de la rgression
Pour tudier la convergence des prix des forfaits de ski dans le monde, nous
avons procd des rgressions de la forme :
ln !
! !"
= ! + ! ! + ! ! + ! ! + ! ! + ! ! + ! + !
!!! !!!
Avec ! dsignant le prix total hors TVA du forfait. ! dcrit les caractristiques
des remontes mcaniques (nombre et type). ! comprend les dtails sur les
pistes (nombre, type et longueur totale). ! reprend une caractristique lie la
topologie de la montagne (le dnivel).
! et ! sont les variables de discrimination. Lusager de rfrence est
ladulte.
Les variables ! sont des dummies (variables binaires). Elles sont
associes la dure des forfaits multi-jours. La rfrence est le forfait de une
journe.
Enfin, les variables ! sont au nombre de 22 car nous avons pris comme pays
de rfrence la France afin dviter un problme de colinarit.
La liste complte des variables est disponible dans les annexes (tableau 1).
11
V. Statistiques descriptives
On observe dans lchantillon global (tableau 3) une grande dispersion des prix
totaux. En effet, pour notre tude nous avons collect les prix des forfaits allant de
1 7 jours. Il convient donc de regarder le prix moyen par jour. Celui-ci est
galement dispers travers le monde. On peut remarquer que le prix minimum
est de 0$ car en Nouvelle-Zlande, 3 des stations tudies (Porter, Mont Lyford et
Broken River) offrent laccs gratuit aux remontes mcaniques aux seniors. Ceci
explique galement pourquoi le nombre dobservations baisse lorsque lon calcule
le logarithme des prix.
La volont dobtenir une image suffisamment reprsentative et pertinente de la
diversit de loffre htrogne se traduit au niveau de lhtrognit des
caractristiques des stations de ski. Le nombre de remontes mcaniques dans
lchantillon stend de 1 200 et le nombre de pistes est compris entre 2 et
285.
En outre, le nombre dobservations diminue lgrement pour un certain nombre
de variables (Capacit, nombre de canons, longueur de pistes globale, superficie
du domaine skiable etc.) car ces informations ntaient malheureusement pas
toujours rendues publiques par les stations de ski.
Nous allons maintenant analyser les statistiques descriptives par continent en
profondeur, de faon a avoir une ide plus claire des caractristiques rgionales
des stations de ski. Cela permettra de voir sil existe des carts importants au
niveau international, ou encore si les donnes rcoltes sont plus ou moins
disperses. Pour des informations chiffres plus dtailles, se reporter aux
tableaux 4 9.
1. Europe
Le prix moyen par jour et le prix moyen en Europe sont proches du prix moyen par
jour et du prix moyen gnraux. Pour la plupart des rgresseurs, on constate que
les cart-types europens sont infrieurs aux cart-types dans lchantillon, ce qui
veut dire que les stations sont plus semblables en Europe que dans lensemble de
cet chantillon. Tous les types de remontes mcaniques sont plus nombreux en
moyenne en Europe que dans lchantillon global. La plupart de donnes
maximales correspondent des stations en Europe, ce qui est expliqu par les
conglomrats normes de stations de ski europennes. La donne maximum pour
la capacit totale par heure correspond une station en Suisse (Portes du soleil),
12
alors que la donne maximum pour le nombre de canons a neige correspond
une station en Autriche (Ischgl). Grace ces rsultats on peut conclure que les
stations de ski de notre chantillon sont les plus quipes en Europe. Quant aux
pistes, lEurope est le leader aussi, tant pour la longueur totale des pistes et la
surface skiable que pour le nombre total des pistes.
2. Amrique du Nord
Le prix moyen par jour et le prix moyen de forfaits de ski en Amrique du Nord sont
largement plus levs que dans lchantillon global (51,27% et 26,75% plus
levs respectivement). Lcart-type pour ces deux donnes est lui aussi
suprieur, ce qui implique une dispersion plus importante des prix. Le prix total
maximum de la base de donnes globale correspond une station se situant aux
Etats-Unis (Park City). Cette station est sans aucun doute la station la plus chre
parmi les diffrentes observations rcoltes. Toutefois, ce domaine nest pas
associ une valeur aberrante car, pour la plupart des autres rgresseurs comme
la longueur de pistes, le nombre dascenseurs ou le nombre de canons, la station
prsente de valeurs semblables, voire lgrement infrieures par rapport la
moyenne des stations. Une exception est le nombre de snowparks aux Etats-Unis,
la moyenne duquel est suprieur la moyenne totale des snowparks.
3. Amrique du Sud
Le prix moyen par jour ainsi que le prix moyen sont infrieurs aux prix moyen et
prix moyen par jour globaux. On constate que les donnes rcoltes concernant
linfrastructure en Amrique du Sud sont infrieures la moyenne. Cela est vrai
pour le nombre total de remontes mcaniques des stations ainsi que pour les
types de remontes un par un, la capacit horaire des ascenseurs et le nombre
des canons. Ce dernier est en infrieur en moyenne de 2126% par rapport au
nombre de canons neige moyen de lchantillon. La longueur et le nombre des
pistes en Amrique du Nord ne sont pas trs diffrents de ceux dans lchantillon,
par contre lcart-type pour les deux donnes est trs faible, indiquant une
variation moindre de ces deux caractristiques parmi les pistes sud-amricaines.
Ce qui dpasse la moyenne de lchantillon, ce sont les donnes concernant les
attributs naturels dune station comme le dnivel et lenneigement annuel
cumul. On peut conclure que les stations de ski en Amrique du Sud ont une
grande potentielle de dveloppement tant donns leurs caractristiques
favorables.
13
4. Afrique
Nos donnes en Afrique concernent les deux stations de ski que possde le sud
de lAfrique, tant donn le faible nombre de stations en opration sur le
continent. Le prix moyen par jour et le prix moyen total sont nettement infrieurs
dans les deux cas la moyenne de lchantillon. Le nombre de remontes
mcaniques est trs faible (3,3 en moyenne par rapport 23,09 dans
lchantillon). Il sagit des deux stations assez petites, ce qui explique linfriorit
des rgresseurs la moyenne de lchantillon en ce qui concerne le nombre et la
longueur de pistes, la surface skiable et lenneigement cumul. Le seul rgresseur
qui nest pas trs loin de la moyenne de lchantillon est le dnivel, ce qui peut
tre expliqu par le fait que les deux stations ont des trs hautes altitudes.
5. Asie
Le prix moyen par jour dans ce pays est proche du prix moyen par jour de
lchantillon, tandis que le prix total est largement infrieur celui de lchantillon
global. Les donnes maximales pour lAsie sont en gnral nettement en-dessous
des maxima gnraux, lexception de lenneigement annuel moyen, o la
donne maximum correspond une station japonaise (Sapporo Kokusai). Notre
analyse des donnes nous permet de conclure que les stations asiatiques sont en
gnral relativement plus petites quen moyenne dans notre chantillon, ce qui se
voit au niveau de la surface moyenne skiable, de nombre dascenseurs et nombre
de pistes moyens qui sont infrieurs a lchantillon global. La capacit par heure
moyenne par contraire est semblable la moyenne gnrale, due aux ascenseurs
de haute capacit au Japon. On constate que linfrastructure nest pas encore trs
dveloppe en Asie, ce qui est soulign par le faible nombre de canons neige sur
le continent (tant moyen que maximum).
6. Ocanie
Le prix moyen par jour ainsi que le prix moyen total des forfaits de ski sont plus
levs en Ocanie que dans notre chantillon global. Les cart-types sont plus
grands aussi, signifiant une plus grande variation des prix entre les stations en
Ocanie. Cependant, on peut constater que le nombre de remontes mcaniques
moyen est infrieur au nombre dans lchantillon, ainsi que le nombre de chaque
type dascenseur dans une station. De mme, la capacit par heure moyenne, le
nombre de canons a neige, lenneigement cumul, la surface skiable, le dnivel
et la longueur de pistes correspondent tous plus ou moins la moiti de la valeur
de ces mmes rgresseurs dans lchantillon. Le nombre de pistes est proche de
celui de lchantillon gnral, par contre le nombre de snowparks moyen en
Ocanie dpasse celui de la moyenne totale. Pourtant, cela nexplique pas le fait
14
que lOcanie est une des rgions les plus chres au monde pour faire du ski. Une
raison pourrait tre leur saison qui est plus courte (1 ou 2 mois), un facteur quon
na pas pris en considration dans notre rgression.
7. Conclusion intermdiaire
Nous pouvons conclure aprs cette analyse des statistiques descriptives que, a
premire vue, ce sont lAmrique du Nord et lOcanie qui tirent le prix des forfaits
de ski de notre chantillon vers le haut. Notre analyse qui suit permettra
didentifier de manire prcise lampleur des effets rgionaux, en considrant
chaque pays sparment.
L'htrognit des valeurs dans notre base de donnes est explique par
l'htrognit au sein des pays mais aussi et surtout entre les pays. En effet, les
cart-types de nos rgresseurs ont gnralement augment ds que nous avons
agrg des observations prcdemment classes par pays.
Nous avons essay de nombreuses rgressions sur le logiciel Stata afin de trouver
celles qui taient les plus pertinentes pour mettre en vidence les facteurs
influenant les prix des forfaits.
Pour cela, nous avons tester plusieurs variables dpendantes: prix total hors TVA
en US dollar, prix total hors TVA en US dollar parit pouvoir dachat ainsi que le
prix moyen par jour.
Afin de convertir nos prix hors TVA en US dollar, nous avons utilis les taux moyens
pour lanne 2014. Et afin de convertir en US dollar parit pouvoir dachat, nous
avons utilis les facteurs de conversion en parit pouvoir dachat officiels pour
cette mme anne 2014. Ces diffrents taux pour lensemble des pays se trouve
dans le tableau numro 2.
Le rsultat de ces tests prliminaires notre tude a t de privilgier pour la
variable dpendante la variable prix total hors TVA en USD.
En effet, le R2 ajust est toujours plus lev ce qui signifie que notre modle
explique une plus grande part de la variation de la variable dpendante choisie.
Par contre, le SER est lgrement plus lev, mais celui-ci reste tout de mme
assez faible pour tre tolr dans nos rgressions. Il nest jamais suprieur 0.29
dans nos 4 premires rgressions.
15
Nous avons galement fait le choix pour nos rgressions dutiliser une forme
logarithme-linaire afin de pouvoir interprter les coefficients comme des semi-
lasticits ce qui facilite l'interprtation de nos rsultats.
En effet, on pourra ainsi plus facilement comparer les rsultats entre pays vu que
la transformation logarithmique du prix transforme les changements des variables
en des changements en pourcentage.
Dans le modle de rgression suivant, ln = ! + ! + . Un changement
dune unit de la variable X est associ un changement de la variable
dpendante de 100! %.
Comme pays de rfrence nous avons choisi la France, cest--dire que les
comparaisons entre pays seront bases sur les rsultats obtenus pour la France.
B. Rgressions 1 4
Dans notre 1re rgression nous avons pris les rgresseurs les plus gnraux tels
que le nombre de pistes, le nombre de remontes mcaniques et le nombre de
jours tandis que les rgressions 2 4 analysent plus en profondeur ces
caractristiques.
16
L encore ce rsultat semble naturel puisque le prix augmente avec le nombre de
jours.
Pour la 2me rgression, nous avons dtaill les types de pistes. Si notre coefficient
pour les pistes noires nest pas significatif, on peut cependant observer que le
coefficient du rgresseur du nombre de pistes vertes (significatif au niveau de 5%)
est ngatif. Ainsi, on peut supposer que les domaines qui sadressent davantage
aux dbutants pratiquent des prix lgrement moins levs (-2%).
En outre, on remarque que le R2 ajust progresse, ainsi 86,65% des variations du
logarithme du prix total sont expliqus par notre modle de rgression.
En revanche, on constate que notre F-stat diminue lgrement mais celui-ci reste
bien au-del de 400 ce qui naffaiblit en aucun cas la 2me rgression.
Pour ce qui est des effets des autres variables (enfant, senior, saison basse,
nombre de jours et nombre de remontes mcaniques), les effets restent
sensiblement les mmes que ceux dtaills pour la premire rgression
La 4me rgression est celle qui reprend le plus dinformations dtailles en ce qui
concerne le type de pistes, le type de remontes mcaniques et les diffrentes
dures des forfaits.
De ce fait, elle est la rgression qui offre les meilleures rsultats en terme de R2
ajust et SER tout en ayant une F-statistique de plus de 560. Cette rgression
nous donne galement les plus faibles indicateurs de qualit Akaike et Schwarz
comme on peut le voir dans le tableau numro 36 reprenant les rsultats de ces
indicateurs pour toutes nos rgressions. En effet, ceux-ci sont en diminution
depuis la 1re rgression ce qui nous permet de dire que cette 4me rgression est
la plus robuste et de meilleure qualit par rapport aux prcdentes.
17
Le fait dobserver les coefficients des variables jour 1, 2,7 nous permet de
constater un effet positif plus fort de la variable jour 7 (+166.54%) par rapport la
variable jour 2 (+60.17%), l encore ce rsultat est assez naturel et attendu.
Ce classement place les pays de lest et dAfrique avant la France ce qui ne nous
tonne pas vraiment vu que les stations de ski dans ces pays offrent des
quipements de moins grande envergure que les stations franaises.
De plus, cela peut galement sexpliquer par des niveaux de PIB/habitant plus
faibles dans ces pays quen France.
On peut galement observer que lAllemagne et le Japon proposent des prix totaux
moins levs quen France. L encore on peut lexpliquer par la moins bonne
qualit de loffre des stations de ski issus de ces 2 pays. Il est vrai que lorsque lon
regarde les caractristiques gnrales de ces 2 pays on se rend compte de la
supriorit de loffre franaise en terme dquipements gnraux (cfr les tableaux
10 32 reprenant les statistiques descriptives par pays dans lannexe).
18
De plus, lAllemagne et le Japon ne sont pas des pays reconnus pour leurs
stations de ski comme peut ltre la France ce qui expliquerait des prix totaux
moins levs malgr un PIB/habitant pour lAllemagne plus grand que pour la
France.
C. Rgressions 5 8
Aprs avoir faits ces 4 premires rgressions nous voulions galement voir
linfluence des diffrentes caractristiques des stations sans celle des pays sur le
prix total.
Nous avons donc rpter les rgressions 1 4 mais sans y inclure les variables
binaires pays afin davoir la mme volution dans nos rgressions : des variables
les plus gnrales vers celles les plus dtailles.
Dans la 5me rgression, tout comme dans la 1re rgression, nous avons pris les
rgresseurs les plus gnraux tels que le nombre de pistes, le nombre de
remontes mcaniques et le nombre de jours.
Nous y avons galement ajout les rgresseurs concernant le dnivel ainsi que la
longueur totale en km des pistes.
19
indicateurs de qualit de la rgression Akaike et Schwarz sont monts au-dessus
des 2000.
Nanmoins, touts les coefficients des rgresseurs sont significatifs 1% et les
coefficients associs aux forfaits enfant, senior et la saison basse sont
lgrement plus faibles mais similaires ceux rencontrs dans notre premire
rgression en terme dimportance deffet ngatif sur le prix.
Afin de rentrer plus dans le dtail des caractristiques, la 6me rgression inclut les
diffrents types de pistes la place du nombre total et on observe une
progression positive par rapport la rgression prcdente. En effet, le R2 ajust
augmente, le SER tout come les indicateurs de qualit diminuent. Cela signifie que
la prcision du modle augmente.
En ce qui concerne les coefficients, on observe des rsultats du mme ordre que
pour la 2me rgression sauf quici seul les pistes noires influencent le prix de
manire ngative lgrement. On peut le justifier par le fait que la demande est
plus forte pour les pistes de niveaux moyens (rouges et bleues) et par consquent
les piste noires moins demandes impactent ngativement les prix totaux.
Enfin la 8me rgression est celle qui va le plus dans le dtail en incluant les
variables des jours (de 2 7) parmi ses rgresseurs plutt que le nombre de jours
total.
Ceci a pour effet de faire significativement augmenter le R2 ajust ainsi que le SER
qui sont, dans lordre, 0.82 et O.34. Ceux-ci sont de bons indicateurs propos de
la pertinence de cette 8me rgression.
Les coefficients sont l encore semblables ceux obtenus dans la 4me rgression
avec les quelques nuances concernant les remontes mcaniques dj dtailles
dans la 7me rgression.
La plus grande diffrence dans ces 4 dernires rgressions est laugmentation du
niveau de significativit des coefficients. Pratiquement tous les coefficients sont
significatifs 1% sauf le rgresseur concernant les pistes rouges pour les 7me et
20
8me rgressions ce qui nest pas vraiment un problme tant le coefficient de ce
rgresseur est faible.
Ces dernires rgressions montrent aussi leffet ngatif des remontes
mcaniques et des vertes sur le prix total. Ces dernires rgressions montrent que
les pistes noires ont aussi un effet ngatif sur le prix total.
Les forfaits moins chers pour les enfants et seniors par rapport aux adultes et en
saison basse sont aussi montrs dans ces 4 dernires rgressions. Les
coefficients sont mmes trs similaires.
Les rsultats obtenus par nos diffrentes rgressions peuvent maintenant tre
regroups et en discuts de manire plus gnrale.
Il ressort de la majorit de nos rgressions certains rsultats communs quon se
doit ds lors de discuter.
Premirement, le nombre de remontes mcaniques et surtout celles de types
tapis et de type divers influence la baisse le prix total. La manire la plus cense
dexpliquer cela est lexistence de fortes conomies dchelle dont profitent les
importantes stations de ski. Cest un secteur dans lequel les stations peuvent trs
vite prendre partie de leur taille afin doffrir les prix plus avantageux.
De plus, les grandes stations sont gnralement implantes dans des rgions
reconnus pour ses zones skiables, ce qui signifie quelles sont les plus
21
susceptibles de se trouver dans un zone gographique propice une forte
concurrence. Elles se doivent donc dtre comptitrice afin dattirer le skieur chez
elles et cela passe par une diminution des prix.
Deuximement, nous avons galement observ que les pistes de types noires et
vertes ont tendance faire baisser le prix galement. La principale raison serait
que les skieurs moyens sont majoritaires et donc la demande nest pas du tout
concentre sur ce types de pistes ce qui expliquerait les rsultats des rgressions.
Troisimement, les pays utilises ntaient pas tous significatifs et loin de tous
galer 0 et ce mme dans nos meilleures rgressions. Ceci traduit la non
existence de convergence de prix au niveau mondial pour les forfaits de ski et cela
infirme donc les rsultats de la thorie du LOOP ( law of one price ), notre
question de base.
Enfin, il serait imprudent de croire que nos rgressions et donc nos rsultats
soient parfaits. En effet, mme si nous avons collect un trs grand nombre
dobservations (2242) il est vident que pour obtenir un biais proche de 0 il
faudrait collecter bien plus dobservations et ce dans bien plus de stations.
Nanmoins nous avons essay de prendre les pays les plus pertinents et dy
collecter les donner en fonction de loffre qui y est disponible.
VII. Conclusion
Notre tude est base sur un chantillon de plus de 2000 observations qui
tmoignent des diffrentes offres proposes travers le monde (23pays) dans
chaque continent (Europe, Amrique, Asie, Afrique, Ocanie).
Nous avons essay de reprsenter au mieux loffre disponible dans les diffrents
pays en prenant un maximum de stations par pays et de toutes tailles.
Les rsultats obtenus par nos meilleures rgressions nous montrent bien que les
effets pays jouent un rle majeur dans la dtermination des prix totaux puisque
16 variables binaires pays sur 22 sont significatives.
Nous pouvons galement regarder ces rsultats en se disant que certains pays
ninfluencent donc pas le prix total, les 6 pays restant non significatifs.
Mais cela est sans compter le fait que le nombre de pays significatifs augmente
en nombre et en niveau de significativit lorsque la prcision de nos rgressions
samliore.
Il y a donc lieu de penser que si on prenait un chantillon digne de reprsenter la
situation mondiale avec un plus grand nombre dobservations et de rgresseurs,
les effets pays seraient encore plus significatifs et le nombre de ces pays serait
dautant plus grand.
22
Nous pouvons donc rpondre notre question de recherche, savoir sil y a une
convergence de prix par continent ou de manire gnrale, par la ngative
puisque les effets pays impactent bel et bien les prix dans leur majorit.
En outre, les coefficients des variables binaires pays sont significativement
diffrents entre eux.
Ce qui signifie que la LOOP ( law of one price ) nest donc pas respect pour les
stations de notre chantillon que ce soit au niveau mondial ou continental.
Afin damliorer notre modle, il serait bon de bien entendu augmenter le nombre
dobservations afin de faire baisser le biais au minimum et obtenir un chantillon
reprsentatif de la situation mondiale. Augmenter le nombre de variables
renseignant sur les caractristiques des stations serait aussi une amlioration du
modle. Notamment en prenant en compte la distance la ville la plus proche, la
possibilit de faire du night skiing , la dure de la saison de ski etc
Enfin, nous analysons seulement le cot de loffre dans notre tude, il serait bon
de confronter cela avec la demande en effectuant un sondage pour voir la relation
entre les deux.
23
VIII. Bibliographie
A. Rfrences pour la revue de la littrature scientifique
24
B. Sources pour la base de donnes
1. Asie
a) Chine
Yabuli http://www.travelchinaguide.com/attraction/heilongjiang/harbin/yabuli
(consultation mars 2015)
Xiling www.xiling.cn/
(consultation mars 2015)
Alshan http://www.chinahighlights.com/alshan/attraction/alshan-ski-resort
(consultation mars 2015)
Beidahu http://www.chinahighlights.com/changchun/attraction/beidahu-ski-resort
(consultation mars 2015)
Wanlong http://www.chinaskitours.com/wanlong
(consultation mars 2015)
Badaling http://www.tour-beijing.com/ski/beijing_badaling_ski_resort.php
(consultation mars 2015)
Jundushan www.bjski.com.cn/
(consultation mars 2015)
Lianhuashan http://www.tour-beijing.com/ski/beijing_lianhuashan_ski_resort.php
(consultation mars 2015)
Qiaobo www.qbski.com
(consultation mars 2015)
Shijinglong www.nsski.cn/
(consultation mars 2015)
Yuyang www.tour-beijing.com/ski/beijing_yuyang_ski_resort.php
(consultation mars 2015)
Yunfoshan http://www.chinahighlights.com/beijing/attraction/yunfoshan-ski-resort.htm
(consultation mars 2015)
Changbaishan http://www.chinahighlights.com/changchun/attraction/changbaishan-ski-resort.htm
25
Duolemeidi http://www.chinaskitours.com/duolemeidi.html
(consultation mars 2015)
b) Core du Sud
Bearstown http://asiaenglish.visitkorea.or.kr/
(consultation mars 2015)
Jisan http://asiaenglish.visitkorea.or.kr/
(consultation mars 2015)
Muju http://asiaenglish.visitkorea.or.kr/
(consultation mars 2015)
Yongpyong http://asiaenglish.visitkorea.or.kr/
(consultation mars 2015)
c) Japon
Asahidake http://www.snowjapan.com/
(consultation mars 2015)
Furano http://www.snowjapan.com/
(consultation mars 2015)
Hakkoda http://www.snowjapan.com/
(consultation mars 2015)
Happo-One http://www.snowjapan.com/
(consultation mars 2015)
Kagura http://www.snowjapan.com/
(consultation mars 2015)
Kamui http://www.snowjapan.com/
(consultation mars 2015)
Kiroro http://www.snowjapan.com/
(consultation mars 2015)
Naeba http://www.snowjapan.com/
(consultation mars 2015)
Rusutsu http://www.snowjapan.com/
(consultation mars 2015)
26
Zao Onsen http://www.snowjapan.com/
(consultation mars 2015)
Ishiuchi-Maruyama http://www.snowjapan.com/
(consultation mars 2015)
Ajigasawa http://www.snowjapan.com/
(consultation mars 2015)
Inawashiro http://www.snowjapan.com/
(consultation mars 2015)
Kawaba http://www.snowjapan.com/
(consultation mars 2015)
Shizukuishi http://www.snowjapan.com/
(consultation mars 2015)
Numajiri http://www.snowjapan.com/
(consultation mars 2015)
Kijimadaira http://www.snowjapan.com/
(consultation mars 2015)
Dynaland http://www.snowjapan.com/
(consultation mars 2015)
Togakushi http://www.snowjapan.com/
(consultation mars 2015)
2. Europe
a) Allemagne
Winklmoosam www.winklmoosalm.de
27
BRAUNECK - WEGSCHEID www.brauneck-bergbahn.de
b) Andorre
Grandvalira www.grandvalira.com
Vallnord www.vallnord.com
c) Autriche
TYROL
Tauplitzalm www.dietauplitz.com/winterurlaub.html
Ischgl www.ischgl.com/en
Kitzbhel www.kitzbuehel.com/en
VORARLBERG
STYRIE
CARINTHIE
28
Gerlitzen www.gerlitzen.com/en
Nassfeld www.nassfeld.at/en/aktiv/skifahren-oesterreich
BASSE AUTRICHE
Hochkar www.hochkar.com/en
d) Bulgarie
Borovets http://www.borovets-bg.com/en
(consultation mars 2015)
Bansko http://www.banskoski.com/en/
(consultation mars 2015)
Pamporovo http://www.bulgariaski.com/pamporovo/skipackages.shtml
(consultation mars 2015)
e) Espagne
Alto Campoo http://www.altocampoo.com/inicio
Manzaneda http://www.manzaneda.com
f) France
La Clusaz- Manigod http://laclusaz.com
Chamonix http://www.chamonix.com
29
Les portes du Mont Blanc http://www.lesportesdumontblanc.fr/fr/
g) Italie
Abetone http://www.abetone.com/
(consultation mars 2015)
Arabba http://www.skiarabba.com/
(consultation mars 2015)
Bardonecchia http://www.bardonecchiaski.com/
(consultation mars 2015)
Bormio http://www.bormioski.eu/
(consultation mars 2015)
Canazei http://www.skicanazei.com/
(consultation mars 2015)
Cavalese http://www.visittrentino.it/
(consultation mars 2015)
Claviere http://www.claviere.it/
(consultation mars 2015)
Cortina http://www.dolomitisuperski.com/en/cortina
(consultation mars 2015)
Courmayeur http://www.courmayeur-montblanc.com/tariffe_giornalieri
(consultation mars 2015)
La Thuile http://www.lathuile.it/
(consultation mars 2015)
Livigno http://www.skipasslivigno.com/
Macugnaga http://www.neveitalia.it/ski/macugnaga/
Sellata http://www.skisellata.it/
(consultation mars 2015)
Torgnon http://www.cervinia.it/
(consultation mars 2015)
30
Valgrisenche http://www.neveitalia.it/ski/valgrisenche/
(consultation mars 2015)
Lavarone http://www.lavaroneski.it/
(consultation mars 2015)
h) Pologne
Biaka Tatrzaska http://bialkatatrzanska.pl/
(consultation mars 2015)
Szczyrk http://skrzyczne.cos.pl/
(consultation mars 2015)
i) Rpublique tchque
Bedrichov http://www.skijizerky.cz/cz/zima/skiarena/ski-areal-bedrichov/
(consultation mars 2015)
Benecko http://www.benecko.info/
(consultation mars 2015)
Bil http://www.skibila.cz/
(consultation mars 2015)
Destn http://www.skicentrumdestne.cz/
(consultation mars 2015)
Lipno http://zima.lipnoservis.cz/
(consultation mars 2015)
j) Roumanie
Poiana Brasov http://www.ski-in-romania.com
Azuga http://www.ski-in-romania.com
31
Sinaia http://www.ski-in-romania.com
k) Slovaquie
Donovaly http://www.parksnow.sk/
(consultation mars 2015)
Jasna http://www.jasna.sk/
(consultation mars 2015)
Mlynky http://www.skimlynky.sk/
(consultation mars 2015)
l) Suisse
Les 4 valles www.4vallees.ch
Bellwald www.bellwald.ch
Scuol www.engadin.com/ferienorte/engadin-scuol
Sorenberg www.soerenberg.ch
3. Ocanie
a) Australie
NOUVELLE-GALLES DU SUD
32
(consultation mars 2015)
Perisher www.perisher.com.au
Thredbo www.thredbo.com.au
VICTORIA
b) Nouvelle Zlande
LE DU NORD
Tukino www.tukino.co.nz
ILE DU SUD
33
Mount Olympus www.mtolympus.co.nz
Porters www.skiporters.co.nz
QUEENSTOWN
WANAK
Cardrona www.cardrona.com
MACKENZIE
Ohau www.ohau.co.nz
4. Afrique
LESOTHO
34
Afriski www.afriski.net
AFRIQUE DU SUD
Tiffindell www.tiffindell.co.za
5. Amrique du Nord
a) Canada
Val-d'Irne http://www.val-direne.com
Tremblant http://www.tremblant.ca/fr/
b) Etats-Unis
Attitash http://www.attitash.com
35
Sugarloaf http://www.sugarloaf.com
6. Amrique du Sud
a) Argentine
Las Leas https://www.laslenas.com
b) Chili
Portillo http://www.skiportillo.com/
El Colorado http://www.elcolorado.cl
www.skiresort.info
www.skiinfo.fr
snow.co.nz
36
www.mountainwatch.com
https://www.j2ski.com/
(consultation mars 2015)
http://www.igluski.com/
(consultation mars 2015)
http://ski-resorts.findthebest.com/
(consultation mars 2015)
http://www.ifyouski.com/
(consultation mars 2015)
http://www.onthesnow.com/
(consultation mars 2015)
37
IX. Annexes
A. Description des variables retenues
38
B. Taux de change utiliss
39
C. Statistiques descriptives
1. Echantillon global
40
2. Par continent
a) Europe
41
b) Amrique du Nord
42
c) Amrique du Sud
43
d) Afrique
44
e) Asie
45
f) Ocanie
46
3. Par pays
a) Afrique du Sud
47
(skieurs/heure)
Longueur de la 14 1 0 1 1
piste la plus
longue
b) Allemagne
48
Nombre de 45 57.06667 53.98417 0 107
canons
Domaine 14 0.4856 0 0.4856 0.4856
skiable (km2)
Dnivel (m) 59 1136.475 129.1251 992 1330
Enneigement 59 157.0468 21.74517 139 186
annuel moyen
Nombre de 59 1.050847 0.8793361 0 2
snowparks
Capacit 59 24795.25 6015.062 19100 31940
(skieurs/heure)
Longueur de la 59 7.223729 3.201311 3 10
piste la plus
longue
c) Andorre
49
Nombre de 34 64.47059 45.45943 27 118
pistes
Nombre de 34 11.47059 11.48975 2 25
pistes noires
Nombre de 34 18.23529 9.991083 10 30
pistes rouges
Nombre de 34 20.82353 17.98395 6 42
pistes bleues
Nombre de 34 13.94118 5.99465 9 21
pistes vertes
Nombre de 34 479.4706 453.0956 106 1013
canons
Domaine 34 10.53059 7.413384 4.42 19.26
skiable (km2)
Dnivel (m) 34 791.7647 117.3952 695 930
Enneigement 34 139.4118 8.991975 132 150
annuel moyen
Nombre de 34 1.823529 0.9991083 1 3
snowparks
Capacit 34 49841.18 43191.45 14240 100700
(skieurs/heure)
Longueur de la 34 7.176471 0.9991083 6 8
piste la plus
longue
d) Argentine
50
tlsiges
Nombre de 86 4.465116 1.134462 3 6
tlskis
Nombre de 86 0.1627907 0.3713399 0 1
tapis
Nombre 86 0.3488372 0.4793977 0 1
d'autres
installations
Longueur des 86 24.75581 13.75901 11 52
pistes (km)
Nombre de 86 19.53488 9.394238 7 30
pistes
Nombre de 86 5.476744 4.448335 1 10
pistes noires
Nombre de 86 5.476744 3.517943 1 10.5
pistes rouges
Nombre de 86 6.034884 3.342059 4 13.5
pistes bleues
Nombre de 86 2.546512 1.254704 1 4.5
pistes vertes
Nombre de 56 7.5 13.10794 0 30
canons
Domaine 56 19.95 29.62395 3 70.8
skiable (km2)
Dnivel (m) 86 1003.116 286.7726 714 1316
Enneigement 14 76.2 0 76.2 76.2
annuel moyen
Nombre de 86 0.5116279 0.5027966 0 1
snowparks
Capacit 86 5530.233 3633.855 2600 13340
(skieurs/heure)
Longueur de la 56 6.85 0.2621588 6.4 7
piste la plus
longue
51
e) Australie
52
annuel moyen
Nombre de 207 2.521739 1.987402 0 5
snowparks
Capacit 207 19234.48 14491.78 3700 53990
(skieurs/heure)
Longueur de la 165 6.809091 4.978145 1 15
piste la plus
longue
f) Autriche
53
Nombre de 263 18.48669 15.39254 7 52
pistes bleues
Nombre de 263 0 0 0 0
pistes vertes
Nombre de 263 418.8631 371.4915 17 1100
canons
Domaine 221 24.78507 26.88632 0.24 75.4
skiable (km2)
Dnivel (m) 263 1242.962 403.4563 319 1590
Enneigement 263 391.3194 342.0552 65 1149
annuel moyen
Nombre de 263 1.844106 1.566111 0 5
snowparks
Capacit 263 51157.67 33274.52 10815 93000
(skieurs/heure)
Longueur de la 263 7.288973 2.492384 2 11
piste la plus
longue
g) Bulgarie
54
d'autres
installations
Longueur des 48 58.71667 12.23777 36.8 75
pistes (km)
Nombre de 48 24.16667 3.447684 19 27
pistes
Nombre de 48 3.333333 0.8588298 2 4
pistes noires
Nombre de 48 9.166667 1.293738 7 11
pistes rouges
Nombre de 48 9.083333 2.624219 4 11
pistes bleues
Nombre de 48 2.583333 1.673744 0 5
pistes vertes
Nombre de 48 45.41667 67.45395 6 161
canons
Domaine 48 1.270705 0.6442555 0.809371 2.54143
skiable (km2)
Dnivel (m) 48 1178.5 415.5309 306 1570
Enneigement 48 179.2817 40.88862 109.22 203.2
annuel moyen
Nombre de 48 1 0 1 1
snowparks
Capacit 48 18045.83 3016.865 15000 23100
(skieurs/heure)
Longueur de la 48 7.918917 4.90311 1.609 12
piste la plus
longue
h) Canada
55
mcaniques
Nombre de 36 0.6666667 0.8618916 0 3
tlphriques
Nombre de 36 7 2.484236 1 10
tlsiges
Nombre de 36 2 2.267787 0 5
tlskis
Nombre de 36 1.25 0.8409179 0 3
tapis
Nombre 36 0.5 0.8783101 0 2
d'autres
installations
Longueur des 36 72.65833 42.94449 13 139
pistes (km)
Nombre de 36 79.5 46.02267 26 145
pistes
Nombre de 36 9.053333 5.869145 5 23.5
pistes noires
Nombre de 36 20.20667 6.600696 6 27.55
pistes rouges
Nombre de 36 33.89 26.77157 9 65.25
pistes bleues
Nombre de 36 16.26667 10.91779 3 36.25
pistes vertes
Nombre de 21 398.7143 295.8131 0 1041
canons
Domaine 30 7.042 6.893589 0.57 17
skiable (km2)
Dnivel (m) 36 524.75 319.2327 213 991
Enneigement 36 422.1933 260.3043 155 750
annuel moyen
Nombre de 36 0.6666667 0.8618916 0 3
snowparks
Capacit 33 19757.27 6209.56 14040 28000
(skieurs/heure)
Longueur de la 30 4.45 3.021047 1.5 8
piste la plus
longue
56
i) Chili
57
Enneigement 8 828.25 3.24037 823 830
annuel moyen
Nombre de 14 1 0.960768 0 2
snowparks 9
Capacit 14 15732.86 5573.086 9900 21500
(skieurs/heure
)
Longueur de la 14 2.285714 1.204388 1 4
piste la plus
longue
j) Chine
58
Nombre de 17 2.117647 2.027386 0 8
pistes rouges
Nombre de 17 4.117647 4.414215 0 16
pistes bleues
Nombre de 17 1.823529 2.899036 0 12
pistes vertes
Nombre de 15 8.733333 7.33355 0 29
canons
Domaine 16 1.720625 2.453703 0.05 9.6
skiable (km2)
Dnivel (m) 16 325.4375 286.0357 20 1000
Enneigement 0
annuel moyen
Nombre de 17 0.4705882 0.5144958 0 1
snowparks
Capacit 6 4121 3125.765 1950 9876
(skieurs/heure)
Longueur de la 14 1.759643 1.348002 0.2 5
piste la plus
longue
k) Core du Sud
59
tapis
Nombre 6 0.3333333 0.5163978 0 1
d'autres
installations
Longueur des 6 20.56667 8.268656 8 29
pistes (km)
Nombre de 6 23.5 15.74484 7 41
pistes
Nombre de 6 7 5.01996 1 13
pistes noires
Nombre de 6 6.833333 4.956477 2 12
pistes rouges
Nombre de 6 9 6.928203 3 17
pistes bleues
Nombre de 6 0.6666667 1.032796 0 2
pistes vertes
Nombre de 2 57 0 57 57
canons
Domaine 6 1.533333 1.10201 0.39 2.91
skiable (km2)
Dnivel (m) 6 525.6667 265.8373 204 814
Enneigement 0
annuel moyen
Nombre de 6 0.8333333 0.4082483 0 1
snowparks
Capacit 6 19496.67 8747.301 6080 28500
(skieurs/heure)
Longueur de la 6 4.416667 1.958996 0.9 6.2
piste la plus
longue
l) Espagne
60
mcaniques
Nombre de 60 1.4 0.9242496 0 2
tlphriques
Nombre de 60 20 10.8143 2 27
tlsiges
Nombre de 60 3.966667 1.850027 3 8
tlskis
Nombre de tapis 60 0 0 0 0
Nombre d'autres 60 0 0 0 0
installations
Longueur des 60 79.2 38.42351 13 104
pistes (km)
Nombre de 60 88.8 43.43973 23 117
pistes
Nombre de 60 6.685333 4.129231 0 9.36
pistes noires
Nombre de 60 37.95033 19.04694 8 50.31
pistes rouges
Nombre de 60 31.89833 13.98649 9 40.95
pistes bleues
Nombre de 60 12.266 6.390537 1 16.38
pistes vertes
Nombre de 8 5 0 5 5
canons
Domaine skiable 8 16.25 0 16.25 16.25
(km2)
Dnivel (m) 60 970.6 359.1507 370 1203
Enneigement 52 278.8462 43.77545 190 300
annuel moyen
Nombre de 60 0.3 0.4621248 0 1
snowparks
Capacit 60 34203 15778.39 7100 44390
(skieurs/heure)
Longueur de la 52 5.321154 1.404794 2.47 6
piste la plus
longue
61
m) Etats-Unis
62
n) France
63
annuel moyen
Nombre de 42 2 1.012122 1 3
snowparks
Capacit 51 39319.53 17020.21 12554 57643
(skieurs/heure)
Longueur de la 30 5.7 0.4660916 5 6
piste la plus
longue
o) Italie
64
Nombre de 420 13.27143 13.254 1 54
pistes bleues
Nombre de 420 0.3857143 1.104897 0 7
pistes vertes
Nombre de 420 160.9571 178.7037 0 564
canons
Domaine 420 6.574086 16.91098 0.19 56.66
skiable (km2)
Dnivel (m) 420 1159.576 399.997 250 1787
Enneigement 412 436.7114 185.4502 25.4 800
annuel moyen
Nombre de 420 0.8714286 0.3351242 0 1
snowparks
Capacit 420 22662.35 19055.52 1800 90000
(skieurs/heure)
Longueur de la 400 5.711397 2.934389 1.3 20
piste la plus
longue
p) Japon
65
d'autres
installations
Longueur des 116 35.10945 25.40968 3.3 100
pistes (km)
Nombre de 135 20.11111 9.187651 3 37
pistes
Nombre de 135 4.266667 3.50309 0 12
pistes noires
Nombre de 135 7.740741 4.22848 1 16
pistes rouges
Nombre de 135 4.822222 2.512259 0 9
pistes bleues
Nombre de 135 3.281481 3.327075 0 13
pistes vertes
Nombre de 65 10.46154 8.261501 0 21
canons
Domaine 101 3.173465 2.267524 0.15 7.77
skiable (km2)
Dnivel (m) 135 673.4667 244.1653 150 1225
Enneigement 133 1023.248 419.5901 450 2084
annuel moyen
Nombre de 135 0.8444444 0.3637833 0 1
snowparks
Capacit 119 23819.57 16565.2 1500 50000
(skieurs/heure)
Longueur de la 135 4.598148 2.469096 1.4 10
piste la plus
longue
66
q) Lesotho
r) Nouvelle-Zlande
68
annuel moyen
Nombre de 205 1.565854 1.482514 0 5
snowparks
Capacit 205 7519.537 12723.54 830 56840
(skieurs/heure)
Longueur de la 184 2.284783 1.072756 0.7 4
piste la plus longue
s) Pologne
69
pistes bleues
Nombre de 85 2.317647 0.7592566 1 3
pistes vertes
Nombre de 85 71.76471 36.43084 10 115
canons
Domaine 85 0.4864948 0.1162079 0.376358 0.65
skiable (km2)
Dnivel (m) 85 465.7529 235.3608 230 718
Enneigement 85 70.22353 31.93622 25.4 101.6
annuel moyen
Nombre de 85 0.8235294 0.3834825 0 1
snowparks
Capacit 85 16642.82 7234.478 2600 22420
(skieurs/heure)
Longueur de la 85 2.953494 1.44488 1.609 4.828
piste la plus
longue
t) Rpublique tchque
70
installations
Longueur des 116 5.956897 1.941771 3.3 8.3
pistes (km)
Nombre de 116 6.137931 1.924201 4 10
pistes
Nombre de 116 0.2758621 0.4488867 0 1
pistes noires
Nombre de 116 2.068966 0.6943766 1 3
pistes rouges
Nombre de 116 3.793103 1.051022 3 6
pistes bleues
Nombre de 116 0 0 0 0
pistes vertes
Nombre de 74 7.216216 9.023972 0 27
canons
Domaine 116 0.215672 0.027264 0.17 0.242811
skiable (km2)
Dnivel (m) 116 229.3103 80.57753 110 360
Enneigement 116 77.77655 58.28363 33.02 203.2
annuel moyen
Nombre de 116 0.465517 0.5009736 0 1
snowparks
Capacit 116 5701.724 1969.462 2500 7700
(skieurs/heure)
Longueur de la 116 1.089872 0.2931536 0.6002 1.4
piste la plus
longue
u) Roumanie
71
Nombre de 12 2.666667 0.7784989 1 3
tlphriques
Nombre de 12 1.833333 0.9374369 0 3
tlsiges
Nombre de 12 5 1.595448 2 6
tlskis
Nombre de 12 0 0 0 0
tapis
Nombre 12 0 0 0 0
d'autres
installations
Longueur des 12 18.33333 4.886593 8 22
pistes (km)
Nombre de 12 9.666667 3.601347 2 12
pistes
Nombre de 12 2.333333 1.154701 0 3
pistes noires
Nombre de 12 3.166667 1.527525 1 6
pistes rouges
Nombre de 12 3.5 1.167748 1 4
pistes bleues
Nombre de 12 0.6666667 0.492366 0 1
pistes vertes
Nombre de 12 13.33333 9.847319 0 20
canons
Domaine 12 1.126302 0.9755573 0.21 3.14845
skiable (km2)
Dnivel (m) 12 816.6667 207.2097 561 1223
Enneigement 12 55.72 11.79527 30.48 60.96
annuel moyen
Nombre de 12 0.8333333 0.3892495 0 1
snowparks
Capacit 12 4567.667 2047.752 1790 5954
(skieurs/heure)
Longueur de la 12 3.612667 0.7555468 3.219 5.2
piste la plus
longue
v) Slovaquie
72
$ PPA
Prix moyen/ 76 40.82866 14.07005 17.97386 72.54902
jour
Prix moyen 12 80.77309 49.1396 30.12048 192.7711
ppa/jour
Nombre de 76 3.684211 1.84904 1 7
jours
Nombre de 76 24.36842 8.328012 6 30
remontes
mcaniques
Nombre de 76 2.263158 1.692087 0 4
tlphriques
Nombre de 76 4.157895 3.684391 0 8
tlsiges
Nombre de 76 12.73684 2.936521 6 14
tlskis
Nombre de 76 0 0 0 0
tapis
Nombre 76 5.210526 3.226208 0 9
d'autres
installations
Longueur des 76 26.53684 18.39972 5.3 45.7
pistes (km)
Nombre de 76 14.15789 3.015748 8 17
pistes
Nombre de 76 1.947368 1.005249 1 3
pistes noires
Nombre de 76 5.526316 2.385924 3 8
pistes rouges
Nombre de 76 6.684211 4.855816 3 13
pistes bleues
Nombre de 76 0 0 0 0
pistes vertes
Nombre de 76 37.31579 48.19522 0 100
canons
Domaine 76 0.7140284 0.4792093 0.18 1.21406
skiable (km2)
Dnivel (m) 76 709.2632 341.3221 266 1061
Enneigement 76 170.8484 73.53127 25.4 243.84
annuel moyen
Nombre de 76 1 0 1 1
snowparks
Capacit 76 13405.26 4603.706 3100 16300
(skieurs/heure)
Longueur de la 76 3.100789 1.650946 1.4 4.828
piste la plus
longue
73
w) Suisse
74
Capacit 199 93872.88 98818.12 4580 275411
(skieurs/heure)
Longueur de la 199 9.230653 2.832017 3 12
piste la plus
longue
Tableau 33
pays Freq. Percent Cum.
Afrique du Sud 14 0.62 0.62
Allemagne 59 2.61 3.23
Andorre 34 1.5 4.73
Argentine 86 3.81 8.54
Australie 207 9.16 17.7
Autriche 263 11.64 29.34
Bulgarie 48 2.12 31.46
Canada 36 1.59 33.05
Chili 14 0.62 33.67
Chine 17 0.75 34.42
Core du Sud 6 0.27 34.69
Espagne 60 2.65 37.35
France 72 3.19 40.53
Italie 420 18.58 59.12
Japon 135 5.97 65.09
Lesotho 6 0.27 65.35
Nouvelle-Zlande 220 9.73 75.09
Pologne 85 3.76 78.85
Rpublique tchque 116 5.13 83.98
Roumanie 12 0.53 84.51
Slovaquie 76 3.36 87.88
Suisse 199 8.81 96.68
USA 75 3.32 100
75
76
77
E. Rgressions statistiques
a) Rgressions 1 4
Tableau 36 : Rgressions 1 4
Rgression 1 Rgression 2 Rgression 3 Rgression 4
0.0027201***
- - -
Nombre de pistes (0.000386)
0.0083648*** 0.0093786***
- -
Nombre de tlphriques (0.0027466) (0.0022215)
0.0014322 -0.0011734
- -
Nombre de tlsiges (0.0011612) (0.0009221)
-0.0095018*** -0.0080121***
- -
Nombre de tlskis (0.0011572) (0.0008811)
78
(0.0025346) (0.0017996)
-0.0064244 0.0042476
- -
Nombre d'installations diverses (0.0060511) (0.0065125)
Capacit (skieurs/heure) - - - -
0.6017143***
- - -
Forfait de 2 jours (0.0181053)
0.9766963***
- - -
Forfait de 3 jours (0.0186276)
1.249846 ***
- - -
Forfait de 4 jours (0.01901)
1.416397***
- - -
Forfait de 5 jours (0.0196738)
1.574557***
- - -
Forfait de 6 jours (0.0203802)
1.66543***
- - -
Forfait de 7 jours (0.0221351)
-0.216***
-0.2102936*** -0.2066257*** -0.2108287***
(0.0127587
(0.0160307) (0.0159854) (0.0158992)
Senior 2609)
-0.1609***
-0.1686026*** -0.1667039*** -0.1639512***
(0.0126437
(0.0149032) (0.0150107) (0.0146709)
Basse saison 303)
79
0.4169738*** 0.4583755*** 0.3795915***
0.4819165***
(0.0464971) (0.0471376) (0.0392749)
Andorre (0.0504556)
80
(0.0459326) (0.0474215) (0.0463129) ( 0.0348071)
81
Tableau n37 : Rg. 5 8 Rgression 5 Rgression 6 Rgression 7 Rgression 8
0.0064612***
- - -
Nombres de pistes (0.0003703)
-0.0107017*** -0.013732***
Nombres de remontes - -
mcaniques (0.0007384) (0.0007619)
0.0258948*** 0.0274622***
- -
Nombre de tlphriques (0.0036269) (0.0029659)
-0.0104269*** -0.0107393***
- -
Nombre de tlsiges (0.0011756) (0.000936)
-0.0151818*** -0.0146186***
- -
Nombre de tlskis (0.0010888) (0.0008765)
-0.023728*** -0.0253773***
- -
Nombre de tapis (0.0026423) (0.0020994)
-0.0218214*** -0.0185507***
- -
Nombre d'installations diverses (0.005096) (0.0052426)
82
0.2951974*** 0.2943503*** 0.2957707***
-
Nombre de jours (0.0043888) (0.0043234) (0.0042283)
0.6089593***
- - -
Forfait de 2 jours (0.024763)
1.005083***
- - -
Forfait de 3 jours (0.0255706)
1.303428***
- - -
Forfait de 4 jours (0.0251842)
1.464833***
- - -
Forfait de 5 jours (0.026484)
1.603879***
- - -
Forfait de 6 jours (0.0271969)
1.704778***
- - -
Forfait de 7 jours (0.0298384)
83
F. Test statistiques
1. Skweness et Kurtosis
Tableau n38 : Normalit des rsidus
Normalit
des
rsidus
Rgression1 rgression2 Rgression3 Rgression4
84
b) 2 me rgression
c) 3 me rgression
85
d) 4 me rgression
e) 5 me rgression
86
f) 6 me rgression
g) 7 me rgression
87
h) 8 me rgression
3. Test dhtroskdasticit
Test d'htroskdasticit
88
on the latest situation, the key figures for ski resorts and their
ent are presented in following tables. Colors of the slices
with those of the geographical areas shown on above map.
Eastern Western
Europe & Europe
Central Asia 12%
12%
visits worldwide.
Graphique n10 : Rpartition du nombre de stations de ski ayant au minimum
14 International Report on Snow & Mountain Tourism - Overview of the key industry figures for ski resorts
ajor ski resorts worldwide have been ranked below on the
100 000 visites par anneAprilba-
heir average annual skier visits6 during the last few winter
2014
s.
Asia &
0.0 0.5 Pacific
1.0 Various
1.5 2.0 2.5 3.0
La Plagne
14% 0%
Saalbach Hinterglemm Leogang
SkiWelt Wilder Kaiser-Brixental
Les Arcs Alps
Ischgl/Samnaun Silvretta Arena America
Whistler Blackcomb 45%
Courchevel-Mribel-Mottaret
Val Thorens
21%
Vail
Breckenridge
Serfaus-Fiss-Ladis
L'Alpe d'Huez
Sestriere Via Lattea
Zillertal 3000 -Mayrhofen
Alta Badia Eastern
Soelden Western
Tignes Europe &
Les Mnuires Europe
Flachau-Wagrein-Alpendorf Central Asia
Grandvalira 11%
Zillertalarena 9%
Chamonix
Zermatt
Selva - Val Gardena
Kronplatz / Plan de Corones
Kitzbuehl
GraphiqueFigure 3n11:
: repartition Rpartition de nombre de skieurs dans le monde en fonction du
St. Anton/St. Christoph/Stuben
Serre-Chevallier of skier visits worldwide
Val d'Isre
territoire
Davos-Klosters
chwurzen-Hauser-Kaibling-Reiteralm
Flaine-Morillon-Samoens-Sixt
Mammoth
Asia & Pacific used to have the same market share as America. How-
Les Deux-Alpes
Adelboden-Lenk
ever, the continuous decline of the industry in Japan has still not
St. Moritz
Silvretta Montafon
Jungfrauregion
been replaced by the growing ski markets in South Korea and China.
Avoriaz
Verbier
In the long term, countries such as India and Pakistan may join them
Cortina d'Ampezzo
Stubaier Gletscher
and contribute to increasing the weight of Asia in the international
re
Keystone
spread of skier visits. Northern, Southern and Western European non
Copper Mountain
Mribel
Hochzillertal-Hochfuegen-Kaltenbach
alpine countries (grouped under the label of Western Europe) also
attract 11% of the market, even if skier visits are spread primarily
over a large number of small resorts.
Figure 1: Top world resorts in millions of skier visits
is considered as major if its attendance reaches over 1 million skier visits per winter season.
d data or estimates when required. Skiers per region of origin 89
ational Report on Snow & Mountain Tourism - Overview of the key industry figures for ski resorts
The total number of skiers worldwide was estimated based on both
the number of skier visits in the various countries as well-as9 - on the
on the latest situation, the key figures for ski resorts and their
ment are presented in following tables. Colors of the slices
with those of the geographicalAsiaareas
& shown on above map.
Various Alps
Pacific 1%
20% 17%
Western
America
Europe
bution of the 19% Asia &
Pacific
Various
27%
0%
er of ski resorts 18% Eastern
Alps
Europe &
wide (2119 Central Asia
36%
mphasizes the The international flow of skiers is primarily concentrated within Eu-
of the Alps in rope. The number of skiers using long haul flights to go skiing is ra-
ustry. ther limited.
EasternFor instance, overseas skiers represented only 3.8% of
Western
total skier visits
Europe & to U.S. ski resorts in 2012/13 (including Latin Ameri-
Central Asia Europe
can visitors).
15%
The weight of international customers
16%
is limited for
most ski destination countries. Moreover, the international catchment
10
Interestingly, this is not yet reflected in the evolution of skier visits, as the participation rate of new
entrants is still lower than those of declining skiing populations.
2014 International Report on Snow & Mountain Tourism - Overview of the key industry figures for ski resorts
90